Académique Documents
Professionnel Documents
Culture Documents
Slide 7
7123
Slide 8
8123
Slide 9
9123
Slide 10
65 Reduo de um PPL qualquer forma-padro Existe b i < 0 Existem variveis nopositivas: Seja x k 0: Soluo: Criar varivel x k tal que x k = - x k Assim, modelo
ter varivel x k 0 Soluo: Basta multiplicar restrio i por -1
Slide 66
67 Caracterizao de vrtice A x b
Slide 68
Slide 72
3 + L 4 L 1 -L 3 + L 1
Slide 79
83 Mtodo das Duas Fases Primeira fase (Criar problema auxiliar P): Introduzir
variveis de folga e variveis artificiais Variveis de folga: introduzidas quando h
variveis do tipo ou Variveis artificiais: introduzidas quando h restries do tipo ou
= Criar funo objetivo artificial: Variveis bsicas iniciais: variveis de folga
associadas s restries e variveis artificiais Objetivo da primeira fase: minimizar a
funo objetivo artificial Caminhar de SBV em SBV de P at alcanar SBV do
problema original P (situao que ocorre quando todas as variveis artificiais so
nulas).
Slide 84
84 Mtodo das Duas Fases Segunda fase: A partir de uma SBV do problema original
P, gerar SBV cada vez melhores at se atingir a soluo tima. Aplicando o mtodo
das duas fases ao PPL dado, tem-se:
Slide 85
85 Mtodo das Duas Fases VBx1x1 x2x2 x3x3 x4x4 x5x5 x1ax1a (L 1 )x3x3
1010002 (L 2 )x4x4 0101002 (L 3 )x1ax1a 110013 (L 4 )000001zaza (L 5 )120000z L
4 -L 3 + L 4 Reduo forma cannica:
Slide 86
86 Mtodo das Duas Fases VBx1x1 x2x2 x3x3 x4x4 x5x5 x1ax1a (L 1 )x3x3
1010002 (L 2 )x4x4 0101002 (L 3 )x1ax1a 110013 (L 4 ) 0010 z a -3 (L 5 )120000z L
3 -L 1 + L 3 L 4 L 1 + L 4 L 5 -L 1 + L 5
Slide 87
87 Mtodo das Duas Fases VBx1x1 x2x2 x3x3 x4x4 x5x5 x1ax1a (L 1 )x1x1
1010002 (L 2 )x4x4 0101002 (L 3 )x1ax1a 010 11 (L 4 )02010 z a -1 (L 5 )02000z-2
L 2 -L 3 + L 2 L 4 L 3 + L 4 L 5 -2L 3 + L 5
Slide 88
88 Mtodo das Duas Fases VBx1x1 x2x2 x3x3 x4x4 x5x5 x1ax1a (L 1 )x1x1
1010002 (L 2 )x4x4 001111 (L 3 )x2x2 010 11 (L 4 )001001 zaza (L 5 )00102-2z-4
Fim da primeira fase: z a = 0x = (2, 1); z = 4
Slide 89
89 Mtodo das Duas Fases VBx1x1 x2x2 x3x3 x4x4 x5x5 (L 1 )x1x1 101002 (L 2 )
x4x4 001111 (L 3 )x2x2 010 1 (L 4 )00102z-4 L 3 L 2 + L 3 L 4 -2L 2 + L 4
Slide 90
90 Mtodo das Duas Fases VBx1x1 x2x2 x3x3 x4x4 x5x5 (L 1 )x1x1 101002 (L 2 )
x5x5 001111 (L 3 )x2x2 010102 (L 4 )00-20z-6 Soluo tima: x* = (2,2); z* = 6
Slide 91
93 Mtodo das Duas Fases: Exemplo 3 Introduzindo variveis artificiais no PPL dado,
tem-se:
Slide 94
94 Mtodo das Duas Fases VBx1x1 x2x2 x3x3 x4x4 x5x5 x1ax1a x2ax2a (L 1 )
x1ax1a 1000102 (L 2 )x4x4 01010002 (L 3 )x2ax2a 1100013 (L 4 )0000011zaza (L
5 )1200000z L 4 -L 1 L 3 + L 4 Transf. para forma cannica:
Slide 95
95 Mtodo das Duas Fases VBx1x1 x2x2 x3x3 x4x4 x5x5 x1ax1a x2ax2a (L 1 )
x1ax1a 1000102 (L 2 )x4x4 01010002 (L 3 )x2ax2a 1100013 (L 4 )-210100 z a -5 (L
5 )1200000z L 3 -L 1 + L 3 L 4 2L 1 + L 4 L 5 -L 1 + L 5
Slide 96
96 Mtodo das Duas Fases VBx1x1 x2x2 x3x3 x4x4 x5x5 x1ax1a x2ax2a (L 1 )x1x1
1000102 (L 2 )x4x4 01010002 (L 3 )x2ax2a 0110 11 (L 4 )0 0120 z a -1 (L 5 )
021000z-2 L 2 -L 3 + L 2 L 4 L 3 + L 4 L 5 -2L 3 + L 5
Slide 97
97 Mtodo das Duas Fases VBx1x1 x2x2 x3x3 x4x4 x5x5 x1ax1a x2ax2a (L 1 )x1x1
1000102 (L 2 )x4x4 00111 1 (L 3 )x2x2 0110 11 (L 4 )0000011 zaza (L 5 )00021-2z-4
Fim da primeira fase: z a = 0x = (2, 1); z = 4
Slide 98
98 Mtodo das Duas Fases VBx1x1 x2x2 x3x3 x4x4 x5x5 (L 1 )x1x1 10002 (L 2 )
x4x4 00111 (L 3 )x2x2 01101 (L 4 )0002z-4 L 4 -2L 2 + L 4 L 3 L 2 + L 3
Slide 99
99 Mtodo das Duas Fases VBx1x1 x2x2 x3x3 x4x4 x5x5 (L 1 )x1x1 10002 (L 2 )
x5x5 00111 (L 3 )x2x2 010102 (L 4 )001-20z-6 x 3 pode entrar na base melhorando o
valor de z indefinidamente. Assim, no h soluo tima.
Slide 100
101 Dualidade Seja o PPL, doravante chamado de PPL primal: ou, na forma
expandida:
Slide 102
102 Dualidade Associado a este PPL, existe um PPL, chamado PPL dual: ou, na
forma expandida:
Slide 103
Slide 107
121 Resoluo de PPLs Inteiros Seja resolver: cuja soluo tima (contnua) : x 1 =
18,89 x 2 = 1,58 z = 48,42
Slide 122
128 Programao inteira: Branch-and-Bound Resolva pelo mtodo Branch-andBound o PLI abaixo Use a variante de Dank para decidir a varivel a ramificar (Nessa
variante, a varivel a ramificar aquela cujo valor est mais prximo de um valor
inteiro) Em caso de empate, escolha a de menor ndice Use busca em profundidade e
analise primeiro o valor maior da varivel ramificada, isto , o valor
Slide 129
132 Problema proposto pelo Tales (1) Dados de entrada: Pilhas = Conjunto de pilhas
Parametros = Conjunto dos parmetros de controle t ij = % do parmetro de controle j
em uma tonelada da pilha i tl j = % mnimo admissvel para o parmetro j tu j = %
mximo admissvel para o parmetro j tr j = % recomendada para o parmetro j Qu i =
Quantidade mxima de minrio, em toneladas, existente na pilha i p = quantidade, em
toneladas, da mistura a ser formada wnm j = Peso para o desvio negativo (relativo
meta) do parmetro j na mistura wpm j = Peso para o desvio positivo (relativo meta)
do parmetro j na mistura wpe j = Peso para o desvio positivo relativo especificao
do parmetro j na mistura wnpilha i = Peso para a quantidade de minrio que resta na
pilha i (peso relativo ao desvio negativo de pilha) wpp = Peso para o desvio positivo
de produo wnp = Peso para o desvio negativo de produo
Slide 133
133 Problema proposto pelo Tales (2) Dados de entrada: Para determinados
parmetros de controle, o limite superior de especificao pode ser extrapolado, isto ,
extrapolar j = 1 significa que o parmetro de controle j pode ter seu limite superior
relaxado) wpe j = Peso para o desvio positivo (de limite superior) do parmetro j na
mistura Algumas pilhas no podem ser utilizadas (desconsiderar i = 1 significa que a
pilha i no pode ser usada) Se uma pilha for retomada, deve-se retomar no mnimo
retmin toneladas Deve-se tirar o mximo possvel de cada pilha i, isto , a quantidade
que restar na pilha (dnpilha i ) deve ser minimizada Algumas pilhas devem ser
necessariamente retomadas, isto , retomar i = 1 significa que a pilha i deve ser
totalmente usada Variveis de deciso: x i = Quantidade de minrio a ser retirado da
pilha i dnm j = Desvio negativo (relativo meta), em toneladas, do parmetro j na
mistura dpm j = Desvio positivo (relativo meta), em toneladas, do parmetro j na
mistura dpe j = Desvio positivo (relativo ao lim. superior de especificao), em ton,
134 Problema da Mistura proposto pelo Tales (3) A mistura deve ter como meta um
peso total p A quantidade a ser retomada em cada pilha i est limitada Qu i A
quantidade do parmetro j na mistura no pode ser inferior mnima permitida
Admite-se que haja excesso (dpm j ) ou falta (dnm j ) do parmetro j na mistura em
relao quantidade recomendada A quantidade do parmetro j na mistura no pode
superar a mxima permitida A quantidade do parmetro j na mistura s pode superar a
mxima permitida quando extrapolar j = 1
Slide 135
135 Problema da Mistura proposto pelo Tales (4) Quando se deseja retomar
totalmente uma pilha i tem-se x i = Qu i Para as pilhas i que no se deseja retomar, x i
= 0 Deve-se tentar retomar totalmente a pilha i (dnpilha i representa a sobra) Uma
pilha i ser retomada (total ou parcialmente) se y i = 1 Deve-se retomar no mnimo
retmin toneladas de uma pilha, caso ela seja usada
Slide 136
137 Problema de Transporte Minas Usinas dem 1 dem 2 dem 3 cap 1 cap 2 cap 3 cap
4 c 11 c 12 c 13 f1f1 f2f2 f3f3 f4f4
Slide 138
139 Problema de Transporte (Caso em que: Oferta > Demanda) Como oferta (minas)
> demanda (usinas): Toda a demanda ser atendida 1. Funo objetivo Minimizar o
custo de transporte mais o custo fixo pelo uso das minas usadas
Slide 140
141 Problema de Transporte: modelo de PL c) Uma mina s pode ser usada se houver
produo d) No negatividade e integralidade
Slide 142
142 Problema de Transporte: modelo (Caso em que Oferta < Demanda) Nem toda a
demanda atendida Toda a produo ofertada
Slide 143
146 Listas Circulares no LINGO Listas circulares so usadas para ligar o ltimo
elemento de um conjunto ao primeiro, bem como o primeiro ao ltimo. No LINGO,
pode-se usar listas circulares por meio do comando @wrap @wrap(index,Limit) =
retorna o ndice J, dado por: J = index + k Limit onde k um nmero inteiro tal que J
pertena ao intervalo [1, Limit] Exemplos: @wrap(4, 7) = 4 + k 7 = 4 + 0 7 = 4
@wrap(8, 7) = 8 + k 7 = 8 + (-1) 7 = 1 @wrap(9, 7) = 9 + k 7 = 9 + (-1) 7 = 2
@wrap(0, 7) = 0 + k 7 = 0 + (1) 7 = 7 @wrap(-1, 7) = -1 + k 7 = -1 + (1) 7 = 6
@wrap(-2, 7) = -2 + k 7 = -2 + (1) 7 = 5 Assim, se i pertence ao conjunto Turnos, isto
, i Turnos, ento x i-2 seria representado no LINGO por: x(@wrap(i-2,
@size(Turnos)))
Slide 147
150 Problema de Corte de Estoque (1) (Cutting Stock Problem) Certa empresa
trabalha com a produo de etiquetas autocolantes. O papel usado para sua confeco
encontra-se em bobinas de mesmo comprimento, todas com largura de 50 cm. H uma
programao para a prxima semana de 32 bobinas de 15 cm, 17 bobinas de 17,5 cm
e 21 bobinas de 20 cm.
Slide 151
151 Problema de Corte de Estoque (1) (Cutting Stock Problem) poltica da empresa
estocar um mximo de 10 bobinas de cada tipo (Esta ao evita a imobilizao de
capital, uma vez que so incertos os prximos pedidos). Os possveis padres de corte
estabelecidos pelo setor tcnico so especificados na tabela ao lado. Qual a
programao de corte a ser adotada que minimiza o desperdcio face necessidade de
produo? Padro de corte Largura da faixaPerda (cm) 15 cm 17,5 cm 20 cm 13005
22102,5 31200 42010 501112,5 600210
Slide 152
152 Problema de Corte de Estoque (1) (Cutting Stock Problem) Dados de entrada:
Padroes = Conjunto dos padres de corte Bobinas = Conjunto dos tipos de bobinas
perda i = perda, em cm, com o uso do padro de corte i demanda j = quantidade de
bobinas do tipo j requeridas estmax = estoque mximo permitido de bobinas de cada
tipo a ij = nmero de bobinas de largura j existentes no padro i Variveis de deciso:
x i = Nmero de vezes em que se usa o padro de corte i
Slide 153
153 Problema de Corte de Estoque (1) (Cutting Stock Problem) O excesso de bobinas
do tipo j no pode exceder a estmax A demanda por bobinas do tipo j deve ser
atendida Minimizar a perda com os cortes
Slide 154
155 Problema de Corte de Estoque (3) (Cutting Stock Problem) Uma serralheria
dispe de barras de 7 metros de comprimento necessrio cortar essas barras de
forma a atender a uma encomenda por barras menores nos seguintes comprimentos:
92 barras de 2 metros 59 barras de 3 metros 89 barras de 4 metros Elaborar um
modelo para atender ao pedido minimizando a perda com o corte das barras e tambm
com o excesso de barras cortadas
Slide 156
156 Problema de Corte de Estoque (3) (Cutting Stock Problem) Dados de entrada:
Padroes = Conjunto dos padres de corte Barras = Conjunto dos tipos de barras a
serem produzidas perda i = perda, em cm, com o uso do padro de corte i demanda j =
quantidade de barras do tipo j requeridas a ij = nmero de barras do tipo j existentes
no padro i compr j = comprimento, em cm, da barra do tipo j Variveis de deciso: x
i = Nmero de vezes em que se usa o padro de corte i
Slide 157
157 Problema de Corte de Estoque (3) (Cutting Stock Problem) Primeiro passo:
Estabelecimento dos padres de corte Barras Padro2m3m4mPerda 10110 20201
31011 42100 53001
Slide 158
158 Problema de Corte de Estoque (3) (Cutting Stock Problem) Perda referente aos
159 Problema da Mochila 0-1 dado um conjunto de objetos, uma unidade de cada
H uma mochila de capacidade cap para colocar os objetos Cada objeto tem associado
um peso w j e um valor de retorno p j se for alocado mochila Determinar quais
objetos devem ser alocados mochila de forma que o valor de retorno seja o maior
possvel Dados de entrada: Objetos = Conjunto dos diferentes tipos de objeto cap =
Capacidade da mochila w j = peso (weight) do objeto j p j = benefcio (profit)
proporcionado pelo uso do objeto j Variveis de deciso: x j = 1 se o objeto j for
alocado mochila e zero, caso contrrio
Slide 160
161 Problema da Mochila 0-1 Mltipla Dados de entrada: Objetos = Conjunto dos
diferentes tipos de objeto Mochilas = Conjunto dos diferentes tipos de mochila cap i =
Capacidade da mochila i w j = peso (weight) do objeto j p j = benefcio (profit)
proporcionado pelo uso do objeto j Variveis de deciso: x ij = 1 se o objeto j for
alocado mochila i e zero, caso contrrio
Slide 162
163 Problema da Mochila Inteira Mltipla Dados de entrada: Objetos = Conjunto dos
diferentes tipos de objeto Mochilas = Conjunto dos diferentes tipos de mochila u j =
quantidade de objetos j disponveis cap i = Capacidade da mochila i w j = peso
(weight) do objeto j p j = benefcio (profit) proporcionado pelo uso do objeto j
Variveis de deciso: x ij = quantidade de objetos do tipo j alocados mochila i
Slide 164
166 Funo Objetivo Desvio negativo de meta do parmetro j na mistura (t/h) Desvio
positivo de meta do parmetro j na mistura (t/h) Peso por desvio negativo de meta
para o parmetro j Peso por desvio positivo de meta para o parmetro j Peso por
desvio negativo da produo Desvio negativo da meta de produo (t/h) Peso por
desvio positivo da produo Desvio positivo da meta de produo (t/h) Alocao
Dinmica de Caminhes
Slide 167
168 Restries relativas ao Ritmo de Lavra Ritmo de lavra mximo: Ritmo de lavra
mnimo: Ritmo de lavra recomendado (meta de produo): Alocao Dinmica de
Caminhes
Slide 169
169 90 (t/h)1000 (t/h)0,1090 >= 100 100 (t/h)1000 (t/h)0,10100 >= 100 Restrio
relativa Relao Estril/Minrio Alocao Dinmica de Caminhes
Slide 170
170 Restries ligadas Alocao das Carregadeiras (1) F1 Cg1 Cg2 Cg3 F2
Alocao Dinmica de Caminhes Em uma frente s pode estar operando uma
carregadeira, no mximo
Slide 171
171 Restries ligadas Alocao das Carregadeiras (2) Cg1 F1 F2 Cg2 Alocao
Dinmica de Caminhes Uma carregadeira pode ser alocada a uma frente, no
mximo:
Slide 172
173 O nmero de viagens que cada caminho l faz cada frente i em uma hora
depende de seu tempo de ciclo: Ca2 F1 F2 F3 Ca1 Alocao Dinmica de Caminhes
Slide 174
175 Restries relativas Produo dos Caminhes Ca1 Ca2 Ca3 F1F2 Alocao
Dinmica de Caminhes
Slide 176
182 Ritmo total de lavra no pode ser menor que o limite mnimo de produo (pl)
Determinao do Ritmo de Lavra: Restries Restries de Produo: Ritmo total de
lavra no pode superar o limite mximo de produo (pu) Ritmo total de lavra deve
buscar a meta de produo (pr)
Slide 183
185 Quando for definido um ritmo de lavra mnimo (ritmin i ) para uma frente i e ela
estiver disponvel (dispfrente i ), ento esse ritmo mnimo tem que ser respeitado:
Determinao do Ritmo de Lavra: Restries Restries relativas ao Ritmo de Lavra:
Quando for definido um ritmo de lavra mximo (ritmax i ) para uma frente i e ela
estiver disponvel (dispfrente i ), ento esse ritmo mximo tem que ser respeitado:
Slide 186
186 O ritmo de lavra total das frentes que operam com caminho no pode ultrapassar
a capacidade do Hopper O ritmo de lavra total das frentes que operam com o
carregador l no pode ultrapassar a capacidade do carregador Restries de
Capacidade: Determinao do Ritmo de Lavra: Restries F1 F2 Carregador 1 1400
t/h x 1 + x 2 <= 1400 Hopper 2000 t/h CO F3 F4 CA x 3 + x 4 <= 2000
Slide 187
Slide 203
Slide 220
226 Problema do Caixeiro Viajante Complexidade Para dimenses mais elevadas (>
230 PCV Vizinho mais Prximo Exemplo - Passo 1 1 4 ijd ij 611 622 636 646 652 3
2 5 6 Cid.123456 1021491 2205972 3150386 4493026 5978202 6126620 Distncia
Total = 1 1
Slide 231
231 PCV Vizinho mais Prximo Exemplo - Passo 2 1 4 ijd ij 122 131 144 159 3 2 5
6 Cid.123456 1021491 2205972 3150386 4493026 5978202 6126620 Distncia Total
=1+1=211
Slide 232
232 PCV Vizinho mais Prximo Exemplo - Passo 3 1 4 ijd ij 325 343 358 3 2 5 6
Cid.123456 1021491 2205972 3150386 4493026 5978202 6126620 Distncia Total =
2+3=5113
Slide 233
233 PCV Vizinho mais Prximo Exemplo - Passo 4 1 4 ijd ij 429 452 3 2 5 6
Cid.123456 1021491 2205972 3150386 4493026 5978202 6126620 Distncia Total =
5+2=71132
Slide 234
235 PCV Vizinho mais Prximo Exemplo Passo final: Insero forada 1 4 3 2 5 6
Cid.123456 1021491 2205972 3150386 4493026 5978202 6126620 Distncia Total =
14 + 2 = 16 1 1 3 2 7 2
Slide 236
242 PCV Insero mais Barata Exemplo Passo final 1 4 ikjd ik + d kj d ij 6416 +
4 1 = 9 1434 + 3 1 = 6 3423 + 9 5 = 7 2459 + 2 7 = 4 5462 + 6 2 = 6 3 2 5 6
Cid.123456 1021491 2205972 3150386 4493026 5978202 6126620 Distncia Total =
16 + 4 = 20 7 2 1 5 1 9 2
Slide 243
257 CARGACam 1 Cam 2...Cam V F1F1 (Car 2, 0)5X...4 F2F2 (D, 0)00...0 F3F3
(Car 1, 1)24...1 F (Car 5, 1)09...3 Representao de uma Soluo Planejamento
Operacional de Lavra com Alocao Dinmica de Caminhes
Slide 258
258 Seis tipos de movimentos para explorar o espao de solues: Movimento Carga
Movimento Nmero de Viagens Movimento Realocar Viagem de um Caminho
Movimento Realocar Viagem a uma Frente Movimento Operao Caminho
Movimento Operao Frente Cada movimento define um tipo de vizinhana
Planejamento Operacional de Lavra com Alocao Dinmica de Caminhes
Slide 259
259 Movimento Carga - N CG (s) Carga F1F1 ( Car 1,1) F2F2 (D,0) F3F3 ( Car 3,0)
F4F4 ( Car 4,1) Carga F1F1 ( Car 1,1) F2F2 ( Car 4,1) F3F3 ( Car 3,0) F4F4 (D,0)
Vizinhana N CG Planejamento Operacional de Lavra com Alocao Dinmica de
Caminhes
Slide 260
260 Carga F1F1 ( Car 1,1) F2F2 (D,0) F3F3 ( Car 3,0) F4F4 ( Car 4,1) Carga F1F1
( Car 1,0) F2F2 (D,0) F3F3 ( Car 3,0) F4F4 ( Car 4,1) Carga F1F1 ( Car 1,1) F2F2
(D,0) F3F3 ( Car 3,0) F4F4 ( Car 4,1) Carga F1F1 ( Car 1,0) F2F2 (D,0) F3F3 ( Car
3,1) F4F4 ( Car 4,1) Desativar operao de uma carregadeira alocada a uma frente
Ativar operao de uma carregadeira alocada a uma frente Movimento Operao
Frente - N OF (s) Vizinhana N OF Planejamento Operacional de Lavra com
Alocao Dinmica de Caminhes
Slide 261
263 Movimento Realocar Viagem a uma Frente - N VF (s) CargaCam 1 Cam 2 F1F1
(Car 1,1)6X F2F2 (D,0)00 F3F3 (Car 3,0)00 F4F4 (Car 4,1)43 CargaCam 1 Cam 2
F1F1 (Car 1,1)6X F2F2 (D,0)00 F3F3 (Car 3,0)00 F4F4 (Car 4,1)34 1 Vizinhana N
VF Planejamento Operacional de Lavra com Alocao Dinmica de Caminhes
Slide 264
Slide 273
299 Proposto por Nenad Mladenovic & Pierre Hansen em 1997 Mtodo de Descida
em Vizinhana Varivel Explora o espao de solues atravs de trocas sistemticas
de estruturas de vizinhana Explora vizinhanas gradativamente mais distantes
Sempre que h melhora em uma certa vizinhana, retorna-se vizinhana menos
distante Variable Neighborhood Descent (VND)
Slide 300
308 Instncia Procedimento IProcedimento II POLAD01 216,80 (1) 216,80 (2) 211,99
0,0 2638,830,2789,2 POLAD02 2751,79 (1) 2751,79 (2) 2731,71 0,0
5248,990,1822,1 POLAD03 1962,90 (1) 1584,50 (2) 585,30 80,6 3736,9471,0842,1
POLAD04 3021,83 (1) 2706,45 (3) 2706,45 3,6 59795,830,1819,4 Desempenho do
Algoritmo ILS: (1) Melhor soluo em 15 minutos de processamento; (2) Melhor
soluo em 240 minutos; (3) Soluo tima, obtida em 80 minutos de processamento.
ILS aplicado ao Planejamento Operacional de Lavra com Alocao Dinmica de
Caminhes
Slide 309
318 Operador crossover para o PCV Operador OX Operador crossover de dois pontos
de corte Cruzamento entre os pais geram dois filhos Filhos herdam a ordem de visita
dos pais
Slide 319
Slide 320
1 | 8 9 3)
Slide 327