Given a list of activities and predecessors, an AOA representation of a project can be constructed by using the following rules: 1 Node

1 represents the start of the project. An arc should lead from node 1 to represent each activity that has no predecessors. 2 A node (called the finish node) representing the completion of the project should be included in the network. 3 Number the nodes in the network so that the node representing the completion of an activity always has a larger number than the node representing the beginning of an activity (there may be more than one numbering scheme that satisfies rule 3). 4 An activity should not be represented by more than one arc in the network. 5 Two nodes can be connected by at most one arc. To avoid violating rules 4 and 5, it is sometimes necessary to utilize a dummy activity that takes zero time.

CAPITULO 1: PERT CPM

that consists entirely of critical activities is called a critical path. (,) = (,) = (,) + (, ) (,) = (,) = (,) (, ) Formalizao do problema em Prog. Linear: = . = { PERT ALEATRIO: Sabe-se a distribuio de probabilidades das atividades ou assume-se uma beta. Vem ento: = + + = Cada atividade tem ento um e A durao do projeto tende pelo TLC para uma normal

o jogador coluna escolhe a sua estratgia j ento o jogador linha recebe uma recompensa de aij e o jogador coluna perde uma quantidade aij. Assim, podemos pensar num ganho de aij do jogador linha e num prejuzo do jogador da coluna de aij. Um tal jogo chamado um jogo de soma-nula de duas pessoas, o qual representado pela matriz

Com a rede traada calculamos o caminho critico. (, ) (, ) = { , + (, ) } = = { (, ) } = Por conveno vem que a data mais cedo do ltimo acontecimento igual data mais tarde do ltimo acontecimento.

timo ( ) = ( TWO-PERSON CONSTANT-SUM GAMES A two-person constant-sum game is a twoplayer game in which, for any choice of both players strategies, the row players reward and the column players reward add up to a constant value c. ESTRATGIAS MISTAS Cada jogador atribui uma distribuio de probabilidades ao seu conjunto de estratgias. = probabilidade do jogador linha jogar i, = probabilidade do jogador coluna jogar j. Valor esperado do jogo = = O jogador linha vai tentar maximizar o mnimo deste valor esperado enquanto que o jogador coluna vai tentar minimizar o mximo deste valor esperado.

Construo da rede:

= j - i - (, ) = j - i - (, ) The Margem Livre (ML) of the activity corresponding to arc (i, j), denoted by FF(i, j), is the amount by which the starting time of the activity corresponding to arc (i, j) (or the duration of the activity) can be delayed without delaying the start of any later activity beyond its earliest possible starting time.
Activity B: MT(1, 2) = DT(2) -DC(1) - 9 = 0 Activity A: MT (1, 3) = DT(3) - DC(1) - 6 = 3 Activity D: MT(3, 4) = DT (4) - DC (3) - 7 = 0 Activity C: MT(3, 5) = DT (5) - DC (3) - 8 = 9 Activity E: MT(4, 5) = DT (5) - DC (4) - 10 = 0 Activity F: MT(5, 6) =DT (6) - DC (5) - 12 =0

( , )

Any activity with a total float of zero is a critical activity. A path from node 1 to the finish node

JOGOS DE SOMA NULA - H dois jogadores (jogador linha e jogador coluna). - O jogador linha deve escolher uma de estratgias m. Simultaneamente, o jogador coluna deve escolher uma de n estratgias. - Se o jogador da linha escolhe sua estratgia i e

CAPITULO 2: Teoria de jogos

Se o jogador Even escolhe 1 finger .Ento o valor esperado para Odd : (1)x1 (1)(1 x1) = 1 2x1

Se o jogador Even escolhe 2 finger .Ento o valor esperado para Odd : (1)(x1) (1)(1 x1) = 2x1 1 Because x1 + x2 = 1, we know that x2 = 1 x1. Thus, any mixed strategy may be written as (x1, 1 x1), and it suffices to determine the value of x1.

Solution Letting Joe Willie be player 1, company 2 be player 2, and company 3 be player 3, we find the characteristic function for this game to be: v({ }) = v({1})= v({2}) = v({3}) = v({2, 3}) = 0 v({1, 2}) = v({1, 3}) = v({1, 2, 3}) = $1,000,000

Consider any two subsets of sets A and B such that A and B have no players in common ( = ). Then for each of our examples (and any n-person game), the characteristic function must satisfy the following inequality: () () + () This property of the characteristic function is called superadditivity. Let = {1, 2, . . . , } be a vector such that player i receives a reward xi. We call such a vector a reward vector. a reward vector = (1, 2, , ) is not a is not a reasonable candidate for a solution unless x satisfies () = =1 Racionalidade de grupo () Racionalidade individual If x satisfies both and, we say that x is an imputation. THE CORE OF AN N-PERSON GAME

x3 0 (18) x1 + x2 + x3 = $1,000,000 (19) Theorem 1 shows that x = (x1, x2, x3) will be in the core if and only if x1, x2, and x3 satisfy (16)(19) and the following inequalities: x1 + x2 $1,000,000 (20) x1 + x3 $1,000,000 (21) x2 + x3 $0,000,000 (22) x1 + x2 + x3 $1,000,000 (23) To determine the core, note that if x = (x1, x2, x3) is in the core, then x1, x2, and x3 must satisfy the inequality generated by adding together inequalities (20)(22). Adding (20)(22) yields 2(x1 + x2 + x3) $2,000,000, or x1 + x2 + x3 $1,000,000 (24) By (19), x1 + x2 + x3 = $1,000,000 (19). Thus, (20)(22) must all be binding. Simultaneously solving (20)(22) as equalities yields x1 = $1,000,000, x2 = $0, x3 = $0. A quick check shows that ($1,000,000, $0, $0) does satisfy (16)(23). In summary, the core of this game is the imputation ($1,000,000, $0, $0). Thus, the core emphasizes the importance of player 1.

Vshapley =

2 6

(0) + 2( )1000000 + ( )1000000 =

6 4000000 6 6

Suppose Odd chooses the mixed strategy (x1, 1 -x1). Because Even is assumed to know the value of x1, for any value of x1 Even will choose the strategy (putting out one or two fingers) that yields a smaller expected reward for Odd. From Figure, we see that, as a function of x1, Odds expected reward will be given by the ycoordinate in DBC. Odd wants to maximize her expected reward, so she should choose the value of x1 corresponding to point B.

THE SHAPLEY VALUE Given any n-person game with the characteristic function v, there is a unique reward vector = (1, 2, . . . , ) satisfying Axioms 14. The reward of the ith player (xi) is given by =

1000000 6 The Shapley value must allocate a total of v({1, 2, 3}) = $1,000,000 to the players, so the Shapley value will recommend that player 3 receive 1,000,000 x1 1000000 x2 = 6 Vshapley =

CAPITULO 3: Modelos Determinsticos de stocks

TWO-PERSON NONCONSTANT-SUM GAMES As in a two-person zero-sum game, a choice of strategy by each player is an equilibrium point if neither player can benefit from a unilateral change in strategy. INTRODUCTION TO N-PERSON GAME THEORY For each subset S of N, the characteristic function v of a game gives the amount v(S) that the members of S can be sure of receiving if they act together and form a coalition.
Joe Willie has invented a new drug. Joe cannot manufacture the drug himself, but he can sell the drugs formula to company 2 or company 3. The lucky company will split a $1 million profit with Joe Willie. Find the characteristic function for this game.

An important solution concept for an n-person game is the core. Before defining this, we must define the concept of domination. Given an imputation = (1, 2, . . . , ), we say that the imputation = (1, 2, . . . , ) dominates x through a coalition S (written > ) if () If > then:
Each member of S prefers y to x. Because () ,the members of S can attain the rewards given by y. The core (ncleo) of an n-person game is the set of all undominated imputations. An imputation = {1, 2, . . . , } is in the

()[( {} ()]

||! ( || 1)! ! |S| is the number of players in S, and for n 1. Find the Shapley value for the drug game. To compute x1, the reward that player 1 should receive, we list all coalitions S for whichplayer 1 is not a member. For each of these coalitions, we compute v(S {i} v(S) and p3(S). () =

MODELO DE WILSON: - No existe rutura; - Custos unitrios constantes; - Procura constante e Uniforme; - Entrada em bloco da encomenda; FORMULRIO; D - procura anual c custo unitrio do produto; h custo de posse de uma unidade durante um ano. h=ic, com i = taxa de posse Prazo de reaprovisionamento T - Comprimento do ciclo K custo fixo por encomenda p custo de rutura de uma unidade por uma unidade tempo

core of an n-person game if and only if for each subset S of N, ()

Find the core of the drug game. Solution For this game, x = (x1, x2, x3) will be an imputation if and only if x1 0 (16) x2 0 (17)

ciclo em anos, nr ciclos num ano

Custo anual Aquisio: Custo anual de encomenda: Custo de Posse: (custo de posse por ciclo* Nr ciclos) ( ) ( ) =
2 2

2 + (, ) = =0 (, ) 2 =0 { = + { 2 = + Ponto de Encomenda: = ( ) Se r positivo nr de unidade em stock a partir das quais fazer encomenda, se r negativo, nr de unidades diferidas ate se fazer encomenda. = , MODELO COM DESCONTO: - No h rutura de stocks. - H desconto0s de quantidades. Admitimos que o desconto recai sobre todas as unidades . 0 < 1 () {1 1 < 2 2 2 0 + < 1 2 1 () 1 + + 1 < 2 2 2 2 + + 2 { 2 0 +

Custo Total: + 2 Derivando e igualando a zero vem: () = + 2 2 = = = + 2 Sabemos que num perodo T se consome Q ento num perodo consome-se r (ponto de encomenda). Dependendo do tamanho de Vem ento que: Ponto de encomenda P: = , = ( ) MODELO DE VENDAS DIFERIDAS: -Existe rutura de stock.

Testar 2 : - Se no se verificar calcular CT(2 ) e prosseguir. - Se for ento Q est encontrado. Calcular o com 1 e testar 1 < 2 - Se no se verificar calcular CT(1 ) e prosseguir. - Se for ento comparar os custos obtidos com esse e CT(2 ) dos dois escolher aquele que menor. Et cetera Ponto de encomenda = ponto de encomenda do modelo de Wilson MODELO DE TAXA DE PRODUO FINITA - A encomenda no chega em bloco, mas sim medida que produzida. - taxa de produo anual de p, com p>D

() = + =

( ) + 2

( )

Declive p-D

Declive -D Declive p-D

Se Se < 1 = se aba direita 2 = ( ( )) se aba esquerda = ( ) MODELO COM RESTRIES N produtos que disputam um mesmo recurso. Ex: espao em armazm, ou capital para estabelecer stock. FORMULRIO; - procura anual do bem j custo unitrio do produto j; custo de posse de uma unidade de bem j durante um ano. = , com = taxa de posse - Prazo de reaprovisionamento T - Comprimento do ciclo custo fixo de lanamento do bem j objectivo

Q/p

Q/D

Q S S

Para produzir um lote de tamanho Q precisamos de tempo. Durante este tempo em que produzimos uma quantidade Q taxa de p tambm vendemos a uma taxa de D pelo que o mximo de stock ser ( ). Custo anual produo: Custo anual de lanamento de produo:

Custo anual Aquisio: Custo anual de encomenda: ciclos) (

)( ) 2 2

Custo de Posse: (custo de posse por ciclo* Nr =

()2 2

Custo de Posse: (custo de posse por ciclo* Nr ciclos) - Stock mdio: max () = 2 2 () Custo de posse por ciclo: 2 Nmero de ciclos:

Custo de Rutura: (custo de rutura por ciclo* Nr ciclos) ( ) ( ) =

2 2

hj min ( 1 , , ) = cj + k j + 2

( )2 2 () = + + + 2 2

O mtodo de resoluo simples , comecemos por calcular o para o c menor, neste caso 2.

(1 ) ( ) = 2 2

1 Resolver o problema sem restrio (relaxao do problema). Calcular o timo livr

2 2 = = 2 Testar a restrio 2k j Dj i j cj

Se verifica ento timo encontrado seno 3 Encontrar timo condicionado( lagrangeana) = 2 0 + 2

2 2

. 11 + 12 + + 14 1 11 + 12 + + 14 1 44 4 44 4 11 + 11 = 1 12 + 12 + 22 + 22 = 2 , 0 Com custos de lanamento:

Ex: para 3 perodos

Perodo 2:
Q2 c(Q2)+ K2 X3*h2 0 3 6 9 12 0 0 1 2 3 4 5 6

0 67

0 67 Q4

656 663 924 0 67 f4(x5) 864 860 860 864

656 864

0 157

17 27 37 57 77 97 f2(x3) Q3 2 3 3 4 5 x5 0 50 63 77 100

c(Q4)+k 0 204 h5*h 0 Q4 67

X3 0 1 2 3 4

55 51 50

79 75 64 63 103 99 88 77 86

127 123 112 101 100 109

MODELOS ALEATRIOS DE STOCKS

MODELO DE PERODO NICO CUSTOS DE ENCOMENDA CONSTANTE: FORMULRIO; - Procura do bem que varivel aleatria c custo unitrio do produto. h Custo de posse de stock de unidade, no fim do periodo que inclui o valor residual custo de rutura, em sentido estrito ( o produto no existe pago uma indeminizao) p custo de rutura em sentido lato : p=+s s preo de venda do produto; Q quantidade a encomendar Funo ganho: ( ) < () { (. ) > Como temos sempre custo de lanamento este pode ser ignorado. Consideremos D uma varivel aleatria discreta:
1

Periodo 3
Q3 X4 0

151 147 136 125 124 123 132 123 0 1 2 3 4 f3(X4) 99

MODELO DE PROCURA VARIAVEL:

1 = ; 2 = 2 ; 2 =

Se 2 0,2 modelo procura uniforme; Se 2 > 0,2 modelonprocura varivel; Sem custos de lanamento:
Ex: para 4 perodos

FORMULRIO; quantidade encomendada para satisfazer procura em j - Procura no perodo j Custo lanamento; ( ) Custo unitrio em tempo normal j; Custo de posse de uma unidade unidade que fica de t=j para t=j+1 Stock inicial em i
1 2 3 3 2 4 3 7 6 1 3 2

c(Q3)+K2 0 16 26 X4*h4 0 123 116 103

36 56 99 106 Q4 3

= +

+1 = + Modelo de Wagner-Whithin: Encomendamos quantidades do perodo

Custo de Period Procura Lanamento o D (k) 1 2 3 4 76 26 90 67 Q1 x2 0 26 116 183 x2.h 0 26 116 183 Q2 0 26 116 346 220 298 568 769 183 480 f2(x3) Q2 298 386 658 926 0 90 157 499 f3(x4) Q3 656 857 298 0 656 116 857 183 98 114 185 70 61 87 177 452 Custo Custo de Posse Unitrio (h) (c) 1 1 1 1 244 586 f1(x2) Q1 220 298 61 87 2 2 2 2

FORMULRIO; - Procura no perodo j Capacidade de produo extraordinria; Capacidade de produo em tempo normal; Custo unitrio em tempo normal j; Custo unitrio em tempo normal j;

de uma

Periodo Procura C. lanamento Custo Posse

Custo de posse de uma unidade de uma 10 0 3 ( ) = { unidade que fica de t=j para t=j+1 30 + 20( 3) 4 Produo normal no perodo i para satisfazer 1 = 1 procura em j Perodo 1: Produo extra no perodo i para satisfazer Q1 2 3 4 5 6 7 8 procura em j
T=1 T=2 T=3 T=4 X2 0 1 2 3 4 5 6 y14f1+h1+h2+h3 x44c4 y44f4 c(Q1)+K1 23 33 53 73 93 113 133 x2*h1 0 1 2 3 4 5 6 23 34 55 76 97 118 f1(x2) Q2 23 34 55 76 97 118 2 3 4 5 6 7 8 P1N X11 c1 X12c1+h1 X13 c1+h1+h2 X13c1+h1+h2+h3 P1E y11 h1 Y12f1+h1 y13 f1+h1+h2 P2N P2E P3N P3E P4N P4E x22c2 y22f2 X23c2+h2 Y23f2+ h2

c(q1)+k 0 272

[()] = [ (. )] ()
+ =0

586 177 769 244

+ [ ( )] ()
=

c(q2)+k 0 166 x3 0 90 157 x3*h 0 90 157 Q3 x4 x4*h

Queremos otimizar discretamente ento [( )] [( + 1)] { [( )] [( 1)]

Condio de timo: ( ) + ( + 1) + + + : () + +

139 139

Consideremos D uma varivel aleatria continua:

min = 11 1 + + 44 4

c(Q3)+k 0 365

[()] = [ (. )] ()
+ =0

+ [ ( )] ()
=

Queremos otimizar : [()] =0 + () = + + Com () = ( ) [()]

Obs: se h<c o modelo faz sentido porque se h=c, poder-se-ia encomendar ilimitadamente, pois o preo de saldo seria igual ao custo unitrio do produto. Obs:
1

[()] = s [ + (Q d) () +
=0 1

( + ) (d Q) ()]
=0

Receita Custos de aquisio esperada esperados Custos de posse

Custo de ruptura

MODELO DE PERODO NICO CUSTOS DE LANAMENTO: Admitamos que vale a pena comercializar o produto. Anteriomente ignorou-se o valor do custo de lanamento, seja agora: [ ()] = + [()] k

[()]

[ ()] q qi Q

Se tivermos stock entre q e Q, no compensa Custo de posse : fazer encomenda. Modelo (p-Q) SIMULAO ( + ) = ( + ) 2 2 : [()] = [ ( )] Definies: Custo de Rutura: [] Onde obtido atravs do modelo anterior Relgio de simulao: Define o tempo Deciso: . . Estado do sistema: N(t) altera-se com o Se < encomenda < andamento do relgio, ex. nr clientes, nr de { Se No encomenda lanamentos, numero de entrevistas Se No encomendar e reduzir stock se poss. [] = ( )( ) METODOS DE GERAO DE NUMEROS ALEATORIOS: MODELO MULTIPERIODO COM VENDAS Custo total esperado: DIFERIDAS: (, ) = Aceitao rejeio: p= no h vendas perdidas. () limitada num domnio + + ( + ) + 2 : prazo de reaprovisionamento (constante e no i) Normalizao no domnio de () aleatrio) atravs de c. Minimizar: =0 =0 ii) Definir = + ( ) Como estamos em ambiente de incerteza, iii) Gerar pares de NPAs (1, 2) quando a encomenda chega podemos estar numa ( )( ) 2[ + iv) Se 2 ( + 1( )) aceitar 1 e situao de stock positivo, nulo ou ate mesmo = considerar 1 = + 1 ( ), caso negativo. contrario rejeitar 1 ( > ) = () = ( ) = Mtodo da Inversa: Propriedade: se x for v.a.: () = ( ) ( )( ) feito O clculo de ao realizar a transformao () = temos que recorrendo tabela 1 ~(0,1) MODELO MULTIPERIODO COM VENDAS PERDIDAS: Exponencial : Quando no h unidades em stock no se vende 1 ate chegar encomenda. ~() () = Custo anual Aquisio: = () = 1 Custo anual de encomenda: 1 = (1 ) Custo de Posse: Custo anual Aquisio: Custo Mnimo Posse: + [] Custo mximo posse: + + [] Uniforme: Custo anual de encomenda: 1 Custo mdio: + + [] Custo de Posse: 2 ~(, ) () = ba Custo Mnimo Posse: Custo posse: ic( + + [])= 2 = () = ( . . ) Ic( + . ) 2 [ ] = = + ( ) Custo mximo de posse: + Normal: ( )( ) 2[ + = 1 [ + ] = + 1 = + (2 (1 1 ))2 (22 ) Stock medio esperado: 1 1 = + (2 (1 1 ))2 (22 )

( > ) = () = ( ) =

Dados de anlise: Tempo: i) : ii) : Comprimento: i) Tempo de inatividade: tempo em que no houve clientes
:

Tempo Min 0 92 100 102 109 111 114 148 150

N(t) 0 1 2 1 0 1 0 1 0

y1 0,99 0,33 0,43 0,84 -

Intervalo entre chagdas 92 8 11

y2 0,55 0,45

tempo servio

Proxima chegada 92 100 111 111 111 148 148 -

proxima partida 102 102 109 109 114 114 150

Proximo acontecimento chegada 92 chegada100 partida102 partida 109 chegada111 partida 114 chegada 148 partida150

10

37

0,23

0,15