O objetivo principal deste trabalho é sustentar a aplicabilidade dos sistemas de otimização nas áreas industriais através da visão do retorno sobre investimentos, ROI, e assim contribuir, tanto com os especialistas técnicos como com os gestores e analistas de investimentos, com a fomentação, esclarecimento e consolidação da base de conhecimento necessária para a correta discussão sobre o tema. A argumentação sustenta-se no cenário econômico e industrial criado pela atual demanda por aumento da produção e redução dos custos, bem como nas taxas de juros e custo de oportunidade e na pressão da concorrência decorrente da globalização da economia. A metodologia utilizada estabeleceu o desenvolvimento do trabalho em três etapas, sendo estas respectivamente: conceituação dos sistemas de otimização, identificação dos critérios de análise de investimentos pertinentes e proposição da hipótese de que os sistemas de otimização são financeiramente justificados pela avaliação através do ROI. Além da descrição dos conceitos necessários para o entendimento da argumentação, são apresentadas as correspondentes formulações matemáticas com o intuito exclusivo de viabilizar a implementação prática da hipótese proposta. Como conclusão, destaca- se a indicação da viabilidade da adoção de projetos de otimização, dado o atrativo ROI determinado pelos ganhos associados à produtividade, qualidade, flexibilidade e alinhamento com as diretrizes estratégicas da empresa e custos resultantes da baixa imobilização de capital em ativos fixos.
Plano de aula po1 capitulo 6 método simplex 2015 vrs 0000 - fazer.ppt [modo...Luis Duncan
O documento descreve o método Simplex para resolver problemas de programação linear (PPL), incluindo como colocar um PPL na forma padrão e implementar o algoritmo Simplex. O método Simplex envolve colocar o PPL em uma forma matricial adequada e, em seguida, iterar por meio de quadros para otimizar a função objetivo, resultando em uma solução ótima ou não para o PPL.
Plano de aula po1 capitulo 4 método gráfico 2015 vrs 0000.ppt [modo de comp...Luis Duncan
Este documento discute o método gráfico para resolver problemas de programação linear (PPL) com duas variáveis de decisão. Apresenta as características e limitações do método gráfico, como a interpretação no plano cartesiano R2 e tipos de soluções possíveis de um PPL, como solução única, múltiplas soluções, solução ilimitada, sem solução e degenerada. Exemplos ilustram cada tipo de solução e exercícios são fornecidos para aplicar o método gráfico.
Este documento resume pontos importantes sobre análise qualitativa de pontos de equilíbrio em sistemas não-lineares de primeira ordem. Discute conceitos como atratores, repulsores, selas e centros, e métodos para determinar o tipo de equilíbrio como uso da matriz jacobiana e busca por leis de conservação. Apresenta exemplos como o pêndulo com e sem atrito.
6. Método SIMPLEX:
1) Introduz o método simplex para resolver problemas de programação linear, incluindo colocar o problema na forma padrão e implementar o algoritmo simplex.
2) Discutem os tipos de soluções que podem surgir ao resolver um problema de programação linear usando o método simplex, como solução única ótima, múltiplas soluções ótimas e solução ilimitada.
3) Apresentam o método das duas fases para lidar com problemas que não tenham solução ou tenham solução ilimitada.
O documento discute o resultado matemático da expressão "48÷2(9+3)" e analisa diferentes interpretações possíveis. Ele explora como calculadoras e softwares matemáticos chegam a resultados diferentes e analisa a ordem de precedência das operações e a propriedade distributiva da multiplicação sobre a adição. Finalmente, conclui que a clareza na escrita é essencial para evitar ambiguidades na interpretação da expressão.
O documento descreve conceitos básicos de algoritmos, incluindo tipos primitivos de dados, declaração de variáveis, entrada e saída de dados, operadores aritméticos e lógicos.
Este documento discute o conceito de função matemática. Apresenta a definição formal de função e exemplos de diferentes tipos de funções, incluindo funções injetoras, sobrejetoras e bijetoras. Também explica a notação de funções e conceitos como domínio, contradomínio e imagem.
Aula resolução de problema Modelagem AmbientalJean Leão
Este documento descreve os principais passos da modelagem ambiental para resolver um problema: 1) formulação do problema, 2) construção de um modelo matemático, 3) solução do modelo, 4) avaliação do modelo e da solução, 5) tomada de decisão e 6) implementação. O documento explica cada um destes passos em detalhe e fornece um exemplo de como modelar matematicamente um problema de dieta para ilustrar o processo.
Plano de aula po1 capitulo 6 método simplex 2015 vrs 0000 - fazer.ppt [modo...Luis Duncan
O documento descreve o método Simplex para resolver problemas de programação linear (PPL), incluindo como colocar um PPL na forma padrão e implementar o algoritmo Simplex. O método Simplex envolve colocar o PPL em uma forma matricial adequada e, em seguida, iterar por meio de quadros para otimizar a função objetivo, resultando em uma solução ótima ou não para o PPL.
Plano de aula po1 capitulo 4 método gráfico 2015 vrs 0000.ppt [modo de comp...Luis Duncan
Este documento discute o método gráfico para resolver problemas de programação linear (PPL) com duas variáveis de decisão. Apresenta as características e limitações do método gráfico, como a interpretação no plano cartesiano R2 e tipos de soluções possíveis de um PPL, como solução única, múltiplas soluções, solução ilimitada, sem solução e degenerada. Exemplos ilustram cada tipo de solução e exercícios são fornecidos para aplicar o método gráfico.
Este documento resume pontos importantes sobre análise qualitativa de pontos de equilíbrio em sistemas não-lineares de primeira ordem. Discute conceitos como atratores, repulsores, selas e centros, e métodos para determinar o tipo de equilíbrio como uso da matriz jacobiana e busca por leis de conservação. Apresenta exemplos como o pêndulo com e sem atrito.
6. Método SIMPLEX:
1) Introduz o método simplex para resolver problemas de programação linear, incluindo colocar o problema na forma padrão e implementar o algoritmo simplex.
2) Discutem os tipos de soluções que podem surgir ao resolver um problema de programação linear usando o método simplex, como solução única ótima, múltiplas soluções ótimas e solução ilimitada.
3) Apresentam o método das duas fases para lidar com problemas que não tenham solução ou tenham solução ilimitada.
O documento discute o resultado matemático da expressão "48÷2(9+3)" e analisa diferentes interpretações possíveis. Ele explora como calculadoras e softwares matemáticos chegam a resultados diferentes e analisa a ordem de precedência das operações e a propriedade distributiva da multiplicação sobre a adição. Finalmente, conclui que a clareza na escrita é essencial para evitar ambiguidades na interpretação da expressão.
O documento descreve conceitos básicos de algoritmos, incluindo tipos primitivos de dados, declaração de variáveis, entrada e saída de dados, operadores aritméticos e lógicos.
Este documento discute o conceito de função matemática. Apresenta a definição formal de função e exemplos de diferentes tipos de funções, incluindo funções injetoras, sobrejetoras e bijetoras. Também explica a notação de funções e conceitos como domínio, contradomínio e imagem.
Aula resolução de problema Modelagem AmbientalJean Leão
Este documento descreve os principais passos da modelagem ambiental para resolver um problema: 1) formulação do problema, 2) construção de um modelo matemático, 3) solução do modelo, 4) avaliação do modelo e da solução, 5) tomada de decisão e 6) implementação. O documento explica cada um destes passos em detalhe e fornece um exemplo de como modelar matematicamente um problema de dieta para ilustrar o processo.
O documento apresenta um algoritmo de programação dinâmica para resolver o problema da multiplicação de cadeias de matrizes. O algoritmo calcula o custo ótimo de realizar as multiplicações considerando todas as possíveis ordens, armazenando os resultados para evitar recalcular subproblemas. A solução ótima é aquela que minimiza o custo total da multiplicação.
Este documento introduz conceitos básicos de cálculo numérico. Aborda o que é um algoritmo e como ele deve ser estruturado para resolver problemas de forma eficiente. Também explica as principais etapas para modelagem matemática e resolução numérica de problemas, incluindo modelagem, escolha de métodos numéricos e critérios de parada.
O documento discute problemas de otimização em matemática, especificamente como encontrar a melhor solução para um problema, seja maximizando ou minimizando uma função. Apresenta exemplos de como resolver problemas de otimização envolvendo equações lineares do primeiro grau para determinar o lucro ou custo máximo/mínimo.
O documento discute conceitos de otimização em pesquisa operacional, definindo otimização como aplicar técnicas para escolher as melhores alternativas para atingir objetivos. Explica que a pesquisa operacional busca otimizar decisões sobre recursos escassos através de métodos científicos. Também descreve os passos de definir problemas, coletar dados e tipos de modelos usados em pesquisa operacional como físicos, analógicos e matemáticos.
1) O texto apresenta uma maneira simples de calcular porcentagens, que envolve dividir o número por 100.
2) Porcentagens são frequentemente usadas em finanças, como aumentos salariais, descontos em promoções e taxas de juros.
3) Professores de matemática ensinam que a chave é entender que porcentagem é na verdade um número dividido por 100.
Existem problemas complexos que não podem ser resolvidos em tempo viável por métodos tradicionais. Algoritmos genéticos, inspirados na evolução biológica, podem encontrar soluções aproximadas para estes problemas, como a otimização de rotas de distribuição.
Este documento apresenta um resumo sobre construção de algoritmos. Aborda conceitos como definição de algoritmo, tipos de processamento, variáveis e como construir algoritmos de forma estruturada.
O documento introduz os princípios e aplicações dos algoritmos genéticos, que são algoritmos inspirados na evolução biológica e na genética. Descreve os componentes-chave dos algoritmos genéticos, incluindo a representação cromossômica das soluções, a avaliação de aptidão, a seleção baseada na aptidão e os operadores genéticos como cruzamento e mutação. Aplicações dos algoritmos genéticos incluem otimização de funções matemáticas, problemas de otimização combinatória
1) A aula introduz a Escola Quantitativa da Administração, que aplica modelos matemáticos para solucionar problemas empresariais e apoiar a tomada de decisões.
2) Essa escola se concentra em técnicas como programação linear, teoria dos jogos e análise estatística para otimizar processos como produção, serviços e qualidade.
3) Ela também utiliza indicadores quantificados para medir o desempenho organizacional, apoiando a melhoria contínua.
O documento discute conceitos fundamentais de lógica e algoritmos para programação, abordando:
1) A definição de lógica e algoritmos e sua aplicação na resolução de problemas;
2) A contribuição de George Boole para o desenvolvimento da álgebra booleana e lógica binária;
3) Os elementos da linguagem proposicional, como variáveis proposicionais, conectivos lógicos e precedências.
O documento discute programação linear, apresentando suas características, aplicações e o método simplex para resolução de problemas de programação linear. É apresentado um exemplo ilustrativo de um problema de programação linear com duas variáveis e três restrições.
Este documento apresenta a metodologia de superfície de resposta, que é uma técnica de otimização baseada em planejamentos fatoriais. A metodologia envolve duas etapas: modelagem inicial usando um planejamento fatorial para ajustar um modelo matemático aos dados; e deslocamento ao longo do caminho de máxima inclinação do modelo para localizar o ponto ótimo. Um exemplo numérico ilustra essas etapas para otimizar o rendimento de uma reação química variando a concentração de um reagente e a vel
O documento discute funções matemáticas e suas aplicações. Explica que funções representam relações entre variáveis, com uma variável dependente e outra independente. Fornece exemplos de como funções podem modelar situações do mundo real, como consumo de energia em relação ao tempo ligado e vendas em relação a investimentos em marketing.
1. O documento discute erros numéricos em representação de ponto flutuante em computadores, como números reais são armazenados de forma aproximada devido à limitação de bits.
2. Exemplos mostram como erros de representação numérica podem ter consequências graves, como um erro de 0,34 segundos que levou à morte de 28 pessoas no sistema Patriot.
3. São definidos conceitos como erro absoluto, erro relativo, arredondamento e truncamento na representação numérica aproximada de números.
Este documento apresenta um resumo sobre programação linear. Discute o que é programação linear, como é composto o modelo matemático e apresenta exemplos ilustrativos de problemas que podem ser resolvidos usando esta técnica de otimização.
O documento apresenta uma revisão de conceitos matemáticos básicos como operações, frações, porcentagem e potenciação. Inclui explicações sobre propriedades, regras de cálculo e exercícios de aplicação.
Questionário sobre modelagem revisão da tentativaAluisioSantos4
O documento descreve uma tentativa de questionário sobre modelagem de software realizada em 13 de agosto de 2020. O questionário continha 4 questões que tratavam de tópicos como visões de desenvolvimento de software, objetivos da modelagem e a importância da modelagem versus apenas programação. A tentativa obteve nota máxima, respondendo corretamente a todas as questões.
O documento discute fundamentos matemáticos importantes para gestão, incluindo equações do primeiro grau, porcentagem e estatística. A seção de Fundamentos da Matemática explica o que são equações do primeiro grau e como resolvê-las, além de razões, proporções e funções do primeiro grau. Posteriormente, aborda cálculos com porcentagem e introduz conceitos estatísticos.
O documento discute vários métodos de otimização em engenharia, incluindo otimização por evolução, intuição, tentativa e gráficos. A otimização é o processo de encontrar a melhor solução para um problema considerando fatores como custo, peso e rendimento, e é essencial para engenheiros melhorarem sistemas reduzindo custos e aumentando produtividade. Diferentes problemas requerem diferentes métodos de otimização.
AUTOMAÇÃO DO MINERODUTO 2 DA SAMARCO MINERAÇÃOIHM Engenharia
O Mineroduto 2 da Samarco foi construído para atender ao Projeto da Terceira Pelotização que inclui uma nova Usina de Concentração em Germano-MG e uma terceira Usina de Pelotização em Ubu-ES. O Mineroduto, com 396km de extensão, interliga as duas plantas bombeando a polpa preparada em Germano. O objetivo deste trabalho é apresentar a arquitetura de automação para o sistema de controle e supervisão desenvolvido, interligado ao longo de toda extensão do mineroduto via fibra ótica. O sistema de controle é composto por CLPs ControlLogix nas estações de bombeamento e estações de válvulas e CLPs Micrologix para os pontos de monitoramento de pressão e proteção catódica, totalizando 19 CLPs. O sistema de supervisão foi desenvolvido sobre a suíte Wonderware IAS 3.0, abrangendo o software de supervisão InTouch 9.5 e o ambiente integrado ArchestrA IDE, e é composto por dois servidores de dados redundantes e nove estações de operação. O sistema de controle e supervisão é interligado via rede Ethernet em fibra ótica utilizando-se módulos multiplexadores (GE JungleMux) para voz, dados e vídeo. Dentre os resultados esperados para o projeto pode- se citar o automatismos das sequências operacionais, maior disponibilidade dos dados de processo em tempo real e histórico e maior facilidade para operação e detecção de falhas.
AUTOMAÇÃO E CONTROLE DO SISTEMA DE AUTOCLAVES DA VOTORANTIM METAISIHM Engenharia
O documento descreve o sistema de automação e controle das autoclaves instaladas na Votorantim Metais para o beneficiamento do zinco. O sistema é composto por estações de pré-aquecimento, autoclaves e tanques de resfriamento controlados por PLCs e redes de comunicação. O documento detalha o processo de controle, as malhas de controle implementadas, a otimização das respostas das malhas e o uso de controle cascado para melhorar a estabilidade do sistema.
Mais conteúdo relacionado
Semelhante a SISTEMAS DE OTIMIZAÇÃO, ESTUDO CONCEITUAL PARA A VIDA PRÁTICA DOS GESTORES BASEADO EM RETORNO SOBRE INVESTIMENTOS E BAIXA IMOBILIZAÇÃO DE ATIVOS
O documento apresenta um algoritmo de programação dinâmica para resolver o problema da multiplicação de cadeias de matrizes. O algoritmo calcula o custo ótimo de realizar as multiplicações considerando todas as possíveis ordens, armazenando os resultados para evitar recalcular subproblemas. A solução ótima é aquela que minimiza o custo total da multiplicação.
Este documento introduz conceitos básicos de cálculo numérico. Aborda o que é um algoritmo e como ele deve ser estruturado para resolver problemas de forma eficiente. Também explica as principais etapas para modelagem matemática e resolução numérica de problemas, incluindo modelagem, escolha de métodos numéricos e critérios de parada.
O documento discute problemas de otimização em matemática, especificamente como encontrar a melhor solução para um problema, seja maximizando ou minimizando uma função. Apresenta exemplos de como resolver problemas de otimização envolvendo equações lineares do primeiro grau para determinar o lucro ou custo máximo/mínimo.
O documento discute conceitos de otimização em pesquisa operacional, definindo otimização como aplicar técnicas para escolher as melhores alternativas para atingir objetivos. Explica que a pesquisa operacional busca otimizar decisões sobre recursos escassos através de métodos científicos. Também descreve os passos de definir problemas, coletar dados e tipos de modelos usados em pesquisa operacional como físicos, analógicos e matemáticos.
1) O texto apresenta uma maneira simples de calcular porcentagens, que envolve dividir o número por 100.
2) Porcentagens são frequentemente usadas em finanças, como aumentos salariais, descontos em promoções e taxas de juros.
3) Professores de matemática ensinam que a chave é entender que porcentagem é na verdade um número dividido por 100.
Existem problemas complexos que não podem ser resolvidos em tempo viável por métodos tradicionais. Algoritmos genéticos, inspirados na evolução biológica, podem encontrar soluções aproximadas para estes problemas, como a otimização de rotas de distribuição.
Este documento apresenta um resumo sobre construção de algoritmos. Aborda conceitos como definição de algoritmo, tipos de processamento, variáveis e como construir algoritmos de forma estruturada.
O documento introduz os princípios e aplicações dos algoritmos genéticos, que são algoritmos inspirados na evolução biológica e na genética. Descreve os componentes-chave dos algoritmos genéticos, incluindo a representação cromossômica das soluções, a avaliação de aptidão, a seleção baseada na aptidão e os operadores genéticos como cruzamento e mutação. Aplicações dos algoritmos genéticos incluem otimização de funções matemáticas, problemas de otimização combinatória
1) A aula introduz a Escola Quantitativa da Administração, que aplica modelos matemáticos para solucionar problemas empresariais e apoiar a tomada de decisões.
2) Essa escola se concentra em técnicas como programação linear, teoria dos jogos e análise estatística para otimizar processos como produção, serviços e qualidade.
3) Ela também utiliza indicadores quantificados para medir o desempenho organizacional, apoiando a melhoria contínua.
O documento discute conceitos fundamentais de lógica e algoritmos para programação, abordando:
1) A definição de lógica e algoritmos e sua aplicação na resolução de problemas;
2) A contribuição de George Boole para o desenvolvimento da álgebra booleana e lógica binária;
3) Os elementos da linguagem proposicional, como variáveis proposicionais, conectivos lógicos e precedências.
O documento discute programação linear, apresentando suas características, aplicações e o método simplex para resolução de problemas de programação linear. É apresentado um exemplo ilustrativo de um problema de programação linear com duas variáveis e três restrições.
Este documento apresenta a metodologia de superfície de resposta, que é uma técnica de otimização baseada em planejamentos fatoriais. A metodologia envolve duas etapas: modelagem inicial usando um planejamento fatorial para ajustar um modelo matemático aos dados; e deslocamento ao longo do caminho de máxima inclinação do modelo para localizar o ponto ótimo. Um exemplo numérico ilustra essas etapas para otimizar o rendimento de uma reação química variando a concentração de um reagente e a vel
O documento discute funções matemáticas e suas aplicações. Explica que funções representam relações entre variáveis, com uma variável dependente e outra independente. Fornece exemplos de como funções podem modelar situações do mundo real, como consumo de energia em relação ao tempo ligado e vendas em relação a investimentos em marketing.
1. O documento discute erros numéricos em representação de ponto flutuante em computadores, como números reais são armazenados de forma aproximada devido à limitação de bits.
2. Exemplos mostram como erros de representação numérica podem ter consequências graves, como um erro de 0,34 segundos que levou à morte de 28 pessoas no sistema Patriot.
3. São definidos conceitos como erro absoluto, erro relativo, arredondamento e truncamento na representação numérica aproximada de números.
Este documento apresenta um resumo sobre programação linear. Discute o que é programação linear, como é composto o modelo matemático e apresenta exemplos ilustrativos de problemas que podem ser resolvidos usando esta técnica de otimização.
O documento apresenta uma revisão de conceitos matemáticos básicos como operações, frações, porcentagem e potenciação. Inclui explicações sobre propriedades, regras de cálculo e exercícios de aplicação.
Questionário sobre modelagem revisão da tentativaAluisioSantos4
O documento descreve uma tentativa de questionário sobre modelagem de software realizada em 13 de agosto de 2020. O questionário continha 4 questões que tratavam de tópicos como visões de desenvolvimento de software, objetivos da modelagem e a importância da modelagem versus apenas programação. A tentativa obteve nota máxima, respondendo corretamente a todas as questões.
O documento discute fundamentos matemáticos importantes para gestão, incluindo equações do primeiro grau, porcentagem e estatística. A seção de Fundamentos da Matemática explica o que são equações do primeiro grau e como resolvê-las, além de razões, proporções e funções do primeiro grau. Posteriormente, aborda cálculos com porcentagem e introduz conceitos estatísticos.
O documento discute vários métodos de otimização em engenharia, incluindo otimização por evolução, intuição, tentativa e gráficos. A otimização é o processo de encontrar a melhor solução para um problema considerando fatores como custo, peso e rendimento, e é essencial para engenheiros melhorarem sistemas reduzindo custos e aumentando produtividade. Diferentes problemas requerem diferentes métodos de otimização.
Semelhante a SISTEMAS DE OTIMIZAÇÃO, ESTUDO CONCEITUAL PARA A VIDA PRÁTICA DOS GESTORES BASEADO EM RETORNO SOBRE INVESTIMENTOS E BAIXA IMOBILIZAÇÃO DE ATIVOS (20)
AUTOMAÇÃO DO MINERODUTO 2 DA SAMARCO MINERAÇÃOIHM Engenharia
O Mineroduto 2 da Samarco foi construído para atender ao Projeto da Terceira Pelotização que inclui uma nova Usina de Concentração em Germano-MG e uma terceira Usina de Pelotização em Ubu-ES. O Mineroduto, com 396km de extensão, interliga as duas plantas bombeando a polpa preparada em Germano. O objetivo deste trabalho é apresentar a arquitetura de automação para o sistema de controle e supervisão desenvolvido, interligado ao longo de toda extensão do mineroduto via fibra ótica. O sistema de controle é composto por CLPs ControlLogix nas estações de bombeamento e estações de válvulas e CLPs Micrologix para os pontos de monitoramento de pressão e proteção catódica, totalizando 19 CLPs. O sistema de supervisão foi desenvolvido sobre a suíte Wonderware IAS 3.0, abrangendo o software de supervisão InTouch 9.5 e o ambiente integrado ArchestrA IDE, e é composto por dois servidores de dados redundantes e nove estações de operação. O sistema de controle e supervisão é interligado via rede Ethernet em fibra ótica utilizando-se módulos multiplexadores (GE JungleMux) para voz, dados e vídeo. Dentre os resultados esperados para o projeto pode- se citar o automatismos das sequências operacionais, maior disponibilidade dos dados de processo em tempo real e histórico e maior facilidade para operação e detecção de falhas.
AUTOMAÇÃO E CONTROLE DO SISTEMA DE AUTOCLAVES DA VOTORANTIM METAISIHM Engenharia
O documento descreve o sistema de automação e controle das autoclaves instaladas na Votorantim Metais para o beneficiamento do zinco. O sistema é composto por estações de pré-aquecimento, autoclaves e tanques de resfriamento controlados por PLCs e redes de comunicação. O documento detalha o processo de controle, as malhas de controle implementadas, a otimização das respostas das malhas e o uso de controle cascado para melhorar a estabilidade do sistema.
MODERNIZAÇÃO DA SINTERIZAÇÃO DA BELGO ARCELOR - USINA MONLEVADEIHM Engenharia
O objetivo do projeto de modernização da sinterização foi integrar todas as áreas da planta em único sistema de controle e supervisão. Ele se caracteriza por um projeto de grande porte cujo escopo inclui o projeto e a montagem elétrica e mecânica, desenvolvimento dos aplicativos e fornecimento dos equipamentos de controle. Este trabalho visa apresentar as soluções implantadas no projeto destacando o desenvolvimento, estratégias de migração e tecnologia implementada. Ao final da implantação do projeto 13 controladores estarão interligados em rede Ethernet/IP, processando um total de mais de 3000 pontos de E/S. O processo exige um mínimo de interferência na produção, o que requer aplicação de estratégias que reduzam o tempo de paradas e até mesmo elimine a necessidade de que elas aconteçam. A inclusão de áreas como dosagem, máquina de sínter e transporte de sínter no novo sistema exigiu uma mudança estrutural no sistema de supervisão em função do número de controladores na rede. Foi adotada a arquitetura cliente/servidor onde apenas um servidor de I/O acessa os controladores e compartilha os dados com um servidor redundante e as estações de operação. Como resultado, obtém-se a centralização das informações nos servidores garantindo maior confiabilidade dos dados fornecidos para relatórios gerenciais e maior flexibilidade para instalação de novos clientes, além da otimização do tráfego na rede. As melhorias dos controles, das informações de diagnóstico do sistema de supervisão e da confiabilidade dos novos equipamentos resultam em uma redução do número e do tempo de paradas e aumento da qualidade do produto.
SAA – SISTEMA MES PARA A INTEGRAÇÃO DA ACIARIAIHM Engenharia
Até a década de 90, os sistemas de automação eram isolados em ilhas independentes e distantes dos sistemas corporativos. Os primeiros sistemas de planejamento da manufatura (MRP) surgiram no início da década de 70 e eram responsáveis pelo planejamento de necessidades de materiais. Estes sistemas evoluíram para os sistemas MRPII nos 20 anos seguintes, sendo substituídos pelos chamados sistemas ERPs. A partir de então, surgiram os sistemas MES, com o objetivo de suprir o grande espaço que existia entre os sistemas corporativos e os sistemas de automação. Como evolução destes sistemas hoje existem os atuais e incipientes sistemas colaborativos, com o objetivo de integrar os ambientes de negócios, de produção, da cadeia de valores e de ciclo de vida dos produtos da empresa. Este trabalho apresenta um sistema MES, que aplicando conceitos da tecnologia da informação, transforma as demandas dos clientes em planos de execução, possibilitando ganhos de produtividade, competitividade e qualidade. Nas notas introdutórias, item 1, encontram-se descritas de forma sucinta a metodologia, objetivos e os resultados do sistema exposto. O item 2 apresenta com um nível maior de detalhes, os componentes físicos do sistema e os métodos utilizados na implantação do mesmo. Os resultados alcançados, as relações destes resultados com outros autores e a conclusão, são apresentados nos itens 3 e 4.
Automação do processo Híbrido de Pelota e Sínter (HPS) para a planta de sinte...IHM Engenharia
Este trabalho tem por objetivo apresentar o projeto de implantação do processo HPS (Hybrid Pelletized Sinter) na planta de sinterização existente da Belgo Arcelor em João Monlevade, Minas Gerais. Este processo híbrido envolvendo pelotização e sinterização permite que uma gama de minérios finos impróprios para a sinterização convencional possa ser aproveitada, gerando grande economia para as empresas e melhoria ao meio ambiente, com a redução dos rejeitos nas barragens de contenção das mineradoras. O HPS foi desenvolvido pela NKK e a primeira planta a utilizar esta tecnologia foi a sinterização da usina de Fukuyama no Japão. A tecnologia consiste em passar a mistura primária por discos rotativos para aglomeração das partículas e formação das pelotas que em seguida são recobertas por uma camada de coque e alimentadas na máquina de sinter. Para possibilitar a implantação do HPS foram incluídos novos equipamentos, painéis elétricos e instrumentos na área da sinterização. Coube à IHM o desenvolvimento do projeto elétrico, projeto de instalação, projeto de rede, especificações dos equipamentos e materiais elétricos, desenvolvimento dos aplicativos, fornecimento dos painéis elétricos e equipamentos de controle e processo, montagem elétrica, supervisão e Start up. Um dos principais desafios técnico e gerencial para o desenvolvimento e implantação do sistema foi a interação contínua com o fornecedor do processo devido à distância e as barreiras culturais e idiomáticas. Também pesou o ineditismo da tecnologia no país e a introdução na Belgo Arcelor de CCM´s inteligentes e equipamentos de diversos fornecedores interligados em rede DeviceNet.
Este documento fornece um resumo da história, competências, projetos e estrutura de uma empresa de engenharia. A empresa iniciou suas atividades em 1994, profissionalizou sua gestão em 2004 e expandiu suas operações para vários estados brasileiros e mercados internacionais. Ela oferece soluções multidisciplinares em áreas como automação, elétrica e TI industrial para clientes nos setores de mineração, cimento, papel e celulose. A empresa tem 250 funcionários e busca o crescimento sustentável por meio da excelência
PRODUÇÃO E CONSUMO DE ENERGIA DA PRÉ-HISTÓRIA À ERA CONTEMPORÂNEA E SUA EVOLU...Faga1939
Este artigo tem por objetivo apresentar como ocorreu a evolução do consumo e da produção de energia desde a pré-história até os tempos atuais, bem como propor o futuro da energia requerido para o mundo. Da pré-história até o século XVIII predominou o uso de fontes renováveis de energia como a madeira, o vento e a energia hidráulica. Do século XVIII até a era contemporânea, os combustíveis fósseis predominaram com o carvão e o petróleo, mas seu uso chegará ao fim provavelmente a partir do século XXI para evitar a mudança climática catastrófica global resultante de sua utilização ao emitir gases do efeito estufa responsáveis pelo aquecimento global. Com o fim da era dos combustíveis fósseis virá a era das fontes renováveis de energia quando prevalecerá a utilização da energia hidrelétrica, energia solar, energia eólica, energia das marés, energia das ondas, energia geotérmica, energia da biomassa e energia do hidrogênio. Não existem dúvidas de que as atividades humanas sobre a Terra provocam alterações no meio ambiente em que vivemos. Muitos destes impactos ambientais são provenientes da geração, manuseio e uso da energia com o uso de combustíveis fósseis. A principal razão para a existência desses impactos ambientais reside no fato de que o consumo mundial de energia primária proveniente de fontes não renováveis (petróleo, carvão, gás natural e nuclear) corresponde a aproximadamente 88% do total, cabendo apenas 12% às fontes renováveis. Independentemente das várias soluções que venham a ser adotadas para eliminar ou mitigar as causas do efeito estufa, a mais importante ação é, sem dúvidas, a adoção de medidas que contribuam para a eliminação ou redução do consumo de combustíveis fósseis na produção de energia, bem como para seu uso mais eficiente nos transportes, na indústria, na agropecuária e nas cidades (residências e comércio), haja vista que o uso e a produção de energia são responsáveis por 57% dos gases de estufa emitidos pela atividade humana. Neste sentido, é imprescindível a implantação de um sistema de energia sustentável no mundo. Em um sistema de energia sustentável, a matriz energética mundial só deveria contar com fontes de energia limpa e renováveis (hidroelétrica, solar, eólica, hidrogênio, geotérmica, das marés, das ondas e biomassa), não devendo contar, portanto, com o uso dos combustíveis fósseis (petróleo, carvão e gás natural).
Este certificado confirma que Gabriel de Mattos Faustino concluiu com sucesso um curso de 42 horas de Gestão Estratégica de TI - ITIL na Escola Virtual entre 19 de fevereiro de 2014 a 20 de fevereiro de 2014.
Em um mundo cada vez mais digital, a segurança da informação tornou-se essencial para proteger dados pessoais e empresariais contra ameaças cibernéticas. Nesta apresentação, abordaremos os principais conceitos e práticas de segurança digital, incluindo o reconhecimento de ameaças comuns, como malware e phishing, e a implementação de medidas de proteção e mitigação para vazamento de senhas.
As classes de modelagem podem ser comparadas a moldes ou
formas que definem as características e os comportamentos dos
objetos criados a partir delas. Vale traçar um paralelo com o projeto de
um automóvel. Os engenheiros definem as medidas, a quantidade de
portas, a potência do motor, a localização do estepe, dentre outras
descrições necessárias para a fabricação de um veículo
SISTEMAS DE OTIMIZAÇÃO, ESTUDO CONCEITUAL PARA A VIDA PRÁTICA DOS GESTORES BASEADO EM RETORNO SOBRE INVESTIMENTOS E BAIXA IMOBILIZAÇÃO DE ATIVOS
1. SISTEMAS DE OTIMIZAÇÃO, ESTUDO CONCEITUAL PARA A
VIDA PRÁTICA DOS GESTORES BASEADO EM RETORNO
SOBRE INVESTIMENTOS E BAIXA IMOBILIZAÇÃO DE
ATIVOS1
Augusto dos Santos Moura Júnior2
Sylvio Leal Barbosa3
Resumo
O objetivo principal deste trabalho é sustentar a aplicabilidade dos sistemas de
otimização nas áreas industriais através da visão do retorno sobre investimentos, ROI,
e assim contribuir, tanto com os especialistas técnicos como com os gestores e
analistas de investimentos, com a fomentação, esclarecimento e consolidação da base
de conhecimento necessária para a correta discussão sobre o tema. A argumentação
sustenta-se no cenário econômico e industrial criado pela atual demanda por aumento
da produção e redução dos custos, bem como nas taxas de juros e custo de
oportunidade e na pressão da concorrência decorrente da globalização da economia. A
metodologia utilizada estabeleceu o desenvolvimento do trabalho em três etapas, sendo
estas respectivamente: conceituação dos sistemas de otimização, identificação dos
critérios de análise de investimentos pertinentes e proposição da hipótese de que os
sistemas de otimização são financeiramente justificados pela avaliação através do ROI.
Além da descrição dos conceitos necessários para o entendimento da argumentação,
são apresentadas as correspondentes formulações matemáticas com o intuito exclusivo
de viabilizar a implementação prática da hipótese proposta. Como conclusão, destacase a indicação da viabilidade da adoção de projetos de otimização, dado o atrativo ROI
determinado pelos ganhos associados à produtividade, qualidade, flexibilidade e
alinhamento com as diretrizes estratégicas da empresa e custos resultantes da baixa
imobilização de capital em ativos fixos.
Palavras-chave: otimização, análise de investimentos, retorno sobre investimentos,
economia.
1
IX Seminário de Automação de Processos, 05 a 07 de outubro de 2005, Curitiba, Paraná.
Augusto dos Santos Moura Júnior é formado em Engenharia Elétrica com Mestrado em Inteligência
Artificial aplicada à área financeira e Doutorando em Sistemas de Otimização pela UFMG.
3
Sylvio Leal Barbosa é formado em Engenharia Elétrica pela PUC–MG e com MBA pela RSM Erasmus
University, Holanda.
2
2. Conceituação dos Sistemas de Otimização
Na língua portuguesa, otimizar significa “tirar o máximo partido de; obter o melhor
resultado de; tornar ótimo; planejar ou desenvolver com o máximo de eficiência” (1).
Analogamente, no contexto da engenharia, os sistemas de otimização se destinam a
empregar técnicas e métodos para determinar a melhor solução de problemas
abstratos, para os quais seja exeqüível quantificar o grau de adequação de cada
possível solução às necessidades que os causaram (2).
O uso cotidiano do termo otimizar acabou por confundi-lo com o sentido de melhorar.
Certamente a otimização conduz a uma inequívoca melhora, já que a solução ótima é
melhor no sentido superlativo, ou seja, melhor que todas as demais soluções. Todavia a
recíproca, via de regra, não é verdadeira.
Esta discussão faz-se necessária para o correto entendimento do termo “Sistemas de
Otimização”, o qual está sempre associado à busca e obtenção da melhor solução,
entre todas as possíveis, para um determinado problema. Qualquer mecanismo que
melhore uma solução, mas não obtenha a melhor, não deve ser caracterizado como um
“Sistema de Otimização” 4.
O desenvolvimento de um sistema5 que pretenda gerar uma solução ótima está
intimamente relacionado com a qualidade e verossimilhança da representação a ser
realizada para o problema. As características de um problema, que ocorre no mundo
real, deverão ser traduzidas para um mundo matemático, no qual a teoria de otimização
será implementada, usualmente na forma de um algoritmo. Esta representação do
problema no ambiente matemático é denominada por modelo do problema6, ou
simplesmente modelo. A existência, portanto, de um modelo não caracteriza a obtenção
de uma solução ótima, sendo apenas um pré-requisito para a implementação do
sistema que a obterá. Concomitantemente, um algoritmo de otimização será capaz de
obter apenas a melhor solução para o modelo representaso, portanto, quanto pior o
modelo, maior o erro entre a solução ótima obtida e a solução ótima real do problema.
Por outro prisma, um modelo que pretenda descrever fidedignamente um problema
muito complexo poderá inviabilizar, por tempo ou custo, a obtenção de um “Sistema de
Otimização” capaz de resultar uma solução ótima. Na maioria dos casos práticos a
formalização de um modelo, determinístico7 ou probabilístico8 (3), para o problema já
está consolidada por teorias bem estabelecidas (4, 5, 6, 7, 8, 9, 10 e 11) e não será
objeto deste trabalho.
Supondo a existência de um único objetivo a ser considerado, um conceito a ser
estabelecido em otimização diz respeito à quantização da adequação de uma solução
ao problema em questão. Cada possível solução para um problema, de n parâmetros, é
simbolizada por um vetor x9. A quantização é usualmente associada ao objetivo do
projeto (2) ou, em outras palavras, a uma função matemática que expressa esta
adequação, usualmente denominada de função objetivo (12) e aqui representada por
4
Entende-se, neste caso, o uso do termo “a melhor solução” com sendo a melhor solução prática, no
lugar da solução teórica ótima.
5
Conjunto de princípios reunidos de modo a que formem um corpo de doutrina; combinação de partes
coordenadas entre si e que concorrem para um resultado ou para formarem um conjunto (1);
6
Na área de mineração e metalurgia o termo mais utilizado é “modelo matemático”.
7
Modelos que especificam exatamente o comportamento de um experimento.
8
Modelos que buscam descrever experimentos randômicos ou com variações imprevisíveis.
9
A solução x simboliza os parâmetros variáveis do modelo que representa o problema.
3. f(x). Conseqüentemente alcançar a solução ótima, x*, para um problema, significa
encontrar matematicamente dentre os diversos valores de x aquele que minimiza10 o
resultado da função objetivo, tal como indicado na equação 1.
Eq. 1
x * = arg min f ( x) | x ∈ R n
x
Esta formulação onde não existem limites para as variações dos parâmetros,
representados por x, caracteriza os problemas de “Otimização Irrestrita”. Entretanto, na
prática os parâmetros estão sempre sujeitos a limitações físicas, tecnológicas ou
financeiras. Para representar estas restrições das soluções, definem-se equações de
desigualdades matemáticas, representadas por r(x), ou de igualdades, representadas
por h(x), que delimitam o espaço onde a solução ótima deve estar contida. Este espaço
usualmente é denominado de região factível (2).
Um problema no qual se deseja encontrar o mínimo da função objetivo f(x), mas cujo
vetor de parâmetros x, está sujeito à região factível definida, pelas “g” restrições de
desigualdade r(x) e pelas “p” restrições de igualdade h(x), é definido pela equação 2 e
caracteriza os problemas de “Otimização Restrita”.
x * = arg min f ( x ) | x ∈ Ω
x
Ω = {x ∈ R | (ri ( x) ≤ 0, ∀ i = 1,Λ , g ) e (hi ( x ) = 0, ∀ i = 1,Λ , p )}
n
Eq. 2
A caracterização dos problemas de otimização não está associada apenas à existência
ou não de restrição, mas também às características11 da função objetivo e das
restrições. Historicamente, definem-se as funções no contexto da otimização em dois
grandes grupos. O primeiro diz respeito às funções lineares expressas como:
Eq. 3
f ( x) = c x + c x + Λ + c x + d | x ∈ R n
1 1
2
2
n
n
T
Onde, c = [ c1 c2... cn ] representa um vetor de constantes e d é uma constante.
Quando todas as funções envolvidas são lineares caracteriza-se a “Otimização Linear”,
também conhecida por “Programação Linear” (12, 13, 14 e 15), podendo esta ser
irrestrita ou restrita. O problema padrão para a “Otimização Linear” é expresso pela
equação 4.
x * = arg min c T x | x ∈ Ω
Eq. 4
x
Ω = {x ∈ R n | ( Ax = b) e ( xi = 0, ∀ i = 1,Λ , n)}
O segundo grupo diz respeito a funções não lineares de qualquer natureza, não
havendo uma representação especial deste problema que se diferencie das já
apresentadas nas equações 1, para os casos irrestritos, e 2, para os casos restritos.
Para concluir este conceito, pode-se extrapolar a pressuposição, inicialmente definida,
de que o problema possui apenas um objetivo associado. Assim ter-se-á não apenas
uma função objetivo, mas um conjunto de funções objetivos. A representação deste
conjunto será realizada por um vetor F(x), tal como indicado na equação 5 para “m”
10
Em muitos casos o objetivo da otimização pode significar maximizar a função objetivo f(x). Todavia,
como maximizar f(x) equivale a minimizar -f(x) este trabalho sempre considerará a otimização associada
à minimização.
11
Neste contexto o termo características está associado à classe matemática das funções.
4. funções. Os problemas onde existem apenas uma função objetivo caracterizam a
“Otimização Mono-objetivo”, enquanto os casos que contenham mais de uma função
caracterizam a “Otimização Vetorial” (16, 17 e 18).
Eq. 5
F ( x) = [ f ( x) f ( x) Λ f ( x)]
1
2
m
Como conseqüência da existência de um vetor de função F, não haverá apenas uma
solução ótima para o problema mas um conjunto de soluções ótimas, dado que em
diversos casos não se poderá afirmar que uma possível solução xA produzirá um
resultado melhor do que outra xB para todas as funções objetivos. Este conjunto de
soluções ótimas é denominado como “Conjunto Pareto” ou “Pareto Ótimo” (19).
O quadro 1 exibe um resumo da classificação dos problemas de otimização quanto à
adequação da solução ao problema proposto.
Número de objetivos Classe da função objetivo Restrições dos parâmetros
Mono-objetivo
Linear
Irrestrito
Vetorial
Não linear
Restrito
Quadro 1 – Classificação dos Problemas de Otimização
Outro conceito importante diz respeito à capacidade de uma teoria de otimização,
implementada através de um algoritmo, ser aplicável para a obtenção da solução do
problema. Encontrar um algoritmo que seja aplicável e eficiente a todas as classes de
problemas é um desejo ainda longe de ser alcançado (20). Desta feita, diferentes
teorias foram desenvolvidas para serem aplicadas a problemas específicos.
Uma abordagem simplificada, pode dividir as teorias em três grandes classes. Na
classe associada aos problemas lineares e mono-objetivo, ressaltam-se os métodos
“Simplex” (12 e 13) e “Pontos Interiores” (21 e 22). Na classe associada aos problemas
não lineares e mono-objetivo, restritos ou irrestritos, ressaltam-se os métodos de
“Direção de Busca” e “Exclusão de Semi-espaços” (2, 3 e 23) para as funções monomodais12 e os métodos de “População” (2 e 24) para as funções multi-modais13. Por fim,
na classe associada a problemas de otimização vetorial destacam-se os métodos “Pλ”,
“Pε”, “Pξ”, “PKTE” e “P*” (2 e 19).
Como abordagem final para a conceituação básica dos “Sistemas de Otimização”, temse a possibilidade de se integrar os sistemas aos problemas reais de forma “off-line” ou
“on-line”. Em ambos os casos existem os elementos já definidos: modelo do problema,
cálculo dos objetivos a serem otimizados e algoritmo de otimização.
Na integração “off-line” o “Sistema de Otimização” não possui qualquer conexão com o
problema real, sendo normalmente utilizado como ferramenta de auxílio à solução de
problemas ou projetos assistidos por computador. Neste caso, cabe a um projetista a
tarefa de associar a solução ótima determinada pelo sistema ao processo de solução
do problema real em questão. Um diagrama da integração “off-line” é exibido na figura
1.
Já na integração “on-line” o “Sistema de Otimização” está diretamente conectado a um
processo produtivo, com ou sem a interferência humana, através de um sistema de
controle14. Neste caso a solução ótima será utilizada para determinar a região de
12
Possuem um único mínimo global associado às funções.
Apresentam mínimos locais e globais associados às funções.
14
Os resultados do reais do processo são fortemente dependentes do sistema de controle.
13
5. operação mais eficiente para o processo, tendo por referência os objetivos prédeterminados. É comum, nestes sistemas, que um operador especializado no processo
substitua a figura do projetista, bem como a inclusão de um processo de validação do
modelo, dada a disponibilidade de dados reais de processo e dados resultantes do
modelo. Um diagrama da integração “on-line” é exibido na figura 2.
ALGORITMO
DE
OTIMIZAÇÃO
Solução
Ótima
INTERFACE
COM O
PROJETISTA
Medida de
Desempenho
Definição da
função objetivo
e restrições
Escolha de
Parâmetros
CÁLCULO
DOS
OBJETIVOS
MODELO
COMPUTACIONAL
DO PROBLEMA
Resultado da
Simulação
Fig.1 – Diagrama da Integração Off-line de um Sistema de Otimização
Fonte: Adaptado de TAKAHASHI, R. Otimização escalar e vetorial. Belo Horizonte:
UFMG, Departamento de Matemática, Curso de verão, 2003.
Solução Ótima
OBJETIVOS
ESTRATÉGICOS
INTERFACE
COM O
OPERADOR
Definição da
função objetivo
e restrições
Medida de
Desempenho
Diretrizes
Estratégicas
Solução
Ótima
ALGORITMO
DE
OTIMIZAÇÃO
CÁLCULO
DOS
OBJETIVOS
Escolha de
Parâmetros
MODELO
COMPUTACIONAL
DO PROBLEMA
Resultado da
Simulação
SISTEMA
DE
CONTROLE
Resultado
da Ação de
Controle
Ação de
Controle
PROCESSO
VALIDAÇÃO
DO MODELO
Análise do Modelo
Fig.2 – Diagrama da Integração On-line de um Sistema de Otimização
Fonte: Adaptado de TAKAHASHI, R. Otimização escalar e vetorial. Belo Horizonte:
UFMG, Departamento de Matemática, Curso de verão, 2003.
Introdução à Análise de Investimentos
Fazer um investimento segundo Galesne, Fenterseifer e Lamb (25): “[...] consiste, para
uma empresa, em comprometer capital, sob diversas formas, de modo durável, na
esperança de manter ou melhorar sua situação econômica”. Por conseguinte,
investimentos ao longo de todo o empreendimento.
Proposto por DuPont15, o conceito ROI passou a ser adotado na engenheira para
identificação de projetos de valor potencial para as empresas (26). No Brasil, a
exposição à concorrência mundial, a partir da década de 90, exigiu dos empresários e
15
Proposto inicialmente para o controle de gerentes do nível intermediário.
6. analistas de negócios um maior conhecimento das técnicas de análise sobre seleção de
investimentos, retorno do capital investido e custos envolvidos (25).
Uma forma de classificar os métodos de análise e priorização de projetos, os divide em:
métodos financeiros tradicionais, métodos de pontuação ou ordenamento e métodos
cognitivos (27)16.
Os métodos de análise de investimentos tradicionais são amplamente difundidos nas
empresas por sua simplicidade de cálculo e seleção das oportunidades por aspectos
puramente financeiros. Baseiam-se principalmente nos conceitos de fluxo de caixa
descontados e tempo de retorno de capital (25 e 26) para gerar seus indicadores. Para
tanto, consideram uma taxa de desconto “i” que representa a rentabilidade mínima
exigida para um projeto, também conhecida por taxa mínima de atratividade, TMA,
correspondente ao custo de oportunidade17.
O método do “Valor Presente Líquido”, VPL, representa a diferença entre o valor
presente das entradas líquidas e o custo do investimento, descontados pela taxa “i”
definida pela empresa (25, 27 e 28). A seleção do investimento condiciona-se a um VPL
positivo. A formula para o cálculo do VPLi considerando-se as entradas de caixa
esperadas r, os custos c, a vida útil do projeto T, o valor residual do projeto após a vida
útil s, e o investimento inicial I0 é apresentada na equação 6.
T
VPLi = ∑
t =1
rt − ct
sT
+
− I0
t
(1 + i ) (1 + i ) T
Eq. 6
O “Índice de Lucratividade”, IL, ou “Índice Benefício/Custo”, IBC, são métodos derivados
do VPL por se tratarem da razão entre o fluxo esperado de benefícios de um projeto e o
investimento inicial necessário para realizá-lo (25 e 28). Como conseqüência direta, um
valor destes índices superior a um caracteriza o critério de seleção. A equação 7
T
rt − ct
sT
formula esta proposição.
ILi =
∑ (1 + i)
t =1
t
+
(1 + i ) T
I0
Eq. 7
A utilização da “Taxa Interna de Retorno”, TIR, como método de avaliação consiste em
determinar qual o valor para a taxa de desconto que implicará na obtenção de um VPL
nulo, ou seja, tornará o fluxo de caixa zero (25 e 28). A obtenção de uma TIR superior à
TMA definida, determinará a viabilidade do projeto. A equação 8 representa o cálculo
T
da TIR.
rt − ct
sT
+
= I0
Eq. 8
t
T
∑ (1 + TIR)
t =1
(1 + TIR )
O “Período de Recuperação do Investimento”, PRI, ou Payback parte da premissa de
que um projeto é interessante proporcionalmente ao tempo em que o capital investido é
recuperado. O método PRI calcula o tempo de recuperação, desconsiderando-se os
fluxos de caixa além deste período. Por este motivo é muitas vezes considerado um
critério ruim de análise (29).
Para os métodos de pontuação ou ordenamento, os projetos em análise são
submetidos a um conjunto de critérios, mutuamente exclusivos, não restritos à aspectos
16
Este trabalho dará ênfase aos métodos financeiros tradicionais.
O custo de oportunidade representa o retorno que poderia ser obtido em outro investimento disponível
no mercado de risco semelhante.
17
7. econômicos para que seja determinada a correspondente classificação. Assim, o
processo será fortemente dependente da análise subjetiva dos especialistas envolvidos
(30).
Nos modelos cognitivos o processo de decisão da empresa é avaliado de forma global,
presumindo-se a existência de um comportamento racional e recorrente. A simulação é
utilizada como ferramenta de composição da melhor carteira de projetos (30) e da
avaliação de diversos cenários de riscos, permitindo-se a identificação das variáveis
preponderantes para as receitas e custos futuros (31 e 32).
Proposição da Hipótese da Adoção dos Sistemas de Otimização pelo ROI
A economia brasileira vem consolidando nos últimos anos uma tendência de
crescimento18 (33), incluindo registros positivos de superávits primários19 (35) e
crescimento do produto interno bruto20 (34), PIB, embora esta tendência esteja sujeita a
variações sazonais21 (34). Simultaneamente a estes indicadores, diversos problemas
persistem, tais como a inflação22 e uma política econômica que não incentiva os
investimentos em produção23(34). A cotação do Dólar, que se desvaloriza frente ao
Euro e Yen no mercado internacional, continua com subvalorização excessiva perante
o Real em virtude, principalmente, do fluxo de entrada de capital especulativo. Somamse a este contexto, uma carga tributária colossal (36)24, e a concorrência do mercado
globalizado com a participação mais efetiva de novos países, como a China.
Se por um lado a visão macroeconômica da tendência de crescimento cria uma pressão
de aumento de produção na indústria, por outro lado, as flutuações de demanda, o
custo de oportunidade atual e possibilidades de reflexos das disputas políticas25 na
economia aumentam as incertezas dos mercados específicos quanto à demanda e
retornos futuros.
Uma vez que, tanto a análise de investimentos quanto análise de substituição de
equipamentos (28) consideram como premissa a determinação de uma TMA, previsões
de receitas e despesas futuras, avaliação do tempo de vida útil do projeto e valor dos
ativos imobilizados após a sua vida útil, verifica-se que a correta geração do fluxo de
caixa e valores presentes dos investimentos é repleta de riscos e imprecisões.
Ressalta-se ainda que os fatores de risco e incerteza são ainda consideravelmente
influenciados pela duração do tempo de avaliação do investimento.
Perante este cenário, a proposição “Os Sistemas de Otimização são justificados pela
avaliação do ROI” torna-se compreensível. O menor volume de investimentos,
18
Em 2004 passou da 15ª para a 12ª posição no ranking das maiores economias mundiais.
De janeiro a abril de 2005, o superávit do setor público registrou 7,26% do PIB, para uma meta anual
oficial de 4,25% do PIB.
20
Considerando uma recuperação da atividade econômica no segundo semestre de 2005, a expectativa
de crescimento do PIB, para o ano, projeta valores da ordem de 3,5 a 4%.
21
Como exemplo, o PIB apresentou crescimento de apenas 0,3% no primeiro trimestre de 2005.
22
Apresenta poucas tendências positivas para o cumprimento da meta do governo de 5,1% para 2005.
23
A austera posição do Conselho de Política Monetária, COPOM, em relação às perspectivas de
inflação, vem sendo refletida nos nove sucessivos aumentos da taxa selic resultando nos atuais 19,75%.
24
Correspondente a 41,6% do PIB em apuração de junho de 2005.
25
Eventos políticos, tais como troca de ministros ou cargos do segundo escalão do governo podem
causar efeitos imediatos na confiança dos mercados financeiros nacionais e internacionais, enquanto
disputas políticas como o atual trancamento da pauta de votação da câmara ou priorização das ações do
governo para agenda das eleições podem repercutir nos indicadores futuros da economia.
19
8. determinado pela baixa imobilização de capital em ativos, permite um maior IL, um
menor PRI e uma menor necessidade de fluxo de recebimentos para a obtenção de um
VPL atrativo, aumento de produtividade sem geração de ociosidade futura, bem como o
aproveitamento das oportunidades de investimento financeiro mesmo com o
atendimento do aumento da demanda26. Analogamente, o menor horizonte de previsão
conduz a uma maior probabilidade de acerto na determinação da TMA e, por
conseqüência, menor incerteza sobre os valores calculados. A implementação do
projeto também pode ser realizada em duas etapas, conforme figuras 1 e 2, permitindo
uma reavaliação do investimento entre as fases de integração “off-line” e “on-line” do
sistema. Conseqüentemente, a necessidade de elaboração de cenários, com diferentes
avaliações de risco27, também é reduzida.
Como fatores secundários, devem ainda ser citadas: a redução da obsolescência por
fator tecnológico, dado que os “Sistemas de Otimização” usualmente acrescentam
tecnologia ao processo produtivo, a maior flexibilização do processo produtivo, uma vez
que a inclusão de uma função objetivo passível de alteração permitirá a ênfase da
operação do processo em diferentes aspectos, tais como minimização do custo,
maximização da produção, redução da variância ou melhoria da qualidade.
Conclusões
As técnicas de análise de investimentos são susceptíveis à diversos fatores de risco e
incertezas, os quais, muitas vezes, não se encontram explicitamente exibidos nos
indicadores calculados. A participação humana é imprescindível para avaliar o
alinhamento das decisões, sobre quais projetos se deve investir, quanto à estratégia e
objetivos da empresa. Embora o histórico de bons resultados com investimentos em
projetos que incluíam alta imobilização de ativos deva ser considerado na análise de
novos investimentos, a tendência por favorecer esta linha de projetos pode privar a
empresa de melhores oportunidades. Neste âmbito, que ainda é potencializado pelo
cenário econômico, a opção de investimento em “Sistemas de Otimização” constitui
uma opção não apenas factível mas justificada, quando a análise do retorno sobre
investimentos é realizada sobre todos os aspectos de ganho envolvidos.
Referências bibliográficas
1 PRIBERAM. O Dicionário da Língua Portuguesa On-Line. DLPO. Disponível em:
<http://www.priberam.pt/dlpo>. Acesso em: 20 maio 2005.
2 TAKAHASHI, R. Otimização escalar e vetorial. Belo Horizonte: UFMG,
Departamento de Matemática, Curso de verão, 2003.
3 GARCIA, A. L. Probability and Random Process for Electrical Engineering.
Massachusetts: Addison-Wesley Publishing Company Addison-Wesley, 1989.
4 HARTMAN, H. L. ; Mutmansky, J. M. Introductory Mining Engineering. New
Jersey: John Wiley & Sons, second edition 2002.
5 REED-HILL/ABBASCHIAN, R.E. ; ABBASCHIAN, R. Physical Metallurgy
Principles (The Pws-Kent Series in Engineering). New Jersey: ThomsonEngineering, third edition 1991.
26
Ressalva-se que a argumentação não inclui o cenário de grandes exigências de aumento de demanda.
Um dos grandes problemas na seleção de investimentos ocorre quando os cenários de risco para uma
perspectiva otimista e pessimista se distanciam a ponto de inviabilizar a sua comparação.
27
9. 6 VERHOEVEN , J. D. Fundamentals of Physical Metallurgy. New Jersey: John
Wiley & Sons, 1975.
7 KOU, S. Welding Metallurgy. New Jersey: John Wiley & Sons, 2003.
8 CAMINHAS, W. M. ; PEREIRA, G. A.T. ; TAVARES, F. A. C. Identificação de
Sistemas Dinâmicos: Abordagem Baseada em Neurônio Nebuloso. Anais...
Brasil: V Simpósio Brasileiro de Redes Neurais, 1998.
9 T. YAMAKAWA. A Neo Fuzzy Neuron and its Applications to System
Identification and Prediction of Chaotic Behaviour, IEEE, 1994.
10 NARENDRA, K. S.; PARTHASARATHY, K. Identification and Control of
Dynamical Systems using Neural Networks, IEEE Transaction and Neural
Networks, v.1, p.4-27, 1990.
11 BRAGA, A. P., LEON, A. P.; LUDERMIR, T. B. Fundamentos de Redes Neurais
Artificiais. Rio de Janeiro: UFRJ-11a Escola de Computação, 1998
12 LUEMBERG, D. G. Linear and Nonlinear Programming. 2nd ed Massachusetts:
Addison-Wesley Publishing Company, 1894.
13 DANTZIG, G. B. Linear Programming. Operations Research, v.50, n.1, p.42,
2002.
14 SIMMONS, D. Linear Programming for Operations Research. New Jersey:
Prentice Hall, 1972
15 BRADLEY, S., A. HAX; T.MAGNATI. Applied mathematical Programming.
Massachusetts: Addison-Wesley Publishing Company Addison-Wesley, 1977.
16 ADAN, M.; NOVO, V. Efficient and weak efficient points in vector optimization
with generalized cone convexity, Applied Mathematics Letters, v.16, p. 221225, 2003.
17 BENSON, H. P. Optimization over the efficient set, Journal of Mathematical
Analysis and Applications, v.98, p.562-580, 1984.
18 CHANKONG, V.; HAIMES, Y. Y. On the characterization of noninferior solutions
of the vector optimization problem, Automatica, v.18, n.6, p.697-707, 1982.
19 EHRGOTT, M. Multicriteria Optimization. Berlin: Springer-Verlag, 2000.
20 HO, Y. C.; PEPYNE, D. L. Simple explanation of the no-free-launch theorem and
its applications, Journal of Optimization Theory and Applications, v.115, n.3,
p.549-570, 2002.
21 KARMARKAR, N. A New Polynomial-Time Algorithm for Linear Programming.
Combinatorica, v.4, p.373-395, 1984.
22 VANNELLI, A. Teaching Large-Scale Optimization by an Interior Point Approach,
IEEE Transactions on Education, v.36, n.1, p.204-209, 1991.
23 BLAND, R. G., GOLDFARB, D.; TODD, M. J. The Ellipsoid Method: a Survey,
Operations Research, v.29, n.6, p.1039-1091, 1981.
24 GOLDBERG, D. E. Genetic Algorithms in Search, Optimization and Machine
Learning. Massachusetts: Addison-Wesley Publishing Company AddisonWesley, 1989.
25 GALESNE., A., FENSTERSEIFER, J. E.; LAMB, R. Decisões de Investimentos
da Empresa. São Paulo: Atlas, 1999.
26 JOHNSON, H.; KAPLAN, R. Relevance Lost: the Rise and Fall of
Management Account. Cambridge: Harvard Business School Press, 1987.
27 MARTINO, J. P. Research and development project selection. New York:
Jonh Wiley & Sons, 1995.
10. 28 SOUZA, A. ; Clemente, A. Decisões Financeiras e Análise de Investimentos. São
Palulo: Atlas, 1997.
29 BREALEY, R. A.; Myers, S. C. Principles of Corporate Finance. 7th ed. New
York: McGraw-Hill/Irwin, 2003.
30 AZEVEDO, P. B. M.; YU, A. S. O. Análise de Investimentos em Tecnologia: a
experiência da Divisão de Economia e Engenharia de Sistemas do Instituto de
Pesquisas Tecnológicas. Revista de Administração, v.35, n.4, p.103-118, 2000.
31 Hertz, D. B. Risk Analysis in Capital Investment. Harvard Business Review, ,
v.42, n.1, p.95-106 1964.
32 Hertz, D. B. Investment Policies that Pay-off. Harvard Business Review, v.4,
n.1, p.96-108, 1968.
33 FOLHA ON-LINE. Brasil sobe para 12º no ranking das maiores economias
mundiais.
FOLHA
ON-LINE.
Disponível
em:
<http://www1.folha.uol.com.br/folha/dinheiro/ult91u94930.shtml> . Acesso em: 31
de março 2005.
34 AGÊNCIA EFE. Economia brasileira cresceu 2,9% no primeiro trimestre do ano.
UOL
ECONOMIA.
Disponível
em:
<http://noticias.uol.com.br/ultnot/2005/05/31/ult1767u41755.jhtm> . Acesso em:
31 de maio 2005.
35 KENNEDY ALENCAR. Lula, de novo, espera fim de alta de juros. Folha de São
Paulo.
Disponível
em:
<http://www1.folha.uol.com.br/folha/dinheiro/ult91u96959.shtml> . Acesso em: 04
de junho 2005.
36 AGÊNCIA EFE. Carga tributária equivale a 41,6% do PIB brasileiro. UOL
Últimas
Notícias.
Disponível
em:
<http://noticias.uol.com.br/ultnot/2005/06/01/ult1767u41930.jhtm>. Acesso em:
01 de junho 2005.
37 BLEINROTH, C. E. Expansão da Capacidade Produtiva só se Justifica Quando a
Produtividade Alcançou o seu Nível Ótimo. Metalurgia e Minerais, v.554, n.61,
p.174, 2005.
Abstract
The aim of this work is to sustain the applicability of the Optimization Systems in the
industrial areas through the vision of the return on investment, ROI, and also contribute,
with the technical experts, managers and analysts of investments, for fomenting,
clearing and consolidating the necessary knowledge base to establish the correct
discussion about this theme. The argument is sustained by the economic and industrial
scenery, created by the increase of demand; necessity of production costs reduction;
exorbitant interest rates and opportunity cost, as well by the global competition pressure.
The methodology adopted, established the development of the work in three stages:
basic concepts of Optimization Systems, identification of the pertinent criteria used on
investment analyze and proposition of the hypothesis: “Optimization Systems are
justified by ROI”. Conclusions stand out the adoption of Optimization Systems, since the
ROI ‘s attractiveness can be determined by the relationship among the obtained gains,
of production, quality, flexibility and strategic alignment , associated to the
corresponding invested capital in fixed assets for its implementation.
Key-Words: optimization, investment analyze, return on investment – ROI, economy.