Investigacao Operacional Exercicios Muito Bom

FEUP FACULDADE DE ENGENHARIA UNIVERSIDADE DO PORTO
DEPARTAMENTO DE ENGENHARIA E GESTAO INDUSTRIAL
Investiga ao Operacional c Exerc cios
6 de Dezembro de 2012
FEUP FACULDADE DE ENGENHARIA UNIVERSIDADE DO PORTO

Indice
1 Modelao ca 1.1 Problema da Mistura de Produtos . . . . . . . . . 1.2 Publicaoes Polmicas . . . . . . . . . . . . . . . c e 1.3 Montagem duas peas . . . . . . . . . . . . . . . c 1.4 A companhia de aviaao Benvoa . . . . . . . . . . c 1.5 Carga de navio . . . . . . . . . . . . . . . . . . . 1.6 Produo e Distribuio . . . . . . . . . . . . . . ca ca 1.7 Renaria Petrleo . . . . . . . . . . . . . . . . . . o 1.8 Arrendamento de Espao num Armazm (5M) . . c e 1.9 Planeamento da Produao numa Fbrica de Papel c a 1.10 Distribuiao . . . . . . . . . . . . . . . . . . . . . c 1.11 Selecao de Eventos na UPorto . . . . . . . . . . c 1.12 Aeroporto ALETROP . . . . . . . . . . . . . . . 1.13 Urbanizao . . . . . . . . . . . . . . . . . . . . . ca 1.14 Estaleiro do ShopShopping . . . . . . . . . . . . . 1.15 Escalonamento de recursos humanos . . . . . . . 1.16 SuperBoa . . . . . . . . . . . . . . . . . . . . . . 2 Programao Linear ca 2.1 Problema PL I . 2.2 Problema PL II . 2.3 Problema PL1 . . 2.4 Problema PL2 . . 2.5 Problema PL3 . . 2.6 Problema PL4 . . 7 9 12 17 20 22 25 28 30 33 35 39 41 45 48 56 63 67 69 72 75 76 77 78
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
3 Utilizao do Solver do Excel ca 79 3.1 Planeamento da produao na VW Autoeuropa . . . . . . . . . 81 c
FEUP FACULDADE DE ENGENHARIA

DEPARTAMENTO DE ENGENHARIA E GESTAO INDUSTRIAL 6 de Dezembro de 2012
UNIVERSIDADE DO PORTO
4 4 Mtodo Simplex e 4.1 Problema A . 4.2 Problema B . 4.3 Problema C . 4.4 Problema D . 4.5 Problema E . 4.6 Problema F . 4.7 Problema G . 4.8 Problema H .
Indice 87 89 96 99 103 107 110 112 115
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
5 Programao Inteira ca 5.1 Problema PIA . . . 5.2 Problema PIB . . . 5.3 Problema PIC . . . 5.4 Problema PID . . . 5.5 Problema Tringulo a 5.6 Problema PIE . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
121 . 123 . 138 . 141 . 144 . 146 . 148 151 . 153 . 156 . 160 . 162 . 164 169 . 171 . 173 . 176 . 179 . 183 . 186 191 193 198 201 203 204 206
6 Problemas de Transportes 6.1 Reservatrios . . . . . . . . . . . o 6.2 Transfronteira . . . . . . . . . . . 6.3 Construtora de Avies . . . . . . o 6.4 Instituto de Altos Estudos . . . . 6.5 UnEng5/FND/UNIFIL no L bano 7 Problemas de Afetao ca 7.1 Desenhadores . . . . . . . . . . 7.2 Recrutamento . . . . . . . . . . 7.3 Romeu e Julieta . . . . . . . . . 7.4 Companhia de Navegaao Area c e 7.5 Asa de Luxo Lda . . . . . . . . 7.6 WFP na Costa da Somlia . . . a
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
8 Problemas de Fluxo Mximo a 8.1 Exerc dos Depsitos . . . . . . . . . . . cio o 8.2 Exerc N 1 a N 6 . . . . . . . . . . . cio o o 8.3 Exerc N 1 a N 7 . . . . . . . . . . . cio o o 8.4 Exerc N 0 a N 4 . . . . . . . . . . . cio o o 8.5 Exerc Fluxo Mximo no ShopShopping cio a 8.6 WFP na Costa da Somlia . . . . . . . . . a
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .

Indice 9 Problemas de Caminho M nimo 9.1 Rede Caminho M nimo N 1 ao N 6 o o 9.2 Guerra Azuis e Verdes . . . . . . . . 9.3 Ven de Dor . . . . . . . . . . . . . . 9.4 Tabuleiro . . . . . . . . . . . . . . . 9.5 Perseguiao ao Ladro . . . . . . . . c a 10 Planeamento e Controlo de Projetos 10.1 Banco TTM . . . . . . . . . . . . . . 10.2 Projeto A a I . . . . . . . . . . . . . 10.3 Projeto A a J . . . . . . . . . . . . . 10.4 9 Atividades . . . . . . . . . . . . . . 10.5 Limpeza ShopShopping . . . . . . . . 10.6 UNIFIL no L bano . . . . . . . . . . 10.7 Estorninhos em Evoramonte . . . . .
5 211 . 213 . 215 . 222 . 224 . 227 231 234 237 239 244 247 248 250
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
11 Teoria da Deciso a 11.1 Xpt0 Textil . . . . . . . . . . . . . . . 11.2 Nova pea automvel . . . . . . . . . . c o 11.3 Aquisio de mquinas . . . . . . . . . ca a 11.4 Explorao de Gs Natural . . . . . . . ca a 11.5 Polido Guapo e a Lavandaria Asseada . 11.6 LEST O, um novo produto . . . . . . . 11.7 A Histria de Chicofredo . . . . . . . . o 11.8 To be or not to be . . . . . . . . . . . 11.9 Vincennes . . . . . . . . . . . . . . . . 12 Multicritrio e 12.1 Horta da Formiga . . . . . 12.2 VetProducts . . . . . . . . 12.3 S Phtuere . . . . . . . . . o 12.4 Abre Latas . . . . . . . . 12.5 Designs Alternativos . . . 12.6 Processamento de Dados . 12.7 Localizao de Laboratrio ca o 12.8 Sorinfacc & Amigos . . . . 12.9 KKs . . . . . . . . . . . . 12.10PATinho . . . . . . . . . . 12.11Seleco de Estgios . . . ca a 12.12Z Playboy . . . . . . . . e
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
257 . 259 . 262 . 264 . 267 . 270 . 273 . 275 . 278 . 279 281 . 283 . 285 . 288 . 289 . 290 . 291 . 292 . 293 . 295 . 296 . 297 . 298
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . de Investigao ca . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .

6 13 Filas de Espera 13.1 Limpeza de autocarros . . . . 13.2 Pastelaria . . . . . . . . . . . 13.3 Junta Autnoma das Estradas o 13.4 Cabina telefnica . . . . . . . o 13.5 Boeingavela . . . . . . . . . . 13.6 Servio de emergncia . . . . c e 13.7 Servio de veterinria . . . . . c a 13.8 Secao de fotocpias . . . . . c o 13.9 Manutenao . . . . . . . . . . c 13.10Uma horta na escola . . . . . 13.11DouryKayak . . . . . . . . . .
Indice 301 . 303 . 305 . 307 . 309 . 311 . 314 . 317 . 319 . 324 . 328 . 330
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
14 Simulao ca 333 14.1 Avarias na rede elctrica . . . . . . . . . . . . . . . . . . . . . 336 e 14.2 ValorSul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 338 14.3 Avistamento de Aves . . . . . . . . . . . . . . . . . . . . . . . 340

Cap tulo 1 Modelao ca

Objetivos de Aprendizagem
Dado um enunciado com a descriao de um problema c Formular esse problema atravs de uma funao objetivo e de um e c conjunto de restries lineares, quer com variveis cont co a nuas, inteiras ou binrias. a Utilizar variveis binrias como variveis auxiliares para formular a a a situaoes diferentes da simples conjunoes de restrioes, como por c c c exemplo: disjuno de restrioes ca c implicaao de restries c co valores m nimos para variveis (e.g. ou vale zero ou maior a e que...) Descrever o que signicam e fazem um conjunto de restrioes, no conc texto de um problema concreto.

Modelao ca
Exerc cios
1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 Problema da Mistura de Produtos . . . . . . . . . . . . . . Publicaes Polmicas . . . . . . . . . . . . . . . . . . . . . . co e Montagem duas peas . . . . . . . . . . . . . . . . . . . . . . c A companhia de aviao Benvoa . . . . . . . . . . . . . . . ca Carga de navio . . . . . . . . . . . . . . . . . . . . . . . . . . Produo e Distribuio . . . . . . . . . . . . . . . . . . . . ca ca Renaria Petrleo . . . . . . . . . . . . . . . . . . . . . . . . o Arrendamento de Espao num Armazm (5M) . . . . . . . c e Planeamento da Produo numa Fbrica de Papel . . . . ca a 9 12 17 20 22 25 28 30 33 35 39 41 45 48 56 63
1.10 Distribuio . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca 1.11 Seleco de Eventos na UPorto . . . . . . . . . . . . . . . . ca 1.12 Aeroporto ALETROP . . . . . . . . . . . . . . . . . . . . . . 1.13 Urbanizao . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca 1.14 Estaleiro do ShopShopping . . . . . . . . . . . . . . . . . . . 1.15 Escalonamento de recursos humanos . . . . . . . . . . . . . 1.16 SuperBoa . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.1 Problema da Mistura de Produtos
1.1
1.1.1
Problema da Mistura de Produtos

Enunciado
A companhia Electro & Domsticos pretende escalonar a produo de um e ca novo apetrecho de cozinha que requer dois recursos: mo-de-obra e matriaa e prima. A companhia considera a hiptese de produzir 3 modelos diferentes, o tendo o seu departamento de engenharia fornecido os dados representados na tabela 1
Modelo Mo-de-obra (horas por unidade) a Matria-prima (quilos por unidade) e Lucro (epor unidade) A 7 4 4 B 3 4 2 C 6 5 3
Tabela 1: Dados fornecidos pelo departamento de engenharia
O fornecimento de matria-prima est limitado a 200 quilos/dia. Por dia e a esto dispon a veis 150 horas de trabalho. O objetivo maximizar o lucro total. e Formule o modelo que permitiria resolver este problema.

10
Modelao ca
1.1.2
Resoluo ca
Passo I O que se desconhece, e que se pretende determinar na fase de resoluao do modelo, so as quantidades a produzir diariamente de cada um c a dos modelos as variveis de deciso. a a Representando-as algebricamente: xA produo diria do modelo A (no de unidades) ca a xB produo diria do modelo B (no de unidades) ca a xC produo diria do modelo C (no de unidades) ca a Passo II Restrioes do problema. c No podemos produzir quantidades innitas de A, B e C (o que daria um a lucro innito) porque estamos limitados pela matria-prima (200) e mo-dee a obra (150) dispon veis, valores que no podemos exceder. a Ento, a mo-de-obra necessria para produzir uma unidade do modelo a a a A (7 horas), vezes o nmero de unidades do modelo A a produzir (xA ), mais u a mo-de-obra necessria para produzir uma unidade do modelo B (3 horas), a a vezes o nmero de unidades do modelo B que se resolva produzir (xB ), mais u a mo-de-obra necessria para produzir uma unidade do modelo C (6 horas), a a vezes o nmero de unidades do modelo C que se venha a produzir (xC ), no u a podero exceder as 150 horas, isto : a e 7xA + 3xB + 6xC 150 Aplicando o mesmo racioc nio ` matria-prima, obter-se-ia: a e 4xA + 4xB + 5xC 200 As restries que faltam ao problema dizem directamente respeito as variveis co ` a de deciso, e so: a a xA 0, xB 0, xC 0 ou seja, no se podem produzir quantidades negativas. a Passo III O objetivo do problema maximizar o lucro total, isto , o lucro e e obtido com os 3 modelos. Como cada unidade do modelo A d um lucro de a 4, do modelo B d 2 e do modelo C d 3, a funao objetivo ser: a a c a max LUCRO = 4xA + 2xB + 3xC O modelo do nosso problema ser ento: a a

1.1 Problema da Mistura de Produtos Encontrar os nmeros xA , xB e xC tais que: u max LUCRO = 4xA + 2xB + 3xC sujeito a: 7xA + 3xB + 6xC 150 4xA + 4xB + 5xC 200 xA , xB , xC 0
11

12
Modelao ca
1.2
1.2.1
Publicaes Polmicas co e
Enunciado
Publicaoes Polmicas uma editora de grande divulgao internacional c e e ca que vai publicar proximamente uma autobiograa de um pol tico controverso. Dadas as caracter sticas do pol tico em causa, a editora admite que a 1a edio ca vai ser vendida por completo, se no houver atrasos. Seguindo a sua habitual a linha editorial foi decidido fazer o lanamento em simultneo das verses de c a o Luxo, com capa dura e Normal, com capa mole, mas a empresa desconhece o nmero de exemplares de cada verso que deve ser produzido para obter o u a mximo lucro poss a vel. A empresa tem um conjunto de restrioes de produao e armazenamento c c que se apresentam a seguir: Departamento de Impresso O departamento de impresso pode proa a duzir no mximo 10 000 exemplares (incluindo verses Luxo e Normal ). a o Departamento de Encadernao O departamento de encadernaao poca c deria concluir 12 000 exemplares da verso Normal se encadernasse apenas a esse tipo de livros. Se encadernasse apenas livros da verso Luxo conseguiria a encadernar at 8 000 exemplares. e Armazm A capacidade mxima do armazm seria de 15 000 exemplares e a e se s despachasse exemplares da verso Normal ou ento 9 000 exemplares o a a se s despachasse exemplares da verso Luxo. o a Para alm das restrioes de produo e de armazenamento existem outras e c ca restrioes que se apresentam a seguir. c Pedidos J existem pedidos de 2 000 exemplares Normal e 1 000 exemplaa ca res Luxo, que devero ser satisfeitos na 1a edio. a M nimo Luxo Luxo. Pelo menos
1 4
do total dos exemplares dever ser em verso a a
Lucro O lucro resultante da venda de um exemplar Normal de 600UMs e e de um exemplar Luxo de 720UMs. e (a) Formule este problema como um Modelo de Programaao Linear. c (b) Resolva-o gracamente, ilustrando o conjunto das soluoes admiss c veis.

1.2 Publicaoes Polmicas c e
13
(c) Resolva pelo mtodo Simplex uma verso simplicada do problema, em e a que no se consideram os Pedidos e o M a nimo Luxo. Qual o signicado que atribui ao valor das variveis de folga? A soluao a c obtida ser a soluao optima do problema inicial? a c (d) Substitua a condiao M c nimo Luxo pela seguinte: Se houver produao de cpias na verso Luxo ento o seu nmero dever ser maior c o a a u a ou igual a 2 000. Indique em detalhe como incluiria esta condiao no c modelo formulado, mantendo a sua estrutura linear (inteira).

14
Modelao ca
1.2.2
Resoluo ca
(a) Denam-se as seguintes variveis de deciso: a a xL quantidade de livros a produzir na verso Luxo; a xN quantidade de livros a produzir na verso Normal. a Com essas variveis de deciso o modelo de Programaao Linear ser a a c a o seguinte: Objectivo:
max Z = 600xN + 720xL Sujeito a:
(1.1)
xN + xL xL xN + 12000 8000 xN xL + 15000 9000 1 (xN + xL ) 4 xN xL
10000 1 1 xL 2000 1000
(1.2) (1.3) (1.4) (1.5) (1.6) (1.7)
A equaao (1.2) corresponde ` restriao de impresso. As equaes (1.3) c a c a co e (1.4) so devidas as restries da encadernaao e do armazm. A a ` co c e equaao (1.5) devida a restriao de m c e ` c nimo de produao de exemplares c de Luxo. Por ultimo, as equaoes (1.6) e (1.7) representam a restriao c c de satisfaao dos pedidos j existentes. c a O modelo apresentado equivalente ao seguinte modelo: e
max Z = 600xN + 720xL Sujeito a:
(1.8)

1.2 Publicaoes Polmicas c e
15
xN + xL 2xN + 3xL 3xN + 5xL xN 3xL xN xL (b) Representaao grca: c a
10000 24000 45000 0 2000 1000
(1.9) (1.10) (1.11) (1.12) (1.13) (1.14)
xL
(8)
Z crescente Soluo ptima
xN = 6000 xL = 4000
(12)
(14)
xN
(9) (13) (10) (11)
(c) Resoluao pelo Algoritmo Simplex c xN xL s 1 s 2 s 3 1 1 1 0 0 2 3 0 1 0 3 5 0 0 1 60 72 0 0 0
s1 s2 s3
Z 10
10 24 45 0

16
Modelao ca
xN xL s 1 s1 xL s3 1 3 Z 10 12
1 3 2 3
s2
1 3 1 3 5 3
s3 0 0 1 0 2 8 5 576
0 1 0 0
1 0 0 0
24
xN xL s3 Z 10
xN xL s 1 s2 s3 1 0 3 1 0 0 1 2 1 0 0 0 1 2 1 0 0 36 12 0
6 4 7 648

1.3 Montagem duas peas c
17
1.3
1.3.1
Montagem duas peas c

Enunciado
Um produto em fabrico resulta duma montagem constitu por duas peas, da c A e B. Para a produo dessas peas recorre-se a uma mquina M1 e a ca c a cinco mquinas M2. A produtividade de cada mquina relativamente as a a ` duas peas a indicada na tabela 2: c e
Pea c A B M1 3 5 M2 20 15
Tabela 2: Tempo de produao das peas (em minutos por pea) A e B nas c c c mquinas M1 e M2 a
A carga das mquinas M2 repartida igualmente pelas 5 mquinas. O a e a objetivo do problema saber como se pode obter o mximo de montagens e a completas por dia. Considere que um dia corresponde a 8 horas de trabalho. (a) Apresente um modelo matemtico para este problema. a (b) Considere agora a situao em que tambm se pretende manter uma ca e utilizaao equilibrada entre as mquinas de modo que nenhuma dec a las seja utilizada mais 30 minutos por dia do que qualquer outra das mquinas. a Ser poss a vel resolver este novo problema por Programaao Linear? c Justique.

18
Modelao ca
1.3.2
(a)
Resoluo ca
Variveis de deciso a a xA1 xA2 xB1 xB2 quantidade de peas do tipo A c quantidade de peas do tipo A c quantidade de peas do tipo B c quantidade de peas do tipo B c a a a a produzir produzir produzir produzir na na na na mquina a mquina a mquina a mquina a M1; M2; M1; M2.
Funao objectivo c Pretende-se maximizar o nmero de montagens completas: u max Z = min(xA1 + xA2 , xB1 + xB2 ) Esta funao objetivo pode ser linearizada, acrescentando mais uma c varivel auxiliar e duas restries: a co max Z = Y xA1 + xA2 Y xB1 + xB2 Y Modelo max Z = Y Sujeito a: (1.15)
3xA1 + 5xB1 20xA2 + 15xB2 xA1 + xA2 Y xB1 + xB2 Y xA1 , xA2 , xB1 , xB2
8 60 (minutos) 8 60 5 (minutos) 0 0 0
(1.16) (1.17) (1.18) (1.19) (1.20)
Onde 1.16 e 1.17 correspondem as restrioes de capacidade das ` c mquinas 1 e 2 respectivamente (h 5 mquinas tipo 2). As resa a a trioes 1.18 e 1.19 so as restrioes auxiliares para linearizao da c a c ca funo objectivo. Por ultimo, as restries 1.20 exigem que todas ca co as variveis sejam maiores ou iguais a zero. a

1.3 Montagem duas peas c
19
(b) A restriao (no linear) que modeliza a situaao pretendida nesta al c a c nea a seguinte: e (3xA1 + 5xB1 ) Simplicando obtm-se: e |3xA1 + 5xB1 4xA2 3xB2 | 30 (1.21) 20xA2 + 15xB2 30 5
Para obter um modelo de Programaao Linear, ser necessrio transc a a formar a restriao 1.21 em duas restries lineares: c co 3xA1 + 5xB1 4xA2 3xB2 30 3xA1 5xB1 + 4xA2 + 3xB2 30 (1.22) (1.23)

20
Modelao ca
1.4
1.4.1
A companhia de aviao Benvoa ca

Enunciado
A companhia de aviaao Benvoa vai comprar avies a jacto de passageiros, c o para viagens longas, mdias e curtas, denominados de Al , Am e Ac , respectie vamente. Os custos unitrios, em milhes de euros so, respectivamente, de 5000, a o a 3800 e 2000. A administraao da companhia aprovou um oramento mximo c c a de 112 000 milhes de euros para esse efeito. o Admite-se que os lucros anuais com cada um dos tipos de avio Al , Am e a Ac , sejam de 310, 230 e 200 milhes de euros respectivamente. o H pilotos sucientes para pilotar, no mximo, 30 avies novos. a a o Se apenas fossem comprados avies Ac , os servios de manutenao seriam o c c capazes de garantir a manutenao de 40 avies novos. Contudo, do ponto de c o vista do esforo de manutenao, cada avio Am equivale a 4/3 de um avio c c a a Ac e cada avio Al a 5/3 de um avio Ac . a a A direco tcnica ainda de opinio que, por cada avio Ac que seja ca e e a a comprado, se comprem tambm pelo menos um avio Al ou um avio Am . e a a Por outro lado, seleccionado um avio Al para comprar, tambm devero a e a ser comprados pelo menos 8 avies Ac ou Am . o Com estes dados, a gesto da empresa deve decidir a quantidade de avies a o de cada tipo a comprar, de modo a maximizar o lucro. Formule este problema com um modelo de programaao linear. c

1.4 A companhia de aviao Benvoa ca
21
1.4.2
Resoluo ca
Variveis de deciso a a xc , xm , xl no de avies de cada tipo a comprar o Restries co Dinheiro dispon vel: 5000xl + 3800xm + 2000xc Pilotos dispon veis: xl + xm + xc 5 4 Manutenao: c xl + xm + xc 3 3 Opinio da direco tcnica: a ca e xl + xm xc + xm xc , xm , xl 112000 30 40 xc 8xl 0
e inteiros
Funo objectivo ca max LUCRO = 310xl + 230xm + 200xc

22
Modelao ca
1.5
1.5.1
Carga de navio
Enunciado
'"
.,,1
ElO ElO
Uma companhia de navegaao possui um navio com 3 pores de carga (` c o a proa, a r e ao centro) possuindo os limites de capacidade apresentados na ` e tabela 3:
Poro a Proa Centro R e Tonelagem (toneladas) 2000 3200 1800 Volume (m3 ) 100000 140000 80000
Tabela 3: Limites de capacidade (em tonelagem e em volume) de cada um dos pores o ` A empresa so oferecidas as cargas da tabela 4, cada uma das quais pode a ser aceite parcial ou totalmente:
Carga A B C Peso (toneladas) 7000 6500 4000 Volume por tonelada m3 ( tonelada ) 60 50 25 Lucro
euro ( tonelada ) 20 24 16
Tabela 4: Peso, volume e lucro associados a cada carga
A m de preservar o equil brio do navio, a proporao entre o peso em cada c poro e o volume respectivo deve ser a mesma que entre os correspondentes a limites de capacidade. Admita que em cada poro podem ser transportaa das partes de cargas diferentes. Pretende-se maximizar o lucro da empresa, relativo ` utilizaao deste navio. a c Construa um modelo de Programao Linear para o problema apresenca tado.

1.5 Carga de navio
23
1.5.2
Resoluo ca
Indices i tipo de carga (A, B e C) i [1, 2, 3]; j tipo de poro (P, C, R) j [1, 2, 3]. a Variveis de deciso a a xij quantidade de carga i a transportar no poro j (em toneladas). a Funao objectivo c Pretende-se maximizar o lucro com o transporte das cargas i em todos os pores j, o que corresponde ` soma do lucro obtido com o transporte o a da carga A, com o lucro com transporte da carga B e da carga C. max Z = 20
j
x1j + 24
j
x2j + 16
j
x3j
(1.24)
Restrioes c x1j
j
7000 6500 4000 2000 3200 1800
(1.25) (1.26) (1.27) (1.28) (1.29) (1.30) (1.31) (1.32) (1.33) (1.34) (1.35) (1.36) (1.37)
x2j
j
x3j
j
xi1
i
xi2
i
xi3
i
i,j
60x11 + 50x21 + 25x31 100000 60x12 + 50x22 + 25x32 140000 60x13 + 50x23 + 25x33 80000 100000 60x11 +50x21 +25x31 = xi1 i 2000 140000 60x12 +50x22 +25x32 = i xi2 3200 80000 60x13 +50x23 +25x33 = i xi3 1800 xij 0

24
Modelao ca As restrioes 1.25, 1.26 e 1.27 garantem que no se transporta mais c a carga do que a que existe de cada um dos tipos. As restrioes 1.28, 1.29 c e 1.30 garantem que no se ultrapassa a tonelagem mxima permitida a a em cada um dos pores. As restrioes 1.31, 1.32 e 1.33 garantem que o c no se ultrapassa a capacidade (volume) mxima permitida em cada a a um dos pores. As restries 1.34, 1.35 e 1.36 garantem que se mantm o co e a proporao entre o peso em cada poro e a respectiva capacidade. Por c a m, as restrioes 1.37 garantem que todas as variveis de deciso so c a a a maiores ou iguais a zero. Modelo O modelo apresentado (equaoes 1.24 a 1.37) pode ser reescrito da c seguinte forma: max Z = 20
j
x1j + 24
j
x2j + 16
j
x3j
x1j
j
7000 6500 4000 2000 3200 1800 100000 140000 80000 =0 =0 =0 0
x2j
j
x3j
j
xi1
i
xi2
i
xi3
i
i,j
60x11 + 50x21 + 25x31 60x12 + 50x22 + 25x32 60x13 + 50x23 + 25x33 10x11 25x31 65x12 + 25x22 + 75x32 28x13 + 10x23 35x33 xij

1.6 Produo e Distribuio ca ca
25
1.6
1.6.1
Produo e Distribuio ca ca
Enunciado
Duas fbricas, A e B, situadas em locais diferentes produzem ambas os proa dutos P1 e P2 . A fbrica A tem 3 mquinas e a fbrica B tem 2 mquinas. a a a a Todas as mquinas fazem os produtos P1 e P2 . Depois de fabricados, os a produtos podem ser transportados entre as fbricas de modo a satisfazer a a procura. O nmero de unidades produzidas por dia, os custos de produao u c e de transporte, a procura dos produtos e o nmero de dias em que cada u mquina est dispon por ms esto indicados nas tabelas 5 e 6. a a vel e a (a) Apresente um modelo geral (usando variveis indexadas e coecientes a convenientes a denir) que permita determinar os esquemas de utilizaao das mquinas em cada fbrica e de distribuio dos produtos entre c a a ca as fbricas, a que corresponda um custo total m a nimo. (b) Concretize o modelo para o caso descrito. (c) Rera-se a resoluo do problema em questo. ` ca a
Fbrica a Mquina a Disponibilidade (dias) Produto Produo por dia ca Custo por dia A M2 28 P1 42 104 P2 38 106 B M3 24 P1 P2 40 37 98 104 M1 26 P1 41 102 P2 37 105 M2 28 P1 42 103 P2 40 106
M1 30 P1 40 100 P2 35 102
Tabela 5: Capacidades de produao das fbricas c a
Produto Fbrica a Procura Custo de transporte por unidade
P1 A 1200 A B = 4 B 800 B A = 4 A 1500 A B = 3
P2 B 1100 B A = 4
Tabela 6: Procura e custos de transporte dos produtos

26
Modelao ca
1.6.2
(a)
Resoluo ca
Indices i fbricas (A e B) i [1, 2]; a j mquinas (M1 , M2 , M3 ) j [1, 2, 3]; a k produtos (P1 e P2 ) k [1, 2]. Variveis de deciso a a xijk nmero de dias de produo durante um ms do produto k, u ca e na fbrica i, mquina j; a a yik quantidade do produto k a transportar da fbrica i para a a outra fbrica. a Coecientes cijk custo dirio de produao do produto k, na fbrica i, mquina a c a a j; pijk produo diria do produto k, na fbrica i, mquina j; ca a a a mij disponibilidade (em dias) da mquina j da fbrica i; a a dik procura na fbrica i do produto k; a sik custo de transporte, a partir da fbrica i, do produto k. a Modelo Objectivo min Custo =
i,j,k
cijk xijk +
i,k
sik yik
(1.38)
i,k i,j i,k i,j,k
pijk xijk yik + yi k k xijk j pijk xijk yik xijk , yik
dik mij 0 0
(1.39) (1.40) (1.41) (1.42)
As restrioes 1.39 garantem que a procura do produto k na fc a brica i satisfeita. As restrioes 1.40 so restries de capacidade e c a co (disponibilidade) das mquinas. As restrioes 1.41 garantem que a c s se transporta a partir de uma fbrica o que produzido nessa o a e fbrica. Finalmente as restrioes 1.42 garantem que todas as vaa c riveis tomam valores maiores ou iguais a zero. a (b) Concretize agora o modelo genrico apresentado, de tal forma que core responda a situao descrita no enunciado. ` ca

1.6 Produo e Distribuio ca ca
27
(c) Ao resolver a al nea anterior, teve com certeza que tratar o caso das variveis x231 e x232 , dado que essas variveis foram denidas no modelo a a genrico, mas na realidade no existe nenhuma mquina 3 na fbrica e a a a 2. H vrias formas de resolver esta questo: a a a quando se concretizao modelo, pode-se no denir as variveis a a em causa (ver resoluo do exerc 2); ca cio pode-se associar um valor nulo a produao nessa mquina no ` c a a existente (p23k = 0) (ser que suciente?); a e pode-se associar um custo innito (muito grande) a produao ` c nessa mquina no existente (c23k = ), dado que se trata de a a um problema de minimizaao e nessa situao as variveis sero c ca a a nulas na soluo nal; ca podem-se acrescentar restries do tipo x23k = 0. co

28
Modelao ca
1.7
1.7.1
Renaria Petrleo o
Enunciado
Uma renaria de petrleo pode misturar 3 tipos de crude para produzir gao solina normal e super. A renaria de petrleo tem duas unidades de mistura, uma unidade mais o antiga e uma outra mais recente. Para cada ciclo de produo, a unidade mais antiga usa 5 barris de crude ca A, 7 barris de crude B e 2 barris de crude C para produzir 9 tanques de gasolina normal e 7 de gasolina super. A unidade de mistura mais recente usa, para cada ciclo de produao, 3 barris de crude A, 9 de B e 4 de C para c produzir 5 tanques de gasolina normal e 9 de super. Devido a contratos j assinados, a renaria tem que produzir, pelo menos, a 500 tanques de gasolina normal e 300 tanques de gasolina super. Para essa produao existem em armazm 1500 barris de crude A, 1900 de c e crude B e 1000 de crude C. Por cada tanque de gasolina normal produzida, a renaria ganha 6 unidades monetrias e, por tanque de super, 9 unidades monetrias. a a Pretende-se saber como utilizar as reservas de crude e as duas unidades de mistura, de forma a maximizar o lucro da renaria respeitando os compromissos assumidos.

1.7 Renaria Petrleo o
29
1.7.2
Resoluo ca
Variveis de deciso a a x1 no de ciclos de produao a realizar na unidade antiga c o x2 n de ciclos de produao a realizar na unidade nova c Restries Crude dispon co vel: Tipo A: 5x1
gasto na unidade antiga
3x2
gasto na unidade nova
1500
Tipo B: Tipo C: Contratos assinados: Gasolina normal:
7x1 2x1
+ +
9x2 4x2
1900 1000
9x1
produzido na unidade antiga
5x2
produzido na unidade nova
500
Gasolina super: E ainda:
7x1
9x2
300
x1 , x 2 0 Funo objectivo ca
gasolina normal gasolina super
max LUCRO = 6 (
9
no de tanques por ciclo
x1 +
no de ciclos
5x2
) + 9 (7x1 + 9x2 )
unidade nova
unidade antiga

30
Modelao ca
1.8
1.8.1
Arrendamento de Espao num Armazm c e (5M)

Enunciado
Uma empresa planeia arrendar espao num armazm. As necessidades de c e espao da empresa para os prximos 5 meses esto representadas na tabela c o a 7. Os custos de arrendamento por metro quadrado e por durao do per ca odo de arrendamento esto representados na tabela 8. a Construa um modelo que permita determinar o esquema de contratos a assinar, por forma a satisfazer as necessidades de espao o mais economicac mente poss vel.
Ms e 1 2 3 4 5 Necessidade de espao (m2 ) c 1500 1000 2000 500 2500
Tabela 7: Necessidades de espao nos prximos 5 meses c o
Per odo de arrendamento (meses) 1 2 3 4 5
Custo por m2 ($) 2800 4500 6000 7300 8400
Tabela 8: Custos de arrendamento por m2 para cada per odo de arrendamento

1.8 Arrendamento de Espao num Armazm (5M) c e
31
1.8.2
Resoluo ca
Variveis de deciso a a xij espao a arrendar no in do ms i por um per c cio e odo de j meses Restries Que em cada ms esteja arrendado pelo menos o espao necesco e c srio: a (ms e (ms e (ms e (ms e (ms e
5 1) j=1 x1j 5 2) j=2 x1j 5 3) j=3 x1j 5 4) j=4 x1j 5) x15
+ + + +x24
4 j=1 4 j=2 4 j=3
x2j x2j + 3 x3j j=1 x2j + 3 x3j + 2 x4j j=2 j=1 +x33 +x42 +x51 xij
1i5, 1j6i
1500 1000 2000 500 2500 0
Funo objectivo ca
espao arrendado c por 1 ms e (no in cio do ms e custo de arrendar 1 m2 por 1 ms e 1, 2, 3, 4 ou 5) 5 4 3
min CUSTO =
2800
i=1 2
xi1
+ 4500
i=1
xi2 + 6000
i=1
xi3
+ 7300
i=1
xi4 + 8400 x15
Arrendamento de espao num armazm c e Resoluo mais compacta ca Dados Cj custo de arrendar 1m2 por um per odo de j meses Ni necessidade de espao no ms i c e Variveis de deciso a a xij espao a arrendar no in do ms i por um per c cio e odo de j meses

32
Modelao ca
Restries Que em cada ms esteja arrendado pelo menos o espao necesco e c srio: a i Funo objectivo ca
5 6j 6i j=1 i1 k=1 6k j=i+1k
xij +
xkj Ni
Cj
j=1 i=1
xij
Arrendamento de espao num armazm c e Resoluo mais compacta ca Dados Cj custo de arrendar 1m2 por um per odo de j meses Ni necessidade de espao no ms i c e Variveis de deciso a a xij espao a arrendar no in do ms i por um per c cio e odo de j meses Restries Que em cada ms esteja arrendado pelo menos o espao necesco e c srio: a i Funo objectivo ca
5 6j 6i j=1 i1 k=1 6k j=i+1k
xij +
xkj Ni
Cj
j=1 i=1
xij

1.9 Planeamento da Produo numa Fbrica de Papel ca a
33
1.9
1.9.1
Planeamento da Produo numa Fbrica ca a de Papel

Enunciado
A maior fbrica de papel do mundo (v a deo)
Carretel n Laminas
n Bobinas
Como se pode ver nas guras, o papel fabricado em rolos grandes tanto e em largura como em dimetro, conhecidos na indstria por jumbos. Os a u jumbos so divididos em rolos mais pequenos que podem ser vendidos direca tamente a clientes ou que ento podem ser usados para cortar em formatos. a Consideremos uma empresa em que o papel produzido em jumbos com e 6 metros de largura. A partir destes jumbos de 6 metros necessrio produzir: e a 30 rolos com 280cm de largura, 60 rolos com 200cm de largura, 48 rolos com 150cm de largura. Um jumbo de 6 metros poderia, por exemplo, ser dividido em 2 rolos de 280cm, sobrando um rolinho de 40cm que considerado desperd e cio. Assumindo que existem jumbos em quantidade suciente para satisfazer esta encomenda, o problema consiste em determinar a forma de cortar os jumbos minimizando o desperd cio. Construa o modelo de Programaao Matemtica para este problema. c a

34
Modelao ca
1.9.2
Resoluo ca
O primeiro passo para a formulaao deste problema passa por determinar de c quantas formas pode um jumbo ser cortado. Para alm da forma sugerida no e enunciado (2 rolos de 200cm, sobrando 40cm de desperd cio) podem ainda ser determinados 6 outros padres de corte (ver tabela). o As variveis de deciso (x1 a x7 ) correspondem ao nmero de vezes que a a u cada padro de corte aplicado no corte de um jumbo. A tabela seguinte a e apresenta ainda as quantidades pedidas de cada rolo, assim como o desperd gerado por cada padro de corte. cio a Largura dos rolos 280 200 150 Desperd cio No de rolos pedidos 30 60 48
x1 2 0 0 40
x2 x3 x4 1 1 0 1 0 3 0 2 0 120 20 0
x5 x6 x7 0 0 0 2 1 0 1 2 4 50 100 0
Exemplicando, x3 = 4 signica que se cortam 4 jumbos em 1 rolo de 280cm e 2 rolos de 150cm, gerando um desperd de 20cm. No total obtmcio e se 4 rolos de 280cm e 8 de 150cm (e nenhum de 200cm). As restries vo estar directamente relacionadas com as quantidades de co a rolos pequenos que necessrio cortar e necessria uma restriao por cada e a e a c dimenso de rolo. Se a cada linha do sistema de inequaoes corresponde um a c tipo de rolo pequeno, a cada coluna corresponder um padro de corte: a a 2x1 + x2 + x2 x3 2x3 30 + 3x4 + 2x5 + x6 60 + x5 + 2x6 + 4x7 48 xi 0 1i7
O objetivo do problema minimizar o desperd e cio. Assim, a funao obc jetivo deste modelo tomar a forma: a min 40x1 + 120x2 + 20x3 + 50x5 + 100x6 E se as restries tiverem que ser satisfeitas como igualdades, isto , e se co e no forem admitidas sobreprodues? a co Nesse caso como que o modelo deve ser alterado? e

1.10 Distribuio ca
35
1.10
1.10.1
Distribuio ca
Enunciado
Uma empresa tem duas fbricas e quatro armazns e vende produtos a seis a e clientes que podem ser abastecidos a partir dos armazns ou directamente a e partir das fbricas. A empresa suporta os custos de distribuiao apresentados a c nas tabelas 9 e 10. Os traos indicam que a entrega correspondente no se c a realiza.
Destinos Armazns e Coimbra Faro Lisboa Porto Origens Bragana c Evora (fbrica) (fbrica) a a 0.5 1.0 0.2 0.8 0.6 0.4 0.8
Tabela 9: Custos de distribuio (em 1000$ por ton.) ca
Destinos Clientes C1 C2 C3 C4 C5 C6
Bragana c (fbrica) a 1.0 1.5 2.0 1.0
Evora (fbrica) a 2.0
Origens Coimbra Faro (armazm) (armazm) e e 1.0 1.5 0.5 0.5 0.5 1.5 1.0 0.5 1.0
Lisboa (armazm) e 1.5 2.0 0.5 1.5
Porto (armazm) e 0.2 1.5 0.5 1.5
Tabela 10: Custos de distribuiao (em 1000$ por ton.) c
Nas tabelas 11 e 12 esto representadas as capacidades mensais mximas a a das fbricas e dos armazns. Na tabela 13, apresenta-se a procura t a e pica mensal dos clientes.
Fbrica a Bragana c Evora Capacidade (toneladas) 150 000 200 000
Tabela 11: Capacidade mxima mensal de produao das fbricas a c a

36
Armazm e Coimbra Faro Lisboa Porto Capacidade (toneladas) 70 000 50 000 100 000 40 000
Modelao ca
Tabela 12: Capacidade mxima mensal de fornecimento dos armazns a e

Cliente C1 C2 C3 C4 C5 C6 Procura mensal (toneladas) 50 000 10 000 40 000 35 000 60 000 20 000
Tabela 13: Procura t pica mensal dos clientes
O objetivo da empresa a determinao de uma estratgia ptima de e ca e o distribuiao que satisfaa a procura respeitando as capacidades e limitaoes c c c existentes: Construa um modelo de Programao Linear para este problema. ca

1.10 Distribuio ca
37
1.10.2
Resoluo ca
Indices i fbricas i [1, 2]; a j armazns j [1, . . . , 4]; e k clientes k [1, . . . , 6]. Variveis de deciso a a xij quantidade a enviar da fbrica i para o armazm j; a e yik quantidade a enviar da fbrica i para o cliente k; a zjk quantidade a enviar do armazm j para o cliente k. e Como algumas das entregas no podem ser efectuadas (traos nas tabea c las), as variveis de deciso correspondentes no sero denidas. Uma a a a a outra soluao para o problema consistiria em denir as variveis todas c a e restringir o valor dessas variveis a zero. a As variveis em causa so ento: a a a x21 , y12 , y15 , y22 , y23 , y24 , y25 , y26 , z11 , z15 , z26 , z31 , z34 , z41 , z42 Funao objectivo c O objetivo pretendido a minimizaao do custo Z, isto : e c e min Z = 0.5x11 + 1.0x12 + 0.8x13 + 0.4x14 +0.2x22 + 0.6x23 + 0.8x24 +1.0y11 + 1.5y13 + 2.0y14 + 1.0y16 +2.0y21 +1.5z12 + 0.5z13 + 1.5z14 + 1.0z16 +1.0z21 + 0.5z22 + 0.5z23 + 1.0z24 + 0.5z25 +1.5z32 + 2.0z33 + 0.5z35 + 1.5z36 +0.2z43 + 1.5z44 + 0.5z45 + 1.5z46 Restrioes c Cada fbrica tem uma capacidade mxima, o que quer dizer que a a a soma de todos os xij com todos os yik para uma dada fbrica i no a a pode exceder a capacidade da fbrica i. a Dado que existem duas fbricas, esse limite de capacidade resulta em a duas restrioes. c

38 Por exemplo para a fbrica de Bragana (i = 1): a c
Modelao ca
x11 + x12 + x13 + x14 + y11 + y13 + y14 + y16 150000
(1.43)
Tambm h limites para a capacidade de fornecimento de um armazm e a e e como h quatro armazns, h quatro restries do mesmo tipo. a e a co Para o armazm de Coimbra (j = 1): e x11 70000 (1.44)
Os pedidos dos clientes tambm devem ser satisfeitos e como h 6 clie a entes, h 6 restries do mesmo tipo. a co Para o cliente C1 (k = 1): y11 + y21 + z21 = 50000 (1.45)
E tambm necessrio considerar as restries de continuidade para os e a co armazns, que obrigam a que no saia mais mercadoria de um armazm e a e do que a que entra. Como h 4 armazns, h quatro restries do a e a co mesmo tipo. Para o armazm de Coimbra (j = 1): e z12 + z13 + z14 + z16 x11 (1.46)
Por m, necessrio garantir que todas as variveis tm valores maiores e a a e ou iguais a zero: x11 , x12 , x13 , x14 , x22 , x23 , x24 , y11 , y13 , y14 , y16 , y21 , z12 , z13 , z14 , z16 , z21 , z22 , z23 , z24 , z25 , z32 , z33 , z35 , z36 , z43 , z44 , z45 , z46 0 (1.47) Complete agora o modelo!

1.11 Seleco de Eventos na UPorto ca
39
1.11
Seleco de Eventos na UPorto ca
Protocolo Universidade do Porto

Novo acordo de ~ com a Urivenlidade do POI to o ~nC<l SantaOOer l<>ltll a UrWersiI!ode do Porto ...... rom urn .ooroo <Ie COOpoNa;ao, .,. otlf9o do _ I 0 B.>neo ~_ . , . _ <Ie ensno, ' weoti90;ao ~~ culor.J do U~ do Porto com om v_ 0"".1 S"pooriof 0 om ml'>io <Ie toros, doront. 0' ~o""'" 5 aoos.
A UrWs_ Porto, &d;.>!Iicou pot" CMCUrso 0 . rriooio 00 corti<> <Ie _tJflCO;ao """. ntMio ~" todo 0 "'" ool<c!r;o _ 29.000 ol>r>os, 3500 prof."",., "",_os do p<'Soool _istr&tm> <los """""" lI<fois _ om .,,,,.,,,,", 0 pot" ""CO 0"'" 3<1 !!onco &Onto""'" lotto.
o Cortin U"".rsurio ntrill<nt. dispoolblzara 10M SOlJ.S thisr .. om C<W\jJnto .Io r~ <Ie _tin <Ie errve.trro. no. _ ' ' ' '' , 0 eontr<>kl <Ie <Iet~, r o _ ~1JO""'"t .. <Ie _ " ' " """tont...
....m:;o. , 310m 00, ""ncirio' , corm .
0 . =
~"'00010
;" I>Io~
com:>
nWi t>rnt><m . at>ert"r. <Ie _ . a~"" . un",ersnn.. no. <14 ;' '''">:;in aCO<lO~, 0 aindo 0 .~ 0 ootros prtI!<ctos <14 ~_, "m ~09'amo <Ie boisa. <Ie _ _
.,.N<Io
o Rei", <14 U~O:I_ <10 P<>rto, Prof"...,.. OootOf Jose Mar_, <los Santos, nicio" SL>O ~ terv~ no """""'~ 011'"""""""" 0 ~ tere .... do !!onoo ~ re~cioMm<nto oom. ~ ott">:;in o~ _ dI'9<. Oeotocoo ....t. sen!oo _ a ooabo<o;ao _ <Xist. iii 49um tefr4Ml ofn_ q"" so foi oonoItuI><Io ""tre5O "'I"ip " <1M _ NtM:;ii. . foram fsc!o<.. IT4><>rt>nt.,. ~. a "rWers_ "" """"""to <Ie es.coJ\<f 0 &ontor.der lolt4 """" " " _ . _. <10 corti<> "rWersurio. o Pres_'e do C<J.T u i OfxecW; o 00 !!onoo Santo"""r lot:.. Or. N""" _ t""'*"'" S,," ~ t<fV<1\"" Oil'"""""""" ~ <14 re' orio 0 CMf,.n~ _ <Ie~,tor. m "" """co 1011'>_ 0 f.c!o <14 UrWersiI!ode do Porto ter q<>eIIfo<lo . tr&01i<;io, ""..". piooe" . m i>icior prolooolo' <Ie rom ~.tt">:;3es priv-' ~r. octi'liM<!es corm ",to: "po<Iem oontor "",,,,[,.00, _ oM tomt><m _torm, <Ie "" pione..... q<>eIIfor
colo"",.,..,
com 0'
"""t""""
http://www.santandertotta.pt/pagina/content/0,1564,1042_29502_1_1_1041_6_0,00.html
1.11.1
Enunciado parte 1
No mbito do acordo de cooperao com o Santander Totta foi decidido investir 200 000e em eventos a ca culturais e desportivos a organizar nos prximos 5 anos, com o objetivo de reforar os laos no seio da o c c Universidade e a marca UPorto na Cidade do Porto e no Pa A equipa da UPorto que preparou os dados s. ` para deciso pelo Reitor foi pedido que, para cada evento proposto, fosse indicado o oramento previsto a c e o nmero estimado de pessoas que participariam. u Na data prevista foram apresentados ao Reitor os resultados do trabalho da equipa.
Evento NU.Porto tudo teatro e A Cincia nU.Porto e Correr pelU.Porto Com U.Porto amanhecemos com livros U.Porto por dentro Festival de Tunas dU.Porto Depois das seis, U.Porto Jazz e U.Porto so s Coros a o U.Porto nos caminhos do Porto U.Porto sim U.Porto no a
Oramento previsto c 80 000e 40 000e 30 000e 15 000e 10 000e 30 000e 40 000e 20 000e 25 000e 20 000e
Participantes 100 000 10 000 10 000 5 000 20 000 10 000 30 000 25 000 50 000 30 000
Construa o modelo de programao Linear que permitiria encontrar o melhor conjunto de eventos a ca organizar, considerando que o Reitor da U.Porto pretendia maximizar o nmero total de participantes. u

40
Modelao ca
1.11.2
Enunciado parte 2
Depois de analisar a soluo encontrada para o investimento a 5 anos, o Reitor pediu ` mesma equipa ca a que classicasse os diversos eventos nas categorias: Artes Performativas, Msica, Filosoa, Arquitectura, u Literatura, Desporto e Cincia, pois pretendia acrescentar ao modelo constru um conjunto de restries e do co que lhe permitissem garantir que seria organizado pelo menos um evento de cada tipo. De entre os eventos classicados como de Desporto e de Cincia seria necessrio apenas garantir que e a era organizado um.
Evento NU.Porto tudo teatro e A Cincia nU.Porto e Correr pelU.Porto Com U.Porto amanhecemos com livros U.Porto por dentro Festival de Tunas dU.Porto Depois das seis, U.Porto Jazz e U.Porto so s Coros a o U.Porto nos caminhos do Porto U.Porto sim U.Porto no a Artes perf. X M sica u Filosoa Arq. Lit. Desporto Cincia e X X X X X X X X X X X X

1.12 Aeroporto ALETROP
41
1.12
1.12.1
Aeroporto ALETROP
Enunciado
O aeroporto de Aletrop a base dos avies da companhia area PAT. Tratae o e se de um aeroporto moderno, e de uma empresa de aviao em expanso, ca a que pretende manter a sua competitividade num sector de actividade fortemente concorrencial. O aumento de competitividade passa, nomeadamente, pela realizaao de dois objectivos, a melhoria da qualidade de servio e a c c reduao dos custos de operao. Por outro lado, a segurana de uma comc ca c panhia area um aspecto de primordial importncia, estando intimamente e e a ligado a manutenao. Para manter um avio em boas condioes tcnicas, ` c a c e procede-se a manutenao preventiva aos aparelhos da PAT, atravs de pe` c e quenas inspecoes entre aterragem e posterior descolagem. A direcao da c c empresa est tambm a considerar a hiptese de oferecer estes servios de a e o c manutenao a outras companhias de aviaao, mesmo que para tal tenha que c c aumentar as equipas de manutenao. O elemento crucial nestas equipas o ` c e chefe de manutenao, tcnico altamente qualicado, que necessita de fazer c e formao espec ca ca para cada tipo de avio e obter assim uma licena ima c prescind para o desempenho dessas funes. A cada licena corresponde vel co c uma categoria de avies, existindo 4 licenas diferentes: o c
Tipos de licenas c 1 2 3 4
Avies o Boeing 717 (100 lugares) Boeing 777 (300 a 500 lugares) Airbus A319 (124 lugares) Airbus A340 (350 lugares)
Cada tcnico pode ter no mximo 2 licenas. A primeira licena demora e a c c vrios anos a obter, sendo portanto mais cara para a empresa, enquanto a a segunda licena demora menos anos a obter, cando naturalmente mais c barata. O custo da segunda licena depende ainda da licena anterior que c c o tcnico possui. Actualmente existem 9 equipas de manutenao, cada uma e c cheada por um tcnico licenciado, que funcionam em 3 turnos. e

42 Turno
Modelao ca
Chefe de equipa Tipo de licena c 1 1, 2 1 2 1 3 2 4 3, 4 2 5 2 6 3 7 4 3 8 3, 4 9 3 Para poder oferecer servios a outras companhias de aviaao, a empresa c c pretende que existam 4 licenas de cada tipo, no conjunto dos chefes de c manutenao. Isto pode ser conseguido enviando para formao actuais chefes c ca de equipa (portanto tcnicos que j possuem 1 licena) ou outros tcnicos que e a c e ainda no possuem nenhuma licena. No entanto, de cada turno s poder a c o a sair, no mximo, 1 chefe de equipa para formaao. Escreva um modelo de a c programaao matemtica que permita determinar a pol c a tica de obtenao de c licenas que minimiza os custos para a Aletrop. c Custo (M$) Licena Licena a tirar c c anterior 1 2 3 4 0 2 4 2 4 1 - 1 2 3 2 1 - 2 3 3 1 3 2 4 1 2 1 -

1.12 Aeroporto ALETROP
43
1.12.2
Resoluo ca
Variveis de deciso a a xij = 1 0 se tcnico i tira licena j e c se no a
A empresa pretende que existam 4 licenas de cada tipo, num total de 16 c licenas. Como, no conjunto dos chefes de manuteno existentes, j existem c ca a 12 licenas, so necessrias mais 4 licenas, que no limite podero ser todas c a a c a obtidas por tcnicos novos. Nesse caso o nmero mximo de tcnicos, e u a e ndice i na formulaao, ser igual a 13, 9 j existentes e 4 novos. c a a Restries A empresa pretende que existam 4 licenas de cada tipo, no co c conjunto dos chefes de manuteno: ca
13 i=1 13 i=1 13 i=1 13 i=1
xi1 xi2 xi3 xi4
= = = =
2 1 0 1
Um tcnico pode ter no mximo 2 licenas e os tcnicos novos s podero e a c e o a 1 obter nesta fase uma licena : c
4 j=1 4 j=1
xij 1 i{2,3,5,6,7,9,10,11,12,13} xij = 0 i{1,4,8}
De cada turno s poder sair, no mximo, 1 chefe de equipa para formao a a ao: c 4 3 j=1 i=1 xij 1 4 6 j=1 i=4 xij 1 4 9 j=1 i=7 xij 1 Cada tcnico s pode obter 1 vez a mesma licena: e o c x21 = x32 = x52 = 0 x63 = x74 = x93 = 0
Esta restrio no vem referida explicitamente no enunciado, no entanto pode-se inferir ca a que no haver disponibilidade de tempo para que um tcnico novo obtenha duas licenas. a a e c
1

44 Funo objectivo ca
Modelao ca
ckj = custo de tirar licena j dado que j se tem licena k c a c
min
j=1
13
c0j xij +
i=10 i{6,9}
c3j xij +
i{3,5}
c2j xij + c1j x2j + c4j x7j

1.13 Urbanizao ca
45
1.13
1.13.1
Urbanizao ca
Enunciado
A empresa Latifndios e Companhia pretende urbanizar uma das suas granu des propriedades. A propriedade divide-se em 3 zonas, Z1 , Z2 e Z3 , com caracter sticas bastante diferentes em termos de relevo, localizao e tipo de ca subsolo, tal como se pode vericar nas fotograas apresentadas a seguir.
A urbanizao dever incluir areas para ns residenciais, R, areas verdes, ca a V e areas para equipamentos sociais, E. Pretende-se conhecer as reas a a atribuir a R, V , e E nas zonas Z1 , Z2 e Z3 . Custos O custo da construo de cada tipo de rea (R, V ou E) em cada ca a uma das zonas Z1 , Z2 ou Z3 , proporcional a respectiva area de construo, e ` ca sendo as constantes de proporcionalidade diferentes entre si e conhecidas. Areas m nimas de construo E necessrio construir pelo menos K hecca a tares de Ar . Proporcionalidade entre tipos de reas E necessrio garantir que o a a areaV areaE quociente areaR seja l e que o quociente areaR seja m. (a) Formule o problema nas seguintes condies (ser um modelo de Proco a gramaao Linear?): c (i) As condioes relativas a l e m devem ser satisfeitas em cada zona. c (ii) As condies relativas a l e m devem ser satisfeitas para o conjunto co de Z1 , Z2 e Z3 . (b) Qual a relaao de ordem existente entre o custo total da soluao optima c c calculvel em (i) e em (ii)? Justique. a (c) Formule o problema como em (ii) mas admitindo que, se as areas para E forem maiores que p, ento as reas para V sero maiores que q (p e a a a q conhecidos).

46
Modelao ca
1.13.2
(a)
Resoluo ca
Variveis de deciso a a ARi no de hectares da zona i para ns residenciais AV i no de hectares da zona i para areas verdes o AEi n de hectares da zona i para equipamentos sociais
Restries co (i)
3 i=1 ARi AEi ARi AV i ARi
i1,2,3
K l
(1.48) (1.49) (1.50) (1.51)
m i1,2,3 i1,2,3 ARi , AV i , AEi 0 (ii)

3 i=1
ARi
K l m
(1.52) (1.53) (1.54) (1.55)
i1,2,3 i1,2,3
3 i=1 AEi 3 i=1 ARi 3 i=1 AV i 3 i=1 ARi
i1,2,3 ARi , AV i , AEi 0
Nota: Poder-se-ia ainda introduzir uma restrio referente ao espao total disca c pon em cada zona i, AZi , e que no pode ser ultrapassado. Embora no vel a a mencionada explicitamente no enunciado ela inerente ao problema: e i1,2,3 ARi + AEi + AV i AZi Funo objectivo ca min
3 i=1 (KRi
(1.56)
ARi + KV i AV i + KEi AEi )
(1.57)

1.13 Urbanizao ca
47
(b) O custo da soluo optima em (i) ser sempre maior ou igual do que o ca a custo da soluao optima em (ii) pois a formulao em (i) mais restritiva do c ca e que a formulaao em (ii). c (c) Num Modelo de Programaao Linear a regio das solues admiss c a co veis obtida pela conjuno das restries formuladas no modelo. Nesta al e ca co nea pretende-se modelizar a seguinte implicaao de condies: c co
3 3
AEi > p
i=1 i=1
AV i q
A implicaao de condioes modelizada com o aux de uma varivel c c e lio a de deciso suplementar e de um majorante para os valores que as condies a co possam tomar. Consideremos ento que A = AZ1 + AZ2 + AZ3 a area total dispon a e vel 3 AEi A e que nas 3 zonas. Sendo A a rea total evidente que a e i=1 3 AV i A, ou seja, A um majorante destes somatrios. e o i=1 Tomando ento uma varivel auxiliar inteira binria {0, 1}, a implia a a caao pode ser formulada do seguinte modo: c
3
AEi p A 0
i=1 3
(1.58) (1.59) (1.60)
q
i=1
AV i (1 )A 0 {0, 1}
Para vericarmos que as inequaes 1.58 a 1.60 modelizam a implicaao co c de condies devemos relembrar que para que uma implicaao a b seja co c verdadeira preciso que se a for verdadeira ento b tambm o seja e que se e a e b for falsa ento a tambm o seja. a e De facto, se 3 AEi > p ento para que a restrio 1.58 se verique a ca e i=1 3 foroso que = 1. Ora = 1 transforma 1.59 em i=1 AV i q, como se c pretendia. 3 Se, por outro lado, a e i=1 AV i < q ento, para que 1.59 se verique 3 foroso que = 0. Com = 0 a restrio 1.58 ca i=1 AEi p, como se c ca queria demonstrar.

48
Modelao ca
1.14
1.14.1
2
Estaleiro do ShopShopping
Enunciado parte 1
Antes de dar in cio a construao do ShopShopping, Feimiro necessita de ` c denir a localizao dos estaleiros da obra. Para tal comeou por dividir a ca c area de construao em sectores, tal como se representa na gura seguinte: c
G B A H F C E D I
Sabe-se que poss montar no mximo um estaleiro em cada sector e vel a e a empresa de Feimiro, a unica que est habilitada a montar estaleiros em a plataformas mar timas, monta estaleiros de dois tipos: Estaleiro tipo Estaleiro simples, com uma capacidade de movimentaao c e armazenamento de 1 000 toneladas de materiais durante toda a obra. Os estaleiros tipo s podem fornecer o o sector onde esto instalados a Estaleiro tipo Grande estaleiro, com uma capacidade de movimentao ca e armazenamento de 5 000 toneladas de materiais durante toda a obra. Os estaleiros tipo podem fornecer qualquer sector. Por imposiao das empresas de construao envolvidas, se for montado um c c estaleiro no sector B, ento necessrio montar um estaleiro no sector a e a A ou um estaleiro no sector C. Por imposioes regulamentares, o nmero m c u nimo de estaleiros a montar numa obra desta natureza e com esta rea de construo 7. a ca e Os custos de montagem de um estaleiro tipo ou num determinado sector esto representados na tabela seguinte (em ke). a
2
Exame da LEEC da FEUP em 2008.01.28

1.14 Estaleiro do ShopShopping

Sector Est Est A 100 300 B 100 300 C 100 300 D 100 400 E 100 200 F 200 300 G 100 200 H 50 100 I 100 300
49
Os custos de funcionamento dos estaleiros tambm foram determinados e e so independentes do tipo de estaleiro. Por cada tonelada de material a que seja deslocado de um estaleiro para obras no sector onde o estaleiro se encontra, o custo de 100e. A deslocao de materiais de um estaleiro de e ca um sector para obras de um outro sector custa 200e por tonelada. As previses das necessidades totais de materiais para as obras em cada o sector esto representadas na tabela seguinte (em toneladas). a
Sector Nec. materiais A 1000 B 2000 C 5000 D 5000 E 1000 F 1500 G 2000 H 3000 I 4000
Construa o modelo de programaao linear para este problema. c
1.14.2
Enunciado parte 2
20 minutos depois de Feimiro ter apresentado o problema completo, j lhe a vai entregar o modelo pedido, pensando que pode ir descansado para casa. No entanto, Feimiro esteve entretanto a pensar e quer acrescentar mais uma restriao ao problema. c Pensei que poder custar menos dinheiro se se obrigar que cada sector a seja alimentado por um e um s estaleiro. Deve ser fcil alterar o modelo, e o a j que fez grande parte do trabalho em to pouco tempo, ir gastar com esta a a a pequena alteraao no mximo 2 minutos. c a (a) Ser que Feimiro vai gastar menos dinheiro neste caso? Porqu? a e (b) Esta nova ideia de Feimiro ir implicar uma alterao realmente pea ca quena? (c) Construa o novo modelo.

50
Modelao ca
1.14.3
Resoluo parte 1 ca
Resoluo por extenso ca
Variveis de deciso a a xA , xB , xC , xD , xE , xF , xG , xH , xI , xA , xB , xC , xD , xE , xF , xG , xH , xI = 1 0 se estaleiro tipo ou montado no sector A, B, C, D, E, F, G, H ou I e se no a
Funo Objectivo Pretende-se minimizar a soma dos custos de montagem ca dos estaleiros com os custos de movimentao de materiais. ca
min CUSTO =
+ + + +
+ + + + + + + + +
Custos de montagem 50000xH 100000(xA + xB + xC + xD + xE + xG + xI + xH ) 200000(xF + xE + xG ) 300000(xA + xB + xC + xF + xI ) 400000xD Custos de funcionamento = Custos de movimentao dos materiais vindos do estaleiro do prprio sect ca o custos de movimentao dos materiais vindos dos estaleiro dos restantes s ca 100 (1000xA + 1000xA ) + 200 [1000 (1000xA + 1000xA )] 100 (1000xB + 2000xB ) + 200 [2000 (1000xB + 2000xB )] 100 (1000xC + 5000xC ) + 200 [5000 (1000xC + 5000xC )] 100 (1000xD + 5000xD ) + 200 [5000 (1000xD + 5000xD )] 100 (1000xE + 1000xE ) + 200 [1000 (1000xE + 1000xE )] 100 (1000xF + 1500xF ) + 200 [1500 (1000xF + 1500xF )] 100 (1000xG + 2000xG ) + 200 [2000 (1000xG + 2000xG )] 100 (1000xH + 3000xH ) + 200 [3000 (1000xH + 3000xH )] 100 (1000xI + 4000xI ) + 200 [4000 (1000xI + 4000xI )]
Restries S se pode montar no mximo um estaleiro em cada sector: co o a

51
xA + xA xB + xB xC + xC xD + xD xE + xE xF + xF xG + xG xH + xH xI + xI
1 1 1 1 1 1 1 1 1
Se for montado um estaleiro do tipo no sector B ento necessrio a e a montar um estaleiro no sector A ou um estaleiro no sector C:
xB xA + xC O nmero m u nimo de estaleiros a instalar 7: e
xA + xB + xC + xD + xE + xF + xG + xH + xI +xA + xB + xC + xD + xE + xF + xG + xH + xI 7 Satisfao das necessidades de materiais: ca
1000(xA + xB + xC + xD + xE + xF + xG + xH + xI ) +5000(xA + xB + xC + xD + xE + xF + xG + xH + xI ) 1000 + 2000 + 5000 + 5000 + 1000 + 1500 + 2000 + 3000 + 4000 Resoluo compacta ca Indices tipo de estaleiro e {, }
sector onde est o estaleiro s {A, B, C, D, E, F, G, H, I} a

52 Dados
Modelao ca
Cape capacidade total durante a obra (em toneladas) do estaleiro tipo e. Necs necessidade total de materiais durante a obra (em toneladas) do sector s. ces custo de montagem de um estaleiro tipo e no sector s.
Variveis de deciso a a xes 1 0 se estaleiro tipo e montado no sector s e se no a (1.61)
Funo Objectivo Pretende-se minimizar a soma dos custos de montagem ca dos estaleiros com os custos de movimentao de materiais. ca Custos de montagem dos estaleiros: ces xes
e,s
(1.62)
Custos de movimentao de materiais (soma do custo de movimenca tao dos materiais do estaleiro para o sector onde est montado com o custo ca a da movimentaao dos materiais do estaleiro para outros sectores): c Custo de movimentao dos materiais de cada um dos estaleiros para o ca sector onde o estaleiro est montado: a 100
e,s
xes min(Cape , Necs )
(1.63)
Custo de movimentao dos materiais do estaleiro para outros sectores: ca 200 (

s
Necs
e,s
xes min(Cape , Necs ))
(1.64)
Restries co xes
e
1
s
s (1.65) (1.66) (1.67)
xs min(Cap , Necs ) +
s s
xs Cap xes
e,s
Necs 7

53
As restries (1.65) indicam que s se pode montar no mximo um estaco o a leiro em cada sector. A restriao (1.66) assegura que h capacidade dispon c a vel para alimentar todos os estaleiros. Como um estaleiro tipo s pode alimentar o seco tor onde est montado, a capacidade dispon nesse estaleiro ser igual a a vel a m nimo(Cap , Necs ). Os estaleiros tero que satisfazer as restantes nea cessidades. As restrioes (1.67) impem um nmero m c o u nimo de estaleiros a montar (7 neste caso). A imposiao que seja montado um estaleiro no sector A ou um estaleiro c no sector C se for montado 1 estaleiro no sector B representa-se com a restriao (1.68).3 c
xB xA + xC
(1.68)
1.14.4
Resoluo parte 2 ca
(a) Feimiro est a introduzir mais restrioes ao problema, por isso o custo a c da soluao ptima obtida depois de acrescentadas as restrioes s pode c o c o ter um valor maior ou igual ao custo da soluao optima anterior (ou c ento ele est a pensar noutros custos que no referiu na al a a a nea (a)). (b) A alterao ao modelo inicial bastante grande, dado que vai ser necesca e srio que as variveis de deciso passem a ter informao sobre quais a a a ca os estaleiros que alimentam um determinado sector. (c) Indices tipo de estaleiro sector onde est o estaleiro a e {, } s {A, B, C, D, E, F, G, H, I}
sector alimentado por estaleiro k {A, B, C, D, E, F, G, H, I}

xB 0 0 0 1 1 1 xA + xC 0 1 2 0 1 2 V/F V V V F V V
A tabela de verdade da implicao a seguinte: ca e

54 Dados
Modelao ca
Cape capacidade total durante a obra (em toneladas) do estaleiro tipo e. Necs necessidade total de materiais durante a obra (em toneladas) do sector s. ces custo de montagem de um estaleiro tipo e no sector s.
Variveis de deciso a a xes ysk 1 0 1 0 se estaleiro tipo e montado no sector s e se no a (1.69)
se estaleiro montado no sector s alimenta o sector k (1.70) se no a
Funo Objectivo Pretende-se minimizar a soma dos custos de monca tagem dos estaleiros com os custos de movimentaao de materiais. c Custos de montagem dos estaleiros:
ces xes
e,s
(1.71)
Custos de movimentao de materiais (soma do custo de movica mentaao dos materiais do estaleiro para o sector onde est montado c a com o custo da movimentaao dos materiais do estaleiro para outros c sectores): Custo de movimentaao dos materiais de cada um dos estaleiros para c o sector onde o estaleiro est montado: a 100
s
yss Necs
(1.72)
Custo de movimentaao dos materiais do estaleiro para outros sectores: c 200 (

s
Necs
s
yss Necs )
(1.73)

1.14 Estaleiro do ShopShopping Restries co xes

e
55
1 1
s k
(1.74) (1.75) (1.76) (1.77) (1.78) (1.79)
ysk
s
xs Cap xs Cap xes

e,s
yss Necs s k (ysk Neck ) s 7 xA + xC
xB
As restrioes (1.74) indicam que se pode montar no mximo um estac a leiro em cada sector. As restrioes (1.75) asseguram que cada sector s pode ser alimentado c o por um estaleiro. As restries (1.76) e (1.77) garantem que um estaleiro s pode alico o mentar um conjunto de sectores se existir e se tiver capacidade para alimentar completamente todos esses sectores. Os estaleiros s poo dem alimentar o sector em que se encontram. As restrioes (1.78) impem um nmero m c o u nimo de estaleiros a montar (7 neste caso). A imposiao que seja montado um estaleiro no sector A ou um c estaleiro no sector C se for montado um estaleiro no sector B representa-se com a restriao (1.79). c

56
Modelao ca
1.15
1.15.1
Escalonamento de recursos humanos

Enunciado parte 1
Um posto de correios requer para funcionar um nmero diferente de trabau lhadores a tempo inteiro em cada dia da semana:
No m nimo de funcionrios a 17 13 16 19 14 16 11
Segunda Tera c Quarta Quinta Sexta Sbado a Domingo
As leis laborais impem que cada funcionrio trabalhe 5 dias consecutivos, o a seguidos de 2 dias de folga. Por exemplo, um funcionrio que trabalhe de a Segunda a Sexta ter que estar de folga no Sbado e no Domingo. O posto a a de correios pretende pois satisfazer as necessidades dirias de trabalhadores a recorrendo apenas a funcionrios a tempo inteiro. O objetivo minimizar o a e nmero de funcionrios a tempo inteiro. u a
1.15.2
Enunciado parte 2
Suponha agora que as necessidades de mo-de-obra podem ser satisfeitas quer a por funcionrios a tempo inteiro quer por funcionrios a tempo parcial. Um a a funcionrio a tempo inteiro trabalha 8 horas por dia, enquanto um funcionrio a a a tempo parcial trabalha 4 horas por dia, mantendo-se as restantes condioes c laborais. No entanto, acordos com os sindicatos limitam a 25% do total a percentagem de funcionrios a tempo parcial. Sabendo que o custo horrio a a de um funcionrio a tempo inteiro de 15 euros e o de um funcionrio a a e a tempo parcial de 10 euros, determine o escalonamento dos funcionrios que e a minimiza o custo global com recursos humanos.
1.15.3
Enunciado parte 3
Considere agora que cada funcionrio pode fazer um dia de trabalho extraa ordinrio por semana. Por exemplo, a um funcionrio cujo turno de trabalho a a seja de Segunda a Sexta pode ser pedido que trabalhe ainda no Sbado. a A remunerao por hora de trabalho extraordinrio corresponde a 150% da ca a remuneraao base. c

1.15 Escalonamento de recursos humanos
57
1.15.4
Enunciado parte 4
Considere novamente a situao inicial, das necessidades de mo-de-obra seca a rem satisfeitas unicamente por funcionrios a tempo inteiro. Considere ainda a que o posto de correios tem 25 funcionrios contratados. Determine o escaloa namento que maximiza o nmero de folgas em dias de m-de-semana (Sbado u a ou Domingo).
1.15.5
Enunciado parte 5
Apesar de se ter minimizado o nmero de trabalhadores com turnos de mu de-semana, esses turnos existem e tm que ser cobertos. Como resolveria o e problema de, ao longo do ano, garantir uma escala justa e equilibrada para todos os trabalhadores em termos de dias de m-de-semana ocupados?

58
Modelao ca
1.15.6
Resoluo parte 1 ca
Variveis de deciso xi nmero de trabalhadores que comearo o seu a a u c a per odo de 5 dias de trabalho no dia i, i = 1 . . . 7 (1=Segunda,. . .,7=Domingo) Restries Em cada dia tem que se ter o nmero de funcionrios m co u a nimo a trabalhar. Note-se que, por exemplo, a Segunda-Feira esto a trabalhar no ` a a s os funcionrios que iniciam o seu per o a odo de 5 dias ` Segunda, mas tambm a e todos os que iniciaram esse per odo na semana anterior na Quinta-Feira ou depois.
x1 x1 x1 x1 x1
+ + + +
x2 x2 x2 x2 x2 x2
+ + + + ,
x1
x3 x3 x3 x3 x3 x3
+ x4 + x5 + x6 + x5 + x6 + x6 + x4 + x4 + x5 + x4 + x5 + x6 + x4 + x5 + x6 , x4 , x5 , x6
+ + + +
x7 x7 x7 x7
+ x7 , x7
17 13 16 19 14 16 11 0 e inteiros
Funo objectivo ca min x1 + x2 + x3 + x4 + x5 + x6 + x7
1.15.7
Resoluo parte 2 ca
Variveis de deciso Teremos agora que considerar tambm os funciona a e a rios a tempo parcial: xi nmero de trabalhadores a tempo inteiro que comearo o seu per u c a odo de 5 dias de trabalho no dia i, i = 1 . . . 7 (1=Segunda,. . .,7=Domingo) yi nmero de trabalhadores a tempo parcial que comearo o seu per u c a odo de 5 dias de trabalho no dia i, i = 1 . . . 7 (1=Segunda,. . .,7=Domingo) Restries As necessidades de mo-de-obra em cada um dos 7 dias da co a semana tero agora que ser expressas em termos de horas de trabalho e a no de nmero de funcionrios. As prximas sete restrioes garantem as a u a o c necessidades para cada um dos dias da semana.

59
8x1 + 8
i=4 2 7
xi + 4y1 + 4
2 i=4 7
yi 136 yi 104
i=5 7
8
i=1 3
xi + 8
i=5 7
xi + 4
i=1 3
yi + 4 yi + 4
i=1 4 i=6
8
i=1
xi + 8
i=6 4
xi + 4 xi + 8x7 + 4
yi 128
8
i=1
yi + 4y7 152
i=1 5
8
i=1 6
xi + 4
i=1 6
yi 112 yi 128
i=2 7
8
i=2 7
xi + 4 xi + 4
i=3 i=3
yi 88
A equao seguinte garante a restrio imposta pelos sindicatos, que lica ca mitam a 25% do total a percentagem de funcionrios a tempo parcial. a
7 7
yi 0.25
i=1 i=1
(xi + yi ) 0
xi , yi 0 e inteiros i
Funo objectivo Minimizaao do custo total das contrataoes por 5 dias. ca c c

7 7
min 5 (15 8
i=1
xi + 10 4
i=1
yi )
1.15.8
Resoluo parte 3 ca
Variveis de deciso Teremos que juntar agora novas variveis corresa a a pondentes ao nmero de funcionrios que fazem um dia de trabalho extra. u a

60
Modelao ca
zi nmero de trabalhadores a tempo inteiro que comearo no dia i, u c a i = 1 . . . 7 (1=Segunda,. . .,7=Domingo), o seu per odo de 5 dias de trabalho mais um dia de trabalho extra. wi nmero de trabalhadores a tempo parcial que comearo no dia i, u c a i = 1 . . . 7 (1=Segunda,. . .,7=Domingo), o seu per odo de 5 dias de trabalho mais um dia de trabalho extra. Restries co
7 7
8(x1 + z1 ) + 8z3 + 8
i=4 2 7
(xi + zi ) + 4(y1 + w1 ) + 4w3 + 4

2 i=4 7
(yi + wi ) 136 (yi + wi ) 104

i=5 7
8
i=1 3
(xi + zi ) + 8z4 + 8
i=5 7
(xi + zi ) + 4
i=1 3
(yi + wi ) + 4w4 + 4 (yi + wi ) + 4w5 + 4

i=1 4 i=6
8
i=1
(xi + zi ) + 8z5 + 8
i=6 4
(xi + +zi )4
(yi + wi ) 128
8
i=1
(xi + zi ) + 8z6 + 8x7 + 4

i=1 5
(yi + wi ) + 4w6 + 4y7 152

5
8
i=1
(xi + zi ) + 8z7 + 4
i=1 6
(yi + wi ) + 4w7 112

6
8z1 + 8
i=2 7
(xi + zi ) + 4w1 + 4
i=2 7
(yi + wi ) 128 (yi + wi ) 88

i=3 7
8z2 + 8
i=3
(xi + zi ) + 4w2 + 4
7
yi 0.25
i=1 i=1
(xi + yi ) 0
i xi , yi , zi , wi 0 e inteiros
Funo objectivo ca
7 7 7 7
min 1585
i=1
xi +1045
i=1
yi +158(5+1.5)
i=1
zi +104(5+1.5)
i=1
wi

61
1.15.9
Resoluo parte 4 ca
Variveis de deciso xi nmero de trabalhadores que comearo o seu a a u c a per odo de 5 dias de trabalho no dia i, i = 1 . . . 7 (1=Segunda,. . .,7=Domingo) Restries Em cada dia tem que se ter o nmero m co u nimo de funcionrios a a trabalhar e no se pode ter mais que 25 funcionrios a trabalhar. No seu a a conjunto as escalas tm que incorporar 25 funcionrios. e a x1 x1 x1 x1 x1 + x4 + x5 + x6 + x5 + x6 + x6 + x4 + x4 + x5 + x4 + x5 + x6 + x4 + x5 + x6 + x4 + x5 + x6 + x5 + x6 + x6 + x4 + x4 + x5 + x4 + x5 + x6 + x4 + x5 + x6 + x4 + x5 + x6 , x4 , x5 , x6 + + + + x7 x7 x7 x7 = 17 13 16 19 14 16 11 25 25 25 25 25 25 25 25 0 e inteiros
+ + + +
x2 x2 x2 x2 x2
+ + + +
x3 x3 x3 x3 x3
x1 x1 x1 x1 x1
+ + + +
x2 x2 x2 x2 x2
x1 + x2 x1 , x 2
x3 x3 x3 x3 x3 + x3 , x3
+ + + +
+ + + + +
x7 x7 x7 x7 x7
+ x7 + x7 , x7
Funo objectivo A funao objetivo agora minimizar o nmero de traca c e u balhadores que pertencem a turnos que trabalhem ao Sbado (dia 6) ou ao a Domingo (dia 7), tendo em ateno que alguns turnos so particularmente ca a penalizantes por ocuparem simultaneamente o Sbado e o Domingo. a min x2 + 2x3 + 2x4 + 2x5 + 2x6 + x7
1.15.10
Resoluo parte 5 ca
O problema de escalonamento de recursos humanos aqui resolvido do tipo e esttico porque assume que o posto de correios enfrenta a mesma situaao a c semana aps semana. No entanto, afectar um funcionrio permanentemente o a a uma escala traduz-se numa situao de injustia e desiquil ca c brio potenciadora de instabilidade laboral e de atritos entre funcionrios que em nada a

62
Modelao ca
contribuem para uma harmoniosa gesto de recursos humanos. A soluao a c passa portanto por fazer os funcionrios rodar pelas vrias escalas. a a Suponha ento a seguinte soluao para o problema de escalonamento sea c manal:
x1 8 x2 6 x3 0 x4 7 x5 0 x6 4 x7 0
Poder amos agora criar um ciclo de 25 semanas com a seguinte escala:

Semana Semana Semana Semana 18 914 1521 2225 In cio In cio In cio In cio a ` Segunda a ` Tera c a ` Quinta ao Sbado a
Seguindo esta escala, o funcionrio 1 comearia na semana 1 da escala, o a c funcionrio 2 comearia na semana 2 e assim sucessivamente. Por exemplo, a c o funcionrio 5 faria 4 semanas o turno que se inicia a Segunda, depois faria a ` 6 semanas o turno que se inicia ` Tera, 7 semanas o turno que se inicia a a c ` Quinta, 4 semanas o turno que se inicia ao Sbado e, nalmente, 4 semanas o a turno que se inicia ` Segunda, fechando o ciclo de 25 semanas e recomeando a c de novo. Desta forma todos os funcionrios passariam de uma forma equilibrada e a justa por todos os turnos.

1.16 SuperBoa
63
1.16
1.16.1
SuperBoa
Enunciado
A SUPERBOA uma cerveja produzida em 3 fbricas e distribu a e a e da partir de 10 armazns principais. e Recentemente pediram-nos para construir um modelo matemtico para o a problema da determinaao da estratgia optima mensal de produao, transc e c porte e venda da SUPERBOA. Para tal foi necessrio fazer o levantamento a de um conjunto alargado de informaoes necessrias para construir o modelo. c a Informaoes relativas `s fbricas c a a Em cada ms a fbrica i, i = 1, 2, 3, produz no mximo ai quilolitros e a a de cerveja em regime normal, com um custo ri e/kl. Qualquer fbrica tambm pode trabalhar em regime extraordinrio, a e a produzindo nessa situao um mximo de bi quilolitros com um custo ca a si e/kl. (si > ri ). Informaoes relativas ao transporte c O custo de transporte da fbrica i para o armazm j, j = 1, . . . , 10, a e e de cij e/kl. Toda a cerveja produzida num dado ms pode ser transportada, no e mesmo ms, para os postos de distribuio. e ca Informaoes relativas ` distribuio e venda c a ca No posto j a procura de dj kl. e A procura poder no ser satisfeita, contudo: a a cada kl distribu no armazm j rende j e; do e cada kl que que por distribuir penaliza a empresa em j e. Se a quantidade de cerveja transportada para o armazm j exceder a e procura nesse armazm, o excesso pode ser vendido, em quantidades e ilimitadas, para um armazm de revenda ao preo de j e/kl, com e c j < j . Construa o modelo de programao linear para o problema da determinaca ao da estratgia ptima mensal de produo, transporte e venda da cerveja c e o ca SUPERBOA.

64
Modelao ca
1.16.2
Indices
Resoluo ca
i fbricas i [1, . . . , 3]; a j armazns j [1, . . . 10]. e Variveis de deciso a a y1i quantidade de kl de cerveja a produzir na fbrica i, em regime normal; a y2i quantidade de kl de cerveja a produzir na fbrica i, em regime extraordia nrio; a qij quantidade de kl de cerveja a transportar da fbrica i para o armazm j. a e Variveis auxiliares E necessrio criar uma varivel auxiliar para cada a a a armazm que possa representar o excesso ou a escassez de cerveja no armazm e e j. Como as variveis nos modelos de programao linear no podem tomar a ca a valores negativos, vai ser necessrio substituir cada uma pela diferena de a c duas variveis auxiliares que tomem valores maiores ou iguais a zero (uj - vj ) a onde: uj excesso de cerveja no armazm j (em kl); e vj escassez de cerveja no armazm j (em kl). e Coecientes
ai quantidade mxima de cerveja a produzir em regime normal na fbrica i a a (em kl); ri custo de produo de cerveja em regime normal (em e/kl); ca

1.16 SuperBoa
65
bi quantidade mxima de cerveja a produzir em regime extraordinrio na a a fbrica i (em kl); a si custo de produo de 1 kl de cerveja em regime extraordinrio (em e); ca a cij custo de transporte de 1 kl de cerveja da fbrica i para o armazm j (em a e e); dj procura no armazm j (em kl); e j preo de venda de 1 kl de cerveja no armazm j (em e); c e j custo por perda de venda de cada kl de cerveja no armazm j (em e); e j preo de venda a um armazm de revenda de cada kl de cerveja em excesso c e no armazm j (em e). e Funo objectivo Pretende-se com a funao objetivo encontrar o valor ca c mximo para o lucro, satisfazendo as restries impostas. O valor do lucro a co obtm-se (obviamente) subtraindo as despesas das receitas. e Receitas Venda de cerveja directamente no armazm ((procura no armae zm j - escassez no armazm j) preo de venda no armazm j) e e c e (dj vj )j
j
(1.80)
Venda de cerveja ao armazm de revenda (excesso de cerveja no armazm j e e preo de venda do armazm j ao armazm de revenda) c e e uj j
j
(1.81)
Despesas Despesa com a produo de cerveja em regime normal e com a ca produo de cerveja em regime extraordinrio. ca a (ri y1i + si y2i )
i
(1.82)
Despesa com transporte de cerveja da fbrica i para o armazm j. a e cij qij

i,j
(1.83)

66 Despesa com perda de venda de cerveja no armazm j. e vj j

j
Modelao ca
(1.84)
A funo objetivo ser ento: ca a a max

j
((dj vj )j + uj j vj j )
i
(ri y1i + si y2i )

i,j
cij qij (1.85)
Restries co i i i j i,j j i y1i y2i j qij i qij dj qij uj , vj y1i , y2i ai bi y1i + y2i = uj vj 0 0 0 (1.86) (1.87) (1.88) (1.89) (1.90) (1.91) (1.92)
Considerando que, tal como armado no enunciado, o custo de produe ao de cerveja em regime normal inferior ao custo de produao de cerveja c e c em regime extraordinrio (ri < si ), e dado que o problema de maximizaao a e c de lucros (minimizao de custos), no ser necessrio impor restrioes adica a a a c cionais para garantir que s se comea a produzir em regime extraordinrio o c a depois de se ter produzido toda a quantidade poss vel em regime normal. Nesse caso as restrioes 1.86 e 1.87 so sucientes para garantir as restries c a co impostas no enunciado. As restrioes 1.88 garantem que, qualquer que seja a fbrica, a quantidade c a transportada dessa fbrica para todos os armazns no excede a quantidade a e a produzida nessa fbrica. a As restrioes 1.90 e 1.92 garantem que as variveis so maiores ou iguais c a a a zero. As restrioes 1.89 e 1.91 so devidas `s variveis auxiliares criadas. Reparec a a a se que assim uma quantidade de cerveja num armazm que seja positiva, e negativa ou nula, ser representada pela diferena de duas variveis 0. a c a

Cap tulo 2 Programao Linear ca

Resolver gracamente um problema de programao linear com duas ca variveis. a Fazer uma anlise de sensibilidade aos coecientes da funao objetivo a c e aos lados direitos das restrioes (termos independentes) com base na c resoluao grca do problema. Determinar quando a soluao optima c a c no unica. a e Reconhecer e utilizar os conceitos de soluo admiss e no admiss ca vel a vel, soluao optima, restriao redundante e restrio activa. c c ca Determinar os efeitos e impactos na soluo ptima de introduzir novas ca o restrioes ou retirar restries j existentes num problema. c co a

68
Programao Linear ca
Exerc cios
2.1 2.2 2.3 2.4 2.5 2.6 Problema PL I . . . . . . . . . . . . . . . . . . . . . . . . . . Problema PL II . . . . . . . . . . . . . . . . . . . . . . . . . Problema PL1 . . . . . . . . . . . . . . . . . . . . . . . . . . Problema PL2 . . . . . . . . . . . . . . . . . . . . . . . . . . Problema PL3 . . . . . . . . . . . . . . . . . . . . . . . . . . Problema PL4 . . . . . . . . . . . . . . . . . . . . . . . . . . 69 72 75 76 77 78

2.1 Problema PL I
69
2.1
2.1.1
Problema PL I
Enunciado
Considere o problema de Programaao Linear representado na gura sec guinte, onde a funo objetivo F = x1 + x2 . O dom ca e nio das soluao c admiss veis a zona a sombreado e a soluao optima est no ponto G. e c a
" t---r--i---t---t---r--i---t--4 ~-+~t--t--t--t--t--t---
-3
-2
"
Suponha que o coeciente de x1 na funo objetivo se mantm constante ca e e igual a 1. (a) Qual o valor mximo que o coeciente de x2 na funao objetivo pode a c tomar, para que a soluo G permanea ptima? ca c o (b) E qual o valor m nimo?

70
Programao Linear ca
2.1.2
Resoluo ca
Na gura seguinte esto representadas as equaoes das duas restrioes que se a c c intersectam no ponto G.
"
4
XI+7/3x2 = 7
xl-2x2 = 2
-2
-1
-2
(a) Quando o coeciente de x2 na funo objetivo = 7 , a recta da funo ca ca 3 7 objetivo tem a mesma inclinaao que a restriao x1 + 3 x2 = 7. Para esse c c valor do coeciente de x2 todos os pontos que esto sobre o segmento de a recta que une os pontos G e G so soluo optima do problema. Para a ca c coecientes de x2 na funao objetivo superiores a 7 , a soluao optima c 3 passa para o ponto G.
"
4
F = Xl + 7/3x2
-3
-2
-1
"
-2

2.1 Problema PL I
71
(b) Quando o coeciente de x2 na funao objetivo = 2, a recta da funo c ca objetivo tem a mesma inclinao que a restriao x1 2x2 = 2. Para esse ca c valor do coeciente de x2 todos os pontos que esto sobre o segmento a de recta que une os pontos G e G so soluo optima do problema. a ca Para coecientes de x2 na funao objetivo inferiores a 2, a soluo c ca optima passa para o ponto G.
-3
"
-2

72
Programao Linear ca
2.2
2.2.1
Problema PL II
Enunciado
Considere o problema de Programaao Linear representado na gura sec guinte, onde a funao objetivo F = 3x1 + 4x2 . O dom c e nio das soluoes c admiss veis a zona a sombreado e a soluao optima est no ponto P. e c a
Suponha que o coeciente de x2 na funo objetivo se mantm constante ca e e igual a 4. (a) Qual o valor mximo que o coeciente de x1 na funao objetivo pode a c tomar, para que a soluo P permanea ptima? ca c o (b) E qual o valor m nimo?

2.2 Problema PL II
73
2.2.2
Resoluo ca
Na gura seguinte esto representadas as equaoes das duas restrioes que se a c c intersectam no ponto P, que foram escritas de forma que x2 tivesse coeciente 4.
(a) Quando o coeciente de x1 na funao objetivo = 16 , a recta da funao c c 3 objetivo tem a mesma inclinao que a restrio 16 x1 + 4x2 = 16. ca ca 3 Para esse valor do coeciente de x2 , todos os pontos que esto sobre a o segmento de recta que une os pontos P e P so soluao ptima do a c o problema. Para coecientes de x1 na funao objetivo superiores a 16 , a c 3 soluao optima passa para o ponto P. c
(b) Quando o coeciente de x1 na funo objetivo = 8 , a recta da funca 5 ao objetivo tem a mesma inclinao que a restriao 8 x1 + 4x2 = 8. c ca c 5 Para esse valor do coeciente de x1 todos os pontos que esto sobre a o segmento de recta que une os pontos P e P so soluo optima do a ca

74
Programao Linear ca problema. Para coecientes de x1 na funao objetivo inferiores a 8 , a c 5 soluao optima passa para o ponto P. c

2.3 Problema PL1
75
2.3
2.3.1
Problema PL1
Enunciado
Considere o problema de programaao linear (PL) representado gracamente c na gura seguinte, onde a zona a sombreado corresponde ao espao de soluc oes admiss c veis, e em que o objetivo : e min X1 + X2
X2 6
!"#!$%&'
!$%('
)$! "
1
% $ #(!
('
0 -1 -1 0 1 2 3 4 5 6
X1
(a) Qual a soluo ptima do problema? e ca o (b) Quais das seguintes restries esto activas na soluao optima? co a c (i) X2 3; (ii) 2X1 + 3X2 3; (iii) 2X1 + 3X2 3; (iv) X1 0; (v) X2 0.

76
Programao Linear ca
2.4
2.4.1
Problema PL2
Enunciado
Considere o problema de programaao linear (PL) representado gracamente c na gura seguinte, onde a zona a sombreado corresponde ao espao de soluc oes admiss c veis, e em que o objetivo : e min X1 X2
X2 6
#$!#"'(!"(
#"'&(
!"# $
1
' " %&#
&(
0 -1 -1 0 1 2 3 4 5 6
X1
(a) Qual a soluo ptima do problema? e ca o (b) Quais das seguintes restries esto activas na soluao optima? co a c (i) X2 3; (ii) 2X1 + 3X2 3; (iii) 2X1 + 3X2 3; (iv) X1 0; (v) X2 0.

2.5 Problema PL3
77
2.5
2.5.1
Problema PL3
Enunciado
Considere o problema de programaao linear (PL) representado gracamente c na gura seguinte, onde a zona a sombreado corresponde ao espao de soluc oes admiss c veis, e em que o objetivo : e max X1 + X2
X2
!"#!$%&'&
!$%$()&
!"%"&
$!
" #*
!$ % +&
X1
0 -1 -1 0 1 2 3 4 5
(a) Qual a soluo ptima do problema? e ca o (b) Quais das seguintes restries esto activas na soluao optima? co a c (i) X1 0; (ii) X2 0; (iii) X1 1; (iv) X2 2.5; (v) 2X1 + 3X2 8.

78
Programao Linear ca
2.6
2.6.1
Problema PL4
Enunciado
Considere o problema de programaao linear (PL) representado gracamente c na gura seguinte, onde a zona a sombreado corresponde ao espao de soluc oes admiss c veis, e em que o objetivo : e max X1 X2
X2 5
!"#!$%&#"& !$%$'(&
!"%"&
$!
" )*
!$ %
+&
X1
0 -1 -1 0 1 2 3 4 5
(a) Qual a soluo ptima do problema? e ca o (b) Quais das seguintes restries esto activas na soluao optima? co a c (i) X1 0; (ii) X2 0; (iii) X1 1; (iv) X2 2.5; (v) 2X1 + 3X2 8.

Cap tulo 3 Utilizao do Solver do Excel ca

Saber introduzir no Solver variveis de deciso, restrioes e funao oba a c c jectivo. Interpretar os relatrios de resoluao e de anlise de sensibilidade proo c a duzidos pelo Solver do Microsoft Excel.

80
Utilizao do Solver do Excel ca
Exerc cios
3.1 Planeamento da produo na VW Autoeuropa . . . . . . . ca 81

3.1 Planeamento da produo na VW Autoeuropa ca
81
3.1
3.1.1
Planeamento da produo na VW Autoca europa

Enunciado
A Volkswagen Autoeuropa produz 4 modelos de ve culos: Scirocco, Eos, Sharan e Alhambra. A capacidade da fbrica de Palmela limita o total de a produo a um mximo de 200000 unidades por ano. Devido a restrioes ca a c derivadas da partilha de equipamentos de produao, o total de unidades da c Sharan e da Alhambra no pode exceder as 100000 unidades, assim como o a total de unidades do Scirocco e do Eos no pode exceder as 65000 unidades. A a estratgia de marketing da Volkswagen exige que a produo de monovolumes e ca (Sharan e Alhambra) constitua, no m nimo, 1,5 vezes a produao dos modelos c Scirocco e Eos. A pol tica de proteao ambiental da Volkswagen exige ainda c que em cada uma da suas fbricas o mix de produao respeite uma mdia a c e 2 de emisses de CO de, no mximo, 150 g/Km. Para cada modelo so ainda o a a conhecidos os lucros unitrios, o potencial de vendas e as emisses de CO2 : a o Modelo Lucro unitrio (e) Potencial de mercado Emisses a o Sharan 4500 50000 Alhambra 5000 20000 Eos 3500 50000 Scirocco 4000 100000 de CO2 (g/Km) 146 152 148 172
Nas guras 1, 2 e 3 apresentado, respetivamente, o modelo em Excel e e os relatrios de resposta e de anlise de sensibilidade produzidos pelo Solver o a quando se resolveu o problema da maximizaao do lucro total da Autoeuropa. c (a) Explique o papel de cada uma das linhas do modelo em Excel. (b) A partir do relatrio de respostas indique qual a soluao otima e o seu o c valor. Identique ainda as restrioes que so ativas para esta soluo c a ca otima. (c) Recorrendo ao relatrio de anlise de sensibilidade indique: o a (i) Se o lucro unitrio do modelo Eos passasse de 3500 para 2500 e, a qual seria a soluao tima? E se o mesmo decrscimo de lucro c o e ocorresse para o modelo Scirocco? Justique ambas as respostas. (ii) Atravs de uma pol e tica agressiva de descontos poss aumentar e vel o potencial de mercado de cada um dos modelos. Para que modelo

82
Figura 1: Modelo em Excel.
o impacto no lucro global seria potencialmente maior? Porqu? e Qual poderia ser o valor mximo do desconto? Justique. a (iii) Interprete o preo sombra da restrio da linha 14. c ca

83
Figura 2: Relatrio de resposta produzido pelo Solver. o

84
Figura 3: Relatrio de anlise de sensibilidade produzido pelo Solver. o a

85
3.1.2
(a)
Resoluo ca
A linha 2 contm as variveis de deciso do problema, isto , e a a e quantas unidades de cada um dos modelos devem ser produzidas. A linha 4 contm os coecientes da funao objectivo, estando o e c valor da funao objetivo inscrito na clula F4. c e A linha 6 modeliza o limite mximo de produao da fbrica. a c a As linhas 7 e 8 modelizam as restrioes dos mximos de produc a ao conjunta dos modelos Sharan e Alhambra e Scirocco e Eos, c respectivamente. As linhas 9 a 12 contm as restrioes que limitam a produao de e c c cada um dos modelos ` quantidade dada pelo respetivo potencial a de vendas. A ideia que no vale a pena produzir o que no se e a a consegue depois vender. A linha 13 apresenta a restriao relativa ao mix de produao resc c 2 peitar uma mdia de emisses de CO de, no mximo, 150 g/Km. e o a A linha 14 garante que a produo de monovolumes constitui, no ca m nimo, 1,5 vezes a produo dos modelos Scirocco e Eos. ca
(b) A soluo otima do problema produzir 10555,6 unidades do Scirocco, ca e 36111,1 unidades do Eos, 50000 unidades da Sharan e 20000 unidades da Alhambra. a esta soluo corresponde um lucro de 493 611 111,1 e. ca Note-se que as quantidades otimas para os dois primeiros modelos no a so inteiras. Correspondendo esses valores a uma produao anual, poa c demos considerar que a produao se prolongaria pelo ano seguinte. No c entanto, dada a grandeza das quantidades envolvidas, poder-se-ia arrendondar estes valores para os inteiros mais prximos, apesar de, o desta forma, no estar garantida a otimalidade da soluo ina ca teira obtida. Para esta soluao otima, as restrioes ativas so aquelas cuja folga/margem/slack c c a igual a zero. Doutra forma, so as que surgem com o estado Enlace, e a ou com o estado Binding na verso em l a ngua inglesa dos relatrios. o (c) Recorrendo ao relatrio de anlise de sensibilidade indique: o a (i) Se o lucro unitrio do modelo Eos passasse de 3500 para 2500 e, a a soluo otima no se alteraria, uma vez que esta variao est ca a ca a dentro do intervalo de variao deste lucro unitrio em que no h ca a a a modicao na soluo tima: [3500-3863,63 ; 3500+500]. Apesar ca ca o

86
Utilizao do Solver do Excel ca de se manterem as quantidades a produzir, o lucro global teria, naturalmente, um decrscimo. e No que diz respeito ao modelo Scirocco, um decrscimo de 1000 e ecolocaria o lucro unitrio fora do intervalo de variaao admiss a c vel para este coeciente ([4000-500 ; 4000+263500]), signicando isso que a soluo tima se alteraria. ca o (ii) A resposta a esta questo implica uma anlise dos preos sombra a a c das restries relativas ao potencial de mercado, isto , as restrico e oes 4 a 7 (identicadas no relatrio como as restries relativas c o co as clulas $F$9 a $F$12). Analisando ento os preos sombra ` e a c constatamos que o maior preo sombra surge na restrio $F$12: c ca 7319,44. Ento, o modelo Alhambra que nos dar maior retorno a e a por unidade adicional que se consiga vender, nomeadamente atravs da pol e tica de descontos. No entanto, esse desconto nunca deveria ser superior ao preo sombra: 7319,44 e. Note-se ainda c que se o potencial de mercado atingir os 20000 + 20000 = 40000 (limite mximo onde o preo sombra ainda vlido) esta concluso a c e a a deixa de ser vlida. a Uma resposta alternativa olharia em simultneo para o preo soma c bra e para o mximo aumento no potencial de mercado, isto , a e compararia 6944,44 27500 com 7319,44 20000, o que nos levaria ` escolha do modelo Sharan. a (iii) O preo sombra restriao da linha 14 encontra-se, no relatrio de c c o sensibilidade, na linha identicada como clula $F$14. O preo e c sombra negativo e tem o valor de -3541,67 e. Isto signica que e se em vez de exigirmos que a produao de monovolumes seja pelo c menos 1,5 vezes a produao dos modelos Scirocco e Eos passarmos c a exigir que seja pelo menos 1,5 vezes mais uma unidade, o lucro total diminuiria. Isto , prejudicial produzir monovolumes. Visto e e ainda de outra forma, por cada monovolume a menos que seja produzido, o lucro aumenta 3541,67 e.

Cap tulo 4 Mtodo Simplex e

Saber relacionar vrtices da regio admiss e a vel, numa representao grca a ca, e soluoes bsicas de um sistema de equaoes, numa representaao c a c c algbrica de um problema de programao linear. e ca Reconhecer e utilizar os conceitos de varivel bsica e no bsica, solua a a a ao admiss e no admiss c vel a vel, soluo optima, restriao redundante ca c e restriao activa. c Resolver problemas de programaao linear de maximizaao e minimic c zaao pelo mtodo simplex, nomeadamente: c e determinar uma soluo inicial, incluindo a utilizao do mtodo ca ca e do Big-Mquando necessrio utilizar variveis articiais. e a a inserir uma varivel na base. a retirar uma varivel da base. a reconhecer quando uma soluao ptima. c e o reconhecer quando uma soluao no unica. c a e reconhecer quando um problema ilimitado ou imposs e vel. Determinar os efeitos e impactos na soluo ptima de introduzir novas ca o restrioes ou retirar restries j existentes num problema. c co a

88
Mtodo Simplex e
Exerc cios
4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 Problema A . . . . . . . . . . . . . . . . . . . . . . . . . . . . Problema B . . . . . . . . . . . . . . . . . . . . . . . . . . . . Problema C . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89 96 99
Problema D . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103 Problema E . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 Problema F . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 Problema G . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112 Problema H . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115

4.1 Problema A
89
4.1
4.1.1
Problema A
Enunciado
Resolva, pelo mtodo Simplex, o seguinte problema de programao linear: e ca max F = 10x1 + 7x2 suj. a: 2x1 + x2 5000 4x1 + 5x2 15000 x1 , x2 0

90
Mtodo Simplex e
4.1.2
Resoluo ca
O problema proposto um problema de programaao linear, dado que a e c funo objectivo e as restries so funoes lineares das variveis de deciso ca co a c a a x1 e x2 . Este exemplo simples ser usado para ilustrar a aplicaao do mtodo a c e Simplex para resolver problemas de programao linear. Embora a resoluao ca c prtica de problemas deste tipo seja (sempre) feita recorrendo a programas a de computador que permitem obter a soluao de problemas com milhares c de restrioes e variveis, conveniente a compreenso do funcionamento da c a e a tcnica de resoluao para facilitar a interpretaao dos resultados obtidos. e c c Para se aplicar o mtodo Simplex, necessrio que o problema satisfaa e e a c os requisitos seguintes (forma standard): (a) Todas as variveis so no negativas (s podem assumir valores positia a a o vos ou nulos); (b) Todas as restries so equaoes (ou restries do tipo =); co a c co (c) Todos os termos independentes so positivos. a No exemplo deste problema a primeira e a ultima condio so satisfeitas. ca a Para representar o problema na forma standard necessrio transformar as e a duas inequaes em equaes. Para isso, so introduzidas no primeiro memco co a bro das inequaoes novas variveis (tambm no negativas) com coeciente c a e a +1. Estas variveis representam a folga entre o primeiro e o segundo mema bro das inequaes, chamando-se por isso variveis de folga e representandoco a se por s (de slack). max F = 10x1 + 7x2 suj. a: 2x1 + x2 + s1 = 5000 4x1 + 5x2 + s2 = 15000 x1 , x2 , s1 , s2 0 A aplicaao do mtodo Simplex requer o conhecimento de uma soluo c e ca bsica admiss a vel inicial, que servir de ponto de partida para o processo a iterativo. Em problemas que apenas contenham restrioes do tipo , a inc troduo das variveis de folga conduz a uma soluo bsica admiss inicial ca a ca a vel imediata: fazem-se nulas as variveis originais do problema (no nosso exema plo x1 e x2 ), e as variveis de folga cam iguais aos termos independentes a das equaes respectivas: co (x1 , x2 , s1 , s2 ) = (0, 0, 5000, 15000)

4.1 Problema A
91
Note-se que esta soluao inicial corresponde ` origem da regio de soluoes c a a c admiss veis, o que sempre verdade se todas as restrioes de um problema e c forem do tipo , com termos independentes positivos. Neste caso a origem uma soluo bsica admiss obtida imediatamente com a introduo das e ca a vel ca variveis de folga em todas as restries. O mtodo Simplex pode ser aplia co e cado manualmente recorrendo a um quadro onde se representam de forma condensada todos os parmetros do problema (matriz dos coecientes, termos a independentes e funo objectivo). Sobre esse quadro so aplicadas transca a formaes algbricas de acordo com determinadas regras, que conduzem ` co e a obtenao da soluo ptima. c ca o
variveis bsicas x1 x2 s1 s2 termos independentes a a s1 2 1 1 0 5000 15000 s2 4 5 0 1 F 10 7 0 0 0 custos marginais simtrico do valor e da funao objectivo c
Uma iterao consiste em trocar uma varivel da base: das variveis ca a a no bsicas escolhe-se uma para entrar para a base (ir passar de zero a a a a um valor positivo-eventualmente nulo), e das variveis bsicas seleccionada a a e uma para sair da base. Esta operaao corresponde a saltarpara uma soluao c c bsica admiss a vel vizinha (ou adjacente). Matematicamente falando, duas soluoes adjacentes so aquelas que diferem de apenas uma varivel bsica; c a a a geometricamente so dois cantosda regio de soluoes admiss a a c veis que esto a unidos por um ladodo poliedro que representa no espao essa regio. As c a soluoes bsicas de um problema correspondem a todas as interseces entre c a co as restrioes, considerando tambm as restries xi 0. De entre estas, so c e co a admiss veis aquelas que so representadas apenas por variveis no negativas: a a a

92
Mtodo Simplex e
x2 s1 s2 termos independentes 2 1 1 0 5000 4 5 0 1 15000 10 7 0 0 0 custos marginais o mais simtrico do valor e positivo da funao objectivo c
variveis bsicas a a s1 s2 F
x1
5000 (menor 2 15000 4
quociente)
Critrio de entrada na base: Entra na base a varivel que tiver um e a coeciente mais positivo na linha F . Estes coecientes (custos marginais) representam o peso relativo das variveis no bsicas (neste caso x1 e x2 ), no a a a valor da funo objectivo. Podemos dizer assim que, entrando a varivel x1 ca a para a base, o valor de F cresce 10 unidades por unidade de crescimento x1 . Note-se que isto apenas verdade se na linha F existirem coecientes nulos e sob as variveis bsicas (porqu?). Na realidade, a linha de F considerada a a e e como sendo uma equao adicional, onde F representa uma varivel que ca a nunca sai da base: F = 10x1 + 7x2 pode ser representada como a equao seguinte: ca F + 10x1 + 7x2 + 0s1 + 0s2 = 0 Escrito desta forma, F aparece com o coeciente -1; da a razo de o a o e valor que aparece no 2 membro da linha F ser igual ao simtrico do valor da

4.1 Problema A
93
funo objectivo. Sendo interpretada como uma equao, podemos sempre ca ca eliminar variveis (usando operaoes de pivotaao apropriadas) por forma a a c c que os coecientes de F sob as variveis bsicas sejam sempre nulos. a a Para um problema de minimizaao o critrio de entrada na base ser c e a obviamente o contrrio: entra na base a varivel no bsica que provoca um a a a a maior decrescimento no valor de F , ou seja, a que tiver um coeciente mais negativo na linha F . Critrio de sa da base: Sai da base a varivel xk (bsica na equaao e da a a c bi a i) que tiver um coeciente aij menor (sendo xj a varivel que entrou para a base). As duas equaes representadas no quadro acima podem-se escrever (x2 = co 0, no bsica): a a 2x1 + s1 = 5000 4x1 + s2 = 15000 ou: s1 = 5000 2x1 s2 = 15000 4x1 Entrando x1 para a base, isso signica que x1 vai passar de zero para um valor positivo. A varivel a sair da base vai ser aquela que primeiro se a anular, limitando assim o crescimento de x1 (note-se que todas as variveis a envolvidas s podem assumir valores positivos ou nulos). o a c e 2 Pela 1 equaao, x1 pode subir at 5000 = 2500 para s1 se anular (sair da base); pela segunda equao, o valor mximo para x1 15000 = 3750. Logo, ca a e 4 a varivel a sair da base ser s1 , pois quando x1 cresce s1 que primeiro se a a e anula, impondo assim o limite no crescimento da varivel x1 em 2500. Como a regra prtica, basta calcular os quocientes entre os termos independentes e a os coecientes da matriz sob a varivel que vai entrar para a base, retirando a da base a varivel bsica da equao que tiver o menor quociente. a a ca Analisemos com mais detalhe a 1a equaao acima: c 5000 (termo independente) o valor que a varivel bsica s1 tomava na itee a a rao anterior. ca 2 (coeciente da matriz sob x1 ) o simtrico do peso da varivel x1 nessa e e a equaao. Por outras palavras, podemos dizer que s1 decresce 2 unidades c por unidade de crescimento de x1 , anulando-se (i. e. saindo da base) quando x1 atinge 5000 . 2
Podem assim ser tiradas algumas concluses interessantes, em funao do o c valor dos coecientes da matriz, aik , sob a varivel que foi escolhida para a entrar para a base, xk :

94
Mtodo Simplex e
aik > 0 xbi , a varivel bsica na equaao i, decresce aik unidades por unidade a a c de crescimento de xk , impondo assim um limite superior a xk igual a bi (bi o termo independente da equaao i). e c aik aik = 0 xbi , a varivel bsica na equaao i, no v alterado o seu valor, quando a a c a e xk entra para a base. Isso signica que xbi nunca sair da base pois a no limita de forma alguma o crescimento de xk . a aik < 0 xbi , a varivel bsica na equaao i, cresce aik unidades por unidade de a a c crescimento de xk . Assim, do mesmo modo que para o caso anterior, xbi no limita o crescimento de xk , logo nunca sair da base. a a variveis bsicas x1 a a xb1 . . . . . . . . . xbi . . . . . . . . . xbn F xk a1k . . . aik . . . ank fk xm . . . . . . . . . . . . b b1 . . . bi . . .
bn F0
Com base no que se disse, podemos concluir o seguinte: se todos os coecientes da varivel que se escolheu para entrar para a base forem negativos ou a nulos, isso signica que nenhuma das variveis bsicas decresce com o cresa a cimento da nova varivel candidata a bsica. Assim, se esta varivel pode a a a crescer sem que qualquer das bsicas se anule, ento pode-se concluir que o a a problema no tem uma soluao optima limitada. Situaoes destas ocorrem a c c quando a regio de soluoes admiss a c veis um dom e nio aberto no sentido de crescimento da funo objectivo. ca Continuando com a resoluo do exemplo dado: ca base x1 x2 x1 1 1 2 s2 F 0 0 3 2 s1
1 2
s2 0 1 0
b 2500 5000 25000 s1

5 6 2 3 11 3
2500 5000 3
1 2
= 5000 = 1666.7
2 5
base x1 x2 x1 1 0 x2 0 1 F 0 0
s2 1 6 1 3 2 3
b
5000 3 5000 3 85000 3

4.1 Problema A
95
Soluo optima encontrada: No existe nenhuma varivel no bsica ca a a a a (s1 ou s2 , neste caso) que tenha um coeciente positivo na linha F . Se uma dessas variveis tivesse um coeciente nulo, isso signicava que ela poderia a entrar para a base sem alterar o valor da funao objectivo F (chamam-se a c estas soluoes solues alternativas a soluao optima encontrada). Note-se c co ` c que as soluoes alternativas so tambm soluoes ptimas, j que mantm o c a e c o a e mesmo valor para a funao objectivo F . c O valor da soluao optima para este problema seria F = 85000 e os valores c 3 das variveis de deciso seriam: a a x1 = 5000 5000 , x2 = 3 3

96
Mtodo Simplex e
4.2
4.2.1
Problema B
Enunciado
Considere o seguinte problema de Programaao Linear: c max z = 45x1 + 80x2 suj. a: 5x1 + 20x2 400 10x1 + 15x2 450 x1 , x2 0 (a) Resolva-o pelo algoritmo Simplex. (b) Entre que valores poder variar o coeciente c1 de x1 na funao objeca c tivo (agora vale 45), por forma a que uma soluo optima tenha sempre ca valores positivos (x1 , x2 > 0)?

4.2 Problema B
97
4.2.2
Resoluo ca
(a) Em primeiro lugar necessrio representar o problema na forma stane a dard, introduzindo variveis de folga, s1 e s2 para transformar as inea quaes em equaes. co co max z = 45x1 + 80x2 suj. a: 5x1 + 20x2 + s1 = 400 10x1 + 15x2 + + s2 = 450 x1 , x 2 , s1 , s2 0 x1 s1 5 s2 10 z 45 x 2 s1 s2 20 1 0 400 15 0 1 450 80 0 0 0
x2 s2 z
x1 x2 s1 s2 5 1 1 0 20 20 15 125 0 20 1 20 25 0 4
20 150
0 1600
x2 x1 z
x1 x2 s1 s2 2 1 0 1 25 14 25 3 4 1 0 25 24 25 0 0 1 4 2200
Soluao ptima: (x1 , x2 ) = (24, 14) com z = 2200 c o (b) Como a soluo ptima ter que estar necessariamente num vrtice da ca o a e regio admiss e como, analisando para a gura abaixo se constata a vel que apenas um vrtice (o que corresponde ` actual soluo optima) tem e a ca x1 e x2 estritamente positivos, ento para responder a esta pergunta a teremos apenas que ver entre que valores pode variar c1 de modo a que a soluo ptima continue no mesmo vrtice. Como a soluao optima ca o e c saltar de vrtice quando as linhas de n da funo objectivo forem a e vel ca c1 5 paralelas a restrio (R1) ou ` restriao (R2), isto , quando 80 = 20 ` ca a c e c1 10 ou 80 = 15 , isso conduz-nos a:

98
Mtodo Simplex e
20 c1
160 3
30 20
R1 (24,14) R2

4.3 Problema C
99
4.3
4.3.1
Problema C
Enunciado
Resolva, pelo mtodo Simplex, o seguinte problema de programao linear: e ca max F = 2x1 + x2 suj. a: x1 + x2 2 x 1 + x2 4 x1 , x 2 0

100
Mtodo Simplex e
4.3.2
Resoluo ca
Em primeiro lugar necessrio representar o problema na forma standard, e a introduzindo variveis de folga para transformar as inequaoes em equaes. a c co A varivel de folga da primeira restriao tem coeciente -1 porque a inequaao a c c do tipo (note-se que todas as variveis so positivas). e a a max F = 2x1 + x2 suj. a: x1 + x2 s 1 = 2 x1 + x2 + s2 = 4 x1 , x 2 , s 1 , s 2 0 Neste caso j no se obtm a soluao bsica inicial fazendo as variveis de a a e c a a folga iguais aos termos independentes. Apesar dessa ser uma soluao bsica, c a no admiss e como tal no pode ser usada como ponto de partida para a e vel a o mtodo Simplex. e E portanto necessrio acrescentar outras variveis, chamadas variveis a a a articiais, nas restrioes que no tm variveis bsicas. c a e a a a Introduzindo uma varivel articial na 1 equaao: a c x1 + x2 s 1 + a1 = 2 x1 + x2 + + s2 = 4 x1 , x 2 , s 1 , s 2 , a 1 0 O modelo que inclui as variveis articiais s equivalente ao modelo a o e inicial no caso em que as variveis articiais so nulas. a a Para forar as variveis articiais a serem nulas, a funo objectivo max F = c a ca 2x1 + x2 deve ser substitu pela funao objectivo max F = 2x1 + x2 M a1 , da c onde M tem um valor muito elevado. Dado que se trata de um problema de maximizao, a melhoria da funao objectivo implica que as variveis artica c a ciais passem a valer zero (sejam retiradas da base). A soluo bsica assim ca a obtida uma soluo bsica admiss para o problema original. e ca a vel Seguidamente, o Mtodo das Penalidades usa o mtodo Simplex para e e anular (retirar da base) essa varivel articial. Quando isso acontece, a solua ao obtida uma soluo bsica admiss do problema original, que usada c e ca a vel e como soluo de partida para aplicar o mtodo Simplex. ca e Como nos interessa exprimir F apenas em funao de variveis no bc a a a sicas (porqu?), vamos substituir a varivel articial pela expresso que a e a a representa apenas em funao de variveis no bsicas. c a a a c e a a a a a Da 1a equaao (onde a1 varivel bsica e as outras variveis so no bsicas): a

4.3 Problema C
101
x 1 + x 2 s 1 + a1 = 2 pode-se escrever a1 em funo de variveis no bsicas: ca a a a a1 = 2 x 1 x 2 + s 1 Assim, a funo objectivo a maximizar ser: ca a F = 2x1 + x2 M a1 = 2x1 + x2 M (2 x1 x2 + s1 ) = 2M + (2 + M )x1 + (1 + M )x2 M s1
E o quadro seguinte o primeiro quadro Simplex.1 e base a1 s2 F x1 x2 s 1 s 2 a1 b 1 1 1 0 1 2 1 1 0 1 0 4 2 1 0 0 0 0 +M +M M 0 +2M

2 1 4 1
A partir deste quadro, no necessrio manter a coluna correspondente a e a a a1 , dado que a1 j saiu da base. a base x1 x2 s1 x1 1 1 1 s2 0 0 1 F 0 1 2 s2 b 0 2 1 2 0 4
base x1 x2 x1 1 1 s1 0 0 F 0 1
s1 s2 b 0 1 4 1 1 2 0 2 8
No existe nenhuma varivel no bsica (x2 ou s2 , neste caso) que tenha a a a a um coeciente positivo na linha F . O valor da soluao optima para este c
A linha dos custos marginais est dividida em duas com a unica nalidade de sima plicar os clculos. A soma das duas linhas que representa o custo marginal (p.ex.: a e 2 + M ).
1

102
Mtodo Simplex e
problema seria F = 8 e os valores das variveis de deciso seriam: a a x1 = 4, x2 = 0, s1 = 2, s2 = 0

4.4 Problema D
103
4.4
4.4.1
Problema D
Enunciado
Considere o seguinte problema de Programaao Linear: c max z = x1 + 2x2 + 3x3 suj. a: x1 + 2x2 + 3x3 2x1 + x2 + 5x3 x1 + 2x2 + x3 + x4 x1 , x2 , x3 , x4 (a) Resolva-o pelo mtodo Simplex. e (b) Haver soluoes optimas alternativas? Justique. Em caso armativo a c como poder obter outra? E ser que as pode obter todas? a a = 15 = 20 = 10 0

104
Mtodo Simplex e
4.4.2
Resoluo ca
(a) Em primeiro lugar necessrio acrescentar outras variveis, chamadas e a a variveis articiais, na primeira e na segunda restriao, que no tm a c a e variveis bsicas: a a x1 + 2x2 + 3x3 + a1 2x1 + x2 + 5x3 + a2 x1 + 2x2 + x3 + x4 x1 , x2 , x3 , x4 , a1 , a2 = 15 = 20 = 10 0
Seguidamente, o Mtodo das Penalidades usa o mtodo Simplex e e para anular (retirar da base) essas variveis articiais. Quando isso a acontece, a soluao obtida uma soluao bsica admiss do problema c e c a vel original, que usada como soluo de partida para aplicar o mtodo e ca e Simplex. Para forar as variveis articiais a serem nulas, a funao objectivo c a c max z = x1 + 2x2 + 3x3 deve ser substitu pela funo objectivo da ca max z = x1 + 2x2 + 3x3 M (a1 + a2 ), onde M tem um valor muito elevado. Dado que se trata de um problema de maximizao, a melhoria ca da funo objectivo implica que as variveis articiais passem a valer ca a zero (sejam retiradas da base). A soluao bsica assim obtida uma c a e soluao bsica admiss para o problema original. c a vel Como nos interessa exprimir z apenas em funao de variveis no bc a a a sicas, vamos substituir cada varivel articial pela expresso que a rea a presenta apenas em funao de variveis no bsicas. c a a a Das duas primeiras equaes onde a1 e a2 so variveis bsicas e as co a a a outras variveis so no bsicas: a a a a x1 + 2x2 + 3x3 + a1 = 15 2x1 + x2 + 5x3 + a2 = 20 pode-se escrever a1 e a2 em funo de variveis no bsicas: ca a a a a1 = 15 x1 2x2 3x3 a2 = 20 2x1 x2 5x3 Assim, a funo objectivo a minimizar ser: ca a

4.4 Problema D
105
= x1 + 2x2 + 3x3 M (a1 + a2 ) = x1 + 2x2 + 3x3 (15 x1 2x2 3x3 + 20 2x1 x2 5x3 ) = x1 (1 + 3M ) + x2 (2 + 3M ) + x3 (3 + 8M ) 35M
O quadro seguinte o primeiro quadro Simplex.2 e x1 x2 x3 x4 a1 1 2 3 0 2 1 5 0 a2 x4 1 2 1 1 z 1 2 3 0 +3M +3M +8M +0 a1 1 0 0 0 +0 a2 0 15 1 20 0 10 0 0 +0 +35M
x1 a1 x3 x4 z
1 5 2 5 3 5 1 5
x2
7 5 1 5 9 5 7 5
x3 0 1 0 0 0
x4 0 0 1 0 0
a1 1 0 0 0
a2 3 5
1 5
3 4 6 12 +3M
1 5 3 5
7 +1M +5M 5
8 0 5M
x2 x3 x4 z
2
x1 1 7
3 7 6 7
x2 1 0 0 0 0
x3 0 1 0 0 0
x4 0 0
a1
5 7
a2 3 7
2 7 4 7
15 7 25 7 15 7
1 7
0 0
1 9 7 0 0 M
15 0
A linha dos custos marginais est dividida em duas com a unica nalidade de sima plicar os clculos. A soma das duas linhas que representa o custo marginal (p.ex.: a e 1 + 3M ).

106 Quadro ptimo o
Mtodo Simplex e
Soluao ptima: (x1 , x2 , x3 , x4 ) = (0, 15 , 25 , 15 ), com z = 15 c o 7 7 7 (b) H soluoes ptimas alternativas porque h uma varivel no bsica, a a c o a a a a varivel x1 , com um custo marginal nulo no quadro optimo. a Para obter outra soluao optima deveria ser feita uma outra iterao c ca na qual x1 entraria na base. Pode-se obter o conjunto completo de soluoes optimas fazendo a comc binaao linear das duas solues optimas geradas nos quadros simplex. c co Esta combinaao linear representa a aresta do conjunto das solues c co admiss veis que une os dois vrtices ptimos. e o

4.5 Problema E
107
4.5
4.5.1
Problema E
Enunciado
Resolva, pelo mtodo Simplex, o seguinte problema de programao linear: e ca min z = 4x1 + x2 + x3 suj. a: 2x1 + x2 + 2x3 = 4 3x1 + 3x2 + x3 = 3 x1 , x2 , x3 0

108
Mtodo Simplex e
4.5.2
Resoluo ca
Em primeiro lugar necessrio acrescentar outras variveis, chamadas vae a a riveis articiais, nas duas restries que no tm variveis bsicas: a co a e a a 2x1 + x2 + 2x3 + a1 = 4 3x1 + 3x2 + x3 + a2 = 3 Seguidamente, o Mtodo das Penalidades usa o mtodo Simplex para e e anular (retirar da base) essas variveis articiais. Quando isso acontece, a a soluao obtida uma soluao bsica admiss do problema original, que c e c a vel e usada como soluao de partida para aplicar o mtodo Simplex. c e Para forar as variveis articiais a serem nulas, a funo objectivo min z = c a ca 4x1 + x2 + x3 deve ser substitu pela funo objectivo min z = 4x1 + x2 + da ca x3 + M (a1 + a2 ), onde M tem um valor muito elevado. Dado que se trata de um problema de minimizaao, a melhoria da funao objectivo implica que c c as variveis articiais passem a valer zero (sejam retiradas da base). A soa luao bsica assim obtida uma soluao bsica admiss para o problema c a e c a vel original. Como nos interessa exprimir z apenas em funo de variveis no bsica a a a cas, vamos substituir cada varivel articial pela expresso que a representa a a apenas em funao de variveis no bsicas. c a a a Das duas equaes (onde a1 e a2 so variveis bsicas e as outras variveis co a a a a so no bsicas): a a a 2x1 + x2 + 2x3 + a1 = 4 3x1 + 3x2 + x3 + a2 = 3 pode-se escrever a1 e a2 em funo de variveis no bsicas: ca a a a a1 = 4 2x1 x2 2x3 a2 = 3 3x1 3x2 x3 Assim, a funo objectivo a minimizar ser: ca a z = 4x1 + x2 + x3 + M (a1 + a2 ) = 4x1 + x2 + x3 + M (4 2x1 x2 2x3 + 3 3x1 3x2 x3 ) = x1 (4 5M ) + x2 (1 4M ) + x3 (1 3M ) + 7M
E o quadro seguinte o primeiro quadro Simplex.3 e

A linha dos custos marginais est dividida em duas com a unica nalidade de sima plicar os clculos. A soma das duas linhas que representa o custo marginal (p.ex.: a e 4 5M ).
3

4.5 Problema E
109
x1 x2 x3 a1 2 1 2 a2 3 3 1 z 4 1 1 5M 4M 3M
a1 1 0 0 0
a2 0 4 1 3 0 0 0 7M
x1 a1 x1 z 0 1 0 0
x2 1 1 3
x3
4 3 1 3
a1 1 0 0 0
a2 2 3
1 3 4 3 5 M 3
2 1 4 2M
1 3
4 1M 3 M
x3 x1 z
x1 0 1 0 0
x2 3 4
5 4 13 4
x3 1 0 0
a1
3 4
a2 1 2
1 2 3 2
3 2 1 2 7 2
1 4
1 4
0 +1M +1M
Agora que as variveis articiais a1 e a2 j sa a a ram da base j se podem a retirar do quadro Simplex e nalizar a resoluao. c x 1 x2 x3 x3 x2
3 5 4 5
0 1
1 0
9 5 2 5
13 5
0 11 5
Dado que se trata de um problema de minimizaao e os coecientes das c variveis na funo objectivo so positivos ou nulos, este o quadro optimo a ca a e 2 e a soluao ptima : (x1 , x2 , x3 ) = (0, 5 , 9 ), com z = 11 c o e 5 5

110
Mtodo Simplex e
4.6
4.6.1
Problema F
Enunciado
Resolva, pelo mtodo Simplex, o seguinte problema de programao linear: e ca max F = x1 + 2x2 suj. a: 4x1 + x2 4 2x1 3x2 6 x1 , x2 0

4.6 Problema F
111
4.6.2
Resoluo ca
Comearemos por representar o problema na forma standard: c max F = x1 + 2x2 suj. a: 4x1 + x2 + s1 = 4 2x1 3x2 + s2 = 6 x1 , x2 , s1 , s2 0 base s1 s2 F x1 x2 4 1 2 3 1 2 s1 s2 1 0 0 1 0 0 b 4 6 0
base x1 x2 4 s2 10 F 9
x2 s 1 s 2 b 1 1 0 4 0 3 1 18 0 2 0 8
Pode-se vericar neste ultimo quadro que x1 pode entrar para a base (i.e., crescer a partir de 0), conseguindo um ganho de 9 unidades em F por unidade de crescimento de x1 . No entanto, nem x2 nem s2 decrescem com o crescimento de x1 , logo no limitam o crescimento de x1 . a Isto signica que a regio de solues admiss a co veis um dom e nio aberto no sentido de crescimento de F (soluao no limitada). c a

112
Mtodo Simplex e
4.7
4.7.1
Problema G
Enunciado
Resolva, pelo mtodo Simplex, o seguinte problema de programao linear: e ca min z = x1 + x2 + x3 suj. a: x1 + x2 1 2x1 2x2 x3 = 2 x1 , x2 , x3 0

4.7 Problema G
113
4.7.2
Resoluo ca
Comeamos por representar o problema na forma standard: c x1 + x2 s 1 + a1 = 1 2x1 2x2 x3 + a2 = 2 x1 , x2 , x3 , s1 , a1 , a2 0 O modelo que inclui as variveis articiais s equivalente ao modelo a o e inicial no caso em que as variveis articiais so nulas. a a Para forar as variveis articiais a serem nulas, a funo objectivo min z = c a ca x1 + x2 + x3 deve ser substitu pela funao objectivo min z = x1 + x2 + da c x3 + M (a1 + a2 ), onde M tem um valor muito elevado. Dado que se trata de um problema de minimizaao, a melhoria da funao objectivo implica que c c as variveis articiais passem a valer zero (sejam retiradas da base). A soa luao bsica assim obtida uma soluao bsica admiss para o problema c a e c a vel original. Seguidamente, o Mtodo das Penalidades usa o mtodo Simplex para e e anular (retirar da base) essa varivel articial. Quando isso acontece, a solua ao obtida uma soluo bsica admiss do problema original, que usada c e ca a vel e como soluao de partida para aplicar o mtodo Simplex. Como nos interessa c e exprimir F apenas em funao de variveis no bsicas , vamos substituir c a a a cada varivel articial pela expresso que a representa apenas em funao de a a c variveis no bsicas. a a a Das duas primeiras equaoes onde a1 e a2 so variveis bsicas e as outras c a a a variveis so no bsicas: a a a a x1 + x2 s 1 + a1 = 1 2x1 2x2 x3 + a2 = 2 pode-se escrever a1 e a2 em funo de variveis no bsicas: ca a a a a1 = 1 + x 1 x 2 + s1 a2 = 2 2x1 + 2x2 + x3 Assim, a funo objectivo a minimizar ser: ca a
= x1 + x2 + x3 + M (a1 + a2 ) = 2x1 + x2 M (1 + x1 x2 + s1 + 2 2x1 + 2x2 + x3 ) = 3M + (1 M )x1 + (1 + M )x2 + (1 + M )x3 + M s1

114 E o quadro seguinte o primeiro quadro Simplex.4 e base a1 a2 F x1 x2 1 1 2 2 1 1 M +M x3 s 1 a1 0 1 1 1 0 0 1 0 0 +M +M 0
Mtodo Simplex e
a2 b 0 1 1 2 0 0 0 3M
base a1 x1
x1 0 1
x2 0 1
x3
1 2 1 2
s 1 a1 1 0 1 0
a2
1 2 1 2
b 2 1
0 0
3 2
1 2
0 + 1 M +M 2
1 0 + 2 M 2M
Atingiu-se o valor m nimo de F (todos os custos marginais so zero) a sem que tenham sa da base todas as variveis articiais. do a Isso signica que no poss encontrar uma soluao bsica admiss a e vel c a vel para o problema original, ou seja, a regio de solues admiss a co veis um e conjunto vazio.
A linha dos custos marginais est dividida em duas com a unica nalidade de sima plicar os clculos. A soma das duas linhas que representa o custo marginal (p.ex.: a e 1 M ).

4.8 Problema H
115
4.8
4.8.1
Problema H
Enunciado
Resolva, pelo mtodo Simplex, o seguinte problema de programao linear: e ca max F = x + 2y + 3z suj. a: x y y + z x + z = x y , z 0 2 0 0

116
Mtodo Simplex e
4.8.2
Resoluo ca
Analisando o problema verica-se que, como a varivel x no limitada a a e apenas a valores no negativos, necessrio substitu pela diferena de a e a -la c duas variveis no negativas: a a x = x1 x2 x1 , x 2 0 A representaao das restrioes na forma standard (depois de introduzidas c c as variveis articiais) ser ento: a a a x1 x2 y s1 + a1 y + z + s2 x1 + x2 + z + a2 x1 , x 2 , y , z , s 1 , s 2 , a 1 , a 2 = = = 0 2 0 0
O modelo que inclui as variveis articiais s equivalente ao modelo a o e inicial no caso em que as variveis articiais so nulas. a a Para forar as variveis articiais a serem nulas, a funo objectivo max F = c a ca x1 x2 + 2y + 3z deve ser substitu pela funo objectivo max F = da ca x1 x2 + 2y + 3z M (a1 + a2 ), onde M tem um valor muito elevado. Dado que se trata de um problema de maximizao, a melhoria da funo objecca ca tivo implica que as variveis articiais passem a valer zero (sejam retiradas a da base). A soluo bsica assim obtida uma soluo bsica admiss ca a e ca a vel para o problema original. Seguidamente, o Mtodo das Penalidades usa o mtodo Simplex para e e anular (retirar da base) essa varivel articial. Quando isso acontece, a solua ao obtida uma soluo bsica admiss do problema original, que usada c e ca a vel e como soluao de partida para aplicar o mtodo Simplex. Como nos interessa c e exprimir F apenas em funo de variveis no bsicas, vamos substituir cada ca a a a varivel articial pela expresso que a representa apenas em funao de varia a c a veis no bsicas. a a x1 x2 y s1 x1 + x2 + z + a1 = 0 + a2 = 0
pode-se escrever a1 e a2 em funo de variveis no bsicas: ca a a a a1 = x 1 + x 2 + y + s 1 a2 = + x 1 x 2 z Assim, a funo objectivo a maximizar ser: ca a

4.8 Problema H
117
= x1 x2 + 2y + 3z M (a1 + a2 ) = x1 x2 + 2y + 3z M (x1 + x2 + y + s1 + x1 x2 z) = x1 + x2 + (2 M )y + (3 + M )z M s1
E o quadro seguinte o primeiro quadro Simplex.5 e base a1 s2 a2 F x1 1 0 1 1 0 x2 y z s 1 s2 1 1 0 1 0 0 1 1 0 1 1 0 1 0 0 1 2 3 0 0 0 M +M M 0 a1 1 0 0 0 0 a2 0 0 1 0 0 b 0 2 0 0 0
base a1 s2 z F
x1 x2 y 1 1 1 1 1 1 1 1 0 4 4 2 +M M M
z s 1 s2 0 1 0 0 0 1 1 0 0 0 0 0 0 M 0
a1 a2 1 0 0 1 0 1 0 3 0 M
b 0 2 0 0 0
base x1 s2 z F
x1 1 0 0 0 0
x2 1 0 0 0 0
y 1 2 1 6 0
z 0 0 1 0 0
s 1 s2 a1 a2 1 0 1 0 1 1 1 1 1 0 1 1 4 0 4 3 0 0 M M
b 0 2 0 0 0
Note-se que embora a soluo actual representada no quadro acima seja ca degenerada (x1 = 0 e z = 0), o processo iterativo no entra em ciclo, uma a vez que a prxima soluao necessariamente no degenerada. Com efeito, o c e a entrando y para a base as variveis x1 e z vo crescer (coecientes a13 e a33 a a iguais a -1) uma unidade por unidade de crescimento de y, passando de zero para um valor positivo.
A linha dos custos marginais est dividida em duas com a unica nalidade de sima plicar os clculos. A soma das duas linhas que representa o custo marginal (p.ex.: a e 2 M ).
5

118
Mtodo Simplex e
base x1 x2 x1 1 1 y 0 0 z 0 0 F 0 0
y 0 1 0 0
z s1 s2 b 1 1 0 2 1 2 1 1 0 2 1 2 1 1 1 2 1 2 0 1 3 6
base x1 x2 y x1 1 1 1 s1 0 0 2 z 0 0 1 F 0 0 2
z 0 0 1 0
s1 s2 b 0 1 2 1 1 2 0 1 2 0 4 8
Quadro ptimo o Soluao ptima: (x1 , x2 , y, z) = (2, 0, 0, 2), com z = 8 c o Analisemos agora de novo cuidadosamente as restries do problema: co x y y + z x + z = x y , z 0 2 0 0
Da terceira equao pode-se retirar que z = x. Dado que z 0 ento ca a x 0 e portanto no necessrio decompor a varivel x nas variveis x1 e a e a a a x2 , como foi feito na resoluao anterior. c Podemos assim escrever o problema equivalente ao problema dado, mas de resoluao muito mais simples (j na forma standard): c a max F = x + 2y + 3z = 4x + 2y suj. a: x y s1 + a1 = 0 x + y + s2 = 2 x , y , s1 , s2 , a1 0 F = 4x + 2y M (a1 ) = 4x + 2y M (x + y + s1 ) = (4 + M )x + (2 M )y M s1

4.8 Problema H
119
base a1 s2 F
x y s 1 s 2 a1 1 1 1 0 1 1 1 0 1 0 4 2 0 0 0 +M M M 0 0
b 0 2 0 0
A varivel articial foi retirada da base. a base x s2 F x y s1 1 1 1 0 2 1 0 6 4 s2 0 1 0 b 0 2 0
base x x 1 y 0 F 0
y s1 0 1 2 1 1 2 0
s2
1 2 1 2
b 1 1
1 3 6
base x s1 F
x y 1 1 0 2 0 2
s1 s2 b 0 1 2 1 1 2 0 4 8
Quadro ptimo o Soluao ptima: (x1 , x2 , y, z) = (2, 0, 0, 2), com z = 8 (s1 = 2, s2 = 0). c o

120
Mtodo Simplex e

Cap tulo 5 Programao Inteira ca

Dado o conjunto desordenado de ns de uma rvore de pesquisa: o a determinar se o problema de minimizaao ou de maximizaao e c c reconstruir a arvore de problemas saber e explicar se a rvore est completamente explorada ou no, a a a e porqu e Dada uma rvore de pesquisa pelo mtodo branch-and-bound: a e indicar os melhores limites, superior e inferior, conhecidos at ao e momento

122
Programao Inteira ca
Exerc cios
5.1 5.2 5.3 5.4 5.5 5.6 Problema PIA . . . . . . . . . . . . . . . . . . . . . . . . . . 123 Problema PIB . . . . . . . . . . . . . . . . . . . . . . . . . . 138 Problema PIC . . . . . . . . . . . . . . . . . . . . . . . . . . 141 Problema PID . . . . . . . . . . . . . . . . . . . . . . . . . . 144 Problema Tringulo . . . . . . . . . . . . . . . . . . . . . . . 146 a Problema PIE . . . . . . . . . . . . . . . . . . . . . . . . . . 148

5.1 Problema PIA
123
5.1
5.1.1
Problema PIA
Enunciado
Considere o seguinte problema de Programaao Inteira: c
Maximizar: F = 3x + 7y suj. a: x 5x 4y 4 x + 2y 7 x , y 3.5 10 9 0 e inteiras
Resolva o problema gracamente, utilizando o algoritmo de Branch-andBound.

124
Figura 1: Resoluo grca do problema original (de programaao inteira). ca a c
5.1.2
Resoluo ca
O problema a resolver de Programaao Inteira (PI) com apenas duas vae c riveis de deciso. Neste caso poss obter a soluo ptima logo directaa a e vel ca o mente a partir do grco, tal como se pode ver na gura 1. a Neste caso especial tambm se pode usar o algoritmo Branch-and-Bound e gracamente, resolvendo os vrios problemas de Programaao Linear (PL). a c Paralelamente ` resoluao dos problemas de PL construiu-se uma rvore a c a onde se representam as vrias ramicaes geradas durante a aplicao do a co ca mtodo. e O algoritmo Branch-and-Bound comea por resolver o problema de PL c associado ao problema de PI dado, ou seja, retirando as restries de inteco gralidade para as variveis de deciso (problema usualmente designado por a a problema relaxado), aqui identicado por PL0. Problema PL0: max F = 3x + 7y suj. a: x 3.5 5x 4y 10 4 x + 2y 9 7 x , y 0

5.1 Problema PIA
125
Figura 2: Resoluo grca do problema PL0. ca a

PL0 (soluo no inteira) x = 3.5 y = 3.5 F = 35
Figura 3: N inicial da arvore de Branch-and-Bound o
Na gura 2 pode-se vericar que a soluo do problema PL0 se obtm ca e calculando a interseco das rectas: ca x
4 x 7
= 3.5 + 2y = 9
Essa intersecao faz-se no ponto (x, y) = (3.5, 3.5). O valor da funo c ca objetivo nesse ponto F = 35. Na gura 3 est representado o n inicial da e a o arvore de Branch-and-Bound. Uma vez que a soluo no inteira, o algoritmo prossegue com a gerao ca e a ca de dois novos problemas, obtidos pela introduao de duas restrioes numa das c c variveis cujo valor no inteiro. Neste caso foi escolhida arbitrariamente a e a a varivel x, tendo sido criados dois problemas, o problema PL01, com a a introduo da restriao x 3, e o problema PL02, com a introduao da ca c c restriao x 4. c Deste modo garantido que, a soluo ptima inteira do problema orie ca o ginal, que neste caso existe, est necessariamente num destes problemas. a

126
Note-se que a reunio das regies admiss a o veis de PL01 e PL02 contm todas e as soluoes inteiras admiss c veis do problema dado, no sendo desta forma exa clu qualquer soluao inteira. Por outro lado, tratando-se de um problema da c de maximizaao, o valor da funao objetivo ptima de v sempre menor ou c c o e igual que o seu valor para o problema pai, PL0 (ou , se se tratar de um problema de minimizao). Prosseguindo, resolvem-se os problemas PL01 ca e PL02. A ordem de resoluao considera-se arbitrria, j que nada permite c a a concluir ` priori qual dos problemas contm a soluao inteira ptima. a e c o Problema PL01: max F = 3x + 7y suj. a: x 3.5 5x 4y 10 4 x + 2y 9 7 x , y 0 x 3 Na gura 4 pode-se vericar que a soluao do problema PL01 se obtm c e calculando a interseco das rectas: ca x
4 x 7
= 3 + 2y = 9

5.1 Problema PIA
127
51 Essa intersecao faz-se no ponto (x, y) = (3, 14 ) (3, 3.6). O valor da c funo objetivo nesse ponto F = 34.5. ca e Analisemos agora o problema PL02, j que este pode eventualmente cona duzir a uma soluao inteira, com um valor para a funao objetivo superior c c ao obtido para PL01. Se isso acontecer, ento no necessrio resolver a a e a sub-problemas gerados por PL01, uma vez que qualquer soluo desses proca blemas, tem necessariamente um valor da funco objetivo no superior ao de a a PL01. Esta operaao de cortena geraao e anlise dos problemas de PL c c a e consequncia de valores limite (Bound) impostos pelo algoritmo. e
Problema PL02: max F = 3x + 7y suj. a: x 3.5 5x 4y 10 4 x + 2y 9 7 x , y 0 x 4 Para este problema pode concluir-se facilmente (ver gura 5) que no a existe qualquer soluo admiss ca vel. Com efeito, as regies denidas por x o 3.5 e x 4 so disjuntas. a Na gura 6 est representada a arvore de Branch-and-Bound constru a da at ao momento. e

128
PL0 (soluo no inteira) x = 3.5 y = 3.5 F = 35 x <= 3 PL01 (soluo no inteira) x=3 y = 3.6 F = 34.5 x >= 4
PL02 (sem solues)
Figura 6: Arvore de Branch-and-Bound
Continuando, necessrio resolver os problemas PL011 e PL012, gerae a dos pela ramicaao do problema PL01. A ordem de resoluao arbitrria c c e a (escolha-se primeiro PL011). Problema PL011: max F = 3x + 7y suj. a: x 3.5 5x 4y 10 4 x + 2y 9 7 x , y 0 x 3 y 3 Na gura 7 pode-se vericar que a soluo do problema PL011 se obtm ca e calculando a interseco das rectas: ca x = 3 y = 3 Essa interseco faz-se no ponto (x, y) = (3, 3). O valor da funo objetivo ca ca nesse ponto F = 30. Apesar de ser a primeira soluao inteira obtida at e c e

5.1 Problema PIA
129
ento, no se pode contudo armar que ela a soluo optima do problema a a e ca de PI, dado que ainda no se explorou a soluao do problema PL012. Pode a c no entanto registar-se esta soluo inteira como a melhor obtida at aqui. ca e Dado que se trata de um problema de maximizao, o valor corresponca dente da funao objetivo considerado como um limite inferior para o valor c e optimo de F . Durante a aplicao do algoritmo, qualquer soluao (inteira ca c ou no) que se obtenha com um valor para o objetivo inferior a 30 pode ser a imediatamente desprezada, pois existe j uma soluao inteira com esse valor. a c Prosseguindo, resolva-se o problema PL012: max F = 3x + 7y suj. a: x 3.5 5x 4y 10 4 x + 2y 9 7 x , y 0 x 3 y 4 Na gura 8 pode-se vericar que a soluo do problema PL012 se obtm ca e calculando a interseco das rectas: ca

130
4 x 7
+ 2y = 9 y = 4
Essa intersecao faz-se no ponto (x, y) = ( 7 , 4) (1.7, 4). O valor da c 4 funo objetivo nesse ponto F = 133 33.2. ca e 4 Na gura 9 est representada a arvore de Branch-and-Bound constru a da at ao momento. e Uma vez que a soluo obtida no inteira, necessrio comparar o valor ca e a e a da funo objetivo com o seu actual limite inferior, F , que neste momento est ca a xado em 30. Como superior, isso signica que na regio admiss deste e a vel problema pode existir ainda uma soluo inteira com um valor para a funo ca ca objectivo superior ao actual limite inferior. Por este motivo necessrio e a prosseguir, gerando dois novos problemas a partir de PL012, introduzindo as restrioes x 1 e x 2. c
Problema PL0121: max F = 3x + 7y

5.1 Problema PIA
131
PL0 (soluo no inteira) x = 3.5 y = 3.5 F = 35 x <= 3 PL01 (soluo no inteira) x=3 y = 3.6 F = 34.5 y <= 3 PL011 (soluo inteira) x=3 y=3 F = 30 y >= 4 PL012 (soluo no inteira) x = 1.7 y=4 F = 33.2 x >= 4
PL02 (sem solues)

132
Figura 10: Resoluao grca do problema PL0121. c a
suj. a: x 3.5 5x 4y 10 4 x + 2y 9 7 x , y 0 x 3 y 4 x 1 Na gura 10 pode-se vericar que a soluao do problema PL0121 se obtm c e calculando a interseco das rectas: ca
4 x 7
+ 2y = 9 x = 1
Essa intersecao faz-se no ponto (x, y) = (1, 59 ) (1, 4.2). O valor da c 14 funo objetivo nesse ponto F = 133 32.5 30 (valor superior ao da ca e 4 melhor soluo inteira obtida at ao momento). ca e

5.1 Problema PIA
133
suj. a: x 3.5 5x 4y 10 4 x + 2y 9 7 x , y 0 x 3 y 4 x 2 Analisando a gura 11, pode-se concluir facilmente que o problema PL0122 no tem qualquer soluao admiss a c vel. Na gura 12 est representada a rvore do Branch-and-Bound constru a a da at ao momento. e Partindo do problema PL0121 e introduzindo duas novas restrioes em c y, y 4 e y 5, obtm-se dois novos problemas, PL01211 e PL0122. e

134
PL0 (soluo no inteira) x = 3.5 y = 3.5 F = 35 x <= 3 PL01 (soluo no inteira) x=3 y = 3.6 F = 34.5 y <= 3 PL011 (soluo inteira) x=3 y=3 F = 30 y >= 4 PL012 (soluo no inteira) x = 1.7 y=4 F = 33.2 x <= 1 PL0121 (soluo no inteira) x=1 y = 4.2 F = 32.5 x >= 2 x >= 4
PL02 (sem solues)
PL0122 (sem solues)

5.1 Problema PIA
135
suj. a: x 3.5 5x 4y 10 4 x + 2y 9 7 x , y 0 x 3 y 4 x 1 y 4 Na gura 13 pode-se vericar que a soluao do problema PL01211 se c obtm calculando a intersecao das rectas: e c x = 1 y = 4 Essa interseco faz-se no ponto (x, y) = (1, 4). O valor da funo objetivo ca ca nesse ponto F = 31. e

136
, , , , , ,
-- - I
/
h ; 4y - I O
,- , ,-,
- ;
4Ih-2y - 9
/
,
,' , , , , ,
suj. a: x 3.5 5x 4y 10 4 x + 2y 9 7 x , y 0 x 3 y 4 x 1 y 5 Analisando a gura 14, pode-se concluir facilmente que o problema PL01212 no tem qualquer soluao admiss a c vel. Assim, a soluao do problema PL01211 c a soluo optima (inteira) do problema dado. e ca Na gura 15 est representada toda a arvore de Branch-and-Bound, a constru para resoluao deste problema. da c

5.1 Problema PIA
137
PL0 (soluo no inteira) x = 3.5 y = 3.5 F = 35 x <= 3 PL01 (soluo no inteira) x=3 y = 3.6 F = 34.5 y <= 3 PL011 (soluo inteira) x=3 y=3 F = 30 y >= 4 PL012 (soluo no inteira) x = 1.7 y=4 F = 33.2 x <= 1 PL0121 (soluo no inteira) x=1 y = 4.2 F = 32.5 y <= 4 PL01211 (soluo inteira ptima) x=1 y=4 F = 31 y >= 5 x >= 2 x >= 4
PL02 (sem solues)
PL0122 (sem solues)
PL01212 (sem solues)
Figura 15: Arvore nal de Branch-and-Bound

138
5.2
5.2.1
Problema PIB
Enunciado
Foi utilizado o algoritmo de Branch-and-Bound para resolver um problema de programao inteira (minimizaao), tendo sido gerados e resolvidos os ca c seguintes subproblemas: A x1 x2 5 2 B
13 5 18
D 3 3
E 31 2 3
G 5
5 28
H 3 31 8
24 9
Z 20 23 2 SSA 21 22 SSA 23 1 21 5 SSA 3 8 8 Represente a arvore de problemas correspondente a esta resoluao, indi c cando, em cada um dos ramos, a restrio adicionada em cada ramicaao. ca c Indique tambm qual a soluo optima. e e ca

5.2 Problema PIB
139
B Z = -23 2/3 x1 = 5 13/18 x2 = 2 4/9 Problema com x 1 <= 5 e menor valor de Z G Z = -23 1/8 x1 = 5 x2 = 2 5/8 x2 <= 2 A Z = -20 x1 = 5 x2 = 2 soluo inteira x2 >= 3 E Z = -22 x1 = 3 1/2 x2 = 3 x1 <= 3 Problema com x 1<=3 e x 2>=3 e menor valor de Z H Z = -21 5/8 x1 = 3 x2 = 3 1/8 x2 <=3 x2 >= 4 x1 >= 4 A ramificao s pode ser em x 2 pois x1 inteiro x1 <= 5 x1 >= 6
Problema com menor valor de Z
C sem soluo admissvel
O facto de no haver nenhum subproblema com x 1>=6 implica que a introduo dessa restrio resultou num problema sem soluo admissvel.
F sem soluo admissvel
Soluo inteira e melhor do que a obtida em A soluo ptima D Z = -21 x1 = 3 x2 = 3 soluo inteira
I sem soluo admissvel
O facto de no haver nenhum subproblema com x 2>=3 e x 1>=4 implica que a introduo dessa restrio resultou num problema sem soluo admissvel.
Figura 16: Arvore do Branch-and-Bound.
5.2.2
Resoluo ca
Para obteno da arvore de problemas representada na gura 16, corresponca dente aos subproblemas apresentados no enunciado, necessrio ter em conta e a que o valor da funao objetivo piora a medida que se desce na rvore (tem c ` a um maior valor neste caso, dado que se trata de um problema de minimizaao), dado que a descida na rvore corresponde a introduo de restrioes c a ` ca c adicionais. A primeira ramicaao teve que ser feita em x1 , dado que: c em nenhum dos restantes subproblemas existe uma soluo com x1 ca ]5, 6[ (consequncia de se ter imposto x1 5 e x1 6); e

140
se a ramicaao tivesse sido em x2 , todos os restantes subproblemas c teriam que ter x2 2 ou x2 3, mas o subproblema G contradiz esse pressuposto.

5.3 Problema PIC
141
PL1 (soluo no inteira) Z = 100
PL6 (soluo inteira) Z = 70
PL4 (soluo inteira) Z = 60
PL8 (sem solues)
Figura 17: Arvore de Branch-and-Bound.
5.3
5.3.1
Problema PIC
Enunciado
Considere um problema de maximizao exclusivamente com variveis inteica a ras. Resolvendo o problema atravs de Branch-and-Bound, obtm-se, num e e determinado passo, a rvore representada na gura 17. a (a) Qual , nesta altura, o melhor limite superior sobre a soluo inteira e ca optima? (b) Qual , nesta altura, o melhor limite inferior sobre a soluao inteira e c optima? (c) Indique que ns j foram explorados e explique porqu. o a e (d) Indique os ns que ainda no foram explorados e explique porqu. o a e (e) J foi atingida a soluo optima do problema inteiro? Porqu? a ca e

142
(f ) Qual o valor mximo do erro absoluto sobre a soluo optima inteira, a ca se o algoritmo for terminado neste ponto?

5.3 Problema PIC
143
5.3.2
Resoluo ca
(a) O melhor limite superior sobre a soluao inteira ptima no momento c o de resoluao retratado na arvore dado pela soluao do problema P L5 c e c e igual a 75. Qualquer soluo inteira que surja a partir da explorao e ca ca desse n ter um valor da funao objetivo 75 o a c (b) Os limites inferiores so dados por valores de solues admiss a co veis (variveis j inteiras) que ainda se desconhece se so ou no ptimas. Neste a a a a o caso temos j 2 soluoes inteiras, para PL6 e para PL4. A que tem o a c maior valor da funao objetivo fornece o melhor limite inferior, 70 c neste caso. (c) J foram explorados os ns P L1, P L2, P L3 e P L7 porque j tm a o a e ramos. Os ns P L4 e P L6 j foram explorados porque deram origem a soluoes o a c inteiras. O n P L8 j est explorado porque corresponde a um problema sem o a a soluao admiss c vel. O n P L9 j foi explorado porque pode ser cortado. Corresponde a o a um problema com soluao optima no inteira e com um valor para a c a funo objetivo inferior ao valor da soluao inteira do problema P L6. ca c (d) O n P L5 ainda no foi explorado, dado que corresponde a um proo a blema com soluao optima no inteira, mas com um valor para a funao c a c objetivo superior ao valor da melhor soluo inteira obtida at ao moca e mento (problema P L6). (e) Ainda no poss saber se j foi obtida a soluo optima do problema a e vel a ca inteiro, porque ainda h ns por explorar (P L5). S quando os melhores a o o limites inferiores e superiores coincidirem que se pode armar que a e melhor soluo inteira obtida a ptima. ca e o (f ) Se o algoritmo for terminado neste ponto, o valor mximo do erro absoa luto sobre a soluo optima inteira ser 5, que corresponde a diferena ca a ` c entre os melhores limites superior e inferior.

144
N 0 93 N 1 84 N 3 79 N 5 52 N 7 Sem soluo N 6 29 N 8 49 Soluo inteira N 4 76 N 9 64
N 2 82 N 10 81 N 11 71 N 13 47 N 14 38 Soluo Inteira N 12 69
Figura 18: Arvore de Branch-and-Bound.
5.4
5.4.1
Problema PID
Enunciado
Para um problema de maximizaao, foi constru a arvore de Branch-andc da Bound representada na gura 18. Na rvore est representada a ordem de criaao dos ns, bem como o a a c o valor da funao objetivo sempre que exista. c (a) Que informaao se pode extrair desta arvore? c (b) Que ns ainda necessrio explorar? o e a

5.4 Problema PID
145
5.4.2
Resoluo ca
(a) Pode-se extrair da rvore da gura 18 que: a o melhor limite superior at ao momento 76 (mximo valor da e e a funo objetivo de entre os ns ainda no explorados); ca o a o melhor limite inferior 49 (valor da funao objetivo da melhor e c soluao inteira obtida at ao momento). c e (b) Ainda necessrio explorar o n 4 e o n 12 pois o melhor limite e a o o inferior existente at ao momento (49 no n 8) inferior ao valor e o e da funao objetivo nesses dois ns. J os ns 6 e 13 no necessitam c o a o a de ser explorados porque j existe uma soluao inteira com valor a c de funo objetivo superior. ca

146
PL0 Soluo ptima Max X1 + X2 X2
Max X1 + X2
X2
PL1 Soluo ptima
PL2 Soluo ptima
X1 Max X1 + X2 X2 X2
X1 Max X1 + X2
PL3 Soluo ptima
PL5 Soluo ptima
X1
X1
Figura 19: Passos da resoluo por Branch-and-Boundde um problema de ca Programao Linear Inteira. ca
5.5
5.5.1
Problema Tringulo a
Enunciado
Considere o problema de Programao Linear Inteira representado nas guras ca 19 e 20. Pretende-se maximizar x1 + x2 , tais que x1 e x2 pertencem ` zona de a soluoes admiss c veis denida pelo e x1 e x2 so inteiros. a Descreva os passos percorridos na resoluao do problema, atravs da inc e terpretao das guras 19 e 20. ca

5.5 Problema Tringulo a
147
PL 0 4 x1 <= 1 PL 1 2.5 x2 <= 1 PL3 3.25 x1 <= 2 PL5 3 soluo inteira x1 >= 3 PL6 sem solues x1 >= 2 PL 2 3.5 x2 >= 2 PL4 sem solues
Figura 20: A arvore binria com a soluao do problema. a c

148
5.6
5.6.1
Problema PIE
Enunciado
Foi utilizado o algoritmo de Branch-and-Bound para resolver um problema de programaao inteira tendo sido gerados e resolvidos os seguintes subproc blemas: X1 X2 X3 Z A B C 0.3 0 1 3 3 2 0.45 0.75 0 25.8 24 24 D 0 2.7 1 22.7 E 0 3 0 21 F 0 3.6 0.3 26.4 G H I 1.4 1 0.8 1.6 1 0.8 23.6 24.4
SSA
(a) Indique se o problema em questo de maximizaao ou de minimizao a e c ca (b) Represente a arvore de problemas correspondente a esta resoluo in ca dicando, em cada um dos ramos, a restriao adicionada em cada ramic caao. c

5.6 Problema PIE
149
N F Z = 26.4 X1 = 0 X2 = 3.6 X3 = 0.3
N A Z = 25.8 X1 = 0.3 X2 = 3 X3 = 0.45
N G SSA
N B Z = 24 X1 = 0 X2 = 3 X3 = 0.75
N I Z = 24.4 X1 = 1 X2 = 1.6 X3 = 0.8
N E Z = 21 X1 = 0 X2 = 3 X3 = 0
N D Z = 22.7 X1 = 0 X2 = 2.7 X3 = 1
N C Z = 24 X1 = 1 X2 = 2 X3 = 0
N H Z = 23.6 X1 = 1.4 X2 = 0.8 X3 = 1
Figura 21: Arvore de Pesquisa do Branch-and-Bound
5.6.2
Resoluo ca
(a) Trata-se de um problema de maximizaao. Caso fosse um problema de c minimizaao, a raiz da arvore seria o subproblema com menor funao c c objectivo, que corresponde ao n E. Como este n possui soluao inteira, o o c no seria necessrio iniciar a ramicaao. a a c (b) A resoluao desta al c nea est representada na arvore de pesquisa da a Figura 21. Note-se que a ramicaao no N I tambm poderia ter sido c o e feita na varivel X2 . a

150

Cap tulo 6 Problemas de Transportes

Formular um problema como um problema de transportes (formulaao c num quadro de transportes) na forma standard, incluindo: a criaao de origens ou destinos ct c cios com as disponibilidades ou as necessidades em falta; denio dos custos unitrios de transporte apropriados. ca a Determinar uma soluao inicial: c pela regra do canto NW; pela regra dos custos m nimos. Gerar uma soluao bsica inicial acrescentando variveis bsicas degec a a a neradas (com valor zero) para tornar o grafo de solues uma arvore co conexa. Fazer iteraes do algoritmo de transportes pelo mtodo uv, incluindo co e o clculo das diferenas e dos custos marginais, a determinaao da a c c varivel que entra na base e da varivel que sai da base. Atualizao a a ca do quadro atravs da soma e subtraao de . e c Reconhecer num quadro de transportes: se a soluao corresponde ` soluao otima; c a c se h mais solues com o mesmo valor (timos alternativos). a co o Calcular o valor (funao objetivo) de uma soluao. c c

152
Problemas de Transportes
Exerc cios
6.1 6.2 6.3 6.4 6.5 Reservatrios . . . . . . . . . . . . . . . . . . . . . . . . . . . 153 o Transfronteira . . . . . . . . . . . . . . . . . . . . . . . . . . 156 Construtora de Avies . . . . . . . . . . . . . . . . . . . . . 160 o Instituto de Altos Estudos . . . . . . . . . . . . . . . . . . . 162 UnEng5/FND/UNIFIL no L bano . . . . . . . . . . . . . . 164

6.1 Reservatrios o
153
6.1
6.1.1
Reservatrios o
Enunciado
Trs reservatrios, com capacidades dirias de 15, 20 e 25 milhes de litros de e o a o agua, abastecem 4 cidades com consumos dirios de 8, 10, 12 e 15 milhes de a o litros de gua. O custo de abastecimento, por milho de litros, apresentado a a e na tabela 1. Tabela 1: Custo de abastecimento, por milho de litros (em ke) a A 2 3 4 Cidades B C 3 4 2 5 1 2 D 5 2 3
Reservatrios o
1 2 3
O problema consiste em determinar a pol tica de abastecimento optima (aquela com menor custo). Formule o problema como um problema de transportes e resolva-o usando o respetivo algoritmo.

154
6.1.2
Resoluo ca
Soluao inicial pela regra dos custos m c nimos: A

2
1 2 3
B
3
C
4
D
5
F 15
0
15 20
5
3
15
2
3
4
10
1
12
2
25
10
12
15
15
A cidade F uma cidade ct introduzida para equilibrar a oferta com e cia a procura, isto , para colocar o problema na forma standard. e Para que existam 7 variveis bsicas (nmero de origens + nmero de a a u u destinos - 1) ainda necessrio promover uma varivel no bsica a bsica. e a a a a a A varivel x1A foi ento considerada como bsica com o valor de zero. A a a a escolha de x1A em concreto seguiu a regra de o grafo representantivo das variveis bsicas dever ser conexo e sem ciclos. a a Resolvendo: 0 0+
2 4
2 3 4
-3
3 4
-2
4 4
-1
5
-2 15-
0
5
3 2
2 4
15
2 -1
3-
4
10
1
12
2 0
3 -2
= min{3, 15} = 3 0 3+
2 2
2 3 2
-1
3 2
0
4 4
-1
5
-2 12-
0
5-
3 0
2 2
15
2 -1
2 4
10
1
12
2 2
3
0
= min{5, 12} = 5

6.1 Reservatrios o 0 8
2 2
155 -1
3 2
2 2
1
0
4 3
0
5
-2 7
0
3 1
2 3
15
2
5
0
2
2
10
1
12
2 1
3
0
Custo = 80 Soluao tima: c o Reservatrio 1 abastece a cidade A com 8 milhes de litros de agua. o o Reservatrio 2 abastece a cidade D com 15 milhes de litros de agua. o o Reservatrio 3 abastece a cidade B com 10 milhes de litros de agua. o o Reservatrio 3 abastece a cidade C com 12 milhes de litros de gua. o o a Custo total de abastecimento: 80 ke

156
6.2
6.2.1
Transfronteira
Enunciado
Uma empresa possui duas fbricas (P1 e P2 ) onde produz um produto que a exportado para 3 locais num pa vizinho (L1 , L2 e L3 ). O transporte e s e feito atravs de duas fronteiras (F1 e F2 ) (no se impem limites mximos e a o a a quantidade que pode atravessar diariamente cada uma delas). Por outro ` lado, cada fronteira cobra uma taxa por cada unidade do referido produto que a atravessa (independentemente de vir de P1 ou P2 ) Na Tabela 2 so a apresentados todos os dados deste problema. So conhecidas as disponibilidades dirias em cada fbrica, que so sucia a a a entes para satisfazer as necessidades dirias de cada local, tambm conhecidas a e (Tabela 2). Sabe-se tambm quais so os custos para transportar uma unie a dade do produto, de cada produtor para cada fronteira e de cada fronteira para cada destino, indicados na Figura 1. Tabela 2: Disponibilidades, necessidades e PRODUTORES P1 Disponibilidades 120 LOCAIS DE DESTINO L1 Necessidades 50 FRONTEIRAS F1 Taxa por unidade 4 taxas de fronteira. P2 80 L2 L3 70 60 F2 3
P1 120
50 40 45
F1
23 40 20
L1 50 34 L2 70
52 55 F2 38
P2 80
L3 60
Figura 1: Rede de transportes.

6.2 Transfronteira
157
(a) Considere o problema que permite encontrar a pol tica optima de trans porte do produto entre cada produtor, fronteira e local de destino. Formule-o (sem resolver!) como um problema de transportes na forma standard. (b) Considere agora que chegam diariamente `s fronteiras F1 e F2 100 e 90 a unidades do produto, respectivamente. Usando o algoritmo de transportes, determine quais as quantidades a transportar de cada fronteira para cada um dos locais de destino, por forma a minimizar o custo global associado a esse transporte. Considere iguais os restantes dados do problema.

158
6.2.2
Resoluo ca
(a) Formulaao como problema de transportes: c L1 L2 L3 77 94 74 77 95 81 72 89 69 92 110 96 50 70 60 RP1 RP2 X 0 0 120 0 0 120 0 0 80 0 0 80 120 80 20 400
P1/F1 P1/F2 P2/F1 P2/F2
Pi/Fj quantidade exportada a partir da fbrica Pi atravs da a e fronteira Fj. X coluna introduzida para equilibrar a oferta com a procura. Corresponde `s quantidades que caro nas fbricas. a a a RPi Restriao respeitante a fbrica Pi e que garante que o soc ` a matrio do que atravessa as duas fronteiras, vindo da fbrica Pi, o a no excede a oferta em Pi. a (b) Soluao inicial pela regra dos custos m c nimos: 30
23
40
60
20
10
0
100 90 30 90 70 0
20
34
70
52
38
50 20 0
70 0
60 0
10 0
Aplicando o algoritmo de transportes: 0 30+

23 -1
23 34
18
40
-3 60
20
-23 10-
0
20-
34
70
52 7
38
-11 0
= 10

6.2 Transfronteira 0 40-

23 -1
159 18
40
23 34
-3 60
20
-34
11 0 0
10+
34
70-
52 7
38
10
= 40 0
1 23
22 34
18 40
40
-2 60
20
-34
12 0 0
50
34
30
52 6
38
10
Quadro ptimo o Soluao ptima: c o De F1 Para L1 L2 L3 L1 L2 L3 Quantidade 0 40 60 50 30 0
F2
Custo ptimo = 6060 o

160
6.3
6.3.1
Construtora de Avies o
Enunciado
Uma companhia construtora de avies pretende planear a produo de um o ca motor, durante os prximos 4 meses. o Para satisfazer as datas de entrega contratuais, necessita de fornecer os u motores nas quantidades indicadas na 2a coluna da tabela 3. O nmero mximo de motores que a companhia produz por ms, bem como o custo de a e cada motor (em milhes de dlares) so dados na 3a e 4a colunas da mesma o o a tabela. Dadas as variaoes nos custos de produao, pode valer a pena produzir c c alguns motores um ou mais meses antes das datas programadas para entrega. Se se optar por esta hiptese, os motores sero armazenados at ao ms de o a e e entrega, com um custo adicional de 0.015 milhes de dlares/ms. o o e Tabela 3: Encomendas, produao e custos. c Ms e 1 2 3 4 Quantidades a entregar 10 15 25 20 Produao Custo unitrio Custo unitrio c a a mxima a de produao de armazenagem c 25 1.08 35 1.11 0.015 30 1.10 0.015 10 1.13 0.015
O director de produao quer saber quantos motores deve fabricar em cada c ms (e para que meses de entrega) por forma a minimizar os custos globais e de produao e armazenagem. c Formule o problema e resolva-o pelo algoritmo de transportes.

6.3 Construtora de Avies o
161
6.3.2
Resoluo ca
A gura e a tabela seguintes representam os custos totais por unidade (soma dos custos de produo com os custos de armazenamento) para avies proca o duzidos no ms i e entregues no ms j. e e
Produo
Ms 1 1.080
Entrega
Ms 1
1.095 Ms 2 1.110 1.125 1.140 Ms 3 1.115 1.125 Ms 4 1.110 Ms 2
Ms 3
1.100
Ms 4
1.130
1 Ms de 2 e produo 3 ca 4
Ms de entrega e 1 2 3 4 X 1.080 1.095 1.110 1.125 0 25 1.110 1.125 1.140 0 35 1.100 1.115 0 30 1.130 0 10 10 15 25 20 30 100
(segue-se a resoluo pelo algoritmo de transportes) ca

162
6.4
6.4.1
Instituto de Altos Estudos

Enunciado
Os exames realizados no Instituto de Altos Estudos esto concentrados numa a unica semana. Seguindo um modelo usual nos institutos congneres dos Es e tados Unidos, todas as provas so de escolha mltipla e tm de ser resolvidas a u e a lpis. a Os lpis, so fornecidos pelo Instituto de Altos Estudos e so necessrios a a a a 60, 50, 80, 40 e 50 lpis aados no in de cada dia, de segunda a sexta-feira a cio respetivamente. Os lpis aados podem ser comprados por 15$00 cada. Depois de usados a num dia de exame, os lpis podem ser aados, recorrendo ao servio da a c Aadora Lda. com um custo de 2$00 a unidade. A Aadora Lda. devolve os lpis 2 dias depois. a Isso signica que os lpis usados, por exemplo, na segunda-feira s podea o ro ser reutilizados (j aados) na quarta-feira, e assim sucessivamente. No a a m da semana os lpis podem ser revendidos a um preo de 5$00 a unidade. a c (a) Formule este problema como um Problema de Transportes, de forma a que o fornecimento de lpis para o exame seja feito a um custo m a nimo. (b) Resolva o problema.

6.4 Instituto de Altos Estudos
163
6.4.2
Resoluo ca
Formulaao como problema de transportes: c
Origens
Novos Usados na 2a Usados na 3a Usados na 4a
2 10 60
3 10 50
Destinos 4a 5a 10 10 2 2 2 80 40
6a X 10 0 2 0 2 0 2 0 50 190
60+50+80+40+50 60 50 80

164
6.5
6.5.1
1
UnEng5/FND/UNIFIL no L bano
Enunciado
O Tenente-Coronel Alves Caetano, responsvel pela gesto dos materiais a a para a reabilitaao de edif c cios existentes, defronta-se no momento com um problema de log stica. Assim, sabendo que brevemente lhe sero enviadas a 50 ton de areia, 15 ton de brita, 20 ton de cimento e 7 ton de terra, espera decidir que quantidades armazenar em cada um dos dois estaleiros que a sua base militar, o Ubique Camp, possui. O Estaleiro Norte do Ubique Camp possui uma capacidade de armazenagem de 40 ton, enquanto que o Estaleiro Sul possui uma capacidade de 65 ton. Os custos mensais de armazenagem dos materiais, por tonelada, em cada um dos estaleiros esto indicados na a tabela seguinte: Material Areia Brita Cimento Terra 2,0 e 1,0 e 3,5 e 1,5 e 2,5 e 1,2 e 3,0 e 2,1 e
Estaleiro Norte Estaleiro Sul
Pretende-se ento saber que quantidade de cada tipo de material deve ser a armazenada em cada estaleiro de forma a minimizar os custos de armazenagem. (a) (i) Formule o problema como um problema de transportes; (ii) determine uma soluao inicial pela Regra dos Custos M c nimos; (iii) faa uma primeira iterao pelo Algoritmo de Transportes; c ca (iv) verique se a soluao obtida aps essa primeira iteraao ptima c o c e o ou no e explique porqu; a e (v) apresente a soluo obtida; ca (vi) calcule o valor da funo objetivo para a soluo obtida. ca ca (b) Admita agora que o Estaleiro Norte no possui as condies de armaa co zenagem necessrias para garantir a manuteno das propriedades do a ca cimento e, como tal, no se poder armazenar o cimento neste. Ada a mita ainda que se dever usar a capacidade mxima de armazenagem a a do Estaleiro Sul. Apresente o novo quadro inicial de transporte que apresentou na al nea anterior por forma a contemplar estas restries. co
1
Exame de 2009.01.15 de IO do MIEEC da FEUP

6.5 UnEng5/FND/UNIFIL no L bano
165
Ateno: deve s apresentar o quadro inicial e no deve fazer nenhuma ca o a iterao. ca

166
6.5.2
(a)
Resoluo ca
(i) Para formular este problema como um problema de transportes vamos considerar como origens os materiais e como destinos os estaleiros. E necessrio para equilibrar a capacidade de armazea nagem com a quantidade a armazenar e acrescentar um material ct que absorver o excesso de capacidade. cio a
Estaleiro Norte Areia 2,0 Brita 1,0 Cimento 3,5 Terra 1,5 X 0,0 40 65 0,0 2,1 13 3,0 7 1,2 20 2,5 15 Estaleiro Sul 50
(ii) Determinando uma soluao inicial pela regra dos custos m c nimos tem-se:
Areia Brita Cimento Terra X Estaleiro Norte 18 2,0 15 1,0 3,5 7 1,5 0,0 40 Estaleiro Sul 32 2,5 1,2 20 3,0 2,1 13 0,0 65 50 15 20 7 13
(iii) Fazendo uma iteraao pelo algoritmo de transportes: c

2 0,0 -1,0 0,5 -0,5 -2,5 18+ 2,0 15- 1,0 3,5 7 1,5 0,0 13 0,0 2,1 20 3,0 1,2 2,5 32- 2,5
Com =min(15,32)=15, dando origem ao seguinte quadro:

6.5 UnEng5/FND/UNIFIL no L bano

2 0,0 -1,0 0,5 -0,5 -2,5 33 2,0 1,0 3,5 7 1,5 0,0 13 0,0 2,1 20 3,0 15 1,2 17 2,5 2,5
167
(iv) A soluao obtida ptima porque no existem diferenas ij = cij Ui Vi c eo a c no-negativas, conforme apresentado no quadro abaixo. a

168
2 0,0 -1,3 0,5 -0,5 -2,5 33 2,0 0,3 1,0 7 0,5
2,5 17 2,5 15 1,0 20 3,5 1,5 0,0 0,1 13 3,0 2,1 0,0 1,2
(v) O armazenamento dever ser feito da seguinte forma: Armazem a Norte: 33 ton. de areia; 7 ton. de terra; Armazem Sul: 17 ton. de areia; 15 ton. de brita; 20 ton. de cimento. (vi) A funao objetivo ter um valor de 197e. c a (b) Dado que no permitida a armazenagem do cimento no Estaleiro a e Norte, o problema pode ser reformulado considerando um custo innito para o armazenamento deste material neste estaleiro. Por outro lado, dado que a capacidade de armazenamento do Estaleiro Sul deve ser usada na totalidade, no poder haver qualquer material ct a a cio associado a este estaleiro, da se considerar um custo innito de arma zenamento.
Estaleiro Norte Areia 2,0 Brita 1,0 Cimento + Terra 1,5 X 0,0 40 65 + 2,1 13 3,0 7 1,2 20 2,5 15 Estaleiro Sul 50

Cap tulo 7 Problemas de Afetao ca

Formular um problema como um problema de afetaao (quadro de afec tao) na forma standard incluindo: ca transformar um problema de maximizao num problema de mica nimizaao; c criar linhas ou colunas ct cias garantindo que nmero de origens u igual ao nmero de destinos; e u atribuir custos a todas as ligaoes entre as origens e os destinos. c Usar o Mtodo Hngaro para resolver o problema de minimizao. e u ca Determinar solues otimas alternativas. co Calcular o custo de uma soluao. c

170
Problemas de Afetao ca
Exerc cios
7.1 7.2 7.3 7.4 7.5 7.6 Desenhadores . . . . . . . . . . . . . . . . . . . . . . . . . . . 171 Recrutamento . . . . . . . . . . . . . . . . . . . . . . . . . . 173 Romeu e Julieta . . . . . . . . . . . . . . . . . . . . . . . . . 176 Companhia de Navegao Area . . . . . . . . . . . . . . . 179 ca e Asa de Luxo Lda . . . . . . . . . . . . . . . . . . . . . . . . . 183 WFP na Costa da Somlia . . . . . . . . . . . . . . . . . . . 186 a

7.1 Desenhadores
171
7.1
7.1.1
Desenhadores
Enunciado
Existem quatro desenhadores para desenhar quatro projectos. Embora todos possam cumprir essas tarefas, as suas ecincias relativas variam de trabalho e para trabalho. Com base em desempenhos j conhecidos, produziu-se a seguinte tabela a de custos: P1 P2 P3 P4 D1 8 5 6 2 D2 7 2 1 3 D3 9 7 4 2 D4 9 8 9 6
O objetivo afectar os desenhadores aos vrios projectos de modo a e a minimizar o custo total de desenho.

172
7.1.2
Resoluo ca
8 5 6 2 1 3 5 0 1 3 5 0 1 3 5 0 0 2 4 0 0 0 2 0 7 2 1 3 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 2 2 0 0 4 9 7 4 2 2 5 3 0 2 5 3 0 2 5 3 0 1 4 2 0 9 8 9 6 2 6 8 4 0 4 6 2 0 4 6 2 0 4 6 3 1 2 0 0 0 2 4 3
Primeiro quadro do problema
Subtraco em cada linha do meca nor elemento dessa linha
Subtraco em cada coluna do meca nor elemento dessa coluna
1a iterao (3 < 4) ca
Soluao ptima (4 = 4) c o
O custo da soluao optima (soma dos tempos) 17. c e Uma poss soluo optima seria: vel ca D4 P1 D2 P2 D3 P3 D1 P4

7.2 Recrutamento
173
7.2
7.2.1
Recrutamento
Enunciado
Para o preenchimento de 5 lugares, foi pedido a 5 candidatos que manifestassem as suas preferncias. Estas foram expressas da seguinte forma: e indiferena relativamente ao lugar: ind ; c preferncia positiva: numa escala de +1 a +10; e inconveniente: numa escala de -1 a -10. Candidatos 1 2 3 4 5 1 -5 -4 ind -3 -1 2 +8 +2 ind +3 +5 Lugares 3 4 -1 ind +2 +3 -5 -1 +2 -2 ind +3 5 +4 +2 +3 -1 +5
(a) Atribua os lugares aos candidatos por forma a maximizar a satisfao ca global das preferncias; e (b) Resolva o problema de modo a que o candidato menos satisfeito seja colocadocom o m nimo de inconvenincia. e

174
7.2.2
Resoluo ca
(a) Atribuir os lugares aos candidatos por forma a maximizar a satisfao ca global das preferncias: e Candidatos 1 2 3 4 5 1 -5 -4 0 -3 -1 2 +8 +2 0 +3 +5 Lugares 3 4 -1 0 +2 +3 -5 -1 +2 -2 0 +3 5 +4 +2 +3 -1 +5
Quadro inicial. Associar um valor zero `s afectaa oes ind . c Problema de maximizaao. c
Somar +5 a todos os elementos, para que todos os elementos 0. Problema de maximizaao. c
Candidatos 1 2 3 4 5 13 12 8 11 9 10 4 0 3 3 10 4 0 3 3 0 6 8 5 3 0 1 3 0 0 0 1 3 0 0 9 6 13 6 8 8 0 7 0 4 8 0 7 0 4
1 0 1 5 2 4 8 5 9 10 5 8 0 4 5 2 4 1 0 4 0 8 0 4 5 2
Lugares 2 3 4 13 4 5 7 7 8 5 0 4 8 7 3 10 5 8 4 6 5 9 3
5 9 7 8 4 10
Problema de minimizaao. c Complemento para o mximo 13 a dos elementos da matriz.
Subtraco em cada linha do meca nor elemento dessa linha Subtraco em cada coluna do meca nor elemento dessa coluna
1a iterao (5 = 5) ca Soluao ptima c o
4 1 0 4 0
O valor da soluao optima 18. c e

7.2 Recrutamento Uma poss soluo optima seria: vel ca Candidato1 Lugar2 Candidato2 Lugar4 Candidato3 Lugar1 Candidato4 Lugar3 Candidato5 Lugar5
175
(b) A resoluo do problema de modo a que o candidato menos satisfeito ca seja colocadocom o m nimo de inconvenincia, corresponde a resole ver um problema denominado Bottleneck Assignment Problem. Considere-se ento uma afectao a ca inicial igual a afectaao ptima ob` c o tida na al nea (a): -5 -4 0 -3 -1 1 1 1 1 1 0 0 1 0 0 +8 +2 0 +3 +5 1 0 1 0 1 -1 +2 -5 +2 0 1 0 1 1 0 0 +3 -1 -2 +3 0 0 0 1 0 +4 +2 +3 -1 +5
M in{0, 8, 2, 3, 5} = 0 Faa-se ento a seguinte substituic a ao: c valores > 0 0
valores 0 1 Dado que a primeira coluna do quadro s tem valores = 1, a afectaao o c optima para o Bottleneck Assignment Problem a obtida na al e nea (a).

176
7.3
7.3.1
Romeu e Julieta
Enunciado
Dois jovens recm-casados, Romeu e Julieta, querem dividir as tarefas doe msticas entre si, de forma a que cada um tenha o mesmo nmero de tarefas e u (duas para cada um) e de forma a que o tempo total gasto por semana seja mantido no m nimo. (a) Considerando a tabela seguinte, onde se encontram os tempos que cada um deles gasta a executar cada uma das tarefas, resolva o problema deste casal. Compras 2 1.5 Cozinha Limpeza Roupa 6 4 3 8.5 5.5 4
Romeu Julieta
(b) Considere agora que, aps uma negociaao assaz dif Romeu conseo c cil, guiu que a restriao das duas tarefas para cada um fosse levantada, isto c , todas as combinaoes do nmero de tarefas atribu e c u das a cada um so a poss veis. Reformule o problema atendendo a esta nova situaao. c

7.3 Romeu e Julieta
177
7.3.2
Resoluo ca
(a) Quadro inicial: Compras 2 2 1.5 1.5 Cozinha 6 6 8.5 8.5 Limpeza Roupa 4 3 4 3 5.5 4 5.5 4
Romeu 1 Romeu 2 Julieta 1 Julieta 2
Subtraco em cada linha do meca nor elemento dessa linha
0 0 0 0 0 0 0 0 0 0 0 0 1.5 1.5 0 0
4 4 7 7 0 0 3 3 0 0 3 3
2 2 4 4 0 0 2 2 0 0 2 2 0 0 1.5 1.5
1 1 2.5 2.5 0 0 1.5 1.5 0 0 1.5 1.5 0 0 0.5 0.5 0 0 0 0
Subtraco em cada coluna do meca nor elemento dessa coluna
O custo da soluao optima (soma dos tempos) 15.5. c e Uma poss soluo optima seria: vel ca Romeu cozinha Romeu limpeza Julieta compras Julieta roupa

178 (b) Quadro inicial:
Romeu 1 Romeu 2 Romeu 3 Romeu 4 Julieta 1 Julieta 2 Julieta 3 Julieta 4
Compras 2 2 2 2 1.5 1.5 1.5 1.5
Cozinha 6 6 6 6 8.5 8.5 8.5 8.5
Limpeza 4 4 4 4 5.5 5.5 5.5 5.5
Roupa 3 3 3 3 4 4 4 4
Nada 1 0 0 0 0 0 0 0 0
Nada 2 0 0 0 0 0 0 0 0
Nada 3 0 0 0 0 0 0 0 0
Nada 4 0 0 0 0 0 0 0 0

7.4 Companhia de Navegao Area ca e
179
7.4
7.4.1
Companhia de Navegao Area ca e

Enunciado
Uma companhia de navegaao area assegura, entre trs cidades (A, B, C), c e e os servios representados na tabela seguinte: c Vo no o 1 2 3 4 5 6 7 8 9 10 Partida de A A A A A B B B C C as ` 09h00 10h00 15h00 20h00 22h00 04h00 11h00 15h00 07h00 15h00 Chegada a B B B C C A A A A A `s a 12h00 13H00 18H00 24H00 02H00 07H00 14H00 18H00 11H00 19H00
O custo de espera de um avio no solo considerado como proporcional a e ao tempo de espera. Organize os voos (encadeando-os e associando-os aos avies necessrios), o a por forma a minimizar os custos globais de espera no solo. Nota: Considere apenas o caso de deniao de um ciclo dirio, isto , faa c a e c o planeamento para um per odo de 24 horas.

180
7.4.2
Resoluo ca
Para resolver o problema proposto, necessrio comear por determinar, para e a c cada aeroporto, que voo deve realizar um avio que tenha chegado no voo x. a O objetivo ser a minimizaao do tempo de espera em cada aeroporto. a c Ter-se-o ento que resolver 3 problemas de afectao (um para cada aea a ca roporto). Esses problemas podero ser resolvidos com quadros independentes a ou ento com um quadro unico: a
Voo de chegada 1 2 3 4 5 6 7 8 9 10
1 2 19 15 22 14
2 3 20 16 23 15
3 8 1 21 4 20
Voo de 4 5 13 15 6 8 2 4 9 11 1 3
partida 6 7 16 23 15 22 10 17
8 3 2 21
9 7 5
10 15 13
Subtraco em cada ca coluna do menor elemento dessa coluna Subtraco em cada lica nha do menor elemento dessa linha
0 17 12 17 12
0 17 12 17 12
7 0 19 0 19
12 5 0 5 0
12 5 0 5 0
5 5 0
5 5 0
0 0 19
0 0
0 0

7.4 Companhia de Navegao Area ca e 0 17 12 17 12 0 12 12 12 12 0 0 0 0 0 0 17 12 17 12 0 12 12 12 12 0 0 0 0 0 7 0 19 0 19 12 0 24 0 24 24 0 24 0 24 12 5 0 5 0 12 0 0 0 0 24 0 0 0 0 12 5 0 5 0 12 0 0 0 0 24 0 0 0 0 5 5 0 0 0 0 0 0 0 5 5 0 0 0 0 0 0 0 0 0 19 0 0 24 0 0 24 0 0 0 0
181 0 0 0 0 0 0
3a iterao (10 = 10) ca Soluao ptima. c o
0 0
Uma poss soluo optima ser: vel ca a Voo de chegada 1 Voo de partida 8 Voo de chegada 2 Voo de partida 7 Voo de chegada 3 Voo de partida 6 Voo de chegada 4 Voo de partida 9

182 Voo de chegada 5 Voo de partida 10 Voo de chegada 6 Voo de partida 1 Voo de chegada 7 Voo de partida 3 Voo de chegada 8 Voo de partida 4 Voo de chegada 9 Voo de partida 2 Voo de chegada 10 Voo de partida 5
Construindo umacadeiapor concatenao das solues encontradas obtmca co e se: 1 = 8 = 4 = 9 = 2 = 7 = 3 = 6 = 1 5 = 10 = 5 O plano dirio dos voos est representado na gura seguinte: a a
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Turno 1
Voo 6
Voo 1
Voo 8
Voo 4
Turno 2
Voo 9
Turno 3
Voo 2 Voo 7
Turno 4
Voo 3 Voo 10
Turno 5
Voo 5
Voo 5
Aeroporto de partida X
Nmero do voo Voo z
Aeroporto de chegada Y
So portanto necessrios 5 avies. Contudo, para que se verique o ena a o cadeamento optimo encontrado, 4 avies devero rodar nos turnos 1 a 4 e o o a o 5 avio deve fazer o turno 5, num ciclo de 4 dias (Ai , avio i). a a Turno 1 2 3 4 5 1 A1 A2 A3 A4 A5 2 A4 A1 A2 A3 A5 Dia 3 4 A3 A2 A4 A3 A1 A4 A2 A1 A5 A5 5 A1 A2 A3 A4 A5 ... ... ... ... ... ...

7.5 Asa de Luxo Lda
183
7.5
7.5.1
Asa de Luxo Lda

Enunciado
A empresa de transportes Asa de Luxo comprou 3 novos pequenos avies. o Aps um estudo de mercado foram identicados 4 poss o veis destinos para os novos voos a estabelecer: Monte Carlo, Ilhas Canrias, Biarritz, e as Ilhas a Gregas. Para cada um dos destinos foi estimado o lucro (em M$) que cada um dos avies proporcionaria: o Destino Monte Carlo Ilhas Canrias a Biarritz Ilhas Gregas A1 8 10 9 6 A2 11 9 4 7 A3 10 9 8 5
Numa reunio, o administrador da Asa de Luxo (que possui um apartaa mento em Biarritz) decidiu que Biarritz seria necessariamente o destino de um dos trs avies. e o Por outro lado, o Director de Marketing considerou que, por uma questo a de estratgia, se deveria atingir o maior nmero poss e u vel de destinos, no a enviando portanto mais do que um avio para cada destino. a O responsvel pela manutenao chamou a ateno para o facto de os a c ca avies A1 e A3 no poderem aterrar nas Ilhas Gregas. o a Decida que avio deve seguir para cada destino e ganhe uma viagem a grtis para duas pessoas, para um destino ` sua escolha (oferecida pela Asa a a de Luxo, claro!...).

184
7.5.2
Resoluo ca
Destino Monte Carlo Ilhas Canrias a Biarritz Ilhas Gregas Destino Monte Carlo Ilhas Canrias a Biarritz Ilhas Gregas A1 8 10 9 6 A1 3 1 2 5 A2 11 9 4 7 A2 0 2 7 4 A3 10 9 8 5 A3 1 2 3 6 Fict cio ? ? ? ? Fict cio ? ? ? ?
Quadro inicial. Problema de maximizaao. c Acrescentou-se um avio ct a cio para que nmero de avies = nu o u mero de destinos. Problema de minimizaao. c Complemento para o mximo 11 a dos elementos da matriz. Para evitar que A1 ou A3 sejam afectos as Ilhas Gregas, coloca-se ` no custo dessa afectao. ca Para obrigar que um dos avies reo ais v para Biarritz, impede-se que a o avio ct seja afecto a Biara cio ritz, colocando no custo dessa afectaao. c Subtraco em cada coluna do meca nor elemento dessa coluna Subtraco em cada linha do meca nor elemento dessa linha
3 1 2
0 2 7 4
1 2 3
0 0 0
2 0 0 2 0 0 3 0 0
0 2 6 4 0 2 6 4 0 1 5 3
0 1 1 0 1 1 0 0 0
0 0 0 0 0 0 1 0 0
O valor (lucro) da soluo optima 29 M$. ca e Uma poss soluo optima seria: vel ca A1 Ilhas Canrias a

7.5 Asa de Luxo Lda A2 Monte Carlo A3 Biarritz Fict Ilhas Gregas cio
185

186
7.6
7.6.1
1
WFP na Costa da Somlia a

Enunciado
O problema da pirataria ao largo da costa somali no exclusivo do WFP. a e A crescente vulnerabilidade das rotas comerciais levou os governos da UE a tentarem utilizar os meios j no terreno, a escoltar os barcos do WFP, para a aumentarem a segurana global daquelas aguas. Assim, Ramiro Lopes da c Silva recebeu no seu gabinete da Via Cristoforo Colombo uma proposta da UE de transformar o que, em linguagem futebol stica, se poderia designar de marcao homem a homem numa marcao ` zona, isto , os navios da UE ca ca a e deixarem de escoltar cada navio do WFP, individualmente, para passarem a vigiar uma zona mar tima, contribuindo assim para a dissuaso dos ataques a piratas, no s aos navios do WFP mas tambm aos navios comerciais que a o e cruzam aquelas guas. Apesar da degradaao da protecao aos seus navios, a c c Ramiro no tinha argumentos para contrariar esta mudana de tctica. a c a
Figura 1: Mapa da costa da Somlia e dos pa vizinhos e zonas de patrua ses lhamento mar timo. Por questes operacionais, as aguas da costa da Somlia foram divididas o a em 4 zonas (gura 1). No entanto, como j sabemos, apenas 3 navios de a guerra esto alocados a este programa de vigilncia: o MV Semlow, o HMS a a
1
Exame de 2009.01.12 de MD do MIEA da FEUP

7.6 WFP na Costa da Somlia a
187
Northumberland e o Bouvet. Sabendo que, por questes de eccia operao a cional, cada navio apenas pode vigiar uma zona, e querendo o WFP vigiar o maior nmero de zonas poss u vel, o Ramiro construiu uma tabela com o nmero estimado de ataques piratas que seriam evitados se cada um dos nau vios fosse afectado a cada uma das zonas. Este trabalho foi desenvolvido em conjugao com o comando militar da UE, uma vez que as diferentes caracca ter sticas dos navios proporcionam eccias de cobertura e patrulhamento a muito diferentes (Ramiro deu por si a pensar que no era mau se a maria nha francesa afectasse outro navio a estas misses... o Bouvet era mesmo o fraquinho fosse qual fosse a zona que lhe fosse atribu da...) tabela 1. Tabela 1: Estimativa do nmero de ataques evitados com a afectaao de cada u c navio a cada zona. MV Semlow HMS Northumberland Bouvet Z1 20 18 10 Z2 22 15 8 Z3 24 16 6 Z4 23 14 4
(a) Determine que navio deve patrulhar que zona, de forma a maximizar o nmero total de ataques piratas evitados. Qual esse nmero (o u e u gabinete de imprensa necessita dele com urgncia)? e (b) O Bouvet no gostou da zona que lhe foi atribu e pediu para ser a da poss fazer isso sem diminuir o nmero mudado para outra zona. E vel u total de ataques evitados?

188
7.6.2
Resoluo ca
(a) Este um problema de afectao, de maximizaao e com uma matriz e ca c no quadrada. Comecemos por transformar o problema de maximizaa ao num problema de minimizaao, calculando o complemento para o c c mximo da matriz: a Z1 Z2 Z3 Z4 Z1 Z2 Z3 Z4 S 20 22 24 23 S 4 2 0 1 9 8 10 N 18 15 16 14 B 6 B 10 8 6 4 B 14 16 18 20 Agora ser necessrio acrescentar um barco ct F para transformar a a cio a matriz num matriz quadrada. A zona que car atribu a este barco da ct cio ser a zona no patrulhada. Os custos atribu a a dos ao barco ct podem ser quaisquer desde que iguais para todas zonas. Optacio mos pelo valor 0 para originar menos quadros de resoluao. A partir c da aplica-se o mtodo o hngaro nos seus passos habituais, sendo o e u primeiro deles a subtracao, em cada linha, do menor elemento da lic nha. A itlico representa-se o menor valor dos no riscados e a preto a a carregado os elementos riscados. Z1 Z2 Z3 Z4 Z1 Z2 Z3 Z4 S 4 2 0 1 S 4 2 0 1 B 6 9 8 10 B 0 3 2 4 B 14 16 18 20 B 0 2 4 6 0 0 0 F 0 F 0 0 0 0 Z1 Z2 Z3 Z4 Z1 Z2 Z3 Z4 S 4 1 0 0 S 5 1 0 0 B 0 2 2 3 B 0 1 1 2 B 0 1 4 5 B 0 0 3 4 F 1 0 1 0 F 2 0 1 0 Atingidos os 4 riscos obrigatrios estamos perante um conjunto de 4 o zeros independentes, que representam a soluao optima do problema (a c preto carregado no quadro seguinte). Esta soluo deve ser transposta ca para a matriz original de forma a calcular-se o nmero total de ataques u evitados. Z1 Z2 Z3 Z4 Z1 Z2 Z3 Z4 S 5 1 0 0 S 20 22 24 23 B 0 1 1 2 N 18 15 16 14 B 0 0 3 4 B 10 8 6 4 F 2 0 1 0 A soluao optima ser pois: c a

7.6 WFP na Costa da Somlia a afectar o MV Semlow a zona 3; ` afectar o HMS Northumberland a zona 1; ` afectar o Bouvet a zona 2; `
189
cando a zona 4 sem patrulhamento, resultando esta soluao num total c de ataques evitados de 24 + 18 + 8 = 50. (b) Apesar do desconforto do Bouvet no poss afect-lo a outra zona a e vel a sem com isso diminuir o nmero total de ataques evitados, uma vez u que no h solues optimas alternativas, isto , a escolha dos 4 zeros a a co e independentes no quadro nal unica. e

190

Cap tulo 8 Problemas de Fluxo Mximo a

Formular um problema como uma rede de uxos. Determinar o uxo mximo que pode atravessar a rede atravs do algoa e ritmo de adiao sucessiva de uxos desde o n inicial ao n nal da rede, c o o incluindo uxos negativosnalguns ramos j percorridos por uxos de a sentido contrrio. a Determinar cortes m nimos na rede, que provam a optimalidade da soluao. c A partir da rede na situaao de uxo mximo saber responder a quesc a tes como: o justica-se ou no a substituiao de um troo? a c c que troo da rede ampliar para aumentar o uxo que a pode atrac vessar?

192
Problemas de Fluxo Mximo a
Exerc cios
8.1 8.2 8.3 8.4 8.5 8.6 Exerc cio dos Depsitos . . . . . . . . . . . . . . . . . . . . . 193 o Exerc cio N 1 a N 6 . . . . . . . . . . . . . . . . . . . . . . 198 o o Exerc cio N 1 a N 7 . . . . . . . . . . . . . . . . . . . . . . 201 o o Exerc cio N 0 a N 4 . . . . . . . . . . . . . . . . . . . . . . 203 o o Exerc cio Fluxo Mximo no ShopShopping . . . . . . . . . 204 a WFP na Costa da Somlia . . . . . . . . . . . . . . . . . . . 206 a

8.1 Exerc cio dos Depsitos o
193
8.1
8.1.1
Exerc cio dos Depsitos o

Enunciado
De trs depsitos A, B e C, dispondo respectivamente de 20, 10 e 35 toneladas e o de um dado produto, pretende-se fazer chegar a trs destinos D, E e F, e respectivamente 25, 20 e 20 toneladas do produto. As disponibilidades de transporte em camio entre os diferentes pontos, so as seguintes: a a D E F 15 10 5 10 10 5 5
A B C
Estabelea o melhor plano de transportes. c (Sugesto: considere um n ct agregando a oferta e um n ct a o cio o cio agregando a procura).

194
8.1.2
Resoluo ca
O problema proposto um problema de uxo mximo. Seguindo a sugesto e a a do enunciado, acrescentou-se ao problema um n ct o cio (X) agregando a oferta dos depsitos A, B e C e um n ct (Y ) agregando a procura dos o o cio destinos D, E e F . A rede inicial est representada na gura seguinte. a
A (20,0)
(15,0) (10,0)
D (25,0)
(5,0) f=0 X (10,0) (35,0) C B (10,0) (5,0) (10,0) (5,0) F (20,0) E (20,0) Y f=0
Seguindo o algoritmo de uxo mximo, seleccionou-se um caminho no a a saturado entre o n de entrada e o n de sa o o da. O caminho seleccionado foi X A D Y . Esse caminho tem uma capacidade mxima de 15 a (capacidade do ramo com menor capacidade A D). Na gura seguinte o ramo A D foi representado a trao mais grosso e somou-se 15 ao uxo de c entrada e de sa da.
A (20,15)
(15,15) (10,0)
D (25,15)
(5,0) f=15 X (10,0) (35,0) C B (10,0) (5,0) (10,0) (5,0) F (20,0) E (20,0) Y f=15
O caminho no saturado seleccionado a seguir foi X B F Y . a Esse caminho tem uma capacidade mxima de 10 (capacidade dos ramos a com menor capacidade X B e B F ). Na gura seguinte os ramos com menor capacidade X B e B F foram representados a trao mais grosso c e somou-se 10 ao uxo de entrada e de sa da.

195
A (20,15)
(15,15) (10,0)
D (25,15)
(5,0) f=25 X (10,10) (35,0) C B (10,0) (5,0) (10,10) (5,0) F (20,10) E (20,0) Y f=25
O caminho no saturado seleccionado a seguir foi X A E Y . a Esse caminho tem uma capacidade mxima de 5 (capacidade do ramo com a menor capacidade X A). Na gura seguinte o ramo com menor capacidade X A foi representado a trao mais grosso e somou-se 5 ao uxo de entrada c e de sa da.
A (20,20) (5,0) f=30 X (10,10) (35,0) C B (10,0) (5,0) (10,10) (5,0) F (20,10) E (20,5) Y f=30 (15,15) (10,5) (25,15) D
O caminho no saturado seleccionado a seguir foi X C D Y . a Esse caminho tem uma capacidade mxima de 10 (capacidade do ramo com a menor capacidade C D). Na gura seguinte o ramo com menor capacidade C D foi representado a trao mais grosso e somou-se 10 ao uxo de entrada c e de sa da.
A (20,20) (5,0) f=40 X (10,10) (35,10) C B (10,10) (5,0) (10,10) (5,0) F (20,10) E (20,5) Y f=40 (15,15) (10,5) (25,25) D
O caminho no saturado seleccionado a seguir foi X C E Y . a Esse caminho tem uma capacidade mxima de 5 (capacidade do ramo com a

196
menor capacidade C E). Na gura seguinte o ramo com menor capacidade C E foi representado a trao mais grosso e somou-se 5 ao uxo de entrada c e de sa da.
A (20,20) (5,0) f=45 X (10,10) (35,15) C B (10,10) (5,5) (10,10) (5,0) F (20,10) E (20,10) Y f=45 (15,15) (10,5) (25,25) D
O caminho no saturado seleccionado a seguir foi X C F Y . a Esse caminho tem uma capacidade mxima de 5 (capacidade do ramo com a menor capacidade C F ). Na gura seguinte o ramo com menor capacidade C F foi representado a trao mais grosso e somou-se 5 ao uxo de entrada c e de sa da.
A (20,20) (5,0) f=50 X (10,10) (35,20) C B (10,10) (5,5) (10,10) (5,5) F (20,15) E (20,10) Y f=50 (15,15) (10,5) (25,25) D
Corte mnimo
Na gura anterior est representado um corte m a nimo (que separa totalmente a entrada da sa da). Pode-se ento armar que o uxo mximo a a nesta rede (a quantidade mxima de toneladas que pode ser transportada a dos depsitos para os destinos) 50. o e O melhor plano de transportes ser ento: a a D E F 15 5 0 10 10 5 5
A B C

197
Os destinos E e F no so completamente abastecidos, no porque no a a a a exista disponibilidade nos depsitos (C cou ainda com 15 toneladas), mas o porque a disponibilidade de transporte no o permite. Para resolver este a caso concreto seria necessrio incrementar as disponibilidades de transporte a a partir de C, nomeadamente para E e F .

198
8.2
8.2.1
Exerc cio N 1 a N 6 o o
Enunciado
Considere a seguinte rede, em que os nmeros nos arcos representam a capau cidade do arco (quantidade de uxo que o pode atravessar):
2 10 1 15 20 4 3 5 12 15 5 10 5 20 6
Determine o uxo mximo poss (entre os ns 1 e 6) e represente os a vel o uxos na rede na situaao de uxo mximo. c a

8.2 Exerc cio N 1 a N 6 o o
199
8.2.2
Resoluo ca
A rede inicial est representada na gura seguinte. a

2 (10,0) f=0 1 (15,0) (20,0) 4 3 (5,0) (12,0) (15,0) (10,0) 5 (5,0) (20,0) 6 f=0
Seguindo o algoritmo de uxo mximo, seleccionou-se um caminho no a a saturado entre o n de entrada e o n de sa o o da. O caminho seleccionado foi 1 4 5 6. Esse caminho tem uma capacidade mxima de 15 a (capacidade do ramo com menor capacidade 4 5). Na gura seguinte o ramo 4 5 foi representado a trao mais grosso e somou-se 15 ao uxo de c entrada e de sa da.
2 (10,0) f=15 1 (15,0) (20,15) 4 3 (5,0) (12,0) (15,15) (10,0) 5 (5,0) (20,15) 6 f=15
O caminho no saturado seleccionado a seguir foi 1 2 6. Esse a caminho tem uma capacidade mxima de 10 (capacidade dos ramos com a menor capacidade 1 2 e 2 6). Na gura seguinte os ramos com menor capacidade 1 2 e 2 6 foram representados a trao mais grosso e somou-se c 10 ao uxo de entrada e de sa da.
2 (10,10) f=25 1 (15,0) (20,15) 4 3 (5,0) (12,0) (15,15) (10,10) 5 (5,0) (20,15) 6 f=25

200
O caminho no saturado seleccionado a seguir foi 1 3 5 6. Esse a caminho tem uma capacidade mxima de 5 (capacidade do ramo com menor a capacidade 5 6). Na gura seguinte o ramo com menor capacidade 5 6 foram representados a trao mais grosso e somou-se 5 ao uxo de c entrada e de sa da.
2 (10,10) f=30 1 (15,5) (20,15) 4 3 (5,0) (12,5) (15,15) (10,10) 5 (5,0) (20,20) 6 f=30
O caminho no saturado seleccionado a seguir foi 1 4 6. Esse caa minho tem uma capacidade mxima de 5 (capacidade dos ramos com menor a capacidade 1 4 e 4 6). Na gura seguinte os ramos com menor capacidade 1 4 e 4 6 foram representados a trao mais grosso e somou-se 5 c ao uxo de entrada e de sa da.
2 (10,10) f=35 1 (15,5) (20,20) 4 3 (5,0) (12,5) (15,15) (10,10) 5 (5,5) (20,20) 6 f=35
Corte mnimo
Na gura anterior est representado um corte m a nimo (que separa totalmente a entrada da sa da). Pode-se ento armar que o uxo mximo nesta a a rede 35. e

201
8.3
8.3.1
Enunciado
Considere a seguinte rede, em que os nmeros nos arcos representam a capau cidade do arco (quantidade de uxo que o pode atravessar):
15 1
4 5
15
20 10
3 3 5 4 4
15 10 6
Determine o uxo mximo poss (entre os ns 1 e 7) e represente os a vel o uxos na rede na situaao de uxo mximo. c a

202
8.3.2
Resoluo ca
Corte mnimo 2 (2,2) 5
(15,5) 1
(4,2) (5,5)
(15,9)
34
(20,20) (10,9)
3 (3,3) (5,3) 4 (4,4)
(15,15) (10,10) 6
34
Na gura anterior est representado um corte m a nimo (que separa totalmente a entrada da sa da). Pode-se ento armar que o uxo mximo nesta a a rede 34. e

203
8.4
8.4.1
Enunciado
Determine a quantidade mxima de um produto que pode ser enviada atraa vs da rede seguinte, entre a origem e o destino 4. Existem limitaoes nas e c quantidades que podem atravessar cada arco, encontrando-se as respectivas quantidades mximas representadas junto a cada arco. Considere que esse a produto se encontra dispon na origem 0 em quantidade ilimitada. vel
1
2 3 4
2
3 2
0
1
4
2
Em que arco(s) aumentaria as quantidades mximas admiss a veis, de forma a conseguir aumentar a quantidade mxima de produto que poss fazer a e vel passar pela rede?

204
8.5
8.5.1
Exerc cio Fluxo Mximo no ShopShopa ping

Enunciado
Uma parte do ShopShopping vai ser constru imitando uma plataforma de da exploraao subaqutica: duas grandes cpulas ligadas por um grande correc a u dor. Para que a circulaao de pessoas no centro comercial decorra de uma c forma uida, necessrio que este corredor no restrinja o uxo mximo que e a a a pode atravessar a secao subaqutica do centro comercial. Na gura seguinte c a representa-se esquematicamente a planta desta parte do ShopShopping.
Cpula 2 Cpula 1 1 Entrada 2 3 2 3 1 2 4 5 ? 2 3 1 2 1 4 2 1 3 Sada 1
Em cada corredor est indicada a respectiva capacidade (em dezenas de a pessoas por minuto). O corredor de ligaao entre as duas cpulas est ainda c u a por dimensionar, dado o seu elevado custo, crescente com o aumento de capacidade que se lhe queira atribuir. Note que por questes de segurana o c e uidez de circulaao os corredores funcionam como caminhos de sentido c unico (ver setas na gura). Resolvendo este problema como de uxo mximo indique qual deve ser a a capacidade do corredor de ligaao de forma a que o uxo que atravessa as c cpulas seja mximo e o custo do corredor de ligao o menor poss u a ca vel.

8.5 Exerc cio Fluxo Mximo no ShopShopping a
205
8.5.2
Resoluo ca
Esta questo pode ser resolvida de duas maneiras diferentes: a (a) Consideram-se duas sub-redes, correspondendo cada uma a uma das sub-cpulas, calculam-se os uxos mximos que podem atravessar cada u a uma delas separadamente e dimensiona-se o corredor para o menor desses uxos (para ter menor custo). (b) Considera-se uma rede s, em que o ramo que representa o corredor no o a tem uma capacidade mxima pr-denida, e calcula-se o uxo mximo a e a que pode atravessar essa rede. O uxo que atravessar o ramo corredor dene a capacidade que lhe deve ser atribu da. Vai-se seguir a segunda hiptese nesta resoluao. Apresenta-se de seguida o c a rede j na situao de uxo mximo, com a indicaao do corte m a ca a c nimo (a) que justica a optimalidade (mximo) do uxo. Apresenta-se tambm, a e embora no fosse necessrio, um segundo corte (b) que tambm m a a e e nimo.
(1,1) (1,1) F=6 (3,3) (2,2) (a) (1,2) (4,5) (2,3) (6,?) (2,3) (1,1) (0,1)
(0,1)
(2,3) F=6
(3,4) (0,2)
(2,2) (2,2) (0,1) (2,2) (2,4) (b)

206
8.6
8.6.1
1
WFP na Costa da Somlia a

Enunciado
Por mais inacreditvel que parea, mesmo em situaoes de emergncia, como a c c e a que se vive na Somlia, podem ocorrer emergncias maiores ainda. Sendo a e a situao na generalidade do territrio de pr-rotura na disponibilizaao de ca o e c alimentos as populaoes, em Moqdisho a rotura tornou-se uma realidade, ` c com graves crises sociais e facoes da populao a lutar contra outras faces c ca co por alimentos. Nesta situaao o WFP, para alm de utilizar todos os barcos mercantes c e dispon veis, utiliza uma capacidade de carga adicional, que tem a grande vantagem de estar j no teatro das operaoes: os navios que fazem parte a c da fora de guerra naval que assegura a escolta dos navios comerciais e das c organizaes humanitrias que cruzam aquelas aguas. Estes navios no tm co a a e uma capacidade de carga muito grande, mas podem signicar umas toneladas de alimentos a mais em Moqdisho. No entanto, a sua utilizao tem que ser ca cuidadosamente planeada para que a sua misso de escolta e patrulhamento a no seja prejudicada e nem um unico barco seja atacado e apresado pelos a piratas. Segundo as orientaoes estratgicas mais recentes do comando militar da c e UE, cada navio tem uma rota dedicada, fazendo o patrulhamento permanente dessa rota. Assim, cada navio liga dois portos e, para fazer chegar os alimentos a Moqdisho dever fazer o transbordo da carga para outro navio a de guerra que parta desse porto e assim, sucessivamente, se faz chegar esta quantidade extra de alimentos a Moqdisho. Na gura 1 so representadas as a ligaes entre os portos e na tabela 1 so representada as capacidades (em co a toneladas de alimentos) dos navios que asseguram cada uma dessas ligaes. co Tabela 1: Capacidade de transporte de alimentos dos barcos de guerra (toneladas).
Salalah (1) (1) (2) (3) (4) (5) (6) (7) (8) Salalah Adam Boosaaso Bender Beila Moqdisho Chisimato Mombasa Dar es Salam Adam (2) 27 Boosaaso (3) 30 Bender Beila (4) 12 18 27 Moqdisho (5) 36 50 32 34 29 Chisimato (6) 31 24 Mombasa (7) 44 Dar es Salam (8) -

207
Figura 1: Rotas dos navios de guerra nas misses de patrulhamento. o (a) Usando o algoritmo de uxo mximo, determine qual a quantidade a e mxima de alimentos que consegue fazer chegar a Moqdisho a partir a do porto de Dar Es Salam (porto de sa da ajuda alimentar vinda da da Europa). Prove que a soluo que encontrou optima. ca e (b) Felizmente tambm o Oriente se mobilizou para acudir a esta catstrofe e a e toneladas de alimentos esto a chegar ao porto de Salalah. Pretendea se agora saber qual a quantidade mxima de alimentos que se pode e a fazer chegar a Moqdisho a partir, simultaneamente, de Dar es Salam e Salalah. Como resolveria o problema? Conseguiria garantir a optimalidade da soluo? ca

208
8.6.2
Resoluo ca
(a) Representando os dados constantes da gura 1 e da tabela 1 num grafo, obtm-se a seguinte rede de uxos. A cada arco (orientado) est assoe a ciado um par de valores que representam, respectivamente, o valor do uxo que atravessa o arco e a capacidade desse mesmo arco. A numerao dos ns corresponde a da tabela 1, sendo o n de entrada na rede ca o o o n 8 e o n de sa o n 5. o o da o
7
(0,44) (0,34) (0,27) (0,50) (0,29) (0,31) (0,24) (0,32) (0,36) (0,30) (0,12)
(0,18)
fin
=0
5 fout = 0
(0,27)
Em cada iteraao, sempre que um arco dor seleccionado por pertencer c ao caminho que se pretende saturar, ser representado a carregado e, a caso um arco que saturado, passar a ser representado a vermelho. a Iteraao 1: saturar o caminho 8-7-5, fazendo passar um uxo de 34. c
7
(34,44) (34,34) (0,27) (0,50) (0,29) (0,31) (0,24) (0,32) (0,36) (0,30) (0,12) (0,18)
fin
= 34
5 fout = 34
(0,27)
Iteraao 2: saturar o caminho 8-5, fazendo passar um uxo de 29. c

7
(34,44) (34,34) (0,27) (0,50) (29,29) (0,31) (0,24) (0,32) (0,36) (0,30) (0,12)
(0,18)
fin
= 63
5 fout = 63
(0,27)

209
Iteraao 3: saturar o caminho 8-4-5, fazendo passar um uxo de 27. c

7
(34,44) (34,34) (27,27) (27,50) (29,29) (0,31) (0,24) (0,32) (0,36) (0,30) (0,12)
(0,18)
fin
= 90
5 fout = 90
(0,27)
Iteraao 4: saturar o caminho 8-6-5, fazendo passar um uxo de 24. c

7
(34,44) (34,34) (27,27) (27,50) (29,29) (0,31) (24,24) (24,32) (0,36) (0,30) (0,12)
(0,18)
fin
= 114
5 fout = 114
(0,27)
Iteraao 5: saturar o caminho 8-7-6-5, fazendo passar um uxo de 8. c

7
(42,44) (34,34) (27,27) (27,50) (29,29) (8,31) (24,24) (32,32) (0,36) (0,30) (0,12)
(0,18)
fin
= 122
5 fout = 122
(0,27)

210
Problemas de Fluxo Mximo a Neste momento no parece existir qualquer caminho no saturado entre a a o n 8 e o n 5. Tal conrmado pela existncia de um corte m o o e e nimo, que conrma a garante a optimalidade da soluo obtida: ca
7
(42,44) (34,34) (27,27) (27,50) (29,29) (8,31) (24,24) (32,32) (0,36) (0,30) (0,12)
(0,18)
fin
= 122
5 fout = 122
(0,27)
Corte mnimo
(b) Nesta al nea passamos a ter dois ns de entrada, o n 1 e o n 8, o o o mantendo-se o n 5 como o n de sa da rede. A forma de resolver o o o da problema seria criando um n articial (n I) que se ligaria aos ns 1 o o o e 8 com uma capacidade sucientemente grande para poder funcionar como innita (nesta resoluao usou-se o nmero 500) e resolver depois c u o problema maximizando o uxo entre o n I e o n 5, com o algoo o ritmo habitual. Determinar-sei-ia o corte m nimo, garantindo-se assim a optimalidade da soluao. c
7
(0,44)
(0,34)
(0,27) (0,50)
4
(0,12)
(0,18)
8
(0,24)
(0,29) (0,31) (0,32)
5
(0,36) (0,30)
(0,27)
6
(0,500)
fout = 0
3
(0,500)
I fin
=0

Cap tulo 9 Problemas de Caminho M nimo

Formular um problema como uma rede para a determinaao do caminho c entre dois ns que tem custo m o nimo. Determinar a distncia m a nima entre um n e todos os outros ns da o o rede atravs do algoritmo de Dijkstra, quer para redes com ramos no e a dirigidos quer com ramos dirigidos (com um sentido). Determinar o caminho m nimo atravs da subtraao das etiquetas dos e c ns da rede. o A partir das etiquetas determinar, sempre que poss vel, a distncia e o a caminho m nimo entre outros dois ns que no os inicialmente consideo a rados. Saber em que circunstncias que isso pode ser feito e em que a e circunstncias no pode. a a

212
Problemas de Caminho M nimo
Exerc cios
9.1 9.2 9.3 9.4 9.5 Rede Caminho M nimo N 1 ao N 6 . . . . . . . . . . . . 213 o o Guerra Azuis e Verdes . . . . . . . . . . . . . . . . . . . . . 215 Ven de Dor . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222 Tabuleiro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224 Perseguio ao Ladro . . . . . . . . . . . . . . . . . . . . . 227 ca a

9.1 Rede Caminho M nimo N 1 ao N 6 o o
213
9.1
9.1.1
Rede Caminho M nimo N 1 ao N 6 o o

Enunciado
Considere a seguinte rede:
2
15
4
21 6 7
1
9
3 16
(a) Usando o algoritmo de Dijkstra, determine a distncia m a nima do n 1 o ao n 6 e indique o respectivo caminho. o (b) Pode, apenas a partir dos clculos feitos em (a), dizer qual a distncia a e a m nima do n 1 ao n 4? Justique. o o (c) Poderia, nas mesmas circunstncias, indicar qual a distncia m a a nima entre os ns 2 e 6? Justique. o

214
9.1.2
Resoluo ca
(a) Usando o algoritmo de Dijkstra, obtm-se o seguinte quadro: e Ns o 4 12 12 12 12
iter 0 1 2 3 4 5
1 0 0 0 0 0 0
2 15 13 13 13 13
3 9 9 9 9 9
5 25 18 18 18
6 33 33 25
A distncia m a nima entre o n 1 e o n 6 igual a 25. O caminho o o e m nimo (1 3 4 5 6) est representado na gura seguinte. a
2 15 1 9 3 4
2 3 16
4 21 6 7 5 6
(b) E poss vel, apenas a partir dos clculos feitos em (a), dizer qual a a e distncia m a nima do n 1 ao n 4, dado que essa distncia seria igual o o a ao valor da etiqueta denitiva do n 4 (12), uma vez que, por deniao, o c o valor da etiqueta denitiva do n i igual ` distncia m o e a a nima entre o n i e a origem. o (c) No poss a e vel, apenas a partir dos clculos feitos em (a), indicar qual a a distncia m a nima entre os ns 2 e 6, dado que a distncia m o a nima entre os dois ns no igual a diferena entre as distncias m o a e ` c a nimas desses ns a origem. o `

9.2 Guerra Azuis e Verdes
215
9.2
9.2.1
Guerra Azuis e Verdes

Enunciado
O Pas Azul foi subitamente atacado pelas tropas do Pas Verde. O Estado Maior das Foras Azuis reuniu de imediato para decidir sobre as movimentac oes de tropas que se deviam efectuar, de modo a fazer frente ` invaso das c a a Foras Verdes. c O Estado-Maior das Foras Azuis foi informado que o ataque se estava a c processar em 3 frentes distintas, com nomes de cdigo 1 , 2 e 3 . Chegou-se o de imediato ` concluso que seria necessrio transportar duas divises de a a a o combate para 1 , uma diviso para 2 e uma outra para 3 . As Foras Azuis a c dispunham nessa altura de 5 divises de combate nas cidades mais prximas o o da fronteira atacada, duas aquarteladas em 1 (em cdigo, claro!), duas em o 2 e uma aquartelada em 3 . Essas divises poderiam ser transportadas o para os locais em perigo, contudo os Avies Verdes j sobrevoavam o Pas o a Azul, e a movimentao das divises teria que se fazer com o menor risco ca o humano poss vel. Aps uma rpida inspeco do mapa do territrio fez-se o esquema da o a ca o gura seguinte, onde se representam as estradas que podem ser utilizadas pelas divises de combate das Foras Azuis (os valores representados nos o c troos dos percursos so distncias em quilmetros). c a a o
1
3
1
1
2 4 3 5
2 3
2
4 2
3
Os generais das Foras Azuis, peritos em Investigaao Operacional, precic c

216
savam de decidir de que aquartelamento deviam seguir as divises necessrias o a em 1 , 2 e 3 . O objetivo era a minimizao das perdas humanas, relacioca nado directamente com o perigo de bombardeamento. Durante a reunio do Estado-Maior das Foras Azuis, o general de 20 a c estrelas Foj (em cdigo, como no podia deixar de ser) disse: O perigo o a de bombardeamento das divises em movimento pode ser considerado como o directamente proporcional ` distncia entre cada e cada . Nesse caso a a devem-se usar essas distncias como o perigo que uma diviso corre ao ser a a transportada de i para i e aplicar um algoritmo de afectao para resolca ver o problema. O general Jac acrescentou: Pod amos tambm usar um e algoritmo de transportes para resolver o problema, considerando tambm as e distncias como uma medida para o perigo. Por m, o general Soj ordenou a A diviso que sobrar ca no aquartelamento respectivo. a Siga as instrues dos generais Foj, Jac e Soj e informe-nos quais foram co as decises tomadas pelo Estado-Maior das Foras Azuis, porque ns somos as Foras o c o c
Verdes!!!!

217
9.2.2
Resoluo ca
Numa primeira fase, vai ser necessrio determinar os caminhos m a nimos entre os i e os j , para depois usar esses valores tanto no algoritmo de afectaao c sugerido pelo general Foj como no algoritmo de transportes sugerido pelo general Jac. (a) Determinao dos caminhos m ca nimos entre 1 e os j : Ns o 2 1 2 3 3 2 3 5 2 3 5 4 2 3 5 4 2 3 5 4
iter 0 1 2 3 4 5 Resultados:
1 0 0 0 0 0 0
1 1 1 1 1 1
caminho 1 1 1 , com custo3; caminho 1 1 2 , com custo5; caminho 1 1 2 3 , com custo4. (b) Determinao dos caminhos m ca nimos que partem de 2 : Ns o 2 1 2 3 3 3 4 6 3 4 6 5 3 4 6 5 3 4 6 5
iter 0 1 2 3 4 5 Resultados:
2 0 0 0 0 0 0
1 2 2 2 2 2
caminho 2 1 1 , com custo4; caminho 2 1 2 , com custo6; caminho 2 2 3 , com custo5.

218
(c) Determinao dos caminhos m ca nimos que partem de 3 : iter 0 1 2 3 4 Resultados: caminho 3 2 1 , com custo4; caminho 3 2 2 , com custo6; caminho 3 2 3 , com custo3. (d) Seguindo a sugesto do general Foj : O perigo de bombardeamento a das divises em movimento pode ser considerado como directamente o proporcional a distncia entre cada e cada . Nesse caso devem` a se usar essas distncias como o perigo que uma diviso corre ao ser a a transportada de i para i e aplicar um algoritmo de afectaao para c resolver o problema. Utilizem-se ento os valores obtidos pelo algoritmo de caminho m a nimo, para o algoritmo de afectaao. O destino X no quadro abaixo corresc ponde a ordem do general Soj A diviso que sobrar ca no aquartela` a mento respectivo. Divises o dispon veis 1 1 1 2 2 3 2 4 3 5 1 2 3 4 5 1 0 0 1 1 1 2 0 0 1 1 1 3 0 0 1 1 1 4 1 1 2 2 0 X 0 0 0 0 0 Divises o 1 1 1 2 3 3 3 3 4 4 4 4 4 4 necessrias a 2 3 3 4 X 5 4 0 5 4 0 6 5 0 6 5 0 6 3 0 3 0 0 0 0 0 1 Ns o 2 1 2 3 1 4 1 4 6 3 1 4 6 3 1 4 6 3
4 traos < 5 c

9.2 Guerra Azuis e Verdes 1 0 0 0 0 1 2 0 0 0 0 1 3 0 0 0 0 1 4 1 1 1 1 0 X 1 1 0 0 1
219
1 2 3 4 5
5 traos, soluo ptima com custo c ca o 3 + 3 + 6 + 3 + 0 = 15.
A concluso deste estudo a seguinte: a e as duas divises aquarteladas em 1 devem ir para 1 (passando o por 1); uma das divises aquarteladas em 2 deve ir para 2 (passando o por 1) e a outra deve-se manter em 2 ; a diviso aquartelada em 3 deve ir para 3 (passando por 2). a O custo (perigo) total da soluao ser 15. c a (e) Seguindo a sugesto do general Jac: Pod a amos tambm tentar usar e um algoritmo de transportes para resolver o problema, usando tambm e as distncias como uma medida para o perigo. a Utilizaao dos valores obtidos pelo algoritmo de caminho m c nimo, para o algoritmo de transportes:
4 2
6 1
3 1
0 1
Obtenao da soluo inicial pela regra dos custos m c ca nimos:

220
1
3
-5
-4
1
0
/ / 2 10
1
4
1
6
-5
-0
2 10 / /
-4
-6
1
3
0
0
10 /
2 / 1 / 0
/1 0
1 / 0
1 / 0
Primeiro quadro do algoritmo de transportes:
-3
1+
3 3 0
-5 1
-4
1-
0
1-
4 4
1
6 1
-5 -1
-3 1 4 1
-6
1
3
0
0
Do quadro anterior retira-se que = 1 e pode-se obter segundo quadro do algoritmo de transportes:

221
-1
-4
2
3 0
-5 1
-4 1
-0
0
4
1
6 2
-5
1
0
-0 4 0
-6
1
3
0
0
A concluso deste estudo igual ` obtida pelo algoritmo de afectaao a e a c (como seria de esperar): as duas divises aquarteladas em 1 devem ir para 1 (passando o por 1); uma das divises aquarteladas em 2 deve ir para 2 (passando o por 1) e a outra deve-se manter em 2 ; a diviso aquartelada em 3 deve ir para 3 (passando por 2). a O custo (perigo) total da soluao ser 2 3 + 1 6 + 1 0 + 1 3 = 15. c a

222
9.3
9.3.1
Ven de Dor
Enunciado
O Sr. Ven de Dor, tcnico de vendas, vai comprar um carro novo. Dadas e as caracter sticas da prosso do Sr. Ven de Dor, o ve a culo sofrer uma a utilizaao muito grande, o que implica que, apesar de o Sr. Ven de Dor se c ir reformar daqui a 3 anos, possa ser economicamente mais favorvel trocar a de carro ao m de 1 ou 2 anos, em vez de o manter durante os 3 anos. Isto sobretudo porque os custos de utilizaao e manutenao crescem muito c c rapidamente com o envelhecimento dos ve culos. O Sr. Ven de Dor sentou-se a sua secretria e calculou o custo total, ` a preo de um carro novo menos o que o stand d pelo usado, mais os custos c a de utilizaao e manuteno (ocina...), de comprar um carro novo no ano c ca i e troc-lo no m do ano j (o ano 0 agora). Na tabela seguinte esto a e a representados (em milhares de escudos) os custos calculados pelo Sr. Ven de Dor. 0 800 1800 3100 i 1 2
1 2 3
1000 2100 1200
Assim, por exemplo, trocar o carro agora comprado (m do ano 0) no m do ano 1 e depois manter o carro comprado no m do ano 1 at ao m do e ano 3, corresponde a um custo de 800 + 2100 = 2900. O Sr. Ven de Dor tem que decidir quantas vezes deve trocar de carro (se alguma) de forma a minimizar a sua despesa total com carros durante estes 3 anos. (a) Formule este problema como um problema de caminho m nimo. (b) Resolva o problema utilizando o algoritmo de Dijkstra.

9.3 Ven de Dor
223
9.3.2
Resoluo ca
(a) A representao do problema do Sr. Ven de Dor como um problema de ca caminho m nimo est na gura seguinte. a
2100 800 1000 1200 1 2 3 4 1800 3100
Fim ano 0 Fim ano 1 Fim ano 2 Fim ano 3
(b) Partindo da gura e utilizando o algoritmo de Dijkstra, obtm-se o e quadro seguinte: Ns o 2 1800 1800 1800
iter 0 1 2 3
0 0 0 0 0
1 800 800 800
3 3100 2900 2900
O caminho m nimo, que corresponde no problema ao custo m nimo para o Sr. Ven de Dor, ser 2900. Esse custo corresponde ` seguinte a a pol tica ptima de aquisio de automveis: o ca o O Sr. Ven de Dor deve trocar de automvel ao m de 1 ano e deve o manter esse automvel at ao m do per o e odo analisado.

224
9.4
9.4.1
Tabuleiro
Enunciado
Considere um tabuleiro com 3 4 quadr culas. Cada quadr cula contm um e nmero: u 0 7 2 4 8 3 3 6 1 6 8 8
O objetivo do jogo consiste em deslocar um peo desde o canto superior esa querdo at ao canto inferior direito, atravs de uma sequncia de movimentos e e e para a direita ou para baixo, de forma a minimizar o somatrio dos pontos o correspondentes `s quadr a culas por onde se passou. (a) Formule este jogo como um problema de caminho m nimo. (b) Resolva-o, usando uma das tcnicas estudadas na cadeira. e

9.4 Tabuleiro
225
9.4.2
Resoluo ca
(a) A formulao do jogo descrito como um problema de caminho m ca nimo passa por fazer corresponder a cada quadr cula um n, que ser numeo a rado de cima para baixo e da esquerda para a direita: 1, 2, 3, 4, 5, 6 . . . Entre quadr culas adjacentes existiro ramos, orientados de acordo com a os movimentos no tabuleiro. A distncia associada a cada ramo ser o a a nmero constante na quadr u cula correspondente ao n de chegada. o Na gura seguinte est representado o problema de caminho m a nimo associado ao jogo descrito.
1 7 5 2 9
2 8
3 6
4 8
6 3
7 1
8 8
10
11
12
(b) A partir da gura e utilizando o algoritmo de Dijkstra, obtm-se o e quadro seguinte: Ns o 6 7 12 12 13 12 13 12 13 12 13 12 13 12 13 12 13 12 13
iter 0 1 2 3 4 5 6 7 8 9 10
1 0 0 0 0 0 0 0 0 0 0 0
2 3 4 4 7 4 7 4 7 4 7 4 7 4 7 4 7 4 7 4 7
4 13 13 13 13 13 13 13 13
5 7 7 7 7 7 7 7 7 7 7
8 9 9 9 9 9 21 9 21 9 21 9
10 12 12 12 12 12 12
11 13 13 13 13
12 21

226
Problemas de Caminho M nimo A soluao m c nima para o jogo descrito no enunciado 21, e corresponde e a distncia m ` a nima entre o n 1 e o n 12. O percurso ptimo est o o o a representado a trao grosso na gura seguinte: c
1 7 5 2 9
2 8
3 6
4 8
6 3
7 1
8 8
10
11
12

9.5 Perseguio ao Ladro ca a
227
9.5
9.5.1
Perseguio ao Ladro ca a
Enunciado
A esquadra da PSP de Cedofeita (Porto) recebeu um pedido muito urgente para intervir numa tentativa de assalto numa ourivesaria localizada numa rua prxima. o O Comando Operacional deseja conhecer qual ser o melhor trajecto a toa mar, por forma a minimizar o tempo da viagem at ao objectivo pretendido. e Usando um mapa daquela zona da cidade, representado esquematicamente na gura, e conhecidos os tempos (mdios, em segundos) necessrios para e a percorrer cada um dos troos de rua representados, utilizaram ento o algoc a ritmo de Dijkstra para determinar esse caminho mais curto (e, entretanto os ladres...). o Coloque-se no lugar do Comando, e, partindo da rede apresentada, encontre esse caminho m nimo.

228
9.5.2
Resoluo ca
Simplicando o mapa da zona da cidade referida, este pode ser representando esquematicamente tal como na gura seguinte. Repare que os ns 5, 6 e 7 o do esquema inicial formam um beco sem sa da.
1 8 2 10 3 12 4 14
10
13 6
13
12
14
11 16 8 10 Ourivesaria 9 9 11 4 10
Simplicando ainda um pouco mais a rede da gura, obtm-se a seguinte e rede:
10 11 13 10 1 8 2 7 6 14 46 9 Ourivesaria 21 11 16 4 9
Utilizando o algoritmo de Dijkstra, obtm-se o quadro seguinte: e

9.5 Perseguio ao Ladro ca a Ns o 11 31 31 31 31 31
229
iter 0 1 2 3 4 5 6 7
1 0 0 0 0 0 0 0 0
2 8 8 8 8 8 8 8
9 47 46 46
10 42 42 42
13 10 10 10 10 10 10 10
14 15 15 15 15 15 15
Our 54 54 54 54 54 54
A distncia m a nima entre a esquadra e a ourivesaria ser ento igual a 54 a a e o caminho m nimo ser 1 2 Ourivesaria, ou seja, 1 2 3 4 a 8 Ourivesaria.

230

Cap tulo 10 Planeamento e Controlo de Projetos

A partir da descriao de um projeto, incluindo a lista de atividades e as c respetivas precedncias assim como a durao mdia e o desvio-padro e ca e a de cada atividade: desenhar a rede de atividades, na notao de atividades nos ns; ca o calcular, para cada atividade, as datas de in mais cedo e mais cio tarde, assim como as datas de m mais cedo e mais tarde; calcular, para cada atividade, as folgas livres e totais; determinar o caminho cr tico do projeto. No caso de duraoes probabil c sticas (PERT), calcular: a probabilidade do projeto ter uma duraao diferente da duraao c c mdia; e a duraao associada a uma probabilidade dada. c Face a necessidade de encurtar a durao de um projeto e conhecendo ` ca os custos por unidade de reduao de cada uma das actividades, avac liar e propor soluoes com o objetivo de minimizar o custo total dessa c reduao. c Conhecendo a necessidade de utilizaao de recursos mais caros/escassos: c

232
Planeamento e Controlo de Projetos determinar datas de in das atividades do projeto por forma a cio nivelar a utilizaao desses recursos no ultrapassando a durao c a ca do projeto.
Conhecendo a disponibilidade mxima de um recurso: a determinar datas de in cio das atividades do projeto por forma cumprir a restrio de disponibilidade mxima, minimizando o ca a aumento na durao do projeto. ca

233
Exerc cios
10.1 Banco TTM . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234 10.2 Projeto A a I . . . . . . . . . . . . . . . . . . . . . . . . . . . 237 10.3 Projeto A a J . . . . . . . . . . . . . . . . . . . . . . . . . . . 239 10.4 9 Atividades . . . . . . . . . . . . . . . . . . . . . . . . . . . 244 10.5 Limpeza ShopShopping . . . . . . . . . . . . . . . . . . . . . 247 10.6 UNIFIL no L bano . . . . . . . . . . . . . . . . . . . . . . . . 248 10.7 Estorninhos em Evoramonte . . . . . . . . . . . . . . . . . . 250

234
Planeamento e Controlo de Projetos
10.1
10.1.1
Banco TTM
Enunciado
O banco TTM (Tosto a Tosto se faz um Milho) decidiu transferir e ampliar a a a a sua sede e servios centrais para a cidade do Porto. Este projeto foi dividido c em tarefas, tendo as suas precedncias sido estabelecidas e os tempos de e execuo mdios, e seus desvios-padro, estimados: ca e a
Atividade Descrio ca Durao ca mdia e (semanas) 5 21 1 21 24 7 10 1 2 DesvioPadro a (semanas) 1 2 0 1 1 1 1 0 0 Atividades imediatamente posteriores OA, ME RTF II PAI, PAM M II IM IM M
LO OA ME RTF PAI II PAM IM M
Obteno de licenas de obras ca c Obras de alterao do edif ca cio Medio do espao ca c Recrutamento e treino dos funcionrios a Planeamento e aquisio de infra-estruturas ca Instalao de infra-estruturas ca Planeamento e aquisio de mobilirio ca a Instalao de mobilirio ca a Mudana c
(a) Desenhe a rede de atividades correspondente ao projeto. (b) Calcule as folgas totais e livres e determine o caminho cr tico. (c) Qual a probabilidade de o projeto se atrasar 2 semanas ou mais? e (d) Durante a execuo do projeto conclui-se que as atividades OA e PAM ca sofrero atrasos de 4 e 8 semanas, respectivamente. Ser necessrio a a a alterar a execuao dessas atividades para que a data prevista para a c concluso do projeto no seja comprometida? Justique. a a

10.1 Banco TTM
235
10.1.2
Resoluo ca
(a) A rede est representada na gura seguinte. a
OA 21 II 7
LO 5
ME 1
PAI 24
IM 1 PAM 10
RTF 21
M 2
(b) Na gura seguinte esto representadas as folgas totais e livres de cada a uma das atividades. O caminho cr tico corresponde `s atividades LO a M E P AI II IM M
5 4 9
OA 26 21 4 30 6 PAI 30 0 24 0 6 30 6 PAM 16 21 10 21 27 37
0 0 0
LO 5
5 0 5
30 II 0 7 30
37 0 37 37 IM 38 0 1 0 37 38 38 M 40 0 2 0 38 40
5 0 5
ME 6 1 0 6
5 RTF 26 12 21 12 38 17
(c) Durao total do projeto igual a soma das duraoes das atividades ca e ` c do caminho cr tico: DT = D1 + D2 + D3 + . . . + Dn = 40 Como as duraoes das atividades so variveis aleatrias, DT tambm c a a o e ser uma varivel aleatria com mdia T dada por: a a o e T = 1 + 2 + 3 + . . . + n = 40

236
Planeamento e Controlo de Projetos Admitindo que as duraoes das atividades so variveis aleatrias inc a a o 2 dependentes, a varincia da duraao total T ser: a c a
2 2 2 2 2 T = 1 + 2 + 3 + . . . + n = 12 + 02 + 12 + 12 + 02 = 3
Durao total do projeto pode ser descrita por uma distribuiao normal ca c 2 com mdia T e varincia T . e a A probabilidade de o projeto se atrasar 2 semanas ou mais, corresponde a probabilidade de a durao do projeto ser 42. ` ca P (D 42) = P Z
42T T
=P Z 0.1251 12.5%
4240 3
= P (Z 1.15)
(d) Dado que o atraso de 4 semanas na atividade OA, menor ou igual e que a folga total de OA, esse atraso no compromete a data de m do a projeto. Dado que o atraso de 8 semanas na atividade PAM, menor ou igual ee que a folga total de PAM, esse atraso no compromete a data de m a do projeto.

10.2 Projeto A a I
237
10.2
10.2.1
Projeto A a I
Enunciado
No quadro seguinte esto representadas as atividades que constituem um dea terminado projecto. Para cada uma fornecida a sua durao e as atividades e ca que lhe so imediatamente posteriores: a Atividade Durao ca mdia e (semanas) 2 4 7 3 3 3 4 5 9 Atividades imediatamente posteriores G E, I, B A, F G I, B H H
A B C D E F G H I
Desenhe a rede de atividades associada a este projecto e determine o caminho cr tico e as folgas totais e livres de todas as atividades do projecto.

238
10.2.2
Resoluo ca
Aa rede est representada na gura seguinte. a
B F 3 4 FIM 0 C 7 INICIO 0 D 3 E 3 4 G I 9 H 5
A 2
XX D
Na gura seguinte esto representadas as folgas totais e livres de cada uma a das actividades. O caminho cr tico corresponde `s atividades C I H e a tem uma duraao mdia de 21 semanas. c e
7,00 3,00 1,00 4,00 0,00 0,00 0,00 0,00 0,00 0,00 INICIO 0,00 0,00 0,00 0,00 0,00 1,00 3,00 D 3,00 1,00 4,00 3,00 5,00 10,00 2,00 A 5,00 7,00 12,00 EST FL LST D ID EFT FT LFT 0,00 7,00 C 7,00 0,00 7,00 7,00 0,00 9,00 3,00 E 10,00 2,00 2,00 12,00 12,00 16,00 G 2,00 3,00 F 6,00 1,00 7,00 7,00 0,00 7,00 9,00 I 16,00 0,00 16,00 16,00 0,00 16,00 5,00 H 21,00 0,00 21,00 10,00 17,00 4,00 B 11,00 10,00 21,00 21,00 0,00 21,00 0,00 FIM 21,00 0,00 21,00
10,00
4,00
14,00

10.3 Projeto A a J
239
10.3
10.3.1
Projeto A a J
Enunciado
Considere o seguinte projecto: Atividade Durao ca mdia e (semanas) 8 1 5 8 10 6 4 5 9 2 DesvioAtividades Padro a imediatamente (semanas) precedentes 3 D 0 H 1 2 3 C, D 2 H 1 B, I, J 1 A, E 2 D 0 A, E
A B C D E F G H I J
(a) Trace a rede de atividades para este projecto. (b) Dena o caminho cr tico (em termos de duraes mdias). co e (c) Dena as folgas mdias (total e livre) das atividades H, J e I. e (d) Determine a probabilidade de o projecto estar conclu antes da sedo mana 27 (admita que o projecto arranca no in da semana 0). Cricio tique a estimativa da probabilidade obtida. (e) Qual a probabilidade de o projecto estar conclu entre o in do cio da semana 27 e o m da semana 30? (f ) Que data de concluso do projecto dever ser proposta, para que haja a a apenas 5% de probabilidade de no a cumprir? a (g) No m da semana 13, o estado de execuo das diferentes atividades ca e o seguinte: atividades completas: C e D atividades em execuao: c E (valor esperado da duraao restante: 1 semana) c A (valor esperado da durao restante: 1 semana) ca

240
Planeamento e Controlo de Projetos I (valor esperado da duraao restante: 8 semana) c atividades no iniciadas: as restantes a Redena a rede. Indique sobre a rede os valores esperados das datas de in mais cedo e das datas de m mais tarde para as atividades no cio a terminadas, bem como o(s) caminho(s) cr tico(s), na nova situaao. c

10.3 Projeto A a J
241
10.3.2
Resoluo ca
I 9
D 8 INICIO 0 C 5
A 8
J 2 G 4 B FIM 0 F 6
E 10
H 5
XX D
(b) Na gura seguinte esto representadas as folgas totais e livres de cada a uma das actividades. O caminho cr tico corresponde `s atividades D a E H F e tem uma durao mdia de 29 semanas. ca e
8 7 16 0 0 0 0 0 INICIO 0 0 0 0 0 3 3 C 5 5 3 8 8 0 8 E 10 18 0 18 18 0 18 H 5 23 0 23 0 D 8 8 0 8 8 2 10 A 8 16 2 18 18 4 23 J 2 20 5 25 23 0 24
I 9
17 8 25
24 1 25 B 1 24 1 25 23 0 23
G 4
28 1 29 29 0 29 FIM 0 29 0 29
F 6
29 0 29
EST FL LST
XX D
EFT FT LFT
(c) Ver gura anterior. (d) A duraao total do projeto igual ` soma das duraoes das atividades c e a c do caminho cr tico: DT = D1 + D2 + D3 + . . . + Dn = 29

242
Planeamento e Controlo de Projetos Como as duraoes das atividades so variveis aleatrias, DT tambm c a a o e ser uma varivel aleatria com mdia T dada por: a a o e T = 1 + 2 + 3 + . . . + n = 8 + 10 + 5 + 6 = 29 Admitindo que as duraoes das atividades so variveis aleatrias inc a a o 2 dependentes, a varincia da duraao total T ser: a c a
2 2 2 2 2 T = 1 + 2 + 3 + . . . + n = 22 + 32 + 12 + 22 = 18
Durao total do projeto pode ser descrita por uma distribuiao normal ca c 2 com mdia T e varincia T . e a Neste caso teremos ento: a P (D 27) = P Z
27T T
= P (Z 2729 ) = P (Z 0.47) 4.24 0.5 0.1808 0.32
A probabilidade de o projeto estar conclu antes da semana 27 de do e aproximadamente 30%. Foi dito que a durao do caminho cr ca tico tinha uma distribuiao que c tendia para a distribuio normal. Isso signica que a sua distribuio ca ca no ser exactamente normal, tal como ns a consideramos. Estamos a a o pois perante uma poss fonte de erro para a estimativa da probabilivel dade encontrada. Outro pressuposto que pode falsear os resultados de e que a duraao do projeto a durao do caminho cr c e ca tico encontrado. Ora este o caminho cr e tico quando as atividades demoram exactamente a sua durao mdia. Se isso no acontecer pode o caminho ca e a cr tico ser alterado e a durao do projeto no corresponder ` duraao ca a a c do caminho cr tico mdio. e (e) A probabilidade de o projeto estar conclu entre o in da semana do cio 27 e o m da semana 30 corresponde a probabilidade de a duraao do ` c projeto estar entre 27 e 31. P (27 D 31) = P
2729 4.24
Z 3129 = P (0.47 Z 0.47) = 4.24 2 0.1808 0.36
(f ) Devem-se propor 36 semanas at ` concluso do projecto, para que e a a haja apenas 5% de probabilidade de no cumprimento. a

10.3 Projeto A a J P (D d) = 0.05 P Z

d29 4.24
243 = 0.05 semanas

d29 4.24
= 1.645 d = 36
(g) A situao intermdia referida no enunciado, est representada na ca e a gura seguinte:
0 0 0 0 0 0 INICIO 0 0 0 0 0 0 0 A 1 1 0 1 1 5 6 J 2 3 5 8 6 0 0 0 E 1 1 0 1 1 0 1 H 5 6 0 6 1 7
I 8
8 0 8
8 0 8 B 1 7 1 8 6 0 6
G 4
12 0 12 12 0 FIM 0 12 0 12
F 6
12 0 12
12
EST FL LST
XX D
EFT FT LFT
Os caminhos cr ticos correspondem as atividades E H F , A ` H F e I G e tm uma duraao mdia de 12 semanas e c e A semana 0 desta rede corresponde ` semana 14 da rede inicial, o que a signica que o projeto pode terminar no in da semana 26 (ou m cio da semana 25), estando 3 semanas adiantado face ` previso inicial. a a

244
10.4
10.4.1
9 Atividades
Enunciado
Um dado projeto envolve as 9 atividades que se caracterizam na tabela seguinte: Atividade Durao ca mdia e (semanas) 10 7 16 12 5 12 8 10 8 DesvioAtividades Padro a imediatamente (semanas) anteriores 2 1 3 1 A 1 B 2 B 2 E, D 2 F, E, D 2 G, H
A B C D E F G H I
(a) Dena os nmeros de ordem das atividades, desenhe a rede corresponu dente e determine o caminho cr tico. (b) Calcule as folgas mdias total e livre das atividades F, B e D. Qual o e interesse desses valores no controlo de um projecto? (c) Calcule a probabilidade de o projeto no estar completo ao m de 50 a semanas. Que conana tem no valor encontrado? c

10.4 9 Atividades
245
10.4.2
Resoluo ca
C 16 F INICIO 0 B 7 12 H 10 E 5 G A 8 10 D 12 XX D I 8 FIM 0
O caminho cr tico corresponde as atividades A D H I e tem ` uma duraao mdia de 40 semanas. c e
C 16
16
7 0 INICIO 0 0 0 3 0 0 B 7 10 7 10
F 12
19
24
40
40
FIM 0
40
22
22
H 10
32
32
I 8
40
40
40
E 5
12 22 32 32 40
17 0 A 10 0 10 10 10
22
22
G 8
30 EST XX D EFT
10
D 12
22 24 22 32
LST
LFT
(b) Na gura seguinte esto representadas as folgas totais e livres de cada a uma das atividades.

246

0 24 7 0 0 0 INICIO 0 0 0 0 0 0 3 B 7 7 3 10 0 7 10 17 0 0 0 A 10 10 2 0 10 10 0 10 D 12 22 24 0 22 32 8 2 EST FL LST XX D EFT FT LFT E 5 12 22 10 22 22 G 30 32 32 40 10 0 0 8 0 3 10 F 12 19 3 22 22 H 32 32 I 40 24 C 16 16 24 40 40 0 40 FIM 0 40 0 40
(c) A duraao total do projecto igual ` soma das duraoes das atividades c e a c do caminho cr tico: DT = D1 + D2 + D3 + . . . + Dn = 40 Como as duraoes das atividades so variveis aleatrias, DT tambm c a a o e ser uma varivel aleatria com mdia T dada por: a a o e T = 1 + 2 + 3 + . . . + n = 10 + 12 + 10 + 8 = 40 Admitindo que as duraoes das atividades so variveis aleatrias inc a a o 2 a dependentes, a varincia da duraao total T ser: a c
2 2 2 2 2 T = 1 + 2 + 3 + . . . + n = 22 + 12 + 22 + 22 = 13
Durao total do projecto pode ser descrita por uma distribuio norca ca 2 mal com mdia T e varincia T . e a Neste caso teremos ento: a P (D 51) = P Z 51T = P (Z 5140 ) = P (Z 3.05) T 3.61 1 0.5 0.4989 0.0011 A probabilidade de o projecto no estar conclu ao m de 50 semanas a do de aproximadamente 1%. e

10.5 Limpeza ShopShopping
247
10.5
10.5.1
1
Limpeza ShopShopping
Enunciado
Quando um centro comercial fecha ao pblico continua a fervilhar de vida u preciso limpar, esvaziar contentores, repor stocks nas lojas, no seu interior. E fazer manutenao, etc., para que no dia seguinte tudo brilhe como no dia da c inauguraao. c Estas tarefas tm que ser levadas a cabo de uma forma organizada e e respeitando algumas precedncias entre elas. A sua duraao no determie c a e n stica, mas a experincia acumulada de outros centros comerciais permite e estabelecer que a durao de cada atividade segue uma distribuio normal ca ca com mdia e desvio-padro conhecidos. e a Na tabela seguinte apresenta-se essa informaao: c
Atividades Recolha de res duos (RL) Lavagem de vidros e montras (LVM) Limpeza do cho (LC) a Desinfestao (D) ca Montagem de estruturas e andaimes (MEA) Manuteno elctrica (ME) ca e Reposio de stocks (RS) ca Decorao (DEC) ca Atividades imediatamente anteriores D,MEA LVM,DEC,RS MEA RL RL,ME,D,MEA (horas) 2 3 4 2 1 2 2 1 (horas) 0.5 1 0.5 0 0 1 1 1
(a) Indique o valor esperado para a durao do projecto constitu por ca do estas atividades, indicando as folgas total e livre para cada atividade. (b) Qual a probabilidade de este conjunto de atividades no se concluir e a nas 10 horas em que o centro comercial est encerrado? a
Exame de 1999.02.11 de IO da LEEC da FEUP

248
10.6
10.6.1
2
UNIFIL no L bano
Enunciado
No ambito das suas atividades de construoes verticais, a UnEng5 tem como c misso a reconstruao da escola primria de Naqoura, parcialmente destru a c a da nos confrontos com Israel em 2006. Este no um projeto complicado em termos de engenharia mas, dado a e o seu carcter urgente, tem lugar de destaque nas prioridades da unidade a portuguesa. A rede seguinte representa a relaao entre as vrias atividades identicac a das como essenciais para concretizar o projeto, bem como as suas duraoes c (valor mdio e desvio padro). e a
B A 3 1 C 4 1 D 5 2 F 3 1 G 4 2 I 2 1 3 1 E 5 1 H 2 1
ES FS LS
Act
EF TS LF
(a) Determine a durao e o caminho cr ca tico do projeto. (b) Indique todas as folgas (total e livre) de cada uma das atividades do projeto. (c) Um atraso de 2 dias no in da atividade F comprometer a durao cio a ca total do projeto? Justique. (d) Qual a probabilidade do projeto se prolongar por 3 ou mais dias?

10.6 UNIFIL no L bano
249
10.6.2
Resoluo ca
(a) A rede do projecto est desenhada na gura seguinte: a
3 0 0 0 A 3 1 3 0 3 3 0 3 3 0 4 1 4
B 3 1
6 1 7
7 0 7
E 5 1
12 0 12
12 2 14
H 2 1
14 2 16
C 4 1 D 5 2
7 0 7 8 1 9
8 1 9
F 3 1
11 1 12
12 0 12
G 4 2
16 0 16
16 0 16
I 2 1
18 0 18
Durao prevista: 18 dias ca Caminho cr tico: ACEGI (b) Folgas Totais e Livres indicadas na gura anterior. (c) Tendo em conta que para a atividade F: FT = FL = 1 dia, um atraso de 2 dias no in cio desta atividade implicaria um atraso de 1 dia na concluso do projecto, que demoraria 19 dias a ser conclu a do. (d) Durao mdia do projecto: ca e T = A + C + E + G + I = 18 Varincia da duraao do projecto: a c
2 2 2 2 2 2 T = A + C + E + G + I = 8
P rob(DT 21) = P rob(Z
21 18 ) = P rob(Z 1, 06) = 0, 1446 8
14, 46%

250
10.7
10.7.1
3
Estorninhos em Evoramonte
Enunciado
Para resolver os problemas de falha das linhas, devidos aos bandos de estorninhos, foi decidido construir uma linha area a 30 kV, EV 30-25-32-08-01, e com 6268 m, com origem no apoio no 13 da linha de MT a 15 kV (EV 15-3714-03-01-05) Herdade dos Cortes e trmino no apoio no 9 da linha de MT a 30 e kV (EV 30-03-35-11) Convento da Serra dOssa, freguesias de Evoramonte, Glria e Redondo, concelhos de Estremoz e Redondo. Com esta linha ser o a poss estabelecer redundncia na distribuiao de energia e minimizar os vel a c cortes provocados pelos estorninhos. A construo desta nova linha pressupe a execuao de 5 grandes ativica o c dades: (U) Estudo sobre os hbitos de nidicao dos estorninhos, a levar a cabo a ca pelas populaes de Azaruja, Vimeiro e Estremoz. co (Y) Levantamento topogrco do territrio a ser atravessado pela linha. a o (K) Ajuste directo da empreitada, por urgncia do interesse pblico. e u (Z) Construo da linha. ca (W) Construao de zonas de nidicao articiais, para afastar os estornic ca nhos na nova linha. A sequncia e durao destas atividades esto representadas na gura. e ca a (a) Indique, justicando com os necessrios clculos, os valores das letras a a a, b, c, d, e, f , g e h representadas com fundo cinzento na gura. (b) O levantamento topogrco (atividade Y) executado pela mesma a e equipa que executa o estudo sobre os hbitos de nidicao (atividade a ca U). Considerando que essa equipa tem 16 elementos e que a atividade Y ocupa 10 pessoas durante toda a sua durao (15 dias) e que a atica vidade U ocupa 8 pessoas toda a sua duraao (10 dias), qual seria a c durao m ca nima que se conseguiria para este projeto? Porqu? e (c) Considerando que os valores apresentados na gura para a duraao das c atividades so valores mdios, sendo as duraoes uma varivel aleatria a e c a o com distribuiao normal de varincia 1, qual seria a probabilidade de c a a duraao do projeto ser menor ou igual a 29 dias? Justique. c
3

10.7 Estorninhos em Evoramonte
251
(d) O que seria necessrio ter em considerao se se quisesse calcular a a ca probabilidade de o projeto ter uma duraao menor ou igual a 27 dias? c
0 0 0 0 0 0 X 0 0 0 0 0 a b ES FS LS X d EF TS LF U 10 10 2 c 10 2 12 K 3 13 2 d 10 g h W 17 27 3 30 Y 15 15 0 15 e f 15 Z 15 30 0 30 30 0 30 T 0 30 0 30

252
10.7.2
Resoluo ca
(a) e = ESZ = max(EFY ; EFK ) = max(15; 13) = 15 f = F LZ = LSZ ESZ = 15 15 = 0 d = LFK = EFK + F TK = 13 + 2 = ESZ = 15 c = LFU = EFU + F TU = 10 + 2 = 12 b = LSU = LFU dU = 12 10 = 2 a = F LU = min(ESK ; ESW ) dU = min(10; 10) 10 = 0 h = LSW = EST dW = 30 17 = 13 g = F LW = LSW ESW = 13 10 = 3
ES FS LS
X d
EF TS LF 0 0 0 Y 15 15 0 15 15 0 0 0 2 U 10 10 2 12 10 2 12 K 3 13 2 15 10 3 13 W 17 27 3 30 15 Z 15 30 0 30 30 0 30 T 0 30 0 30
0 0 0
X 0
0 0 0
(b) A atividade Y e a atividade U no podem ocorrer em simultneo. a a Representam-se na gura seguinte duas alternativas tendo isso em consideraao. Numa primeira alternativa a atividade Y decorre antes da c atividade U e a duraao total do projecto seria 43 dias. Alternativac mente, se a atividade U decorrer antes da atividade Y a duraao total c do projecto seria 40 dias. A durao m ca nima que se conseguiria para o projecto seriam 40 dias.


0 0 0 X 0 0 0 0 0 0 0 Y 15 10 15 0 15 15 0 15 U 10 8 25 0 25 25 0 25 K 3 28 0 28 25 1 26 10 0 0 0 0 X 0 0 0 0 0 0 0 U 10 8 10 0 10 10 12 22 K 3 13 12 25 10 13 23 W 17 27 13 40 10 Y 15 10 25 0 25 25 0 25 Z 15 40 0 40 W 17 28 0 28 42 1 43 Z 15 43 0 43
253
43 0 43
T 0
43 0 43
40 0 40
T 0
40 0 40
(c) Na gura seguinte est representada a rede de projecto e as atividades a que esto no caminho cr a tico tm fundo cinza claro. e
0 0 0 0 0 0 X 0 0 0 0 0 0 2 U
Y 15
15 0 15 15 0 10 2 12 10 2 12 K 3 13 2 15 10 3 13 W 17 27 3 30 15 Z 15 30 0 30 30 0 30 T 0 30 0 30
10
A duraao mdia do projecto ser igual a soma das duraoes mdias c e a ` c e das atividades que pertencem ao caminho cr tico: Y + Z = 15 + 15 = 30 A varincia da durao do projecto ser a soma das varincias das a ca a a duraes das atividades que pertencem ao caminho cr co tico:
2 2 Y + Z = 1 + 1 = 2

254
Planeamento e Controlo de Projetos P rob(DT <= 29) = P rob(DT < 1 0.76 24%
2930 ) 2
= P rob(DT < 0.707)
(d) Repetindo os clculos para o caminho cr a tico, mas agora para uma durao inferior a 27 semanas: ca P rob(DT <= 27) = P rob(DT < 1 0.9830 1.7%
2730 ) 2
= P rob(DT < 2.121)
No entanto, h ainda outro caminho que tem uma durao de 28 dias, a ca maior portanto que os 27 dias. Esse caminho est representado na a gura seguinte a trao grosso. c
0 0 0 0 0 0 X 0 0 0 0 0 0 2 U
Y 15
15 0 15 15 0 10 2 12 10 2 12 K 3 13 2 15 10 3 13 W 17 27 3 30 15 Z 15 30 0 30 30 0 30 T 0 30 0 30
10
A durao mdia desse caminho ser igual a soma das duraoes mdias ca e a ` c e das atividades que pertencem ao caminho: U + K + Z = 10 + 3 + 15 = 28 A varincia da duraao desse caminho ser a soma das varincias das a c a a duraes das atividades que pertencem ao caminho: co
2 2 2 U + K + Z = 1 + 1 + 1 = 3 2728 ) 3
P rob(DT <= 27) = P rob(DT < 1 0.7190 28, 1%
= P rob(DT < 0.577)
A probabilidade de o projecto ter uma durao inferior a 27 dias ser ca a pois a probabilidade de o primeiro caminho ter uma duraao inferior c a 27 dias e o segundo caminho ter uma duraao inferior a 27 dias. Se c os dois acontecimentos fossem estatisticamente independentes, a probabilidade da interseco seria o produto das duas probabilidades. Mas ca

255
estes acontecimentos so dependentes. Basta notar que tm a atividade a e Z em comum. Esta uma das limitaoes do mtodo PERT, que no incorpora inse c e a trumentos para lidar com estas situaes. Mesmo quando se calcula co a probabilidade de um projecto ter uma certa duraao com base na c distribuiao de probabilidades do caminho cr c tico, est-se a ignorar a a probabilidade de outros caminhos, que em valores mdios so mais cure a tos, se tornarem maiores que o caminho estudado, tornando-se eles o caminho cr tico.

256

Cap tulo 11 Teoria da Deciso a

Dado um problema de deciso: a Identicar o decisor, as aces alternativas, os estados da natureza e a co sequncia de decises. e o Reconhecer acoes alternativas que no sejam mutuamente exclusivas. c a Calcular a consequncia de cada par (acao alternativa, estado da nae c tureza). Reconhecer acoes (decises) dominadas. c o Representar um problema de deciso por meio de uma Arvore de Dea ciso. a Identicar a deciso a tomar: a caso o decisor tenha informao perfeita; ca pelo critrio de Laplace; e pelo critrio MaxiMin (ou MiniMax); e pelo critrio de Savage; e pelo critrio de Hurwicz; e pelo critrio do Mximo Valor Esperado; e a pelo critrio da m e nima Perda de Oportunidade Esperada Determinar o VEIP (aumento do Valor Esperado se a informao for ca perfeita).

258
Teoria da Deciso a
Exerc cios
11.1 Xpt0 Textil . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259 11.2 Nova pea automvel . . . . . . . . . . . . . . . . . . . . . . 262 c o 11.3 Aquisio de mquinas . . . . . . . . . . . . . . . . . . . . . 264 ca a 11.4 Explorao de Gs Natural ca a . . . . . . . . . . . . . . . . . . 267 11.5 Polido Guapo e a Lavandaria Asseada . . . . . . . . . . . . 270 11.6 LEST O, um novo produto . . . . . . . . . . . . . . . . . . . 273 11.7 A Histria de Chicofredo . . . . . . . . . . . . . . . . . . . . 275 o 11.8 To be or not to be . . . . . . . . . . . . . . . . . . . . . . . . 278 11.9 Vincennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279

11.1 Xpt0 Textil
259
11.1
11.1.1
Xpt0 Textil
Enunciado
A empresa XptO Lda. uma empresa txtil que est actualmente a preparar e e a a sua colecao de Inverno, a ser lanada no prximo ano. O Eng. Leopoldo, c c o gestor da empresa, est com dvidas relativas ao montante de investimento a a u ser destinado a esta colecao. Este pondera entre o que considera um grande c investimento, um investimento mediano e um pequeno investimento. Nos ultimos anos, o clima, que tanto inuencia o sucesso da coleco, tem-se re ca velado incerto, sendo que o Outono e o Inverno podem ser muito semelhantes, e as vezes o Inverno marcado por dias de muito sol e calor. E sabido que, ` e se o prximo Inverno apresentar muitos per o odos de sol e calor, a colecao c de Inverno ir ser um fracasso; se, por outro lado, o Inverno for rigoroso, a a coleco trar lucros avultados ` XptO; h tambm a possibilidade de o Inca a a a e verno apresentar condioes intermdias, correspondendo a um menor sucesso c e da colecao. c O gestor da empresa preparou a matriz de deciso que se segue, com o a lucro em milhares de euros: (Ke) Inverno rigoroso Inverno ameno Inverno quente Grande investimento 5.000 2.000 -2.000 Investimento mediano 4.600 1.000 -50 Pequeno investimento 800 200 0 (a) Dena o decisor, as acoes e os estados da natureza. c (b) Suponha que a instabilidade dos ultimos anos torna muito dif denir cil as probabilidades de ocorrncia dos estados da natureza. Determine e que tipo de investimento deve fazer a XptO com base nos seguintes critrios: e (i) MaxiMax (ii) MaxiMin (iii) Laplace (iv) Hurwicz (=0.8) (v) Savage (c) Considere agora que apesar da instabilidade se estimam as seguintes probabilidades de ocorrncia dos estados da natureza: e

260
Teoria da Deciso a p(Inverno rigoroso)=50%, p(Inverno ameno)=30%, p(Inverno quente)=20%. Determine que tipo de investimento deve fazer a empresa com base nos seguintes critrios: e (i) Maximizao do valor esperado ca (ii) Minimizaao da perda de oportunidade esperada c

11.1 Xpt0 Textil
261
11.1.2
Resoluo ca
(a) O agente de deciso o Eng. Leopoldo, gestor da empresa XptO; as a e acoes so: fazer um grande investimento, um investimento mediano e c a um pequeno investimento; os estados da natureza so: Inverno rigoroso, a Inverno ameno, Inverno quente. (b) (i) A deciso a tomar ser a de fazer um grande investimento. a a
(Ke) Grande inv. Inv. mediano Pequeno inv. Inverno rigoroso 5.000 4.600 800 Inverno ameno 2.000 1.000 200 Inverno quente -2.000 -50 0 MaxiMax 5.000 4.600 800
(ii) A deciso a tomar ser a de fazer um pequeno investimento. a a

(Ke) Grande inv. Inv. mediano Pequeno inv. Inverno rigoroso 5.000 4.600 800 Inverno ameno 2.000 1.000 200 Inverno quente -2.000 -50 0 MaxiMin -2.000 -50 0
(iii) A deciso a tomar ser a de fazer um investimento mediano. a a

(Ke) Grande inv. Inv. mediano Pequeno inv. Inverno rigoroso 5.000 4.600 800 Inverno ameno 2.000 1.000 200 Inverno quente -2.000 -50 0 Laplace 1.667 1.850 333
(iv) A deciso a tomar ser a de fazer um investimento mediano. a a

(Ke) Grande inv. Inv. mediano Pequeno inv. Inverno rigoroso 5.000 4.600 800 Inverno ameno 2.000 1.000 200 Inverno quente -2.000 -50 0 Hurwicz 3.600 3.670 640
(v) A deciso a tomar ser a de fazer um investimento mediano. a a Matriz dos pesares:
(Ke) Grande inv. Inv. mediano Pequeno inv.o Inverno rigoroso 0 400 4.200 Inverno ameno 0 1.000 1.800 Inverno quente 2.000 50 0 MinMax 2.000 1.000 4.200
(c)
(i) A deciso a tomar ser a de fazer um grande investimento. a a

(Ke) Grande inv. Inv. mediano Pequeno inv. Inverno rigoroso 5.000 4.600 800 Inverno ameno 2.000 1.000 200 Inverno quente -2.000 -50 0 MVE 2.700 2.590 460
(ii) A deciso a tomar ser a de fazer um grande investimento. a a

(Ke) Grande inv. Inv. mediano Pequeno inv.o Inverno rigoroso 0 400 4.200 Inverno ameno 0 1.000 1.800 Inverno quente 2.000 50 0 minPOE 400 510 2.640

262
Teoria da Deciso a
11.2
11.2.1
Nova pea automvel c o

Enunciado
Uma empresa da indstria automvel pretende apostar no desenvolvimento u o de uma nova pea. c Para o desenvolvimento da nova pea a empresa tem como alternativas c a investigaao e desenvolvimento (I&D) por conta prpria. A direco da c o ca empresa admite tambm a possibilidade de formar um consrcio com uma e o rma de consultoria em engenharia. A tabela 1 apresenta os lucros esperados, em valor actual, para os prxio mos 5 anos, dependendo do sucesso alcanado e da alternativa escolhida: c
Lucros (Me) D (desenvolvimento prprio) o C (consrcio com outra empresa) o Grande sucesso (p1 ) 300 200 Sucesso moderado (p2 ) 40 30 Sem sucesso (p3 ) -60 -20
Tabela 1: Lucros esperados (em valor actual) para os prximos 5 anos o
Com base em estudos de viabilidade e aps diversas consultas a empresas o de marketing e de desenvolvimento, estimaram-se as probabilidades de p1 = 0.2, p2 = 0.4 e p3 = 0.4, para as ocorrncias de cada um dos estados da e natureza. (a) Qual a deciso a que corresponde ao Mximo Valor Esperado? a a Apresente uma arvore de deciso. a (b) Qual a deciso a tomar caso se utilize o critrio Maximin (pessimista)? a e (c) Determine o ganho esperado com informao perfeita, e explique o seu ca signicado.

11.2 Nova pea automvel c o
263
11.2.2
Resoluo ca
(a) Como se pode ver na gura seguinte, a deciso que corresponde ao a mximo valor esperado (MVE) a deciso D (fazer o desenvolvimento a e a prprio). Nesse caso o valor do MVE = 52Me. o
(b) GS SM D 300 40 C 200 30 SS M in 60 60 20 20 M aximin 20
Utilizando o critrio Maximin, deve-se tomar a deciso C. e a (c) O ganho esperado com informao perfeita ser: ca a 0.2max (300, 200)+0.4max (40, 30)+0.4max (60, 20)M V E = 68 52 = 16Me.

264
Teoria da Deciso a
11.3
11.3.1
Aquisio de mquinas ca a
Enunciado
A empresa Gulas & Gulas que opera na area alimentar, considera a possibi lidade de adquirir mquinas para rotulagem das suas garrafas, tal como se a representa na gura.
A empresa dever decidir se adquire uma ou duas mquinas de rotulagem, a a contudo, o custo por mquina ser menor se as 2 forem compradas ao mesmo a a tempo. Se for adquirida s uma mquina e a procura do artigo for elevada, a 2a o a mquina ainda poder ser comprada mais tarde. a a As probabilidades estimadas para a procura do produto so: a procura baixa 0.30; procura alta 0.70 O valor actual associado aos resultados de compra das 2 mquinas no a in de 750Me, se a procura for baixa, e de 1300Me se for alta a procura cio e do produto. O valor actual associado aos resultados de compra de uma mquina sob a procura baixa de 900Me. Se a procura for alta h 3 hipteses: e a o

11.3 Aquisio de mquinas ca a nada fazer resulta no valor de 900Me; subcontratar dar 1 100Me; a comprar a 2a mquina permitir obter 1 000Me. a a (a) Construa a rvore de deciso para o problema descrito. a a
265
(b) Determine, pelo critrio do Mximo Valor Esperado, quantas mquinas e a a devero ser adquiridas no in a cio.

266
Teoria da Deciso a
11.3.2
Resoluo ca
(a) A arvore de deciso para o problema est representada na gura se a a guinte:
(b) Como se pode ver na representao da arvore de deciso, a deciso que ca a a d origem ao Mximo Valor Esperado (MVE) corresponde ` compra a a a inicial de duas mquinas. a Nesse caso MVE = 1 135Me.

11.4 Explorao de Gs Natural ca a
267
11.4
11.4.1
Explorao de Gs Natural ca a
Enunciado
Uma grande empresa multinacional ligada ao sector energtico pretende pae gar ` empresa Latifndios e Companhia 60 000e pelos direitos de exploraao a u c do gs natural numa sua propriedade. A oferta da multinacional inclui a a opao para desenvolvimento futuro. Se essa opo se concretizar, caso o gs c ca a natural seja descoberto durante a fase de exploraao, a empresa Latifndios c u e Companhia receber 600 000e adicionais. a A empresa Latifndios e Companhia considera que o interesse da multiu nacional uma boa indicao de que o gs existe e pretende avaliar a possie ca a bilidade de avanar ela prpria com a exploraao. Para isso dever contratar c o c a uma equipa de especialistas em explorao e desenvolvimento de gs natural. ca a O custo inicial da exploraao de 100 000e, que sero perdidos se nenhum c e a gs for encontrado. Se for descoberto gs na fase inicial, o lucro estimado a a ser de 2 000 000e. a As alternativas de deciso da Latifndios e Companhia sero ento: a u a a D1 aceitar a oferta da multinacional; D2 avanar com a exploraao. c c Os estados da natureza sero: a S1 no existe gs natural na propriedade; a a S2 existe gs natural na propriedade. a A empresa Latifndios e Companhia estima que h 60% de probabilidade u a de ser encontrado gs natural na propriedade. a Os ganhos esperados para cada par (alternativa, estado da natureza) so a apresentados na tabela 2
D1 D2 S1 60 -100 S2 660 2000
Tabela 2: Ganhos esperados (em Me)
Determine as decises recomendadas pelos seguintes critrios: o e (a) Maximin (pessimista)

268 (b) Laplace (c) Mximo Valor Esperado a
Teoria da Deciso a

11.4 Explorao de Gs Natural ca a
269
11.4.2
(a)
Resoluo ca
S1 60 100 S2 M in 660 60 2000 100 M aximin 60
D1 D2
Utilizando o critrio Maximin, deve-se tomar a deciso D1 . e a (b) D1 D2 S1 60 100 S2 660 360 2000 950 Laplace 950
Utilizando o critrio de Laplace, deve-se tomar a deciso D2 . e a (c)

.
51 (n30 existe gas na propriedadef 0.4 60
420
D,
aceilar ofen a da
___ multi nacional
(existe gas na propricdade) 0.6 ---_
660
1160
D2 Explorar
-100
por conta propria

~,
S [ (mio cx istc gas na propricdade)
11 60
0.4 2 (exisle gas na propricdade)

0.6 - -_ _
2000
Utilizando o critrio do Mximo Valor Esperado, deve-se tomar a decie a so D2 (MVE = 1 160). a

270
Teoria da Deciso a
11.5
11.5.1
Polido Guapo e a Lavandaria Asseada

Enunciado
Polido Guapo dirige a empresa ASSEADA. Nos ultimos tempos o negcio desenvolveu-se e actualmente foi j atingido o a o valor mximo de capacidade nas duas actuais lavandarias e no h qualquer a a a hiptese de crescimento. Polido Guapo no quer no entanto abrir uma nova o a lavandaria pois est convicto que o sucesso da sua empresa se deve a boa a ` localizao na cidade. Para Polido Guapo isso ponto assente, a localizaao ca e c das lavandarias o maior valor da sua empresa. e Polido Guapo reconhece, no entanto, que a operacionalidade da sua empresa regista diculdades motivadas pela ocupaao exagerada do espao e, c c naturalmente, deseja melhorar o processo de movimentaao das peas duc c rante as vrias fases do processo (separaao, limpeza, passagem a ferro, . . . ). a c Uma hiptese que lhe permitiria libertar um pouco o espao passaria pela o c instalao de um sistema de transporte areo (transportador) que permitisse ca e libertar parte do cho da fbrica, actualmente ocupado por caixotes mveis, a a o que juntam as peas e as movimentam entre fases do processo. c Uma empresa de equipamentos de uma outra cidade props deslocar uma o equipa e instalar o transportador adequado, mas Polido Guapo ainda no a se decidiu. A proposta da empresa inclui a instalao de um transportador ca numa das instalaoes, em substituiao dos caixotes mveis, por 25 000e. Se c c o equipar ambas as instalaoes enquanto as equipas se mantm na cidade, o c e custo total ser de apenas de 45 000e. Se no se decidir pela montagem a a dos transportadores, ento dever gastar 1 000e para substituir os caixotes a a mveis por outros mais modernos. o E claro que Guapo pensa que um transportador poupar tempo aos seus a empregados e que melhorar a ecincia do servio, estimando ganhos no a e c valor de 16 000e por instalao. Para alm disso o ganho econmico potenca e o cial estar no consequente crescimento do seu servio devido ao aumento do a c espao dispon c vel. A tabela 3 apresenta as estimativas da Asseada para o valor actual do lucro (por simplicao foram apenas considerados trs valores para o aumento ca e do negcio): o E evidente que Guapo poder encomendar a instalao de um transportaa ca dor por agora e, mais tarde, instalar outro (ao preo de 25 000e) se considerar c que a evoluo do negcio favorvel (ver tabela 3). ca o e a (a) Analise, atravs duma arvore de deciso, a situaao da empresa Assee a c ada.

11.5 Polido Guapo e a Lavandaria Asseada

Aumento do negcio o (%) 0 3 6 Valor actual do lucro (por instalao) ca 16000e 30000e 50000e Probabilidade de ocorrncia e 0.30 0.50 0.20
271
Tabela 3: Aumento do negcio (lucro e probabilidade de ocorrncia o e
(b) Na perspectiva Mximo Valor Esperado qual dever ser a deciso de a a a Guapo? (c) Qual o VEIP? Explique qual o seu signicado para a ASSEADA. e

272
Teoria da Deciso a
11.5.2
Resoluo ca
(a) (b) Utilizando o critrio do Mximo Valor Esperado, devem-se comprar 2 e a transportadores, MVE = 14.6 Ke. (c) P robabilidade 0.3 0.5 0.2 Aumento do negcio 0% 3% 6% o 2transportadores 13 15 55 1transportador 9 10 50 0transportadores 1 1 1 Valor Esperado com Informaao Perfeita, V EIP = [0.3 (1) + 0.5 15 + 0.2 55] c 14.6 = 18.2 14.6 = 3.6 Ke.

11.6 LEST O, um novo produto
273
11.6
11.6.1
LEST O, um novo produto

Enunciado
A comercializaao do LEST O, um novo produto (que at j tem nome) da c e a empresa Expedita comea a ganhar forma. Todavia, como frequente em c e situaoes de lanamento de novas marcas, h um considervel risco associado c c a a ser que o produto se aguentar bem? a a Numa postura prudente, a Expedita acha conveniente introduzir o LEST O apenas a n regional, para teste de mercado, antes dum lanamento nacivel c onal. Portanto, a primeira deciso a tomar respeita a conduao (ou no) do a ` c a teste de mercado. A empresa estima o custo de 50 000e para o estudo de mercado. Se for esta a opao, dever aguardar os resultados desse teste. Ento decidir, neles c a a a apoiada, se apostar na comercializaao do LEST O por todo o pa Por a c s. outro lado, se a opao inicial for no proceder aos testes, ento a deciso c a a a nal comercializar ou no o produto a n nacional, poder desde j ser a vel a a tomada. A Expedita avalia o sucesso do produto, no mercado nacional, em 1.2Me, devendo um insucesso derivar num custo para a empresa de 500 000e. As probabilidades a associar aos vrios acontecimentos reectem o conhea cimento cient co existente e a experincia da empresa com produtos similae res. Assim a Expedita avalia como sendo de 50% a probabilidade de sucesso (ou de insucesso) do LEST O a n nacional, sem qualquer informao provel ca veniente de testes de mercado. Contudo, se um teste for realizado e apontar para sucesso ento a empresa acredita que a probabilidade de sucesso a n a vel nacional do produto ser de 70%, enquanto que, no caso contrrio (o teste a a aponta para fracasso), a probabilidade de sucesso no mercado nacional ser a apenas de 20%. Finalmente, supe-se que a probabilidade do teste apontar o para um sucesso de 60%. e (a) Qual a estratgia conveniente a adoptar (critrio Mximo Valor Espee e a rado)? (b) A funao do teste de mercado a obteno de informaao mais apurada c e ca c alusiva ao mercado nacional, sob a forma de probabilidades. Com base nos dados dispon veis, qual o mximo que a Expedita dever pagar por a a esse teste de mercado? (c) Um acrscimo no valor atribu ao sucesso do LEST O (1.2Me) ter e do a alguma consequncia para a resposta em (a)? e

274
Teoria da Deciso a
11.6.2
Resoluo ca
(a) MVE = 364 Ke
(b) O valor mximo a pagar seriam 64 Ke(valor de x na equaao abaixo). a c [(1200 x) 0.7 + (500 x) 0.3] 0.6 0.4 x 350 (c) A partir de 1375 Ke, comercializar desde j, sem teste (ver equaao a c abaixo). [(x 50) 0.7 550 0.3] 0.6 0.4 50 x 0.5 500 0.5 (0.42 0.5)x 21 + 99 + 20 250 x 1375

11.7 A Histria de Chicofredo o
275
11.7
11.7.1
1
A Histria de Chicofredo o
Enunciado
Chicofredo tomou um calmante para o ajudar a suportar a ansiedade face a deciso que teria que tomar dentro de dias e que afectaria toda a sua vida ` a futura. Dois anos antes Chicofredo tinha abandonado uma posiao invejada por c muitos na Agncia Espacial Africana, depois de cinco anos de uma carreira e fulgurante. O motivo para a sua sa tinha sido a total falta de apoio da da administraao da Agncia Espacial Africana ao seu projecto de desenvolvic e mento de um novo material que poderia revolucionar a indstria aeroespacial u e a indstria automvel. Dadas as suas caracter u o sticas Chicofredo tinha baptizado o produto de DuroLeve, pois a sua intuiao dizia-lhe que seria um c material mais leve e simultaneamente mais resistente do que todos os materiais aplicveis nessas indstrias. Para alm disso, se houvesse um investimento a u e claro na concepao do processo de produao DuroLeve poderia mesmo ser rec c baptizado de BaratoDuroLeve (Chicofredo sentia-se muito orgulhoso da sua capacidade inata para conceber nomes de produtos). Um ano antes de abandonar a Agncia Espacial Africana, Chicofredo tie nha falado com SuperChefe, na altura o Administrador Executivo da Agncia e Espacial Africana e tinha-lhe apresentado a sua ideia para o novo produto. O apoio de SuperChefe foi nulo, porque a Administraao no queria aposc a tar em novos produtos que envolvessem riscos nanceiros. O risco na altura era bastante elevado porque se tratava de um embrio de uma ideia ainda a totalmente por testar, envolvendo tanto o desenvolvimento do produto como a concepo de um novo processo produtivo. E claro que se tudo corresse ca bem o novo produto podia alterar totalmente a posio da Agncia Espacial ca e Africana no seio das Agncias Espaciais Mundiais, mas a Agncia Espacial e e Africana no tinha fundos para nanciar a investigaao necessria. a c a Chicofredo no podia desistir do produto e durante todo um ano passou a os seus tempos livres tanto a noite como ao m-de-semana a desenvolver ` a sua ideia. A sua intuiao estava correcta e algum tempo depois j tinha c a desenvolvido um prottipo para o processo de produo de BaratoDuroLeve e o ca tinha conseguido mesmo produzir pequenos lotes do produto. Comeou ento c a a reunir algum capital. Investiu 100 000e e conseguiu pedir um emprstimo e para 200 000e adicionais. O passo seguinte foi abandonar a Agncia Espacial e Africana para poder dedicar todo o seu tempo ao BaratoDuroLeve.
Caso baseado num caso apresentado em Clemen, Robert T., Making Hard Decisions, An Introduction to Decision Analysis, Duxbury Press, 1996
1

276
Teoria da Deciso a
Entretanto j se tinham passado dois anos, ou melhor, exactamente 20 a meses. Durante esse per odo tinha feito grandes progressos. Melhorou o produto e j tinha vrios clientes que esperavam impacientemente que ele zesse a a a sua primeira produao. Ainda havia algumas arestas a limar no processo c produtivo, mas Chicofredo tinha 60% de certeza que esses problemas podiam ser facilmente resolvidos. Ele estava ansioso por obter os primeiros lucros, at e porque o seu capital estava a car muito reduzido. Nos momentos de maior ansiedade tentava acalmar os seus medos relembrando a sua estimativa do potencial do projecto. A melhor estimativa apontava para vendas no valor de 40 000 000e nos prximos 10 anos, resultando num valor aps custos de o o 10 000 000e. H duas semanas atrs tinha sido surpreendido por um telefonema de a a SubChefe, seu colega de trabalho na Agncia Espacial Africana, que o cone vidou para almoar. Chicofredo, embora apreensivo, no pde declinar o c a o convite. Sentia muita pena por ter sido obrigado a abandonar a Agncia e Espacial Africana e tinha muita curiosidade em saber como estavam os seus colegas de trabalho. Depois de contar as ultimas anedotas, SubChefe abordou directamente a questo. a Chicofredo, na Agncia Espacial Africana todos estamos impressionados e com a tua capacidade para desenvolver sozinho o BaratoDuroLeve. Ns agora o sabemos que cometemos um erro ao te negar o nanciamento para o desenvolvimento interno do produto, mas no te queremos abandonar uma segunda a vez e estamos dispostos a ajudar-te agora e podemos mesmo recompensar-te por todo o trabalho e investimento que zeste. Se concederes a Agncia Es` e pacial Africana direitos especiais sobre o produto, podes voltar a pertencer aos nossos quadros. Estamos dispostos a dar-te um vencimento anual de 40 000 e e damos-te 2,5% de royalties sobre a vendas. O que achas desta proposta? Chicofredo no sabia de devia rir ou se se devia zangar. SubChefe, s a o me apetece atirar-te este copo de gua a cara. Arrisquei o dinheiro que a ` tinha e o que no tinha para conseguir desenvolver o produto e agora quero a rentabilizar todos os meus investimentos. Nesta fase do processo nem me passa pela cabea vender o meu produto a Agncia Espacial Africana! c ` e A refeiao continuou com SubChefe a apresentar propostas tendencialc mente melhores que foram todas consistentemente recusadas por Chicofredo. Quando regressou sozinho a casa, Chicofredo sentia-se muito confuso. Voltou a pensar nos tempos em que trabalhava na Agncia Espacial Africana e e concluiu que no se importaria de regressar. Aumentaria dessa forma a sua a segurana at a reforma, mas perderia a oportunidade de ter os lucros que c e` tinha previsto com o BaratoDuroLeve. De qualquer forma, ainda havia uma probabilidade, ainda que remota, de que todo o projecto falhasse.

11.7 A Histria de Chicofredo o
277
No m da semana, SubChefe telefonou-lhe de novo com duas propostas alternativas da Agncia Espacial Africana. Podia ser contratado por 50 e 000e anuais com um adicional de 6% de royalties sobre as vendas. Como alternativa podia receber um total de 500 000e e ainda a opao de compra, c durante 3 anos, de at 70 000 aces da Agncia Espacial Africana a 40e cada. e co e Qualquer que fosse a alternativa aceite por Chicofredo, a Agncia Espacial e Africana pagaria todas as d vidas de Chicofredo e assumiria desde logo o controlo do projecto. Depois de completar o desenvolvimento do processo produtivo, a Agncia Espacial Africana passaria a ter direitos exclusivos soe bre o produto. Nessa altura Chicofredo apercebeu-se de que SubChefe estava muito empenhado nesse jogo. Se Chicofredo recusasse as duas propostas, a Agncia Espacial Africana podia pr o assunto em tribunal baseando-se no e o facto de que Chicofredo tinha usado indevidamente recursos da Agncia Ese pacial Africana no desenvolvimento do produto. A disposiao de Chicofredo piorou depois de falar com o seu advogado c que lhe disse que teria 60% de probabilidades de perder o caso. Se ganhasse ento a Agncia Espacial Africana teria que pagar as custas dele de tribunal, a e em contrapartida se perdesse, teria que pagar custas da ordem de 20 000e. Por outro lado, Chicofredo contactou com o seu contabilista para estimarem em conjunto o valor das acoes. Se tudo corresse bem no desenvolvic mento nal do produto, BaratoDuroLeve podia estar no mercado dentro de 18 meses. Se a Agncia Espacial Africana casse com o projecto e se o desene volvimento corresse bem, as acoes da Agncia Espacial Africana subiriam c e para 52e cada. Se por outro o projecto falhasse, ento as acoes sofreriam a c uma pequena reduo para 39e. ca Chicofredo pensava em todas as alternativas que tinha pela frente. Por um lado podia voltar a usufruir do esp rito de equipa que sempre viveu na Agncia e Espacial Africana. Estes ultimos meses tambm evidenciaram que ele no era e a propriamente um empreendedor, a sua sade tinha-se ressentido pelos riscos u que ele vinha a enfrentar. O seu mdico tinha-lhe mesmo sugerido que levasse e uma vida mais relaxada, sob pena de os seus problemas card acos se virem a bvio que Chicofredo valorizava muito a sua sade, mas tinha complicar. E o u que acreditar que seria capaz de suportar a tenso associada a entrada no a ` mercado de BaratoDuroLeve. Depois disso poderia sempre descansar. Pegou ento num lpis para decidir o que responder a SubChefe. a a Faa uma anlise completa das decises que Chicofredo tem que tomar. c a o Desenhe uma rvore de deciso e calcule o valor de todas as soluoes ala a c ternativas. O que acha que Chicofredo deve fazer? Porqu? Diga em que e pressupostos se tem que basear para recomendar essa soluao a Chicofredo. c

278
Teoria da Deciso a
11.8
11.8.1
2
To be or not to be
Enunciado
To be, or not to be: that is the question: Whether tis nobler in the mind to suffer The slings and arrows of outrageous fortune, Or to take arms against a sea of troubles, And by opposing end them? To die: to sleep; No more; and by a sleep to say we end The heart-ache and the thousand natural shocks That flesh is heir to, tis a consummation Devoutly to be wishd. To die, to sleep; To sleep: perchance to dream: ay, theres the rub; For in that sleep of death what dreams may come When we have shuffled off this mortal coil, Must give us pause: theres the respect That makes calamity of so long life; For who would bear the whips and scorns of time, The oppressors wrong, the proud mans contumely, The pangs of despised love, the laws delay, The insolence of office and the spurns That patient merit of the unworthy takes, When he himself might his quietus make With a bare bodkin? who would fardels bear, To grunt and sweat under a weary life, But that the dread of something after death, The undiscoverd country from whose bourn No traveller returns, puzzles the will And makes us rather bear those ills we have Than fly to others that we know not of? William Shakespeare To be, or not to be (Hamlet act 3, scene 1)
Ser ou n~o ser... Eis a quest~o. a a Que mais nobre para a alma e Suportar os dardos e arremessos do fado sempre adverso, Ou armar-se contra um mar de desventuras E dar-lhes fim tentando resistir-lhes? Morrer--dormir-Mais nada; imaginar que um sono p~e remate o Aos sofrimentos do cora~o e aos golpes infinitos ca Que s~o a natural herana da carne. Essa a solu~o a c e ca Para se almejar. Morrer--dormir. Dormir--talvez sonhar: esse o dilema! E O n~o sabermos que sonhos poder trazer o sono da morte a a Quando alfim desenrolarmos toda a meada mortal, isso Nos p~e suspensos. E o Que torna verdadeira calamidade a vida assim t~o longa. a Pois quem suportaria o escrnio e os golpes do mundo, a As injustias dos opressores, a insol^ncia dos orgulhosos, c e A agonia do amor n~o retribudo, a demora da justia, a c A soberba dos chefes e o desprezo Da inpcia contra o mrito perseverante, e e Se estivesse em suas m~os obter sossego a Com um punhal? Que fardos suportaria, Gemendo e suando nesta penosa vida, Se n~o por temer algo aps a morte-a o A terra desconhecida de cujos limites Nenhum viajante regressou-- um enigma para a vontade, e Fazendo-nos aceitar os males que j temos, a Do que correr para outros que desconhecemos? William Shakespeare Ser ou n~o ser (Hamlet acto 3 cena 1) a
Descreva as decises de Hamlet. Que opoes tem ele? Que riscos prev? o c e Construa uma rvore de deciso para Hamlet. a a
Exerc retirado de Clemen, Robert T., Making Hard Decisions, An Introduction to cio Decision Analysis, Duxbury Press, 1996

11.9 Vincennes
279
11.9
11.9.1
Vincennes
Enunciado
http://en.wikipedia.org/wiki/USS_Vincennes_(CG-49)
3
Em Julho de 1988, Vincennes, um navio dos Estados Unidos participava nos combates no Golfo Prsico. Subitamente surgiu um ponto no cran do e e radar, que correspondia a aproximao de um avio. Depois de tentar vrias ` ca a a vezes, sem sucesso, que o avio se identicasse, tudo fazia crer que o avio era a a um F-14 iraniano que iria atacar o Vincennes. O capito Will Rogers teve a muito pouco tempo para tomar decises. Devia ordenar que fosse lanado o c um m ssil e assim destruir o avio? Devia esperar mais um pouco por uma a resposta? Se esperasse demasiado tempo e o avio fosse realmente hostil, a ento poderia ser imposs evitar o ataque, implicando riscos graves tanto a vel para o navio como para a tripulaao. c O capito Rogers ordenou que o m a ssil fosse lanado e o avio foi desc a tru do. Soube-se depois que se tratava de um avio comercial iraniano, com a 290 pessoas a bordo. No houve sobreviventes. a Quais so os os objetivos fundamentais do capito Rogers? Quais so os a a a riscos que ele corre? Desenhe uma rvore de deciso que represente a sequncia de decises a a e o que tiveram de ser tomadas pelo capito Rogers. a
In 1988 the USS Vincennes was dispatched to the Persian Gulf to help Iraq, under Saddam Hussein, in its war against Iran. The warship was equipped with AEGIS, the most Exerc retirado de Clemen, Robert T., Making Hard Decisions, An Introduction to cio Decision Analysis, Duxbury Press, 1996
3

280
Teoria da Deciso a
sophisticated weapon control system yet developed. It uses 16 mainframe computers and 12 minicomputers to control up to 122 ship-to-air missiles and two six-ton, six-barrelled automatic machine guns capable of ring 3,000 rounds per minute. On July 3rd the Vincennes shot down Iranian Airbus Flight 655, killing all 290 on board (more than died in the Lockerbie bombing). While widely reported in the Third World, the incident received little coverage in the Western media. The crew of the Vincennes had undergone nine months of simulated scenarios prior to leaving for the Gulf, all of which were predicated on hostile encounters. During the crucial minutes in which the airbus was agged as a hostile F14, the crew ignored indicators that cast doubt onto the AEGIS interpretation of events. Because the AEGIS automatically analyses incoming data, there was no way to directly evaluate the radar blips. The commander of the nearby USS Sides wondered aloud in disbeliefas the Vincennes prepared to re but did not intervene with the vessel equipped with AEGIS. On return to the US, Captain. William Rogers - commander of the Vincennes - received the Legion of Merit award for exceptionally meritorious conduct in the performance of outstanding service in the Gulf.

Cap tulo 12 Multicritrio e

Dado um problema de deciso multicritrio, identicar as alternativas a e e os critrios de deciso. e a Saber passar as escalas de avaliaao usadas para os diferentes critrios c e para escalas numricas, conhecendo as consequncias de cada uma das e e decises tomadas nesse processo. o Saber usar o mtodo AHP para determinar pesos relativos dos atributos e e obter uma ordenaao das alternativas. c

282
Multicritrio e
Exerc cios
12.1 Horta da Formiga . . . . . . . . . . . . . . . . . . . . . . . . 283 12.2 VetProducts . . . . . . . . . . . . . . . . . . . . . . . . . . . 285 12.3 S Phtuere . . . . . . . . . . . . . . . . . . . . . . . . . . . . 288 o 12.4 Abre Latas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289 12.5 Designs Alternativos . . . . . . . . . . . . . . . . . . . . . . 290 12.6 Processamento de Dados . . . . . . . . . . . . . . . . . . . . 291 12.7 Localizao de Laboratrio de Investigao . . . . . . . . . 292 ca o ca 12.8 Sorinfacc & Amigos . . . . . . . . . . . . . . . . . . . . . . . 293 12.9 KKs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295 12.10PATinho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296 12.11Seleco de Estgios . . . . . . . . . . . . . . . . . . . . . . . 297 ca a 12.12Z Playboy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298 e

12.1 Horta da Formiga
283
12.1
12.1.1
1
Horta da Formiga
Enunciado
Denidos j os tipos de legumes a semear nas hortas-tipo das escolas, foi nea cessrio tomar decises quanto ao canteiro das ores que tinha sido previsto. a o Foram postas ` consideraao do grupo de trabalho responsvel pela concepa c a
ao da horta-tipo trs misturas de ores, M1 c e
, M2
e M3
, que foram avaliadas segundo os critrios Preo das sementes, e c Harmonia de cores e Harmonia de aromas. Quanto ao critrio Harmonia de aromas, a comisso recebeu um quadro e a com a comparaao dos trs tipos de misturas. O nmero 3 na linha M1, c e u coluna M2 signica que, avaliada segundo o critrio Harmonia de aromas, e a mistura M1 moderadamente melhor que a mistura M2. e M1 M2 M1 1 3 M2 1/3 1 M3 1/5 1 M3 5 1 1
Na tabela seguinte esto representadas as avaliaoes de cada uma das a c misturas segundo os outros dois critrios: e Preo das sementes c Harmonia de cores
M1
50e
Mdia e
M2
70e
Grande
M3
1
100e
Grande

284
Multicritrio e
(a) Usando o AHP obtenha, a partir do quadro apresentado, uma avaliaao c relativa das trs misturas para o critrio Harmonia de aromas. e e (b) Dena uma escala unica para representar cada um dos trs critrios e e e adapte as avaliaes de cada um dos critrios a essa escala. Justique co e detalhadamente todas as suas decises. o (c) H alguma forma de a mistura M3 ser a escolhida? Rera-se ` escolha a a e normalizaao das escalas, e a todos os outros factores que considere c relevantes.
12.1.2
Resoluo ca
Folha de Clculo com Resoluo a ca

12.2 VetProducts
285
12.2
12.2.1
2
VetProducts
Enunciado
A administraao da empresa VetProducts, responsvel pela produao e c a c distribuiao de diversos produtos/medicamentos nos parques naturais, inc cumbiu um grupo de trabalho de realizar uma anlise das vrias unidades a a da empresa. O grupo vericou ento que a unidade log a stica concentrava o maior nmero de problemas da empresa. u A VetProducts tem cinco rotas de distribuio dos produtos veterinca a rios, quatro delas com cerca de 300 km cada e uma quinta com 600 km. Essa rota deve-se fundamentalmente ao Parque Natural do Vale do Guadiana, o primeiro parque a ser servido pela VetProducts, numa parceria com mais de 20 anos. Essa quinta rota dava muito preju pois os custos de transporte zo, (gasleo, desgaste das carrinhas, etc. . . ), bem como os custos do pessoal (hoo ras extra, horas nocturnas, alojamentos, etc. . . ) eram muito elevados. Para alm disso a motivaao do pessoal, essencialmente muito jovem, era baixa, e c pois no gostavam de fazer essa rota, por implicar muitas horas de trabalho a seguidas e, na maioria das vezes, pernoitar fora. No seu relatrio, o grupo de trabalho indicou como objectivo prioritrio o a aumentar a rentabilidade (proveitos-custos) dessa quinta rota: reduzindo o seu custo operacional; aumentando a motivaao do pessoal, o que iria permitir certamente um c melhor ambiente de trabalho, pois este descontentamento acabar por a se repercutir na acao dos trabalhadores nas outras rotas; c procurando aumentar os proveitos desta rota de forma a pelo menos equilibrar os custos. O grupo de trabalho encontrou quatro alternativas para solucionar o problema. A distribuiao nessa rota poderia ser subcontratada a uma empresa c do sector de distribuio. Esta soluao tem como inconveniente dar a ca c possibilidade a empresa de distribuio de comear a adquirir know-how ` ca c e a carteira de clientes e encomendas da VetProducts, permitindo-lhe comercializar produtos de empresas concorrentes daVetProducts, tem no entanto a grande vantagem de reduzir signicativamente os custos associados a esta rota, e seria excelente do ponto de vista motivacional
2
Baseado num problema elaborado por Carlos Carvalho - MT 2005/2006

286
Multicritrio e para os trabalhadores que assim deixariam de se ter de deslocar to a longe e car fora de casa.
Uma outra soluo passaria por expedir a mercadoria via correio ou auca tocarro para os clientes desta rota e estes iriam levantar a mercadoria aos locais de chegada da mesma. Esta soluo iria trazer algum desconca tentamento aos clientes, pois para alm do inconveniente de os obrigar e a deslocar para levantar a mercadoria, muitos dos produtos fabricados e distribu dos pela VetProducts so armazenados em garrafas e a garrafes de vidro que, pelo caminho e com muitas mos a manusear, o a poderiam partir facilmente causando custos elevados. Esta no ene tanto tambm uma excelente alternativa no que concerne a motivao e ` ca do pessoal. Uma outra alternativa apontada pelo grupo de trabalho, ser de se tena tar arranjar mais clientes para esta rota, criando parcerias com outros parque naturais existentes no percurso. Esta alternativa seria excelente para aumentar os proveitos desta rota, mantendo os custos praticamente ao mesmo n vel. A diculdade em encontrar outros parques naturais interessados nestes produtos no entanto grande. Do ponto e de vista de motivao do pessoal esta seria uma m alternativa, pois ca a no s se mantinha a rota, como ainda se iriam arranjar mais clientes a o para essas zonas mais distantes. Uma quarta alternativa passaria por deixar de fornecer produtos ao Parque Natural do Vale do Guadiana. Esta medida diminu os custos, a pois a rota nmero 5 passaria a fazer apenas um trajecto de 200 km. u Os custos de transporte seriam reduzidos e tambm a necessidade de e horas nocturnas e alojamentos o que faria aumentar a motivaao dos c empregados encarregues das distribuioes. No entanto um estudo rec cente divulgado pelo governo conclui que o nmero de parques naturais u da area geogrca onde se encontra localizado o Parque Natural do a Vale do Guadiana vai aumentar muito, tendo a Comunidade Europeia j disponibilizado fundos para esse m. a (a) Desenhe esquematicamente os n veis de deciso existentes neste proa blema e quais as suas interligaoes. c (b) Que critrios escolheria para avaliar as alternativas? e (c) Sugira, para cada critrio escolhido, uma forma de o medir. e

12.2 VetProducts
287
(d) Apresente esquematicamente como poderia construir um sistema que apoiasse a VetProducts neste processo de deciso. Saliente todos os a passos que necessitem de esclarecimentos mais detalhados.
12.2.2
Resoluo ca

288
Multicritrio e
12.3
12.3.1
3
S Phtuere o
Enunciado
Para o preeenchimento de um lugar na S Phtuere Pouco Limitada, apao receram dois candidatos, o Marco e o Telmo. A administraao da empresa c pretende avaliar os candidatos segundo trs critrios: experincia (E), conhee e e cimentos tcnicos (T) e qualidades pessoais (P), tendo chegado a um consenso e sobre a importncia relativa destes critrios. Assim considerou que: a e E bastante mais importante do que P; e T moderadamente mais importante do que E; e T muito mais importante do que P. e Com base nos CVs apresentados, nas cartas de referncia e nas entrevise tas realizadas, e segundo os critrios indicados, a administraao conseguiu e c comparar adequadamente os dois candidatos, estabelecendo que: quanto a experincia, o Marco entre moderada e bastante melhor do ` e e que o Telmo; quanto a conhecimentos tcnicos, o Telmo moderadamente melhor do e e que o Marco; quanto `s qualidades pessoais, o Marco ligeiramente mais do que a e muito melhor que o Telmo. (a) Ajude a administraao a decidir, utilizando o mtodo AHP para rec e solver o problema.
12.3.2
Resoluo ca
Retirado de Exerc cios de Anlise Multi-critrio do Prof. Jorge Pinho de Sousa a e

12.4 Abre Latas
289
12.4
12.4.1
4
Abre Latas
Enunciado
Para um novo tipo de abridor de latas, foram propostos 3 designs. Foram feitos estudos cuidadosos para determinar os critrios de avaliao deste e ca produto e para vericar de que forma cada design satisfaz os requisitos associados a esses critrios. Alguns atributos so relativamente objectivos, e a outros so matria de opinio, naturalmente subjectiva. Para estes ultimos a e a foi usada uma escala tipo AHP, onde valores mais elevados representam maior preferncia. e Atributos Design A Design B Design C Custo Tempo Limpeza Fiabilidade Volume 3,42e 3,3 min 78% 102 cm3 5,84e 1,8 min 91% 102 cm3 9,88e 3,0 min 99% 320 cm3 Aspecto 6 7 9 Segurana c 7 9 9
(a) Se aos diferentes atributos no forem associadas importncias diferencia a adas, diga, justicando adequadamente, qual dos designs mais atrace tivo? (b) Estude a robustez dessa sugesto. a
12.4.2
Resoluo ca

290
Multicritrio e
12.5
12.5.1
5
Designs Alternativos
Enunciado
Para um novo produto, existem 3 designs alternativos. Foram feitos estudos cuidadosos para determinar os critrios de avaliaao deste produto e para e c vericar de que forma cada design satisfaz os requisitos associados a esses critrios. Alguns atributos so relativamente objectivos, outros so matria e a a e de opinio, naturalmente subjectiva. Para estes ultimos foi usada uma escala a de 1 a 10, onde valores mais elevados representam maior preferncia. Para o e peso e o custo, valores elevados so naturalmente indesejveis. a a Atributos importncia a valor mximo a Design 1 Design 2 Design 3 segurana c 30% 8 7 7 esttica custo e 13% 27% 20,00e 4 17,56e 9 9,95e 7 14,47e peso abilidade 10% 20% 9,7kg 96% 6,2kg 81% 6,0kg 90%
(a) Diga, justicando adequadamente, qual o design mais atractivo? e
12.5.2
Resoluo ca

12.6 Processamento de Dados
291
12.6
12.6.1
6
Processamento de Dados
Enunciado
Uma companhia de processamento de dados est a planear uma campanha a de expanso dos negcios e de melhoramento da imagem. Foram propostas a o trs alternativas: A1 , A2 e A3 . Dadas as actuais limitaoes oramentais, apee c c nas uma alternativa poder ser implementada. Os resultados esperados de a cada alternativa foram estimados para cada uma das caracter sticas deseja veis, bem como denida a importncia de cada critrio. Esta importncia, a e a bem como a eccia imediata so medidas numa escala de 0 a 10, sendo 10 a a o mximo. a Atributos Importncia a A1 A2 A3 Custo anual Eccia imediata Eccia a longo prazo a a 3 10 6 250 000e 9 boa 150 000e 8 suciente 180 000e 6 muito boa
(a) Que alternativa recomendaria ? (b) Estude a robustez da soluao proposta, e analise as suas debilidades. c
12.6.2
Resoluo ca

292
Multicritrio e
12.7
12.7.1
7
Localizao de Laboratrio de Investica o gao ca

Enunciado
Uma companhia vai instalar um novo laboratrio de investigao num de 3 o ca pa ses. O custo de construao aproximadamente o mesmo em qualquer dos c e locais. Contudo, os custos do terreno e um conjunto de factores intang veis, como por exemplo a disponibilidade de tcnicos, depende fortemente do local. e Alguns dos critrios, bem como a sua importncia relativa foram medidos e a numa escala de 1 a 10, sendo 10 o melhor valor. Atributos disp. tcnicos e 10 7 10 2 qual. prox. custo empreit univ. terreno 8 8 6 5 10km 300 000e 9 40km 400 000e 5 30km 50 000e potencial clima transportes de lazer 4 2 2 muito bom 6 9 muito fraco 1 10 excelente 9 5
importncia a Pa 1 s Pa 2 s Pa 3 s
(a) Com base na informao do quadro, que resume a apreciao feita sobre ca ca as diferentes alternativas, qual a deciso a tomar? a
12.7.2
Resoluo ca

12.8 Sorinfacc & Amigos
293
12.8
12.8.1
8
Sorinfacc & Amigos

Enunciado
A empresa Sorinfacc & Amigos, SA (S&A,SA), dedica-se ` produao de a c peas para ve c culos da marca internacional Sorin. Uma vez que a comercializaao da marca se expandiu, recentemente, ao mercado inter-continental, a c S&A,SA prev um aumento da procura de peas, igualmente ao n transnae c vel cional. A ultima assembleia geral de accionistas incumbiu a administrao de ca se preparar convenientemente para o aumento da procura. A administraao, c alm de preparar outras medidas nesse sentido, e considerando o aumento e mais do que previs das exportaoes, est a avaliar a melhor soluao para vel c a c que nenhuma encomenda das suas peas que por cumprir. Alm do mais, c e a S&A,SA ter de fazer face ao aumento das exportaes e, assim, conseguir a co um transporte internacional de mercadorias sustentado, que como quem e diz, que permita responder a todas as solicitaoes. A S&A,SA tem as suas c instalaes numa pen co nsula muito bem equipada ao n das infra-estruturas vel virias, e, alm disso, situa-se muito prximo de uma plataforma intermoa e o dal que inclui um terminal rodovirio, um porto e um aeroporto e ainda a uma estao ferroviria. Signica isto que, para fazer face ao aumento das ca a exportaoes, a administraao ter de seleccionar qual ou quais os meios de c c a transporte adequados ao seu propsito. Os critrios de selecao estabelecidos o e c pela administrao so o custo, a segurana e a capacidade do transporte de ca a c mercadorias. Pretende-se que o meio seleccionado signique uma minimizaao do seu custo. Por outro lado, pretende-se ainda que o meio de transporte c seja seguro por forma a diminuir os danos materiais e os preju zos contratuais. Por m, pretende-se que o meio de transporte seleccionado tenha a maior capacidade de carga poss vel. Atendendo a sua privilegiada localiza` ao, a S&A,SA pode optar por utilizar os seguintes tipos de transporte: c transporte rodovirio (TR ): atravs dos ve a e culos pesados de mercadorias da rma Semprarodar, Lda. a Administraao conseguiria, sem c dvida, um meio muito barato, mas com um risco muito elevado, pois u a sinistralidade estradal , de todas, a mais grave. e transporte ferrovirio (TF ): utilizando os comboios da CF - Caminhos a e e Frreos, a S&A,SA consegue transportar um bom volume de peas, e c ainda a um bom preo, e com uma segurana muito boa. c c transporte aquavirio (TAq ): os navios da empresa Vasco da Gama & a Filhos, Lda. (Herdeiros), apesar de j no serem to baratos, permitem a a a
8
Baseado num problema elaborado por Francisco Marques Vieira - MT 2005/2006

294
Multicritrio e a melhor capacidade de transporte de carga com um n vel bom de segurana. c
transporte aerovirio (TAe ): os avies da NoAndaVoa, Inc. se bem a o a que com menor capacidade e o meio de transporte mais caro, tem, porm, um excelente n de segurana, pelo menos no que respeita ao e vel c transporte de mercadorias. Apresenta-se a seguir um quadro-resumo com todas as informaes quanco titativas recolhidas: ums/Kg Acidentes/1000Km Ton/m3 TR 1,5 9 1,25 4 4 5,75 TF 6 6,25 9 TAq TAe 8 2 2 (a) Explicite num esquema o objectivo, critrios e alternativas envolvidos e neste processo. (b) Descreva detalhadamente como, utilizando o AHP, poderia obter uma soluao a apresentar a Sorinfacc & Amigos, SA. c ` (c) Obtenha essa soluo. ca
12.8.2
Resoluo ca

12.9 KKs
295
12.9
12.9.1
9
KKs
Enunciado
Considere o problema de deciso caracterizado pela matriz de resultados a junta, onde, para todos os atributos excepto K1 , os valores mais altos so os a preferidos. Os atributos K2 e K3 so medidos numa escala de 1 a 10. a Atributos X1 X2 X3 X4 K1 10 000e 12 000e 8 000e 15 000e K2 7 7 6 9 K3 8 7 5 8 K4 bom muito bom suciente excelente
Qual ser a alternativa seleccionada se: a (a) todos os atributos so igualmente importantes? a (b) K2 , K3 e K4 so igualmente importantes, mas K1 duas vezes mais a e importante que os outros?
12.9.2
Resoluo ca

296
Multicritrio e
12.10
12.10.1
PATinho
Enunciado
A companhia de aviaao PATinho pretende criar uma nova rota, para alm c e da muito procurada rota Corvo Berlengas. O seu principal objectivo e manter o actual nicho de mercado: passageiros do Corvo que pretendem usufruir de ligaoes para outras pequenas ilhas. Foi portanto com isso em c mente que foram escolhidos os seguintes quatro destinos alternativos: Alt 1 Selvagens; Alt 2 Ilha dos Amores; Alt 3 Ilha de Faro; Alt 4 Ilha de Almourol. Para avaliar as quatro alternativas foram denidos cinco critrios: e Crit 1 Condies meteorolgicas; co o Crit 2 Custo de adaptao para aeroporto; ca Crit 3 Previso da procura (nmero de clientes por ms); a u e Crit 4 Proximidade de aeroporto alternativo; Crit 5 Quantidade de habitantes dispon veis para garantir operaes co no aeroporto. Com base na informaao resumida no quadro seguinte que deciso deve c a ser tomada? Crit 1 Crit 2 boas 4 muito ms a 2 razoveis a 5 boas 20 Crit 3 Crit 4 100 30 400 20 200 10 300 30 Crit 5 sucientes poucos muito poucos sucientes
Alt Alt Alt Alt
1 2 3 4
Selvagens Ilha dos Amores Ilha de Faro Ilha de Almourol
12.10.2
Resoluo ca

12.11 Seleco de Estgios ca a
297
12.11
12.11.1
Seleco de Estgios ca a
Enunciado
O in do ano aproxima-se e a altura da selecao de estgios pelos alunos cio e c a nalistas. O Joo passou o m-de-semana a fazer o seu trabalho de casa e tem a neste momento 4 alternativas para a realizaao do seu estgio, as empresas c a 1 a 4, tal como se representa na tabela seguinte, com a respectiva apreciao ca segundo 4 critrios: e Crit 1 Possibilidade de manter emprego na empresa; Crit 2 Esforo necessrio para ter boa nota no estgio; c a a Crit 3 Diculdade no recrutamento; Crit 4 Custos mensais com deslocaoes. c
escalas Empresa Empresa Empresa Empresa
1 2 3 4
Crit 1 Crit 2 (110) (110) 10 2 4 3 6 6 2 9
Crit 3 Crit 4 elevada 300e baixa 0e muito baixa 400e muito elevada 700e
(a) Os seus critrios de apreciao no so certamente os mesmos do Joo. e ca a a a Retire portanto um dos critrios seleccionados pelo Joo e acrescente e a um novo critrio que considere mais representativo. Explique as suas e escolhas e indique os cuidados a ter na selecao do novo critrio. c e (b) Use o mtodo AHP para atribuir importncias relativas aos critrios. e a e Apresente todos os clculos. a (c) Com base nas importncias relativas dos critrios obtidas na al a e nea anterior indique, justicando, qual a alternativa mais atractiva.
12.11.2
Resoluo ca

298
Multicritrio e
12.12
12.12.1
10
Z Playboy e
Enunciado
O Z Playboy, aluno da Faculdade de Engenharia, frustrado com a quane tidade de relacionamentos de curta duraao que tem tido, decide que precisa c de tomar uma atitude diferente e procurar uma namorada para ter uma relaao duradoura. J que estudante de engenharia, decide utilizar mtodos c a e e quantitativos para o ajudar a decidir e a reectir sobre as suas prioridades. Depois de se isolar um pouco debaixo das oliveiras da FEUP (pois o Z e fuma e no podia estar dentro da FEUP), concluiu que havia 5 raparigas que a seriam poss veis boas companheiras: a Joana, a L gia, a Susana, a Diana e a Ins. e Durante o per odo de meditaao com o seu cigarro a sombra das oliveic ` ras, elegeu 4 caracter sticas que considerou essenciais para a sua escolha: Personalidade, Inteligncia, Ideais e os gastos semanais, estando este ultimo e critrio associado ao que seria necessrio dispender durante o namoro e evene a tual casamento, dependente do n de vida e dos hbitos de cada uma das vel a candidatas. Construiu ento uma matriz com a avaliaao das caracter a c sticas para cada uma das candidatas. Em relao aos ideais, o Z pensa que, embora sendo diferentes dos seus, ca e no seriam antagnicos. A todas atribuiria uma nota positiva quanto a isso. a o J no tem a mesma atitude quanto ao dinheiro necessrio pois o Z sente que a a a e o potencial gasto semanal tem um peso grande se a relao for duradoura. ca Por isso sente que consideraria uma candidata como excelente se no tiver a que gastar dinheiro e muito m se implicar gastos semanais muito elevados a (acima de 60e). O Z Playboy acha no entanto que o dinheiro o critrio e e e menos importante. Depois disso o Z Playboy, como tinha um amigo na cadeira de SAD, e pediu-lhe para o ajudar a resolver o problema de qual seria a mulher mais adequada para ele.
10
Baseado num problema elaborado por Pedro Serra - SAD 2005/2006

12.12 Z Playboy e Custos Ideais Inteligncia Personalidade e Semanais Joana 20e Suciente 8 6 L gia 50e Muito Bom 9 7 Susana 20e Bom 7 9 Diana 12e Muito Bom 8 8 Ins e 25e Excelente 9 9
299

300
Multicritrio e

Cap tulo 13 Filas de Espera

A partir da descriao de um problema, vericar se se trata de um c problema de las de espera M/M/1 ou M/M/S. Para estes casos, calcular as medidas de desempenho de uma la de espera (L, Lq, W, Wq) e as probabilidades associadas quer a perma` nncia num dado estado (e.g. Pn) quer as associadas as mtricas (e.g. e ` e P(W>t) ). Avaliar alternativas de conguraao de las de espera (nmero de serc u vidores e ecincia de servidores), a partir de custos atribu e dos quer ao servio quer ao tempo dos clientes, e selecionar as melhores. c

302
Filas de Espera
Exerc cios
13.1 Limpeza de autocarros . . . . . . . . . . . . . . . . . . . . . 303 13.2 Pastelaria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305 13.3 Junta Autnoma das Estradas . . . . . . . . . . . . . . . . . 307 o 13.4 Cabina telefnica . . . . . . . . . . . . . . . . . . . . . . . . . 309 o 13.5 Boeingavela . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311 13.6 Servio de emergncia . . . . . . . . . . . . . . . . . . . . . . 314 c e 13.7 Servio de veterinria . . . . . . . . . . . . . . . . . . . . . . 317 c a 13.8 Seco de fotocpias . . . . . . . . . . . . . . . . . . . . . . . 319 ca o 13.9 Manuteno . . . . . . . . . . . . . . . . . . . . . . . . . . . . 324 ca 13.10Uma horta na escola 13.11DouryKayak . . . . . . . . . . . . . . . . . . . . . . 328 . . . . . . . . . . . . . . . . . . . . . . . . . . . 330

13.1 Limpeza de autocarros
303
13.1
13.1.1
Limpeza de autocarros
Enunciado
Os autocarros de uma empresa chegam para limpeza ` garagem central em a grupos de cinco por hora. Os autocarros so atendidos em ordem aleatria, a o um de cada vez. Cada um requer 11 minutos para ser completamente limpo e sai da garagem logo a seguir. Determine: (a) o nmero mdio de autocarros na garagem; u e (b) o nmero mdio de autocarros esperando para serem limpos; u e (c) o tempo mdio que um autocarro permanece na garagem. e

304
Filas de Espera
13.1.2
Resoluo ca
Este um sistema determin e stico, com autocarros como clientes e a equipa de limpeza como servidor unitrio. As chegadas ocorrem uma vez por hora, a mas em grupos, sendo o tempo de atendimento de 11 minutos. Um autocarro atendido quando est em servio de limpeza. e a c A tabela mostra a histria do sistema ao longo do per o odo de 1 hora, nos instantes das chegadas e partidas. Como o atendimento feito em ordem e aleatria, a sequncia particular apresentada uma das muitas poss o e e veis para processamento dos autocarros dentro da garagem. As estat sticas requeridas, no entanto, so independentes da sequncia. Alm disso, como o sistema se a e e renova a cada hora, as estat sticas que caracterizam o sistema ao longo da primeira hora so tambm vlidas ao longo das seguintes. a e a Relgio Simulado o (minutos) 0 11 22 33 44 55 Clientes sendo atendidos #4 #1 #5 #3 #2 ... Fila #3,#1, #2, #5 #3, #2, #5 #3, #2 #2 ... ...
(a) Nmero mdio de autocarros na garagem: u e 5 11 11 11 11 5 11 +4 +3 +2 +1 +0 = 2.75 60 60 60 60 60 60
(b) Nmero mdio de autocarros esperando para serem limpos: u e 4 11 11 11 11 11 + 5 +3 +2 +1 +0 = 1.83 60 60 60 60 60
(c) Tempo mdio que um autocarro permanece na garagem: nos primeiros e 11 minutos esto 5 autocarros na garagem, nos 11 minutos seguintes a esto 4 autocarros na garagem etc. . . a 5 11 + 4 11 + 3 11 + 2 11 + 1 11 + 0 5 = 33minutos. 5

13.2 Pastelaria
305
13.2
13.2.1
Pastelaria
Enunciado
Numa pequena pastelaria, apenas uma empregada atende os clientes ao Sa bado. O modelo de chegada de clientes nesse dia segue aproximadamente uma distribuiao de Poisson, com uma taxa mdia de chegada de 10 pessoas c e por hora. Os clientes, que so muitos dada a qualidade dos pasteis, so atena a didos segundo o esquema FIFO. O tempo gasto para atender um cliente e estimado como sendo exponencialmente distribu do, como um tempo mdio e de atendimento de 4 minutos. Determine: (a) a probabilidade de se formar uma la; (b) o comprimento mdio da la; e (c) o tempo mdio de espera de um cliente na la; e (d) probabilidade dum cliente estar menos de 12 min. na pastelaria.

306
Filas de Espera
13.2.2
Resoluo ca
= 10 clientes hora
Taxa de chegada:
Tempo mdio de servio: e c 1 minutos =4 cliente Taxa de atendimento: = 0.25 clientes clientes = 15 minuto hora = Nmero de servidores: u S=1 Fila M/M/1 2 = 3
(a) Probabilidade de se formar uma la: 1 P0 P1 = 1 (1 ) (1 ) = 2 = P0 probabilidade de no estar ningum na loja. a e P1 probabilidade de estar uma pessoa na loja (a ser atendida). (b) Comprimento mdio da la: e Lq = 2 100 4 = = clientes. ( ) 15(15 10) 3 4 9
(c) Tempo mdio de espera na la: e Wq = 4 Lq = horas. 30

1 5
(d) Probabilidade de um cliente estar menos de 12 minutos = pastelaria:
horas na
2 1 1 1 P (W > ) = 1 e(1)t = 1 e15(1 3 ) 5 = 1 e1 = 0.6321 5

13.3 Junta Autnoma das Estradas o
307
13.3
13.3.1
Junta Autnoma das Estradas o

Enunciado
A Junta Autnoma das Estradas tem trs equipas que analisam a segurana o e c das estradas nacionais. As funoes atribu c das a essas equipas consistem em analisar as condies das estradas nacionais nas proximidades dos locais onde co ocorrem acidentes graves. As equipas so igualmente ecientes. Cada uma trabalha uma mdia de 2 a e dias (distribuiao exponencial) para fazer a investigao no local e preparar c ca um relatrio sobre cada acidente. O nmero de acidentes graves nas estradas o u principais segue aproximadamente um processo de Poisson, com uma taxa mdia de 300 por ano. e Determine L, Lq , W e Wq para este processo. Qual o signicado de cada uma destas medidas de desempenho neste caso?

308
Filas de Espera
13.3.2
Resoluo ca
acidentes 300 acidentes = ano 365 dia 1 dias =2 acidente
Taxa de chegada: = 300 Tempo mdio de servio: e c
Taxa de servio: c = 0.5 acidentes dia
300 600 365 = = 1.65 0.5 365
Nmero de servidores: u S=3 = P0 (retirado da tabela para 0.1872 P0 Lq =

S
Fila M/M/3
1.65 = = 0.55 S 3

= 1.65 e S = 3):
0.1872 0.1460 = 0.1769 4 = 0.1769(1.65)3 0.55 = 0.3597 3!(1 0.55)2
S!(1 )2 acidentes em la de espera. L = Lq +
= 0.3597 + 1.65 = 2.00
acidentes em la de espera e a serem investigados. Wq = dias por acidente (espera). W = L 2 365 = 300 = = 2.43 150 365 Lq 0.3597 = 300 = 0.4376 365
dias por acidente (espera e investigaao). c

13.4 Cabina telefnica o
309
13.4
13.4.1
Cabina telefnica o
Enunciado
As chegadas a uma cabina telefnica so consideradas Poisson, com um o a tempo mdio entre chegadas de 10 min. Assume-se que a durao de uma e ca chamada telefnica distribu exponencialmente, com mdia de 3 min. o e da e (a) Qual a probabilidade de uma pessoa que chegue a cabina ter de esperar? ` (b) Qual o comprimento mdio das las que se podero formar? e a (c) A companhia telefnica poder instalar uma segunda cabina, caso se o a conclua que um cliente espera em mdia pelo menos 3 minutos. Quanto e que ter de aumentar o uxo de chegadas de modo a justicar uma e a segunda cabina?

310
Filas de Espera
13.4.2
Resoluo ca
1 minutos = 10 chegada
Tempo mdio entre chegadas: e
Taxa de chegada: =6 Tempo mdio de servio: e c 1 minutos =3 chamada Taxa de atendimento: = 20 chamadas hora 6 = 20 chegadas hora
= Nmero de servidores: u S=1
Fila M/M/1
(a) Probabilidade de ter de esperar: 1 P0 = 1 (1 ) = = 0.3 = 30% P0 probabilidade de no estar ningum a telefonar. a e (b) Comprimento mdio da la: e Lq = 2 36 = = 0.129 pessoas. ( ) 20 (20 6)
(c) Tempo mdio de espera na la: Wq = 3 minutos = 0.05 horas. e Wq = 2 Wq 202 0.05 chegadas = = = 10 . ( ) 1 + Wq 1 + 20 0.05 hora
Justica-se uma nova cabine se a taxa de chegada passar de 6 para 10 chegadas por hora.

13.5 Boeingavela
311
13.5
13.5.1
Boeingavela
Enunciado
O Boeingavela, um pronto-a-comer de um aeroporto, tem atualmente apenas uma empregada ao balco que atende em mdia 10 clientes por hora. a e Vericou-se que os clientes chegam ` razo de 7 por hora, seguindo este proa a cesso de chegada uma distribuiao de Poisson. O tempo de atendimento c segue uma distribuiao exponencial. c A gerncia admite a hiptese de contratar mais uma empregada de bale o co o que permitir, ao duplicar a razo mdia de atendimento, melhorar a a a a e qualidade de servio. c (a) Analise o desempenho do sistema de espera no estado atual calculando, nomeadamente, a taxa de ocupaao, a probabilidade do sistema estar c desocupado, o comprimento mdio da la de espera e o tempo que um e cliente aguarda, em mdia, para ser atendido. e (b) Se as pessoas desistem sempre que j h 3 clientes (no sistema), qual a a e a percentagem de potenciais clientes perdidos? (c) Como melhora o desempenho do sistema de espera, no caso de ser contratada mais uma funcionria? Dever recorrer ao tipo de indicadores a a utilizados na primeira al nea. Faa alguns comentrios, que ache oportunos, sobre as situaes que esc a co tudou nas vrias al a neas.

312
Filas de Espera
13.5.2
Resoluo ca
=7 clientes hora clientes hora
Taxa de chegada:
Taxa de atendimento: = 10
= 0.7 (a) Nmero de servidores: u S=1 Fila M/M/1
= 0.7
P0 = 1 = 0.3 (obs: para S = 1 P0 a probabilidade de o sistema estar desocupado) e Nmero mdio de clientes na la: u e Lq = 2 49 = = 1.63 clientes. ( ) 10 3
Nmero mdio de clientes no sistema: u e L = Lq + = 2.33 clientes.
Tempo mdio de espera na la: e Wq = Lq 1.63 = = 0.2329 horas. 7
Tempo mdio de espera no sistema: e W = 2.33 L = = 0.3328 horas. 7

13.5 Boeingavela
313
(b) Se os clientes desistem quando j h 3 pessoas no sistema, este passa a a a comportar-se como M/M/1/3. Ento convir calcular P3, a probabilia a dade do sistema se encontrar no estado 3. Probabilidade de (exactamente) 0 clientes no sistema: P0 = Vir ento P0 = 0.3948 a a Probabilidade de (exactamente) n clientes no sistema: Pn = n P0 , se n = 1, . . . , k 0, se n > k 1 1 k+1 (se = 1)
Neste caso P3 = 0.1354, pelo que os clientes perdidos sero 13.54%. a (c) Nmero de servidores: u S=2 Fila M/M/2
= 0.35 S
P0 = 0.4815 (retirado da tabela para

S
= 0.7 e S = 2).
Nmero mdio de clientes na la: u e P0 Lq =

S!(1 )2
0.4815(0.7)2 0.35 = 0.0977 clientes. 2!(1 0.35)2
Nmero mdio de clientes no sistema: u e L = Lq + = 0.7977 clientes. Tempo mdio de espera na la: e Wq = Lq 0.0977 = = 0.0139 horas. 7 L 0.0977 = = 0.1139 horas. 7
Tempo mdio de espera no sistema: e W =

314
Filas de Espera
13.6
13.6.1
Servio de emergncia c e
Enunciado
O servio de emergncia dum pequeno hospital tem um mdico em servio c e e c permanente. Pode-se dizer que os doentes chegam segundo uma distribuiao de Poisc son com razo mdia de 2.4 por hora. O mdico garante o tratamento de a e e emergncia, at outro mdico chegar, a aproximadamente 3 doentes por hora. e e e A distribuiao do tempo de atendimento do mdico por doente , aproximac e e damente, exponencial. (a) Em mdia, que parte do tempo do mdico gasta a prestar servio de e e e c emergncia? e (b) Em mdia, quanto dever esperar um doente at ser atendido pelo e a e mdico? e (c) Se o hospital melhorar a qualidade do atendimento de emergncia, ao e acrescentar um mdico ao servio permanente (sistema M/M/2), qual e c passar a ser a utilizaao do tempo dos mdicos? a c e (d) Com dois mdicos dispon e veis, quanto dever esperar, em mdia, um a e doente at ser atendido? e (e) Quanto, em mdia, dever um doente esperar at ser visto por um e a e mdico, numa situao em que um mdico e um assistente faam parte e ca e c dum sistema do tipo M/M/1, com razo de servio de 6 doentes por a c hora, mantendo a razo de chegada em 2.4 doentes por hora? a (f ) Para as duas situaoes anteriores: atendimento assegurado por dois mc e dicos e atendimento assegurado por um mdico e um assistente calcule e quanto tempo cada doente passar no servio de emergncia. Discuta a c e as vantagens e desvantagens de cada um dos sistemas de atendimento.

13.6 Servio de emergncia c e
315
13.6.2
Resoluo ca
= 2.4 doentes hora doentes hora
Taxa de chegada:
Taxa de atendimento: =3
= 0.8 (a) Nmero de servidores: u S=1 Fila M/M/1
= 0.8
Probabilidade do mdico estar ocupado: e 1 P0 = = 0.8 (b) Tempo mdio de espera de um doente at ser atendido: e e Wq = 2.4 4 = = = 1.3333 horas ( ) 3(3 2.4) 3
(c) Nmero de servidores: u S=2 Fila M/M/2
= 0.40 S
Probabilidade do sistema estar desocupado: 1 = 0.6 O tempo dos mdicos ser utilizado a 40%. e a

316 (d) P0 Lq =
S
Filas de Espera
S!(1 )2
0.4286(0.8)2 0.40 = 0.1524 doentes. 2!(1 0.40)2
Tempo mdio de espera de um doente at ser atendido: e e Wq = (e) Taxa de chegada: = 2.4 Taxa de atendimento: =6 doentes hora doentes hora 0.1524 Lq = = 0.0635 horas. 2.4
= 0.4 Nmero de servidores: u S=1 Fila M/M/1
Tempo mdio de espera de um doente at ser atendido: e e Wq = 2.4 = = 0.1111 horas ( ) 6(6 2.4)
(f ) Em ambos os casos W , o tempo mdio total de um doente no servio e c 1 de atendimento, obtido somando o tempo mdio de atendimento e e ao tempo mdio na la Wq . e O tempo mdio total de um doente no servio de atendimento no caso de e c 1 o atendimento ser feito por dois mdicos W = Wq + = 0.0635 + 1 = e e 3 0.3968 horas. No caso de o atendimento ser feito por um mdico com um assistente, e o tempo mdio total de um doente no servio de atendimento W = e c e 1 Wq + = 0.1111 + 1 = 0.2777 horas. 6

13.7 Servio de veterinria c a
317
13.7
13.7.1
Servio de veterinria c a
Enunciado
Edmundo Terra um dos cr e ticos do funcionamento do Servio de Veterinria c a da Cooperativa Agr cola de Belos Ares. Edmundo arma que sempre que chama um veterinrio ele nunca vem no mesmo dia. a Atualmente o Servio de Veterinria tem dois veterinrios e cada um c a a atende em mdia 5 chamadas por dia. Quanto aos pedidos de apoio a anie mais doentes verica-se que chegam aleatoriamente, seguindo um processo de Poisson, ` razo de 9 por dia. O servio pode ser neste caso considerado a a c M/M/2. Sens as cr vel ` ticas dos membros da Cooperativa, a direo decidiu discutir ca o caso, admitindo mesmo contratar um novo veterinrio. a Avalie a situaao, contribuindo com informaao que possa ser util para c c uma tomada de deciso sobre a referida contrataao. a c
http://www.aasm-cua.com.pt/srv7.html

318
Filas de Espera
13.7.2
Resoluo ca
=9 chamadas dia chamadas dia
Taxa de chegada:
9 = = 1.8 5 Objecto do estudo: pretende-se vericar se a armaao: c sempre que chama um veterinrio ele nunca vem no mesmo dia a verdadeira ou no. e a Nmero de servidores: u S=2 Fila M/M/2
1.8 = = 0.9 S 2 P0 = 0.0528
Nmero mdio de chamadas na la: u e P0 Lq =

S
S!(1 )2
0.0528(1.8)2 0.9 0.1540 = = 7.7 chamadas. 2 2!(1 0.9) 0.02
Finalmente, o tempo mdio de espera na la: e Wq = Lq 7.7 = = 0.8555 dias. 9
Logo a armaao de Edmundo Terra incorrecta, dado que as chamadas c e esto menos de um dia a espera para serem atendidas. a `

13.8 Seco de fotocpias ca o
319
13.8
13.8.1
Seco de fotocpias ca o
Enunciado
A secao de fotocpias de uma empresa, aberta 40 horas por semana, dispe c o o 103 escudos de duas fotocopiadoras. Cada fotocopiadora arrendada por 12 semana . e Os utilizadores chegam ` razo de 33/hora e o tempo mdio de servio de a a e c e 3 minutos. Suponha vericadas as condioes indicadas no estudo das las de espera. c (a) Determine: o nmero mdio de pessoas aguardando a utilizao duma fotocou e ca piadora; o tempo mdio duma pessoa na la; e o tempo mdio duma pessoa no sistema. e (b) O custo horrio mdio, para a empresa, do pessoal que recorre ao servio a e c 103 escudos a de fotocopias de 1, 8 semana , incluindo overheads. Ser conveniente e aumentar o nmero de fotocopiadoras arrendadas? E para que nmero? u u

320
Filas de Espera
13.8.2
Resoluo ca
= 33 utilizadores hora
Taxa de chegada:
Tempo mdio de servio: e c 1 minutos 1 horas =3 = utilizador 20 utilizador Taxa de atendimento: = 20 utilizadores hora
Custo de cada servidor (fotocopiadora) por hora: 12 103 escudos 103 escudos = 0.3 40 hora hora (a) Nmero de servidores: u S=2 Fila M/M/2
33 = = 1.65 20 P0 = 0.1111 = 0.1111 0.0526 = 0.0965 4
33 = = 0.825 2 2 20
No mdio de pessoas aguardando a utilizaao duma fotocopiadora: e c P0 Lq =

S
S!(1 )2
0.0965(1.65)2 0.825 = 3.5387 pessoas. 2!(1 0.825)2
Tempo mdio duma pessoa na la: e Wq = Lq 3.5387 = = 0.1072 horas = 6.4 minutos. 33
Tempo mdio duma pessoa no sistema. e W = Wq + 1 = 0.1072 + 0.05 = 0.1572 horas = 9.4 minutos.

13.8 Seco de fotocpias ca o (b)
321
Com o nmero de fotocopiadoras existente (duas), o custo do seru 3 escudos 3 escudos vio de 2 0.3 10 hora = 0.6 10 hora e o custo dos clientes c e 3 escudos (espera e atendimento) de 33 0.1572 1.8 = 9.3 10 hora . e 3 escudos Assim o custo total para a empresa 9.9 10 hora e Com trs fotocopiadoras . . . e Nmero de servidores: u S=3 Fila M/M/3
33 = = 1.65 20 P0 = 0.1872 = 0.1872 0.1460 = 0.1769 4
33 = = 0.55 3 3 20

S
S!(1 )2
0.1769(1.65)3 0.55 = 0.3597 pessoas. 3!(1 0.55)2
Tempo mdio duma pessoa na la: e Wq = Lq 0.7994 = = 0.0109 horas. 33
Tempo mdio duma pessoa no sistema. e W = Wq + 1 = 0.0109 + 0.05 = 0.0609 horas.

3
escudos Com 3 fotocopiadoras, o custo do servio de 3 0.3 10 hora = c e 3 escudos 0.9 10 hora e o custo dos clientes (espera e atendimento) de e 103 escudos 33 0.0609 1.8 = 3.6175 hora . Assim o custo total para a 3 escudos empresa 4.5175 10 hora e
Com quatro fotocopiadoras . . . Nmero de servidores: u S=4 Fila M/M/4

322
Filas de Espera
33 = = 1.65 20 P0 = 0.1953 = 0.1953 0.1616 = 0.1899 4
33 = = 0.4125 4 4 20
No mdio de pessoas aguardando a utilizaao duma fotocopiadora: e c 0.1899(1.65)4 0.4125 Lq = = = 0.0701 pessoas. S!(1 )2 4!(1 0.4125)2 Tempo mdio duma pessoa na la: e Wq = 0.0701 Lq = = 0.0021 horas. 33 P0
S

3
Com cinco fotocopiadoras . . . Nmero de servidores: u S=5 Fila M/M/5
33 = = 1.65 20 P0 = 0.2014 = 0.2014 0.1646 = 0.1922 4
33 = = 0.33 5 4 20

13.8 Seco de fotocpias ca o
323

S
S!(1 )2
0.1922(1.65)5 0.33 = 0.0144 pessoas. 5!(1 0.33)2
Tempo mdio duma pessoa na la: e Wq = 0.0144 Lq = = 0.0004 horas. 33

3
A quantidade de fotocopiadoras que minimiza o custo total da 3 escudos empresa 4, com um custo de 4.2962 10 hora . e

324
Filas de Espera
13.9
13.9.1
Manuteno ca
Enunciado
O supervisor operacional duma empresa de mquinas elctricas vericou que a e o servio de manutenao corrente de equipamento sofria atrasos, devido a c c ` espera na secao de ferramentas. Como qualquer atraso na produo obriga c ca a uma alteraao das ordens de fabrico ou mesmo ao recurso a horas extraorc dinrias, o supervisor requereu um estudo sobre a viabilidade de acrescentar a mais funcionrios a secao em questo, para melhorar a resposta as necessia ` c a ` dades do servio de manutenao. c c O assunto foi estudado, concluindo-se que o tempo mdio entre chegae das de 80 segundos e que o tempo mdio de atendimento, por parte dum e e funcionrio, de 60 segundos. a e O custo total dum funcionrio na seco de ferramentas de $8.50 por a ca e hora, enquanto que o custo relativo a espera (equipamento parado) de ` e $15.00 por hora. Considera-se que o dia de trabalho tem 8 horas. A tabela seguinte, parcialmente completa, informa sobre o efeito na la de espera de acrescentar mais funcionrios (la tipo M/M/S, S = 2, 3) ` seco, a a ca incluindo a anlise dos custos dirios totais envolvidos nas vrias opoes. a a a c Complete a tabela. Na perspectiva dos custos totais tabelados, qual a e melhor opo? ca
Nmero de funcionrios u a 1 2 3 2.25 3.00 3.00 4.00 0.25 68.00 360.00 428.00
Nmero mdio de equipamentos na la de espera (Lq ) u e Nmero mdio de equipamentos no sistema (L) u e Tempo mdio de um equipamento na la de espera, em min. (Wq ) e Tempo mdio de um equipamento no sistema, em min.(W ) e Percentagem de tempo de desocupao do servio ca c Custo ($)/dia (funcionrios) a Custo ($)/dia (esperas) Custo total dirio a

13.9 Manuteno ca
325
13.9.2
Resoluo ca
60 chegadas 602 chegadas maquinas = = 45 80 minuto 80 hora hora atendimento atendimentos = 60 minuto hora
Taxa de chegada: =
Vericaao das contas apresentadas no quadro: c Nmero mdio de mquinas na la: u e a Lq = 2 = 2.25 maquinas. ( )
Nmero mdio de mquinas no sistema: u e a L = Lq + Tempo mdio de espera na la: e Wq = 45 horas = = 0.05 . ( ) 60 (60 45) maquina = 3 maquinas.
Tempo mdio de espera no sistema. e W = Wq + horas 1 = 0.0667 . maquina
Custo por dia dos funcionrios = $68. a Custo por dia de espera das mquinas = W 8 15 = $360 a Custo total = $428 Com dois funcionrios . . . a Nmero de servidores: u S=2 Fila M/M/2
45 = = 0.75 60

326
Filas de Espera
P0 = 0.4545 = 0.375 2
Nmero mdio de mquinas na la: u e a P0 Lq =

S
S!(1 )2
0.4545(0.75)2 0.375 = 0.1227 maquinas. 2!(1 0.375)2
Tempo mdio de uma mquina na la: e a Wq = 0.1227 Lq = = 0.0027 horas. 45
Tempo mdio de uma mquina no sistema: e a W = Wq + 1 1 = 0.0027 + = 0.0194 horas. 60
Custo por dia dos funcionrios = 2 68 = $136. a Custo por dia de espera das mquinas = W 8 15 = $104.7258 a Custo total = $240.7258 Com trs funcionrios . . . e a Nmero de servidores: u S=3 Fila M/M/3
45 = = 0.75 60 P0 = 0.4706 = 0.25 3

13.9 Manuteno ca Nmero mdio de mquinas na la: u e a P0 Lq =

S
327
S!(1 )2
0.4706(0.75)3 0.25 = 0.0147 maquinas. 3!(1 0.25)2
Tempo mdio de uma mquina na la: e a Wq = 0.0147 Lq = = 0.0003 horas. 45
Tempo mdio de uma mquina no sistema: e a W = Wq + 1 1 = 0.0003 + = 0.0170 horas. 60
Custo por dia dos funcionrios = 3 68 = $204. a Custo por dia de espera das mquinas = W 8 15 = $91.76475 a Custo total = $295.7648 A melhor opao passar a ter dois funcionrios no servio de manutenc e a c ao. c

328
Filas de Espera
13.10
13.10.1
1
Uma horta na escola

Enunciado
Inserido no projeto Uma Horta na Escola sero distribu a dos kits de jardinagem a todas as escolas envolvidas. Para fazer a distribuiao dos kits, c que as escolas tero que levantar em postos pr-determinados, esto a ser a e a estudadas duas alternativas. A primeira alternativa consiste em ter um unico posto de atendimento na LIPOR, mas com 3 funcionrios a atender. Cada funcionrio atende em a a mdia 3 escolas por hora, seguindo o tempo de atendimento uma distribuiao e c de probabilidade exponencial negativa. Espera-se que em mdia 6 escolas por e hora vo a LIPOR levantar os respetivos kits, sendo que o nmero de escolas a ` u que levantam os kits segue uma distribuio de probabilidades de Poisson. ca A segunda alternativa ter 3 postos de atendimento, cada um com um e unico funcionrio a atender, espalhados pela regio metropolitana do Porto, a a nomeadamente um na cidade do Porto, outro em Valongo e o terceiro em Gaia. Mantendo-se a capacidade de atendimento de cada funcionrio, a proa cura diferente de posto para posto, uma vez que h mais escolas prximas e a o de alguns postos do que de outros. Para o posto do Porto a procura mdia e de 2 escolas por hora, no posto de Valongo de 1.2 escolas por hora e e e no posto de Gaia de 2.8 escolas por hora. Em todos os casos a procura e continua a seguir uma distribuio de Poisson. ca O custo horrio de cada funcionrio de 10 e. Considere que o custo de a a e espera na la de cada escola tambm de 10 e por hora. Alm destes custos e e e considere ainda o custo de deslocao das escolas aos postos de distribuiao ca c dos kits de jardinagem. Caso exista um unico posto na LIPOR, as escolas gastaro, em mdia, 50 e em cada deslocao. Na alternativa de postos a e ca distribu dos, portanto mais prximos das escolas, estas tero um custo de o a deslocaao de 10 e por escola. c (a) Determine que alternativa minimiza os custos globais de distribuiao c dos kits: custo dos funcionrios + custo de espera das escolas para a serem atendidas + custo de deslocao das escolas. ca (b) Comente outras vantagens e desvantagens, para alm das estritamente e econmicas abordadas na al o nea anterior, das duas alternativas, nomeadamente socorrendo-se, para justicar estes seus comentrios, de a clculos que fez para resolver a al a nea anterior ou de algum clculo a adicional que julgue oportuno.
1

13.10 Uma horta na escola
329
13.10.2
(a) .
Resoluo ca
P0 Lq Custo Custo Custo Custo
Posto unico 3 postos de atendimento LIPOR Porto Valongo Gaia M/M/3 M/M/1 M/M/1 M/M/1 3 3 3 3 6 2 1.2 2.8 2 0.6667 0.4 0.9333 0.6667 0.6667 0.4 0.9993 0.1111 0.8888 1.3333 0.2667 13.0667 dos funcionrios a 30 10 10 10 de espera 8.8880 13.3333 2.6667 130.6667 de deslocaao c 300 20 12 28 Total 338.88 236.6667
Todos os custos foram calculados para o per odo de uma hora. Assim, o custo de espera igual ao nmero de escolas que, em mdia, est e u e a na la vezes o custo de uma hora de espera. O custo de deslocaao c e simplesmente igual ao nmero de escolas que se desloca, numa hora, u aos postos de distribuio (os vrios ) vezes o custo de deslocaao, ca a c que dependem de posto para posto. (b) Sendo globalmente mais econmica, a alternativa de ter postos distrio bu dos representa uma soluo muito m para as escolas que usaro o ca a a posto de atendimento de Gaia, onde a tamanho mdio da la muito e e elevado, correspondendo a um tempo de espera mdio: e Wq = Lq = 4.6667 horas
enquanto para os outros postos o Wq seria de 0.6667 e de 0.2222 horas. Para alm de ser uma soluao parcelarmente muito m, este desiquil e c a brio poder levar as escolas de Gaia a procurar outros postos de atena dimento, alterando radicalmente os valores de procura () sobre que assentaram estes clculos e tornando-os totalmente desfasados da realia dade. Esta situaao particularmente grave uma vez que outros valores c e de procura poderiam levar a uma deciso completamente diferente: a a concentrao dos 3 postos na LIPOR. ca

330
Filas de Espera
13.11
13.11.1
DouryKayak
Enunciado
O Rio Douro, com os seus 928 km de extenso, constitui uma das maiores a bacias hidrogrcas da Europa Ocidental, que se destaca pelos notveis vaa a lores histrico-culturais, art o sticos e ambientais. Aps o seu lento percurso o pelas plan cies cereal feras da meseta, o Douro forma a fronteira natural entre Portugal e Espanha. Nesta zona, conhecida como Douro Internacional no nosso pa e Arribes del Duero em Espanha a natureza foi prdiga na beleza s o paisag stica e na biodiversidade. [. . . ] O relevo desta zona caracteriza-se pelo encaixe da sua rede uvial, onde os vales formam, frequentemente, vertentes escarpadas e falsias, com at 400 m de altura, produzindo uma paisagem de e e beleza impressionante.
in http://dourointernacional.no.sapo.pt/arribasdodouro.html 2007.02.04
Para aproveitar todos estes recursos e partilh-los com a populao intea ca ressada, a empresa DouryKayak proporciona descidas pelo Rio Douro, entre Miranda do Douro e Freixo de Espada a Cinta em kayaks. A DouryKayak ` realiza viagens para grupos de 12 pessoas (obrigatoriamente), sendo que cada grupo atendido individualmente (quando um grupo chegar ao destino ene e viada a informaao para que o prximo grupo possa partir). O horrio de c o a funcionamento da empresa das 7h00 `s 17h00, podendo a ultima partida e a ocorrer na hora limite, `s 17h00. A chegada dos grupos ao embarcadouro de a partida aleatria e o nmero de grupos que chega por dia pode ser descrito e o u por uma distribuio de Poisson, sendo o seu valor mdio de 4.8 grupos/dia. ca e O problema da empresa decidir qual a melhor escolha de kayaks, dado e que existem kayaks de 2 lugares, que tm um preo de 95e cada, kayaks de e c 4 lugares (170e cada) e kayaks de 6 lugares (210e cada). Depois de vrios a testes concluiu-se que o tempo de viagem por grupo (12 pessoas), incluindo o tempo de retorno ao ponto de partida, aleatrio e segue uma distribuiao e o c exponencial negativa. Com 6 kayaks de 2 lugares o tempo mdio de viagem e de 1h30, com 3 kayaks de 4 lugares a viagem demora em mdia 2h00 e a e e viagem de 2 kayaks de 6 lugares demora em mdia 2h30. e O objetivo da DouryKayak decidir que tipo de kayaks comprar (2 lugae res, 4 lugares ou 6 lugares), de forma a gastar o m nimo de dinheiro poss vel mas com a restriao de os kayaks estarem ocupados um mximo de 80% do c a tempo, de forma a poderem contemplar um futuro aumento da procura. Para a conguraao escolhida, calcule o nmero mdio de grupos que estaro na c u e a la de espera.
Baseado num problema elaborado por Ana Vanessa Duque - 2005/2006

13.11 DouryKayak
331
13.11.2
Resoluo ca
Neste problema pretende-se analisar um sistema de la de espera M/M/1. Quer as chegadas quer o atendimento seguem processos de Poisson (ou exponencial negativos), os clientes so os grupos e o que est em causa a a e determinar a conguraao do servio, que tem impacto no custo do mesmo e c c no tempo mdio de atendimento. Usaremos como unidade de tempo a hora. e Como temos trs conguraoes diferentes e alternativas para o atendimento, e c distinguiremos os trs casos apondo o e ndice A, B e C as variveis habituais, ` a representando, respectivamente, as situaes de comprar kayaks de 2 lugares, co 4 lugares e 6 lugares. Usando ento a nomenclatura habitual das las de espera: a = A B C 4.8 = 0.48 10 1 2 = = 1.5 3 1 = = 0.5 2 1 = 0.4 = 2.5
Para respeitar a condiao dada no enunciado, a probabilidade de o sistema c estar desocupado ter de ser superior ou igual a 20%: a
A P0 = 1 B P0 C P0
0.48 = 1 2 = 1 0.72 = 0.28 A 3 0.48 =1 = 1 = 1 0.96 = 0.04 B 0.5 0.48 =1 = 1 = 1 1.2 B 0.4
Na hiptese C a la de espera no est em equil o a a brio, pois C = C e maior que um. Nos outros dois casos, apenas a hiptese A garante a taxa de o desocupaao pretendida. c Para esta situaao A, o nmero mdio de grupos na la de espera dado c u e e por: LA = q 2 = A (A )
2 3
0.482 = 1.851 ( 2 0.48) 3

332
Filas de Espera

Cap tulo 14 Simulao ca

Dada a descriao de um sistema a simular: c determinar as entidades, actividades e eventos envolvidos na simulaao c determinar os estados de cada entidade e as regras para ocorrer uma mudana de estado. c Executar uma simulao por eventos, representando a evoluao do sisca c tema ao longo da simulaao atravs de uma tabela de estados e de uma c e lista de eventos. Retirar resultados pr-estabelecidos da simulao efectuada, como teme ca pos mdios num estado ou nmero mdio de entidades num estado (por e u e exemplo, numa dada la de espera). Gerar nmeros aleatrios com uma distribuiao de probabilidades: u o c discreta, atravs de um histograma ou tabela de probabilidades e dada e a partir de nmeros aleatrios uniformemente distribu u o dos entre 0 e 1. cont nua, a partir da funo inversa da distribuio de probabilica ca dade acumulada e a partir de nmeros aleatrios uniformemente u o distribu dos entre 0 e 1. Utilizar os nmeros aleatrios para gerar tempos de ocorrncia de evenu o e tos numa simulao discreta. ca

334
Simulao ca
Utilizar os nmeros aleatrios para fazer uma simulao estat u o ca stica. Retirar resultados pr-estabelecidos da simulao estat e ca stica efectuada.

335
Exerc cios
14.1 Avarias na rede elctrica . . . . . . . . . . . . . . . . . . . . 336 e 14.2 ValorSul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 338 14.3 Avistamento de Aves . . . . . . . . . . . . . . . . . . . . . . 340

336
Simulao ca
14.1
14.1.1
Avarias na rede elctrica e

Enunciado
Na reunio camarria de ontem, o presidente da Cmara Municipal de Estrea a a moz fez um discurso inamado contra os frequentes cortes de fornecimento de energia elctrica provocados pelos bandos de estorninhos. Uma armae ao, em particular, indisps os responsveis pela REN, por a considerarem c o a falsa: que os habitantes estariam normalmente cerca de 3 horas por dia sem fornecimento de energia elctrica. e Os curto-circuitos de causa natural so, evidentemente, fenmenos aleaa o trios e a reposiao de servio, por acao do telecomando da rede, tambm o c c c e sabido pois que o tempo entre ocorrncias de curtono determin a e stico. E e circuitos segue uma distribuiao de probabilidades exponencial negativa, com c um valor esperado de 60 minutos1 , e o tempo de reposiao segue uma distric buiao uniforme, tomando valores entre 1 e 5 minutos. c Atravs de simulao estat e ca stica, calcule o tempo mdio dirio que os e a habitantes esto sem energia elctrica e conclua se o presidente da Cmara a e a Municipal tem ou no razo. Faa apenas 5 iteraoes e utilize os seguintes a a c c nmeros aleatrios uniformemente distribu u o dos entre 0 e 1: 0.2032 0.5163 0.5160 0.0409 0.5993 0.0980 0.6415 0.5301 0.0555 0.4963
Recorde que E(X) = parmetro . a
1 ,
quando x segue uma distribuio exponencial negativa de ca

14.1 Avarias na rede elctrica e
337
14.1.2
.
Resoluo ca
(F) N de ciclos acidente/reposio num dia (24*60 min) (24*60)/(E) 95.8752 30.5483 30.8609 386.3780 24.8891 Mdia (G) Tempo total sem servio num dia (D) * (F) 133.4433 108.9305 96.2941 472.1974 74.2975 177.0326
(A) (B) (C) (D) (E) Tempo entre acidentes (min) Tempo de reposio do servio (min) Tempo de ciclo (min) N aleatrio N aleatrio N aleatrio N aleatrio U[0,1] EXP(1/60) U[0,1] U[1,5] -LN(1 - (A)) / (1/60) (5-1) * (C) + 1 (B) + (D) 0.2032 13.6277 0.0980 1.3918 15.0195 0.5163 43.5727 0.6415 3.5658 47.1385 0.5160 43.5408 0.5301 3.1203 46.6610 0.0409 2.5048 0.0555 1.2221 3.7269 0.5993 54.8715 0.4963 2.9851 57.8567

338
Simulao ca
14.2
14.2.1
ValorSul
Enunciado
A Valorsul, S.A. a empresa responsvel pelo tratamento e valorie a zaao das cerca de 750 mil toneladas de Res c duos Slidos Urbanos o produzidas, por ano, nos munic pios de Amadora, Lisboa, Loures, Odivelas e Vila Franca de Xira. A sua area de intervenao corres c ponde a menos de 1% da rea total do pa mas valoriza quase a s, um sexto de todo o lixo domstico produzido em Portugal. Esta e imensa quantidade de res duos tratada e valorizada pela Valore sul atravs de um moderno Sistema de Gesto Integrada de RSU e a adequado ao crescimento e ` composio do nosso lixo urbano. a ca
in http://www.valorsul.pt
A Valorsul pretende avaliar um novo sistema de descarga dos camies que o diariamente chegam ao aterro sanitrio de Mato da Cruz, em Calhandriz. a Com este novo sistema o tempo de descarga pode ser considerado nulo uma vez que os camies so descarregado sem andamento. E sabido que, no o a per odo de maior trfego (08h00-11h45), a chegada de camies ao aterro a o e aleatria e segue uma distribuiao exponencial com um tempo mdio entre o c e chegadas de 5 minutos. O tipo de camio (tonelagem) que chega tambm a e e uma varivel aleatria cuja distribuiao de probabilidade, calculada com base a o c na frequncia relativa passada, representada na Tabela 1. e e Tabela 1: Distribuiao de probabilidade para o tipo de camio. c a Tonelagem Probabilidade 10 0.25 18 0.15 26 0.40 32 0.20
Pretende-se simular o funcionamento do aterro (chegada e atendimento de camies) para um per o odo de 15 minutos. Utilize a seguinte lista de nmeros aleatrios uniformemente distribu u o dos entre 0 e 1 como base para a simulao: ca 0, 4819 0, 2286 0, 1714 0, 3777 0, 7221 0, 7221 0, 6721 0, 4981 0, 4875 0, 8864 0, 9390 0, 6201 0, 9512 0, 9260 0, 6182 0, 4148 0, 1296 0, 6389

14.2 ValorSul
339
14.2.2
Resoluo ca
Este um problema de simulaao discreta, em que o tempo entre eventos e c (chegada de uma camio) regido por uma distribuio exponencial negativa a e ca com mdia 5 minutos (o tempo mdio entre chegadas de 5 minutos). Assim, e e e = 0, 2. Para cada chegada ainda necessrio determinar o tipo de camio (tonelae a a gem). Para isso utiliza-se a distribuio de probabilidade dada no enunciado. ca
sad asuac rop adahnilased tse anuloc 3 a(
O resultado desta simulaao ento a chegada de 3 camies de 26 toc e a o neladas e 4 de 32 toneladas, num tempo total de 20,7 minutos. Concluses o estatisticamente signicativas apenas poderiam ser retiradas da repetio ca (um nmero suciente de vezes) desta simulaao. u c

01
81
62
23
))(PUKOOLV od oazilitu ed sarger
amargotsiH
)x=<X(P 52,0 04,0 08,0 00,1 0
)x=X(p
52,0
51,0
04,0
02,0
62
23
23
62
62
23
23
62
23
23
62
23
23
62
amargotsih olep adad oiubirtsid moc sairtaela seavrebO )sadalenot( oimaC
416782,3
013304,6
106475,5
266792,1
599939,0
589173,2
013304,6
1894,0
5784,0
4688,0
0939,0
1026,0
2159,0
0629,0
)sotunim( seavresbo ertne opmeT
soirtaela soremN
adbmal
565003,41
578307,02
416782,3
572585,4
072525,5
552798,7
416782,3
266792,1
599939,0
589173,2
013304,6
013304,6
106475,5
2,0 0
laicnenopxe oiubirtsid moc soirtaela soremN )sotunim( opmeT
9184,0
6822,0
4171,0
7773,0
1227,0
1227,0
1276,0
soirtaela soremN
1 2 3 4 5 6 7
340
Simulao ca
14.3
14.3.1
Avistamento de Aves
Enunciado
A bacia do Rio Douro, desde Miranda do Douro at quase ` sua foz, constitui e a um dos ultimos refgios e local de nidicao de vrias espcies de aves de u ca a e rapina. No obstante profundas alteraoes provocadas no habitat pela acao hua c c mana, quer introduzindo sistemas de monocultivo agr colas, quer construindo barragens e vias de comunicaao, uma percentagem considervel da populac a ao portuguesa de Abutres do Egipto, Grifos, Aguias Reais, Aguias de Bonelli c e Falces Peregrinos constroem os seus ninhos nas paredes rochosas das maro gens do Rio Douro. O grupo Quercus tem dedicado um especial carinho ao recenseamento e protecao destas aves, tendo criado e vindo a manter em funcionamento a c zona de alimentaao em Miranda do Douro e, com a ajuda de um ncleo de c u ornitlogos amadores, tm feito vrios estudos destas espcies. o e a e Em virtude desse trabalho j hoje poss ter uma ideia aproximada da e a vel populao das vrias espcies de rapina na bacia do Douro, como podemos ca a e ver na Tabela 2. Tabela 2: Populaao de aves de rapina no Parque Natural do Douro Interc nacional. Tipo de ave Nmero de aves no Parque u Abutre do Egipto 30 Grifo 80 Aguia Real 18 Aguia de Bonelli 21 Falco Peregrino a 23 Total de Aves 172
Da experincia acumulada sabe-se que no Parque do Douro Internacional e a observaao das aves de rapina segue uma distribuio exponencial negativa c ca e que em mdia se avista uma ave de 2 em 2 horas. O tipo de ave avistado em e cada uma das observaoes depende, obviamente, da sua frequncia relativa c e na populaao do parque. c Pretende-se simular o avistamento de aves de rapina num per odo de 5 horas e estimar o nmero de aves de cada tipo observado nesse per u odo. Utilize a seguinte lista de nmeros aleatrios uniformemente distribu u o dos entre 0 e 1 como base para a simulao: ca

14.3 Avistamento de Aves
341
0, 4819 0, 2286 0, 1714 0, 3777 0, 7221 0, 7221 0, 6721 0, 4981 0, 4875 0, 8864 0, 9390 0, 6201 0, 9512 0, 9260 0, 6182 0, 4148 0, 1296 0, 6389
Baseado num problema elaborado por Ana Vanessa Duque - 2005/2006

342
Simulao ca
14.3.2
Resoluo ca
Este um problema de simulaao discreta, em que o tempo entre eventos e c (avistamento de uma ave) regido por uma distribuiao exponencial negativa e c com mdia 2 horas (o tempo mdio entre avistamentos de 2 horas). Assim, e e e = 0, 5. Para cada avistamento ainda necessrio determinar o tipo de ave que e a avistado. Para isso utiliza-se o nmero de aves que vive no parque, isto e u , como existem 30 abutres do Egipto, num total de 172 aves de rapina, a e 30 probabilidade de a rvore observada ser um abutre do Egipto de 172 = 0, 17. a e
O resultado desta simulaao ento a observao de 3 Grifos, 2 Falc e a ca ces Peregrinos e uma Aguia Real. Concluses estatisticamente signicativas o o apenas poderiam ser retiradas da repetiao (um nmero suciente de vezes) c u desta simulaao. c


Investigacao Operacional Exercicios Muito Bom

Загружено:

Сведения о документе

Исходное описание:

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Investigacao Operacional Exercicios Muito Bom

Загружено:

Авторское право:

Доступные форматы

FEUP FACULDADE DE ENGENHARIA UNIVERSIDADE DO PORTO

DEPARTAMENTO DE ENGENHARIA E GESTAO INDUSTRIAL

Investiga ao Operacional c Exerc cios

FEUP FACULDADE DE ENGENHARIA UNIVERSIDADE DO PORTO

3 Utilizao do Solver do Excel ca 79 3.1 Planeamento da produao na VW Autoeuropa . . . . . . . . . 81 c

FEUP FACULDADE DE ENGENHARIA

Indice 87 89 96 99 103 107 110 112 115

FEUP FACULDADE DE ENGENHARIA

FEUP FACULDADE DE ENGENHARIA

FEUP FACULDADE DE ENGENHARIA

Cap tulo 1 Modelao ca

FEUP FACULDADE DE ENGENHARIA

FEUP FACULDADE DE ENGENHARIA

1.1 Problema da Mistura de Produtos

Problema da Mistura de Produtos

Tabela 1: Dados fornecidos pelo departamento de engenharia

FEUP FACULDADE DE ENGENHARIA

FEUP FACULDADE DE ENGENHARIA

FEUP FACULDADE DE ENGENHARIA

do total dos exemplares dever ser em verso a a

FEUP FACULDADE DE ENGENHARIA

1.2 Publicaoes Polmicas c e

FEUP FACULDADE DE ENGENHARIA

max Z = 600xN + 720xL Sujeito a:

xN + xL xL xN + 12000 8000 xN xL + 15000 9000 1 (xN + xL ) 4 xN xL

10000 1 1 xL 2000 1000

(1.2) (1.3) (1.4) (1.5) (1.6) (1.7)

max Z = 600xN + 720xL Sujeito a:

FEUP FACULDADE DE ENGENHARIA

1.2 Publicaoes Polmicas c e

xN + xL 2xN + 3xL 3xN + 5xL xN 3xL xN xL (b) Representaao grca: c a

10000 24000 45000 0 2000 1000

(1.9) (1.10) (1.11) (1.12) (1.13) (1.14)

Z crescente Soluo ptima

(c) Resoluao pelo Algoritmo Simplex c xN xL s 1 s 2 s 3 1 1 1 0 0 2 3 0 1 0 3 5 0 0 1 60 72 0 0 0

FEUP FACULDADE DE ENGENHARIA

FEUP FACULDADE DE ENGENHARIA

1.3 Montagem duas peas c

Montagem duas peas c

FEUP FACULDADE DE ENGENHARIA

(1.16) (1.17) (1.18) (1.19) (1.20)

FEUP FACULDADE DE ENGENHARIA

1.3 Montagem duas peas c

FEUP FACULDADE DE ENGENHARIA

A companhia de aviao Benvoa ca

FEUP FACULDADE DE ENGENHARIA

1.4 A companhia de aviao Benvoa ca

Funo objectivo ca max LUCRO = 310xl + 230xm + 200xc

FEUP FACULDADE DE ENGENHARIA

Tabela 4: Peso, volume e lucro associados a cada carga

FEUP FACULDADE DE ENGENHARIA

1.5 Carga de navio

7000 6500 4000 2000 3200 1800

FEUP FACULDADE DE ENGENHARIA

7000 6500 4000 2000 3200 1800 100000 140000 80000 =0 =0 =0 0

FEUP FACULDADE DE ENGENHARIA

1.6 Produo e Distribuio ca ca

Tabela 5: Capacidades de produao das fbricas c a

Produto Fbrica a Procura Custo de transporte por unidade

P1 A 1200 A B = 4 B 800 B A = 4 A 1500 A B = 3

Tabela 6: Procura e custos de transporte dos produtos

FEUP FACULDADE DE ENGENHARIA

i,k i,j i,k i,j,k