Pesquisa Operacional Aplicada à Mineração
|
|
- Benedicto Capistrano
- 4 Há anos
- Visualizações:
Transcrição
1 Pesquisa Operacional Aplicada à Mineração Módulo de Otimização Parte II Prof. Marcone J. F. Souza Prof. Túlio A. M. Toffolo Departamento de Computação Universidade Federal de Ouro Preto 1
2 Prof. Marcone Jamilson Freitas Souza Departamento de Computação Universidade Federal de Ouro Preto Prof. Túlio Ângelo Machado Toffolo Departamento de Computação Universidade Federal de Ouro Preto 2
3 Roteiro Problema de Transporte Problema de Alocação de Ordens de Serviço Problema de Dimensionamento de Lotes Problema das Usinas com Metas Problema das p-medianas não Capacitado Problema das p-medianas Capacitado Problema dos p-centros Problema de Alocação Dinâmica de Caminhões 3
4 PROBLEMA DE TRANSPORTE 4
5 Problema de Transporte Há um conjunto de minas produtoras de minério Há um conjunto de usinas que processam os minérios provenientes das minas Há um custo de transporte de minério de uma mina para uma usina Cada mina tem uma capacidade de produção mensal Cada usina tem uma demanda mensal Cada mina tem um custo fio se for usada Determinar a estratégia ótima de transporte 5
6 Problema de Transporte Usinas Mina Cap (t/mês) Custo ($) ,5 10,8 12, ,5 12,7 9, Demanda (t/mês)
7 Problema de Transporte cap 1 f 1 c 11 dem 1 cap 2 f 2 c 12 c 13 dem 2 cap 3 f 3 cap 4 dem 3 f 4 Minas Usinas 7
8 Problema de Transporte Dados de entrada: Minas = Conjunto de minas Usinas = Conjunto de usinas cap i = capacidade de produção, em toneladas/mês, da mina i dem j = quantidade de minério demandado pela usina j, em ton/mês f i = custo fio de uso da mina i, em $ c ij = custo de transporte de minério proveniente da mina i para abastecer a usina j, em $/tonelada/mês 8
9 Problema de Transporte Variáveis de decisão: ij = Quantidade de minério, em toneladas/mês, a ser transportado da mina i para abastecer a usina j y i = 1 se a mina i for usada e 0, caso contrário 9
10 Problema de Transporte Como oferta (minas) > demanda (usinas): Toda a demanda será atendida Função objetivo: minimizar o custo de transporte mais o custo fio pelo uso das minas usadas min + ij ij i Minas j Usinas i Minas c f i y i 10
11 Problema de Transporte A capacidade de produção das minas deve ser respeitada ij j Usinas cap i i Minas Toda a demanda é atendida (oferta > demanda) ij i Minas = dem j j Usinas 11
12 Problema de Transporte Uma mina só pode ser usada se houver produção y i cap ij j Usinas i i Minas Não negatividade e integralidade y i {0,1 } i Minas ij 0 i Minas, j Usinas 12
13 Problema de Transporte Relativamente ao problema anterior, supor que se houver transporte de minério de uma mina i para uma usina j, então a quantidade ij transportada não pode ser inferior a transpmin. ij z ij ij i Minas, j Usinas cap i transpmin z i Minas, j Usinas ij z ij {0,1} i Minas, j Usinas 13
14 Problema de Transporte Se oferta (minas) < demanda (usinas): i Minas j Usinas i Minas min c ij ij + f i Todas as minas serão utilizadas ij j Usinas = cap i i Minas Toda a produção é consumida ij i Minas dem j j Usinas Nem toda a demanda é atendida ij 0 i Minas, j Usinas 14
15 ALOCAÇÃO DE ORDENS DE SERVIÇO 15
16 Alocação de Ordens de Serviço Deseja-se eecutar um conjunto de ordens de serviço (Servicos) em um conjunto de dias (Dias). Cada ordem de serviço i Servicos demanda d i horas de serviço e a ela está associada uma prioridade p i [1, 5], sendo que quanto maior o valor de p i, maior a prioridade. Conhecendo-se a quantidade cap j disponível de horas de serviço por dia, determinar a alocação diária de ordens de serviço cujo somatório das prioridades seja máima. 16
17 Alocação de Ordens de Serviço Serviços Duração Prioridade Dias s1 2 4 Seg Ter Qua s s3 5 1 s4 4 4 s5 6 1 s6 3 2 s s8 8 3 s9 7 4 s
18 Alocação de Ordens de Serviço Dados de entrada: d i = duração do serviço i p i = prioridade do serviço i cap j = número de horas de serviço disponíveis no dia j Variáveis: ij = 1 se o serviço i for eecutado no dia j ou zero caso contrário 18
19 Alocação de Ordens de Serviço ma i Servicos j Dias p i ij j Dias ij 1 i Servicos Um serviço i, se eecutado, deve ser realizado em um único dia; d i i Serviços ij cap j j Dias Em um dado dia j os servicos eecutados têm que respeitar a disponibilidade de horas ij {0,1} i Servicos, j Dias As variáveis envolvidas são binárias (0 ou 1) 19
20 Alocação de Ordens de Serviço Reescreva a função objetivo para que as ordens de serviço de maior prioridade sejam realizadas nos dias iniciais do horizonte de planejamento e que toda a disponibilidade de mão-de-obra seja sempre que possível atendida.
21 PROBLEMA DAS USINAS COM METAS 21
22 Usinas com metas Usinas: conjunto de usinas (índice l) Minas: conjunto de minas (índice k) Parametros: conjunto de parâmetros de controle (índice j) Frentes: conjunto de frentes de lavra (índice i) t kij = teor do parâmetro de controle j da frente i da mina k tr lj = teor recomendado (meta) para o parâmetro j na usina l tu lj = teor máimo permitido para o parâmetro j na usina l tl lj = teor mínimo permitido para o parâmetro j na usina l wm lj = peso por desvio de meta do parâmetro j da usina l Qu ik = massa contida na frente i da mina k req l = demanda da usina l cap k = capacidade da mina k 22
23 Usinas com metas Determinar a produção de cada frente equilibrando a produção das minas, assim como minimizar o desvio de qualidade dos parâmetros de controle de cada usinas, bem como o número de minas usadas Variáveis de decisão: lik = quantidade de minério a ser retirada da frente i da mina k para abastecer a usina l z k = 1 se a mina k for usada e 0, caso contrário dnp k1,k2 = desvio negativo de produção entre as minas k1 e k2 dpp k1,k2 = desvio positivo de produção entre as minas k1 e k2 dnm lj = desvio negativo de meta do parâmetro j da usina l dpm lj = desvio positivo de meta do parâmetro j da usina l 23
24 Usinas com metas: Restrições O limite superior de especificação de cada parâmetro de controle j deve ser atendido para cada usina: ( t ) kij tulj lik 0 j Parametros, l Usinas k Minas i Frentes O limite inferior de especificação de cada parâmetro de controle j deve ser atendido para cada usina: ( t ) kij tllj lik 0 j Parametros, l Usinas k Minas i Frentes 24
25 Usinas com metas: Restrições Deve-se tentar atender a meta de qualidade para cada parâmetro de controle j : ( t tr ) kij lj k Minas i Frentes lik dpm lj + dnm lj = 0 j Parametros l Usinas Os desvios dpm ij e dnm ij devem ser penalizados (minimizados) na função objetivo. 25
26 Usinas com metas: Restrições As demandas (requisições) de minério de cada usina l devem ser atendidas: k Minas i Frentes lik = req l l Usinas 26
27 Usinas com metas: Restrições A quantidade de minério retirada das frentes de cada mina não pode superar a quantidade máima disponível: lik l Usinas Qu ik k Minas, i Frentes As capacidades das minas devem ser respeitadas: lik i Frentes l Usinas cap k k Minas 27
28 Usinas com metas: Restrições Rítimos mínimo e máimo devem ser respeitados: lik l Usinas ritmin 0 ik ritmin ik k Minas, i Frentes lik l Usinas ritma 0 ik ritma ik k Minas, i Frentes 28
29 Usinas com metas: Função objetivo Função objetivo: minimizar os desvios de meta de cada parâmetro de controle: min ( wm + ) ljdpm lj wm ljdnm lj l Usinas j Parametros 29
30 Usinas com metas: Restrições Para qualquer par de minas k 1 e k 2, a quantidade de minério que sai de suas frentes para atender as usinas deve ser a mais equilibrada possível: lik i Frentes l Usinas 1 + dnpk k dppk k = lik i Frentes l Usinas 2 k k 2 Minas 1, Minas Melhoria: gerar as restrições apenas se k 2 > k 1. Reduz em mais de 50% o número de restrições geradas!!! 30
31 Usinas com metas: Função Objetivo Função objetivo: minimizar os desvios de meta de cada parâmetro de controle e equilibrar as produções das diferentes minas: min l Usinas j Parametros ( wm dpm + wm dnm )+ lj lj lj lj k ( dpp + ) k k dnp k k Minas k 1 2 Minas
32 Usinas com metas: Restrições Para minimizar o número de minas utilizadas, podemos criar a restrição a seguir: Se z k = 1 então a mina k é usada: z k lik i Frentes l Usinas cap k k Minas cap k 0 z k { 0, } k Minas 1 O número de minas utilizadas será o somatório de z k 32
33 Usinas com metas: Função Objetivo Função objetivo: minimizar os desvios de meta de cada parâmetro de controle, equilibrar as produções das minas bem como minimizar o número de minas utilizadas: min k l Usinas j Parametros Minas k 1 2 Minas ( wm dpm + wm dnm )+ lj ( dpp k + dnp )+ 1 k 2 lj k 1 k 2 lj lj z k k Minas 33
34 PROBLEMA DE DIMENSIONAMENTO DE LOTES 34
35 Dimensionamento de Lotes Empresas precisam produzir diversos tipos de produtos solicitados por diferentes clientes Produtos devem estar prontos em datas previamente agendadas A capacidade de produção é limitada (máquinas, mãode-obra, etc) Necessário se faz planejar a produção Decidir o quê produzir, quanto produzir, isto é, dimensionar os lotes de produção, e quando produzir (em cada período do horizonte de planejamento) 35
36 Dimensionamento de Lotes A necessidade de antecipação da fabricação de produtos (estocados de um período para outro) acarreta custos de estocagem e algumas dificuldades operacionais No planejamento da produção deseja-se determinar o tamanho dos lotes de produção para atender a demanda na data solicitada, de modo que a soma dos custos de produção e estocagem seja mínima. 36
37 Dimensionamento de Lotes Imagine o atendimento a uma encomenda para entregar um produto ao longo de um período de tempo. São dados, para cada mês: Demanda Custo de produção Custo de estocagem Considere que o estoque inicial seja de 3 unidades Elabore um modelo de PLI que minimize o custo total de produção e estocagem. 37
38 Dimensionamento de Lotes Mês Cap. Produção (unid) Demanda (unid.) Custo de estocagem (R$) Custo de prod. (R$)
39 Dimensionamento de Lotes Dados de entrada: meses = conjunto dos meses de produção cprod t = custo de produção no mês t cest t = custo de estoque no mês t demanda t = demanda no mês t cap t = capacidade de produção no mês t estinicial = estoque inicial 39
40 Dimensionamento de Lotes Variáveis de decisão: t = quantidade do produto a ser produzida no mês t e t = quantidade do produto a ser estocada no mês t 40
41 Dimensionamento de Lotes Função objetivo: minimizar os custos de produção e de estocagem min ( cprod + ) t t cesttet t Meses 41
42 Dimensionamento de Lotes Conservação de fluo no final do mês 1: e 1 = estinicial + 1 demanda1 Conservação de fluo ao final de cada mês t> 1: e t = et 1 + t demanda t t Meses t > 1 42
43 Dimensionamento de Lotes Respeito à capacidade de produção em cada mês: t cap t t Meses 43
44 Dimensionamento de Lotes min ( cprod + ) t t cesttet t Meses e 1 = estinicial + 1 demanda1 Conservação de fluo no final do mês 1: e t = et 1 + t demanda t t Meses t > 1 Conservação de fluo ao final de cada mês t > 1: t cap t Meses t Capacidade de produção e t, 0 t Meses 0 Não-negatividade t 44
45 DIMENSIONAMENTO DE LOTES COM VÁRIOS PRODUTOS 45
46 Dimensionamento de Lotes (n produtos) Considere uma empresa que fabrica n produtos e deseja programar sua produção nos próimos T períodos de tempo. É conhecida a demanda de cada produto em cada período do horizonte de planejamento. Em cada período, os recursos necessários para a produção são limitados e renováveis, isto é, uma quantidade de recursos está sempre disponível (mão-de-obra, horas-de-máquina, etc.). Há a possibilidade de estocagem de produtos de um período para outro 46
47 Dimensionamento de Lotes (n produtos) Dados de entrada: demanda it : demanda do produto i no período t cap t : disponibilidade de recursos no período t consumo i : quantidade de recursos necessários para a produção de uma unidade do produto i cprod it : custo de produzir uma unidade de i no período t cest it : custo de estocar uma unidade de i no período t Estoques iniciais estinicial i são dados 47
48 Dimensionamento de Lotes (n produtos) Variáveis de decisão: it : número de produtos i produzidos no período t e it : número de produtos i em estoque no final do período t 48
49 Dimensionamento de Lotes e min e it ( cprod + ) it it cestiteit i Produtos t Meses i1 = estiniciali + i 1 demanda Conservação de fluo ao i1 final do mês 1 = ei, t 1 + it demanda it Conservação de fluo ao final de cada mês t > 1: i Produtos, t Meses t > 1 i Produtos consumo i it cap t t Meses Restrições de capacidade e it Ζ +, i Produtos, t it Ζ + Meses Integralidade das variáveis 49
50 PROBLEMA DAS P-MEDIANAS 50
51 Problema das p-medianas Problema de localização de facilidades: dado um número n de clientes (pontos de demanda), encontrar os p pontos de suprimento que minimizem o custo de cada ponto de demanda a seu respectivo ponto de suprimento. Aplicações na localização de fábricas, usinas, centros de distribuição, centros de saúde, etc. 51
52 Problema das p-medianas Dados de entrada: Locais: Conjunto de locais Facilidades: Conjunto de possíveis locais para instalação de facilidades p = número de facilidades a serem instaladas c ij = custo de atendimento de um local j por uma facilidade instalada em i demanda j = demanda do local j f i = custo de instalação da facilidade no local i 52
53 Problema das p-medianas capacitado Variáveis de decisão: ij = 1 se o local j for atendido pela facilidade instalada em i e zero caso contrário. y i = 1 se a facilidade for instalada em i e zero caso contrário. 53
54 Problema das p-medianas capacitado Função objetivo: min i Facilidades c ij j Locais ij + f i i Facilidades y i 54
55 Problema das p-medianas Cada local é atendido por uma única facilidade: ij i Facilidades = 1 j Locais Devem ser instaladas p facilidades: yi = i Facilidades p 55
56 Problema das p-medianas Um local só pode ser atendido por uma facilidade i se ela tiver sido instalada: ij y i Facilidades, j i Locais As variáveis de decisão ( ij e y i ) devem ser binárias: ij {0,1} i Facilidades, j Locais y i {0,1} i Facilidades 56
57 Problema das p-medianas min i Facilidades c ij ij + j Locais i Facilidades f i y i ij i Facilidades = 1 j Locais y i = p i Facilidades ij y i Facilidades, j i Locais ij {0,1} i Facilidades, j Locais y i {0,1} i Facilidades 57
58 PROBLEMA DAS P-MEDIANAS CAPACITADO 58
59 Problema das p-medianas capacitado Dados de Entrada Adicionais: cap i = capacidade (recursos) da facilidade i demanda j = demanda de recursos do local j Função objetivo: (idêntica ao problema não capacitado) min i Facilidades c ij ij + j Locais i Facilidades f i y i 59
60 Problema das p-medianas capacitado A demanda de um local j só pode ser atendida por uma facilidade i que comporte este atendimento: j Locais demanda j ij cap i y i i Facilidades 60
61 Problema dos p-centros min i Facilidades c ij ij + j Locais i Facilidades f i y i j Locais demanda j ij cap i y i i Facilidades ij i Facilidades ij = 1 j Locais y p y i Facilidades, j Locais i i = i Facilidades ij {0,1} i Facilidades, j Locais y i {0,1} i Facilidades 61
62 PROBLEMA DOS P-CENTROS 62
63 Problema dos p-centros Objetivo é o de minimizar a distância máima entre um local j e a facilidade i a ele designada. Minimizar r, onde r é a maior distância entre uma facilidade e seu local de atendimento: d ij ij r i Facilidades, j Locais 63
64 Problema dos p-centros min r d ij ij r i Facilidades, j Locais ij i Facilidades ij = 1 j Locais y p y i Facilidades, j Locais i i = i Facilidades ij {0,1} i Facilidades, j Locais y i {0,1} i Facilidades 64
65 Problema dos p-centros min r d ij i Facilidades ij r j Locais ij i Facilidades ij = 1 j Locais y p y i Facilidades, j Locais i i = i Facilidades ij {0,1} i Facilidades, j Locais y i {0,1} i Facilidades 65
66 PROBLEMA DA ALOCAÇÃO DINÂMICA DE CAMINHÕES 66
67 Alocação Dinâmica de Caminhões carregadeiras Caminhão 1 Frente 1 Carregadeira 1 Caminhão 2 Frente 2 Mistura Desejada Carregadeira 2 Caminhão 3 Frente 3 frentes = minerio esteril Caminhão 4 ca minhoes 67
68 Alocação Dinâmica de Caminhões Dados de entrada (1): t ij : Teor do parâmetro j na frente i (%); tl j : Teor mínimo admissível para o parâmetro j (%); tu j : Teor máimo admissível para o parâmetro j (%); tr j : Teor recomendado para o parâmetro j (%); wnm j : Peso por desvio negativo para o parâmetro j; wpm j : Peso por desvio positivo para o parâmetro j; wpp: Peso por desvio positivo de produção; wnp: Peso por desvio negativo de produção; 68
69 Alocação Dinâmica de Caminhões Dados de entrada (2): Qu i : Massa disponível na frente i (t); tempciclo i : Tempo de ciclo de caminhões para a frente i; estmin i : Se a frente i é de minério (1) ou estéril (0); Cu k : Produção máima da carregadeira k (t/h); Cl k : Produção mínima da carregadeira k (t/h); capcam l : Capacidade do caminhão l (t); comp lk : Se o caminhão l é compatível (1) ou não (0) com a carregadeira k; rem: Relação estéril/minério. 69
70 Alocação Dinâmica de Caminhões Variáveis de decisão: i : Ritmo de lavra para a frente i (t/h); y ik : 1 se a carregadeira k opera na frente i e 0 c.c.; usou l = 1 se o caminhão l for usado e 0 caso contrário; n li : Viagens que o caminhão l realiza à frente i; dnm j e dpm j : Desvios negativo e positivo da meta do parâmetro j (t/h); dnu l edpu l : Desvios negativo e positivo de utilização do caminhão l; dnp e dpp: Desvios negativo e positivo de produção; 70
71 Alocação Dinâmica de Caminhões Função objetivo min ( wnm + ) jdnm j wpm jdpm j j Parametros wnp dnp + wnp dpp + l Caminhoes + CapCam usou l l 71
72 Problema da Mistura epandido Admite-se que haja falta (dnm j ) ou ecesso (dpm j ) do parâmetro j na mistura em relação à meta de qualidade ( t ) ij trj i + dnm j dpm j = 0 j Parametros i Frentes estmin i = 1 Os desvios dnm j e dpm j devem ser penalizados na função objetivo. 72
73 Alocação Dinâmica de Caminhões Atendimento aos limites de especificação (obrigatório): ( t ) ij tu j i 0 j Parametros i Frentes estmin i = 1 ( t ) ij tl j i 0 j Parametros i Frentes estmin i = 1 73
74 Alocação Dinâmica de Caminhões A produção deve respeitar o máimo admitido: i i Frentes estmin i = 1 pu j Parametros A produção deve respeitar o mínimo admitido: i i Frentes estmin i = 1 pl j Parametros 74
75 Alocação Dinâmica de Caminhões A meta de produção deve ser buscada sempre que possível. i i Frentes estmin i = 1 + dnp dpp = pr j Parametros A relação estéril/minério deve ser atendida: rem i i i Frentes i Frentes estmini = 0 estmin i = 1 0 j Parametros 75
76 Alocação Dinâmica de Caminhões No máimo uma carregadeira operando em cada frente y ik k Carregadeiras 1 i Frentes y = y F1 i1 = 1 y = 1 i Cg1 y 22 =1 Cg2 F2 76
77 Alocação Dinâmica de Caminhões Cada carregadeira deve operar em no máimo uma frente. y ik i Frentes 1 k Carregadeiras y 11 = 1 Cg1 y 21 = 0 1 = 1 y k F1 y 12 = 0 Cg2 y 22 = 1 y 2 k = 1 F2 y 13 = 0 Cg3 y 23 = 0 77
78 Alocação Dinâmica de Caminhões O ritmo de lavra da frente i deve ser maior do que a produtividade mínima da carregadeira k alocada à frente i Cl k k Carregadeiras y ik i Frentes O ritmo de lavra da frente i deve ser menor do que a produtividade máima da carregadeira k alocada à frente i Cu k k Carregadeiras y ik i Frentes 78
79 Alocação Dinâmica de Caminhões Cada caminhão l deve realizar viagens apenas à uma frente i que esteja alocada uma carregadeira compatível n il tempciclo i 60y ik k Carregadeiras comp lk = 1 i Frentes, l Caminhoes n il Ζ + i Frentes, l Caminhoes 79
80 Alocação Dinâmica de Caminhões Cada caminhão l deve operar no máimo 60 minutos n il i Frentes tempciclo i 60 l Caminhoes n = 3 e T = 10 min F1 n = 2 e T = 10 min n T i1 i1 = 50 min Ca1 n = 1 e T = 15 min F2 n = 3 e T = 5 min n T Ca2 i2 i2 = 55 min n = 1 e T = 5 min F3 n = 1 e T = 20 min
81 Alocação Dinâmica de Caminhões O ritmo de lavra da frente i deve ser igual à produção realizada pelos caminhões alocados à frente i = n il l Caminhoes capcam l i Frentes n11 = 3 e cap1 = 50 t 1 = n1 lcapl = 330 t/h n21 = 2 e cap2 = 50 t F1 Ca1 Ca2 n = 2 e cap = 50 t = n2 lcapl = 260 t/h F2 n = 1 e t = 80 t Ca3 n = 2 e cap = 80 t
82 Alocação Dinâmica de Caminhões Um caminhão é usado se ele faz alguma viagem a alguma frente usou usou l l i Frentes tempciclo n 60 { 0, } l Caminhoes 1 i il l Caminhoes 82
Introdução à Otimização: modelagem
Introdução à Otimização: modelagem Prof. Marcone J. F. Souza Prof. Túlio A. M. Toffolo marcone.freitas@yahoo.com.br Departamento de Computação Universidade Federal de Ouro Preto Introdução à otimização
Leia maisPesquisa Operacional Aplicada à Mineração
Pesquisa Operacional Aplicada à Mineração Módulo de Otimização Parte III Prof. Marcone J. F. Souza Prof. Túlio A. M. Toffolo marcone.freitas@yahoo.com.br tulio@toffolo.com.br Departamento de Computação
Leia maisSistemas de Distribuição Localização de Bases Definição da Rede
Sistemas de Distribuição Localização de Bases Definição da Rede Otimização Matemática Problema de Transporte Problema de Transbordo Problema de Transbordo com Custo Fio Problema de Fluo Máimo Problema
Leia maisPesquisa Operacional Aplicada à Mineração
Pesquisa Operacional Aplicada à Mineração Módulo de Otimização Parte I Prof. Marcone J. F. Souza Prof. Túlio A. M. Toffolo marcone.freitas@yahoo.com.br tulio@toffolo.com.br Departamento de Computação Universidade
Leia maisOtimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana
Otimização Linear Profª : Adriana Departamento de Matemática adriana@fc.unesp.br wwwp.fc.unesp.br/~adriana Problema da Mistura minimizar f ( 1, 2,..., n ) = c 1 1 + c 2 2 +... + c n n Sujeito a: a 11 1
Leia maisPesquisa Operacional Aplicada à Mineração
Pesquisa Operacional Aplicada à Mineração Módulo de Otimização Parte II-b Prof. Marcone J. F. Souza Prof. Túlio A. M. Toffolo marcone.freitas@yahoo.com.br tulio@toffolo.com.br Departamento de Computação
Leia maisProgramação Matemática
Programação Matemática Professora: Maristela Oliveira dos Santos Auxilio 2009: Victor C.B. Camargo Auxilio 2010 - PAE: Marcos Mansano Furlan Instituto de Ciências Matemáticas e de Computação - ICMC Universidade
Leia maisMatemática Aplicada Nt Notas de aula
Matemática Aplicada Nt Notas de aula Problema de transporte e designação Problema de transporte: motivação origem 1 destino 1 origem 2 destino 2 destino 3 Caracterização geral Dados: A estrutura de fontes
Leia maisPROGRAMAÇÃO INTEIRA. Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto 5 modelos
PROGRAMAÇÃO INTEIRA Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto 5 modelos M9.1 - Problema de Seleção de Projetos ver Taha Capítulo 9 Cinco projetos estão sob avaliação
Leia maisLista 3 - Exercícios sobre Modelagem Matemática
1 Lista 3 - Exercícios sobre Modelagem Matemática 1) Uma empresa de Agricultura quer decidir quais e em que quantidade os alimentos soja, arroz e feijão devem ser plantados em uma determinada área de forma
Leia maisMin cx (1) s a Ax = b (2) 0 x u, (3) sendo que b i = 0 (4)
Min c () s a A b () 0 u, () sendo que b i 0 () A equação () minimizar o custo devido ao fluo que passa através dos arcos da rede. A equação () garante o equilíbrio de fluo em cada nó da rede. A restrição
Leia maisUma nova formulação de programacão matemática para o problema de planejamento de lavra
Uma nova formulação de programacão matemática para o problema de planejamento de lavra Guido Pantuza Júnior (UFOP, MG, Brasil) gpantuza@demin.ufop.br Campus Universitário, Morro do Cruzeiro, CEP: 35400-000,
Leia maisAula 08: Modelagem Otimização Linear e Inteira Túlio A. M. Toffolo
Aula 08: Modelagem Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464/PCC174 2018/2 Departamento de Computação UFOP Previously... Aulas anteriores: Modelagem (básico) Método
Leia maisAula 09: Modelagem / Variáveis inteiras
Aula 09: Modelagem / Variáveis inteiras Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464/PCC174 2018/2 Departamento de Computação UFOP Previously... Aulas anteriores sobre
Leia maisLista 3 - Exercícios sobre Modelagem Matemática
1 Lista 3 - Exercícios sobre Modelagem Matemática 1) Uma empresa de Agricultura quer decidir quais e em que quantidade os alimentos soja, arroz e feijão devem ser plantados em uma determinada área de forma
Leia maisAula 03: Algoritmo Simplex (Parte 2)
Aula 03: Algoritmo Simplex (Parte 2) Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464/PCC174 2018/2 Slides baseados no material de Haroldo Gambini Previously... Aula anterior:
Leia maisAplicações de PL possíveis até o momento
Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão Pesquisa Operacional Síntese Problemas Interessantes Prof. Dr. José Arnaldo Barra Montevechi Aplicações de PL possíveis até
Leia maisIntrodução à Otimização: Programação Linear
Introdução à Otimização: Programação Linear Marcone Jamilson Freitas Souza Departamento de Computação Programa de Pós-Graduação em Ciência da Computação Universidade Federal de Ouro Preto http://www.decom.ufop.br/prof/marcone
Leia maisModelagem de problemas de programação linear
Otimização Combinatória c Graduação em Engenharia de Controle e Automação/Universidade Federal de Ouro Preto Modelagem de problemas de programação linear Marcone Jamilson Freitas Souza, Departamento de
Leia maisModelo matemático e algoritmo de apoio para auxílio ao sequenciamento e programação de lavra com alocação de equipamentos de carga
Modelo matemático e algoritmo de apoio para auxílio ao sequenciamento e programação de lavra com alocação de equipamentos de carga MSc. Arthur Andrade Prof. Dr. Miguel Santoro (USP) Prof. Dr. Giorgio de
Leia mais3 Decisões de Localização de Instalações
3 Decisões de Localização de Instalações Historicamente, o estudo contemporâneo dos problemas de localização foi iniciado por Alfred Weber, que estudou a localização de uma fábrica com o objetivo de minimizar
Leia maisModelagem de problemas de programação linear
Notas de aula de Programação Matemática. c Mestrado em Engenharia Mineral/Escola de Minas/UFOP. Modelagem de problemas de programação linear Marcone Jamilson Freitas Souza, Departamento de Computação,
Leia maisPesquisa Operacional Modelos, Conceitos Básicos para PL. Prof. Ricardo Santos
Pesquisa Operacional Modelos, Conceitos Básicos para PL Prof. Ricardo Santos Problema do Transporte Centros de produção de produtos são denominados origens Mercados consumidores são denominados destinos
Leia maisLista de Exercícios 1 - Otimização Linear Prof. Silvio Alexandre de Araujo. Construção de Modelos e Solução Gráfica
Lista de Exercícios 1 - Otimização Linear Prof. Silvio Alexandre de Araujo Construção de Modelos e Solução Gráfica 1) - Estudar Capítulo 1 do livro texto; - Estudar Capítulo 2 do livro texto (seções 2.1,
Leia maisUm algoritmo baseado em GRASP, VND e Iterated Local Search para a resolução do problema de planejamento operacional de lavra
Um algoritmo baseado em GRASP, VND e Iterated Local Search para a resolução do problema de planeamento operacional de lavra Igor Machado Coelho (UFOP) igor.machado@yahoo.com.br Sabir Ribas (UFOP) sabirribas@yahoo.com.br
Leia maisProgramação Linear Binária. Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL
Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL Métodos de otimização da PLB: têm o inconvenientede o tempo de resolução crescer drasticamente com o aumento
Leia maisModelagem de problemas de programação linear inteira
Notas de aula de Otimização Combinatória. c Graduação em Engenharia de Produção/Departamento de Computação/ICEB/UFOP. Modelagem de problemas de programação linear inteira Marcone Jamilson Freitas Souza,
Leia maisProblema de Transporte (Redes) Fernando Nogueira Problema de Transporte 1
Problema de Transporte (Redes) Fernando Nogueira Problema de Transporte 1 O Problema de Transporte consiste em determinar o menor custo (ou o maior lucro) em transportar produtos de várias origens para
Leia maisProblema de designação
Departamento de Engenharia de Produção UFPR 48 Problema de designação Imagine, que em uma gráfica eiste uma única máquina e um único operador apto a operá-la. Como você empregaria o trabalhador? Sua resposta
Leia maisVolmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 21
Volmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 21 Três objetivos i. Redução de custos (custos variáveis) ii. iii. Redução de capital (investimento, custos fixos) Melhoria do serviço
Leia maisMÓDULO 3 - PROBLEMAS DE TRANSPORTE
UNESA Sistemas de Transportes Currículo 08 / 009- MÓDULO 3 - PROBLEMAS DE TRANSPORTE. PROBLEMA CLÁSSICO DE TRANSPORTE O Problema de Transporte constitui uma das principais aplicações da PL para auxiliar
Leia maisProgramação Hidrotérmica com Restrição de Energia Hidráulica
Programação Hidrotérmica com Restrição de Energia Hidráulica Prof. Antonio Simões Costa Universidade Federal de Santa Catarina A. Simões Costa (GSP - Labspot) Programação H-T com Restrição de Energia 1
Leia maisProgramação Linear. Gabriel Ferreira Gabriel Tutia Gabriel Yida Thiago Ferraz
Programação Linear Gabriel Ferreira 8989404 Gabriel Tutia 8989085 Gabriel Yida 8989432 Thiago Ferraz 8989001 O que é? É um caso especial de programação matemática ou otimização matemática Método para encontrar
Leia maisLocalização de Instalações. Projeto de Redes Logísticas. Escola Politécnica. Prof. Dr. Claudio Barbieri da Cunha.
Localização de Instalações Projeto de Redes Logísticas Prof. Dr. Claudio Barbieri da Cunha Escola Politécnica cbcunha@usp.br Objetivo Definir a configuração de uma rede logística / supply chain em termos
Leia maisPlanejamento e Análise de Sistemas de Produção
Aula 24 Planejamento e Análise de Sistemas de Produção Paulo Augusto Valente Ferreira Departamento de Telemática Faculdade de Engenharia Elétrica e Computação Universidade Estadual de Campinas Conteúdo
Leia maisOtimização discreta Modelagem com variáveis binárias: problemas clássicos
Otimização discreta Modelagem com variáveis binárias: problemas clássicos Importância histórica...... e prática. Usados para modelar problemas reais e como subproblemas em problemas maiores (e mais freqüentes
Leia maisPCC173 - Otimização em Redes
PCC173 - Otimização em Redes Marco Antonio M. Carvalho Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal de Ouro Preto 15 de maio de 2017 Marco Antonio M. Carvalho
Leia maisPLANEJAMENTO OPERACIONAL DE LAVRA COM ALOCAÇÃO DINÂMICA DE CAMINHÕES: ABORDAGENS EXATA E HEURÍSTICA
Ministério da Educação e do Desporto Escola de Minas da Universidade Federal e Ouro Preto Departamento de Engenharia de Minas Programa de Pós-Graduação em Engenharia Mineral PLANEJAMENTO OPERACIONAL DE
Leia maisIntrodução à Pesquisa Operacional - Otimização Linear
Introdução à Pesquisa Operacional - Otimização Linear Professora: Maristela Oliveira dos Santos - mari@icmc.usp.br Auxilio 2009: Victor C.B. Camargo Auxilio 2010 - PAE: Marcos Mansano Furlan - L-1007 Instituto
Leia maisModelagem. Tecnologia da Decisão I TP065. Profª Mariana
Modelagem Tecnologia da Decisão I TP065 Profª Mariana Modelagem Um problema de programação matemática tem por objetivo encontrar os valores para as variáveis de decisão que otimizam (maximizam ou minimizam)
Leia maisOtimização Combinatória - Parte 3
Graduação em Matemática Industrial Otimização Combinatória - Parte 3 Prof. Thiago Alves de Queiroz Unidade de Matemática e Tecnologia - CAC/UFG 2/2016 Thiago Queiroz (DM) Parte 3 2/2016 1 / 23 Problemas
Leia maisPesquisa Operacional. Introdução à Pesquisa Operacional Programação Linear
Pesquisa Operacional Introdução à Pesquisa Operacional Programação Linear 1 Sumário Modelagem e limitações da Programação Linear. Resolução Gráfica. Forma padrão de um modelo de Programação Linear. Definições
Leia maisProblema de Designação. Fernando Nogueira Problema de Designação 1
Problema de Designação Fernando Nogueira Problema de Designação 1 O Problema de Designação é um caso específico de um Problema de Transporte, que por sua vez é um caso específico de um Problema de Programação
Leia maisProf. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL
Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL Sequenciamento e Emissão de Ordens Escolhida uma sistemática de administração dos estoques, serão geradas,
Leia maisPesquisa Operacional / Programação Matemática
Pesquisa Operacional / Programação Matemática Otimização discreta Modelagem com variáveis binárias: problemas clássicos Breve Comentários (aula anterior) Em geral, não faz sentido resolver a relaxação
Leia maisDepartamento de Engenharia de Produção UFPR 22
Departamento de Engenharia de Produção UFPR 22 Geralmente, temos três objetivos i. Redução de custos (custos variáveis) Redução de capital (investimento, custos fixos) i Melhoria do serviço (pode conflitar
Leia maisProf. Gustavo Suriani de Campos Meireles, M.Sc.
Pontifícia Universidade Católica de Goiás Departamento de Engenharia Curso de Graduação em Engenharia de Produção ENG 1090 Introdução à Engenharia de Produção Prof. Gustavo Suriani de Campos Meireles,
Leia maisPlanejamento e Controle da Produção I
Planejamento e Controle da Produção I Prof. M.Sc. Gustavo Meireles 2012 Gustavo S. C. Meireles 1 Introdução Planejamento Agregado: Maximizar os resultados das operações e minimizar os riscos de tomadas
Leia maisProgramação Linear/Inteira
Unidade de Matemática e Tecnologia - RC/UFG Programação Linear/Inteira Prof. Thiago Alves de Queiroz Aula 7 Thiago Queiroz (IMTec) Aula 7 Aula 7 1 / 25 Problemas de Caixeiro Viajante Envolvem um conjunto
Leia maisOtimização. Problemas de Transportes. Paulo Henrique Ribeiro Gabriel Faculdade de Computação Universidade Federal de Uberlândia 2016/2
Otimização Problemas de Transportes Paulo Henrique Ribeiro Gabriel phrg@ufu.br Faculdade de Computação Universidade Federal de Uberlândia 2016/2 Paulo H. R. Gabriel (FACOM/UFU) GSI027 2016/2 1 / 23 Agradecimentos
Leia maisa) Formule este problema em Programação Linear inteira. b) Considere os seguintes dados Matriz das distâncias (em Km) entre as comunidades
Universidade de Lisboa, Faculdade de Ciências Mestrado em Matemática Aplicada à Economia e Gestão Logística e Gestão de Operações Módulo de Logística Exercícios Localização 1. Num distrito do Centro de
Leia maisProblemas de Fluxos em Redes
Investigação Operacional Problemas de Fluxos em Redes Slide Transparências de apoio à leccionação de aulas teóricas Problemas de fluxos em redes Rede: Conjunto de pontos (vértices) ligados por linhas ou
Leia maisProgramaçãoda Mãode Obra Crew Scheduling. Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto 6 modelos
Programaçãoda Mãode Obra Crew Scheduling Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto 6 modelos Programação de veículos, máquinas e de mão de obra Esta é uma classe
Leia maisLista de Exercícios Programação Inteira. x 2 0 e inteiros.
Lista de Exercícios Programação Inteira ) Resolva os problemas a seguir usando o método B&B a) Max z = 5 x + y s.a x + y x + y 5 b) Max z = x + y s.a x + y 0 x + y 5 c) Max z = x + y s.a x + 9y 6 8 x +
Leia maisADMINISTRAÇÃO DE MATERIAIS. Prof. Marcelo Camacho
ADMINISTRAÇÃO DE MATERIAIS Prof. Marcelo Camacho ADMINISTRAÇÃO DE MATERIAIS 1. Gestão de Estoques Estoque pode ser entendido como a acumulação de recursos materiais em um sistema de transformação ou qualquer
Leia maisPesquisa Operacional Aula 3 Modelagem em PL
Pesquisa Operacional Aula 3 Modelagem em PL Prof. Marcelo Musci aula@musci.info www.musci.info Programação Linear Programação Linear: Preocupação em encontrar a melhor solução para problemas associados
Leia maisAula 12: Programação Inteira
Aula 12: Programação Inteira Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464/PCC174 2018/2 Departamento de Computação UFOP Aula de Hoje 1 Programação Inteira: A Formulação
Leia mais3) = (10,0,0) é solução ótima do problema abaixo: (2 pontos)
UNIVERSIDADE FEDERAL DE SANTA CATARINA EPS7005 - PESQUISA OPERACIONAL PROVA - 08/05/0. Para o problema de programação linear abaio, pede-se: a) Resolva usando o método simple; ( pontos) b) Apresente a
Leia mais1 - A capacidade de fluxo que corresponde a capacidade máxima que pode passar pelo arco.
CONCEITOS DE REDE Uma rede é formada por um conjunto de nós, um conjunto de arcos e de parâmetros associados aos arcos. Nós Arcos Fluxo Interseções Rodovias Veículos Rodoviários Aeroportos Aerovia Aviões
Leia maisMax z= c 1 x 1 + c 2 x 2 + c 3 x c n x n. b 3. c ij : Coeficientes de Custos x j : Variáveis de Decisão. b i : Quantidade Disponível
MODELAGEM MATEMÁTICA PARA PROBLEMAS DE OTIMIZAÇÃO LINEAR mmmoala@fafica.br Maximizar Lucro, Espaço (Lay-Out: Recintos para Evento) Minimizar Custos Perdas Tempo Max z= c 1 x 1 + c 2 x 2 + c 3 x 3 + + c
Leia maisDenições. Exemplo. Notas. Programação Linear Inteira Modelagem com Variáveis Inteiras. Notas
Programação Linear Inteira Modelagem com Variáveis Inteiras Haroldo Gambini Santos Universidade Federal de Ouro Preto - UFOP 30 de agosto de 2011 1 / 16 Denições PI: Problema de Programação Inteira Puro
Leia maisLista de Exercícios Programação Inteira. x 2 0 e inteiros.
Lista de Exercícios Programação Inteira ) Resolva os problemas a seguir usando o método B&B a) Max z = 5 x + 2 y s.a x + y 2 x + y 5 x, y 0, x e y inteiros b) Max z = 2 x + y s.a x + 2y 0 x + y 25 x, y
Leia maisLean e a Gestão Integrada da Cadeia de Suprimentos
O problema da gestão descentralizada na cadeia de valor SISTEMAS MÚLTIPLOS ESTÁGIOS ANALOGIA HIDRÁULICA Processamento e Transporte Processo de Fabricação e Transporte JOGO DA CERVEJA Experimento 1: Soluções
Leia maisUm grande número de problemas de otimização linear inteiro envolve a ocorrência ou não de um evento, e a decisão entre duas alternativas.
Modelagem com variáveis binárias Um grande número de problemas de otimização linear inteiro envolve a ocorrência ou não de um evento, e a decisão entre duas alternativas. seoeventoocorre 0 se o evento
Leia maisOtimização Aplicada à Engenharia de Processos
Otimização Aplicada à Engenharia de Processos Aula 4: Programação Linear Felipe Campelo http://www.cpdee.ufmg.br/~fcampelo Programa de Pós-Graduação em Engenharia Elétrica Belo Horizonte Março de 2013
Leia maisT E S E D E D O U T O R A D O
T E S E D E D O U T O R A D O Software para Planejamento Operacional de Lavra, Simulação e Despacho de Caminhões Visando ao Atendimento das Metas de Produção e Qualidade da Mistura de Minérios A U T O
Leia maisResumo Expandido INTRODUÇÃO:
Resumo Expandido Título da Pesquisa (Português): Pesquisa Operacional aplicada ao problema de alocação de caminhões em uma mina a céu aberto. Título da Pesquisa (Inglês): Operations Research applied to
Leia maisNíveis de Estoque e Reposição
Níveis de Estoque e Reposição Gráfico Dente de Serra - relação entre o consumo do estoque e sua reposição (saída e entrada). Consumo, prazo e lotes constantes. 1 Níveis de Estoque e Reposição Gráfico Dente
Leia maisModelagem de problemas de programação linear
Pesquisa Operacional I c Graduação em Engenharia de Produção/Universidade Federal de Ouro Preto Modelagem de problemas de programação linear Marcone Jamilson Freitas Souza, Departamento de Computação,
Leia maisPlanejamento operacional de lavra
UNIVERSIDADE FEDERAL DE OURO PRETO INSTITUTO DE CIÊNCIAS EXATAS E BIOLÓGICAS DEPARTAMENTO DE COMPUTAÇÃO Planejamento operacional de lavra Anexo do Relatório Técnico-científico Final apresentado ao CNPq,
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
Redes Aula 19: Modelos de Optimização de Redes O Problema do Caminho Mais Curto. O Problema do Fluxo Máximo. O Problema do Fluxo de Custo Mínimo. 2 Modelos de Optimização de Redes O que são redes em (IO)?
Leia maisDECISÕES DE LOCALIZAÇÃO DE INSTALAÇÕES. Mayara Condé Rocha Murça TRA-53 Logística e Transportes
DECISÕES DE LOCALIZAÇÃO DE INSTALAÇÕES Mayara Condé Rocha Murça TRA-53 Logística e Transportes Outubro/2013 Introdução Estratégia de estoque Previsão Fundamentos de estocagem Decisões de estocagem Decisões
Leia maisChapter 10 Layout. Arranjo físico
Chapter 10 Layout Arranjo físico Layout de Instalações O planejamento de layouts envolve decisões em relação a disposição física dos centros de atividade econômica necessárias aos vários processos de uma
Leia maisAtualmente uma das maiores preocupações do Sr. Macedo é com o nível de estoque do coco
1 GERENCIANDO SISTEMAS DE ESTÁGIO ÚNICO O Caso do Quiosque O CASO DO QUIOSQUE O Sr. Macedo possui autorização da prefeitura do Rio de Janeiro para explorar comercialmente um particular quiosquenaorladacidadeondeo
Leia maisGESTÃO DE SUPRIMENTOS E LOGÍSTICA
GESTÃO DE SUPRIMENTOS E LOGÍSTICA Administração dos recursos A Administração de Materiais procura conciliar as necessidades de suprimentos com a otimização dos recursos financeiros e operacionais da empresa.
Leia maisEstruturando o Fluxo Puxado O Caso do Quiosque
1 O CASO DO QUIOSQUE GERENCIANDO SISTEMAS DE ESTÁGIO ÚNICO O Caso do Quiosque O Sr. Macedo possui autorização da prefeitura do Rio de Janeiro para explorar comercialmente um particular quiosque na orla
Leia maisPesquisa Operacional
Faculdade de Engenharia - Campus de Guaratinguetá Pesquisa Operacional Fabrício Maciel fabricio@feg.unesp.br Departamento de Produção 1 Programação linear Sumário Modelagem e limitações da Programação
Leia maisPCC173 - Otimização em Redes
PCC173 - Otimização em Redes Marco Antonio M. Carvalho Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal de Ouro Preto 31 de maio de 2017 Marco Antonio M. Carvalho
Leia maisPesquisa Operacional. 4x1+3x2 <=1 0 6x1 -x2 >= 20 X1 >= 0 X2 >= 0 PESQUISA OPERACIONAL PESQUISA OPERACIONAL PESQUISA OPERACIONAL PESQUISA OPERACIONAL
Modelo em Programação Linear Pesquisa Operacional A programação linear é utilizada como uma das principais técnicas na abordagem de problemas em Pesquisa Operacional. O modelo matemático de programação
Leia maisLucas Abreu Roberta Cruz
Lucas Abreu Roberta Cruz O orçamento de produção é uma estimativa de bens que devem ser fabricados durante o exercício orçamentário. Compreende o estabelecimento de políticas em relação ao níveis de produção
Leia maisBCC 463 Otimização em Redes ou Fluxo em Redes. Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto
BCC 463 Otimização em Redes ou Fluxo em Redes Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto Min cx (1) sujeito a Ax = b (2) 0 x u, (3) A equação (1) minimizar o custo
Leia maisControle Ótimo - Aula 2 (Exemplos 2, 3 e 4)
Controle Ótimo - Aula 2 (Exemplos 2, 3 e 4) Adriano A. G. Siqueira e Marco H. Terra Departamento de Engenharia Elétrica Universidade de São Paulo - São Carlos Sistemas dinâmicos discretos no tempo O Problema
Leia maisProgramação Linear (PL)
Programação Linear (PL) Prof. Paulo Cesar F. De Oliveira, BSc, PhD 07/08/15 P C F de Oliveira 2014 1 Características Técnicas mais utilizadas na abordagem de problemas em PO Técnica de solução programável
Leia maisUNIVERSIDADE FEDERAL DO CEARÁ PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO MESTRADO EM LOGÍSTICA E PESQUISA OPERACIONAL SELEÇÃO TURMA 2011
PROVA DE CONHECIMENTOS BÁSICOS 1. MÓDULO DE ESTATÍSTICA E PROBABILIDADE 1.1 Seja X uma variável aleatória com média 3 e coeficiente de variação 0,5. Seja Y = -2X + 3. As variâncias de X e Y são dadas,
Leia mais202'(/2'(352*5$0$d 2/,1($53$5$352%/(0$6'( 0,6785$6
34 ±35%/(0$'(0,6785$6,75'8d Este capítulo apresenta a descrição do problema de misturas em termos de um modelo de programação linear. Como exemplo, é descrito um problema de mistura de carvões para siderúrgicas
Leia maisOTIMIZAÇÃO. O processo de otimização normalmente involve a procura de pontos de máximos e mínimos de uma função.
OTIMIZAÇÃO O processo de otimização normalmente involve a procura de pontos de máximos e mínimos de uma função. Pontos de máximos e mínimos de uma função são pontos onde a derivada da função é nula. A
Leia maisFluxo em Redes -01. Prof. Gustavo Peixoto Silva 2 modelos
Fluo em Redes - Prof. Gustavo Peioto Silva modelos . Otimização em Redes É um caso particular da Programação Linear, onde pretende-se minimizar uma função de custoque dependedofluoque passa pelos arcosde
Leia maisPesquisa Operacional Programação em Redes
Pesquisa Operacional Programação em Redes Profa. Alessandra Martins Coelho outubro/2013 Seminários Datas Temas Problema do Caminho mais curto programação em redes Data 07/11/13 Problema do Fluxo máximo
Leia maisFlávia Barbosa UNICAMP Antônio Carlos Moretti UNICAMP
O Problema de Alocação de Berços: Aspectos Teóricos e Computacionais Flávia Barbosa UNICAMP flaflabarbosa0@gmail.com Antônio Carlos Moretti UNICAMP moretti@ime.unicamp.br Luiz Leduíno de Salles Neto UNIFESP
Leia maisProjeto de um Algoritmo Genético Híbrido para Planejamento Operacional de curto prazo de minerações a céu aberto
Projeto de um Algoritmo Genético Híbrido para Planejamento Operacional de curto prazo de minerações a céu aberto ROBERT FABRICIO SUBTIL 1 GUILHERME BASTOS ALVARENGA 1 UFLA - Universidade Federal de Lavras
Leia mais9 Apêndices. Apendice I Diagrama do ciclo de atividades
122 9 Apêndices Apendice I Diagrama do ciclo de atividades O diagrama do ciclo de atividades usado para representar o modelo de simulação do processo de carregamento e transporte de minério mostrado na
Leia maisPesquisa Operacional
Faculdade de Engenharia - Campus de Guaratinguetá Pesquisa Operacional Livro: Introdução à Pesquisa Operacional Capítulo 5 Modelo da Designação Fernando Marins fmarins@feg.unesp.br Departamento de Produção
Leia maisUM MODELO DE PROGRAMAÇÃO MATEMÁTICA PARA O PROBLEMA DE PLANEJAMENTO DE LAVRA CONSIDERANDO O MÉTODO DE LAVRA SELETIVA
UM MODELO DE PROGRAMAÇÃO MATEMÁTICA PARA O PROBLEMA DE PLANEJAMENTO DE LAVRA CONSIDERANDO O MÉTODO DE LAVRA SELETIVA GUIDO PANTUZA JR (UFOP) gpantuza@yahoo.com.br MARCONE JAMILSON FREITAS SOUZA (UFOP)
Leia maisProjeto de Escalonamento Alocação de médicos
Projeto de Escalonamento Alocação de médicos Atol Fortin de Oliveira 15 de dezembro de 2009 1 Sumário 1 Introdução 3 2 O Problema 4 2.1 Especicação do problema................... 4 2.2 Resumo das variáveis
Leia maisAlgoritmo Simplex para Programação Linear I
EA Planejamento e Análise de Sistemas de Produção Algoritmo Simple para Programação Linear I DCA-FEEC-Unicamp Modelo de Programação Linear ma c ( n ) s. a. A b A ( m n) b ( m ) c ( n) P ( R n A b} Poliedro
Leia maisOTIMIZAÇÃO. O processo de otimização normalmente involve a procura de pontos de máximos e mínimos de uma função.
OTIMIZAÇÃO O processo de otimização normalmente involve a procura de pontos de máximos e mínimos de uma função. Pontos de máximos e mínimos de uma função são pontos onde a derivada da função é nula. A
Leia maisProgramação de Máquinas Machine Scheduling. Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto 3 modelos
Programação de Máquinas Machine Scheduling Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto 3 modelos M7.1 - Sequenciamento em máquinas paralelas e iguais Suponha que
Leia maisExemplos de modelos de PL ou PI
Exemplos de modelos de PL ou PI Prof. Eduardo Uchoa http://www.logis.uff.br/~uchoa/poi/ 1 Como funciona a PO? Toda a PO está baseada na construção de modelos matemáticos para representar de forma simplificada
Leia maisADMINISTRAÇÃO DE PRODUÇÃO
Unidade III ADMINISTRAÇÃO DE PRODUÇÃO E OPERAÇÕES Profa. Lérida Malagueta Planejamento e Controle de Produção (PCP) O PCP é uma função de apoio da administração de produção. Desenvolve funções de planejar
Leia maisUM ALGORITMO HEURÍSTICO PARA O PROBLEMA DE GERENCIAMENTO DE ESCALA OPERACIONAL DE CONTROLADORES DE TRÁFEGO AÉREO
UM ALGORITMO HEURÍSTICO PARA O PROBLEMA DE GERENCIAMENTO DE ESCALA OPERACIONAL DE CONTROLADORES DE TRÁFEGO AÉREO Bruno Mota Avelar Almeida, Túlio Ângelo Machado Toffolo, Marcone Jamilson Freitas Souza
Leia mais