UM MÉTODO HÍBRIDO ENVOLVENDO OS MÉTODOS DE PONTOS INTERIORES E BRANCH-AND-BOUND EM PROBLEMAS MULTIOBJETIVO REFERENTES AO CULTIVO DA CANA-DE-AÇÚCAR

Tamanho: px
Começar a partir da página:

Download "UM MÉTODO HÍBRIDO ENVOLVENDO OS MÉTODOS DE PONTOS INTERIORES E BRANCH-AND-BOUND EM PROBLEMAS MULTIOBJETIVO REFERENTES AO CULTIVO DA CANA-DE-AÇÚCAR"

Transcrição

1 U ÉTODO HÍBRIDO ENVOLVENDO OS ÉTODOS DE PONTOS INTERIORES E BRANCH-AND-BOUND E PROBLEAS ULTIOBJETIVO REFERENTES AO CULTIVO DA CANA-DE-AÇÚCAR Camla de Lma Programa de Pós-Graduação em Egehara Elétrca, FEB, UNESP, CEP: , Bauru, SP. E-mal: cadlma@yahoo.com.br Atoo Roberto Balbo Departameto de atemátca, FC, UNESP, CEP: , Bauru, SP. E-mal: arbalbo@fc.uesp.br Helece Floreto Slva de Olvera Departameto de Boestatístca, IBB, UNESP, CEP: , Botucatu, SP. E-mal: helece@bb.uesp.br RESUO O objetvo deste trabalho é desevolver e aplcar um método híbrdo que evolve os métodos prevsor-corretor prmal-dual de potos terores e brach-ad-boud em problemas referetes à mmzação do custo de colheta da caa-de-açúcar, à mmzação do custo da coleta e trasporte da bomassa resdual e/ou à maxmzação de geração de eerga da bomassa. O método prevsor-corretor prmal-dual de potos terores é utlzado para se obter a solução ótma relaxada do modelo. A partr desta, utlza-se o método brach-ad-boud para determar a solução ótma tera 0- relacoada às restrções de tegraldade do problema, relatvas à escolha das varedades a serem platadas, cosderado as áreas mecazáves e semmecazáves. Os testes são realzados através de uma mplemetação computacoal em C++ e os resultados umércos obtdos são comparados àqueles publcados a lteratura, demostrado que o procedmeto é efcete e determa a solução ótma do problema. PALAVARAS-CHAVE: étodo Prevsor-Corretor Prmal Dual de Potos Iterores, étodo Brach-ad-Boud, Bomassa Resdual da Caa-de-Açúcar. ÁREA PRINCIPAL: P - Programação atemátca. ABSTRACT The am of ths wor s develop ad apply a hybrd method volvg the predctorcorrector prmal-dual teror pots ad the brach-ad-boud methods problems of the sugarcae harvest cost mmzato, besdes the collect ad trasportato cost mmzato ad/or the eergy geerato maxmzato from waste sugarcae bomass. The predctorcorrector prmal-dual teror pot method s used to obta the real optmal soluto of the model. The, the brach-ad-boud method s appled to determe the 0- teger optmal soluto related to tegralty costrats of the problem, to choose the sugarcae varetes must be plated, cosderg the mechazed ad sem-mechazed areas. Tests have bee realzed by computatoal mplemetato C++ programmg laguage ad the obtaed umerc results are compared wth those publshed lterature showg that the procedure s effcet ad determes the optmal soluto to the problem. KEYWORDS: Prmal-Dual Iteror Pot ethod, Brach-ad-Boud ethod, Sugarcae Bomass. AIN AREA: P - athematcal Programmg. 278

2 . Itrodução Equato Secto Há algus aos, as usas hdrelétrcas eram resposáves por cerca de 90% da produção de eerga do Brasl, vsto que o país possu um dos maores parques hdrelétrcos do mudo. De acordo com Pellegr (2002), esses dados têm sofrdo algumas mudaças. Detre estas, houve a trodução de ovas fotes de eerga, como as que exploram o gás atural, a eerga uclear, e as eergas reováves, as quas utlzam recursos que são reabastecdos aturalmete, promovedo um meor mpacto ambetal e atededo aos prcípos de sustetabldade, detre elas destacam-se a eerga solar, a eerga eólca e eerga cogerada pela bomassa resdual. A cogeração cosste em um processo de produção smultâea e seqüecada de duas ou mas formas de eerga a partr de um úco combustível, que podem ser covertdas para cosumo própro ou veda, segudo Lma (2009). Vsto a baxa produção de mcro poluetes, o uso da bomassa como fote a cogeração de eerga tem sdo avalada como uma possível solução eergétca e ambetal. A caa-de-açúcar etra esse cotexto, por ser bastate cultvada o Brasl e por gerar uma grade quatdade de resíduos o solo, como folhas, palhas, poteros e frações de colmo, o que cetva o aprovetameto desta bomassa resdual para a cogeração de eerga. De acordo com Ramos (200), a probção das quemadas, utlzadas o processo de colheta semmecazada, provocou maor exploração e utllzação do sstema de colheta mecazado, o que ocasoou um aumeto sgfcatvo a quatdade de resíduos o solo, que favoreceram o aparecmeto de pragas, a cotamação do solo, e o comprometmeto da próxma safra. Neste processo houve vestmetos das usas para o reaprovetameto desta bomassa resdual que, além de resolver este problema, possbltou a cogeração de eerga e utlzação desta o setor sucro-alcoolero. Além dsso, o período da colheta da caa-de-açúcar cocde com o período de estagem das prcpas bacas hdrográfcas do parque hdrelétrco braslero, e ada, exste a possbldade de armazeameto da bomassa por um determado período até uma maor ecessdade ou maor valor de comercalzação desta eerga. Assm, mutos estudos têm sdo propostos vsado otmzar o custo de coletar e trasferr a caa-de-açúcar e a bomassa resdual, do campo para o cetro de processameto, bem como ao uso deste resíduo para a geração de eerga, cosderado-se os dos sstemas destados ao plato: o sstema mecazável, que gera bomassa para a produção de eerga, e o sstema semmecazável, que ão gera bomassa resdual, mas flueca dretamete o custo de coleta e dretamete a produção de eerga do processo. Nos trabalhos de Floreto (2006), Toleto (2007) e Homem (200), são dscutdos modelos matemátcos para a escolha de varedades de caa-de-açúcar que buscam otmzar o custo de coleta da bomassa resdual e/ou a geração de eerga. Ramos (200) e Slva (20) apresetam modelos de mmzação de custo da colheta da caa-de-açúcar, cosderado áreas mecazáves e sem-mecazáves em sua formulação. Este trabalho tem por objetvo utlzar um procedmeto híbrdo evolvedo métodos prevsor-corretor prmal-dual de potos terores e brach-ad-boud para a resolução dos modelos relatvos à colheta da caa-de-açúcar, que cosdera as áreas sem-mecazáves e mecazáves para o plato e ao aprovetameto de resíduos de caa-de-açúcar, relatvos à mmzação do custo de coleta e trasporte da bomassa resdual e/ou maxmzação de geração de eerga da bomassa, com restrção o úmero de varedades a serem platadas os talhões. 2. étodo prevsor-corretor prmal-dual de potos terores e brach-ad-boud Equato Secto (Next) Seja o segute problema prmal defdo para varáves caalzadas: em que A x c l u m m R, b R,,,, mzar Sujeto a : R e A com posto m. T c x Ax = b l x u Tem-se etão, o segute problema equvalete ao problema orgal (2.): (2.) 279

3 T mzar c x T mzar c x Ax = b Ax = b Sujeto a : Sujeto a : x r = l e x + z = u x l e x u r 0 e z 0 Cosderado o problema de programação lear (PPL) com restrções leares de gualdade e varáves caalzadas (2.2), este é redefdo através de um PPNL Prmal-Dual rrestrto que é defdo a partr da fução Lagragaa Barrera Logarítmca L ( x, w, z, r, y, s) T T T T µ : L µ ( x, w, z, r, y, s ) = c x + w ( b Ax ) + s ( l + r x ) + y ( x + z u ) µ l( z ) µ l( r ) (2.2) = = (2.3) m Em que: w R e y, s R ; s 0, y 0, são as varáves duas do problema e µ > 0 é o parâmetro de barrera ou parâmetro de cetragem. Assm, a partr de (2.3), temos as segutes codções de otmaldade de Karush-Kuh- Tucer (KKT) para este problema: Ax = b (2.4) x r = l (2.5) x + z = u (2.6) T A w + s y = c (2.7) RSe µ e = 0 (2.8) ZYe µ e = 0 (2.9) Em que: R, Z, S e Y são matrzes dagoas, respectvamete com r, z, s e y como elemetos dagoas e e = (,, ) T. Cosderado o problema (2.2) e a restrção x r = l, otase que quado l = 0, temos que x = r, desta forma, a codção de otmaldade (2.8) pode ser reescrta como: XSe µ e = 0 (2.0) Em que: X é uma matrz dagoal tedo x como elemetos da dagoal. A partr das codções de (2.4) a (2.0) determam-se as dreções de busca, ( d ; d ; d ; d ; d P D ), o comprmeto do passo, α x z w s y, relacoado às dreções prmas, eα, relacoado às dreções duas, um crtéro de parada para a determação de uma ova solução ( x ; z ; w ; s ; y ) e defem-se os passos do algortmo a segur, de acordo com Wu et al. (994). Este algortmo é complemetado o passo 0 pelo método brach-ad-boud, que é usado para tegralzar as soluções obtdas pelo método prmal-dual, baseado-se em Bazaara e Shetty (979), Borches e tchell (992) e Homem et al.(20). 2. Algortmo prevsor-corretor prmal-dual e brach-ad-boud (PDBB) Passo : Ajustar = 0 e ecotrar uma solução cal x z w s y P D, ou ( ; ; ; ; ) seja, uma solução cal factível. Seja ε, ε, ε, ε, ε > 0 pequeas tolerâcas postvas auxlares ao passo 2 do algortmo. t b Ax Passo 2: Testar a otmaldade de solução: Se = ε, b + b + T g c A w s + y = ε c + c + c x ( b w g y ) T T T, ε, v < ε, q < ε, 0 < x < g 2 T c x +, s > 0 e y > 0 etão pare, a solução x, z, w, s, y obtda é ótma. Caso cotráro, cotue. Passo 3: Fazer os cálculos termedáros do passo prevsor: t = b Ax, T f = u x z (resíduos prmas); g = c A w s + y (resíduo dual), v = µ e X S e, e = µ (folgas complemetares); θ = ( X S + Z Y ), e p = Z ( Y f q ) + X v ; q e Y Z e 280

4 Passo 4 : Calcular as dreções d, d, d, d e d do passo prevsor: x z w s y T d = θ ( A d + p g ), T d = X ( v S d ) d = d + f, d = ( Aθ A ) Aθ ( p g ) t x w s x z x w + + e d = Z ( q Y d ). Tal que y z X, Z, S e Y são matrzes dagoas, com x, z, s e y, respectvamete, como seus elemetos dagoas. Passo 5: Fazer os cálculos termedáros do passo corretor (atualzar os termos de seguda ordem das folgas complemetares): v = µ e X S e D D, e q = µ e Z Y e D D e. x s z y Em que: D = Dag( d ), D = Dag( d ), D = Dag( d ), e D = Dag( d ). x x s s z z y y Passo 6 : Atualzar as dreções d, d, d, d e d do passo corretor : x z w s y T d = θ ( A d T + p g ) d = ( Aθ A ) Aθ ( p g ) t, d d f x w w + + = + d = X ( v S d ) e z x s x d = Z ( q Y d ). y z Passo 7: Testar a lmtaredade: Se t = 0, f = 0, d, d > 0, e t c d < 0, etão o x z x problema prmal é lmtado. Se g = 0, d, d, d > 0 e t b d > 0, etão o problema dual é w s y w lmtado. Se ambos os casos acotecem, etão PARE. Se d, d, d, d, d = 0, etão também x z w s y PARE, x, z, w, s, y são soluções ótmas dos problemas prmal e dual, respectvamete. Caso cotráro r para o Passo 8. P 2 Passo 8: Calcular os comprmetos dos passos prmal e dual: α m{, α, α } { α 3 α 4 } D α = m,,, em que α x α = m / dx 0, < dx 3 α s α = m / ds 0, 4 α y < α = m / dy 0 ds < dy Passo 9: Determar uma ova solução:, em que 0 < α <. = e 2 α z α = m / dz 0, < dz x = x + α d, z = z + α d, w = w + α d, s = s + α d, e y = y + α d + P + P + D + D + D x z w s y Atualzar + e r para o Passo 2. Passo 0: étodo Brach-ad-Boud Para cada x, se x 0.95 assuma x =, o que mplca que a varedade será platada o talhão j, e faça xh = 0, h, para h =,..., em todos os h s restates e j =,...,. (em que h é úmero de varedades e j é o úmero de talhões, e ambos são formados pelo usuáro de acordo com o modelo em questão). Para as varáves restates, dferetes de 0 ou, percorra todos os ós cujas compoetes x s que ada ão atederam o crtéro de tegraldade ( 0 < x < 0,85), de tal forma que somete uma compoete assuma o valor para cada ível da árvore, verfcado a vabldade e a otmaldade. Armazee sempre o meor valor da fução objetvo ecotrado. Um fluxograma que detalha os procedmetos a serem fetos o passo 0 é vsto em Homem (200). O algortmo PDBB é defdo através de um procedmeto evolvedo os métodos prmal-dual e brach-ad-boud e é proposto para a resolução dos modelos defdos a seção 3, da segute forma: ) Os passos de a 9 resolvem o modelo relaxado para as varáves lmtadas superormete x u ; 0 ) O passo 0, que utlza o método brach-ad-boud, tegralza a varável x ( x = 0 ou x = u = ) para cada ível da árvore. A varável x = mplca que a varedade deverá ser platada em um talhão j. 28

5 Observação: o método prevsor-corretor proposto é varate daquele proposto por ehrota(992) dferecado-se deste por já utlzar o passo prevsor formações do parâmetro de barrera µ, o que melhora a efcêca do método por evtar que os potos defdos por este aproxmem-se da frotera do problema o passo prevsor, podedo, clusve, vablzá-los. Equato que, o passo corretor, este reajusta as dreções com formações dos aproxmates de seguda ordem referetes às codções de complemetardade, possbltado que, o procedmeto de cetragem do passo prevsor mas o ajuste feto o passo corretor, acelerem a covergêca do processo, para a determação da solução ótma do problema cotíuo. 3. odelagem atemátcaequato Secto (Next) 3. odelo I mzação do custo de colheta da caa-de-açúcar O problema cosste em determar quas das varedades devem ser platadas os talhões j de medda L j (ha) e dstâca D j (Km) do cetro de produção (j=,2,...,) e, que ofereça o meor custo possível para o processo de colheta e de trasporte da caa-de-açúcar do campo para a usa. Para formulação do modelo, a área para plato fo dvdda em duas partes, uma parte para plato da caa que será colhda crua (l talhões) e outra para caa que deverá ser quemada a pré-colheta ((-l) talhões), devdo aos dferetes custos para cada tpo de colheta. Para a formulação da fução objetvo do modelo são fetos os cálculos dos custos evolvdos o processo, baseado-se em Ramos (200) e Slva (20). Na colheta de caa quemada têm-se os custos de acero, quema, corte maual, carregameto da caa para o camhão e trasporte da caa do campo para a usa. Na colheta mecazada têm-se os custos de corte e trasporte da caa do campo para a usa. Estes dados estão apresetados as tabelas 2, 3 e 4 da seção 4. O custo de trasporte da varedade platada o talhão j (Ct ) a uma dstâca (D j ) do talhão j para a usa: Ct = c. D (3.) med j Em que: =, 2,..., são os ídces que represetam as varedades; j =, 2,..., são os ídces que represetam os talhões; é o custo médo do trasporte da caa por m; e D j é a cmed dstâca do talhão j do cetro de processameto, em talhões. O custo de colheta e trasporte da caa-de-açúcar de varedade platada o talhão C j o sstema sem-mecazado é calculado da segute forma: C = ( Ca + Cq + Cco + Cca + Ct ). L (3.2) j Em que: Ca é o custo de acero da varedade (R$.ha - ); Cq é o custo da quema da varedade (R$.ha - ); Cco é o custo de corte da varedade (R$.ha - ); Cca é o custo de carregameto da varedade (R$.ha - ); Ct é o custo de trasporte da varedade platada o talhão j (R$.ha - ), calculado em (2.); e L j é área do talhão j, em hectare. No sstema mecazado o custo, C, de colheta e trasporte da caa de varedade platada o talhão j, é calculado da segute forma: C = ( Cco + Ct ). L (3.3) j Em que: Cco é o custo de corte da varedade (R$.ha - ); Ct é o custo de trasporte da varedade platada o talhão j (R$.ha - ), calculado em (2.); e L j é área do talhão j, em hectare. A partr dos cálculos (3.2) e (3.3), é proposta a fução objetvo do modelo que vsa o meor custo possível o processo de colheta. Para a efcêca do modelo, deve-se satsfazer as restrções de sacarose e de fbra da caa (recomedações da empresa para mater a qualdade da caa e a demada de açúcar e álcool) e usar toda a área destada para o plato da caa (mecazada e sem-mecazada). Este modelo é defdo a segur: l mzar CCT = C X + C X = j= = j= l+ (3.4) 282

6 Sujeto a : A X PT ; = j= F T F X F T; I S = j= = = ; X = 0 ou, =, 2,..., e j =, 2,..., X Em que: CCT é o custo do processo de colheta e trasporte da caa de açúcar; =, 2,..., são os ídces que represetam as varedades, j =, 2,..., são os ídces que represetam os talhões; l é úmero de talhões em que se cosdera o sstema mecazado; l é o úmero de talhões em que se cosdera o sstema sem-mecazado; C (3.5) é o custo da colheta e do trasporte da caa de varedade platada o talhão j ( j =,..., l ), o sstema mecazado; C é o custo da colheta e do trasporte da caa de varedade platada o talhão j ( j = l+,..., ), o sstema sem-mecazado; X são as varáves de decsão, tas que, X = mplca que a caa de varedade deve ser platada o talhão j e em caso cotráro X = 0; A é a estmatva de produção de sacarose da varedade (t/ha); P é a quatdade míma estabelecda para a POL da caa; T é o úmero total de talhões; F é a estmatva do teor de fbra da varedade ; FI e FS são as quatdades mímas e máxmas estabelecdas para a fbra da caa. Com o tuto de utlzar mas varedades, seru-se ao modelo uma restrção que lmta a quatdade que cada tpo de varedade pode ser platada. X (3.6) Em que: é o úmero máxmo que cada varedade pode ser platada. j= 3.2 odelo II mzação do custo de coleta da bomassa resdual de caa-de-açúcar resultate da colheta em áreas mecazáves Para a costrução do modelo de mmzação do custo da coleta da bomassa resdual é ecessáro que se calcule o custo do aprovetameto do palhço. Segudo Floreto (2006) e Homem (200) têm-se os estágos realzados para o recolhmeto: prmeramete, o palhço é elerado, em seguda é passado em uma máqua para compactação, depos é carregado o camhão e falmete trasportado para o cetro de processameto. Assm, o custo de coleta do palhço da caa-de-açúcar da varedade platada o talhão j (CC ) é calculado pela soma do custo evolvdo o processo de elerar, compactar e carregar o camhão com o palhço da varedade (C ) e o custo de trasporte (CT ), multplcada à área do talhão j (L j ), calculados através das tabelas, 4 e 5, apresetadas a seção 4. Abaxo segue a expressão do custo: CC = C + CT L (3.7) ( ) j Desta forma, o modelo cosste em determar quas das varedades devem ser platadas os talhões j de medda L j (ha) e dstâca D j (Km) do cetro de produção e, que ofereça o meor custo possível para o processo de trasferêca do palhço do campo para o cetro de processameto, atededo as restrções de demada de sacarose e fbra, área de plato, e o plato de apeas uma varedade de caa-de-açúcar por talhão. Este modelo é defdo a segur: mzar CC X (3.8) Sujeto a: Restrções (3.5) Cosdera-se CC é o custo de coleta do palhço da caa de varedade platada o talhão j, calculada em (3.7); e as restrções (3.5) são defdas a seção 3.. = j= 283

7 3.3 odelo III axmzação do balaço de eerga para o aprovetameto do palhço resultate da colheta em áreas mecazáves Aalogamete, para a costrução do modelo de maxmzação, calcula-se ates, o balaço de eerga. De acordo com Floreto (2006) e Floreto (20), o balaço de eerga para o aprovetameto do palhço é obtdo pela dfereça etre a eerga proveete do palhço da varedade platada o talhão j (EB ) e a eerga gasta a trasferêca palhço da varedade platada o talhão j (ET B ) que é a soma das eergas gastas para elerar e compactar (E EC ), carregar (E C ) e trasportar esta bomassa (E T ), calculadas através dos dados das tabelas, 4 e 5 apresetados a seção 4. A fórmula do balaço de eerga é apresetada a segur: BE = EB ET (3.9) B Assm, o modelo cosste em determar quas das varedades de caa-de-açúcar devem ser platadas os talhões de área L j (ha) e dstâca D j (Km)da usa, que o produza o máxmo balaço de eerga o seu aprovetameto. Assm como o modelo ateror, este problema cosdera as restrções de demada de sacarose e fbra de caa, uso total da área destada ao plato, e o plato de apeas uma varedade de caa-de-açúcar por talhão. A segur, o modelo é defdo. axmzar BE X (3.0) Sujeto a: Restrções (3.5) Em que BE é o cálculo do balaço de eerga o aprovetameto do palhço de caa produzdo da varedade o talhão j, calculados em (3.9), e as restrções (3.5) são defdas a seção odelo IV Problema ult-objetvo Este modelo cosste em determar quas das varedades de caa-de-açúcar devem ser platadas os talhões de área L j (ha) e dstâca D j (Km) da usa, que vestgue, smultaeamete, o mímo custo total de colheta da caa-de-açúcar e coleta de resíduos e o máxmo balaço de eerga o aprovetameto de resíduos resultates da colheta em áreas mecazáves, os quas têm objetvos cofltates, levado em cosderação restrções como quatdade de produção de sacarose e fbra de caa-de-açúcar, uso total da área destada ao plato e o plato de apeas uma varedade de caa-de-açúcar por talhão. O modelo matemátco é defdo por: = j= ( ;( ) ) mzar CT BET (3.) Sujeto a: Restrções (3.5) Em que CT é o custo total gasto pela usa a colheta da caa-de-açúcar e a coleta de seus resíduos, cosderado as áreas mecazáves e sem-mecazáves, que é expresso por l CT = ( C + CC ) X + ( C + CC ) + X ; tal que = j= = j= l+ C está defdo em (3.3); defda em (3.7), porém cosdera apeas as áreas mecazáves, aalogamete somete as áreas sem-mecazáves; C CC CC está cosdera está defdo em (3.2); BET é o balaço de eerga total o aprovetameto de resíduos da caa-de-açúcar, que é expresso por BET BE X BE X ; tal que BE = l + = j= = j= l+ as áreas mecazáves, aalogamete BE está defda em (3.9), porém cosdera apeas cosdera somete as áreas sem-mecazáves; e as restrções (3.5) são defdas o modelo de mmzação do custo de coleta da bomassa resdual da caa-de-açúcar, a seção 3.. Neste trabalho, os cálculos de custo de coleta e do balaço de eerga a partr do aprovetameto de resíduos das áreas sem-mecazáves ( CC e BE ) serão cosderados ulos, vsto que a colheta esta área ão gera resíduos. Futuramete, pretede-se serr o modelo, dados para a cogeração de eerga referetes ao bagaço da caa, e estes serão cosderados tato em áreas mecazáves quato em áreas sem-mecazáves. 284

8 Geralmete, os modelos multobjetvo são de dfícl resolução e a maora das vezes exgem a terveção do usuáro para a determação de soluções satsfatóras (efcetes). Assm, para a resolução deste modelo multobjetvo, será utlzada a estratéga de otmzação cohecda por Otmaldade de Pareto, apresetada em Deb (2004), que utlza o método da soma poderada (α-parametrzado), como estratéga de resolução. Desta forma, o modelo multobjetvo é redefdo, utlzado esta estratéga, através do segute modelo moo-objetvo: mzar αct ( α) BET (3.2) ( ) Sujeto a: Restrções (3.5) 4 Resultados Para a aplcação do método aos modelos vestgados foram utlzados dados ecessáros das tabelas de a 5, apresetadas por Floreto (2006), Lma (2009), Homem (200), Ramos (200) e Slva (20). A tabela apreseta os custos, cosumos, e recomedações referetes às 0 varedades e 6 talhões, em que Ce cc represeta o custo para elerar, compactar e carregar o palhço; Co, o cosumo de combustível do camhão usado o trasporte do palhço; P, o preço de um ltro de combustível; V c, a capacdade de carga do camhão a ser usado o trasporte do palhço; Ec EC, a eerga cosumda pelas máquas para elerar e compactar uma toelada de resíduo; Ec c, a eerga cosumda pela máqua para carregar o camhão com uma toelada do resíduo; Ec T, a eerga cosumda pelo camhão para o trasporte do resíduo; P, a quatdade míma recomedada de POL ; e FI e F S a produção míma e máxma de fbra. A tabela 2 apreseta as estmatvas por tpo de varedades, em que V represeta a estmatva do volume do palhço em toeladas da varedade ; P B, a produtvdade de palhço da varedade ; E CB, o poder calorífco útl do palhço produzdo pela varedade ; A, a produtvdade de açúcar fermetescível (POL) da varedade ; Q, a estmatva do volume do palhço por udade de área platada da varedade ; F, a produtvdade de fbra da varedade ; e P c é a produtvdade da caa-de-açúcar da varedade. A tabela 3 apreseta os custos referetes ao processo de trasporte. A tabela 4 apreseta os custos referetes ao processo de colheta. E por fm, a tabela 5 apreseta a área e a dstâca dos talhões à usa. As tabelas de a 5 são vstas a segur: Tabela : Custos e cosumos de combustível e eerga dos maquáros utlzados para a coleta do palhço e recomedações de teores de Pol e fbra da caa-de-açúcar Tabela 2: Estmatvas de valores por varedade Tabela 3: Custos evolvdos o processo de trasporte 285

9 Tabela 4: Custos evolvdos o processo de colheta Tabela 5: Área e dstâca dos talhões até a usa E ada, para a aplcação do método PDBB aos modelos apresetado as seções de 3. a 3.4, foram defdos os talhões 3 e para áreas sem-mecazáves, e os demas para as áreas mecazáves. Através da mplemetação do algortmo PDBB, vsto a seção 2., o software Borlad C++ Bulder 6.0, pode-se obter as soluções ótmas do modelos apresetado as seções de 3. a 3.4, e estes resultados foram comparados com aqueles obtdos pelo aplcatvo Solver do software Excel. Desta forma, os resultados obtdos por cada modelo são apresetados as seções de 4. a 4.4, a segur. As tabelas apresetadas represetam os valores reas obtdos pelos passos de a 9 do algortmo PDBB, e dcam quas ídces devem ser ramfcados. Na colua Passo 0 étodo PDBB estão dcadas as varedades para plato, ecotrada pelo passo 0 do método. 4. odelo I mzação do custo de colheta da caa-de-açúcar A tabela 6 apreseta os resultados reas e teros obtdos a partr da aplcação do algortmo PDBB, proposto a seção 2., para o modelo de mmzação do custo de colheta de caa-de-açúcar, vsto a seção 3., baseado-se em Slva (20), mas acrescetado à sua formulação, a ova restrção (3.6), apresetada a seção 3.. O valor da fução objetvo ecotrada pelo método PDBB obtdos pelos passos de a 9, em 2 terações, é de aproxmadamete R$43.395, Após a tegralzação das varáves, através do passo 0 do método, obteve-se uma melhora o custo da mmzação da colheta, que passou a ser: R$ R$ , Tabela 6: Resultados obtdos a partr da mplemetação do método PDBB 286

10 A partr da tabela 6, é possível otar que ão é feta ehuma ramfcação os talhões 3, 0 e 6, valores destacados a prmera colua em destaque, vsto que, são valores acma de 0,8. Pelo passo 0 do método PDBB, estes são tegralzados, e assumem o valor, determado o plato dessa varedade. Para a determação do plato os demas talhões, fo ecessára a ramfcação através do passo 0 do método PDBB para a tegralzação dos resultados. A partr da solução relaxada, realzou-se o passo 0 do método PDBB, que após 9 terações, tegralzou os resultados e determou o plato da varedade -SP80-86 para os talhões 3, 0 e 6, da varedade 3 SP os talhões 2, 4 e 2, da varedade 6 RB8553 os talhões 9, 3 e 4, da varedade 7 SP79-0 o talhão 8, da varedade 8 RB os talhões 5, 6 e 5, e da varedade 0 SP70-43 os talhões, 7, e, que são apresetados a colua Passo 0 étodo PDBB. 4.2 odelo II mzação do custo de coleta da bomassa resdual de caa-de-açúcar resultate da colheta em áreas mecazáves A tabela 7 apreseta os resultados obtdos a partr da aplcação do algortmo PDBB, proposto a seção 2., para o modelo de mmzação do custo de coleta da bomassa resdual de caa-de-açúcar, vsto a seção 3.2. O valor da fução objetvo ecotrada pelo método PDBB obtdos pelos passos de a 9, em 9 terações, é de aproxmadamete R$3625, Após a tegralzação, em uma úca teração, pelo passo 0 do método, o valor ótmo ecotrado fo de R$3688, Tabela 7: Resultados obtdos a partr da mplemetação do método PDBB Na tabela 7, é possível otar que ão é ecessára ehuma ramfcação, vsto que, os valores apresetados a prmera colua em destaque, são valores acma de 0,8. Pelo passo 0 do método PDBB, estes são tegralzados, e assumem valor, determado o plato da varedade 8 RB os talhões, 2, 4, 5, 6, 8, 9, 2, 3, 4 e 5, e o plato da varedade 0 SP70-43 os talhões 7, 0 e 6, dcado pela colua Passo 0 étodo PDBB. 4.3 odelo III axmzação do balaço de eerga para o aprovetameto do palhço resultate da colheta em áreas mecazáves Os resultados, apresetados pela tabela 8, são obtdos a partr da aplcação do algortmo PDBB, proposto a seção 2., o modelo de maxmzação do balaço de eerga para o aprovetameto do palhço resultate da colheta mecazável, vsto a seção 3.3. O valor da fução objetvo ecotrada pelo método PDBB obtdo pelos passos de a 9, em terações, é 287

11 de aproxmadamete R$29608, Após a tegralzação, em uma úca teração, pelo passo 0 do método, o valor ótmo ecotrado fo de R$29665,6737. Tabela 8: Resultados obtdos a partr da mplemetação do método PDBB Através dos valores apresetados pela tabela 8, é possível otar que ão é ecessára ehuma ramfcação, vsto que, os valores apresetados a prmera colua em destaque, são valores acma de 0,8. Pelo passo 0 do método PDBB, estes são tegralzados, e assumem valor, determado somete o plato da varedade 2 RB odelo IV Problema ult-objetvo Os resultados represetados pelo gráfco da fgura mostram a relação etre os valores de custo e balaço total, a partr da varação de α [0,], utlzado a estratéga de resolução da soma poderada das fuções objetvo, apresetada a seção 3.4. Fgura : Gráfco que represeta as soluções efcetes do problema Como os objetvos cocomtates de mmzar o custo total e maxmzar o balaço de eerga total são cofltates, melhorar um dos objetvos mplca em porar o outro, como é vsto a curva de soluções efcetes apresetada a fgura. As soluções obtdas através da poderação realzada sobre as fuções objetvos, chamadas soluções efcetes, são de teresse, pos formam ao produtor a determação das varedades a serem platadas, de modo a ateder o mometo ecoômco de sua empresa. Todos os resultados obtdos pelo método PDBB e apresetados as seções de 4. a 4.4 foram comparados com aqueles apresetados pelo aplcatvo Solver do software Excel. A partr desta comparação, pode-se coclur que ambos determam as mesmas varedades a serem platadas os talhões, e em relação aos valores das fuções objetvos, obtêm os mesmos resultados, se dferecado apeas a partr da quta ou sexta casa decmal. 288

12 5 Coclusões Neste trabalho, desevolveu-se um procedmeto híbrdo que evolve os métodos prevsor-corretor prmal-dual de potos terores e brach-ad-boud (algortmo PDBB), para serem aplcados em problemas de programação lear tera 0-. Este fo utlzado para a resolução dos segutes modelos: mmzação do custo da colheta da caa-de-açúcar, que cosdera áreas mecazáves e sem-mecazáves, apresetado por Slva (20); mmzação da coleta da bomassa resdual, e maxmzação do balaço de eerga, cosderado apeas áreas mecazáves, apresetados por Floreto (2006), Floreto (20) e Homem (200); e o problema multobjetvo, assocado ao cultvo da caa-de-açúcar, com os objetvos cofltates de, mmzar o custo total de cultvo e maxmzar o balaço de eerga relatvo à bomassa resdual do processo. O algortmo PDBB fo mplemetado através do software Borlad C++ Bulder 6.0, aplcado aos problemas destacados, obtedo soluções ótmas para os quatro casos cosderados. Estas foram comparadas com aquelas determadas pelo aplcatvo Solver, do software Excel, e os resultados obtdos para um caso específco de dezesses talhões e dez varedades, revelaram o bom desempeho do método híbrdo proposto. Portato, o trabalho atgu os seus objetvos, relacoados ao uso do método PDBB à resolução dos modelos de cultvo e de aprovetameto da bomassa resdual da caa-de-açúcar, mostrado a vabldade de se utlzar esta técca de otmzação para auxlar as usas a seleção de varedades a serem platadas, de tal forma a otmzar o processo, respetado-se as restrções de produção caracterzadas os modelos. Referêcas Bazaraa,. S.; Shetty, C., Nolear Programmg: Theory ad Algorthms. Joh-Wlley & Sos, Ic., 979. Borches, B.; tchell, J. E., Usg a teror pot method a brach ad boud algorthm for teger programmg. Techcal Report 95, athematcal Sceces, Resselaer Polytechc Isttute, Troy, NY 280, arch 99, Revsed July 7, 992. Deb, K., ult-objectve optmzato usg evolutoary algorthms. Joh-Wlley & Sos Ltd., Floreto, H. O., Programação lear tera em problemas de aprovetameto da bomassa resdual de colheta da caa-de-açúcar. 64f. Tese (Lvre Docêca) Isttuto de Bocêcas de Botucatu, Uversdade Estadual Paulsta, Botucatu, SP, Floreto, H. O.; Lma, A. D; Balbo, A. R.; Carvalho L.; Homem, T. P. D., ultobjectve 0- teger programmg for the use of sugarcae resdual bomass eergy cogeerato. Iteratoal Trasactos Operatoal Research, v.8, p , 20. Homem, T. P. D., Procedmeto híbrdo evolvedo os métodos Prmal-Dual de Potos Iterores e Brachad-Boud em problemas multobjetvo de aprovetameto de resíduos de caa-de-açúcar. Dssertação (estrado em Egehara Elétrca), Faculdade de Egehara, Uversdade Estadual Paulsta. Bauru, 200. Homem, T.P.D.; Balbo, A. R.; Slva, H. O. F., Optmal eergy geerato wth bomass of sugarcae harvest. Revsta IEEE Amérca Lata, v., p , 20. Lma, A. D., Otmzação do aprovetameto do palhço de caa-de-açúcar. Tese (Doutorado em Eerga a Agrcultura), Faculdade de Cêcas Agroômcas, Uversdade Estadual Paulsta, Botucatu, SP, ehrota, S. O the mplemetato of a prmal dual teror pot method. SIA Joural o Optmzato, v.2, p , 992. Pellegr,. C., Iserção de cetras cogeradoras a bagaço de caa o parque eergétco do Estado de São Paulo: exemplo de aplcação de metodologa para aálse dos aspectos locacoas e de tegração eergétca. Dssertação (estrado em Eerga), Uversdade de São Paulo, São Paulo, SP, Ramos, R. P., odelo matemátco para custo e eerga a produção de açúcar e álcool. Dssertação (estrado em Agrooma/Eerga a Agrcultura), Faculdade de Cêcas Agroômcas, Uversdade Estadual Paulsta. Botucatu, 200. Slva, L.., Algortmo Geétco a Otmzação do Custo de Colheta e de Trasporte da Caa-de-Açúcar. Dssertação (estrado em Bometra), Faculdade de Cêcas Agroômcas, Uversdade Estadual Paulsta. Botucatu, 20. Toleto, G., Programação Lear Itera Aplcada ao Aprovetameto do Palhço da Caa-de-Açúcar. Dssertação (estrado em Agrooma/Eerga a Agrcultura), Faculdade de Cêcas Agroômcas, Uversdade Estadual Paulsta, Botucatu, SP, Wu, Y. C., Debs, A. S. e arste, R. E., A Drect Nolear Predctor-Corrector Prmal-Dual Iteror Pot Algorthm for Optmal Power Flows. IEEE Trasactos o Power Systems, 9, No.2, ,

Métodos de pontos interiores com estratégia de barreira logarítmica modificada em problemas multiobjetivo de despacho econômico e ambiental

Métodos de pontos interiores com estratégia de barreira logarítmica modificada em problemas multiobjetivo de despacho econômico e ambiental Métodos de potos terores com estratéga de barrera logarítmca modfcada em problemas multobetvo de despacho ecoômco e ambetal Améla de Lorea Staza Atoo Roberto Balbo Leoardo Nepomuceo Edméa Cássa Baptsta

Leia mais

Forma padrão do modelo de Programação Linear

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

Leia mais

UM MÉTODO PRIMAL-DUAL DE PONTOS INTERIORES E EXTERIORES BARREIRA LOGARÍTMICA MODIFICADA COM ESTRATÉGIAS DE EXTRAPOLAÇÃO CÚBICA E CONVERGÊNCIA GLOBAL.

UM MÉTODO PRIMAL-DUAL DE PONTOS INTERIORES E EXTERIORES BARREIRA LOGARÍTMICA MODIFICADA COM ESTRATÉGIAS DE EXTRAPOLAÇÃO CÚBICA E CONVERGÊNCIA GLOBAL. Blucher Mechacal Egeerg Proceedgs May 4, vol., um. www.proceedgs.blucher.com.br/eveto/wccm UM MÉODO PRIMAL-DUAL DE PONOS INERIORES E EXERIORES BARREIRA LOGARÍMICA MODIFICADA COM ESRAÉGIAS DE EXRAPOLAÇÃO

Leia mais

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

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

Leia mais

7 Análise de covariância (ANCOVA)

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

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

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

Leia mais

MÉTODO DOS MÍNIMOS QUADRADOS

MÉTODO DOS MÍNIMOS QUADRADOS MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso

Leia mais

Depto. de Matemática, Faculdade de Ciências FC/UNESP. CEP: , Bauru, SP.

Depto. de Matemática, Faculdade de Ciências FC/UNESP. CEP: , Bauru, SP. September -8, Ro de Jaero, Brazl UM MÉODO PRIMAL-DUAL DE PONOS INERIORES BARREIRA LOGARÍMICA MODIFICADA COM ESRAÉGIAS DE AJUSE CÚBICO E DE CONVERGÊNCIA GLOBAL PARA PROGRAMAÇÃO NÃO-LINEAR E NÃO- CONVEXA.

Leia mais

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

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

Leia mais

XLVI Pesquisa Operacional na Gestão da Segurança Pública

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

Leia mais

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

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

Leia mais

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

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

Leia mais

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

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

Leia mais

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

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

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

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

Leia mais

16 - PROBLEMA DO TRANSPORTE

16 - PROBLEMA DO TRANSPORTE Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,

Leia mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

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

Leia mais

RESOLVENDO MOCHILAS COMPARTIMENTADAS RESTRITAS

RESOLVENDO MOCHILAS COMPARTIMENTADAS RESTRITAS RESOLVENDO MOCHILAS COMPARTIMENTADAS RESTRITAS Robso Hoto Uversdade Estadual de Lodra, CCE, Departameto de Matemátca CEP 8605-970, CP 600, foe (43) 337 450, hoto@uel.br Campus Uverstáro, Lodra, PR, Brasl

Leia mais

Construção e Análise de Gráficos

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

Leia mais

Sumário. Mecânica. Sistemas de partículas

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

Leia mais

ALGORITMO GENÉTICO MULTI- OBJETIVO PARA O SEQUENCIAMENTO INTEGRADO DE ATIVIDADES DE PRODUÇÃO E MANUTENÇÃO

ALGORITMO GENÉTICO MULTI- OBJETIVO PARA O SEQUENCIAMENTO INTEGRADO DE ATIVIDADES DE PRODUÇÃO E MANUTENÇÃO ALGORITMO GENÉTICO MULTI- OBJETIVO PARA O SEQUENCIAMENTO INTEGRADO DE ATIVIDADES DE PRODUÇÃO E MANUTENÇÃO Rodrgo Jose Pres Ferrera (UFPE ) rodjpf@gmal.com Joao Marco Soares de Souza Lma Flho (UFPE ) joaomarco2408@hotmal.com

Leia mais

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados CAPÍTULO Ajuste de curvas pelo Método dos Mímos Quadrados Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal

Leia mais

Econometria: 3 - Regressão Múltipla

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

Leia mais

Capitulo 1 Resolução de Exercícios

Capitulo 1 Resolução de Exercícios S C J S C J J C FORMULÁRIO Regme de Juros Smples 1 1 S C 1 C S 1 1.8 Exercícos Propostos 1 1) Qual o motate de uma aplcação de R$ 0.000,00 aplcados por um prazo de meses, à uma taxa de 2% a.m, os regmes

Leia mais

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, Medca Veterára, Muscoterapa, Odotologa, Pscologa MEDIDAS DE DISPERSÃO 9 9. MEDIDAS DE DISPERSÃO

Leia mais

Como CD = DC CD + DC = 0

Como CD = DC CD + DC = 0 (9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (

Leia mais

MEDIDAS DE DISPERSÃO:

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

Leia mais

Apostila de Introdução Aos Métodos Numéricos

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

Leia mais

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

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

Leia mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

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

Leia mais

Métodos iterativos. Capítulo O Método de Jacobi

Métodos iterativos. Capítulo O Método de Jacobi Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método

Leia mais

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta

Leia mais

ALGORITMO GENÉTICO POR CADEIA DE MARKOV HOMOGÊNEA VERSUS NÃO-HOMOGÊNEA: UM ESTUDO COMPARATIVO

ALGORITMO GENÉTICO POR CADEIA DE MARKOV HOMOGÊNEA VERSUS NÃO-HOMOGÊNEA: UM ESTUDO COMPARATIVO Revsta del Isttuto Chleo de Ivestgacó Operatva 2(202) 30-35 30 ALGORITMO GENÉTICO POR CADEIA DE MARKOV HOMOGÊNEA VERSUS NÃO-HOMOGÊNEA: UM ESTUDO COMPARATIVO V.S.M. Campos, A.G.C. Perera 2, L.A.Carlos 3

Leia mais

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais Exstêca e Ucdade de Soluções de Equações Dferecas Ordáras Regaldo J Satos Departameto de Matemátca-ICEx Uversdade Federal de Mas Geras http://wwwmatufmgbr/ reg 10 de ulho de 2010 2 1 INTRODUÇÃO Sumáro

Leia mais

Ivan G. Peyré Tartaruga. 1 Metodologia espacial

Ivan G. Peyré Tartaruga. 1 Metodologia espacial RELATÓRIO DE PESQUISA 5 Procedmetos o software ArcGIS 9. para elaborar os mapas da Regão Metropoltaa de Porto Alegre RMPA com as elpses de dstrbução drecoal etre 99 e 000 Iva G. Peré Tartaruga Metodologa

Leia mais

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

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

Leia mais

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

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

Leia mais

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

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

Leia mais

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores. Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Cetífca Matemátca Udade Curso Egehara do Ambete Ao º Semestre º Folha Nº 8: Aálse de Regressão e de Correlação Probabldades e Estatístca Ao 00/0. Pretede-se testar um strumeto que mede a cocetração

Leia mais

KEYWORDS. Predictor-Corrector Primal-Dual Method, Modified Barrier, Environmental and Economic Dispatch. Main area (PM - Mathematical Programming)

KEYWORDS. Predictor-Corrector Primal-Dual Method, Modified Barrier, Environmental and Economic Dispatch. Main area (PM - Mathematical Programming) September 4-8 Ro e Jaero Brazl MÉTODO PROCEDIMENTO PREVISOR-CORRETOR PRIMAL-DUAL DE PONTOS INTERIORES COM PROCEDIMENTO BARREIRA MODIFICADA EM PROBLEMAS MULTIOBJETIVO DE DESPACHO ECONÔMICO E AMBIENTAL Améla

Leia mais

Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP. Aula 10: Ordenação

Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP. Aula 10: Ordenação Bruo Hott Algortmos e Estruturas de Dados I DECSI UFOP Aula 10: Ordeação O Crtéro de Ordeação Ordea-se de acordo com uma chave: typedef t TChave; typedef struct{ TChave chave; /* outros compoetes */ Item;

Leia mais

Análise de Regressão

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

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem

Leia mais

Noções Básicas de Medidas e Algarismos Significativos

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

Leia mais

Modelos de Programação Linear na Gestão Florestal

Modelos de Programação Linear na Gestão Florestal UNIVERSIDADE DE RÁS-OS-MONES E ALO DOURO Modelos de Programação Lear a Gestão Florestal Dssertação de Mestrado em Matemátca e Cêcas da Natureza - Carla da Coceção dos Satos Perera - Vla Real, 00 UNIVERSIDADE

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 etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Prof. Eugênio Carlos Stieler

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

Leia mais

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

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

Leia mais

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

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

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler http://www.uemat.br/eugeo Estudar sem racocar é trabalho 009/ TAXA INTERNA DE RETORNO A taa tera de retoro é a taa que equalza o valor presete de um ou mas pagametos (saídas de caa) com o valor presete

Leia mais

Arquitetura da ART Controle 1 Controle 2

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

Leia mais

Revisão de Estatística X = X n

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

Leia mais

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo

Leia mais

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

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

Leia mais

Apêndice 1-Tratamento de dados

Apêndice 1-Tratamento de dados Apêdce 1-Tratameto de dados A faldade deste apêdce é formar algus procedmetos que serão adotados ao logo do curso o que dz respeto ao tratameto de dados epermetas. erão abordados suctamete a propagação

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

Econometria: 4 - Regressão Múltipla em Notação Matricial Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

Leia mais

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto

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

Leia mais

4 O Método de Análise Hierárquica

4 O Método de Análise Hierárquica 4 O Método de Aálse Herárquca 4.. Itrodução O método de aálse herárquca é um dos métodos multatrbuto mas utlzados e dfuddos o mercado mudal (Gomes, 007). Isso se deve, provavelmete, a duas razões. A prmera

Leia mais

CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA

CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA Polômos de Jacob e CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA III--)INTRODUÇÃO Para um melhor etedmeto do método da colocação ortogoal e sua relação com o método dos resíduos poderados (MRP),

Leia mais

MODELAGEM COMPUTACIONAL DETERMINÍSTICA DO FENÔMENO DE DECAIMENTO RADIOATIVO

MODELAGEM COMPUTACIONAL DETERMINÍSTICA DO FENÔMENO DE DECAIMENTO RADIOATIVO 007 Iteratoal uclear Atlatc Coferece - IAC 007 Satos, SP, Brazl, September 30 to October 5, 007 ASSOCIAÇÃO BRASILEIRA DE EERGIA UCLEAR - ABE ISB: 978-85-994-0- ODELAGE COPUTACIOAL DETERIÍSTICA DO FEÔEO

Leia mais

? Isso é, d i= ( x i. . Percebeu que

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

Leia mais

Almeida, C. (1987) Novo método para resolução da equação dos rebaixamentos em ensaios a caudal variável

Almeida, C. (1987) Novo método para resolução da equação dos rebaixamentos em ensaios a caudal variável Almeda, C. (1987) Novo método para resolução da equação dos rebaxametos em esaos a caudal varável Geols, revsta da Secção de Geologa Ec. e Aplcada, vol. I, p. 100-10. GEOLIS - Vol. I(1987) 100-10 100 NOVO

Leia mais

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

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

Leia mais

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques FUNÇÕES POLINOMIAIS4 Gl da Costa Marques Fudametos de Matemátca I 4.1 Potecação de epoete atural 4. Fuções polomas de grau 4. Fução polomal do segudo grau ou fução quadrátca 4.4 Aálse do gráfco de uma

Leia mais

Representação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering)

Representação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering) 7. Agrupaeto fuzzy (fuzzy clusterg) 7. Agrupaeto clássco Agrupaeto é a classfcação ão-supervsoada de padrões (observações, dados, objetos, eeplos) e grupos (clusters). Itutvaete, padrões seelhates deve

Leia mais

( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito.

( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito. PMR 40 Mecâca Computacoal Método Implícto No método mplícto as dfereças são tomadas o tempo ao vés de tomá-las o tempo, como o método explícto. O método mplícto ão apreseta restrção em relação ao valor

Leia mais

Uso de covariáveis em modelos biométricos para estimação de altura total em árvores de Eucalyptus dunnii

Uso de covariáveis em modelos biométricos para estimação de altura total em árvores de Eucalyptus dunnii Uso de covaráves em modelos bométrcos para estmação de altura total em árvores de Eucalyptus du Oar Medes de Olvera Adrao Rbero de Medoça Fábo Mareto Glso Ferades da Slva Samuel de Pádua Chaves e Carvalho

Leia mais

Total Bom Ruim Masculino

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

Leia mais

Oitava Lista de Exercícios

Oitava Lista de Exercícios Uversdade Federal Rural de Perambuco Dscpla: Matemátca Dscreta I Professor: Pablo Azevedo Sampao Semestre: 07 Otava Lsta de Exercícos Lsta sobre defções dutvas (recursvas) e prova por dução Esta lsta fo

Leia mais

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual

Leia mais

Matemática C Semiextensivo V. 2

Matemática C Semiextensivo V. 2 Matemátca C Semetesvo V. Eercícos 0) Através da observação dreta do gráfco, podemos coclur que: a) País. b) País. c) 00 habtates. d) 00 habtates. e) 00 0 0 habtates. 0) C Através do gráfco, podemos costrur

Leia mais

Relatório 2ª Atividade Formativa UC ECS

Relatório 2ª Atividade Formativa UC ECS Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução

Leia mais

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE GOVERNO DO ESTADO DO CEARÁ Cd Ferrera Gomes Goverador Domgos Gomes de Aguar Flho Vce Goverador SECRETARIA DO PLANEJAMENTO E GES- TÃO (SEPLAG)

Leia mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

Leia mais

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( )

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( ) NÚMEROS COMPLEXOS Forma algébrca e geométrca Um úmero complexo é um úmero da forma a + b, com a e b reas e = 1 (ou, = -1), chamaremos: a parte real; b parte magára; e udade magára. Fxado um sstema de coordeadas

Leia mais

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

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

Leia mais

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

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

Leia mais

Projeto de rede na cadeia de suprimentos

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

Leia mais

Análise estatística dos resultados do modelo de previsão atmosférica RAMS para a região do lago de Ilha Solteira (SP)

Análise estatística dos resultados do modelo de previsão atmosférica RAMS para a região do lago de Ilha Solteira (SP) Aálse estatístca dos resultados do modelo de prevsão atmosférca RAMS para a regão do lago de Ilha Soltera (SP) Beatrz da Slva Berardo, Ismar de A. Satos, Claudo F. Neves 3., Uversdade Federal do Ro de

Leia mais

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES Itrodução Em dversos camos da Egehara é comum a ecessdade da determação de raízes de equações ão leares. Em algus casos artculares, como o caso de olômo, que

Leia mais

Capítulo 8. Método de Rayleigh-Ritz

Capítulo 8. Método de Rayleigh-Ritz Grupo : Gustavo de Souza Routma; Luís Ferado Hachch de Souza; Ale Pascoal Palombo Capítulo 8. Método de Raylegh-Rtz 8.. Itrodução Nos problemas de apromação por dfereças ftas, para apromar a solução para

Leia mais

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC)

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC) Isttuto Nacoal de Estudos e Pesqusas Educacoas Aíso exera INEP stéro da Educação EC Ídce Geral de Cursos (IGC) O Ídce Geral de Cursos (IGC) é ua éda poderada dos cocetos dos cursos de graduação e pós-graduação

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

Leia mais

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

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

Leia mais

Aula Condições para Produção de Íons num Gás em Equilíbrio Térmico

Aula Condições para Produção de Íons num Gás em Equilíbrio Térmico Aula 2 Nesta aula, remos formalzar o coceto de plasma, rever osso etedmeto sobre temperatura de um gás e falmete, cohecer algus processos de ozação. 1.3 Codções para Produção de Íos um Gás em Equlíbro

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x

Leia mais

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

Leia mais

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

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

Leia mais

Capítulo 2. Aproximações de Funções

Capítulo 2. Aproximações de Funções EQE-358 MÉTODOS NUMÉRICOS EM ENGENHARIA QUÍMICA PROFS. EVARISTO E ARGIMIRO Capítulo Aproações de Fuções Há bascaete dos tpos de probleas de aproações: ) ecotrar ua fução as sples, coo u polôo, para aproar

Leia mais

GERENCIAMENTO DA COLETA DE RESÍDUOS SÓLIDOS URBANOS: ESTRUTURAÇÃO E APLICAÇÃO DE MODELO NÃO-LINEAR DE PROGRAMAÇÃO POR METAS

GERENCIAMENTO DA COLETA DE RESÍDUOS SÓLIDOS URBANOS: ESTRUTURAÇÃO E APLICAÇÃO DE MODELO NÃO-LINEAR DE PROGRAMAÇÃO POR METAS GERENCIAMENTO DA COLETA DE RESÍDUOS SÓLIDOS URBANOS: ESTRUTURAÇÃO E APLICAÇÃO DE MODELO NÃO-LINEAR DE PROGRAMAÇÃO POR METAS Valeraa Cuha Faculdade de Gestão e Negócos, Uversdade Federal de Uberlâda, Av.

Leia mais

Problema de roteirização de veículos com entregas fracionadas: revisão da literatura

Problema de roteirização de veículos com entregas fracionadas: revisão da literatura XIII SIMPEP Bauru, SP, Brasl, 06 a 08 de Noembro de 2006 Problema de roterzação de eículos com etregas fracoadas: resão da lteratura Patríca Prado Belfore (Cetro Uerstáro da FEI) patrca.belfore@fe.edu.br

Leia mais

Avaliação de Empresas Profa. Patricia Maria Bortolon

Avaliação de Empresas Profa. Patricia Maria Bortolon Avalação de Empresas MODELO DE DIVIDENDOS Dvdedos em um estáo DDM Dscouted Dvded Model Muto utlzados a precfcação de uma ação em que o poto de vsta do vestdor é extero à empresa e eralmete esse vestdor

Leia mais

APLICAÇÃO DO MÉTODO DE ELEMENTOS DE CONTORNO AO PROBLEMA DA RADIAÇÃO ACÚSTICA

APLICAÇÃO DO MÉTODO DE ELEMENTOS DE CONTORNO AO PROBLEMA DA RADIAÇÃO ACÚSTICA APLICAÇÃO DO MÉTODO DE ELEMENTO DE CONTORNO AO PROBLEMA DA RADIAÇÃO ACÚTICA Marco Eustáquo Mara Resumo: A preocupação com o ruído as comudades urbaas cresceu as últmas décadas com o aumeto do úmero de

Leia mais

Correlações genotípicas entre características agronômicas de sorgo granífero (Sorghum bicolor (L.) Moench).

Correlações genotípicas entre características agronômicas de sorgo granífero (Sorghum bicolor (L.) Moench). Correlações geotípcas etre característcas agroômcas de sorgo graífero (Sorghum bcolor (L.) Moech). Crslee Vera dos Satos (1) ; Ccero Beserra de Meezes (2) ; Celso Herque Tuma e Slva (1) Ruae Alce da Slva

Leia mais

MODELO DE OTIMIZAÇÃO DE CORTE UNIDIMENSIONAL APLICADO À FABRICAÇÃO DE AERONAVES AGRÍCOLAS

MODELO DE OTIMIZAÇÃO DE CORTE UNIDIMENSIONAL APLICADO À FABRICAÇÃO DE AERONAVES AGRÍCOLAS MODELO DE OTIMIZAÇÃO DE CORTE UNIDIMENSIONAL APLICADO À FABRICAÇÃO DE AERONAVES AGRÍCOLAS Alexader Abuabara UFSCar / Depto. de Egehara de Produção Va Washgto Luz, km 235, CP 676 3565-905 São Carlos, SP

Leia mais

Disciplina: Análise Multivariada I Prof. Dr. Admir Antonio Betarelli Junior AULA 6.1

Disciplina: Análise Multivariada I Prof. Dr. Admir Antonio Betarelli Junior AULA 6.1 Dscpla: álse Multvaraa I Prof. Dr. mr too Betarell Juor UL 6. MÉTODO DE ESCLONMENTO MULTIDIMENSIONL (MDS) Proposto por Youg (987) esse métoo poe ser utlzao para agrupameto. É uma técca para represetar

Leia mais