27 a 30/09/05, Gramado, RS. Pesquisa Operacional e o Desenvolvimento Sustentável

Tamanho: px
Começar a partir da página:

Download "27 a 30/09/05, Gramado, RS. Pesquisa Operacional e o Desenvolvimento Sustentável"

Transcrição

1 ALGORITMO DE GERAÇÃO DE COLUNAS PARA O PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM FROTA HETEROGÊNEA E JANELAS DE TEMPO COM APLICAÇÃO NA DISTRIBUIÇÃO DE JORNAIS Fernanda Menezes Departamento de Engenhara Elétrca Pontfíca Unversdade Católca do Ro de Janero Rua Marquês de São Vcente, 225, Gávea, CEP: , Gávea, Ro de Janero - RJ fernanda.menezes@gmal.com Luz Cesar Nanc Eduardo Uchoa Departamente de Engenhara de Produção - Unversdade Federal Flumnense Rua Passo da Pátra, 56, São Domngos, CEP: , Nteró RJ. cnanc@predalnet.com.br uchoa@producao.uff.br RESUMO Este artgo apresenta um algortmo exato para uma varante complexa do problema do roteamento de veículos, nclundo janelas de tempo e uso de frota heterogênea. Fo utlzada a técnca de geração de colunas. Os subproblemas de prcng são resolvdos por programação dnâmca. Testes de domnânca de estados são usados para acelerar essa parte do códgo. O algortmo de branch-and-prce resultante fo aplcado a um problema real de dstrbução ntermuncpal de um grande jornal do estado do Ro de Janero. Os resultados obtdos ndcam a possbldade de sgnfcatvas melhoras, tanto em custo quanto em qualdade de servço, em relação ao planejamento das rotas manual. ABSTRACT Ths wor presents an exact algorthm for a complex varant of the vehcle routng problem, ncludng tme wndows and heterogeneous fleet, based on column generaton. The prcng subproblems are solved by dynamc programmng. State domnance tests are used to speed ths part of the code. The resultng branch-and-prce algorthm was appled to a real problem of newspaper dstrbuton n the state of Ro de Janero. The results obtaned show the possblty of sgnfcant mprovements, n monetary costs as well as n qualty of servce, when compared to the current routng plannng. INTRODUÇÃO Nas últmas décadas, nota-se um aumento no uso de técncas de otmzação baseadas em pesqusa operaconal e programação matemátca para a gestão efetva da dstrbução de bens e servços. Um grande número de aplcações reas já mostrou que a ntrodução dessas técncas no planejamento do processo de dstrbução traz reduções consderáves no custo total de transporte, geralmente entre 5% e 20% [Toth e Vgo, 2002]. É fácl perceber que o mpacto desta redução para a economa como um todo é sgnfcatva, já que o custo com transporte envolve váras etapas do processo produtvo e representa de 0% a 20% do custo fnal dos produtos. A tendênca de tercerzação dos servços logístcos mostra-se presente na ndústra braslera de jornas há mas de dez anos, quando os altos custos envolvdos com a operação de entrega domclar não justfcavam mas a manutenção do servço na estrutura das empresas de comuncação. Dentre os fatores que contrbuíram para o aumento no custo operaconal, podemos ctar as sucessvas crses e nstabldade econômca da década de 90, que resultaram no crescmento da dívda contraída em dólar para nvestmento em undades de produção, o alto custo assocado aos benefícos da mãode-obra empregada, os altos custos envolvdos na manutenção da frota de veículos e o aumento do nível de servço exgdo pelos clentes. Neste cenáro, entra a fgura do Operador Logístco, que são

2 empresas especalzadas em prover servços logístcos como armazenagem, transporte, consoldação de cargas, dentre outros, de forma especalzada ou ntegrada. A dstrbução de jornas apresenta característcas úncas, como o alto volume, a baxa varedade e a freqüênca dára de entregas. Além dsso, a janela de tempo da operação é restrta a ntervalos muto pequenos, nferores a ses horas. Tamanha partculardade exge especalzação, com o objetvo de aumentar a efcênca do servço e alcançar um volume de dstrbução cada vez maor, sem comprometer a qualdade exgda pelos clentes. Neste trabalho, abordou-se o problema da otmzação do transporte rodováro de jornas de um parque gráfco, onde ocorre a mpressão dos jornas, até os operadores logístcos, que realzam a entrega domclar propramente dta. Este problema leva a uma varante do Problema de Roteamento de Veículos (PRV) que ncorpora restrções de capacdade, janelas de tempo e frota heterogênea. Fo desenvolvdo um algortmo baseado na técnca de geração de colunas para sua resolução exata. Esse algortmo pode ser vsto como uma generalzação dos clásscos algortmos apresentados em [Desrosers et al., 984] [Desrochers et al., 992] para o caso de frota heterogênea. 2 DEFINIÇÃO DO PROBLEMA O Problema de Roteamento de Veículos com Frota Heterogênea (PRVFH) é a varante do PRV onde os veículos têm custos e capacdades dferentes. O objetvo é mnmzar o custo total, composto por um custo fxo de utlzação do veículo e um custo varável por dstânca vajada. A heterogenedade da frota aumenta consderavelmente a complexdade do PRV. Quando a frota é heterogênea, há de se decdr quas tpos de veículos devem ser utlzados e quantos de cada tpo. Em alguns problemas podem exstr lmtações quanto ao número de veículos de cada tpo que estão dsponíves para utlzação, além da eventual lmtação da frota como um todo. Esse objetvo pode ser alcançado encontrando o mx ótmo de veículos e determnando a rota para cada um deles, de forma a atender a todas as restrções do problema. O Problema de Roteamento de Veículos com Frota Heterogênea e Janela de Tempo (PRVFHJT) é uma extensão do PRVFH, onde são mpostas janelas de tempo no depósto e nos clentes. Apesar de boa parte das aplcações prátcas do PRV envolver frota heterogênea, a grande maora dos trabalhos acadêmcos anda supõe frota homogênea. O PRVFHJT pode ser defndo da segunte forma: Seja G = (V,A) um grafo onde V = N \ {0} é o conjunto de vértces e A = { (,j), j V, j }, onde N = {,..., n} é o conjunto de clentes e o nó 0 representa o depósto. Assocado a cada nó N uma demanda d e um tempo de servço s são conhecdos. Cada clente tem também uma janela de tempo [a,b ] que representa o ntervalo de tempo em que o veículo deve realzar o servço no clente. O veículo tem que chegar em antes de b. É permtdo chegar no clente antes de a, porém o veículo deverá fcar parado esperando a abertura da janela de tempo. O depósto tem uma janela de tempo [a 0, b 0 ]. Os veículos não podem sar do depósto antes de a 0 e devem retornar ao depósto antes de b 0. As matrzes de dstânca d j e a velocdade méda de cada tpo de veículo são conhecdas. Assummos que a frota é composta por K veículos, e para cada veículo da frota, =,..., K, estão defndos: um custo fxo F, um custo varável com a dstânca percorrda V, uma capacdade máxma C e uma velocdade méda S. Assummos que a demanda de cada clente é menor do que a capacdade do maor veículo. O objetvo do PRVFHJT é mnmzar a soma dos custos fxos de utlzação dos veículos e os custos das dstâncas percorrdas, tal que: Cada rota nce e termne no depósto 2 Cada clente em N seja vstado apenas uma vez 3 A demanda de todos os clentes atenddos por um mesmo veículo não pode exceder a capacdade do mesmo. 4 O servço em cada clente deve ser realzado dentro de suas janelas de tempo A formulação matemátca do problema compreende as seguntes varáves de decsão: 884

3 , se o veículo va do clente para o clente j X j = 0, caso contráro, e t que representa o nstante de tempo do níco do atendmento no clente. Z sujeto a : t + s + t PRVFTJT = mn j= 0 j N x K N + xj = j= N + x0 j j= 0 N + j x j j= N + xn + j= 0 M ( x N = 0 j= K N N + K V Vcj xj + = = 0 j= = j= N d j a j ) x x j j = = = = b t C j {0,} F x 0 j V, j V V, j V,, j V, () (2) (3) (4) (5) (6) (7) (8) (9) A função objetvo () expressa o custo total. As restrções (2) mpõem que cada um dos clentes seja vstado uma únca vez e por um únco veículo; já as restrções (3) a (5) descrevem o fluxo no camnho que o veículo utlzar. Caso o veículo não seja utlzado, ele segue o camnho do arco dreto lgando a base de partda (nó 0) à base de chegada (nó N+). As restrções (6) mpõem que o horáro de níco de atendmento de cada nó ocorra dentro da sua respectva janela de tempo; já as restrções (7) defnem a contnudade e a compatbldade temporal dos horáros de níco de atendmento ao longo das rotas. As restrções de capacdade de carga dos veículos são dadas pela restrção (8). Por fm, as restrções (9) asseguram a ntegraldade da solução. O únco trabalho encontrado exatamente sobre essa varante do problema de roteamento de veículos é [Lu e Shen, 999], que apresenta heurístcas. 3 ALGORITMO DE BRANCH-AND-PRICE Algortmos baseados em geração de colunas [Dantzg e Wolfe, 960] tem sdo usados com sucesso em problemas de roteamento de veículos com janelas de tempo (com frota homogênea) [Desrosers et al., 984] [Desrochers et al., 992]. 3. Formulação com número exponencal de varáves Usando o conceto de q-rotas, uma formulação alternatva, com um número exponencal de varáves, pode ser obtda defnndo as varáves correspondentes a q-rotas sem 2-cclos (subcamnhos v v j v, v 0). Uma q-rota pode ser defnda como uma seqüênca {0,v,...,v r, 0} tal que r d C a s b v = e onde s é o nstante de tempo em que o servço é realzado no clente v, v 0 para cada em {,..., r} e r. Encontrar as q-rotas de custos reduzdos negatvos pode ser feto em tempo pseudo-polmal, O(n 2 CT). Essa restrção de q-rotas sem 2-cclos não altera a complexdade do subproblema de geração de colunas e melhora a formulação. 885

4 Seja Q uma matrz m x p(), onde as colunas são os vetores de ncdênca das p() possíves q-rotas realzadas pelo tpo de veículo. Cada varável λ j, j p() é assocada a uma das possíves e qj q-rotas de um veículo do tpo. Seja o coefcente assocado ao arco e na j-ésma coluna de Q, ou seja, o número de vezes que esse arco ocorre na j-ésma q-rota do tpo de veículo. Conforme é usual, defnmos δ - () como sendo o conjunto dos arcos que entra no vértce. Z DWM PRVFHJT sujeto a : K p( ) e qj = j = e δ ( ) = mn. λ j K = p( ) e = j= e A c q λ e j j V (0) λ j 0 j p( ), () 3.2 Geração de Colunas Em prncípo sera possível reforçar a formulação com número exponencal de varáves do problema permtndo apenas rotas elementares. Entretanto, nesse caso o subproblema de geração de colunas sera equvalente a um problema de camnho mas curto elementar com janela de tempo e restrção de capacdade, ou PCMCEJTRC, sto é, o camnho mas curto que sa do depósto e retorna ao depósto, vstando os clentes da rota apenas uma vez e que em momento algum vola as janelas de tempo e a restrção de capacdade. Infelzmente, não é conhecdo nenhum método efcente para resolver o PCMCEJTRC, que de fato é um problema fortemente NP-dfícl. Então, é necessáro relaxar o problema de forma a permtr cclos nas rotas, como especfcado na subseção anteror. O subproblema de geração de colunas nesse caso pode ser resolvdo como um problema de camnho mas curto com janela de tempo e restrção de capacdade, ou PCMCJTRC, que também é NP-Dfícl, porém pode ser resolvdo por programação dnâmca em tempo pseudopolnomal se t j >0. No PCMCJTRC, um camnho não elementar deve satsfazer as restrções de tempo e capacdade, porém os arcos podem ser utlzados mas de uma vez e os clentes podem aparecer em um mesmo camnho mas de uma vez. É possível elmnar os camnhos com 2- cclos sem aumentar a complexdade da programação dnâmca Programação Dnâmca A programação dnâmca desenvolvda por [Desrochers et al., 992] é geralmente utlzada para resolver problemas de camnho mas curto com recursos lmtados. No PCMCJTRC temos dos recursos: tempo e capacdade. O algortmo assume que o tempo e a capacdade são valores nteros e tempos de vagem postvos nos arcos. O algortmo então dscretza o tempo e a capacdade através do uso de rótulos de três dmensões (, t, d). Dado um rótulo (, t, d), é o últmo clente atenddo pelo camnho, t determna o tempo em que ele é atenddo e d a demanda acumulada deste camnho. O custo assocado a este camnho é dado por c(, t, d). A programação dnâmca ncalza com um rótulo ncal (0, 0, 0) e um custo c(0, 0, 0) gual a zero. A equação de recorrênca é dada por: c(, t, d) = mn c j + c(, t, d ) t + t j = t e d + d j = d A solução pode ser encontrada através de bactracng dos rótulos. Um lmte superor do número de rótulos é dado por: 886

5 Γ = N ( b a )( C ) Sabemos que Γ é muto grande, porém em grande parte dos casos, o rótulo não será vável ou então será domnado por algum outro e, portanto não precsa ser consderado. O conceto de domnânca será apresentado a segur. Os rótulos são tratados por ordem crescente de tempo. Quando um rótulo é tratado, ele é expanddo para todos nós do grafo de forma que a extensão seja vável e que o custo dmnua. O algortmo nca com apenas um rótulo e este número aumenta durante a execução do algortmo, porém este número nunca rá ultrapassar Γ Teste de Domnânca O tempo computaconal do algortmo de programação dnâmca pode ser reduzdo aplcando o crtéro de domnânca que dentfca os rótulos que não precsam ser consderados. Por exemplo, consdere os dos rótulos (, t, d ) e (, t 2, d 2 ) tal que:. c(, t, d ) c(, t 2, d 2 ) 2. t t 2 3. d d 2 Note que ambos os rótulos correspondem a camnhos que termnam no clente e que qualquer extensão vável do segundo rótulo também é vável para o prmero rótulo. E como o custo do prmero rótulo é sempre menor ou gual o do segundo, o prmero rótulo produzrá camnhos tão bons quanto o segundo rótulo. Assm, o segundo rótulo pode ser descartado e as suas possíves extensões gnoradas. Defnção : (, t, d ) domna (, t 2, d 2 ) se e somente se c(, t, d ) c(, t 2, d 2 ), t t 2 e d d 2. No caso das três relações serem guas, apenas um rótulo precsa ser consderado, mesmo a defnção não especfcando qual domna o outro. É possível que nenhum rótulo seja domnado por nenhum outro, porém expermentos computaconas mostraram que na prátca va ocorrer domnânca entre rótulos, permtndo uma redução no número de rótulos consderados. O crtéro de domnânca é aplcado no algortmo da segunte forma: Quando um novo rótulo é gerado é precso saber se este é domnado por algum outro rótulo já exstente, ou se o novo rótulo domna algum outro já exstente. Assm é necessáro comparar o novo rótulo com todos os outros já exstentes. Isto pode ser feto armazenando os conjuntos de rótulos em N lstas encadeadas, uma para cada nó. Com apenas uma percorrda na lsta do nó em questão todas as comparações necessáras para o teste de domnânca podem ser realzadas Elmnação de 2-cclos Os camnhos não elementares do espaço de soluções do PCMCJTRC são camnhos que contém cclos. O 2-cclo, [... - j -...], é o cclo mas comum encontrado em tas camnhos. Para reduzr o número de camnhos não elementares o algortmo pode ser modfcado de forma a elmnar os 2-cclos. A elmnação do 2-cclos nos algortmos de camnho mas curto é um procedmento padrão que fo apresentado pela prmera vez por Houc, Pcard, Queyranne e Vemugant. Para descrever o novo algortmo modfcado, precsaremos utlzar um novo rótulo de 4 dmensões (, t, d, pred), onde pred é o nó predecessor ao rótulo, sto é, o nó que precede no camnho correspondente ao rótulo. Precsaremos também das seguntes defnções: Defnção 2 : Um rótulo é dto fortemente domnante, se este não é domnado por nenhum outro rótulo e pelo menos uma das condções a segur são satsfetas:. t + t,pred > b pred 2. d + d pred > C O rótulo (, t, d, pred) é dto sem-fortemente domnante se ele não é domnado por nenhum outro e nenhuma das condções acma são satsfetas. 887

6 O rótulo (, t, d, pred) é dto fracamente domnante se ele é domnado apenas por rótulos fortemente domnantes (, t, d, pred ) com o mesmo predecessor pred e tal que pred pred. Um rótulo fortemente domnante mplca que este não pode ser estenddo ao seu predecessor. Um rótulo sem-fortemente domnante mplca que o rótulo pode ser estenddo ao seu predecessor, porém como estamos querendo elmnar o 2-cclo, este não é permtdo. Ao nvés dsso, guardamos um rótulo (domnado por um sem-fortemente domnante) com um predecessor dferente e que é possível extendê-lo ao predecessor do rótulo sem-fortemente domnante. Um rótulo fracamente domnante é domnado por outro sem-fortemente domnante e que pode ser estenddo apenas para o predecessor deste rótulo. Para cada estado (, t, d) pode exstr: nenhum rótulo 2 um rótulo fortemente domnante 3 um rótulo sem-fortemente domnante e possbldade de um rótulo fracamente domnante Agora, o total de rótulos é lmtado por 2.Γ e a ordem da complexdade computaconal não se altera. Como os rótulos não são necessaramente descartados por serem domnados por outros rótulos o segundo passo do algortmo se torna um pouco mas complcado. Se um novo rótulo é domnado por um rótulo antgo, este pode ser descartado nos seguntes casos: se o rótulo antgo é fortemente domnante 2 se o rótulo antgo é fracamente domnante 3 se o rótulo antgo e o novo têm o mesmo predecessor 4 se o rótulo novo não puder se extenddo ao predecessor do rótulo antgo 5 se o rótulo novo é domnado por dos ou mas rótulos de predecessores dferentes Rótulos antgos também podem ser descartados ou mudarem seus status de domnânca para fracamente domnantes, se forem domnados por rótulos novos. As regras para sso podem ser faclmente estabelecdas. 3.3 Regra de branchng Depos de resolvdo o programa lnear DW-PRVFHJT, caso exstam varáves λ fraconáras, é necessáro realzar um branchng. Escolhemos fazer branch sobre as arestas. Nos ramos esquerdos da árvore, uma certa aresta e é fxada a zero, ou seja, todas as colunas correspondendo rotas contendo e são elmnadas. Deve-se probr que a geração de colunas gere novas rotas usando essa aresta, o que é faclmente feto elmnando-se e na programação dnâmca. Nos ramos dretos da árvore, a aresta e é fxada em um. Isso exge a adção da segunte restrção ao programa DW-PRVFHJT: K p( ) e q j = j=.λ j = 4 ESTUDO DE CASO: DISTRIBUIÇÃO INTERMUNICIPAL DE JORNAIS O problema da dstrbução de jornas envolve o fluxo dos jornas desde as rotatvas (prensas), onde ocorre a mpressão até sua entrega ao clente fnal (assnante ou bancas). Podemos dvdr a operação em duas etapas dstntas, lustradas pela fgura. Prmero, volumes maores de jornas são transportados do parque gráfco até operadores logístcos em locas convenentes. A segur, é feta a entrega aos clentes fnas. Uma descrção detalhada desse processo é encontrada em [PICARD e 888

7 BRODY, 977]. O estudo de caso envolveu a prmera etapa do problema de dstrbução de um grande jornal dáro da cdade do Ro de Janero. No caso dos operadores logístcos que fcam dentro da regão metropoltana do Ro de Janero, o problema de roteamento não é muto nteressante do ponto de vsta econômco. Quase todas as rotas são curtas e têm um únco destno, partndo com o veículo cheo. Por outro lado, exstem 49 operadores logístcos localzados em cdades do nteror dos estados do Ro de Janero, Mnas Geras e São Paulo. Como a demanda desses operadores é pequena, um mesmo veículo costuma fazer longas rotas com város destnos. Nesses casos exste grande motvação econômca em melhorar as rotas utlzando um algortmo de roteamento. 4. Levantamento de dados 4.. Demanda A demanda é expressa em peso, uma vez que o peso untáro de cada edção do jornal vara ao longo da semana. Além dsso, os custos do transporte rodováro de cargas estão freqüentemente assocados ao peso transportado, o que faclta a estmatva de custos e comparação de resultados. É mportante notar que o peso do produto jornal é determnante da capacdade de seu transporte, já que suas dmensões (volume) são bem reduzdas (densdade méda = 9,85 g/m 3 ). Assm como o peso, a quantdade de jornas entregues também vara ao longo da semana, atngndo pcos nas edções de sábado e domngo. Este fato acentua anda mas a dferença de peso entre as edções de fm-de-semana e do resto da semana. A tabela exemplfca a demanda de operadores logístcos em ses cdades, bem como os totas por cada da de semana. Tabela Demanda em g por ponto de entrega para cada da da semana No. PONTOS DE ENTREGA SEG TER QUA QUI SEX SÁB DOM ANGRA DOS REIS ARARUAMA BUZIOS ARRAIAL DO CABO BARRA DE SÃO JOÃO BARRA DO PIRAI TOTAL

8 4..2 Dstâncas Para o cálculo das dstâncas entre os pontos de entrega, foram consderadas as dstâncas de centro a centro das cdades vstadas, uma vez que todas as paradas consderadas no estudo ocorrem nos respectvos centros urbanos das cdades. Construu-se uma matrz smétrca, com todas as dstâncas usadas no modelo, consderando as prncpas rodovas federas e estaduas da regão sudeste, e no caso de exstrem duas ou mas possíves rotas entre dos pontos de entrega, fo consderada a rota mas curta. O ste fo usado como base para extração destes dados. Por falta de dados mas precsos sobre os custos das vagens, tomamos a dstânca (em qulômetros) total das rotas como função objetvo Veículos utlzados Atualmente são usados três tpos de veículos de carga: camnhão tpo Truc, camnhão tpo Toco e carro tpo Furgão. As característcas desses veículos são dadas na tabela a segur. Tabela 2 - Característcas dos veículos utlzados Tpos de Veículos Capacdade Velocdade (em g) Méda (m/h) SPRINTER TOCO TRUCK A partr das dstâncas e das velocdades de cada veículo, pode-se estmar o tempo de deslocamento de cada veículo entre cada par de cdades. Como a dstrbução de jornas é feta de madrugada ou nas tardes de sábado (no caso da edção de domngo), horáros em que as estradas têm pouco movmento, as estmatvas obtdas são bastante razoáves, conforme meddo em três semanas de operações Tempo de descarga O tempo de descarga em cada ponto de entrega pode ser dvddo em duas partes: uma fxa, que representa o tempo de frenagem, abertura do baú e manobras do veículo, e outra varável, em função do peso descarregado no ponto. Para obter o tempo de descarga em cada ponto de entrega, foram meddos os tempos de descarga em cada ponto durante três semanas, nclundo as edções de sábado e domngo. Assumu-se a premssa de que todos os pontos de entrega oferecem condções semelhantes de entrega (rampas, clma, etc). A partr da base de dados levantada nesta pesqusa, utlzou-se o método de regressão geométrca para expressar o tempo de descarga em função do peso entregue no ponto, fornecdo pela equação: Onde: P é o peso dos jornas entregues no ponto; T é o tempo total de descarga. T = 0,4459P 4..5 Janela de Tempo O horáro lmte de entrega pode varar de acordo com as condções contratuas pré-defndas em concordânca com o nível de servço exgdo pelos clentes de determnada regão. Portanto, a janela de tempo de entrega para os operadores logístcos pode varar. Assumndo a premssa de que todas as rotas tem níco às 00:00hs, estmou-se a janela de tempo para cada ponto. As edções de domngo apresentam partculardades: não apenas as rotas partem nas 4:00hs de sábado, como város pontos têm suas janelas de tempo aumentadas em duas ou três horas. 0,

9 4..6 Rotas Atuas Foram levantadas as rotas atualmente utlzadas para possbltar comparações, em termos de custos e qualdade de servço, com as novas rotas propostas. Atualmente os 49 operadores logístcos são servdos por 3 rotas fxas, os veículos rodam um total de 7380 m por da. As rotas são fxas no sentdo que a mesma seqüênca de paradas é utlzada todos os das. Como a edção de domngo exge bem mas capacdade do que os demas das, essas rotas fxas foram cradas em função da demanda domncal. Uma descoberta nteressante fo o fato de que em 8 clentes as janelas de tempo estavam sendo daramente voladas. Na verdade, as janelas de tempo que foram nformadas pelos operadores revelam os horáros em que eles gostaram de ser atenddos, o que nem sempre corresponde ao que se pratca hoje na empresa. Dessa forma, para cada um dos 7 das da semana foram cradas 2 nstâncas do PRVJTFW: uma num cenáro com as janelas de tempo desejadas e outra num cenáro as janelas de tempo pratcadas atualmente. 4.2 Resultados Computaconas O algortmo exato de branch-and-prce fo rodado num processador Pentum 4 2,4GHz, com 52Mb de memóra RAM. O resolvedor de programação lnear usado fo o CPLEX 8.0. Os resultados obtdos para as 4 nstâncas são mostrados na tabela abaxo. A prmera coluna ndca o da da semana correspondente a cada nstânca. As nstâncas marcadas com usam as janelas de tempo desejadas (cenáro ), as nstâncas 2 as janelas de tempo mas largas usadas atualmente (cenáro 2). A coluna nó raz mostra o lmte nferor obtdo pela solução de DW-PRVFHJT, enquanto a coluna segunte mostra a solução ótma ntera. As colunas seguntes apesentam o tempo que o algortmo gasta em suas partes mas demoradas, resolução de programação lnear e geração de colunas. A coluna # nós ndca o número de nós explorados na árvore de branchand-bound. A colunas # cols é o número total de colunas geradas ao longo do algortmo. Fnalmente, temos o tempo total de execução. Instânca Nó raz Solução Tempo PL(s) Tempo GC(s) # nós # cols Tempo Total(s) Segunda 7053, ,94 962, ,00 Terça 722, ,67 78, ,47 Quarta 722, ,7 2082, ,63 Qunta 722, ,09 558, ,45 Sexta 79, ,07 709, ,99 Sábado 7597, ,3 2307, ,64 Domngo 7982, ,2 393, ,0 424,62 Segunda 2 560, ,80 239, ,09 Terça , ,6 294, ,78 Quarta 2 564, ,73 37, ,09 Qunta , ,94 3, ,8 Sexta 2 564, ,48 259, ,7 Sábado , ,89 688, ,39 Domngo , ,5 53, , Análse dos Resultados A tabela segunte compara as soluções atuas com as novas soluções propostas, nos dos cenáros. Lembrando que as soluções estão sendo avaladas pela total de qulômetros rodados, o que é consderado uma razoável aproxmação do custo das soluções. 89

10 Da da semana Solução Atual Solução cenáro Economa cenáro (%) Solução cenáro 2 Economa cenáro 2 (%) Segunda , ,22 Terça , ,34 Quarta , ,34 Qunta , ,34 Sexta , ,34 Sábado , ,69 Domngo , ,09 Total semana , ,48 No cenáro geralmente não há redução na qulometragem em relação à solução atual, em méda essa qulometragem aumenta lgeramente, em,9%. Entretanto as novas soluções propostas respetam todas as janelas de tempo desejadas. Por outro lado, no cenáro 2 houve sgnfcatva redução nas qulometragens, em méda 20,48%. Esses números exatos podem ser questonados devdo a algumas aproxmações fetas, mas a conclusão geral é a segunte: Ou pode-se melhorar sgnfcatvamente a qualdade de servço pratcamente sem alterar os custos (cenáro ); ou pode-se reduzr sgnfcatvamente os custos sem alterar a atual qualdade de servço (cenáro 2). Uma outra observação é que, nos dos cenáros, a solução ótma para os das de terça a sexta é a mesma. Isso ndca que é possível chegar a um bom compromsso entre a qualdade das soluções e a facldade de sua mplantação. É convenente, para a rotna da empresa, que rotas semelhantes sejam usadas em város das. 5. CONCLUSÕES Fo desenvolvdo um algortmo de branch-and-prce para uma varante complexa do problema de roteamento de veículos. Nas 4 nstâncas usadas para teste, correspondentes a um problema real de dstrbução de jornas, o algortmo apresentou bons desempenho, sendo capaz de resolvê-las todas de forma exata em tempo bastante acetável. Os resultados obtdos também ndcam boas possbldades de ganhos econômcos nesse partcular problema de dstrbução, que envolve quantas da ordem de 8 mlhões de reas por ano. Atualmente está sendo feto um novo trabalho de levantamento de dados, de modo a usar os custos mas realstas possíves como função objetvo do problema de otmzação. 892

11 REFERÊNCIAS BIBLIOGRÁFICAS PICARD,R.;BRODY,J.The Newspaper Publshng Industry. Allyn and Bacon, Boston, MA, 977. DESROCHERS, M.; DESROSIERS, J..; SOLOMON, M.. A new optmzaton algorthm for the vehcle routng problem wth tme wndows. Operatons Research, 40: , 992. LIU, F.; SHEN, S.. A method for vehcle routng problem wth multple vehcle types and tme wndows. Proc. Natl. Sc. Counc, 23: , 999. DANTZIG, G.B.; WOLFE, P.. Decomposton Prncple for Lnear Programs. Operatons Research 8:0-, 960. DESROSIERS, J.; SOUMIS, F.; DESROCHERS, M.. Routng wth tme wndows by column generaton. Networs, 4: , 984. TOTH, P.; VIGO, D.. The Vehcle Routng Problem. Monographs on Dscrete Mathematcs and Applcatons. SIAM,

Introdução aos Problemas de Roteirização e Programação de Veículos

Introdução aos Problemas de Roteirização e Programação de Veículos Introdução aos Problemas de Roterzação e Programação de Veículos PNV-2450 André Bergsten Mendes Problema de Programação de Veículos Problema de Programação de Veículos Premssas Os roteros ncam e termnam

Leia mais

Responda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão.

Responda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão. Departamento de Produção e Sstemas Complementos de Investgação Operaconal Exame Época Normal, 1ª Chamada 11 de Janero de 2006 Responda às questões utlzando técncas adequadas à solução de problemas de grande

Leia mais

EXERCÍCIO: VIA EXPRESSA CONTROLADA

EXERCÍCIO: VIA EXPRESSA CONTROLADA EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 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 mais

3 Elementos de modelagem para o problema de controle de potência

3 Elementos de modelagem para o problema de controle de potência 3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 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 mais

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite 5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar

Leia mais

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 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 mais

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1 Programação Dnâmca Fernando Noguera Programação Dnâmca A Programação Dnâmca procura resolver o problema de otmzação através da análse de uma seqüênca de problemas mas smples do que o problema orgnal. A

Leia mais

Uso de rotas elementares na resolução do CVRP

Uso de rotas elementares na resolução do CVRP Uso de rotas elementares na resolução do CVRP Dego Galndo Pecn Humberto Longo Insttuto de Informátca UFG, GoânaGO, Brasl degopecn@gmal.com longo@nf.ufg.br Resumo Este trabalho descreve o uso de um algortmo

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE 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 mais

2 Metodologia de Medição de Riscos para Projetos

2 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 mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso 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 mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os 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 mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012 Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto

Leia 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

5 Problema de planejamento de novas redes de telecomunicações

5 Problema de planejamento de novas redes de telecomunicações Problema de planejamento de novas redes de telecomuncações O Problema de Planejamento de Novas Redes de Telecomuncações (PPNRT) consste em atender um conjunto de clentes com demandas dferentes que devem

Leia mais

3 Algoritmos propostos

3 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 mais

6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA)

6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA) ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA 7 6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA As desvantagens do método BM apresentadas no capítulo 5 sugerem que a alocação dos benefícos seja feta proporconalmente ao prejuízo causado

Leia mais

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo 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 mais

4 Discretização e Linearização

4 Discretização e Linearização 4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística 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 mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

XXVII Olimpíada Brasileira de Matemática GABARITO Primeira Fase

XXVII Olimpíada Brasileira de Matemática GABARITO Primeira Fase Soluções Nível Unverstáro XXVII Olmpíada Braslera de Matemátca GABARITO Prmera Fase SOLUÇÃO DO PROBLEMA : Pelo enuncado, temos f(x) = (x )(x + )(x c) = x 3 cx x + c, f'(x) = 3x cx, f '( ) = ( + c) e f

Leia mais

2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS

2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS 22 2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS Como vsto no capítulo 1, a energa frme de uma usna hdrelétrca corresponde à máxma demanda que pode ser suprda contnuamente

Leia mais

Modelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo 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 mais

Gestão e Teoria da Decisão

Gestão e Teoria da Decisão Gestão e Teora da Decsão Logístca e Gestão de Stocks Estratégas de Localzação Lcencatura em Engenhara Cvl Lcencatura em Engenhara do Terrtóro 1 Estratéga de Localzação Agenda 1. Classfcação dos problemas

Leia mais

Chapter 9 Location INTRODUÇÃO. Localização de Instalações. Problemas de comunicação

Chapter 9 Location INTRODUÇÃO. Localização de Instalações.  Problemas de comunicação Chapter 9 Locaton Localzação de Instalações Problemas de comuncação http://www.youtube.com/watch?v=h_qnu4rwlvu INTRODUÇÃO INTRODUÇÃO Analsar padrões de localzação pode ser nteressante Porque a Whte Castle,

Leia mais

UM ALGORITMO DE PROGRAMAÇÃO MATEMÁTICA BI-OBJETIVO PARA O PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES NÃO CAPACITADO

UM ALGORITMO DE PROGRAMAÇÃO MATEMÁTICA BI-OBJETIVO PARA O PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES NÃO CAPACITADO Ro de Janero, RJ, Brasl, 3 a 6 de outubro de 008 UM ALGORITMO DE PROGRAMAÇÃO MATEMÁTICA BI-OBJETIVO PARA O PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES NÃO CAPACITADO Paula Marana dos Santos (UFV) paula-maranna@hotmal.com

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação 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 mais

7 Tratamento dos Dados

7 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 mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. 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 mais

Modelação com Variáveis Discretas

Modelação com Variáveis Discretas Engenhara de Processos e Sstemas Modelação com Varáves Dscretas Fernando Bernardo Fev 2011 mn f ( x, y, θ ) x, y s. t. h( x, y, θ ) = 0 g( x, y, θ ) 0 x x x L x real y {0,1}) U Leque de aplcações. Tpos

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES 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 mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos 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 mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

5 Implementação Procedimento de segmentação

5 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 mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

Seqüenciação de N ordens de produção em uma máquina com tempo de preparação dependente da seqüência uma aplicação de busca tabu

Seqüenciação 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

Modelo de Alocação de Vagas Docentes

Modelo de Alocação de Vagas Docentes Reunão Comssão de Estudos de Alocação de Vagas Docentes da UFV Portara 0400/2016 de 04/05/2016 20 de mao de 2016 Comssão de Estudos das Planlhas de Alocação de Vagas e Recursos Ato nº 009/2006/PPO 19/05/2006

Leia mais

Prof. Lorí Viali, Dr.

Prof. 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 mais

Cálculo Numérico BCC760 Interpolação Polinomial

Cálculo Numérico BCC760 Interpolação Polinomial Cálculo Numérco BCC76 Interpolação Polnomal Departamento de Computação Págna da dscplna http://www.decom.ufop.br/bcc76/ 1 Interpolação Polnomal Conteúdo 1. Introdução 2. Objetvo 3. Estênca e uncdade 4.

Leia mais

3 Desenvolvimento do Modelo

3 Desenvolvimento do Modelo 3 Desenvolvmento do Modelo Neste capítulo apresentaremos como está estruturado o modelo desenvolvdo nesta dssertação para otmzar o despacho de geradores dstrbuídos com o obetvo de reduzr os custos da rede

Leia mais

Introdução a Combinatória- Aplicações, parte II

Introdução a Combinatória- Aplicações, parte II Introdução a Combnatóra- Aplcações, AULA 7 7.1 Introdução Nesta aula vamos estudar aplcações um pouco dferentes das da aula passada. No caso estudaremos arranjos com repetção, permutações crculares e o

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções

Leia mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS 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 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. 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 mais

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.

Modelo 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 mais

Balanceamento das cargas nas respectivas fases do circuito [8]: Posicionamento do transformador abaixador: Recondutoramento dos circuitos:

Balanceamento das cargas nas respectivas fases do circuito [8]: Posicionamento do transformador abaixador: Recondutoramento dos circuitos: A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 2003, Natal-RN PLANEJAMENTO DE CIRCUITOS SECUNDÁRIOS DE DISTRIBUIÇÃO USANDO ALGORITMO EVOLUTIVO ESPECIALIZADO Antono Marcos Coss Grupo

Leia mais

ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS

ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS DECvl ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO ÉTODO DE CROSS Orlando J. B. A. Perera 20 de ao de 206 2 . Introdução O método teratvo ntroduzdo por Hardy Cross (Analyss of Contnuous Frames by Dstrbutng Fxed-End

Leia mais

Optimização com variáveis discretas

Optimização com variáveis discretas Engenhara de Processos e Sstemas Optmzação com varáves dscretas Fernando Bernardo Fev 2013 mn f ( x,, θ ) x, s. t. h( x,, θ ) = 0 g( x,, θ ) 0 x x x L U x real, {0,1} Por que necesstamos de varáves dscretas?

Leia mais

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas

Leia mais

Diferença entre a classificação do PIB per capita e a classificação do IDH

Diferença entre a classificação do PIB per capita e a classificação do IDH Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

GARANTIA DE EXCELENTE INTERCAMBIALIDADE E REDUÇÃO DE CUSTOS ATRAVÉS DA ANÁLISE ESTATÍSTICA DE TOLERÂNCIAS

GARANTIA DE EXCELENTE INTERCAMBIALIDADE E REDUÇÃO DE CUSTOS ATRAVÉS DA ANÁLISE ESTATÍSTICA DE TOLERÂNCIAS GARANIA DE EXCELENE INERCAMBIALIDADE E REDUÇÃO DE CUSOS ARAVÉS DA ANÁLISE ESAÍSICA DE OLERÂNCIAS Edvaldo Antono Bulba* *Prof. Dr. da Fatec SP FEI e Unversdade São Judas E mal: bulba@fe.edu.br Resumo Numa

Leia mais

Prioridades com Teste de Escalonabilidade

Prioridades com Teste de Escalonabilidade rordades + Teste de Escalonabldade Sstemas de Tempo Real: rordades com Teste de Escalonabldade Rômulo Slva de Olvera Departamento de Automação e Sstemas DAS UFSC Cada tarefa recebe uma prordade Escalonamento

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS 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 mais

Um Modelo De Programação Linear Inteira Mista Para A Localização De Armazéns E A Distribuição De Produtos Siderúrgicos

Um Modelo De Programação Linear Inteira Mista Para A Localização De Armazéns E A Distribuição De Produtos Siderúrgicos A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 2003, Natal-RN Um Modelo De Programação Lnear Intera Msta Para A Localzação De Armazéns E A Dstrbução De Produtos Sderúrgcos Carlos Roberto

Leia mais

METODOLOGIA DE GERAÇÃO DE REDES SECUNDÁRIAS DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA PARA ESTUDOS DE PLANEJAMENTO

METODOLOGIA DE GERAÇÃO DE REDES SECUNDÁRIAS DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA PARA ESTUDOS DE PLANEJAMENTO METODOLOGIA DE GERAÇÃO DE REDES SECUNDÁRIAS DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA PARA ESTUDOS DE PLANEJAMENTO Leonardo Mendonça Olvera de Queroz Faculdade de Engenhara Elétrca e de Computação FEEC Unversdade

Leia mais

2 Análise de Campos Modais em Guias de Onda Arbitrários

2 Análise de Campos Modais em Guias de Onda Arbitrários Análse de Campos Modas em Guas de Onda Arbtráros Neste capítulo serão analsados os campos modas em guas de onda de seção arbtrára. A seção transversal do gua é apromada por um polígono conveo descrto por

Leia mais

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação

Leia mais

Interpolação Segmentada

Interpolação Segmentada Interpolação Segmentada Uma splne é uma função segmentada e consste na junção de váras funções defndas num ntervalo, de tal forma que as partes que estão lgadas umas às outras de uma manera contínua e

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Aprendzagem de Máquna Alessandro L. Koerch Programa de Pós-Graduação em Informátca Pontfíca Unversdade Católca do Paraná (PUCPR) Máqunas de Vetor de Suporte Introdução Support Vector Machnes SVM Método

Leia mais

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

UMA 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 mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Análise Dinâmica de uma Viga de Euler-Bernoulli Submetida a Impacto no Centro após Queda Livre Através do Método de Diferenças Finitas

Análise Dinâmica de uma Viga de Euler-Bernoulli Submetida a Impacto no Centro após Queda Livre Através do Método de Diferenças Finitas Proceedng Seres of the Brazlan Socety of Appled and Computatonal Mathematcs, Vol. 4, N., 06. Trabalho apresentado no DINCON, Natal - RN, 05. Proceedng Seres of the Brazlan Socety of Computatonal and Appled

Leia mais

Redes de Petri. Definições:

Redes de Petri. Definições: Redes de Petr Defnções: Uma Rede de Petr (PN) é m grafo dreto bpartdo o qal tem dos tpos de nós denomnados lgares (qe representam estados) e transções (qe representam eventos). O estado é alterado pelo

Leia mais

Eletrotécnica AULA Nº 1 Introdução

Eletrotécnica AULA Nº 1 Introdução Eletrotécnca UL Nº Introdução INTRODUÇÃO PRODUÇÃO DE ENERGI ELÉTRIC GERDOR ESTÇÃO ELEVDOR Lnha de Transmssão ESTÇÃO IXDOR Equpamentos Elétrcos Crcuto Elétrco: camnho percorrdo por uma corrente elétrca

Leia mais

Psicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo

Psicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo Modelos Conexonstas com tempo contínuo Mutos fenômenos de aprendzado assocatvo podem ser explcados por modelos em que o tempo é uma varável dscreta como nos casos vstos nas aulas anterores. Tas modelos

Leia mais

2 Principio do Trabalho Virtual (PTV)

2 Principio do Trabalho Virtual (PTV) Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades

Leia mais

Problemas de engenharia

Problemas de engenharia Análse de Sstemas de otênca Análse de Sstemas de otênca ( AS ) Aula 3 Operação Econômca de Sstemas de otênca 03//008 roblemas de engenhara Análse de Sstemas de otênca ( AS ) ANÁLISE Defndo o sstema, determnar

Leia mais

PROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS. N. R. Candido, V.B. G.

PROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS. N. R. Candido, V.B. G. PROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS N. R. Canddo, V.B. G. Campos RESUMO Apresenta-se neste trabalho um procedmento de auxílo à decsão

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas

Leia mais

Testes não-paramétricos

Testes 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 mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

Leia mais

4 Autovetores e autovalores de um operador hermiteano

4 Autovetores e autovalores de um operador hermiteano T (ψ) j = ψ j ˆT ψ = k ψ j ˆT φ k S k = k,l ψ j φ l T (φ) S k = k,l φ l ψ j T (φ) S k = k,l SljT (φ) S k. Após todos esses passos vemos que T (ψ) j = k,l S jl T (φ) S k ou, em termos matrcas T (ψ) = S

Leia mais

2 Incerteza de medição

2 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 mais

CURSO A DISTÂNCIA DE GEOESTATÍSTICA

CURSO A DISTÂNCIA DE GEOESTATÍSTICA CURSO A DISTÂNCIA DE GEOESTATÍSTICA Aula 6: Estaconardade e Semvarânca: Estaconardade de a. ordem, Hpótese ntríseca, Hpótese de krgagem unversal, Crtéros para escolha, Verfcação, Representatvdade espacal,

Leia mais

Programação Linear 1

Programação Linear 1 Programação Lnear 1 Programação Lnear Mutos dos problemas algortmcos são problemas de otmzação: encontrar o menor camnho, o maor fluxo a árvore geradora de menor custo Programação lnear rovê um framework

Leia mais

Modelagem do crescimento de clones de Eucalyptus via modelos não lineares

Modelagem do crescimento de clones de Eucalyptus via modelos não lineares Modelagem do crescmento de clones de Eucalyptus va modelos não lneares Joselme Fernandes Gouvea 2 Davd Venanco da Cruz 3 Máco Augusto de Albuquerque 3 José Antôno Alexo da Slva Introdução Os fenômenos

Leia mais

Mecanismos de Escalonamento

Mecanismos de Escalonamento Mecansmos de Escalonamento 1.1 Mecansmos de escalonamento O algortmo de escalonamento decde qual o próxmo pacote que será servdo na fla de espera. Este algortmo é um dos mecansmos responsáves por dstrbur

Leia mais

Procedimento Recursivo do Método dos Elementos de Contorno Aplicado em Problemas de Poisson

Procedimento Recursivo do Método dos Elementos de Contorno Aplicado em Problemas de Poisson Trabalho apresentado no III CMAC - SE, Vtóra-ES, 015. Proceedng Seres of the Brazlan Socety of Computatonal and Appled Mathematcs Procedmento Recursvo do Método dos Elementos de Contorno Aplcado em Problemas

Leia mais

DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS

DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS 177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,

Leia mais

Introdução às Medidas em Física a Aula

Introdução às Medidas em Física a Aula Introdução às Meddas em Físca 4300152 8 a Aula Objetvos: Experênca Curvas Característcas Meddas de grandezas elétrcas: Estudar curvas característcas de elementos resstvos Utlzação de um multímetro Influênca

Leia mais

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.

Universidade 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 mais

Adriana da Costa F. Chaves

Adriana da Costa F. Chaves Máquna de Vetor Suporte (SVM) para Regressão Adrana da Costa F. Chaves Conteúdo da apresentação Introdução Regressão Regressão Lnear Regressão não Lnear Conclusão 2 1 Introdução Sejam {(x,y )}, =1,...,,

Leia mais

Atividade em Soluções Eletrolíticas

Atividade em Soluções Eletrolíticas Modelo de solução eletrolítca segundo Debye-Hückel. - A le lmte de Debye-Hückel (LLDH) tem o lmte que está em: I 0,01. log z.z A I 1/ valêncas do íons + e do eletrólto I 1 [ z b / b ] constante que depende

Leia mais

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

Leia mais

Matemática. Veículo A. Veículo B. Os gráficos das funções interceptam-se quando 50t = 80t

Matemática. Veículo A. Veículo B. Os gráficos das funções interceptam-se quando 50t = 80t Matemátca 0 Dos veículos, A e B, partem de um ponto de uma estrada, em sentdos opostos e com velocdades constantes de 50km/h e 70km/h, respectvamente Após uma hora, o veículo B retorna e, medatamente,

Leia mais

METOLOGIA. 1. Histórico

METOLOGIA. 1. Histórico METOLOGIA A Sondagem da Construção Cvl do RS é uma sondagem de opnão empresaral realzada mensalmente e fo crada pela Confederação Naconal da Indústra (CNI) com o apoo da Câmara Braslera da Indústra da

Leia mais