You are on page 1of 96

Universidade Federal de Uberlndia

Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Fundamentos da Teoria
da Deciso

Prof. Dr. Lus Antonio Benedetti

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

INTRODUO
O sucesso ou fracasso de uma pessoa ao longo de sua
vida depende, fundamentalmente, das decises que ela
toma.
Por exemplo, o gerente do projeto do nibus espacial
Challenger no trabalha mais na NASA. O engenheiro
que projetou o campeo de vendas Mustang, tornou-se
presidente da Ford Motor Company.
A teoria da deciso um enfoque analtico e sistemtico
de uma determinada situao para apoiar uma tomada
de deciso
Qual a diferena entre uma deciso correta e uma
deciso ruim?

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Deciso correta:
1. Baseada na lgica
2. Considera todos os dados disponveis
3. Leva em conta todas as possveis alternativas
4. Mtodo quantitativo de apoio deciso
Eventualmente, uma boa deciso pode resultar em
um resultado inesperado ou desfavorvel.
Entretanto, se a deciso foi tomada da maneira
correta, ela continua sendo uma boa deciso.
Se voc toma uma deciso ruim e obtm resultados
favorveis, a deciso continua sendo ruim.
Entretanto, a longo prazo, a Teoria da Deciso ser
muito til na obteno de resultados favorveis.

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

1. Os Seis passos da Teoria da Deciso:


1. Definir claramente o problema
2. Listar as possveis alternativas
3. Identificar os possveis contextos
4. Listar os resultados associados a cada combinao de
alternativa e contexto
5. Selecionar um modelo matemtico de apoio a tomada
de deciso
6. Aplicar o modelo e escolher a deciso
Exemplo:
Vamos considerar, como exemplo, o caso da empresa
WTA Transformadores para ilustrar estes seis passos da
Teoria da Deciso. O Sr Thomas Witt o fundador e
presidente da WTA Transformadores , uma lucrativa
empresa, que fabrica e comercializa transformadores.

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial
Universidade Federal de Uberlndia
Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Passo 1:
O problema que o Sr Witt identificou se expande sua
linha de produtos, fabricando e comercializando um novo
transformador de alta tenso.
Passo 2:
Thomas Witt definiu as seguintes possveis alternativas
ou estratgias: (1) Construir uma fbrica de grande
capacidade para fabricar o novo transformador; (2)
Construir uma fbrica de pequena capacidade para
fabricar o novo transformador e (3) No construir fbrica
alguma, isto , no desenvolver o novo transformador.
Passo 3:
Contextos: (1) mercado favorvel com existncia de uma
grande demanda pelo produto, (2) mercado desfavorvel
com uma pequena demanda. Contextos sobre os quais o
tomador de deciso no tem controle ou tem pouco
controle, so chamados de contextos naturais.

Passo 4:
Nesta etapa Thomas Witt precisa registrar o resultado
associado cada combinao alternativa/contexto. Neste
caso como ele deseja maximizar o retorno, deve avaliar
cada conseqncia da combinao. Na Teoria da
Deciso, os resultados (financeiros ou no), so
chamados de valores condicionais. O Sr. Witt avaliou o
resultado associado a cada conseqncia, e formou uma
tabela de resultados:
Contextos naturais
Alternativas

Mercado favorvel
($)

Mercado desfavorvel
($)

Fbrica de grande
capacidade

200.000

-180.000

Fbrica de pequena
capacidade

100.000

-20.000

No construir fbrica

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial
Universidade Federal de Uberlndia
Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Passos 5 e 6:
Estes dois ltimos passos envolvem a seleo e a
aplicao de um modelo matemtico de apoio a tomada
de deciso. a seleo do modelo depende do ambiente
no qual a deciso deve ser tomada e do risco e incerteza
envolvida.

2. Tipos de ambientes para a tomada de deciso


O tipo de deciso a ser tomada depende do grau de
conhecimento e da quantidade de informaes que se
dispe sobre a situao na qual a deciso deve ser
tomada. Existem trs ambientes para tomada de deciso:
Tipo 1 - Tomada de Deciso sob Certeza.
Tipo 2 - Tomada de Deciso sob Risco.
Tipo 3 - Tomada de Deciso sob Incerteza.

Tipo 1 - Tomada de Deciso sob Certeza:


Nesse ambiente o tomador de deciso sabe com certeza
o contexto associado a cada alternativa. Se o Sr. Witt
soubesse que o mercado para transformadores de alta
tenso seria favorvel, que deciso ele deveria tomar?
Tipo 2 - Tomada de Deciso sob Risco.
Nesse ambiente o tomador de deciso conhece a
probabilidade de ocorrncia de cada contexto. Os
modelos de Teoria da Deciso nesses ambientes,
normalmente empregam dois critrios equivalentes:
maximizao do valor monetrio esperado e minimizao
da perda esperada.
Tipo 3 - Tomada de Deciso sob Incerteza.
Nesse ambiente o tomador de deciso no conhece as
probabilidades de ocorrncia de cada contexto.

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

3. Tomada de deciso sob risco


Vrios possveis contextos podem ocorrer, cada um com
uma dada probabilidade, a tomada de deciso sob risco
uma situao de deciso probabilstica. Discutiremos o
mtodo da maximizao do valor monetrio esperado.
Valor Monetrio Esperado (VME)
O VME para uma alternativa soma dos possveis
resultados das n alternativas, ponderados pela
probabilidade de ocorrncia de cada contexto, ou seja:
VME(alternativa i)=(resultado do 1o contexto) x (prob. do 1o
contexto) + (resultado do 2o contexto) x (prob. do 2o
contexto)+ ... + (resultado do ltimo contexto) x (prob.do
ltimo contexto)

No exemplo da WTA transformadores suponhamos que o


Sr. Thomas saiba que um mercado favorvel e um
desfavorvel tenham uma mesma probabilidade de
ocorrncia de 0,50. Qual alternativa daria o maior valor
monetrio esperado?
Contextos naturais
Alternativas

Mercado
Mercado
favorvel ($) desfavorvel ($)

Valor Monetrio
Esperado
(VME)

Fbrica de grande
capacidade

200.000

-180.000

10.000

Fbrica de pequena
capacidade

100.000

-20.000

40.000

No construir
fbrica

Probabilidades

0,50

0,50

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Valor Esperado com Informao Precisa (VECIP)


Imaginemos que a Marketing Survey promete realizar
uma pesquisa de mercado e informar ao Sr. Thomas, com
absoluta certeza, se o mercado ser favorvel ou no ao
novo produto, cobrando $ 65.000. O que voc
recomendaria ao Sr.Thomas?
VECIP o retorno mdio ou esperado, a longo prazo, se
temos uma informao precisa, sobre a probabilidade de
ocorrncia de cada contexto, antes da deciso ser
tomada:
VECIP=(melhor resultado do 1o contexto) x (prob. do 1o
contexto) + (melhor resultado do 2o contexto) x (prob. do 2o
contexto)+ ...+ (melhor resultado do ltimo contexto) x
(prob.do ltimo contexto)

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

O Valor da Informao Precisa (VIP) ser dado por


VIP = VECIP - mximo (VME)

Utilizando os dados da tabela de deciso do Sr. Thomas:


VECIP = (200.000)x(0,50)) + (0)x(0,50) = $ 100.000
Como o mximo do VME $40.000, temos
VIP = 100.000 40.000 = 60.000
Este o mximo valor que Thomas Witt deveria pagar
pela informao da Marketing Survey
Perda de Oportunidade
Num ambiente de tomada de deciso sob risco, um
mtodo alternativo maximizao do valor monetrio
esperado o mtodo da minimizao da perda de
oportunidade esperada (POE), que a diferena entre o
resultado timo e o resultado realizado. Em outras
palavras, o valor perdido por no se optar pela melhor
alternativa.

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

No exemplo da WTA transformadores, temos:


Tabela de Perda de Oportunidade da WTA
Contextos naturais
Alternativas

Mercado favorvel ($)

Fbrica de
grande
capacidade

200.000 - 200.000 = 0

Fbrica de
pequena
capacidade

200.000 - 100.000 =
100.000

No construir
fbrica
Probabilidades

Mercado desfavorvel
($)
0 - (-180.000) = 180.000

0 - (-20.000) = 20.000

200.000 - 0 = 200.000
0,50

0-0=0
0,50

A POE de cada alternativa calculada multiplicando-se a


probabilidade de ocorrncia de cada contexto, pela
respectiva perda de oportunidade associada quele
contexto, ou seja:
POE (Fab. grande capacidade) =
(0,50)x(0) + (0,50)x(180.000) = $ 90.000
POE (Fab. pequena capacidade) =
(0,50)x(100.000) + (0,50)x(20.000) = $ 60.000
POE (nenhuma fbrica) =
(0,50)x(200.000) + (0,50)x(0) = $ 100.000

Portanto melhor deciso para a a WTA seria a construo


de uma fbrica de pequena capacidade. Note que este
mtodo equivalente ao mtodo max(VME) e que
seguinte relao sempre valer:
VIP = Mnima (POE)

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Anlise de Sensibilidade
A anlise de sensibilidade investiga como nossa
deciso pode mudar quando algum dado do problema
alterado. Vamos investigar o impacto da mudana na
probabilidade de ocorrncia de cada contexto, na
deciso a ser tomada pela WTA Transformadores.
Seja:
p = Probabilidade de um mercado favorvel
Logo:

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

(1-p) = Probabilidade de um mercado desfavorvel

Agora, ns podemos expressar o valor monetrio


esperado (VME) de cada alternativa, em termos de p.
Isto feito a seguir:
VME (Fab grande capacidade) =
(200.000)x(p) + (-180.000)x(1-p) = 380.000p - 180.000
VME (Fab. pequena capacidade) =
(100.000)x(p) + (-20.000)x(1-p) = 120.000p - 20.000
VME (nenhuma fbrica) = (0)x(p) + (0)x(1-p) = 0

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

H tambm dois outros enfoques para a anlise de


sensibilidade:
1. Tentativa e erro: resolver o problema diversas vezes,
preferencialmente usando o computador, onde em
cada soluo um parmetro do problema alterado.
2. Anlise ps-otimizao. identificar o campo de
variao dos parmetros do problema que no afetam
a soluo tima.
Quando a soluo tima de um problema de
Programao Linear obtida atravs do Excel, o
prprio software elabora dois relatrios (sensibilidade
e limites) que so muito teis para se realizar a
anlise de sensibilidade do modelo formulado.

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Tomada de deciso sob incerteza


Quando esta probabilidade no pode ser estimada com
um certo grau de confiana ou quando no h qualquer
informao a respeito desta probabilidade, outros
critrios de deciso so necessrios.
1. Maximaxi
2. Maximini
3. Equiprobabilidade
4. Critrio realista
5. Minimaxi
Os quatro primeiros critrios podem ser aplicados
diretamente sobre a tabela de deciso, enquanto que o
critrio minimax requer o uso da tabela de perda de
oportunidade.

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Maximax
O critrio maximax seleciona a alternativa que maximiza
o melhor resultado de cada uma das alternativas. Ele
tambm conhecido como critrio de deciso otimista.
Aplicao do critrio maximaxi
Alternativas

Contextos naturais

Melhor
resultado
($)

Mercado
favorvel ($)

Mercado
desfavorvel
($)

Fbrica de grande
capacidade

200.000

-180.000

200.000
Maximaxi

Fbrica de pequena
capacidade

100.000

-20.000

100.000

No construir
fbrica

Equiprobabilidade (Laplace)
Este critrio de deciso, tambm chamado Laplace
seleciona a alternativa com o melhor resultado mdio.
Primeiro voc calcula o resultado mdio de cada
alternativa, somando-se todos os possveis resultados e
dividindo-se a soma pelo nmero de contextos
possveis. A seguir seleciona-se a alternativa com o
melhor resultado mdio.
Aplicao do critrio de equiprobabilidade
Alternativas

Contextos naturais

Resultado mdio
($)

Mercado
favorvel ($)

Mercado
desfavorvel ($)

Fbrica de grande
capacidade

200.000

-180.000

10.000

Fbrica de pequena
capacidade

100.000

-20.000

40.000
Equiprobabilidade

No construir fbrica

10

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial
Universidade Federal de Uberlndia
Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Critrio Realista
Freqentemente chamado de critrio da mdia
ponderada. Primeiramente, necessrio definir-se o
coeficiente de realismo , que pode variar entre zero e
um. A vantagem deste critrio que ele permite ao
tomador de deciso construir uma percepo pessoal
mais otimista ou mais realista.
Critrio realista = ()x(melhor resultado) + (1 - )x(pior resultado)

Aplicao do critrio realista


Alternativas

Contextos naturais

Critrio realista
( = 0,80)
($)

Mercado
favorvel ($)

Mercado
desfavorvel ($)

Fbrica de grande
capacidade

200.000

-180.000

124.000
Critrio Realista

Fbrica de pequena
capacidade

100.000

-20.000

76.000

No construir fbrica

Minimaxi
O ltimo critrio de deciso num ambiente de tomada de
deciso sob incerteza baseado na perda de
oportunidade. O critrio minimaxi seleciona a alternativa
que minimiza a mxima perda de oportunidade de cada
uma das alternativas. Primeiro selecionamos a maior
perda de oportunidade de cada alternativa. Depois
selecionamos a alternativa com a menor dessas perdas.
Aplicao do critrio minimaxi
Alternativas

Contextos naturais
Mercado
favorvel ($)

Mercado
desfavorvel
($)

Perda

mxima
($)

Fbrica de grande
capacidade

180.000

180.000

Fbrica de pequena
capacidade

100.000

20.000

100.000 Minimaxi

No construir fbrica

200.000

200.000

11

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Anlise marginal com muitas alternativas e contextos


Como proceder quando existe um grande nmero de
alternativas e/ou de contextos? Por exemplo, uma
lanchonete fast food tem capacidade para estocar at 500
pes de sanduche. Diariamente, a demanda por
sanduches varia de 100 a 500 unidades. Neste caso,
teramos que analisar 501 alternativas diferentes
(quantidades de pes em estoque) e 401 possveis
contextos (demanda diria por sanduches).
Se for possvel identificar o ganho marginal GM (o ganho
obtido com a venda de um sanduche) ou perda marginal
PM (a perda causada por um po que fica estocado e no
vendido), poderemos utilizar a anlise marginal para
encontrarmos a melhor alternativa, sem a necessidade de
construirmos uma tabela to grande.

Se existe uma quantidade finita de alternativas e


contextos, a anlise marginal com distribuio discreta
pode ser utilizada.
Se existe um grande nmero de alternativa e contextos e
a distribuio de probabilidade pode ser descrita como
uma distribuio normal, ento, a anlise marginal com
distribuio normal deve ser usada. Os dois casos sero
discutidos a seguir:
Anlise marginal com distribuio discreta
Sejam
p = probabilidade da demanda ser maior ou igual ao nvel
de estoque, ento
(1-p) = probabilidade da demanda ser menor do que o
nvel de estoque
O ganho marginal esperado (GME) ser dado por:
GME = (p)x(GM)

12

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial
Universidade Federal de Uberlndia
Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Analogamente, a perda marginal esperada (PME) ser


dada por:
PME = (1-p)x(PM)
A deciso tima ocorre sempre que GME PME, ou seja:
p PM/(GM + PM)
Em outras palavras, enquanto a probabilidade de vender
mais uma unidade do produto for maior ou igual
PM/(GM + PM), o nvel de estoque pode ser acrescido de
uma unidade.
O mtodo de anlise marginal com distribuio discreta
segue os seguintes passos:
1. Determinar o valor de p para o problema
2. Construir uma tabela de probabilidade acumulada
3. Selecionar o nvel de estoque com base no valor de p

Exemplo: Um Caf popular de So Paulo, especializado


em caf com torradas, compra as torradas frescas
diariamente de uma confeitaria. O Caf paga R$ 4,00
pelo pacote de 20 torradas. Qualquer pacote no vendido
at o fim do dia descartado, porque o Caf no serve
torrada do dia anterior. Cada pacote de torrada vendido
por R$ 6,00. Assim, o ganho marginal de cada pacote de
torradas vendido de R$ 2,00 e a perda marginal de
cada pacote de torradas no vendido de R$ 4,00, uma
vez que o mesmo no pode ser devolvido.
Vamos determinar o nvel de estoque timo de pacotes.
Com base num histrico recente, o gerente do Caf
estima que a demanda diria por pacotes de torradas
segue a distribuio de probabilidade mostrada na tabela
seguinte:

13

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Distribuio de probabilidade de vendas de torradas


Nmero de pacotes de
torradas demandado

Probabilidade de vender o nmero


de pacotes de torradas

0,05

0,15

0,15

0,20

0,25

0,10

10

0,10

Total

1,00

Passo 1. Determinao do valor de p:


P PM/(GM + PM) = 4/(4 + 2) = 0,66
P 0,66

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Passo 2. Clculo da probabilidade acumulada:


Distribuio de probabilidade acumulada de vendas de
torradas
Nmero de
pacotes de
torradas
demandado

Probabilidade de vender
o nmero de pacotes
de torradas

Probabilidade de
vender at o nmero
de pacotes

0,05

1,00

0,15

0,95

0,15

0,80

0,20

0,65

0,25

0,45

0,10

0,20

10

0,10

0,10

Total

1,00

14

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Passo 3. Seleo do nvel timo de estoque:


Compara-se a probabilidade acumulada com o valor
calculado de p. O nvel de estoque pode ser aumentado
enquanto for verdadeira a regra de deciso tima,
p 0,66.
Se o nvel de estoque for de 6 pacotes de torradas,
temos:
P(vendas menor ou igual a 6) = 0,80 0,66.
Para um nvel de estoque de 7 pacotes temos:
P(vendas menor ou igual a 7) = 0,65 < 0,66
Portanto, o nvel timo de estoque de 6 pacotes de
torradas.

Otimizao de Processos
(Programao Linear) (PL)

Prof. Dr. Lus Antonio Benedetti

15

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial
Universidade Federal de Uberlndia
Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

INTRODUO
A programao linear pertence a
uma classe de problemas chamada
otimizao, que visa maximizar ou
minimizar (otimizar) uma funo de
vrias variveis sujeita a certas
restries.

EXEMPLOS DE PROBLEMAS DE
OTIMIZAO
EXEMPLO 1

Uma pequena indstria produz artigos A1


e A2 que so vendidos a R$200,00 e
R$300,00
respectivamente.
Na
sua
produo so utilizados 3 tipos de
matrias-primas, P1 , P2 e P3 , que so
gastas da seguinte forma:
2 unidades de P1 para fabricar 1 unidade de A1,
4 unidades de P2 para fabricar 1 unidade de A1,
1 unidade de P1 para fabricar 1 unidade de A2,
1 unidade de P3 para fabricar 1 unidade de A2.

16

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial
Universidade Federal de Uberlndia
Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Por razes econmicas, as matrias-primas P1,


P2 e P3 esto disponveis no mximo em 20, 32 e
10 unidades, respectivamente.

O dono da empresa deseja saber as


quantidades dos produtos A1 e A2 que devem
ser produzidas para que a receita bruta seja a
maior possvel.

Para responder a esta pergunta vamos


reformular a situao como um problema de
programao linear. Para tanto, suponhamos
que:
a)a quantidade do produto a ser vendida igual
quantidade do produto a ser fabricada,
isto , no h estoque;
b)a receita bruta proporcional quantidade
vendida;
c)as matrias-primas gastas so proporcionais
s quantidades produzidas;
d)quantidades negativas de produtos A1 e A2
no tero significado algum.

17

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial
Universidade Federal de Uberlndia
Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Considerando-se as hipteses (a) e (b), a


funo f(x1, x2) = 200x1 + 300x2 exprime a
receita bruta.
Como existe limite na disponibilidade das
matrias-primas, elas formam as restries do
problema. Portanto, admitindo a hiptese (c),
para cada matria-prima temos uma restrio
que pode ser expressa da seguinte forma:
para a matria-prima P1 , 2x1 + x2 20;
para a matria-prima P2, 4x1 32;
para a matria-prima P3, x2 < 10.

Assim, possvel escrever o problema do


seguinte modo:
"Encontre, se existir, o par (x1, x2 ), tal que a
funo, f(x1 , x2) = 200x1 + 300x2, sujeita s
restries abaixo, assuma o maior valor possvel
2x1 + x2 20
4x1
32
x2 10
x1 0, x2 0 (hiptese d),
ou ainda max (200x1 + 300x2), sujeito a
2x1 + x2 20
4x1
32
x2 10
x1 0, x2 0

18

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

EXEMPLO 2

Um jovem pretende prestar um concurso pblico cujo


exame envolve duas disciplinas, D1 e D2. Ele sabe que,
para cada hora de estudo, pode obter 2 pontos na nota
da disciplina D1 e 3 pontos na nota de D2 e que o
rendimento proporcional ao seu esforo.
Ele dispe de no mximo 50 horas para os estudos at
o dia do exame. Para ser aprovado dever obter na
disciplina D1 no mnimo 20 pontos, na D2, no mnimo 30,
e o total de pontos dever ser de pelo menos 70.
Como, alm da aprovao, ele gostaria de alcanar a
melhor classificao possvel, qual a melhor forma de
distribuir as horas disponveis para o seu estudo?

Sejam:
h1 = n de horas dedicadas disciplina D1 e
h2 = n de horas dedicadas disciplina D2.
Se, para cada hora de estudo, ele consegue 2
pontos para a disciplina D1 , ento em h1 horas
ele conseguir 2h1 pontos. Analogamente, 3h2
para D2. Assim, o nmero total de pontos ser
expresso pela funo

f(h1, h2) = 2h1 + 3h2.


Como ele dispe de apenas 50 horas de estudo,
temos a restrio h1+h2 50.

19

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

As demais restries so: para sua aprovao


so:
2h1 + 3h2 70 (mnimo para a aprovao)
2h1 20 (mnimo para a aprovao em D1)
3h2 30 (mnimo para a aprovao em D2)
h1 0, h2 0 (as notas so no-negativas).
Ou ainda:

max (2h1 + 3h2), sujeito a


h1 + h2 50
2h1 + 3h2 70
2h1
20
3h2 30
h1 0, h2 0

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

EXEMPLO 3

Uma pessoa em dieta necessita ingerir pelo


menos 20 unidades de vitamina A, 10 unidades
de vitamina B e 2 unidades de vitamina C. Ela
deve conseguir essas vitaminas a partir de dois
tipos diferentes de alimentos: A1 e A2 . A
quantidade de vitaminas que esses produtos
contm por unidade e o preo unitrio de cada
um deles esto expressos na seguinte tabela:

Vit.
A
Alim. A1
Alim. A2

4
1

Vit. Vit.
B
C
1
2

Preo
unitrio
R$30,00
R$20,00

20

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial
Universidade Federal de Uberlndia
Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Qual a programao de compra dos alimentos A1


e A2 que essa pessoa deve fazer para cumprir
sua dieta, a menor custo possvel?
Formulao do problema
Sejam:
x1 = quantidade de alimento A1;
x2 = quantidade de alimento A2;
Se uma unidade de alimento A1 custa R$ 30,00, x1
unidades custaro 30x1. Da mesma forma, x2 unidades
de A2 custaro 20x2 . Ento, a funo que exprime o
custo total dos alimentos :
f(x1, x2) = 30x1 + 20x2.

Se uma unidade de alimento A1 fornece 4


unidades de vitamina A, x1 unidades fornecero
4x1 unidades de vitamina A. Da mesma forma, o
alimento A2 fornecer 1x2 unidades de vitamina
A. Como devem ser ingeridas pelo menos 20
unidades dessa vitamina, podemos escrever a
seguinte inequao:
4x1 + x2 20.
Analogamente, podemos escrever as restries
para a vitamina B, x1 + 2x2 10, e para a vitamina
C, x1 2.

21

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Assim, o problema formulado como um problema


de programao linear torna-se:
min (30x1 + 20x2) sujeito a
4x1 +
x2 20
x1 + 2x2 10
x1
2
x1 0, x2 0

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

RESOLUO GRFICA DE PROBLEMAS


DE PROGRAMAO LINEAR
Voltemos situao do exemplo 1:
Temos o seguinte Problema de Programao linear
(PPL):
max (200x1 + 300x2), sujeito a
2x1 + x2 20
4x1
32
x2 10
x1 0 , x2 0
Vamos representar graficamente cada uma das
restries acima:

22

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

a) pontos que satisfazem a primeira inequao:

2x1 + x2 20;

b) pontos que satisfazem a segunda inequao:

4x1 32;

23

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

c) pontos que satisfazem a terceira inequao:


x2 10;

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

d) Pontos que satisfazem


x1 0 e x2 0;

Portanto, os pontos que satisfazem todas as


restries estaro na interseco das regies
encontradas em (a), (b), (c) e (d):

24

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

As setas indicam o semiplano que satisfaz cada uma


das restries.
O conjunto de pontos que satisfazem todas as
restries chamado de regio vivel ou conjunto de
pontos viveis.

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

O problema, agora, se torna o seguinte:


Determinar, se existir, um ponto (x1, x2) que
pertence ao conjunto de pontos viveis, de tal
forma que a funo f(x1, x2) = 200x1 + 300x2
assuma o maior valor possvel.
Se estabelecermos alguns valores para a funo
f(x1, x2), obteremos as suas curvas de nvel.
Assim, se por exemplo:
200x1 + 300x2 = 3600
200x1 + 300x2 = 2400
200x1 + 300x2 = 1200

25

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial
Universidade Federal de Uberlndia
Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

as curvas de nvel representadas no sistema de


eixo cartesiano so da seguinte forma:

Observe que as curvas de nvel so todas retas


paralelas e que a funo assume valor cada vez
maior num determinado sentido.
Prova-se, que as curvas de nvel so
perpendiculares ao vetor gradiente da funo
objetivo:

f(x1,x2) = 200x1 + 300x2


Suas coordenadas so os coeficientes da funo:

f f

= (200,300)
,
x1 x2
Alm disso, o vetor gradiente nos fornece o
sentido de crescimento da funo:

26

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial
Universidade Federal de Uberlndia
Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Finalmente, podemos determinar uma soluo


para o problema, se existir:

Como pode ser visto na figura, a curva de nvel de


maior valor dentro da regio vivel a reta que passa
pelo ponto de coordenadas (x1, x2) = (5,10).

27

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Dizemos que (x1, x2) = (5, 10) um soluo tima, e o


valor da funo f(x1, x2) = 4000 o valor timo do
problema.

Lembrando que x1 a quantidade do produto A1 a ser


produzida e x2, a do produto A2, a resposta ao
problema :
Devem-se produzir 5 unidades do produto A1 e 10
unidades de produto A2 e a receita bruta mxima
R$ 4000,00

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Vamos examinar a situao do exemplo 3:

min (30x1 + 20x2) sujeito a


4x1 +
x2 20
x1 + 2x2 10
x1
2
x1 0, x2 0

28

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Anlise:
Soluo tima: (x1, x2) = (30/7; 20/7) =(4,29; 2,86)
quantidade de alimentos:
A1 - pelo menos 4 unidades
A2 pelo menos 2 unidades
Valor timo (custo mnimo):

Cmin =

1300
= 185,71
7

Observe que, como o problema de mnimo,


pesquisamos as curvas de nvel no sentido oposto ao
do gradiente.

Note que, tanto no exemplo anterior quanto


neste, a soluo tima sempre coincide com algum
ponto extremo da regio vivel.
Concluso: Basta determinar o valor da funo
objetivo nos extremos da regio, o ponto que
produzir o maior (ou menor) valor ser a soluo
tima do modelo.
Os extremos so determinados a partir das
intersees duas a duas das retas que
determinam a regio vivel.

29

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Vejamos mais um exemplo:


Um fabricante de mveis (mesas e cadeiras) deseja saber
a quantidade de cada produto que deveria ser fabricada
para produzir o maior lucro possvel. Ele informa, ainda,
que:
1.Na fabricao de cada mesa so consumidas 4 horas de
marcenaria e 2 horas de acabamento, enquanto que cada
cadeira consome 3 horas de marcenaria e 1 hora de
acabamento para ser produzida;
2.Durante o perodo de produo considerado, o
fabricante dispe de 240 horas de marcenaria e de 100
horas de acabamento para serem utilizadas;
3.Na venda de cada mesa obtido um lucro de R$ 7,00 e
cada cadeira vendida d um lucro de R$ 5,00.

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Formulao do problema:

x1 = nmero de mesas a serem produzidas


x2 = nmero de cadeiras a serem produzidas

Dados do fabricante de mveis


Departamento Tempo gasto na produo

Horas
disponveis

Marcenaria

MESA
4

CADEIRA
3

240

Acabamento

100

R$ 7,00

R$ 5,00

Lucro Unitrio

30

max (7x1 + 5x2), sujeito a


4x1 + 3x2 240 (tempo de marcenaria disponvel)
2x1 + x2 100 (tempo de acabamento disponvel)
x1 0, x2 0 (o nmero de unidades produzidas
no-negativo)
100
Nmero de Cadeiras (X2)

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Analisando a tabela formulamos o seguinte PPL:

80
60
40
20
0
0

20

40

60

80

100

Nmero de Mesas (X1)

100
N m e ro de C a de iras (X 2)

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Pontos extremos do modelo

80

60
3

40
20
4

0
1 0

20

40

60

80

100

Nmero de Mesas (X1)

31

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Valores nos pontos extremos do modelo


Ponto

X1

X2

Funo Objetivo

80

400

30

40

410

50

350

Logo, a soluo tima


correspondente ao ponto 3

do

modelo

aquela

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

EXEMPLO 5: Seja o problema


max(x1 + x2) sujeito a
-2x1 + x2 2
x1 2x2 2
x 1 + x2 4
x1 0, x2 0

32

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Problema 01

Uma empresa fabrica 5 produtos: P1, P2, P3, P4 e P5. cada um deles
requer 3 tipos de matrias-primas: M1, M2 e M3. as quantidades
utilizadas por cada produto, as disponibilidades das matrias-primas
e o lucro lquido de cada produto so dados na tabela abaixo:
Produtos

P1

P2

P3

P4

P5

Disponibilidade
de matriasprimas

M1

100 unidades

M2

80 unidades

M3

150 unidades

60

50

150

Unidades
monetrias

Matrias-primas

Lucro lquido
unitrio

200 100

Supondo que o lucro proporcional quantidade produzida


(vendida), formule o problema como um problema de programao
linear e determine a quantidade de cada produto que deve ser
fabricada para que o lucro seja o mximo possvel.

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Problema 02

Uma fbrica tem 3 tipos de mquinas, M1, M2 e M3, a serem utilizadas


na fabricao dos produtos P1 e P2. O quadro abaixo descreve como a
fbrica opera, diariamente:

Produtos

P1

P2

Disponibilidade
diria

M1

20h

M2

12h

M3

18h

Mquinas

Formule o problema como um problema de programao linear


para planejar a produo diria a fim de que o lucro seja o
mximo possvel, sabendo que o produto P1 d lucro de R$200,00
e P2, R$50,00.

33

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

LIMITAES DA PROGRAMAO LINEAR


1. Coeficientes constantes:
Nos modelos estudados os coeficientes so considerados
como constantes conhecidas. Contudo, deve-se analisar
se os valores inicialmente definidos para tais constantes
permanecem vlidos para a soluo apresentada.

2. Divisibilidade:
Os valores timos das variveis de deciso so nmeros
reais, no necessariamente inteiros. Se uma varivel
inteira (por exemplo: o nmero de cadeiras produzidas)
no faz sentido pens-la como um nmero fracionrio.
Nestas situaes devemos impor tal condio ao modelo
na forma de uma restrio.

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

3. Proporcionalidade:
Nos modelos de programao linear apresentados,
admitimos proporcionalidade em relao s variveis de
deciso na funo objetivo. Nestes casos, devemos
modelar o problema dividindo-o em intervalos onde tal
proporcionalidade assuma valores que possam ser
considerados vlidos.

4. Aditividade:
Especifica que no h correlao entre as variveis, ou
seja, so independentes. Por exemplo, o lucro total de
uma empresa sempre a soma dos lucros de cada uma
das atividades. No caso de produtos que concorrem entre
si, para uma mesma faixa de consumidores, o aumento de
vendas de um produto pode influenciar na demanda do
outro.

34

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial
Universidade Federal de Uberlndia
Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Concluso:
Apesar das limitaes apresentadas, a programao
linear uma ferramenta extremamente poderosa na
resoluo de problemas empresariais que envolvam
anlise quantitativa e tm por objetivo a obteno do
ponto timo de operao. Isto se deve simplicidade que
a hiptese de linearidade produz e ao fato de o modelo
poder ser resolvido sem a necessidade de elevados
conhecimentos matemticos e de programao de
computadores.

Na prxima unidade abordaremos a soluo de


problemas de otimizao utilizando a planilha
eletrnica EXCEL, atravs de diversas aplicaes,
tais como:
1. Aplicaes em Marketing
1.1 Problema de seleo de mdia
1.2 Problema de pesquisa de mercado
2. Aplicaes na Produo
1.1 Problema de mix de produo
3. Aplicaes em Finanas
3.1 Problema de seleo de investimento
4. Aplicaes em Transportes
4.1 Problema de transporte de carga
5. Aplicaes na composio de Produtos
5.1 Problema de composio de matria prima
5.2 Problema de dieta

35

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Programao Linear
Aplicaes

Prof. Dr. Lus Antonio Benedetti

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Problema 01

Uma empresa fabrica 5 produtos: P1, P2, P3, P4 e P5. cada um deles
requer 3 tipos de matrias-primas: M1, M2 e M3. as quantidades
utilizadas por cada produto, as disponibilidades das matrias-primas
e o lucro lquido de cada produto so dados na tabela abaixo:
Produtos

P1

P2

P3

P4

P5

Disponibilidade
de matriasprimas

M1

100 unidades

M2

80 unidades

M3

150 unidades

60

50

150

Unidades
monetrias

Matrias-primas

Lucro lquido
unitrio

200 100

Supondo que o lucro proporcional quantidade produzida


(vendida), formule o problema como um problema de programao
linear e determine a quantidade de cada produto que deve ser
fabricada para que o lucro seja o mximo possvel.

36

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Problema 02

Uma fbrica tem 3 tipos de mquinas, M1, M2 e M3, a serem utilizadas


na fabricao dos produtos P1 e P2. O quadro abaixo descreve como a
fbrica opera, diariamente:

Produtos

P1

P2

Mquinas
M1

Disponibilidade
diria

20h

M2

12h

M3

18h

Formule o problema como um problema de programao linear


para planejar a produo diria a fim de que o lucro seja o
mximo possvel, sabendo que o produto P1 d lucro de R$200,00
e P2, R$50,00.

Aplicaes em Marketing
1.1 Problema de seleo de mdia
Um Cassino de Mar Del Plata tem um oramento de $ 8.000 por
semana para ser utilizado em propaganda local. Este valor deve
ser distribudo entre quatro tipos de mdias: TV, Jornal, Rdio
(horrio nobre) e Rdio ( tarde). O objetivo do cassino
alcanar a maior audincia possvel, atravs das vrias formas de
mdia. A tabela a seguir apresenta o nmero de jogadores
potenciais alcanados pela propaganda em cada tipo de mdia.
Mostra tambm o custo e o nmero mximo de anncios que
podem ser comprados por semana. Um contrato do cassino exige
que pelo menos cinco propagandas por semana sejam feitas nas
rdios. Para evitar concentrao de mdia, a direo do cassino
definiu um valor mximo de $ 1.800 a ser utilizado em
propagandas de rdio.

37

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Mdia

Audincia
por
anncio

Custo por
anncio

Nmero
mximo
por semana

TV (1 minuto) (X1)

5000

800

12

Jornal dirio (pgina


inteira) (X2)

8500

925

Rdio (30 Segundos horrio


nobre) (X3)

2400

290

25

Rdio (1 minuto tarde)


(X4)

2800

380

20

max (5000X1 + 8500X2 + 2400X3 + 2800X4 ), sujeito a


X1 12; X2 5; X3 25; X4 20
800X1 + 925X2 + 290X3 + 380X4 8000
X3 + x 4 5
290X3 + 380x4 1800

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

soluo deste problema utilizando o Excel 97

38

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

icrosoft Excel 8.0 Relatrio de resposta


anilha: [selmedia.xls]Mdia
elatrio criado: 02/04/2000 10:30:53

lula de destino (Mx)


Clula
Nome
$A$3 Funo Objetivo

lulas ajustveis
Clula
Nome
$C$3 TV (1 minuto)
$C$4 Jornal (pgina)
$C$5 Rdio (30 seg.)
$C$6 Rdio (1 min.)

Valor original
0

Valor original

Valor final
66900

Valor final
0
0
0
0

2
5
6
0

Soluo do Problema de Seleo de Mdia

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

1.2 Problema de pesquisa de mercado


Um Instituto de pesquisa est preparando uma pesquisa para um
jornal de circulao no Estado de So Paulo. Para tornar as
concluses da pesquisa estatisticamente vlidas, o cliente faz as
seguintes exigncias sobre a amostra a ser pesquisada:
Pelo menos 2300 casas no Estado;
Pelo menos 1000 casas onde o chefe da famlia tenha menos de 30
anos;
Pelo menos 600 casas onde o chefe da famlia tenha entre 31 e 50
anos;
Pelo menos 30% das casas em cidades com menos de 200 mil
habitantes;
No mais do que 60% das casas em que o chefe tenha menos de
30 anos situadas em cidades com menos de 200 mil habitantes;
Pelo menos 20% das casas onde o chefe tenha mais de 51 anos
situadas em cidades com menos de 200 mil habitantes.
A pesquisa ser realizada atravs de entrevista pessoal e os custos
das entrevistas est mostrado na tabela a seguir. O objetivo do
Instituto minimizar os custos envolvidos com a realizao da
pesquisa, porm atendendo todas as exigncias do cliente.

39

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Tabela de custos
Cidades

Custo por entrevista


Idade < 30

31 < idade < 50

Idade > 51

Mais de 200 mil


habitantes

$7,50

$ 6,80

$ 5,50

Menos de 200 mil


habitantes

$ 6,90

$ 7,25

$ 6,10

2. Aplicaes na Produo
2.1 Problema de mix de produo
Um fabricante de perifricos para microcomputadores utiliza trs
equipamentos diferentes para testes dos produtos fabricados. A
tabela a seguir mostra o tempo gasto, em minutos, para testar
cada produto fabricado e o custo por hora de cada equipamento de
teste.
Equip Modem Modem
Teste Interno Externo

Placa
de
Vdeo

Flopp
y
Disks

Hard
Disks

Placa
Custo
de
($/hora)
Memria

12

18

17

15

15

17

12

18

40

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Os equipamentos de testes 1 e 2 esto disponveis 120 horas por


semana e o equipamento de teste 3 s pode ser usado 100 por
semana. O mercado est em franca expanso e absorve tudo que
for fabricado e testado. A tabela a seguir apresenta a receita e o
custo de material para cada produto. Usando Programao Linear
determine o mix de produo de perifricos deste fabricante que
ir maximizar seus lucros.
Produto

Receita ($)

Custo de material
($)

Modem Interno

200

35

Modem Externo

120

25

Placa de Vdeo

180

40

Floppy Disk

130

45

Hard Disk

430

170

Placa de
Memria

260

60

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

2.2 Problema de mix de produo


Uma conhecida fbrica de roupas masculinas produz diversas
variedades de gravatas: uma, mais cara, de seda pura, uma mais
barata, toda em polyester, e duas de preo mdio, feitas de uma
combinao de polyester e algodo. A tabela a seguir mostra o
custo e a disponibilidade mensal dos trs tipos de material
utilizado.
Material

Custo por
metro ($)

Material
disponvel por ms
(metros)

Seda

21

800

Polyester

3000

Algodo

1600

41

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial
Universidade Federal de Uberlndia
Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Esta fbrica possui contratos de fornecimento com vrias lojas de


departamentos, que garantem o fornecimento de uma quantidade
mensal mnima e permitem que a fbrica aumente esta quantidade
at um valor mximo de demanda mensal. A tabela a seguir mostra
o preo, a demanda (mnima e mxima), a quantidade e o material
necessrio para a fabricao, de cada tipo de gravata. Os demais
custos de produo so independentes do tipo de gravata
fabricada
Tipo de
Gravata

Preo
de
venda
($)

Quant.
mnima
mensal
(m)

Quant.
mxima
mensal
(m)

Material
requerido por
gravata (m)

Tipo de material
requerido

Seda pura

6,70

6000

7000

0,125

100% seda

Toda
Polyester

3,55

10000

14000

0,08

100% Poly.

PolyAlgodo 1

4,31

13000

16000

0,10

50%Poly-50%Alg.

PolyAlgodo 2

4,81

6000

8500

0,10

30%Poly-70%Alg.

3. Aplicaes em Finanas
3.1 Problema de seleo de investimento
Um ganhador da Mega Sena decidiu separar $ 5 milhes para
investir no mercado, de maneira diversificada. Aps analisar as
diversas opes, escolheu quatro tipos de investimentos para
aplicar sua pequena fortuna: Fundo Cambial, Fundo de Renda Fixa,
Aes de Primeira Linha, Aes de Segunda Linha. Para evitar a
concentrao dos investimentos, ele resolveu limitar o volume de
recursos a ser investido em cada modalidade. A tabela a seguir
apresenta o rendimento anual mdio dos ltimos anos e o valor
mximo a ser investido em cada tipo de investimento.
Tipo de Investimento

Rendimento Anual
(%)

Valor mximo
($ milhes)

Fundo Cambial

1,0

Fundo de Renda Fixa

11

2,5

Linha

19

1,5

Aes de 2a Linha

15

1,8

Aes de

1a

42

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial
Universidade Federal de Uberlndia
Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

O investidor deseja maximizar o retorno dos investimentos, porm


estabeleceu algumas condies para reduzir os riscos: ele definiu
que no mximo 50 por cento dos recursos devem ser investidos em
aes sendo que pelos 30 por cento do que for investido em aes
deve ser investido em Renda Fixa e pelo menos 15 por cento do
total devem ser investidos no Fundo Cambial. Utilizando
Programao Linear como devem ser distribudos os investimentos
deste ganhador da Mega Sena ?

4. Aplicaes em Transportes
4.1 Problema de transporte de carga
Uma empresa transportadora precisa decidir que carga
transportar num caminho, que tem capacidade de 10 toneladas. A
tabela a seguir apresenta as cargas que esto esperando para
serem carregadas, informando o valor do transporte e o peso.
Cada item pode ser parcialmente carregado e o valor
proporcional ao peso transportado. O objetivo da empresa
maximizar o valor do transporte, respeitando a capacidade do
caminho. Como o caminho deve ser carregado? Como deveria ser
este carregamento se as cargas no pudessem ser parcialmente
carregadas?
Carga
Valor ($)
Peso (kg)
1

22.500

7.500

24.000

7.500

8.000

3.000

9.500

3.500

11.500

4.000

9.750

3.500

43

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial
Universidade Federal de Uberlndia
Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

5. Aplicaes na composio de Produtos


5.1 Problema de composio de matria prima
Uma Refinaria de petrleo produz dois tipos de gasolina para
distribuio, Premium e Regular. Para produzir estes dois tipos so
processados duas misturas de petrleo, X100 e X220. Cada
mistura de petrleo difere da outra no s pelo custo por barril,
como tambm pela composio qumica. A tabela a seguir indica o
preo por barril e a porcentagem de dois ingredientes
fundamentais para a fabricao das gasolinas, de cada tipo de
mistura de petrleo.
Mistura de petrleo

Ingrediente
A (%)

Ingrediente
B (%)

Preo
($/Barril)

X100

35

55

15,00

X220

60

25

17,40

A demanda semanal da gasolina Premium de 25.000 barris,


enquanto a demanda da gasolina Regular de 32.000 barris. Pelo
menos 45% do contedo da gasolina Premium do ingrediente A, e
no mximo 50% do contedo da gasolina Regular do ingrediente
B. Considerando que cada barril de petrleo refinado produz 0,7
barris de gasolina, a refinaria deseja saber o volume semanal de
cada mistura de petrleo que deve ser processado para minimizar
os custos de produo.
Sejam
X1 = Barris da mistura X100 para produzir gasolina Premium
X2 = Barris da mistura X100 para produzir gasolina Regular
X3 = Barris da mistura X220 para produzir gasolina Premium
X4 = Barris da mistura X220 para produzir gasolina Regular
A funo objetivo minimizar os custos:
min (5000X1 + 8500X2 + 2400X3 + 2800X4 )

44

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Sujeita s seguintes restries:


0,7X1 + 0,7X3 25000 (demanda semanal de gasolina)
0,7X2 + 0,7X4 32000 (demanda semanal de gasolina)
0,35X1 + 0,60X3 (0,45)(0,70)(X1 + X3 ), ou seja
0,035X1 + 0,285X3 0 (ingrediente A na gasolina Premium)
0,55X2 + 0,25X4 (0,50)(0,70)(X2 + X4 ), ou seja
0,20X2 - 010X3 0 (ingrediente B na gasolina Regular)
X1 0; X2 0; X3 0; X4 0

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

soluo deste problema utilizando o Excel 97

45

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Microsoft Excel 8.0 Relatrio de resposta


Planilha: [gasolina.xls]Plan1
Relatrio criado: 24/01/99 14:24:44

Clula de destino (Mn)


Clula
Nome
$A$4 Funo Objetivo

Valor original

Clulas ajustveis
Clula
Nome
$C$4 X100 para Premium
$C$5 X100 para Regular
$C$6 X220 para Premuim
$C$7 X220 para Regular

Valor final
1294571

0
0
0
0

Valor final
35714
15238
0
30476

Valor original

Soluo do problema de composio de matria prima

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

5.1 Problema de dieta


Um fabricante de sucrilhos utiliza trs tipos de cereais em gros
(A, B e C) para produzir seu produto. A propaganda desse
fabricante garante que 125 gr do produto, misturadas num copo de
leite contm as necessidades mnimas dirias de Protena,
Riboflavin, Fsforo e Magnsio, de uma pessoa adulta. A
Organizao Mundial da Sade informa que as necessidades
mnimas dirias de uma pessoa adulta so: 3 unidades de Protena,
2 unidades de Riboflavin, 1 unidade de Fsforo e 0,425 unidades
de Magnsio. A tabela a seguir mostra o custo e a quantidade de
nutrientes presentes em cada um dos trs tipos de gros
utilizados pelo fabricante.
Cereal

Custo
($/Kg)

Protena
(Un/Kg)

Riboflavin
(Un/Kg)

Fsforo
(Un/Kg)

Magnsio
(Un/Kg)

0,33

22

16

0,47

28

14

0,38

21

25

46

Universidade Federal de Uberlndia


Faculdade de Matemtica
Curso de Especializao em Estatstica Empresarial

Utilizando Programao Linear, o fabricante deseja saber que


quantidade de cada tipo de cereal deve ser utilizada na fabricao
do sucrilho, para atender s recomendaes da OMS e garantir a
veracidade da sua propaganda, minimizando os custos de produo.

47

UNIVERSIDADE FEDERAL DE UBERLNDIA


FACULDADE DE MATEMTICA
Curso de Especializao em Estatstica Empresarial

1. A FERRAMENTA SOLVER (EXCEL)


Diversas ferramentas para soluo de problemas de otimizao, comerciais ou acadmicos,
sejam eles lineares ou no, foram desenvolvidas. Dentre as ferramentas disponveis, este curso se

prope a apresentar a ferramenta Solver, que acompanha o Microsoft Excel.


Apesar da ferramenta Solver poder ser utilizada tambm para problemas de programao nolinear, neste curso ser apresentada apenas a sua utilizao para a soluo de problemas de

programao linear. A utilizao para outros tipos de problemas segue o mesmo padro, sendo por isso
intuitivo ao usurio o seu aprendizado.

1.1 Definindo e Resolvendo um Problema


Inicialmente, devemos definir o problema na planilha do Excel. Vamos resolver como exemplo
o problema das raes.
Uma empresa de comida canina produz dois tipos de raes: A e B. Para a manufatura das raes so
utilizados cereais e carne. Sabe-se que:

A rao A utiliza 5 kg de cereais e 1 kg de carne, e a B utiliza 4 kg


de carne e 2 kg de cereais;

O pacote de rao A custa R$ 11,00 e o pacote de rao B custa R$ 12,00;

O kg de carne custa R$ 4,00 e o kg de cereais custa R$ 1,00;

esto disponveis por ms 10.000 kg de carne e 30.000 kg de cereais.

Deseja-se saber qual a quantidade de cada rao a produzir de modo a maximizar o lucro.
Nosso problema deseja maximizar o lucro (Z=11x1+12x2) a partir da quantidade de rao A (x1) e de rao
B (x2), sujeito a
x1 + 4x2 10000
5x1+ 2x2 30000
x1 0, x2 0

Para definir o problema na planilha, devemos definir clulas para representar as variveis de

deciso e uma clula para representar o valor da funo objetivo. Alm disso, as restries tambm
devem ser definidas. Abra um novo arquivo no Microsoft Excel e siga os seguintes passos:

na clula A1 digite " x ";


1

na clula B1 digite "0";

na clula A2 digite " x ";

na clula B2 digite "0".

As clulas A2 e B2 guardaro os valores das variveis de deciso x1 e x2, respectivamente.


Vamos agora definir a funo objetivo. As equaes do Excel so sempre precedidas do sinal de
igualdade (=), que indica que nesta clula ser efetuada uma conta. Preencha as clulas da planilha
conforme indicado a seguir:

na clula A4 digite "Funo objetivo";

na clula B4 digite "=11*B1+12*B2".


Na clula B4 ser calculado automaticamente o valor da funo objetivo, a partir da funo

fornecida.
Qualquer alterao nos valores das clulas B1 ou B2 far com que o valor da funo objetivo
seja recalculado.
Sero definidas agora as restries do problema: As clulas de restrio devem ser preenchidas
da seguinte forma:

na clula A6 digite "Restries";

na clula B6 digite "= B1+4*B2";

na clula C6 digite "<=";

na clula D6 digite "10000";

na clula B7 digite "= 5*B1+2*B2";

na clula C7 digite "<=";

na clula D7 digite "30000";

na clula B8 digite "=B1 ";

na clula C8 digite ">=";

na clula D8 digite "0";

na clula B9 digite "=B2";

na clula C9 digite ">=";

na clula D9 digite "0".

Depois de preenchidas as clulas, a planilha deve estar igual apresentada na Figura 1.

Figura 1 - Planilha com as clulas preenchidas para utilizao da ferramenta Solver.

Para otimizar a funo objetivo, vamos utilizar a ferramenta Solver.


No menu Ferramentas, clique em Solver. A janela apresentada na Figura 2 se abrir.

Funo Objetivo

variveis

restries

Figura 2 - Janela contendo os parmetros da ferramenta Solver.

Para o Excel, tudo tem que estar em clulas: a funo objetivo, as variveis e as restries. Para
tanto, precisamos definir as clulas onde estaro as variveis, e calcular a funo objetivo e as
restries com frmulas que usem estas clulas. Assim,

Na caixa "Definir clula de destino", selecione a clula da funo objetivo (B4) clicando sobre
ela, ou simplesmente digite B4.

Logo abaixo, requerido que se escolha entre trs opes: Mx, para maximizar a funo
objetivo, Mn, para minimizar a funo objetivo, e Valor, que faz com que a funo objetivo
tenha determinado valor. No nosso exemplo, como queremos maximizar a funo objetivo,
escolheremos a opo Mx.

Na caixa "Clulas variveis", devem ser inseridas as clulas ajustveis, que contm os valores
das variveis de deciso. Deve-se inserir um nome ou uma referncia para cada clula ajustvel,
separando as clulas no-adjacentes por ponto-e-vrgula. As clulas ajustveis devem estar
relacionadas direta ou indiretamente clula que contm o valor da funo objetivo. Podem ser
especificadas at 200 clulas ajustveis. Para que o Solver proponha automaticamente as clulas
ajustveis com base na clula de destino, clique em Estimar.

Na caixa Submeter s restries, devem ser inseridas as restries do problema. Para inserir
uma restrio, siga os seguintes passos:
clique no boto "Adicionar". A janela apresentada na Figura 4 se abrir;
na caixa "Referncia de clula", selecione a clula contendo a primeira restrio (B6);
na caixa de seleo, escolha a opo que corresponde ao tipo de restrio, que pode ser
menor ou igual (<=), maior ou igual (>=), igual (=), valor inteiro (nm) ou valor binrio (bin).
No nosso caso a opo a ser escolhida <=;
na caixa "Restrio", defina a clula que contm o valor limite da restrio, ou seja, D6;
clique em OK para adicionar a restrio;

repita estes passos at que todas as restries estejam adicionadas.


Aps serem adicionadas as restries, a janela deve estar igual janela da Figura 3, exceto
talvez pela presena dos cifres ($), que indicam que a clula fixa.

Figura 3 - Janela contendo os parmetros da ferramenta Solver.

Figura 4 - Janela para adicionar restries ao problema.

Faltam apenas algumas opes (veja Figuras 5 e 6):

Figura 5 - Janela contendo os parmetros da ferramenta Solver.

As opes do solver servem para controlar os mtodos numricos de aproximao. Como


estamos resolvendo problemas lineares, bastante assinalar os campos indicados. O
campo de no negativos, se necessrio (Figura 6).

Figura 6 - Opes do Solver.


Para resolver o problema, clique no boto "Resolver". Se tudo estiver correto, a janela da Figura
7 ser apresentada. Nesta janela, podemos escolher entre manter a soluo encontrada pelo

Solver ou restaurar os valores originais.

Figura 7 - Janela de resultados do Solver.

Preste ateno nesta mensagem. Em caso de Soluo Impossvel ou Soluo Ilimitada, ele

relatar apenas aqui (Figuras 8 e 9).

Figura 8 - Janela de resultados do Solver (soluo impossvel).

Figura 9 - Janela de resultados do Solver (soluo ilimitada).

O processo de soluo pode ser interrompido pressionando-se ESC. O Microsoft Excel

recalcular a planilha com os ltimos valores encontrados para as clulas ajustveis.


Para o problema das raes a soluo apresentada pelo Solver :

Figura 10 Planilha do Excel com os resultados obtidos pelo Solver.

ou seja, a quantidade de rao A a ser produzida de 5555,556 kg (clula B1, que corresponde ao valor
da varivel x ) e a quantidade de rao B de 1111,111 kg (clula B2, que corresponde ao valor da
1

varivel x ) com um lucro de R$ 74444,44 (clula B4).


2

Tambm podemos selecionar relatrios, que contm informaes sobre o processo de soluo

do problema (Figuras 11 e 12).

Figura 11 - Janela de resultados do Solver.

Figura 12 - Relatrio de respostas do Solver.

1.2 Instalando o Solver


Caso a opo Solver no esteja presente no menu Ferramentas, isto porque a ferramenta
Solver no foi instalada. Para instal-la, proceda da seguinte maneira:

No menu Ferramentas, clique em Suplementos. Se o Solver no estiver listado na caixa de

dilogo Suplementos, clique em Procurar e localize a unidade de disco, a pasta e o nome de


arquivo para o suplemento Solver.xla (geralmente localizado na pasta Biblioteca\Solver) ou
execute o programa de instalao se no conseguir localizar o arquivo.

Na caixa de dilogo Suplementos, marque a caixa de seleo Solver.


Os suplementos que voc selecionar na caixa de dilogo Suplementos permanecero ativos at

que voc os remova.

UNIVERSIDADE FEDERAL DE UBERLNDIA


FACULDADE DE MATEMTICA
Curso de Especializao em Estatstica Empresarial

Exemplo: Uma fbrica que manufatura pisos (vendidos em caixas), revestimento para bancadas (vendido por

medida linear) e revestimento para parede (vendido em placas), deseja planejar sua produo de modo a
maximizar seu lucro. Os insumos utilizados na produo so vinil, betume, trabalho e mquina de corte.
Os dados relevantes para o problema so dados na tabela abaixo:
piso

Revest. bancada

Revest. parede

disponibilidade

10

50

1500

200

Vinil(quilos)

30

Betume(quilos)

Trabalho(homem/hora)

0,2

0,1

0,5

12

Mquina(maq/hora)

0,1

0,2

0,3

lucro

10,0

5,0

5,5

Unidades

caixas

metro

placa

Primeiramente, inserem-se os dados em uma planilha do Excel:

A seguir, definem-se as variveis:

os valores colocados nas clulas B18, C18 e D18 so arbitrrios. Mais tarde indicaremos ao solver para
escrever a soluo nestas clulas. Abaixo mostramos a formulao:

A clula B21, por exemplo, deve conter a expresso 30x+10y +50z. A funo SUMPRODUCT do Excel
fornece uma frmula para tanto. O contedo da clula B21 =SUMPRODUCT(B9:D9,B$18:D$18),
ou seja, ela contm o produto interno da tripla nas clulas B9, C9 e D9, com a tripla nas clulas B18,

C18 e D18. O contedo da clula D21 =F9, a quantidade disponvel de vinil. As demais clulas so
preenchidas de forma anloga.
Para resolver o problema escolha Solver no menu Tools:

Agora preciso:
1. Indicar a clula que contm a funo objetivo e informar se queremos maximizar, minimizar ou
atingir valor pr-determinado:

2. Indicar as clulas que contm as variveis:

3. Informar as restries: na rea intitulada Subject to the Constraints clique no boto Add.
Voc ver:

Como as expresses para as desigualdades j foram escritas em forma de coluna e so todas do tipo
, podemos clicar no campo Cell Reference e colocar o trecho de coluna com as combinaes
lineares das variveis e depois clicar no campo Constraint, colocando ali o trecho de coluna com
o vetor lado direito:

Depois de clicar no boto OK, voc ver a janela:

4. Finalizar a descrio do problema: clique no boto Options para terminar a especificao do


modelo. Voc dever selecionar as opes Assume Linear Model ( um P.L.!) e Assume NonNegative (as variveis so no-negativas):

Quando tiver feito isso, clique no boto OK.


Volta-se assim janela Solver Parameters, onde deve ser clicado o boto Solve.
O problema resolvido, obtendo-se a janela mostrada na figura abaixo, que traz uma opo de produo
de relatrios (reports) e de manter ou no a soluo obtida pelo Solver (que j consta da planilha,
nas clulas que continham os valores das variveis):

Portanto a soluo tima x = 40, y = 25 e z = 0, e o lucro timo de 525. Note que podemos
ler nas colunas contendo as restries que na soluo tima a primeira (gasto de vinil) e a terceira
restries (gasto de mo-de-obra) esto folgadas.

UNIVERSIDADE FEDERAL DE UBERLNDIA


FACULDADE DE MATEMTICA
Curso de Especializao em Estatstica Empresarial

Um Exemplo: A Colorado Cattle Company1


A Colorado Cattle Company (CCC) pode comprar trs tipos de ingredientes de rao animal de um
atacadista. O gado da empresa tem certas necessidades nutricionais em relao gordura, protenas, clcio e
ferro. Cada vaca exige, no mnimo, 10 unidades de clcio, no mais que 7,5 unidades de gordura, no mnimo
12
unidades de ferro e 15 unidades de protenas por dia. A tabela abaixo mostra a quantidade de gordura, protenas,

clcio e ferro em cada libra dos trs ingredientes de rao animal. A rao de classe 1 custa $ 0,25/libra, a de
classe 2, $ 0,10/libra e a de classe 3, $0,08/libra. O gado pode ser alimentado com uma mistura dos trs tipos
de
rao. A CCC gostaria de alimentar seu rebanho da forma mais econmica possvel.
Dados da Colorado Cattle Company
Ingredientes da Rao (Unidades por Libra)
Classe 1

Classe 2

Classe 3

Clcio

0,7

0,8

Ferro

0,9

0,8

0,8

Protenas

0,8

1,5

0,9

Gordura

0,5

0,6

0,4

Um modelo de programao linear desse problema segue abaixo:


Considere classe1 = quantidade (em lb) da rao classe 1 a ser usada diariamente na alimentao de uma vaca
classe2 = quantidade (em lb) da rao classe 2 a ser usada diariamente na alimentao de uma vaca
classe3 = quantidade (em lb) da rao classe 3 a ser usada diariamente na alimentao de uma vaca
Minimize
0,25 classe1 + 0,1 classe2 + 0,08 classe3
sujeita a
0,7 classe1 + 0,8 classe2 + 0 classe3 10

(Clcio)

0,9 classe1 + 0,8 classe2 + 0,8 classe3 12

(Ferro)

0,8 classe1 + 1,5 classe2 + 0,9 classe3 15

(Protenas)

0,5 classe1 + 0,6 classe2 + 0,4 classe3 7,5

(Gordura)

classe1, classe2, classe3 0

Esse problema est em Management Science, Modeling, Analysis and Interpretation, de J.D. Camm e J.R. Evans, South-Western Publishing Co.,
Cincinnati, Ohio, 1996.

Um modelo de planilha Excel desse cenrio mostrada a seguir

As frmulas das clulas nessa planilha ocorrero todas na seo Sadas do Modelo (isto , Restries):

A funo SUMPRODUCT efetua o produto escalar. Por exemplo, a quantidade de clcio usada
SUMPRODUCT(B7:D7,B15:D15) = (B7*B15 + C7*C15 + D7*D15).
Os passos a seguir so utilizados para criar o modelo de LP mostrado abaixo:
1. Selecione Ferramentas e Solver.
2. Clique na caixa Definir clula de destino e insira B26.
3. Clique em Mn.
4. Clique na caixa Clulas variveis e clique e arraste o mouse na planilha de B15 para D15 (ou
digite B15:D15).
5. Clique no boto Adicionar para ativar a caixa Adicionar restrio.
6. Para inserir as restries mnimas de necessidade: Na caixa Referncia de clula, clique e insira
B20:B22, selecione o tipo >= e, a seguir, clique na caixa Restrio e digite F7:F9. Clique em
Adicionar.
7. Para inserir a restrio mxima permitida: Na caixa Referncia de clula, clique e insira B24,
selecione o tipo <= e, a seguir, clique na caixa Restrio e digite G10. Clique no boto OK.
8. Finalmente, selecione Opes, Presumir no negativos e Presumir modelo linear.
O modelo completo na caixa de dilogo Parmetros do Solver o seguinte:

Para resolver o modelo, clique no boto Resolver. Aps a resoluo do problema, a caixa Resultados do
Solver ser exibida

Voc tem a opo de manter a soluo encontrada pelo Solver na planilha ou restaurar os valores originais. Alm
disso, como mostrado na caixa Relatrios, trs relatrios diferentes podem ser automaticamente gerados. Voc
pode selecionar qualquer um deles, clicando sobre os mesmo nessa caixa. Na prxima seo descreveremos cada
um dos relatrios.

Relatrios do Solver
O Solver gera trs relatrios para programas lineares: Relatrio de Resposta, Relatrio de Sensibilidade
e Relatrio de Limites. Se a opo Manter soluo do Solver tiver sido selecionada na caixa de resultados do
Solver, a soluo ideal ser mantida na prpria planilha. Para o problema a Colorado Cattle Company, isso
mostrado a seguir.

O Relatrio de Resposta fornece os valores original e final da Clula de Destino e de todas as Clulas
Ajustveis, bem como uma lista de cada restrio e seu status (nota: o termo Transigncia descreve as variveis
de sobra e falta). O modelo do Relatrio de Resposta para a Colorado Cattle Company mostrado na prxima
pgina. Observe que o EXCEL rotula a Clula de Destino, as Clulas Ajustveis e as Restries utilizando o
primeiro texto encontrado esquerda e acima de cada uma das clulas.

Microsoft Excel 8.0 Relatrio de resposta


Planilha: [CCC.XLS] CCC
Relatrio criado: 12/11/97 08:33:07

Clula de destino (Mn)


Clula
Nome
$B$26
Custo Total

Valor original

Clulas ajustveis
Clula
Nome
$B$15
Qtd Classe 1

Valor original

$C$15
$D$15

Restries
Clula
$B$20
$B$21
$B$22
$B$24

Valor final
0

Valor final
0
0
0

Qtd Classe 2
Qtd Classe 3

Nome
Qtd. Clcio
Qtd. Ferro
Qtd. Protena
Qtd. Gordura

2,59

Valor da clula

Frmula
10 $B$20>=$F$7
12 $B$21>=$F$8
15,1 $B$22>=$F$9
7,5 $B$24<=$G$10

8
5,5
0,5

Status
Agrupar
Agrupar
Sem agrupar
Agrupar

Transigncia
0
0
0,1
0

O Relatrio de Sensibilidade fornece o valor final de cada clula ajustvel, seu custo reduzido, o
coeficiente da funo objetivo, o acrscimo e o decrscimo do coeficiente da funo objetivo para o qual a
soluo atual permanecer tima (todo o resto mantido fixo). Por exemplo, no Relatrio de Sensibilidade
da Colorado Cattle Company mostrado abaixo, o custo da classe 1 pode diminuir em at 0,1425 e a soluo
atual permanecer como ideal. O preo-sombra para cada restrio (a variao na funo objetivo por
unidade de acrscimo no lado direito) fornecido juntamente com o acrscimo e decrscimo do valor no
lado direito para o qual o preo vlido. Por exemplo, no Relatrio de Sensibilidade da Colorado Cattle
Company mostrado abaixo, um acrscimo de 0,5 unidades na quantidade de gordura (o qual est dentro do
acrscimo permitido de 1 na restrio) resultar em uma variao na funo de objetivo de (0,5)x(-1,14) = 0,57.

Microsoft Excel 8.0 Relatrio de sensibi lidade


Planilha: [CCC.XLS] CCC
Relatrio criado: 12/11/97 08:33:07

Clulas ajustveis
Nome
Clula
$B$15
Classe 1 Qtd
$C$15
$D$15

Valor
Final

Classe 2 Qtd
Classe 3 Qtd

Reduzido
Custo

Objetivo
Coeficiente

8
5,5
0,5

0
0
0

10
12
15,1

Sombra
Preo
0,31
0,67
0

7,5

-1,14

Permissvel
Acrscimo

Permissvel
Decrscimo

0,25

1E+30

0,1

0,162857143
0,177142857

0,08

0,1425
1E+30
2,68

Restries
Clula
Nome
$B$20
Clcio Qtd
Ferro Qtd
$B$21
$B$22
Protenas
Qtd
$B$24
Gordura Qtd

Valor
Final

Restrio
Lateral R.H.

10
12
15
7,5

Permissvel
Acrscimo
0,137931034
0,054794521

Permissvel
Decrscimo

0,1

4
2
1E+30

0,016949153

O Relatrio de Limites (mostrado abaixo para o Exemplo da Colorado Cattle Company) fornece os limites
inferior e superior de cada clula ajustvel, mantendo todas as outras clulas em seus valores atuais e
satisfazendo as restries. O relatrio abaixo mostra que a soluo para o Exemplo da Colorado Cattle Company
muito apertada (com duas das trs clulas ajustveis fixadas em seus valores de destino, a terceira tem limites
inferior e superior iguais ao seu valor de destino).

Microsoft Excel 8.0 Relatrio de limites


Planilha: [CCC.XLS] CCC
Relatrio criado: 12/11/97 08:33:07

Nome

Clula Destino
$B$26 Custo
Total

Valor
2,59

Limite
Inferior

Nome

Clula Ajustvel
$B$15 Classe 1
Qtd
$C$15 Classe 2
Qtd
$D$15 Classe 3
Qtd

Valor

Resultado
Destino

Limite
Superior

Resultado
Destino

2,59

2,59

5,5

5,5

2,59

5,5

2,59

0,5

0,5

2,59

0,5

2,59

Resolvendo Problemas de Inteiros e No-Lineares


A resoluo de modelos lineares de inteiros, modelos no-lineares e mesmo modelos de inteiros nolineares obtida por meio das mesmas tcnicas previamente descritas. Para especificar uma restrio como
inteiro, ative a caixa de dilogo Adicionar Restrio, selecione a clula ajustvel em Referncia de clula e
selecione o tipo int (inteiro) (para variveis binrias, selecione bin). Para modelos no-lineares, simplesmente
no especifique Presumir modelo linear na caixa de dilogo Opes.

UNIVERSIDADE FEDERAL DE UBERLNDIA


FACULDADE DE MATEMTICA
Curso de Especializao em Estatstica Empresarial

Exemplo de utilizao do Solver


Para ilustrar a utilizao do Solver na resoluo de problemas de Programao Linear (PL)
iremos usar como exemplo o problema de refinaria de petrleo. O modelo PL deste problema
o seguinte:
Max LUCRO = 117 x1 + 111 x2
Suj. a:

5 x1 + 3 x2 1500
7 x1 + 9 x2 1900
2 x1 + 9 x2 1000
9 x1 + 5 x2 500
7 x1 + 9 x2 300
x1, x2 0

O primeiro passo consiste em criar uma folha de clculo com a informao contida no modelo.
Nessa folha de clculo deveremos ter:

As clulas onde sero colocados os valores das variveis de deciso.

Os coeficientes da funo objetivo.

A frmula que relaciona estes coeficientes com as variveis de deciso a funo objetivo
propriamente dita.

Os coeficientes da matriz das restries.

A frmula que relaciona estes coeficientes com as variveis de deciso o lado esquerdo
das restries.

As constantes que constituem o lado direito das restries.

Na figura seguinte apresenta-se o aspecto de uma folha de clculo com esta informao, mais
texto adicional que apenas serve para nos ajudar a compreender o que est em cada clula e no
tem qualquer funo especfica para o Solver.

Algumas destas clulas contm frmulas, conforme se pode ver na figura seguinte:

Construda esta folha de clculo falta ainda definir o sentido da otimizao (maximizao ou
minimizao) e o tipo de restries (tipo de desigualdade ou igualdade) e de variveis.
Para isso j necessrio baixar a ferramenta Solver. Este suplemento do Excel no
instalado quando da instalao do Excel em modo tpico ou mnimo. Apenas instalada em
modo completo ou personalizando a instalao.
Em termos prticos trs situaes podem ocorrer:

O comando Solver... est disponvel no menu Ferramentas o Solver est pronto a ser
utilizado.

O comando Solver... no est disponvel no menu Ferramentas. Deve-se chamar o


comando Suplementos... desse mesmo menu.

Se aparecer a opo Suplemento Solver basta selecion-la e o comando Solver...


passar a estar disponvel no menu Ferramentas.

Se no aparecer esta opo necessrio alterar a instalao do Excel, usando o CD de


instalao.

Invocando ento o comando Solver... surge a seguinte caixa:

Como clula de destino iremos indicar a localizao da funo objetivo.

Seguidamente indicaremos o sentido da otimizao, isto , se se trata de um problema de


maximizao ou de minimizao. A opo Valor de corresponde a encontrar os valores
das variveis de deciso que tornam a funo objetivo o mais prxima possvel do valor
indicado, sendo portanto equivalente minimizao da diferena para esse valor.

No campo Por alterao das clulas indicaremos a referncia das clulas correspondentes
s variveis de deciso.

As restries sero introduzidas atravs do boto Adicionar que abre a seguinte caixa de
dilogo:

Na caixa Referncia da clula introduz-se a referncia da clula com o lado esquerdo


da restrio.

Na caixa Restrio introduz-se a referncia da clula com o lado direito da restrio.


No menu do meio podemos selecionar o tipo de restrio em causa, isto , se a
restrio de , ou =. Tambm aqui que se declaram as variveis como inteiras ou
binrias, isto quando o modelo que queremos resolver assim o exige, o que no o
caso deste exemplo que estamos a usar. Introduzidos os dados referentes a uma
restrio pressionamos o boto Adicionar. No esquecer de introduzir as restries
de no negatividade das variveis (x1, x2 0).

Depois de termos adicionado sucessivamente todas as restries terminamos


pressionando o boto Cancelar.

Na figura seguinte encontra-se a tabela completamente preenchida:

possvel introduzir mais do que uma restrio de uma vez, usando as capacidades de range
do Excel, desde que tenham o mesmo tipo de desigualdade. Por exemplo, em vez de
introduzirmos as trs restries: $D$16 <= $E$16; $D$17 <= $E$17; $D$18 <= $E$18;
podemos introduzir uma s da forma: $D$16:$D$18 <= $E$16:$E$18.
Antes de pressionar o boto Solucionar convm dar uma vista de olhos caixa de dilogo
correspondente ao boto Opes:

Para alm da possibilidade de se guardarem modelos distintos para uma mesma folha de clculo
(um mesmo problema) nesta caixa possvel configurar vrios parmetros da resoluo dos
problemas. Para alm daqueles cujo nome bvio, as escolhas do fundo (Estimativas,
Derivadas e Procura) dizem respeito Programao no Linear, que ultrapassa o mbito
deste manual. Para os problemas de PL crucial verificar se a opo Assumir modelo linear
esteja verificada.
Feitas as verificaes finais pode-se passar resoluo do modelo atravs do boto
Solucionar.
Se a resoluo correr bem, isto , se no houver nenhum erro na folha de clculo nem no
modelo, surge o seguinte dilogo:

muito importante ler a mensagem que surge no cimo da janela. Neste caso -nos dito que o
Solver encontrou uma soluo que, como verifica todas as restries e as condies de
otimalidade, a soluo tima. O Solver pode ainda gerar relatrios que analisam a
soluo encontrada. Eles so criados como folhas do mesmo livro onde estamos a trabalhar.
Particularmente interessantes so os relatrios Resposta e Sensibilidade. Vamos ento
selecionar esses dois relatrios e analisar o seu contedo.

Neste relatrio dada informao sobre a soluo tima (clulas ajustveis) e o valor timo
da funo objetivo (Clula de destino). Neste caso x1 = 271,4285714 e x2 = 0, com
F.O. = 31757,14286. Note-se que, como tivemos o cuidado de colocar nomes imediatamente
por cima das clulas que continham as variveis de deciso e a funo objetivo, estas etiquetas
surgem agora no relatrio, tornando-o bastante mais legvel.
No que diz respeito s restries de salientar a informao sobre a distncia a que, na soluo
tima, estamos do limite da restrio. Por exemplo, apenas temos 1500 barris de crude A
disponveis. No entanto estamos a gastar apenas 1357,142857 o que d uma folga de
142,8571429. Isso significa que esta restrio no est ativa, isto , o vrtice correspondente
soluo tima no se encontra sobre esta restrio (o mal traduzido No arquivar da coluna
Estado). O mesmo no se pode dizer da restrio em relao ao crude B que totalmente
gasto. Uma anlise semelhante se pode fazer relativamente s restries de . O no estarem
ativas significa que as quantidades associadas a essas restries esto acima daquilo que era
exigido.
O segundo relatrio faz anlise de sensibilidade soluo tima, isto , analisa como podem
variar as constantes do problema, nomeadamente os coeficientes da funo objetivo e os lados
direitos das restries, sem que a soluo tima sofra alteraes substanciais. Esta anlise
baseia-se na teoria do mtodo simplex, pelo que se as variveis forem inteiras (o problema no
pode ser resolvido diretamente pelo mtodo simplex) este relatrio no est disponvel pois
no tem qualquer significado.

No primeiro quadro (Clulas ajustveis) analisam-se os coeficientes da funo objetivo. A


seguir repetio do valor das variveis na soluo tima apresentam-se os custos marginais
(na coluna Reduzido Custo) das variveis. Como estamos na soluo tima de um problema
de maximizao eles apenas poderiam ser negativos ou nulos. Em seguida apresenta-se o valor
do coeficiente da varivel na funo objetivo e o mximo aumento e mxima diminuio
admissveis. Admissveis em que sentido? Sem que x1 = 271,4285714 e x2 = 0 deixem de ser a
soluo tima. evidente que ao alterar um coeficiente na funo objetivo o valor desta se
altera, mesmo mantendo o valor das variveis. Mas o que estamos analisando , no fundo,
como podemos variar a inclinao do plano que representa a funo objetivo sem que a
soluo tima salte para outro vrtice. Tomando como exemplo a varivel x1, o coeficiente
pode variar entre 117 30,6667 e 117 + sem que haja alterao da soluo tima.
No segundo quadro (Restries) feita uma anlise de sensibilidade ao valor do lado direito
das restries. Ao alterar um destes valores estamos a alterar uma restrio e consequentemente
a regio admissvel do problema. Isso poder ter como conseqncia que a soluo tima deixe
de estar num dado vrtice e salte para outro vrtice diferente. Os valores dados nas colunas
Permissvel Aumentar e Permissvel Diminuir so os valores que se podem somar e subtrair
ao valor inicial (coluna Restrio Lado direito) sem que a soluo tima mude de vrtice.
Note-se que se essa restrio contiver o vrtice timo ento, mesmo sem mudar de vrtice, a
soluo tima, e consequentemente o seu valor timo, alteram-se. No entanto so alteraes
em torno de uma soluo com a mesma estrutura pois no h mudanas no conjunto de
variveis que formam a base da soluo tima do problema.
Finalmente a coluna Preo Sombra. J tnhamos visto que se estava a gastar todo o crude B
disponvel (1900 barris). Ento, provavelmente, se tivssemos mais crude B poderamos ter um
lucro maior (pelo menos enquanto no fossem os outros tipos de crude a restringir a produo).
O preo sombra d exatamente o acrscimo no lucro por cada unidade de recurso (barril de
crude B) adicional. Neste caso se tivssemos 1901 barris de crude B teramos mais 16,71428571
unidades de lucro, e se tivssemos 1902 barris de crude B teramos mais 2
16,71428571

unidades de lucro, etc. Esta relao acrscimo de recurso / acrscimo de lucro mantm-se
enquanto o vrtice timo no se alterar, isto , dentro dos valores dados pelo aumento e
diminuio permissveis. Note-se que no caso do crude A este valor zero. De fato, se no
gastarmos todo o recurso disponvel no era comprando mais que aumentvamos o lucro!

COMO USAR O EXCEL PARA RESOLVER


PROBLEMAS DE PROGRAMAO LINEAR

1. Disponibilizando a Ferramenta de Otimizao


Primeiramente deve-se instalar os suplementos.
Abra o Excel v ao menu Ferramentas e escolha a opo Suplementos.
Aparecer uma caixa de dilogo com vrias opes de suplementos:

Selecione todos os suplementos. Se preferir selecione todos menos os


selecionados acima. Com isto voc disponibiliza vrias funes adicionais, anlise de
dados e o solver para resolver problemas de programao linear, no linear e etc.
A ferramenta de otimizao Solver estar disponvel. Click em OK, na caixa de
dilogo e veja se no menu Ferramentas aparece o opo Solver.
2. Acompanhando e Resolvendo um Exemplo
O exemplo acompanhado aqui o mesmo das notas de aula depois sero
expostos outros exemplos e suas respostas para testar o aprendizado.
Uma empresa pode fabricar dois produtos (1 e 2). Na fabricao do produto 1 a
empresa gasta nove horas-homem e trs horas-mquina. Na fabricao do produto 2 a
empresa gasta uma hora-homem e uma hora-mquina. Sendo x1 e x2 as quantidades
fabricadas dos produtos 1 e 2 e sabendo-se que a empresa dispe de 18 horas-homem e
12 horas-mquina e ainda que os lucros dos produtos so $4 e $1 respectivamente,
quanto deve a empresa fabricar de cada produto para obter o maior lucro possvel (ou o
lucro mximo ou ainda maximizar o lucro) ?
Este problema tem a seguinte representao matemtica:
Max L = 4 x1 + x2
x1, x2
sujeito a
9x1 + x2 18 e
3x1 + x2 12
x1 0 e x2 0

Para simplificar sua compreenso a respeito do problema, disponha as clulas de


maneira equivalente apresentao do problema. Essa disposio no necessria mas,
facilitar bastante na implementao.
Note que existem duas incgnitas L = 4 x1 + x2 que s tero valores aps a
resoluo do problema, porm, duas clulas devem ser escolhidas para representarem
estas incgnitas. Veja como ficaria este exemplo:

As clulas C5 e D5 no contm valores no incio da colocao do problema. Elas


so apenas escolhidas. Observe que todas as frmulas fazem referncia a estas clulas.
OBSERVAO:
A frmula SOMARPRODUTO

A frmula somar produto multiplica os componentes correspondentes nas


matrizes fornecidas e retorna a soma destes produtos.
A Sintaxe da funo SOMARPRODUTO(matriz1;matriz2;matriz3; ...)
Matriz1, matriz2, matriz3,... so matrizes de 2 a 30 cujos componentes
se deseja multiplicar e depois somar.
Os argumentos da matriz devem ter a mesma dimenso. Se no tiverem,
SOMARPRODUTO fornecer o valor de erro #VALOR!.
SOMARPRODUTO trata as entradas da matriz no-numricas como se
fossem zeros.
A seguinte frmula multiplica todos os componentes das duas matrizes
da planilha anterior e depois soma os produtos ou seja, 3*2 + 4*7 +
8*6 + 6*7 + 1*5 + 9*3.
SOMARPRODUTO({3.4.8.6.1.9}; {2.7.6.7.5.3}) igual a 156
Desta maneira as frmulas so equivalentes ao lado direito das equaes do
lucro e restries do problema.
Aps montar o modelo os passos so:
a) Selecionar Solver no menu Ferramentas.
Aparecer a seguinte tela:

Figura 1
O endereo E7 que contm a funo objetivo deve ser colocado na opo:
"Definir clula de destino"

O objetivo, no caso maximizar, deve ser selecionado nos botes de rdio.

As clulas correspondentes s variveis de deciso devem ser colocadas na


opo:
"Clulas Variveis"

Escolha ento o boto "Opes" e selecione as opes:


Pressumir modelo linear
Pressumir no negativos
Click o boto "OK"

Esta a caixa de dilogo quando se escolhe Opes na caixa de dilogo anterior:

Pode-se escolher Ajuda para saber mais detalhes.


b) Agora precisa-se entrar com as restries.

Selecione o boto "Adicionar", aparecer outra caixa de dilogo:

Adicione as restries do modelo, usando as clulas corretas como na


Figura 1

c) Escolha ento o boto "Resolver"

Aparecer uma nova caixa de dilogo:

No lado direito voc deve selecionar os relatrios que lhe interessam.

d) Agora s interpretar o resultado.

3. Interpretando os Relatrios
Como se viu existem trs relatrios. O de resposta o de sensibilidade e o de
limites. Existem problemas srios na traduo de forma que se voc no tiver
conscincia do mtodo simplex se perde totalmente.
Os resultados so disponibilizados em trs planilhas diferentes.

3.1 O relatrio resposta

Microsoft Excel 8.0 Relatrio de resposta


Planilha: [ProglinEEMII.xls]Plan1
Relatrio criado: 07/10/97 15:10:01

Clula de destino (Mx)


Clula
Nome
Valor original
$E$7 Max
0

Clulas ajustveis
Clula
Nome
$C$5 Soluo x1
$D$5 Soluo x2

Restries
Clula
Nome
$E$9 HH
$E$10 HM

Valor original

Valor final
13

Valor final
0
0

1
9

Valor da clula
Frmula
Status Transigncia
18 $E$9<=$G$9
Agrupar
0
12 $E$10<=$G$10 Agrupar
0

Obviamente o relatrio traz o resultado. O valor final do lucro na seo Clula


de Destino, os valores timos a serem produzidos na seo Clulas Ajustveis e na
seo Restries se estas foram atingidas ou se est sobrando algo.

3.2 O Relatrio de Sensibilidade


Microsoft Excel 8.0 Relatrio de sensibilidade
Planilha: [ProglinEEMII.xls]Plan1
Relatrio criado: 07/10/97 15:10:01

Clulas ajustveis
Clula
Nome
$C$5 Soluo x1
$D$5 Soluo x2

Valor
Final
1
9

Reduzido
Custo

Objetivo
Permissvel Permissvel
Coeficiente Acrscimo Decrscimo
0
4
5
1
0
1 0,333333333 0,555555556

Restries
Valor
Sombra
Restrio Permissvel Permissvel
Final
Preo
Lateral R.H. Acrscimo Decrscimo
18 0,166666667
18
18
6
12 0,833333333
12
6
6

Clula
Nome
$E$9 HH
$E$10 HM

Aqui a traduo foi quase mortal. No possvel utilizar o relatrio diretamente


dado que ningum entenderia. necessrio trocar as ordens das linhas. Ou seja, onde
tem Permissvel Acrscimo voc inverte, Sombra Preo Preo Sombra, Reduzido
Custo Custo Reduzido, etc. Resolvido isto o relatrio uma rearrumao do quadro
final do mtodo simplex que traz a soluo dos dois problemas, o Primal e o Dual. O
quadro final do simplex do exemplo :
L
R1
R2

x1
0
1
0

x2
0
0
1

x3
1/6
1/6
-1/2

x4
5/6
-1/6
3/2

bi
13
1
9

1/6 o 0,166666667; 5/6 o 0,8333333333; o acrscimo permitido nas 18 horas


homens dado por 9/(|-1/2|)=18 e para horas mquinas 1/(|-1/6|)=6; os decrscimos so
dados respectivamente por 1/(1/6)=6 e 9/(3/2)=6.
A parte correspondente as Clulas Ajustveis equivalente a resolver o problema
Primal Como se fosse o Dual, o que forneceria outro quadro final de onde se poderia
tirar os valores dos acrscimos. Esta uma informao adicional ao quadro final do
simplex clssico.

3.3 O Relatrio de Limites


Microsoft Excel 8.0 Relatrio de limites
Planilha:
[ProglinEEMII.xls]Plan1
Relatrio criado: 07/10/97 15:10:02

Nome
Clula Destino
$E$7 Max

Valor
13

Nome
Clula Ajustvel Valor
$C$5 Soluo x1
1
$D$5 Soluo x2
9

Limite Resultado
Inferior Destino
0
9
0
4

Limite Resultado
Superior Destino
1
13
9
13

Neste exemplo, este relatrio pode parecer um pouco idiota, entretanto em casos
mais complexos ele se torna til para visualizao dos resultados, que obviamente o
objetivo de um relatrio.
4. Exemplos para serem Implementados
4.1 Hillier e Lieberman - Cap.1 pag.26

Uma fabrica produz vidros de alta qualidade, incluindo janelas e portas de vidro.
Ela tem 3 fbricas . Na primeira so feitas esquadrias e ferragens de alumnio; na
segunda as esquadrias de madeira e a terceira usada para produzir o vidro e montar os
produtos.
Dois produtos potenciais:
P1 => Porta de Vidro 2,40m, com esquadrias de alumnio.
P2 => Uma grande janela (1,20x1,80m) de duas folhas e esquadrias de madeira.
- Decidir quantos produtos produzir
Resultado da investigao:
1. Percentagem de capacidade de produo de cada fbrica que estaria disponvel
para estes produtos .
2. As percentagem requeridas por produtos para cada unidade produzida por minuto.
3. O lucro unitrio de cada produto.
Resumo:
Produto
Fbrica
1
2
3
Lucro por unidade

Capacidade usada por produo unitria


1
2
1
0
0
2
3
2
U$3
U$5

Capacidade Disponvel
4
12
18

Sejam x1 e x2 o nmero de unidade dos produtos 1 e 2 por minuto e Z a


contribuio resultante para o lucro por minuto.
x1 e x2 so VARIVEIS DE DECISO para o modelo.
O objetivo encontrar x1 e x2 tal que maximizem
Z = 3x1 + 5x2
Sujeito a restrio x1 4
2x2 12
3x1 + 2x2 15
e x1 0 , x2 0
Os resultados fornecidos pelo Excel so:
Microsoft Excel 8.0 Relatrio de resposta
Planilha: [Exemplo2PL2.xls]Plan1
Relatrio criado: 27/09/2000 16:52:40

Clula de destino (Mx)


Clula
Nome
$F$8
Lucro/unid Max

Clulas ajustveis
Clula
Nome
$D$6 Soluo x1
$E$6 Soluo x2

Restries
Clula
Nome
$F$11 F1 Max
$F$12 F2 Max
$F$13 F3 Max

Valor original

Valor final
0

Valor original

33

Valor final
0
0

1
6

Valor da clula
Frmula
Status
Transigncia
4 $F$11<=$H$11 Agrupar
0
12 $F$12<=$H$12 Agrupar
0
15 $F$13<=$H$13 Sem agrupar
3

Microsoft Excel 8.0 Relatrio de sensibilidade


Planilha: [Exemplo2PL2.xls]Plan1
Relatrio criado: 27/09/2000 16:52:41

Clulas ajustveis
Clula
Nome
$D$6 Soluo x1
$E$6 Soluo x2

Valor Reduzido
Objetivo
Permissvel Permissvel
Final
Custo
Coeficiente Acrscimo Decrscimo
1
0
3
1E+30
3
6
0
5
1E+30
5

Restries
Clula
Nome
$F$11 F1 Max
$F$12 F2 Max
$F$13 F3 Max

Valor Sombra
Restrio Permissvel Permissvel
Final
Preo
Lateral R.H. Acrscimo Decrscimo
4
0,75
4
4
4
12
2,5
12
3
12
15
0
18
1E+30
3

Microsoft Excel 8.0 Relatrio de limites


Planilha:
[Exemplo2PL2.xls]Plan1
Relatrio criado: 27/09/2000
16:52:42

Nome
Clula
Destino
Valor
$F$8
Lucro/unid Max
33

Nome
Clula
Ajustvel
$D$6 Soluo x1
$E$6 Soluo x2

Interprete os resultados!!!!

Valor
1
6

Limite Resultado
Inferior Destino
0
30
0
3

Limite Resultado
Superior Destino
1
33
6
33

XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 2006

Aplicao da programao linear no planejamento e controle de


produo: definio do mix de produo de uma indstria de bebidas
Anselmo Rocha Neto (UNOCHAPEC) anselmo@unochapeco.edu.br
Moacir Francisco Deimling (UNOCHAPEC)) moacir@unochapeco.edu.br
Marcus Cristian Tosati (UNOCHAPEC) tosati@zipway.com.br

Resumo: Este artigo apresenta a aplicao da programao linear no planejamento e


controle de produo de uma indstria de bebidas objetivando definir o seu mix ideal de
produo. Para esta aplicao foi utilizada a ferramenta solver que um suplemento que
acompanha o Excel do Oficce 2003 da Microsoft. O estudo caracteriza-se metodologicamente
como um estudo de caso, os dados foram coletados atravs de observaes, entrevistas e
pesquisa documental. Levantou-se informaes sobre: preos de venda e custos dos produtos,
demanda mnima e demanda mxima dos produtos, capacidade produtiva das mquinas,
seqnciamento de produo, capacidade dos recursos humanos, programao e tempos
disponveis nos turnos de trabalho e quantidades de matrias primas disponveis. Os dados
foram planilhados para efetuar o clculo com o solver que apresentou a quantidade de cada
produto a ser produzido considerando as restries do sistema produtivo e objetivando a
maximizao nos lucros da indstria. Comparando-se a produo atual da empresa com o
mix calculado pelo solver, obteve-se um resultado melhor com a utilizao da programao
linear, concluindo-se que esta ferramenta pode ser utilizada pela empresa na definio de seu
mix ideal de produo, obtendo assim maiores lucros (40,68% de aumento com base em um
dia de produo).
Palavras Chaves: Planejamento e controle da produo; Programao linear; Solver.
1. Introduo
A acirrada competitividade causada, principalmente, pelo aumento do nmero de
competidores, pela diversidade de opes apresentadas ao consumidor e pelo incremento da
oferta de produtos dos concorrentes tem obrigado as empresas a buscarem uma maior
produtividade em diversas reas, inclusive na produo.
A administrao da produo tem papel de destaque neste processo, pois gerencia os
recursos disponveis para a produo de bens e servios em uma organizao, para isto ela
busca a melhor utilizao de mquinas, equipamentos, matrias-primas e recursos humanos
visando obter o melhor desempenho possvel.
Uma eficiente programao da produo pode conferir empresa um ganho de
produtividade medida que permita um gerenciamento otimizado de seus recursos. A
definio de uma metodologia para programar a produo a fim de obter-se um mix produtivo
mais rentvel pode traduzir-se em vantagem competitiva para as empresas.
Uma das metodologias disponveis a Programao Linear que considerada uma
eficiente ferramenta para a programao de produo (Martins e Laugeni, 2005;
Lachtermacher, 2004; Moreira, 2004; Goldbarg e Luna, 2005; Caixeta-Filho, 2001).
A organizao em estudo uma indstria de bebidas de pequeno porte situada no
Oeste de Santa Catarina que fabrica 15 tipos de diferentes de refrigerantes (entre sabores e
volumes) e que no possui qualquer metodologia para planejar e controlar seu mix de
produo.

XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 2006

Atualmente a indstria utiliza as informaes de capacidades (mquinas,


equipamentos e recursos humanos), quantidades de matrias-primas disponveis, demandas de
cada produto e, principalmente, atravs da experincia dos supervisores e gerente de produo
define seu mix produtivo sem ter uma noo de estar obtendo ganhos maiores ou menores se
utilizasse um mix alternativo.
Este trabalho objetiva aplicar a Programao Linear para definir o mix ideal de
produo comparando os dados obtidos com a programao emprica realizada atualmente
pela indstria. O estudo teve como base de comparao a produo de um dia e foram
utilizadas as medidas de capacidade de recursos humanos, mquinas e equipamentos j
existentes na indstria e que so utilizadas na programao atual.
Como ferramenta de otimizao da produo utilizou-se o solver da planilha
eletrnica Excel, contida no Oficce 2.003 da Microsoft. Apesar da existncia de outras
ferramentas de otimizao mais potentes que podem ser encontradas no ambiente empresarial,
a planilha eletrnica atendeu plenamente as necessidades deste estudo pois o mesmo est
baseado em um modelo de poucas variveis.
Portanto, o presente estudo prope avaliar a aplicao da ferramenta programao
linear no planejamento do mix de produo de uma indstria de bebidas, objetivando
identificar a aplicabilidade da ferramenta de programao linear, atravs da ferramenta solver
no sistema produtivo de uma empresa.
2. Fundamentao Terica
As empresas industriais em sua maioria competem em seus mercados com o intuito de,
atravs da venda do mix de produtos que dispe, obter ganhos financeiros ou lucros.
Kotler (2000, p.420), define mix de produtos como o [...]conjunto de todos os
produtos e itens que um vendedor pe venda. Ou seja, so todos os produtos que uma
empresa produz, sendo que existem empresas que possuem somente um produto, mas a
grande maioria produz um sortimento de produtos que so oferecidos a seus clientes,
denominado de mix de produtos.
Estes so produzidos em um sistema de produo, que na viso de Martins e Laugeni
(2005) tem como objetivo a fabricao de bens manufaturados.
Russomano (2000, p.5), define sistema de produo como um [...]processo
organizado, que utiliza insumos e os transforma em bens ou executa servios, ambos devem
se apresentar dentro dos padres de qualidade e preo e ter procura efetiva.
O sistema de produo de uma empresa industrial pode ser representado conforme
demonstrado na figura 1:
empresa

A
m
b
i
e
n
t
e

mo-de-obra
capital
energia
outros insumos

I
n
p
u
t
s

Funes de
transformao

Figura 1 Sistema de produo


Fonte: Martins e Laugeni, 2005, p.11

O produtos
u
t
p
u servios
t
s

fronteira do sistema

A
m
b
i
e
n
t
e

XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 2006

Os inputs ou entradas so as matrias-primas, mo-de-obra, instalaes, mquinas e


equipamentos e capital. O processamento (transformao) a unio de todas as entradas,
sendo processadas e transformadas em produtos acabados. Os outputs so as sadas de
produtos acabados para os estoques da empresa, envolvendo a distribuio e expedio.
Conforme Martins e Laugeni (2005), o planejamento, programao e controle da
produo recebe informaes sobre estoques existentes, vendas previstas, linha de produtos,
modo de produzir e capacidade produtiva, transformando estas informaes em ordens de
fabricao. J a funo de controle se responsabiliza pela inspeo, manuteno e custos, para
assegurar que os objetivos e planos sejam cumpridos.
Para Russomano (2000, p.8), o objetivo da fbrica o de transformar matrias-primas
em produtos. Porm, esse no o fim em si mesmo. Sempre deve estar presente o objetivo
final: comercializar produtos.
Para Slack, Chambers e Johnson (2002), o planejamento e controle da produo [...]
a atividade de decidir sobre o melhor emprego dos recursos de produo, assegurando, assim,
a execuo do que foi previsto.
Planejamento e controle da produo, segundo Russomano (2000, p.47), (...) uma
funo de apoio de coordenao das vrias atividades de acordo com os planos de produo,
de modo que os programas pr-estabelecidos possam ser atendidos nos prazos e quantidades.
Tubino (2000, p.23) diz que o planejamento e controle da produo (...) o
responsvel pela coordenao e aplicao dos recursos produtivos de forma a atender da
melhor maneira possvel aos planos estabelecidos em nveis estratgico, ttico e operacional.
A definio apresentada por Tubino (2000), no se preocupa somente com as
quantidades, e com o processo produtivo, e sim com o planejamento que a empresa efetuou,
que deve ser cumprido de todas as formas, sem prejudicar a sade da mesma e sem deixar de
honrar seus compromissos com os clientes e fornecedores.
Cabe ao PCP harmonizar os dilogos com todos os setores da empresa, pois este
recebe informaes do departamento de vendas para ver as quantidades que sero
comercializadas, dever ter um bom relacionamento com compras para poder suprir os
estoques na hora em que for preciso; com o departamento financeiro, para verificar se a
empresa possui recursos financeiros; um timo relacionamento com a produo para poder
executar os planos do departamento de vendas; com a engenharia de produo para o
desenvolvimento de novos produtos e correes em certos projetos desenvolvidos; e na
engenharia do processo para verificar os tempos de fabricao, os tempos de espera e atraso.
Na procura de um plano de produo de menor custo, Martins e Laugeni (2005)
afirmam que um dos mtodos mais utilizados a programao linear, em que a funo
objetivo a ser minimizada o custo global do plano. Tambm pode ser utilizada buscando o
lucro mximo no mix de produo analisado.
Segundo Lachtermacher (2002, p.27) a programao linear utilizada em diversas
reas como: Administrao da produo; Anlise de investimentos; Alocao de recursos
limitados; Planejamento regional; Logstica; Custo de transporte; Localizao da rede de
distribuio e Alocao de recursos de marketing em diversos meios de comunicao.
Moreira (2004, p.39) argumenta que A Programao Linear um modelo matemtico
desenvolvido para resolver determinados tipos de problemas onde as relaes entre as
variveis relevantes possam ser expressas por equaes e inequaes lineares.
Os problemas de programao linear possuem uma expresso matemtica (variveis
de deciso) que devem ser maximizadas ou minimizadas e um conjunto de restries
representadas por equaes e inequaes, que devem ser atendidas.
Segundo Goldbarg e Luna (2005), so trs os principais passos a serem seguido
quando da resoluo de um problema de programao linear envolvendo otimizao de
padres de produo: definio das variveis de deciso, definio da funo objetivo e

XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 2006

definio das restries do sistema em questo.


As variveis de deciso so as alternativas possveis para a soluo do problema de
programao linear.
A funo objetivo, segundo Caixeta-Filho (2001, p.11), o passo onde deve ser
definido o objetivo bsico do problema ... com respeito otimizao a ser perseguida. E
acrescenta, Tal objetivo ser assim representado por uma funo objetivo, a ser maximizado
ou minimizada.
As restries so, de acordo com Caixeta-Filho (2001), uma srie de limitaes do
sistema.
Uma vantagem do modelo de programao linear na viso de Goldbarg e Luna (2005,
p.25), [...] est na extraordinria eficincia dos algoritmos de soluo hoje existentes,
disponibilizando alta capacidade de clculo e podendo ser facilmente implementado at
mesmo atravs de planilhas e com o auxlio de microcomputadores pessoais.
Para resolver um problema de Programao Linear, pode-se utilizar um software,
dentre os existentes tem-se o Solver do Excel, que acompanha o pacote de aplicativos
oferecido pela empresa Microsoft, que de fcil acesso.
Conforme Dodge e Stinson (2001, p.559), [...]O Solver pode manipular problemas
que envolvam muitas clulas variveis e pode ajudar a encontrar combinaes de variveis
que maximizam ou minimizem uma clula de destino. Ele tambm permite especificar uma
ou mais restries condies que devem ser atendidas para que a soluo seja vlida [...].
O solver um suplemento que acompanha o microsoft excel, que tem por finalidade
ser utilizado como ferramenta para efetuar os clculos de programao linear. Este
suplemento ir demonstrar nos clculos qual o mix de produtos mais rentvel para a empresa
produzir, com o intuito de aumentar a rentabilidade da empresa, respeitando as restries do
sistema.
O solver pode manipular problemas que possuem mais de uma varivel, que maximize
ou minimize a funo objetivo, levando em considerao as restries ou condies que sero
impostas para solucionar o problema.
Conforme Luche e Morabito (2005), os resultados obtidos da aplicao da
programao linear na otimizao na programao da produo mostram que os modelos so
capazes de gerar solues melhores do que aquelas que vinham sendo utilizadas pela empresa.
3. Metodologia
A empresa, situada no oeste de Santa Catarina uma indstria que atua no ramo
alimentcio e que produz refrigerantes de vrios sabores. A empresa possui um sistema
produtivo com um lay-out em linha (por produto) e a programao da produo elaborada
com os dados de demanda, capacidades produtivas e disponibilidades de insumos, sem o
auxlio de qualquer tipo de programa ou software.
A aplicao do estudo ocorreu no setor produtivo desta empresa, caracterizando-se
como um estudo de caso, como tcnica de coleta de dados foram utilizadas a observao, a
pesquisa documental e a entrevista.
A observao, realizada pelo pesquisador, foi feita no processo produtivo da empresa
onde foram levantados os tempos de cada processo individual, resultando num tempo total de
fabricao.
A pesquisa documental foi realizada nos seguintes setores: no departamento de
produo para obter os tempos de utilizao e as capacidades de cada mquina do processo
produtivo; no departamento de marketing/vendas foram obtidos os dados relativos as
quantidades de demanda de cada produto; no departamento financeiro foram analisados os

XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 2006

preos de venda e os custos de produo de cada produto; e, no departamento de recursos


humanos obteve-se os dados relativos aos turnos de produo de cada setor envolvido no
processo produtivo, bem como a quantidade de pessoas em cada setor por turno.
A entrevista foi realizada com os encarregados de produo de cada setor, bem como
com o gerente de produo para confirmar os dados obtidos com a pesquisa documental e a
observao.
Os dados foram tabulados em planilha Excel e calculados com o auxlio da ferramenta
Solver, e aps a resoluo os dados foram colocados em quadros para melhor visualizao e
anlise.
4. O processo produtivo da indstria de bebidas
O processo produtivo inicia-se na xaroparia onde feito o xarope simples e o xarope
composto que daro origem aos vrios tipos de refrigerante.
Na mquina A (caracol) colocado o acar que enviado para a mquina B, a qual
faz a inverso do acar. A inverso do acar a transformao do acar bruto atravs da
mistura de gua, sendo aquecido at ser transformado em xarope simples. Aps concluda a
inverso, este enviado pela tubulao para a mquina C (filtro) que filtra o xarope, o xarope
simples passa por um filtro no qual todas as impurezas que restaram da inverso ficam retidas.
Aps a filtragem, o xarope simples enviado pela tubulao para o depsito A onde fica
estocado. Este processo pode ser visualizado atravs da figura 1.
mquina A
(caracol)

mquina B
(inversor)

mquina C
(filtro)

depsito A

FIGURA 1 Processo de fabricao do xarope simples


A partir do estoque de xarope simples (depsito A), este ser transformado em xarope
composto e ser estocado no depsito B. O xarope simples enviado para a mquina D
(misturador) por uma tubulao, onde o processo de transformao do xarope realizado
atravs da mistura do xarope simples com outras matrias-primas que iro conferir o sabor
caracterstico a cada tipo de refrigerante (cola, laranja, guaran, etc.). A Figura 2 apresenta o
fluxo de produo da xaroparia.
depsito A

mquina D
(misturador)

depsito B

FIGURA 2 Processo de fabricao do xarope composto


O setor de sopro inicia o processo em paralelo ao setor de xaroparia. Na sopradora de
garrafas as pr-formas so colocadas na mquina X (esteira), que as transporta e envia trs
unidades por vez para a mquina Y (sopradora) que sopra as pr-formas. O sopro executado
em trs pr-formas por vez. As pr-formas entram na mquina Y onde esto situados os
moldes aquecidos ocorrendo o sopro que as transforma em garrafas do tipo 2 e tipo 4.
Depois de sopradas as garrafas vo para a mquina Z (rotuladora) que coloca o rtulo
na garrafa e envia a mesma para o depsito C na qual ficam aguardando para serem enviadas
para a mquina E (lavadora) do engarrafamento. Todo este processo automatizado,
precisando apenas de dois funcionrios para cuidar das mquinas e efetuar o controle de
qualidade, para verificar se no h alguma garrafa com defeito ou sem rtulo.
As garrafas sopradas, rotuladas e lavadas so armazenadas no depsito de garrafas
sopradas, e ficam aguardando at o xarope composto estar pronto. A Figura 3 apresenta o
fluxo de produo do sopro.

XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 2006

Mquina X
(esteira)

mquina Y
(soprador)

depsito C

mquina Z
(rotulador)

mquina E
(lavador)

FIGURA 3 Fluxo de produo do sopro


O xarope composto que est no depsito B da xaroparia enviado pela tubulao para
a mquina D (misturador) que faz a mistura do xarope composto com gua e CO2 (gs
carbnico), transformando-o em refrigerante. O refrigerante enviado pela tubulao para a
mquina F (enchedora), que fica esperando as garrafas virem da mquina E (lavadora). A
mquina E (lavadora), lava as garrafas e envia pela esteira para a mquina F (enchedora), que
envaza as garrafas da seguinte maneira: as garrafas entram na mquina so encaixadas no bico
enchedor que enche com a quantidade pr-determinada.
depsito B
refrigerante

mquina D
(misturador)

mquina F
(enchedor)

mquina E
(lavador)

gua e CO2

FIGURA 4 Fluxo de envazamento das garrafas de refrigerante


Depois de enchidas, as garrafas so envias pela esteira para a mquina G (arrolhadora)
que arrolha as mesmas, inserindo as tampas e envia pela esteira para a mquina H (datadora)
que insere a data de validade do produto. Marcada a data de validade, o produto vai para a
mquina I (empacotadeira) que divide em dois tipos de pacotes: seis unidades de produto
acabado para as garrafas tipo 4, e 12 unidades de produto para as garrafas tipo 2, e as envolve
com filme termo-encolhivel. Depois de envoltas no filme termo-encolhvel passam pela
mquina J (tnel de encolhimento) que faz com que o filme se encolha, formando o pacote de
produto acabado que so colocados nos paletes.
Os pallets so enviados com o auxilio da empilhadeira para a mquina L (paletizador)
onde envolto pelo filme strech para dar sustentabilidade ao pallet, que enviado para o
depsito D onde fica estocado. A Figura 4 apresenta o fluxo de produo do engarrafamento:

q rstr

FIGURA 5 Fluxo de produo final


Em resumo, concluda a preparao do xarope composto este enviado para o premix
onde feita a mistura do xarope composto, com gua e gs, para transform-lo em
refrigerante. O refrigerante enviado para a enchedora que completa as garrafas que vem da
lavadora de garrafas. Aps enchidas, as garrafas so enviadas para a arrolhadora, datadora,
empacotadora, tunel de encolhimento, paletizadas e enviadas para o estoque.
O refrigerante que produzido em trs tipos de produtos, cada um com vrias opes
de sabores. Os produtos so o 4Q, 4G e 2Q. Os sabores do produto 4Q so o 1, 2, 3, 4, 5, 6, 7,
os sabores do produto 4G so 12, 13, 14 e 15, e os sabores do produto 2Q so 8, 9, 10 e 11.

XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 2006

5. Estudo de caso: aplicao da programao linear na indstria de bebidas


Para o clculo do solver foram definidas as variveis de deciso, a funo objetivo e as
restries do sistema produtivo da indstria de bebidas estudada, assim determinados:
- Variveis de deciso: os produtos e seus respectivos sabores (total de 15 variveis de
deciso), apresentados na figura 6 como clulas variveis:

FIGURA 6 - As variveis de deciso


As 15 variveis de deciso so: 4Q 1, 4Q 2, 4Q 3, 4Q 4, 4Q 5, 4Q 6, 4Q 7, 4G 12, 4G
13, 4G 14, 4G 15, 2Q 8, 2Q 9, 2Q 10 e 2Q 11.
- Funo objetivo: objetivando a maximizao do lucro dos produtos e seus respectivos
sabores (somatria do lucro de cada varivel de deciso multiplicado pela quantidade
produzida), apresentadas nas figuras 7 como clulas de destino, igual a:

FIGURA 7 - A funo objetivo


A frmula da funo objetivo : MAX Z = (0,98 x 4Q1) + (0,89 x 4Q2) + (1,00 x
4Q3) + (1,00 x 4Q4) + (0,90 x 4Q5) + (0,71 x 4Q6) + (0,70 x 4Q7) + (1,00 x 4G12) + (0,88 x
4G13) + (0,97 x 4G14) + (0,80 x 4G15) + (0,78 x 2Q8) + (0,77 x 2Q9) + (0,75 x 2Q10) +
(0,70 x 2Q11).
- Restries deste sistema: demanda mnima e demanda mxima de cada produto com seus
respectivos sabores (15 variveis de deciso); capacidade produtiva das mquinas (dos
setores de xaroparia, sopro e engarrafamento); recursos de mo-de-obra e turnos de

XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 2006

trabalho (dos setores de xaroparia, sopro e engarrafamento) e


apresentados na figura 8 como submeter s restries:

recursos materiais,

FIGURA 8 - As restries do sistema


Devido as frmulas conterem informaes que a empresa no quer divulgar elas no
sero explicitadas, a seguir descreve-se as restries deste sistema:
Demanda: para cada varivel de deciso foi estipulada uma demanda mxima e uma
demanda mnima (ambas estipuladas pelo mercado).
Capacidade de mquinas: para cada mquina dos setores de xaroparia, sopro e
engarrafamento foi estipulado o tempo mximo para a sua utilizao (levando-se em conta
as horas-homem disponveis).
Capacidade de matria-prima: quantidades de todas as matrias-primas necessrias e
disponveis para produzir os 15 produtos (variveis de deciso).
Capacidade de embalagens: quantidades de todas as embalagens necessrias e disponveis
para produzir os 15 produtos (variveis de deciso).
No-negatividade: para cada varivel de deciso foi estipulado que seu valor seja maior
ou igual a zero.
O solver calcula o problema, tendo como base um dia de produo, utilizando todas as
restries impostas e trazendo os resultados da maximizao do resultado conforme as
restries impostas. A maximizao do resultado gerou um lucro dirio de R$ 8.625,18 (oito
mil, seiscentos e vinte e cinco reais e dezoito centavos), sendo restringido pela demanda
mxima de venda por dia.
6. Consideraes finais
Comparando os dados constantes no quadro 1 (clculo efetuado pelo solver dados do
solver), com os dados originais do sistema de produo da empresa (clculo sem utilizar o
solver dados da empresa), constata-se que o solver fez o clculo utilizando as mesmas
restries de produo que foram utilizadas pelo sistema de produo da empresa. O solver
fez uma anlise, utilizando o parmetro Lucro, que o que a empresa deveria levar em
considerao. No quadro 1, esto os dados de ambas as situaes, uma com o clculo do
solver e a outra da programao de produo original da empresa (sem utilizar a programao
linear).
O quadro 1 apresenta: na coluna Produto os produtos que a empresa fabrica; na coluna
Sabor os sabores de cada produto produzido; na coluna Variavl a quantidade que deve ser

XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 2006

produzida para maximizar os resultados da empresa; na coluna Resultado o lucro multiplicado


pela varivel (quantidade produzida) gerando o resultado mximo alcanado pela empresa; e
na coluna Diferena a diferena de ganho utilizando o solver versus utilizando a programao
normal de produo da empresa.
Dados do Solver
Dados da Empresa
Produto Sabor Varivel
Resultado
Produo Resultado
1
578
566,44
222
217,56
2
824
733,36
836
744,04
3
968
968,00
545
545,00
4Q
4
299
299,00
129
129,00
5
470
423,00
150
135,00
6
1889
1.341,19
1.430
1015,30
7
290
203,00
335
234,50
8
69
53,82
127
99,06
9
95
73,15
456
351,12
2Q
10
116
87,00
332
249,00
11
210
147,00
321
224,70
12
607
607,00
211
211,00
13
1165
1.025,20
889
782,32
4G
14
1066
1.034,02
447
433,59
15
1330
1.064,00
950
760,00
8.625,18
6.131,19
QUADRO 1 - Comparao entre produo real e clculo do solver

Diferena
348,88
(10,68)
423,00
170,00
288,00
325,89
(31,50)
(45,24)
(277,97)
(162,00)
(77,70)
396,00
242,88
600,43
304,00
2.493,99

Apesar de em alguns produtos a empresa obteve um ganho em relao ao que seria


produzido pelo solver, na maioria dos produtos o ganho foi menor, no total geral apresentou
um lucro de R$ 6.131,19 (seis mil cento e trinta e um reais e dezenove centavos).
A programao realizada com o solver explorou melhor a lucratividade dos produtos
mais rentveis e obteve um retorno de R$ 8.625,18 (oito mil seiscentos e vinte e cinco reais e
dezoito centavos), gerando uma diferena a favor do clculo do solver de R$ 2.493,99 (dois
mil quatrocentos e noventa e trs reais e noventa e nove centavos).
Observa-se que esta produo de apenas um dia, transformando estes valores em
base anual, tem-se em mdia 252 dias teis trabalhados em um ano, perfazendo uma diferena
anual de R$ 628.485,48 (seiscentos e vinte e oito mil, quatrocentos e oitenta e cinco reais e
quarenta e oito centavos).
Portanto, a falta de uma anlise mais criteriosa, o no aproveitamento dos recursos
disponveis como as informaes de mercado e das ferramentas de programao linear, fazem
com que a empresa no utilize o seu processo produtivo de forma mais eficiente, deixando de
obter lucros maiores, produzindo produtos que trazem pouco retorno para a empresa.
A empresa em questo no teve nenhum custo de implantao da programao linear
com a utilizao do solver, pois o programa acompanha o Microsoft Excel, o qual foi
adquirido pela empresa e pago quando da compra dos computadores, sendo preciso somente
instal-lo.
Verificada a aplicabilidade da programao linear, os baixos custos de implantao e
os resultados alcanados, conclui-se que a programao linear com o auxlio do solver pode
ser utilizada pela empresa para uma melhor utilizao do seu sistema produtivo.
Portanto, a utilizao da programao linear trouxe contribuies para o estudo
demonstrando:
O clculo da quantidade a ser produzida para atender as necessidades dos clientes
considerando as restries do sistema produtivo;
O mix de produo mais rentvel para a venda;

XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 2006

A definio das quantidades de cada produto que devem ser produzidas, contribuindo para
a organizao da programao da produo, fazendo com que os produtos com maior
rentabilidade tenham prioridade na produo.
A diferena obtida, mesmo tendo a empresa um sistema produtivo enxuto e sem
desperdcios, foi expressiva tendo como valores R$ 2.493,99 representando 40,68% em um
dia de trabalho, concluindo-se pela aplicabilidade da programao linear na empresa.
importante salientar que o estudo limitou-se a apenas uma amostra, correspondente a
um dia de produo. Sugere-se uma ampliao do perodo de aplicao desta metodologia
afim de verificar se os resultados se confirmaro.
7. Referncias Bibliogrficas
CAIXETA-FILHO, Jos Vicente. Pesquisa Operacional: tcnicas de otimizao aplicadas a sistemas
agroindustriais. So Paulo: Atlas, 2001. 171 p.
DODGE, Mark e STINSON, Craig. Microsoft Excel 2000 Guia Autorizado. So Paulo: Makron Books,
2001. 1016 p.
GOLDBARG, Marco Cesar e LUNA, Henrique Paccal. Otimizao combinatria e programao linear:
modelos e algoritmos. 2.ed. Rio de Janeiro: Elsevier, 2005. 649 p.
LACHTERMACHER, Gerson. Pesquisa Operacional na Tomada de Decises. 2. ed. Rio de Janeiro: Campus,
2004. 384 p.
LUCHE, Jos Roberto Dale e MORABITO, Reinaldo. Otimizao na programao da produo de gros
eletrofundidos: um estudo de caso. Gesto & Produo. So Carlos, v. 12, n. 1, p.135-149. jan./abr.2005.
MOREIRA, Daniel Augusto. Administrao da Produo e Operaes. So Paulo: Pioneira Thomson
Learning, 2004. 619 p.
KOTLER, Philip. Administrao de Marketing: a edio do novo milnio. 10. ed. So Paulo: Prentice Hall,
2000. 764 p.
RUSSOMANO, Victor Henrique. Planejamento & Controle da Produo. 6. ed. So Paulo: Pioneira, 2000.
320 p.
TUBINO, Dalvio Ferrari. Manual de planejamento e controle da produo. 2. ed. So Paulo: Atlas, 2000. 220
p.