O USO DA METODOLOGIA DE SUPERFÍCIE DE RESPOSTA PARA ADEQUAR OS PARÂMETROS DE ENTRADA DE UM ALGORITMO GENÉTICO
|
|
- Leonardo Nobre Rico
- 6 Há anos
- Visualizações:
Transcrição
1 O USO DA METODOLOGIA DE SUPERFÍCIE DE RESPOSTA PARA ADEQUAR OS PARÂMETROS DE ENTRADA DE UM ALGORITMO GENÉTICO Pedro Alberto Barbetta Departamento de Informátca e de Estatístca CTC UFSC Caxa Postal Floranópols - SC, Crstano Lehrer Curso de Pós-Graduação em Cênca da Computação UFSC Caxa Postal Floranópols - SC, Abstract: Ths paper descrbes the response surface methodology (RSM), qute common n ndustral processes optmzaton. It shows how the RSM beng appled to optmze the choce of nput parameters for a genetc algorthm. The aplcaton s very specfc, but the same processes may be appled to more general computer systems. Key Words: expermental desgn, response surface methodology, genetc algorthm 1 Introdução Desde os prmórdos da nvestgação centífca, realzavam-se expermentos para valdar teoras e para levantar novas hpóteses sobre um mundo desconhecdo. Mas fo a partr da década de 0, com os trabalhos de R. A. Fsher, que passou-se a ter uma metodologa confável para planejar expermentos e analsar os seus dados. Grande parte dos trabalhos de Fsher eram voltados à agrcultura, onde buscavam encontrar uma combnação adequada dos elementos de um fertlzante consderando o cultvo, o clma e o tpo de solo. Na área ndustral, especalmente nas duas últmas décadas, as técncas de planejamento de expermentos passaram a fazer parte de programas de melhora da qualdade. Esta prátca deve-se muto aos trabalhos Box et al. (1978) e Taguch (1987) que popularzaram os chamados projetos expermentas do tpo fatoral fraconado, os quas permtem avalar grande número de fatores com poucos ensaos. Montgomery (1997) oferece uma apresentação bastante ddátca destes projetos. A aplcação da metodologa de planejamento de expermentos na avalação de sstemas computaconas é razoavelmente recente. Contudo, Jan (1991) já elega o planejamento de expermentos como uma das prncpas ferramentas na avalação de desempenho de sstemas computaconas. Mutos trabalhos, também, apóam-se em sstemas computaconas para smular dados de algum processo, como descrto em Welch (199), Mayer e Benjamn (199) e Shang e Tadkamalla (1998), os quas projetam a smulação e realzam a análse dos dados sob a metodologa de planejamento de expermentos. Barbetta (1998) e Barbetta et al. (000) também apresentaram uma aplcação pouco comum de planejamento de expermentos ao aperfeçoar um procedmento estatístco. A
2 metodologa fo aplcada sob dos enfoques. Num prmero momento, dentfcou-se os fatores mas relevantes do processo (fase de caracterzação) e, depos, buscou-se a combnação de níves dos fatores mas relevantes para maxmzar o desempenho do processo (fase de otmzação). Otmzação de processos através da metodologa de superfíce de A metodologa de superfíce de (RSM) pode ser entendda como uma combnação de técncas de planejamento de expermentos, análse de regressão e métodos de otmzação. Tem larga aplcação nas pesqusas ndustras, partcularmente em stuações onde um grande número de varáves de um sstema nfluenca alguma característca fundamental deste sstema. Box et al. (1978) apresentam a RSM como uma metodologa que consste num grupo de técncas usadas em estudos empírcos. Estas técncas relaconam uma ou mas s, tas como produção, tonaldade e vscosdade com varáves de entrada, tas como tempo, temperatura, pressão e concentração. A RSM tem sdo usada para responder questões do tpo: a) Como uma partcular é afetada por um conjunto de varáves de entrada sobre uma regão de nteresse? b) Quas conjuntos de entradas geram um produto satsfazendo smultaneamente váras especfcações desejadas? c) Quas os valores de entradas que produzem o valor máxmo para uma específca e como se comporta a em torno deste máxmo? Dado um processo ou sstema, com váras varáves (ou fatores) de entrada, x = (x 1, x,..., x k ) e uma varável de saída (ou ) y, a RSM normalmente consste em: a) planejar um expermento que permta estmar uma equação de regressão (superfíce de ) do tpo k Ey ( / x) = fx (, β), x D R onde: Ey ( / x) representa o valor esperado de y, condconado a pontos x D; f é uma função (usualmente um polnômo de grau não superor a ); x é o vetor de varáves de entrada; β é um vetor de parâmetros a ser estmado a partr dos dados do expermento e D R k é a regão especfcada para a nvestgação. b) com os dados do expermento, estmar o vetor de parâmetros β, avalando a sgnfcânca estatístca de seus componentes e c) estudar o comportamento da função f (por exemplo, se é desejado o maor valor possível para a y, um dos nteresses é obter x 0 D que maxmza f, caso ele exsta). 3 Modelo para a varânca Consdere um processo com valor dealτ, mas, devdo a efetos aleatóros, o resultado obtdo é um valor y. Por exemplo, uma empacotadora de café pode estar programada para encher pacotes com τ = 500g, mas ao medr o peso de um pacote de café
3 o valor observado deve ser y 500g. A função perda quadrátca é uma forma bastante usada para medr a perda da qualdade devda a varação em torno do valor deal e é dada por L(y) = k(y τ), para y [LIC, LSC] (1) onde k é uma constante de proporconaldade fazendo com que a função L assuma valores em termos monetáros e [LIC, LSC] é o ntervalo de especfcação da característca y (ver fgura 1). L(y) LIC τ LSC Fgura 1 - Ilustração da função perda quadrátca. y É natural o objetvo de mnmzar o valor esperado da função perda, que é dado por µ L = E{L(y)} = k[(µ y τ) + ] () onde µ y e são o valor esperado e a varânca de y, respectvamente. Consderando que tanto a méda quanto a varânca sofrem nfluênca de um vetor x = (x 1, x,..., x k ) de fatores do processo, busca-se encontrar o vetor x 0 que mnmza a perda esperada ou, equvalentemente, que ajusta µ y = f(x) ao alvo τ e mnmza = g(x). Um passo mportante deste processo de otmzação é a construção de modelos para µ em função de x = (x1, x,..., x k ). Para se construr um modelo para a méda, µ y = f(x), geralmente se aplca a análse de regressão tradconal, onde exste o método dos mínmos quadrados que é consderado pelos engenheros quase como um padrão para efetuar a estmação dos parâmetros do modelo. O método pode ser aplcado dretamente sobre as observações de y ou sobre as médas, y ( = 1,,..., n), calculadas em cada ponto expermental. Por outro lado, não se tem um procedmento de uso comum para estmar os parâmetros de um modelo para a varânca, = g(x). Quando o número de replcações for grande (dez ou mas, segundo Bartlett e Kendall, 1946), um procedmento efcente para construr o modelo para a varânca do processo é calcular a varânca amostral em cada ponto expermental ensaado com replcações: S ( = 1,,..., n). Após uma transformação logarítmca, log(s ), usam-se estas estatístcas como se fossem observações numa análse de regressão tradconal. Outras abordagens são dscutdas em Carroll e Ruppert (1988), Barbetta (1998) e Barbetta et al. (000). O modelo da varânca pode ser usado soladamente como uma forma objetva para se conhecer os fatores que mas nfluencam a varânca e, com sto, buscar robustez em y e
4 relação aos ruídos. Mas, também, o modelo da varânca pode ser usado em conjunto com o modelo da méda. Neste caso, busca-se uma solução de compromsso entre os objetvos de se levar a méda ao alvo e de se mnmzar a varânca. Vnng e Myers (1990) e Rbero e Elsayed (1995), por exemplo, apresentam técncas nteressantes para a obtenção de soluções de compromsso. 4 O uso da metodologa de superfíce de numa aplcação de algortmos genétcos Um problema típco em Engenhara de Produção é o chamado problema do caxero vajante, que pode ser assm descrto: dadas n cdades, as dstâncas entre elas e a cdade de orgem e chegada, deve-se determnar a rota de menor dstânca total. Porém, quando n é grande, o número de possíves rotas (soluções) torna-se extremamente grande e a avalação de todas as rotas pode ser uma tarefa demorada até para os equpamentos computaconas atuas. Para se obter uma boa solução e em pequeno tempo pode-se lançar mão de um algortmo genétco. Consdera-se todas as possíves combnações do conjunto {1,,..., n} como a seqüênca de cdades a percorrer. É comum consderar o mesmo valor na prmera e últma posção, que corresponde a cdade de orgem e de destno fnal do caxero vajante. Na lnguagem de algortmos genétcos, uma combnação de {1,,..., n} é chamada de cromossomo. E o algortmo pode ser descrto assm: a) Inca-se com um conjunto (população) de k cromossomos váves (k permutações de {1,,..., n}); b) Avala-se o desempenho de cada cromossomo (total das dstâncas entre cdades a percorrer); c) Seleconam-se pares de cromossomos para partcparem da nova geração, onde os cromossomos com melhor desempenho têm maor probabldade de seleção; d) Aplcam-se, com certa probabldade, operações de crossover entre pares de cromossomos seleconados. Esta operação consste em dvdr um par de cromossomo em um ponto aleatoramente escolhdo e emendar cada um deles com a parte do outro, formando um novo par de cromossomos; e) Aplcam-se, com certa probabldade, a operação de mutação sobre algum gene do cromossomo gerado. Isto é, pode haver a alteração aleatóra de um gene (cdade) do novo cromossomo; f) Os novos cromossomos gerados consttuem uma nova população e volta-se para o passo (b), a menos que um certo crtéro de parada seja satsfeto. No presente trabalho, o número n de cdades fo fxado em 6, correspondendo às captas brasleras com exceção de Macapá. O número de terações do algortmo fo e em cada teração consderou-se 00 rotas possíves. Já as probabldades de crossover e mutação foram avaladas por um projeto fatoral 3x3, ou seja, usou-se 3 dferentes probabldades de crossover (fator A) e de mutação (fator B) cruzando-as, conforme lustra a fgura.
5 0,010 0,005 0,001 0,8 crossover 0,7 mutação 0,6 Fgura Níves dos fatores ensaados. Em cada ponto expermental foram fetas 100 realzações do algortmo e, para cada uma delas, anotou-se a solução (a menor rota a percorrer) e a correspondente dstânca total y. Consderou-se duas estatístcas baseadas nas 100 realzações de cada ponto expermental: a méda artmétca ( y, = 1,,..., 9) e o logartmo natural da varânca amostral (log(s ), = 1,,..., 9). O processo anda fo repetdo quatro vezes, tendo, na verdade, quatro valores de tabela 1. ensao crossover mutação y e de log(s ) em cada ponto expermental, conforme mostra a y 1 0,6 0, ,0 0,6 0, ,3 3 0,6 0, ,39 4 0,7 0, ,63 5 0,7 0, ,17 6 0,7 0, ,48 7 0,8 0, ,69 8 0,8 0, ,45 9 0,8 0, , ,6 0, , ,6 0, ,10 1 0,6 0, , ,7 0, , ,7 0, , 15 0,7 0, , ,8 0, , ,8 0, , ,8 0, ,43 log( S ) ensao crossover mutação y log( S ) 19 0,6 0, ,87 0 0,6 0, ,99 1 0,6 0, ,34 0,7 0, ,65 3 0,7 0, ,48 4 0,7 0, ,34 5 0,8 0, ,5 6 0,8 0, ,14 7 0,8 0, ,51 8 0,6 0, ,71 9 0,6 0, ,1 30 0,6 0, , ,7 0, ,56 3 0,7 0, , ,7 0, , ,8 0, , ,8 0, , ,8 0, ,67 Tabela 1 Pontos expermentas ensaados e estatístcas dos resultados alcançados. Busca-se conhecer a combnação das duas probabldades de entrada (mutação e crossover) que levam a valores pequenos de y e de log(s ). Para tanto, ajustou-se, por mínmos quadrados, funções quadrátcas para as duas s consderadas, como segue: y = X X X X 7454 X 1 X (3) log( S ) = 16,4 4,3 X1 + 6,4 X 4, X ,9 X 415, X 1 X (4) onde X 1 e X representam as probabldades de crossover e de mutação, respectvamente. A qualdade do ajuste, meddo pelo coefcente de determnação R, fo de 0,63 para a equação (3) e 0,54 para a equação (4). A fgura 3 mostram as curvas de níves das equações (3) e (4), que permtem encontrar as melhores probabldades de crossover e de mutação para um problema do tpo em estudo.
6 varável : y varável : log(s ) 0,009 0, ,8 3551, , ,4 435,5 4619,1 4885,97 515, ,7 5686,55 above mutação 0,007 0,005 0,003 0,001 0,60 0,65 0,70 0,75 0,80 crossover 14,773 14,857 14,941 15,05 15,109 15,194 15,78 15,36 15,446 15,53 above mutação 0,007 0,005 0,003 0,001 0,60 0,65 0,70 0,75 0,80 crossover Fgura 3 Curvas de níves das superfíces de das equações (3) e (4) Como no presente caso é desejável que tanto y e quanto log( S ) sejam os menores possíves, verfca-se que os melhores resultados são alcançados com probabldade de crossover em torno de 0,8 e probabldade de mutação em torno de 0,01. 5 Consderações fnas O prncpal objetvo deste trabalho é mostrar como a metodologa planejamento de expermentos e de superfíce de podem ser usada para adequar parâmetros de entrada em sstemas computaconas. A aplcação do algortmo genétco no problema do caxero vajante fo feta com város dados de entrada fxados, mas pretende-se elaborar expermentos mas complexos, consderando, por exemplo, o número de cdades e as dstâncas também como fatores varáves no expermento. Com sso, pretende-se obter equações que, a partr dos dados de entrada de um partcular problema, possa-se ter estmatvas dos valores deas dos parâmetros controláves. Referêncas Bblográfcas BARBETTA, P. A. - Construção de modelos para médas e varâncas na otmzação expermental de produtos e processos. Tese (Engenhara de Produção), Floranópols, BARBETTA, P. A., RIBEIRO, J. L. D., SAMOHYL, R. W. Varance regresson models n Experments wth few replcatons. Qualty And Relablty Engneerng Internatonal, Inglaterra, v.16, 000, p BARTLETT, M. S., KENDALL, D. J. - The statstcal analyss of varance-heterogenety and the logarthmc transformaton. Journal of the Royal Statstcal Socety, Sére B, v. 8, 1946, p BOX, G. E. P., HUNTER, W. G., HUTER, J. S. - Statstcs for expermenters. USA: John Wley & Sons, CARROLL, R. J., RUPPERT, D. - Transformaton and weghtng n regresson. USA: Chapman and Hall, 1988.
7 JAIN, R. The art of computer systems performance analyss: technques for expermental desgn, measurement, smulaton, and modelng. USA: John Wley & Sons, LEHRER, C. Operador de seleção para algortmos genétcos baseado no jogo hawkdove. Dssertação (Cênca da Computação), Floranópols, 000. MAYER, R. J., BENJAMIN, P. C. Usng the Taguch paradgm for manufacturng system desgn usng smulaton experments. Computers and Industral Engneerng, v., n., 199, p MONTGOMERY, D. C. - Desgn and analyss of experments, 4 ed., USA: John Wley & Sons, MYERS, R. H., CARTER, W. H. - Response surface technques for dual response systems. Technometrcs, v. 15, n., 1973, p MYERS, R. H., MONTGOMERY, D. C. - Response surface methodology: process and product optmzaton usng desgned experments. USA: John Wley & Sons, RIBEIRO, J. L. D., ELSAYED, E. A. - A case study on process optmzaton usng the gradent loss functon. Internatonal Journal of Producton Research, v. 33, n. 1, 1995, p SHANG, J. S., TADIKAMALLA, P. R. Multcrtera desn ad control of a celular manufacturng system through and optmzaton. Internatonal Journal of Producton Research, v. 36, n. 6, 1998, p TAGUCHI, G. - System of expermental desgn: engneerng methods to optmze qualty and mnmze costs. ed. USA: UNIPUB, VINING, G. G., MYERS, R. H. - Combnng Taguch and response surface phlosophes: a dual response approach. Journal of Qualty Technology, v., n. 1, 1990, p WELCH, W. J., BUCK R. J., SACKS, J., WYNN, H. P., MITCHELL, T. J., MORRIS, M. D. - Screenng, predctng, and computer experments. Technometrcs, v. 34, n. 1, 199, p
EFEITOS DE DISPERSÃO EM PROJETOS FATORIAIS: UMA SIMULAÇÃO CONFIRMATÓRIA
! "#$ " %'&)(*&)+,.- /10.*&4365879&4/1:.+58;.*=?5.@A*3B;.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&4E)*EOHJ&)(IHJ/)G.- D - ;./);.& Foz do Iguaçu, PR, Brasl, 09 a 11 de outubro de 007
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
Leia maisO PROBLEMA DA MODELAGEM DA VARIÂNCIA NA OTIMIZAÇÃO EXPERIMENTAL DE PRODUTOS OU PROCESSOS
O PROBLEMA DA MODELAGEM DA VARIÂNCIA NA OTIMIZAÇÃO EXPERIMENTAL DE PRODUTOS OU PROCESSOS Pedro Alberto Barbetta Departamento de Informátca e de Estatístca Unversdade Federal de Santa Catarna Antono Cezar
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisCap. 11 Correlação e Regressão
Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisModelagem conjunta da média e variância utilizando GLM
XXIV Encontro Nac. de Eng. de Produção - Floranópols, SC, Brasl, 03 a 05 de nov de 004 Modelagem conjunta da méda e varânca utlzando GLM Patríca Klaser Basol ( UFRGS ) patybasol@producao.ufrgs.br Flávo
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia maisCapítulo 2. Modelos de Regressão
Capítulo 2 Modelos de regressão 39 Capítulo 2 Modelos de Regressão Objetvos do Capítulo Todos os modelos são errados, mas alguns são útes George E P Box Algumas vezes fcamos assustados quando vemos engenheros
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia maisContabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
Leia maisRegressão Linear Simples by Estevam Martins
Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer
Leia maisModelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisSIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
ALGORITMO GENÉTICO APLICADO À ELEÇÃO MULTI-CRITÉRIO DE CARTEIRA DE PROJETO DE PETRÓLEO E GÁ Karn upo Gavancho Departamento de Engenhara Elétrca, PUC-RIO, Rua Marques de ão Vcente 225, Ro de Janero Karsupo@ele.puc-ro.br
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisOTIMIZAÇÃO DE MÚLTIPLAS RESPOSTAS UTILIZANDO-SE O ÍNDICE DE CAPACIDADE CPM
! #"$% " &(')+'-,.0/ 3045'7698;:
Leia maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia mais5 Implementação Procedimento de segmentação
5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser
Leia mais6 Modelo Proposto Introdução
6 Modelo Proposto 6.1. Introdução Neste capítulo serão apresentados detalhes do modelo proposto nesta dssertação de mestrado, onde será utlzado um modelo híbrdo para se obter prevsão de carga curto prazo
Leia maisModelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.
Modelagem multvarável com varáves quanttatvas e qualtatvas, com resposta bnára. O modelo de regressão não lnear logístco ou modelo logístco é utlzado quando a varável resposta é qualtatva com dos resultados
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia mais6 Análises de probabilidade de ruptura de um talude
6 Análses de probabldade de ruptura de um talude 6.. Introdução No presente capítulo, apresentam-se prevsões de probabldades de ruptura para o talude de jusante da Barragem de Benguê mostrada na fgura
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisSIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de 00, Ro de Janero/RJ ERRO DE DIAGNÓSTICO EM AMOSTRAGEM ZERO-DEFEITOS COM RETIFICAÇÃO: DETERMINAÇÃO DO TAMANHO ÓTIMO DE INSPEÇÃO Roberto da
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia maisAula Características dos sistemas de medição
Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes
Leia maisMODELAGEM CONJUNTA DE MÉDIA E VARIÂNCIA EM EXPERIMENTOS FRACIONADOS SEM REPETIÇÃO UTILIZANDO GLM
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ENGENHARIA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO MODELAGEM CONJUNTA DE MÉDIA E VARIÂNCIA EM EXPERIMENTOS FRACIONADOS SEM REPETIÇÃO UTILIZANDO
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia maisMETODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO
Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento
Leia maisReconhecimento Estatístico de Padrões
Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço
Leia mais2 Metodologia de Medição de Riscos para Projetos
2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem
Leia maisTeoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva
Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia mais3 Método Numérico. 3.1 Discretização da Equação Diferencial
3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando
Leia maisAplicação de um modelo simulado na formação de fábricas
Aplcação de um modelo smulado na formação de fábrcas Márca Gonçalves Pzaa (UFOP) pzaa@ldapalm.com.br Rubson Rocha (UFSC) rubsonrocha@eps.ufsc.br Resumo O objetvo deste estudo é determnar a necessdade de
Leia maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia mais7 Tratamento dos Dados
7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r
Leia maisNOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO
I Congresso Baano de Engenhara Santára e Ambental - I COBESA NOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO Marcos Vnícus Almeda Narcso (1)
Leia maisAjuste de Curvas Regressão. Computação 2º Semestre 2016/2017
Ajuste de Curvas Regressão Computação 2º Semestre 2016/2017 Ajuste de Curvas Quando apenas sabemos alguns valores de uma função contínua e queremos estmar outros valores ntermédos Quando queremos obter
Leia maisPLANEJAMENTO DE EXPERIMENTOS E OTIMIZAÇÃO DE SISTEMAS MISTOS
PLANEJAMENTO DE EXPERIMENTOS E OTIMIZAÇÃO DE SISTEMAS MISTOS Smone P. Saramago e Valder Steffen Jr UFU, Unversdade Federal de Uberlânda, Curso de Engenhara Mecânca Av. João Naves de Ávla, 2160, Santa Mônca,
Leia maisAvaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais
Avalação do tamanho da amostra de segmentos regulares para estmar a área plantada com café na regão sul de Mnas Geras Marcos Adam Maurco Alves Morera Bernardo Fredrch Theodor Rudorff Insttuto Naconal de
Leia maisNOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES
NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco
Leia mais5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial
5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.
Leia mais2 Aproximação por curvas impĺıcitas e partição da unidade
Aproxmação por curvas mpĺıctas e partção da undade Este capítulo expõe alguns concetos báscos necessáros para o entendmento deste trabalho 1 Curvas Algébrcas Um subconjunto O R é chamado de uma curva mplícta
Leia maisINTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA
INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA APLICAÇÃO NO CONTROLE DE QUALIDADE DE FÁRMACOS Prof. Dr. Marcelo Martns de Sena MÓDULO 04 Undade Unverstára de Cêncas Eatas e Tecnológcas UnUCET Anápols 1 MÓDULO 04
Leia mais4 ANÁLISE DE CONFIABILIDADE COM ANÁLISE LIMITE
4 ANÁLISE DE CONIABILIDADE COM ANÁLISE LIMITE A avalação da segurança das estruturas geotécncas tem sdo sempre um dos objetvos da Engenhara Geotécnca. A forma convenconal de quantfcar a segurança de uma
Leia maisUniversidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas
Unversdade de São Paulo Escola Superor de Agrcultura Luz de Queroz Departamento de Cêncas Exatas Prova escrta de seleção para DOUTORADO em Estatístca e Expermentação Agronômca Nome do canddato (a): Questão
Leia maisAULA EXTRA Análise de Regressão Logística
1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável
Leia mais5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)
5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de
Leia mais8.16. Experimentos Fatoriais e o Fatorial Fracionado
8.6. Expermentos Fatoras e o Fatoral Fraconado Segundo Kng (995) os arranos fatoras e fatoral fraconado estão dentre os arranos mas usados em expermentos ndustras. Veremos aqu alguns casos mas geras e
Leia maisUTILIZAÇÃO DO MÉTODO DE TAGUCHI NA REDUÇÃO DOS CUSTOS DE PROJETOS
UTILIZAÇÃO DO MÉTODO DE TAGUCHI A REDUÇÃO DOS CUSTOS DE PROJETOS Ademr José Petenate Resumo: Qualdade é hoje uma palavra chave para as organzações. Sob o símbolo da Qualdade abrgam-se flosofas, sstemas
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia maisDepartamento de Produção, UNESP, Campus de Guaratinguetá Av. Ariberto Pereira da Cunha, 333, Guaratinguetá, S.P. CEP
A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 3, Natal-RN MONITORAMENTO DA MÉDIA E DA VARIABILIDADE DE UM PROCESSO POR MEIO DA ESTATÍSTICA DE QUI-QUADRADO NÃO- CENTRALIZADA Antôno Fernando
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisAlgoritmos Genéticos com Parâmetros Contínuos
com Parâmetros Contínuos Estéfane G. M. de Lacerda DCA/UFRN Mao/2008 Exemplo FUNÇÃO OBJETIVO : 1,0 f ( x, y) 0, 5 sen x y 0, 5 1, 0 0, 001 x 2 2 2 y 2 2 2 0,8 0,6 0,4 0,2 0,0-100 -75-50 -25 0 25 50 75
Leia maisMétodos Experimentais em Ciências Mecânicas
Métodos Expermentas em Cêncas Mecâncas Professor Jorge Luz A. Ferrera Sumáro.. Dagrama de Dspersão. Coefcente de Correlação Lnear de Pearson. Flosofa assocada a medda da Estatstca. este de Hpótese 3. Exemplos.
Leia maisPUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON
1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.
Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.
Leia maisANÁLISE DA VARIÂNCIA DA REGRESSÃO
ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos
Leia mais4 Análise de confiabilidade de estruturas
4 Análse de confabldade de estruturas Nos prmórdos da engenhara cvl, o desconhecmento técnco-centífco conduza a proetos excessvamente seguros, mas em contrapartda de custo muto elevado. Hoe em da, o progresso
Leia maisAnálise de influência
Análse de nfluênca Dzemos que uma observação é nfluente caso ela altere, de forma substancal, alguma propredade do modelo ajustado (como as estmatvas dos parâmetros, seus erros padrões, valores ajustados...).
Leia maisMétodos Avançados em Epidemiologia
Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R
Leia maisAnálise de áreas de risco considerando os afundamento de tensão em estudos de planejamento
Análse de áreas de rsco consderando os afundamento de tensão em estudos de planejamento J. C. Cebran, L. Camlo, N. Kagan, N. M. Matsuo*, H. Arango Enerq-USP 1 Resumo-- Este trabalho permte avalar os índces
Leia maisREGRESSÃO E CORRELAÇÃO
Relaconamento entre varáves : - requer conhecmento REGRESSÃO E CORRELAÇÃO Y = f ( ) + ε Ex: 1. Y = Lucro de uma Empresa = Investmento em Publcdade Y(v.aleatóra) em função de (v.determnístca), onde Y é
Leia maisCOMPARAÇÃO ENTRE METODOLOGIA DE OTIMIZAÇÃO GLOBAL E O MÉTODO DE GRADIENTES PARA AJUSTE DE HISTÓRICO ASSISTIDO
COMPARAÇÃO ENTRE METODOLOGIA DE OTIMIZAÇÃO GLOBAL E O MÉTODO DE GRADIENTES PARA AJUSTE DE HISTÓRICO ASSISTIDO Célo Mascho e Dens José Schozer, Unversdade Estadual de Campnas, Faculdade de Engenhara Mecânca
Leia maisBreve Introdução aos Modelos Pontuais de Distribuição em Visão por Computador
Relatóro Interno Breve Introdução aos Modelos Pontuas de Dstrbução em Vsão por Computador Mara João Vasconcelos Aluna de Mestrado em Estatístca Aplcada e Modelação Unversdade do Porto, Faculdade de Engenhara
Leia maisMinistério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação
Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados
Leia maisUma proposta de modificação do índice de capacidade multivariado de Cheng
Uma proposta de modfcação do índce de capacdade multvarado de heng Suel Aparecda Mngot (UFMG) - suel@est.ufmg.br Fernando Augusto Alves Glóra (UFMG) - bodmufmg@yahoo.com.br Resumo Neste artgo apresentamos
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshm Kusumoto andrekusumoto.unp@gmal.com Prof. André Y. Kusumoto andrekusumoto.unp@gmal.com Operações pontuas globas em magens Uma operação pontual global em uma
Leia maisUMA VALIDAÇÃO MATEMÁTICA PARA UM ALGORITMO QUE SIMULA MISTURAS DE DISTRIBUIÇÕES
UMA VALIDAÇÃO MATEMÁTICA PARA UM ALGORITMO QUE SIMULA MISTURAS DE DISTRIBUIÇÕES Ana Paula Coelho MADEIRA Lucas Montero CHAVES Devanl Jaques de SOUZA Resumo: Uma valdação matemátca, utlzando o conceto de
Leia maisÍNDICES DE CAPACIDADE COMBINADOS
ÍNDICES DE CAPACIDADE COMBINADOS Edvaldo Antono Bulba Depto. Eng. Produção EPUSP Caxa Postal 6548 CEP 0544-970 SP Lnda Lee Ho Depto. Eng. Produção EPUSP Caxa Postal 6548 CEP 0544-970 SP Abstract Here we
Leia maisAPLICAÇÕES DE PLANEJAMENTO DE EXPERIMENTO PARA DADOS NÃO NORMAIS
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO Centro de Cêncas Matemátcas e da Natureza Insttuto de Matemátca Departamento de Métodos Estatístcos Dogo da Hora Elas APLICAÇÕES DE PLANEJAMENTO DE EXPERIMENTO PARA
Leia maisSeqüenciação de N ordens de produção em uma máquina com tempo de preparação dependente da seqüência uma aplicação de busca tabu
XXVI ENEGEP - Fortaleza, CE, Brasl, 9 a 11 de Outubro de 2006 Seqüencação de N ordens de produção em uma máquna com tempo de preparação dependente da seqüênca uma aplcação de busca tabu Renato de Olvera
Leia mais