plano de ensino

Ministério da Educação
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ
Câmpus Ponta Grossa
PLANO DE ENSINO
CURSO Curso Superior de Engenharia de Produção
MATRIZ
77
FUNDAMENTAÇÃO Criação do curso dada pela Resolução n. 158/09 - COEPP de 11/12/2009.
LEGAL
DISCIPLINA/UNIDADE CURRICULAR
CÓDIGO
PERÍODO
Métodos Estocásticos e Simulação
EP36G
6
o
CARGA HORÁRIA (horas)
AT
AP
APS
TOTAL
25
30
5
60
AT: Atividades Teóricas, AP: Atividades Práticas; APS: Atividades Práticas Supervisionadas.
PRÉ-REQUISITO
EQUIVALÊNCIA
EP35G - Pesquisa Operacional 2
Sem equivalência
OBJETIVOS
Desenvolver modelos determinísticos e probabilísticos, capazes de prever comportamentos de sistemas,
gerando-se dados para que os gestores possam tomar melhor as decisões.
EMENTA
Processos Estocásticos. Cadeias de Markov. Teoria das Filas. Simulação. Modelagem de dados em simulação.
Validação e Verificação de Modelos. Geração de Números Aleatórios. Simulação de Monte Carlo.
CONTEÚDO PROGRAMÁTICO
ITEM
EMENTA
1
Processos Estocásticos
2
Cadeias de Markov
3
Teoria das Filas
4
Simulação
5
Modelagem de dados em simulação
6
Validação e Verificação de Modelos
7
Geração de Números Aleatórios
CONTEÚDO
Estudo de alguns Processos Especiais: Poisson,
Nascimento e Morte, Ramificação, Renovação, Processos
Markovianos de Salto, Processos de Difusão.
Processos estocásticos com interação, aplicações de
martingais, teoria construtiva de processos Markovianos.
Probabilidades de transições.
Classificação dos estados.
Estado no equilíbrio.
Tempo da primeira passagem.
Análise dos estados absorventes.
Características das filas.
Notações de filas.
Comportamentos transientes e contínuos de filas.
Medidores de desempenho.
Quando a simulação é apropriada?
Vantagens e desvantagens da simulação.
Componentes de um sistema.
Simulação Discreta e contínua.
Modelos de um sistema.
Tipos de modelo.
Passos para a realização de um estudo de simulação.
Análise de problema.
Levantamento de dados do sistema real para a construção
de modelos.
Compilar os dados em distribuições estatísticas.
Construção, verificação e validação de modelos.
Verificação da estrutura lógica.
Verificação dos dados de saída.
Análise de comportamento de sistemas.
Identificação de possíveis sugestões para a melhoria do
sistema.
Propriedade dos números aleatórios.
Geração de pseudo-números.
Obtenção de números a partir de distribuições estatísticas.
8
Simulação de Monte Carlo.
Simulação de Monte Carlo.
PROCEDIMENTOS DE ENSINO
AULAS TEÓRICAS
Aulas expositivas e dialogadas nas quais poderão ser utilizados como recursos didáticos: multimídia,
computador, ambiente virtual de aprendizagem (moodle), entre outros que se fizerem necessários.
AULAS PRÁTICAS
As aulas práticas poderão incluir o uso de atividades em laboratórios, computadores, softwares, visitas
técnicas, exercícios, estudos de caso e demais ferramentas eventualmente necessárias para a disciplina.
ATIVIDADES PRÁTICAS SUPERVISIONADAS
Atividades acadêmicas desenvolvidas sob orientação, supervisão e avaliação de docentes e realizadas pelos
discentes em horários diferentes daqueles destinados às atividades presenciais (aulas teóricas e aulas
práticas). Estas atividades poderão incluir: estudo dirigido, trabalhos individuais, trabalhos em grupo,
desenvolvimento de projetos, atividades em laboratório, atividades de campo, oficinas, pesquisas, estudos de
casos, seminários, desenvolvimento de trabalhos acadêmicos, dentre outras.
PROCEDIMENTOS DE AVALIAÇÃO
A aprovação dar-se-á por nota final, proveniente de avaliações realizadas ao longo do semestre letivo e por
freqüência. Considerar-se-á aprovado na disciplina o aluno que tiver freqüência igual ou superior a 75%
(setenta e cinco por cento) e nota final igual ou superior a 6,0(seis), consideradas todas as avaliações previstas
no Plano de Aulas. Ao longo do semestre será realizada pelo menos uma avaliação substitutiva, de forma que
o aluno possa recuperar alguma (as) das avaliações do semestre.
REFERÊNCIAS
Referências Básicas:
LAW, Averill M; KELTON, W. David. Simulation modeling and analysis. New York: McGraw-Hill; 1982. 400 p.
(McGraw-Hill series in industrial engineering and management science)
HILLIER, Frederick S; LIEBERMAN, Gerald J. Introdução à pesquisa operacional. 8. ed. Rio de Janeiro:
McGraw Hill, 2006. 828 p.
TAHA, Hamdy A. Pesquisa operacional. 8. ed. São Paulo, SP: Pearson Prentice Hall, 2008. 359 p.
Referências Complementares:
ANDRADE, E. L. Introdução à Pesquisa Operacional: métodos e modelos para a análise de decisão. Rio de
Janeiro: LTC, 2002.
BANKS, J.; CARSON, J. S. e NELSON, B. L. Discrete-Event System Simulation. New Jersey: Prentice-Hall,
1996.
CHWIF, L. & MEDINA, A. C. Modelagem e Simulação de Eventos Discretos: teoria e aplicações. São Paulo,
2007.
LACHTERMACHER, G. Pesquisa Operacional na Tomada de Decisões. Pearson Prentice Hall, 2009.
LAW, A. M. Simulation modeling and analysis. New York: Mc Graw-Hill, 2007.
SEVERANCE, F. L. System modeling and simulation: an introduction. Chichester: John Wiley & Sons, 2001.
SILVA, E. M., GONÇALVES, W. & MUROLO, A. C. Pesquisa Operacional: programação linear, simulação.
São Paulo: Atlas, 1998.
_______________________________________________________________________________
Assinatura e Carimbo do Coordenador do Curso