Análise de curvas de trade-off baseada em teoria de rede de filas para o projeto e planejamento de sistemas discretos de manufatura

Tamanho: px
Começar a partir da página:

Download "Análise de curvas de trade-off baseada em teoria de rede de filas para o projeto e planejamento de sistemas discretos de manufatura"

Transcrição

1 1 Uiversidade de São Paulo Escola de Egeharia de São Carlos Aálise de curvas de trade-off baseada em teoria de rede de filas para o proeto e plaeameto de sistemas discretos de maufatura Reialdo Morabito Tese apresetada à Escola de Egeharia de São Carlos, Uiversidade de São Paulo, para Cocurso de Livre-Docêcia uto ao Departameto de Egeharia Mecâica, a área de cohecimeto: Pesquisa Operacioal. São Carlos - SP Março de 1998

2 para Julia e Cláudia

3 3 Agradecimetos Gostaria de agradecer pricipalmete ao Prof. Gabriel R. Bitra, Sloa School of Maagemet, M.I.T., por ter me itroduzido e motivado para o estudo de teoria de rede de filas aplicada a sistemas de maufatura. Sua experiêcia e iteresse esse tópico foram cotribuições importates para a realização desta pesquisa. Sou muito grato à sua dedicação e ao seu icetivo, especialmete durate o período de agosto de 1993 a dezembro de 1994, quado estivemos trabalhado utos a Sloa School em Cambridge, MA. Também gostaria de agradecer ao Dr. Deb Sarkar, AT&T Bell Laboratories, ao Prof. Devaath Tirupati, Uiversidade do Texas em Austi, e aos doutorados da Sloa School, Luis A. C. Pedrosa e Amit Dhadwal, pelos seus úteis cometários e sugestões a revisão dos artigos que serviram de base para esta tese. Também sou grato ao Prof. Flávio C. F. Ferades, UFSCar, à pesquisadora Gisele C. Fotaella Pileggi, CNPq, e à doutorada Reata Algisi, USP, pela auda a revisão fial e formatação do texto. Fialmete, agradeço à FAPESP e ao M.I.T. pelo apoio ao meu programa de pós-doutorado, cuo proeto de pesquisa deu origem à esta tese, e às visitas posteriores a Cambridge, para discutir resultados da pesquisa com o Prof. Bitra. Fico aida em débito com meus pais, sempre presetes, e em particular com miha esposa, pelo cariho e paciêcia durate os meses em que passei escrevedo este texto. Aproveito para maifestar que o presete trabalho foi um motivo de grade satisfação pessoal.

4 Aálise de curvas de trade-off baseada em teoria de rede de filas para o proeto e plaeameto de sistemas discretos de maufatura 4 Sumário Sumário... 4 Lista de figuras... 6 Lista de tabelas... 8 Lista de pricipais símbolos e siglas... 9 Resumo... 1 Abstract Itrodução O sistema de maufatura como uma rede de filas Sistemas discretos Redes de filas Exames da literatura Modelos de avaliação de desempeho Redes de Jackso (Métodos exatos de decomposição) Rede de filas M/M/m de classe úica Rede de filas M/M/m de múltiplas classes Redes de Jackso geeralizadas (Métodos aproximados de decomposição) Rede de filas GI/G/1 de classe úica Rede de filas GI/G/m de classe úica Rede de filas GI/G/m de múltiplas classes Resultados computacioais Modelos de otimização Redes de Jackso (Modelos./J/./.) Modelos./J/./R Modelos./J/./N Redes de Jackso Geeralizadas (Modelos./G/./.) Modelos./G/./R Modelos./G/./R com variáveis discretas Modelos./G/./N Geração e aálise de curvas de trade-off Redistribuição eficiete de recursos Redistribuição eficiete de WIP Froteira eficiete Mudaças os parâmetros de variabilidade, taxa média de produção, e mix de produtos Mudaças os parâmetros de variabilidade Mudaças de taxa média de produção (throughput) Mudaças do mix de produtos Alterativas discretas para mudaças de capacidade

5 5.6 Múltiplas máquias Coclusões e perspectivas para pesquisa futura Coclusões Perspectivas para pesquisa futura Estudo de caso uma rede ob-shop o Brasil Aproximações de tráfego leve Problemas de partição da istalação (classe SP3) Aexo 1 - Parâmetro de variabilidade do processo de partida um sistema de fila GI/G/ Aexo - Aproximações para medidas de desempeho um sistema de fila GI/G/ Aexo 3 - Aproximações para medidas de desempeho um sistema de fila GI/G/m Aexo 4 Elimiação de arcos de realimetação imediata Referêcias bibliográficas Ídice

6 6 Lista de figuras Figura 1 - Curva de trade-off etre o custo de recursos e o custo de WIP Figura - Orgaização dos capítulos da tese Figura 3 - Sistema ob-shop: layout por processo (fucioal)... 1 Figura 4 Sistema flow-shop: layout por produto... 1 Figura 5 - Maufatura celular (tecologia de grupo)... Figura 6 - Combiação volume (partes por hora) e variedade (úmero de tipos de partes) (Aski e Stadridge, 1993, p.11)... Figura 7 - Um sistema de fila de úico estágio... 4 Figura 8 - Rede de filas aberta (OQN)... 7 Figura 9 - Modelos descritivos e prescritivos Figura 10 - (a) Job-shop simétrico e (b) flow-shop uiforme, ambos com = 3 estações Figura 11 - Diagrama das taxas de trasição de estados a expressão (3.11) Figura 1 - Roteiros das 4 classes de obs ao logo das 4 estações do exemplo de Aski e Stadridge (1993) Figura 13 (a) Roteiro da classe 5, sem retrabalho, (b) roteiro com retrabalho... 4 kk Figura 14 - q i a expressão (3.5): (a) se k = k e (b) se k k Figura 15 - Superposição de chegadas, partidas e separação de partidas Figura 16 - Rede com estações 1 e em série do exemplo de Whitt (1983a) Figura 17 - Roteiro probabilístico agregado descrito pela matriz Q do exemplo de Aski e Stadridge (1993) Figura 18 - Roteiros das 10 classes do exemplo de Bitra e Tirupati (1988) Figura 19 - Potos O, A, B, C, D e froteira eficiete Figura 0 - Recursos em cada estação para os potos O e A Figura 1 - WIP em cada estação para os potos O e A Figura - Utilização em cada estação para os potos O e A Figura 3 - WIP em cada estação para os potos O e B Figura 4 - Recursos em cada estação para os potos O e B Figura 5 - Utilização em cada estação para os potos O e B Figura 6 - Relação etre o leadtime médio e a utilização média um sistema M/M/1 com = Figura 7 - Impacto de redução de icertezas um sistema de úico estágio com = 1: Curva 1 (ca = cs =1), curva (ca = cs = 0,5) e curva 3 (ca = cs = 0,1) Figura 8 - Mudaças os parâmetros de variabilidade: Curva 1 ( ca k, cs), curva ( ca k /, cs), curva 3 ( ca k, cs/) e curva 4 ( ca k /, cs/) Figura 9 - Mudaças os parâmetros de variabilidade para pequeos valores de WIP: Curva ( ca k /, cs) e curva 3 ( ca k, cs/) Figura 30 - Trade-off etre redução de icertezas e mudaça de tecologia: Curva 1 ( ca k, cs), curva 4 ( ca k /, cs/) e curva 5 (ova tecologia)

7 Figura 31 - Mudaças a taxa média de produção: Curva 1 (10 produtos/hora), curva (9 produtos/hora) e curva 3 (11 produtos/hora) Figura 3 - Mudaças o mix de produtos: Curva 1 (curva origial), curva (classe 1 elimiada), curva 3 (classe 1 duplicada) e curva 4 (classe 11 icluída) Figura 33 - Medidas do (-1)-ésimo e do -ésimo ob o sistema GI/G/1 quado: (a) I = 0 e (b) I > Figura 34 Estação ates (a) e depois (b) da elimiação do arco de realimetação imediata 19 7

8 8 Lista de tabelas Tabela 1 - Comparação das características dos layouts de processo, produto e celular... Tabela - Dados de etrada das classes de produto o exemplo de Aski e Stadridge (1993).. 41 Tabela 3 - Valores obtidos para cada estação o exemplo de Aski e Stadridge (1993) Tabela 4 - Valores obtidos para cada estação o exemplo de Aski e Stadridge (1993) com os scv cs = Tabela 5 - Dados de etrada das classes de produto o exemplo de Bitra e Tirupati (1988) Tabela 6 - Dados de etrada e parâmetros das estações o exemplo de Bitra e Tirupati (1988) 66 Tabela 7 - Número médio de obs as estações e a rede: A primeira colua de resultados referese à simulação, as três coluas seguites referem-se a aproximações da superposição de chegadas pelo método assitótico, e as três últimas referem-se a aproximações da superposição de chegadas pelo método híbrido Tabela 8 - Resultados obtidos para cada classe com a aproximação (3.7), (3.38) e (3.47) de Bitra e Tirupati (1988) Tabela 9 - Dados de etrada para as classes de produtos da rede ob-shop Tabela 10 - Dados de etrada para as estações da rede ob-shop Tabela 11 - Parâmetros e medidas de desempeho para a rede ob-shop das tabelas 9 e Tabela 1 - Parâmetros e medidas de desempeho relativos ao poto A Tabela 13 - Parâmetros e medidas de desempeho relativos ao poto B Tabela 14 - Dados de etrada para a classe de produtos Tabela 15 - Cico alterativas discretas para mudaças de capacidade em cada estação Tabela 16 - Parâmetros e medidas de desempeho do poto D Tabela 17 - Comparação das aproximações para E(L) em (A.4), (A.5) e (3.33) com simulação para um sistema de fila Ep/Eq/1 com = 0,9... 1

9 9 Lista de pricipais símbolos e siglas 1{.} fução idicadora que resulta 1 se a expressão {.} é verdadeira e 0 caso cotrário a0 itervalo de tempo etre chegadas exteras (i.e., da estação 0) a rede a0 itervalo de tempo etre chegadas exteras a estação a itervalo de tempo etre chegadas a estação ai itervalo de tempo etre chegadas a estação da estação i a,q itervalo de tempo etre a (q-1)-ésima e a q-ésima chegada a estação ak itervalo de tempo etre chegadas exteras da classe k akl itervalo de tempo etre chegadas da classe k para a operação l a estação kl akl itervalo de tempo etre chegadas da agregação de todas as classes que chegam etre duas chegadas sucessivas da classe k para a operação l a estação kl a p itervalo de tempo etre chegadas a estação a p-ésima iteração dos algoritmos 3a, 4a e 5a. coeficiete da fução custo de capacidade F coeficiete da fução custo de capacidade F c perda fiaceira a trasação de veda de capacidade da estação cx coeficiete quadrático de variação (scv) da variável aleatória x, defiido por: cx V ( x) / E( x) Cov(x,y) covariâcia etre as variáveis aleatórias x e y. CQN rede de filas fechada (closed queueig etwork) coeficiete da fução custo de capacidade F D atraso em fila, dado que ele é positivo: (Wq Wq > 0). No caso de um sistema de fila, idica que o processo de chegada ou serviço é determiístico. d itervalo de tempo etre partidas da estação di itervalo de tempo etre partidas da estação para a estação i d,u itervalo de tempo etre a (u-1)-ésima e a u-ésima partida da estação dkl itervalo de tempo etre partidas da classe k após a operação l a estação kl icremeto de capacidade em cada iteração dos algoritmos 3 e 4 e itervalo de tempo etre chegadas exteras das classes a estação, levado em cota o úmero de visitas de cada classe esta estação ei vetor (e1, e,..., e) com ei = 1 e e = 0, = 1,...,, i E(x) (ou x ) valor esperado da variável aleatória x E(x)GI/G/m valor esperado da variável aleatória x o sistema de fila GI/G/m f custo uitário de capacidade a estação F custo (ou ivestimeto) de capacidade da rede F custo de capacidade da estação Fi custo de capacidade da estação a alterativa i FT limitate superior para o custo de capacidade da rede, F FCFS primeiro a chegar, primeiro a ser servido (first come, first served) FMS sistema flexível de maufatura (flexible maufacturig system)

10 ível de serviço a estação G processo de chegada ou serviço geérico um sistema de filas GI processo de chegada geérico idepedete (processo de reovação) um sistema de filas GAMS Geeral Algebraic Modelig System fator multiplicador para criação e combiação de obs a estação i, ídices em geral utilizados para idicar estações iid idepedete e ideticamete distribuído k ídice em geral utilizado para idicar classes l ídice em geral utilizado para idicar operações L WIP da rede L vetor (L1, L,..., L) ou matriz (L1, L,..., L) represetado o estado da rede L vetor (L 1, L,..., L r ) represetado o estado da estação L úmero de obs a estação igual a E(L), úmero médio de obs a estação L Li L i L k úmero de obs a estação a alterativa i igual a E(Li), úmero médio de obs a estação a alterativa i úmero de obs da classe k a estação Lq úmero de obs a fila da estação LT limitate superior para o WIP da rede, L 0 taxa média de chegada ou partida extera a rede (ou taxa média de produção da rede) * 0 capacidade da rede (limitate superior para a taxa média de produção da rede, 0) 0 taxa média de chegada extera (estação 0) a estação taxa média de chegada a estação 0 taxa média de partida extera da estação i taxa média de chegada a estação da estação i k taxa média de chegada extera da classe k k taxa média de chegada da classe k a estação k 0 taxa média de chegada extera da classe k a estação k i taxa média de chegada da classe k a estação da estação i m úmero de máquias paralelas e idêticas um sistema de filas de úico estágio m vetor (m1, m,..., m) do úmero de máquias em cada estação da rede M o úmero de máquias dispoíveis a rede. No caso de um sistema de filas, idica que o processo de chegada ou serviço é Markoviao (sem memória). m úmero de máquias paralelas e idêticas a estação m 0 limitate iferior para o úmero de máquias a estação, m mi úmero de máquias paralelas e idêticas da estação a alterativa i vetor (1,,..., ) da taxa média de processameto em cada estação da rede taxa média de processameto de cada máquia a estação 0 taxa média de processameto iicial de cada máquia a estação p taxa média de processameto a estação a p-ésima iteração dos algoritmos 3a, 4a e 5a ( 1 também pode deotar a taxa média de processameto ão trasferível da estação ) i taxa média de processameto de cada máquia da estação a alterativa i kl taxa média de processameto da operação l do roteiro da classe k úmero de estações iteras a rede k úmero de operações o roteiro da classe k kl estação visitada para a operação l do roteiro da classe k N(t) úmero de obs que chega a rede (da estação 0) durate o itervalo de tempo (0,t] N(t) úmero de obs que chega a estação (da estação 0) durate o itervalo de tempo (0,t] 10

11 Nk(t) úmero de obs da classe k que chega a rede (da estação 0) durate o itervalo de tempo (0,t] ível de serviço a estação (diferete de ) OQN rede de filas aberta (ope queueig etwork) P(A) probabilidade do eveto A ocorrer PI ídice de prioridade da estação distribuição de equilíbrio da rede distribuição de equilíbrio da estação Q matriz de trasição sub-estocástica {qi, i, = 1,..., } q0i probabilidade de um ob extero etrar a rede pela estação i qi0 probabilidade de um ob, após ser atedido a estação i, sair da rede. qi probabilidade de um ob, após ser atedido a estação i, seguir para a estação q k i probabilidade de um ob da classe k, após ser atedido a estação i, seguir para a estação kk q i probabilidade de um ob, após ser atedido a estação i como um ob da classe k, seguir para a estação como um ob da classe k qkl proporção de obs da classe k para operação l, detre os obs a estação kl r úmero de classes a rede R matriz de trasição estocástica {ri, i, = 0,..., } ri probabilidade de um ob, após ser atedido a estação i, seguir para a estação r(l) úmero de máquias a estação, em fução do estado L utilização média da estação i utilização média da estação a alterativa i s tempo de processameto a estação s,u tempo de processameto do u-ésimo ob a estação S,p tempo decorrido até ocorrer a p-ésima chegada a estação skl tempo de processameto da operação l de um ob da classe k skl,u tempo de processameto da operação l do u-ésimo ob da classe k s k tempo de processameto da classe k a estação scv coeficiete quadrático de variação (squared coefficiet of variatio) SPT meor tempo de processameto (shortest processig time) T leadtime de produção da rede Tk leadtime de produção da classe k v valor moetário médio de um ob a estação, idepedete de sua classe V úmero de visitas a estação V(x) variâcia da variável aleatória x W tempo de espera em fila e serviço a estação igual a E(W), tempo médio de espera em fila e serviço a estação W Wq tempo de espera em fila a estação WIP valor esperado do estoque em processo (expected work i process) 11

12 1 Resumo Morabito, R. (1998). Aálise de curvas de trade-off baseada em teoria de rede de filas para o proeto e plaeameto de sistemas discretos de maufatura. Tese de Livre-Docêcia, Escola de Egeharia de São Carlos, Uiversidade de São Paulo, São Carlos, 137p. Esta tese explora e evidecia o potecial da aálise de curvas de trade-off, baseada em modelos de redes de filas, para o proeto e plaeameto de sistemas discretos de maufatura. Mostra-se como estas curvas podem desempehar um papel importate para a tomada de decisões com respeito à quatidade e tipo de capacidade ecessária para gerir o sistema eficietemete, para avaliar o impacto de icertezas a chegada e processameto de obs, assim como as cosequêcias de mudaças as taxas médias de produção e o mix de produtos. O efoque é o trade-off etre o ível médio de estoque em processo e os custos de capacidade em sistemas obshops. As curvas também podem ser facilmete adaptadas para refletir leadtimes de produção, ao ivés de estoque em processo. Para gerar as curvas, revisa-se o estado da arte dos modelos de otimização e avaliação de desempeho para redes de filas abertas. Uma questão cetral esta tese é a seleção etre as várias cofigurações para a rede ou, mais especificamete, como os recursos fiaceiros devem ser adequadamete distribuídos para alocar capacidade as várias estações. Diversos algoritmos para selecioar a alocação ótima e derivar as curvas são aalisados. A metodologia é ilustrada com um exemplo de uma aplicação real uma fábrica de semicodutores. Palavras-chave: aálise de curvas de trade-off, proeto de sistema de maufatura, redes de filas abertas, otimização e avaliação de desempeho.

13 13 Abstract Morabito, R. (1998). Trade-off curve aalysis based o queueig etwork theory for the desig ad plaig of discrete maufacturig systems. Tese de Livre-Docêcia, Escola de Egeharia de São Carlos, Uiversidade de São Paulo, São Carlos, 137p. This thesis explores ad highlights the potetial of trade-off curve aalysis, based o queueig etwork models, for the desig ad plaig of discrete maufacturig systems. It is show how these curves ca perform a importat role to support system decisios cocerig the amout ad type of capacity ecessary to maage the system efficietly, to assess the impact of product arrival ad processig ucertaities, as well as the cosequeces of chages i throughput ad product mix. The focus is o the trade-off betwee expected work i process ad capacity costs i ob-shop systems. The curves ca be easily adapted to reflect product leadtimes istead of work i process. To geerate the curves, the state of the art of optimizatio ad performace evaluatio models for ope queueig etworks is reviewed. A cetral issue addressed i the thesis is that of selectig a appropriate desig for the etwork, more specifically, how fiacial resources should be distributed to allocate capacity at the various statios. Algorithms for selectig the optimal allocatio ad derivig the curves are aalyzed. The methodology is illustrated with a example from a actual applicatio i the semicoductor idustry. Keywords: trade-off curve aalysis, maufacturig system desig, ope queueig etworks, optimizatio ad performace evaluatio.

14 14 1. Itrodução Grade parte dos produtos que cosumimos é produzida em sistemas discretos de maufatura ode os ites são processados idividualmete ou em lotes. Um exemplo de sistema discreto é o sistema ob-shop, que opera com grade diversidade de produtos ou obs, porém em pequeos lotes. O resultado, em geral, é a existêcia de fluxos complexos de obs ao logo dos shops (estações), e logas filas de espera a frete das máquias. Tais sistemas podem ser freqüetemete represetados por modelos de redes de filas, ode os ós correspodem às estações de trabalho e os arcos ligado os ós, aos fluxos de obs etre as estações. Redes de filas (de maufatura) são em geral difíceis de serem geridas por processarem diversos produtos que têm características diferetes, que partilham os mesmos recursos, e que são afetados por um couto de fotes de icerteza tais como variabilidade a demada, cofiabilidade de forecedores e processo. A complexidade de tais sistemas pode ser reduzida compreededo melhor os trade-offs etre medidas de desempeho e alocação de recursos, o mometo em que esses sistemas são proetados ou modificados (o coceito de trade-off é aqui etedido como a troca de um beefício por um outro visto como mais vataoso). Desde Skier (1974), há mais de duas décadas, autores têm apotado a importâcia de se eteder melhor esses trade-offs, etretato, muitas das aálises são essecialmete qualitativas e ão forecem mecaismos para quatificar as relações etre íveis médios de estoque em processo (expected work-i-process - WIP), leadtimes de produção de produtos (tempo total gasto pelo sistema para fabricar ou motar um produto), taxas médias de produção (throughput), carga de trabalho (workload), mix de produtos, tecologia, custos e ivestimetos em capacidade. Vários artigos procuraram aalisar em termos quatitativos os trade-offs etre medidas de desempeho e alocação de recursos, muitos deles modelado os sistemas de maufatura como redes de filas fechadas (i.e., redes que matém costate o úmero de obs circulado). Por exemplo, Shathikumar e Yao (1987, 1988) e Schweitzer e Seidma (1991) estudaram o problema de como alocar servidores um sistema flexível de maufatura (FMS), de maeira a maximizar a taxa média de produção. Stecke e Solberg (1985), Dallery e Stecke (1990) e Stecke e Rama (1994) ivestigaram a relação ótima etre a alocação de servidores (ou ferrametas em máquias) e a carga de trabalho em FMS. Aski e Krisht (1994) aplicaram procedimetos de otimização para aalisar o trade-off etre WIP e taxas médias de processameto em FMS. Viod e Solbert (1991) e Kouvelis e Lee (1995) aalisaram a relação ótima etre o úmero de servidores e o úmero de obs circulado as estações de um FMS, de maeira a ateder uma taxa míima de produção. Outros autores aalisaram sistemas de maufatura que podem ser modelados como redes de filas abertas (redes ode o úmero de obs circulado pode variar a cada istate). Por exemplo, Calabrese (199) estudou a alocação ótima da carga de trabalho em ob-shops e FMS represetados por redes de Jackso (redes abertas com distribuições expoeciais dos tempos etre chegadas e processameto de obs), para aalisar o trade-off etre a taxa média de

15 produção e o ível de cogestão. Bitra e Tirupati (1989a, 1989b) discutiram oções de curvas de trade-off e desevolveram procedimetos de otimização para estudar as relações etre WIP e custos de capacidade em redes de Jackso geeralizadas (redes abertas com distribuições geéricas dos tempos etre chegadas e processameto). Estes procedimetos foram refiados em Bitra e Sarkar (1994b) e Bitra e Morabito (1995d, 1997), e estedidos para aálise de taxa média de produção em Bitra e Sarkar (1994a). Boxma et al. (1990), Frek et al. (1994), Sudarra et al. (1994) e Bretthauer (1996) estudaram a alocação ótima de servidores a estações em redes de Jackso, para aalisar o trade-off etre WIP e custos de capacidade. Va Vliet e Riooy Ka (1991) estederam a aálise em Boxma et al. (1990) para redes de Jackso geeralizadas. Obetivo e metodologia O obetivo pricipal desta tese é explorar e evideciar o potecial da aálise de curvas de tradeoff para o proeto e plaeameto de sistemas discretos de maufatura. Mostra-se como estas curvas podem desempehar um papel importate para a tomada de decisões esses sistemas. O efoque é o trade-off etre WIP e custos de capacidade em ob-shops que podem ser modelados como redes de Jackso geeralizadas (estas curvas podem ser facilmete adaptadas para refletir leadtimes de produção, ao ivés de WIP). Uma alocação isuficiete de capacidade esses sistemas pode causar altos íveis de WIP e logos leadtimes, por outro lado, o excesso de capacidade pode resultar em desperdício de recursos oerosos, devido aos baixos íveis de utilização. Assim, uma questão cetral esta tese é a seleção etre as várias cofigurações para a rede ou, mais especificamete, como os recursos fiaceiros devem ser adequadamete distribuídos para alocar capacidade as várias estações. Para isso, são aalisados diversos algoritmos para selecioar a alocação ótima e derivar as curvas. Curvas de trade-off são curvas de froteira ótima que idicam as vatages (e desvatages) da troca de um poto por outro da froteira. No caso de uma curva de trade-off etre os custos de WIP e capacidade, para cada custo de WIP, a curva idica o poto com míimo custo de recursos. A figura 1 ilustra um exemplo de tal curva: Uma empresa competido a base de baixo WIP (ou baixo leadtime) pode escolher, por exemplo, o poto A. Por outro lado, se ela desea competir a base de baixo ivestimeto em capacidade (recursos), sua escolha pode ser, por exemplo, o poto B, porém com maior WIP. Coforme mostrado o capítulo 5, dados a taxa média de produção, o mix de produtos, e as icertezas os processos de chegada e processameto dos obs, a curva da figura 1 correspode à froteira eficiete para o sistema em cosideração custo de recursos A (4954, 989) B (71089, 78) custo de WIP

16 16 Figura 1 - Curva de trade-off etre o custo de recursos e o custo de WIP Para gerar curvas de trade-off, revisa-se o estado da arte dos modelos de avaliação de desempeho e otimização em redes de filas abertas. Basicamete, a difereça etre um modelo de avaliação de desempeho e um modelo de otimização é o fato de que o primeiro é descritivo, isto é, por meio de medidas de desempeho, ele proporcioa ao usuário importates isights sobre a operação do sistema uma dada cofiguração, equato o segudo é prescritivo, isto é, ele determia a cofiguração ótima do sistema que otimiza certo critério e satisfaz certas restrições impostos pelo usuário. Uma cotribuição desta tese é forecer uma revisão crítica destes modelos e suas aplicações em sistemas discretos de maufatura. Em particular, poucos autores apresetaram exames dos modelos de otimização de redes de filas abertas aplicados a ob-shops e, portato, a presete revisão pretede ser uma cotribuição útil para a literatura. Decisões em maufatura diferem substacialmete os seus horizotes de tempo, isto é, o período em que elas terão impacto. A aquisição de uma ova plata pode ter um horizote de tempo de 10 ou 0 aos, equato que a escolha do próximo ob a ser processado uma máquia pode ter um horizote de apeas algumas horas. Muitas decisões a gestão da produção referemse ao plaeameto da capacidade e da carga de trabalho, com horizote de tempo de 3 a 6 meses ou meos, mas também podem ter horizotes bem maiores, como por exemplo a cotratação e treiameto de mão-de-obra especializada. Com base o horizote de tempo e a extesão do impacto da decisão, é usual classificar as decisões em estratégicas, táticas e operacioais. Decisões estratégicas são aquelas com logo horizote de tempo (mais de 1 ou aos) e em geral referem-se ao tamaho e local das platas e pricipais istalações, diversidade de produtos, escolha de tecologia, e grau de automação. Decisões táticas têm um horizote de tempo itermediário (etre 3 e 18 meses) e determiam o tamaho da força de trabalho, as taxas de produção, a capacidade de espaço para os estoques em processo, o layout das platas. Decisões operacioais são tipicamete aquelas do dia a dia, tais como ordes de produção de obs, e alocação de obs e trabalhadores em máquias. Nesta tese a ateção é dirigida pricipalmete para as decisões de logo e médio prazo, como por exemplo o proeto e plaeameto de ob-shops, e ão em aspectos mais operacioais do sistema, como a programação e cotrole da produção. Decisões de proeto devem cosiderar os trade-offs etre as medidas de desempeho para diferetes cofigurações do sistema. Uma maeira efetiva de descrever esses trade-offs é por meio das curvas de trade-off, coforme é aqui explorado. Exemplos das decisões evolvidas são: seleção de produtos e tecologia, escolha de equipametos e capacidade, e alocação de produtos a platas. Para o propósito desta tese, os problemas de proeto são agrupados em três classes propostas em Bitra e Dasu (199): (i) desempeho deseado do sistema (SP1 - Strategical Problem 1) (ii) desempeho ótimo do sistema (SP) (iii) partição da istalação (SP3). Apreseta-se problemas das classes SP1, SP e SP3 formulados como programas de otimização. Na classe SP1, o obetivo é miimizar o ivestimeto o sistema sueito às restrições dos desempehos deseados para o sistema. Típicas medidas de desempeho podem ser: ível médio de WIP, leadtime médio de produtos, taxa média de produção, e utilização média (itesidade de

17 tráfego) de equipametos. A seguir escolhe-se o ível médio de WIP (ou simplesmete WIP) como medida de desempeho. Um exemplo da classe SP1 é dado por: (SP1.1) WIP deseado: Obetivo: miimizar o custo de aquisição de equipametos Variáveis de decisão: capacidade de cada estação, tecologia Restrições: limitate superior para o WIP. Na classe SP, desea-se otimizar o desempeho do sistema sueito às limitações de orçameto para ivestir o sistema. Um exemplo da classe SP é dado abaixo: (SP.1) WIP ótimo: Obetivo: miimizar o WIP Variáveis de decisão: capacidade de cada estação, tecologia Restrições: limitate superior para o custo de aquisição de equipametos. Note que SP1.1 e SP.1 evolvem um trade-off etre o capital de ivestimeto e o capital de trabalho. Fialmete, a classe SP3 procura-se subdividir o sistema de maufatura em uidades de produção (que podem ser vistas como platas detro da plata) para melhorar o desempeho global. Etretato, essa partição pode requerer duplicação de equipametos e recursos. Cosidere o seguite exemplo da classe SP3: 17 (SP3.1) Número de produtos e WIP deseados em cada uidade de produção: Obetivo: miimizar o custo de aquisição de equipametos Variáveis de decisão: úmero de uidades de produção, mix de produtos em cada uidade, e capacidade de cada estação Restrições: limitate superior para o úmero de produtos e o WIP em cada uidade. Note que SP3.1 também evolve um trade-off etre o custo de adicioar capacidade e a redução da complexidade gerecial do sistema. Ele pode ser visto como um caso especial da classe SP1. As decisões evolvidas são: úmero de uidades de produção em que o sistema origial é subdividido, alocação de produtos às uidades de produção, e escolha da capacidade em cada uidade. De fato, os problemas da classe SP3 são casos especiais de ambas as classes SP1 e SP. Cosidera-se problemas de partição separadamete com a fialidade de efatizar sua importâcia o proeto de sistemas de produção, etretato, esta tese eles são explorados apeas como perspectivas para pesquisa futura. Estrutura Esta tese está orgaizada coforme o esquema da figura. Decisões de proeto e plaeameto Represetação dos sistemas discretos de maufatura em redes de filas Modelos de avaliação de desempeho baseados esta represetação Modelos de otimização baseados os modelos de avaliação de desempeho Aálise de curvas de trade-off geradas por estes modelos

18 18 (cap.) (cap.3) (cap.4) (cap.5) Figura - Orgaização dos capítulos da tese O capítulo discute como um sistema de maufatura pode ser represetado como uma rede de filas. A seção.1 defie sistemas discretos, a seção. aalisa como modelá-los por meio de redes de filas abertas (com êfase em ob-shops), e a seção 3.3 revisa a literatura relacioada. O capítulo 3 aalisa modelos de avaliação de desempeho para redes de filas abertas. A seção 3.1 apreseta métodos de decomposição para as redes de Jackso (classe úica e múltiplas classes de produtos), e a seção 3., métodos de decomposição aproximados para as redes de Jackso geeralizadas (classe úica e múltiplas classes, com ateção especial para os casos com roteiros determiísticos). Uma das vatages de se utilizar métodos de decomposição em redes de Jackso geeralizadas é que eles produzem resultados razoavelmete precisos, demadam pouco esforço computacioal, e requerem poucos dados de etrada (basicamete, apeas os dois primeiros mometos das distribuições de probabilidade dos processos de chegada e processameto de obs). A seção 3.3 apreseta os resultados computacioais ao aplicar esses métodos um exemplo real de uma rede ob-shop derivada de uma fábrica de semicodutores. O capítulo 4 aalisa modelos de otimização, baseados em programação matemática e os modelos de avaliação de desempeho do capítulo 3, para os problemas em SP1 e SP. A seção 4.1 apreseta modelos para as redes de Jackso e a seção 4., para as redes de Jackso geeralizadas. As variáveis de decisão podem ser a taxa média de processameto ou o úmero de máquias a estação. Em algus casos, estas variáveis estão limitadas a um couto de alterativas discretas para escolha de capacidade em cada estação. Diversos algoritmos da literatura são revisados e apresetados em detalhes. Em algus casos, são propostos algoritmos alterativos mais precisos que os cohecidos da literatura, como por exemplo os algoritmos 4a e 5a, porém, demadado maiores esforços computacioais. Coforme mecioado ateriormete, esta revisão do estado da arte dos modelos de otimização em redes de filas abertas, e suas aplicações os problemas em SP1 e SP, pretede ser uma cotribuição útil para a literatura. O capítulo 5 é o mais importate para o propósito pricipal desta tese. Iicialmete mostra-se como usar os métodos dos capítulos 3 e 4 para gerar as curvas de trade-off. As seções 5.1 e 5. apresetam, respectivamete, o problema de miimizar o WIP sem adicioar recursos o sistema, e o problema de miimizar os recursos sem aumetar o WIP. Na seção 5.3, as soluções destes problemas são usadas para gerar curvas de trade-off. A seção 5.4 apreseta outras curvas de trade-off para aalisar os efeitos de redução de icertezas a rede, e de mudaças a taxa média de produção e o mix de produtos. As seções 5.5 e 5.6 estedem esta aálise para o caso em que se tem um couto fiito de alterativas discretas para mudaças de capacidade as estações, e o caso em que ão se pode aproximar cada estação como uma úica máquia. Para ilustrar a apresetação dos tópicos do capítulo 5, utiliza-se o exemplo de uma aplicação real um sistema ob-shop com 10 classes de produtos e 13 estações. Diversas curvas de trade-off são geradas para este exemplo, para mostrar o potecial da aálise para as decisões de proeto e plaeameto do sistema.

19 Fialmete, o capítulo 6 apreseta as coclusões desta tese, e algumas perspectivas para pesquisa futura. 19

20 0. O sistema de maufatura como uma rede de filas Este capítulo mostra como os sistemas de maufatura podem ser represetados por redes de filas abertas. Iicialmete defie-se sistemas de maufatura discretos (seção.1), em seguida, discute-se como represetá-los por meio de redes de filas (seção.), e o capítulo termia com uma breve revisão dos exames da literatura (seção.3)..1 Sistemas discretos Coforme Buzacott e Shathikumar (1993), sistemas de maufatura cosistem basicamete de máquias e estações de trabalho ode operações são realizadas sobre partes, ites, submotages e motages, para criar produtos que serão distribuídos para clietes. Compoetes adicioais desses sistemas são a movimetação de materiais e os dispositivos de estocagem. Eles permitem que ites se movam de estação para estação, que partes apropriadas esteam dispoíveis para motagem, e que o trabalho sea matido até poder etrar as estações para processameto. O foco desta tese são os sistemas discretos de maufatura, ode cada item processado é distito. Tais sistemas aparecem pricipalmete as idústrias mecâicas, elétricas e eletrôicas, produzido, por exemplo, carros, refrigeradores, geradores elétricos, ou computadores. Sistemas que processam fluídos, como os ecotrados por exemplo as idústrias químicas e metalúrgicas, ão são aqui cosiderados, embora algumas vezes esses fluídos seam processados em lotes, e se cada lote for tomado como uma uidade de maufatura, etão o sistema estará processado partes discretas. Por simplicidade, um item, parte, submotagem ou motagem processada por uma máquia ou estação é chamado simplesmete de ob. Sistemas de maufatura discretos (ou, simplesmete, sistemas de maufatura) podem ser classificados em fução do volume e variedade dos obs. Tato a variedade dos tipos de obs maufaturados o sistema (i.e., o escopo), quato o volume de cada tipo de obs produzido (escala), iterferem diretamete o proeto e operação do sistema. Embora um sistema de maufatura com capacidade para grade escopo e grade escala pareça ser ideal para efretar mudaças as ecessidades dos clietes, o proeto dos produtos, e os processos de maufatura, tal sistema tederia a ser de difícil cotrole e pouco ecoômico para ser operado. Duas formas tradicioais de orgaizar um sistema de maufatura são o ob-shop e o flow-shop. Tipos de sistemas Job-shop: Tem sido estimado que mais de 75% da maufatura ocorre em lotes de meos de 50 obs (Aski e Stadridge, 1993) e, esses casos, as máquias precisam ser capazes de desempehar uma variedade de operações em diferetes tipos de obs. A resposta tradicioal

Faculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu Programação Diâmica Aula 3: Programação Diâmica Programação Diâmica Determiística; e Programação Diâmica Probabilística. Programação Diâmica O que é a Programação Diâmica? A Programação Diâmica é uma técica

Leia mais

UM MODELO DE PLANEJAMENTO DA PRODUÇÃO CONSIDERANDO FAMÍLIAS DE ITENS E MÚLTIPLOS RECURSOS UTILIZANDO UMA ADAPTAÇÃO DO MODELO DE TRANSPORTE

UM MODELO DE PLANEJAMENTO DA PRODUÇÃO CONSIDERANDO FAMÍLIAS DE ITENS E MÚLTIPLOS RECURSOS UTILIZANDO UMA ADAPTAÇÃO DO MODELO DE TRANSPORTE UM MODELO DE PLANEJAMENTO DA PRODUÇÃO CONSIDERANDO FAMÍLIAS DE ITENS E MÚLTIPLOS RECURSOS UTILIZANDO UMA ADAPTAÇÃO DO MODELO DE TRANSPORTE Debora Jaesch Programa de Pós-Graduação em Egeharia de Produção

Leia mais

Pesquisa Operacional

Pesquisa Operacional Faculdade de Egeharia - Campus de Guaratiguetá esquisa Operacioal Livro: Itrodução à esquisa Operacioal Capítulo 6 Teoria de Filas Ferado Maris fmaris@feg.uesp.br Departameto de rodução umário Itrodução

Leia mais

Problema de Fluxo de Custo Mínimo

Problema de Fluxo de Custo Mínimo Problema de Fluo de Custo Míimo The Miimum Cost Flow Problem Ferado Nogueira Fluo de Custo Míimo O Problema de Fluo de Custo Míimo (The Miimum Cost Flow Problem) Este problema possui papel pricipal etre

Leia mais

O erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais

O erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais José Paulo Careiro & Moacyr Alvim O erro da pesquisa é de 3% - o que sigifica isto? A Matemática das pesquisas eleitorais José Paulo Careiro & Moacyr Alvim Itrodução Sempre que se aproxima uma eleição,

Leia mais

PROTÓTIPO DE MODELO DE DIMENSIONAMENTO DE ESTOQUE

PROTÓTIPO DE MODELO DE DIMENSIONAMENTO DE ESTOQUE ROTÓTIO DE MODELO DE DIMENSIONAMENTO DE ESTOQUE Marcel Muk E/COE/UFRJ - Cetro de Tecologia, sala F-18, Ilha Uiversitária Rio de Jaeiro, RJ - 21945-97 - Telefax: (21) 59-4144 Roberto Citra Martis, D. Sc.

Leia mais

CAPÍTULO 8 - Noções de técnicas de amostragem

CAPÍTULO 8 - Noções de técnicas de amostragem INF 6 Estatística I JIRibeiro Júior CAPÍTULO 8 - Noções de técicas de amostragem Itrodução A Estatística costitui-se uma excelete ferrameta quado existem problemas de variabilidade a produção É uma ciêcia

Leia mais

LAYOUT CONSIDERAÇÕES GERAIS DEFINIÇÃO. Fabrício Quadros Borges*

LAYOUT CONSIDERAÇÕES GERAIS DEFINIÇÃO. Fabrício Quadros Borges* LAYOUT Fabrício Quadros Borges* RESUMO: O texto a seguir fala sobre os layouts que uma empresa pode usar para sua arrumação e por coseguite ajudar em solucioar problemas de produção, posicioameto de máquias,

Leia mais

Anexo VI Técnicas Básicas de Simulação do livro Apoio à Decisão em Manutenção na Gestão de Activos Físicos

Anexo VI Técnicas Básicas de Simulação do livro Apoio à Decisão em Manutenção na Gestão de Activos Físicos Aexo VI Técicas Básicas de Simulação do livro Apoio à Decisão em Mauteção a Gestão de Activos Físicos LIDEL, 1 Rui Assis rassis@rassis.com http://www.rassis.com ANEXO VI Técicas Básicas de Simulação Simular

Leia mais

Modelo Matemático para Estudo da Viabilidade Econômica da Implantação de Sistemas Eólicos em Propriedades Rurais

Modelo Matemático para Estudo da Viabilidade Econômica da Implantação de Sistemas Eólicos em Propriedades Rurais Modelo Matemático para Estudo da Viabilidade Ecoômica da Implatação de Sistemas Eólicos em Propriedades Rurais Josiae Costa Durigo Uiversidade Regioal do Noroeste do Estado do Rio Grade do Sul - Departameto

Leia mais

Módulo 4 Matemática Financeira

Módulo 4 Matemática Financeira Módulo 4 Matemática Fiaceira I Coceitos Iiciais 1 Juros Juro é a remueração ou aluguel por um capital aplicado ou emprestado, o valor é obtido pela difereça etre dois pagametos, um em cada tempo, de modo

Leia mais

INTRODUÇÃO. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...

INTRODUÇÃO. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ... INTRODUÇÃO Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário

Leia mais

Sistema Computacional para Medidas de Posição - FATEST

Sistema Computacional para Medidas de Posição - FATEST Sistema Computacioal para Medidas de Posição - FATEST Deise Deolido Silva, Mauricio Duarte, Reata Ueo Sales, Guilherme Maia da Silva Faculdade de Tecologia de Garça FATEC deisedeolido@hotmail.com, maur.duarte@gmail.com,

Leia mais

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br A seguir, uma demostração do livro. Para adquirir a versão completa em papel, acesse: www.pagia10.com.br Matemática comercial & fiaceira - 2 4 Juros Compostos Iiciamos o capítulo discorredo sobre como

Leia mais

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV DISCIPLINA: TGT410026 FUNDAMENTOS DE ESTATÍSTICA 8ª AULA: ESTIMAÇÃO POR INTERVALO

Leia mais

1.4- Técnicas de Amostragem

1.4- Técnicas de Amostragem 1.4- Técicas de Amostragem É a parte da Teoria Estatística que defie os procedimetos para os plaejametos amostrais e as técicas de estimação utilizadas. As técicas de amostragem, tal como o plaejameto

Leia mais

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA 5. INTRODUÇÃO É freqüete ecotrarmos problemas estatísticos do seguite tipo : temos um grade úmero de objetos (população) tais que se fossem tomadas as medidas

Leia mais

Mário Meireles Teixeira. Departamento de Informática, UFMA. mario@deinf.ufma.br. Técnicas de Modelagem. Técnicas de Avaliação de desempenho.

Mário Meireles Teixeira. Departamento de Informática, UFMA. mario@deinf.ufma.br. Técnicas de Modelagem. Técnicas de Avaliação de desempenho. Simulação Mário Meireles Teixeira Departameto de Iformática, UFMA mario@deif.ufma.br Técicas de Modelagem Técicas de Avaliação de desempeho Aferição Modelagem Protótipos Bechmarcks Coleta de Dados Rede

Leia mais

5 Proposta de Melhoria para o Sistema de Medição de Desempenho Atual

5 Proposta de Melhoria para o Sistema de Medição de Desempenho Atual 49 5 Proposta de Melhoria para o Sistema de Medição de Desempeho Atual O presete capítulo tem por objetivo elaborar uma proposta de melhoria para o atual sistema de medição de desempeho utilizado pela

Leia mais

Carteiras de Mínimo VAR ( Value at Risk ) no Brasil

Carteiras de Mínimo VAR ( Value at Risk ) no Brasil Carteiras de Míimo VAR ( Value at Risk ) o Brasil Março de 2006 Itrodução Este texto tem dois objetivos pricipais. Por um lado, ele visa apresetar os fudametos do cálculo do Value at Risk, a versão paramétrica

Leia mais

UM ESTUDO DO MODELO ARBITRAGE PRICING THEORY (APT) APLICADO NA DETERMINAÇÃO DA TAXA DE DESCONTOS

UM ESTUDO DO MODELO ARBITRAGE PRICING THEORY (APT) APLICADO NA DETERMINAÇÃO DA TAXA DE DESCONTOS UM ESTUDO DO MODELO ARBITRAGE PRICING THEORY (APT) APLICADO NA DETERMINAÇÃO DA TAXA DE DESCONTOS Viícius Atoio Motgomery de Mirada e-mail: vmotgomery@hotmail.com Edso Oliveira Pamploa e-mail: pamploa@iem.efei.rmg.br

Leia mais

Séries de Potências AULA LIVRO

Séries de Potências AULA LIVRO LIVRO Séries de Potêcias META Apresetar os coceitos e as pricipais propriedades de Séries de Potêcias. Além disso, itroduziremos as primeiras maeiras de escrever uma fução dada como uma série de potêcias.

Leia mais

O poço de potencial infinito

O poço de potencial infinito O poço de potecial ifiito A U L A 14 Meta da aula Aplicar o formalismo quâtico ao caso de um potecial V(x) que tem a forma de um poço ifiito: o potecial é ifiito para x < a/ e para x > a/, e tem o valor

Leia mais

SISTEMA DE AMORTIZAÇÃO FRANCÊS DESENVOLVIDO ATRAVÉS DA LINGUAGEM DE PROGRAMAÇÃO JAVA¹

SISTEMA DE AMORTIZAÇÃO FRANCÊS DESENVOLVIDO ATRAVÉS DA LINGUAGEM DE PROGRAMAÇÃO JAVA¹ SISTEMA DE AMORTIZAÇÃO FRANCÊS DESENVOLVIDO ATRAVÉS DA RESUMO LINGUAGEM DE PROGRAMAÇÃO JAVA¹ Deis C. L. Costa² Edso C. Cruz Guilherme D. Silva Diogo Souza Robhyso Deys O presete artigo forece o ecadeameto

Leia mais

Artículo técnico CVM-NET4+ Cumpre com a normativa de Eficiência Energética. Novo analisador de redes e consumo multicanal Situação actual

Artículo técnico CVM-NET4+ Cumpre com a normativa de Eficiência Energética. Novo analisador de redes e consumo multicanal Situação actual 1 Artículo técico Joatha Azañó Departameto de Gestão Eergética e Qualidade de Rede CVM-ET4+ Cumpre com a ormativa de Eficiêcia Eergética ovo aalisador de redes e cosumo multicaal Situação actual As ormativas

Leia mais

APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA

APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA UNIVERSIDADE DO ALGARVE ESCOLA SUPERIOR DE TECNOLOGIA APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (III ) ÁREA DEPARTAMENTAL DE ENGENHARIA CIVIL Ídice Itrodução Aplicação do cálculo matricial aos

Leia mais

Estatística stica para Metrologia

Estatística stica para Metrologia Estatística stica para Metrologia Aula Môica Barros, D.Sc. Juho de 28 Muitos problemas práticos exigem que a gete decida aceitar ou rejeitar alguma afirmação a respeito de um parâmetro de iteresse. Esta

Leia mais

4 Teoria da Localização 4.1 Introdução à Localização

4 Teoria da Localização 4.1 Introdução à Localização 4 Teoria da Localização 4.1 Itrodução à Localização A localização de equipametos públicos pertece a uma relevate liha da pesquisa operacioal. O objetivo dos problemas de localização cosiste em determiar

Leia mais

(1) Escola Politécnica da Universidade de São Paulo (2) E. J. Robba Consultoria & Cia. Ltda.

(1) Escola Politécnica da Universidade de São Paulo (2) E. J. Robba Consultoria & Cia. Ltda. Otimização da Qualidade de Forecimeto pela Localização de Dispositivos de Proteção e Seccioameto em Redes de Distribuição Nelso Kaga () Herá Prieto Schmidt () Carlos C. Barioi de Oliveira () Eresto J.

Leia mais

Lista 9 - Introdução à Probabilidade e Estatística

Lista 9 - Introdução à Probabilidade e Estatística UNIVERSIDADE FEDERAL DO ABC Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm

Leia mais

O oscilador harmônico

O oscilador harmônico O oscilador harmôico A U L A 5 Meta da aula Aplicar o formalismo quâtico ao caso de um potecial de um oscilador harmôico simples, V( x) kx. objetivos obter a solução da equação de Schrödiger para um oscilador

Leia mais

Calendário de inspecções em Manutenção Preventiva Condicionada com base na Fiabilidade

Calendário de inspecções em Manutenção Preventiva Condicionada com base na Fiabilidade Caledário de ispecções em Mauteção Prevetiva Codicioada com base a Fiabilidade Rui Assis Faculdade de Egeharia da Uiversidade Católica Portuguesa Rio de Mouro, Portugal rassis@rassis.com http://www.rassis.com

Leia mais

somente um valor da variável y para cada valor de variável x.

somente um valor da variável y para cada valor de variável x. Notas de Aula: Revisão de fuções e geometria aalítica REVISÃO DE FUNÇÕES Fução como regra ou correspodêcia Defiição : Uma fução f é uma regra ou uma correspodêcia que faz associar um e somete um valor

Leia mais

ANÁLISE DO PERFIL DOS FUNDOS DE RENDA FIXA DO MERCADO BRASILEIRO

ANÁLISE DO PERFIL DOS FUNDOS DE RENDA FIXA DO MERCADO BRASILEIRO III SEMEAD ANÁLISE DO PERFIL DOS FUNDOS DE RENDA FIXA DO MERCADO BRASILEIRO José Roberto Securato (*) Alexadre Noboru Chára (**) Maria Carlota Moradi Seger (**) RESUMO O artigo trata da dificuldade de

Leia mais

RESISTORES E RESISTÊNCIAS

RESISTORES E RESISTÊNCIAS ELETICIDADE CAPÍTULO ESISTOES E ESISTÊNCIAS No Capítulo estudamos, detre outras coisas, o coceito de resistêcia elétrica. Vimos que tal costitui a capacidade de um corpo qualquer se opôr a passagem de

Leia mais

Os juros compostos são conhecidos, popularmente, como juros sobre juros.

Os juros compostos são conhecidos, popularmente, como juros sobre juros. Módulo 4 JUROS COMPOSTOS Os juros compostos são cohecidos, popularmete, como juros sobre juros. 1. Itrodução Etedemos por juros compostos quado o fial de cada período de capitalização, os redimetos são

Leia mais

1.5 Aritmética de Ponto Flutuante

1.5 Aritmética de Ponto Flutuante .5 Aritmética de Poto Flutuate A represetação em aritmética de poto flutuate é muito utilizada a computação digital. Um exemplo é a caso das calculadoras cietíficas. Exemplo:,597 03. 3 Este úmero represeta:,597.

Leia mais

APOSTILA MATEMÁTICA FINANCEIRA PARA AVALIAÇÃO DE PROJETOS

APOSTILA MATEMÁTICA FINANCEIRA PARA AVALIAÇÃO DE PROJETOS Miistério do Plaejameto, Orçameto e GestãoSecretaria de Plaejameto e Ivestimetos Estratégicos AJUSTE COMPLEMENTAR ENTRE O BRASIL E CEPAL/ILPES POLÍTICAS PARA GESTÃO DE INVESTIMENTOS PÚBLICOS CURSO DE AVALIAÇÃO

Leia mais

CAP. I ERROS EM CÁLCULO NUMÉRICO

CAP. I ERROS EM CÁLCULO NUMÉRICO CAP I ERROS EM CÁLCULO NUMÉRICO 0 Itrodução Por método umérico etede-se um método para calcular a solução de um problema realizado apeas uma sequêcia fiita de operações aritméticas A obteção de uma solução

Leia mais

VII Equações Diferenciais Ordinárias de Primeira Ordem

VII Equações Diferenciais Ordinárias de Primeira Ordem VII Equações Difereciais Ordiárias de Primeira Ordem Itrodução As equações difereciais ordiárias são istrumetos esseciais para a modelação de muitos feómeos proveietes de várias áreas como a física, química,

Leia mais

Aula 7. Em outras palavras, x é equivalente a y se, ao aplicarmos x até a data n, o montante obtido for igual a y.

Aula 7. Em outras palavras, x é equivalente a y se, ao aplicarmos x até a data n, o montante obtido for igual a y. DEPARTAMENTO...: ENGENHARIA CURSO...: PRODUÇÃO DISCIPLINA...: ENGENHARIA ECONÔMICA / MATEMÁTICA FINANCEIRA PROFESSORES...: WILLIAM FRANCINI PERÍODO...: NOITE SEMESTRE/ANO: 2º/2008 Aula 7 CONTEÚDO RESUMIDO

Leia mais

Parte I - Projecto de Sistemas Digitais

Parte I - Projecto de Sistemas Digitais Parte I - Projecto de Sistemas Digitais Na disciplia de sistemas digitais foram estudadas técicas de desevolvimeto de circuitos digitais ao ível da porta lógica, ou seja, os circuito digitais projectados,

Leia mais

Guia do Professor. Matemática e Saúde. Experimentos

Guia do Professor. Matemática e Saúde. Experimentos Guia do Professor Matemática e Saúde Experimetos Coordeação Geral Elizabete dos Satos Autores Bárbara N. Palharii Alvim Sousa Karia Pessoa da Silva Lourdes Maria Werle de Almeida Luciaa Gastaldi S. Souza

Leia mais

Um arquivo digital para dados de monitorização

Um arquivo digital para dados de monitorização Um arquivo digital para dados de moitorização Fábio Costa, Gabriel David, Álvaro Cuha ViBest e INESC TEC, Faculdade de Egeharia Uiversidade do Porto {fabiopcosta, gtd, acuha}@fe.up.pt 1 Uidade de ivestigação

Leia mais

Capítulo 2 Análise Descritiva e Exploratória de Dados

Capítulo 2 Análise Descritiva e Exploratória de Dados UNIVERSIDADE FEDERAL DE SÃO CARLOS C E N T R O D E C I Ê N C I A S E X A T A S E D E T E C N O L O G I A D E P A R T A M E N T O D E E S T A T Í S T I C A INTRODUÇÃO AO PLANEJAMENTO E ANÁLISE ESTATÍSTICA

Leia mais

Uma Metodologia de Busca Otimizada de Transformadores de Distribuição Eficiente para qualquer Demanda

Uma Metodologia de Busca Otimizada de Transformadores de Distribuição Eficiente para qualquer Demanda 1 Uma Metodologia de Busca Otimizada de Trasformadores de Distribuição Eficiete para qualquer Demada A.F.Picaço (1), M.L.B.Martiez (), P.C.Rosa (), E.G. Costa (1), E.W.T.Neto () (1) Uiversidade Federal

Leia mais

PRESTAÇÃO = JUROS + AMORTIZAÇÃO

PRESTAÇÃO = JUROS + AMORTIZAÇÃO AMORTIZAÇÃO Amortizar sigifica pagar em parcelas. Como o pagameto do saldo devedor pricipal é feito de forma parcelada durate um prazo estabelecido, cada parcela, chamada PRESTAÇÃO, será formada por duas

Leia mais

ENGENHARIA ECONÔMICA AVANÇADA

ENGENHARIA ECONÔMICA AVANÇADA ENGENHARIA ECONÔMICA AVANÇADA INTRODUÇÃO MATERIAL DE APOIO ÁLVARO GEHLEN DE LEÃO gehleao@pucrs.br 1 1 Itrodução à Egeharia Ecoômica A egeharia, iserida detro do cotexto de escassez de recursos, pode aplicar

Leia mais

Modelando o Tempo de Execução de Tarefas em Projetos: uma Aplicação das Curvas de Aprendizagem

Modelando o Tempo de Execução de Tarefas em Projetos: uma Aplicação das Curvas de Aprendizagem 1 Modelado o Tempo de Execução de Tarefas em Projetos: uma Aplicação das Curvas de Apredizagem RESUMO Este documeto aborda a modelagem do tempo de execução de tarefas em projetos, ode a tomada de decisão

Leia mais

OTIMIZAÇÃO DA OPERAÇÃO DE TORRES DE RESFRIAMENTO

OTIMIZAÇÃO DA OPERAÇÃO DE TORRES DE RESFRIAMENTO OTIMIZAÇÃO DA OPERAÇÃO DE TORRES DE RESFRIAMENTO Kelle Roberta de Souza (1) Egeheira Química pela UNIMEP, Especialista em Gestão Ambietal pela UFSCar, Mestre em Egeharia e Tecologia Ambietal pela Uiversidad

Leia mais

MATEMÁTICA FINANCEIRA

MATEMÁTICA FINANCEIRA MATEMÁTICA FINANCEIRA VALOR DO DINHEIRO NO TEMPO Notas de aulas Gereciameto do Empreedimeto de Egeharia Egeharia Ecoômica e Aálise de Empreedimetos Prof. Márcio Belluomii Moraes, MsC CONCEITOS BÁSICOS

Leia mais

FILAS DE ESPERA. Notas baseadas em Introduction to Operations Research de Hillier e Lieberman.

FILAS DE ESPERA. Notas baseadas em Introduction to Operations Research de Hillier e Lieberman. FILA DE EPERA otas baseadas em Itroductio to Operatios Research de Hillier e Lieberma. 77 ETRUTURA BÁICA DO ITEMA DE FILA DE EPERA Quado um determiado serviço é procurado por vários clietes, poder-se-ão

Leia mais

CIRCUITOS SEQUÊNCIAIS

CIRCUITOS SEQUÊNCIAIS Coelh ho, J.P. @ Sistem mas Digita ais : Y20 07/08 CIRCUITOS SEQUÊNCIAIS O que é um circuito it sequêcial? Difereça etre circuito combiatório e sequecial... O elemeto básico e fudametal da lógica sequecial

Leia mais

Análise de Projectos ESAPL / IPVC. Critérios de Valorização e Selecção de Investimentos. Métodos Estáticos

Análise de Projectos ESAPL / IPVC. Critérios de Valorização e Selecção de Investimentos. Métodos Estáticos Aálise de Projectos ESAPL / IPVC Critérios de Valorização e Selecção de Ivestimetos. Métodos Estáticos Como escolher ivestimetos? Desde sempre que o homem teve ecessidade de ecotrar métodos racioais para

Leia mais

MAC122 Princípios de Desenvolvimento de Algoritmos EP no. 1

MAC122 Princípios de Desenvolvimento de Algoritmos EP no. 1 MAC122 Pricípios de Desevolvimeto de Algoritmos EP o. 1 Prof. Dr. Paulo Mirada 1 Istituto de Matemática e Estatística (IME) Uiversidade de São Paulo (USP) 1. Estrutura dos arquivos de images o formato

Leia mais

a taxa de juros i está expressa na forma unitária; o período de tempo n e a taxa de juros i devem estar na mesma unidade de tempo.

a taxa de juros i está expressa na forma unitária; o período de tempo n e a taxa de juros i devem estar na mesma unidade de tempo. UFSC CFM DEPARTAMENTO DE MATEMÁTICA MTM 5151 MATEMÁTICA FINACEIRA I PROF. FERNANDO GUERRA. UNIDADE 3 JUROS COMPOSTOS Capitalização composta. É aquela em que a taxa de juros icide sempre sobre o capital

Leia mais

MINISTÉRIO DAS CIDADES, ORDENAMENTO DO TERRITÓRIO E AMBIENTE Instituto do Ambiente PROCEDIMENTOS ESPECÍFICOS DE MEDIÇÃO DE RUÍDO AMBIENTE

MINISTÉRIO DAS CIDADES, ORDENAMENTO DO TERRITÓRIO E AMBIENTE Instituto do Ambiente PROCEDIMENTOS ESPECÍFICOS DE MEDIÇÃO DE RUÍDO AMBIENTE MINISÉRIO DAS CIDADES, ORDENAMENO DO ERRIÓRIO E AMBIENE Istituto do Ambiete PROCEDIMENOS ESPECÍFICOS DE MEDIÇÃO DE RUÍDO AMBIENE Abril 2003 . Equadrameto O presete documeto descreve a metodologia a seguir

Leia mais

Precificação orientada ao mercado: uma abordagem econométrica e de otimização

Precificação orientada ao mercado: uma abordagem econométrica e de otimização Precificação orietada ao mercado: uma abordagem ecoométrica e de otimização Rodrigo Araldo Scarpel (ITA) rodrigo@ita.br Resumo A estratégia de determiação do preço sedo customizada por marca, categoria,

Leia mais

O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li

O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li Média Aritmética Simples e Poderada Média Geométrica Média Harmôica Mediaa e Moda Fracisco Cavalcate(f_c_a@uol.com.br)

Leia mais

Otimização e complexidade de algoritmos: problematizando o cálculo do mínimo múltiplo comum

Otimização e complexidade de algoritmos: problematizando o cálculo do mínimo múltiplo comum Otimização e complexidade de algoritmos: problematizado o cálculo do míimo múltiplo comum Custódio Gastão da Silva Júior 1 1 Faculdade de Iformática PUCRS 90619-900 Porto Alegre RS Brasil gastaojuior@gmail.com

Leia mais

Probabilidades. José Viegas

Probabilidades. José Viegas Probabilidades José Viegas Lisboa 001 1 Teoria das probabilidades Coceito geral de probabilidade Supoha-se que o eveto A pode ocorrer x vezes em, igualmete possíveis. Etão a probabilidade de ocorrêcia

Leia mais

Jackknife, Bootstrap e outros métodos de reamostragem

Jackknife, Bootstrap e outros métodos de reamostragem Jackkife, Bootstrap e outros métodos de reamostragem Camilo Daleles Reó camilo@dpi.ipe.br Referata Biodiversa (http://www.dpi.ipe.br/referata/idex.html) São José dos Campos, 8 de dezembro de 20 Iferêcia

Leia mais

Tabela Price - verdades que incomodam Por Edson Rovina

Tabela Price - verdades que incomodam Por Edson Rovina Tabela Price - verdades que icomodam Por Edso Rovia matemático Mestrado em programação matemática pela UFPR (métodos uméricos de egeharia) Este texto aborda os seguites aspectos: A capitalização dos juros

Leia mais

PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO MESTRADO/UFMG 2008. são fixos (não aleatórios), α e β são parâmetros desconhecidos e os εi

PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO MESTRADO/UFMG 2008. são fixos (não aleatórios), α e β são parâmetros desconhecidos e os εi PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO MESTRADO/UFMG 008 Istruções para a prova: a) Cada questão respodida corretamete vale um poto. b) Questões deixadas em braco valem zero potos (este caso marque

Leia mais

2. Teoria das Filas. 2.1. Características estruturais dos sistemas de fila

2. Teoria das Filas. 2.1. Características estruturais dos sistemas de fila 2. Teoria das Filas Segudo Fogliatti (2007), a teoria das filas osiste a modelagem aalítia de proessos ou sistemas que resultam em espera e tem omo objetivo determiar e avaliar quatidades, deomiadas medidas

Leia mais

Rejane Corrrea da Rocha. Matemática Financeira

Rejane Corrrea da Rocha. Matemática Financeira Rejae Corrrea da Rocha Matemática Fiaceira Uiversidade Federal de São João del-rei 0 Capítulo 5 Matemática Fiaceira Neste capítulo, os coceitos básicos de Matemática Fiaceira e algumas aplicações, dos

Leia mais

ActivALEA. ative e atualize a sua literacia

ActivALEA. ative e atualize a sua literacia ActivALEA ative e atualize a sua literacia N.º 29 O QUE É UMA SONDAGEM? COMO É TRANSMIITIIDO O RESULTADO DE UMA SONDAGEM? O QUE É UM IINTERVALO DE CONFIIANÇA? Por: Maria Eugéia Graça Martis Departameto

Leia mais

CURTOSE. Teremos, portanto, no tocante às situações de Curtose de um conjunto, as seguintes possibilidades:

CURTOSE. Teremos, portanto, no tocante às situações de Curtose de um conjunto, as seguintes possibilidades: CURTOSE O que sigifica aalisar um cojuto quato à Curtose? Sigifica apeas verificar o grau de achatameto da curva. Ou seja, saber se a Curva de Freqüêcia que represeta o cojuto é mais afilada ou mais achatada

Leia mais

MATEMÁTICA FINANCEIRA COM MICROSOFT EXCEL

MATEMÁTICA FINANCEIRA COM MICROSOFT EXCEL MATEMÁTICA FINANCEIRA COM MICROSOFT EXCEL 2 OBJETIVO Trasmitir ao participate as formas de evolução do diheiro com o tempo as aplicações e empréstimos e istrumetos para aálise de alterativas de ivestimetos,

Leia mais

PROF. DR. JACQUES FACON

PROF. DR. JACQUES FACON PUCPR- Potifícia Uiversidade Católica Do Paraá PPGIA- Programa de Pós-Graduação Em Iformática Aplicada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ATRAVÉS DA PROJEÇÃO DO DISCRIMINANTE LINEAR DE FISHER SOBRE O

Leia mais

1. GENERALIDADES 2. CHEIA DE PROJETO

1. GENERALIDADES 2. CHEIA DE PROJETO Capítulo Previsão de Echetes. GENERALIDADES Até agora vimos quais as etapas do ciclo hidrológico e como quatificá-las. O problema que surge agora é como usar estes cohecimetos para prever, a partir de

Leia mais

Analisando o Risco de uma Carteira de Crédito via Simulações de Monte Carlo Resumo

Analisando o Risco de uma Carteira de Crédito via Simulações de Monte Carlo Resumo Aalisado o Risco de uma Carteira de Crédito via Simulações de Mote Carlo Resumo Neste trabalho, aalisamos a utiliação da metodologia CreditRis+ do Credit Suisse e sua adequação ao mercado brasileiro, com

Leia mais

PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato

PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato 1 PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato 1. Estimação: O objetivo da iferêcia estatística é obter coclusões a respeito de populações através de uma amostra extraída

Leia mais

INE 5111- ESTATÍSTICA APLICADA I - TURMA 05324 - GABARITO LISTA DE EXERCÍCIOS SOBRE AMOSTRAGEM E PLANEJAMENTO DA PESQUISA

INE 5111- ESTATÍSTICA APLICADA I - TURMA 05324 - GABARITO LISTA DE EXERCÍCIOS SOBRE AMOSTRAGEM E PLANEJAMENTO DA PESQUISA INE 5111- ESTATÍSTICA APLICADA I - TURMA 534 - GABARITO LISTA DE EXERCÍCIOS SOBRE AMOSTRAGEM E PLANEJAMENTO DA PESQUISA 1. Aalise as situações descritas abaixo e decida se a pesquisa deve ser feita por

Leia mais

Goiânia, 07 a 10 de outubro. Mini Curso. Tópicos em passeios aleatórios. Ms. Valdivino Vargas Júnior - Doutorando/IME/USP

Goiânia, 07 a 10 de outubro. Mini Curso. Tópicos em passeios aleatórios. Ms. Valdivino Vargas Júnior - Doutorando/IME/USP Goiâia, 07 a 10 de outubro Mii Curso Tópicos em passeios aleatórios Ms. Valdivio Vargas Júior - Doutorado/IME/USP TÓPICOS EM PASSEIOS ALEATÓRIOS VARGAS JÚNIOR,V. 1. Itrodução Cosidere a seguite situação

Leia mais

Introdução ao Estudo de Sistemas Lineares

Introdução ao Estudo de Sistemas Lineares Itrodução ao Estudo de Sistemas Lieares 1. efiições. 1.1 Equação liear é toda seteça aberta, as icógitas x 1, x 2, x 3,..., x, do tipo a1 x1 a2 x2 a3 x3... a x b, em que a 1, a 2, a 3,..., a são os coeficietes

Leia mais

GESTÃO DA CADEIA DE SUPRIMENTOS E A SEGURANÇA DO ALIMENTO: UMA PESQUISA EXPLORATÓRIA NA CADEIA EXPORTADORA DE CARNE SUÍNA

GESTÃO DA CADEIA DE SUPRIMENTOS E A SEGURANÇA DO ALIMENTO: UMA PESQUISA EXPLORATÓRIA NA CADEIA EXPORTADORA DE CARNE SUÍNA GESTÃO DA CADEIA DE SUPRIMENTOS E A SEGURANÇA DO ALIMENTO: UMA PESQUISA EXPLORATÓRIA NA CADEIA EXPORTADORA DE CARNE SUÍNA Edso Talamii CEPAN, Uiversidade Federal do Rio Grade do Sul, Av. João Pessoa, 3,

Leia mais

Aplicação de geomarketing em uma cidade de médio porte

Aplicação de geomarketing em uma cidade de médio porte Aplicação de geomarketig em uma cidade de médio porte Guilherme Marcodes da Silva Vilma Mayumi Tachibaa Itrodução Geomarketig, segudo Chasco-Yrigoye (003), é uma poderosa metodologia cietífica, desevolvida

Leia mais

AMOSTRAGEM. metodologia de estudar as populações por meio de amostras. Amostragem ou Censo?

AMOSTRAGEM. metodologia de estudar as populações por meio de amostras. Amostragem ou Censo? AMOSTRAGEM metodologia de estudar as populações por meio de amostras Amostragem ou Ceso? Por que fazer amostragem? população ifiita dimiuir custo aumetar velocidade a caracterização aumetar a represetatividade

Leia mais

ALOCAÇÃO DE VAGAS NO VESTIBULAR PARA OS CURSOS DE GRADUAÇÃO DE UMA INSTITUIÇÃO DE ENSINO SUPERIOR

ALOCAÇÃO DE VAGAS NO VESTIBULAR PARA OS CURSOS DE GRADUAÇÃO DE UMA INSTITUIÇÃO DE ENSINO SUPERIOR ALOCAÇÃO DE VAGAS NO VESTIBULAR PARA OS CURSOS DE GRADUAÇÃO DE UMA INSTITUIÇÃO DE ENSINO SUPERIOR Alexadre Stamford da Silva Programa de Pós-Graduação em Egeharia de Produção PPGEP / UFPE Uiversidade Federal

Leia mais

MATEMÁTICA FINANCEIRA E ENGENHARIA ECONÔMICA: a teoria e a prática

MATEMÁTICA FINANCEIRA E ENGENHARIA ECONÔMICA: a teoria e a prática UNIVERSIDADE FEDERAL DE SANTA CATARINA Roberta Torres MATEMÁTICA FINANCEIRA E ENGENHARIA ECONÔMICA: a teoria e a prática Trabalho de Coclusão de Curso submetido ao Curso de Matemática Habilitação Liceciatura

Leia mais

BASES DE DADOS I LTSI/2. Universidade da Beira Interior, Departamento de Informática Hugo Pedro Proença, 2010/2011

BASES DE DADOS I LTSI/2. Universidade da Beira Interior, Departamento de Informática Hugo Pedro Proença, 2010/2011 BASES DE DADOS I LTSI/2 Uiversidade da Beira Iterior, Departameto de Iformática Hugo Pedro Proeça, 200/20 Modelo Coceptual Modelo Coceptual de uma Base de Dados Esquematização dos dados ecessários para

Leia mais

SIME Sistema de Incentivos à Modernização Empresarial

SIME Sistema de Incentivos à Modernização Empresarial SIME Sistema de Icetivos à Moderização Empresarial O presete documeto pretede fazer um resumo da Portaria.º 687/2000 de 31 de Agosto com as alterações itroduzidas pela Portaria.º 865-A/2002 de 22 de Julho,

Leia mais

Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística

Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Uiversidade Federal de Mias Gerais Istituto de Ciêcias Exatas Departameto de Estatística Associação etre Variáveis Qualitativas - Teste Qui-Quadrado, Risco Relativo e Razão das Chaces (Notas de Aula e

Leia mais

CONTRIBUIÇÕES DA MODELAGEM MATEMÁTICA PARA O ENSINO MÉDIO: ÂNGULO DE VISÃO DAS CORES DO ARCO-ÍRIS

CONTRIBUIÇÕES DA MODELAGEM MATEMÁTICA PARA O ENSINO MÉDIO: ÂNGULO DE VISÃO DAS CORES DO ARCO-ÍRIS CONTRIBUIÇÕES DA MODELAGEM MATEMÁTICA PARA O ENSINO MÉDIO: ÂNGULO DE VISÃO DAS CORES DO ARCO-ÍRIS Profª. Drª. Vailde Bisogi UNIFRA vailde@uifra.br Prof. Rodrigo Fioravati Pereira UNIFRA prof.rodrigopereira@gmail.com

Leia mais

Fundamentos de Bancos de Dados 3 a Prova

Fundamentos de Bancos de Dados 3 a Prova Fudametos de Bacos de Dados 3 a Prova Prof. Carlos A. Heuser Dezembro de 2008 Duração: 2 horas Prova com cosulta Questão (Costrução de modelo ER) Deseja-se projetar uma base de dados que dará suporte a

Leia mais

MATEMÁTICA APLICADA À GESTÃO I

MATEMÁTICA APLICADA À GESTÃO I 00 MATEMÁTICA APLICADA À GESTÃO I TEXTO DE APOIO MARIA ALICE FILIPE ÍNDICE NOTAS PRÉVIAS ALGUNS CONCEITOS SOBRE SÉRIES6 NOTAS PRÉVIAS As otas seguites referem-se ao maual adoptado: Cálculo, Vol I James

Leia mais

INTRODUÇÃO À MATEMÁTICA E À ADMINISTRAÇÃO FINANCEIRA INTERVALAR

INTRODUÇÃO À MATEMÁTICA E À ADMINISTRAÇÃO FINANCEIRA INTERVALAR Uiversidade Federal do Rio Grade do Norte Cetro de Ciêcias Exatas e da Terra Departameto de Iformática e Matemática Aplicada Curso de Ciêcias da Computação INTRODUÇÃO À MATEMÁTICA E À ADMINISTRAÇÃO FINANCEIRA

Leia mais

ANDRÉ REIS MATEMÁTICA. 1ª Edição NOV 2013

ANDRÉ REIS MATEMÁTICA. 1ª Edição NOV 2013 ANDRÉ REIS MATEMÁTICA TEORIA 6 QUESTÕES DE PROVAS DE CONCURSOS GABARITADAS EXERCÍCIOS RESOLVIDOS Teoria e Seleção das Questões: Prof. Adré Reis Orgaização e Diagramação: Mariae dos Reis ª Edição NOV 0

Leia mais

Capitulo 6 Resolução de Exercícios

Capitulo 6 Resolução de Exercícios FORMULÁRIO Cojutos Equivaletes o Regime de Juros Simples./Vecimeto Comum. Descoto Racioal ou Por Detro C1 C2 Cm C1 C2 C...... 1 i 1 i 1 i 1 i 1 i 1 i 1 2 m 1 2 m C Ck 1 i 1 i k1 Descoto Por Fora ou Comercial

Leia mais

UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA IM 317 METODOLOGIA PARA PLANEJAMENTO EXPERIMENTAL E ANÁLISE DE RESULTADOS

UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA IM 317 METODOLOGIA PARA PLANEJAMENTO EXPERIMENTAL E ANÁLISE DE RESULTADOS UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA IM 37 METODOLOGIA PARA PLANEJAMENTO EXPERIMENTAL E ANÁLISE DE RESULTADOS PROF. DR. SÉRGIO

Leia mais

REGRESSÃO MÚLTIPLA: FERRAMENTA DE APOIO À DECISÃO NAS PESQUISAS MARKETING INSTITUCIONAL

REGRESSÃO MÚLTIPLA: FERRAMENTA DE APOIO À DECISÃO NAS PESQUISAS MARKETING INSTITUCIONAL REGRESSÃO MÚLTIPLA: FERRAMENTA DE APOIO À DECISÃO NAS PESQUISAS MARKETING INSTITUCIONAL CHARLES THIBES SARMENTO RESUMO Tecioa-se aalisar a regressão múltipla como auxílio às políticas istitucioais as pesquisas

Leia mais

Rentabilidade e risco de RENTABILIDADE investimento na produção... E RISCO DE INVESTIMENTO NA PRODUÇÃO DE PALMITO DE PUPUNHA (Bactris gasipaes Kunth.

Rentabilidade e risco de RENTABILIDADE investimento na produção... E RISCO DE INVESTIMENTO NA PRODUÇÃO DE PALMITO DE PUPUNHA (Bactris gasipaes Kunth. Retabilidade e risco de RENTABILIDADE ivestimeto a produção... E RISCO DE INVESTIMENTO NA PRODUÇÃO DE PALMITO DE PUPUNHA (Bactris gasipaes Kuth.) 53 Sidey Arauo Cordeiro, Márcio Lopes da Silva 2 (recebido:

Leia mais

UM NOVO OLHAR PARA O TEOREMA DE EULER

UM NOVO OLHAR PARA O TEOREMA DE EULER X Ecotro Nacioal de Educação Matemática UM NOVO OLHA PAA O TEOEMA DE EULE Iácio Atôio Athayde Oliveira Secretária de Educação do Distrito Federal professoriacio@gmail.com Aa Maria edolfi Gadulfo Uiversidade

Leia mais

Tópicos de Mecânica Quântica I. Equações de Newton e de Hamilton versus Equações de Schrödinger

Tópicos de Mecânica Quântica I. Equações de Newton e de Hamilton versus Equações de Schrödinger Tópicos de Mecâica Quâtica I Equações de Newto e de Hamilto versus Equações de Schrödiger Ferado Ferades Cetro de Ciêcias Moleculares e Materiais, DQBFCUL Notas para as aulas de Química-Física II, 010/11

Leia mais

Esta Norma estabelece o procedimento para calibração de medidas materializadas de volume, de construção metálica, pelo método gravimétrico.

Esta Norma estabelece o procedimento para calibração de medidas materializadas de volume, de construção metálica, pelo método gravimétrico. CALIBRAÇÃO DE MEDIDAS MATERIALIZADAS DE VOLUME PELO MÉTODO GRAVIMÉTRICO NORMA N o 045 APROVADA EM AGO/03 N o 01/06 SUMÁRIO 1 Objetivo 2 Campo de Aplicação 3 Resposabilidade 4 Documetos Complemetes 5 Siglas

Leia mais

FACULDADE DE ADMINISTRAÇÃO E NEGÓCIOS DE SERGIPE

FACULDADE DE ADMINISTRAÇÃO E NEGÓCIOS DE SERGIPE FACULDADE DE ADMINISTRAÇÃO E NEGÓCIOS DE SERGIPE CURSO: ENGENHARIA DE PRODUÇÃO ASSUNTO: INTRODUÇÃO ÀS EQUAÇÕES DIFERENCIAIS, EQUAÇÕES DIFERENCIAIS DE PRIMEIRA ORDEM SEPARÁVEIS, HOMOGÊNEAS, EXATAS, FATORES

Leia mais

Tópicos em Otimização. Otimização Linear - Aplicações

Tópicos em Otimização. Otimização Linear - Aplicações Tópicos em Otimização Otimização Liear - Aplicações Problemas tratados por otimização liear Problema da Mistura: Combiar materiais obtidos a atureza (ou restos de outros á combiados) para gerar ovos materiais

Leia mais

5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões

5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 2013/2014 Istruções: 1. Cada questão respodida corretamete vale 1 (um) poto. 2. Cada questão respodida

Leia mais

Probabilidade e Estatística. Probabilidade e Estatística

Probabilidade e Estatística. Probabilidade e Estatística Probabilidade e Estatística i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................

Leia mais