UMA ABORDAGEM MATHEURÍSTICA PARA O PROBLEMA DE SEQUENCIAMENTO E BALANCEAMENTO DE LINHAS DE MONTAGEM COM TEMPOS DE SETUP DEPENDENTES DA SEQUÊNCIA
|
|
- Vasco Figueiredo de Lacerda
- 6 Há anos
- Visualizações:
Transcrição
1 UMA ABORDAGEM MATHEURÍSTICA PARA O PROBLEMA DE SEQUENCIAMENTO E BALANCEAMENTO DE LINHAS DE MONTAGEM COM TEMPOS DE SETUP DEPENDENTES DA SEQUÊNCIA Camlo José Borna-Poulsen Karen Julana Wegner de Bastos Dense Lndstrom Bandera Unversdade Federal do Ro Grande do Sul Programa de Pós-Graduação em Admnstração Rua Washngton Luz, 855 CEP Porto Alegre/ RS Brasl camlo.borna@ufrgs.br, karendebastos@hotmal.com, dlbandera@ea.ufrgs.br RESUMO O problema de balanceamento e sequencamento de lnhas de montagem com tempos de setup dependentes da sequênca (SUALBSP em nglês, Setup Assembly Lne Balancng and Schedulng Problem) envolve a atrbução de tarefas às estações de trabalho e o sequencamento destas tarefas dentro da estação à qual fo atrbuída. Trabalhos anterores propuseram soluções heurístcas com excelentes resultados, porém o uso de métodos exatos, por meo de algum MIP solver, tem apresentado desempenhos decepconantes, pos contém um subproblema NP-hard em todas as estações. Enquanto o modelo de Scholl, Boysen e Fledner (2013) mnmza prortaramente o número de estações, o modelo proposto neste trabalho parte da premssa de que este é um dado defndo. A partr de uma estmatva ncal de número de estações, processa-se o modelo com o objetvo de dstrbur as tarefas e mnmzar o tempo total de estação, que é o segundo objetvo do modelo orgnal. Se este processamento for nfactível, ncrementa-se o número de estações em uma undade e reprocessa-se o modelo até se encontrar um resultado factível lmtado a 100 segundos. Expermentos computaconas em 101 nstâncas de dados confrmam o bom desempenho da abordagem proposta, sem qualquer prejuízo à qualdade da solução. Portanto, os resultados apresentados demonstram que há espaço para estudos futuros a partr do uso de matheurístcas. PALAVRAS-CHAVE. Balanceamento e sequencamento de lnhas de montagem, Otmzação combnatóra, Programação. Área Prncpal: PO na Admnstração & Gestão da Produção (AD & GP), Otmzação Combnatóra (OC), Programação Matemátca (PM). ABSTRACT The setup assembly lne balancng and schedulng problem (SUALBSP) nvolves the assgnng of tasks to workstatons and the sequencng of these tasks wthn the staton to whch they are assgned. Prevous work has proposed heurstc solutons wth excellent results, but the use of exact methods, by some MIP solver, has shown dsappontng performance, because t contans an NP-hard sub problem n every staton. Whle the model proposed by Scholl et al. (2013) prmarly mnmzes the numbers of statons, our model assumes ths as a parameter. From an ntal estmate of the number of statons, we process the model allocatng tasks and mnmzng staton tmes, whch s the second objectve of the orgnal model. If ths processng s nfeasble, we ncrease the number of statons by one unt and we reprocess the model to fnd a feasble result lmted to 100 seconds. Computatonal experments n 101 nstances of data set confrm the good performance of the proposed approach, wthout harmng the qualty of the soluton. Therefore, the results show that there are opportuntes for future studes based on the use of matheurstcs. KEYWORDS. Assembly lne balancng, Combnatoral optmzaton, Schedulng. Man Area: OR n Admnstraton & Producton Management (AD & GP), Combnatoral Optmzaton (OC), Mathematcal Programmng (PM).
2 1 Introdução As lnhas de montagem vsam, prncpalmente, à efcênca em custo na produção em massa de produtos padronzados. Elas consstem em estações de trabalho lgadas por um sstema de manuseo de materal. Esse sstema fornece o materal necessáro para produzr o produto fnal e também move o produto pela lnha (Yolmeh e Kanfar, 2012). Bascamente, o funconamento de uma lnha de montagem envolve a movmentação dos produtos de uma estação a outra. Em cada estação, um conjunto de tarefas é repetdamente executado obedecendo a um tempo de cclo. O problema de balancear otmamente o trabalho de montagem entre as estações de trabalho com respeto a algum objetvo é conhecdo como Problema de Balanceamento da Lnha de Montagem (ALBP em nglês, Assembly Lne Balancng Problem). Ele objetva atrbur as tarefas às estações de trabalho de modo que as relações de precedênca não sejam voladas e que alguma medda de desempenho, por exemplo, tempo de cclo, número de estações de trabalho, efcênca da lnha ou tempo ocoso, seja otmzada (Erel e Sarn, 1998). Os problemas de balanceamento da lnha de montagem são consderados tarefas de médo e longo prazo e requerem uma grande quanta de captal ncal e, por sso, o planejamento de sua confguração é de grande relevânca e atra a atenção de mutos pesqusadores, que tentam apoar o planejamento da confguração através de modelos de otmzação adequados (Boysen, Fledner e Scholl, 2007). O ALBP é dvddo em duas classes: Problema de Balanceamento da Lnha de Montagem Smples (SALBP em nglês, Smply Assembly Lne Balancng Problem) e Problema de Balanceamento da Lnha de Montagem Geral (GALBP em nglês, General Assembly Lne Balancng Problem). O SALBP consste na atrbução de um conjunto de tarefas a um conjunto de estações, com a fnaldade de mnmzar o número de estações ou o tempo de cclo da lnha. É conhecdo como o problema mas estudado no campo do balanceamento da lnha de montagem. Já o GALBP resolve as stuações nas lnhas de montagem de manera mas realsta consderando, por exemplo, as lnhas de montagem com layout em U e com estações de trabalho paralelas. Os SALBP anda são classfcados em quatro tpos quanto ao objetvo a ser otmzado (Scholl e Becker, 2006): o SALBP-1 objetva mnmzar o número de estações para um dado tempo de cclo, o que é equvalente a mnmzar o tempo ocoso total. O SALBP-2 vsa mnmzar o tempo de cclo para um dado número de estações de trabalho. O SALBP-E envolve a maxmzação da efcênca da lnha por meo da mnmzação do tempo de cclo e do número de estações de trabalho smultaneamente. Já o SALBP-F é um problema de factbldade. Dado o número de estações e o tempo de cclo, o problema consste em determnar se ele é factível. Tpcamente, a lteratura sobre o SALBP foca no problema num sentdo puro como se, uma vez atrbuídas as tarefas às estações, nenhuma defnção a mas de parâmetros torna-se necessára (Andrés, Mralles e Pastor, 2008; Martno e Pastor, 2010). Entretanto, a sequênca na qual as tarefas são desenvolvdas dentro da estação mporta, uma vez que o tempo de setup exerce uma nfluênca consderável sobre o tempo de cclo da lnha (Seyed-Alagheband, Ghom e Zandeh, 2011) e que o sequencamento das tarefas em cada estação nfluenca no tempo de setup, pos, se a ordem da tarefa numa estação de trabalho muda, o tempo de setup e, subsequentemente, o tempo de operação geral da estação se alteram, afetando também o tempo de cclo da lnha. O Problema de Balanceamento e Sequencamento da Lnha de Montagem com tempos de Setup dependentes da sequênca das tarefas (SUALBSP em nglês, Setup Assembly Lne Balancng and Schedulng Problem) explora justamente essa stuação, demonstrando que a lnha de montagem não exge somente balanceamento, mas também o sequencamento das tarefas atrbuídas a cada estação em vrtude da exstênca de tempos de setup dependentes da sequênca das tarefas, culmnando na resolução smultânea do problema de balanceamento e do problema de sequencamento. Em termos de complexdade computaconal, o SUALBSP é classfcado como NP-hard (Scholl et al., 2013; Andrés et al., 2008; Martno e Pastor, 2010; Seyed-Alagheband et al., 2011), o que mplca uma exgênca de grande quantdade de recursos computaconas. Além dsso, exstem
3 poucos estudos que tratam e apresentam soluções para o problema (Andrés et al., 2008; Martno e Pastor, 2010; Scholl et al., 2013). Pesqusas realzadas no Web of Scence (2015) encontraram apenas cnco trabalhos que abordaram o SUALBSP. Somente em 2008, Andrés et al. (2008) trataram do problema ao formularem um modelo matemátco de Programação Lnear Intera (PLI) e proporem regras de prordades e procedmentos GRASP para sua resolução. Em 2013, Scholl et al. (2013) modfcaram o SUALBSP ao modelar os tempos de setups mas realstcamente, formulando um modelo matemátco de programação lnear bnára msta mas compacto e menor que o modelo de Andrés et al. (2008). Scholl et al. (2013) propuseram uma solução heurístca com excelentes resultados, porém relataram que o uso de um MIP solver (FICO c XPress Optmzer ) apresentou desempenho decepconante, pos contém um subproblema NP-hard em todas as estações. Neste sentdo, este trabalho apresenta uma alternatva ao modelo matemátco de PLI proposto por Scholl et al. (2013), desenvolvendo um novo modelo e uma matheurístca para resolvê-lo. Ambos os modelos foram mplementados no MIP solver IBM c ILOG CPLEX Optmzaton Studo V12.4 e comparados em um mesmo ambente computaconal, a fm de verfcar a efcênca da abordagem proposta. 2 Revsão de lteratura O prmero trabalho que tratou do SUALBSP fo o de Andrés et al. (2008). O problema apresentado por eles adconou consderações do tempo de setup dependente da sequênca ao clássco SALBP da segunte manera: sempre que uma tarefa j é atrbuída ao lado de outra tarefa na mesma estação de trabalho, um tempo de setup τ j deve ser adconado para computar o tempo global da estação de trabalho, fornecendo assm a sequênca de tarefas dentro de cada estação de trabalho. Da mesma forma, se a tarefa p é a últma atrbuída à estação de trabalho em que a tarefa fo a prmera tarefa atrbuída, então um tempo de setup τ p deve ser consderado também. Logo, no SUALBSP ambas as questões de balanceamento entre as estações e o sequencamento das tarefas ntraestação são resolvdas smultaneamente. O modelo fo mplementado no MIP solver IBM c ILOG CPLEX V9 e testado em 160 nstâncas com dferentes combnações de tamanho, ordem e varabldade de setups. Para resolução do problema, Andrés et al. (2008) desenvolveram oto regras heurístcas smples e um método heurístco GRASP específco. As oto regras heurístcas testadas servam para atrbur as tarefas às estações de trabalho. Já o método GRASP fo utlzado na sequencação das tarefas. Das 160 nstâncas testadas, 143 soluções não foram factíves, 5 soluções factíves subótmas e 12 ótmas. Martno e Pastor (2010), por sua vez, propuseram procedmentos heurístcos baseados em regras de prordade para resolver o problema, apresentando melhoras em relação aos procedmentos heurístcos elaborados por Andrés et al. (2008), uma vez que os procedmentos deles fornecam soluções ótmas apenas para nstâncas muto pequenas. Os resultados da pesqusa de Martno e Pastor (2010) demonstraram que alguns dos procedmentos heurístcos baseados nas regras de prordade propostas por eles apresentaram melhor desempenho que a meta-heurístca GRASP e as oto regras heurístcas elaboradas por Andrés et al. (2008). Já Seyed-Alagheband et al. (2011) adaptaram o modelo matemátco de Andrés et al. (2008) e desenvolveram um algortmo baseado na meta-heurístca Smulated Annealng (SA) para resolver o problema. Os autores efetuaram váras modfcações no clássco SA com a fnaldade de trabalhar com nstâncas de grandes dmensões e melhorar a estrutura de pesqusa da vznhança do algortmo. Yolmeh e Kanfar (2012) propuseram um algortmo genétco para resolver o SUALBSP, utlzando o modelo matemátco elaborado por Scholl et al. (2013). Os autores usaram uma permutação smples para determnar a sequênca das tarefas. Para determnar a atrbução das tarefas às estações, o algortmo genétco fo hbrdzado usando um procedmento de programação dnâmca. Fnalmente, Scholl et al. (2013) modfcaram o SUALBSP ao modelar os tempos de setups mas realstcamente ao consderar os setups forward e backward, dando uma nova e mas compacta
4 formulação ao modelo matemátco. O novo modelo fo formulado como um modelo lnear bnáro msto e contém 2.n 2 + n.m varáves bnáras e n varáves contínuas. Devdo a m n, o número de varáves bnáras é lmtado por O(n 2 ). Além dsso, o modelo contém 7.n 2 + n.m + 5.n + 1 restrções, lmtado por O(n 2 ). Por outro lado, o modelo de Andrés et al. (2008) contém 2.n 2.m + n 2 + m varáves bnáras e 2.n 3.m + n 2.(m + 1) + 2.(n + m), ou seja, O(n 4 ) restrções, o que comprova que o modelo de Scholl et al. (2013) é muto mas compacto e menor que o modelo de Andrés et al. (2008). Em relação aos métodos de solução elaborados para o novo modelo, eles propuseram uma nova composção heurístca que faz uso de algumas contrbuções ncas do SUALBSP e também de novas deas. Dentre as novas deas do novo procedmento estão as dreções de planejamento dferentes, o fathomng, o groupng graph, a reotmzação, e dentre as contrbuções ncas constam os procedmentos baseados em regras de prordade com esquema de programação orentado à estação de Martno e Pastor (2010), o método GRASP desenvolvdo por Andrés et al. (2008) e o procedmento Avalanche desenvolvdo por Boysen e Fledner (2008). 3 O problema O SUALBSP, de acordo com as modfcações empreenddas por Scholl et al. (2013), ao dstngur os tempos de setup em forward e backward, pode ser assm defndo: dado um tempo de cclo c, um grafo de precedênca e os seus respectvos tempos de setup backward e forward, deve-se obter o desenho de uma lnha de montagem que apresente o menor número de estações de trabalho possível, sendo que cada tarefa é atrbuída a exatamente uma estação de trabalho e sequencada nela, e as restrções de precedênca e o tempo de cclo não são volados. Segundo Scholl et al. (2013), o termo setup forward refere-se a uma stuação onde a tarefa j é executada dretamente depos da tarefa no mesmo cclo, por exemplo, no mesmo produto, observando um tempo de setup (forward) τ j 0. Já um setup backward ocorre se a tarefa é a últma executada no produto de um cclo p e o trabalhador tem que se mover ao próxmo produto, o qual tem que ser montado no cclo p + 1. Essa transferênca causa um tempo de setup (backward) µ j 0 que deve ser fnalzado até o fnal do cclo p para ncar a execução da tarefa j apenas quando o cclo p + 1 nca. Uma vez que as estações de trabalho são supostas ndependentes e exclusvamente operadas por um únco tme de trabalhadores, os setups forward e backward são somente consderados entre tarefas na mesma estação, não entre estações adjacentes. A Fgura 1, apresentada por Scholl et al. (2013), exemplfca como os tempos de setup backward e forward estão presentes na execução das tarefas numa estação de trabalho. Pode-se observar que há uma estação de trabalho com carga ordenada, j e h. As tarefas, j e h são executadas de manera cíclca em produtos consecutvos. Cada cclo p nca no tempo 0 com a execução da tarefa que consome o tempo t. Depos, por exemplo, o operador tem que camnhar até uma caxa (1) em que deve buscar um materal necessáro para a tarefa j (2). Partndo desta caxa, ele tem de se mover para a posção de montagem da tarefa j (3). Somar esses tempos resulta num tempo de setup τ j para mudar da tarefa para a j que nca no tempo t + τ j e acaba na undade de tempo t j. Em seguda, o operador se move para a posção de montagem da tarefa h e busca uma ferramenta que toma o tempo τ j. Depos de executar h em t h undades de tempo, ele tem de r para o produto segunte no cclo p+1. Isto leva um tempo de setup backward µ h e o cclo atual é fnalzado. Ao consderar uma outra carga ordenada < j, h, ], observa-se um setup forward de h a com tempo τ h (tracejado), que é dferente de µ h. Essa dstnção consderada por Scholl et al. (2013) tornou o problema mas aplcável a casos reas. Para compreender o modelo matemátco formulado por Scholl et al. (2013), apresenta-se a notação já ntroduzda e defnem-se os conjuntos, parâmetros e varáves adconas: V : conjunto de tarefas E : conjunto de pares de tarefas (, j) com precedênca dreta
5 t : tempo de execução da tarefa V τ j : tempo de setup forward da tarefa a j µ j : tempo de setup backward da tarefa a j P (F ) : conjunto de predecessores (sucessores) dretos da tarefa V K : conjunto de possíves estações de trabalho, onde K = {1,2,...,m} FS : conjunto de estações nas quas a tarefa V é factível de atrbução, : onde FS K F τ (P τ ) : conjunto de tarefas que podem dretamente suceder (preceder) a tarefa V na carga da estação na dreção forward F µ (P µ ) : conjunto de tarefas que podem dretamente suceder (preceder) a tarefa V na carga da estação na dreção backward M(ε) : número sufcentemente grande (pequeno) x k : varável bnára com valor 1, caso a tarefa V é atrbuída à estação k FS ; 0, caso contráro y j : varável bnára com valor 1, caso a tarefa V é predecessora dreta de j F τ na carga da estação; 0, caso contráro w j : varável bnára com valor 1, caso a tarefa V é a últma e j F µ é a prmera tarefa na carga da estação; 0, caso contráro z : varável contínua para codfcação do número da estação à qual a tarefa V é atrbuída f : varável contínua de tempo de níco da tarefa V (relatvo ao tempo de lançamento da prmera estação) T k : varável contínua de tempo da estação k K c : tempo de cclo Fgura 1: Cclos consecutvos e suas conexões numa únca estação O problema e algumas das notações defndas são lustradas por Scholl et al. (2013) por meo de um exemplo, com o tempo de cclo defndo para c = 20 e o gráfco de precedênca, bem como os tempos de setup forward e backward apresentados na Fgura 2. Os pesos dos nós denotam os tempos das tarefas. As matrzes de tempo de setup forward (τ) e backward (µ) representam os respectvos tempos do nó da lnha em dreção ao nó da coluna. Os valores omtdos na matrz τ
6 ndcam que o setup forward somente pode representar a passagem de uma tarefa para outra j, caso a tarefa j não esteja relaconada à por precedênca. Fgura 2: Dados do problema exemplo (tempo de cclo c = 20) Dada a notação, apresenta-se o modelo matemátco completo: mnmzar m(x,y,z) = z n + ε. (T k ) sujeto a (1) j F τ P τ j x k = 1 k FS V (2) z = k.x k k FS V (3) y j + w j = 1 V (4) j F µ y j + w j = 1 j V (5) P µ j V w j = z n (6) j F µ V, j F τ (7) z + M.(1 y j ) Z j z j + M.(1 y j ) Z V, j F τ (8) z + M.(1 w j ) Z j V, j F µ (9) z j + M.(1 w j ) Z V, j F µ (10) f j f +t (, j) E (11) f j f +t + τ j + M.(y j 1) V, j F τ (12) f c.(z 1) V (13) f +t + µ j c.z + M.(1 w j ) V, j F µ (14) T k + c.(z 1) f +t + µ j.w j M.(1 x k ) V,k FS (15) j F µ x k {0,1} V,k FS (16) y j {0,1} V, j F τ (17) w j {0,1} V, j F µ (18) f,z,t k 0 V,k K (19) O objetvo do modelo 1 é mnmzar o índce da estação para o qual o únco nó sorvedouro n é atrbuído e, assm, mnmzar o número total de estações de trabalho. Como um objetvo se-
7 cundáro os valores das varáves T k também são mnmzados vsando à obtenção de tempos de estações com setups mínmos. 4 Abordagem matheurístca De acordo com Della Croce e Salassa (2014), as melhoras mplementadas nos MIP solvers nos últmos anos fzeram-nos mas compettvos em relação às abordagens meta-heurístcas na busca de soluções subótmas. A dea central das matheurístcas explora a força dos algortmos metaheurístcos e dos métodos exatos. Até o presente momento, esta abordagem híbrda não tem uma classfcação únca, nem um quadro consoldado de trabalhos na área, sendo dfícl estabelecer uma pura e nítda defnção desses métodos. Uma característca dstntva é a exploração de ferramentas de programação matemátca não trvas, como parte do processo de solução (Della Croce e Salassa, 2014; Radl e Puchnger, 2008; Della Croce, Grosso e Salassa, 2014). Neste mesmo sentdo, para soluconar o SUALBSP, propõe-se uma heurístca combnada com o uso de um MIP solver. Enquanto o modelo matemátco de Scholl et al. (2013) mnmza o número de estações de trabalho, o modelo proposto parte da premssa de que o número de estações é um dado defndo. Assm, a partr de uma estmatva ncal de número de estações (lower bound), processa-se o modelo com o objetvo de dstrbur as tarefas entre as estações pré-estabelecdas, mnmzando o tempo total de estação (que é o segundo objetvo do modelo proposto por Scholl et al. (2013)). Caso este processamento resulte como nfactível, ncrementa-se o número de estações em uma undade e reprocessa-se o modelo. Este processo teratvo será fnalzado assm que o modelo apresentar uma solução factível. Este algortmo fo chamado de math-sualbsp. Empregou-se a mesma notação proposta por Scholl et al. (2013) e apresentada na Seção 3 com um pequeno ajuste: nas varáves de decsão y j e w j adconou-se a dmensão k, correspondente ao número de estações de trabalho. Assm, o modelo proposto tem y jk e w jk como varáves de decsão. Algortmo 1: math-sualbsp Entrada: tarefas, tempos (tarefa, forward e backward) e relações de precedênca Saída: vetores de solução x k, y jk e w jk k Estmatva ncal de número de estações (cálculo de lower bound) status Infactível enquanto status = Infactível faça executa o modelo SUALBSP-wth-fxed-statons se modelo é factível então status Factível senão status Infactível k k + 1 fm se fm enqto retorna vetores de solução Para estmar o número ncal de estações utlzou-se o mesmo cálculo de lower bound proposto por Andrés et al. (2008), que consste em tomar o somatóro de tempo de todas as tarefas e dvdr pelo tempo de cclo: k = tsum c onde t sum = t j (20) O modelo matemátco SUALBSP-wth-fxed-statons é apresentado a segur:
8 mnmzar T k sujeto a (21) x k x k j F τ P τ x k = 1 V (22) z = k x k V (23) y jk e x k y jk k K, V (24) w jk e x k w jk k K, V (25) y jk + y jk + V w jk = 1 V (26) j F µ P µ w jk = 1 j V (27) w jk = 1 k K (28) y jk 1 V, j V (29) V y k = 0 (30) f j f +t (, j) E (31) f j f +t + τ j + M.(y jk 1) k K, V, j F τ (32) f c.(z 1) V (33) f +t + µ j c.z + M.(1 w jk ) k K, V, j F µ (34) T k + c.(z 1) f +t + µ j.w jk M.(1 x k ) V,k FS (35) j F µ x k {0,1} V,k K (36) y jk {0,1} V, j F τ,k K (37) w jk {0,1} V, j F µ,k K (38) f,z,t k 0 V,k K (39) Ao ncorporar a dmensão k, correspondente às estações de trabalho K, adconaram-se restrções adconas ao modelo orgnal de Scholl et al. (2013). A restrção (28) garante que uma estação k K esteja assocada, obrgatoramente, a uma sequênca de tarefas ( V, j V ). Já a restrção (29) lmta a sequênca de tarefas V para j V a no máxmo uma estação. Quando uma estação k K é carregada com apenas uma tarefa V, tem-se w k = 1. Deste modo, a varável y k deve ser gual a zero, o que é garantdo pela restrção (30). 5 Expermentos computaconas O modelo matemátco de Scholl et al. (2013) e a abordagem proposta foram mplementados em C++ a partr do ambente de programação do Mcrosoft c Vsual Studo 2010 Professonal combnado com o MIP solver IBM c ILOG CPLEX Optmzaton Studo V com as confgurações default. O equpamento utlzado fo um notebook com processador Intel c Core TM M CPU 2.9GHz, 6GB de memóra RAM e sstema operaconal Mcrosoft c Wndows 8.1 Pro 64 bts. O expermento tomou como base algumas nstâncas de dados SBF-1 dsponíves no webste do Assembly Lne Balancng Research Group ( Como o objetvo
9 deste estudo é apresentar uma alternatva ao modelo matemátco de PLI proposto por Scholl et al. (2013), tomou-se um conjunto de nstâncas possível de se nstancar e resolver no ambente computaconal dsponível para esta pesqusa. A seleção destas nstâncas e os resultados computaconas estão dsponíves em As notações e meddas utlzadas para avalar os resultados são as seguntes: ID #var #nst LB PLI MATH tme k #opt %tme #best conjunto de nstâncas com a mesma quantdade de varáves y jk número máxmo de varáves de y jk, em que as dmensões de V e j V são dadas pela quantdade de tarefas de cada nstânca e k K é dada pela estmatva de upper bound calculada por Scholl et al. (2013) quantdade de nstâncas de dados de cada conjunto de nstâncas ID méda de lower bound de estações encontradas no conjunto de nstâncas ID resultados do processamento do modelo de Programação Lnear Intera de Scholl et al. (2013) resultados do processamento modelo matheurístco proposto por este estudo méda dos tempos (em segundos) de processamento do conjunto de nstâncas ID méda de estações encontradas no conjunto de nstâncas ID número de nstâncas que atngram a otmaldade ganho percentual de tempo no processamento do modelo MATH em relação ao modelo PLI número de nstâncas que encontraram um número menor de estações no modelo MATH em relação ao modelo PLI Os modelos PLI e MATH foram processados no MIP solver lmtados a 100 segundos, segundo o exemplo do trabalho de Scholl et al. (2013). A Tabela 1 apresenta as 101 nstâncas seleconadas para este expermento, devdamente agrupadas em 21 conjuntos de nstâncas de acordo com o número máxmo de varáves y jk (#var). Tabela 1: Conjunto de nstâncas e seus resultados PLI MATH ID #var #nst LB tme k #opt tme k #opt %tme #best ,0 1,496 2,0 6 1,400 2,0 6 6, ,5 1,444 2,5 4 0,762 2,5 4 47, ,0 1,773 3,0 2 0,868 3,0 2 51, ,0 1,857 2,0 4 2,174 2,0 4-17, ,0 1,881 3,0 4 1,874 3,0 4 0, ,5 1,843 5,0 8 1,524 5,0 8 17, ,0 1,798 6,0 4 1,604 6,0 4 10, ,0 1,780 5,0 4 1,539 5,0 4 13, ,0 1,822 4,0 4 1,401 4,0 4 23, ,0 5,077 3,0 7 8,217 3,0 7-61, ,9 15,742 3,9 9 4,169 3,9 9 73, ,0 1,735 6,0 4 1,731 6,0 4 0, ,0 1,605 7,0 4 2,205 7,0 4-37, ,5 15,752 4,5 8 4,149 4,5 8 73, ,0 1,891 8,0 4 2,118 8,0 4-12, ,0 24,607 6,0 4 5,508 6,0 4 77, ,0 12,535 8,0 4 4,203 8,0 4 66, ,0 100,095 3,4 0 57,531 3,0 4 42, ,0 100,114 5,2 0 81,694 5,0 1 18, ,0 100,215 5, ,091 4,0 0 0, ,0 100,094 6,0 0 6,761 5,0 3 93,25 3 Totalzações: , , ,74 8
10 Consderando o tempo total de processamento de todas as nstâncas analsadas, observa-se que o modelo MATH fo 44,74% mas rápdo que o modelo PLI. Enquanto o modelo PLI atngu a otmaldade em 84 nstâncas (83,17%), o modelo MATH atngu em 92 (91,09%). Esta otmaldade não se deu apenas em um menor tempo de estação T k, que é o objetvo secundáro, mas resultou em um número de estações k menor. Logo, além do ganho de desempenho computaconal, o modelo MATH apresentou resultados mas satsfatóros, encontrando soluções que demandam um número nferor de estações de trabalho se comparado o modelo PLI. A Fgura 3 lustra grafcamente o desempenho computaconal dos dos modelos. Claramente, o modelo proposto neste artgo (MATH) atnge resultados guas ou melhores em um tempo de processamento nferor ao apresentado pelo modelo PLI de Scholl et al. (2013). Fgura 3: Gráfco de confronto de desempenho dos modelos PLI e MATH À medda que se analsam nstâncas com maor número de varáves de decsão (#var), a dferença de desempenho computaconal entre os modelos fca mas nítda. Dentre as maores nstâncas (#var 700), evdencadas pelo aumento da dstânca entre as curvas, uma únca nstânca (#var = 2.500) obteve desempenho pratcamente dêntco para os dos modelos. Ocorre que o lmte computaconal de 100 segundos sugerdo por Scholl et al. (2013) fo atngdo por ambos, razão pela qual nenhum deles atngu a otmaldade. 6 Dscussões, lmtações e conclusões Neste artgo fo desenvolvdo um modelo matemátco alternatvo ao proposto por Scholl et al. (2013). Os autores relataram que os resultados obtdos, a partr do processamento do modelo em um MIP solver, havam sdo decepconantes. Assm, a dea central da proposta deste artgo fo retrar do modelo matemátco de Scholl et al. (2013) a responsabldade de determnar o número ótmo de estações de trabalho, presumndo-se que este número fora prevamente conhecdo. Assm, por meo de um cálculo de lower bound, processou-se o modelo, fxando-se o número de estações. Havendo nfactbldade, ncrementa-se em uma undade o lower bound e reprocessa-se o modelo. Assm, em cada nteração desta heurístca, utlzou-se o CPLEX, caracterzando este algortmo como sendo matheurístco. Os trabalhos anterores sugerem o uso de outros métodos para pesqusas futuras para este problema, que desafa, fundamentalmente, os responsáves por complexas lnhas ndustras de
11 montagem. Qualquer tpo de ganho, prncpalmente na qualdade do balanceamento e sequencamento da lnha de montagem, pode representar uma expressva economa que mpactará em ganhos de produtvdade e compettvdade. Por esta razão, este estudo centrou seus esforços em atngr resultados ótmos. As heurístcas e meta-heurístcas apresentadas em trabalhos anterores apresentaram bons resultados e excelentes desempenhos. Mas, nos últmos anos, em vrtude das melhoras mplementadas nos MIP solvers dsponíves no mercado (Della Croce e Salassa, 2014), abru-se oportundade para explorar a potencaldade dos métodos exatos combnados, ou não, com heurístcas. Este trabalho mostra que há espaço para que se evolua dentro deste campo metodológco. Estudos futuros devem necessaramente, no entendmento dos autores desta pesqusa, propor modelos ou métodos que sejam capazes de tratar nstâncas maores de dados. Referêncas Andrés, C., Mralles, C. e Pastor, R. (2008). Balancng and schedulng tasks n assembly lnes wth sequence-dependent setup tmes. European Journal of Operatonal Research, 187(3), do: Boysen, N. e Fledner, M. (2008). A versatle algorthm for assembly lne balancng. European Journal of Operatonal Research, 184, do: /j.ejor Boysen, N., Fledner, M. e Scholl, A. (2007). A classfcaton of assembly lne balancng problems. European Journal of Operatonal Research, 183(2), Della Croce, F., Grosso, A. e Salassa, F. (2014). A matheurstc approach for the two-machne total completon tme flow shop problem. Annals of Operatons Research, 213(1), do: /s x Della Croce, F. e Salassa, F. (2014). A varable neghborhood search based matheurstc for nurse rosterng problems. Annals of Operatons Research, 218(1), do: /s x Erel, E. e Sarn, S. C. (1998). A survey of the assembly lne balancng procedures. Producton Plannng & Control, 9, do: / Martno, L. e Pastor, R. (2010). Heurstc procedures for solvng the general assembly lne balancng problem wth setups. Internatonal Journal of Producton Research, 48, do: / Radl, G. e Puchnger, J. (2008). Combnng (nteger) lnear programmng technques and metaheurstcs for combnatoral optmzaton. In C. Blum, M. Agulera, A. Rol e M. Sampels (Eds.), Hybrd metaheurstcs (Vol. 114, p ). Sprnger Berln Hedelberg. do: / _2 Scholl, A. e Becker, C. (2006). State-of-the-art exact and heurstc soluton procedures for smple assembly lne balancng. European Journal of Operatonal Research, 168(3), do: Scholl, A., Boysen, N. e Fledner, M. (2013). The assembly lne balancng and schedulng problem wth sequence-dependent setup tmes: problem extenson, model formulaton and effcent heurstcs. OR Spectrum, 35(1), do: /s Seyed-Alagheband, S. A., Ghom, S. M. T. F. e Zandeh, M. (2011). A smulated annealng algorthm for balancng the assembly lne type problem wth sequence-dependent setup tmes between tasks. Internatonal Journal of Producton Research, 49(3), do: / Web of Scence. (2015). Web of Scence. Dsponível em Yolmeh, A. e Kanfar, F. (2012). An effcent hybrd genetc algorthm to solve assembly lne balancng problem wth sequence-dependent setup tmes. Comput. Ind. Eng., 62(4), do: /j.ce
Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1
Programação Dnâmca Fernando Noguera Programação Dnâmca A Programação Dnâmca procura resolver o problema de otmzação através da análse de uma seqüênca de problemas mas smples do que o problema orgnal. A
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
BUSCA TABU: UMA APLICAÇÃO AO PROBLEMA DE SEQÜÊNCIAÇÃO DE ORDENS DE PRODUÇÃO
BUSCA TABU: UMA APLICAÇÃO AO PROBLEMA DE SEQÜÊCIAÇÃO DE ORDES DE PRODUÇÃO Renato de Olvera Moraes Departamento de Cêncas Exatas e Aplcadas da Unversdade Federal de Ouro Preto Rua 37, nº 115 Barro Loanda.
2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Estatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Modelagens Exata e Heurística para Resolução do Problema do Caixeiro Viajante com Coleta de Prêmios
XXIV Encontro Nac. de Eng. de Produção - Floranópols, SC, Brasl, 03 a 05 de nov de 2004 Modelagens Exata e Heurístca para Resolução do Problema do Caxero Vajante com Coleta de Prêmos Antôno Augusto Chaves
Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
024/ ANÁLISE MULTICRITÉRIO DO PROBLEMA DE SELEÇÃO DE EQUIPAMENTOS EM AMBIENTE JUST IN TIME, UTILIZANDO-SE DE UM ALGORITMO GENÉTICO
ISSN 275-6295 Ro de Janero- Brasl, 05 e 06 de agosto de 2009. SPOLM 2009 024/2009 - ANÁLISE MULTICRITÉRIO DO PROBLEMA DE SELEÇÃO DE EQUIPAMENTOS EM AMBIENTE JUST IN TIME, UTILIZANDO-SE DE UM ALGORITMO
7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
UMA HEURÍSTICA PARA O PROBLEMA DA ALOCAÇÃO DE SONDAS DE PRODUÇÃO EM POÇOS DE PETRÓLEO
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. UMA HEURÍSTICA PARA O PROBLEMA DA ALOCAÇÃO DE SONDAS DE PRODUÇÃO EM POÇOS DE PETRÓLEO Alexandre Venturn Faccn Pacheco (UFES) alexandreventurn@gmal.com
3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
PROBLEMA DE DIMENSIONAMENTO DE LOTES MONOESTÁGIO COM RESTRIÇÃO DE CAPACIDADE: MODELAGEM, MÉTODO DE RESOLUÇÃO E RESULTADOS COMPUTACIONAIS
Vol. 20, No. 2, p. 287-306, dezembro de 2000 Pesqusa Operaconal 287 PROBLEMA DE DIMENSIONAMENTO DE LOTES MONOESTÁGIO COM RESTRIÇÃO DE CAPACIDADE: MODELAGEM, MÉTODO DE RESOLUÇÃO E RESULTADOS COMPUTACIONAIS
Diferença entre a classificação do PIB per capita e a classificação do IDH
Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca
TRABALHADORES COM DEFICIÊNCIAS EM LINHAS DE PRODUÇÃO: MODELOS, RESULTADOS E DISCUSSÕES 1
XIV ELAVIO El Fuerte Snaloa Méxco 9-14 de agosto de 2009 TRABALHADORES COM DEFICIÊNCIAS EM LINHAS DE PRODUÇÃO: MODELOS RESULTADOS E DISCUSSÕES 1 Mayron César de O. Morera Lana Mara R. Santos Alysson M.
Análise de influência
Análse de nfluênca Dzemos que uma observação é nfluente caso ela altere, de forma substancal, alguma propredade do modelo ajustado (como as estmatvas dos parâmetros, seus erros padrões, valores ajustados...).
3 Subtração de Fundo Segmentação por Subtração de Fundo
3 Subtração de Fundo Este capítulo apresenta um estudo sobre algortmos para a detecção de objetos em movmento em uma cena com fundo estátco. Normalmente, estas cenas estão sob a nfluênca de mudanças na
Algarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Contabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
Prof. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos
Despacho Econômco de Sstemas Termoelétrcos e Hdrotérmcos Apresentação Introdução Despacho econômco de sstemas termoelétrcos Despacho econômco de sstemas hdrotérmcos Despacho do sstema braslero Conclusões
Mecanismos de Escalonamento
Mecansmos de Escalonamento 1.1 Mecansmos de escalonamento O algortmo de escalonamento decde qual o próxmo pacote que será servdo na fla de espera. Este algortmo é um dos mecansmos responsáves por dstrbur
X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
CLUSTERING SEARCH APLICADO AO PROBLEMA DE ALOCAÇÃO DE BERÇOS
CLUSTERING SEARCH APLICADO AO PROBLEMA DE ALOCAÇÃO DE BERÇOS Rudne Martns de Olvera Insttuto Naconal de Pesqusas Espacas - INPE rudmart@gmal.com Geraldo Regs Maur Unversdade Federal do Espírto Santo -
Análise Dinâmica de uma Viga de Euler-Bernoulli Submetida a Impacto no Centro após Queda Livre Através do Método de Diferenças Finitas
Proceedng Seres of the Brazlan Socety of Appled and Computatonal Mathematcs, Vol. 4, N., 06. Trabalho apresentado no DINCON, Natal - RN, 05. Proceedng Seres of the Brazlan Socety of Computatonal and Appled
Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções
MODELO RECEPTOR MODELO RECEPTOR MODELO RECEPTOR. Princípio do modelo:
MODELO RECEPTOR Não modela a dspersão do contamnante. MODELO RECEPTOR Prncípo do modelo: Atacar o problema de dentfcação da contrbução da fonte em ordem nversa, partndo da concentração do contamnante no
Gestão e Teoria da Decisão
Gestão e Teora da Decsão Logístca e Gestão de Stocks Estratégas de Localzação Lcencatura em Engenhara Cvl Lcencatura em Engenhara do Terrtóro 1 Estratéga de Localzação Agenda 1. Classfcação dos problemas
Palavras-Chave: Métodos Interativos da Potência e Inverso, Sistemas Lineares, Autovetores e Autovalores.
MSc leandre Estáco Féo ssocação Educaconal Dom Bosco - Faculdade de Engenhara de Resende Caa Postal 8.698/87 - CEP 75-97 - Resende - RJ Brasl Professor e Doutorando de Engenhara aefeo@yahoo.com.br Resumo
Prof. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
3 Algoritmo de Busca Tabu
3 Algortmo de Busca Tabu 3.1 Introdução A forma básca do algortmo de Busca Tabu está fundamentada nas déas propostas em [Glover Laguna, 1997] e é baseado em procedmentos heurístcos que permtem explorar
CARGA E DESCARGA DE UM CAPACITOR
EXPEIÊNCIA 06 CAGA E DESCAGA DE UM CAPACITO 1. OBJETIVOS a) Levantar, em um crcuto C, curvas de tensão no resstor e no capactor em função do tempo, durante a carga do capactor. b) Levantar, no mesmo crcuto
EFEITO DA IDADE E MATERIAL GENÉTICO NA FORMA DE ÁRVORES DE Eucalyptus
EFEITO DA IDADE E MATERIAL GENÉTICO NA FORMA DE ÁRVORES DE Eucalyptus Dana Marques de Olvera ; Ellezer Almeda Mello ; Carolne Stephany Inocênco ; Adrano Rbero Mendonça Bolssta PBIC/UEG, graduandos do Curso
DIMENSIONAMENTO ÓTIMIZADO DE TRELIÇAS DE ALUMÍNIO: ANÁLISE NUMÉRICA E EXPERIMENTAL
DIMENSIONAMENTO ÓTIMIZADO DE TRELIÇAS DE ALUMÍNIO: ANÁLISE NUMÉRICA E EXPERIMENTAL Moacr Krpka, Prof. Dr. Zacaras M. Chamberlan Prava, Prof. Dr. Maga Marques Das, Acadêmca, Bolssta UPF Gulherme Fleth de
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
MÉTODOS EXATOS BASEADOS EM RELAXAÇÕES LAGRANGIANA E SURROGATE PARA O PROBLEMA DE CARREGAMENTO DE PALETES DO PRODUTOR
versão mpressa ISSN 0101-7438 / versão onlne ISSN 1678-514 MÉTODOS EXATOS BASEADOS EM RELAXAÇÕES LAGRANGIANA E SURROGATE PARA O PROBLEMA DE CARREGAMENTO DE PALETES DO PRODUTOR Llan Káta de Olvera Renaldo
1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS
ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS 22 2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS Como vsto no capítulo 1, a energa frme de uma usna hdrelétrca corresponde à máxma demanda que pode ser suprda contnuamente
ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT
ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS Dnz, L.S. Santos, C.A.C. Lma, J.A. Unversdade Federal da Paraíba Laboratóro de Energa Solar LES/DTM/CT/UFPB 5859-9 - João Pessoa - PB, Brasl e-mal: cabral@les.ufpb.br
ALTERNATIVA PARA DETERMINAR ACURÁCIA DA PREVISÃO DO MBAR UTILIZANDO ÍNDICE DE BRIER. Reinaldo Bomfim da Silveira 1 Juliana Maria Duarte Mol 1 RESUMO
ALTERNATIVA PARA DETERMINAR ACURÁCIA DA PREVISÃO DO MBAR UTILIZANDO ÍNDICE DE BRIER Renaldo Bomfm da Slvera 1 Julana Mara Duarte Mol 1 RESUMO Este trabalho propõe um método para avalar a qualdade das prevsões
COMPARAÇÃO ENTRE METODOLOGIA DE OTIMIZAÇÃO GLOBAL E O MÉTODO DE GRADIENTES PARA AJUSTE DE HISTÓRICO ASSISTIDO
COMPARAÇÃO ENTRE METODOLOGIA DE OTIMIZAÇÃO GLOBAL E O MÉTODO DE GRADIENTES PARA AJUSTE DE HISTÓRICO ASSISTIDO Célo Mascho e Dens José Schozer, Unversdade Estadual de Campnas, Faculdade de Engenhara Mecânca
Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
DEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
2 Agregação Dinâmica de Modelos de Turbinas e Reguladores de Velocidade: Teoria
Agregação Dnâmca de Modelos de urbnas e Reguladores de elocdade: eora. Introdução O objetvo da agregação dnâmca de turbnas e reguladores de velocdade é a obtenção dos parâmetros do modelo equvalente, dados
Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação
Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados
2ª PARTE Estudo do choque elástico e inelástico.
2ª PARTE Estudo do choque elástco e nelástco. Introdução Consderemos dos corpos de massas m 1 e m 2, anmados de velocdades v 1 e v 2, respectvamente, movmentando-se em rota de colsão. Na colsão, os corpos
UMA FORMULAÇÃO DE PROGRAMAÇÃO INTEIRA PARA O PROBLEMA DE CRIAÇÃO DE ÁREAS DE PONDERAÇÃO AGREGADAS
UMA FORMULAÇÃO DE PROGRAMAÇÃO INTEIRA PARA O PROBLEMA DE CRIAÇÃO DE ÁREAS DE PONDERAÇÃO AGREGADAS José André de M. Brto IBGE Insttuto Braslero de Geografa e Estatístca emal: brtom@bge.gov.br Av. Chle,
INFLUÊNCIA DAS VARIÁVEIS OPERACIONAIS NA REMOÇÃO DE ETANOL DE VINHO DELEVEDURADO POR CO 2
INFLUÊNCIA DAS VARIÁVEIS OPERACIONAIS NA REMOÇÃO DE ANOL DE VINHO DELEVEDURADO POR CO 2 C. R. SILVA 1, M. N. ESPERANÇA 1, A. J. G. CRUZ 1 e A. C. BADINO 1 1 Unversdade Federal de São Carlos, Departamento
4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES
4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES Para o Curso de Físca da Polução do Ar FAP346, º Semestre/006 Prof. Amérco Sansgolo Kerr Montora: Mara Emíla Rehder aver 4. INTRODUÇÃO No modelamento
Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
ALOCAÇÃO OTIMIZADA DE CHAVES DE MANOBRAS PARA RESTAURAÇÃO DE REDES DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA.
ALOCAÇÃO OTIMIZADA DE CHAVES DE MANOBRAS PARA RESTAURAÇÃO DE REDES DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA. Jônatas Boás Lete E-mal: jonatasle@aluno.fes.unesp.br Waldemar Perera Mathas Neto E-mal: wpmneto@aluno.fes.unesp.br
), demonstrado no capítulo 3, para
6 Conclusão Neste trabalho foram realzados cnco estudos de casos como meo de nvestgar a nfluênca de trbutos no processo decsóro de localzação. Buscou-se realzar as entrevstas em dferentes negócos para
XII SIMPÓSIO INTERNACIONAL DE CIÊNCIAS INTEGRADAS DA UNAERP CAMPUS GUARUJÁ. Sustentabilidade - Mudança dos Padrões de Consumo
XII SIMPÓSIO INTERNACIONAL DE CIÊNCIAS INTEGRADAS DA UNAERP CAMPUS GUARUJÁ Sustentabldade - Mudança dos Padrões de Consumo Formulação de Ração de Mínmo Custo Um Sstema de Otmzação para Nutrção Anmal Marco
Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012
Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto
FUNDAMENTOS DE ROBÓTICA. Modelo Cinemático de Robôs Manipuladores
FUNDMENTOS DE ROBÓTIC Modelo Cnemátco de Robôs Manpuladores Modelo Cnemátco de Robôs Manpuladores Introdução Modelo Cnemátco Dreto Modelo Cnemátco de um Robô de GDL Representação de Denavt-Hartenberg Exemplos
Teoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva
Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;
MODELOS DE LOCALIZAÇÃO NA SELEÇÃO DE RESERVAS PARA CONSERVAÇÃO DE ESPÉCIES
MODELOS DE LOCALIZAÇÃO NA SELEÇÃO DE RESERVAS PARA CONSERVAÇÃO DE ESPÉCIES Marcelo Gonçalves Narcso CNPTIA EMBRAPA narcso@cnpta.embrapa.br Luz Antono Noguera Lorena lorena@lac.npe.br LAC - Laboratóro Assocado
OTIMIZAÇÃO DAS PERDAS EM CORTES GUILHOTINADOS PARA BOBINAS DE AÇO NA INDÚSTRIA METALMECÂNICA
OTIMIZAÇÃO DAS PERDAS EM CORTES GUILHOTINADOS PARA BOBINAS DE AÇO NA INDÚSTRIA METALMECÂNICA osé Aélo Slvera únor Mestrado em Informátca Aplcada - MIA Esmaltec S/A Avenda Parque Oeste, 230, CEP 6939-20,
Introdução a Combinatória- Aplicações, parte II
Introdução a Combnatóra- Aplcações, AULA 7 7.1 Introdução Nesta aula vamos estudar aplcações um pouco dferentes das da aula passada. No caso estudaremos arranjos com repetção, permutações crculares e o
UTILIZAÇÃO DO MÉTODO DE TAGUCHI NA REDUÇÃO DOS CUSTOS DE PROJETOS
UTILIZAÇÃO DO MÉTODO DE TAGUCHI A REDUÇÃO DOS CUSTOS DE PROJETOS Ademr José Petenate Resumo: Qualdade é hoje uma palavra chave para as organzações. Sob o símbolo da Qualdade abrgam-se flosofas, sstemas
5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial
5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de
NOTA II TABELAS E GRÁFICOS
Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.
XII Simpósio Brasileiro de Automação Inteligente (SBAI) Natal RN, 25 a 28 de outubro de 2015
XII Smpóso Braslero de Automação Intelgente (SBAI) Natal RN, 25 a 28 de outubro de 2015 ANÁLISE DE UMA METAHEURÍSTICA BASEADA NO ALGORITMO DE COLÔNIA DE FORMIGAS PARA RESOLUÇÃO DE PROBLEMAS DE FLUXO DE
Análise Descritiva com Dados Agrupados
Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas
DETERMINAÇÃO DE ESCALAS DE PLANTÃO PARA MILITARES CONSIDERANDO PREFERÊNCIAS E HIERARQUIA
versão mpressa ISSN 0101-7438 / versão onlne ISSN 1678-5142 DETERMINAÇÃO DE ESCALAS DE PLANTÃO PARA MILITARES CONSIDERANDO PREFERÊNCIAS E HIERARQUIA Tâna Cordero Lndbeck da Slva Escola Técnca da Unversdade
CAPÍTULO 9 REGRESSÃO LINEAR PPGEP REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES UFRGS. Regressão Linear Simples
CAPÍTULO 9 REGREÃO LINEAR IMPLE REGREÃO LINEAR IMPLE UFRG Em mutos problemas há duas ou mas varáves que são relaconadas, e pode ser mportante modelar essa relação. Por exemplo, a resstênca à abrasão de
EXPANSÃO TÉRMICA DOS LÍQUIDOS
Físca II Protocolos das Aulas Prátcas 01 DF - Unversdade do Algarve EXPANSÃO ÉRMICA DOS ÍQUIDOS 1 Resumo Estuda-se a expansão térmca da água destlada e do glcerol utlzando um pcnómetro. Ao aquecer-se,
CAPÍTULO I 1 INTRODUÇÃO
CAPÍTULO I INTRODUÇÃO No mundo globalzado e etremamente compettvo em que as empresas dsputam espaço, clentes, reconhecmento e acma de tudo, condções de permanecer compettvas e lucratvas no mercado, é fundamental
CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)
PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra
2 Lógica Fuzzy Introdução
2 Lógca Fuzzy 2.. Introdução A lógca fuzzy é uma extensão da lógca booleana, ntroduzda pelo Dr. Loft Zadeh da Unversdade da Calfórna / Berkeley no ano 965. Fo desenvolvda para expressar o conceto de verdade
METODOLOGIA BASEADA EM DADOS HISTÓRICOS PARA DEFINIÇÃO DE LAYOUTS EM SISTEMAS JOB- SHOP
PR UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ CAMPUS PONTA GROSSA GERÊNCIA DE PESQUISA E PÓS-GRADUAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO PPGEP
Goal Programming como Ferramenta de Gestão
Resumo Goal Programmng como Ferramenta de Gestão Dmtr Pnhero SANTANNA Fláva Zóbol DALMÁCIO Lucene Laurett RANGEL Valcemro NOSSA O objetvo deste artgo é demonstrar como o gestor pode aplcar a técnca do
Sistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar?
Sumáro Sstemas Robótcos Navegação Introdução Onde estou? Para onde vou? Como vou lá chegar? Carlos Carreto Curso de Engenhara Informátca Ano lectvo 2003/2004 Escola Superor de Tecnologa e Gestão da Guarda
Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão. AULA 2.1 Oligopólio em Quantidades (Cournot)
Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 2.1 Olgopólo em Quantdades (Cournot) Isabel Mendes 2007-2008 18-03-2008 Isabel Mendes/MICRO II 1 2.1 Olgopólo em Quantdades
ALGORITMO E PROGRAMAÇÃO
ALGORITMO E PROGRAMAÇÃO 1 ALGORITMO É a descrção de um conjunto de ações que, obedecdas, resultam numa sucessão fnta de passos, atngndo um objetvo. 1.1 AÇÃO É um acontecmento que a partr de um estado ncal,
TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823
AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA ANEEL RESOLUÇÃO NORMATIVA Nº 62, DE 5 DE MAIO DE 2004
AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA ANEEL RESOLUÇÃO NORMATIVA Nº 62, DE 5 DE MAIO DE 2004 Estabelece os procedmentos para o cálculo do montante correspondente à energa de referênca de empreendmento de
Realimentação negativa em ampliadores
Realmentação negatva em ampladores 1 Introdução necessdade de amplfcadores com ganho estável em undades repetdoras em lnhas telefôncas levou o Eng. Harold Black à cração da técnca denomnada realmentação
DESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA
DESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA Pedro Luz Rocha Evandro Parente Junor pedroluzrr04@gmal.com evandroparentejr@gmal.com Laboratóro de Mecânca Computaconal e Vsualzação, Unversdade
Representação e Descrição de Regiões
Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Programa de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Guia 11 Escalonamento de Mensagens
Até esta altura, temos abordado prncpalmente questões relaconadas com escalonamento de tarefas a serem executadas num únco processador. No entanto, é necessáro consderar o caso de sstemas tempo-real dstrbuídos,
4 Análise termoeconômica
4 Análse termoeconômca Os capítulos precedentes abordaram questões emnentemente térmcas da aplcação de nanofludos em sstemas ndretos de refrgeração. Ao tratar das magntudes relatvas e da natureza das componentes
ANÁLISE DA VARIÂNCIA DA REGRESSÃO
ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos
Programação de tarefas em sistemas de produção puxada
XI Smpep Bauru, SP, Brasl, 08 a 0 de novembro de 004 Programação de tarefas em sstemas de produção puxada Patríca Prado Belfore (USP) patrca.belfore@pol.usp.br Cro Corrêa Lete (USP) crocorrea@maua.br Resumo
Tese de Doutorado em Computação Aplicada, orientada pelo Dr. Luiz Antonio Nogueira Lorena e pelo Prof. Dr. Edson Luiz França Senne.
MÉTODOS DE GERAÇÃO DE COLUNAS PARA PROBLEMAS DE ATRIBUIÇÃO Slvely Noguera de Almeda Salomão Tese de Doutorado em Computação Aplcada, orentada pelo Dr. Luz Antono Noguera Lorena e pelo Prof. Dr. Edson Luz
Alocação de Dispositivos PLC Numa Rede de Distribuição Elétrica de Baixa Tensão Usando Programação Linear Inteira Mista
Alocação de Dspostvos PLC uma Rede de Dstrbução Elétrca de Baxa Tensão Usando Programação Lnear Intera sta Fabano J. L. Pádua, Insttuto Federal de Educação, Cênca e Tecnologa de ato Grosso - IFT Campus
MODELO DE OTIMIZAÇÃO PARA O PROBLEMA DO TRANSPORTE DE DERIVADOS DE PETROLEO COM BUSCA LOCAL POR MIP E SIMULAÇÃO
MODELO DE OIMIZAÇÃO PARA O PROBLEMA DO RANSPORE DE DERIVADOS DE PEROLEO COM BUSCA LOCAL POR MIP E SIMULAÇÃO Luz Azemberg, Eduardo Uchoa Barboza, Artur Alves Pessoa Unversdade Federal Flumnense Departamento
UTILIZAÇÃO DO MÉTODO DE TAGUCHI NA REDUÇÃO DOS CUSTOS DE PROJETOS. Uma equação simplificada para se determinar o lucro de uma empresa é:
UTILIZAÇÃO DO MÉTODO DE TAGUCHI A REDUÇÃO DOS CUSTOS DE PROJETOS Ademr José Petenate Departamento de Estatístca - Mestrado em Qualdade Unversdade Estadual de Campnas Brasl 1. Introdução Qualdade é hoje
O QUEBRA-CABEÇA DE LANGFORD
O QUEBRA-CABEÇA DE LANGFORD Mateus Mendes Magela Unversdade Federal do Espírto Santo mateusmendes.m@uol.com.br Resumo: O Quebra-Cabeça de Langford é um passatempo muto atraente e sufcentemente engenhoso
RECONFIGURAÇÃO DE SISTEMAS DE DISTRIBUIÇÃO RADIAIS UTILIZANDO O CRITÉRIO DE QUEDA DE TENSÃO
RECONFIGURAÇÃO DE SISTEMAS DE DISTRIBUIÇÃO RADIAIS UTILIZANDO O CRITÉRIO DE QUEDA DE TENSÃO José R S Mantovan 1 Fernando Casar 2 Rubén A Romero 1 (1) Departamento de Engenhara Elétrca Faculdade de Engenhara
OTIMIZAÇÃO PARA ARRUMAÇÃO DE CARGA EM VEÍCULOS UTILIZANDO LAYOUT DE ALMOXARIFADO E ROTAMENTO
Anas do XLVIII SBPO Smpóso Braslero de Pesqusa Operaconal Vtóra, ES, 27 a 30 de setembro de 2016. OTIMIZAÇÃO PARA ARRUMAÇÃO DE CARGA EM VEÍCULOS UTILIZANDO LAYOUT DE ALMOXARIFADO E ROTAMENTO Gabrel Lorenzon
Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.
Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,
PROPOSTA DE UM MÉTODO DE CLASSIFICAÇÃO BASEADO EM DENSIDADE PARA A DETERMINAÇÃO DO NÚMERO IDEAL DE GRUPOS EM PROBLEMAS DE CLUSTERIZAÇÃO
PROPOSTA DE UM MÉTODO DE CLASSIFICAÇÃO BASEADO EM DENSIDADE PARA A DETERMINAÇÃO DO NÚMERO IDEAL DE GRUPOS EM PROBLEMAS DE CLUSTERIZAÇÃO Gustavo Slva Semaan 1, Marcelo Db Cruz 2, José André de Moura Brto
Q 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 )
DIGRM OX-PLOT E CRCTERIZÇÃO DE OUTLIERS E VLORES EXTREMOS Outlers e valores extremos são aqueles que estão muto afastados do centro da dstrbução. Uma forma de caracterzá-los é através do desenho esquemátco
Análise Complexa Resolução de alguns exercícios do capítulo 1
Análse Complexa Resolução de alguns exercícos do capítulo 1 1. Tem-se:. = (0, 1) = (0, 1) =. 3. Sejam a, b R. Então Exercíco nº1 = (0, 1).(0, 1) = (0.0 1.1, 0.1 + 1.0) = ( 1, 0) = 1. a + b = a b = a +