Transporte internacional rodoviário de mercadorias: projecto de optimização operacional

No âmbito do estágio curricular realizado na DSV Transitários, surgiu a oportunidade de estar inserida em duas das áreas funcionais da empresa: durante o primeiro mês, no departamento comercial e nos restantes meses no departamento ROAD (rodoviário Internacional) no qual me foi proporcionado a oportunidade de desempenhar funções de Operacional de Tráfego Rodoviário Internacional. Desta forma, surge o desafio de integrar na equipa de operacionais ROAD da DSV, por forma a contribuir ativamente para a rotina da empresa e paralelamente analisar os processos operacionais do departamento, bem como, identificar todos os pontos que necessitem de melhoria. Após estar inserida neste sector, compreendi que a grupagem de mercadorias desempenha um papel fundamental neste departamento, na medida em que, quando desenvolvida de uma forma eficiente, pode traduzir-se numa atividade de extremo valor. A dinâmica diária desta atividade exige que os operadores de tráfego respondam de uma forma rápida e flexível aos problemas, apresentando soluções eficazes às solicitações do mercado. Para isso, é importante encontrar mecanismos capazes de os auxiliar na tomada decisões operacionais.

Gestão da cadeia de abastecimento de bens de consumo baseada em modelos de previsão lineares

Dissertação apresentada ao Instituto Politécnico do Porto para obtenção do Grau de Mestre em Logística

Desenvolvimento de apoio à decisão operacional – previsão de curto prazo de geração distribuída de tecnologia eólica ligada à RND

No contexto da penetração de energias renováveis no sistema elétrico, Portugal ocupa uma posição de destaque a nível mundial, muito devido à produção de eólica. Com um sistema elétrico com forte presença de fontes de energia renováveis, novos desafios surgem, nomeadamente no caso da energia eólica pela sua imprevisibilidade e volatilidade. O recurso eólico embora seja ilimitado não é armazenável, surgindo assim a necessidade da procura de modelos de previsão de produção de energia elétrica dos parques eólicos de modo a permitir uma boa gestão do sistema. Nesta dissertação apresentam-se as contribuições resultantes de um trabalho de pesquisa e investigação sobre modelos de previsão da potência elétrica com base em valores de previsões meteorológicas, nomeadamente, valores previstos da intensidade e direção do vento. Consideraram-se dois tipos de modelos: paramétricos e não paramétricos. Os primeiros são funções polinomiais de vários graus e a função sigmoide, os segundos são redes neuronais artificiais. Para a estimação dos modelos e respetiva validação, são usados dados recolhidos ao longo de dois anos e três meses no parque eólico do Pico Alto de potência instalada de 6 MW. De forma a otimizar os resultados da previsão, consideram-se diferentes classes de perfis de produção, definidas com base em quatro e oito direções do vento, e ajustam-se os modelos propostos em cada uma das classes. São apresentados e discutidos resultados de uma análise comparativa do desempenho dos diferentes modelos propostos para a previsão da potência.

Modelos de previsão de produção para centrais mini-hídricas

O constante crescimento dos produtores em regime especial aliado à descentralização dos pontos injetores na rede, tem permitido uma redução da importação de energia mas também tem acarretado maiores problemas para a gestão da rede. Estes problemas estão relacionados com o facto da produção estar dependente das condições climatéricas, como é o caso dos produtores eólicos, hídricos e solares. A previsão da energia produzida em função da previsão das condições climatéricas tem sido alvo de atenção por parte da comunidade empresarial do setor, pelo facto de existir modelos razoáveis para a previsão das condições climatéricas a curto prazo, e até a longo prazo. Este trabalho trata, em concreto, do problema da previsão de produção em centrais mini-hídricas, apresentando duas propostas para essa previsão. Em ambas as propostas efetua-se inicialmente a previsão do caudal que chega à central, sendo esta depois convertida em potência que é injetada na rede. Para a previsão do caudal utilizaram-se dois métodos estatísticos: o método Holt-Winters e os modelos ARMAX. Os dois modelos de previsão propostos consideram um horizonte temporal de uma semana, com discretização horária, para uma central no norte de Portugal, designadamente a central de Penide. O trabalho também contempla um pequeno estudo da bibliografia existente tanto para a previsão da produção como de afluências de centrais hidroelétricas. Aborda, ainda, conceitos relacionados com as mini-hídricas e apresenta uma caraterização do parque de centrais mini-hídricas em Portugal.

Previsão de avarias em transformadores de potência através da análise de ensaios físico-químicos

Os Transformadores de potência são máquinas de elevada importância ao nível dos Sistemas Elétricos de Energia (SEE) uma vez que são estas máquinas que possibilitam a interligação dos diferentes níveis de tensão da rede e a transmissão de energia elétrica em Corrente Alternada (CA). Geralmente, estas máquinas são de grandes dimensões e de elevado nível de complexidade construtiva. Caracterizam-se por possuírem períodos de vida útil bastante elevados (vinte a trinta anos) e preços elevados, o que conduz a um nível de exigência de fiabilidade muito elevada, uma vez que não e viável a existência de muitos equipamentos de reserva nos SEE. Com o objetivo de tentar maximizar o período de vida útil dos transformadores de potência e a sua fiabilidade, tenta-se, cada vez mais, implementar conceitos de manutenção preventiva a este tipo de máquinas. No entanto, a gestão da sua vida útil e extremamente complexa na medida em que, estas máquinas têm vários componentes cruciais e suscetiveis de originar falhas e, quase todos eles, encontram-se no interior de uma cuba. Desta forma, não e possível obter uma imagem do seu estado, em tempo real, sem colocar o transformador fora de serviço, algo que acarreta custos elevados. Por este motivo, desenvolveu-se uma técnica que permite obter uma indicação do estado do transformador, em tempo real, sem o retirar de serviço, colhendo amostras do óleo isolante e procedendo a sua análise físico-química e Analise Gases Dissolvidos (DGA). As análises aos óleos isolantes tem vindo a adquirir uma preponderância muito elevada no diagnóstico de falhas e na analise do estado de conservação destes equipamentos tendo-se desenvolvido regras para interpretação dos parâmetros dos óleos com carácter normativo. Considerando o conhecimento relativo a interpretação dos ensaios físico-químicos e DGA ao oleol, e possível desenvolver ferramentas capazes de otimizar essas mesmas interpretações e aplicar esse conhecimento no sentido de prever a sua evolução, assim como o surgimento de possíveis falhas em transformadores, para assim otimizar os processos de manutenção. Neste campo as Redes Neuronais Artificiais (RNAs) têm um papel fundamental

Deteção e previsão de falhas em equipamentos de produção industrial

As empresas nacionais deparam-se com a necessidade de responder ao mercado com uma grande variedade de produtos, pequenas séries e prazos de entrega reduzidos. A competitividade das empresas num mercado global depende assim da sua eficiência, da sua flexibilidade, da qualidade dos seus produtos e de custos reduzidos. Para se atingirem estes objetivos é necessário desenvolverem-se estratégias e planos de ação que envolvem os equipamentos produtivos, incluindo: a criação de novos equipamentos complexos e mais fiáveis, alteração dos equipamentos existentes modernizando-os de forma a responderem às necessidades atuais e a aumentar a sua disponibilidade e produtividade; e implementação de políticas de manutenção mais assertiva e focada no objetivo de “zero avarias”, como é o caso da manutenção preditiva. Neste contexto, o objetivo principal deste trabalho consiste na previsão do instante temporal ótimo da manutenção de um equipamento industrial – um refinador da fábrica de Mangualde da empresa Sonae Industria, que se encontra em funcionamento contínuo 24 horas por dia, 365 dias por ano. Para o efeito são utilizadas medidas de sensores que monitorizam continuamente o estado do refinador. A principal operação de manutenção deste equipamento é a substituição de dois discos metálicos do seu principal componente – o desfibrador. Consequentemente, o sensor do refinador analisado com maior detalhe é o sensor que mede a distância entre os dois discos do desfibrador. Os modelos ARIMA consistem numa abordagem estatística avançada para previsão de séries temporais. Baseados na descrição da autocorrelação dos dados, estes modelos descrevem uma série temporal como função dos seus valores passados. Neste trabalho, a metodologia ARIMA é utilizada para determinar um modelo que efetua uma previsão dos valores futuros do sensor que mede a distância entre os dois discos do desfibrador, determinando-se assim o momento ótimo da sua substituição e evitando paragens forçadas de produção por ocorrência de uma falha por desgaste dos discos. Os resultados obtidos neste trabalho constituem uma contribuição científica importante para a área da manutenção preditiva e deteção de falhas em equipamentos industriais.

Aplicação de métodos numéricos avançados para a previsão de resistência de ligações adesivas

Com a necessidade de encontrar uma forma de ligar componentes de forma mais vantajosa, surgiram as ligações adesivas. Nos últimos anos, a utilização de juntas adesivas em aplicações industriais tem vindo a aumentar, substituindo alguns métodos de ligação tradicionais, por apresentarem vantagens tais como, redução de concentração de tensões, reduzido peso e facilidade de processamento/fabrico. O seu estudo permite prever a sua resistência e durabilidade. Este trabalho refere-se ao estudo de juntas de sobreposição simples (JSS), nas quais são aplicados os adesivos comerciais que variam desde frágeis e rígidos, como o caso do Araldite® AV138, até adesivos mais dúcteis, como o Araldite® 2015 e o Sikaforce® 7888. Estes são aplicados em substratos de alumínio (AL6082-T651) em juntas com diferentes geometrias e diferentes comprimentos de sobreposição (L), sendo sujeitos a esforços de tracção. Foi feita uma análise dos valores experimentais fornecidos e uma posterior comparação destes com diferentes métodos numéricos baseados em Elementos Finitos (EF). A comparação foi feita por uma análise de Modelos de Dano Coesivo (MDC) e segundo os critérios baseados em tensões e deformações do Método de Elementos Finitos Extendido (MEFE). A utilização destes métodos numéricos capazes de simular o comportamento das juntas poderá levar a uma poupança de recursos e de tempo. A análise por MDC revelou que este método é bastante preciso, excepto para os adesivos que sejam bastante dúcteis. A aplicação de uma outra lei coesiva pode solucionar esse problema. Por sua vez a análise por MEFE demonstrou que esta técnica não é particularmente adequada para o crescimento de dano em modo misto e, comparativamente com o MDC, a sua precisão é bastante inferior.

Previsão do Diagrama de Carga de Subestações da REN utilizando Redes Neuronais

A presente dissertação apresenta o estudo de previsão do diagrama de carga de subestações da Rede Elétrica Nacional (REN) utilizando redes neuronais, com o intuito de verificar a viabilidade do método utilizado, em estudos futuros. Atualmente, a energia elétrica é um bem essencial e desempenha um papel fundamental, tanto a nível económico do país, como a nível de conforto e satisfação individual. Com o desenvolvimento do setor elétrico e o aumento dos produtores torna-se importante a realização da previsão de diagramas de carga, contribuindo para a eficiência das empresas. Esta dissertação tem como objetivo a utilização do modelo das redes neuronais artificiais (RNA) para criar uma rede capaz de realizar a previsão de diagramas de carga, com a finalidade de oferecer a possibilidade de redução de custos e gastos, e a melhoria de qualidade e fiabilidade. Ao longo do trabalho são utilizados dados da carga (em MW), obtidos da REN, da subestação da Prelada e dados como a temperatura, humidade, vento e luminosidade, entre outros. Os dados foram devidamente tratados com a ajuda do software Excel. Com o software MATLAB são realizados treinos com redes neuronais, através da ferramenta Neural Network Fitting Tool, com o objetivo de obter uma rede que forneça os melhores resultados e posteriormente utiliza-la na previsão de novos dados. No processo de previsão, utilizando dados reais das subestações da Prelada e Ermesinde referentes a Março de 2015, comprova-se que com a utilização de RNA é possível obter dados de previsão credíveis, apesar de não ser uma previsão exata. Deste modo, no que diz respeito à previsão de diagramas de carga, as RNA são um bom método a utilizar, uma vez que fornecem, à parte interessada, uma boa previsão do consumo e comportamento das cargas elétricas. Com a finalização deste estudo os resultados obtidos são no mínimo satisfatórios. Consegue-se alcançar através das RNA resultados próximos aos valores que eram esperados, embora não exatamente iguais devido à existência de uma margem de erro na aprendizagem da rede neuronal.

Previsão do diagrama de carga de subestações da REN utilizando redes Neuronais

A previsão de diagramas de carga é bastante utilizada por diversas empresas que lidam com o setor elétrico, o que torna este processo muito importante para a eficiência e qualidade. As Redes Neuronais Artificias (RNA) são uma técnica computacional com diversas áreas de aplicação, sendo uma delas a previsão de cargas. Ao longo deste artigo está presente todo o processo realizado para alcançar as redes ideais de duas subestações da Rede Elétrica Nacional (REN), Prelada e Ermesinde, e posteriormente desenvolver um método de previsão eficaz para diagramas de carga e comprovar que a utilização de RNA são uma mais-valia no alcance de boas previsões.

Modelo de previsão de insolvências

O atual, e já contínuo, clima de instabilidade e crise financeira, assola diversos países. Fruto de todo este clima, também de insegurança e vulnerabilidade assistimos à insolvência de inúmeras empresas. Em 2014, 9.2291 empresas portuguesas encontram-se em processos de insolvência ou recuperação. Ao longo dos anos foram criados modelos de previsão de insolvências, entre eles, o mais importante, Z-Score de Edward Altman, que consistem na utilização de rácios financeiros para uma análise multivariada. Estes modelos revelaram-se uma importante ferramenta na análise do desempenho de uma empresa e no apoio à decisão do risco de crédito. Neste sentido, o papel da Auditoria é também fundamental, com o objetivo de credibilizar as demonstrações financeiras, pois o nosso estudo assenta na criação de um modelo para prever a insolvência através da dimensão económico-financeira, e, por consequência, as demonstrações financeiras são a base da nossa análise. O presente estudo pretende analisar o setor do calçado e identificar quais os rácios económicofinanceiros relevantes e a significância da variável Certificação Legal de Contas para a previsão de insolvência em empresas deste ramo, através de uma investigação qualitativa, de caráter exploratório e de técnica de análise de conteúdo. Selecionamos 60 empresas do setor, em que 33 são empresas solventes e 27 em estado de insolvência/ dissolução/ falência/ liquidação. As Demonstrações Financeiras das empresas solventes consideram como último ano, 2014. De seguida selecionamos 31 rácios, incluindo as variáveis Certificação Legal de Contas e a Solvência ou não da empresa em questão. Com base nestes dados, construiremos o modelo de previsão, através da ferramenta SPSS e responderemos às hipóteses formuladas.

Previsão e definição de perfis na gestão dos recursos de energia no âmbito de edifícios auto-sustentáveis

Nos últimos anos o consumo de energia elétrica produzida a partir de fontes renováveis tem aumentado significativamente. Este aumento deve-se ao impacto ambiental que recursos como o petróleo, gás, urânio, carvão, entre outros, têm no meio ambiente e que são notáveis no diaa- dia com as alterações climáticas e o aquecimento global. Por sua vez, estes recursos têm um ciclo de vida limitado e a dada altura tornar-se-ão escassos. A preocupação de uma melhoria contínua na redução dos impactos ambientais levou à criação de Normas para uma gestão mais eficiente e sustentável do consumo de energia nos edifícios. Parte da eletricidade vendida pelas empresas de comercialização é produzida através de fontes renováveis, e com a recente publicação do Decreto de Lei nº 153/2014 de 20 outubro de 2014 que regulamenta o autoconsumo, permitindo que também os consumidores possam produzir a sua própria energia nas suas residências para reduzir os custos com a compra de eletricidade. Neste contexto surgiram os edifícios inteligentes. Por edifícios inteligentes entende-se que são edifícios construídos com materiais que os tornam mais eficientes, possuem iluminação e equipamentos elétricos mais eficientes, e têm sistemas de produção de energia que permitem alimentar o próprio edifício, para um consumo mais sustentado. Os sistemas implementados nos edifícios inteligentes visam a monitorização e gestão da energia consumida e produzida para evitar desperdícios de consumo. O trabalho desenvolvido visa o estudo e a implementação de Redes Neuronais Artificiais (RNA) para prever os consumos de energia elétrica dos edifícios N e I do ISEP/GECAD, bem como a previsão da produção dos seus painéis fotovoltáicos. O estudo feito aos dados de consumo permitiu identificar perfis típicos de consumo ao longo de uma semana e de que forma são influenciados pelo contexto, nomeadamente, com os dias da semana versus fim-de-semana, e com as estações do ano, sendo analisados perfis de consumo de inverno e verão. A produção de energia através de painéis fotovoltaicos foi também analisada para perceber se a produção atual é suficiente para satisfazer as necessidades de consumo dos edifícios. Também foi analisada a possibilidade da produção satisfazer parcialmente as necessidades de consumos específicos, por exemplo, da iluminação dos edifícios, dos seus sistemas de ar condicionado ou dos equipamentos usados.

Inteligência artificial aplicada na previsão de mercados financeiros

Neste documento, são investigados vários métodos usados na inteligência artificial, com o objetivo de obter previsões precisas da evolução dos mercados financeiros. O uso de ferramentas lineares como os modelos AR, MA, ARMA e GARCH têm muitas limitações, pois torna-se muito difícil adaptá-los às não linearidades dos fenómenos que ocorrem nos mercados. Pelas razões anteriormente referidas, os algoritmos como as redes neuronais dinâmicas (TDNN, NARX e ESN), mostram uma maior capacidade de adaptação a estas não linearidades, pois não fazem qualquer pressuposto sobre as distribuições de probabilidade que caracterizam estes mercados. O facto destas redes neuronais serem dinâmicas, faz com que estas exibam um desempenho superior em relação às redes neuronais estáticas, ou outros algoritmos que não possuem qualquer tipo de memória. Apesar das vantagens reveladas pelas redes neuronais, estas são um sistema do tipo black box, o que torna muito difícil extrair informação dos pesos da rede. Isto significa que estes algoritmos devem ser usados com precaução, pois podem tornar-se instáveis.

Estudo numérico da adequação de diferentes tipos de leis coesivas na previsão da resistência de juntas adesivas por Modelos de Dano Coesivo

O uso de ligações adesivas aumentou significativamente nos últimos anos e é hoje em dia uma técnica de ligação dominante na indústria aeronáutica e automóvel. As ligações adesivas visam substituir os métodos tradicionais de fixação mecânicos na união de estruturas. A melhoria ao longo dos anos de vários modelos de previsão de dano, nomeadamente através do Método de Elementos Finitos (MEF), tem ajudado ao desenvolvimento desta técnica de ligação. Os Modelos de Dano coesivo (MDC), usados em conjunto com MEF, são uma ferramenta viável para a previsão de resistência de juntas adesivas. Os MDC combinam critérios da resistência dos materiais para a iniciação do dano e conceitos da mecânica da fratura para a propagação da fenda. Existem diversas formas de leis coesivas possíveis de aplicar em simulações por MDC, em função do comportamento expectável dos materiais que estão a ser simulados. Neste trabalho, estudou-se numericamente o efeito de diversas formas de leis coesivas na previsão no comportamento de juntas adesivas, nomeadamente nas curvas forçadeslocamento (P-) de ensaios Double-Cantilever Beam para caracterização à tração e ensaios End-Notched Flexure para caraterização ao corte. Também se estudou a influência dos parâmetros coesivos à tração e corte nas curvas P- dos referidos ensaios. Para o Araldite®AV138 à tração e ao corte, a lei triangular é a que melhor prevê o comportamento do adesivo. Para a previsão da resistência de ambos os adesivos Araldite® 2015 e SikaForce® 7752, a lei trapezoidal é a que melhor se adequa, confirmando assim que esta lei é a que melhor caracteriza o comportamento de dano de adesivos tipicamente dúcteis. O estudo dos parâmetros revelou influência distinta na previsão do comportamento das juntas, embora com bastantes semelhanças entre os diferentes tipos de adesivos.

Comparação de técnicas analíticas e numéricas para previsão de resistência de juntas adesivas de sobreposição simples

As juntas adesivas têm vindo a ser usadas em diversas áreas e contam com inúmeras aplicações práticas. Devido ao fácil e rápido fabrico, as juntas de sobreposição simples (JSS) são um tipo de configuração bastante comum. O aumento da resistência, a redução de peso e a resistência à corrosão são algumas das vantagens que este tipo de junta oferece relativamente aos processos de ligação tradicionais. Contudo, a concentração de tensões nas extremidades do comprimento da ligação é uma das principais desvantagens. Existem poucas técnicas de dimensionamento precisas para a diversidade de ligações que podem ser encontradas em situações reais, o que constitui um obstáculo à utilização de juntas adesivas em aplicações estruturais. O presente trabalho visa comparar diferentes métodos analíticos e numéricos na previsão da resistência de JSS com diferentes comprimentos de sobreposição (LO). O objectivo fundamental é avaliar qual o melhor método para prever a resistência das JSS. Foram produzidas juntas adesivas entre substratos de alumínio utilizando um adesivo époxido frágil (Araldite® AV138), um adesivo epóxido moderadamente dúctil (Araldite® 2015), e um adesivo poliuretano dúctil (SikaForce® 7888). Consideraram-se diferentes métodos analíticos e dois métodos numéricos: os Modelos de Dano Coesivo (MDC) e o Método de Elementos Finitos Extendido (MEFE), permitindo a análise comparativa. O estudo possibilitou uma percepção crítica das capacidades de cada método consoante as características do adesivo utilizado. Os métodos analíticos funcionam apenas relativamente bem em condições muito específicas. A análise por MDC com lei triangular revelou ser um método bastante preciso, com excepção de adesivos que sejam bastante dúcteis. Por outro lado, a análise por MEFE demonstrou ser uma técnica pouco adequada, especialmente para o crescimento de dano em modo misto.

Validação numérica de leis coesivas triangulares para previsão de resistência de juntas adesivas em tração e corte puros

As ligações adesivas surgiram pela necessidade de se encontrar formas de unir componentes, por vezes de materiais distintos, através de técnicas mais vantajosas. Atualmente, qualquer estrutura deve ser resistente, robusta e leve, o que amplificou o interesse industrial e investigação nas ligações adesivas, principalmente na melhoria das propriedades de resistência e fratura de materiais. Desta forma, nos últimos anos, a utilização de juntas adesivas em aplicações industriais tem aumentando gradualmente, substituindo alguns métodos de ligação tradicionais, por apresentarem vantagens, tais como redução de concentração de tensões, reduzido peso e facilidade de processamento/fabrico. Em qualquer área da indústria, a aplicação em larga escala de uma determinada técnica de ligação supõe que estão disponíveis ferramentas confiáveis para o projeto e previsão da rotura. Neste âmbito, os Modelos de Dano Coesivo (MDC) são uma ferramenta fundamental, apesar de ser necessário estimar as leis coesivas do adesivo à tração e corte para entrada nos modelos numéricos. Nesta dissertação o trabalho experimental consistiu no tratamento de dados com vista à obtenção de GIc e GIIc, com a devida comparação de diferentes métodos de redução, bem como potencialidades e limitações dos mesmos. É realizada uma comparação dos três adesivos: Araldite® AV138, Araldite® 2015 e SikaForce® 7752. Neste trabalho estudou-se também numericamente a adequação de leis coesivas triangulares na previsão no comportamento de juntas adesivas, nomeadamente nas curvas forçadeslocamento (P-) de ensaios Double-Cantilever Beam para caracterização à tração e ensaios End-Notched Flexure para caraterização ao corte. Os ensaios foram simulados numericamente pelo software ABAQUS®, recorrendo ao Método de Elementos Finitos (MEF) e um MDC triangular, com o intuito de estimar a lei coesiva de cada um dos adesivos. Para os adesivos Araldite®AV138 e Araldite®2015, à tração e ao corte, a lei triangular previu o comportamento do adesivo com alguma razoabilidade. Para a previsão da resistência do adesivo SikaForce® 7752, a lei triangular não se ajustou convenientemente nem à tração nem ao corte. Considera-se que, para este adesivo, uma lei trapezoidal é a que melhor se adequa, devido à ductilidade do mesmo.