Equipe: Gabriel A. Costa Lima, PhD, Diretor
|
|
- Luzia Galindo
- 2 Há anos
- Visualizações:
Transcrição
1 37ª Reunião Fevereiro Grupo de Benchmarking de Manutenção Tema: Tecnologias Aplicadas na Manutenção para a Gestão do Futuro Palestra: Métodos para Predição de Condição de Equipamentos Equipe: Gabriel A. Costa Lima, PhD, Diretor gabriel.costa.lima@aremas.com.br Alberto Magno Teodoro Filho, MsC, Consultor alberto.magno@aremas.com.br Contato do linked-inn: 1
2 Para Refletirmos... Alguns fariam melhor. Outros fariam pior. Nós, faremos o melhor que pudermos. Autor desconhecido. Não podemos eliminar a incerteza nem o risco de nossas vidas. Mas, podemos gerenciá-los e, assim, obter benefícios. Autor desconhecido. Há somente duas coisas sobre as quais temos certeza: a morte e pagar tributos. Todas as demais são incertas. Adam Smith, Economista, ( ). 2
3 Sumário Acessado em 16/02/ ) Motivações para predição de condição e vida residual de equipamentos 2) Modelos para predição de condição de equipamentos 3) O desafio de estimativa de vida residual de equipamentos 3
4 1) Motivações para predição de condição e vida residual de equipamentos 4
5 1) Motivações para predição de condição e vida residual de equipamentos Pesquisas no Brasil é sempre muito difícil, mas.. Esta pesquisa na McKinsey envolver empresas do mundo todo e estes números podem ser conservadores. Mas, para obter estes resultados não vamos nos iludir: ele não virá com boa vontade mas somente com ciência (modelos matemáticos) e tecnologia( coleta de dados, tratamento de dados, processamento de equações matemática etc.). 5
6 1) Motivações para predição de condição e vida residual de equipamentos Fonte: Hoje tem muita tecnologia. O conhecimento dos dados vale dinheiro. Se somente 20% dos dados são visíveis, há muito espaço para revelar novos dados não visíveis no momento. Mas, para isso faz-se importante novas ferramentas (ciência). 6
7 1) Motivações para predição de condição e vida residual de equipamentos A predição de condição e vida residual de equipamentos pode ser estudada dentro das abordagens de aprendizado supervisionado e não supervisionado: Para se avaliar a condição de um equipamento trata-se de abordagem de classificação (bom, excelente, falha próximo mês etc.). Por outro lado, para previsão de vida residual trata-se de um problema de regressão onde deve-se obter um número e não uma classe. 7
8 2) Modelos para predição de classificação da condição de equipamentos 8
9 2) Modelos para predição de classificação da condição de equipamentos Para a coleta de dados por meio de sensores, é comum que o modelo de predição contenha entre 10 e 30 parâmetros, mas em caso de equipamentos mais complexos pode chegar a 100 parâmetros (uma ilustração de uma turbina eólica se encontra à direita). Cada um dos sensores coleta dados e fazem os registros em forma de séries temporais. O comprimento das séries temporais deve ser suficiente para incluir possíveis sazonalidades típicas das política operacional (mais produção, inverno, verão etc.). Esta base de dados é chamada de dados de treinamento do modelo matemático. 9
10 2) Modelos para predição de classificação da condição de equipamentos Os problemas de classificação são muitos e aparecem em diferentes áreas: A partir de dados de largura, comprimento, diâmetro etc. pode-se prever um tipo de flor; A partir de remetente, assunto, repetições etc. pode-se classificar um com spam ou não; A partir de medida de vibração, temperatura, corrente etc. de diferentes sensores instalados em equipamentos pode-se estimar se ocorre falha ou não nos próximos 30 dias; A partir de dados de imagem pode-se realizar um diagnóstico de presença de algum tipo de tumor; Observa-se que nos problemas de classificação o treinamento dos modelos é por método supervisionado, ou seja, é possível conhecer a classe da variável dependente a partir de valores e classes das variáveis explicativas. 10
11 2) Modelos para predição de classificação da condição de equipamentos Os principais modelos matemáticos candidatos à solução e auxiliar a escolha gerencial são: Modelo de regressão logística Modelo de regressões categóricas Modelo de análise linear discriminante (LDA) Modelo de máquina de vetor de suporte Modelo de árvore de decisão Modelo de redes neurais A longo deste item serão apresentados diversos exemplos de alguns destes modelos de modo a ilustrar uma aplicação. Em virtude de tempo, nem sempre é possível um detalhamento completo de cada um dos modelos. Nesta palestra vamos mostrar apenas o método de regressão logística para a classificação da condição de motores em função de resultados de análises de óleo. 11
12 2) Modelos para predição de classificação da condição de equipamentos Em sistema de transporte de mineração composto por caminhões fora de estrada o motor é um importante. Trata-se de um item caro (pense em R$ 2 milhões) e com uma estimativa de vida operação de 8.000h a h. Os principais modos de falhas são degradações e, para isso, são realizadas medições de diferentes particulado em óleo ao longo do tempo. As principais variáveis monitoradas nas análises de óleo são: 12
13 2) Modelos para predição de classificação da condição de equipamentos No caso de mineração é comum que as análises sejam realizadas em laboratórios de terceiros. Como o número de equipamentos é grande, milhares de dados são registrados. Para um estudo de caso, consultar: Note que estes dados foram coletados de modo a realizar um previsão de falha nos próximos 30 dias porque o gerente pode tomar a decisão de realizar uma substituição do óleo existente e, assim, evitar uma falha. A seguir encontra-se uma base de dados hipotética (gerada por simulação) onde se aplica regressão logística para auxiliar o laudo de laboratório a prever falha nos próximos 30 dias. 13
14 2) Modelos para predição de classificação da condição de equipamentos Matriz de dados para serem usadas no modelo de predição de condição dos motores: Testes mensais Variáveis monitoradas Fe Na Si Pb Cu Oxidação Condição nos próximos 30 dias 1 91,9 65,1 28,6 32,2 40,1 Não Falha 2 94,1 65,5 30,6 45,7 48,2 Sim Falha 3 80, ,6 40,1 42 Não Não falha 4 91,5 58,3 31,9 34,4 30,5 Não Não falha 5 95,6 55,2 28,7 31,6 30,2 Não Não falha ,6 34,7 43,4 45,8 Sim Não falha 7 81,5 47,5 20,8 31,7 48,5 Sim Não falha 8 89,5 66,8 21,3 34,9 31,4 Sim Não falha 9 80, ,5 37,9 48,6 Sim Não falha 10 89,6 45,2 27,9 34,4 38,5 Sim Não falha ,4 28,5 35,1 47,7 Sim Não falha 12 94,9 49, ,9 46,6 Não Falha 13 97,9 41, ,4 38,6 Sim Falha 14 96, ,3 45,3 Sim Não falha 15 86,4 51, ,4 39,6 Sim Não falha 16 86,3 43,6 28, ,4 Sim Não falha 17 96,9 62,1 39,4 49,3 35,6 Não Falha , ,5 38,3 Sim Não falha 19 88,2 49, ,3 43,7 Não Não falha 20 81,4 62,6 32,1 38,6 31,1 Sim Falha Algumas considerações importantes: O modelo permite estimar se o motor falha (em função das condições do óleo) no próximo mês; Para que seja possível uma boa classificação, faz-se necessário dados de falhas. Mas, nem sempre ocorre na prática e isso pode ser superado por meio de simulação; Este modelo é muito útil em caso de grande quantidade de equipamentos onde não se tem tempo para análise de cada um individualmente por um engenheiro; 14
15 2) Modelos para predição de classificação da condição de equipamentos A partir destes dados o gerente deseja: Desenvolver um modelo para predição de condição de motores nos próximos 30 dias; Elaborar um classificador de modo que possa ser utilizado à medida que novos dados das variáveis monitoradas foram geradas nos laboratórios; Analisar as limitações do Excel em grande modelos de aprendizado, sobretudo na parte de otimização; Discutir outros pontos que julgar importantes. 15
16 2) Modelos para predição de classificação da condição de equipamentos Desenvolvimento do modelo logístico: Passo 4: Predição do modelo logístico Codificação da resposta Resultado do modelo de regressão linear (Bo+B1X1+B2X2+B3X3+B4X4+B5X5) Predição do modelo logístico (0 a 1) Erro de predição Passo 3: Treinamento do modelo logístico Beta 0 2,000 Beta 1 2, ,04 1,00 1,00 Beta 2 0, ,94 1,00 1,00 Beta 3-10, ,51 1,00 0,00 Beta 4-1, ,81 1,00 0,00 Beta 5 4, ,69 1,00 0, ,62 1,00 0,00 Passo 6: Modelo a ser testado na prática Variáveis monitoradas Testes mensais Fe Na Si Pb Cu Oxidação Condição nos próximos 30 dias 34 88,4 41,5 34,3 31,5 31,9 Sim Falha Com estes parâmetros do treinamento do modelo a partir dos dados históricos, agora já pode começar a fazer predições da condição do equipamentos. 16
17 3) O desafio de estimativa de vida residual de equipamentos 17
18 3) O desafio de estimativa de vida residual de equipamentos A predição de vida remanescente de equipamentos e classificação da saúde de equipamentos é um dos sonhos dos gestores de manutenção. Mas, pode-se utilizar modelos em qualquer situação? Os modelos de coleta de dados por meio de monitoramento não são aplicados a todos os componentes, mas apenas à aqueles que possuem algum tipo de DEGRADAÇÃO (em torno de 30% dos componentes nas referências ao lado). 18
19 3) O desafio de estimativa de vida residual de equipamentos Ilustração (Pecht & Kang, 2018, p. 165) do problema de predição de vida remanescente (RUL): Para predição de vida residual há diversos métodos: estatísticos, manual, regressão, séries temporais diversas, redes neurais etc. No curso vamos mostrar exemplos simples desta previsão. Portanto, os melhores modelos permitem uma estimativa da distribuição de probabilidade da vida residual. Quanto melhor o modelo, mais precisa será esta distribuição, mas jamais sem alguma incerteza na predição. 19
20 3) O desafio de estimativa de vida residual de equipamentos As principais abordagens para a estimativa quantitativa de vida residual dos componentes são: Modelos de variabilidade de dados de vida (requer alguns tempos até a falha) Modelos de regressão linear (usa dados de monitoramento do progresso para a falha) Modelos de regressão não-linear (usa dados de monitoramento doprogresso para a falha) Modelos de séries temporais (ARIMA, alisamentos etc.) (usa dados de monitoramento do progresso para a falha) Modelos compostos por séries temporais e regressões (usa dados de monitoramento do progresso para a falha) Modelos de redes neurais (usa dados de monitoramento doprogresso para a falha) Aqui neste palestra vamos mostrar de forma aberta e clara os modelos de estimativa de vida remanescente por meio de (a) modelos de variabilidade de dados de vida e (b) modelos de regressão linear. Para as pessoas que tiverem interesse nos demais modelos, a AREMAS possui o treinamento AR 110: Aplicações de machine learning em manutenção, gestão de ativos e outras áreas. 20
21 3) O desafio de estimativa de vida residual de equipamentos Mas, afinal, o que é vida residual? Vamos mostrar por meio de um exemplo com o mínimo de formulação matemática: 1) Dados encontrados em campo 2) Estimativa de vida residual (anos) Pessoas Tempo de vida (anos) A partir de zero Média de vida residual Expectativa de ao nascer 51,75 Expectativa de vida daqueles que chegam a 20 anos 66,11 46,11 Expectativa de vida daqueles que chegam a 40 anos 76,00 36,00 Expectativa de vida daqueles que chegam a 65 anos 86,20 21,20 A expectativa de vida daquelas pessoas que chegam a 65 anos é a média de vida dos que passaram de 65 anos, ou seja, média de 95, 78, 85,84 e 89 = 86, 2 anos. Portanto, a vida residual é 86,2 65 = 21,20 anos. Você pode usar este exemplo simples para entender o que é a vida residual em diferentes momentos no tempo. Agora, pense em transformadores, pneus de caminhão etc. 21
22 3) O desafio de estimativa de vida residual de equipamentos Uma concessionária de geração de energia elétrica deseja realizar o monitoramento do processo até a falha de componentes de um determinado equipamento (pense geradores, transformadores etc.). Ela emprega 26 sensores para monitorar a condição dos elementos substituíveis por meio de dados de variáveis como concentração de particulado em fluidos, temperatura, vibração etc.). Obs.: neste curso, o nosso foco NÃO é onde instalar, tipo de sensor, confiabilidade de sensor etc., mas sim na análise de dados (tratamento, predição e tomada de decisão). A seguir ilustra-se uma série temporal de um sensor: Nota-se que há uma série de dados históricos que são coletados em campo. No entanto, a empresa precisa de previsão para se planejar sobre os eventos do futuro (falha ou operação). Neste caso faz-se uso de um modelo bem mais complexo de modo a realizar a previsão da medida de degradação (temperatura, vibração etc.) obtida por cada um dos sensores para os futuro. 22
23 3) O desafio de estimativa de vida residual de equipamentos Neste caso deste problema, tem-se 26 sensores coletando dados com intervalo de 100 horas de operação de 26 componentes diferentes. Estes componentes se encontram na configuração tipo série e, portanto, a falha de qualquer um deles causa a falha do equipamento. Comp-1 Comp-2 Comp-3... Comp-26 Os componentes funcionam desde que o nível do sinal (vibração, temperatura etc.) esteja abaixo de 950. Portanto, caso p sinal atinja 950 ocorrerá a falha do componente e, com isso, também a falha do sistema. A base de dados de treinamento é grande e possui 2 mil registros. Para isso, vamos inovar e treinar o seguinte modelo matemático: Degradação t = Degradação t 1 + Taxa degradação degradação t 1 degradação to + Perturbação N(1; 2) O modelo acima poderia ser diferentes em função do tipo de dados encontrado na prática. Nota-se que podemos treinar qualquer modelo matemático para representar uma determinada situação em particular. Esta trata-se de uma tarefa importante mas, depois de algum tempo, pode-se estabelecer modelos matemáticos típicos para motores, compressores etc. 23
24 3) O desafio de estimativa de vida residual de equipamentos O gerente responder às seguintes perguntas: Realizar uma predição de falha para cada um dos 26 componentes por meio de dados de seus sensores; Realizar uma predição de tempo falha do equipamento considerando-se que os componentes se encontrem na configuração tipo série; Construir a curva de confiabilidade da população de sensores e realizar estimativa da vida residual dos elementos em caso desubstituição dos componentes em grupo; A empresa sempre compra seus componentes com base no menor custo de aquisição (licitação). Mas, na prática o custo está alto comparado a outras empresas. Por isso, o gerente foi conversar o pessoal de suprimentos e eles disseram que a culpa é da especificação dos engenheiros. Por outro lado, os engenheiros dizem que a culpa é do pessoal de suprimentos. Como podemos ajudar a empresa a reduzir custos com esta situação? Dica: pense em como usar o MTTF a seu favor!! A seguir uma discussão dos resultados. 24
25 3) O desafio de estimativa de vida residual de equipamentos 3,0E ,000 2,5E ,000 2,0E ,000 1,5E ,000 1,0E ,000 5,0E ,000 0,0E ,000-5,0E Tempo ,00% 90,00% 80,00% 70,00% Confiabilidade 1030,000 Densidade de probabilidade de falha Condição do elementro Resultados do modelo, discussão e comentários: 60,00% 50,00% 40,00% 30,00% 20,00% 10,00% 0,00% Tempo (hora) Note que os resultados acima são válidos para a população de componentes (todos os dados dos sensores) e não para cada componentes individualmente (dado de apenas 1 sensor). Além disso, nota-se que a curva de confiabilidade possui uma grande estabilidade (100%) no intervalo de zero até horas de operação e, a seguir, diminui e seu valor em horas é próximo a zero. Logo, uma decisão macro poderia ser substituir os componentes em torno de 60 mil horas. 25
26 3) O desafio de estimativa de vida residual de equipamentos Resultados de vida residual, comentários e discussões: Valor inicial (condição) Limiar de falha (condição) Parâmetro de referência Valor em horas Parâmetro preliminar Parâmetro mínimo para horas Parâmetro final Predição de falha (horas) Média de predição de falha Esperança de vida residual (horas) Tempo acumulado de 900,0 operação ,001% 902,7 923,4 903,6 905,4 902,7 910,4 915,2 917,4 913,8 902,0 0,003% 0,023% 0,004% 0,005% 0,003% 0,010% 0,015% 0,017% 0,014% 0,002% 0,007% Máximo 0,023% Média 0,008% P90 0,016% 0,007% 0,023% 0,007% 0,007% 0,007% 0,010% 0,015% 0,017% 0,014% 0,007% Média do momento da falha real Diferença (%) Passo Tempo Threshold Sensor 1 Sensor 2 Sensor 3 Sensor 4 Sensor 5 Sensor 6 Sensor 7 Sensor 8 Sensor 9 Sensor (horas) (limite) Um modelo semelhante pode ser utilizado para prever as quando ocorrerão as falhas bem como vida residual de diversos componentes em grandes equipamentos como hidrogeradores, aerogeradores, caminhões fora-de-estrada etc. Mas, aí precisamos mais que planilhas e sim uma ferramenta robusta! 26
27 Expertise & Discussões finais 27
28 Atividades de espertise Áreas O nosso expertise em treinamentos: AREMAS - Treinamentos, Consultorias, Serviços, Software, P&D Gestão de ativos físicos Momento ótimo de troca de ativos Escolha entre aquisição ou reforma, retrofit, etc Avaliação de confiabilidade e confiabilidade de sistemas Simulação de performance de diferentes planos de manutenção Revisão de diferentes planos de manutenção Análise de e diagnóstico de indicadores de manutenção Taxa de retorno de preditivas, preventivas, etc Confiabilidade humana Quantificação de risco economico-financeiro Elaboração de modelo de fluxo de caixa de projetos (expansão, trocas, etc) Avaliação de taxa de retorno de projetos Modelos de previsão de preço, vendas, estoques, etc Simulação resultados em projetos de Seis Sigma Avaliação econômica de melhorias operacionais Risco de taxa de retorno inferior à esperada Alocação investimentos em portfólios de ativos Otimização de estoques para minimizar custos Avalição de risco em engenharia (projetos, processos etc.) HAZOP SIL, LOPA Simulação RAMS Árvore de falha (FTA) Árvore de falha (ETA) AQR FMEA APP Simulação & otimização na tomada de decisão gerencial Simulação de filas Identificação de gargalos Simulação de produção Dimensionamento de equipamentos Dimensionamento de pátios Simulação de perdas de faturamento Planejamento de produção Identificação de design ótimo Planos de manutenção com base em RCM Modelo de determinação de equipes HAZID Modelos de tomada de decisão multicritérios 28
29 O nosso expertise em desenvolvimento consultorias: Lista recente de projetos de consultoria: Empresa VALE Projeto SIMULAÇÃO DE CAPACIDADE DE PRODUÇÃO DE PROJETOS E OTIMIZAÇÃO DE DESIGN DE EQUIPAMENTOS (PROJETO SALOBO) PETROBRAS VALE Brookfield SOUZA CRUZ FERBASA MODELOS PARA DIMENSIONAMENTO DE SOBRESSALENTES, OTIMIZAÇÃO DE PLANOS DE MANUTENÇÃO EM PLATAFORMAS OFFSHORE REVISÃO ESTRATÉGICAS DE PLANOS DE MANUTENÇAO E OTIIMIZAÇÃO DE SOBRESSALENTES (PROJETO S-11D) REVISÃO DE PLANOS DE MANUTENÇÃO COM BASE CONFIABILIDADE DE DIVERSAS USINAS HIDRELÉTRICAS REVISÃO DE PLANO DE MANUTENÇÃO COM USO DA METODOLOGIA RCMCost PARA OTIMIZAÇÃO DE DISPONIBILIDADE/CUSTO MODELO PARA ESTIMATIVA DE VIDA ECONÔMICA DE FROTAS DE EQUIPAMETNOS DE MINA SUBSTERRÂNEA 29
30 O nosso expertise em desenvolvimento de projetos de P&D para melhorias operacionais: Lista de projetos de P&D recentes: Empresa COPEL Projeto PD / MODELOS MATEMÁTICOS E COMPUTACIONAIS NÃO-CONVENCIONAIS PARA FORMAÇÃO DE BASE DE CONFIABILIDADE DE ATIVOS ORIENTADA PARA ATIVIDADES DE MANUTENÇÃO NA GERAÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA AES COPEL PD /2010. DESENVOLVIMENTO DE PLATAFORMA COMPUTACIONAL PARA MODELAGEM DA VIDA ECONÔMICA DE ATIVOS EMPREGADOS EM ATIVIDADES OPERACIONAIS DE EMPRESAS GERADORAS DE ENERGIA ELÉTRICA PD / DESENVOLVIMENTO DE UM MODELO MATEMÁTICO AVANÇADO E SUA IMPLEMENTAÇÃO EM SOFTWARE PARA O DIMENSIONAMENTO OTIMIZADO DE RECURSOS DE MANUTENÇÃO (EQUIPES, EQUIPAMENTOS, INSTRUMENTOS, SOBRESSALENTES, ETC.) EM DISTRIBUIÇÃO DE ENERGIA ELÉTRICA Brookfield MODELO DE SIMULAÇÃO ESTOCÁSTICA PARA SIMULAR A SENSIBILDIADE DA FRONTEIRA DE OBJETIVOS CONFLITANTES ENTRE CUSTO E DISPONIBILIDADE EM FUNÇÃO DE POLÍTICAS DE MANUTENÇÃO CTEEP PD / FERRAMENTAS PARA O ESTUDO DA CONFIABILIDADE INTEGRADA ESTRATÉGICA EM CONEXÕES DE CABOS DE LINHAS AÉREAS DE ALTA TENSÃO - ETAPA FINAL AES SISTEMA COMPUTACIONAL PARA GERAÇÃO DE PROCEDIMENTOS DINÂMICOS COMO SUPORTE À TOMADA DE DECISÃO PARA O AUMENTO DA SEGURANÇA DE PESSOAS, ATIVOS E MEIO AMBIENTE NAS USINAS HIDRELÉTRICAS 30
31 37ª Reunião Fevereiro Grupo de Benchmarking de Manutenção Tema: Tecnologias Aplicadas na Manutenção para a Gestão do Futuro Palestra: Métodos para Predição de Condição de Equipamentos Discussões, comentários & referências Equipe: Gabriel A. Costa Lima, PhD, Diretor gabriel.costa.lima@aremas.com.br Alberto Magno Teodoro Filho, MsC, Consultor alberto.magno@aremas.com.br Contato do linked-inn: 31
Análise e determinação de pontos críticos suscetíveis à ocorrência de descargas parciais em estatorde hidrogerador síncrono.
Análise e determinação de pontos críticos suscetíveis à ocorrência de descargas parciais em estatorde hidrogerador síncrono Edital 2018 P&D 1. Apresentação do problema a ser resolvido Filosofia de monitoramento
Leia maisUma empresa do Grupo Energisa. O futuro da manutenção em parques eólicos
Uma empresa do Grupo Energisa O futuro da manutenção em parques eólicos Grupo Energisa 113 anos de experiência 6º maior grupo em distribuição de energia elétrica do país 13 concessões de distribuição R$13,6
Leia mais10 FORMAS ESTATÍSTICA MODELAGEM PARA USAR
10 FORMAS PARA USAR MODELAGEM ESTATÍSTICA Introdução Conheça um pouco mais sobre algumas modelagens estatísticas e como você pode implantar dentro da sua organização A análise preditiva é capaz de descobrir
Leia maisCONFIABILIDADE TURBOMAQUINAS
Pg. 1 CONFIABILIDADE TURBOMAQUINAS MANUTENÇÃO CENTRADA NA CONFIABILIDADE 2016 Pg. 2 Conceito Confiabilidade: é a probabilidade do equipamento desempenhar sua função, dentro de condições de operação especificadas,
Leia maisTÉCNICAS DE DIAGNOSE EM MOTORES E GERADORES E RECOMENDAÇÕES PARA MANUTENÇÃO DE SEUS ATIVOS 19º SAB OUTUBRO/2018
TÉCNICAS DE DIAGNOSE EM MOTORES E GERADORES E RECOMENDAÇÕES PARA MANUTENÇÃO DE SEUS ATIVOS 19º SAB OUTUBRO/2018 INSTALAÇÕES ONDE ESTAMOS Estamos localizados na grande BH, no município de SARZEDO, e estrategicamente
Leia maisGestão de Projeto. CARGA HORÁRIA 16 horas PROGRAMA
Gestão de Projeto Esse curso oferece ampla visão sobre a arte de gerenciar projetos. Apresenta como projetos tornamse viabilizadores estratégicos para as organizações demonstrando a importância de seu
Leia maisPESQUISA OPERACIONAL APLICADA A LOGÍSTICA
PESQUISA OPERACIONAL APLICADA A LOGÍSTICA Pós-Graduação em Logística e Supply Chain Valdick Sales 1 APRESENTAÇÃO Valdick sales Graduado em Ciência da Computação pela UFPE. Pós-Graduado em Redes e Banco
Leia maisA otimização como fator de transformação do planejamento de Supply Chain na COAMO. Ademir Gonçalvez
A otimização como fator de transformação do planejamento de Supply Chain na COAMO Ademir Gonçalvez Institucional Veja o vídeo em: https://www.youtube.com/embed/hijwsyq74ee http://www.youtube.com/embed/hijwsyq74ee
Leia maisInformática Parte 19 Prof. Márcio Hunecke
Escriturário Informática Parte 19 Prof. Márcio Hunecke Informática NOÇÕES DE ALGORITMOS DE APRENDIZADO O aprendizado automático, aprendizado de máquina (em inglês: "machine learning") ou aprendizagem
Leia maisDisciplinas Fundamentais Curso de Especialização em Administração Industrial (CEAI)
Disciplinas Fundamentais - 2007 Curso de Especialização em Administração Industrial (CEAI) Administração da Produtividade Produção X Produtividade Indicadores de produtividade: globais e parciais Balanced
Leia mais23ª SEMANA DE TECNOLOGIA METROFERROVIÁRIA 4º PRÊMIO TECNOLOGIA E DESENVOLVIMENTO METROFERROVIÁRIOS CATEGORIA (3) RODANTE
23ª SEMANA DE TECNOLOGIA METROFERROVIÁRIA 4º PRÊMIO TECNOLOGIA E DESENVOLVIMENTO METROFERROVIÁRIOS CATEGORIA (3) UTILIZAÇÃO DO PIMS PARA MONITORAMENTO PREDITIVO DE MATERIAL RODANTE INTRODUÇÃO No momento
Leia maisCHAMAMENTO PÚBLICO DE PESQUISA E DESENVOLVIMENTO PROGRAMA CEMIG 4.0. Classificação das propostas não priorizadas. Título da Proposta
RESULTADO Classificação das propostas não priorizadas A - Eixo Digitalização: A1. Assistente Digital para Busca Inteligente de Informações Título da 2 00032-18 Desenvolvimento de um Assistente Digital
Leia maisDiagrama do Pré-projeto
Diagrama do Pré-projeto Relembrando... A localização dos aerogeradores deve ser otimizada. O projeto deve considerar os seguintes itens: Limites do terreno; Áreas restritas; Direção predominante do vento;
Leia maisPROJETO PILOTO COPEL DISTRIBUIÇÃO E OSISOFT PARA MONITORAMENTO DE EQUIPAMENTOS E GESTÃO DE ATIVOS
- Optional Industry Icon (see slide # 12)- PROJETO PILOTO COPEL DISTRIBUIÇÃO E OSISOFT PARA MONITORAMENTO DE EQUIPAMENTOS E GESTÃO DE ATIVOS Lincoln Weigert Venancio, Eng 23/05/2018 - Optional Prospect
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 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 & Desenvolvimento
Pesquisa & Desenvolvimento O Programa de Pesquisa e Desenvolvimento (P&D) na AES Sul é uma importante ferramenta para a companhia promover melhorias contínuas na prestação do serviço, com a qualidade e
Leia maisInformática. Aprendizado de Máquina. Professor Márcio Hunecke.
Informática Aprendizado de Máquina Professor Márcio Hunecke www.acasadoconcurseiro.com.br Informática Aula XX NOÇÕES DE ALGORITMOS DE APRENDIZADO O aprendizado automático, aprendizado de máquina (em inglês:
Leia maisGQS Medidas. André Luís Duarte. exatasfepi.com.br
exatasfepi.com.br GQS Medidas André Luís Duarte O que adquire entendimento ama a sua alma; o que cultiva a inteligência achará o bem. Provérbios 19:8 Qualidade de software Papel dos números Fontes de ruído
Leia maisXX Seminário Nacional de Distribuição de Energia Elétrica SENDI a 26 de outubro Rio de Janeiro - RJ - Brasil
XX Seminário Nacional de Distribuição de Energia Elétrica SENDI 2012-22 a 26 de outubro Rio de Janeiro - RJ - Brasil Miriam Soares Cordeiro Martins Ampla Energia e Serviços S/A miriam@ampla.com Modelagem
Leia maisSETEEL - CCT/UDESC - 18/08/2014 (Segunda-feira)
SETEEL - CCT/UDESC - 18/08/2014 (Segunda-feira) Palestra: INB - ABERTURA DA SEMANA DAS ENGENHARIAS Palestrante: Prof. Dr. Aquilino Senra Martinez Resumo: Contribuição da fonte nuclear à matriz energética
Leia maisLandis+Gyr Equipamentos de Medição Companhia Paranaense de Energia
XXII Seminário Nacional de Distribuição de Energia Elétri SENDI 2016-07 a 10 de novembro Curitiba - PR - Brasil Rafael Esteves Daniel Tiago Augusto Silva Santana Landis+Gyr Equipamentos de Medição Companhia
Leia mais4 Cálculo de Equivalentes Dinâmicos
4 Cálculo de Equivalentes Dinâmicos 4.1 Introdução Com o elevado índice de expansão dos sistemas elétricos de potência, os freqüentes aumentos nas interligações e o alto número de variáveis que envolvem
Leia maisEnergisa Soluções S/A Resultados do 1º trimestre de 2016
Resultados do 1º trimestre de 2016 Cataguases, 13 de maio de 2016 A Administração da ( Energisa Soluções ou Companhia ) apresenta os resultados do primeiro trimestre (1T16). 1 Perfil do negócio e considerações
Leia mais3ª Reunião. Grupo de Benchmarking Trabalhos Técnicos. 14 de Setembro de 2016 Tetrapak Monte Mor - SP
3ª Reunião Grupo de Benchmarking Trabalhos Técnicos 14 de Setembro de Tetrapak Monte Mor - SP Empresa: Cocal Energia Responsável Título: Técnicas de Manutenção Preditiva O Que é Manutenção Preditiva? São
Leia maisPreditiva Web pelo menor custo do mercado!
O SIGMA agora, prevê falhas antes que ocorram! Instale nosso sistema de monitoramento de sintomas preditivos em seus equipamentos e obtenha todas as leituras de vibração, temperatura, pressão, etc., em
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 maisModelo para estimativa de risco operacional e previsão de estoque para equipamentos da Comgás
Modelo para estimativa de risco operacional e previsão de estoque para equipamentos da Comgás 1. Introdução Marcos Henrique de Carvalho 1 Gabriel Alves da Costa Lima 2 Antonio Elias Junior 3 Sergio Rodrigues
Leia maisCOMISSÃO TÉCNICA DO XXII SNPTEE CONSTATAÇÕES TÉCNICAS
COMISSÃO TÉCNICA DO XXII SNPTEE CONSTATAÇÕES TÉCNICAS Constatações Técnicas GGH Geração Hidráulica Há necessidade de integrar os sistemas de monitoramento das máquinas com as barragens, assim como existe
Leia maisDIGITALIZAÇÃO NA INDÚSTRIA DA CONSTRUÇÃO
DIGITALIZAÇÃO NA INDÚSTRIA DA CONSTRUÇÃO Aumento da eficiência e produtividade através da transformação digital na construção GABRIEL BORGES Founder Engenheiro Civil UFG MBA Gestão e Tecnologias Ambientais
Leia maisModelos e Modelagem. Roteiro
Modelos e Modelagem Lupércio F. Bessegato PUC Minas IEC 2007 Roteiro 1. O processo de modelagem 2. Tipos de modelos 3. Modelos determinísticos e probabilísticos 4. Modelos interativos: 5. Modelagem e tomada
Leia maisPEA5918 Redes Elétricas Inteligentes e Microrredes (Smart Grids e Microgrids)
PEA5918 Redes Elétricas Inteligentes e Microrredes (Smart Grids e Microgrids) Métodos Avançados de Controle Giovanni Manassero Junior Depto. de Engenharia de Energia e Automação Elétricas Escola Politécnica
Leia maisCONSOLIDAÇÃO DE DEMANDAS PARA SORTEIO Nº 01/ EDITAL DE CREDENCIAMENTO Nº 01/2012 Demanda
1 1 3 2 1 3 3 1 3 4 3 4 avaliação final do projeto "Avaliação de Ciclo de Vida (ACV) Comparativa entre Tecnologias de Aproveitamento Energético de Resíduos Sólidos" avaliação final do projeto "Avaliação
Leia maisINSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE SANTA CATARINA. Unidade Curricular de Engenharia e Sustentabilidade
INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE SANTA CATARINA Unidade Curricular de Engenharia e Sustentabilidade Método de projeto para engenharia Habilidades do Engenheiro; Etapas do projeto
Leia maisEngenharia de Software II
Engenharia de Software II Aula 6 http://www.ic.uff.br/~bianca/engsoft2/ Aula 6-10/05/2006 1 Ementa Processos de desenvolvimento de software Estratégias e técnicas de teste de software (Caps. 13 e 14 do
Leia maisDesenvolvimento de Metodologia para Realização de Estudos Elétricos de VFT sobre transformadores. Edital 2018 P&D
Desenvolvimento de Metodologia para Realização de Estudos Elétricos de VFT sobre transformadores Edital 2018 P&D Problema a ser Resolvido Com a crescente necessidade de compactação das subestações em áreas
Leia maisEconometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Motivação Motivação Por
Leia maisINE 5101 Simulação Discreta. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
INE 5101 Simulação Discreta 1 Objetivos do curso Ao final deste curso você deverá saber: O que é modelagem e simulação de sistemas; Como funcionam programas de simulação; Como utilizar corretamente uma
Leia maisO uso de Máquina de Suporte Vetorial para Regressão (SVR) na Estimação da Estrutura a Termo da Taxa de Juros do Brasil 12
1 Introdução No Brasil, o grande aumento na adesão a planos de previdência privada nos últimos tempos implicou em maiores preocupações de bancos e seguradoras em fazer investimentos visando garantir o
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação (Machine Learning) Aula 01 Motivação, áreas de aplicação e fundamentos Max Pereira Nem todo conhecimento tem o mesmo valor. O que torna determinado conhecimento mais importante que
Leia maisUtilização de Dados de Histórico na Manutenção Preditiva de Equipamentos Elétricos, Eletrônicos e Programáveis em Aplicações Metroferroviárias
Utilização de Dados de Histórico na Manutenção Preditiva de Equipamentos Elétricos, Eletrônicos e Programáveis em Aplicações Metroferroviárias Eng. Antonio Vieira da Silva Neto Prof. Dr. Paulo Sérgio Cugnasca
Leia maisVários modelos: um SAD pode incluir vários modelos, cada um representando uma parte diferente do problema de tomada de decisão Categorias de modelos
MODELAGEM E ANÁLISE Modelagem Questões atuais de modelagem Vários modelos: um SAD pode incluir vários modelos, cada um representando uma parte diferente do problema de tomada de decisão Categorias de modelos
Leia maisTecnologia Empresarial Ltda
tecém Tecnologia Empresarial Ltda www.tecem.com.br tecem@tecem.com.br Júlio Nascif 31-9 9108 8109 2017 RESULTADOS 21 anos GAP Aumento da produtividade ~ 30% resultados, competitividade Empresas Excelentes
Leia maisao longo do tempo. Dessa forma, é necessário que a administração possa flexibilizar suas decisões de acordo com os movimentos dos mercados, ou seja,
13 1 Introdução Ao longo dos últimos anos, tem-se observado uma forte tendência por parte das empresas em dar foco preponderante na geração de valor para acionistas e investidores. Estudos conduzidos por
Leia maisPesquisa Operacional Introdução. Profa. Alessandra Martins Coelho
Pesquisa Operacional Introdução Profa. Alessandra Martins Coelho julho/2014 Operational Research Pesquisa Operacional - (Investigação operacional, investigación operativa) Termo ligado à invenção do radar
Leia maisAnálise de Regressão
Análise de Regressão Tópicos em Avaliação de Desempenho de Sistemas Aline Oliveira Camila Araujo Iure Fé Janailda aso2@cin.ufpe.br cga2@cin.ufpe.br isf2@cin.ufpe.br jbs4@cin.ufpe.br Agenda Parte I: Contextualização
Leia maisSSC643 -Avaliação de Desempenho de Sistemas Computacionais -
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC643 -Avaliação de Desempenho de Sistemas Computacionais - Aula 2 Sarita Mazzini Bruschi
Leia maisPry-Cam: Solução Para Gerenciamento de Ativos Elétricos
Pry-Cam: Solução Para Gerenciamento de Ativos Elétricos Thiago Chinen Engº de Aplicação Prysmian Group thiago.chinen@prysmiangroup.com Agenda Abordagem para gerenciamento de ativos Introdução às Descargas
Leia maisCurso Básico de Confiabilidade de Sistemas de Segurança
1 Curso Básico de Confiabilidade de Sistemas de Segurança Carga horária: 16 horas (2 dias) Instrutores: Luiz Fernando Seixas de Oliveira e Luciana Moreira Chame Objetivos - Dar aos participantes um entendimento
Leia maisEquipe Básica: Prof. Paulo Barbosa Prof. Dr. Warren Powell Prof. Alberto Francato Dr. Marcos Leone Filho Dr. João R. C. Pires Dr. Fernando A. A.
SMART-SEN: Um Modelo de Simulação do Sistema Elétrico Nacional com Presença de Geração de Renováveis Intermitentes: Impactos Operacionais, Regulatórios e Custos Equipe Básica: Prof. Paulo Barbosa Prof.
Leia maisENCONTRO BRASILEIRO DE REGULAÇÃO DO SETOR ELÉTRICO. São Paulo, 08 e 09 de abril de 2014
ENCONTRO BRASILEIRO DE REGULAÇÃO DO SETOR ELÉTRICO São Paulo, 08 e 09 de abril de 2014 1 PESQUISA & DESENVOLVIMENTO + INOVAÇÃO OBRIGAÇÕES x OPORTUNIDADES Denise Araújo Vieira Krüger PROJETOS DE PESQUISA
Leia maisEscola de Engenharia de Lorena EEL/USP Curso de Engenharia de Produção. Prof. Fabrício Maciel Gomes
Escola de Engenharia de Lorena EEL/USP Curso de Engenharia de Produção Prof. Fabrício Maciel Gomes Previsão de Demanda A previsão da demanda é a base para o planejamento estratégico da produção, vendas
Leia maisMetodologias e Critérios para o planejamento de Sistemas de Energia Elétrica Dr. Eng. Clodomiro Unsihuay Vila
Universidade Federal de Paraná Setor de Tecnologia Departamento de Engenharia Elétrica Metodologias e Critérios para o planejamento de Sistemas de Energia Elétrica Dr. Eng. Clodomiro Unsihuay Vila Curitiba-Brasil,
Leia mais6 Geração de Cenários
6 Geração de Cenários O planejamento do setor elétrico para operações hidrotérmicas de longo prazo de cada subsistema, atualmente, está fundamentado na avaliação dos resultados da simulação de diversos
Leia maisPrevisão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN
Previsão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN Alan Caio Rodrigues MARQUES 1, Gelson da Cruz JUNIOR 2, Cassio Dener Noronha VINHAL 3 Escola de Engenharia Elétrica e de Computação 1
Leia maisChamada aberta à empresas, institutos, universidades e fundações que desenvolvem projetos de P&D voltados para o setor elétrico brasileiro.
OBJETIVO Chamada aberta à empresas, institutos, universidades e fundações que desenvolvem projetos de P&D voltados para o setor elétrico brasileiro. O objetivo é selecionar propostas de P&D para compor
Leia maisPlano de Trabalho Docente 2017 Ensino Técnico
Plano de Trabalho Docente 2017 Ensino Técnico Plano de Curso nº 239 aprovado pela portaria Cetec nº 172 de 13/09/2013 Etec Sylvio de Mattos Carvalho Código: 103 Município: Matão Eixo Tecnológico: Controle
Leia mais1 Introdução. 1.1 Motivação
1 Introdução 1.1 Motivação O objetivo principal das concessionárias prestadoras dos serviços essenciais, tais como água e esgoto, luz e telefone, é fornecer o seu produto da forma mais eficiente, econômica
Leia maisAEOLLICUS - SISTEMA DE GERENCIAMENTO E SIMULAÇÃO DE FAZENDAS EÓLICAS
AEOLLICUS - SISTEMA DE GERENCIAMENTO E SIMULAÇÃO DE FAZENDAS EÓLICAS Anderson Nunes Coelho 1 Alex de Paula Pinheiro 1 Alaine Margarete Guimarães 2 Jorim Sousa das Virgens Filho 3 RESUMO: O sucesso dos
Leia maisProjeto e Planejamento da Indústria Química
Indústria Química Prof. Marcus V. Americano da Costa F o Departamento de Engenharia Química Universidade Federal da Bahia Salvador-BA, 16 de maio de 2017. Sumário Sumário Projeto Um projeto é definido
Leia mais2 Componentes da rede de integração
2. Componentes da rede de integração 30 2 Componentes da rede de integração Como já descrito anteriormente, o foco desta tese está no problema de planejamento da integração de novas usinas renováveis à
Leia maisPEA 3420 : Produção de Energia. SISTEMAS HÍBRIDOS (Solar Eólico)
PEA 3420 : Produção de Energia SISTEMAS HÍBRIDOS (Solar Eólico) 1 SISTEMAS HÍBRIDOS Definição: Sistema que utiliza mais de uma fonte de energia que, dependendo da disponibilidade dos recursos, deve gerar
Leia maisA evolução da rede cria novos desafios Microgrid & Energia Distribuída
A evolução da rede cria novos desafios & Energia Distribuída Pág. 4 De geração centralizada e transmissão unidirecional para geração distribuída Transporte de gás natural Gás Natural Estação de Gás natural
Leia maisMODELAGEM E SIMULAÇÃO
MODELAGEM E SIMULAÇÃO Professor: Dr. Edwin B. Mitacc Meza edwin@engenharia-puro.com.br www.engenharia-puro.com.br/edwin Análise da Decisão Pela própria natureza da vida, todos nós devemos continuamente
Leia maisA análise de séries temporais é uma área da estatística dedicada ao estudo de dados orientados no tempo (MONTGOMERY, 2004).
3 Séries temporais A análise de séries temporais é uma área da estatística dedicada ao estudo de dados orientados no tempo (MONTGOMERY, 2004). 3.1. Princípios fundamentais Conforme Box et al. (1994), uma
Leia maisCurso de Graduação em Engenharia, Habilitação em Engenharia Elétrica... Estrutura Curricular:
Curso de Graduação em Engenharia, Habilitação em Engenharia... Estrutura Curricular: Curso: 3 ENGENHARIA ELÉTRICA Currículo: 4 Ênfase: Eletrotécnica Resolução UNESP 33, de 24/6/1988 (ingressantes a partir
Leia maisDemanda tempo real Produção de fontes intermitentes. Realidade: penetração de energia eólica e solar é uma realidade no mundo todo
SMART-SEN: Um Modelo de Simulação do Sistema Elétrico Nacional com Presença de Geração de Renováveis Intermitentes: Impactos Operacionais, Regulatórios e Custos Equipe Básica: Prof. Dr. Paulo Barbosa Prof.
Leia maisTema PANORAMA DE MANUTENÇÃO FROTA
Tema PANORAMA DE MANUTENÇÃO FROTA Objetivo Apresentar novos conhecimentos técnicos a todos os participantes e que permita obter a máxima redução de custos, maior disponibilidade de equipamentos e aumento
Leia maisPesquisador. Planejamento de Experimentos Design of Experiments - DOE NOÇÕES SOBRE EXPERIMENTOS FATORIAIS. 1 - Fixar T e variar P até > Pureza
3 NOÇÕES SOBRE EXPERIMENTOS FATORIAIS Planeamento de Experimentos Design of Experiments - DOE Em primeiro lugar devemos definir o que é um experimento: Um experimento é um procedimento no qual alterações
Leia maisClassificação e Predição de Dados - Profits Consulting - Consultoria Empresarial - Serviços SAP- CRM Si
Classificação e Predição de Dados - Profits Consulting - Consultoria Empresarial - Serviços SAP- CRM Si Classificação de Dados Os modelos de classificação de dados são preditivos, pois desempenham inferências
Leia maisTítulo do trabalho. Monitoramento online como ferramenta. para AIE
Centro de Pesquisas de Energia Elétrica - CEPEL CEPEL Monitoramento online como ferramenta Título do trabalho para AIE Autor/apresentador Bruno R. Cardoso, Carlos Frederico T. Matt Fernanda F. M. dos Santos,
Leia maisEmentário das disciplinas do curso de Engenharia da Computação. - Núcleo Básico -
Ementário das disciplinas do curso de Engenharia da Computação Currículo 6 Criado pelo CDI em 30/05/2016 - Núcleo Básico - NB 019 - Cálculo I CH Teórica 160 CH Prática 00 CH Total 160 cr 8 Funções. Limites.
Leia maisCURSO: ENGENHARIA DE PRODUÇÃO EMENTAS º PERÍODO
CURSO: ENGENHARIA DE PRODUÇÃO EMENTAS 2018.1 1º PERÍODO DISCIPLINA: ESTUDOS SOCIOANTROPOLÓGICOS Panorama da história das Ciências Sociais, enfatizando seus princípios teóricos e metodológicos propostos.
Leia maisEngenharia de Software II
Faculdade de Ciências e Tecnologia Departamento de Matemática e Computação Bacharelado em Ciência da Computação Engenharia de Software II Aula 04 (rogerio@fct.unesp.br) 2 Conteúdo: Parte 1: Gerenciamento
Leia maisNOÇÕES SOBRE EXPERIMENTOS FATORIAIS
3 NOÇÕES SOBRE EXPERIMENTOS FATORIAIS Planejamento de Experimentos Design of Experiments - DOE Em primeiro lugar devemos definir o que é um experimento: Um experimento é um procedimento no qual alterações
Leia maisCapítulo I Introdução 24
1 Introdução Na última década, a poluição atmosférica tem sido assunto freqüente e de destaque na mídia em geral. Problemas de caráter global como o efeito estufa e a redução da camada de ozônio têm sido
Leia maisBruna Galle UPE Ecomp Mêuser Valença UPE Ecomp
Bruna Galle UPE Ecomp bcga@ecomp.poli.br Mêuser Valença UPE Ecomp meuserv@yahoo.com.br Roteiro Motivação Objetivos Conceitos básicos: Redes Neurais Pré processamento dos Dados Treinamento Resultados Conclusões
Leia maisGestão de Materiais MRO para Equipes Suprimentos e Logística e Manutenção e Engenharia
Gestão de Materiais MRO para Equipes Suprimentos e Logística e Manutenção e Engenharia Apresentação Nossa experiência mostra que de um modo geral existem divergências significativas entre as visões e percepções
Leia maisCurso Básico de Confiabilidade de Sistemas de Segurança
Curso Básico de Confiabilidade de Sistemas de Segurança Carga horária: 16 horas (2 dias) Instrutores: Luiz Fernando Seixas de Oliveira e Luciana Moreira Chame Objetivos - Dar aos participantes um entendimento
Leia maisPesquisa Operacional. Introdução à Pesquisa Operacional
Pesquisa Operacional Introdução à Pesquisa Operacional 1 PESQUISA OPERACIONAL PO Sumário Origens A natureza O impacto Principais sociedades profissionais ligadas à PO Algumas publicações científicas ligadas
Leia maisASSOCIAÇÃO DE ENSINO E CULTURA PIODÉCIMO FACULDADE PIO DÉCIMO, CAMPUS III ARACAJU, SERGIPE MATERIAL PARA AULA DO ENAD ÁREA ESPECÍFICA
ASSOCIAÇÃO DE ENSINO E CULTURA PIODÉCIMO FACULDADE PIO DÉCIMO, CAMPUS III ARACAJU, SERGIPE MATERIAL PARA AULA DO ENAD ÁREA ESPECÍFICA SISTEMAS ELÉTRICOS II ENGENHARIA ELÉTRICA Prof. José Valter Alves Domingues
Leia maisTécnicas de Manutenção Eletrônica
Técnicas de Manutenção Eletrônica AI32E e ET231 Prof. Dr. Hugo Valadares Siqueira Ementa Parte I Aprendizagem do uso de instrumentos de medição. - Testes em componentes eletrônicos. - Equipamentos eletrônicos
Leia maisConfiabilidade Estrutural
Professor Universidade de Brasília Confiabilidade Estrutural Jorge Luiz A. Ferreira Confiabilidade Universidade de Brasília Corresponde a probabilidade de um sistema desempenhar de forma adequada o seu
Leia maisESTUDO DE CASO PARA VERIFICAR A SEGURANÇA EM DUTOS COM DEFEITOS DE CORROSÃO
ESTUDO DE CASO PARA VERIFICAR A SEGURANÇA EM DUTOS COM DEFEITOS DE CORROSÃO Maylon Dieferson Silva de Sobral 1 ; Juliana Von Schmalz Torres 2 1 Estudante do Curso de Engenharia Civil CAA UFPE. E-mail:
Leia maisPREVISÃO DA DEMANDA. Aula 10 e 11 e 12 - Regina Meyer Branski
PREVISÃO DA DEMANDA Aula 10 e 11 e 12 - Regina Meyer Branski Objetivos da aula Ao final os alunos devem ser capazes de implementar processo de previsão de demanda conhecendo: Modelos de Previsão Indicadores
Leia maisCURSO DE ENGENHARIA DA PRODUÇÃO PLANO DE ENSINO
CURSO DE ENGENHARIA DA PRODUÇÃO PLANO DE ENSINO CÓDIGO DISCIPLINA NATUREZA ANO EPO-043 GESTÃO DA MANUTENÇÃO OBRIGATÓRIA 2018.2 CARGA HORÁRIA PRÉ-REQUISITO 60 horas -------------------------------------------------------------------------------
Leia maisUNIVERSIDADE FEDERAL DE SANTA CATARINA PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA CIVIL
UNIVERSIDADE FEDERAL DE SANTA CATARINA PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA CIVIL Autores: Prof. Rafael Holdorf Lopez e Prof. Leandro Fleck Fadel Miguel Maio, 2013 Este texto visa dar uma breve introdução
Leia maisAVALIAÇÃO DE DESEMPENHO OPERACIONAL DO PRIMEIRO SISTEMA FOTOVOLTAICO CONECTADO À REDE ELÉTRICA E INTEGRADO À EDIFICAÇÃO DA AMAZÔNIA BRASILEIRA
AVALIAÇÃO DE DESEMPENHO OPERACIONAL DO PRIMEIRO SISTEMA FOTOVOLTAICO CONECTADO À REDE ELÉTRICA E INTEGRADO À EDIFICAÇÃO DA AMAZÔNIA BRASILEIRA Eng. Gilberto Figueiredo Dr. Wilson Macêdo Eng. Alex Manito
Leia maisModelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais
Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais João Eduardo da Silva Pereira (UFSM) jesp@smail.ufsm.br Tânia Maria Frighetto (UFSM) jesp@smail.ufsm.br
Leia maisOlinda Pernambuco - Brasil. Monitoramento de Desgastes dos Contatos do Disjuntor
XVIII Seminário Nacional de Distribuição de Energia Elétrica SENDI 2008-06 a 10 de outubro Olinda Pernambuco - Brasil Monitoramento de Desgastes dos Contatos do Disjuntor Clailton Silva Danilo Santos Luiz
Leia maisPROJETO DE P&D ANEEL 1) CIA TRANSLESTE DE TRANSMISSÃO:
PROJETO DE P&D ANEEL 1) CIA TRANSLESTE DE TRANSMISSÃO: 1.1) TÍTULO DO PROJETO: Avaliação do ciclo de vida e disponibilidade de instalação e equipamentos do sistema de transmissão. OBJETIVO: Apresentar
Leia maisSSC546 -Avaliação de Desempenho de Sistemas
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC546 -Avaliação de Desempenho de Sistemas Parte 1 -Aula 2 Sarita Mazzini Bruschi Material
Leia maisModelos de Regressão Linear Simples parte I
Modelos de Regressão Linear Simples parte I Erica Castilho Rodrigues 27 de Setembro de 2017 1 2 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir modelos
Leia maisCurso Profissional de Nível Secundário
Curso Profissional de Nível Secundário Técnico Auxiliar de Saúde 2 TAS Ano Letivo: 2014/2015 Matemática (200 horas) 11º Ano PLANIFICAÇÃO A LONGO PRAZO A7 Probabilidades Fenómenos aleatórios. 2 aulas Argumento
Leia maisSERVIçOS EM BUCHAS Trench França THE PROVEN POWER.
SERVIçOS EM BUCHAS Trench França Quem É Trench FranÇA? NOSSA PROPOSTA seu benefício A Trench França tem fabricado buchas e transformadores de corrente por mais de 60 anos. Anteriormente conhecida pelo
Leia maisOtimização. Otimização em Redes. Paulo Henrique Ribeiro Gabriel Faculdade de Computação Universidade Federal de Uberlândia 2016/2
Otimização Otimização em Redes 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 / 51 Conteúdo
Leia maisCURSO: ENGENHARIA DE CONTROLE E AUTOMAÇÃO EMENTAS º PERÍODO
CURSO: ENGENHARIA DE CONTROLE E AUTOMAÇÃO EMENTAS - 2016.2 2º PERÍODO DISCIPLINA: CÁLCULO I DISCIPLINA: FÍSICA I Estudo do centro de Massa e Momento Linear. Estudo da Rotação. Estudo de Rolamento, Torque
Leia maisCap. 1 - O Papel da Estatística na Engenharia 1. Objetivos de Aprendizagem. UFMG-ICEx-EST-027/031 01/08/ :35. Cap. 1 - O Papel da Estatística na
-027/031 01/08/2013 09:35 1 ESQUEMA DO CAPÍTULO O Papel da Estatística na 1.1 O MÉTODO DE ENGENHARIA E O JULGAMENTO ESTATÍSTICO 1.1.1 e resolução de problemas 1.1.2 1.2 COLETA DE DADOS EM ENGENHARIA 1.3
Leia mais