Uma abordagem para o problema de corte de chapas de fibra de madeira reconstituída
|
|
- Eliana Costa Macedo
- 7 Há anos
- Visualizações:
Transcrição
1 Uma abordagem para o problema de corte de chapas de fibra de madeira reconstituída Reinaldo Morabito e Valdir Garcia Departamento de Engenharia de Produção Universidade Federal de São Carlos São Carlos - SP, Brasil ( morabito@power.ufscar.br) Resumo Neste artigo apresentamos uma abordagem para o problema de corte numa fábrica brasileira de chapas de fibra de madeira reconstituída (também chamadas chapas duras ou hardboards). O problema consiste em determinar os melhores padrões de corte para serem produzidos num equipamento programável chamado serra samba, composto de um conunto de serras circulares para cortes longitudinais e transversais. A serra samba envolve restrições pouco usuais, como limitações para o número de tipos de itens e para a diferença entre o maior e menor comprimento dos tipos presentes no padrão, além de restrições usuais, como disponibilidade de serras longitudinais e transversais, produção de cortes em até dois estágios sem refilo, e limitação a cortes ortogonais e guilhotinados. O problema é modelado em duas fases, cada uma por meio de um programa inteiro, e resolvido utilizando-se um método baseado em enumeração implícita. O desempenho computacional da abordagem é ilustrado resolvendo-se centenas de exemplos. Palavras-chave: problemas de corte e empacotamento, indústria de chapas duras, enumeração implícita, padrões de corte guilhotinado Abstract In this paper we present an approach for the cutting stock problem of a Brazilian hardboard industry. The problem consists of determining the best patterns to be cut by a programmable equipment named the samba saw, composed of a set of circular saws for the longitudinal and transversal cuts. The samba saw involves unusual constraints such as limitation on the number of item types and the difference between the largest and smallest length of the types in the cutting pattern, as well as usual constraints such as availability of longitudinal and transversal saws, and orthogonal and guillotine cuttings in at most two stages without trimming. The problem is modeled in two phases, each one as an integer program, and solved utilizing an implicit enumeration method. The computational performance of the approach is illustrated solving hundreds of examples. Keywords: cutting and packing problems, hardboard industry, implicit enumeration, guillotine cutting patterns
2 . Introdução Problemas de corte e empacotamento têm sido extensivamente tratados nas literaturas de gerência da produção e pesquisa operacional. Alguns exames podem ser encontrados em Dyckhoff (990), Dyckhoff e Finke (992), Dowsland e Dowsland (992), Sweeney e Paternoster (992) e Morabito e Arenales (992); vea também as referências em Bischoff e Waescher (995) e nas bases de dados eletrônicas do SICUP (998) (Special Interest Group on Cutting and Packing). Devido à diversidade de casos em que os problemas podem aparecer na prática, e à complexidade dos algoritmos exatos (os problemas são em geral NP-difíceis), a grande maioria dos trabalhos encontrados na literatura têm apresentado abordagens heurísticas. Neste artigo estudamos um caso particular do problema de corte que aparece na indústria de chapas de fibra de madeira reconstituída, também chamadas chapas duras (hardboards). Devido à programação do equipamento de corte e sua escala de produção, as perdas de material são da ordem de 20 toneladas por dia, o que eqüivale a cerca de US$ milhão por ano (Garcia, 996). Tais perdas referem-se a restos de chapas duras de boa qualidade que tornam-se inúteis, devido às suas dimensões resultarem muito pequenas para uso prático. Parte destas perdas pode ser evitada apenas reprogramando de maneira mais adequada a produção do equipamento de corte, o que não implica em quaisquer investimentos adicionais em capacidade. A abordagem aqui apresentada baseia-se na modelagem do problema em duas fases, cada uma por meio de um programa linear inteiro, conforme Morabito e Garcia (998), e na aplicação de técnicas de enumeração implícita para resolver os programas inteiros. Convém salientar que, devido às restrições particulares do equipamento de corte, os modelos clássicos conhecidos da literatura para o problema de corte não representam satisfatoriamente o presente problema. Além disso, não foram encontrados trabalhos tratando especificamente deste caso particular, tampouco trabalhos tratando de outras aplicações que pudessem ser aqui diretamente utilizados. Este artigo está organizado da seguinte maneira: na próxima seção, incluímos uma breve discussão do processo de produção de chapas duras, com ênfase no processo de corte e nas principais decisões envolvidas em sua programação. Na seção 3, apresentamos os detalhes dos programas inteiros para as duas fases do problema de corte. Na seção 4, para resolver cada programa, propomos um método que percorre uma árvore de busca utilizando a estratégia de busca em profundidade primeiro. Este método é uma simples extensão do procedimento de enumeração implícita em Gilmore e Gomory (963). Na seção 5, o desempenho computacional desta abordagem é ilustrado resolvendo-se 600 exemplos aleatórios. A maneira como estes exemplos foram gerados baseou-se em exemplos reais de uma fábrica da Duratex S.A., localizada no interior de São Paulo. Finalmente, na seção 6, apresentamos as conclusões deste artigo e as perspectivas para pesquisa futura. 2. O processo de corte de chapas duras Para o propósito deste trabalho, podemos considerar que o processo de produção de chapas duras começa na casa de cavacos, onde toras de eucalipto são lavadas e depois picadas num equipamento chamado chipper (picador). Os cavacos (i.e., pedaços picados das toras) são armazenados em grandes áreas ao ar livre e transportados por meio de esteiras rolantes para equipamentos chamados desfibradores que, num processo termo-mecânico, transformam os cavacos em fibras.
3 As fibras são diluídas em água num sistema de tanques, formando uma polpa, que então é bombeada para um filtro contínuo chamado formadora. A formadora produz um colchão de fibras que, por meio de transportadores de rolo e esteiras, segue até uma prensa. A prensa retira o excesso de água do colchão de fibras e forma as chapas duras que, após um tratamento térmico e um tratamento de umidificação, adquirem as propriedades tecnológicas deseadas. As chapas duras (obetos retangulares), depois de inspecionadas e classificadas, são então transportadas até o processo de corte, onde são serradas para produzir as chapas menores (itens retangulares) encomendadas por clientes. As chapas duras sem nenhum defeito (cerca de 2/3 das chapas) são cortadas por um equipamento programável chamado serra samba, enquanto que as demais são cortadas por serras e equipamentos de menor porte, descartando as áreas com defeitos. As perdas de material, inclusive o material defeituoso, seguem para as caldeiras onde são queimadas como combustível para geração de energia. Finalmente, os itens produzidos são lixados, acondicionados e expedidos para os clientes. Para maiores detalhes do processo de produção de chapas duras, vea por exemplo Garcia (996). A serra samba é o equipamento mais importante no processo de corte, com alto nível de automação e capacidade para cortar de 5 a 20 toneladas de chapas por hora. Ela é composta de serras circulares para produzir cortes longitudinais e transversais nas chapas, dispositivos pneumáticos para empurrar (empurradores) e fixar (topadores) as chapas, esteiras rolantes para transportar as chapas, e estações para carregar e descarregar as chapas. Todos estes componentes são controlados por um CLP (Controlador Lógico Programável). 2. Restrições associadas às serras circulares e aos estágios de corte A serra samba tem capacidade para cortar até 30 chapas simultaneamente. As serras circulares têm 5 mm (milímetros) de espessura e são capazes de produzir apenas cortes ortogonais (i.e., paralelos às bordas da chapa) e guilhotinados (um corte é guilhotinado se, ao ser produzido sobre um retângulo, produz dois retângulos) sobre as chapas. Os cortes devem ser feitos em até 2 estágios, sem refilo. No primeiro estágio, as serras circulares longitudinais produzem cortes paralelos ao comprimento da chapa, resultando em faixas com comprimento igual ao da chapa (vea figura ). A serra samba possui apenas 3 serras longitudinais e, no máximo, 3 faixas podem ser produzidas neste estágio (uma das serras é usada apenas para refilo). Note na figura que se as 3 serras forem utilizadas, a quarta faixa produzida corresponde a uma perda de material (refilo). No segundo estágio, por meio de empurradores e topadores (vea discussão abaixo), cada faixa produzida no primeiro estágio pode ser empurrada e fixada diversas vezes defronte a uma serra circular transversal. Cada vez que uma faixa é empurrada e fixada, a serra transversal produz um corte paralelo à largura da faixa, resultando num item com largura igual à da faixa (figura ). Assim, apesar da serra samba possuir apenas uma serra transversal, isto não impõe limitações no número máximo de cortes que podem ser produzidos em cada faixa (ao contrário das serras longitudinais). A figura ilustra um possível padrão de corte obtido com os 2 estágios da serra samba. Note que um padrão de corte descreve quais, quantos e como os itens são produzidos a partir da chapa. Em particular, o padrão da figura é conhecido na literatura como padrão de corte guilhotinado bidimensional em 2-estágios e exato. Dizemos que o padrão é exato porque todos os itens em cada faixa têm a mesma largura, isto é, a serra samba não é capaz de fazer refilos posteriores sobre esses itens.
4 Comprimento da chapa Figura - Padrão de corte guilhotinado bidimensional em 2-estágios e exato 2.2 Restrições associadas aos topadores Conforme descrito acima, os empurradores e topadores são dispositivos que permitem que a serra transversal produza os itens de uma faixa. Quando ativados, o empurrador empurra a faixa até a posição em que se encontra o topador; em seguida, a serra transversal executa o corte. A distância entre o topador e a serra transversal corresponde ao comprimento do item produzido na faixa (vea na figura 2 os comprimentos de três itens, em função do posicionamento de 3 topadores). Para cada comprimento diferente de item na faixa, precisamos de um topador posicionado adequadamente pelo CLP. A serra samba possui, para cada faixa, uma linha com apenas 4 topadores. Como os topadores são posicionados pelo CLP antes da produção de cada padrão de corte, segue que cada faixa pode ter até 4 itens com comprimentos diferentes (não confundir com até 4 itens, uma vez que podemos ter diversos itens com mesmo comprimento). maior comprimento menor comprimento 300 mm entrada da faixa linha de 3 topadores comprimento intermediário serra transversal Figura 2 - Serra transversal e linha de 3 topadores Além disso, devido a interferência física, há restrições adicionais com relação ao espaçamento mínimo entre topadores de uma mesma linha, conforme a seguir:
5 (i) (ii) Se uma faixa contiver 3 itens com comprimentos diferentes, a diferença entre o menor e o maior comprimento deve ser, no mínimo, 300 milímetros (figura 2) Se uma faixa contiver 4 itens com comprimentos diferentes, deve ser possível agrupar os comprimentos em dois pares tais que a diferença entre os comprimentos de cada par sea, no mínimo, 300 milímetros. Convém observar que, devido às dimensões típicas das chapas e dos itens, é muito raro obter-se um padrão que contenha uma faixa com 4 comprimentos diferentes. Assim, por simplicidade, assumimos neste trabalho que o máximo número tolerado de comprimentos diferentes numa faixa é 3. Desta maneira, precisamos apenas considerar a situação (i) acima. 2.3 Restrições associadas às estações de carregamento e descarregamento Devido a restrições da estação de carregamento, o pacote de chapas deve ser carregado na serra samba com a maior dimensão das chapas (aqui chamada comprimento) na direção longitudinal. Uma vez na estação de carregamento, o pacote pode sofrer um pré-corte transversal (paralelo à largura das chapas), gerando dois pacotes independentes. Cada um destes pacotes pode ser movimentado ao longo das serras longitudinais e transversais individualmente. Entretanto, apesar de aumentar a flexibilidade para gerar padrões de corte, o pré-corte diminui a produtividade da serra samba (a principal razão é o aumento no tempo de ocupação da estação de carregamento) e, por causa disso, é muito pouco utilizado. Assim, por simplicidade, a opção de pré-corte não será considerada neste trabalho. Outra restrição aparece na estação de descarregamento de itens. Após a produção dos cortes longitudinais e transversais, a serra samba é capaz de separar os itens produzidos por tamanho (comprimento e largura). Esse separador permite agrupar itens com até 5 tamanhos diferentes, com o obetivo de agilizar o descarregamento através de empilhadeiras. Portanto, o padrão de corte não deve conter mais do que 5 itens de tamanhos diferentes. Em resumo, as restrições a serem consideradas neste trabalho são: (i) Cortes guilhotinados em até 2 estágios e sem refilo (caso exato) (ii) Espessura de 5 mm das serras longitudinais e transversais (iii) Limite de 3 cortes no primeiro estágio (i.e., máximo de 3 faixas no primeiro estágio) (iv) Disponibilidade de 3 topadores em cada linha da serra samba (i.e., faixas com no máximo 3 itens de comprimentos diferentes) (v) Espaçamento mínimo de 300 mm entre o maior e menor comprimento dos itens de uma faixa, se ela contiver exatamente 3 itens de comprimentos diferentes (vi) Padrões de corte com até 5 itens de tamanhos diferentes. Convém salientar que desconhecemos artigos na literatura de problemas de corte e empacotamento tratando o conunto (i)-(vi) de restrições. 2.4 A programação da produção Exemplos de decisões envolvidas na programação da produção da indústria de chapas duras são: (i) Determinar quais e quantas chapas serão produzidas para atender a demanda (ii) Determinar quais itens serão cortados na serra samba (iii) Definir padrões de corte para a serra samba e determinar o número de vezes que cada um será produzido (iv) Determinar a seqüência em que os padrões de corte serão cortados na serra samba.
6 Estas decisões interferem na programação de todo processo, e não apenas no processo de corte. No presente trabalho, entretanto, nos restringimos basicamente às decisões em (iii) acima, onde o problema de corte é definido. Diversos tradeoffs importantes do ponto de vista técnico-econômico e relacionados com o problema de corte não serão aqui abordados, tais como (Garcia, 996): Ttradeoff entre o atendimento dos prazos de entrega e as perdas de material A consideração de um horizonte de programação maior resulta numa carteira de pedidos maior e mais diversificada, o que tende a reduzir as perdas de material, uma vez que o número de possíveis padrões de corte aumenta. Por outro lado, com horizontes maiores, o atendimento aos prazos de entrega da carteira de pedidos (e, consequentemente, o nível de serviço aos clientes) tende a se deteriorar. Tradeoff entre o estoque em processo e as perdas de material Carteiras de pedidos maiores e mais diversificadas, se por um lado tendem a reduzir as perdas de material, por outro tendem a aumentar os níveis de estoque intermediário no processo de corte, uma vez que a diversidade de itens em cada padrão e a descontinuidade no fechamento de pedidos também tendem a aumentar. Tradeoff entre o tempo de setup de máquina e as perdas de material A mudança de um padrão de corte por outro na serra samba envolve um tempo de setup que depende, entre outras coisas, dos itens presentes no padrão que deixa de ser produzido e no padrão que passa a ser produzido. Assim, a geração de padrões e o sequenciamento destes padrões na serra samba deve levar em conta, além da perda de material, a perda de produtividade devido ao tempo de setup. Tradeoff entre o mix de pedidos e as perdas de material Os pedidos de itens especificam os intervalos de tolerância de certas características das chapas duras, tais como espessura, umidade, densidade. Chapas duras que satisfazem pequenas tolerâncias custam mais e, a princípio, são utilizadas para produzir apenas a parte da carteira de pedidos com tais tolerâncias. A inclusão de pedidos com tolerâncias maiores no mix de pedidos destas chapas tende a reduzir as perdas de material, por outro lado, utiliza um material mais caro do que o necessário para produzi-los. 3. Modelagem matemática Sea M = {, 2,..., m} o conunto de tipos de itens da carteira de pedidos. Cada item do tipo i,, tem dimensões (l i, w i ), onde l i e w i denotam o comprimento e a largura, respectivamente. Sea b i a quantidade demandada de itens do tipo i. Assumimos que dispõe-se de um estoque de chapas duras (obetos) suficientemente grande para produzir todos os b i itens demandados. Cada chapa tem dimensões (L, W), onde L e W denotam o comprimento e a largura, respectivamente. Note que, ao simplesmente adicionarmos nas dimensões l i, w i, L e W a espessura da serra (no caso, 5 mm), estamos satisfazendo a restrição (ii) (seção 2.3). O problema de corte consiste em cortar chapas conforme padrões de corte a serem definidos, de maneira a produzir todos os itens, com a menor perda de material possível. Pela tipologia de
7 Dyckhoff (990), este problema pode ser classificado como 2/V/I/R, onde 2 indica que o problema é bidimensional, V indica que todos os b i itens devem ser produzidos, I indica que todos os obetos são iguais, e R indica que b i é grande mas m é um número relativamente pequeno. Considere inicialmente que todos os possíveis padrões de corte seam conhecidos. Para cada um destes padrões, digamos para o -ésimo padrão, associamos o vetor (a, a 2,..., a m ), onde cada a i corresponde ao número de vezes que o item do tipo i,, aparece no padrão. Sea c = LW liwa i i a perda de material associada ao padrão. O problema de corte pode ser definido pelo seguinte programa linear inteiro: (P) min cx () s.a. ax i bi, (2) com: x 0, inteiro (3) onde cada variável x corresponde ao número de vezes que o padrão é cortado. Em problemas onde o número de possíveis padrões resulta muito grande (o que é comum nos casos práticos), o problema (P) é em geral muito difícil de ser resolvido otimamente. Gilmore e Gomory (96, 963, 965) sugeriram então: (i) Relaxar as restrições de integralidade (3) do problema (P), (ii) Resolvê-lo através do método simplex, partindo de uma base inicial com m padrões e, durante cada iteração do simplex, gerando um novo padrão para substituir um dos m padrões da base. O procedimento termina assim que: 0 π i a i c onde π i é a variável dual associada à restrição i do problema (P) para a base atual. Este procedimento pode ser útil quando a demanda b i é suficientemente grande em relação a cada a i (como é o caso do presente problema de corte de chapas duras). Alguns autores também sugeriram o uso de uma heurística gulosa (repeated exhaustion reduction; vea p.e. Hinxman, 980) para resolver o problema (P), como uma alternativa para o procedimento acima. Essa heurística pode ser descrita basicamente como: Enquanto a demanda não for exaurida, faça:. Gere o melhor padrão de corte 2. Repita este padrão o máximo número de vezes possível, em função da demanda 3. Atualize a demanda. Na seção a seguir apresentamos um modelo baseado em programação linear inteira que pode ser utilizado, tanto para gerar o melhor padrão durante cada iteração do simplex no procedimento de Gilmore e Gomory, quanto para gerar padrões para a heurística acima. Pela tipologia de Dyckhoff (990), este problema de gerar um padrão de corte pode ser classificado como 2/B/O/R, onde, 2 indica um problema bidimensional, B indica que itens devem ser escolhidos e arranados nos
8 obetos, O indica que um único obeto está disponível, e R indica que b i é grande mas m é um número relativamente pequeno. 3. O problema da geração de padrões de corte O problema de gerar um padrão de corte para uma chapa dura pode ser modelado em duas fases: Na primeira, itens são escolhidos para serem arranados ao longo do comprimento L de faixas de dimensões (L, w ), M (vea definição de M abaixo). Na segunda, faixas são escolhidas para serem arranadas ao longo da largura W da chapa de dimensões (L, W). O emprego de modelos em duas fases é comum na literatura, motivado pelo sucesso do modelo proposto em Gilmore e Gomory (965) para o corte de chapas retangulares (vea, p.e., Morabito, 994, Morabito e Arenales, 995 e Hifi, 997). Considere, sem perda de generalidade, que o conunto M = {, 2,..., m} de tipos de itens da carteira de pedidos é tal que: w w 2... w m. Seam: M' = { i wi w, i <,, M}, m' = M' (4) M = { i w = w, }, M', m = M (5) i (a notação A indica o número de elementos do conunto A). M é o conunto de tipos de itens com larguras diferentes, e M é o conunto dos tipos de itens com largura igual a w, M (note que M M e M M). Além disso, definimos a função δ como: δ( n), se n > 0 = 0, se n 0 onde n é um inteiro. 3.2 Primeira fase Na primeira fase, além das restrições associadas às dimensões das faixas, devemos considerar as restrições de disponibilidade de topadores em cada linha da serra samba (vea restrição (iv) na seção 2.3) e do espaçamento mínimo entre topadores (restrição (v) na seção 2.3). Seam: R número de topadores disponíveis em cada linha da serra samba (no caso, R = 3; vea seção 2.2) D distância mínima tolerada entre topadores (no caso, D = 300 mm; vea seção 2.2). Deseamos encontrar a combinação mais valiosa de itens do tipo i,, para cada faixa (,r) com dimensões (L, w ), M, e com até r tipos de itens, r =,..., min(m. Seam: V r valor da melhor combinação de itens na faixa (,r), M, r =,..., min(m a ir número de itens do tipo i,, na combinação de valor V r. Cada valor V r pode ser obtido com a solução do seguinte programa linear inteiro nas variáveis a ir : V = max π a, M', r =,...,min( m (6) r i ir
9 s.a. la i ir L (7) δ ( air ) r (8) se δ( air ) = R, entao lmax lmin D (9) lmax = max { li δ ( air ) = } (0) lmin = min { li δ ( a ir ) = } () com: a 0, inteiro, (2) ir Ao definirmos N como um número suficientemente grande e as seguintes variáveis auxiliares: y ir, se air > 0 = 0, se air 0, se z = 0, se y y ir ir = R R u v i i, se l = 0, se l, se l = 0, se l max max min min l y i > l y i l y i < l y i ir ir ir ir podemos rescrever o modelo (6)-(2) como: V = max π a, M', r =,...,min( m (3) r i ir s.a. la i ir L (4) yir r (5) air Nyir, (6) lmax lmin Dz (7) R yir N( z) (8) R yir > z (9) max i ir l l y, i M (20) lmax liyir + N( ui), (2) u i (22) = lmin li yir + N( yir ), (23) lmin l y N( v ), (24) i ir i
10 vi = + ( m yir) (25) com: air 0, inteiro, (26) y,, z u, v {,}, 0 (27) ir i i m' = Note que a primeira fase envolve resolver min( m problemas (3)-(27), cada um com 4m + variáveis inteiras e 6m + 6 restrições (nos casos reais, m é em geral um número pequeno). A restrição (6) garante que se a ir > 0, então y ir =, as restrições (8)-(9) garantem que se y R, então z =, as restrições (20)-(22) garantem que se l max l i y ir, então u i =, e as i M ir = restrições (23)-(25), que se l min l i y ir, então v i =. 3.3 Segunda fase Na segunda fase, além das restrições associadas às dimensões da chapa, devemos considerar as restrições de disponibilidade de serras para os cortes longitudinais do primeiro estágio (vea restrição (iii) na seção 2.3) e do limite do número de tipos de itens que pode estar presente na estação de descarregamento da serra samba (restrição (vi) na seção 2.3). Seam: K número de serras disponíveis para os cortes longitudinais (no caso, K = 3; vea seção 2.) R número máximo de tipos de itens na estação de descarregamento, R R (no caso, R = 5; vea seção 2.3). Deseamos encontrar a combinação mais valiosa de faixas (,r), M, r =,..., min(m, para a placa (L, W). Note que desta maneira produzimos um padrão de corte guilhotinado em 2-estágios e exato (vea restrição (i) na seção 2.3). * Sea a ir (e y * ir ) a solução ótima obtida para cada problema (3)-(27) da primeira fase, com valor V r. Definimos: n = δ( a ) = y * * r ir ir (28) como o número de tipos de itens contidos na faixa (,r) (note que n r r; vea restrição (5)). Seam ainda: V valor do melhor arrano de faixas na chapa (L, W) a r número de faixas (,r), M, r =,..., min(m, no arrano de valor V. O valor V pode ser obtido com a solução do seguinte programa linear inteiro nas variáveis a r : V = max min( m M' r= min( m V a s.a. wa W M' M' r= min( m r= a r r r r K (29) (30) (3)
11 M' min( m r= n δ( a ) R' r r com: a 0, inteiro, M', r =,...,min( m (33) r Ao definirmos N como um número suficientemente grande e as seguintes variáveis auxiliares: (32) y r, se a r > 0 = 0, se a r 0 podemos rescrever o modelo (29)-(33) como: V = max min( m M' r= min( m V a s.a. wa W M' M' r= min( m r= M' r= a r min( m r n y r r r K r R' (34) (35) (36) (37) a Ny, M', r =,...,min( m (38) r ir com: a 0, inteiro, M', r =,...,min( m (39) r y { 0, }, M', r =,...,min( m (40) r m' O modelo (34)-(40) contém 2 min( m, R ) m' variáveis inteiras e 2 min(, ) 3 = m R = + restrições. A restrição (38) garante que se a r > 0, então y r =. * Sea a r * a solução ótima do modelo (34)-(40) (não confundir com a ir que aparece em (28)) com valor V. Logo, o número de itens do tipo i,, arranados no padrão ótimo é finalmente obtido por: a min( m * * i = aira M' r= (4) 3.4 Considerações adicionais O modelo (34)-(40) assume que os conuntos de tipos de itens que compõem cada faixa (,r) são conuntos disuntos, isto é, um tipo de item que está presente em uma faixa (,r) não pode estar em nenhuma outra faixa (k,s), (k,s) (,r) (verifique que n r na restrição (37) descreve apenas quantos, e não quais, tipos de itens estão contidos na faixa). Esta suposição é necessária para evitar a dupla contagem de um tipo comum a duas faixas diferentes.
12 Na prática, o material das chapas duras pode ser isotrópico (i.e., os itens podem estar em qualquer orientação no padrão de corte) ou anisotrópico, mas o problema de corte associado é freqüentemente irrestrito (i.e., não há limitações para o número de vezes em que um mesmo tipo de item pode aparecer no padrão). Se o material for anisotrópico e o problema irrestrito, então, devido ao fato de estarmos limitados a gerar um padrão com 2-estágios e exato, duas condições são sempre satisfeitas: (i) Duas faixas com larguras diferentes, digamos as faixas de dimensões (L, w ) e (L, w k ), k, nunca poderão conter um mesmo tipo de item, uma vez que M Mk = (vea expressão (5)). (ii) Duas faixas diferentes com mesma largura nunca poderão estar untas no padrão ótimo, uma vez que sempre é possível (e, pelo menos, tão bom) repetir a faixa mais conveniente para o obetivo (34) e a restrição (37), do que combinar as duas faixas diferentes no padrão. Portanto, o modelo (34)-(40) sempre é válido para este caso, que é o que aparece com mais freqüência no problema de corte de chapas duras. No caso do material ser anisotrópico mas o problema restrito (i.e., b i é bem menor do que LW/l i w i ), embora sea possível: impor limitantes superiores para as variáveis a ir (i.e., a ir b i ) no modelo (3)-(27) incluir a expressão (4) como uma restrição adicional e impor limitantes superiores às variáveis a i (i.e., a i b i ) no modelo (34)-(4), isto não evita a dupla contagem de um mesmo tipo de item em duas faixas com mesma largura, porém diferentes. Por exemplo, considere duas faixas com mesma largura, digamos as faixas (,) e (,3). A primeira contém 3 itens do tipo (i.e., a = 3, n = ) e a segunda, item do tipo e 2 itens do tipo 3 (a 3 =, a 33 = 2, n 3 = 2). Obviamente, temos que w = w 3 = w. Se b = 4, segue que um padrão composto por estas duas faixas pode ser factível (dado que a = a + a 3 b ); entretanto, note que a restrição (37) erroneamente estará contando duas vezes o item do tipo para qualquer R 2. Apesar do modelo resultante não ter garantia de otimalidade para este caso, ele tem garantia de factibilidade e pode ser utilizado para gerar bons padrões (senão ótimos), muitas vezes melhores do que os padrões gerados manualmente pela empresa. Se o material for isotrópico, então o modelo (34)-(40) conforme definido pode fazer dupla contagem até mesmo no problema irrestrito. Esse modelo pode gerar bons padrões factíveis para este caso, como ilustrado na seção 5, embora não garanta otimalidade. O caso mais particular em que o problema é restrito é de menor interesse prático, e é um tópico para pesquisa futura. No presente artigo, estamos especialmente interessados nos casos em que o material é isotrópico ou anisotrópico, e o problema é irrestrito. 4. Métodos de solução Os modelos (3)-(27) e (34)-(40) podem ser resolvidos por meio das técnicas usuais de programação linear inteira, tais como métodos do tipo branch-and-bound e planos de corte. Também podem ser resolvidos por meio de programação dinâmica, conforme Morabito e Garcia (998). Alternativamente, estes modelos podem ser implementados em linguagens de modelagem como GAMS - General Algebraic Modeling System (Brooke et al., 992) e LINGO - Language for Interactive General Optimization (Cunningham e Schrage, 988), e resolvidos pelos solvers disponíveis nestas linguagens, tais como o GAMS/OSL, GAMS/CPLEX e LINGO/LINDO.
13 A seguir, apresentamos um método relativamente fácil de ser implementado computacionalmente e razoavelmente eficaz para resolver os modelos (3)-(27) e (34)-(40). Trata-se de uma simples extensão do procedimento de enumeração implícita descrito em Gilmore e Gomory (963) para resolver o problema da mochila (knapsack problem). Este método, aqui chamado de lexicográfico devido a ordem em que as variáveis são enumeradas na árvore de busca, deixa para os ramos mais profundos as variáveis com menor razão valor/comprimento. Não é difícil mostrar que se trata de um método de busca em árvore utilizando a estratégia de busca em profundidade primeiro (Morabito e Arenales, 995). 4. Primeira fase A seguir, apresentamos o algoritmo adaptado de Gilmore e Gomory (963, p ) para resolver o modelo (3)-(27) da primeira fase. Note que este algoritmo deve ser aplicado para cada faixa de tamanho (L, w ) e para r =,..., min(m. Sea i p o p-ésimo elemento do conunto de tipos de itens M = { i, i2,..., im }, M'. Por simplicidade, π p, a p e l p no algoritmo abaixo denotam π ip, a ip e l ip, respectivamente (a notação V r continua válida). Basicamente, a única modificação em relação ao algoritmo original ocorre nos passos 3 e 5: No passo 3, a factibilidade do padrão de corte agora é verificada antes de atualizar o padrão, se for o caso, como o melhor padrão encontrado até então no processo de busca No passo 5, se a condição for satisfeita (vea passo 5 abaixo), a variável correspondendo ao item do tipo s agora se anula e, assim, estende a busca para não descartar um possível padrão ótimo. Algoritmo lexicográfico primeira fase, para cada faixa (,r), M, r =,..., min(m : Passo : Ordene os itens do tipo i p M tal que: π / l π2 / l 2... πm / l e defina π = m m + 0 e l m + =. Faça V r = 0. Passo 2: Compute: a p L = p k = k l p l a k, p M Passo 3: Verifique se o vetor ( a, a2,..., a m ) corresponde a um padrão factível, isto é, se as restrições (8)-() são satisfeitas. Caso o padrão sea factível e π p a p > V r, então guarde este padrão e atualize V r. Passo 4: Defina s = max {p a p > 0, p M }. Caso s não exista, pare e retorne o padrão de valor V r. s s Passo 5: Faça a s a s -. Se L lpap πs+ Vr π pap ls+, então faça a s = 0 e volte para p= p= o passo 3. p M Passo 6: Compute: a p L = p k = k l p l a k, p= s+, s+ 2,..., m, e volte para o passo 3.
14 4.2 Segunda fase O algoritmo acima, com pequenas modificações, também pode ser adaptado para resolver o modelo (34)-(40) da segunda fase. Sea M = {(,r), (,r) 2,..., (,r) m } o conunto de faixas analisadas na m' primeira fase, onde m" = min( m = e (,r) p é o p-ésimo elemento do conunto M. Por exemplo, se (,r) p = (2,3), ele corresponde à faixa (2,3) de tamanho (L, w 2 ) e com até 3 tipos de itens. Por simplicidade, V p, a p e w p no algoritmo abaixo denotam V r, a r e w para a faixa (,r) p, respectivamente (a notação V continua válida). Note agora que, no passo 3, as restrições a serem verificadas referem-se ao modelo da segunda fase (seção 3.3). Algoritmo lexicográfico segunda fase: Passo : Ordene as faixas do tipo (,r) p M tal que: V / w V2 / w2... Vm" / wm" e defina V m"+ = 0 e w m"+ =. Faça V = 0. Passo 2: Compute: a p W = p k = w p w a k k, p M" Passo 3: Verifique se o vetor ( a, a 2,..., a m" ) corresponde a um padrão factível, isto é, se as restrições (3)-(32) são satisfeitas. Caso o padrão sea factível e Va p p > V p M ", então guarde este padrão e atualize V. Passo 4: Defina s = max {p a p > 0, p M }. Caso s não exista, pare e retorne o padrão de valor V. s s Passo 5: Faça a s a s -. Se W wpap Vs+ V Vpap ws+, então faça a s = 0 e volte para p= p= o passo 3. Passo 6: Compute: a p W = p k = w p w a k k, p= s+, s+ 2,..., m", e volte para o passo 3. Nossa conectura é que o algoritmo lexicográfico é exato para ambos os modelos (3)-(27) e (34)- (40), uma vez que ele parece enumerar implicitamente todas as soluções viáveis, assim como a versão original para o problema da mochila em Gilmore e Gomory (963). Além disso, o algoritmo lexicográfico encontrou as soluções ótimas de todos os exemplos da seção 5, o que reforça nossa conectura. Uma prova formal da garantia de otimalidade do algoritmo está além dos obetivos deste artigo. 5. Resultados computacionais Nesta seção ilustramos a aplicação da abordagem para gerar o melhor padrão de corte de 600 exemplos aleatórios, agrupados em 2 conuntos de 50 exemplos cada. O tamanho da placa, (L, W), e o número de tipos de itens, m, foram fixados em cada conunto (vea tabela ). O comprimento e a
15 largura (l i, w i ) de itens do tipo i, foram gerados sorteando-se inteiros de distribuições uniformes nos intervalos [0,L, 0,5L] e [0,W, 0,5W], respectivamente. Assumimos que o material sea anisotrópico e o problema irrestrito. Por simplicidade, definimos o valor de cada item i como π i = l i w i /LW. Desta maneira, o valor V da solução do modelo (34)-(40) corresponde à utilização percentual da área LW da placa. O algoritmo lexicográfico foi codificado em linguagem Pascal e implementado num microcomputador. A Tabela apresenta os valores médios obtidos para cada conunto de 50 exemplos, usando os parâmetros D = 0 mm (sem espaçamento mínimo), R = 3 topadores, K = 3 faixas e R = 5 tipos de itens. Com exceção de D, os valores dos demais parâmetros correspondem aos valores reais da fábrica da Duratex em Botucatu, SP. Tabela Resultados computacionais de 600 exemplos aleatórios agrupados em 2 conuntos Conunto (L, W) m Utilização média da chapa, V Desvio padrão da utilização Número médio de itens no padrão Tempo médio de execução (segundos) (0, 0) 0 0,9744 0, ,0 0, 2 20,0000 0,0000 4,28 0,4 3 30,0000 0,0000 5,84,3 4 (50, 50) 0 0,9529 0,0366 6,80 0, ,9843 0,046 7,42, ,9956 0,0093 6,52 6,8 7 (00, 00) 0 0,9459 0,0327 3,08 0, ,9804 0,090 5,89, ,9865 0,044 5,88 6,6 0 (5000, 5000) 0 0,9266 0,0367 2,22 0, 20 0,9620 0,078 2,92 0, ,9722 0,02 3,08 4,7 O algoritmo lexicográfico encontrou o padrão ótimo de todos os exemplos da tabela. A otimalidade das soluções foi verificada por meio de um método exato baseado em programação dinâmica, apresentado em Morabito e Garcia (998). Note na tabela que, para um dado m, quanto maior for o tamanho da placa (L, W), menor é a utilização média da área da placa, V (vea, p.e., os conuntos 3, 6, 9 e 2). Isto pode ser explicado, em parte, porque placas maiores resultam em intervalos [0,W, 0,5W] maiores, de onde w i é sorteado. E assim, é menos provável gerar tipos de itens com mesma largura, para poder combiná-los numa mesma faixa. Similarmente, para um dado (L, W), a medida que m aumenta, V também aumenta (vea, p.e., os conuntos 4, 5 e 6), como seria esperado. Os tempos de execução do algoritmo lexicográfico dependem principalmente de m (tabela ). A tabela 2 apresenta as soluções ótimas obtidas, para diferentes valores de D, R, K e R, de um dos exemplos do conunto 4 da tabela, com (L, W) = (50, 50) e m = 0 tipos de itens com tamanhos (20, 6), (9, 6), (0, 20), (22, 4), (2, 6), (22, 23), (5, 4), (, 3), (5, 4) e (7, 22). Note a influência dos parâmetros D, R, K e R comparando as linhas e 2, e 3, e 4, e e 5 da tabela 2, respectivamente.
16 Tabela 2 Soluções ótimas de um dos exemplos do conunto 4 da tabela, para diferentes valores dos parâmetros D, R, K e R D R K R Utilização da área, V Padrão (a, a 2,..., a m ) ,0000 (,,5,0,,0,0,0,0,0) ,9936 (2,,5,0,0,0,0,0,0,0) ,9936 (2,,5,0,0,0,0,0,0,0) ,8096 (0,0,0,0,0,4,0,0,0,0) ,9936 (2,,5,0,0,0,0,0,0,0) Os modelos (3)-(27) e (34)-(40) também foram codificados na linguagem de modelagem GAMS (Brooke et al., 992) e implementados no mesmo microcomputador. As soluções ótimas obtidas pelo solver GAMS/OSL foram as mesmas da tabela 2, entretanto, consumiram um tempo de execução de mais de 2 minutos, enquanto as soluções da tabela 2 foram obtidas em menos de segundo. Para um estudo incorporando os modelos (3)-(27) e (34)-(40) no método simplex, conforme discussão na seção 3, e comparando as soluções obtidas por esta abordagem e as soluções utilizadas pela empresa em situações reais, o leitor pode consultar Morabito e Garcia (998). 6. Conclusões e perspectivas Neste artigo analisamos o problema de corte que aparece numa indústria brasileira de chapas de fibra de madeira reconstituída, também chamadas chapas duras ou hardboard. Após serem produzidas, as chapas duras devem ser cortadas num equipamento programável chamado serra samba, de acordo com padrões de corte a serem definidos para atender a carteira de pedidos. Devido à escala de produção da serra samba, pequenos ganhos percentuais no aproveitamento da área das chapas duras pode resultar em economias substanciais para a indústria. Apesar da literatura conter diversos trabalhos explorando o problema de corte, o presente problema envolve restrições particulares que inviabilizam a aplicação direta das abordagens conhecidas. Mostramos que o problema da geração de padrões de corte de chapas duras pode ser modelado em duas fases, em cada uma utilizando programação linear inteira. Para resolver os programas inteiros, apresentamos um método baseado em enumeração implícita, que é uma simples extensão do método lexicográfico em Gilmore e Gomory (963). Acreditamos que esta abordagem também possa ser útil para tratar problemas de corte associados a outros processos industriais, com restrições similares às aqui analisadas. Uma perspectiva deste trabalho é incorporar na presente abordagem uma análise dos tradeoff entre o atendimento dos prazos de entrega e as perdas de material, entre o estoque em processo e as perdas de material, e entre o tempo de setup de máquina e as perdas de material, discutidos na seção 2.4. Também está na nossa agenda de pesquisa analisar as situações em que o material é isotrópico e o problema restrito (seção 3). Agradecimentos Os autores agradecem aos Profs. Marcos Arenales e Horácio Yanasse, e aos dois revisores anônimos, pelos úteis comentários e sugestões. Esta pesquisa foi parcialmente apoiada pelo CNPq, processos /95-7 e /95-6, e pela FAPESP, processo
17 Referências Bischoff, E. e Waescher, G. (995). Special issue on cutting and packing. Eur.J.Opl.Res., 84(3), Brooke, A.; Kendrick, D. e Meeraus, A. (992). GAMS: A user's guide, Release The Scientific Press, 289p. Cunningham, K, e Schrage, L. (988). The LINGO modeling language. LINDO Systems Inc., Chicago. Dowsland, K. e Dowsland, W. (992). Packing problems. Eur.J.Opl.Res. 56, 2-4. Dyckhoff, H. (990). A typology of cutting and packing problems. Eur.J.Opl.Res. 44, Dyckhoff, H. e Finke, U. (992). Cutting and packing in production and distribution: Typology and bibliography, Springler-Verlag Co, Heildelberg. Garcia, V. (996). Otimização na geração de padrões de corte de chapas de fibra de madeira reconstituída. Dissertação de mestrado, Departamento de Engenharia de Produção, Universidade Federal de São Carlos, São Carlos - SP, 90p. Gilmore, P. e Gomory, R. (96). A linear programming approach to the cutting stock problem. Oper.Res. 9, Gilmore, P. e Gomory, R. (963). A linear programming approach to the cutting-stock problem II. Oper.Res., Gilmore, P. e Gomory, R. (965). Multistage cutting stock problems of two and more dimensions. Oper.Res. 4, Hifi, M. (997). The DH/KD algorithm: A hybrid approach for unconstrained two-dimensional cutting problems. Eur.J.Opl.Res., 97(), Hinxman, A. (980). The trim-loss and assortment problems: A survey. Eur.J.Opl.Res. 5, 8-8. Morabito, R. (994). Modelos de otimização para o problema de corte nas indústrias de papel e papelão e de móveis. Gestão & Produção (), Morabito, R. e Arenales, M. N. (992). Um exame dos problemas de corte e empacotamento. Pesquisa operacional 2(), -20. Morabito, R. e Arenales, M. N. (995). Performance of two heuristics for solving large scale twodimensional guillotine cutting problems. INFOR 33(2), Morabito, R. e Garcia, V. (998). The cutting stock problem in a hardboard industry: A case study. Comput.&Oper.Res. 25(6), SICUP (998). Special Interest Group on Cutting and Packing,
18 Sweeney, P. e Paternoster, E. (992). Cutting and packing problems: A categorized, applicationoriented research bibliography. J.Oper.Res.Soc. 43,
Redução de Ciclos da Serra no Problema de Corte de Estoque Bidimensional na Indústria de Móveis
Redução de Ciclos da Serra no Problema de Corte de Estoque Bidimensional na Indústria de Móveis Gabriela P. Mosquera, Socorro Rangel, Depto de Ciências de Computação e Estatística, IBILCE, UNESP, 15054-000,
Leia maisUMA ANÁLISE DA PRODUTIVIDADE DO EQUIPAMENTO DE CORTES UTILIZANDO-SE PADRÕES TABULEIROS
UMA ANÁLISE DA PRODUTIVIDADE DO EQUIPAMENTO DE CORTES UTILIZANDO-SE PADRÕES TABULEIROS Daniel Massaru Katsurayama Instituto Nacional de Pesquisas Espaciais Lab. Associado de Computação e Matemática Aplicada
Leia maisUM ALGORITMO PARA GERAÇÃO DE PADRÕES TABULEIROS EXATOS A PARTIR DE UMA COMBINAÇÃO DADA DE ITENS
UM ALGORITMO PARA GERAÇÃO DE PADRÕES TABULEIROS EXATOS A PARTIR DE UMA COMBINAÇÃO DADA DE ITENS Daniel Massaru Katsurayama Instituto Nacional de Pesquisas Espaciais Laboratório Associado de Computação
Leia maisHeurísticas para o problema de corte com reaproveitamento das sobras de material
Heurísticas para o problema de corte com reaproveitamento das sobras de material Adriana Cristina Cherri, Marcos Nereu Arenales Instituto de Ciências Matemáticas e de Computação, USP. 13560-970, São Carlos,
Leia maisPlanejamento da Produção: Corte de estoque na indústria de móveis. Socorro Rangel Roberto Cavali DCCE/IBILCE
Planejamento da Produção: Corte de estoque na indústria de móveis Socorro Rangel Roberto Cavali DCCE/IBILCE Objetivos Investigar as dificuldades envolvidas no corte da matéria-prima nas indústrias de móveis
Leia maisPROBLEMAS DE CORTE COM ITENS IRREGULARES
PROBLEMAS DE CORTE COM ITENS IRREGULARES Adriana Cherri Universidade Estadual Paulista Júlio de Mesquita Filho Av. Eng. Luiz Edmundo Carrijo Coube, 14-01 Bauru, Brasil adriana@fc.unesp.br Andréa Vianna
Leia maisOtimização Combinatória - Parte 4
Graduação em Matemática Industrial Otimização Combinatória - Parte 4 Prof. Thiago Alves de Queiroz Departamento de Matemática - CAC/UFG 2/2014 Thiago Queiroz (DM) Parte 4 2/2014 1 / 33 Complexidade Computacional
Leia maisABORDAGENS PARA OTIMIZAÇÃO INTEGRADA DOS PROBLEMAS DE GERAÇÃO E SEQÜENCIAMENTO DE PADRÕES DE CORTE: CASO UNIDIMENSIONAL
versão impressa ISSN 0101-7438 / versão online ISSN 1678-5142 ABORDAGENS PARA OTIMIZAÇÃO INTEGRADA DOS PROBLEMAS DE GERAÇÃO E SEQÜENCIAMENTO DE PADRÕES DE CORTE: CASO UNIDIMENSIONAL Gisele C. F. Pileggi
Leia maisGERAÇÃO DE PADRÕES DE CORTES GUILHOTINADOS RESTRITOS VIA PROGRAMAÇÃO DINÂMICA COMBINADA A UMA HEURÍSTICA DE FACTIBILIZAÇÃO
GERAÇÃO DE PADRÕES DE CORTES GUILHOTINADOS RESTRITOS VIA PROGRAMAÇÃO DINÂMICA COMBINADA A UMA HEURÍSTICA DE FACTIBILIZAÇÃO Vitória Pureza Departamento de Engenharia de Produção Universidade Federal de
Leia maisLista de Exercícios 1 - Otimização Linear Prof. Silvio Alexandre de Araujo. Construção de Modelos e Solução Gráfica
Lista de Exercícios 1 - Otimização Linear Prof. Silvio Alexandre de Araujo Construção de Modelos e Solução Gráfica 1) - Estudar Capítulo 1 do livro texto; - Estudar Capítulo 2 do livro texto (seções 2.1,
Leia maisESTUDO SOBRE O EFEITO DA UTILIZAÇÃO DE PADRÕES TABULEIROS NA PRODUTIVIDADE DO EQUIPAMENTO DE CORTES
MINISTÉRIO DA CIÊNCIA E TECNOLOGIA INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS INPE-8753-TDI/796 ESTUDO SOBRE O EFEITO DA UTILIZAÇÃO DE PADRÕES TABULEIROS NA PRODUTIVIDADE DO EQUIPAMENTO DE CORTES Daniel
Leia maisMétodo geração de colunas e heurísticas para o Problema da Mochila Compartimentada. Resumo
Método geração de colunas e heurísticas para o Problema da Mochila Compartimentada Aline Aparecida de Souza Leão Maristela Oliveira dos Santos Marcos Nereu Arenales Universidade de São Paulo-USP Av Trabalhador
Leia maisUm algoritmo genético para o problema de corte unidimensional inteiro
Um algoritmo genético para o problema de corte unidimensional inteiro Adriano Heis CEFETSC-Centro Federal de Educação e Tecnologia de Santa Catarina Unidade São José Rua José Lino Kretzer, 608, Praia Comprida,
Leia maisAlgoritmo Branch-and-Price para o Problema de Corte de Estoque Não-Guilhotinado
Algoritmo Branch-and-Price para o Problema de Corte de Estoque Não-Guilhotinado Vinícius Loti de Lima e Thiago Alves de Queiroz Unidade de Matemática e Tecnologia - UFG/Regional Catalão, Av. Dr. Lamartine
Leia maisProgramação Linear/Inteira
Unidade de Matemática e Tecnologia - RC/UFG Programação Linear/Inteira Prof. Thiago Alves de Queiroz Aula 6 Thiago Queiroz (IMTec) Aula 6 Aula 6 1 / 45 Otimização Discreta A característica de otimização
Leia maisINVESTIGANDO O PROBLEMA DA MOCHILA IRRESTRITA EM SUA VERSÃO BIDIMENSIONAL
INVESTIGANDO O PROBLEMA DA MOCHILA IRRESTRITA EM SUA VERSÃO BIDIMENSIONAL Mirella Augusta Sousa Moura, mirella.asm14@hotmail.com Thiago Alves de Queiroz, th.al.qz@catalão.ufg.br Resumo: Empacotamento consiste
Leia maisSolução do Problema de Corte de Estoque de uma Fábrica de Móveis por Programação Inteira Mista
Solução do Problema de Corte de Estoque de uma Fábrica de Móveis por Programação Inteira Mista Ana Paula Faccio, E-mail: apfaccio@yahoo.com.br Socorro Rangel, Depto de Ciências de Computação e Estatística,
Leia maisO Problema de Corte de Estoque com Data de Entrega
O Problema de Corte de Estoque com Data de Entrega Elisama de Araujo Silva Oliveira Instituto de Matemática, Estatística e Computação Científica (IMECC), Universidade Estadual de Campinas (UNICAMP) Rua
Leia maisO PROBLEMA DE CORTE DE ESTOQUE UNIDIMENSIONAL INTEIRO COM RESTRIÇÕES DE ESTOQUE
A pesquisa Operacional e os Recursos Renováveis 4 a 7 de novembro de 2003, Natal-RN O PROBLEMA DE CORTE DE ESTOQUE UNIDIMENSIONAL INTEIRO COM RESTRIÇÕES DE ESTOQUE Kelly Cristina Poldi Marcos Nereu Arenales
Leia maisAplicação do Método de Decomposição de Benders para o Problema de Carregamento de Paletes do Produtor. Resumo
Aplicação do Método de Decomposição de Benders para o Problema de Carregamento de Paletes do Produtor Ana Gabriela Rocha UFSCar Rod. Washington Luis, KM 235, São Carlos - SP gabirocha45@gmail.com Reinaldo
Leia maisAlgumas extensões do problema de corte de estoque 1
Algumas extensões do problema de corte de estoque 1 Kelly Cristina Poldi Orientador: Prof. Dr. Marcos Nereu Arenales Dissertação apresentada ao Instituto de Ciências Matemáticas e de Computação - ICMC-USP,
Leia maisUMA HEURÍSTICA PARA O PROBLEMA DE REDUÇÃO DE CICLOS DE SERRA
UMA HEURÍSTICA PARA O PROBLEMA DE REDUÇÃO DE CICLOS DE SERRA Rodolfo Ranck Junior Horacio Hideki Yanasse José Carlos Becceneri Instituto Nacional de Pesquisas Espaciais INPE Caixa Postal 515 12.227-010
Leia maisPCC104 - Projeto e Análise de Algoritmos
PCC104 - Projeto e Análise de Algoritmos Marco Antonio M. Carvalho Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal de Ouro Preto 1 de novembro de 2018 Marco Antonio
Leia maisMODELOS DE OTIMIZAÇÃO PARA O PROBLEMA DE CORTE NAS INDÚSTRIAS DE PAPEL E PAPELÃO E DE MÓVEIS
Gestão & Produção, v. 1, n. 1, p. 59-76, abr. 1994 59 MODELOS DE OTIMIZAÇÃO PARA O PROBLEMA DE CORTE NAS INDÚSTRIAS DE PAPEL E PAPELÃO E DE MÓVEIS Reinaldo Morábito Universidade Federal de São Carlos -
Leia maisProduction ISSN: Associação Brasileira de Engenharia de Produção. Brasil
Production ISSN: 0103-6513 production@editoracubo.com.br Associação Brasileira de Engenharia de Produção Brasil MORABITO, REINALDO; PUREZA, VITÓRIA Geração de padrões de cortes bidimensionais guilhotinados
Leia maisPrática 00. Total 04. Pré-requisitos. No. De Créditos 04
Disciplina Otimização Combinatória Departamento Carga Horária Semanal MINISTÉRIO DA EDUCAÇÃO E CULTURA PRÓ-REITORIA DE GRADUAÇÃO 1 PROGRAMA DE DISCIPLINA Departamento de Computação Teórica Pré-requisitos
Leia maisProgramação Inteira. Prof. Ricardo Santos
Programação Inteira Prof. Ricardo Santos Introdução Um problema com variáveis inteiras e reais é denominado problema de Programação Inteira Mista (PIM) quando tem a seguinte forma: PIM z=max cx+dy Ax+Dy
Leia maisABORDAGEM GRAFO E/ OU PARA O PROBLEMA DE CORTE BIDIMENSIONAL COM SOBRAS APROVEITÁVEIS
ABORDAGEM GRAFO E/ OU PARA O PROBLEMA DE CORTE BIDIMENSIONAL COM SOBRAS APROVEITÁVEIS Adriana Cristina Cherri Instituto de Ciências Matemáticas e de Computação USP São Carlos Avenida do Trabalhador São-carlense,
Leia maisUMA HEURÍSTICA PARA O PROBLEMA DE CORTE DE ESTOQUE UNIDIMENSIONAL INTEIRO
UMA HEURÍSTICA PARA O PROBLEMA DE CORTE DE ESTOQUE UNIDIMENSIONAL INTEIRO Douglas Aparecido Faglioni Boleta e-mail: dfaglioni@yahoo.com.br Silvio Alexandre de Araujo Departamento de Ciências de Computação
Leia mais3 Extração de Regras Simbólicas a partir de Máquinas de Vetores Suporte 3.1 Introdução
3 Extração de Regras Simbólicas a partir de Máquinas de Vetores Suporte 3.1 Introdução Como já mencionado na seção 1.1, as SVMs geram, da mesma forma que redes neurais (RN), um "modelo caixa preta" de
Leia maisAlgoritmo Evolutivo para o Problema de Corte de Estoque Unidimensional com Redução do Número de Padrões de Corte
Algoritmo Evolutivo para o Problema de Corte de Estoque Unidimensional com Redução do Número de Padrões de Corte Henrique A. Kobersztajn 1, Kelly C. Poldi 2, Instituto de Ciência e Tecnologia, Unifesp
Leia maisO problema de corte de estoque com reaproveitamento das sobras de material. Adriana Cristina Cherri
O problema de corte de estoque com reaproveitamento das sobras de material Adriana Cristina Cherri SERVIÇO DE PÓS-GRADUAÇÃO DO ICMC-USP Data de Depósito: 13/02/2006 Assinatura: O problema de corte de estoque
Leia maisMétodo Simplex dual. Marina Andretta ICMC-USP. 24 de outubro de 2016
Método Simplex dual Marina Andretta ICMC-USP 24 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisPalavras-chave: problema do corte de estoque, reaproveitamento das sobras, métodos heurísticos.
INVESTIGANDO O PROBLEMA DO CORTE DE ESTOQUE: COMO REAPROVEITAR AS SOBRAS Maraisa Aparecida Dias Fernandes, maraisa.adf@hotmail.com Thiago Alves de Queiroz, th.al.qz@catalao.ufg.br Resumo: O problema de
Leia maisAnálise de formulações matemáticas para o problema de empacotamento em faixas bidimensional guilhotinado 2-estágios
Análise de formulações matemáticas para o problema de empacotamento em faixas bidimensional guilhotinado 2-estágios Vanessa Munhoz Reina Bezerra Instituto de Ciências Matemáticas e de Computação - USP
Leia maisIntrodução à Pesquisa Operacional - Otimização Linear
Introdução à Pesquisa Operacional - Otimização Linear Professora: Maristela Oliveira dos Santos - mari@icmc.usp.br Auxilio 2009: Victor C.B. Camargo Auxilio 2010 - PAE: Marcos Mansano Furlan - L-1007 Instituto
Leia maisOtimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana
Otimização Linear Profª : Adriana Departamento de Matemática adriana@fc.unesp.br wwwp.fc.unesp.br/~adriana Revisão Método Simplex Solução básica factível: xˆ xˆ, xˆ N em que xˆ N 0 1 xˆ b 0 Solução geral
Leia maisProgramação Matemática
Programação Matemática Docentes: Ana Paula, Franklina e Maristela Instituto de Ciências Matemáticas e de Computação - ICMC Universidade de São Paulo USP (Material Elaborado por Aline Leão modificado por
Leia maisTécnicas para Programação Inteira e Aplicações em Problemas de Roteamento de Veículos 41
4 Resolução de IPs A teoria de programação linear foi proposta na década de 40 e logo foi observado que seria desejável a resolução de problemas que apresentavam variáveis do tipo inteiro [37]. Isto levou
Leia maisMétodo Simplex. Marina Andretta ICMC-USP. 19 de outubro de 2016
Método Simplex Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização linear
Leia maisUMA FORMULAÇÃO NÃO LINEAR PARA A RESTRIÇÃO DE CICLOS DA SERRA NO PROBLEMA INTEGRADO DE DIMENSIONAMENTO DE LOTES E CORTE DE ESTOQUE
UMA FORMULAÇÃO NÃO LINEAR PARA A RESTRIÇÃO DE CICLOS DA SERRA NO PROBLEMA INTEGRADO DE DIMENSIONAMENTO DE LOTES E CORTE DE ESTOQUE Gislaine Mara Melega Unesp - Ibilce Depto de Matemática Aplicada, 15054-000,
Leia maisAula 02: Algoritmo Simplex (Parte 1)
Aula 02: Algoritmo Simplex (Parte 1) Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464/PCC174 2018/2 Slides baseados no material de Haroldo Gambini Previously... Aula anterior:
Leia maisProgramação Linear/Inteira - Aula 5
Unidade de Matemática e Tecnologia - RC/UFG Programação Linear/Inteira - Aula 5 Prof. Thiago Alves de Queiroz Aula 5 Thiago Queiroz (IMTec) Aula 5 Aula 5 1 / 43 Análise de Sensibilidade Estudar o efeito
Leia maisHEURÍSTICAS PARA O PROBLEMA DE CORTE DE ESTOQUE UNIDIMENSIONAL INTEIRO
versão impressa ISSN 0101-7438 / versão online ISSN 1678-5142 HEURÍSTICAS PARA O PROBLEMA DE CORTE DE ESTOQUE UNIDIMENSIONAL INTEIRO Kelly Cristina Poldi * Marcos Nereu Arenales Instituto de Ciências Matemáticas
Leia mais4 Modelo da mistura de carvões
4 Modelo da mistura de carvões É imprescindível que se conheça com profundidade o problema a ser resolvido ou estudado e que se saiba com precisão quais são as variáveis, quais são os parâmetros e restrições
Leia maisTeoremas de dualidade
Teoremas de dualidade Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisProgramação Matemática Lista 3
Programação Matemática Lista 3. Coloque na forma padrão os seguintes problemas de programação linear: a) Maximizar X 7 X + 8 X 3 +X 4 X + X X 3 + X 4 4 X + X 3 9 X + X 3 + X 4 6 X 0, X 0, X 3 0, X 4 0
Leia maisAula 22: Formulações com número exponencial de variáveis
Aula 22: Formulações com número exponencial de variáveis Otimização Linear e Inteira Túlio Toffolo http://www.toffolo.com.br BCC464 / PCC174 2018/2 Departamento de Computação UFOP Aula de Hoje 1 Correção
Leia maisOtimização Aplicada à Engenharia de Processos
Otimização Aplicada à Engenharia de Processos Aula 4: Programação Linear Felipe Campelo http://www.cpdee.ufmg.br/~fcampelo Programa de Pós-Graduação em Engenharia Elétrica Belo Horizonte Março de 2013
Leia maisTomada de decisão no processo de cortagem: minimizar a perda ou a troca de padrões de corte?
Tomada de decisão no processo de cortagem: minimizar a perda ou a troca de padrões de corte? Maria Cristina N. Gramani Insper Working Paper WPE: 155/2008 Copyright Insper. Todos os direitos reservados.
Leia maisO PROBLEMA DE CORTE DE ESTOQUE MULTI-PERÍODOS
O PROBLEMA DE CORTE DE ESTOQUE MULTI-PERÍODOS Kelly Cristina Poldi Marcos Nereu Arenales {kelly@icmc.usp.br, arenales@icmc.usp.br} Instituto de Ciências Matemáticas e de Computação ICMC Universidade de
Leia maisProgramação Inteira. Solução com o método Branch-and-Bound
Programação Inteira Solução com o método Branch-and-Bound Conceitos gerais Um conceito fundamental nos métodos de resolução de programação inteira é a relaxação linear p Consiste em substituir PIM Ζ +
Leia maisAula 13: Branch-and-bound
Aula 13: Branch-and-bound Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464/PCC174 2018/2 Departamento de Computação UFOP Previously... Modelagem em PI / Problemas Combinatórios
Leia maisOtimização Linear Aplicada a Problemas de Planejamento de Produção
Otimização Linear Aplicada a Problemas de Planejamento de Produção Rafaela Schuindt Santos¹, Daniela Renata Cantane² ¹Escola Estadual Luiz Campacci Laranjal Paulista SP - Brasil ²Universidade Estadual
Leia maisUMA HEURÍSTICA SIMPLES E EFICAZ PARA RESOLVER O PROBLEMA DO CARREGAMENTO DE PALETES DO PRODUTOR
UMA HEURÍSTICA SIMPLES E EFICAZ PARA RESOLVER O PROBLEMA DO CARREGAMENTO DE PALETES DO PRODUTOR Silvia Regina Morales Departamento de Administração, UFU 38400-185 Uberlândia, MG v.4, n.1, p. 52-75, abr.
Leia maisTP052-PESQUISA OPERACIONAL I Algoritmo Dual Simplex. Prof. Volmir Wilhelm Curitiba, Paraná, Brasil
TP052-PESQUISA OPERACIONAL I Algoritmo Dual Simplex Prof. Volmir Wilhelm Curitiba, Paraná, Brasil Algoritmo Dual Simplex Motivação max sa Z = cx Ax = b x 0 escolhida uma base viável max sa Z = c B x B
Leia maisAPLICAÇÃO DA PROGRAMAÇÃO LINEAR PARA REDUÇÃO DE PERDDAS ASSOCIADAS À PRODUÇÃO DE MÓVEIS SOB ENCOMENDA
ISSN 1984-9354 APLICAÇÃO DA PROGRAMAÇÃO LINEAR PARA REDUÇÃO DE PERDDAS ASSOCIADAS À PRODUÇÃO DE MÓVEIS SOB ENCOMENDA Jônata Ferreira de Melo (UFPE) Maurilio José dos Santos (UFPE) Resumo Este artigo propõe
Leia maisQuinta-feira, 11 de abril
15.053 Quinta-feira, 11 de abril Mais alguns exemplos de programação inteira Técnicas de planos de corte para obter melhores limitações Entregar: Observações de Aula 1 Exemplo: Localização do corpo de
Leia mais3 Extensões dos modelos matemáticos
3 Extensões dos modelos matemáticos Os modelos matemáticos definidos por (2-1) (2-6) e (2-7) (2-13), propostos por Achuthan e Caccetta e apresentados no Capítulo 2, são reforçados neste trabalho através
Leia maisDEPARTAMENTO DE CIÊNCIAS DE COMPUTAÇÃO E ESTATÍSTICA
unesp UNIVERSIDADE ESTADUAL PAULISTA Instituto de Biociências, Letras e Ciências Exatas DEPARTAMENTO DE CIÊNCIAS DE COMPUTAÇÃO E ESTATÍSTICA Propostas de Solução para o Problema de Corte de Estoque Bidimensional
Leia maisNOTAS DE AULA 1 METAHEURÍSTICA 13/10/2016
NOTAS DE AULA 1 METAHEURÍSTICA 13/10/2016 Metaheurística: São técnicas de soluções que gerenciam uma interação entre técnicas de busca local e as estratégias de nível superior para criar um processo de
Leia maisProgramação Linear - Parte 3
Matemática Industrial - RC/UFG Programação Linear - Parte 3 Prof. Thiago Alves de Queiroz 1/2016 Thiago Queiroz (IMTec) Parte 3 1/2016 1 / 26 O Método Simplex Encontre o vértice ótimo pesquisando um subconjunto
Leia maisPCC173 - Otimização em Redes
PCC173 - Otimização em Redes Marco Antonio M. Carvalho Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal de Ouro Preto 15 de maio de 2017 Marco Antonio M. Carvalho
Leia maisOtimização Combinatória e Aplicações na Indústria Socorro Rangel
Otimização Combinatória e Aplicações na Indústria Socorro Rangel Departamento de Ciências da Computação e Estatística e-mail: socorro@ibilce.unesp.br Sumário Problemas de Otimização Aplicações: Indústria
Leia maisPROGRAMAÇÃO LINEAR INTEIRA PARA O PROBLEMA DE CORTE UNIDIMENSIONAL DE ESTOQUE COM REAPROVEITAMENTO DOS RESÍDUOS
ISSN: 2237-0722 PROGRAMAÇÃO LINEAR INTEIRA PARA O PROBLEMA DE CORTE UNIDIMENSIONAL DE ESTOQUE COM REAPROVEITAMENTO DOS RESÍDUOS INTEGER LINEAR PROGRAMMING FOR THE ONE-DIMENSIONAL CUTTING STOCK PROBLEM
Leia maisO PROBLEMA DA MOCHILA COMPARTIMENTADA E APLICAÇÕES
ISSN 0101-7438 O PROBLEMA DA MOCHILA COMPARTIMENTADA E APLICAÇÕES Fabiano do Prado Marques Marcos Nereu Arenales * Departamento de Ciências de Computação e Estatística Universidade de São Paulo São Carlos
Leia maisDEPARTAMENTO DE CIÊNCIAS DE COMPUTAÇÃO E ESTATÍSTICA
unesp UNIVERSIDADE ESTADUAL PAULISTA Instituto de Biociências, Letras e Ciências Exatas DEPARTAMENTO DE CIÊNCIAS DE COMPUTAÇÃO E ESTATÍSTICA Modelagem do Problema Integrado de Dimensionamento do Lotes
Leia mais5 Análise de Sensibilidade
MAC-35 - Programação Linear Primeiro semestre de 00 Prof. Marcelo Queiroz http://www.ime.usp.br/~mqz Notas de Aula 5 Análise de Sensibilidade Neste capítulo consideramos o problema de programação linear
Leia maisPGF Mecânica Clássica Prof. Iberê L. Caldas
PGF 5005 - Mecânica Clássica Prof Iberê L Caldas Quarto Estudo Dirigido o semestre de 08 Os estudos dirigidos podem ser realizados em duplas Apenas os exercícios marcados com asteriscos precisam ser entregues
Leia maisMarina Andretta. 17 de setembro de Baseado no livro Numerical Optimization, de J. Nocedal e S. J. Wright.
Métodos de regiões de confiança Marina Andretta ICMC-USP 17 de setembro de 2014 Baseado no livro Numerical Optimization, de J. Nocedal e S. J. Wright. Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear
Leia maisPlanejamento para fundições: uma aplicação do método das K-melhores mochilas. 1 Introdução
Planejamento para fundições: uma aplicação do método das K-melhores mochilas Murilo S. Pinheiro, Franklina M.B. Toledo, Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, Av.
Leia maisDisciplina que estuda métodos analíticos para auxiliar na tomada de decisões.
Edgard Jamhour Disciplina que estuda métodos analíticos para auxiliar na tomada de decisões. Procura encontrar soluções ótimas ou próximo de ótimas para problemas de engenharia industrial, economia e finanças,
Leia maisAplicação de p-medianas ao Problema do Corte Guilhotinado Bi-Dimensional para Peças Regulares
Aplicação de p-medianas ao Problema do Corte Guilhotinado Bi-Dimensional para Peças Regulares Gilberto Irajá Müller 1, Arthur Tórgo Gómez 1 1 Universidade do Vale do Rio dos Sinos UNISINOS PIPCA - Programa
Leia maisAngelo Aliano Filho 1 e Antônio Carlos Moretti 2 Universidade Estadual de Campinas - IMECC 1
UM ALGORITMO MEMÉTICO NO PROBLEMA DO CORTE UNIDIMENSIONAL INTEIRO Angelo Aliano Filho 1 e Antônio Carlos Moretti 2 Universidade Estadual de Campinas - IMECC E-mail: 1 angeloaliano@hotmail.com 2 moretti@ime.unicamp.br
Leia maisInteligência Artificial
Inteligência Artificial Aula 6 Algoritmos Genéticos M.e Guylerme Velasco Roteiro Introdução Otimização Algoritmos Genéticos Representação Seleção Operadores Geneticos Aplicação Caixeiro Viajante Introdução
Leia maisXLVII SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL
MINIMIZAÇÃO DO NÚMERO DE PADRÕES DE CORTE DISTINTOS NO PROBLEMA DE CORTE DE ESTOQUE UNIDIMENSIONAL Kelly Cristina Poldi Universidade Estadual de Campinas - UNICAMP Instituto de Matemática, Estatística
Leia maisProblemas de otimização
Problemas de otimização Problemas de decisão: Existe uma solução satisfazendo certa propriedade? Resultado: sim ou não Problemas de otimização: Entre todas as soluções satisfazendo determinada propriedade,
Leia mais4 Métodos Existentes. 4.1 Algoritmo Genético
61 4 Métodos Existentes A hibridização de diferentes métodos é em geral utilizada para resolver problemas de escalonamento, por fornecer empiricamente maior eficiência na busca de soluções. Ela pode ser
Leia maisTeoria de dualidade. Marina Andretta ICMC-USP. 19 de outubro de 2016
Teoria de dualidade Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisProgramação Linear - Parte 5
Matemática Industrial - RC/UFG Programação Linear - Parte 5 Prof. Thiago Alves de Queiroz 1/2016 Thiago Queiroz (IMTec) Parte 5 1/2016 1 / 29 Dualidade Os parâmetros de entrada são dados de acordo com
Leia maisO problema da mochila compartimentada e aplicações*
SERVIÇO DE PÓS-GRADUAÇÃO DO ICMC-USP Data de Depósito: 25.10.2004 Assinatura: O problema da mochila compartimentada e aplicações* Fabiano do Prado Marques Orientador: Prof. Dr. Marcos Nereu Arenales Tese
Leia maisAplicações de PL possíveis até o momento
Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão Pesquisa Operacional Síntese Problemas Interessantes Prof. Dr. José Arnaldo Barra Montevechi Aplicações de PL possíveis até
Leia maisProgramação Inteira. Algoritmo Branch-and-Bound (ou enumeração implícita)
Programação Inteira Algoritmo Branch-and-Bound (ou enumeração implícita) Métodos de Solução: Branch-and-Bound O método Branch-and-Bound (B&B) baseia-se na idéia de desenvolver uma enumeração inteligente
Leia maisUM ALGORITMO PARA GERAÇÃO DE PADRÕES DE CORTE OTIMIZADOS PARA O CORTE RADIAL DE TORAS EM SERRARIAS
UM ALGORITMO PARA GERAÇÃO DE PADRÕES DE CORTE OTIMIZADOS PARA O CORTE RADIAL DE TORAS EM SERRARIAS Gilberto Vinicius Paulino Nunes Departamento de Informática, Universidade Federal de Viçosa Campus Univesitário
Leia maisAula 20: Revisão Otimização Linear e Inteira Túlio A. M. Toffolo
Aula 20: Revisão Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464 / PCC174 Departamento de Computação - UFOP Breve Revisão Programação Linear vs Programação Inteira Modelagem
Leia maisCombinando inequações lineares
Combinando inequações lineares A multiplicação por um número > 0 não altera uma inequação 2x x 5 4x 2x 0 2 2 A soma de duas inequações (com o mesmo sentido) produz uma inequação válida x 3x + x 3 2 + 5x
Leia mais1.3.4 Configuração da Rede Tabulação de Resultados Algoritmo para Configuração de Subestações... 4
Sumário Configurador de Redes Introdução 2 Descrição da Técnica de Processamento para Configuração de Redes 2 2 Configuração de Subestação 3 22 Configuração de Rede 4 23 Tabulação de Resultados 4 3 Algoritmos
Leia maisAPROVEITAMENTO DE SOBRAS PARA O PROBLEMA DE CORTE DE ESTOQUE
PROVEITMENTO DE SOBRS PR O PROBLEM DE CORTE DE ESTOQUE driana Cherri Departamento de Matemática, Faculdade de Ciências, UNESP 17033-360, Bauru, SP e-mail: adriana@fc.unesp.br ndréa Vianna Departamento
Leia maisEEL 6300 Despacho Econômico de Unidades Térmicas Parte 2
EEL 6300 Despacho Econômico de Unidades Térmicas Parte 2 Antonio Simões Costa UFSC - LABSPOT A. Simões Costa (UFSC - Labspot) 1 / 19 Despacho Econômico x Alocação de Unidades Em estudos de programação
Leia maisMétodo do Lagrangiano aumentado
Método do Lagrangiano aumentado Marina Andretta ICMC-USP 23 de novembro de 2010 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 23 de novembro de 2010 1 / 17 Problema com restrições gerais Vamos
Leia mais2 Definição do Problema
Definição do Problema. Formulação Matemática O problema do Fluxo Máximo entre todos os pares de nós surge no contexto de redes, estas representadas por grafos, e deriva-se do problema singular de fluxo
Leia maisElsa Marília da Costa Silva. Modelos e métodos de otimização para problemas de corte e empacotamento a duas dimensões
Universidade do Minho Escola de Engenharia Elsa Marília da Costa Silva Modelos e métodos de otimização para problemas de corte e empacotamento a duas dimensões Elsa Marília da Costa Silva Modelos e métodos
Leia maisAlgumas extensões do problema de corte de estoque com sobras de material aproveitáveis. Adriana Cristina Cherri
Algumas extensões do problema de corte de estoque com sobras de material aproveitáveis Adriana Cristina Cherri SERVIÇO DE PÓS-GRADUAÇÃO DO ICMC-USP Data de Depósito: 17/04/2009 Assinatura: Algumas extensões
Leia maisPontos extremos, vértices e soluções básicas viáveis
Pontos extremos, vértices e soluções básicas viáveis Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta
Leia maisReferências: Notas de aulas do Prof. Silvio Alexandre de Araujo
Programação Inteira Referências: Notas de aulas do Prof Silvio Aleandre de Araujo http://wwwdcceibilceunespbr/~saraujo/ Material da Professora Gladys Castillo do Departamento de Matemática da Universidade
Leia maisMétodo de restrições ativas para minimização em caixas
Método de restrições ativas para minimização em caixas Marina Andretta ICMC-USP 20 de outubro de 2014 Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 20 de outubro de 2014 1 / 25 Problema com
Leia maisUM ALGORITMO HÍRIDO PARA A GERAÇÃO DE PADRÕES DE CORTE BIDIMENSIONAIS GUILHOTINADOS
UM ALGORITMO HÍRIDO PARA A GERAÇÃO DE PADRÕES DE CORTE BIDIMENSIONAIS GUILHOTINADOS Lilian Caroline Xavier Candido Programa de Pós-Graduação em Métodos Numéricos em Engenharia Universidade Federal do Paraná
Leia maisAlgoritmos Genéticos
Algoritmos Genéticos Roteiro Introdução Algoritmos Genéticos Otimização Representação Seleção Operadores Genéticos Aplicação Caixeiro Viajante Introdução Algoritmos Genéticos (AGs), são métodos de otimização
Leia maisAulas 6 / 05 de setembro
Gabriel Coutinho DCC5 - Pesquisa Operacional - 7. Simplex Ei-lo. Aulas 6 / 5 de setembro Método Simplex Input: Uma PL e uma base viável de colunas B. Output: Uma solução ótima, ou um certificado de que
Leia mais