Um Modelo De Programação Linear Inteira Mista Para A Localização De Armazéns E A Distribuição De Produtos Siderúrgicos
|
|
- Fernando Valverde Aranha
- 6 Há anos
- Visualizações:
Transcrição
1 A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 2003, Natal-RN Um Modelo De Programação Lnear Intera Msta Para A Localzação De Armazéns E A Dstrbução De Produtos Sderúrgcos Carlos Roberto Venânco de Carvalho carlos@dep.ufmg.br Clauda Rochael Olvera rochaelclauda@hotmal.com Rcardo Sarava Camargo rcamargo@task.com Departamento de Engenhara de Produção EE UFMG CP. 209 CEP Belo Horzonte - MG Resumo Este trabalho apresenta um modelo de programação lnear ntera msta para representar um problema estratégco de localzação de armazéns e a dstrbução de produtos de uma grande sderúrgca braslera. Custos fxos e varáves da rede logístca consderada foram modelados. Uma solução ótma é encontrada. Resultados numércos mostram a performance do modelo para a resolução de város problemas de dferentes dmensões. Abstract The present work addresses a real strategc transportaton-locaton problem of a brazlan steel maker where the locaton of warehouses affects the cost of supplayng commodtes to clents through transportaton costs and the fxed costs of operatng the warehouses. A mxed-nteger lnear programs proposed consderng real fxed constructon costs, shppng costs and stock holdng costs. Computatonal experence usng real and random generated nstances s found to be encouragng. Palavras chave: Problema de Localzação, Otmzação em redes, Modelagem matemátca. 1. Introdução A necessdade de se garantr um bom nível de servço logístco ao clente vem se tornando vtal no mundo empresaral devdo a potencal vantagem compettva que ele oferece. Exstem dversas possbldades para se garantr esse bom nível de servço logístco e segundo Ballou (1993), entre as mas valorzadas pelos clentes estão: (1) tempo de entrega hábl; (2) cumprmento de prazos; (3) dsponbldade de mercadoras e (4) nformações sobre peddos. Nesse sentdo, a atenção se volta para a nstalação e localzação de armazéns na rede de dstrbução físca. A localzação de armazéns é um problema comum e dos mas mportantes para os profssonas de logístca. Sua mportânca decorre dos altos nvestmentos envolvdos e dos profundos mpactos que as decsões de localzação têm sobre os custos. De forma geral, os estudos de localzação tratam do problema de mnmzar os custos de uma rede de dstrbução, estando essa sujeta a restrções de capacdade das nstalações, tendo que atender a determnada demanda e devendo satsfazer a certos lmtes de nível de servço. O objetvo deste artgo é apresentar uma formulação matemátca para um problema de localzação de armazéns, baseada na necessdade real de uma grande empresa sderúrgca. Além dsso, oferecer uma solução otmzada para o problema dentro das premssas adotadas.
2 2. Caracterzação do problema Um problema de localzação se caracterza pela alocação espacal de recursos (CHIU & BRANDEAU, 1989). Bascamente, num contexto geral de localzação, um ou mas centros de facldades abastecem um conjunto de pontos de demandas espacalmente dstrbuído. Utlzando defnções da teora dos grafos (MINOUX, 1995) e (BOAVENTURA NETTO, 1997), a topologa desse espaço é modelada como uma rede generalzada ou uma rede especalzada (por exemplo, estrutura em árvore). O problema é localzar, nessa rede, os centros de facldades e/ou defnr qual centro va atender cada ponto de demanda de manera que algum objetvo seja atngdo. Alguns exemplos prátcos são lstados abaxo, lustrando a grande varedade de aplcações desses tpos de problemas. São eles: 1. Planejamento em redes: uma cdade deseja construr uma rede de tratamento de água. Água não tratada se orgna de város pontos dferentes da cdade. O problema então consste em localzar uma estação central de tratamento de água de tal manera que a extensão total dos tubos necessáros para conduzr a água não tratada até à estação de tratamento seja mínma. 2. Localzação de facldades compettvas: uma empresa quer ntroduzr uma nova loja em uma área que já é servda por outras lojas concorrentes. Os clentes na área têm demonstrado um certo nível de demanda por produto ou servço, mas esta demanda podera aumentar se uma nova loja fosse aberta no mercado. O objetvo da empresa é então localzar uma nova loja de manera que maxmze o lucro ou a porção do mercado. Apesar da grande dversdade de aplcação, Chu e Brandeau (1989) observam que o modelo de representação de qualquer problema de localzação deve consstr em: 1. Objetvo: Quando o objetvo for de otmzação, ele pode ser defndo como, por exemplo: (a) Mnmzar o tempo e/ou custo médo de vagem; (b) Mnmzar o tempo médo de resposta (tempo de vagem + tempo na fla de espera); (c) Mnmzar o tempo e/ou o custo máxmo de vagem; (d) Maxmzar o tempo e/ou o custo mínmo de vagem; (e) Mnmzar os custos de servços. 2. Varáves de decsão: As varáves de decsão podem estar ndcando: (a) Localzação das facldades; (b) Capacdade das facldades; (c) Número de centros de facldades; (d) Rotas e/ou fluxos de mercadoras para os pontos de demanda. 3. Parâmetros do sstema: Os parâmetros do sstema são os dados de entrada para o modelo e são obtdos através de banco de dados hstórcos e nformações da empresa em estudo. Genercamente, esses parâmetros podem ser: (a) Estrutura topológca: árvore, rede generalzada ou grafo bpartdo; (b) Custo ou tempo de vagem: determnístco ou probablístco; (c) Dstânca de vagem: retangular, eucldana ou rodovára; (d) Demanda: contínua ou dscreta, determnístca ou probablístca, dnâmca ou estátca; (e) Número de centros de facldade; (f) Número de produtos; (g) Localzação dos centros de facldade: localzações fntas (Problema dscreto), localzações nfntas (Problema contínuo), custo fxo nulo ou não; (h) Capacdade dos centros de facldade: capactado ou não capactado. 2248
3 3. Defnção do problema Uma empresa do ramo sderúrgco produz város tpos de produtos em dversas fábrcas geografcamente dstantes. Os produtos são dstrbuídos em todo terrtóro braslero através de transporte rodováro. Para garantr um nível de qualdade no atendmento em relação ao tempo de entrega de seus produtos, a empresa decdu construr alguns armazéns de estocagem em cdades estratégcas defndas conforme a mportânca e a demanda de cada regão do país. Portanto, já exstem ncalmente potencas locas para nstalação de um armazém. A Fgura 1 esquematza a dstrbução de produtos da empresa. Fgura 1 Esquema de dstrbução de produtos. O problema de localzação e dstrbução consste em defnr quas pontos potencas de armazenagem serão realmente abertos, quas armazéns exstentes contnuarão na rede e quas serão os fluxos de mercadoras das fábrcas aos armazéns e desses aos clentes. Exste também a possbldade de entregas dretas das fábrcas aos clentes. Além dsso, esta confguração deve ser a de menor custo possível respetando as capacdades das nstalações e as exgêncas mínmas de nível de servço. 4. Modelo matemátco As prncpas característcas do problema de localzação de armazéns e dstrbução de produtos sderúrgcos são lstadas a segur: 1. Fábrcas: pontos onde uma fábrca está nstalada e suas prncpas característcas são: (a) não exste transporte de produtos entre as fábrcas; (b) uma fábrca pode fraconar peddos e atender dretamente pontos de demanda; (c) as fábrcas abastecem os armazéns; (d) uma fábrca pode produzr város produtos; (e) exste capacdade de produção por produto; (f) exste capacdade total de produção; (g) exste capacdade de expedção. 2. Armazéns Exstentes: pontos onde um armazém já está nstalado e suas prncpas característcas são: (a) não exste transporte de produtos entre os armazéns exstentes; (b) eles não estarão necessaramente confgurados na solução fnal; (c) podem armazenar todos dos produtos; (d) possuem capacdade de expedção. 3. Armazéns Potencas: pontos onde um armazém pode ser nstalado e suas prncpas característcas são: (a) podem armazenar todos dos produtos; (b) possuem capacdade de expedção; (c) o número de centros a serem nstalados não é prevamente defndo e sm determnado pelo própro modelo de programação lnear. 2249
4 4. Pontos de Consumo: pontos onde os clentes estão localzados e suas prncpas característcas são: (a) podem receber produtos a partr de mas de um centro de dstrbução; (b) para economa de escala pode-se posterormente ntroduzr a restrção de que um ponto de demanda é atenddo por somente um armazém; (c) não exste restrção de consumo nos pontos, ou seja, pode exstr demanda de todos os produtos; (d) o nível de servço aos pontos de demanda consdera apenas o tempo de transporte e não o completo cclo do peddo; (e) o atendmento da demanda não é obrgatóro. Seja a segunte notação: Índces: : índce dos Armazéns ( 1 = Exstentes e 2 = Potencas); j: índce dos Pontos de Consumo; k: índce das Fábrcas; l: índce dos Produtos. Constantes: Relatvo às Fábrcas: S k : capacdade total de produção da fábrca k; S lk : capacdade de Produção do Produto l na Fábrca k; c jkl : custo de atender dretamente o Ponto de Consumo j com o Produto l através da Fábrca k. Este custo é calculado pela soma dos custos: c jkl = c 1 kl + c 2 jk + c 4 kj onde: c 1 kl : custo de produção do Produto l na Fábrca k; c 2 jk : custo de transporte da Fábrca k ao Ponto de Consumo j; c 4 kj : penaldade por atraso no atendmento da Fábrca k ao Ponto de Consumo j. Este custo só exste se houver atraso, ou seja, se o tempo total de transporte entre a Fábrca k e o Ponto de Consumo j for maor que o nível de servço (tempo máxmo de atendmento) desejado para o Ponto de Consumo j. Este custo pode ser calculado como: c 4 kj = max (0, t kj T j ) x p j ; onde, T j : é o nível de servço desejado para o Ponto de Consumo j; t kj = d kj /20: é o tempo de transporte entre a Fábrca k e o Ponto de Consumo j, que é gual a dstânca entre a Fábrca k e o Ponto de Consumo j dvddo pela velocdade méda de transporte; p j : penaldade por atraso. Relatvo aos Pontos de Consumo: D : demanda do Produto l no Ponto de Consumo j; a : penaldade por não atendmento do Ponto de Consumo j com Produto l. Relatvo aos Armazéns Exstentes e Potencas: f : custo fxo do Armazém, calculado de manera dferente para os Armazéns Exstentes e Armazéns Potencas, como mostrado ao defnr a função objetvo; c jkl : custo do Produto l produzdo pela Fábrca k, passando pelo Armazém Potencal localzado em e satsfazendo a demanda do Ponto de Consumo j. Este custo é calculado pela soma dos custos: c jkl = c 1 kl + c 2 jk + c 3 j + c 4 j onde: c 1 kl : custo de produção do Produto l na Fábrca k; c 2 k : custo de transporte da Fábrca k ao Armazém Exstente ou Potencal ; c 3 j : custo de transporte do Armazém ao Ponto de Consumo j; c 4 j : penaldade por atraso no atendmento do Ponto de Consumo j através do Armazém. Este custo só exste se houver atraso. Observa-se que o tempo total de transporte aqu é entre o Armazém e o Ponto de Consumo j. Este custo só va exstr se o tempo de 2250
5 transporte entre o Armazém e o Ponto de Consumo j for maor que o nível de servço (tempo máxmo de atendmento) desejado para o Ponto de Consumo j. Este custo pode ser calculado: c 4 j = max(0, t j - T j ) x p j. Onde, T j : é o nível de servço desejado para o Ponto de Consumo j (horas); t j = d j /20: é o tempo de transporte entre do Armazém e o Ponto de Consumo j, que é gual à dstânca entre o Armazém e o Ponto de Consumo j dvddo pela velocdade de transporte; p j : penaldade por atraso. Varáves de decsão x jkl : quantdade do Produto l é transportado dretamente da Fábrca k ao Ponto de Consumo j; x jkl : quantdade do Produto l transportado da Fábrca k, através do Armazém para Ponto de Consumo j; w : quantdade não atendda do Produto l ao Ponto de Consumo j; z = 1, se o local é utlzado por um Armazém e z = 0, caso contráro O modelo proposto de programação lnear ntera msta para o problema de localzação de armazéns e dstrbução de produtos sderúrgcos é o segunte: Mn jkl x jkl + cjkl xjkl + a w + f z + jkl c f (1.1) jkl 1 '' 1 Sujeto a x jkl + xjkl + w D j, l (1.2) k k x jkl + xjkl S k k (1.3) x jkl xjkl Slk k, l (1.4) j + j xjkl Qz (1.5) jkl x jkl 0 j, k, l (1.6) x 0, j, k, l (1.7) jkl w 0 j, l (1.8) { 0,1} z (1.9) As relações acma representam: (1.1) - Função Objetvo de mnmzação de custos. A função custos é composta pelas parcelas: (a) jkl jkl jkl c x : custo total de produção e transporte do Produto l a partr da Fábrca k para atender dretamente o Ponto de Consumo j; (b) jkl c jkl xjkl : custo total de produção e transporte do Produto l a partr da Fábrca k para atender o Ponto de Consumo j passando pelo Armazém ; (c) a w : penaldade por não atendmento do Ponto de Consumo j com Produto l; (d) f z : é o custo fxo total do Armazém nstalado em e é subdvddo em: para um Armazém Exstente: ' '' ' '' f = f 1 f 1. Onde, f 2 1 : custo fxo de operação do Armazém Exstente em ; f 2 : custo fxo de fechamento do Armazém Exstente. Este custo é negatvo porque o custo de fechamento do Armazém já fo adconado à função objetvo pela sua últma parcela '' f ). Caso o Armazém Exstente contnue operando, o custo fxo de fechamento não é (
6 pago. Para um Armazém Potencal: Armazém Potencal em ; '' 2 f = f + f. Onde, ' '' f : custo fxo de operação do f : custo fxo de nstalação do Armazém Potencal em ; (e) f '' : o custo fxo de fechamento do Armazém Exstente em é subtraído à função 1 objetvo pela sua parcela anteror, esta parcela soma este custo à função objetvo caso o Armazém Exstente em dexe de operar; (1.2): a demanda do Ponto de Consumo j pelo Produto l deve ser atendda; (1.3): a capacdade total de produção da Fábrca k não deve ser ultrapassada; (1.4): a Fábrca k não deve produzr mas que a sua capacdade de produção do Produto l; (1.5): se o Armazém atende o Ponto de Consumo j com uma quantdade qualquer de um Produto, produzdo por qualquer Fábrca, então o armazém deve exstr (z = 1); (1.6, 1.7 e 1.8): domíno para as varáves contínuas; (1.9): defnção das varáves bnáras. O modelo proposto gera o segunte número de varáves: (1) varáves x jkl = (número de Armazéns Potencas + número de Armazéns Exstentes) número de Pontos de Consumo número de Produtos número de Fábrcas; (2) varáves z = número de Armazéns Potencas + número de Armazéns Exstentes; (3) varáves x jkl = número de Pontos de Consumo número de Fábrcas número de Produtos; (4) varáves w = número de Pontos de Consumo número de Produtos. Para o problema em estudo, no qual, exstem ses Fábrcas, três Armazéns Exstentes, dez Armazéns Potencas, doze Pontos de Consumo e dezenove produtos, foram geradas varáves. ' 2 5. Dscussões a respeto do modelo proposto No modelo proposto as varáves y j assocadas ao atendmento do Ponto de Consumo j pelo Armazém localzado em, utlzadas por Geoffron e Graves (1974), não foram necessáras, pos consderamos que um Ponto de Consumo pode ser atenddo por város armazéns e não mas por um únco armazém como consderam os autores. Como Geoffron e Graves (1974) relatam, apesar da economa de escala que pode ser gerada pela consderação de um Ponto de Consumo ser atenddo por um únco Armazém, esta stuação pode ser elmnada, pos, os custos envolvdos nesta especfcação, mutas vezes não são relevantes comparados às dmensões dos outros custos, como é o caso do problema modelado. Observa-se anda que os autores fundamentam a necessdade da utlzação destas varáves para a cração das restrções que acoplam as varáves contínuas do modelo às varáves bnáras, restrções estas necessáras para a utlzação do Método de Decomposção de Benders utlzado pelos autores. No modelo proposto, tal técnca também pode ser aplcada, pos outro tpo de restrção de acoplamento de varáves foram cradas (restrções (1.5)). Foram cradas varáves de transporte subscrtas com três índces x jkl que representam as entregas dretamente das Fábrcas aos Pontos de Consumo. Percebe-se que as Fábrcas podem realzar entregas fraconadas ndependente do valor da demanda. Essas varáves permtem que as entregas dretas para todos os clentes sejam analsadas e não se faz necessáro crar um armazém fctíco 0 e nem pré fxar os atendmentos dretos para um subconjunto de clentes específcos como proposto por Geoffron e Graves (1974). A cração de maor número de varáves contínuas não dfculta o modelo como a cração de um maor número de varáves nteras (WAGNER, 1986). As entregas através de armazéns são representadas por varáves de transporte subscrtas com quatro índces x jkl como sugerdas por Geoffron e Graves (1974), assm não se perde a nformação da fábrca de orgem. Pode-se fazer antecpadamente x jkl = 0 e x jkl = 0 para as rotas explctamente nváves, podendo 2252
7 tornar o tempo computaconal menor. O modelo permte um controle do nível de servço ao clente. Este nível de servço não é um tempo médo de entrega por produto como sugerdo em Geoffron e Graves (1974), e sm tempo máxmo de atendmento para cada clente para qualquer produto, sendo mas rígdo no que dz respeto ao tempo de atendmento ao clente, já que o foco da empresa é aumentar o nível de servço logístco. Caso o clente não seja atenddo no nível de servço desejado, ncde uma penaldade por atraso no atendmento. Pode-se determnar uma penaldade dferente para cada clente, permtndo assm herarquzação de clentes. Podem ser probdos atrasos na rede fazendo-se a penaldade muto grande, neste caso, o modelo abre armazéns enquanto clentes anda não estão sendo atenddos com o nível de servço desejado. Podemos probr o fechamento de um armazém exstente fazendo o custo de fechamento muto alto. Exste a possbldade de não atendmento, neste caso, exste a possbldade de se prorzar o atendmento de alguns clentes específcos, fazendo a penaldade por não atendmento bem mas alta para estes clentes do que para o restante. 5. Resultados computaconas O modelo proposto para localzação de armazéns, fo codfcado usando a lnguagem C++ padrão (STROUSTRUP, 2000), onde bblotecas específcas do sstema computaconal GLPK, versão (MAKHORIN, 2002), foram ncluídas para a resolução do programa lnear nterro msto. Fo utlzado o sstema operaconal Lnux, versão Mandrake 9.1. O complador utlzado fo o GCC-C++, versão Observamos aqu que a opção -g do complador (opção para gerar códgos que permtem a utlzação de programas para detecção de erros) fo atvada, tal opção reduz a velocdade de execução do códgo, aumentando assm os tempos computaconas. O códgo fo executado em um computador com o processador PENTIUM III, 1,2 Ggaherts e 256 Megabytes de memóra RAM. Como sugerem Daskn e Melkote (2001), para analsarmos os tempos computaconas, alguns parâmetros devem ser varados e dferentes exemplos, varando o número de nós na rede, devem ser construídos. Consderamos N, o conjunto de todos os nós da rede, ou seja, o conjunto formado por todas as Fábrcas, Armazéns (Exstentes ou Potencas) e Pontos de Consumo. Foram crados dos exemplos, um com N = 22 e outro com N = 31, que se dferencam somente pelo número de Armazéns Potencas. Estes dos exemplos foram nsprados no problema real da empresa sderúrgca em estudo. Consderamos anda o fator u que multplca os custos varáves que ncdem na rede. Os testes computaconas foram realzados para u = 1,5; u = 2 e u = 10. Sendo que: T j é o tempo máxmo de atendmento, Q é a capacdade dos armazéns e f, os custos fxos. Varações de T j, Q e f foram fetas tas como mostras pela Tabela 1. Parâmetros Número Valores nos níves de níves N 2 22; 31 T j 3 0,5T j ; T j ; 2T j u 3 1,5; 2; 10 Q 2 Q 1 =0,3Q ; Q 2 =Q f 2 f 1 = f ; f 2 = 1,7f Fonte: (Adaptado de Daskn, 2001) Tabela 1 Planejamento expermental O planejamento expermental resultou na geração de 108 problemas dstntos. Nos prmeros 72 problemas testados, os Armazéns Potencas possuem capacdade nfnta (problemas não capactados) e nos outros 36 problemas seguntes, a capacdade de atendmento dos Armazéns Potencas é lmtada a uma capacdade físca realsta 2253
8 (problemas capactados), como por exemplo, gual à capacdade do maor Armazém Exstente. Os tempos computaconas obtdos ao resolver os problemas não capactados com o valor de f 1 = f são mostrados pela Tabela 2. Para f 1 = f N u 0,5T j T j 2T j Q : Q 1 Q 2 Q 1 Q 2 Q 1 Q ,5 1,90 1,94 1,96 2,52 1,91 2,06 2 1,87 1,93 1,99 1,99 1,99 2, ,80 1,85 1,83 1,97 1,76 2, ,5 7,38 7,43 8,82 10,47 7,20 7,28 2 7,65 7,55 11,18 12,09 7,07 7, ,52 7,55 8,83 10,14 8,11 8,29 Fonte: (Adaptado de Daskn, 2001) Tabela 2 Tempo computaconal (s) para f 1 = f Podemos vsualzar na tabela acma que os tempos computaconas pratcamente não vararam com mudanças nos parâmetros u, Q e T j. Porém, com a varação de N, podemos perceber um sgnfcatvo aumento no tempo computaconal. Os tempos computaconas para execução dos problemas com N = 31 são sensvelmente superores aos tempos computaconas para execução dos problemas com N = 22, conforme sugerdo pela lteratura (CHRISTOFIDES & BEASLEY, 1982), (CHRISTOFIDES & BEASLEY, 1983) e (BEASLEY, 1985). Consderando anda os problemas não capactados, a Tabela 3 mostra os tempos computaconas para os dferentes problemas quando f 2 = 1,7f. Para f 2 = 1,7f N u 0,5T j T j 2T j Q Q 1 Q 2 Q 1 Q 2 Q 1 Q 2 : 22 1,5 1,86 1,82 1,80 2,56 2,02 2,16 2 1,79 1,90 1,87 2,53 1,91 2, ,79 1,92 2,02 2,37 1,85 2, ,5 6,79 7,43 8,23 8,48 7,06 7,16 2 6,75 7,35 7,90 9,34 7,25 7, ,24 7,46 9,70 11,61 7,05 7,11 Fonte: (Adaptado de Daskn, 2001) Tabela 3 Tempo computaconal (s) para f 2 = 1,7f (em segundos) Como pode ser observado na Tabela 3, para estes problemas, o comportamento do sstema computaconal relatvo ao tempo computaconal fo pratcamente o mesmo daquele para os problemas com custos fxos menores (f 1 = f ). A Tabela 4 mostra os tempos computaconas para os problemas capactados, consderando a capacdade dos Armazéns Potencas gual à capacdade do maor Armazém Exstente e f 2 = 1,7f. 2254
9 Para f 2 = 1,7f (problema capactado) N u 0,5T j T j 2T j Q : Q 1 Q 2 Q 1 Q 2 Q 1 Q ,5 2,15 2,10 2,25 2,19 2,04 3,25 2 2,15 1,95 2,14 2,64 2,03 2, ,01 2,09 2,06 2,70 2,23 2, ,5 43,91 95,84 65,45 132,22 15,88 28, ,39 101,55 55,33 239,61 19,04 31, ,22 120,97 150,26 447,05 23,70 35,78 Fonte: (Adaptado de Daskn, 2001) Tabela 4 Tempo computaconal (s) para o problema capactado com f 2 = 1,7f Podemos perceber, com a análse da Tabela 4, que para problemas com N = 22 os tempos computaconas não tveram mudanças sgnfcatvas quando Armazéns Potencas foram capactados e que também se manteve um comportamento semelhante aos das tabelas anterores, sto é, os tempos computaconas não tveram mudanças sgnfcatvas com os dferentes parâmetros. Já para os problemas com N = 31, podemos perceber grandes aumentos nos tempos computaconas quando os Armazéns Potencas são capactados. Percebemos anda uma tendênca de maores tempos computaconas quando valores dos parâmetros u e Q aumentam. Porém, quando dobramos os valores do parâmetro T j este comportamento não se aplca. De acordo com Wagner (1986), quando trabalhamos no unverso ntero abandonamos a suposção de dvsbldade, sto é, redução ou expansão das varáves proporconal às mudanças nos parâmetros, comum ao unverso contínuo. Assm as tabelas abaxo não possuem a pretensão de serem conclusvas, mas sm, relatarem os resultados obtdos com o unverso reduzdo dos problemas propostos. Ao resolver os problemas capactados para f 1 = f utlzando o modelo e o códgo proposto, obtveram-se os custos de transporte mostrados pela Tabela 5. Para f = f 1 (problema capactado) N u 0,5T j T j 2T j Q : Q 1 Q 2 Q 1 Q 2 Q 1 Q ,5 12,5 12,6 12,4 12,5 12,2 12,2 2 16,6 16,8 16,6 16,6 16,2 16, ,3 84,1 82,9 83,5 81,1 81,1 31 1,5 11,8 11,8 11,7 11,7 11,9 11,9 2 15,7 15,7 15,6 15,6 15,8 15, ,2 78,2 77,9 77,9 79,1 79,1 Fonte: (Adaptado de Daskn, 2001) Tabela 5 Custo total de transporte ( x 10 6 ) Podemos perceber pela Tabela 5, que os custos de transporte aumentaram quase que proporconalmente ao aumento do parâmetro u. Estes custos não tveram mudanças sgnfcatvas com a varação da capacdade dos Armazéns (Exstentes ou Potencas) provavelmente devdo ao nível de demanda consderado nos problemas propostos, pos as tabelas não contemplam a varação dos parâmetros de demanda, sto é, fo consderado um mesmo nível de demanda para todos os problemas, que pode estar relatvamente baxo em relação às capacdades consderadas dos Armazéns (Exstentes ou Potencas). Os custos de transporte em geral, tveram a tendênca de serem maores para aqueles níves de servço 2255
10 mas altos. Aqu vale a pena chamar a atenção para que níves de servço mas altos mplcam em menores tempos máxmos de atendmento, sto é, um maor nível de servço é oferecdo pela stuação 0,5T j do que pela stuação 2T j. Percebemos também que, com um maor número de Armazéns Potencas, o custo de transporte dmnuu. Porém, não podemos afrmar, somente com os resultados mostrados pela Tabela 5, que um maor número de armazéns fo aberto para os problemas onde N = 31 do que para os problemas onde N = 22. A Tabela 6 apresenta os custos globas obtdos pelo modelo proposto na resolução dos problemas capactados e com f 1 = f. N Para f 1 = f (problema capactado) u 0,5T j T j 2T j Q : Q 1 Q 2 Q 1 Q 2 Q 1 Q ,5 286,7 216,3 52,9 51,8 49,5 49, ,8 233,5 69,9 68,7 65,8 65, ,0 507,9 343,6 339,7 326,2 326,2 31 1,5 53,1 51,8 50,4 50,3 47,9 47,9 2 68,2 68,2 66,7 66,7 63,7 63, ,9 328,9 325,9 325,9 317,4 317,4 Fonte: (Adaptado de Daskn, 2001) Tabela 6 Custo global ( x 10 6 ) Na Tabela 6, os custos globas foram muto elevados quando o nível de servço fo gual a 0.5T j e N = 22, se comparados aos demas problemas. Isto ocorreu devdo às penaldades por atraso. Para estes problemas não exstem locas de armazenagem sufcentes para um atendmento com o nível de servço especfcado, podendo então ocorrer atrasos e altas penaldades mpostas. Já para os problemas com N = 31, por possuírem maor número de Armazéns Potencas, exste maor possbldade de atendmento sem atraso, assm as dmensões dos custos nestes problemas foram reduzdas e sem grandes varações. Percebemos que quanto maor o nível de servço mposto, maores são os custos globas, provavelmente porque nessas condções exste a necessdade de um maor número de armazéns nstalados. Os custos globas para u =10 estão extremamente altos, se comparados aos demas custos globas, sto devdo ao grande aumento mposto aos custos varáves. 6. Conclusões Neste artgo nós propomos um modelo de programação lnear ntera msta para planejamento de dstrbução de produtos sderúrgcos. O modelo fo mplementado computaconalmente utlzando bblotecas específcas do sstema computaconal GLPK, versão Foram desenvolvdos 108 problemas expermentas que mostram um tempo computaconal compatível com o tempo de tomada de decsão estratégca. O tempo computaconal (maor tempo computaconal observado fo de 447,05 segundos) se mostrou compatível para o tamanho do problema da empresa sderúrgca consderada, não se pode afrmar anda que serão compatíves para redes muto maores, pos, os tempos computaconas deste tpo de problema (NP-hard) crescem exponencalmente com o número de nós da rede. Ao analsar os dversos problemas expermentas crados, observou-se que: (1) Os tempos computaconas aumentam sensvelmente com o número de nós na rede; (2) Não observamos sgnfcatvas mudanças nos tempos computaconas quando varamos somente parâmetros de nível de servço, de custos fxos e varáves para os problemas consderados 2256
11 aqu como não capactados; (3) Para problemas consderados aqu como capactados, observou-se que: (a) aqueles que envolvem um menor número de nós (no caso, 22 nós) não tveram mudanças sgnfcatvas nos tempos computaconas com a varação dos parâmetros de nível de servço, de custos fxos e varáves; (b) aqueles que envolvem um maor número de nós (no caso, 31 nós) apresentaram sensíves mudanças nos tempos computaconas quando os parâmetros de nível de servço, de custos fxos e varáves vararam; (4) Os problemas consderados capactados apresentaram tempos computaconas sgnfcatvamente maores que os problemas consderados não capactados; (5) Os custos de transporte dmnuíram quando um maor número de Armazéns Potencas é consderado; (6) Os custos de transporte aumentaram quando níves de servço maores foram mpostos; (7) Os custos globas dmnuíram quando um maor número de Armazéns Potencas é consderado; (8) Os custos globas aumentaram quando níves de servço maores foram mpostos. Referêncas BALOOU, R. (1993) Logístca Empresaral. Edtora Atlas. BEASLEY, J. E. (1985) A note on solvng large p-medan problems. European Journal of Operatonal Research Vol. 21, p BOAVENTURA NETTO, P. O. (1997) Grafos: teora, modelos e algortmos. Edgard Blucher. CHIU, S. S. & BRANDEAU, M. L. (1989) An over vew of representatve problems n locaton research. Management Scence Vol. 35, p CHRISTOFIDES, N. & BEASLEY, J. E. (1982) A tree search algorthm for the p- medan problem. European Journal of Operatonal Research Vol. 10, p CHRISTOFIDES, N. & BEASLEY, J. E. (1983) Extensons to a lagrangean relaxaton approach for the capactated warehouse locaton problem. European gorthm for q6a95 TD0.000L 2257
EXERCÍCIO: VIA EXPRESSA CONTROLADA
EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia maisUM ALGORITMO DE PROGRAMAÇÃO MATEMÁTICA BI-OBJETIVO PARA O PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES NÃO CAPACITADO
Ro de Janero, RJ, Brasl, 3 a 6 de outubro de 008 UM ALGORITMO DE PROGRAMAÇÃO MATEMÁTICA BI-OBJETIVO PARA O PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES NÃO CAPACITADO Paula Marana dos Santos (UFV) paula-maranna@hotmal.com
Leia mais5 Problema de planejamento de novas redes de telecomunicações
Problema de planejamento de novas redes de telecomuncações O Problema de Planejamento de Novas Redes de Telecomuncações (PPNRT) consste em atender um conjunto de clentes com demandas dferentes que devem
Leia maisDesenho de uma rede Logística
Desenho de uma rede Logístca Desenho da rede Logístca ( Logístca empresaral) Desenho do sstema através do qual exste um fluxo de produtos entre os fornecedores e os clentes. Desenho da rede Logístca (
Leia maisGestão 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
Leia maisChapter 9 Location INTRODUÇÃO. Localização de Instalações. Problemas de comunicação
Chapter 9 Locaton Localzação de Instalações Problemas de comuncação http://www.youtube.com/watch?v=h_qnu4rwlvu INTRODUÇÃO INTRODUÇÃO Analsar padrões de localzação pode ser nteressante Porque a Whte Castle,
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia mais7 - 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
Leia mais3 Elementos de modelagem para o problema de controle de potência
3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente
Leia maisProgramação 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
Leia mais4.1 Modelagem dos Resultados Considerando Sazonalização
30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,
Leia mais5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite
5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar
Leia maisIMPLEMENTAÇÃO 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;
Leia maisBalanceamento das cargas nas respectivas fases do circuito [8]: Posicionamento do transformador abaixador: Recondutoramento dos circuitos:
A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 2003, Natal-RN PLANEJAMENTO DE CIRCUITOS SECUNDÁRIOS DE DISTRIBUIÇÃO USANDO ALGORITMO EVOLUTIVO ESPECIALIZADO Antono Marcos Coss Grupo
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisPROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS. N. R. Candido, V.B. G.
PROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS N. R. Canddo, V.B. G. Campos RESUMO Apresenta-se neste trabalho um procedmento de auxílo à decsão
Leia maisFigura 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
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisModelos para Localização de Instalações
Modelos para Localzação de Instalações Prof. Dr. Ncolau D. Fares Gualda Escola Poltécnca da Unversdade de São Paulo Departamento de Engenhara de Transportes CLASSIFICAÇÃO DE WEBER (WEBER, Alfred. Uber
Leia mais3 Desenvolvimento do Modelo
3 Desenvolvmento do Modelo Neste capítulo apresentaremos como está estruturado o modelo desenvolvdo nesta dssertação para otmzar o despacho de geradores dstrbuídos com o obetvo de reduzr os custos da rede
Leia maisMETODOLOGIA DE GERAÇÃO DE REDES SECUNDÁRIAS DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA PARA ESTUDOS DE PLANEJAMENTO
METODOLOGIA DE GERAÇÃO DE REDES SECUNDÁRIAS DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA PARA ESTUDOS DE PLANEJAMENTO Leonardo Mendonça Olvera de Queroz Faculdade de Engenhara Elétrca e de Computação FEEC Unversdade
Leia maisDIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia maisPrioridades com Teste de Escalonabilidade
rordades + Teste de Escalonabldade Sstemas de Tempo Real: rordades com Teste de Escalonabldade Rômulo Slva de Olvera Departamento de Automação e Sstemas DAS UFSC Cada tarefa recebe uma prordade Escalonamento
Leia mais2 Principio do Trabalho Virtual (PTV)
Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades
Leia maisProf. 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
Leia maisModelação com Variáveis Discretas
Engenhara de Processos e Sstemas Modelação com Varáves Dscretas Fernando Bernardo Fev 2011 mn f ( x, y, θ ) x, y s. t. h( x, y, θ ) = 0 g( x, y, θ ) 0 x x x L x real y {0,1}) U Leque de aplcações. Tpos
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia mais2 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
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
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. Numa relação expermental os valores de uma das
Leia mais2 Metodologia de Medição de Riscos para Projetos
2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO
Anas Eletrônco ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anderson Takash Hara, Heraldo Takao Hashgut, Antôno Carlos Andrade
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisIntrodução aos Problemas de Roteirização e Programação de Veículos
Introdução aos Problemas de Roterzação e Programação de Veículos PNV-2450 André Bergsten Mendes Problema de Programação de Veículos Problema de Programação de Veículos Premssas Os roteros ncam e termnam
Leia mais2 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
Leia maisMODELAGEM E DESENVOLVIMENTO DE UM PROBLEMA DE LOCALIZAÇÃO DE UMA AGROINDÚSTRIA DE EMBUTIDOS NO ESTADO DO PARANÁ
MODELAGEM E DESENVOLVIMENTO DE UM PROBLEMA DE LOCALIZAÇÃO DE UMA AGROINDÚSTRIA DE EMBUTIDOS NO ESTADO DO PARANÁ Marca Marcondes Altmar Samed (UEM) mmasamed@uem.br Jhelsson Lma Mendes (UEM) helsson_lm@msn.com
Leia mais5 Metodologia para Remuneração do Serviço Ancilar de Suporte de Potência Reativa Quando Provido por Geradores
5 Metodologa para Remuneração do Servço Anclar de Suporte de Potênca Reatva Quando Provdo por Geradores 5.. Introdução Em um sstema de potênca, o controle do perfl de tensão nas barras de carga é de grande
Leia maisModelo de Alocação de Vagas Docentes
Reunão Comssão de Estudos de Alocação de Vagas Docentes da UFV Portara 0400/2016 de 04/05/2016 20 de mao de 2016 Comssão de Estudos das Planlhas de Alocação de Vagas e Recursos Ato nº 009/2006/PPO 19/05/2006
Leia maisLocalização de instalações com o auxílio de Sistema de Informações Geográficas (SIG) e modelagem matemática
XXVI ENEGEP - Fortaleza, CE, Brasl, 9 a 11 de Outubro de 2006 Localzação de nstalações com o auxílo de Sstema de Informações Geográfcas (SIG) e modelagem matemátca Sílva Mara Santana Mapa (UNIFEI) slvnhamapa@yahoo.com.br
Leia maisLaboratório de Mecânica Aplicada I Determinação de Centros de Gravidade
Laboratóro de Mecânca Aplcada I Determnação de Centros de Gravdade Em mutos problemas de mecânca o efeto do peso dos corpos é representado por um únco vector, aplcado num ponto denomnado centro de gravdade.
Leia mais2 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
Leia maisOptimização com variáveis discretas
Engenhara de Processos e Sstemas Optmzação com varáves dscretas Fernando Bernardo Fev 2013 mn f ( x,, θ ) x, s. t. h( x,, θ ) = 0 g( x,, θ ) 0 x x x L U x real, {0,1} Por que necesstamos de varáves dscretas?
Leia mais6 Otimização de Dimensões
6 Otmzação de Dmensões 6.1 Consderações Geras O desejo de se obter o projeto deal, consderando aspectos relaconados ao consumo, desempenho ou efcênca, sempre fo um dos prncpas objetvos da engenhara estrutural.
Leia maisAplicação de um modelo simulado na formação de fábricas
Aplcação de um modelo smulado na formação de fábrcas Márca Gonçalves Pzaa (UFOP) pzaa@ldapalm.com.br Rubson Rocha (UFSC) rubsonrocha@eps.ufsc.br Resumo O objetvo deste estudo é determnar a necessdade de
Leia mais3 Método Numérico. 3.1 Discretização da Equação Diferencial
3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando
Leia maisPUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON
1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de
Leia maisFaculdade 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
Leia maisResponda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão.
Departamento de Produção e Sstemas Complementos de Investgação Operaconal Exame Época Normal, 1ª Chamada 11 de Janero de 2006 Responda às questões utlzando técncas adequadas à solução de problemas de grande
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia maisLaboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos
Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia maisRedes de Petri. Definições:
Redes de Petr Defnções: Uma Rede de Petr (PN) é m grafo dreto bpartdo o qal tem dos tpos de nós denomnados lgares (qe representam estados) e transções (qe representam eventos). O estado é alterado pelo
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia mais4 Discretização e Linearização
4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisProgramação Linear 1
Programação Lnear 1 Programação Lnear Mutos dos problemas algortmcos são problemas de otmzação: encontrar o menor camnho, o maor fluxo a árvore geradora de menor custo Programação lnear rovê um framework
Leia maisAPLICAÇÃO DO ALGORITMO GENÉTICO DE CHAVES ALEATÓRIAS VICIADAS AO PROBLEMA DE ESCALONAMENTO DE TÉCNICOS DE CAMPO
APLICAÇÃO DO ALGORITMO GENÉTICO DE CHAVES ALEATÓRIAS VICIADAS AO PROBLEMA DE ESCALONAMENTO DE TÉCNICOS DE CAMPO Rcardo de Brto Damm Departamento de Engenhara de Produção da Escola Poltécnca, USP rbdamm@usp.br
Leia maisCapítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES
Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas
Leia maisU N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA
U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A CLASSIFICAÇÃO DE MONOGRAFIAS UMA PROPOSTA PARA MAIOR OBJECTIVIDADE ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA
Leia maisPROBLEMA DE DIMENSIONAMENTO DE LOTES E SEQÜENCIAMENTO DA PRODUÇÃO: UM ESTUDO DE CASO EM UMA INDÚSTRIA DE BEBIDAS
! "#$ " %'&)(*&)+,.- /10.2*&4365879&4/1:.+58;.2*=?5.@A2*3B;.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&4E)2*EOHJ&)(IHJ/)G.- D - ;./);.& PROBLEMA DE DIMENSIONAMENTO DE LOTES E SEQÜENCIAMENTO
Leia maisCAPÍTULO 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
Leia maisMETOLOGIA. 1. Histórico
METOLOGIA A Sondagem da Construção Cvl do RS é uma sondagem de opnão empresaral realzada mensalmente e fo crada pela Confederação Naconal da Indústra (CNI) com o apoo da Câmara Braslera da Indústra da
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisDIMENSIONAMENTO 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
Leia maisCAPITULO II - FORMULAÇAO MATEMATICA
CAPITULO II - FORMULAÇAO MATEMATICA II.1. HIPOTESES BASICAS A modelagem aqu empregada está baseado nas seguntes hpóteses smplfcadoras : - Regme permanente; - Ausênca de forças de campo; - Ausênca de trabalho
Leia mais2 Aproximação por curvas impĺıcitas e partição da unidade
Aproxmação por curvas mpĺıctas e partção da undade Este capítulo expõe alguns concetos báscos necessáros para o entendmento deste trabalho 1 Curvas Algébrcas Um subconjunto O R é chamado de uma curva mplícta
Leia maisDiferença 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
Leia maisUM MODELO DE SIMULAÇÃO COM OTIMIZAÇÃO PARA O POSICIONAMENTO DE AMBULÂNCIAS DE UM SERVIÇO DE EMERGÊNCIAS MÉDICAS NO RIO DE JANEIRO
João Pessoa/PB, Brasl, de 03 a 06 de outubro de 2016 UM MODELO DE SIMULAÇÃO COM OTIMIZAÇÃO PARA O POSICIONAMENTO DE AMBULÂNCIAS DE UM SERVIÇO DE EMERGÊNCIAS MÉDICAS NO RIO DE JANEIRO Lno Gumaraes Marujo
Leia maisEduardo Miqueles Graduando do Curso de Matemática Industrial - UFPR. Cristina Falk Graduanda do Curso de Matemática Industrial - UFPR
II Encontro aconal de Engenhara de Produção Curtba PR, 23 a 25 de outubro de 2002 MODELO MAEMÁICO PARA RECOMPOSIÇÃO DE UMA REDE ELÉRICA USADO MARIES DE ADJACÊCIA Eduardo Mqueles raduando do Curso de Matemátca
Leia maisModelo de Programação Estocástica
Modelo de Programação Estocástca 23 2 Modelo de Programação Estocástca 2.. Concetos báscos A programação estocástca (PE) é defnda como um modelo de otmzação que apresenta um ou mas parâmetros estocástcos
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisO íon lantanídeo no acoplamento Russell-Saunders e a classificação de seus estados segundo os subgrupos do grupo GL(4
O íon lantanídeo no acoplamento Russell-aunders e a classfcação de seus estados segundo os subgrupos do grupo G(4 ) O hamltonano, H, dos íons lantanídeos contém uma parte que corresponde ao campo central,
Leia maisCurso 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,
Leia maisANÁLISE 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
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.
Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.
Leia maisMicroeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.3. Afectação de Bens Públicos: a Condição de Samuelson
Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 5.3 Afectação de Bens Públcos: a Condção de Isabel Mendes 2007-2008 5/3/2008 Isabel Mendes/MICRO II 5.3 Afectação de Bens
Leia maisCADERNOS DO IME Série Estatística
CADERNOS DO IME Sére Estatístca ANÁLISE DE MODELOS MATEMÁTICOS PARA O PROBLEMA PROBABILÍSTICO DE LOCALIZAÇÃO- ALOCAÇÃO DE MÁXIMA COBERTURA Vnícus Morera Pontn Unversdade Federal do Espírto Santo (CEUNES/UFES)
Leia maisOs 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,
Leia maisAdriana da Costa F. Chaves
Máquna de Vetor Suporte (SVM) para Regressão Adrana da Costa F. Chaves Conteúdo da apresentação Introdução Regressão Regressão Lnear Regressão não Lnear Conclusão 2 1 Introdução Sejam {(x,y )}, =1,...,,
Leia maisEstudo e Previsão da Demanda de Energia Elétrica. Parte II
Unversdade Federal de Paraná Setor de Tecnologa Departamento de Engenhara Elétrca Estudo e Prevsão da Demanda de Energa Elétrca Parte II Prof: Clodomro Unshuay-Vla Etapas de um Modelo de Prevsão Objetvo
Leia maisDEFINIÇÃO - 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
Leia maisMecanismos 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
Leia maisRESOLUÇÃO DE UM PROBLEMA DE LOCALIZAÇÃO INDUSTRIAL POR MEIO DE MÉTODOS: DETERMINÍSTICO E PROBABILÍSTICO
RESOLUÇÃO DE UM PROBLEMA DE LOCALIZAÇÃO INDUSTRIAL POR MEIO DE MÉTODOS: DETERMINÍSTICO E PROBABILÍSTICO SOLVING A PROBLEM OF INDUSTRIAL LOCATION BY METHODS: DETERMINISTIC AND PROBABILISTIC Ana Letíca Mana
Leia maisUSO DO CENTRO DE GRAVIDADE PARA LOCALIZAR A BASE OPERACIONAL DA TPG DO BRASIL
USO DO CENTRO DE GRAVIDADE PARA LOCALIZAR A BASE OPERACIONAL DA TPG DO BRASIL J. N. Osses 1 ; B. F. Olvera 1 ; M. V. Nascmento 1 1-FATEC São José dos Campos Av. Cesare Mansueto Gulo Lattes, 1350 Eugêno
Leia maisModelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.
Modelagem multvarável com varáves quanttatvas e qualtatvas, com resposta bnára. O modelo de regressão não lnear logístco ou modelo logístco é utlzado quando a varável resposta é qualtatva com dos resultados
Leia maisANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS
DECvl ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO ÉTODO DE CROSS Orlando J. B. A. Perera 20 de ao de 206 2 . Introdução O método teratvo ntroduzdo por Hardy Cross (Analyss of Contnuous Frames by Dstrbutng Fxed-End
Leia maisProf. 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
Leia maisAlocação 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
Leia mais6 Análises de probabilidade de ruptura de um talude
6 Análses de probabldade de ruptura de um talude 6.. Introdução No presente capítulo, apresentam-se prevsões de probabldades de ruptura para o talude de jusante da Barragem de Benguê mostrada na fgura
Leia maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
Leia maisDesenvolvimento de software de simulação Monte Carlo para auxiliar no estudo da propagação de doenças infecciosas
Desenvolvmento de software de smulação Monte Carlo para auxlar no estudo da propagação de doenças nfeccosas João Batsta dos Santos-Flho 1, Tatana Santos de Araujo Batsta 2, José Carlos Rodrgues Olvera
Leia mais3.6. 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
Leia mais27 a 30/09/05, Gramado, RS. Pesquisa Operacional e o Desenvolvimento Sustentável
ALGORITMO DE GERAÇÃO DE COLUNAS PARA O PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM FROTA HETEROGÊNEA E JANELAS DE TEMPO COM APLICAÇÃO NA DISTRIBUIÇÃO DE JORNAIS Fernanda Menezes Departamento de Engenhara Elétrca
Leia mais7 Tratamento dos Dados
7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r
Leia mais5 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
Leia mais