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

Documentos relacionados
8 Programação linear 78

Projeto de rede na cadeia de suprimentos

Capitulo 1 Resolução de Exercícios

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

MATEMÁTICA APLICADA AO PLANEJAMENTO DA PRODUÇÃO E LOGÍSTICA. Silvio A. de Araujo Socorro Rangel

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida

Potenciais termodinâmicos, critérios de espontaneidade e condições de equilíbrio

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados

6. Modelagem Matemática para Solução por Método Exato

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Extensões da Análise para Prioridades Fixas

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

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

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios

CADERNO 1 (É permitido o uso de calculadora gráfica.)

XLVI Pesquisa Operacional na Gestão da Segurança Pública

16 - PROBLEMA DO TRANSPORTE

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

Econometria: 3 - Regressão Múltipla

1. Conceito de variável aleatória Podemos estudar, por exemplo, algumas características dos alunos do Curso de estatística.

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

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

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

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

Forma padrão do modelo de Programação Linear

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

RESOLVENDO MOCHILAS COMPARTIMENTADAS RESTRITAS

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.

DISTRIBUIÇÃO HIPERGEOMÉTRICA

MAE0229 Introdução à Probabilidade e Estatística II

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

MEDIDAS DE DISPERSÃO:

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

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

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

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

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

Oitava Lista de Exercícios

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

Parte 3: Gráfico de Gestão de Estoque. Gráficos e Cálculos Fundamentais

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

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

Prof. Janete Pereira Amador 1

Confiabilidade Estrutural

5 Critérios para Análise dos Resultados

Total Bom Ruim Masculino

Estatística - exestatmeddisper.doc 25/02/09

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

S S S S 5. Uma pessoa deposita em um banco, no fim de cada mês, durante 5 meses, a quantia de R$ 200,00. 1,05 1

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

s: damasceno.info www. damasceno.info damasceno.

CEDEPLAR - UFMG Nivelamento em Estatística 2013 Prof a Sueli Moro. Variáveis aleatórias

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Modelos de programação inteira mista para o planejamento do corte unidimensional de tubos metálicos na indústria aeronáutica agrícola

Problema de Fluxo de Custo Mínimo

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

Correção das Instruções de Operação , , ,

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

Consideremos a fórmula que nos dá a área de um triângulo: = 2

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas

Matemática C Extensivo V. 4

Construção e Análise de Gráficos

Momento Linear duma partícula

Problemas de corte em duas fases: uma revisão parcial. Two-phase cut problems: a partial survey

Difusão entre Dois Compartimentos

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

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20

2 Procedimentos para Ajuste e Tratamento Estatístico de Dados Experimentais

Momento Linear duma partícula

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

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático

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

Análise de Regressão

Probabilidade II Aula 10

Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1

Engenharia de Métodos Profº Túlio de Almeida

Instituto Politécnico de Bragança Escola Superior de Tecnologia e de Gestão

6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA)

II. Propriedades Termodinâmicas de Soluções

7 Análise de covariância (ANCOVA)

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

Estatística. 2 - Estatística Descritiva

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

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

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

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

Í N D I C E. Séries de Pagamentos ou Rendas Renda Imediata ou Postecipada Renda Antecipada Renda Diferida...

Probabilidades e Estatística

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

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

Coordenação directa de pontos novos, a partir de um ponto conhecido, medindo-se um ângulo e uma distância.

Monitoramento ou Inventário Florestal Contínuo

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

Perguntas Freqüentes - Bandeiras

Estudando complexidade de algoritmos

MINIMIZAÇÃO DO CUSTO DO TARUGO DE AÇO PRODUZIDO EM UMA INDÚSTRIA SIDERÚRGICA POR MEIO DA OTIMIZAÇÃO DA CARGA METÁLICA DO FORNO ELÉTRICO

Transcrição:

Departameto de Egehara de Produção UFPR 28 1) Plaeameto da Produção - Modelos de dmesoameto de lotes (lot szg) É cohecdo horzote de plaeameto T, dvddo em períodos; demada (geralmete varável) de cada tem em cada período. x1 x2 x,t-1 x,t t=0 t=1... t=t-1 t=t d1 d2 d,t-1 dt I0 I1 I2 I,T-1 IT Observar: quado a demada é atedda se o co, durate ou o fm do período, e quado o estoque é meddo - o fal do período? Problema: Quato produzr de cada tem em cada período de forma a mmzar o custo total (custo de produção mas custo de estoque). Dados: T: úmero de períodos do horzote de plaeameto Dados assocado ao tem: dt demada do tem o período t s custo de preparação do tem (em $) h custo utáro de estoque do tem por período (em $) I0 estoque cal do tem úmero de tes fas Dados assocado à Máqua: b tempo de máqua (em horas) para produzr uma udade do tem t capacdade de produção (em horas) de uma máqua ou stalação o período t sp tempo de preparação de máqua (em horas) para processar o tem

Departameto de Egehara de Produção UFPR 29 Varáves: xt quatdade de tes produzdos o período t (tamaho de lote) It estoque do tem o fm do período t a) Modelo matemátco de plaeameto de produção de um tem sem restrção de capacdade Obetvo: mmzar o custo total de preparação e estoque. um tem. uma máqua Fução obetvo: Restrções:, t=1,...,t (I0 = IT = 0, depededo do problema) balaceameto de estoque em cada período. a produção o período t é lmtada pela demada acumulada do período t até o últmo período T omo fcara o modelo se fosse permtdo ateder a demada com atraso? l δ ã período t e It uma varável lvre ( I I I ) t estoque o fm do período t falta do período t t t Nova fução obetvo: δ b) Modelo matemátco de plaeameto de produção de múltplos tes e restrção de capacdade. tes. uma máqua ou facldade com restrção de capacdade Obetvo: mmzar o custo total de preparação e estoque Fução obetvo:

Departameto de Egehara de Produção UFPR 30 Restrções:... balaceameto de estoque em cada período t, de cada tem o tempo total de preparação e produção de todos os tes está lmtado à capacdade dspoível o período (meddo em udades de tempo) só tem produção do tem o período t se yt=1 e ela está lmtada em Mt Mt é o mímo etre o que pode ser produzdo do tem em fução da capacdade restate o período t e a demada acumulada do respectvo tem do período t até o período fal H 2) Programação da produção - schedulg Obetvos: desgar de tarefas a máquas e programar a produção (sequecameto) Meddas de desempeho: Makespa: state de térmo de todas as tarefas Tempo de fluxo total: soma de todos os states de térmo de cada uma das tarefas Atraso máxmo Atraso total Lateess Número de tarefas atrasadas Tpos de problemas: Uma máqua Máquas paralelas Modelo matemátco: 1) tarefas dspoíves para processameto o state t=0 2) uma máqua

Departameto de Egehara de Produção UFPR 31 Dados: p tempo de processameto da tarefa d state de etrega da tarefa (due date) Varáves: state de térmo do processameto da tarefa osderar uma tarefa cal e uma fal com tempo de processameto gual a 0. tarefa cal... tarefa tarefa tarefa k tarefa fal Exemplo: x 1 e x k 0 Outras varáves: T = max{ d, 0} atraso a tarefa E = max{ d, 0} adatameto a tarefa L = d Lateess da tarefa Exemplo: Tarefa 1: Tarefa 2: Terma o state 1=10 e deve ser etregue o state d1=15 Atraso T1=0 Adatameto E1=5 Lateess L1=-5 Terma o state 2=20 e deve ser etregue o state d2=17 Atraso T2=3 Adatameto E2=0 Lateess L2=3 Restrções: 1) Só uma tarefa precede cada tarefa 0 x 1, 0,1,...

Departameto de Egehara de Produção UFPR 32 2) Só tem uma tarefa que sucede a tarefa 0 x 1, 0,1,... 3) Relação de tempos Tarefa ocosdade tarefa Se x 1 etão p Se x 0 ão deve exstr relação etre os tempos de térmo das tarefas Etão basta cosderar: 4) B Obetvos: x, R M (p 0, 0 0 F. Ob. 1: Mmzação do tempo de fluxo total F. Ob. 2: Mmzação do atraso máxmo F. Ob. 3: Mmzação da soma dos atrasos M) x F. Ob. 4: Mmzação da soma dos atrasos e avaços F. Ob. 5: Mmzação do úmero de tarefas atrasadas F. Ob. 6: Mmzação do lateess máxmo =0,1,..., e =0,1,..., F. Ob. 7: Mmzação do makespa (quado houver tempo de preparo de máqua depedete da sequeca ou paradas)

Departameto de Egehara de Produção UFPR 33 F. Ob. 1:Mmzação do tempo de fluxo total m 1 Restrções: 0 0 x x 1, 0,1,... 1, 0,1,... M (p 0, 0 0 x B, R M) x =0,1,..., e =0,1,...,, =0,1,...,, =0,1,..., e =0,1,...,