Академический Документы
Профессиональный Документы
Культура Документы
Palavras do professor
A Pesquisa Operacional (P.O.) faz uso dessas quatro ciências oferecendo aos
gestores e aos administradores um conjunto de métodos e modelos que os
auxiliam em suas decisões.
Um ótimo estudo!
SUMÁRIO
PALAVRAS DO PROFESSOR.....................................................1
BIBLIOGRAFIA................................................................ 128
Objetivos de aprendizagem
Conhecer o conceito, a história e as principais aplicações da Pesquisa
Operacional.
Identificar as fases de um estudo de Pesquisa Operacional.
Entender o significado e os principais tipos de modelagem de problemas
gerenciais.
Seções de estudo
1.1 Conceito
1.2 História
1.3 Aplicações
1.4 Fases de um Estudo de Pesquisa Operacional
1.5 Modelagem de Problemas Gerenciais
1.1 Conceito
6
1.2 História
Esses cientistas não fizeram mais do que aplicar o método científico aos
problemas que lhes foram sendo colocados. Desenvolveram então a idéia de criar
modelos matemáticos, apoiados em dados e fatos, que lhes permitissem perceber
os problemas em estudo, simular e avaliar o resultado hipotético de estratégias
ou decisões alternativas.
Leitura complementar
Breve Histórico
Os primeiros conceitos da programação linear, uma das técnicas de
Pesquisa Operacional, foram desenvolvidos entre 1947 e 1949, durante a segunda
guerra mundial, por George Dantzig para serem aplicados a programas militares,
desde a área logística, até à estratégia. Foi após a guerra que ele foi impulsionado
para encontrar formas eficientes de desenvolver esta metodologia. Foi Dantzig o
primeiro a reconhecer que um programa de planejamento poderia ser expresso
por um sistema de inequações lineares, assim como foi o primeiro a apresentar, na
forma de uma expressão matemática explicita, um critério para seleção do
melhor plano, ao que hoje chamamos de função objetivo.
Todo este trabalho seria de aplicação prática bastante limitada sem um
método eficiente, ou algoritmo, que permitisse encontrar a solução ótima do
conjunto de inequações lineares que maximizassem, ou minimizassem, a função
objetivo. Assim, desenvolveu o algoritmo simplex que resolve de uma forma
8
1.3 Aplicações
b) Construção do Modelo
O modelo mais apropriado para a representação do sistema deve ser escolhido
com base na definição do problema. Esta é a fase que mais criatividade exige do
analista, uma vez que o resultado obtido é conseqüência da qualidade da
representação da realidade obtida com o modelo.
c) Solução do modelo
Esta fase tem por objetivo encontrar uma solução para o modelo construído.
9
d) Validação do modelo
Um modelo é válido se for capaz de fornecer uma previsão aceitável do
comportamento do sistema e de fornecer uma resposta que possa contribuir para
a qualidade da decisão a ser tomada. Uma prática comum para testar a validade
do modelo é analisar seu desempenho com dados passados do sistema e verificar
se ele consegue reproduzir o comportamento que o sistema manifestou.
e) Implementação da solução
Avaliadas as vantagens e a validade da solução, esta deve ser implementada. A
apresentação da solução deve ser feita à direção ou ao gerente da empresa
evitando-se o uso da linguagem técnica do modelo.
Curiosidade
Os primeiros problemas envolvendo Programação Linear, uma das técnicas
de Pesquisa Operacional, estavam limitados a um “pequeno” número de variáveis
devido ao tempo de cálculo e verificação, que poderia envolver vários homens
durante vários dias, dependendo da complexidade do problema.
Atualmente, com o recurso do computador e uma planilha Excel, auxiliada
por um módulo adicional (solver) para a Programação Linear, permite-nos resolver
problemas complexos, sendo o tempo de cálculo muito curto.
Percepção
Reconhecimento Criação de Avaliação das
do Problema Alternativas Alternativas Decisão
Critérios
Hipótese 1
Solução 1
Processo de
Modelo de Escolha da
Hipótese 2 Solução 2 Solução
Simulação Melhor
Escolhida
Solução
Hipótese 3
Solução 3 Solução 2
Critérios
de Escolha
Dados e
informações
do sistema
Modelo de
Solução Ótima
Otimização
Decisão
- Representação do
Sistema
- Critério de seleção
da alternativa
Glossário
Método simplex. Método que faz uso dos conceitos de álgebra matricial e de um
conjunto de regras que levam à solução dos problemas de Programação Linear.
Síntese
Exercícios propostos
1) Faça uma leitura dos textos complementares, que trata do tema “Breve
histórico”, e considerando também os conhecimentos adquiridos na disciplina de
Pesquisa Operacional, aponte V ou F caso as afirmações a seguir sejam
Verdadeiras ou Falsas.
( ) A técnica de programação linear foi desenvolvida por Dantzig, antes da
segunda guerra mundial;
( ) Deve-se utilizar ferramental sofisticado para apoio a tomada de decisão sem
haver preocupação se os modelos quantitativos conseguem representar a
complexa e incerta realidade organizacional;
( ) O ensino da pesquisa operacional para executivos ou alunos da área de
negócios passou a ter o foco na modelagem do problema, na interpretação do
resultado do mesmo e na sua aplicabilidade aos problemas gerenciais.
2. PROGRAMAÇÃO LINEAR
Objetivos de aprendizagem
Conhecer o que é, as aplicações e as vantagens do uso da técnica de
Programação Linear.
Identificar e modelar problemas de tomada de decisão sobre alocação de
recursos e sobre dietas de mínimo custo.
Seções de estudo
2.1. Aplicações da Programação Linear
2.2. Vantagens do Uso da Programação Linear
2.3. Modelagem de Problemas
2.4. Problema de Alocação de Recursos
2.5. Formulação de Dietas de Mínimo Custo
1
Duas referências básicas para o tema, que contém uma série de aplicações para casos
brasileiros, são:
- CAIXETA FILHO, J. V. Pesquisa Operacional: Técnicas de Otimização Aplicadas a Sistemas
Agroindustriais. São Paulo: Atlas S. A., 2004.
- CONTINI, E. et alii (eds.) Planejamento da propriedade agrícola: modelos de decisão. Brasília,
EMBRAPA-DDT, 1984.
17
Leitura complementar
Exemplos de aplicação da Programação Linear
São vários os exemplos de aplicação da programação linear nos nossos dias
que permitiram obter melhoria nas performances das empresas. Numa rápida
pesquisa na Internet, encontraram-se três casos referentes a diferentes áreas
de atividade econômica.
- Um primeiro exemplo refere-se à companhia de óleos TEXACO, que utilizou a
programação linear para obter as condições ideais de processamento do petróleo
bruto. A aplicação desta metodologia em sete das suas refinarias permitiu obter
uma melhoria de 30% nos lucros, atingindo 30 milhões de dólares.
- Um outro exemplo refere-se à aplicação do método para otimização dos
horários de trabalho em quatro estabelecimentos da rede de retaurantes
McDonald’s nos Estados Unidos. A programação linear proporcionou um melhor
aproveitamento dos recursos disponíveis, com a exigência de cobertura durante
todo período de funcionamento das unidades, obtendo-se uma programação de
horários mais convenientes de acordo com as preferências de horário de cada
funcionário.
- Um último caso refere-se ao exército norte-americano que desenvolveu um
sistema designado de MLRPS – Manpower Long-Range Planning System - que
permite estimar as necessidades de recursos humanos num horizonte que vai dos
7 aos 20 anos. Para tal, aspectos como as admissões, abandonos, promoções e
transferências são levadas em consideração no modelo, que determina o número
de recursos necessários.
Maximizar Z = ∑ c j xj
j=1
Sujeito a:
n
∑ aijxj ≤ bi (para todo i = 1, 2, ...,m)
j=1
Onde:
- xj é o nível da j-ésima atividade;
- cj é o coeficiente da função objetivo esperado da j-ésima atividade;
- aij é o coeficiente técnico da j-ésima atividade para o i-ésimo recurso (ou
restrição);
- bi são os níveis de fatores limitantes ou da i-ésima restrição;
- n número de atividades;
- m número de restrições.
Modelagem do problema
b) Função objetivo
A Função objetivo é a expressão que calcula o valor do objetivo (lucro, receita,
custo, perda, margem de contribuição e etc), em função das variáveis de decisão.
Representam a relação entre as variáveis de decisão, o lucro unitário por
computador e o lucro total.
Como o lucro total será a soma dos lucros obtidos com a venda de cada tipo de
computador, a equação de lucro total será:
Lucro total: L = 200 X1 + 300 X2
Objetivo: Max L = 200 X1 + 300 X2
2
Adaptado de CAIXETA FILHO, J. V. Material de apoio às disciplinas: LES-672 Introdução à
Pesquisa Operacional e LES-785 Programação Linear. Série didática nº 113. Piracicaba:
ESALQ/USP, 1996.
21
Modelagem do problema
a) Definição de variáveis de decisão
• Alternativas: chamando as alternativas de x1 e x2, onde:
x1 = quantidade de carne a consumir no dia
x2 = quantidade de ovos a consumir no dia;
b) Função objetivo
• Objetivo: minimizar o custo da dieta para consumir carne e ovos;
Min C = 3 x1 + 2,5 x2
c) Definição das restrições do problema
• Restrições
- necessidade mínima de vitamina
4 x1 + 8 x2 ≥ 32
- necessidade mínima de proteína
6 x1 + 6 x2 ≥ 36
- positividade das alternativas
x1, x2 ≥ 0
Glossário
Restrições. Limites impostos aos possíveis valores que podem ser assumidos pelas
variáveis de decisão.
Síntese
Exercícios propostos
3. Certa empresa fabrica dois produtos, bolas de futebol (P1) e bolas de vôlei
(P2). O lucro por unidade de P1 é de R$100,00 e o lucro unitário de P2 é de
R$150,00. A empresa necessita de 2 horas para fabricar uma unidade de P1 e 3
horas para fabricar uma unidade de P2. O tempo mensal disponível para essas
atividades é de 120 horas. As demandas esperadas para os dois produtos levaram
a empresa a decidir que os montantes produzidos de P1 e P2 não devem
ultrapassar 40 unidades de P1 e 30 unidades de P2 por mês. Construa o modelo do
sistema de produção mensal com o objetivo de maximizar o lucro da empresa.
25
Carteiras Rentabilidade* %
Poupança 7,6
Câmbio Empresarial Plus 15,0
Câmbio Especial Plus 15,1
Câmbio Preferencial 12,0
DI Empresarial 13,5
DI Especial Plus 14,9
DI Preferencial 13,4
Fix Especial Plus 15,1
Fix Preferencial 14,0
Fix Private 15,6
* Valores projetados conforme dados dos últimos 12 meses.
3
Problema formulado e apresentado pelos alunos da disciplina de Introdução à Pesquisa
Operacional da Unisul - campus de Araranguá, do segundo semestre do ano 2000.
30
11. Uma agroindústria do ramo alimentício tirou de produção uma linha de produto
não-lucrativo. Isto criou um considerável excedente na capacidade de produção.
A gerência está considerando dedicar esta capacidade excedente a um ou mais
produtos, identificados como produtos 1, 2 e 3. A capacidade disponível das
máquinas que poderia limitar a produção está resumida na tabela que se segue:
Cada tipo de prancha requer uma certa quantidade de tempo para a fabricação
das partes componentes, para a montagem e para testes de qualidade.
Especificamente, uma dúzia de unidades do modelo A requer três horas para
fabricar, quatro horas para montar e uma para testar. Os números
correspondentes para uma dúzia de unidades do modelo B são 3,5, 5 e 1,5; e para
uma dúzia de unidades do modelo C, 5, 8 e 3.
13. Um jovem está saindo com duas namoradas: Sheila e Ana Paula4. Ele sabe, por
experiência que:
a) Ana Paula, elegante, gosta de freqüentar lugares sofisticados, mais caros,
de modo que uma saída de três horas custará R$240,00;
b) Sheila, mais simples, prefere um divertimento mais popular, de modo que,
uma saída de três horas, lhe custará R$160,00;
c) Seu orçamento permite dispor de R$960,00 mensais para diversão;
d) Seus afazeres escolares lhe dão liberdade de, no máximo, 18 horas e
40.000 calorias de sua energia para atividades sociais;
e) Cada saída com Ana Paula consome 5.000 calorias, mas com Sheila, mais
alegre e extrovertida, gasta o dobro;
f) Ele gosta das duas com a mesma intensidade.
Como ele deve planejar a sua vida social para obter o número máximo de
saídas?
4
Extraído de LACHTERMACHER (2002, pg. 57).
33
34
Objetivos de aprendizagem
Resolver problemas de Programação Linear por meio da utilização do
método gráfico.
Compreender a lógica da obtenção da solução ótima.
Seções de estudo
3.1. Problema de Alocação de Recursos da Fábrica de Computadores
3.2. Resolução pelo Método Gráfico
Modelagem do problema
b) Função objetivo
Lucro total: L = 200 X1 + 300 X2
Função objetivo: Max L = 200 X1 + 300 X2
120 X2
100
80
Gabinete
Pequeno
60
Gabinete
Grande
40
Unidades
de disco
20
0
0 20 40 60 80 100 120
X1
X2
Região viável
X1
Figura 2 - Representação da região viável do problema.
Entretanto, nada ainda foi dito sobre a função objetivo, que também deverá ser
representada.
X2
X1
Observa-se que quanto mais a função objetivo caminhar para a direita, de forma
paralela, maior o valor de lucro. Portanto, este deverá ser o direcionamento da
maximização: a função objetivo deverá se deslocar, dentro da região viável, o
máximo possível para a direita, o que no caso resultará no vértice X1 = 60 e X2 =
30, com o máximo lucro de R$21.000,00.
X2
Gabinete
Pequeno
X1 = 60
Solução Ótima
X2 = 30
Gabinete
Grande
30
Unidades
de disco
X1
Glossário
Solução permissível ou viável. É uma solução que atende ao mesmo tempo a todas
as restrições.
Síntese
Exercícios Propostos
3) Certa empresa fabrica dois produtos, bolas de futebol (P1) e bolas de vôlei
(P2). O lucro por unidade de P1 é de R$100,00 e o lucro unitário de P2 é de
R$150,00. A empresa necessita de 2 horas para fabricar uma unidade de P1 e 3
horas para fabricar uma unidade de P2. O tempo mensal disponível para essas
atividades é de 120 horas. As demandas esperadas para os dois produtos levaram
a empresa a decidir que os montantes produzidos de P1 e P2 não devem
ultrapassar 40 unidades de P1 e 30 unidades de P2 por mês. Construa o modelo do
sistema de produção mensal com o objetivo de maximizar o lucro da empresa.
43
44
Objetivos de aprendizagem
Resolver problemas de Programação Linear por meio da utilização da
ferramenta Solver do Excel®.
Analisar a solução final obtida com o propósito de otimizar a alocação de
recursos da empresa.
Seções de estudo
4.1. Elementos da Planilha
4.2. Desenvolvendo o Problema da Empresa Ilha da Magia
4.3. Análise dos Resultados
Níveis de produção: as células B2:C2 são onde os valores das variáveis de decisão
são colocados, ou seja, onde o Solver indicará a solução para o problema.
=SOMARPRODUTO(B3:C3;$B$2:$C$2)
Essa fórmula calcula o total de lucro de acordo com o número de pneus presentes
nas células variáveis.
47
Uma alternativa mais fácil é copiar a fórmula da célula D3, feita anteriormente,
para a célula D4 e D5.
Figura 7 – Janela indicando que o Solver encontrou uma solução que pode ser visualizada na
planilha.
51
Caso escolha os três relatórios e dê OK. O Excel criará mais três pastas, cada
uma com um tipo de relatório, são eles:
Observe que o lucro das alternativas de produção não precisa melhorar nada
(Custo Reduzido igual a zero), uma vez que as duas alternativas já fazem parte da
solução ótima (deve-se produzir nove unidades de pneu Premium e duas unidades
de pneu Regular). Da mesma forma, a penalização a ser paga é zero, pois as duas
alternativas fazem parte da solução ótima.
Caso o custo adicional da hora Maquina A e da hora Máquina B seja de R$1,00, por
exemplo, deve-se somente contratar horas Máquina B, uma vez que a função
objetivo será aumentada de R$ 2,4667 e o custo será de R$1,00 (obtendo-se um
lucro adicional de R$1,4667).
54
Glossário
Preço sombra (“shadow price” ou “dual price”). É também conhecido por preços
marginais. Indica quanto se deixa de ganhar ou perder por não se dispor de mais
uma unidade de determinada variável restritiva.
Síntese
Foi tomado como exemplo o problema da empresa Ilha da Magia, para obtenção da
solução e para a realização das análises e interpretações pós-otimização, ou seja,
dos relatórios emitidos pelo Solver.
Exercícios propostos
- Restrição Lógica
X1 ≥ 0
X2 ≥ 0
Pede-se:
Resolva este problema através do Solver do Excel®, apresentando, passo a passo,
as etapas de resolução.
57
Objetivos de aprendizagem
Resolver problemas de Programação Linear por meio da utilização do
software Lindo.
Analisar a solução final obtida com o propósito de otimizar a alocação de
recursos da empresa.
Seções de estudo
5.1 Desenvolvendo o Problema da Empresa de Bolas
5.2 Análise do Resultado
5.3 Análise de Sensibilidade
O software Lindo® foi desenvolvido pela Lindo Systems Inc. de Chicago, Illinois,
EUA, para a resolução de modelos de programação linear, quadrática ou inteira,
estando disponível nas versões Demonstração, Super, Hiper, Industrial e
Extended para rodar no ambiente Windows.
5
Notas de aula baseada em:
PRADO, Darci Santos do. Programação Linear. Belo Horizonte, MG: Editora de
Desenvolvimento Gerencial, 1999.
58
“Certa empresa fabrica dois produtos, bolas de futebol (P1) e bolas de vôlei (P2).
O lucro por unidade de P1 é de R$100,00 e o lucro unitário de P2 é de R$150,00.
A empresa necessita de 2 horas para fabricar uma unidade de P1 e 3 horas para
fabricar uma unidade de P2. O tempo mensal disponível para essas atividades é de
120 horas. As demandas esperadas para os 2 produtos levaram a empresa a
decidir que os montantes produzidos de P1 e P2 não devem ultrapassar 40
unidades de P1 e 30 unidades de P2 por mês. Construa o modelo do sistema de
produção mensal com o objetivo de maximizar o lucro da empresa”.
Resolver o problema
Após executar a solução, aparece uma tela perguntando se é para emitir ou não o
relatório de análise de sensibilidade. Veja a Figura 3, apresentada a seguir.
60
Relatório de solução
Relatório de análise
de sensibilidade
Atenção!!
A Figura 6 ilustra a
opção, uma tela ao lado
da outra, na horizontal.
Existem, ainda, as
opções:
- com visualização na
vertical;
- com visualização em
cascata.
Valor da função
Custo reduzido
Folga ou
Preço
sombra ou
A expressão “lp optimum found at step 2”, indica que o algoritmo simplex
encontrou a solução ótima no segundo passo, ou seja, no segundo vértice do
método simplex.
A linha com o número (1), indica o valor máximo encontrado para a Função
Objetivo, ou seja, um valor de lucro de R$ 6.000,00. Ver Figura 8 apresentada a
seguir.
64
Solução ótima
Figura 10 - Folga ou excesso de recursos e valor do preço sombra (preço dual) de nosso problema.
Na Figura 14, pode-se analisar os limites das restrições, também conhecidos como
RHS (righthand side ranges). Considerando-se a linha (2), temos uma
disponibilidade de horas de 120 (RHS). Segundo a terceira coluna, tem-se um
acréscimo permissível de 50, significando que se pode aumentar o limite em 120 +
50 = 170, para que a interpretação feita anteriormente para o Preço Dual
permanecesse válida.
Síntese
Exercícios propostos
6. PROBLEMAS DE TRANSPORTES
Objetivos de aprendizagem
Determinar os fluxos de transportes em rotas que ligam várias regiões de
oferta (fontes) a várias regiões de demanda (destinos), com o objetivo de
minimizar o custo total de transporte na rede.
Resolver problemas de transporte por meio da utilização da Programação
Linear, do Método de Aproximação de Vogel e da Regra do Canto Noroeste.
Seções de estudo
6.1. Estudo de Caso: Planejamento de Transportes de uma Vinícola
6.2. Programação Linear
6.3. Método de Aproximação de Vogel (VAM)
6.4. Regra do Canto Noroeste
6.5. Caso de Sistemas Não Equilibrados e da Impossibilidade de Transporte
Figura 1 – Situação típica de um problema de transporte, com duas fontes e três destinos.
75
m n
Minimizar Z = ∑ ∑ cijxij
i=1 j=1
Sujeito a:
n
∑ xij = ai (para todo i = 1, 2, ...,m)
j=1
m
∑ xij = bj (para todo j = 1, 2, ...,n)
i=1
Onde:
- xij é o número de quantidades transportadas da fonte (fábrica) i para o
destino (mercado) j;
- cij é o custo de transportar uma unidade do produto da fábrica i para o
mercado j;
- ai é a capacidade instalada da fábrica i;
- bj é a demanda do produto no mercado j;
- n é o número de destinos ou mercados do produto;
- m é o número de fontes ou fábricas do produto.
Para que o modelo acima tenha solução, deve-se verificar a seguinte equação de
balanço:
n m
∑ ai = ∑ bj
j=1 i=1
O custo de transporte de uma caixa de vinho desde cada fábrica de embarque até
cada uma das lojas pode ser observado na Tabela 1.
Modelagem do problema
b) Função objetivo
Custo total: C = 10X11 + 12X12 + 20X21 + 8X22 + 6X31 + 15X32
Função objetivo: Min C = 10X11 + 12X12 + 20X21 + 8X22 + 6X31 + 15X32
linear. Pretende-se demonstrar sua utilização tomando por base o caso da Vinícola
Itália.
Figura 1 – Entrada de dados na planilha Excel® e fórmula empregada para representar a função
objetivo – minimizar o custo total de transportes
b) Programação do Solver
Pode-se interpretar os Custos Reduzidos como sendo a penalidade a ser paga por
se introduzir uma unidade de uma alternativa que não deve fazer parte da solução
ótima. Portanto, não se deve transportar nenhuma caixa de vinho de Florianópolis
para São Paulo e nem de Curitiba para Porto Alegre. Caso isto ocorra, o custo
total de transporte terá um aumento de R$7,00 e R$21,00, respectivamente.
82
Nas próximas seções, aprende-se a utilizar alguns algoritmos especiais que foram
desenvolvidos para encontrar a solução desses problemas.
b) Escolher a linha ou coluna com maior valor de penalidade (se houver empate,
escolha arbitrariamente) e aloque o máximo possível à célula de menor cij
daquela linha ou coluna (assim as maiores penalidades são evitadas).
Pode-se concluir o seguinte: não considerar os custos de cada uma das rotas e a
adoção de um método não adequado de solução, seria o caso da Regra de Canto
Noroeste, é estar propenso a tomar uma decisão que geraria ineficiências
econômicas (e isso tem um preço!).
89
Por exemplo, se a oferta for maior que a demanda total, criar uma demanda
fictícia com uma necessidade = oferta total – demanda total, com custos de
distribuição nulos. Se a oferta total for menor que a demanda total, deve-se criar
uma região de oferta fictícia. Outra maneira de se resolver o problema seria
tratar as restrições pertinentes não mais como equações, mas, sim como
inequações.
Glossário
Síntese
Exercícios propostos
D1 D2 D3 Disponibilidades
10 15 20
S1 40
12 25 18
S2 100
16 14 24
S3 10
Necessidades 50 40 60
D1 D2 D3 Disponibilidades
10 15 20
S1 100
12 25 18
S2 80
16 14 24
S3 20
Necessidades 100 50 60
7. PROGRAMAÇÃO INTEIRA
Objetivos de aprendizagem
Conhecer as principais aplicações dos problemas de programação inteira.
Obter a solução de problemas de Programação Inteira com o uso do
software Excel e com o uso do software Lindo.
Seções de estudo
7.1 Problemas Típicos de Programação Inteira
7.2 Exemplo: Planejando uma Viagem de Acampamento
7.3 Solução de Problemas de Programação Inteira com o uso do Software
Excel
7.4 Solução de Problemas de Programação Inteira com o uso do Software
Lindo
Como se pode imaginar, de uma forma geral, as soluções ótimas dos problemas de
programação inteira têm valores inferiores às soluções dos problemas de
programação linear equivalentes, devido à imposição da restrição adicional dos
resultados aceitáveis serem apenas inteiros.
95
A questão a ser resolvida é: quanto dos itens deve ser conduzido de forma a
maximizar a importância sem exceder as restrições de peso do excursionista?
Modelagem do problema
b) Função objetivo
Maximizar (importância) I = 100X1 + 60X2 + 70X3 + 15X4 + 15X5
O fator crítico para se determinar se um item deve ser levado ou não é a relação
do valor atribuído por quilo de peso. Esta relação será designada por relevância. A
tabela a seguir apresenta o cálculo da relevância de cada um dos itens que o
excursionista pretende transportar.
97
Pode-se observar que o item 1 com maior valor de importância não foi selecionado.
Isto se deve a restrição de peso. A seleção do item 1 implicaria a não seleção de
outros itens com maior relevância, ou seja, maior valor por quilo de peso.
Observe que após digitar o modelo, tal como de Programação Linear, deve-se
destacar as variáveis inteiras com o comando GIN (de General Integer) seguida
do número 5, indicando que as cinco primeiras variáveis do problema são inteiras.
No caso de Programação Inteira Mista, aquelas que sejam inteiras (por exemplo,
X1 e X4 são inteiras) podem ser indicadas após o comando END, da seguinte
forma:
GIN X1
GIN X4
101
Síntese
Exercícios propostos
6
A Epagri é uma empresa real, mas o problema em questão não (foi formulado com fins didáticos).
102
Modelagem do problema
b) Função objetivo
Valor Presente Líquido: VPL = 106X1 + 129X2 + 136X3 + 117 X4
Função objetivo: Max VPL = 106X1 + 129X2 + 136X3 + 117 X4
8. SIMULAÇÃO
Objetivos de aprendizagem
Compreender os conceitos básicos de simulação.
Modelar processos empresariais que apresentem várias alternativas de
soluções.
Realizar simulações para criação de cenários alternativos para decisões,
com o uso do software Excel®.
Seções de estudo
8.1. Etapas de um Estudo na Realização de uma Simulação
8.2. Vantagens do Uso da Simulação
8.3. Aplicações de Simulação
8.4. Modelagem e Resolução de Problemas de Simulação em Excel®
Antes de efetuar alterações em uma fábrica real, podemos interagir com uma
fábrica virtual. Isto quer dizer que podemos visualizar, por exemplo, o
funcionamento de um supermercado, um banco, uma fábrica, um estoque de um
produto, um pedágio, um porto, um escritório, um semáforo tal como se fosse um
filme passando na tela do computador.
A técnica de simulação visual, a partir dos anos 80, apresenta uma aceitação
surpreendente em razão de sua maior capacidade de comunicação.
Construção do modelo
Não
Modelo aprovado?
Sim
Na etapa seguinte, para a construção do modelo se exige tanto arte como técnica,
levando em conta todas as relações importantes, tanto entre as chamadas
variáveis endógenas quanto entre estas e as chamadas variáveis exógenas. A
construção do modelo consiste na formulação das equações que devem
107
Na quarta etapa, deve-se validar o modelo, ou seja, saber se ele atende aos
objetivos da simulação. Normalmente, opera-se o modelo com dados históricos e
condições conhecidas, com objetivo de se reproduzir o desempenho do sistema
obtido na realidade.
a) Linhas de Produção
Inúmeros cenários se encaixam neste item, desde empresas manufatureiras até
minerações, podendo-se analisar os seguintes casos:
Modificações em sistemas existentes.
Planejamento de um setor de produção totalmente novo.
Definição da melhor política de estoques.
b) Logística
O cenário pode ser uma fábrica, um banco, o tráfego de uma cidade, etc. O meio
de transporte pode ser um automóvel, um trem, um navio, um caminhão ou uma
empilhadeira.
c) Comunicações
Pode-se modelar uma configuração ótima de uma rede de comunicações. As
empresas de telefonia, por exemplo, podem se utilizar desta técnica no estudo de
seus complexos de comunicações.
e) Processamento de Dados
A modelagem de filas tem sido amplamente utilizada pelas empresas que
desenvolvem computadores e pelas universidades de modo a se medir a
produtividade ou o tempo de resposta de certo sistema de computadores e
terminais. A área de tele processamento possui inúmeras opções de uso.
Tendo em vista que o preço dos pastéis vendidos pela concorrência é uma variável
fora do controle da empresa Pastéis e Pastelões, somente o preço unitário do
pastel vendido pela empresa configura-se como variável de decisão do problema.
Assim sendo, o preço médio praticado pela concorrência, os custos da matéria-
prima, os custos de processamento e os custos fixos são os parâmetros do
modelo. Considere ainda os seguintes dados, apresentados na tabela abaixo:
7
Este exemplo baseia-se em Lachtermacher, 2002.
110
Equações Matemáticas
A Empresa Pastéis e Pastelões Ltda. deseja simular o lucro final que poderia
obter a partir de várias hipóteses de preço, ou seja, obter um modelo de previsão
do lucro operacional mensal.
As equações que regem o lucro da empresa podem ser escritas da seguinte forma:
• Quantidade Demandada de Pastéis = 15000 – (5000 x Preço do Pastel) + (5000
x Preço Médio do Pastel Praticado pela Concorrência)
• Custo de Processo = Quantidade Demandada de Pastéis x Custo Unitário de
Processo
112
Para identificar a curva e sua função que melhor explique as relações entre
variáveis, deve-se solicitar ao Excel a adição de uma linha de tendência (trend
line). Deve-se proceder da seguinte forma:
a) clicar com o botão direito do mouse sobre os pontos dos dados reais
representados no gráfico e selecionar a opção adicionar linha de tendência;
b) escolher a curva que mais se assemelha ao desenho formado pelos dados reais;
114
Os dados reais não formam uma reta perfeita e, sim, apresentam uma certa
curvatura. Assim sendo, deve-se solicitar diferentes tipos de linhas de tendência,
tais como, linear, logarítmica, polinomial e exponencial, e, através da análise
gráfica, compará-las e escolher a melhor.
25000
20000
y = 0,7868x - 6372,7
R2 = 0,9507
Custos (R$)
15000
10000
5000
0
0 5000 10000 15000 20000 25000 30000 35000
Figura 6 – Comparação do real com o previsto pelo modelo original com adição de linha de
tendência linear.
115
25000
y = 1305,5e9E-05x
20000
R2 = 0,9967
Custos (R$)
15000
10000
5000
0
0 5000 10000 15000 20000 25000 30000 35000
Figura 7 – Comparação do real com o previsto pelo modelo original com adição de linha de
tendência exponencial.
A linha de tendência exponencial é a que melhor se ajusta aos dados reais, sendo
a que melhor representa o comportamento do custo de processo. Por
conseqüência, deve-se substituir a fórmula utilizada anteriormente pela equação
exponencial encontrada, conforme apresentado na Figura 8.
116
Figura 8 - Entrada de dados na planilha e modelagem do caso de estudo, com a equação de custo
de processo ajustada para uma linha de tendência exponencial.
Análise de Sensibilidade
A relação entre preço de venda e lucro mensal pode, também, ser visualizada
através de um gráfico, em que se pode observar que esse comportamento não é
linear, uma vez que esta relação cresce até o preço de R$7,00 e decrescente
após este nível de preço.
117
Figura 10 – Uso do comando “Atingir Meta” para determinação do ponto de equilíbrio do negócio
da Empresa Pastéis e Pastelões.
118
Síntese
Nesta unidade, foi exposto que é de longa data que a humanidade utiliza a
simulação para representar situações do mundo real. Nesse caso, pode-se citar a
escultura e a pintura. Mais recentemente pode-se citar o uso dos jogos
eletrônicos, do cinema e das manobras de guerra simuladas pelas forças armadas.
Exercícios propostos
Objetivos de aprendizagem
Elaborar o planejamento de um projeto, identificando as principais
atividades que devem ser programadas e controladas.
Montar a rede PERT e identificar as atividades que formam o caminho
crítico.
Seções de estudo
9.1. Vantagens do uso da rede PERT/CPM
9.2. Caminho Crítico
9.3. O Estudo de Caso da Elaboração do Trabalho de Pesquisa Operacional
8
Baseado e adaptado de ANDRADE, E. L. de, Introdução à Pesquisa
Operacional, Rio de Janeiro, LTC,1998.
120
É a seqüência de atividades que possuem folga total nula e que determina o tempo
total de duração do projeto. As atividades pertencentes ao caminho crítico são
chamadas de atividades críticas, visto que as mesmas não podem sofrer atrasos,
pois caso tal fato ocorra, o projeto como um todo sofrerá este atraso.
A Definição do tema 1
B Modelagem 4
C Texto preliminar 2
D Digitação 2
E Desenhos 3
F Revisão 2
G Correção e impressão 2
Atividade Dias
01 02 03 04 05 06 07 08 09 10 11 12 13 14
Definição do tema
Modelagem
Texto preliminar
Digitação
Desenhos
Revisão
Correção e impressão
Figura 1 – Gráfico de Gantt para o projeto de elaboração do trabalho.
A B C D F G
122
E
3
Síntese
Exercícios propostos
A
F
5 E 3
4
B G
3 C 2
D 6 H
3
2
a) Projeto (1)
Tabela 1 – Dados do Projeto (1)
Atividade Dependência Duração (Dias)
A - 8
B - 12
C AeB 10
D B 12
E AeB 12
F CeD 16
G B 12
124
b) Projeto (2)
Tabela 2 – Dados do Projeto (2)
Atividade Dependência Duração (dias)
A - 10
B - 6
C A 7
D B 5
E B 9
F CeD 5
G E 4
125
Um abraço,
BIBLIOGRAFIA
REY, Rui. Planejar e redigir trabalhos científicos. 2. ed. revista e ampliada. São
Paulo: Edgard Blücher, 1998.
SILVA, E. M. ; et. al. Pesquisa Operacional. 3. ed. São Paulo: Atlas, 1998.
130
Unidade 1
1)R: F; F; V.
2)R:
a. As fases de um estudo de pesquisa operacional são: definição do problema,
modelagem, obtenção da solução, validação e implementação.
Unidade 2
1)R: F; V.
2)R: A modelagem para cada um dos problemas propostos é apresentada a seguir:
1. Problema da empresa Ilha da Magia
a) Definição de variáveis de decisão
X1 = quantidade a produzir de pneus Modelo P (o premium);
132
2X1 + 3 X2 ≤ 40
• Demanda de mercado para o produto P1
X1 ≤ 40
• Demanda de mercado para o produto P2
X2 ≤ 30
• Restrição lógica
X1 ≥ 0
X2 ≥ 0
Lucro total: L = 20 X1 + 10 X2 + 30 X3
Objetivo: Max L = 20 X1 + 10 X2 + 30 X3
c) Definição das restrições do problema
• Capacidade total de transporte de caixas
X1 + X2 + X3 ≤ 800
• Necessidade de transporte de caixas de laranja
X1 = 200
• Mínimo a transportar de caixas de pêssego
X2 ≥ 100
• Máximo a transportar de caixas de tangerina
X3 ≤ 200
• Restrição lógica
X1 ≥ 0
X2 ≥ 0
X3 ≥ 0
X3 ≥ 0
b) Função objetivo
Lucro total: L = 16 X1 + 30 X2 + 50 X3
Objetivo: Max L = 16 X1 + 30 X2 + 50 X3
c) Definição das restrições do problema
• Exigência mínima de produção do Modelo A
X1 ≥ 20
• Exigência mínima de produção do Modelo B
X2 ≥ 120
• Exigência mínima de produção do Modelo C
X3 ≥ 60
• Disponibilidade de horas de fabricação
3X1 + 3,5 X2 + 5 X3 ≤ 1440
• Disponibilidade de horas de montagem
4X1 + 5 X2 + 8 X3 ≤ 1920
• Disponibilidade de horas de teste de qualidade
1X1 + 1,5 X2 + 3 X3 ≤ 576
• Restrição lógica
X1 ≥ 0
X2 ≥ 0
X3 ≥ 0
3X1 + 3 X2 ≤ 18
• Disponibilidade de calorias para atividades sociais
10000X1 + 5000 X2 ≤ 40000
• Restrição lógica
X1 ≥ 0
X2 ≥ 0
Unidade 3
Unidade 4
Figura 1 – Entrada de dados na planilha Excel e solução ótima obtida pelo Solver do Excel.
Unidade 5
Por último, os valores para o Preço sombra (Dual Prices) nos representam o
aumento na função objetivo se aumentarmos de um o limite da restrição.
Portanto, se a restrição disponibilidade de gabinete pequeno for aumentado de
60 para 61 unidades, teremos uma nova solução, na qual o lucro total será
aumentado de R$30,00. Em relação às unidades de discos, caso tenha um
aumento adicional de uma unidade na sua disponibilidade, teremos uma nova
solução, na qual o lucro total será aumentado de R$150,00
Para realizar o plano ótimo de produção acima citado, estão no seu limite as
restrições de horas trabalho, horas máquina e de demanda para o produto P2.
Existe uma folga de 520 unidades em relação à restrição de demanda para o
produto P1, uma vez que só devemos produzir 280 unidades deste produto e sua
demanda de mercado é de 800 unidades.
Por último, considerando os valores para o Preço sombra (Dual Prices), em relação
à disponibilidade de horas trabalho, disponibilidade de horas máquina e da quantia
máxima de demanda para o produto P2, caso tenhamos um aumento adicional de
uma unidade no parâmetro destas restrições (individualmente), teremos uma nova
solução, na qual o lucro total será aumentado, respectivamente, em R$50,00;
R$150,00 e R$100,00.
b)R:
b.1. Não, por que conforme o relatório de análise de sensibilidade, a lucratividade
do produto P1 pode baixar até R$1.500,00, que ainda assim o plano ótimo de
produção permanece inalterado.
b.2. Observando os valores para o Preço sombra (Dual Prices), em relação à
disponibilidade de horas trabalho, para cada hora adicional temos um
aumento na função objetivo de R$50,00 (no lucro será de R$40,00,
descontando-se o custo de R$10,00/hora). Considerando a coluna
intermediária da última tabela do relatório de análise de sensibilidade, a
empresa poderá contratar até 2.400 horas trabalho.
b.3. Mantido o cenário apresentado, um aumento de 100% na demanda para os
produtos P1 e P3, não terá nenhum impacto na definição do plano ótimo de
produção (observe o valor zero do Dual Prices para a demanda de P1 e de P2).
Portanto, o aumento esperado no lucro total é zero.
Unidade 6
1)R:
a) Método de Canto Noroeste:
CT = 40x10 + 10x12 + 40x25 + 50x18 + 10x10 = 2.520.
b) Método de Vogel:
CT = 30x15 + 10x20 + 50x12 + 50x18 + 10x14 = 2.290.
2)R:
a) Método de Canto Noroeste:
CT = 100x10 + 50x25 + 30x18 + 20x24 = 3.270.
b) Método de Vogel:
142
Unidade 7
1)R: A Epagri deve selecionar os projetos Camarão, Leite e Ostra, para obter um
valor presente líquido máximo de R$352,26.
Figura 2 - Resultados obtidos pelo Solver para o problema de escala de funcionários do Jornal de
Barreiros
Unidade 8
1)R: Além dos exemplos apresentados no texto, podemos utilizar a simulação para
responder as seguintes perguntas de interesse para o mundo dos negócios:
143
2)R: A mente humana não consegue processar uma grande quantidade de dados e
de relações entre variáveis, podendo ser facilmente conseguido com o uso da
informática. Além disso, os modelos de simulação através do uso da computação,
podem ajudar o administrador permitindo aumentar a sua experiência e
aprimorando o seu processo de tomada de decisão.
Unidade 9
2)R: a) As atividades críticas são BDF e o tempo previsto para a realização deste
projeto é de 40 dias.
b) As atividades críticas são ACF e o tempo previsto para a realização deste
projeto é de 22 dias.
144
Introdução
Sugere-se descrever detalhadamente o problema, tipo e/ou características da
empresa, o objetivo pretendido, produtos e recursos.
Modelagem do Problema
Sugere-se comentar sobre a aplicabilidade do método de programação linear para
a resolução do problema descrito anteriormente. A seguir, sugere-se seguir os
passos para a modelagem propriamente dita, ou seja, definir as variáveis de
decisão, a função objetivo e as restrições desse problema.
Anexos
Apresentar os relatórios emitidos pelo software de Programação Linear.
Referências Bibliográficas
145
Observação!
Os artigos deverão ser submetidos obedecendo às normas de publicação da
universidade. O(s) autor(es) entregará(ão) uma cópia impressa do artigo,
juntamente com um disquete de 3 ½ polegadas ou cd-rom.
Problemas de Maximização
Estudo de Caso: Planejamento de Produção de Produto de Uísque. Andrade
(2004), pg. 57;
O Problema de “Mescla” de Produtos de Blubbermaid, Inc. Mathur & Solon
(1996), pg. 63-66;
O Problema do Tipo Fazer ou Comprar da LCL Motores Ltda.
Lachtermacher (2002), pg. 105-111;
O Problema de Produzir ou Comprar da Mtv Steel Company. Mathur &
Solon (1996), pg. 66-70;
Carteira de Investimentos. Darci Prado (1999), pg. 58-59;
Escolha de carteira de investimentos: o caso da LCL Investimentos S. A.
Lachtermacher (2002), pg. 111-117;
O Problema de Administração da Carteira de Valores da High Tech.
(maximizar a taxa interna de retorno controlando o risco). Mathur & Solon
(1996), pg. 74-79;
O Problema da Fábrica de Móveis. Goldbarg (2000), pg 38 e 39.
Planejamento de Operações para Produção de Móveis da Companhia ALT-
M. Andrade (1998), pg. 67-75;
O Problema de Planejamento da Produção da National Sttel Corporation
(NSC). Mathur & Solon (1996), pb. 84-92 (média complexidade);
O Problema da American Steel Company. Mathur & Solon (1996), pg. 93-
105 (média complexidade);
Problema de Produção e Estoque: o caso da LCL Armazéns e Comércio
Ltda. Lachtermacher (2002), pg. 129-134;
Problemas de Programação Inteira: o Caso de Alocação de Recursos em
Projetos. Lachtermacher (2002), pg. 266-269;
O Problema do Sítio. Goldbarg (2000), pg 43 e 44.
O Problema da Cooperativa Agrícola. Goldbarg (2000), pg 45 e 46.
O Problema do Planejamento Agrícola. Possibilidade de estudos de
propriedades rurais do Sul de Santa Catarina.
Problemas de Minimização
O Problema da Dieta. Goldbarg (2000), pg 42 e 43;
O Problema de Dietas do Hospital “General Mountain View”. Mathur &
Solon (1996), pg. 71-74;
Fabricação de Sorvete. Darci Prado (1999), pg. 54-56;
O Problema de Formulação de Ração de Custo Mínimo. Caixeta Filho
(1996), pg. 46-49;
147
Problemas de Transporte
Estudo de Caso: Planejamento de Transporte de uma Fábrica de Cerveja.
Andrade (2004), pg. 89;
Problema de Transporte e Localização Industrial. Darci Prado (1999),
pg.81-84;
O Problema de Distribuição de Cosmic Computer Company. Mathur & Solon
(1996), pg. 19-26;
Problemas de Transporte: o caso da LCL Bicicletas Ltda. Lachtermacher
(2002), pg. 150-160;
Problemas de Rede de Distribuição: o caso da LCL Carros Brasil Ltda.
Lachtermacher (2002), pg. 224-234;
Problema do Menor Caminho: o Caso LCL Adornos & Tecidos.
Lachtermacher (2002), pg. 234-238;
A Escolha da Melhor Rota. Andrade (2004), pg. 86;
Determinação do Fluxo Máximo de Transporte em Rede com Rotas
Limitadas. Andrade (2004), pg. 82;
O Problema de Fluxo Máximo da Refinaria da Hexxon Oil Company. Mathur
& Solon (1996), pg. 26-30;
Pesquisa
Operacional
Aplicada à área de negócios
Modelagem em Excel e LINDO
Cursos de Administração, Economia e Contábeis
Março de 2007
Florianópolis – Santa Catarina
150