A Pesquisa Operacional (PO) tem sido grandemente empregada em organizaes

governamentais (federais, estaduais e municipais), militares e de utilidade pblica (como

escolas, sindicatos, hospitais e bibliotecas). Torna-se cada vez mais comum seu emprego em
reas das mais variadas.
Primeiras equipes de Pesquisa Operacional: 2a Guerra Mundial - os lderes
britnicos pedem aos cientistas e engenheiros para analisar diversos problemas
militares
organizao de rotas;
gerenciamento de operaes de comboio, bombardeio e minas explosivas;
alocao de recursos escassos s vrias operaes militares, etc.
O resultado foi chamado de Pesquisa de Operaes Militares e mais tarde
Pesquisa de Operaes.
Utilizao em indstrias, negcios e governo.


1.0 A EVOLUO DA PESQUISA OPERACIONAL

O termo PO foi empregado pela primeira vez em 1939. A partir de individualizada e
batizada, tornou-se possvel fixar suas origens em pocas remotas da histria da cincia e da
sociedade.

Origens da PO:

Na Primeira Revoluo Industrial comearam a surgir os problemas que a nova
disciplina iria resolver. medida que emergiam formas de administrao mais especializadas
tambm surgiram aplicaes mais especializadas da cincia, tais como engenharia de
movimentao de materiais, controle estatstico de qualidade, engenharia de manuteno e de
confiabilidade e pesquisa no setor de promoo e vendas. Um aspecto importante dessa
evoluo baseia-se no fato que no se aplicou o conhecimento cientfico novas funes de
direo que iam surgindo na administrao. Para que a funo de direo possa ser exercida
necessrio o estabelecimento de objetivos e medidas de avaliao do desempenho das
unidades que lhe so subordinadas, a tarefa de integrao exige que todo o sistema seja
considerado; isto a essncia do trabalho do dirigente. Com isso exigia-se cada vez mais do
dirigente que passou a necessitar da ajuda de pessoas com mais experincia dos problemas
que surgiam e com mais tempo para estud-los, provocando o aparecimento dos consultores
de administrao, cuja atividade, no incio, no se baseava nem na cincia nem na pesquisa
cientfica.
O que denominamos PO custou a aparecer no cenrio do desenvolvimento da
administrao industrial. A estagnao da PO poderia ter continuado indefinidamente, no
fosse o desenvolvimento que teve nas organizaes militares com a deflagrao da Segunda
Guerra Mundial.
A diferena principal entre a evoluo dos administradores militares e a dos
administradores industriais ocorreu entre o fim da Primeira Guerra Mundial e o incio da
Segunda. Quando os administradores e dirigentes militares ingleses teriam recorrido ajuda
de cientistas para incorporar o radar s tticas e estratgia da defesa antiarea.
O emprego de equipes de cientistas difundiu-se entre os Aliados. Este trabalho ficou
conhecido como pesquisa operacional no Reino Unido e recebeu diversas denominaes nos
Estados Unidos : anlise de operaes, avaliao de operaes, pesquisa de operaes, anlise
de sistemas, avaliao de sistemas, pesquisa de sistemas e cincia de administrao. O nome
pesquisa operacional era o mais usado.
Os ingleses reduziram os gastos destinados pesquisa no campo da defesa nacional,
isto causou a liberao de muitos especialistas em PO das organizaes militares no momento
em que os administradores industriais defrontavam-se com a necessidade de reconstruir
grande parte das instalaes fabris da Gr-Bretanha, pedindo o auxlio dos especialistas em
PO. As aplicaes industriais da PO comearam a surgir na explorao do carvo, na
siderrgica, nos transportes, nas empresas de servio pblico.
Nos Estados Unidos aplicao da cincia aos problemas de administrao industrial
deve-se ao advento da Segunda Revoluo Industrial. O avano cientfico no estudo de
comunicaes, controle e computao, o que forneceu a base tecnolgica da automao. A
possibilidade de emprego de crebros eletrnicos como instrumento de administrao foi
amplamente divulgada e os dirigentes, tiveram de recorrer ao auxlio dos especialistas para a
seleo e utilizao de computadores.
No incio da dcada de 1950 a indstria comeou a absorver alguns dos especialistas
em PO que deixavam as organizaes militares; os demais eram absorvidos por empresas de
consultoria, universidades, institutos de pesquisa e rgos governamentais.
Hoje mais da metade das maiores empresas dos Estados Unidos mantm equipes de
PO ou utilizam seus servios. Organizou-se uma associao nacional em 1953 - a Operations
Research Society of America.
Em 1957 foi fundada a Federao Internacional de Associaes de Pesquisa Operacional.
Comearam a surgir revistas tcnicas, cursos e programas em PO.

O Mtodo da PO

A experimentao tomada no sentido restrito - isto , a manipulao fsica das
variveis - geralmente impossvel ou impraticvel quando se lida com organizaes
governamentais, militares ou industriais. Apesar disso, a experimentao s vezes possvel,
particularmente no caso de subsistemas, e desempenha papel importante na PO; a maioria das
vezes, entretanto, o sistema global em estudo no pode ser submetido a um tratamento desta
natureza.
Quem trabalha em pesquisa operacional geralmente obrigado a construir
representaes do sistema e do seu comportamento para se orientar durante a pesquisa. Os
modelos em PO assumem a forma de uma ou mais equaes ou inequaes para traduzir a
condio de que algumas, ou todas as variaes controladas s podem ser manipuladas dentro
de limites. O conjunto destas equaes constitui, ao mesmo tempo, um modelo de sistema e
um modelo de deciso.
A soluo pode ser extrada do modelo mediante experimentao (isto , por
simulao) ou mediante anlise matemtica. Para alguns tipos de funo f (por exemplo,
relaes algbricas elementares), desde que as restries no sejam numerosas, a matemtica
clssica fornece instrumentos perfeitamente adequados para a determinao dos melhores
valores das variveis controladas. Por outro lado, a funo f pode consistir em um conjunto de
regras de clculo (um algoritmo) que nos permita medir a utilidade (U) do desempenho para
qualquer conjunto de valores das variveis controladas e no controladas.
Em alguns casos o comportamento do elemento humano que toma a deciso no
pode ser representado no modelo. Ocorre a necessidade do uso de simulaes que envolvero
a participao de seres humanos, sendo denominadas jogos de operaes. A otimizao,
portanto, produz a melhor soluo para o problema que foi modelado.
A correspondncia entre modelo e realidade ter de ser aferida (testada) e a soluo
avaliada. Isto , teremos de comparar seu desempenho com o da poltica ou procedimento que
ela ir substituir. Os resultados da pesquisa devem ser implantados. nesta fase que se faz o
teste e a avaliao final da pesquisa; proporciona pois, ao especialista as maiores e melhores
oportunidades de aprender.
Cinco fases num projeto de PO:
1. Formulao do problema
2. Construo do modelo
3. Obteno da soluo
4. Teste do modelo e avaliao da soluo
5. Implantao e acompanhamento da soluo (manuteno)

As vantagens e desvantagens da utilizao de modelos foram assim definidas por Beuren
(1989):
Vantagens
a. emerge sob a forma grfica, para representar a realidade
aprendida em determinado momento;
b. simplifica a visualizao da amplitude das variveis sem alterar
a essncia;
c. ajuda a identificar vrias relaes possveis entre os elementos
da realidade;
d. permite compreender relaes complexas;
e. serve como base para estabelecer e aprimorar parmetros.
Desvantagens
a. limitaes na identificao de todas as variveis relevantes que
influenciam em determinada situao;
b. problemas na definio das propriedades a serem mensuradas e
na especificao de procedimentos para tal;
c. dificuldades no entendimento entre os provedores e os usurios
da informao.
De acordo com Garcia (1997: p. 1212), "a representao simplificada de um problema do
mundo real atravs de um modelo matemtico permite que sobre ele se aplique tcnicas e
mtodos que facilitam a obteno de uma soluo".
1.1 O IMPACTO DA PESQUISA OPERACIONAL

A Pesquisa Operacional tem tido um grande impacto crescente na administrao de
empresas nos anos recentes. Tanto o nmero quanto a variedade de suas aplicaes continuam
a crescer rapidamente. Algumas de suas tcnicas envolvem idias bastante sofisticada em
cincias polticas, matemtica, economia, teoria da probabilidade e estatstica. Como tambm
sendo usada amplamente em outros tipos de organizaes, inclusive negcios e indstria.
Segundo Hillier quase todas as doze maiores empresas do mundo, e uma considervel
proporo das organizaes industriais pequenas, tm grupos de pesquisa operacional bem
estabelecidos. Muitas indstrias, inclusive a de aviao e msseis, automveis, comunicaes,
computadores, energia eltrica, eletrnica, alimentos, metalrgica, minerao, papel, petrleo
e transporte, tm feito uso extensivo da pesquisa operacional. Mesmo instituies financeiras,
agncias governamentais e hospitais tm aumentado rapidamente o uso que fazem da pesquisa
operacional.
Vejamos alguns dos problemas que tm sido resolvidos por tcnicas particulares de
pesquisa operacional:

- PROGRAMAO LINEAR: tem sido usada com sucesso na soluo de problemas
relativos alocao de pessoal, mistura de materiais, distribuio, transporte, carteira de
investimento.
- PROGRAMAO DINMICA: tem sido aplicada tambm com sucesso a reas
como planejamento de despesas de publicidade, distribuio do esforo de vendas e
programao de produo.
- TEORIA DAS FILAS: tem tido aplicao na soluo de problemas relativos a
congestionamento de trfego, mquinas de servios sujeitas a quebra, determinao do nvel
de uma fora de servio, programao do trfego areo, projetos de represas, programao de
produo e operao de hospitais.
- PROGRAMAO INTEIRA: Que uma forma de programao linear onde as
variveis podem apenas apresentar nmeros inteiros. Tem sido utilizada na resoluo de
problemas de investimento dentre outros.

Outras tcnicas de pesquisa operacional, tais como teoria de estoque, teoria dos jogos e
simulao, tambm tm sido aplicadas com sucesso a diversos contextos.

1.2 PROBLEMAS TPICOS

Desde o comeo a PO vem sendo aplicada a grande variedade de problemas. A
maioria consiste em problemas de natureza ttica e no estratgica. A distino entre
problemas tticos e problemas estratgicos se baseia em trs caractersticas:
1
o
.) Alcance do problema: Um problema mais ttico que outro se sua soluo
produzir efeito de durao mais curta ou, o que e essencialmente se a soluo pode ser
modificada ou abandonada com facilidade.
2
o
.) Extenso do problema: Um problema tanto mais estratgico quanto maior for a
parte da organizao diretamente afetada pela soluo.
3
o
.) Orientao do problema: Um problema tanto mais estratgico quanto mais
envolver a determinao de finalidades, metas ou objetivos.

Podemos separar a forma de um problema do seu contedo pelo processo denominado
abstrao. A linguagem na qual expressamos a forma assim abstrada do contedo a
linguagem da matemtica. Portanto, um modelo matemtico de deciso uma representao
da forma de um problema. A abstrao da forma exige o conhecimento do contedo do
problema.
A aplicao da PO a grande variedade de problema tticos pode ser representada por
um pequeno nmero de problemas tpicos. Desenvolveram-se tcnicas para model-los e
obter solues a partir dos modelos.
Problemas tpicos:
1. Alocao
2. Estoque
3. Substituio ou reposio
4. Filas de espera
5. Seqncia e coordenao
6. Determinao de rotas
7. Situaes de competio
8. Busca de informao
Quando lidamos com modelos mltiplos, a soluo geralmente obtida resolvendo-se
os modelos em seqncia e repetindo o ciclo at que se obtenha uma soluo satisfatria para
o problema global.

Algumas das tcnicas matemticas empregadas para a soluo dos modelos, aplicam-
se a modelos de diferentes tipos. Os modelos so freqentemente classificados segundo de
mtodos e tcnicas matemticas empregadas na obteno da sua soluo. Estas tcnicas e
mtodos so indicados a seguir:

Programao Linear;
Programao Dinmica;
Programao Inteira;
Teoria dos Estoques;
Teoria das Filas;
Programao multiobjetiva
Simulao;
Teoria dos Jogos;
Teoria dos Grafos;
Anlise de Risco, etc.














2.0 PROGRAMAO LINEAR

2.1 INTRODUO

Programao Linear uma tcnica de otimizao bastante utilizada na resoluo de
problemas que tenham seus modelos representado por expresses lineares. Pela sua
simplicidade e a possibilidade de aplicao em uma considervel diversidade de problemas,
tornou-se um recurso bastante difundido.

Podemos assim resumir a tcnica de Programao Linear:


- Conjunto de restries
Problema RESOLUO
- Funo Objetivo


Chamamos de conjunto de restries, as expresses contornais do problema, ou seja,
todas as disponibilidades e limitaes levantadas do problema, numa linguagem matemtica
comparativa: desigualdades ou igualdades (<, = ou >). A funo objetivo, obtida com as
mesmas variveis das restries, com o objetivo de ser maximizada ou minimizada, com a
resoluo do sistema restritivo.
Quanto a resoluo, pode ser:
a) Problema com duas variveis
- Grfica
- Anlise matemtica
- Algortmo (Mtodo Simplex).

b) Problema com um nmero qualquer de variveis
- Anlise matemtica
- Algortmo (Mtodo Simplex)
O modelo matemtico de um problema de otimizao pode ser formulado como segue
(Chiang: 1982, p. 556):

Max. Ou Min.
Z = c
1
x
1
+ c
2
x
2
+............ c
n
x
n
(1)
Sujeito a:
a
11
x
1
+ a
12
x
2
+.............. a
1n
x
n
r
1
a
21
x
1
+ a
22
x
2
+.............. a
2n
x
n
r
2
(2)
a
m1
x
1
+ a
m2
x
2
+............. a
mn
x
n
r
m
e x
j
0 (j = 1,2,............,n)
onde:
a. (1) representa a funo matemtica que codifica o objetivo do problema e
denominada funo objetivo.
b. (2) representam as funes matemticas que codificam as principais restries
identificadas.
c. "Z" a funo a ser maximizada ou minimizada, respeitando o conjunto de restries.
d. "x
i
" so as variveis decisrias que representam as quantidades ou recursos que se
quer determinar para otimizar o resultado global.
e. "c
i
:" so os coeficientes de ganho ou custo que cada varivel capaz de gerar.
f. "r
j
" representa a quantidade disponvel de cada recursos
g. "a
ij
" representa a quantidade de recursos que cada varivel decisria consome.
Este trabalho vai demonstrar passo a passo a resoluo de problemas de programao
linear onde as restries possuem sinal de maior (>)ou igual (=).
A programao linear o campo mais vastos das programaes matemticas , uma das
variantes de aplicao generalizada em apoio a deciso. O termo programao deve entender-
se como planejamento e a qualificao linear deixa antever que as relaes matemticas
utilizadas so funes lineares.



Todos os clculos sero desenvolvidos atravs do mtodo simplex desenvolvido pelo
matemtico George dantzig , que considerado o pai da programao linear.
O mtodo simplex considerado como um dos mais significativos avanos da
matemtica no sculo XX.


Fig1: George dantizg








fig2: Quadro do mtodo simplex.




Registro das
equaes na forma
Padro.
Coluna Para
registrar as
variveis bsicas
de soluo
A ltima linha
aloca-se a funo
objetivo
transformada
Problema:
Uma companhia de transporte tem 3 tipos de caminhes o tipo A tem
2m3 de espao refrigerado e 3m3 de espao na refrigerado. O tipo Btem
2m3 de espao refrigerado e 1m3 de espao no refrigerado e o tipo C tem 3m
3

de espao refrigerado e 5m
3
de espao no refrigerado . O cliente quer
transportar um produto que necessitar de 20m
3
de rea refrigerada e a rea
no refrigerada seja igual a 10m
3
. A companhia calcula entre 1.100 litros o
combustvel para uma viagem com o caminho Ae 750 litros para o
caminho B e C 800 litros.
Quantos caminhes de cada tipo devero ser usados no transporte do
produto com o menor consumo de combustvel.
1 Passo: Todo o problema de modelagem matemtica inicia-se pela discrio das
variveis de deciso, neste caso P1,P2 e P3.
$ X1=> Quantidade de Caminho tipo A
$ X2=> Quantidade de Caminho tipo B
$ X3=> Quantidade de caminho tipo C

2 Passo: Expressar a funo objetivo, neste caso a empresa quer minimizar o consumo de
combustvel , portanto tem-se:

FUNO OBJETIVO: Min C= 1.700X1+750X2+800X3

3 Passo: Expressar as restries tcnicas.

2X1+2X2+5X3 20 20 20 20 Disponibilidade mnima de espao refrigerado


3X1+X2+5X3 = 10 10 10 10 Disponibilidade de espao no refrigerado

Variveis de no negatividade X1,X2e X2 0




RESOLUO

Repare que as restries possuem sinais de igual (=) e () maior, neste caso necessrio
realizar transformaes lineares neste equaes.
Na restrio do tipo () equilibrada com uma varivel excedentria, passando para:
2X1+2X2+5X3 E1= 20 20 20 20. .. .
A segunda restrio j esta equilibrada: 3X1+X2+5X3 = 10 10 10 10

Forma padro do Simplex

Funo objetivo: Min C= 1.700X1+750X2+800X3+0E1
Restries tcnicas
2X1+2X2+5X3 E1= 20 20 20 20
3X1+X2+5X3 = 10 10 10 10
X1,X2,X3eE1 0 00 0
Quadro do simplex.

VB x1 x2 x3 E1 VSM
? 3 1 5 0 10
? 2 2 5 -1 20

No h uma matriz identidade para uma soluo inicial !! Porqu?
Repare que na 1 restrio do tipo (=) no h varivel folga, pois a restrio diz que deve
ser utilizado exatamente 10m
3
de espao no refrigerado.
Na segunda restrio do tipo () , a varivel auxiliar tem coeficiente -1

Tcnica da varivel artificial
Forma padro do simplex:
Funo objetivo: Min C= 1.700X1+750X2+800X3+0E1
Restries tcnicas
2X1+2X2+5X3 E1= 20 20 20 20
3X1+X2+5X3 = 10 10 10 10
X1,X2,X3eE1 0 00 0
Nas restries do tipo (=) e (), acrescenta uma varivel artificial, ficando:

Funo objetivo: Min C= 1.700X1+750X2+800X3+0E1
S.a: 2X1+2X2+5X3 E1+A1= 20 20 20 20
3X1+X2+5X3+A2 = 10 10 10 10
X1,X2,X3,E1,A1 eA2 0

Tcnica da varivel artificial Quadro inicial
VB x1 x2 x3 E1 A1 A2 VSM
A1 2 2 5 -1 1 0 20
A2 3 1 5 0 0 1 10

Repare que j temos a matriz identidade que esta sendo formada pelas variveis
artificiais A1 e A2 .
A soma original entre x1 e x2 e x2 igual a 10, s se matem se a varivel artificial A2 for
igual a zero. Idem com A1. Tenho a identidade mas arranjei um Gargalho.
Tenho que me livrar de A1 e A2 , mas como fazer isso?
Preciso de A1=0 e A2=0, conheo o mtodo simplex para maximizao ou
minimizao, ento vou comear por minimizar a soma de A1+A2.
Resumindo
Organize uma funo que seja a soma das variveis artificiais;
Minimize a funo utilizando o mtodo simplex;
Atingindo o timo, ou o mnimo da soma nulo e esta livre das variveis
artificiais;
Caso o mnimo das soma no seja nulo, conclui-se que o sistema de equaes
no tem soluo.

Este o primeiro passo do mtodo dos dois passos.
Funo artificial igual= a soma das variveis artificiais




Min(FA)=A1+A2
No quadro teremos F(A)= -A1-A2=0
VB x1 x2 x3 E1 A1 A2 VSM
A1 2 2 5 -1 1 0 20
A2 3 1 5 0 0 1 10
F(A) 0 0 0 0 -1 -1 0

Anlise o quadro podemos iniciar o clculo?
Acertou quem disse no
Veja que no quadro A1=20 e A2=10, pela soma daria F(A)= 30
No quadro estamos lendo F(A)=0, o que est errado. Isto acontece porque as variveis
artificiais esto no base, mas no tm coeficiente nulo na equao da funo.
necessrio transformar linearmente a equao da funo o que feito no prprio
quadro.
A transformao linear feita da seguinte maneira: Some as equaes que tem variveis
artificiais e nesta obter coeficiente nulos para as variveis artificiais, que so variveis
bsicas, e o valor da funo ser 30
VB x1 x2 x3 E1 A1 A2 VSM
A1 2 2 5 -1 1 0 20
A2 3 1 5 0 0 1 10
F(A) 0 0 0 0 -1 -1 0
Soma 2+3+0 2+1+0 5+5+0 -1 1+0-1 0+1-1 20+10+0
F(A) 5 3 10 -1 0 0 30

O quadro esta pronto para o clculo.
Entra na base X3, pois o coeficiente mais positivo que estamos a minimizar
Ratio:
20/5=4
10/5=2
Sai A2 menor ratio no negativo.
Dividir a linha A2, por (5)
Depois Multiplica esta no linha A2 x -5+ a linha A1, pois temos que zerar a coluna X3



VB x1 x2 x3 E1 A1 A2 VSM
A1 -1,0000 1,0000 0,0000 -1,0000 1,0000 -1,0000 10,0000
A2 0,6000 0,2000 1,0000 0,0000 0,0000 0,2000 2,0000
F(A) -1,0000 1,0000 0,0000 -1,0000 0,0000 -2,0000 10,0000

Soluo no tima, pois h coeficientes positivos na equao da funo.
Entra X2 na base
Sai: 10/1=10
2/0,2= 10, neste caso escolhe aleatoriamente um deles, vou escolher A1

VB x1 x2 x3 E1 A1 A2 VSM
A1 -1,0000 1,0000 0,0000 -1,0000 1,0000 -1,0000 10,0000
A2 0,8000 0,0000 1,0000 0,2000 -0,2000 0,4000 0,0000
F(A) 0,0000 0,0000 0,0000 0,0000 -1,0000 -1,0000 0,0000

Soluo tima todos os coeficientes da funo so no positivos;
Min F(A) implica que variveis artificiais com valor nulo;
A base tima da soluo do sistema de equao da forma padro. Vai ser
utilizada para a otimizao da funo objetivo.

J reparou na simetria das colunas E1 e A1.
J reparou que na equao final da funo artificial e igual do quadro inicial. Isto s
acontece porque o mnimo de F(A) zero e todas as variveis artificiais so variveis no
bsicas ( pode obter min F(A) =0 com uma ou variveis artificiais na base com valor zero.

2 passo otimizar a funo objetivo
Do modelo matemtico temos: Min C= 1.700X1+750X2+800X3
O 2 passo do mtodo consiste em minimizar esta funo, aplicando o mtodo simplex
na base tima obtida no final do primeiro passo.




VB x1 x2 x3 E1 VSM
X1 -1,0000 1,0000 0,0000 -1,0000 10,0000
X2 0,8000 0,0000 1,0000 0,2000 0,0000
F(O) -1700,0000 -750,0000 -800,0 0,0000 0,0000

O quadro esta pronto para a soluo?
Quem respondeu no acertou. Veja que o coeficiente de X2=10 e X3=0 , pelo que a
funo objetivo= Min C= 1.700x0+750.10+800.0= R$ 7.500,00.
No quadro esta se lendo F(O)=0, o que est errado. Isto acontece porque as variveis
X1,X2 e X3, esto na base mas no tem coeficiente nulo na equao da funo.
necessrio transformar linearmente a equao da funo que feito no prprio quadro.
Ligue os coeficiente a anular s coordenadas unitrias das respectivas variveis bsicas,
coloque a esquerda desta varivel bsica o simtrico do coeficiente que tem em F(O).
Multiplique as equaes pelos valores situados esquerda, e some-as equao da funo.
VB x1 x2 x3 E1 VSM
X2 =750 -1,0000 1,0000 0,0000 -1,0000 10,0000
X3= 800 0,8000 0,0000 1,0000 0,2000 0,0000
F(O) -1700,0000 -750,0000 -800,0000 0,0000 0,0000
Soma
750*1+800*0-
750
750*0+800*1-
800
750*-
1+800*0,2+0 750*10+800*0+0
F(O) 0 0 -590 7.500,00
Soluo tima foi atingida todos os coeficientes so no negativos estamos a minimizar

X= X2 10
X3 = 0
X1 0

Min C= 750*10+800*0= R$ 7.500,00
A soluo tima nica, pois s as variveis bsicas tm coeficiente nulos na equao
da funo. Neste exerccio a soluo tima utilizar somente o caminho B na quantidade de
10 caminhes.
2*0+2*10+5*0 = 20 20 20 20
3*0+1*10+5*0 = 10 10 10 10
Atendendo as necessidades do cliente ao menor consumo possvel de combustvel.
A Fbrica de Rdios fabrica os Modelos A, B e C que tm contribuies ao
lucro de 16, 30 e 50, respectivamente. As exigncias de produo mnimas
semanais so 20 para o Modelo A, 120 para o Modelo B e 60 para o Modelo C.
Cada tipo de rdio requer uma certa quantidade de tempo para a fabricao das
partes componentes, para a montagem e para a embalagem. Especificamente,
uma dzia de unidades do Modelo A requer trs horas para fabricar, quatro
horas para montar e uma para embalar. Os nmeros correspondentes para uma
dzia de unidades do Modelo B so 3.5, 5 e 1.5, e para uma dzia de unidades do
Modelo C so 5, 8 e 3. Durante a prxima semana, a fbrica tem disponveis 120
horas de tempo de fabricao, 160 horas de montagem e 48 horas de embalagem.

Variveis de deciso
X1=> Quantidade a ser produzida/ vendida do modela A
X2=> Quantidade a ser produzida/ Vendida do modelo B
X3=> Quantidade a ser produzida/ vendida do modelo C


Funo Objetivo: MAX LUCRO) 16X1+30X2+50X3


Restries tcnicas

X1 20 Exigncias mnimas de produo do modela A
X2 120 120 120 120 Exigncias mnimas de produo do modela B
X3 60 Exigncias mnimas de produo do modela C
0.25X1+0.29167X2+0.4167X3 120 Disponibilidade de horas Fabricao
0.333 0.333 0.333 0.333X1+0.4167X2+0.6667X3 160 160 160 160 Disponibilidade de horas Montagem
0.0833X1 + 0.125X2 + 0.25X3 48 48 48 48 Disponibilidade de horas embalagem


Variveis de no negatividade
X1,X2 e X3 0 0 0 0


Modelo na forma padro do simplex
MAX L= 16X1+30X2+50X3
S.a: X1 1= 1= 1= 1= 20
X2-E2= 120
X3-E3=60
0.25X1+0.29167X2+0.4167X3 + ++ +F1=120
0.333 0.333 0.333 0.333X1+0.4167X2+0.6667X3 + ++ +F2= 160 160 160 160
0.0833X1 + 0.125X2 + 0.25X3 +F3= 48 = 48 = 48 = 48
Variveis de no negatividade X1,X2,X3,F1,F2,F3,E1,E2 e E3 0 0 0 0
Nota: - Restries do tipo ( ) ) ) ) So equilibradas com uma varivel de Folga (F)
- Restries do tipo ( ) ) ) ) So equilibradas com uma varivel excedentria (E)
Quadro Inicial
X1 X2 X3 F1 F2 F3 E1 E2 E2 VSM
0,2500 0,2917 0,4167 1 0 0 0 0 0 120,0000
0,3333 0,4167 0,0667 0 1 0 0 0 0 160,0000
0,0833 0,1250 0,2500 0 0 1 0 0 0 48,0000
1,0000 0,0000 0,0000 0 0 0 -1 0 0 20,0000
0,0000 1,0000 0,0000 0 0 0 0 -1 0 120,0000
0,0000 0,0000 1,0000 0 0 0 0 0 -1 60,0000

Repare que no h matriz identidade. Nas restries de( ) ) ) ) o vetor de F1,F2 e F3,
servem para matriz identidade F1,F2 e F3. F1,F2 e F3 so variveis bsicas na trs primeiras
restries.
As restries do tipo ( ) ) ) ) a varivel auxiliar tem valor negativo.
Para resolver este problema, vamos utilizar a tcnica da varivel auxiliar onde:
As variveis do tipo ( ) ) ) ) e (=) acrescenta-se uma varivel artificial.







Tcnica da varivel artificial Forma padro do simplex
F(O) MAX L= 16X1+30X2+50X3+0F1+0F2+0F3+0E1+0E2+0E3
S.a: X1 1+ 1+ 1+ 1+A1= == = 20
X2-E2+A2= 120
X3-E3+A3=60
0.25X1+0.29167X2+0.4167X3 + ++ +F1=120
0.333 0.333 0.333 0.333X1+0.4167X2+0.667X3 + ++ +F2= 160 160 160 160
0.0833X1 + 0.125X2 + 0.25X3 +F3= 48 = 48 = 48 = 48
Variveis de no negatividade (X1,X2,X3,F1,F2,F3,E1,E2,E3,A1,A2 e A3 0 0 0 0
VB X1 X2 X3 E1 E2 E3 F1 F2 F3 A1 A2 A3 VSM
F1 0,25 0,29167 0,4167 0 0 0 1 0 0 0 0 0 120
F2 0,333 0,4167 0,6667 0 0 0 0 1 0 0 0 0 160
F3 0,0833 0,1250 0 0 0 0 0 0 1 0 0 0 48
A1 1,0000 0,0000 0 -1 0 0 0 0 0 1 0 0 20
A2 0,0000 1,0000 0 0 -1 0 0 0 0 0 1 0 120
A3 0,0000 0,0000 1 0 0 -1 0 0 0 0 0 1 60

Agora temos a matriz identidade. A soma de X-E1=20 s se matem, se A1 for igual a
zero. Idem para A2 e A3. Tenho que me livrar de A1, A2 e A3. Preciso de A1, A2 e A3= 0,
Utilizando o mtodo simplex tm-se as seguintes etapas:
Organize uma funo que seja a soma das variveis artificiais;
Minimiza-se esta funo utilizando o mtodo simplex;
Atingindo o timo, ou o mnimo da soma nulo;
Se o mnimo da soma no nulo conclui-se que o sistema de equao da funo
no tem soluo.

Estes processos so conhecidos com o primeiro passo dos mtodos dos dois passos.
Funo artificial = Soma das variveis artificiais
Min F(A)= A1+A2+A3.
No quadro teremos F(A)= -A1-A2-A3=0




VB X1 X2 X3 E1 E2 E3 F1 F2 F3 A1 A2 A3 VSM
F1 0,2500 0,2917 0,4167 0 0 0 1 0 0 0 0 0 120,00
F2 0,3333 0,4167 0,0667 0 0 0 0 1 0 0 0 0 160,00
F3 0,0833 0,1250 0,2500 0 0 0 0 0 1 0 0 0 48,00
A1 1,0000 0,0000 0,0000 0 0 -1 0 0 0 1 0 0 20,00
A2 0,0000 1,0000 0,0000 0 0 0 -1 0 0 0 1 0 120,00
A3 0,0000 0,0000 1,0000 0 0 0 0 -1 0 0 0 1 60,00
F(A) 0,0000 0,0000 0,0000 0 0 0 0 0 0 -1 -1 -1 0,00

Anlise o quadro acima, e veja se podemos iniciar os clculos.
Se voc pensou que sim, errou. Repare que a soma de A1+A2+A3=200. No quadro
estamos a ler F(A)= 0, o que errado. Isto acontece porque as variveis esto na base mas no
tem coeficientes nulo na equao funo. necessrio transformar linearmente a equao da
funo o que feito no prprio quadro.
Soma as equaes que tm varivel artificial equao da funo e nesta obter
coeficiente nulos para as variveis artificiais , que so variveis bsicas (VB) e o valor da
funo ser 200.

Quadro pronto para clculo.
Entra na base o coeficiente mais positivo, estamos a minimizar, neste caso a escolha
aleatria, pois os coeficiente so positivos e tem o mesmo peso.
Sai da base o menor ratio: A1




VB X1 X2 X3 E1 E2 E3 F1 F2 F3 A1 A2 A3 VSM
F1 0,2500 0,2917 0,4167 0 0 0 1 0 0 0 0 0 120,00
F2 0,3333 0,4167 0,0667 0 0 0 0 1 0 0 0 0 160,00
F3 0,0833 0,1250 0,2500 0 0 0 0 0 1 0 0 0 48,00
A1 1,0000 0,0000 0,0000 0 0 -1 0 0 0 1 0 0 20,00
A2 0,0000 1,0000 0,0000 0 0 0 -1 0 0 0 1 0 120,00
A3 0,0000 0,0000 1,0000 0 0 0 0 -1 0 0 0 1 60,00
F(A) 0,0000 0,0000 0,0000 0 0 0 0 0 0 -1 -1 -1 0,00
Soma 1+0+0+0
F(A) 1 1 1 0 0 -1 -1 -1 0 0 0 0 200,00
VB X1 X2 X3 E1 E2 E3 F1 F2 F3 A1 A2 A3 VSM
X1 1 0 0 0 0 -1 0 0 0 1 0 0 20
F1 0 0 0 0 0 0 1 0 0 0 0 0 115
F2 0 0 0 0 0 0 0 1 0 0 0 0 153
F3 0 0 0 0 0 0 0 0 1 0 0 0 46
A2 0 1 0 0 0 0 -1 0 0 0 1 0 120
A3 0 0 1 0 0 0 0 -1 0 0 0 1 60
F(A) 0,0000 1,0000 1,0 0 0 0 -1 -1 0 -1 0 0 180,0

Soluo no tima, pois ainda h coeficiente positivo na equao da funo.
Entra na base X2
Sai da Base A2
VB X1 X2 X3 E1 E2 E3 F1 F2 F3 A1 A2 A3 VSM
X2 0 1 0 0 0 0 -1 0 0 0 1 0 120,00
X1 1 0 0 0 0 -1 0 0 0 1 0 0 20,00
F1 0 0 0 0 0 0 1 0 0 0 0 0 115,00
F2 0 0 0 0 0 0 0 1 0 0 0 0 153,33
F3 0 0 0 0 0 0 0 0 1 0 0 0 46,33
A3 0 0 1 0 0 0 0 -1 0 0 0 1 60,00
F(A) 0,0000 0 1 0 0 0 0 -1 0 -1 -1 0 60,00

Soluo no tima, pois ainda h coeficientes positivos na equao da funo.
Entra na base X3
Sai da base A3
VB X1 X2 X3 E1 E2 E3 F1 F2 F3 A1 A2 A3 VSM
X3 0 0 1 0 0 0 0 -1 0 0 0 1 60
X2 0 1 0 0 0 0 -1 0 0 0 1 0 120
X1 1 0 0 0 0 -1 0 0 0 1 0 0 20
F1 0 0 0 0 0 0 1 0 0 0 0 0 115
F2 0 0 0 0 0 0 0 1 0 0 0 0 153
F3 0 0 0 0 0 0 0 0 1 0 0 0 46
F(A) 0,00 0,00 0 0 0 0 0 0 0 -1 -1 -1 0,00

Soluo tima, todos os coeficientes da funo so no positivos.
Min f(A)= Implica em variveis artificiais com valor nulo.
A base tima a soluo do sistema de equao da forma padro. Vai ser utilizada para
otimizao da funo objetivo.
2 passo otimizao da funo objetivo;
do modelo maximizar ) = MAX LUCRO) 16X1+30X2+50X3
O 2 passo a otimizao desta funo, aplicando o mtodo simplex na base tima
obtida no final do primeiro passo. As colunas artificiais podem ser eliminadas
VB X1 X2 X3 E1 E2 E3 F1 F2 F3 VSM
X3 0 0 1 0 0 0 0 -1 0 60
X2 0 1 0 0 0 0 -1 0 0 120
X1 1 0 0 0 0 -1 0 0 0 20
F1 0 0 0 0 0 0 1 0 0 115
F2 0 0 0 0 0 0 0 1 0 153
F3 0 0 0 0 0 0 0 0 1 46
F(O) -16,00 -30,00 -50 0 0 0 0 1 0 0

Anlise o quadro podemos iniciar o Clculo?
Se voc responde no acertou. Veja que X1= 20, X2=120 e X3=60, pela que a funo
objetivo= MAX L= 16*20+30*120+50*30= 6920
No quadro estamos lendo F(o)= 0, o que errado. Isto acontece porque as variveis da
X1,X2e X3, esto na base mas no tem coeficiente nulo na equao da funo. necessrio
transformar linearmente a equao da funo o que feito no prprio quadro.
- Ligue os coeficientes a anular as coordenadas das respectivas variveis bsicas,
coloque a esquerda destas VB o simtrico do coeficiente que tem em F(o) Multiplique as
equaes pelos valores situadas a esquerda e some-as a equao da funo.

VB X1 X2 X3 E1 E2 E3 F1 F2 F3 VSM
X1 1 0 0 -1,000 0,000 0,000 0 0 0 20,000
X2 0 1 0 0,000 -1,000 0,000 0 0 0 120,000
X3 0 0 1 0,000 0,000 -1,000 0 0 0 60,000
F1 0 0 0 0,250 0,292 0,417 1 0 0 54,994
F2 0 0 0 0,333 0,417 0,667 0 1 0 63,298
F3 0 0 0 0,083 0,125 0,250 0 0 1 16,334
F(o) -16 -30 -50 0 0 0 0 0 0 0
soma 16*1+30*0+50*0-16
F(o) 0,000 0,000 0,000 (16,000) (30,000) (50,000) 0 0 0 6920

Esta soluo no tima, pois h coeficientes negativos na linha da funo objetivo.
Entra na base E3 e sai da base F3.
VB X1 X2 X3 E1 E2 E3 F1 F2 F3 VSM
E3 0,000 0,000 0,000 0,333 0,500 1,000 0,000 0,000 4,000 65,336
F2 0,000 0,000 0,000 0,111 0,0835 0,000 0,000 1,000
-
2,668 19,719
F1 0,000 0,000 0,000 0,111 0,083 0,000 1,000 0,000
-
1,668 27,749
X1 1,000 0,000 0,000
-
1,000 0,000 0,000 0,000 0,000 0,000 20,000
X2 0,000 1,000 0,000 0,000 -1,000 0,000 0,000 0,000 0,000 120,000
X3 0,000 0,000 1,000 0,333 0,500 0,000 0,000 0,000 4,000 125,336
F(x) 0 0 0 0,66 -5 0 0 0 200 10.186,8

Soluo no tima, pois ainda h coeficientes negativos na linha da funo objetivo.
Entra na base E2 e sai da base E3

VB X1 X2 X3 E1 E2 E3 F1 F2 F3 VSM
F3 0 0 0 0,666 1,000 2,000 0,000 0,000 8,000 130,672
F2 0 0 0 0,055 0,000 -0,167 0,000 1,000 -3,336 8,88
F1 0 0 0 0,056 0,000 -0,166 1,000 0,000 -2,332 16,903
X1 1 0 0
-
1,000 0,000 0,000 0,000 0,000 0,000 20,000
X2 0 1 0 0,666 0,000 2,000 0,000 0,000 8,000 250,672
X3 0 0 1 0,000 0,000 -1,000 0,000 0,000 0,000 60,000
F(x) 0 0 0 3,99 0,00 10,00 0,00 0,00 240,00 10.840,16

Soluo tima encontrada: Produzir X1= 20, X2=250,672 e X3=60,
gerando um lucro mximo de R$ 10.840,16.
Repare que temos F1=16,903, ou seja, est sobrando na fabricao dos
produtos.
F3= 0, ou seja foram utilizadas todas as horas disponveis para embalar os
produtos.
F2= 8,88, ou seja, esta sobrando 8,88 horas no departamento de
montagem.

Realizando uma anlise Algbrica tm-se

F1= 0.25*(20)+0.29167(250,672)+0.4167*(60) = 103 120 => Folga= 16,903Hrs
F2=0.333 0.333 0.333 0.333*(20)+0.4167*(250,672)+0.6667*(60)= 1 160 160 160 160 => => => => Folga=8,88horas
0.0833*(20) + 0.125*(250,267) + 0.25*(60)= 48 48 48 48 48 => Folga =0

NOTA: Ao se introduzir o conceito de folga de recurso, a inequao pode
ser escrita como Utilizao de recurso + Folga = Disponibilidade. Isso
significa que Utilizao de recurso < Disponibilidade implica Folga > 0;
Utilizao de recurso = Disponibilidade implica Folga = 0. Deste modo, a
folga de cada recurso pode ser representada por uma varivel de forma
exatamente igual produo de cada produto.



Este grfico ns mostra o valor de X1, X2 e X3.



As variveis duais podem receber uma interpretao econmica muito interessante, que
leva ao clculo da utilidade margina (preo de sombra, Dual price, valor marginal etc.)
O problema dual, para modelos em que as restries so de desigualdades do tipo
construdo a partir de um modelo primal.
1. Cada restrio, em um problema corresponde a uma varivel no outro;
2. Os elementos do lado direito das restries, em um problema, so coeficientes da
funo objetivo do outro problema;
3. Se o objetivo de um problema primal maximizar o objetivo do problema dual
ser minimizar e assim vice e versa.
4. O problema de maximizao primal tem restries do tipo () problema dual
de minimizao ter as restries inversa, ou seja
5. As variveis de ambos os problemas so no negativas.





Exemplo:




Modelo Primal

MAX LUCRO) 16X1+30X2+50X3
S.a:
F1)0.25X1+0.29167X2+0.4167X3<=120
F2)0.333X1+0.4167X2+0.6667X3<=160
F3)0.0833X1 +0.125X2 +0.25X3<=48
X1 >=20
X2 >=120
X3 >=60

Variveis de no negatividade X1,X2 e X3>=0



Modelo DUAL


Min Z)120y1+ 160y2+48y3-20y4-120y5-60y6
S.a:
0.25y1+0.333y2+0.0833y3-y4>=16 Incremento no depart Fabricao
0.29167y1+0.4167y2+0.125y3-y5>=30 Incremento no depart Montag
0.4167y1+0.6667y2+0.25y3-y6>=50 Incremento no Depart Embal
Variveis de no negatividade (y1y6>=0)


Admita-se que em ambiente de maximizao F(x)=c1x1+a12x2, as restries primal:
a11x1+a12x2 b1
desigualdade do tipo :
| -a11-a12x2 b1
A que est associada a varivel dual Y10
A primeira restrio dual a11y1............. c1
A segunda restrio dual: -a12y1............... c2
E na funo dual g(y) =-b1y1....

Considerando que Y1=-Y1 0 as expresses anteriores ficam:
1 restrio dual: a11y1............. c1
2 restrio dual: a12y1............... c2
E na funo dual g(y) =b1y1....
Y1 0 ( no positiva)

Pode assim concluir que, em ambiente de maximizao, a cada restrio primal do tipo
corresponde uma varivel dual no positiva ( 0).






Y1 Y2 Y3 Y4 Y5 Y6 Z7 Z8 Z9 VSM
0,25000 0,33300 0,08330 -1,0 0,00 0,0 1 0 0 16,0
0,29167 0,41670 0,12500 0,0 -1,00 0,0 0 1 0 30,0
0,41670 0,66670 0,25000 0,0 0,00 -1,0 0 0 1 50,0
F(Y) 120,0 160,0 48,0 -20,0 -120 -60 0 0 0 0,0

Funo objetivo transformada de Max (y), para Max (-y)= -120y1-160y2-
48y3+20y4+120y5+60y6.
As restries tcnicas: passam para:
-0.25y1-0.333y2-0.0833y3+y4+Z7>=-16
-0.29167y1-0.4167y2-0.125y3+y5+Z8>=-30
-0.4167y1-0.6667y2-0.25y3+y6+Z9>=-50

Y1 Y2 Y3 Y4 Y5 Y6 z7 z8 z9 VSM
-0,3 -0,3 -0,1 1,0 0,0 0,0 1,0 0,0 0,0 -16,0
-0,3 -0,4 -0,1 0,0 1,0 0,0 0,0 1,0 0,0 -30,0
-0,4 -0,7 -0,3 0,0 0,0 1,0 0,0 0,0 1,0 -50,0
F(Y) -120,0 -160,0 -48,0 20,0 120,0 60,0 0,0 0,0 0,0 0,0

Para iniciar o clculo do mtodo dual atravs do simplex, deve-se tirar uma varivel da
base e colocar uma varivel na base.
- A varivel que sai: a varivel bsica com o valor mais negativo. Se todas as variveis
bsicas tiverem valores positivos soluo tima. Neste caso as variveis bsicas Z
7
= 16 ,
Z8= -30 e Z9=-50, so negativas, portanto a soluo inicial e invivel ou no tima. Logo sai
da base Z9
- A Varivel que entra: escolhida entre as variveis fora da base, da seguinte maneira:
1. Dividir os coeficientes do lado esquerdo da equao F(Y) transformada pelos
correspondentes coeficientes negativos da equao da varivel que sai da base.
2. a varivel que entra a que tem o menor valor entre os quocientes encontrados
(problemas de minimizao) ou o menor valor absoluto (problemas de
maximizao).
Quando em ambos os casos, no houver coeficiente negativos na linha da varivel que
sai da base, o problema no tem soluo vivel.
Ratio: -120/-0,4= 287,97
-160/-0,7=239,98
48/-0,3 =192
Entra na base Y3
.
Y1 Y2 Y3 Y4 Y5 Y6 Y7 Y8 Y9 VSM
1,667 2,667 1,000 0,000 0,000 -4,000 0,000 0,000 -4,000 200,000
-0,111 -0,111 0,000 1,000 0,000 -0,333 1,000 0,000 -0,333 0,660
-0,083 -0,083 0,000 0,000 1,000 -0,500 0,000 1,000 -0,500 -5,000
F(Y)
-
39,994
-
31,994 0,000 20,000 120,000
-
132,000 0,000 0,000
-
192,000 9600,000


Soluo no tima, pois h valores negativos na coluna VSM.
Sai da base Z8e entra na base Y6
Y1 Y2 Y3 Y4 Y5 Y6 z7 z8 z9 VSM
0,167 0,167 0,000 0,000 -2,000 1,000 0,000 -2,000 1,000 10,000
-0,056 -0,05 0,000 1,000 -0,666 0,000 1,000 -0,666 0,000 3,992
2,333 3,334 1,000 0,000 -8,000 0,000 0,000 -8,000 0,000 240,000
F(Y)
-
17,997
-
9,989
0,000 20,000 -144, 0,000 0,000 -264,0 -60,0 10840,160

Soluo tima: Se a empresa conseguir aumentar em 1 hora a disponibilidade de horas
no departamento de embalagens o lucro aumentaria para em R$ 240,00 reais. Se fosse
produzido em uma unidade a mais do produto x3 o lucro reduziria em R$ 10,00, se fosse
produzido o produto X1 em uma unidade a mais o lucro iria reduzir em R$ 3,99 reais. Esta
disponibilidade de hora incremental no departamento de embalagens, seria apenas para
embalar o produto B.

Este grfico demonstra que se for aumentado em uma hora disponibilidade mxima de
horas no departamento de embalagem (F3), o lucro aumentaria em R$ 240,00 reais.














A anlise de ps-otimizao ou de sensibilidade tem como objetivo determinar as
condies para as quais a soluo tima Vlida. No mundo real a soluo tima encontrada,
pode no ser a melhor, pois, a demanda pode sofrer alteraes o custo do produto dentre
outras variveis, demonstrando o quo importante anlise de sensibilidade para orientar a
tomada de deciso, caso alguma destas variveis sofram alteraes no tempo.
Tomando com base o exerccio anterior , vamos realizar as seguintes anlises:
Funo Objetivo: MAX LUCRO) 16X1+30X2+60X3
Restries tcnicas
X1 20 Exigncias mnimas de produo do modela A
X2 120 120 120 120 Exigncias mnimas de produo do modela B
X3 60 Exigncias mnimas de produo do modela C
0.25X1+0.29167X2+0.4167X3 120 Disponibilidade de horas Fabricao
0.333 0.333 0.333 0.333X1+0.4167X2+0.6667X3 160 160 160 160 Disponibilidade de horas Montagem
0.0833X1 + 0.125X2 + 0.25X3 48 48 48 48 Disponibilidade de horas embalagem
Variveis de no negatividade (x1,x2,X3>=0)

1 Variaes no coeficiente da funo objetivo:
De F(O)= 16X1+30X2+50X3
Para 20x1+35x2+50x3
Vamos obter X1=20, X2=250,672 e X3= 0
Isto nos mostra que para estes novos coeficientes a soluo ainda tima, pois os
coeficientes de X1, X2 e X3 no sofreram alterao.
Agora imaginemos que os coeficientes da funo objetivos sofram as seguintes
modificaes: X1=10, X2=24, X3=61
X1 =20, X2 =120 e X3= 125.335999 . Isto nos mostra que o valor do coeficiente
X3=61 na funo objetivo, gera uma soluo invivel, pois proporcionou mudanas na funo
objetivo.







Modelagem dos dados feita da seguinte maneira:
A2= X1 B2 = 0
A3= X2 B3=0
B4=0 B4=0

Na clula A5, escreva funo objetivo e na cdula B5 vamos inserir a frmula
matemtica, tendo: B5 (16*B2+30*B3+50*B4),
Restries tcnicas:
B7 (=0,25*B2+0,29167*B3+0,4167*B4), modelo matemtica da restrio do
departamento de fabricao.
B8 (=0,333*B2+0,4167*B3+0,6667*B4), modelo matemtica da restrio do
departamento de montagem.
B9 (=0,0833*B2+0,125*B3+0,25*B4), Modelo matemtica da restrio do
departamento de Embalagem.
B10 (=B2), => Mnimo de produo de X1
B11( = B3)=> Mnimo de produo de X2
B12 (=B4)=> Mnimo de Produo de X3
Nas colunas C e D , inseria os dados como mostra a figura acima.
Agora, vamos instalar a Ferramenta solver, para isso v ao menu ferramenta, e clique
em Solver. Caso no encontre preciso instalar esta ferramenta, para isso v ao menu
ferramentas e clique em suplementos e habilite a ferramenta solver.
A figura abaixo mostra a janela de entrada do Solver.


- Definir Clula de Destino, neste campo aloca-se a expresso matemtica da funo
objetivo;
- Logo abaixo temos 3 opes, se o problema for de maximizao marque a opo Max,
caso seja de minimizao, marque a opo min ou caso queria estipular um valor para a
funo objetivo marque a opo valo de depois insira o valor desejado no campo ao lado;
- No campo Clula de destino insira o valor das variveis de deciso;
- E finalmente no ltimo campo insira a expresso matemtica das restries tcnicas.




A janela abaixo mostra como devem ser inseridos os dados do problema.

No campo Clula de Destino Inseria a Clula B5, pois foi nesta clula que inserimos a
expresso matemtica da funo objetivo.
- Como queremos maximizar o lucro, marque a opo MAX.
- No campo Clulas variveis, insira as Clulas B2;B3;B4, pois estas clulas esto
contidas as variveis de deciso do problema, que maximizar X1,X2 e X3.
- No campo Submeter s restries, basta seguir os passos acima, Inserindo as restries
na janela abaixo, tomando cuidado para no inserir as restries com sinais trocados. No
campo referncia de Clula, insira o modelo matemtico da restrio e no campo restrio
insira o termo independente da restrio ,ou seja, a disponibilidade.



Depois de feito todos os processos descritos acima, obteremos os seguintes resultados.


Soluo tima: Produzir X1= 20, X2=250,672 e X3= 60, Gerando um lucro mximo de
R$ 10.840,16 reais.





O Primeiro relatrio o de resposta, onde nos mostra o valor da funo objetivo
maximizada e o valor das variveis de deciso. Na ltima planilha contm o consumo de cada
restrio, caso h folga ou sobras, ou seja, a disponibilidade do recurso no foi totalmente
consumida. A coluna Transigncia, mostra o valor das folgas de cada recurso, onde podemos
observar que o recurso, disponibilidade de horas no departamento de fabricao no foi
totalmente consumida sobrando 16,88 horas e no departamento de embalagem as hora foram
totalmente consumidas, logo podemos perceber que h restrio deste departamento impede
que o lucro da empresa seja superior ao atual, pois temos folga nas outras restries.




O segundo relatrio e o de sensibilidade.


Est janela nos mostra o valor da funo objetivo e valor das variveis de deciso. Na
coluna permissvel acrscimo, nos mostra que o mximo de variao que a varivel X1 do
coeficiente da funo objetivo pode variar, em outras palavras o nmero 3,992, demonstra que
o mximo lucro unitrio de X1, pode elevar no Mximo 3,992 sem que alterar o valor final. O
coeficiente X2 da funo objetivo pode ser reduzido no mximo para 5, ou seja, de 30 para
25, este seria o mximo de desconto que a empresa poderia oferecer para seu cliente, sem
alterar o valor final, ou seja, apresentando X2=250,672.


A coluna preo de Sombra, mostra o preo dual, ou seja, quanto o lucro da empresaria
aumentaria se fosse adicionado uma unidade a mais de recursos para produo dos produtos.
Veja que se a disponibilidade de horas do departamento de embalagem fosse aumentada em 1
hora o lucro aumentaria em R$ 240,00 reais. Perceba que se fosse produzido uma unidade a
mais dos produtos X3 e X1, o lucro iria reduzir para R$ -3,9992 e R$ -10,00 respectivamente.
Nas colunas acrscimo e decrscimo, demonstram qual o valor mximo que as
restries podem oscilar sem alterar o valor timo. Tomando como base as linhas de
disponibilidade de horas no departamento de fabricao e montagem, podemos perceber que
os mximos que estas restries podem reduzir So: 16,88 horas e 8,88 horas, que so as
respectivas folgas.




E finalmente o ltimo relatrio e o de limite


Este relatrio nos mostra qual seria a soluo tima do problema caso o problema fosse
de minimizao e caso fosse de maximizao.
Na coluna limite Inferior X1=20, X2=120 e X3=60, Apresentaria um lucro minimo de
R$ 6.920,00, caso o problema fosse de minimizao. A coluna Superior limite mostra o valor
da soluo tima caso o problema fosse de maximizao, tendo X1=20, X2=250,672 e X3=
60. Gerando um lucro mximo de R$ 10.840,16