Cutting problems consist of cutting a set of objects available in stock in order to produce the desired items in specified quantities and sizes. The cutting process can generate leftovers (which can be reused in the case of new demand) or losses (which are discarded). This paper presents a tree-based heuristic method for minimizing the number of cut bars in the one-dimensional cutting process, satisfying the item demand in an unlimited bar quantity of just one type. The results of simulations are compared with the $RG{R}_{L1}$ algorithm and with the limiting values for this considered type of problem. The results show that the proposed heuristic reduces processing time and the number of bars needed in the cutting process, while it provides a larger leftover (by grouping losses) for the one-dimensional cutting stock problem. The heuristic contributes to reduction in raw materials or manufacturing costs in industrial processes.

O sistema carcerário brasileiro é ponto de grandes discussões em nosso atual momento político e social. O último relatório do (DEPEN,2014) aponta que o Brasil é o quarto pais com maior número de indivíduos privados de liberdade no mundo, estimasse ainda que o índice de reincidência ao crime para indivíduos do sexo masculino é em torno de 50\% e para indivíduos do sexo feminino é de 35\%. Este trabalho foi realizado com informações do banco de dados do SECAT da comarca de Primeiro de Maio-PR, contendo 356 indivíduos, abrangendo os períodos de dezembro de 2009 à dezembro de 2015. Nosso evento de interesse é a reincidência ao crime de cada indivíduo durante o período de observação. Para realizar este estudo será proposto a utilização de técnicas de análise de sobrevivência, devido ao fato de conter observações censuradas. Neste trabalho é proposto a utilização da distribuição Burr XII com e sem fração de cura, além da distribuição de Weibull com e sem fração de cura para a modelagem e análise dos dados, visto que há evidências que muitos indivíduos nunca enfrentaram o evento de interesse. Para a obtenção dos estimadores dos modelos propostos são consideradas as inferências frequentista e Bayesiana.