Neste trabalho propomos um modelo de crescimento econômico baseado na fusão de modelos tradicionais da literatura econômica com modelos de alocação ótima de cientistas. O objetivo é destacar a importância dos cientistas (tomados como professores ou pesquisadores) na economia. Desenvolvemos dois sistemas dinâmicos com variáveis de controle. Utilizamos a técnica do Princípio do Máximo de Pontryagin, trabalhamos com horizonte de tempo finito e infinito. Encontramos soluções numéricas para uma versão simplificada do modelo proposto. / We propose a model of economic growth based on a fusion of traditional models of economic growth with models of optimal allocation of scientific personnel. The main goal is to highlight the importance of scientists (taken as professors or researchers) in the economy. We develop two dynamical systems steered by control variables. We make use of Pontryagin's maximum principle, working in finite and in nite time horizons. We find numerical solutions for a simplified version of the proposed model.

Neste trabalho propomos um modelo de crescimento econômico baseado na fusão de modelos tradicionais da literatura econômica com modelos de alocação ótima de cientistas. O objetivo é destacar a importância dos cientistas (tomados como professores ou pesquisadores) na economia. Desenvolvemos dois sistemas dinâmicos com variáveis de controle. Utilizamos a técnica do Princípio do Máximo de Pontryagin, trabalhamos com horizonte de tempo finito e infinito. Encontramos soluções numéricas para uma versão simplificada do modelo proposto. / We propose a model of economic growth based on a fusion of traditional models of economic growth with models of optimal allocation of scientific personnel. The main goal is to highlight the importance of scientists (taken as professors or researchers) in the economy. We develop two dynamical systems steered by control variables. We make use of Pontryagin's maximum principle, working in finite and in nite time horizons. We find numerical solutions for a simplified version of the proposed model.

Neste trabalho propomos um modelo de crescimento econômico baseado na fusão de modelos tradicionais da literatura econômica com modelos de alocação ótima de cientistas. O objetivo é destacar a importância dos cientistas (tomados como professores ou pesquisadores) na economia. Desenvolvemos dois sistemas dinâmicos com variáveis de controle. Utilizamos a técnica do Princípio do Máximo de Pontryagin, trabalhamos com horizonte de tempo finito e infinito. Encontramos soluções numéricas para uma versão simplificada do modelo proposto. / We propose a model of economic growth based on a fusion of traditional models of economic growth with models of optimal allocation of scientific personnel. The main goal is to highlight the importance of scientists (taken as professors or researchers) in the economy. We develop two dynamical systems steered by control variables. We make use of Pontryagin's maximum principle, working in finite and in nite time horizons. We find numerical solutions for a simplified version of the proposed model.

O uso de atuadores chaveados tornou-se comum em muitas aplicações, por exemplo, no controle de atitude de sistemas aeroespaciais. Tipicamente estes atuadores estão sujeitos a restrições temporais de chaveamento por razões tecnológicas. Neste contexto o projeto de controladores tradicionais busca operar em ciclo limite com amplitudes e frequências adequadas. O presente trabalho consiste no desenvolvimento de duas formulações de controladores preditivos para sistemas com atuadores sujeitos a restrições temporais de chaveamento. Nas abordagens propostas, as ações de controle são especificadas por uma sequência de valores inteiros pertencentes ao conjunto {-1; 0; 1}, que representam os atuadores completamente acionados em uma das duas possíveis direções {-1 ou +1} ou atuadores desligados {0}. O sinal de controle ótimo é obtido pela minimização de uma função custo que penaliza os desvios da saída regulada com respeito à referência desejada. As restrições temporais de chaveamento são consideradas impondo-se restrições sobre o número mínimo de elementos iguais e consecutivos dentro da sequência de controle. Como resultado, chega-se a um problema de programação inteira linear mista (MILP - Mixed Integer Linear Programming), a ser resolvido em cada instante de amostragem. Alternativamente, uma forma explícita para a lei de controle pode ser obtida por meio de programação multiparamétrica (mpMILP - multi-parametric Mixed Integer Linear Programming). As formulações são investigadas por meio de simulações numéricas.

Este trabalho apresenta um modelo de otimização multiobjetivo para servir de apoio à tomada de decisão no planejamento conjunto e colaborativo de uma cadeia de suprimentos. O sistema é construído através da reunião de duas técnicas de modelagem − controle e otimização multiobjetivo. A dinâmica da cadeia de suprimentos é representada por equações à diferença que constituem as restrições do modelo de otimização multiobjetivo. Esse modelo é construído sob o critério da otimização da lucratividade total da cadeia. A função-critério é especificada considerando os custos de transporte como variáveis relevantes para as tomadas de decisão nos diferentes níveis da cadeia. O objetivo desse sistema de apoio à decisão é auxiliar os responsáveis pelas tomadas de decisão a planejarem as políticas de atuação, na direção dos objetivos estrategicamente estabelecidos, revelando informações importantes sobre o desempenho global da cadeia. Essas informações dizem respeito às trocas compensatórias, ao efeito chicote, à satisfação do consumidor final e ao nível de serviço da cadeia de suprimentos. A partir da construção de diferentes cenários, a modelagem proposta mostrou-se adequada para ser utilizada como sistema de apoio à decisão, em um processo de planejamento otimizado da cadeia de suprimentos. A participação colaborativa de todos os níveis da cadeia é pré-requisito indispensável para a aplicação prática desse sistema de modelagem.

As constantes pressões por redução de margem de lucro, melhoria de qualidade de produtos e segurança operacional que a indústria de processamento vem sofrendo, tem levado as mesmas a utilizarem ferramentas especializadas de otimização de processos. Nas décadas de 1980 e 1990, esta indústria investiu fortemente na utilização de ferramentas de otimização estacionária em tempo real (RTO) nas formas online e offline. Esta tecnologia já atingiu o seu grau de maturidade. Porém está limitada pelas suas características estacionárias, não tendo capacidade de otimizar processos diante das perturbações freqüentes, tais como alterações de qualidade e quantidade de carga, transições decorrentes de alterações de programação de produção ou de receita de uma produção em batelada ou semi-batelada, dentre outros. Para cobrir este espaço, a otimização dinâmica em tempo real (DRTO) é a tecnologia adequada para reduzir a quantidade de produtos fora de especificação e otimizar o lucro operacional diante destas perturbações. Porém, esta tecnologia ainda não atingiu o seu grau de maturidade, tendo ferramentas comerciais apenas na sua versão offline. Com o objetivo de contribuir com a consolidação desta tecnologia, propõe-se estudar e desenvolver uma arquitetura de sistema de DRTO para operar nas plantas de processo, promover melhorias conceituais nesta tecnologia, e desenvolver uma ferramenta de diagnóstico e sintonia de DRTO. Esta estrutura é bem completa e fornece a flexibilidade necessária para uso industrial. A ferramenta de diagnóstico permite resolver os problemas que ocorrerem ao longo do uso do DRTO. Além disso, é apresentada uma nova metodologia de análise e solução de inviabilidades, baseada em otimização multiobjetivos aplicada à otimização dinâmica. Esta técnica pode ser utilizada tanto online quanto offline, para diagnóstico, e na solução de problemas de otimização dinâmica, conferindo mais robustez ao DRTO, evitando insucessos do otimizador. / Considering the constant pressures for profit margins reduction, improvement of products quality and operational safety, that the processing industry has been submitted, has led them to the use of specialized tools of processes optimization. In the 1980 and 1990 decades, this industry has invested strongly in the use of stationary real-time optimization tools (RTO), in the online and offline forms. This technology already reached its degree of maturity, but limited to its stationary characteristics, having no ability to optimize processes due to frequent disturbances, such as quality and feed flows transitions, consequence of frequent changes in the production scheduling or recipes in batch or semibatch operations, and others. To cover this space, the dynamic real-time optimization (DRTO) is the appropriate technology to reduce the off-spec production and optimize the operational profit when the process is submitted to these disturbances. However, this technology has not reached its maturity, having only commercial tools available only in yuor offline version. In order to contribute to the consolidation of this technology, it is proposed to study and develop a DRTO system architecture to operate in process plants, to promote a conceptual improvements in this technology, and to develop a DRTO diagnostic and tuning tool. This structure is quite complete and provides the flexibility required for industrial application. The diagnostic tool allows us to solve problems that occur during the use of the DRTO system. In addition, a new methodology for infeasibility analysis and solution in DAOP is proposed here, and it is based on the solution of the multiobjective dynamic optimization. This technique can be used in online and offline modes, for diagnostics and troubleshooting dynamic optimization problems, giving more robustness to the DRTO systems, avoiding some optimizer failures.

Este trabalho apresenta um modelo de otimização multiobjetivo para servir de apoio à tomada de decisão no planejamento conjunto e colaborativo de uma cadeia de suprimentos. O sistema é construído através da reunião de duas técnicas de modelagem − controle e otimização multiobjetivo. A dinâmica da cadeia de suprimentos é representada por equações à diferença que constituem as restrições do modelo de otimização multiobjetivo. Esse modelo é construído sob o critério da otimização da lucratividade total da cadeia. A função-critério é especificada considerando os custos de transporte como variáveis relevantes para as tomadas de decisão nos diferentes níveis da cadeia. O objetivo desse sistema de apoio à decisão é auxiliar os responsáveis pelas tomadas de decisão a planejarem as políticas de atuação, na direção dos objetivos estrategicamente estabelecidos, revelando informações importantes sobre o desempenho global da cadeia. Essas informações dizem respeito às trocas compensatórias, ao efeito chicote, à satisfação do consumidor final e ao nível de serviço da cadeia de suprimentos. A partir da construção de diferentes cenários, a modelagem proposta mostrou-se adequada para ser utilizada como sistema de apoio à decisão, em um processo de planejamento otimizado da cadeia de suprimentos. A participação colaborativa de todos os níveis da cadeia é pré-requisito indispensável para a aplicação prática desse sistema de modelagem.

Made available in DSpace on 2014-06-11T19:22:35Z (GMT). No. of bitstreams: 0 Previous issue date: 2007-04-18Bitstream added on 2014-06-13T20:48:03Z : No. of bitstreams: 1 antunesfilho_cr_me_ilha.pdf: 650754 bytes, checksum: 136fe73b69dadcdeada02b0f4eb75f31 (MD5) / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Uma metodologia de alocação de pólos é proposta para resolver o problema de rastreamento do sinal de referência, considerando-se, ainda, a presença de uma entrada exógena do tipo distúrbio ou perturbação na planta, propondo-se uma nova metodologia de modificação dos zeros para a atenuação do efeito desse sinal. Primeiramente, apresenta-se um método de minimização da norma H8 entre o sinal do erro de rastreamento e o sinal de referência, obtendo-se assim, um rastreador de sinais. A seguir, um método de minimização da norma H2 é proposto utilizando-se a modificação dos zeros, para a redução do efeito desse distúrbio na saída do sistema. Todo o projeto foi elaborado a partir de inequações matriciais lineares, que permitem descrever o equacionamento como um problema de otimização convexa, e através da alocação dos pólos ou zeros, apresenta a solução ótima para o sistema. Por fim, exemplos numéricos ilustram a viabilidade da metodologia proposta. / The tracking system problem is solved using a pole placement methodology, considering, also, an external signal of disturbance or perturbation in the plant and a new zeros modification methodology is proposed to solve the problem of disturbance rejection. Firstly, the pole placement is used in order to minimize the H8-norm from the reference input signal to the error signal, designing a controller and solving the tracking problem. An H2-norm minimization methodology is used to reduce the disturbance effect in the output system. The design was formulated by Linear Matrix Inequalities (LMI), such that the optimum is obtained. Numerical examples illustrate the viability of the proposed methodology.

As constantes pressões por redução de margem de lucro, melhoria de qualidade de produtos e segurança operacional que a indústria de processamento vem sofrendo, tem levado as mesmas a utilizarem ferramentas especializadas de otimização de processos. Nas décadas de 1980 e 1990, esta indústria investiu fortemente na utilização de ferramentas de otimização estacionária em tempo real (RTO) nas formas online e offline. Esta tecnologia já atingiu o seu grau de maturidade. Porém está limitada pelas suas características estacionárias, não tendo capacidade de otimizar processos diante das perturbações freqüentes, tais como alterações de qualidade e quantidade de carga, transições decorrentes de alterações de programação de produção ou de receita de uma produção em batelada ou semi-batelada, dentre outros. Para cobrir este espaço, a otimização dinâmica em tempo real (DRTO) é a tecnologia adequada para reduzir a quantidade de produtos fora de especificação e otimizar o lucro operacional diante destas perturbações. Porém, esta tecnologia ainda não atingiu o seu grau de maturidade, tendo ferramentas comerciais apenas na sua versão offline. Com o objetivo de contribuir com a consolidação desta tecnologia, propõe-se estudar e desenvolver uma arquitetura de sistema de DRTO para operar nas plantas de processo, promover melhorias conceituais nesta tecnologia, e desenvolver uma ferramenta de diagnóstico e sintonia de DRTO. Esta estrutura é bem completa e fornece a flexibilidade necessária para uso industrial. A ferramenta de diagnóstico permite resolver os problemas que ocorrerem ao longo do uso do DRTO. Além disso, é apresentada uma nova metodologia de análise e solução de inviabilidades, baseada em otimização multiobjetivos aplicada à otimização dinâmica. Esta técnica pode ser utilizada tanto online quanto offline, para diagnóstico, e na solução de problemas de otimização dinâmica, conferindo mais robustez ao DRTO, evitando insucessos do otimizador. / Considering the constant pressures for profit margins reduction, improvement of products quality and operational safety, that the processing industry has been submitted, has led them to the use of specialized tools of processes optimization. In the 1980 and 1990 decades, this industry has invested strongly in the use of stationary real-time optimization tools (RTO), in the online and offline forms. This technology already reached its degree of maturity, but limited to its stationary characteristics, having no ability to optimize processes due to frequent disturbances, such as quality and feed flows transitions, consequence of frequent changes in the production scheduling or recipes in batch or semibatch operations, and others. To cover this space, the dynamic real-time optimization (DRTO) is the appropriate technology to reduce the off-spec production and optimize the operational profit when the process is submitted to these disturbances. However, this technology has not reached its maturity, having only commercial tools available only in yuor offline version. In order to contribute to the consolidation of this technology, it is proposed to study and develop a DRTO system architecture to operate in process plants, to promote a conceptual improvements in this technology, and to develop a DRTO diagnostic and tuning tool. This structure is quite complete and provides the flexibility required for industrial application. The diagnostic tool allows us to solve problems that occur during the use of the DRTO system. In addition, a new methodology for infeasibility analysis and solution in DAOP is proposed here, and it is based on the solution of the multiobjective dynamic optimization. This technique can be used in online and offline modes, for diagnostics and troubleshooting dynamic optimization problems, giving more robustness to the DRTO systems, avoiding some optimizer failures.

As constantes pressões por redução de margem de lucro, melhoria de qualidade de produtos e segurança operacional que a indústria de processamento vem sofrendo, tem levado as mesmas a utilizarem ferramentas especializadas de otimização de processos. Nas décadas de 1980 e 1990, esta indústria investiu fortemente na utilização de ferramentas de otimização estacionária em tempo real (RTO) nas formas online e offline. Esta tecnologia já atingiu o seu grau de maturidade. Porém está limitada pelas suas características estacionárias, não tendo capacidade de otimizar processos diante das perturbações freqüentes, tais como alterações de qualidade e quantidade de carga, transições decorrentes de alterações de programação de produção ou de receita de uma produção em batelada ou semi-batelada, dentre outros. Para cobrir este espaço, a otimização dinâmica em tempo real (DRTO) é a tecnologia adequada para reduzir a quantidade de produtos fora de especificação e otimizar o lucro operacional diante destas perturbações. Porém, esta tecnologia ainda não atingiu o seu grau de maturidade, tendo ferramentas comerciais apenas na sua versão offline. Com o objetivo de contribuir com a consolidação desta tecnologia, propõe-se estudar e desenvolver uma arquitetura de sistema de DRTO para operar nas plantas de processo, promover melhorias conceituais nesta tecnologia, e desenvolver uma ferramenta de diagnóstico e sintonia de DRTO. Esta estrutura é bem completa e fornece a flexibilidade necessária para uso industrial. A ferramenta de diagnóstico permite resolver os problemas que ocorrerem ao longo do uso do DRTO. Além disso, é apresentada uma nova metodologia de análise e solução de inviabilidades, baseada em otimização multiobjetivos aplicada à otimização dinâmica. Esta técnica pode ser utilizada tanto online quanto offline, para diagnóstico, e na solução de problemas de otimização dinâmica, conferindo mais robustez ao DRTO, evitando insucessos do otimizador. / Considering the constant pressures for profit margins reduction, improvement of products quality and operational safety, that the processing industry has been submitted, has led them to the use of specialized tools of processes optimization. In the 1980 and 1990 decades, this industry has invested strongly in the use of stationary real-time optimization tools (RTO), in the online and offline forms. This technology already reached its degree of maturity, but limited to its stationary characteristics, having no ability to optimize processes due to frequent disturbances, such as quality and feed flows transitions, consequence of frequent changes in the production scheduling or recipes in batch or semibatch operations, and others. To cover this space, the dynamic real-time optimization (DRTO) is the appropriate technology to reduce the off-spec production and optimize the operational profit when the process is submitted to these disturbances. However, this technology has not reached its maturity, having only commercial tools available only in yuor offline version. In order to contribute to the consolidation of this technology, it is proposed to study and develop a DRTO system architecture to operate in process plants, to promote a conceptual improvements in this technology, and to develop a DRTO diagnostic and tuning tool. This structure is quite complete and provides the flexibility required for industrial application. The diagnostic tool allows us to solve problems that occur during the use of the DRTO system. In addition, a new methodology for infeasibility analysis and solution in DAOP is proposed here, and it is based on the solution of the multiobjective dynamic optimization. This technique can be used in online and offline modes, for diagnostics and troubleshooting dynamic optimization problems, giving more robustness to the DRTO systems, avoiding some optimizer failures.