Академический Документы
Профессиональный Документы
Культура Документы
Pesquisa Operacional
o conhecimento que leva otimizao
AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira
Introduzir as idias mais importantes em Pesquisa Operacional, as quais so fundamentais e permanentes; Lecionar a disciplina em nvel que se possa entender e apreciar a fora e as limitaes inerentes a Pesquisa Operacional; Preparar e motivar futuros especialistas em Pesquisa Operacional; Apresentar e aplicar, de forma prtica, tcnicas de Pesquisa Operacional.
Sumrio
1. INTRODUO A PESQUISA OPERACIONAL Pesquisa operacional: histria e conceitos; Mtodo da Pesquisa Operacional; Tipos bsicos de modelo de PO. 2. PROGRAMAO LINEAR Generalidades; Problemas de programao linear; Obtendo funo objetivo e as restries; Soluo de um problema de PL - Mtodo Grfico; Problemas interessantes que podem ser resolvidos por programao linear; Soluo de problemas de PL - Mtodo Simplex; Uso de Softwares (lindo, solver, QM for windows e Linprog).
AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira 5
Sumrio
3. CASOS PARTICULARES DO SIMPLEX Mltiplas solues; Soluo ilimitada; Problema da degenerao. 4. ANLISE ECONMICA 5. DUALIDADE E INTERPRETAO ECONMICA 6. ANLISE DE SENSIBILIDADE Mudana nos coeficientes da funo objetivo; Mudana no lado direito das inequaes; Uso de softwares. 7. ALGORTIMOS PARTICULARES EM PROGRAMAO LINEAR Problema de transporte; Redes; Programao inteira e mista.
AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira 6
Introduo
O termo Pesquisa Operacional uma traduo (brasileira) direta do termo em ingls Operational Research, que em Portugal foi traduzido por Investigao Operacional e nos pases de lngua hispnica, por Investigacion Operativa (ARENALES et al, 2007); No Brasil a pesquisa operacional teve incio com o Primeiro Simpsio Brasileiro de Pesquisa Operacional, realizado em 1968 no ITA, em So Jos dos Campos, SP, sendo seguida, pela criao da SOBRAPO (sociedade Brasileira de Pesquisa Operacional); Resumidamente, Lachtermacher (2007) define que a Pesquisa Operacional procura determinar como melhor projetar e operar um sistema, usualmente sob condies que requerem a alocao de recursos escassos; Surgiu na Inglaterra em 1934 e em 1941 foi utilizada pela Marinha Inglesa para solucionar problemas de tomada de deciso em operaes de guerra, tais como melhoria na probabilidade de destruio de submarinos;
AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira 7
Introduo
A BATALHA DO ATLANTICO Vrios escritrios de Pesquisa Operacional foram implantados no exercito ingls; Um dos esforos empreendidos pelas equipes eram relativos as ameaas dos submarinos alemes, que atacavam os navios mercantes antes que atravessassem o Atlntico; Esta disputa entre submarinos alemes e navios que protegiam os navios mercantes ficou conhecida como Batalha do Atlntico A questo era: como garantir suprimento de necessidades atravs do Atlntico, dede os Estados Unidos da Amrica at a Inglaterra?
AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira 8
Introduo
A BATALHA DO ATLANTICO Navios navegando sozinhos eram alvos fceis; A soluo encontrada foi o deslocamento em comboios; Para proteg-los, navios de guerra acompanhavam a viagem; Entretanto, um nmero no adequado para esta proteo significou, muitas vezes, perdas enormes; Em 1942, para um comboio de 40 navios mercantes, eram necessrios cerca de 6 navios de guerra para sua proteo; O problema era que no havia um nmero suficiente de navios de guerra para proteger todos os navios mercantes, ou seja, o nmero de navios de guerra era limitado; O desafio que se colocava era: pode-se diminuir o nmero de perdas de navios mercantes sem que ocorra um aumento demasiado nos navios de proteo (navios de guerra)? A nica varivel que podia ser alterada era o nmero de navios no comboio; Uma equipe de pesquisadores estudou o problema e verificou que o tamanho do comboio tinha a ver com o nmero de perdas.
AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira 9
Introduo
A BATALHA DO ATLANTICO: dados de 1941 a 1942 Um nmero menor que 45 navios no comboio tinha uma perda mdia de 2,6%; Um nmero maior que 45 navios no comboio tinha uma perda mdia de 1,7%; O nmero de navios afundados continuava praticamente o mesmo, para um nmero praticamente igual de navios de proteo; QUAL A EXPLICAO PARA ESSE FATO? RESPOSTA: A questo era o permetro de defesa necessrio para a defesa do comboio.
10
Introduo
A BATALHA DO ATLANTICO: Anlise da situao Comboio 1 possui uma rea igual a 100 km2 e um raio de 5,64 km. Logo o seu permetro igual a 35,45 km; Permetro = 2r e rea = r2; Comboio 2 possui uma rea igual a 200 km2 e um raio de 7,87 km. Logo o seu permetro igual a 50,13 km; Relaes importantes: rea 2 / rea 1 = 2 e Permetro 2 / Permetro 1 = 1,41, ou seja, a razo do permetro do crculo (regio a ser defendida) e sua rea (navios a serem protegidos) diminui com o aumento do raio.
11
Introduo
A BATALHA DO ATLANTICO: constatao importante Um comboio maior era melhor; Um nmero maior de navios poderiam ser protegidos sem um aumento demasiado nos navios de proteo; Um exemplo claro de MELHOR UTILIZAO DE RECURSOS; Este tem sido um exemplo de busca de uma utilizao tima para recursos limitados.
12
Introduo
OUTRO EXEMPLO: O PROBLEMA DO VIAJANTE Cada semana um vendedor tem que visitar clientes em quatro cidades distintas; Ele viaja de carro e deseja viajar o menor nmero de quilmetros possvel; A sua inteno visitar cada uma das cidades uma vez e depois voltar para casa; Ele conhece as distncias entre as cidades e usando esta informao ele quer estabelecer a rota que MINIMIZA a distncia viajada; Atravs desse exemplo pretende-se diferenciar os mtodos heursticos dos mtodos otimizantes; Uma soluo heurstica leva a uma boa soluo. No necessariamente a tima. Um exemplo de soluo heurstica poderia ser viajar sempre para a cidade mais prxima que o viajante se encontra no momento; Uma soluo tima leva a melhor soluo. No caso do viajante, a rota de menor distncia em quilmetros.
AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira 13
Introduo
A soluo heurstica seria visitar as cidades com a menor distncia do ponto de sada. Nesse caso, partir-seia da cidade A para a cidade C, indo depois para a cidade B, dando seguimento para a cidade D, seguida pela cidade E, retornando a cidade ponto de partida (A). Assim, o trajeto seria ACBDEA, perfazendo 230 km de percurso.
km 60
40 km
90
80 k
km
30
70
km
km
50 km
40 km
14
Introduo
A soluo tima seria visitar as cidades na seguinte seqncia: ABCDEA, o que perfazer ia 200 km. Para o caso de cinco cidades o nmero de combinaes necessrias para serem testadas para encontrar a melhor (tima) rota seria 24. Se o nmero de cidades fossem onze o nmero de combinaes seria de 3.628.800 combinaes; O nmero de combinaes pode ser calculado por (n1)!
km 60
40 km
90
80 k
km
30
70
km
km
50 km
40 km
15
Introduo
A aplicao de modelos matemticos na resoluo de problemas uma caracterstica inerente a Pesquisa Operacional, aplicando conceitos matemticos para representar de forma visvel os eventos; Segundo Machline et al. (1994) muitas decises so complexas, porque envolvem objetivos mltiplos, permitem numerosos cursos de ao, produzem resultados incertos, so baseados em dados duvidosos ou tem de ser tomadas em grupo. Nesse aspecto que se justifica a utilizao da Pesquisa Operacional, uma vez que esta implica em uma anlise detalhada dos componentes do problema, alinhando-os em uma estrutura lgica para que ento, seja aplicada uma metodologia adequada ao tipo de problema, a ento, o resultado encontrado ser avaliado em uma tomada de deciso; Atualmente a Pesquisa Operacional tem sido utilizada pelas empresas para otimizar recursos, maximizar lucros, minimizar custos, maximizar receitas, entre outros aspectos relacionados.
AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira 16
Introduo
Em resumo, pode-se concluir que a Pesquisa Operacional: Serve para a anlise quantitativa de problemas gerenciais; Resolver problemas complexos; Tomar decises importantes; Discutir a incerteza;
17
Soldado Preo de venda R$ 27,00 Custo da matria-prima R$ 10,00 Custo da mo-de-obra R$ 14,00 Tempo para acabamento 2 horas Tempo para carpintaria 1 hora Demanda 40 por semana Tempo total disponvel de carpintaria Tempo total disponvel de acabamento
Trem R$ 21,00 R$ 9,00 R$ 10,00 1 hora 1 hora Ilimitado 80 horas 100 horas
20
21
Em geral, no h regras fixas para determinar o nvel de abstrao, onde a validade do modelo depende, principalmente, da criatividade, insight e imaginao dos analistas de PO.
22
A NOSSA DISCIPLINA BASEIA-SE NA APLICAO DA PESQUISA OPERACIONAL A UMA GRANDE VARIEDADE DE PROBLEMAS QUE PODEM SER REPRESENTADOS POR CASOS TPICOS
AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira 24
26
27
29
31
Programao Linear
Sem dvida alguma a Programao Linear (PL) uma das tcnicas mais utilizadas em Pesquisa Operacional, quando a abordagem problemas de otimizao; Os problemas de PL buscam a distribuio eficiente de recursos limitados para atender um determinado objetivo, em geral, maximizar lucros ou minimizar custos; Em se tratando de PL, esse objetivo expresso atravs de uma funo linear, denominada de funo objetivo; necessrio, tambm, que se defina quais atividades que consomem recursos e em que propores os mesmos so consumidos. Essas informaes so apresentadas em forma de equaes, mais precisamente as inequaes lineares, sendo uma para cada recurso; Ao conjunto dessas inequaes, denomina-se restries do modelo
32
Programao Linear
Normalmente se tem inmeras maneiras de distribuir os recursos escassos entre as diversas atividades em estudo, bastando para com isso que essas distribuies estejam coerentes com as restries do modelo. No entanto, o que se busca em um problema de PL a funo objetivo, isto , a maximizao do lucro ou a minimizao dos custos. A esta soluo d-se o nome de soluo tima. Assim, a Programao Linear se incube de achar a soluo tima de um problema, uma vez definido o modelo linear, ou seja, a funo objetivo e as restries lineares; Nos prximos slides ser abordada a soluo do problema da fbrica de brinquedos de Z Gota.
33
Programao Linear
Sabendo que a matria-prima necessria obtida sem problemas, Z da Gota tem como objetivo maximizar o lucro semanal (Receitas Custos); Formula-se, ento, matematicamente a situao de Z da Gota com o objetivo de maximizar o lucro de sua empresa, levantando-se, EM PRIMEIRO MOMENTO, as variveis de deciso. Nesse caso: X1 = nmero de soldados produzidos X2 = nmero de trens produzidos a cada semana Em qualquer modelo de PL, o decisor quer maximizar ou minimizar alguma funo das variveis de deciso. No caso estudado, Maximizar o lucro o objetivo de Z da Gota. Como lucro igual a Receitas Custos, observa-se que: LUCRO DE CADA SOLDADO = 27 (14 + 10) = 3, onde 27 a receita, 14 e 10 so os custos com mo-de-obra e matria-prima, respectivamente; LUCRO DE CADA TREM = 21 (10 + 9) = 2
AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira 34
Programao Linear
Diante do exposto, o objetivo de Z da Gota escolher X1 e X2 para maximizar a Funo Objetivo, ou seja, escolher as quantidades ideais do produto X1 (SOLDADOS) e do produto X2 (TREM) que otimizaro o resultado da funo MAX Z = 3X1 + 2X2. Essa , exatamente, a SEGUNDA FASE em um modelo de simulao.
Programao Linear
O TERCEIRO PASSO compreender e definir as restries. Se X1 e X2 aumentam, o resultado da funo objetivo de Z da Gota ser sempre maior. Entretanto isso no ocorre por conta das limitaes de recursos, ou seja, da restrio das horas de mo-de-obra de carpintaria e acabamento, descritas abaixo: - 100 horas de acabamento esto disponveis (Restrio 1); - 80 horas de carpintaria esto disponveis (Restrio 2); - A demanda de soldados de 40 unidades semanais (Restrio 3); - No h limitaes de matria-prima. O PRXIMO PASSO expressar as restries 1, 2 e 3 em termos das variveis de deciso X1 e X2 (prximos slides).
36
Programao Linear
RESTRIO 1: no h mais de 100 horas de acabamento Ento, o total de horas de acabamento por semana tem que ser igual a soma das horas de acabamento disponibilizadas para a produo de soldados mais as horas de acabamento disponibilizadas para a produo de Trem. J que o consumo de horas de acabamento de duas horas por soldado e de uma hora por Trem, essa restrio expressa pela seguinte inequao:
37
Programao Linear
RESTRIO 2: no h mais de 80 horas de carpintaria Ento, o total de horas de carpintaria por semana tem que ser igual a soma das horas de carpintaria disponibilizadas para a produo de soldados mais as horas de carpintaria disponibilizadas para a produo de Trem. J que o consumo de horas de carpintaria de uma hora por soldado e de uma hora por Trem, essa restrio expressa pela seguinte inequao:
RESTRIO 3: X1 40
AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira 38
Programao Linear
CONJUNTO DAS RESTRIES 2X1 + X2 100 X1 + 1X2 80 X1 40 Restries para o problema de PL do Z da Gota que usualmente representam a quantidade de recursos disponveis.
Restries Adicionais
Coeficientes tecnolgicos que refletem a quantia usada de insumos para diferentes produtos. Para completar a formulao do problema, cria-se restries adicionais para viabilizar a soluo, conforme segue: X1 0 X2 0
39
Programao Linear
Observao
Todo expoente X sem nmero possui uma unidade (1) oculta na equao/inequao
40
Programao Linear
EXERCCIO SOBRE FORMULAO MATEMTICA: MAXIMIZAR
Uma marcenaria produz mesas e cadeiras de um nico modelo, utilizando dois insumos: trabalho e madeira. Para produzir uma mesa so necessrias 10 horas de mo-de-obra e para uma cadeira, 02 horas de mo-de-obra. Cada mesa requer 10 unidades de madeira e cada cadeira, 05 unidades. Durante um perodo de tempo, a marcenaria dispe de 200 horas de mo-de-obra e 260 unidades de madeira. Se cada mesa gera um lucro de R$ 200,00 e cada cadeira fornece um lucro de R$ 90,00, QUAL A PRODUO QUE MAXIMIZA O LUCRO NAQUELE PERODO?
Resolva o exerccio anterior considerando que o lucro de cada mesa seja de R$ 600,00 e o lucro de cada cadeira de R$ 90,00.
Resolva o exerccio anterior considerando que o lucro de cada mesa seja de R$ 200,00 e o lucro de cada cadeira de R$ 180,00.
AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira 41
Programao Linear
EXERCCIO SOBRE FORMULAO MATEMTICA: MAXIMIZAR
Uma empresa pode fabricar dois produtos (1 e 2). Na fabricao do produto 1 a empresa gasta nove horas-homem e trs horas-mquina. Na fabricao do produto 2 a empresa gasta uma hora-homem e uma hora-mquina. Sendo X1 e X2 as quantidades fabricadas dos produtos 1 e 2 e sabendo-se que a empresa dispe de 18 horas-homem e12 horasmquina e ainda que os lucros dos produtos so R$4,00 e R$1,00 respectivamente, quanto deve a empresa fabricar de cada produto para obter o maior lucro possvel? Uma empresa de informtica produz dois modelos de impressoras, A e B. O custo de produzir uma unidade de A R$ 300,00 e uma unidade de B R$ 400,00. Devido a restries de oramento, a empresa pode gastar por semana no mximo R$ 12.000,00. A capacidade de mo-deobra da empresa permite fabricar por semana, no mximo, 35 impressoras. Se cada unidade de A d uma margem de contribuio de R$ 60,00 e cada unidade de B d uma margem de R$ 70,00, qual a produo semanal que maximiza a margem de contribuio da empresa?
AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira 42
Programao Linear
EXERCCIO SOBRE FORMULAO MATEMTICA: MINIMIZAR
Uma determinada empresa automobilstica fabrica carros de luxo e caminhonetes. A empresa acredita que os mais provveis clientes so homens e mulheres com altos rendimentos. Para abordar estes grupos, a empresa decidiu por uma campanha de propagandas na TV, onde comprou vrias inseres de 1 minuto no horrio nobre do comercial de dois tipos de programa: Novela e Futebol. Cada comercial durante o programa de Novela visto por 7 milhes de mulheres e 2 milhes de homens com grande poder aquisitivo. Cada comercial durante a transmisso de Futebol visto por 2 milhes de mulheres e 12 milhes de homens com grande poder aquisitivo. Um minuto de comercial durante o programa de Novela custa R$ 50.000,00 e durante a transmisso de futebol custa R$ 100.000,00. A empresa gostaria que pelo menos 28 milhes de mulheres e 24 milhes de homens de grande poder aquisitivo assistissem sua propaganda. Diante dessas informaes, obter a programao matemtica que ir permitir a empresa atender as suas necessidades de propagando ao menor custo possvel.
AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira 43
Programao Linear
EXERCCIO SOBRE FORMULAO MATEMTICA: MAXIMIZAR
Uma empresa fabrica carros e caminhonetes. Cada veculo precisa ser trabalhado nas sees de pintura e montagem. Se a seo de pintura trabalhar s com caminhonetes, 40 por dia podem ser pintados. Se estiver trabalhando somente com carros, 60 por dia sua capacidade. Se a seo de montagem estiver trabalhando somente com caminhonetes, 50 podem ser montados por dia. O mesmo nmero possvel para carros se este for o nico produto da linha. Cada caminhonete contribui com R$ 3.000,00 para o lucro da empresa e cada carro R$ 2.000,00. Obter a formulao matemtica que determinar a programao de produo que maximizar o lucro da empresa.
Supondo que a empresa do exemplo anterior, por necessidades dos vendedores, tem de produzir pelo menos 30 caminhonetes e 20 carros diariamente, qual ser a nova formulao do problema?
AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira 44
Programao Linear
EXERCCIO SOBRE FORMULAO MATEMTICA: MAXIMIZAR
Uma empresa produz dois produtos A e B em quantidades X e Y. Toda a produo vendida. Os custos unitrios de produo de A e B so R$ 8,00 e R$ 5,00, respectivamente, e os correspondentes preos de venda so R$ 10,00 e R$ 7,00. Os custos unitrios de transporte de A e B so respectivamente R$ 0,40 e R$ 0,60. Se a empresa pretende arcar com um custo de produo mensal de no mximo R$ 5.000,00 e um custo de transporte mensal de no mximo R$ 300,00, quais os valores de X e Y que maximizam a margem de contribuio mensal?
45
46
47
Primeiro precisamos saber, dado as restries, quais as possveis combinaes dos produtos que se pode fabricar. Isso , precisamos verificar qual ou quais as reas que satisfazem as restries, pois a empresa s pode dispor dos recursos "disponveis".
48
H-H 9x1 + x2 18
49
H-M 3x1 + x2 12
50
20 18 16 14
H-H 9x1 + x2 18
12 10 8 6 4 2 0 -1 0 1 2
H-M 3x1 + x2 12
51
H-H 9x1 + x2 18
Conjunto Vivel
10 8 6 4 2 0 -1 0 1 2
20 18 16 14 12 10 8 6 4 2 0 -1 0 1 2 3 4 5
H-M 3x1 + x2 12
52
LUCRO = 4 X1 + X2
53
Logo, deve-se fabricar X1 = 1 e X2 = 9, onde o lucro mximo R$ 13,00. Esses valores so fixados diretamente do grfico. Veja o que acontece com as restries nesses valores! No h sobras de insumos!
AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira 54
55
B
58
SIMPLEX
1200 1000 1000 1140 1080
D C
RECEITA
B
AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira 59
-10 -12 1 2 1 3
Z 1
PASSO 4
X1
X2
X3 0 1 0
X4 0 0 1
B 0
B/X 0
270
-10 -12 1 2 1 3
0 0
3
= nova linha piv
0 0,67 1 0 0,33 90
62
Elemento PIV
Aps obter os resultados da multiplicao, some-os com os valores das linhas originais da primeira tabela, conforme ilustrado abaixo:
0 0,67 1
0
0 0,33 90
4 1080
X (12) = 8 12 0
Para tanto, multiplica-se os X2 elementos da nova linha piv pelo coeficiente da varivel que -12 entra, com sinal trocado, fazendo-se isso para cada nova 1 linha a ser criada. A linha que 3 entra a do passo 3:
1 -10 -12 0
1 -2 0 0
0
4
0
1080
63
Aps executar esse procedimento para todas as linhas, desenvolve-se uma nova tabela, conforme abaixo:
Z 1 0 0 X1 -2 0,33 0,67 X2 0 0 1 X3 0 1 0 X4 4 -0,33 0,33 B 1080 10 90
X (-1) = -0,67 -1 0
1 1 1
-12
-0,33 -90
1 3
A soluo acima no a soluo tima, pois ainda existe nmero negativo na primeira linha; igual a nova linha, ou seja... Assim, repete-se todo o procedimento, encontrando-se uma nova linha piv, ou seja, iniciase o PASSO 7. AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira 64
0 0,33 0
1 -0,33 10
linha piv
Z 1 0 0
X1 -2 0,33 0,67
X2 0 0 1
X3 0 1 0
X4 4
B/X
0,33 0
-0,33 10
-0,33 10 0,33 90
-1
30
Elemento PIV
AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira 65
0
X (2) =
-1
30
X (-0,67) =
X1
0 2 0 6 -2 60
-0,67
-2
0,67 -20
-2 0,33 0,67
0
0
0,67
0
1
1
0
-2
0,33
1
90
70
-2
1080
1 0 0
0 1 0
0 0 1
6 3 -2
2 -1 1
1140 30 70
66
Dado que no existem nmeros negativos na primeira linha, encontrou-se a soluo tima, com Z = 1140; 30 unidades de X1 e 70 unidades de X2, sendo esse o resultado final.
C
RECEITA
ZD
B
AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira 67
Max Z = 2X1 + 3X2 + X3 Sujeito a: X1 + X2 + X3 40 2X1 + X2 X3 20 3X1 + 2X2 X3 30 X1 0 X2 0 X3 0 Observe que para esse exemplo no possvel utilizar a soluo grfica!
PASSO 1 Z 2X1 3X2 X3 = 0 PASSO 2 Z 2X1 3X2 X3 + 0X4 + 0X5 + 0X6 = 0 X1 + X2 + X3 + 1X4 + 0X5 + 0X6 40 2X1 + X2 X3 + 0X4 + 1X5 + 0X6 20 3X1 +2X2 X3 + 0X4 + 0X5 + 1X6 30
Z 1 0 0 0 X1 -2 1 2 3 X2 -3 1 1 2 X3 -1 1 -1 -1 X4 0 1 0 0 X5 0 0 1 0 X6 0 0 0 1 B 0 40 20 30
68
linha piv
-1 0 0 1 30
69
2
0
X2
1
-3 1 1
1,5
-0,5
0,5
15
X (3) =
0 4,5 3 -1,5 0 0 1,5 45
X (-1) =
0 -1,5 -1 0,5 0 0 -0,5 -15
-1
20
X (-1) =
0 -1,5 -1 0,5 0 0 -0,5 -15
0
71
2
0
X3
1
-2,5
-0,33
0,67
-0,33 16,7
X (2,5) =
0 -0,83 0 2,5 1,67 0 -0,83 41,7
X (-0,5) =
0 -0,17 0 0,5 0,34 0 -0,17 8,34
-0,33
0,67
-0,33 16,7
1,5
-0,5
0,5
15
X (-0,5) =
0 -0,17 0 0,5 0,34 0 -0,17 8,34
0
Z 1
Dado que no existem nmeros negativos na primeira linha, encontrou-se a soluo tima, com Z = 86,67; 0 unidades de X1,23,3 unidades de X2 e 16,7 unidades de X3, sendo esse o resultado final.
X2 0 0 0 1
X3 0 1 0 0
X5 0 0 1 0
X6 0,67
B 86,7
0 0 0
73
76
77
79
80
QM for WINDOWS
81
82
83
84
85
86
Lindo.lnk
MAX Z = 3X1 + 2X2 sujeito : 2X1 + X2 100 X1 + X2 80 X1 40 X1 0 X2 0
87
Lindo.lnk
88
Aps digitar todos os termos da funo, clique nesse boto para resolver o problema.
89
90
Lindo.lnk
91
92
PARTE 1
Como eu sou um bom aluno, agora eu vou solucionar os exerccios 1, 2, 3, 4, 5, 6, 7, 8 e 9 que constam nos slides 41 a 45 com auxlio dos softwares LINPROG, QM e LINDO. Alm desses exerccios, eu tambm vou resolver os exerccios 4 e 5 do slide 75. Primeiro vou resolver todos pelo LINPROG. Depois, resolvo todos pelo QM for WINDOWS e, por ltimo vou resolver todos pelo LINDO. O professor vai ficar feliz da vida comigo!
93
95
97
Funo Objetivo LHS da 1 restrio LHS da 2 restrio LHS da 3 restrio LHS da 4 restrio
98
99
100
101
103
104
105
PARTE 2
Como eu quero tirar uma boa nota na AV1, agora eu vou solucionar os exerccios 1, 2, 3, 4, 5, 6, 7, 8 e 9 que constam nos slides 41 a 45 com auxlio SOLVER. Alm desses exerccios, eu tambm vou resolver os exerccios 4 e 5 do slide 75. Eu vou tirar DEZ!
106
108
109
111
As leis do sindicato asseguram que os funcionrios devem trabalhar 5 dias consecutivos e 2 dias de folga; A empresa trabalha apenas com funcionrios de tempo integral; Formular o problema de tal modo que a empresa possa minimizar o nmero de empregados de tempo integral que precisam ser contratados. Aps, resolv-lo em qualquer software.
AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira 112
X2 TER
X3 QUAR
X4 QUIN
X5 SEX
X6 SAB
X7 DOM
116
117
118
Como objetivo, estabelea a formulao matemtica do problema que minimize o custo de produo.
AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira 119
100 67
120
Variveis de deciso: X1 = Quantidade em Kg de Creme 40% X2 = Quantidade em Kg de Creme 38% .... X12= Quantidade em Kg de emulsificador X13 = Quantidade em Kg de gua
121
122
123
ACCAR:
X9 + 0,67X10 11 X9 + 0,67X10 17
EXIGNCIA Gordura Slidos de Leite (no gordurosos) Total de slidos do leite Acar Total de slidos gua Estabilizador Emulsificador SIGLA GORD SLNG TSL AC TS AG EST EMU MNIMO 10 10,5 20,5 11 37,5 58,5 0,37 0,10 MXIMO 16 13 25 17 41,5 62,5 0,37 0,10
124
GUA:
0,546X1 + 0,564X2 + 0,881X3 + 0,874X4 + 0,72X5 + 0,72X6 + 0,03X7 + 0,05X8 + 0,33X10 + 0,20X11 + X13 58,5 0,546X1 + 0,564X2 + 0,881X3 + 0,874X4 + 0,72X5 + 0,72X6 + 0,03X7 + 0,05X8 + 0,33X10 + 0,20X11 + X13 62,5
EXIGNCIA Gordura Slidos de Leite (no gordurosos) Total de slidos do leite Acar Total de slidos gua Estabilizador Emulsificador SIGLA GORD SLNG TSL AC TS AG EST EMU MNIMO 10 10,5 20,5 11 37,5 58,5 0,37 0,10 MXIMO 16 13 25 17 41,5 62,5 0,37 0,10
125
EMULSIFICADOR:
X12 = 0,10
PESO:
X1 + X2 + X3 + X4 + X5 + X6 + X7 +X8 + X9 + X10 + X11 + X12 + X13 =100
EXIGNCIA Gordura Slidos de Leite (no gordurosos) Total de slidos do leite Acar Total de slidos gua Estabilizador Emulsificador SIGLA GORD SLNG TSL AC TS AG EST EMU MNIMO 10 10,5 20,5 11 37,5 58,5 0,37 0,10 MXIMO 16 13 25 17 41,5 62,5 0,37 0,10
126
127
ITENS UTILIZADOS RESPOSTA (Z) RESTRIES Gordura Gordura SLNG SLNG TSL TSL Aucar Aucar TS TS gua gua Estabilizador Emulsificardor Peso
19,088 934,08
0 59,123
0 4,6155 16,704
0,37
0,1
LHS
0,400 0,400 0,054 0,054 0,454 0,454 0,380 0,380 0,056 0,056 0,436 0,436 0,032 0,032 0,087 0,087 0,119 0,119 0,040 0,040 0,086 0,086 0,126 0,126 0,080 0,080 0,200 0,200 0,280 0,280 0,280 0,280 0,280 0,280 0,050 0,050 0,920 0,920 0,970 0,970 0,950 0,950 0,950 0,950 1,000 1,000 0,454 0,454 0,546 0,546 0,436 0,436 0,564 0,564 0,119 0,119 0,881 0,881 0,126 0,126 0,874 0,874 0,280 0,280 0,720 0,720 0,280 0,280 0,720 0,720 0,970 0,970 0,030 0,030 0,950 0,950 0,050 0,050 1,000 1,000 0,670 0,670 0,670 0,670 0,330 0,330 0,800 0,800 0,200 0,200 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 10 10 10,5 10,5 20,5 20,5 16,704 16,704 37,5 37,5 62,4 62,4 0,37 0,1 100
RHS
10,00 16,00 10,50 13,00 20,50 25,00 11,00 17,00 37,50 41,50 58,50 62,50 0,37 0,10 100,00
128
Nome Gordura LHS Gordura LHS SLNG LHS SLNG LHS TSL LHS TSL LHS Aucar LHS Aucar LHS TS LHS TS LHS gua LHS gua LHS Estabilizador LHS Emulsificardor LHS Peso LHS
Valor da clula 10 10 10,5 10,5 20,5 20,5 16,70399999 16,70399999 37,5 37,5 62,4 62,4 0,37 0,1 100
Frmula $O$11>=$P$11 $O$12<=$P$12 $O$13>=$P$13 $O$14<=$P$14 $O$15>=$P$15 $O$16<=$P$16 $O$17>=$P$17 $O$18<=$P$18 $O$19>=$P$19 $O$20<=$P$20 $O$21>=$P$21 $O$22<=$P$22 $O$23=$P$23 $O$24=$P$24 $O$25=$P$25
Status Transigncia Agrupar 0 Sem agrupar 6 Agrupar 0 Sem agrupar 2,499999998 Agrupar 0 Sem agrupar 4,499999998 Sem agrupar 5,703999994 Sem agrupar 0,296000006 Agrupar 0 Sem agrupar 4,000000005 Sem agrupar 3,900000001 Sem agrupar 0,099999999 Sem agrupar 0 Sem agrupar 0 Sem agrupar 0
129
130
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
151
152
153
154
155
156
Anlise de Sensibilidade
Uma das hipteses dos problemas de programao linear a considerao da certeza nos coeficientes e constantes. Isto , a soluo otimizada dependente dos coeficientes da funo objetivo e dos coeficientes e constantes das restries. Entretanto, no mundo real, quase nunca temos certeza desses valores; portanto, devemos saber o quanto a soluo otimizada est dependente de uma determinada constante, ou seja, fazer a anlise de SENSIBILIDADE! Para exemplificar, usaremos o problema do Z DA GOTA: MAX Z = 3X1 + 2X2 (funo objetivo) sujeito : 2X1 + X2 100 (restrio de acabamento) X1 + 1X2 80 (restrio de carpintaria) X1 40 (demanda de soldados) X1 0 X2 0
157
Anlise de Sensibilidade
O que acontece se aumentar? MAX Z = 3X1 + 2X2 (funo objetivo) sujeito : 2X1 + X2 + X3 100 (X3 = folga de acabamento) 1X1 + 1X2 + X4 80 (X4 = folga de carpintaria) X1 + X5 40 (X5 = folga de demanda de soldados) X1 0 X2 0 Nesse exemplo, as respostas foram: Z = 180 (lucro); X1 = 20 (soldados); X2 = 60 (trens); X5 = 20 (sobra de demanda de soldados)
AEDB Pesquisa Operacional Prof. Dr. Ualison Rbula de Oliveira 158
Anlise de Sensibilidade
159
Anlise de Sensibilidade
No slide anterior vimos uma mudana nos coeficientes da funo objetivo. Vamos agora, utilizando o mesmo problema, alterar os dados das restries, mais precisamente os recursos disponveis, e ver o que acontece!
160
Anlise de Sensibilidade
...continuando, aumentando a quantidade de insumos:
161
Anlise de Sensibilidade
...continuando, porm, agora reduzindo a quantidade de insumos:
162
Anlise de Sensibilidade
...continuando o slide anterior:
163
Anlise de Sensibilidade
...continuando, porm, reduzindo ainda mais a quantidade de insumos:
164
Anlise de Sensibilidade
...continuando, porm, agora analisando os resultados por meio do QM for Windows.
165
Anlise de Sensibilidade
166
Anlise de Sensibilidade
...continuando, porm, agora analisando os resultados por meio do SOLVER do Excel.
167
Anlise de Sensibilidade
Outro Exemplo:
168
Anlise de Sensibilidade
169
Anlise de Sensibilidade
170
Anlise de Sensibilidade
171
Anlise de Sensibilidade
172
Anlise de Sensibilidade
173
Anlise de Sensibilidade
174
Anlise de Sensibilidade
175
Anlise de Sensibilidade
176
Anlise de Sensibilidade
177
Anlise de Sensibilidade
178
Anlise de Sensibilidade
Um novo produto, que use 3 horas de mquina, 5 horas de mo-de-obra e com demanda garantida de 200 unidades para um lucro mximo de R$ 800,00 seria vivel para a empresa?
179
Anlise de Sensibilidade
180
PARTE 1
Como eu quero tirar uma boa nota na AV2, agora eu vou ANALISAR ECONOMICAMENTE os resultados dos exerccios 1, 2, 3, 4, 5, 6, 7, 8 e 9 que constam nos slides 41 a 45. Para tanto, vou resolv-los no LINPROG e interpretar a ltima tabela de cada exerccio. Se depender de mim, Eu vou tirar DEZ!
181
PARTE 2
Como eu sou um bom aluno, agora eu vou fazer a ANLISE DE SENSIBILIDADE dos exerccios 1, 2, 3, 4, 5, 6, 7, 8 e 9 que constam nos slides 41 a 45 com auxlio do software QM for Windows. Nossa! O professor vai ficar feliz da vida comigo!
182
Programao Inteira
183
184
Programao Inteira
185
Programao Inteira
186
Programao Inteira
187
Programao Inteira
188
Programao Inteira
189
Programao Inteira
190
Programao Inteira
191
192
193
194
195
196
MIN Z = 6X11 + 5X12 + 8X13 + 13X21 + 12X22 + 1X23 + 7X31 + 9X32 5X33 + 10X41 + 6X42 + 4X43
197
198
199
200
201
202
Origens O1 O2 O3 Necessidades
PLANILHA DE CUSTOS D1 D2 D3 10 15 20 12 25 18 16 14 24 50 40 60
Disponibilidades 40 100 10
203
204