OTIMIZAÇÃO EM CÉLULAS DE USINAGEM UTILIZANDO CONCEITOS DE MÁXIMA PRODUÇÃO E MÍNIMO CUSTO

Tamanho: px
Começar a partir da página:

Download "OTIMIZAÇÃO EM CÉLULAS DE USINAGEM UTILIZANDO CONCEITOS DE MÁXIMA PRODUÇÃO E MÍNIMO CUSTO"

Transcrição

1 OTIMIZAÇÃO EM CÉLULAS DE USINAGEM UTILIZANDO CONCEITOS DE MÁXIMA PRODUÇÃO E MÍNIMO CUSTO Luz Carlos Rosa (Fatec-Sorocaba; Uesp-Sorocaba) luzrosa@fatecsorocaba.edu.br Iberê Lus Marts.(Fatec-Sorocaba) lumar@globo.com RESUMO: Este artgo apreseta um sstema para a otmzação de resultados em usagem com máquas CNC trabalhado em Células de Maufatura ou Lay Out Celular utlzado os cocetos de Máxma Produção e Mímo Custo que defem os parâmetros Ecoômcos de Usagem como Velocdade, Avaço e Profuddade de Corte. É aplcável ao uso de uma ou mas máquas ferrametas coduzda por um úco operador cohecdo como Polvalete. Nesse sstema as máquas ferrametas devem estar equpadas com CNC que possblte a comucação eletrôca com o MS Excel. É possível motorar cada etapa da produção otmzado o resultado operacoal. Palavras Chaves: Modelos Usagem, células de usagem, otmzação em células de usagem. 1. INTRODUÇÃO A evolução do motorameto e cotrole a usagem exge máquas e ferrametas com tecologas cada vez mas avaçadas para garatr o atedmeto com qualdade e prazos além da expectatva do clete. As máquas são equpadas com CNC e dspostvos automátcos de fxação de peças que garate repetbldade ao processo alada a um tempo cada vez meor de fabrcação. As ferrametas são projetados com geometras complexas fabrcadas de materas tpo Metal Duro; Cerâmco e Ntreto de Boro que permtem velocdades de corte cada vez maores ao lmte da capacdade da Máqua Operatrz. Algus softwares tpo CAD/CAM mas avaçados permtem parcalmete a comucação dreta do computador com programa CAD e a máqua CNC. Esta comucação tem a faldade de trasformar um deseho em CAD em lguagem de programação CNC, elmado parte da tarefa da programação maual executada pelo especalsta cohecdo como Programador CNC muto comum as empresas. Se através da comucação CAD CNC acma descrta for permtdo a coleta de dados como Velocdade, Avaço e Profuddade de Corte em tempo real, após o processameto em MS Excel poderá ser calculado o Custo do Processameto. Este Custo é aalsado e se estver dstorcdo, pode ser medatamete corrgdo de tal forma a atgr o Custo Ecoômco prevsto etre os tervalo de Mímo Custo e Máxma Produção. Esta tecologa poderá ser aplcada a máquas soladas ou dspostas em lay out celular operada por um úco operador. 2. CONCEITOS DE MÁXIMA PRODUÇÃO E MÍNIMO CUSTO; ANÁLISE ECONÔMICA DA USINAGEM INTERVALO DE MÁXIMA EFICIÊNCIA. (Obs: todas as equações a segur estão deduzdas os aexos III e IV).

2 O aumeto a Velocdade de Corte, o Avaço e a Profuddade, acarretará um aumeto a quatdade de peças fabrcadas por udade de tempo; e uma dmução o custo por peça (C2). Porém maor será o desgaste de ferrameta e maor será o custo da ferrameta (C1). O custo total é composto pelas duas frações além de outros custos dretos. Como uma parte do custo aumeta com o aumeto da produção e outra parte dmu, sempre exstrá uma quatdade deal de peças produzdas um tervalo de tempo em fução da Velocdade, Avaço e Profuddade de Corte adotados ode o Custo será Mímo ou a Produção será Máxma. Estes potos são cohecdos como de Máxma Produção (MP) e Mímo Custo (mc). O tervalo etre eles é cohecdo como Itervalo de Máxma Efcêca. Os parâmetros de Velocdade, Avaço e Profuddade de Corte são cohecdos como Codção Ecoômca de Usagem. A Codção Ecoômca para Mímo Custo ocorrerá quado o custo total utáro for mímo (C3). A Codção Ecoômca de Usagem para Máxma Produção ocorrerá quado o tempo total de fabrcação de uma peça for mímo (C4). Portato pela fgura 1, podemos detfcar os custos cometados acma. t $ C3 C1 C4 C5 C2 mc MP Vc Fgura 1 Itervalo de Máxma C5 Efcêca C1- Custo que aumeta com o aumeto da velocdade de corte. C2- Custo que dmu com o aumeto da velocdade de corte C3- Custo resultate de C1 mas C2 C4- Resultate do tempo de produção por peça em fução da Vc C5- Quatdade de produção mc- Poto de mímo custo MP- Poto de máxma produção 2.1. CICLO DE USINAGEM Etede-se por cclo de usagem a colocação e fxação da peça a máqua, a aproxmação da ferrameta, o corte ou a usagem propramete dta, o afastameto da ferrameta até a speção e a retrada da peça, cludo o preparo da máqua, a troca ou substtução do ferrametal, a afação da ferrameta e a recolocação de ferrametas. O tempo de usagem é a soma dos tempos gastos em cada uma dessas etapas. 2

3 TEMPO DE USINAGEM Tempo morto (Tm): É o tempo ecessáro para colocar a peça o dspostvo de fxação, efetuar a fxação propramete dta, avaçar e recuar a ferrameta e retrar a peça da máqua. Tempo de preparo (Tp): Evolve as operações precedetes a produção ormal, preparo da ferrameta, guar a peça, etc. Tempo de corte (tc): É o tempo gasto para remoção de materal. (É o tempo de usagem propramete dto). Tempo de troca da ferrameta (Ttf): É o tempo para a troca de ferrametas durate o processo de usagem Tempo de afação (Ta): É o tempo despeddo para a reafação da ferrameta. Tempo total por peça: Cosderado; Tm+Tp = Tk (2.1) TT = TK + tc + (tc/t)*ttf (2.2) CUSTOS UNITÁRIOS O Custo assocado à usagem pode será coforme o desmembrameto do Tempo a segur: K1: dado em R$/m - Está relacoado com as despesas dretas e dretas da mão de obra e da máqua. K2: dado em R$/afação ou troca de ferrameta - Relacoado com as despesas dretas e dretas da afação. O custo total por peça; CT = Tm*K1 +Tp*K1+tc*K1+Tc/T*K1*Ttf +Tc/T*K2 (2.3) 2.2. CONDIÇÃO PARA MÍNIMO CUSTO (MC) dct / dvc = 0 Mímo custo por peça VCmc ={ [K1/(TTF*K1 + K2)]*[C /(1/y-1)] } y (2.4) 2.3. CONDIÇÃO PARA MÁXIMA PRODUÇÃO (MP) dtt / dvc = 0 Tempo mímo de produção por peça VCMP = { C / [(1/y -1)*TTF] } y (2.5) Custo total para Maxma Produção. CTMP = TK*K1 +( * *LC/a)*K1*VC -1 +( * *LC /a*c )*(TTF*K1 + K2)*VC (1/y-1) (2.6) Ode TTMP = [CV / (5 g * b f-g * h f+g * Vc)] 1/y *60 (2.7) Tempo total para Máxma Produção 3

4 TtMP = TK + (..LC / a).vc -1 + (..LC / a.c ).VC (1/y-1).TTF (2.8) Ode; tc = (..LC / a).vc -1 (2.9) C = [CV / (5 g x b f-g x h f+g )] 1/y x 60 (2.10) T = C /VC 1/y (2.11) tc/t=(..lc/a).vc (1/y-1) /C (2.12) 3. CONCEITOS CLÁSSICOS DE LAY OUT O Lay Out dustral clássco pode ser dvddo em; Lay Out Celular As máquas são agrupadas em células em formato U e comadadas por um úco operador. fucoam como uma lha de lay out de produção detro de uma job shop maor ou lay out por processo. Cada célula um lay out celular é formada para produzr uma úca famíla de pecas. A famíla de pecas é detfcada através da Tecologa de Grupo. Tecologa de Grupo é um sstema de codfcação em múltplos dígtos que descreve a caraterístca físca da peça. este caso, o lay out é focado a Famíla de peças. fre sa do ra furadera Lay Out por Produto ou em Lha Quado as maquas são orgazadas de acordo com o produto a ser feto portato focado o produto. fresadora furadera Lay Out por Processo ou Fucoal Quado as máquas são agrupadas de acordo com o tpo de processo a ser executado portato focado o processo (Gather, 2001) 4. O SISTEMA DE MONITORAÇÃO O Sstema da Motoração aqu apresetado tem como premssa a orgazação do Processo de Produção Cojuta que cosdera os Custos Dretos a alocação e formação do custo. 4

5 Fote: Bruste (1994; p. 2). Fgura 4.1 Cofguração básca do processameto cojuto. O Processo de Produção de Produtos Cojuto é um Processo característco pela obteção de város produtos a partr de uma úca matéra prma. È um processo comum as dústras químcas, petroquímcas. As máquas são dspostas (lay out) de acordo com a seqüêca das etapas de produção. O modelo ecoômco em produção cojuta desevolvdo por BRUNSTEIN (2001) cosdera o sstema de custeo dreto da segute forma: MSBC MBC CFP (4.1) MBC RL CV (4.2) RL RB DPF (4.3) Ode; MSBC = margem sem-bruta de cotrbução MBC = margem bruta de cotrbução CFP = custo ou despesa fxa própra RL = receta líquda CV = custo varável RB = receta bruta DPF = despesas proporcoas ao faturameto As DPF são despesas de vedas como: mpostos (ICM, IPI, PIS, COFINS), comssões de vedas, fretes, seguros, embalages, royaltes e algumas despesas faceras. A fgura 4.1 apreseta o modelo ecoômco completo da produção de produtos cojutos que lustra os três processos adcoas: alteratvo, obrgatóro e em múltplas opções. O resultado do processameto cojuto (RES) correspode ao somatóro das MBC ou MSBC de todos os produtos produzdos o período, extraídos os custos ou despesas fxas corrdos o processameto. As Equações 4.4, 4.5 e 4.6 represetam o resultado do processo cojuto: RES MSCBa MSCBb MSCBc CT (4.4) RES MBCa MBCc MCBb CFPa CFPb CFPc CT 1 1 (4.5) RES MBCtotal CFtotal (4.6) ode; 5

6 CT = custo cojuto total do processameto. CF = custo fxo, que compreede os custos fxos própros mas o custo cojuto total do processameto. Fote: Bruste (1994) Fgura 4.2 Modelo completo de processameto cojuto Por outro lado, o processo de usagem é um processo trata-se de um processo dscreto ode as peças são produzdas em lotes passado por varas etapas até que todas as peças fquem protas. Cosderado os três Lay Outs ctados fucoado como Células de Usagem comparados com o Processo Cojuto podemos ter a segute cofguração (fgura 4.3). 6

7 Fgura 4.3 Lay Out hbrdo Como sabemos, o lay out dustral ormalmete é hbrdo utlzado todas as cofgurações cohecdas de acordo com a ecessdade da produção. Todo setor produtvo é admstrado por uma equpe de profssoas ode o custo dessa admstração é cosderado dreto. Este custo é dstrbuído através de rateo para cada máqua que compõe a lha de produção. 5. O CUSTO DE UMA MÁQUINA DE QUALQUER CÉLULA DE USINAGEM Tomado-se o 2 da célula de produtos A (lay out focado o processo). Supodo que esse toro usa (Pc A2 = ) para terceros a um Preço de Veda Lqudo = PVLu. Se o toro produz uma quatdade Q de peças por udade de tempo. Se o Custo Varável é cohecdo (CT IME = custo total utáro o Itevalo de Máxma Efcêca. Se todos os custos fxos do processo referete ao toro A2 são cohecdos Mão de Obra, deprecação de equpametos, custo de stalações, mauteção e etc = CFP ) Temos: MBC RL CV (5.7) MBC MBC RB DPF CV (5.8) Q PVu Q DPFu Q CVu (5.9) MBC Q PVu DPFu CVu (5.10) Substtudo-se a MBC para o produto a equação 3.1 temos: MSBC Q PVLu CVu CFPa 2 (5.11) Os dados de produção (Q = 1/tc) e Custo de produção (CT IME) são coletados pelo sstema de motorameto coforme vsto o aexo I. Os valores de CFP e PVLu são formados o sstema. A fgura 4.3 abaxo lustra o processameto dos dados para o toro 2 = A. Q = Volume statâeo de produção do produto. PVLu= Preço de Veda Líqudo utáro do produto = (PVu DPFu ). CVu = Custo Varável utáro do produto. CFP = Custo Fxo Própro do produto. 7

8 Fgura 3.2 Udade de Processameto A2 Observa-se a fgura 3.2 que se pode obter os valores das Marges Bruta e Sem-bruta de Cotrbução através das formações forecdas de PVu, CVu e CFP mas a quatdade Q, obtda através do sstema de motorameto. 6. A INTEGRAÇÃO DAS MÁQUINAS NA S CÉLULAS ATRAVÉS DO SISTEMA A terlgação etre a máqua e computador para aqusção de dados um ambete de fabrco dustral é a obteção de formações (dados) cofáves, para um correto plaejameto da produção e prazo de etrega. Neste trabalho um protótpo de aqusção de dados de baxo custo é apresetado, baseado em um mcro cotrolador PIC, possudo uma terface homem-máqua composta de um dsplay e um teclado e um crcuto codcoador de sas para sesores que captam as formações Aqusção de Dados de Máquas Operatrzes em Ambete Idustral Gdeo Vllar Leadro (ABEPRO/UNIJUI) gede@uju.tche.br. ENEGEP 2006 Aplcado-se o coceto de U.P. em todos os estágos do processameto cojuto - que agdo o processo produtvo pode, detro de determados parâmetros téccos, alterar quatdades ou volumes processados - e do modelo ecoômco - que permtdo a tomada de decsão - trasforma em valores faceros as quatdades ou volumes da produção - que resulta o Modelo Físco-Ecoômco de Processameto de Produção de Produtos Cojutos como mostrado a fgura INTEGRAÇÃO DAS MÁQUINAS DENTRO NUMA CÉLULA FOCADA NA TG MSBCa Qa PVua DPFua CVua CFPa 1 (6.1) 8

9 6.2. INTEGRAÇÃO DAS MÁQUINAS DENTRO NUMA CÉLULA FOCADA NO PRODUTO MSBCb Qb ( PVub DPFub CVub ) CFPb (6.2) 6.3. INTEGRAÇÃO DAS MÁQUINAS DENTRO NUMA CÉLULA FOCADA NO PROCESSO 1 MSBCc Qc PVuc DPFuc CVuc CFPc 1 (6.3) Fgura 6.1 Modelo físco-ecoômco para processameto cojuto 7. ANÁLISE DO PROCESSO. A adoção deste modelo de gestão possblta as segutes aálses para tomadas de decsão: 9

10 7.1. Máxma Produção / Mímo Custo Para cada máqua soladamete se cohece a produção Q e o Custo da peça CT IME detro do Itervalo de Máxma Produção e Mímo Custo. Detro da célula, cada máqua pode ser operada de acordo com o adameto ecessáro para cumprr a produção ou seja próxmo ao Mímo Custo ou a Máxma Produção. Com outras formações aterormete cometados (tem 5) pode-se alterar a quatdade de produção Mímo Custo Os parâmetros são ajustados para obter o mímo custo quado se trabalha com parâmetros (vc, a e p) próxmo ao poto de mc. Neste caso, o tempo é rrelevate pos a produção deve estar em da Maxma Produção. Os parâmetros são ajustados para obter a máxma produção e o custo este caso é secudáro pos a produção pode estar atrazada. 10

11 8. CONCLUSÕES 8.1. O USO DAS VARIÁVEIS ECONÔMICAS NA MONITORAÇÃO DO PROCESSO PERMITE QUANTIFICAR OS CUSTOS EM CADA FASE DO PROCESSO OS CUSTO EM CADA FASE SÃO CONTROLADOS POR MEIO ELETRÔNICO E EM TEMPO REAL A ADMINISTRAÇÃO DO PROCESSO PRODUTIVO EM TEMPO REAL PERMITE, DIANTE DE DISTORÇOES IDENTIFIADAS, A CORREÇÃO DE TAL FORMA A ATINGIR O RESULTADO PREVISTO O MELHOR RESULTADO, COMO JÁ VISTO, É OBTIDO ATRAVÉS DE ACOMPANHAMENTO DO DESEMPENHO DA PRODUÇÃO COMPARADO COM O RESULTADO COM VALORES DO IME. 11

12 8.5. A MANIPULAÇÃO DE DADOS SEGURO POR MEIO ELETRÔNICO ELIMINA POSSÍVEIS ERROS HUMANOS, PORTANTO MAIS CONFIÁVEIS AS LIMITAÇÕES FÍSICAS DO PROCESSO PRODUTIVO COMO RENDIMENTOS, CAPACIDADES DE PRODUÇÃO PODEM SER CONTROLADAS PELO SISTEMA DE MONITORAÇÃO O SISTEMA DE MONITORAMENTO PROPOSTO NESTE TRABALHO TEM CONDIÇÃO DE CONTROLAR E ATUAR NO PROCESSO PRODUTIVO, DE FORMA A ATINGIR O OBJETIVO DE MAXIMIZAR O RESULTADO É POSSÍVEL DEFINIR OS PONTOS DE QUANTIDADES MÍNIMA E MÁXIMA E, A PARTIR DELES, ESTABELECER A CONDIÇÃO DE CONTORNO DA PRODUÇÃO. A PRODUÇÃO DEVE SER OPERADA DENTRO DESSES VALORES, PARA GARANTIR RESULTADOS SATISFATORIOS DURANTE TODO O PERÍODO DE PROCESSAMENTO O SISTEMA MONITORADO PERMITE ATUAR NO PROCESSO, AJUSTANDO O VOLUME DE TRABALHO ÀS CONDIÇÕES ECONÔMICAS ACIMA DESCRITAS, EM INTERVALOS DE TEMPO TÃO PEQUENOS QUANTO PERMITIDO PELAS CARACTERÍSTICA DOS EQUIPAMENTOS UTILIZADOS NO PROCESSO O AJUSTE DO PROCESSO LEVA A DEFINIR O SET POINT DOS EQUIPAMENTOS, FACILITANDO O TRABALHO TANTO DA OPERAÇÃO - SEM RISCO DE ERRO POR PARTE DO OPERADOR QUANTO DO GERENCIAMENTO EFICIENTE - POR PARTE DA ADMINISTRAÇÃO ENTRETANTO, OUTRAS POSSIBILIDADES PODEM SER INICIADAS; REFASER KIENSLE E KRONEBERG REVISÃO DOS CONCEITOS DE CUSTOS ETC. 9. EXEMPLO DE SIMULAÇÃO QUE ESTÁ SENDO USADO PARA VALIDAÇÃO DO SISTEMA. 12

13 Tempo Custo Total Aexo II MÁXIMA PRODUÇÃO MÌNIMO CUSTO Sequêca de cálculo P(Tmch f(t)? a calc.? Tab.máq.? a ef.? Fc? Vc?.máq.? ab.máq.? ef? tc? Vc ef? Nc ef.? Nc ef.? T ef.? Tt? Ct Dados do processo Dados de Tempo Dados de Custo Dados Peça, Ferrameta e Maqua Materal da Peça Ks1 z Cv y f g Ttf (m) Tm (m)tp (m K1 $/h K2 $/trocaferr. M.DФ mm p (mm Nc (cv) Lc mm FoFo esferóde 130 0, ,25 0,2 0, ,5 15 2, (1-z)-1/[(1-z)-b mm h mm a cal a ef h ef g > 0 c Cv* 0,4 2,2727 2,828 0, ,161 T? h f(t)? a calc.? Tab.máq.? a ef.? Fc? Vc? calc Tab.máq.? ef? tc? Vc ef? Nc ef.? T ef.? Tt? Ct mc 42 0,323 0,456 0,40 99, , , , ,142 4,658 44,22 2,954 0,76 MP 12 0,158 0,224 0,20 86, , , , ,903 4,648 13,17 3,152 0,88 Itervalo MP Mmo Custo 3,200 3,150 3,100 3,050 3,000 2,950 2,900 2,850 1,00 2,00 Velocdade de Corte Vc-->Tt 0,900 0,850 0,800 0,750 0,700 Velocdade de Corte Sére1 13

14 R E F E R Ê N C IAS BI B L I O G R Á F IC A S BRUNSTEIN, I. PRO-174 Ecooma de empresas. Apostla de Curso Departameto de Egehara de Produção, Escola Poltécca, Uversdade de São Paulo, São Paulo: USP, Uma proposta de modelagem ecoômca de processos químcos com produção de produtos cojutos. I: CONGRESSO BRASILEIRO DE ENGENHARIA QUÍMICA, 10., 1994, São Paulo. Aas do 10º Cogresso Braslero de Egehara Químca. São Paulo: USP, p BRUNSTEIN, I.; TOMIYA, E. H. Modelo ecoômco de empresa sucro alcoolera. G & P, São Paulo, v.2,.3, p , dez EMERSON PROCESS MANAGEMENT. PatWeb: uma arqutetura revolucoára de automação de cotrole de processos. [Sorocaba]:[s..], [2004]. MARTINS, E. Cotabldade de custos. 4. ed. São Paulo: Atlas, MILLER, R. W. Flowmeter egeerg hadbook. 2. ed. New York: McGraw-Hll, PEREIRA, A. P.; SANTOS, L. Arquteturas Híbrdas de Cotrole de Processos: do soho do passado à realdade dos das de hoje. [s.l.]:[s..], [2003] Dspoível em: Acesso em: 31 mar PEREIRA, A. P.; SANTOS, L. Gerecameto de atvos: exemplos de dmução de custos o projeto e durate a operação. [s.l.]:[s..], [2003] Dspoível em: Acesso em: 31 mar PEREIRA, A. P.; VERHAPPEN, I. Foudato Feldbus: a pocket gude. USA: [s..], ISBN ROSA, L. C. Iterface físca ecoômca em gestão de processo de produção de produtos cojutos f. Tese de Doutorado Departameto de Egehara de Produção, Escola Poltécca, Uversdade de São Paulo, ROSA, L. C. Modelo ecoômco para empresa agro-dustral f. Dssertação (Mestrado) Departameto de Egehara de Produção, Escola Poltécca, Uversdade de São Paulo, São Paulo, TOLEDO, N. N. Custos Idustras. I: CONTADOR, J. C. (Org.). Gestão de operações. 2. ed. São Paulo: Edgard Blucher, p. TOMIYA, E.H. Modelo ecoômco de empresa sucroalcoolera f. Dssertação (Mestrado) Departameto de Egehara, Escola Poltécca, Uversdade de São Paulo, v. 14

Otimização no Processo de Produção de Produtos Conjuntos com o uso de Controles Automáticos de Monitoramento

Otimização no Processo de Produção de Produtos Conjuntos com o uso de Controles Automáticos de Monitoramento XXVI ENEGEP - Fortaleza, CE, Brasl, 9 a de Outubro de 2006 Otmzação o Processo de Produção de Produtos Cojutos com o uso de Cotroles Automátcos de Motorameto Luz Carlos Rosa (Fatec-Sorocaba; Uesp-Sorocaba)

Leia mais

1) Planejamento da Produção - Modelos de dimensionamento de lotes (lot sizing)

1) Planejamento da Produção - Modelos de dimensionamento de lotes (lot sizing) Departameto de Egehara de Produção UFPR 28 1) Plaeameto da Produção - Modelos de dmesoameto de lotes (lot szg) É cohecdo horzote de plaeameto T, dvddo em períodos; demada (geralmete varável) de cada tem

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

Projeto de rede na cadeia de suprimentos

Projeto de rede na cadeia de suprimentos Projeto de rede a cadea de suprmetos Prof. Ph.D. Cláudo F. Rosso Egehara Logístca II Esboço O papel do projeto de rede a cadea de suprmetos Fatores que fluecam decsões de projeto de rede Modelo para decsões

Leia mais

8 Programação linear 78

8 Programação linear 78 8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos

Leia mais

5 Critérios para Análise dos Resultados

5 Critérios para Análise dos Resultados 5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução

Leia mais

Cap.20 Avaliação Econ. Financ. de Projetos de Inv. Sumário. Jim Lane. $20 mi. Gordon Letwin $20 mi Paul Allen $25 bi

Cap.20 Avaliação Econ. Financ. de Projetos de Inv. Sumário. Jim Lane. $20 mi. Gordon Letwin $20 mi Paul Allen $25 bi Pol-UFRJ/25.1 Cap.2 Avalação Eco. Fac. de Projetos de Iv. Ecooma Carlos Nemer 3ª Ed. Capítulo 2 Avalação Ecoômco Facera de Projetos de Ivestmeto Steve Wood $15 m Bob O' Rear $1 mllo Bob Wallace $5 m Bob

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

3 Procedimento Experimental

3 Procedimento Experimental 3 Procedmeto Expermetal 3. Sstema de medção de vazão com extesômetro A Fg. 9 mostra o sstema de medção de vazão com extesômetro, o qual fo motado o laboratóro da PUC-Ro. este sstema, duas tubulações com,5

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

Atividades Práticas Supervisionadas (APS)

Atividades Práticas Supervisionadas (APS) Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

Leia mais

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

Leia mais

2.0 - MODELAGEM DA CARGA

2.0 - MODELAGEM DA CARGA GAT-23 2 a 26 de ubro de 2 Campas - São Paulo - Brasl G R U P O I V GRUPO DE ESTUDO DE ANÁLISE E TÉCNICAS DE SISTEMAS DE POTÊNCIA GAT RESERVA DE POTÊNCIA OPERATIVA - UMA METODOLOGIA DE TRANSIÇÃO A. A.

Leia mais

d s F = m dt Trabalho Trabalho

d s F = m dt Trabalho Trabalho UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Trabalho 1. Itrodução

Leia mais

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios Objetvos desta apresetação Plaejameto de produção: de Demada Aula parte Mauro Osak TES/ESALQ-USP Pesqusador do Cetro de Estudos Avaçados em Ecooma Aplcada Cepea/ESALQ/USP de demada quattatva Regressão

Leia mais

7 Análise de covariância (ANCOVA)

7 Análise de covariância (ANCOVA) Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

A PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA

A PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto a 5/09/06 Goâa, GO A PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA Adre Gadolpho Uversdade Católca de Petrópols alvesga@gbl.com.br Rcardo

Leia mais

Total Bom Ruim Masculino

Total Bom Ruim Masculino UNIDADE I - ESTUDO DIRIGIDO Questão - Classfque as varáves em qualtatva (omal ou ordal ou quattatva (cotíua ou dscreta: a. População: aluos de uma Uversdade. Varável: cor dos cabelos (louro, castaho, ruvo,

Leia mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 6 Equlíbro e o Potecal de Nerst Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%

Leia mais

Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

Controle Estatístico de Qualidade. Capítulo 6 (montgomery) Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

Correção das Instruções de Operação , , ,

Correção das Instruções de Operação , , , Tecologa do Acoameto \ Automação \ Sstemas Itegrados \ Servce Correção das Istruções de Operação 19701, 197809, 197600, 197400 Sstema de acoameto mecatrôco MOVIGEAR MGF..4/XT Versão torque elevado Edção

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja

Leia mais

( ) Editora Ferreira - Toque de Mestre. Olá Amigos!

( ) Editora Ferreira - Toque de Mestre. Olá Amigos! Olá Amgos! Hoje coloco à dsposção de vocês aqu a seção Toque de Mestre da Edtora Ferrera (www.edtoraferrera.com.br) as questões de Matemátca Facera cobradas o últmo cocurso da axa Ecoômca Federal (EF),

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas Sumáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Sstemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. -

Leia mais

Regressão. Pedro Paulo Balestrassi

Regressão. Pedro Paulo Balestrassi Regressão Pedro Paulo Balestrass www.pedro.ufe.edu.br ppbalestrass@gmal.com 5-696 / 88776958 (cel) Questoametos comus: Como mplemetar a equação Y=f(X) a partr de dados hstórcos ou epermetas? Como fazer

Leia mais

Boletim Técnico da Escola Politécnica da USP. Departamento de Engenharia de Produção

Boletim Técnico da Escola Politécnica da USP. Departamento de Engenharia de Produção Boletim Técnico da Escola Politécnica da USP Departamento de Engenharia de Produção INTERFACE FÍSICA E ECONÔMICA EM GESTÃO DE PROCESSO DE PRODUÇÃO DE PRODUTOS CONJUNTOS Luiz Carlos Rosa São Paulo - 2004

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e

Leia mais

UNIVERSIDADE ESTADUAL DE CAMPINAS

UNIVERSIDADE ESTADUAL DE CAMPINAS UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA QUÍMICA DEPARTAMENTO DE ENGENHARIA DE SISTEMAS QUÍMICOS R.A.Almeda,A.M.F.Flet, F.V.da Slva Chemcal Systems Egeerg Departamet School of Chemcal

Leia mais

Em atendimento à solicitação de V.Sa., apresentamos, na seqüência, os resultados do estudo referenciado.

Em atendimento à solicitação de V.Sa., apresentamos, na seqüência, os resultados do estudo referenciado. 1 Belo Horzote, 14 de abrl de 2007. À UNAFISCO SAÚDE AT.: Glso Bezerra REF: AVALIAÇÃO ATUARIAL Prezado Sehor, Em atedmeto à solctação de V.Sa., apresetamos, a seqüêca, os resultados do estudo referecado.

Leia mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse

Leia mais

Estatística. 2 - Estatística Descritiva

Estatística. 2 - Estatística Descritiva Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA

Leia mais

Noções Básicas de Medidas e Algarismos Significativos

Noções Básicas de Medidas e Algarismos Significativos Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos

Leia mais

Arquitetura da ART Controle 1 Controle 2

Arquitetura da ART Controle 1 Controle 2 Teora de Ressoâca Adaptatva - ART Arqutetura da ART Cotrole Cotrole 2 Desevolvda por Carpeter e Grossberg como uma alteratva para resolver o dlema establdade-plastcdade (rede ão aprede ovos padrões). Realme

Leia mais

II OCORRÊNCIA DE METANO NO EFLUENTE DE REATORES UASBs E SUA DISSIPAÇÃO EM CAIXA DE DISTRIBUIÇÃO DE VAZÃO DE ETE OPERANDO EM PLENA ESCALA

II OCORRÊNCIA DE METANO NO EFLUENTE DE REATORES UASBs E SUA DISSIPAÇÃO EM CAIXA DE DISTRIBUIÇÃO DE VAZÃO DE ETE OPERANDO EM PLENA ESCALA II-2 - OCORRÊNCIA DE METANO NO EFLUENTE DE REATORES UASBs E SUA DISSIPAÇÃO EM CAIXA DE DISTRIBUIÇÃO DE VAZÃO DE ETE OPERANDO EM PLENA ESCALA Bruo Sde da Slva () Egehero Satarsta e Ambetal graduado pela

Leia mais

Física IV Poli Engenharia Elétrica: 8ª Aula (28/08/2014)

Física IV Poli Engenharia Elétrica: 8ª Aula (28/08/2014) Físca IV Pol Egehara Elétrca: 8ª Aula (8/08/014) Prof. Alvaro Vaucc Na últma aula vmos: Resolução de Images: segudo o crtéro estabelecdo por Raylegh que quado o máxmo cetral devdo à dfração das odas do

Leia mais

II. Propriedades Termodinâmicas de Soluções

II. Propriedades Termodinâmicas de Soluções II. Propredades Termodâmcas de Soluções 1 I. Propredades Termodâmcas de Fludos OBJETIVOS Eteder a dfereça etre propredade molar parcal e propredade de uma espéce pura Saber utlzar a equação de Gbbs-Duhem

Leia mais

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão Projeto e Aálse de Algortmos Recorrêcas Prof. Humberto Bradão humberto@dcc.ufmg.br Uversdade Federal de Alfeas Laboratóro de Pesqusa e Desevolvmeto LP&D Isttuto de Cêcas Exatas ICEx versão da aula: 0.

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

Potenciais termodinâmicos, critérios de espontaneidade e condições de equilíbrio

Potenciais termodinâmicos, critérios de espontaneidade e condições de equilíbrio Potecas termodâmcos crtéros de espotaedade e codções de equlíbro O Prcípo da Etropa Máxma váldo para um sstema solado estabelece um crtéro para determarmos o setdo em que ocorrem os processos de forma

Leia mais

Formas de Apuração de Indicadores da Central de Análise da Gestão e Qualidade da Energia Elétrica da LIGHT

Formas de Apuração de Indicadores da Central de Análise da Gestão e Qualidade da Energia Elétrica da LIGHT 1 Formas de Apuração de Idcadores da Cetral de Aálse da Gestão e Qualdade da Eerga Elétrca da LIGHT R.P.Gomes; M. Frade (LIGHT); J. Camargo; E.F.Nues; V.H. Perera; R.Fradse; F.P.Marafão ; H.K. M.Paredes;

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

FINANCIAMENTOS UTILIZANDO O EXCEL

FINANCIAMENTOS UTILIZANDO O EXCEL rofessores Ealdo Vergasta, Glóra Márca e Jodála Arlego ENCONTRO RM 0 FINANCIAMENTOS UTILIZANDO O EXCEL INTRODUÇÃO Numa operação de empréstmo, é comum o pagameto ser efetuado em parcelas peródcas, as quas

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO HIPERGEOMÉTRICA 7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora

Leia mais

X Oktoberfórum PPGEQ

X Oktoberfórum PPGEQ UNIVESIDADE FEDEAL DO IO GANDE DO SUL Semáro do Programa de Pós-Graduação em Egehara Químca X Oktoberfórum PPGEQ 04 a 07 de outubro de 2011 DETEMINAÇÃO DE CUVAS DE OPEAÇÃO DE COLUNAS DE DESTILAÇÃO BASEADAS

Leia mais

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia mais

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama Prof. Dr. Evadro Leoardo Slva Teera Faculdade UB Gama Metrologa: Cêca que abrage os aspectos teórcos e prátcos relatvos a medção; Descreve os procedmetos e métodos para determar as certezas de medções;

Leia mais

Determine a média de velocidade, em km/h, dos veículos que trafegaram no local nesse período.

Determine a média de velocidade, em km/h, dos veículos que trafegaram no local nesse período. ESTATÍSTICA - 01 1. (UERJ 01) Téccos do órgão de trâsto recomedaram velocdade máxma de 80 km h o trecho de uma rodova ode ocorrem mutos acdetes. Para saber se os motorstas estavam cumprdo as recomedações,

Leia mais

(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo.

(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo. CONVERSÃO ELETROMECÂNICA DE ENERGIA Lsta de exercícos sobre crcutos magétcos Questão A fgura 1(a mostra um acoador projetado para produzr força magétca. O mesmo possu um úcleo em forma de um C e uma armadura

Leia mais

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO UNIVERSITÁRIO NORTE DO ESPÍRITO SANTO DEPARTAMENTO DE ENGENHARIAS E TECNOLOGIA Plano de Ensino

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO UNIVERSITÁRIO NORTE DO ESPÍRITO SANTO DEPARTAMENTO DE ENGENHARIAS E TECNOLOGIA Plano de Ensino Plao de Eso Uversdade Federal do Espírto Sato Campus: São Mateus Curso: Egehara de Produção Departameto Resposável: Departameto de Egeharas e Tecologa Data de Aprovação (Art. º 91): Docete resposável:

Leia mais

Forma padrão do modelo de Programação Linear

Forma padrão do modelo de Programação Linear POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1 MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos

Leia mais

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição: 6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu

Leia mais

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama

Leia mais

Caracterização de Partículas. Prof. Gerônimo

Caracterização de Partículas. Prof. Gerônimo Caracterzação de Partículas Prof. Gerômo Aálse Graulométrca de partículas Tabela: Sére Padrão Tyler Mesh Abertura Lvre (cm) âmetro do fo () 2 ½ 0,7925 0,088 0,6680 0,070 ½ 0,56 0,065 4 0,4699 0,065

Leia mais

Estabilidade no Domínio da Freqüência

Estabilidade no Domínio da Freqüência Establdade o Domío da Freqüêca Itrodução; apeameto de Cotoros o Plao s; Crtéro de Nyqust; Establdade Relatva; Crtéro de Desempeho o Domío do Tempo Especfcado o Domío da Freqüêca; Bada Passate de Sstema;

Leia mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

3 Fundamentação Teórica

3 Fundamentação Teórica 3 Fudametação Teórca A segur são apresetados os fudametos teórcos os quas é embasado o desevolvmeto do trabalho. 3.. Espectros de Resposta De acordo com Sampao [3], é descrta a resposta máxma de um osclador

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler UNEMAT Uversdade do Estado de Mato Grosso Matemátca Facera http://www2.uemat.br/eugeo SÉRIE DE PAGAMENTOS 1. NOÇÕES SOBRE FLUXO DE CAIXA Prof. Eugêo Carlos Steler Estudar sem racocar é trabalho perddo

Leia mais

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Faculdade de Ecooma, Admstração e Cotabldade de Rberão Preto Ecooma Moetára Curso de Ecooma / º. Semestre de 014 Profa. Dra. Rosel da Slva Nota de aula CAPM Itrodução Há dos modelos bastate utlzados para

Leia mais

POMO DA DISCÓRDIA. AS TABELAS UTILIZADAS PELO Dr. Sr. Richard Price no Século XVIII

POMO DA DISCÓRDIA. AS TABELAS UTILIZADAS PELO Dr. Sr. Richard Price no Século XVIII O POMO DA DISCÓRDIA AS TABELAS UTILIZADAS PELO Dr. Sr. Rchard Prce o Século XVIII Pedro Schubert Relação das Tábuas Do Sr. Prce Dos / lvros Tábua I Tábua IV Tábua II Tábua V Tábua III Tábua I Tábua IV

Leia mais

Apostila de Introdução Aos Métodos Numéricos

Apostila de Introdução Aos Métodos Numéricos Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste

Leia mais

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2018 PROTOCOLO

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2018 PROTOCOLO PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 08 PROTOCOLO CT-Floresta - LPC - FOI/004 09/0/07 Aprovado: Mara Luza Otero D'Almeda / SUMÁRIO INTRODUÇÃO... PÚBLICO ALVO... 3

Leia mais

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2015 PROTOCOLO

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2015 PROTOCOLO PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 05 PROTOCOLO CT-Floresta - LPC - FOI/004 6//04 Aprovado: Mara Luza Otero D'Almeda / SUMÁRIO INTRODUÇÃO... PÚBLICO ALVO... 3 ENSAIOS

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

MUDANÇAS ESTRUTURAIS NA ECONOMIA MINEIRA: UMA ANÁLISE DE INSUMO-PRODUTO PARA O PERÍODO

MUDANÇAS ESTRUTURAIS NA ECONOMIA MINEIRA: UMA ANÁLISE DE INSUMO-PRODUTO PARA O PERÍODO MUDANÇAS ESTRUTURAIS NA ECONOMIA MINEIRA: UMA ANÁLISE DE INSUMO-PRODUTO PARA O PERÍODO 996 3 Rafael Moras de Souza Mestre em Ecooma Aplcada FEA/UFJF Faculdade de Ecooma e Admstração Uversdade Federal de

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;

Leia mais

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações Algortmos de Iterseções de Curvas de Bézer com Uma Aplcação à Localzação de Raízes de Equações Rodrgo L.R. Madurera Programa de Pós-Graduação em Iformátca, PPGI, UFRJ 21941-59, Cdade Uverstára, Ilha do

Leia mais

Monitoramento ou Inventário Florestal Contínuo

Monitoramento ou Inventário Florestal Contínuo C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 6 Motorameto ou Ivetáro Florestal Cotíuo Agosto Lopes de Souza. ITRODUÇÃO Parcelas permaetes de vetáro florestal cotíuo

Leia mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS 7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda

Leia mais

Análise de Regressão

Análise de Regressão Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,

Leia mais

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9. Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0

Leia mais

Prof. Janete Pereira Amador 1

Prof. Janete Pereira Amador 1 Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.

Leia mais

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações Itrodução.1 Juros Smples Juro: recompesa pelo sacrfíco de poupar o presete, postergado o cosumo para o futuro Maora das taxas de uros aplcadas o mercado facero são referecadas pelo crtéro smples Determa

Leia mais

GRUPO DE ESTUDO DE PROTEÇÃO, MEDIÇÃO E CONTROLE EM SISTEMAS DE POTÊNCIA

GRUPO DE ESTUDO DE PROTEÇÃO, MEDIÇÃO E CONTROLE EM SISTEMAS DE POTÊNCIA GPC/010 1 a 6 de Outubro de 001 Campas - São Paulo - Brasl GRUPO GRUPO DE ESTUDO DE PROTEÇÃO, MEDIÇÃO E CONTROE EM SISTEMAS DE POTÊNCIA AGORITMO DE ATA EOCIDADE PARA A PROTEÇÃO DE DISTÂNCIA DE INHAS DE

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

Capítulo 5 CINEMÁTICA DIRETA DE ROBÔS MANIPULADORES

Capítulo 5 CINEMÁTICA DIRETA DE ROBÔS MANIPULADORES Cemátca da Posção de Robôs Mapuladores Capítulo 5 CINEMÁTICA DIRETA DE ROBÔS MANIPULADORES A cemátca de um robô mapulador é o estudo da posção e da velocdade do seu efetuador e dos seus lgametos. Quado

Leia mais

XLVI Pesquisa Operacional na Gestão da Segurança Pública

XLVI Pesquisa Operacional na Gestão da Segurança Pública XLVI Pesqusa Operacoal a Gestão da Seguraça Públca DISPOSIÇÃO DE FACILIDADES EM FILA DUPLA VIA PROGRAMAÇÃO INTEIRA MISTA Leoardo D. Secch Departameto de Matemátca Aplcada, UFES, 29932-540, São Mateus,

Leia mais

MEDIDAS DE DISPERSÃO:

MEDIDAS DE DISPERSÃO: MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.

Leia mais

Aula 6. Plano da aula. Bibliografia:

Aula 6. Plano da aula. Bibliografia: Aula 6 Bblografa: Farrel & Shapro, 1990, Horzotal Mergers: A Equlbrum Aalyss, AER; Wsto, 2008, Lectures o Attrust Ecoomcs, MIT Press; Motta (2005), Cap 5. Plao da aula I. Cocetrações horzotas (cotução)

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

OTIMIZAÇÃO DO USO DA ÁGUA NO PERÍMETRO IRRIGADO FORMOSO UTILIZANDO LÂMINAS MÁXIMAS DE ÁGUA 1

OTIMIZAÇÃO DO USO DA ÁGUA NO PERÍMETRO IRRIGADO FORMOSO UTILIZANDO LÂMINAS MÁXIMAS DE ÁGUA 1 OTIMIZAÇÃO DO USO DA ÁGUA NO PERÍMETRO IRRIGADO FORMOSO UTILIZANDO LÂMINAS MÁXIMAS DE ÁGUA 1 J. L. C. Satos Júor 2, J. A. Frzzoe 3, V. P. S. Paz 4 RESUMO: A otmzação do uso da água é um desafo para os

Leia mais

4.1 Modelagem dos Resultados Considerando Sazonalização

4.1 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 mais

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x

Leia mais

Centro de massa, momento linear de sistemas de partículas e colisões

Centro de massa, momento linear de sistemas de partículas e colisões Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,

Leia mais