024/ ANÁLISE MULTICRITÉRIO DO PROBLEMA DE SELEÇÃO DE EQUIPAMENTOS EM AMBIENTE JUST IN TIME, UTILIZANDO-SE DE UM ALGORITMO GENÉTICO
|
|
- Marco Antônio Padilha Carlos
- 7 Há anos
- Visualizações:
Transcrição
1 ISSN Ro de Janero- Brasl, 05 e 06 de agosto de SPOLM / ANÁLISE MULTICRITÉRIO DO PROBLEMA DE SELEÇÃO DE EQUIPAMENTOS EM AMBIENTE JUST IN TIME, UTILIZANDO-SE DE UM ALGORITMO GENÉTICO José André de Moura Brto IBGE Insttuto Braslero de Geografa e Estatístca DPE / COMEQ. Av.Chle, 500, 0º Andar, Centro Ro de Janero RJ. e-mal ose.m.brto@bge.gov.br Luz Cláudo Lopes Alves IBGE Insttuto Braslero de Geografa e Estatístca DPE /COSEC. Av.Chle, 500, 0º Andar, Centro Ro de Janero RJ. e-mal lcalves@bge.gov.br Carlos Augusto de Alcantara Gomes IEPG/UNIFEI R. Sambaíba,4 Pontnha Araruama MG e-mal alcantaragomes@unfe.edu.br Resumo O presente trabalho propõe uma abordagem baseada em algortmos genétcos para o problema de seleção de equpamentos em ambente Just n Tme. A resolução de tal problema consste na determnação do número de máqunas que devem ser utlzadas em E estágos, de forma a mnmzar o custo total de produção. Um conunto de resultados computaconas é apresentado, nclundo-se os tempos totas de produção de cada alternatva gerada. Isto permte que se faça uma adoção de soluções váves para a função obetvo orgnal, possbltando uma análse multcrtéro do problema. Palavras-Chaves: Just n Tme; Seleção de Equpamentos; Algortmos Genétcos; MetaHeurístcas. Abstract Ths paper proposes an approach based on genetc algorthms for the equpment selecton problem n a Just n Tme envronment. The resoluton of ths problem conssts n determnng the number of machnes to be used n E stages, n order to mnmze the total cost of producton. A set of computatonal results s presented, ncludng the total producton tme of each generated alternatve. Ths allows us to make an adopton of suboptmal solutons for the orgnal obectve functon, enablng an multcrtera analyss of the problem. Keywords: Just n Tme; Equpment Selecton; Genetc Algorthms; Metaheurstcs. INTRODUÇÃO GUNASEKARAN et al (993) propuseram uma formulação matemátca não-lnear para o problema de seleção de equpamentos em sstemas de manufatura Just n
2 Tme. A partr do estudo desta formulação, ALVES(997) e ALVES et al (200) propuseram uma formulação modfcada, consderando o desenvolvmento de três relaxações (restrções) que foram ncorporadas à formulação orgnal, quas seam: uma relaxação que consdera a perda de tempo devdo à quebra de máqunas, a segunda a geração de sucata e a tercera de que a demanda sera varável. Observando que a utlzação desta últma relaxação pode mplcar em um custo de perda de venda, caso não ocorra o atendmento à 00% da demanda do públco. O presente trabalho tem por obetvo, ncalmente, avalar a adoção de soluções váves, produzdas a partr da aplcação de um algortmo genétco que consdera a função obetvo assocada com a formulação proposta por GUNASEKARAN et al (993). A adoção de tas soluções (produzdas pelo AG) tende a cooperar para o aumento na rapdez de produção e dmnur os custos em um sstema de manufatura Just n Tme, e consequentemente, auxlar em uma tomada de decsão multcrtéro de assumr custos maores de nvestmento e/ou aluguel em equpamentos versus a redução do tempo total de produção, conforme ALVES et all (2004). O presente trabalho está dvddo da segunte forma: Na seção 2 temos uma descrção do problema de seleção de máqunas. A seção 3 apresenta os concetos báscos da metaheurístca algortmos genétcos e uma descrção detalhada do algortmo proposto para a resolução deste problema. Fnalmente, na seção 4, temos os resultados computaconas e análses produzdas para um conunto de nstâncas geradas artfcalmente. 2. PROBLEMA DE SELEÇÃO DE MÁQUINAS O sstema de produção consderado neste trabalho tem múltplos estágos, para os quas, podem exstr máqunas semelhantes realzando os mesmos tpos de operações. Busca-se encontrar o número de máqunas requerdas em cada estágo que mnmze o custo total de produção assocado (fgura ), sem consderar nenhuma relaxação, sto é, em ambente Just n Tme, segundo GUNASEKARAN et al (993). O custo total do sstema consste dos seguntes custos: () custo devdo ao processamento dos produtos () custo devdo ao não-balanceamento nas taxas de produção; () nvestmento em equpamentos; Fgura Estágos de Produção Produto Produto 2 Produto 3 Produto P Estágo Estágo Estágo + Estágo E n n n n E A resolução de tal problema pode ser obtda medante a aplcação da formulação proposta por GUNASEKARAN et al (993) e descrta a segur, consderando-se, para tal, as seguntes premssas: A demanda para cada produto é assumda como sendo unforme, determnístca e conhecda. Não há quebra de máqunas. Esta é uma premssa smplfcadora que pode ser obtda através da mplementação da manutenção produtva total (TPM) e da adoção de manutenção preventva entre paradas. O custo de estoque é lnearmente proporconal ao valor de estoque em processo ponderado.
3 O tempo de transporte para lotes é desprezível. Uma vez que o conceto de GP tenha sdo assumdo para ser usado no sstema JIT, é razoável supor-se que não há tempo de transporte de subprodutos entre estágos. Pode-se assumr que as máqunas de cada estágo têm a mesma capacdade. Não há sucata. Não há custo de estoque de produto acabado, uma vez que os produtos são despachados assm que o processamento sea concluído. 2.. FORMULAÇÃO P : total de produtos : índce de produto ( =,..., P) D : demanda do produto por undade de tempo ou ano; E : total de estágos : índce de estágo ( =,..., E) Para o estágo : n : número de máqunas; M : custo por máquna ou taxa de aluguel; V : área do espaço requerdo por uma máquna. Para o -ésmo produto e o -ésmo estágo: AP : tempo médo de processamento para um lote; Q : tamanho do lote; O : peso de prordade dado no processamento (sequencamento); α : custo devdo ao processamento por undade de tempo; β : custo de penaldade devdo a uma undade de desbalanceamento nas taxas de produção entre os estágos e + ; : tempo de processamento para um lote; PT NPC : número de cclos de produção por undade de tempo; T km : tempo de processamento de uma undade; : taxa de dmnução no tempo de processamento face a um aumento de uma undade no nvestmento de máqunas; MM : tempo de processamento por undade quando o nvestmento em equpamento é zero; λ Cb δ Cs γ TM Ω Mg : taxa de produção : custo devdo à perda no tempo de processamento por undade de tempo; : perda méda percentual de tempo de processamento; : custo devdo à perda em um lote por undade de tempo; : perda méda percentual em um lote; : orçamento de captal máxmo dsponível para nvestmento em máqunas; : espaço máxmo dsponível para máqunas na fábrca; : margem de lucro do produto por undade de tempo ou ano; µ : percentagem da produção dexada de ser vendda por lote do produto no últmo estágo; Z : custo total do sstema relaconado com a seleção de equpamentos.
4 Consderando os parâmetros acma defndos, podemos apresentar os custos envolvdos no problema: () Custo de processamento de produtos: O custo total devdo ao processamento de um produto para dada demanda, consderando todos produtos e todos os E estágos, por undade de tempo (ano), é dado por: P E () { NPC.AP. α} = l = sendo: D (2) NPC = Q (3) AP = λ O. n (4) λ = PT PT = Q xt (5) T = MM km M ; M b M M c (6) P = O =, =,..., E () Custo devdo ao não-balanceamento das taxas de produção entre dos estágos sucessvos: O custo total devdo ao não-balanceamento nas taxas de produção consderando-se todos os produtos e estágos, é dado por: P E-l [ λ λ β] + = = () Custo de nvestmento em equpamento: O nvestmento total em equpamento (aluguel de equpamentos) por ano, consderando-se todos os estágos, é dado por: n = l M n Consderando a notação e as equações acma defndas, chegamos a segunte formulação: (7) (8) (9) s.a P Mn Z = NPC = = E x AP E P E S x α + λ λ + β + = = = = M n TM M n (0) ()
5 E n V = Ω A formulação matemátca apresentada possu uma função obetvo não lnear e não dferencável e restrções lneares. Sendo n uma varável de decsão do tpo ntero que corresponde ao número de máqunas alocadas a cada estágo. Em vez de se utlzar uma abordagem de programação não-lnear (BAZARAA, 993) para determnar o número de máqunas por estágo, optou-se pela aplcação da metaheurístca algortmos genétcos, que será descrta mas à frente. 3. ALGORITMOS GENÉTICOS A metaheurístca algortmos genétcos fo crada por Holland (975) e apóa-se no desenvolvmento natural das espéces. A déa que nortea a aplcação desta metaheurístca está assocada a teora bológca dos sstemas naturas, onde os melhores ndvíduos sobrevvem e geram descendentes com suas característcas heredtáras. Portanto, analogamente, em um algortmo genétco (GLOVER E KOCHENBERGER, 2002) pode-se construr de forma aleatóra uma população ncal de ndvíduos (cromossomos), avalando-se, em seguda, cada ndvíduo desta população através da aplcação de uma função obetvo, seleconando-se os melhores (com menor valor função obetvo um problema de mnmzação) e promovendo manpulações genétcas como cruzamento e mutação, a fm de crar uma nova população. GOLDBERG (989), dentre outros, consoldaram o uso desta metaheurístca, que pode ser adaptada de forma relatvamente smples para resolver qualquer tpo de problema de otmzação. Prmeramente, deve-se determnar como os cromossomos serão representados, o que comumente é feto através de strngs ou vetores. A população ncal pode ser gerada aleatoramente ou utlzando alguma heurístca de construção, produzndo p confgurações (C, C 2,..., C p ), onde p é o tamanho da população, que representa um pequeno subconunto do espaço total de confgurações, ou sea, de soluções váves do problema. Para cada cromossomo na população deve-se calcular o valor da função obetvo f = f ( C ), =,..., p. Fnalmente, operadores genétcos devem ser aplcados à população na segunte ordem: () Reprodução dos melhores cromossomos (seleção). Baseado nos valores de f, as melhores sequêncas são seleconadas e duplcadas em substtução às pores utlzando o método da roleta vcada, do torneo, etc. (2) Recombnação das estruturas genétcas da população, ou sea, o cruzamento (crossover). Esta operação possblta a dversfcação no espaço das confgurações. O operador crossover (tradconal) escolhe aleatoramente dos cromossomos e troca partes do seu padrão genétco. (3) Perturbação de uma confguração (mutação), sto é, a modfcação de alguma porção de alguns ndvíduos (gen ou gens de alguns cromossomos). Este procedmento permte a regeneração de algum gen que possa ter sdo elmnado da população, de forma nesperada, em alguma etapa do processo. Após a execução de todos estes procedmentos, obtém-se uma nova população. E sobre esta, deve-se repetr a avalação da função obetvo para cada cromossomo e a aplcação dos operadores genétcos e assm sucessvamente, em um processo teratvo de geração de novas populações. Normalmente, são consderados os seguntes crtéros de parada neste algortmo: Número máxmo gerações - Repetr os passos (, 2, 3) por um número de vezes pré-determnado e o tempo máxmo de processamento. A saída é representada pela últma população gerada, da qual o melhor elemento, sto é, o cromossomo que tem assocado o menor (maor) valor da função obetvo no problema de mnmzação (maxmzação) é usualmente escolhdo como a solução do problema. (2)
6 3. ALGORITMO GENÉTICO PROPOSTO Consderando o algortmo proposto, a população é formada por m vetores (cromossomos), cada um com E posções que correspondem ao número de estágos do processo de fabrcação. E para cada posção destes vetores, atrbu-se um valor ntero E aleatóro no ntervalo entre e θ. Ω / V ( θ ), que corresponde ao número de = máqunas consderadas em cada estágo, ( =,..., E). Adotando-se tas valores é possível gerar soluções váves de forma que as restrções () e (2) seam satsfetas. A tabela a segur tem um exemplo da representação de algumas soluções com uma dstrbução do número de máqunas em 3 estágos. Tabela - Representação de Soluções com o Número de Máqunas por Estágo Solução = =2 =3 C C C C m Os m vetores C = { C, C2,..., C,..., Cm} gerados correspondem a um pequeno subconunto S de soluções do espaço total de soluções, ou sea, representam algumas das possíves confgurações das máqunas necessáras no processo de produção. Após a construção, avala-se a função obetvo (equação 0) para cada cromossomo C, ou sea, f = f ( C ), =,..., m, aplcando-se, em seguda, os operadores descrtos abaxo: () Seleção A partr da aplcação do método do torneo (GLOVER E KOCHENBERGER, 2002), um conunto de τ ( τ < m) cromossomos é seleconado aleatoramente da população atual e comparado, consderando o valor da função obetvo, sendo o melhor dentre estes o cromossomo seleconado. Tal método é aplcado m vezes de forma a obter uma nova população. () Cruzamento - São realzados t cruzamentos ( t < m, corresponde a um percentual de m ). Em cada cruzamento são seleconados aleatoramente dos cromossomos C e C da atual população, efetuando-se ncrementos (+) e decrementos (-) no número k de máqunas assocadas a cada posção, =,..., E (estágo) de C e C k (vde tabela 2). Tabela 2 - Geração de Novos Cromossomos com Aplcação do Cruzamento Cromossomo = =2 =3 C C k 4 5 C (ntermedáro) C k (ntermedáro) 3 5 C (ntermedáro) C k (ntermedáro) 2 5 C (ntermedáro) C k (ntermedáro) 2 4 C (ntermedáro) C k (ntermedáro) Para os ncrementos e os decrementos, e consequemente para a geração de novos cromossomos (soluções ntermedáras), são observados os seguntes crtéros: Se C < Ck[ ], são aplcados r ncrementos ( r = ( Ck[ ] C[ ]) de uma
7 undade em C e p decrementos ( p r) de uma undade em C k enquanto C k > (número de máqunas em cada estágo maor do que ). Se C > Ck[ ], são aplcados p decrementos de uma undade em C, observando que C e r ncrementos ( r = ( C[ ] Ck[ ]) ) sobre C k. Em cada operação de ncremento/decremento, avala-se a vabldade da solução gerada, sto é, se o novo cromossomo satsfaz às restrções () e (2). Após a realzação destas operações, atualzamos C e C k com os cromossomos váves gerados que têm o menor valor da função obetvo assocado (equação 0). Além do cruzamento, também fo mplementado um procedmento de busca local aplcado a cada 50 gerações do algortmo genétco, em todos os cromossomos da população, logo após o cruzamento. Incalmente, selecona-se aleatoramente para cada cromossomo C ( =,..., m) uma posção que contém o total de máqunas alocadas no estágo. E em seguda, avala-se o valor da função obetvo para cada número ntero (máqunas alocadas) entre max( C MaxVz,) e C + MaxVz. Sendo atrbuído a C um número de máqunas correspondente ao menor valor da função e que satsfaz às restrções () e (2). () Mutação Fo realzada em poucos cromossomos C (5% da população), tendo por obetvo regenerar valores que porventura tvessem sdo elmnados na reprodução ou cruzamento. Para cada um destes cromossomos C fo seleconada aleatoramente uma posção entre e E, atrbundo-se a C um valor aleatóro ntero entre e E θ. Ω / V. Ao efetuar tal atrbução, altera-se o número de máqunas que serão = dsponblzadas em um determnado estágo no processo de produção. 4. RESULTADOS COMPUTACIONAIS E ANÁLISES O algortmo genétco proposto neste trabalho fo mplementado em lnguagem Delph e todos os expermentos computaconas foram realzados em um computador com 2Gb de memóra RAM e dotado de um processador AMD de 2.3 Ghz. Com a fnaldade de avalar e analsar a performance do novo algortmo, foram utlzadas 20 nstâncas geradas aleatoramente. Neste conunto de nstâncas o número de estágos varou entre 2 e 0 e o número de ncal de máqunas, dstrbuídas em cada um dos estágos, varou entre 2 e APLICAÇÃO DO ALGORITMO E RESULTADOS Para aplcação do algortmo genétco (AG), consderando cada uma das 20 nstâncas, trabalhou-se com uma população de 00 cromossomos (possíves confgurações de máqunas). Ademas, no presente expermento o número de gerações fo fxado em 2000, as probabldades de cruzamento e mutação foram fxadas em respectvamente 0.40 e 0.05, o parâmetro θ fo defndo em.4 e o parâmetro Maxvz fo defndo em 50. A tabela 3 sumarza os resultados produzdos pelo AG para as 20 nstâncas. Nesta tabela, a coluna um traz o número de dentfcação da nstânca, a coluna dos contém o número de estágos e as colunas três e quatro contém, respectvamente, o número de produtos e o número de máqunas por estágo. Na coluna cnco temos o tempo de CPU do algortmo em segundos (execução das 2000 gerações) e nas colunas restantes, temos: o custo devdo ao processamento ( C proc ), o custo devdo ao não balanceamento ( C bac ), o custo de nvestmento em máqunas ( C ), o custo total Z (equação 0) e o tempo total de produção defndo por: E máxmo = =,..., P nv ( NPC. AP )
8 Tanto o número de máqunas, quanto os custos C proc, C bac, C nv, Z e o tempo total de produção TP, dsponblzados para cada uma das nstâncas, correspondem a uma solução ncal (prmera geração do AG), a uma solução obtda até a geração 000 do AG (ntermedára) e a melhor solução. A partr deste resultados, podemos observar que o AG proposto pode produzr soluções váves de boa qualdade em um tempo computaconal razoavelmente pequeno. Ademas, com a adoção destas soluções, pode-se cooperar para o aumento na rapdez de produção e dmnução dos custos em um sstema de manufatura Just n Tme.
9 TABELA 3 Resultados do Algortmo Genétco Instânca S P N o de Máqunas Tempo C proc C bac C nv Z TP Estágos Produtos por Estágo AG 5,3, , , , , , ,3, , , , ,7 6.83,0 2,2, , , , ,5.360,5 4,6,8, , , , ,0 5.35, ,2,, , , , , ,4 2,2,2, , , , , ,2 5,2,2,4, , , , ,8 4.62, ,4,5,4, ,2 45.0, , , ,4 3,2,2,2, , , , , 4.680,9 4,6,8,0,6, , , , ,0 8.8, ,5,5,3,5, , , , , ,0 2,3,2,,2, , , , ,3 2.72,9 9,2,9,4,3,6,8 6.2, 2.700, , , , ,6,3,3,2,5, , , ,0 39.9,8.409, 2,2,3,3,4,2, , , , ,8 8.80,5 4,8,7,6,6,8,6, , , , , , ,4,3,3,4,4,3, , , , , ,3 4,5,2,3,3,3,2, , , , , ,6 20,27,22,0,5,2,3,3, , , , , , ,4,2,3,7,5,6,7, , , , , ,8 2,4,4,4,3,3,3,5, , , , , ,9,2,6,9,5,4,,5,7, , , , , , ,5,6,8,6,4,3,5,8, , , , , ,7 0,5,5,3,4,4,5,5,5, , , , , 3.330,6 7,5, , , , , , ,4, , , ,0 3.35,0.095,0 3,3, , , , ,9 3.46,7 3,7,8, , , , ,7 2.47, ,3,3, , , , , ,8 3,3,3, , , , , , 4,3,8,0, , , , , , ,3,5,5, , , , , ,7 3,3,3,3, , , , , ,8 4,6,8,0,, , , , , , ,5,4,4,2, , , , , ,4 2,3,4,3,3, , , , , ,6 2,2,4,3,3,2, , , , , , ,4,8,7,5,3, , , , , ,3 3,3,8,3,3,4, , , , , ,3 5,7,0,3,5,3,4, , , , , , ,6,3,2,2,5,8, , , , , , 4,5,3,3,4,4,3, , , , , ,6 4,6,8,0,3,5,,4, , , , , , ,6,7,7,7,8,5,6, , , , , ,2 3,3,3,3,5,5,8,4, , , , , ,9 6,5,7,4,,20,2,0,, , , , , , ,2,7,5,8,6,9,4,4, , , , ,9 44.0,5 4,3,6,7,4,5,5,6,5, , , , , , 4,6, , , , ,4 0.24, ,4, , , , , ,2 4,3, , , , , ,3 6,7,3, , 0.72, , , , ,4,3, , , , , ,5 4,4,3, , , , , ,5 7,4,0,2, , , , , , ,6,7,6, ,4 6.80, , , 20.22,5 4,4,4,4, , , , , ,7,0,9,8,2,8 4.09, , , , , ,6,5,4,5, , , , , ,5 4,4,5,4,4, , , , , ,0
10 4.2 ANÁLISE GRÁFICA Consderando como exemplo a nstânca 0 (tabela 3),verfca-se, de acordo com ALVES et all (2004) que há uma possbldade de se utlzar as soluções váves produzdas pelo algortmo avalando-se, ao nvés do custo total produção (exo X), a varável tempo total de produção (exo Y), que também pode ser tão ou mas mportante no estabelecmento de estratégas empresaras (PLATTS/GREGORY, 994). O tempo total de produção, tem acréscmos margnas crescentes para valores de custo total de produção decrescentes abaxo de certos valores (próxmos aos valores da teração ntermedára, vea gráfco ). Tempo Total de Produção x Custo Total de Produção , , ,00 últma teração teração ntermedára 5.000, ,00 prmera teração 5.000,00 0, , , , , ,00 Gráfco Análse da Instânca 0 Isto nos sugere que podemos realzar um trade-off entre estas duas varações margnas relatvas, de modo que sea possível tomar uma decsão para uma polítca de nvestmento em máqunas, que sea ótma de acordo com os dos crtéros menconados, sto é, que o custo total de produção e o tempo total de produção seam ótmos smultaneamente. Em partcular, na nstânca 0, podemos verfcar que na teração ntermedára há a uma substancal redução no tempo total (24,0%), com um aumento muto pequeno do custo total (3,7%). Nós poderíamos, portanto, para a teração ótma da nstânca 0, decdrmos aumentar de uma undade o número de equpamentos do 4 º estágo, obtendo assm uma expressva redução no tempo total de produção, sem um aumento sgnfcatvo do custo total de produção. A elaboração de um algortmo de otmzação multcrtéro global, utlzando-se da metodologa de otmzação multcrtéro, apresentada no decorrer deste trabalho, fca como sugestão para pesqusas futuras. 5. REFERÊNCIAS BIBLIOGRÁFICAS [] ALVES, L.C.L., 997. Um modelo para seleção de equpamentos em sstemas de produção Just-n-Case: O caso da relaxação do ambente Just-n-Tme. Tese D.Sc., COPPE, UFRJ, Ro de Janero, Brasl, 42p. [2] ALVES, L.C.L., ALCANTARA GOMES, C.A., FUKS, S., 200. Avalação da Perda de Efetvdade em um Sstema de Manufatura com Demanda Varável, através de um Modelo Não Lnear de Seleção de Equpamentos, XXXIII SBPO, Smpóso Braslero de Pesqusa Operaconal, Campos de Jordão, S.P., Brasl.
11 [3] ALVES, L.C.L., ALCANTARA GOMES, C.A., Adoção de Soluções Sub-ótmas da Função Obetvo Orgnal de um Modelo Não-lnear de Seleção de Equpamentos em Ambente Just n Tme e com Relaxações., XXXVI SBPO, Smpóso Braslero de Pesqusa Operaconal, São João Del-Re, M.G., Brasl. [4] ALVES, L.C.L., ALCANTARA GOMES, C.A., Adopton of Suboptmum Solutons of the Orgnal Obectve Functon Optmzng a Nonlnear Programmng Model, EngOpt 2008, Internatonal Conference on Engneerng Optmzaton, Ro de Janero, R.J., Brasl. [5] BAZARAA, M. S., SHERALI, H. D., SHETTY, C. M., 979. Nonlnear programmng. 2ª edção, 993, John Wley & Sons, nc., 638p. [6] GLOVER, F. E KOCHENBERGER, G. A. (2002). Handbook of Metaheurstc, Frst Edton Norwell: Kuwer Academc Publshers. [7] GOLDBERG, D.E. (989). Genetc Algorthms n Search, Optmzaton and Machne Learnng Readng, Readng, MA: Addson-Wesley. [8] GUNASEKARAN, A., GOYAL, S.K., MARTIKAINEM, T., YLI-0LLI, P., 993. Equpment selecton problem n Just-n-Tme manufacturng systems. Journal of the Operatonal Research, v.44, n.4, p [9] HOLLAND, J.H. (975). Adaptaton n natural and artfcal systems. Unversty of Mchgan Press, Ann Arbor. [0] PLATTS, K., GREGORY, M. (994). Compettve Manufacturng. A practcal approach to the development of a manufacturng strategy. Department of Trade and Industry. London.
4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisProgramação Dinâmica. Fernando Nogueira Programação Dinâmica 1
Programação Dnâmca Fernando Noguera Programação Dnâmca A Programação Dnâmca procura resolver o problema de otmzação através da análse de uma seqüênca de problemas mas smples do que o problema orgnal. A
Leia mais4.1 Modelagem dos Resultados Considerando Sazonalização
30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisSeqüenciação de N ordens de produção em uma máquina com tempo de preparação dependente da seqüência uma aplicação de busca tabu
XXVI ENEGEP - Fortaleza, CE, Brasl, 9 a 11 de Outubro de 2006 Seqüencação de N ordens de produção em uma máquna com tempo de preparação dependente da seqüênca uma aplcação de busca tabu Renato de Olvera
Leia maisUM ALGORITMO GENÉTICO PARA O PROBLEMA DE AGRUPAMENTO
Pesqusa Operaconal na Socedade: Educação, Meo Ambente e Desenvolvmento 12 a 15/09/06 Goâna, GO UM ALGORITMO GENÉTICO PARA O PROBLEMA DE AGRUPAMENTO Flávo Marcelo Tavares Montenegro IBGE Insttuto Braslero
Leia maisIMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia maisMODELOS DE LOCALIZAÇÃO NA SELEÇÃO DE RESERVAS PARA CONSERVAÇÃO DE ESPÉCIES
MODELOS DE LOCALIZAÇÃO NA SELEÇÃO DE RESERVAS PARA CONSERVAÇÃO DE ESPÉCIES Marcelo Gonçalves Narcso CNPTIA EMBRAPA narcso@cnpta.embrapa.br Luz Antono Noguera Lorena lorena@lac.npe.br LAC - Laboratóro Assocado
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia mais2 Metodologia de Medição de Riscos para Projetos
2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisIntrodução aos Problemas de Roteirização e Programação de Veículos
Introdução aos Problemas de Roterzação e Programação de Veículos PNV-2450 André Bergsten Mendes Problema de Programação de Veículos Problema de Programação de Veículos Premssas Os roteros ncam e termnam
Leia maisEXERCÍCIO: VIA EXPRESSA CONTROLADA
EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos
Leia maisAnálise de áreas de risco considerando os afundamento de tensão em estudos de planejamento
Análse de áreas de rsco consderando os afundamento de tensão em estudos de planejamento J. C. Cebran, L. Camlo, N. Kagan, N. M. Matsuo*, H. Arango Enerq-USP 1 Resumo-- Este trabalho permte avalar os índces
Leia maisAlgoritmos Genéticos com Parâmetros Contínuos
com Parâmetros Contínuos Estéfane G. M. de Lacerda DCA/UFRN Mao/2008 Exemplo FUNÇÃO OBJETIVO : 1,0 f ( x, y) 0, 5 sen x y 0, 5 1, 0 0, 001 x 2 2 2 y 2 2 2 0,8 0,6 0,4 0,2 0,0-100 -75-50 -25 0 25 50 75
Leia mais3 Método Numérico. 3.1 Discretização da Equação Diferencial
3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia maisSIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
ALGORITMO GENÉTICO APLICADO À ELEÇÃO MULTI-CRITÉRIO DE CARTEIRA DE PROJETO DE PETRÓLEO E GÁ Karn upo Gavancho Departamento de Engenhara Elétrca, PUC-RIO, Rua Marques de ão Vcente 225, Ro de Janero Karsupo@ele.puc-ro.br
Leia maisBUSCA TABU: UMA APLICAÇÃO AO PROBLEMA DE SEQÜÊNCIAÇÃO DE ORDENS DE PRODUÇÃO
BUSCA TABU: UMA APLICAÇÃO AO PROBLEMA DE SEQÜÊCIAÇÃO DE ORDES DE PRODUÇÃO Renato de Olvera Moraes Departamento de Cêncas Exatas e Aplcadas da Unversdade Federal de Ouro Preto Rua 37, nº 115 Barro Loanda.
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.
Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.
Leia mais3 Desenvolvimento do Modelo
3 Desenvolvmento do Modelo Neste capítulo apresentaremos como está estruturado o modelo desenvolvdo nesta dssertação para otmzar o despacho de geradores dstrbuídos com o obetvo de reduzr os custos da rede
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia mais5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite
5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisUM ALGORITMO DE PROGRAMAÇÃO MATEMÁTICA BI-OBJETIVO PARA O PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES NÃO CAPACITADO
Ro de Janero, RJ, Brasl, 3 a 6 de outubro de 008 UM ALGORITMO DE PROGRAMAÇÃO MATEMÁTICA BI-OBJETIVO PARA O PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES NÃO CAPACITADO Paula Marana dos Santos (UFV) paula-maranna@hotmal.com
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisGestão e Teoria da Decisão
Gestão e Teora da Decsão Logístca e Gestão de Stocks Estratégas de Localzação Lcencatura em Engenhara Cvl Lcencatura em Engenhara do Terrtóro 1 Estratéga de Localzação Agenda 1. Classfcação dos problemas
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisPrioridades com Teste de Escalonabilidade
rordades + Teste de Escalonabldade Sstemas de Tempo Real: rordades com Teste de Escalonabldade Rômulo Slva de Olvera Departamento de Automação e Sstemas DAS UFSC Cada tarefa recebe uma prordade Escalonamento
Leia maisALGORITMO ILS APLICADO AO PROBLEMA DAS K-MEDIANAS CAPACITADO
SPOLM 2008 ISSN 1806-3632 Ro de Janero, Brasl, 05 e 06 de agosto de 2008. ALGORITMO ILS APLICADO AO PROBLEMA DAS K-MEDIANAS CAPACITADO José André de Moura Brto IBGE Insttuto Braslero de Geografa e Estatístca
Leia maisAula Características dos sistemas de medição
Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
Leia maisPROPOSTA DE ALGORITMO GENÉTICO PARA A SOLUÇÃO DO PROBLEMA DE ROTEAMENTO E SEQUENCIAMENTO DE SONDAS DE MANUTENÇÃO
PROPOSTA DE ALGORITMO GENÉTICO PARA A SOLUÇÃO DO PROBLEMA DE ROTEAMENTO E SEQUENCIAMENTO DE SONDAS DE MANUTENÇÃO Vanessa Rennó Frota Moraes Alves UFRJ / COPPE / Programa de Engenhara de Produção vanfrota@yahoo.com.br
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia maisProblemas de engenharia
Análse de Sstemas de otênca Análse de Sstemas de otênca ( AS ) Aula 3 Operação Econômca de Sstemas de otênca 03//008 roblemas de engenhara Análse de Sstemas de otênca ( AS ) ANÁLISE Defndo o sstema, determnar
Leia maisDESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA
DESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA Pedro Luz Rocha Evandro Parente Junor pedroluzrr04@gmal.com evandroparentejr@gmal.com Laboratóro de Mecânca Computaconal e Vsualzação, Unversdade
Leia maisBalanceamento das cargas nas respectivas fases do circuito [8]: Posicionamento do transformador abaixador: Recondutoramento dos circuitos:
A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 2003, Natal-RN PLANEJAMENTO DE CIRCUITOS SECUNDÁRIOS DE DISTRIBUIÇÃO USANDO ALGORITMO EVOLUTIVO ESPECIALIZADO Antono Marcos Coss Grupo
Leia mais4 Discretização e Linearização
4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas
Leia maisModelo de programação por restrições para o problema de empacotamento ortogonal tridimensional
Capítulo 5 Modelo de programação por restrções para o problema de empacotamento ortogonal trdmensonal Olvana Xaver do Nascmento 1 Llane de Azevedo Olvera 1 Thago Alves de Queroz 1 Resumo: O Problema de
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisDinâmica Estocástica. Instituto de Física, outubro de Tânia Tomé - Din Estoc
Dnâmca Estocástca Insttuto de Físca, outubro de 2016 1 Dnâmcas estocástcas para o modelos defndos em redes Sstema defndo em um retculado em um espaço de d dmensões Exemplo: rede quadrada d=2 em que cada
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisUM ALGORITMO ILS PARA MELHORIA DE EFICIÊNCIA DA ESTRATIFICAÇÃO ESTATÍSTICA
UM ALGORITMO ILS PARA MELHORIA DE EFICIÊNCIA DA ESTRATIFICAÇÃO ESTATÍSTICA José André de Moura Brto IBGE Insttuto Braslero de Geografa e Estatístca - Dretora de Pesqusas DPE/COMEQ Av. Cle, número 500,
Leia maisO USO DA METODOLOGIA DE SUPERFÍCIE DE RESPOSTA PARA ADEQUAR OS PARÂMETROS DE ENTRADA DE UM ALGORITMO GENÉTICO
O USO DA METODOLOGIA DE SUPERFÍCIE DE RESPOSTA PARA ADEQUAR OS PARÂMETROS DE ENTRADA DE UM ALGORITMO GENÉTICO Pedro Alberto Barbetta Departamento de Informátca e de Estatístca CTC UFSC Caxa Postal 476
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisPsicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo
Modelos Conexonstas com tempo contínuo Mutos fenômenos de aprendzado assocatvo podem ser explcados por modelos em que o tempo é uma varável dscreta como nos casos vstos nas aulas anterores. Tas modelos
Leia maisDIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia mais3 Definição automática de carregamento ótimo
3 Defnção automátca de carregamento ótmo A formulação ncal mostrada neste capítulo fo feta por Sérgo Álvares Maffra[11] e parte da mplementação fo feta por Anderson Perera, tendo sofrdo algumas modfcações
Leia maisMÉTODOS ITERATIVOS PARA PROBLEMAS DE PROGRAMAÇÃO MATEMÁTICA COM INCERTEZAS
Pesqusa Operaconal e o Desenvolvmento Sustentável MÉTODOS ITERATIVOS PARA PROBLEMAS DE PRORAMAÇÃO MATEMÁTICA COM INCERTEZAS Rcardo Coêlho Slva Departamento de Telemátca Faculdade de Engenhara Elétrca e
Leia maisUM ALGORITMO GENÉTICO HÍBRIDO PARA RESOLVER O PROBLEMA DO DESPACHO ECONÔMICO DE ENERGIA ELÉTRICA
A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 2003, Natal-RN UM ALGORITMO GENÉTICO HÍBRIDO ARA RESOLVER O ROBLEMA DO DESACHO ECONÔMICO DE ENERGIA ELÉTRICA Márca Marcondes Altmar Samed
Leia mais2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS
ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS 22 2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS Como vsto no capítulo 1, a energa frme de uma usna hdrelétrca corresponde à máxma demanda que pode ser suprda contnuamente
Leia maisÍndice. Exemplo de minimização de estados mais complexo. estados
Sumáro Método da tabela de mplcações para mnmzar estados. Atrbução de códgos aos estados: métodos baseados em heurístcas. Índce Exemplo de mnmzação de estados mas complexo Método da tabela de mplcações
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia mais8.16. Experimentos Fatoriais e o Fatorial Fracionado
8.6. Expermentos Fatoras e o Fatoral Fraconado Segundo Kng (995) os arranos fatoras e fatoral fraconado estão dentre os arranos mas usados em expermentos ndustras. Veremos aqu alguns casos mas geras e
Leia maisEstudos de Problemas de Dimensionamento de Lotes Monoestágio com Restrição de Capacidade. Orientador: Prof. Dr. Marcos Nereu Arenales
Estudos de Problemas de Dmensonamento de Lotes Monoestágo com Restrção de Capacdade Slvo Alexandre de Araujo Orentador: Prof. Dr. Marcos Nereu Arenales Dssertação apresentada ao Insttuto de Cêncas Matemátcas
Leia maisUM ESTUDO ALGORITMICO DO PROBLEMA DA PROGRAMAÇÃO DE SONDAS DE PRODUÇÃO
UM ESTUDO ALGORITMICO DO PROBLEMA DA PROGRAMAÇÃO DE SONDAS DE PRODUÇÃO Gustavo de Araujo Sabry Unversdade Federal do Ro Grande do Norte Campus Unverstáro, Lagoa Nova, Natal, RN guga_sabry@hotmal.com Marco
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia maisTermoelétricas de Ciclo Combinado.
Aplcação de Algortmo Genétco na Otmzação da Operação de Undades Termoelétrcas a Cclo Combnado Sandoval Carnero Jr, Ivo Chaves da Slva Jr, André L.M. Marcato, José Luz R. Perera, Paulo A.N.Garca, Paulo
Leia mais5 Implementação Procedimento de segmentação
5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser
Leia maisCONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas
Leia maisESTUDO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
ESTUDO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches (Bolssta UEMS), Adrana Betâna de Paula Molgora Unversdade Estadual de Mato Grosso do Sul Cdade Unverstára de Dourados, Caxa
Leia mais2 Modelos de Otimização sob Incerteza 2.1. Introdução
2 Modelos de Otmzação sob Incerteza 2.. Introdução Modelos de programação matemátca são comumente utlzados para solução de problemas de programação da produção, de logístca, de schedulng e de planejamento
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia mais2 Principio do Trabalho Virtual (PTV)
Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades
Leia maisPalavras-Chave: Métodos Interativos da Potência e Inverso, Sistemas Lineares, Autovetores e Autovalores.
MSc leandre Estáco Féo ssocação Educaconal Dom Bosco - Faculdade de Engenhara de Resende Caa Postal 8.698/87 - CEP 75-97 - Resende - RJ Brasl Professor e Doutorando de Engenhara aefeo@yahoo.com.br Resumo
Leia mais3 Elementos de modelagem para o problema de controle de potência
3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente
Leia maisJogos. Jogos. Jogo. Jogo. Óptimo alvo investigação
Jogos Óptmo alvo nvestgação O seu estado é fácl de representar; As acções são bem defndas e o seu número lmtado; A presença de oponentes ntroduz ncerteza tornando o problema de decsão mas complcado. Estamos
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia mais4 Sistema Híbrido de Otimização de Estratégia de Controle de Válvulas de Poços Inteligentes sob Incertezas
44 4 Sstema Híbrdo de Otmzação de Estratéga de Controle de Válvulas de Poços Intelgentes sob Incertezas Conforme dscutdo no capítulo 2, na engenhara de reservatóro a atvdade de gerencamento é uma tarefa
Leia maisALGORITMO GENÉTICO PARA O PROBLEMA DE ESCALONAMENTO DE TAREFAS EM MÁQUINAS PARALELAS COM MÚLTIPLOS OBJETIVOS
ALGORITMO GENÉTICO PARA O PROBLEMA DE ESCALONAMENTO DE TAREFAS EM MÁQUINAS PARALELAS COM MÚLTIPLOS OBJETIVOS José Elas Claudo Arroyo Ralf Luís Perre Rbero Unversdade Cânddo Mendes, UCAM-Campos, Núcleo
Leia maisUMA NOVA ABORDAGEM PARA O PROBLEMA DA MOCHILA COMPARTIMENTADA
Pesusa Operaconal na Socedade: Educação, Meo Ambente e Desenvolvmento a 5/09/06 Goâna, GO UMA NOVA ABORDAGEM PARA O PROBLEMA DA MOCHILA COMPARTIMENTADA Robnson Hoto e Alexandre Fenato Unversdade Estadual
Leia maisImplementação Bayesiana
Implementação Bayesana Defnção 1 O perfl de estratégas s.) = s 1.),..., s I.)) é um equlíbro Nash-Bayesano do mecansmo Γ = S 1,..., S I, g.)) se, para todo e todo θ Θ, u gs θ ), s θ )), θ ) θ Eθ u gŝ,
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
Programação Lnear (PL) Aula : Dualdade. Defnção do Problema Dual. Defnção do problema dual. O que é dualdade em Programação Lnear? Dualdade sgnfca a exstênca de um outro problema de PL, assocado a cada
Leia maisUMA VALIDAÇÃO MATEMÁTICA PARA UM ALGORITMO QUE SIMULA MISTURAS DE DISTRIBUIÇÕES
UMA VALIDAÇÃO MATEMÁTICA PARA UM ALGORITMO QUE SIMULA MISTURAS DE DISTRIBUIÇÕES Ana Paula Coelho MADEIRA Lucas Montero CHAVES Devanl Jaques de SOUZA Resumo: Uma valdação matemátca, utlzando o conceto de
Leia maisANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS
DECvl ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO ÉTODO DE CROSS Orlando J. B. A. Perera 20 de ao de 206 2 . Introdução O método teratvo ntroduzdo por Hardy Cross (Analyss of Contnuous Frames by Dstrbutng Fxed-End
Leia maisAlgoritmos Genéticos: a otimização aplicando a teoria da evolução
Algortmos Genétcos: a otmzação aplcando a teora da evolução Sezmára F. Perera Saramago Faculdade de Matemátca Unversdade Federal de Uberlânda saramago@ufu.br Resumo. Este artgo apresenta um texto ntrodutóro
Leia maisPROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS. N. R. Candido, V.B. G.
PROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS N. R. Canddo, V.B. G. Campos RESUMO Apresenta-se neste trabalho um procedmento de auxílo à decsão
Leia maisMETODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO
Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento
Leia maisESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL
Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.
Leia maisAnálise Dinâmica de uma Viga de Euler-Bernoulli Submetida a Impacto no Centro após Queda Livre Através do Método de Diferenças Finitas
Proceedng Seres of the Brazlan Socety of Appled and Computatonal Mathematcs, Vol. 4, N., 06. Trabalho apresentado no DINCON, Natal - RN, 05. Proceedng Seres of the Brazlan Socety of Computatonal and Appled
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisProgramação de tarefas em sistemas de produção puxada
XI Smpep Bauru, SP, Brasl, 08 a 0 de novembro de 004 Programação de tarefas em sstemas de produção puxada Patríca Prado Belfore (USP) patrca.belfore@pol.usp.br Cro Corrêa Lete (USP) crocorrea@maua.br Resumo
Leia maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
Leia maisGRASP PARA OTIMIZAR O CARREGAMENTO DE UM CONTÊINER
A ntegração de cadeas produtvas com a abordagem da manufatura sustentável. Ro de Janero, RJ, Brasl, 13 a 16 de outubro de 2008 GRASP PARA OTIMIZAR O CARREGAMENTO DE UM CONTÊINER ETELVIRA CRISTINA BARRETO
Leia maisCURSO de ESTATÍSTICA Gabarito
UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com
Leia maisUM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS
UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS Rodolfo Hoffmann * Vctor Hugo da Fonseca Porto ** SINOPSE Neste trabalho deduz-se qual é o
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia maisNotas Processos estocásticos. Nestor Caticha 23 de abril de 2012
Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto
Leia maisModelagem do crescimento de clones de Eucalyptus via modelos não lineares
Modelagem do crescmento de clones de Eucalyptus va modelos não lneares Joselme Fernandes Gouvea 2 Davd Venanco da Cruz 3 Máco Augusto de Albuquerque 3 José Antôno Alexo da Slva Introdução Os fenômenos
Leia maisPROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011
Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão
Leia mais