I. ETUDE BIBLIOGRAPHIQUE
I.2. Les risques de contamination environnementale du lait : l’exemple du
I.2.3 Transfert de polluants dans la chaine alimentaire
Um dos aspectos relevantes dessa pesquisa, criticado por colegas e técnicos que tiveram acesso a esse trabalho, foi o seu caráter interdisciplinar, que convergiu técnicas e métodos da área de Controle e Identificação de Sistemas, orientados à Gestão da Produção.
Um ponto de atenção é o fato do MAP descrito necessitar de um modelo de BP inicial, ou seja, ela não realiza uma busca na base temporal além dos quinze dias estipulados para retroação. Estipulou-se o intervalo de retroação em quinze dias, devido ao fato das TG possuírem uma variância temporal considerável em seus modelos, em decorrência principalmente da contaminação que sofrem no processo de combustão e, considerou-se que, além do limite estabelecido, os parâmetros obtidos retratariam um contexto de variância temporal muito diferente do atual. Propõe-se, como melhoria desta metodologia, o desenvolvimento de um método de varredura que isole, além dos quinze dias atualmente estabelecidos, um contexto de variância temporal semelhante ao atual, possibilitando a recuperação de uma amostra de 10.080 valores, além do prazo aqui definido. Atualmente, para alimentação inicial do modelo de um BP, a busca desta janela operacional é realizada manualmente.
Outro ponto de atenção é que toda vez que o método de atualização de parâmetros dos modelos matemáticos dos BP é executado, segundo a metodologia proposta, os parâmetros gerados se sobrepõem aos obtidos em execuções anteriores. Isto onera o processamento computacional, porque muito provavelmente deve haver mudanças do processo que já tenham sido mapeadas anteriormente. Ou seja, deve haver circunstâncias operacionais no passado da unidade produtiva que muito se assemelhem as do momento em que o algoritmo de atualização esteja sendo executado. Atualmente, estas mudanças ambientais não são devidamente registradas.
Como trabalho futuro, propõe-se o desenvolvimento de uma base de conhecimento, que armazene não só os parâmetros dos modelos dos BP, mas também as mudanças do ambiente industrial, tais como: estação climática do ano, degradação do equipamento, demandas do mercado, informações sobre manutenções corretivas e preventivas realizadas, dentre outros, além de fatores qualitativos que não foram contemplados nesse trabalho.
164
Figura 64 – Fluxo proposto para análise de variações ambientais
Essa base de conhecimento deverá relacionar essas mudanças ambientais (quantitativas e qualitativas) com o histórico de parâmetros, obtidos a partir da metodologia proposta nessa pesquisa, de forma a identificar o modelo mais adequado ao ambiente operacional vigente. Isso possibilitará a obtenção de um modelo adequado, com um processamento computacional mais otimizado, já que, no caso de as mudanças ambientais detectadas pré-existirem na base de conhecimento, não haverá a necessidade de se executar o algoritmo de atualização novamente. O fluxo de processo (simplificado) proposto para a utilização desta base de conhecimento encontra-se disposto na Figura 64.
Um ponto de melhoria a ser colocado para o método de decimação é a definição de um método de suavização mais eficiente, que efetivamente filtre eventuais ruídos presentes no sinal amostrado melhorando a qualidade da curva da FAC correlata, reduzindo as ambigüidades, otimizando assim o método de decimação implementado.
Ainda sobre a decimação, outra questão que se direciona para trabalhos futuros é a realização de uma análise de correlação cruzada entre os sinais de entrada e saída de cada BP após a execução deste processo. Como explicado no item 6.1.1.6, o processo de decimação é realizado com base nos sinais de saída de cada BP. Porém, após essa alteração do período de trabalho, notou-se que em alguns casos houve perda de alguma informação a respeito da dinâmica dos sinais de entrada, a exemplo do ocorrido com o sinal da variável pressão do gás
165 na TG3 que, aparentemente pouco representativa, pode ser observada pela suavização do sinal disposto na Figura 65.
Figura 65 – Pressão de gás na TG 3 com período de trabalho de 01 e 30 minutos
A depender do período de trabalho resultante da decimação, esta perda de informação a respeito da dinâmica do sinal de entrada pode ser significativa. Diante deste fato, sugere-se a realização de uma análise da correlação cruzada entre os sinais de saída e entrada de cada Bloco de Produção, estabelecendo-se o limite de tolerância desta correlação. Se o limite estabelecido for ultrapassado pode-se reduzir progressivamente o período de amostragem até a obtenção de um índice de correlação cruzada dentro dos limites estabelecidos.
Outro ponto interessante é que durante o desenvolvimento deste trabalho, como citado anteriormente, percebeu-se que há um decaimento no rendimento das TG em decorrência da contaminação resultante do processo de combustão nas turbinas. Por especificação do fabricante, estas turbinas têm que ser paradas para limpeza em 21 ou, no máximo, a cada 29 dias. A equipe da UTE-RA conduz a operação destas turbinas ao tempo limite de parada no intuito de maximizar a disponibilidade operacional do equipamento. Este procedimento operacional da UTE-RA remete a uma questão: será que ao se levar a disponibilidade do equipamento ao tempo de 29 dias, sem analisar a tendência do desempenho, está se promovendo disponibilidade da quantidade máxima de energia elétrica no mesmo período? Existe um ponto ótimo de parada para manutenção além do tempo máximo?
Na Figura 66 se pode observar o esboço hipotético de um gráfico de uma série temporal de geração de energia em uma TG. Durante o estudo do processo da UTE-RA, notou-se a presença de variações sazonais no sinal de geração, em períodos de 12h,
166 provavelmente relacionadas com as variações da temperatura ambiente neste período. O gráfico também esboça a tendência de redução de desempenho na geração de energia de uma TG no decorrer do período de 29 dias. Essa tendência não foi avaliada durante o desenvolvimento deste trabalho.
Figura 66 – Degradação em geração de energia em TG
Diante destas questões presume-se que, se existe um tempo ótimo de parada para manutenção das turbinas, ele deve variar, no mínimo, com o ambiente climático e regime de operação a que está submetido o equipamento. Sendo assim, através do uso da metodologia aqui desenvolvida, sugere-se como trabalho futuro a determinação, em tempo real, deste tempo ótimo de parada das TG, com o objetivo de maximizar a quantidade de energia gerada pelo equipamento (ver Figura 66).
Outro ponto a destacar, é que os valores transientes, presentes no conjunto de dados de identificação dinâmica, compuseram a matriz de regressores utilizada na obtenção do modelo do referido BP. Estes valores revelam mais sobre a natureza dos estados transitórios do que a natureza do processo a ser identificado. Sendo assim, direciona-se também para trabalhos futuros o aperfeiçoamento do processo de verificação de limites não-operacionais, de maneira que este possa: detectar, medir, isolar e eliminar, de forma automática, dentro de um critério de precisão mais acurado, os estados estacionários presentes em uma série temporal, adquirida a partir de um processo produtivo.
167 Outro aperfeiçoamento da metodologia, a ser direcionado para trabalhos futuros, é a inclusão da análise de sensibilidade sobre as variáveis de decisão constantes no modelo matemático de apoio à decisão. A utilização de técnicas de análise de sensibilidade determinará quais variáveis possuem maior ponderação no objetivo a ser alcançado, no caso, a redução do custo operacional da UTE-RA. Outro ganho desta técnica é que, ao executar várias rodadas de simulações sobre o modelo de apoio à decisão e avaliar os cenários gerados, poder-se-ão constatar tendências e anomalias do processo produtivo modelado.
É importante ressaltar que, tanto a metodologia desenvolvida, como a proposta do SADMA não têm ambição de implementar um controle regulatório automático e sim uma ferramenta de apoio decisório, aos grupos de gestão da produção, que não só aponte para os melhores cenários operacionais que maximizem o lucro e minimizem o custo ou tempo de operação, mas que, principalmente, propicie aos gestores de processos produtivos meios mais eficientes para quantificarem os impactos de decisões que levem o processo produtivo a um estado diferente do ótimo.
168
REFERÊNCIAS
ADLA, Abdelkader; ZARATE, Pascal. A Cooperative Intelligent Decision Support System.
IEEE, 2006.
AGOSTINHO, Maria C. E.. Administração Complexa: Revendo as Bases Científicas da Administração. RAE Eletrônica, São Paulo, v. 2, n. 1, jan./jun. 2003.
AGUIRRE, Luis Antonio, et al. Enciclopédia de Automática Controle & Automação. 1.ed. São Paulo:Blucher, 2007.
AGUIRRE, Luis Antonio. Introdução a Identificação de Sistemas Técnicas Lineares e
Nao-Lineares Aplicadas a Sistemas Reais. 3.ed. Belo Horizonte: UFMG, 2007.
ACKOFF, Russel L.; SASIENE, Maurice W. Pesquisa Operacional. 4.ed. São Paulo:USP, 1971.
ALBUQUERQUE, L. L.; ALMEIDA A. T. CAVALCANTE C. A. V. Aplicabilidade da programação matemática multiobjetivo no planejamento da expanssao de longo prazo da geração no Brasil. Revista Pesquisa Operacional, Rio de Janeiro, v. 29, n. 1, p. 153-177, jan./abr. 2009.
ANDERSON, Philip. Complexity Theory and Organization Science. Organization Science, v. 10, n.3, p. 216-232. mai/jun 1999.
ARMSTRONG, Joe. A Mill’s Experience with a Plant Wide Information System. IEEE-Pulp
and Paper Industry Technical Conference. p. 145-151, jun. 1998.
ASHOK, S.; BANERJEE, Rangan. Optimal Operation of Industrial Cogeneration for Load Management. IEEE Transactions on Power Systems. v. 18, n. 2, mai 2003.
BALESTRIN, Alsones, Uma Análise da Contribuição de Hebert Simon às Teorias Organizacionais RAED – Revista de Administração do PPGA/UFRGS, 2002.
BARR, D. C. The Use of a Data Historian to Extend Plant Life. IEEE Life Management
Power Plant, Conference Publication. n. 401, dez. 1994.
BAYRAKTAR, Erkan, at. al. Evolution of operations management: past, present and future.
Management Research News, v. 30, n. 11, p. 843-871, 2007
BOSCO, Flávio. O que vem depois do SDCD. Revista Petro & Química. n. 247, abr. 2003. Disponível em: <http://www.editoravalete.com.br/site%5Fpetroquimica/>. Acesso em: 06 out. 2007.
BOX, George E. P.; JENKINS, Gwilym.M.; REINSEL, Gregory C. Time series analysis:
Forecasting and Control. 4.ed. New Jersey: Prentice-Hall, 2008.
BUCKLEY, Robert Jr. Overview of Cogeneration at LSU. 2006. 79 f. Dissertação (Mestrado em Engenharia Química) – Departamento de Engenharia Química, Universidade do Estado de Louisiana. Science Direct. Disponível em: <http://www.science-direct.com/>. Acesso em: 23 jun. 2007.
BOOCH, Grady; RUMBAUGH, James; JACOBSON, Ivar. UML Guia do usuário. 1.ed. Rio de Janeiro: Campus, 2000.
CAVALCANTE, C. A. T. M.; SÁ BARRETTO, S. T., et al. Desenvolvimento de Metodologia para Parametrização em Tempo Real de Modelos Matemáticos de Processos
169 Decisórios . In: XXVIII Encontro Nacional de Engenharia de Produção, Rio de Janeiro, Anais do Congresso, out. 2008.
CAVALCANTE, C. A. T. M.; SÁ BARRETTO, S. T., et al. Modelos Adaptativos para Suporte a Decisão na Gestão de Produção de Unidades Termelétricas. In: Rio OIL & GAS
2008, Rio de Janeiro, Anais do Congresso, set. 2008.
CCEE, Câmara Comercializadora de Energia Elétrica. Determinação de Geração e
Consumo. Brasília, 2009. 37p.
______. Preço de Liquidação das Diferenças. Disponível em: <http://www.ccee.org.br /cceeinterdsm/v/index.jsp?vgnextoid=7ccaa5c1de88a010VgnVCM100000aa01a8c0RCRD>. Acesso em: 01/06/2009.
CHIAVENATO, Idalberto. Introdução à Teoria Geral da Administração. 7.ed. São Paulo: Campus, 2004.
CORRÊA, Henrique L. et al. Planejamento, Programação e Controle da Produção MRP II/ERP: Conceitos, Uso e Implantação. 5.ed. São Paulo: Atlas, 2007.
CLERICUZI, A. Z; ALMEIDA A. T.; COSTA, A. P. C. S. Aspectos relevantes dos SAD nas organizações: um estudo esploratório. Revista Produção, São Paulo, v. 16, n.1, p. 008-023, jan./abr. 2006.
COLIN, Emerson C. Pesquisa Operacional, 170 Aplicações em Estratégia, Finanças,
Logística, Produção, Marketing e Vendas. 1.ed. Rio de Janeiro:LTC, 2007.
CORMIO, C. et al. A regional energy planning methodology including renewable energy sources and environmental constraints. Science Direct - Renewable and Sustainable Energy
Reviews, v. 7, p. 99-130, 2003.
DANG, Tuan. Integration of Power Plant information system with Business information system in the open electricity market: challenges and solutions. IEEE - 5th International
Conference on Industrial Informatics. v. 2, p. 1209-1213. jun. 2007.
DAOUD, Marcel Amaral; MAÇADA, Antonio Carlos G. Análise e proposta de um modelo de planejamento e controle da produção para as indústrias de beneficiamento de arroz da Região sul do RS. XXV Encontro Nac. de Eng. de Produção (ENEGEP), Porto Alegre, 2005
DIAMANTOPOULOS, N.; THRAMPOULIDIS, K.; HOUSOS, E. Integrating Object and Constraint Technologies for Stating and Solving Resource Scheduling Problems. 6th Hellenic
Conference on Informatics, Athens, p. 238-248, 1997.
DUTRA, Fernando Augusto Ferreira; ERDMANN, Rolf Hermann. Análise do planejamento e controle da produção sob a ótica da Teoria da Complexidade. Revista Produção, São Paulo, v. 17, n.2, p. 407-419, mai./ago. 2007.
FENG, Dong-Xiao; JIONG, Gu Yu; KUN, Yang. Study on Intelligent Maintenance Decision Support System Using for Power Plant Equipment. IEEE - International Conference on Automation and Logistics, Beijing, China, set. 2008.
FIDELIS, J. R. F.; CÂNDIDO, C. M. A administração da informação integrada às estratégias empresariais. Perspect. ciênc. inf., Belo Horizonte, v.11 n.3, p. 424-432, set./dez. 2006.
FRAS, Aline; DANG, Tuan. Improving industrial application's performances with an Historian. IEEE - International Conference on Industrial Technology (ICIT). v.2, p.718-721, dez. 2004.
170 FRÓIS, Katja P. Uma breve história do fim das incertezas ou o Paradoxo de Janus. Cadernos
de Pesquisa Interdisciplinar em Ciências Humanas, Florianópolis, n. 63, dez. 2004.
FULLER, Jack A.; MANSOUR, Ali H. Operations Management and Operational Research: a Historical and Relational Perspective. Journal of Management History, Virginia, p. 422- 426, 2003.
GARCIA, Claudio. Modelagem e simulação. 2.ed. São Paulo: Edusp, 2007
GOMES, Bruno Souza. Integração industrial, a terceira revolução. Firjan – Senai, Rio de Janeiro, mai. 2005. Disponível em: <http://www.firjan.org.br/notas/media/ integrind.pdf>. Acesso em: 10 set. 2007.
GOMES, Luiz F. A. M.;GOMES, Carlos F. S.; ALMEIDA, Adiel T. Tomada de Decisão
Gerencial Enfoque Multicriterio. 2.ed. São Paulo: Atlas, 2006.
GONTIJO, Arimar Colen; MAIA, Claudia S. C. Tomada de Decisão: do Modelo Racional ao Comportamental: Uma Síntese Teórica. Caderno de Pesquisa em Administração, São Paulo, v.11, n. 4, p. 13-30, out./des. 2004.
HAYKIN, Simon; VEEN, Barry Van. Sinais e Sistemas. 1. ed. Porto Alegre: Bookman, 2001.
HOGWOOD, Eduard E. Jr. The Electrical Aspects of Cogeneration System Design. IEEE
Transactions on Industry Applications, v. 1 A-23, n. 4. Jul/Ago. 1987.
HUAN, Shun-Hsien, at all. Optimal Operation Strategy for Cogeneration Power Plants.
IEEE Industry Applications Conference. 39th IAS Annual Meeting. v. 3, p. 2057-2062,
out. 2004.
KOSOW, Irving I. Máquinas Elétricas e Transformadores. 4.ed. Porto Alegre: Globo, 1982.
LEITE, M. S. A.; BORNIA. A. C.; COELHO, C. C. S. R. Os conceitos de dialógica e sistema adaptativo complexo (SAC) aplicados à cadeia de suprimentos: uma contribuição da ciência da complexidade. Revista Pesquisa e Desenvolvimento Engenharia de Produção, Itajubá, n. 3, p. 27-42, out 2004.
LEVINE, D.M ; M.L. BERENSON e D.STEPHAN. Estatística: Teoria e aplicações. Trad: Teresa Cristina P.Souza. Rio de Janeiro:Livros técnicos e Científicos Editora, 2000.
MARTINICH, Joseph S. Production And Operations Management: An Applied Modern
Approach. New York: John Wiley & Sons, 1997.
MATRIKON. OPC Tutorial. New York: Matrikon, 2005. 6 módulos (20 min), son., color. Disponível em: <http://www.matrikonopc.com/resources/opc-tutorials.asp#>. Acesso em: 15 set. 2007.
MICHELETTO, Sandra R.; PINTO, José M. Operational Optimization of the Thermoelectric System of an Oil Refinery. 16th European Symposium on Computer Aided Process
Engineering and 9th International Symposium on Process Systems Engineering, p. 1839-
1844, 2006
MELO, Maria A. C. de; AGOSTINHO, Maria C. E.. Gestão Adaptativa: Uma Proposta para o Gerenciamento de Redes de Inovação. RAC – Revista de Administração Contemporânea, Curitiba, n. 2, p. 93-111, abr./jun 2007.
171 MILANI, Ângelo Jr.; PINTO, Helder Queiroz Jr. A indústria do petróleo como uma organização complexa: modelagem de negócios e processo decisório. Revista Produção, São Paulo, v. 17, n.1, p. 008-032, jan./abr. 2007.
MOORE, J.H. & WEATHERFORD, L.R. Tomada de Decisão em Administração com
Planilhas Eletrônicas. 6.ed. Porto Alegre: Bookman, 2005.
MORAIS, C. C.; CASTRUCCI, P. L. Engenharia de Automação Industrial. 1.ed. Rio de Janeiro: LCT, 2001.
MOREIRA, D.A. Administração da Produção e Operações. 2.ed. São Paulo: Cengage Learning, 2008.
MORETTIN, Pedro A.; TOLOI, Clélia M. C. Análise de Séries Temporais. São Paulo: Edgard Blücher, 2006.
OLIVEIRA, Tiago M. Caos e Complexidade: Um novo olhar sobre as relações públicas. In:
XXVI Congresso de Ciências da Comunicação, Belo Horizonte, Anais do Congresso, set.
2003.
PETROBRAS, IBAMA. Workshop sobre Geração Termelétrica a Gás Natural. 1 Arquivo Acrobat Reader. Disponível em: <http://www.ibama.gov.br/ambtec/ documentos/Workshop _02.pdf>. Acesso em: 21 jun. 2007.
PILLAI, Devadas D. Developing a Decision Support System for Optimizing Automated Wafer Fabrication. IEEE Transactions on Components, Hybrids and Manufacturing
Technology, v. 13, n. 1 mar. 1990.
QIONG, Wu; et. al. Intelligent Decision Support System for Power Grid Dispatching Based on Multi-Agent System. IEEE - International Conference on Power System Technology, 2006.
RAHIMAN, Mohd H. F.; TAIB, Mohd Nasir; SALLEH, Yusof Md. Black Box Modeling of Steam Distillation Essential Oil Extraction System using ARMAX Structure. IEEE
International Conference on Intelligent and Advanced Systems, p. 1059-1062, 2007
RANZEIRO, Uracir de Lima; SACOMANO, José Benedito. O caráter evolucionário das técnicas de planejamento e controle da produção: a integração e adaptação da produção aos objetivos estratégicos competitivos. XIII SIMPEP São Paulo, Nov. 2006
RAVINDRAN, A.; RAGSDELL, K.M. & REKLAITIS, G.V. Engineering optimization:
methods and applications. 2.ed. John Wiley & Sons, 2006.
REBELO, Luiza M. B. A dinâmica do processo de formação de estratégias de gestão em
universidades: a perspectiva da teoria da complexidade. 2008. 278 f. Tese (Doutorado em
Engenharia de Produção) – PPGEP, Universidade Federal de Santa Catarina, Florianópolis. SÁ BARRETTO, Sérgio T. et al. Real Time Updating Methodology for Mathematical Models of Decision Making Process. In: 20th International Congress of Mechanical Engineering, Gramado, Brazil, Anais do Congresso, nov. 2009.
SÁ BARRETTO; Sérgio T.; FERREIRA, Cristiano V. Estrutura Analítica de Projeto (EAP) para projetos infra-estruturais em automação industrial integrada. In: II Congresso
Brasileiro de Gerenciamento de Projetos, Anais do Congresso, Nov. 2007.
SÁ BARRETTO, Sérgio; GAMA, Jaime. Automação Integrada com PIMS. IV Congresso
172 SARAVANAMUTTOO, H. I. H.; ROGERS, G. F. C.; COHEN, H. Gás Tubine Theory. 5.ed. Dorchester: Prentice Hall, 2001.`
SIEGEL, Sidney. Estatística Não-Paramétrica. 1.ed. São Paulo: McGraw-Hill, 1975.
SILVEIRA, Paulo R.; SANTOS, Winderson E. Automação e Controle Discreto. 5.ed. Tatuapé: Érica, 1998.
SIMON, Herbert A. Administrative Behavior. 4.ed. Simon & Schuster:New York, 1997. SLACK, N., CHAMBERS, S., JOHNSTON, R.. Administração da Produção. 2.ed. São Paulo: Editora Atlas, 2002.
SOLINO, Antônia da Silva; EL-AOUAR. O Processo de Tomada de Decisões Estratégicas: Entre a Intuição e a Racionalidade. Caderno de Pesquisas em Administração, São Paulo, v. 8, n.3, jul./set. 2001.
SPIEGEL, M.R. Estatística, 3.ed. São Paulo: Makron Books, 1994.
TÔRRES, J. J. M. Teoria da complexidade: uma nova visão de mundo para a estratégia. In:
Encontro Brasileiro de Estudos da Complexidade, 1, 2005, Curitiba, Anais do 1 EBEC.
TORRES, B. S.; SANTOS, D. G. dos; FONSECA, M. de O. Implementação de estratégias de controle multimalha utilizando a norma IEC 61131-3 e ferramentas PIMS. Disponível em: <http://www.plcopen.org/pages/pc2_training/introductions_in_spanish_and_portugese/downl oads/implementing_multiloop_control_strategy_using_iec61131.pdf>. Acesso em: 06 out. 2007.
VAITSMAN, H. S. Inteligência empresarial: atacando e defendendo. 1.ed. Rio de Janeiro: Interciência, 2001.
WIND, Yoram; CROOK, Coliin; GUNTHER, Robert. A força dos modelos mentais:
transforme o negócio de sua vida e a vida de seu negócio. 1.ed. Porto Alegre: Bookman,
2005.
WYLEN, Gordon; SONNTAG, Richard; BORGNAKKE, Claus. Fundamentos da
Termodinâmica clássica. 4.ed. São Paulo: Blücher, 1994.
ZARATÉ, P.; SABROUX, C. Rosenthal. A Cooperative Approach for Intelligent Decision Support Systems. IEEE – 31st
Annual Hawaii International Conference on System Sciences, Hawaii, 1998.
ZHANG, Bo. Semantics driven Decision Making and its Dynamic Semantics Presentation. IEEE. International Conference on Intelligent Computation Technology and
Automation, p. 1135-1139. 2008
ZHANG, Hao Lan et. al. AOCD: A Multi-agent Based Open Architecture for Decision Support Systems. IEEE - Proceedings of the 2005 International Conference on
Computational Intelligence for Modeling, Control and Automation, and International Conference Intelligent Agents, Web Technologies and Internet Commerce, 2005.
ZHANG, Qian; YU, Ji-Hui. Bidding Decision-Making Support System for Power Supplier Based on Multi-Agent System. IEEE - International Conference on Power System
173
APÊNDICE A – GRÁFICOS SÉRIES HISTÓRICAS UTILIZADAS PARA O EXPERIMENTO DE AVERIGUAÇÃO DA REDUÇÃO DO GAP SEMÂNTICO
Figura 67 – Potência ativa na semana “C” da TG1 – 03/07/2009 a 10/07/2009
174
Figura 69 - Temperatura do ar na semana “C” da TG1 – 03/07/2009 a 10/07/2009
175
Figura 71 – Potência ativa na semana “A” da TG2 – 07/10/2009 a 14/10/2009
176
Figura 73 – Temperatura do ar na semana “A” da TG2 – 07/10/2009 a 14/10/200
177
Figura 75 – Potência ativa na semana “C” da TG3 – 29/09/2009 a 06/10/2009
178
Figura 77 – Temperatura do ar na semana “C” da TG3 – 29/09/2009 a 06/10/2009
179
Figura 79 – Potência ativa na semana “A” da TG1 – 01/12/2009 a 08/12/2009
180
Figura 81 – Temperatura do ar na semana “A” da TG1 – 01/12/2009 a 08/12/2009
181
Figura 83 – Potência ativa na semana “C” da TG2 – 25/10/2009 a 01/11/2009
182
Figura 85 – Temperatura do ar na semana “C” da TG2 – 25/10/2009 a 01/11/2009