GERAÇÃO DE PADRÕES DE CORTE PRODUTIVOS PARA A INDÚSTRIA DE MÓVEIS

Tamanho: px
Começar a partir da página:

Download "GERAÇÃO DE PADRÕES DE CORTE PRODUTIVOS PARA A INDÚSTRIA DE MÓVEIS"

Transcrição

1 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto 2 a 5/09/06 Goâa, GO GERAÇÃO DE PADRÕES DE CORTE PRODUTIVOS PARA A INDÚSTRIA DE MÓVEIS Altamr G. de Fgueredo Socorro Ragel DCCE / IBILCE / UNESP Rua Crstóvão Colombo, 2265, Jd. Nazareth , S.J. do Ro Preto, altamrgf@yahoo.com, socorro@blce.uesp.br RESUMO Neste trabalho, aalsamos os padrões de corte adotados por uma Idústra de Móves, e detfcamos característcas báscas desses padrões de corte. Cocetuamos, a partr dessas característcas, os padrões tabuleros compostos, que pertecem à classe dos padrões de corte - grupos, apresetada por Glmore e Gomory (965). Os padrões tabuleros compostos preservam as facldades de corte dos padrões tabuleros, e apresetam baos ídces de sobra de matéraprma. Propomos uma heurístca para a geração de um pool de padrões tabuleros compostos, usados para resolver o problema de corte de estoque a Idústra de Móves. São apresetados também resultados computacoas comparado os padrões tabuleros compostos, com padrões em 2-estágos de Glmory e Gomory e padrões usados pela dústra.. PALAVRAS CHAVE. Padrões de Corte Bdmesoas, padrões -grupos, Corte de estoque. Área de classfcação prcpal: Otmzação Combatóra ABSTRACT I ths wor, we aalyze the cuttg patters used by a furture Idustry, ad determe some of ts basc characterstcs. We defed a composed cuttg patter that belogs to the class of - group cuttg patters preseted by Glmore ad Gomory (965). The composed cuttg patters preserve the easess of the cuttg process ad have low de of waste. We propose a heurstc for the geerato of a pool of composed cuttg patters to solve the cuttg stoc problem the furture Idustry. We compare the heurstc soluto wth the soluto gve by the 2-stage Glmory-Gomory method ad the dustry practce. KEYWORDS. Two-dmesoal cuttg patters, -group patters, cuttg stoc problem Ma area: Combatoral Optmzato [ 626 ]

2 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto 2 a 5/09/06 Goâa, GO - Itrodução A dústra movelera o Brasl, predomatemete composta por mcro e pequeas empresas, apreseta uma forte dspersão geográfca, porém está cocetrada em pólos regoas localzados bascamete as regões Sul e Sudeste do país (ABIMÓVEL, 2005). Detre esses pólos, destacamos o Pólo de Votuporaga, localzado o oroeste do estado de São Paulo, que é hoe o maor do estado e um dos quatro mas mportates do país (Lad e Gusmão, 2005). Esse pólo á fo cosderado o segudo maor pólo movelero do Brasl (Suzga, 2000), e apesar de hoe represetar apeas 3,7% do total de emprego da dústra, é altamete relevate do poto de vsta do desevolvmeto local, e tem despertado teresse de dversos pesqusadores (e.g.: Suzga, 2000; Stpp, 2002; Slva, 2003). A maora das empresas fabrcates de móves do Pólo de Votuporaga são de pequeo e médo porte caracterzadas por uma grade dversdade o grau de orgazação das mesmas (Stpp, 2002). O setor movelero, assm como demas setores da dústra, efreta hoe o desafo de melhorar sua compettvdade, para sto busca produzr mas, com melhor qualdade e meor custo. Um dos fatores prepoderates para a redução do custo de produção é o melhor aprovetameto da matéra prma. O estudo apresetado este trabalho fo baseado em dados de uma dústra de médo porte característca do Pólo de Votuporaga. Esta empresa cocetra sua produção em móves de quarto (e.g. guarda roupas, cômodas), e utlza como matéra prma prcpal paés retagulares de MDF em dversas espessuras. Para a produção de um móvel, os paés (obetos) são cortados em retâgulos meores (tes) que após passarem por outras fases do processo de produção, orgam as peças que rão compor o produto fal. Uma preocupação mportate para aumetar a efcêca da empresa é crar padrões para o corte dos obetos (padrões de corte) que mmze a perda de matéra prma, sem crar um gargalo a lha de produção. O bom aprovetameto dos obetos passa, ecessaramete, pela elaboração de um bom couto de padrões de corte. Por lmtações operacoas do equpameto de corte (seccoadora), um padrão de corte é cosderado vável se for gulhotado. Um corte feto de uma etremdade a outra de um retâgulo, dvddo o obeto em retâgulos meores é deomado corte gulhotado ortogoal, ou smplesmete corte gulhotado (Areales et al., 2004). Em etrevstas com o gerete de produção da fábrca estudada fo possível perceber a preferêca por padrões 2-estágos (cada vez que a dreção do corte muda, sto é o obeto recebe uma rotação de 90º, temos um estágo de corte), sedo admssível uma fase a mas de auste, para aparo das sobras. É fácl perceber que a cada rotação do obeto o tempo de produção é pealzado, o que ustfca a preferêca por padrões 2-estágos. Dzemos que um padrão de corte é 2-estágos eato quado ao térmo do segudo estágo todos os tes tverem sdo obtdos, se forem ecessáros cortes adcoas dzemos que é um padrão de corte 2-estágos ão-eato. A Fgura abao lustra as etapas de corte de um padrão de corte gulhotado em 3-estágos. Fgura - Etapas do corte de um obeto de acordo com padrão de corte 3-estágos º Estágo 2º Estágo 3º Estágo Dos outros aspectos mportates a serem cosderados a elaboração de um bom padrão de corte são: tempo ecessáro para o auste dos batetes de fação do obeto a seccoadora e capacdade de corte da seccoadora. Na empresa estudada, o auste dos batetes é maual, e o tempo ecessáro de 50s a 2 m é cosderado alto, quado comparado à velocdade de corte da seccoadora que é de apromadamete 4 m por muto. Os corte efetuados o obeto o prmero estágo produzem faas. A cada largura de faa dstta é ecessáro um ovo auste [ 627 ]

3 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto 2 a 5/09/06 Goâa, GO dos batetes para determar a largura da faa a ser cortada. Assm, é deseável usar padrões de corte com poucas faas de larguras dferetes. Na empresa estudada a seccoadora pode cortar obetos com até 60 mm de espessura. Esta capacdade de corte permte, por eemplo, o corte de quatro obetos de 5 mm ou 20 obetos de 3 mm. A empresa procura trabalhar com o meor úmero possível de padrões de corte dsttos para, com o agrupameto deles, reduzr o custo com o cosumo de eerga e o tempo de operação da seccoadora. Isto é, a empresa tem também teresse em reduzr o úmero de cclos da serra (Yaasse et al. 993). Maores detalhes sobre o processo de produção das empresas de móves do Pólo de Votuporaga podem ser ecotrados em Slva(2003) e Fgueredo (2006). Na próma seção fazemos uma aálse dos padrões de corte utlzados pela dústra e propomos um algortmo que sstematza a costrução desses padrões de corte. Na seção 3 apresetamos resultados obtdos comparado o algortmo proposto com o método em 2-estágos de Glmory e Gomory cotdo o sstema CorteB_r (Caval e Ragel, 2004) e com dados forecdos pela dústra, a seção 4 apresetamos as cosderações fas. Uma versão prelmar deste trabalho esta descrta em Fgueredo e Ragel (2005). 2 - Padrões de Corte produtvos O Problema de corte de estoque bdmesoal (PCE) cosste em determar como cortar um couto de obetos de dmesões ( L, W ) para produzr um couto de m tes (de dmesões ( l, w ) e demada d =... m, respectvamete). Os obetos estão dspoíves em estoque e os tes são partes que compõem o produto fal, e.g. guarda-roupas, cômodas, crados. A forma clássca de resolver o problema é supor que são cohecdos todos os padrões de corte váves ( N ) e que este um umero sufcete de obetos em estoque. A relaação lear do problema de otmzação tera assocado é etão resolvda pelo método de geração de coluas (e.g. Morabto e Areales, 2000; Caval e Ragel, 2004). A dfereça etre as dversas abordages está em como o problema de geração de coluas (CG): CG : ma{ π y : y { A,..., A N },( A, =...N é um padrão de corte bdmesoal) } assocado é resolvdo. Neste trabalho, o problema CG é um problema de corte bdmesoal ode apeas um obeto, retagular, esta dspoível (classfcado como 2/B/O de acordo com a tpologa de Dychoff, 990). Na dústra de móves, dferetes aspectos devem ser cosderados a defção de padrão de corte. Além do tpo de corte, gulhotado em 2-estágos como vsto a seção, a dústra busca determar um balaço etre padrões de corte com ídces de perda alta e bao custo operacoal, e padrões de corte que possuem um bao ídce de perda, mas com um custo operacoal alto. A dústra cosdera acetável padrões com perda abao de 6% da área do obeto. É teressate fazer uma dstção etre a perda e a sobra de materal em um padrão de corte. Em geral a perda é calculado pela fórmula: P = L W ( a w ), a é o úmerode tesdo tpo o padrão = l. No etato, este cálculo estão cluídas perdas eretes ao processo de corte propramete dto, chamada de desgaste da serra. Uma outra parte que compõe esta perda são as peças cortadas e ão demadadas, ou sea, retalhos quasquer do obeto de dmesões ão predefdas, deomada sobra de materal. A perda devdo ao desgaste da serra, em certos tpos de matéra prma (paés de madera, por eemplo), é evtável e precsa ser levada em cota quado queremos avalar o custo de produção. Porém, quado da avalação da efcêca do padrão de corte, esta perda pode gerar uma dstorção, pos padrões compostos por mutos tes pequeos rão sempre apresetar um alto percetual de perda devdo ao desgaste da serra, sem que sso mplque que seam perduláros. Se clurmos a formula do cálculo da perda o desgaste devdo a espessura da serra (Morábto e Areales, 2000), e refzermos os cálculos, o valor ecotrado represetará, eatamete a perda por sobra de materal (Ps): Ps = ( L + δ ) ( W + δ ) = ( a ( l + δ ) ( w + δ )) [ 628 ]

4 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto 2 a 5/09/06 Goâa, GO ode δ é o desgaste provocado pela serra. A perda relatva ao desgaste da serra ( Pd) poderá ser calculada pela dfereça etre a perda total ( P) e a perda por sobra de materal: Pd = P Ps. Na avalação da efcêca de um couto de padrões de corte é ecessáro, ada, levar em cota os ecessos a produção dos tes (produção de um úmero de tes maor que a demada). Estes ecessos, em geral, acarretam um aumeto do custo de estocagem. Em Caval e Ragel (2004) o sstema CorteB (Per e Ragel, 989), que gera padrões de corte em 2-estágos de acordo com o Método de Glmory e Gomory (965), fo revsado para corporar a rotação de tes e cosderar a perda de materal relatva à serra. O sstema revsado (CorteB_r) fo usado para resolver o problema de corte de estoque da dustra estudada e se mostrou útl como sstema de apoo a tomada de decsões devdo ao tempo de resposta e qualdade da solução. O sstema resolveu problemas com até 20 tes em meos que dos segudos e gerou padrões de corte com ídce de perda etre 3,07% e 5,27% cosderado a rotação dos tes. A Fgura 2 a segur mostra dos padrões de corte gerados pelo sstema CorteB_r. Os dos padrões de corte possuem perda abao do acetável pela dústra (4,9% e 2,73% respectvamete), mas o padrão de corte 2a fo reetado pela dústra por causa da dfculdade o processo de corte. O padrão de corte 2b (aceto pelo dústra) possu dos coutos de faas que podem ser cortadas smultaeamete o segudo estágo, caracterzado um padrão 2-grupos. Fgura 2 Padrões de Corte gerados pelo sstema CorteB_r 2a) Padrão Reetado (perda 4.9%) 2b) Padrão aceto (perda 2.73%) Um padrão -grupo, estudado por Glmory e Gomory (965) em aplcações a dústra de vdro e metal, é um padrão de corte gulhotados em 2-estágos o qual as faas resultates do prmero estágo são dvddas em grupos de forma que cada grupo de faas é cortado smultaeamete o segudo estágo. Se o padrão cotver apeas um grupo de faas temos um padrão tabulero ou -grupo (Katsurayama e Yaasse, 200). Uma característca destes padrões é que todos os tes apresetam-se dstrbuídos em lhas e coluas, um formato que os faz lembrar um tabulero de adrez ou dama (Fgura 3). Os padrões tabuleros ecesstam de poucos mauseos do obeto e portato possuem um bao custo operacoal (Morabto e Areales, 2000; Katsurayama e Yaasse, 200), e tal como os demas padrões 2-estágos, podem ser eatos e ãoeatos, coforme a ecessdade ou ão de auste. Fgura 3 Processo de corte do padrão tabulero º estágo 2º estágo [ 629 ]

5 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto 2 a 5/09/06 Goâa, GO Se tomarmos um padrão de corte usado a dústra (Fgura 4) e o oretar, da esquerda para a dreta e de cma para bao (Fgura.4a), veremos o cato superor esquerdo um bloco prcpal que compõe um padrão tabulero (Fgura 4b). Fgura 4 Padrão de Corte usado a dústra de Móves a) Padrão de corte b) Subpadrão Tabulero Neste caso dzemos que o padrão da dústra fo obtdo a partr de um padrão tabulero. As sobras do padrão tabulero foram reaprovetadas, sedo tratadas como ovos obetos, e ovos padrões tabulero foram obtdos, matedo o padrão fal em 2-estágos. Isto é, o padrão da dústra é um padrão em 2-estágos resultate da composção de padrões tabuleros, ou sea, um padrão tabulero composto. Esta déa fo eplorada em dos procedmetos heurístcos para gerar padrões de corte smlares aos usados pela dústra descrtos a segur. Heurístca Gera padrões 2-grupos Etapa Costrução de faas Passo Lea os dados referetes a dmesão do obeto e dos tes: ( L, W ), ( ( l, w ) =... m, se deseado faça a rotação dos tes e ordee os p 2m tes de forma que w w +, =... p. Passo 2 - Use o tem (tem pvô), =... p, para crar até duas faas de largura w : uma faa homogêea (apeas um tem de cada tpo) e se possível uma seguda faa cotedo apeas tes tas que w = w. Sea S o couto de tes cluídos a faa. Passo 3 Para cada uma das faas cradas o passo 2, clua, se possível, mas tes a faa (área B da Fgura 5 a segur). Isto é, clua o tem se ( L l ) > l, : w w. Etapa 2 - Geração do pool de padrões 2-grupos Passo 4 Para cada faa crada a Etapa, gere um padrão tabulero (o mámo dos padrões para cada w ) usado W faas. w Passo 5 Para cada padrão tabulero crado o Passo 4 cre K padrões de corte dervados removedo faas do padrão. A área lvre assocada as faas removdas será cosderada um ovo obeto (área A a Fgura 5 a segur). S Fgura 5: Padrão de corte dervado Remoção de Faas [ 630 ]

6 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto 2 a 5/09/06 Goâa, GO Passo 6 A área lvre (área A da Fgura 5) em cada padrão de corte dervado obtdo o Passo 5 é A cosderada um ovo obeto de dmesões L W. Um padrão tabulero eato é etão gerado para este obeto resolvedo o segute modelo de otmzação tera (Yaasse e Morabto, 2004). Supodo: ; A P = L Q = W ; lm wm L :é o comprmeto da - ésma faa, =.. P ; temos: W M ma : é a largura da - ésma faa, =.. Q; = se o tem for alocado ao retâgulo L W ; 0 c.c.; e é uma costate de valor alto ( e.g. M ma( L, W )). s. t. : P Q ( l w ) = = = = = = = W L P L L L; = w l, = L w + L l W, ; = W + M + M + M W + M W W, = = = = +,,,,,,,,, (4a) (4b) (5a) (5b) (6) { 0, }; L, W 0; =.. m; =.. P; =.. Q (7) Q A () (2) (3) ode: () fução obetvo, mamzar a área ocupada do obeto (L W A ); (2) o comprmeto total (largura total) ocupado pelos tes ão ultrapassa o comprmeto, L, (largura, W A ) do obeto; (3) permte a alocação de o mámo um tem o retâgulo L W ; (4a e 4b) garatem que se houver um tem alocado o retâgulo L W etão l = L ; (5a e 5b) garatem que se houver um tem alocado o retâgulo L W etão w = W ; (6) elmação de smetras. Etapa 3 Resolução do Problema do Corte de Estoque Passo 7 Resolva o problema do corte de estoque cosderado o pool de padrões gerados os Passos a 6 acma. O pool rá coter até 2 p( K + ) padrões de corte dferetes. Note que a maor dfculdade da Heurstca descrta acma está a solução do problema de otmzação tera do Passo 6. O úmero de varáves e restrções deste modelo depede das relações etre a dmesão do obeto e dos tes ( P e Q ). Fgueredo (2006) apreseta um estudo computacoal do modelo ()-(7) com dados da dústra de móves. Os resultados apresetados [ 63 ]

7 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto 2 a 5/09/06 Goâa, GO mostram que para problemas com mas de 2 tes o tempo computacoal para ecotrar a solução ótma do modelo é muto alto. Além dsso, a efcêca do modelo vara de acordo o grau de dspersão da largura e/ou comprmeto dos tes. Coutos de dados com muto varação as dmesões dos tes provoca a geração de padrões homegêos ou prómos, aumetado assm o ídce de sobra o padrão. Ites com dmesões muto pequeas em relação à dmesão do obeto também dfcultam a resolução do modelo. Essas caracterstcas do modelo fluecaram muto o desempeho da Heurstca coforme será vsto a Seção 3. Uma alteratva para o modelo ()- (7), baseada em Morabto e Areales (2000), é usar o modelo (8)-(2), descrto a segur, para gerar um padrão tabulero o Passo 6, resultado um ovo procedmeto chamado de Heurstca 2. ma m = s.a : v = My = y Z m m w +,, y W A ode: é o úmero de vezes que a faa de largura padrão de corte; y é gual a se a faa de largura (8) (9) (0) () { 0,} (2) w é usada e 0 caso cotráro; w gerada a Etapa 2 é usada para compor o v é a área ocupada da faa de largura w. (8) fução obetvo, mamzar a área ocupada do obeto (L W A ); (9) largura total ocupada pelas faas ão ultrapassa a largura, W A, do obeto; (0 e ) Lmtam o úmero de faas que rão compor o padrão de corte. 3 - Estudo Computacoal Os móves produzdos a dústra estudada são fabrcados com tes de dferetes espessuras (e.g. 3, 9, 5,8, 20, e 25mm). Assm, para obter todos os tes ecessáros para compor um determado móvel, é ecessáro resolver um problema de corte de estoque para cada espessura de obeto. Todos os obetos tem dmesão ( ), eceto o obeto de 5mm cuas dmesões são ( ). Nesta seção são apresetados resultados dos problemas de corte de estoque ecessáros para a fabrcação de dos produtos (P e P2). O produto P é fabrcado com tes de quatro espessuras dferetes (3, 9, 2, e 5 mm) e o produto P2 com tes de ses espessuras dferetes (3, 9, 2, 5, 20, 25). As característcas prcpas dos coutos de tes utlzados os testes estão descrtas a Tabela. Os coutos foram omeados de acordo com o produto e a espessura do obeto, assm P-5 quer dzer couto de tes de 5 mm de espessura ecessáros para a produção de P, e P2-20 é o couto de tes de 20 mm de espessura ecessáros para a produção de P2. Os demas coutos são omeados de maera smlar. Na Tabela são forecdos para cada couto de dados, o úmero de tes (_tem), as dmesões e demada de cada tem ( l w, d ), e o valor da demada total (T_dem). Algus tes a tabela tem demada ula ( d = 0 ). Esses tes são faclmete aprovetados pela dústra para a produção de um tem chamado pázo, e mesmo que ão seam ecessáros para a cofecção de um determado produto, são cluídos o couto de tes para um melhor aprovetameto do obeto. Assm, reproduzmos o estudo computacoal uma prátca adotada pela dústra. Os dados usados este estudo foram getlmete ceddos pela Empresa Luapa Móves ( [ 632 ]

8 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto 2 a 5/09/06 Goâa, GO Tabela Característcas dos Coutos de tes Nome _tem ( l w, d ) T_dem P-03 3 (70535, 320),(062530,320) ( ,960) 600 P-09 3 (630 50,480), (433 50,320), (295 50,480) 280 P-2 6 (44065,320), (63550,60), (45480,960), (63580,480), (45435,640), (63535,320) 2880 P-5 7 (970570,320), (70075,60), ( ,480), (70063,320), (600,400,0), (430 60,0), (50060,0) 280 P ( ,240), (647453,60), (70454,80), (454454,80), (080454,200), (530454,200), (050500,40), (48325,80) 080 P (50450,40), (63050,0), (43350,0), (29550,0) 40 P2-2 3 (45480,320), (63580,60), (45435,0) 680 P2-5 9 (049452,200), (499452,200), (452429,80), (050535,80), (535500,80), (535430,80), (70022,60), (43060,0), (50060,0) 680 (250060,480), (44560,480), (44540,040), (49060,40), 9 P2-20 (50060,20), (05060,200), (43060,20), (44060,60), 2720 (06060,80) P (43060,80), (50060,60), (05060,60) 400 Cada PCE fo resolvdo usado três estratégas dferetes, as Heurístcas e 2 (Heurístca e Heurístca 2 respectvamete) apresetadas a Seção 2, e o sstema CorteB_r (CorteB_r). As Heurístcas foram mplemetadas usado o sstema XPRESS-MP (Dash Optmzato, 2004). Todos os testes foram eecutados em mcrocomputador AMD-Athlo 2200 com 256 MB RAM. Na Tabela 2 são apresetados os resultados referete a resolução do PCE pelas Heurístcas e 2. Os resultados para Heurístca 2 estão em egrto. A Heurístca 2 fo eecutada sempre cosderado a rotação dos tes, equato que os problemas marcados com * a Heurístca fo eecutada cosderado a oretação fa dos tes. Para cada couto e método de resolução são apresetados o Tempo de CPU em segudos (Tempo Cpu), o Número de Padrões (Nr. Pdr.), o úmero de obetos (Nr. Ob.) e a sobra de materal, valor mámo (Ma), médo (Med) e mímo (M). Aalsado a colua Sobra é possível verfcar que para a maora dos PCE os padrões gerados pelos dos procedmetos heurístcos possuem ídces de perda médo abao do tolerado pela dústra (6%). Observamos ada que a Heurístca 2 apreseta, em geral, uma meor ampltude os ídces de sobra (coluas Ma M), o que os sugere a geração de um couto de padrões de corte com um ídce de perda mas uforme. O úmero de obetos e o úmero de padrões dferetes ecessáros para a produção dos tes obtdos pelos dos procedmetos fo gual a maora dos casos, sedo que para P-2, P-5 e P2-20 a Heurístca 2 obteve um úmero meor de obetos. Note a Tabela, que estes coutos são compostos por mutos tes pequeos, crítcos para a eecução do modelo de otmzação tera usado o Passo 6 da Heurístca. Só fo vável, para estes casos, a eecução da Heurístca com oretação fa dos tes, o que reduzu o espaço solução e ão permtu um melhor aprovetameto do obeto. Um outro aspecto mportate fo que o tempo cosumdo pela Heurístca para resolver um PCE pode chegar a ceteas de segudos. Equato o tempo utlzado pela Heurístca 2 é da ordem de dezeas de segudos. O tempo mas alto verfcado pela Heurístca 2 fo de 94,4s (P2-20), cotra mas de 0h para a Heurístca (P2-03). [ 633 ]

9 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto 2 a 5/09/06 Goâa, GO Tabela 2 Aprovetameto da matéra prma - resultados Heurístca e Heurístca 2 Nome Tempo Nr Nr Sobra (%) CPU Pdr. Ob. Ma. Med. M. P-03 5,00 2, ,90 5,80 5,80 4,00 2, ,90 5,80 5,80 P-09 * 292,00 3,00 7 0,50 4,40 3,30 8,60 3,00 7,80,50 0,20 P-2 * 36,00 7, ,60 4,50,50 36,20 8,00 45,70 0,70 0,20 P-5 * 64,00 5, ,90 2,50 9,70 9,00 3, ,00 4,30 3,70 P ,00 9, ,00 5,80 0,30 33,40 9, ,00 6,00 0,30 P ,00,00 2 2,00 2,00 2,00 5,40,00 2 2,00 2,00 2,00 P ,00 2,00 0 4,70 4,40,50 7,70 2,00 0 2,20 2,0,50 P2-5 46,00 0, ,00 4,0,60 66,20 9, ,40 4,00,50 P2-20 * 3070,00 0, ,0 8,50 2,30 94,40 0, ,60 3,0 0,50 P2-25 * 69,00 3,00 5 0,60 7,00 2,60 9,20 2,00 4 2,30 2,00,00 * Eecução da Heurístca cosderado a oretação fa dos tes Na Tabela 3 a segur são apresetados os dados relatvos à resolução dos PCE pela Heurstca 2, pelo sstema CorteB_r e pela Idústra (Idústra). Para facltar a aálse, repetmos os dados relatvos apeas à Heurístca 2 cosderado que o desempeho apresetado tato em termos de qualdade da solução (ídce de sobra e úmero de obetos e padrões) quato em tempo computacoal fo melhor que o desempeho da Heurístca. Podemos observar que a Heurístca 2 matém a qualdade da solução quado comparada também à solução do CorteB_r e da Idústra. Na maora dos casos o úmero de obetos e o ídce de perda méda apresetado pela Heurístca 2 é meor que os valores obtdos pelos outros dos métodos de solução. É mportate lembrar que o sstema CorteB_r e os padrões de corte da dústra ão são ecessaramete padrões tabuleros compostos. O CorteB_r gera padrões de corte em 2-estágos geras e algus padrões de corte da dústra são padrões em 3-estágos. Além dsso, a dústra às vezes cosdera a utlzação de apeas meo obeto (e.g. 63,5 obetos cortados para o obter os tes do couto P-5), o que ão é possível ocorrer as soluções obtdas com o CorteB_r ou com a Heurístca 2. No etato, o úmero de padrões de corte gerados pela Heurístca 2 é lgeramete maor. Um úmero maor de padrões de corte mplca em um úmero maor de austes a seccoadora e pode reduzr o úmero de obetos cortados smultaeamete de acordo com um determado padrão (aumeta o úmero de cclos da serra). Um aspecto mportate para aumetar a produtvdade do processo de corte é mmzar o úmero de cclos da serra e deverá ser cosderado em trabalhos futuros. [ 634 ]

10 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto 2 a 5/09/06 Goâa, GO Tabela 3 - Aprovetameto da matéra prma: resultados Heurístca 2, Corteb_r e Idústra Heurístca 2 CorteB_r Idústra Nr Nr Sobra(%) Nr Nr Sobra(%) Nr Nr Sobra(%) Nome Pdr. Ob. Ma. Med. M. Pdr. Ob. Ma. Med. M. Pdr. Ob. Ma. Med. M. P ,9 5,8 5, ,9 5,8 5, ,9 5,8 5,8 P ,8,5 0, ,8,5 0,2 6,5 3,3 3,3 0,2 P ,7 0,7 0, ,6 0,6 0, ,8,4 0,2 P ,0 4,3 3, ,8 4,8 4,4 3 63,5 4,9 4,4 4,4 P ,0 6,0 0, ,0 6,2 0, ,0 6,6 0,3 P ,0 2,0 2,0 2,7,7,7 2,8,8,8 P ,2 2,,5 2 4,7 4,6 4,0 2 0,5 4,5 3,3 2,3 P ,4 4,0, ,4 5,4 3, ,3 2,6 2,3 P ,6 3, 0, ,6,9 0, ,5 2,7,5 P ,3 2,0, ,8 2,5 2,3 3 4,5 3,3 3,2 3,2 4 - Cosderações Fas O etedmeto do processo de corte da matéra prma e a aálse dos padrões de corte adotados pela Idústra de móves os permtram detfcar um tpo especal de padrão de corte que omeamos de padrão tabulero composto. Os padrões tabuleros compostos, que pertecem à classe dos padrões -grupos, ebem as facldades de corte dos padrões tabuleros, porém com um melhor aprovetameto do obeto. A geração de padrões tabuleros compostos pela Heurístca esbarrou a sesbldade da mesma à quatdade de tes dsttos cosderados e ao processameto de tes com dmesões pequeas. Com a Heurístca 2 cotoramos estes problemas, obtedo resultados que, de uma forma geral, se mostraram melhores que os pratcados pela Idústra estudada. Cotudo, dos aspectos merecem maor ateção: o prmero é a quatdade de padrões dsttos usados o processo de corte, o que pode provocar a subutlzação da seccoadora em algumas operações de corte. Se a dversdade de padrões utlzados o processo de corte é reduzda, a quatdade de vezes que os padrões escolhdos serão usados pode aumetar, o que rá favorecer a taa de utlzação da seccoadora. Mmzar o úmero de cclos da serra é um aspecto mportate para aumetar a produtvdade do processo de corte que deverá ser cosderado em trabalhos futuros. Um outro aspecto mportate é o fato da Heurístca 2 trabalhar com um Pool de padrões tabuleros compostos com váras dezeas de padrões, sedo que a solução ótma utlza poucos padrões. Apesar da Heurístca 2 apresetar tempos pleamete acetáves pela Idústra, essa questão dca um esforço computacoal desecessáro. A Heurístca 2 pode ser faclmete corporada o sstema CorteB_r para gerar coluas ecessáras a cada teração do método smple. AGRADECIMENTOS Os autores agradecem ao CNPq pelo apoo recebdo, e as sugestões dos revsores AD-HOC. Referêcas Bblografcas Abmóvel, Paorama do Setor Movelero o Brasl, ABIMÓVEL-Assocação Braslera das Idústra do Mobláro, V.3, August, Areales, M. N.; Morabto, R.; Yaasse, H. H. Problemas de Corte e Empacotameto. I: Smpóso Braslero De Pesqusa Operacoal, 36., 2004, São João Del Re. M curso..., São João Del Re: SOBRAPO, p CD-ROM [ 635 ]

11 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto 2 a 5/09/06 Goâa, GO Caval, R. e Ragel, S., Producto Plag: A Cuttg Stoc Problem I The Furture Idustry. I: Aas do XII CLAIO,. Havaa, v. úco. p. T37 Dash Optmzato, Modelg wth Xpress-MP, Blsworth: Dash Assocates, Dychoff, H., A typology of cuttg ad pacg problems, Europea Joural of Operatoal Research, 990, 44, Glmore, P.C. ad Gomory, R. E., Multstage cuttg stoc problems of two ad more dmesos, Operatos Research, 965, 3, Fgueredo, A., Aálse de produtvdade dos padrões de corte a dústra de móves, Dssertação, Pós-Graduação em Matemátca Aplcada, UNESP, São José do Ro Preto, Brasl, Fgueredo, A. e Ragel, S., Aplcação de modelos 2-estágos e -grupo a geração de padrões de corte a dústra movelera. I: Aas do XXVIII CNMAC. São Carlos - SP : SBMAC, v. úco. Katsurayama, D. M. e Yaasse, H. H. Uma aálse de produtvdade do equpameto de cortes utlzado-se padrões tabulero. I: XXI ENEGEP/ VII Iteratoal Coferece o Idustral Egeerg ad Operatos Maagemet, 200, Salvador. CDROM ENEGEP. Porto Alegre : ABEPRO, 200. v.. Lad, F.R. e Gusmão, R., Idcadores de cêca, tecologa e ovação em São Paulo 2004, FAPESP, São Paulo, V, (dspoível em: - últma vsta 03/2006) Morabto, R. ad Areales, M., Optmzg the cuttg of stoc plates a furture compay, It. J. Prod Res, 2000, vol.38, o. 2, Per, C. ad Ragel, S., O Problema do Corte Bdmesoal, Aas do XII Cogresso Nacoal de Matemátca Aplcada e Computacoal, São Carlos - SP : SBMAC, 989. Slva, E. M., Alhameto das Estratégas compettvas coma as estratégas de produção: Estudo de casos o Pólo Movelero de Votuporaga/SP, Dssertação, Pós-Graduação em Egehara de Produção, USP, São Carlos, Brasl, Stpp, M.S., Cluster Idustral: O Pólo movelero de Votuporaga-SP ( ), Dssertação de Mestrado, FCL - UNESP, Campus de Araraquara, SP, Brasl, Suzga, W., Idustral Clusterg the state of Sao Paulo, worg paper CBS-3-00(E), Uversty of Oford Cetre for Brazla Studes, Oford, U.K., Yaasse, H.H.; Harrs, R.G.; Zober, A.S.I. Uma heurístca para redução do úmero de cclos da serra o corte de chapas. XIII ENEGEP - Ecotro Nacoal de Egehara de Produção/ I Cogresso Lato Amercao de Egehara Idustral, Floraópols, SC, 05 a 08 de outubro de 993. Publcado os Aas do XIII ENEGEP, Floraópols, Uversdade Federal de Sata Catara, 993. Vol.II, p Yaasse, H. e Morabto, R., A ote o lear models for oe-group two-dmesoal gullote cuttg problems, Relatóro Técco, UFSCAR, [ 636 ]

Aplicação de modelos 2-estágios e 1-grupo na geração de padrões de corte na industria moveleira

Aplicação de modelos 2-estágios e 1-grupo na geração de padrões de corte na industria moveleira Aplcação de modelos 2-estágos e -grupo a geração de padrões de corte a dustra movelera Altamr G. de Fgueredo * Socorro Ragel DCCE / IBILCE / UNES Rua Crstóvão Colombo 2265 d. Nazaret 50054-000 S.. do Ro

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas Sumáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Sstemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. -

Leia mais

RESOLVENDO MOCHILAS COMPARTIMENTADAS RESTRITAS

RESOLVENDO MOCHILAS COMPARTIMENTADAS RESTRITAS RESOLVENDO MOCHILAS COMPARTIMENTADAS RESTRITAS Robso Hoto Uversdade Estadual de Lodra, CCE, Departameto de Matemátca CEP 8605-970, CP 600, foe (43) 337 450, hoto@uel.br Campus Uverstáro, Lodra, PR, Brasl

Leia mais

Forma padrão do modelo de Programação Linear

Forma padrão do modelo de Programação Linear POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor

Leia mais

50 Logo, Número de erros de impressão

50 Logo, Número de erros de impressão Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

Atividades Práticas Supervisionadas (APS)

Atividades Práticas Supervisionadas (APS) Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula

Leia mais

MODELO DE OTIMIZAÇÃO DE CORTE UNIDIMENSIONAL APLICADO À FABRICAÇÃO DE AERONAVES AGRÍCOLAS

MODELO DE OTIMIZAÇÃO DE CORTE UNIDIMENSIONAL APLICADO À FABRICAÇÃO DE AERONAVES AGRÍCOLAS MODELO DE OTIMIZAÇÃO DE CORTE UNIDIMENSIONAL APLICADO À FABRICAÇÃO DE AERONAVES AGRÍCOLAS Alexader Abuabara UFSCar / Depto. de Egehara de Produção Va Washgto Luz, km 235, CP 676 3565-905 São Carlos, SP

Leia mais

8 Programação linear 78

8 Programação linear 78 8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos

Leia mais

Apostila de Introdução Aos Métodos Numéricos

Apostila de Introdução Aos Métodos Numéricos Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

A PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA

A PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto a 5/09/06 Goâa, GO A PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA Adre Gadolpho Uversdade Católca de Petrópols alvesga@gbl.com.br Rcardo

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

Problemas de corte em duas fases: uma revisão parcial. Two-phase cut problems: a partial survey

Problemas de corte em duas fases: uma revisão parcial. Two-phase cut problems: a partial survey Problemas de ARTIGOS corte em duas / ARTICLES fases: uma revsão parcal Problemas de corte em duas fases: uma revsão parcal Two-phase cut problems: a partal survey Robso Samuel Hoto ; Ferado Spolador ;

Leia mais

Noções Básicas de Medidas e Algarismos Significativos

Noções Básicas de Medidas e Algarismos Significativos Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos

Leia mais

MEDIDAS DE DISPERSÃO:

MEDIDAS DE DISPERSÃO: MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.

Leia mais

Relatório 2ª Atividade Formativa UC ECS

Relatório 2ª Atividade Formativa UC ECS Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução

Leia mais

Total Bom Ruim Masculino

Total Bom Ruim Masculino UNIDADE I - ESTUDO DIRIGIDO Questão - Classfque as varáves em qualtatva (omal ou ordal ou quattatva (cotíua ou dscreta: a. População: aluos de uma Uversdade. Varável: cor dos cabelos (louro, castaho, ruvo,

Leia mais

XLVI Pesquisa Operacional na Gestão da Segurança Pública

XLVI Pesquisa Operacional na Gestão da Segurança Pública XLVI Pesqusa Operacoal a Gestão da Seguraça Públca DISPOSIÇÃO DE FACILIDADES EM FILA DUPLA VIA PROGRAMAÇÃO INTEIRA MISTA Leoardo D. Secch Departameto de Matemátca Aplcada, UFES, 29932-540, São Mateus,

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

Leia mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo

Leia mais

Algoritmo Evolução Diferencial Adaptado para o Problema das P-Medianas

Algoritmo Evolução Diferencial Adaptado para o Problema das P-Medianas Proceedg Seres of the Brazla Socety of Appled ad Computatoal Mathematcs, Vol. 2, N., 204. Trabalho apresetado o CMAC-Sul, Curtba-PR, 204. Algortmo Evolução Dferecal Adaptado para o Problema das P-Medaas

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 Introdução à Probabilidade e Estatística II Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de

Leia mais

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações Itrodução.1 Juros Smples Juro: recompesa pelo sacrfíco de poupar o presete, postergado o cosumo para o futuro Maora das taxas de uros aplcadas o mercado facero são referecadas pelo crtéro smples Determa

Leia mais

Uma abordagem de geração de colunas para o Problema Generalizado de Atribuição

Uma abordagem de geração de colunas para o Problema Generalizado de Atribuição XXIV Ecotro ac. de Eg. de Produção - Floraópols, SC, Brasl, 03 a 05 de ov de 2004 Uma abordagem de geração de coluas para o Problema Geeralzado de Atrbução Edso Luz Fraça See (UESP/FEG) elfsee@feg.uesp.br

Leia mais

Arquitetura da ART Controle 1 Controle 2

Arquitetura da ART Controle 1 Controle 2 Teora de Ressoâca Adaptatva - ART Arqutetura da ART Cotrole Cotrole 2 Desevolvda por Carpeter e Grossberg como uma alteratva para resolver o dlema establdade-plastcdade (rede ão aprede ovos padrões). Realme

Leia mais

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão Projeto e Aálse de Algortmos Recorrêcas Prof. Humberto Bradão humberto@dcc.ufmg.br Uversdade Federal de Alfeas Laboratóro de Pesqusa e Desevolvmeto LP&D Isttuto de Cêcas Exatas ICEx versão da aula: 0.

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

Leia mais

Capitulo 1 Resolução de Exercícios

Capitulo 1 Resolução de Exercícios S C J S C J J C FORMULÁRIO Regme de Juros Smples 1 1 S C 1 C S 1 1.8 Exercícos Propostos 1 1) Qual o motate de uma aplcação de R$ 0.000,00 aplcados por um prazo de meses, à uma taxa de 2% a.m, os regmes

Leia mais

5 Critérios para Análise dos Resultados

5 Critérios para Análise dos Resultados 5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução

Leia mais

Modelos de programação inteira mista para o planejamento do corte unidimensional de tubos metálicos na indústria aeronáutica agrícola

Modelos de programação inteira mista para o planejamento do corte unidimensional de tubos metálicos na indústria aeronáutica agrícola Modelos de programação tera msta para o plaeameto do corte udmesoal de tubos metálcos a dústra aeroáutca agrícola Resumo Alexader Abuabara Realdo Morabto Este trabalho busca otmzar o plaeameto do processo

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

1) Planejamento da Produção - Modelos de dimensionamento de lotes (lot sizing)

1) Planejamento da Produção - Modelos de dimensionamento de lotes (lot sizing) Departameto de Egehara de Produção UFPR 28 1) Plaeameto da Produção - Modelos de dmesoameto de lotes (lot szg) É cohecdo horzote de plaeameto T, dvddo em períodos; demada (geralmete varável) de cada tem

Leia mais

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si. Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de

Leia mais

Ivan G. Peyré Tartaruga. 1 Metodologia espacial

Ivan G. Peyré Tartaruga. 1 Metodologia espacial RELATÓRIO DE PESQUISA 5 Procedmetos o software ArcGIS 9. para elaborar os mapas da Regão Metropoltaa de Porto Alegre RMPA com as elpses de dstrbução drecoal etre 99 e 000 Iva G. Peré Tartaruga Metodologa

Leia mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia mais

Centro de massa, momento linear de sistemas de partículas e colisões

Centro de massa, momento linear de sistemas de partículas e colisões Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,

Leia mais

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas

Leia mais

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0 EXEMPLO MOTIVADO II EXEMPLO MOTIVADO II Método da Apromação Polomal Aplcado a Problemas Udrecoas sem Smetra. Equações Dferecas Ordáras Problemas de Valores o otoro Estrutura Geral do Problema: dy() d y()

Leia mais

16 - PROBLEMA DO TRANSPORTE

16 - PROBLEMA DO TRANSPORTE Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,

Leia mais

Projeto de rede na cadeia de suprimentos

Projeto de rede na cadeia de suprimentos Projeto de rede a cadea de suprmetos Prof. Ph.D. Cláudo F. Rosso Egehara Logístca II Esboço O papel do projeto de rede a cadea de suprmetos Fatores que fluecam decsões de projeto de rede Modelo para decsões

Leia mais

MATEMÁTICA APLICADA AO PLANEJAMENTO DA PRODUÇÃO E LOGÍSTICA. Silvio A. de Araujo Socorro Rangel

MATEMÁTICA APLICADA AO PLANEJAMENTO DA PRODUÇÃO E LOGÍSTICA. Silvio A. de Araujo Socorro Rangel MATEMÁTICA APLICADA AO PLANEJAMENTO DA PRODUÇÃO E LOGÍSTICA Slvo A. de Arauo Socorro Ragel sarauo@blce.uesp.br, socorro@blce.uesp.br Apoo Facero: PROGRAMA Itrodução. Modelagem matemátca: cocetos báscos

Leia mais

2. NOÇÕES MATEMÁTICAS

2. NOÇÕES MATEMÁTICAS . NOÇÕES MATEMÁTICAS Este capítulo retoma algumas oções matemátcas ecessáras para uma boa compreesão de algus aspectos que serão mecoados e detalhados o presete trabalho. Algus destes aspectos podem abstrar

Leia mais

Perguntas Freqüentes - Bandeiras

Perguntas Freqüentes - Bandeiras Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que

Leia mais

4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha

4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha 4 Métodos Sem Malha Segudo Lu (9), os métodos sem malha trabalham com um cojuto de ós dstrbuídos detro de um domío, assm como com cojutos de ós dstrbuídos sobre suas froteras para represetar, sem dscretzar,

Leia mais

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado

Leia mais

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a

Leia mais

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição: 6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu

Leia mais

Capítulo V - Interpolação Polinomial

Capítulo V - Interpolação Polinomial Métodos Numércos C Balsa & A Satos Capítulo V - Iterpolação Polomal Iterpolação Cosdere o segute couto de dados: x : x0 x x y : y y y 0 m m Estes podem resultar de uma sequêca de meddas expermetas, ode

Leia mais

O PROBLEMA DE CORTE DE ESTOQUE EM INDÚSTRIAS DE MÓVEIS DE PEQUENO E MÉDIO PORTE

O PROBLEMA DE CORTE DE ESTOQUE EM INDÚSTRIAS DE MÓVEIS DE PEQUENO E MÉDIO PORTE O PROBLEMA DE CORTE DE ESTOQUE EM INDÚSTRIAS DE MÓVEIS DE PEQUENO E MÉDIO PORTE Socorro Rangel Altamr G. de Fgueredo DCCE / IBILCE / UNESP Rua Crstóvão Colombo, 2265, Jd. Nazareth 50054-000, S.J. do Ro

Leia mais

Matemática C Semiextensivo V. 2

Matemática C Semiextensivo V. 2 Matemátca C Semetesvo V. Eercícos 0) Através da observação dreta do gráfco, podemos coclur que: a) País. b) País. c) 00 habtates. d) 00 habtates. e) 00 0 0 habtates. 0) C Através do gráfco, podemos costrur

Leia mais

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2018 PROTOCOLO

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2018 PROTOCOLO PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 08 PROTOCOLO CT-Floresta - LPC - FOI/004 09/0/07 Aprovado: Mara Luza Otero D'Almeda / SUMÁRIO INTRODUÇÃO... PÚBLICO ALVO... 3

Leia mais

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida . MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +

Leia mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 6 Equlíbro e o Potecal de Nerst Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta

Leia mais

4 O Método de Análise Hierárquica

4 O Método de Análise Hierárquica 4 O Método de Aálse Herárquca 4.. Itrodução O método de aálse herárquca é um dos métodos multatrbuto mas utlzados e dfuddos o mercado mudal (Gomes, 007). Isso se deve, provavelmete, a duas razões. A prmera

Leia mais

Material Teórico - Módulo de MATEMÁTICA FINANCEIRA. Financiamentos. Primeiro Ano do Ensino Médio

Material Teórico - Módulo de MATEMÁTICA FINANCEIRA. Financiamentos. Primeiro Ano do Ensino Médio Materal Teórco - Módulo de MATEMÁTICA FINANCEIRA Facametos Prmero Ao do Eso Médo Autor: Prof Fracsco Bruo Holada Autor: Prof Atoo Camha Muz Neto 20 de agosto de 2018 1 Itrodução Neste materal, remos aplcar

Leia mais

Métodos iterativos. Capítulo O Método de Jacobi

Métodos iterativos. Capítulo O Método de Jacobi Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método

Leia mais

1) Escrever um programa que faça o calculo de transformação de horas em minuto onde às horas devem ser apenas número inteiros.

1) Escrever um programa que faça o calculo de transformação de horas em minuto onde às horas devem ser apenas número inteiros. Dscpla POO-I 2º Aos(If) - (Lsta de Eercícos I - Bmestre) 23/02/2015 1) Escrever um programa que faça o calculo de trasformação de horas em muto ode às horas devem ser apeas úmero teros. Deverá haver uma

Leia mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO HIPERGEOMÉTRICA 7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora

Leia mais

AULA Os 4 espaços fundamentais Complemento ortogonal.

AULA Os 4 espaços fundamentais Complemento ortogonal. Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resoledo os problemas

Leia mais

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, Medca Veterára, Muscoterapa, Odotologa, Pscologa MEDIDAS DE DISPERSÃO 9 9. MEDIDAS DE DISPERSÃO

Leia mais

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques FUNÇÕES POLINOMIAIS4 Gl da Costa Marques Fudametos de Matemátca I 4.1 Potecação de epoete atural 4. Fuções polomas de grau 4. Fução polomal do segudo grau ou fução quadrátca 4.4 Aálse do gráfco de uma

Leia mais

( ) Editora Ferreira - Toque de Mestre. Olá Amigos!

( ) Editora Ferreira - Toque de Mestre. Olá Amigos! Olá Amgos! Hoje coloco à dsposção de vocês aqu a seção Toque de Mestre da Edtora Ferrera (www.edtoraferrera.com.br) as questões de Matemátca Facera cobradas o últmo cocurso da axa Ecoômca Federal (EF),

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA APLICADA À ZOOTECNIA ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o

Leia mais

3 Procedimento Experimental

3 Procedimento Experimental 3 Procedmeto Expermetal 3. Sstema de medção de vazão com extesômetro A Fg. 9 mostra o sstema de medção de vazão com extesômetro, o qual fo motado o laboratóro da PUC-Ro. este sstema, duas tubulações com,5

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x

Leia mais

Uso de covariáveis em modelos biométricos para estimação de altura total em árvores de Eucalyptus dunnii

Uso de covariáveis em modelos biométricos para estimação de altura total em árvores de Eucalyptus dunnii Uso de covaráves em modelos bométrcos para estmação de altura total em árvores de Eucalyptus du Oar Medes de Olvera Adrao Rbero de Medoça Fábo Mareto Glso Ferades da Slva Samuel de Pádua Chaves e Carvalho

Leia mais

9 Medidas Descritivas

9 Medidas Descritivas 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela ou de um gráfco. Se o cojuto refere-se

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

Leia mais

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

Leia mais

Problema geral de interpolação

Problema geral de interpolação Problema geral de terpolação Ecotrar p() que verfque as codções: f j ( ) y,,,,,, j,,, m ( j) ( ) dervada de ordem j ós valores odas Eemplo: ecotrar p() que verfque:, f () 4 3, f( 3) 3, f'(3) 4 3 p() 3

Leia mais

Técnicas Não Paramétricas

Técnicas Não Paramétricas Téccas Não Paramétrcas de Estmação de Desdade Reata Cardoso e Fracsco Carvalho Coteúdo Itrodução 2 Hstograma 3 Estmação da desdade 4 Jaelas de Parze Em mutos problemas prátcos As abordages de estmação

Leia mais

Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

Controle Estatístico de Qualidade. Capítulo 6 (montgomery) Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem

Leia mais

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2015 PROTOCOLO

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2015 PROTOCOLO PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 05 PROTOCOLO CT-Floresta - LPC - FOI/004 6//04 Aprovado: Mara Luza Otero D'Almeda / SUMÁRIO INTRODUÇÃO... PÚBLICO ALVO... 3 ENSAIOS

Leia mais

UMA NOVA ABORDAGEM PARA O CÁLCULO DE LIMITANTES PARA O PROBLEMA DA DIVERSIDADE MÁXIMA

UMA NOVA ABORDAGEM PARA O CÁLCULO DE LIMITANTES PARA O PROBLEMA DA DIVERSIDADE MÁXIMA A tegração de cadeas produtvas com a abordagem da maufatura sustetável. Ro de Jaero, RJ, Brasl, 3 a 6 de outubro de 2008 UMA NOVA ABORDAGEM PARA O CÁLCULO DE LIMITANTES PARA O PROBLEMA DA DIVERSIDADE MÁXIMA

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler http://www.uemat.br/eugeo Estudar sem racocar é trabalho 009/ TAXA INTERNA DE RETORNO A taa tera de retoro é a taa que equalza o valor presete de um ou mas pagametos (saídas de caa) com o valor presete

Leia mais

II Seminário da Pós-graduação em Engenharia Elétrica

II Seminário da Pós-graduação em Engenharia Elétrica MÉTODOS HÍBRIDOS DE PONTOS INTERIORES E DE PROGRAMAÇÃO INTEIRA 0- EM PROBLEMAS DE CUSTO DE TRANSPORTE E GERAÇÃO DE ENERGIA DA BIOMASSA DE CANA-DE-AÇÚCAR Camla de Lma Alua do Programa de Pós-Graduação em

Leia mais

Estabilidade no Domínio da Freqüência

Estabilidade no Domínio da Freqüência Establdade o Domío da Freqüêca Itrodução; apeameto de Cotoros o Plao s; Crtéro de Nyqust; Establdade Relatva; Crtéro de Desempeho o Domío do Tempo Especfcado o Domío da Freqüêca; Bada Passate de Sstema;

Leia mais

MÉTODO DOS MÍNIMOS QUADRADOS

MÉTODO DOS MÍNIMOS QUADRADOS MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso

Leia mais