Accessibility Tools
A escola Inglesa de Métodos de Estruturação de problemas. Desafios da Pesquisa Operacional e da Política Pública em Saúde, fundamentados em Habermas. Problemas Sociais Complexos segundo De Tombe. Conceituação de Grassberger: complexidade computacional e complexidade cognitiva. Erros Cognitivos sistêmicos, sua natureza e tratamento. Dualidade analítico-operacional. Teoria da Mente: inferência sobre explicações para comportamentos; neurônios-espelho. Dualidade cognitiva: significado na intimidade e comunicação na sociabilidade. Multiplicidade: os estados do ego de Watkins, subpersonalidades de Rowan, dialogicidade de Hubert Hermans. Representação de múltiplas e conflitantes perspectivas: mapas mentais, cognitivos e conceituais. Habilidade Dialogal David Bohm, Martin Buber e Giancarlo Dimaggio. Contibuição de Clean Langueage na elicitação de conhecimento para elaboração de mapas. Validação interna. Implementação do conteúdo do curso para modelagem de um caso de problema social complexo, intervenção e validação.
Introdução à Complexidade Computacional de Problemas e Algoritmos: Conceitos de Problema e Instância; Conceitos de Algoritmo e (consumo de) Tempo Computacional; Definição de Problema de Decisão; Definição de Problema de Otimização; Algoritmos de Tempo Polinomial; Problemas Intratáveis; As Classes de Problemas P e NP; Problemas NP-Completos e Problemas NP-Difíceis. Parte II: Heurísticas e Meta-Heurísticas: Algoritmos Gulosos; Heurísticas específicas para problemas de Otimização Combinatória (O Problema da Mochila 0-1 e O Problema do Caixeiro Viajante); O conceito de Meta-heurística; Ótimos Locais e Estruturas de Vizinhança; Métodos Construtivos e Métodos de Busca Local. Classificação de Meta-heurísticas; Meta-Heurísticas Iterativas: Simulated Annealing, Iterated Local Search (ILS), Busca Tabu (Tabu Search), GRASP, Reconexão por Caminhos (Path-Relinking), Busca em Vizinhança Variável (Variable Neighborhood Search (VNS)); Meta-Heurísticas Populacionais: Algoritmos Genéticos (Genetic Algorithms), Colônias de Formigas (Ant Colony Optimization (ACO)), Enxame de Partículas (Particle Swarm Optimization (PSO)); Metodologias e Processos de Avaliação de Heurísticas. Como conduzir experimentos computacionais em meta-heurísticas.
Conceitos e Contexto: Introdução à Gestão de Operações; Papel Estratégico e Objetivos de Produção ; Estratégia de Operações. O processo de tomada de decisões: Construção de Modelos; Modelos Lineares e Inteiros; Modelos Estocásticos. Aplicações no E&P: Problema de Otimização de Gas lift; Problema de localização de hubs; Problema de dimensionamento de frotas; Problema de alocação de sondas; Problema de roteamento de veículos; Simulação de operações de offloading.
A lógica Fuzzy e a Matemática Fuzzy; conceitos de inteligência computacional; fundamentos de Redes Neurais; tecnologia Neuro-Nebulosa.
O que é Gestão de Desempenho? Um modelo geral de valor. Processos estratégicos e orçamento de capital. Gestão da receita. Gestão de custos. Gestão de capacidade (modelo CAM-I). Gestão de ativos reais (engineering asset management). Modelos multicriteriais de valor.
