English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Plus monthly

Global: Zendy Tools annual

Global: Zendy Tools monthly

Global: Zendy Free Plan

Otimizar problemas de planejamento da produção sob incertezas é um desafio, pois é preciso definir se existe alguma metodologia mais adequada para lidar com o tipo de incerteza do problema, se tal metodologia é computacionalmente tratável e quais as vantagens e desvantagens que as metodologias disponíveis na literatura podem trazer na análise do problema. Neste trabalho, são analisadas duas importantes metodologias para lidar com um problema de planejamento da produção sob incertezas: a programação estocástica de dois estágios e a otimização robusta. Ao passo que a programação estocástica é uma das técnicas mais tradicionalmente utilizadas em problemas de planejamento da produção sob incertezas, a mesma pode gerar modelos intratáveis se o número de cenários for muito grande. A otimização robusta surge como alternativa para superar a aparente limitação dos modelos de programação estocástica, mas ela pode ser muito conservadora, dependendo de como as incertezas são modeladas. As vantagens e desvantagens de cada metodologia são ilustradas com base num problema prático de planejamento da produção de empresas moveleiras e são comparadas em termos de função objetivo, nível de serviço e esforço computacional. Os resultados sugerem que ambas as técnicas são competitivas quando budgets de incerteza menos conservadores são utilizados no modelo de otimização robusta. Verificou-se também que o modelo equivalente robusto pode ser mais fácil de ser resolvido do que a versão estocástica, o que é especialmente importante quando a versão determinística já apresenta dificuldade de resolução

Planejamento da produção sob incerteza: programação estocástica versus otimização robusta