Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
00. Exercício 1 DATA: 06/10/2017 PROGRAMAÇÃO DINÂMICA Determine a solução ótima de um problema de multivariáveis decompondo-o em estágios, sendo cada estágio um subproblema com apenas uma variável. Sua solução é recursiva de modo que a solução obtida de um subproblema é usada como um dado de entrada para o subproblema seguinte. Exemplo: Encontrar a rota mais curta entre duas cidades: Qual o menor custo para ir de 1 até 5? E qual menor custo do 1 até o 6? E do 1 até o 7? 01. Princípio da Otimilidade DATA: 06/10/2017 PRINCÍPIO DA OTIMILIDADE Decisões futuras para os estágios restantes constituirão uma política ótima independente dos estágios anteriores. Apesar dos estágios anteriores serem inputs, elas não definem nada do que vem na frente. Três elementos básicos do modelo de Programação dinâmica: 02. Exercício 2 EXERCÍCIO PARA CASA Deseja-se deter,omar a rota mais curta entre as cidades 1 e 7. Defina os estágios e resolva regressivamente. Definição dos estados para cada estágio. 03. modelos determinísticos Data: 20/10/2017 Modelos determinísticos de estoques Quanto pedir? Solução: Quando pedir? Minimizar: Tipos de Demandas: Mais fácil 1. Determinístico e estatístico ao longo do tempo Mais fácil de resolver Mais utilizado 2. Determinístico e dinâmico ao longo do tempo Mais difícil 3. Probabilístico e estacionário ao longo do tempo 4. Probabilístico e não estacionário ao longo do tempo Mais comum a) Demanda mensal média aproximadamente constante e V < 20% -> 1 b) Demanada mensal média variável e V <20% ->2 c)A com >20% -> 3 d) Restante Determinístico: valores reais Probabilístico: valores para chegar a um modelo De que forma vou projetar meu estoque mínimo. É complexo porque preciso saber quanto pedir e quando pedir 04. Exercício 3 Consumo de gás janeiro 90 100 91 110 92 90 93 121 94 109 95 130 96 115 97 130 98 125 99 87 Média 111 Desvio padrão 15.54 V 13.91% QUAL É O MODELO? 2. Determinístico e dinâmico ao longo do tempo b) Demanada mensal média variável e V <20% ->2 Determinístico porque é menor que 20 Dinâmico variação muito grande Probabilistico porque é maior que 20 estático variação constante 05. EOQ Modelo EOQ (Economic Order Quantity) Clássico y= quantidade do pedido D= Taxa de demanda t0= Comprimento do ciclio de pedido k= custo de prepraração associado com a emissão de um pedido h= custo de estocagem TCU= Política ótima para pedidos de compras L= Tempo de atendimento do pedido Exemplo: Lâmpadas são substituídas à taxa de 100 unidades por dia. O apto. de manutenção emite pedidos periódicos, e o custo para iniciar um pedido de compra é $100,00 . Estima-se que o custo de armazenagem é $0,02 por dia. O tempo de espera é de 12 dias. Determine a política ótima para pedidos de compra. D= aluno: Demanda 100 por dia 1º passo: k= aluno: Custo de preparação 100 por pedido h= 0.02 por dia L= 12 dias y= 1000 lâmpadas 2º Passo: to= 10 dias aluno: A cada 10 dias faço um pedido de 100 lâmpadas 3º Passo: Le= L-t0 Le= L-t0 2 Le* D Le*D= 200 4º Passo: TCU= meu pedido tem 1000 quando meu estoque baixar em 200 Quando percebi que o cálculo é de 10 em 10 eu fiz o cálculo reverso e vi que tenho uma queda de 200 06. Processo probabilístico PROCESSOS PROBABILÍSTICOS Acrescentar pessoas às filas não quer dizer que meu processo andará mais rápido Teoria das filas 1º Levantamento estatístico (Coleta/ Tabulação dos dados) 2º Montar a distribuição empírica do processo 3º Comparar a distribuição empírica com as teóricas, identificando a que melhor representa o processo Tendência: FILA GERALMENTE CAI NA DISTRIBUIÇÃO DE POISSON Teste de aderência (para descobrir qual distribuição) 1º passo:Frrequência relativa (empírica) Frequência / Soma de frequência 2º passo: Média Soma de pedidos/soma dias 3º Passo: Frequencia relativa Poisson Comparar teórico com empírico 1) MODELO BÁSICO : M/M/1 (1 Fila, 1 atendente) FIFO (First in, first out) - Primeiro que entra, primeiro que sai LIFO (Last in, Last out) - Último que entra, primeiro que sai Prioridade- Categoriza pessoas e atende pessoas com maior prioridade Randomico- Critério determinado aleatoriamente Número de pessoas no sistema: entrada da fila + fila + atendimento Número de pessoas na fila: Somente que estão na fila 07. Simulação de Monte Carlo SIMULAÇÃO DE MONTE CARLO Número pseudoaleatório - Número aleatório dentro de parâmetros Direta - Analiso meu problema, projeto meu problema • Identificação das variáveis aleatórias; O que vai variar e de modo independente • Construção das probabilidades de cada variável; • Definição de intervalos de números randômicos para cada variável; • Geração dos números aleatórios; • Simulação dos experimentos. Análise do comportamento Exercício Média: R$ 12,000.00 Desv. Pad R$ 3,900.00 Variação Mp: R$ 16.00 a R$ 25.00 MOB R$ 15.00 a R$ 25.00 Preço de venda R$ 80.00 CF R$ 50,000.00 FUNÇÕES: rand função que gera números aleatórios mais simples (dentro de um intervalo)- para MP e MOB grand para gerar demanda (em média e desv. Padrão) Variáveis que devemos encontrar: Demanda Custo Total= materia prima * demanda + mão de obra+demanda+ Custo fixo Lucro Bruto= Demanda * Preço de venda Lucro Líquido=Lucro bruto-Custo total Vamos gerar demandas aleatórias REALIZAR cálculos para cada demanda Demandas dentro da regra e calcular o lucro para cada demanda que for gerada E ajustar o lucro para cada situação q=5 quantidade rand mp=16+(25-16).*rand(q,i); gera número aleatórios entre 0 e 1- então precisamos de números entre 0 e 1 que nos leve a 16 e 25 .* Faz a multiplicação de elemento por elemento na matriz e não uma multiplcicação matricial Exemplo: 1*1 2*2 3*3 4*4 mob=15+(25-15).*rand(q,1) para cálculo da mão de obra ct=mp.*demanda+mob.*demanda +cf lb=pv.*demanda ll=lb.ct q= mean média min max
Compartilhar