You are on page 1of 50

2013

Prof. Msc. Wanderson Tavares

FACULDADE CATLICA SALESIANA DE VITRIA


Material de apoio da disciplina de Pesquisa Operacional.
SUMRIO

PLANO DE ENSINO....................................................................................... 2
1. INTRODUO PESQUISA OPERACIONAL....................................... 5
2. MODELAGEM DE PROBLEMAS GERENCIAIS E SIMULAES........... 7
3.PROGRAMAO LINEAR......................................................................... 18
4.TEORIA DAS FILAS, CURVA DE POISSON E DIST. EXPONENCIAL...... 36

5. REFERNCIAS BIBLIOGRFICAS............................................................ 49

PENSE!

"Temos o destino que merecemos. O nosso destino est de acordo com os nossos mritos."

- atribudo a Albert Einsten

1
ADMINISTRAO DE EMPRESAS
DISCIPLINA: Pesquisa Operacional
PROFESSOR: Wanderson Tavares (*)
E-mail: wandtb@yahoo.com.br
CARGA HORRIA: 40 h/a

(*) Possui Graduao em Administrao de Empresas e Analise de Sistemas,


Especialista em Economia e Gesto Empresarial, Mestre em Economia e Gesto
Empresarial. Atualmente professor da Faculdade Catlica Salesiana do Esprito
Santo, Diretor da Diviso de Estgio Supervisionado da UFES, Instrutor
Credenciado do Ncleo de Treinamento da UFES, Tutor do NEAAD UFES,
Consultor e pesquisador na rea de Gesto das Inovaes Tecnolgicas.

PLANO DE ENSINO

1 - Ementa

Fundamentos da Pesquisa Operacional. Aplicaes da Pesquisa Operacional.


Modelagem de Problemas Gerenciais. Teoria das Filas de Espera. Processo de
Poisson. Curva de Poisson. Distribuio Exponencial. Testes de Aderncia. Uso de
simuladores especficos. Construo de modelos de solues aplicados ao
gerenciamento e operacionalizao de sistemas logsticos. Modelagem.
Programao Linear. Simulaes.

2 - Objetivos

Compreender e aplicar os conceitos e ferramentas da Pesquisa Operacional na


aplicao de resolues de problemas na administrao.

3 - Contedos Programticos

1 Apresentao do Plano de Ensino


2 Apresentao do Plano de Ensino
3 Reviso de estatstica
4 Reviso de estatstica
5 Fundamentos da Pesquisa Operacional
6 Simulao - Aplicaes da Pesquisa Operacional
7 Simulaes com variveis aleatrias
8 Simulaes com variveis aleatrias.
9 Problemas Gerenciais e alocao de recursos.
10 Problemas Gerenciais e alocao de recursos.
11 Exerccio Prtico
12 Exerccio Prtico
13 Programao Linear
14 Programao Linear
15 ICA2
16 ICA2
17 Programao Linear at duas vairiveis

2
18 Programao Linear at duas vairiveis
19 Teste
20 Teste
21 Programao Linear tres ou mais vairiveis
22 Programao Linear tres ou mais vairiveis
23 ICA3
24 ICA3
25 Programao Linear: Anlise Grfico com resultados
26 Programao Linear: Anlise Grfico com resultados
27 Prova
28 Prova
29 Modelos de solues aplicados ao gerenciamento e operacionalizao
30 Modelos de solues aplicados ao gerenciamento e operacionalizao
31 Teste
32 Teste
33 Teoria das Filas de Espera.
34 Teoria das Filas de Espera.
35 Prova
36 Prova
37 Avaliao Substituta
38 Avaliao Substituta
39 Entrega dos resultados
40 Entrega dos resultados

4 - Habilidades Requeridas e Comportamento esperado:

Capacidade identificar e aplicar os conhecimentos adquiridos, praticando os


exerccios estabelecidos.

5 - Estratgias de ensino:

Aulas expositivas, dinmicas de grupo, estudos de caso, trabalhos em grupo,


apresentao de trabalhos, etc.

6 - Sistema de Avaliao

De acordo com as normas da Instituio;

Avaliao:

Mdia Final = ( Mdia 1 + Mdia 2 ) / 2

Mdia 1 = [ (2 x Teste 1) + (2 x Prova 1) + ICA1-p1 + ICA1-p2 ] / 3


Mdia 2 = [ (2 x Teste 2) + (2 x Prova 2) + ICA2-p1 + ICA2-p2 ] / 3

Calendrio de Provas e Testes

Teste 1 Prova 1 Prova Interdisciplinar Prova 2 Substitutiva


03.09.13 24.09.13 05.11.13 26.11.13 03.12.13

3
7 - Bibliografia Bsica

LACHTERMACHER, Gerson. Pesquisa operacional na tomada de decises:


modelagem em excel para cursos de administrao, economia e cincias contbeis.
3 ed. Rio de Janeiro: Elsevier, 2007. 213 p. Contm CD-ROM. ISBN 85-352-2087-9.

ANDRADE, Eduardo Leopoldino de. Introduo pesquisa operacional: mtodos e


modelos para anlise de decises. 3 ed. Rio de Janeiro: LTC, 2004. 192 p. Contm
CD-ROM. ISBN 85-216-1412-8.

MOREIRA, D. A. Pesquisa Operacional: Curso Introdutrio. 1 ed. Thomson Learning,


2006. 368 p. ISBN 8522103798.

8 - Bibliografias Complementar

GOLDBARG, MARCO CESAR; LUNA, HENRIQUE PACCA L. Otimizao


combinatria e programao linear: modelos e algoritmos. 2 ed. Rio de Janeiro:
Elsevier, 2005. 518 p. ISBN 85-352-1520-5.

PRADO, DARCI. Usando o ARENA em simulao. 4 ed. BELO HORIZONTE: INDG


Tecnologia e Servios, 2010. 307 p. ISBN 85-98254-47-0.

Obs. 1: O aluno pode utilizar esse material de apoio, ms dever pesquisar nos
livros da referncia bibliogrfica bsica do plano de ensino da disciplina de
Pesquisa operacional.

Obs. 2: Esse material uma unio de vrios contedos e contribuies de


diversos professores e autores e algumas partes esto disponveis inclusive
na internet para consulta.

4
1 INTRODUO PESQUISA OPERACIONAL

Desde o advento da primeira revoluo industrial o mundo tem apresentado um


notvel desenvolvimento e crescimento em tamanho e complexidade de suas
organizaes. Os caminhos da PO podem ser traados a muitas dcadas atrs,
quando foi aplicada a administrao cientifica s organizaes.

Como a tendncia natural aumentar a complexidade e a especializao das


organizaes, torna-se mais e mais difcil alocar seus recursos disponveis pelas
suas vrias atividades de maneira a obter a melhor eficincia para a organizao.

1.1 O Desenvolvimento da Pesquisa Operacional

Durante a Segunda Guerra Mundial, um grupo de cientistas foi convocado na


Inglaterra para estudar problemas de estratgia e de ttica associados com a defesa
do pas. O objetivo era decidir sobre a utilizao mais eficaz de recursos militares
limitados. A convocao deste grupo marcou a primeira atividade formal de
pesquisa operacional.

Os resultados positivos conseguidos pela equipe de pesquisa operacional inglesa


motivaram os Estados Unidos a iniciarem atividades semelhantes. Apesar de ser
creditada Inglaterra a origem da Pesquisa Operacional, sua propagao deve-se
principalmente equipe de cientistas liderada por George B. Dantzig, dos Estados
Unidos, convocada durante a Segunda Guerra Mundial. Ao resultado deste esforo
de pesquisa, concludo em 1947, deu-se o nome de Mtodo Simplex.

Com o fim da guerra, a utilizao de tcnicas de pesquisa operacional atraiu o


interesse de diversas outras reas. A natureza dos problemas encontrados
bastante abrangente e complexa, exigindo, portanto uma abordagem que permita
reconhecer os mltiplos aspectos envolvidos. Uma caracterstica importante da
pesquisa operacional e que facilita o processo de anlise e de deciso a utilizao
de modelos. Eles permitem a experimentao da soluo proposta. Isto significa que
uma deciso pode ser mais bem avaliada e testada antes de ser efetivamente
implementada. A economia obtida e a experincia adquirida pela experimentao
justificam a utilizao da Pesquisa Operacional.
5
Com o aumento da velocidade de processamento e quantidade de memria dos
computadores atuais, houve um grande progresso na Pesquisa Operacional. Isso
faz com que os modelos desenvolvidos pelos profissionais de Pesquisa Operacional
sejam mais rpidos e versteis, alm de serem tambm interativos, possibilitando a
participao do usurio ao longo do processo de clculo.

Pesquisa Operacional um mtodo cientifico de tomada de decises. Em linhas


gerais, consiste na descrio de um sistema organizado com auxilio de um modelo,
e atravs da experimentao.

Um estudo de PO consiste em construir um modelo da situao fsica. Um modelo


de PO definido como uma representao idealizada de um sistema organizacional.
Este sistema pode j ser existente ou pode ainda ser uma idia a espera de
execuo.

No primeiro caso, o objetivo do modelo analisar as operaes do sistema para


verificar sua performance. No segundo, o objetivo identificar a melhor estrutura do
futuro sistema.

6
7
8
9
10
11
12
13
14
15
1.2 Fases de um Estudo em P.O.

Um estudo em Pesquisa Operacional costuma envolver seis fases:

Formulao do problema;

Construo do modelo do sistema;

Calculo da soluo atravs do modelo;

Teste do modelo e da soluo;

Estabelecimento de controles da soluo;

Implantao e acompanhamento;

que podem ser descritas como segue:

Formulao do Problema Nesta fase, o administrador do sistema e o responsvel


pelo estudo em P.O. devero discutir, no sentido de colocar o problema de maneira
clara e coerente, definindo os objetivos a alcanar e quais os possveis caminhos
alternativos para que isso ocorra.

Dever ainda ser acordada uma medida de eficincia para o sistema que permita ao
administrador ordenar as solues encontradas, concluindo o processo decisrio.

Construo do Modelo do Sistema Os modelos que interessam em P.O. so


modelos matemticos, isto , modelos formados por um conjunto de equaes e
inequaes.

Um modelo uma representao de um sistema real, que pode j existir ou ser um


projeto aguardando execuo. No primeiro caso, o modelo pretende reproduzir o
funcionamento do sistema, de modo a aumentar sua produtividade. No segundo
caso, o modelo utilizado para definir a estrutura ideal do sistema. A confiabilidade
da soluo obtida atravs do modelo depende da validao do modelo na
representao do sistema real. A validao do modelo a confirmao de que ele
realmente representa o sistema real. A diferena entre a soluo real e a soluo
proposta pelo modelo depende diretamente da preciso do modelo em descrever o
comportamento original do sistema.
16
Um problema simples pode ser representado por modelos tambm
simples e de fcil soluo. J problemas mais complexos requerem modelos mais
elaborados, cuja soluo pode vir a ser bastante complicada.

Em um modelo matemtico, so includos trs conjuntos principais


de elementos:

Variveis de deciso e parmetros: variveis de deciso so


as incgnitas a serem determinadas pela soluo do modelo.
Parmetros so valores fixos no problema;
Restries: de modo a levar em conta as limitaes fsicas do
sistema, o modelo deve incluir restries que limitam as
variveis de deciso a seus valores possveis (ou viveis);
Funo objetivo: uma funo matemtica que define a
qualidade da soluo em funo das variveis de deciso.

Para melhor ilustrar ao conjuntos acima, considere o seguinte


exemplo:

Uma empresa de comida canina produz dois tipos de raes: Tobi e Rex. Para a
manufatura das raes so utilizados cereais e carne. Sabe-se que:

a rao Tobi utiliza 5 kg de cereais e 1 kg de carne, e a rao Rex utiliza 4 kg


de carne e 2 kg de cereais;
o pacote de rao Tobi custa R$ 20 e o pacote de rao Rex custa $ 30;
o kg de carne custa R$ 4 e o kg de cereais custa R$ 1;
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.

Neste problema as variveis de deciso so as quantidades de rao de cada tipo a


serem produzidas.

Os parmetros fornecidos so os preos unitrios de compra e venda, alm das


quantidades de carne e cereais utilizadas em cada tipo de rao. As restries so
os limites de carne e cereais e a funo objetivo uma funo matemtica que
determine o lucro em funo das variveis de deciso e que deve ser maximizada.

17
Clculo da soluo atravs do modelo feito atravs de tcnicas matemticas
especficas. A construo do modelo deve levar em considerao a disponibilidade
de uma tcnica para o clculo da soluo.

A formulao do modelo depende diretamente do sistema a ser representado. A


funo objetivo e as funes de restries podem ser lineares ou no- lineares. As
variveis de deciso podem ser contnuas ou discretas (por exemplo, inteiras) e os
parmetros podem ser determinsticos ou probabilsticos.

O resultado dessa diversidade de representaes de sistemas o desenvolvimento


de diversas tcnicas de otimizao, de modo a resolver cada tipo de modelo
existente. Esta tcnica se chama a programao linear (PL), que utilizada para
analisar modelos onde as restries e a funo objetivo so lineares. Existem outras
tcnicas, porm no sero abordadas nessa apostila.

18
3 PROGRAMAO LINEAR

3.1 Modelo em Programao Linear

Uma das tcnicas mais utilizadas na abordagem de problemas em Pesquisa


Operacional a programao linear. A simplicidade do modelo envolvido e a
disponibilidade de uma tcnica de soluo programvel em computador facilitam sua
aplicao. As aplicaes mais conhecidas so feitas em sistema estruturados, como
os de produo, finanas, controles de estoques etc.

O problema geral de programao linear utilizado para otimizar (maximizar ou


minimizar) uma funo linear de variveis, chamada de "funo objetivo", sujeita a
uma srie de equaes ou inequaes lineares, chamadas restries. A formulao
do problema a ser resolvido por programao linear segue alguns passos bsicos.

deve ser definido o objetivo bsico do problema, ou seja, a


otimizao a ser alcanada. Por exemplo, maximizao de
lucros, ou de desempenhos, ou de bem-estar social;
minimizao de custos, de perdas, de tempo. Tal objetivo ser
representado por uma funo objetivo, a ser maximizada ou
minimizada;
para que esta funo objetivo seja matematicamente
especificada, devem ser definidas as variveis de deciso
envolvidas. Por exemplo, nmero de mquinas, a rea a ser
explorada, as classes de investimento disposio etc.
Normalmente, assume-se que todas estas variveis possam
assumir somente valores positivos;
estas variveis normalmente esto sujeitas a uma srie de
restries, normalmente representadas por inequaes. Por
exemplo, quantidade de equipamento disponvel, tamanho da
rea a ser explorada, capacidade de um reservatrio, exigncias
nutricionais para determinada dieta etc.
Todas essas expresses, entretanto, devem estar de acordo com a
hiptese principal da programao linear, ou seja, todas as relaes entre as
variveis devem ser lineares. Isto implica proporcionalidade das quantidades
envolvidas. Esta caracterstica de linearidade pode ser interessante no tocante
simplificao da estrutura matemtica envolvida, mas prejudicial na representao
de fenmenos no lineares (por exemplo, funes de custo tipicamente quadrticas).

19
Um problema de programao linear est em sua forma padro se tiver na funo
objetivo uma Maximizao e se todas as restries forem do tipo menor ou igual,
bem como os termos constantes e variveis de deciso no-negativos.

A fim de facilitar nossa explicao, algum tipo de padronizao de terminologia deve


ser introduzido. Entende-se por:

Soluo qualquer especificao de valores para variveis de deciso,


independente de se tratar de uma escolha desejvel ou
permissvel.

Soluo Vivel uma soluo em que todas as restries so satisfeitas.

Soluo tima uma soluo vivel que tem o valor mais favorveis da funo-
objetivo, isto , maximiza ou minimiza a funo-objetivo em toda
a regio vivel, podendo ser nica ou no.

Todo problema de Programao Linear parte de algumas hipteses que so


assumidas quando tentamos resolv-los:

Proporcionalidade O valor da funo-objetivo diretamente proporcional ao nvel


de atividade de cada varivel de deciso.

Aditividade Considera as atividades (variveis de deciso) do modelo como


entidades totalmente independentes, no permitindo que haja
interdependncia entre as mesmas, isto , no permitindo a
existncia de termos cruzados, tanto na funo-objetivo como
nas restries.

Divisibilidade Assume que todas as unidades de atividade possam ser


divididas em qualquer nvel fracional, isto , qualquer varivel de
deciso pode assuimir qualquer valor fracionrio.

Certeza Assume que todos os parmetros do modelo so constantes


conhecidas. Em problemas reais, a certeza quase nunca
satisfeita, provocando a necessidade de anlise de sensibilidade
dos resultados.

20
O problema geral de programao linear pode ser definido por Maximizar (ou
minimizar)

Maximizar (ou minimizar)

Z c1x1c2 x 2 c3 x3 ....... cn x n Funo Objetivo

a11x1 a12 x2 ... a1n xn b1 (ou , ou )


a21x1 a22 x2 ... a2 n xn b2 (ou , ou ) Restries tcnicas
Sujeito a
...
am1 x1 am 2 x2 ... amn xn bm (ou , ou )

x1 , x2 , xn 0 Restries de no negatividade

As variveis controladas ou variveis de decises so


x1 , x2 , xn . A funo objetivo ou

funo de eficincia mede o desempenho do sistema, podendo ser a capacidade de


gerar lucro ou a capacidade de minimizar perdas. As restries garantem que essas
solues esto de acordo com as limitaes tcnicas impostas pelo sistema, h
tambm as restries de no negatividade das variveis de deciso, o que dever
acontecer sempre que a tcnica de abordagem for a de programao linear.

A construo do modelo matemtico, no caso um modelo linear, parte mais


complicada de nosso estudo. No h regra fixa para esse trabalho, mas podemos
sugerir um roteiro que ajuda a ordenar o raciocnio.

Roteiro

a) Quais as variveis de deciso?

Aqui o trabalho consiste em explicitar as decises que devem ser tomadas e


representar as possveis decises atravs de variveis chamadas de variveis de
deciso. Se o problema de programao de produo, as variveis de deciso so
as quantidades a produzir no perodo; se for um problema de programao de
investimento, as variveis vo representar as decises de investimento, isto ,
quanto investir em cada oportunidade de investimento, e em que perodo. Nas
descries sumrias de sistemas, isso fica claro lemos a questo proposta, isto , a
pergunta do problema.

b) Qual o objetivo?

21
Aqui devemos identificar o objetivo da tomada de deciso. Eles aparecem
geralmente na forma de maximizao de lucros ou receitas, minimizao de custos,
perdas etc. A funo objetivo a expresso que calcula o valor do objetivo (lucro,
custo, receita, perda etc.), em funo das variveis de deciso.

c) Quais as restries?

Cada restrio imposta na descrio do sistema deve ser expressa com uma relao
linear (igualdade ou desigualdade), montadas com as variveis de deciso.

Exemplo 2 Certa empresa fabrica dois produtos P1 e P2. O lucro unitrio do


produto P1 de 1000 unidades monetrias e o lucro unitrio de P2 de 1800
unidades monetrias. A empresa precisa de 20 horas para fabricar uma unidade de
P1 e de 30 horas para fabricar uma unidade de P2. O tempo anual de produo
disponvel para isso de 1200 horas. A demanda esperada para cada produto de
40 unidades anuais para P1 e 30 unidades anuais de P2. Qual o plano de
produo para que a empresa maximize seus lucro nesses itens? Construa o
modelo de programao linear para esse caso.

a) Quais as variveis de deciso?

O que deve ser decidido o plano de produo, isto , quais as quantidades anuais
que devem ser produzidas de P1 e P2.
Portanto, as variveis de deciso sero x1 e x2 .
x1 quantidade anual a produzir de P1.
x2 quantidade anual a produzir de P2.

b) Qual o objetivo?

O objetivo maximizar o lucro, que pode ser calculado:

Lucro devido a P1: 1000 . x1 (lucro por unidade de P1 x quantidade produzida de


P1)

Lucro devido a P2: 1800 . x2 (lucro por unidade de P2 x quantidade produzida de


P2)

Lucro total: L 1000 x1 1800 x 2


Objetivo: maximizar L 1000 x1 1800 x 2

22
c) Quais as restries?

As restries impostas pelo sistema so:


- Disponibilidade de horas para a produo: 1200 horas.

horas ocupadas com P1: 20x1 (uso por unidade x quantidade produzida)

horas ocupadas com P2: 30x2 (uso por unidade x quantidade produzida)
Total em horas ocupadas na produo: 20 x1 30 x2
Disponibilidade: 1200 horas
Restrio descritiva da situao: 20 x1 30 x2 1200

Disponibilidade de mercado para os produtos (demanda)


Disponibilidade para P1: 40 unidades
Quantidade a produzir de P1: x1
Restrio descritiva da situao: x1 40
Disponibilidade para P2: 30 unidades
Quantidade a produzir de P2: x 2
Restrio descritiva da situao: x2 30

Resumo do modelo: max L 1000 x1 1800 x 2

20 x1 30 x2 1200 Restrio das horas


Sujeito a x1 40
Restrio de
x2 30 demanda

x1 , x2 0 Restrio de no-negatividade

Exemplo 2 Vamos reescrever o exemplo utilizado na seo 1.2:

Uma empresa de comida canina produz dois tipos de raes: Tobi e Rex. Para a
manufatura das raes so utilizados cereais e carne. Sabe-se que:

a rao Tobi utiliza 5 kg de cereais e 1 kg de carne, e a rao Rex utiliza 4 kg


de carne e 2 kg de cereais;
o pacote de rao Tobi custa R$ 20 e o pacote de rao Rex custa $ 30;
o kg de carne custa R$ 4 e o kg de cereais custa R$ 1;
esto disponveis por ms 10 000 kg de carne e 30 000 kg de cereais.
23
Deseja-se saber qual a quantidade de cada rao a produzir de modo a maximizar
o lucro.

Nosso modelo deseja maximizar o lucro (Z) a partir da quantidade de rao Tobi (x1)
e de rao Rex(x2). A Tabela abaixo apresenta o clculo do lucro unitrio de cada
rao.

Rao Tobi Rao Rex


Custo de carne 1 kg x R$ 4 = R$ 4 4 kg x R$ 4 = R$ 16
Custo de cereais 5 kg x R$ 1 = R$ 5 2 kg x R$ 1 = R$ 2
Custo total R$ 9 R$ 18
Preo R$ 20 R$ 30
Lucro R$ 11 R$ 12

maximizar Z 11x1 12 x 2

1x1 4 x2 1000 Restrio de carne


Sujeito a
5 x1 2 x2 30000
Restrio de cereais

x1 , x2 0 Restrio de no-negatividade

24
EXERCCIO 1 DE PROGRAMAAO LINEAR COM DUAS VARIVEIS

1-Um fabricante de fantasias tem em estoque 32 metros de brim, 22 metros de seda


e 30 metros cetim e pretende fabricar dois modelos de fantasias. O primeiro modelo
(M1) consome 4 m de brim, 2 m de seda e 2 m de cetim. O segundo modelo (M2)
consome 2 m de brim, 4 m de seda e 6 m de cetim. Se M1 vendido a $6000 e M2
a $10000. Construa o modelo do sistema descrito para que o fabricante possa obter
a receita mxima?

2- Uma companhia fabrica dois produtos P1 e P2 que utilizam os mesmos recursos


produtivos: matria-prima, forja e polimento. Cada unidade de P1 exige 4 horas de
forjaria, 2 horas de polimento, e utiliza 100 unidades de matria prima. Cada unidade
de P2 requer 2 horas de forjaria, 3 horas de polimento e 200 unidades de matria
prima. O preo de venda de P1 de $1900 e de P2 de $2100. Toda produo tem
mercado garantido. As disponibilidades so de 20 horas de forja; 10 horas de
polimento e 500 unidades de matria-prima, por dia. Qual o plano de produo que
maximiza o lucro?

25
3- Uma fbrica produz dois produtos, A e B. Cada um deles deve ser processado por
duas mquinas, M1 e M2. Devido programao de outros produtos, que tambm
utilizam essas mquinas, a mquina M1 tem 24 horas de tempo disponvel para os
produtos A e B, enquanto a mquina M2 tem somente 16 horas de tempo disponvel.
Para produzir uma unidade do produto A, gastam-se 4 horas em cada uma das
mquinas M1 e M2. Para produzir uma unidade do produto B, gastam-se 6 horas na
mquina M1 e 2 horas na mquina M2. Cada unidade vendida do produto A gera um
lucro de R$ 80,00 e cada unidade do produto B, um oucro de R$ 60,00. Existe uma
previso mxima de demanda para o produto B de 3 unidades, no havendo
restries quanto demanda do produto A. Deseja-se saber quantas unidades de A
e de B devem ser produzidas, de forma a maximizar o lucro e, ao mesmo tempo,
obedecer a todas as restries desse enunciado.

26
EXERCCIO 2 DE PROGRAMAAO LINEAR COM DUAS VARIVEIS

1) Uma marcenaria deseja estabelecer uma programao diria de produo.


Atualmente, a oficina faz apenas dois produtos: mesa e armrio, ambos de um s
modelo. Para efeito de simplificao, vamos considerar que a marcenaria tem
limitaes em somente dois recursos: madeira e mo-de-obra, cujas disponibilidades
dirias so mostradas na tabela a seguir.

Recurso Disponibilidade
Madeira 12m2
Mo-de-obra 8 H.h

O processo de produo tal que, para fazer uma mesa a fbrica gasta 2 m 2 de
madeira e 2 H.h de mo-de-obra. Para fazer um armrio, a fbrica gasta 3 m 2 de
madeira e 1 H.h de mo de obra. Alm disso, o fabricante sabe que cada mesa d
uma margem de contribuio para o lucro de $ 4 e cada armrio de $ 1. O problema
encontrar o programa de produo que maximiza a margem de contribuio total
para o lucro.

2) Uma pequena metalrgica deseja maximizar sua receita com a venda de dois
tipos de finas fitas de ao que se diferenciam em qualidade no acabamento de corte.
As fitas so produzidas a partir do corte de bobinas de grande largura. Existem duas
mquina em operao. Uma das mquinas mais antiga e permite o corte dirio de
4000 m de fita. A outra, mais nova, corta 6000 m. A venda das chapas no mercado
varia com a qualidade de cada uma. Fitas produzidas na mquina antiga permitem
um lucro de 3 u.m. por mil metros de produo. Fitas cortadas na mquina moderna
produzem um lucro de 5 u.m. por mil metros de produo. Cada mil metro de fita
cortada na mquina antiga consome 3 homens X hora de mo-de-obra. Na mquina
27
moderna so gastos apenas 2 homens X hora. Diariamente so disponveis 18
homens X hora para operao de ambas as mquinas. Determinar a produo que
otimiza o lucro da metalrgica.

3) Um fabricante de mveis fornece os seguintes produtos: mesas, armrios e


cadeiras. A fabricao de cada tipo de produto requer chapas de mogno e dois tipos
de mo de obra, uma para acabamento e outra para carpintaria. A quantidade de
recursos para cada tipo de produto dada na tabela abaixo.
Recurso Armrio Mesa Cadeira Disponibilidade
Mogno 8 m2 6 m2 1 m2 30 m2
Horas de 4 2 1,5 10
acabamento
Horas de 2 1,5 0,5 10
carpintaria

Sendo que cada mesa, armrio e cadeira do um lucro de 3, 4 e 5 u.m. Formular o


modelo matemtico para maximizar seu lucro semanal.

28
4) Giapetto fabrica dois tipos de brinquedos de madeira: soldados e trens. Um
soldado vendido por 27 u.m. e usa 10 u.m de matria prima. Cada soldado que
fabricado tem um custo adicional de 14 u.m. relativo a mo de obra. Um trem
vendido por 21 u.m. e gasta 9 u.m. de matria prima. O custo de mo de obra
adicional para cada trem de 10 u.m.. A fabricao destes brinquedos requer dois
tipos de mo de obra: carpintaria e acabamento. Um soldado necessita de 2 horas
para acabamento e 1 de carpintaria. Um trem necessita de 1 hora para acabamento
e 1 hora de carpintaria. Cada semana, Giapetto pode obter qualquer quantidade de
matria prima, mas tem a disposio at 100 horas de acabamento e 80 de
carpintaria. A demanda por trens ilimitada, mas a venda de soldados de no
mximo 40 por semana. Giapetto que maximizar seu lucro dirio (receitas-custos).
Formular o modelo matemtico que poder ser usado por Giapetto para maximizar
seu lucro semanal.

29
3.2 Tcnica de Soluo para Modelos de Programao Linear com Duas
Variveis de Deciso Mtodo Grfico.

Essa tcnica consiste em representar num sistema de eixos ortogonais o conjunto

das possveis solues do problema, isto , o conjunto de pontos ( x1 , x 2 ) que


obedecem ao grupo de restries impostas pelo sistema em estudo. O desempenho
do modelo avaliado atravs da representao grfica da funo objetivo. AS
solues so classificadas de acordo com sua posio no grfico.

2.2.1 Grfico do Conjunto de Solues

A representao grfica de uma equao linear com duas variveis uma reta. A
representao grfica de uma inequao linear com duas variveis um dos
semiplanos definidos pela reta correspondente equao.

2.2.1 Avaliao do Objetivo

Avaliar o desempenho da funo objetivo: Maximizar L = 2 x1 5 x2 , na regio de


solues do grfico abaixo:

x2

0 4 8

Soluo: Escolhemos um valor arbitrrio para L, por exemplo, o valor 10.

A equao: 10 2 x1 5x2 fornece o conjunto de pontos ( x1 , x 2 ) que do para L o


valor 10. Vamos representar esses pontos:

30
2 x1 5x2 10

Fazendo x1 0 teremos 5x2 10 x2 2

Fazendo x2 0 teremos 2 x1 10 x1 5
Escolhemos um segundo valor para L, por exemplo, o valor 15, ento:
2 x1 5x2 10

Fazendo x1 0 teremos 5x2 15 x2 3

Fazendo x2 0 teremos 2 x1 15 x1 7,5


Graficamente, teremos:

x2

6 L = mximo

0 4 5 7,5 8
L = 10 L = 15

Verificamos do grfico que:

1. medida que atribumos valores a L, obtemos retas paralelas.


2. medida que o valor de L aumenta, a reta se afasta da origem do sistema de
eixos.

Podemos concluir que pelo ponto P do grfico teremos a paralela de maior valor que
ainda apresenta um ponto na regio de solues. Portanto, o ponto P a soluo
que maximiza L na regio de solues dadas.

Como P = (0,6) e L = 2 x1 5 x2 , substituindo x1 0 e x2 6 teremos:


L = 2.0 + 5.6 ou L mximo = 30.

31
Exerccio.
Resolver o problema de programao linear:
Minimizar

maximizar Z 2 x1 3x 2

x1 x 2 5
Sujeito a 5 x1 x 2 10
x1 8

x1 , x2 0

O MTODO SIMPLEX
4
O Mtodo Simplex caminha pelos vrtices da regio vivel at encontrar uma
soluo que no possua solues vizinhas melhores que ela. Esta a soluo
tima. A soluo tima pode no existir em dois casos: quando no h nenhuma
soluo vivel para o problema, devido a restries incompatveis; ou quando no
h mximo (ou mnimo), isto , uma ou mais variveis podem tender a infinito e as
restries continuarem sendo satisfeitas, o que fornece um valor sem limites para a
funo objetivo.

Esse mtodo formado por um grupo de critrios para escolha de solues bsicas
que melhorem o desempenho do modelo, e tambm de um teste otimalidade. Para
isso, o problema deve apresentar uma soluo bsica inicial. As solues bsicas
subseqentes so calculadas com a troca de variveis bsicas por no bsica,
gerando novas solues.

Os critrios para escolha de vetores e conseqentemente das variveis que entram


e saem para a formao da nova base constituem o centro do simplex.

Suponhamos inicialmente que o modelo apresente a soluo bsica inicial. Os


modelos com restries tipo e com termos da direita no negativos tm uma
soluo bsica formada pelas variveis de folga.

Exemplo:
No modelo:

32
maximizar Z 3x15x 2

2 x1 4 x2 10
sujeito a : 6 x1 x2 20
x1 x2 30

x1 , x2 0

Acrescenta-se as folgas, determina-se a soluo bsica inicial.


2 x1 4 x2 xF1 10
6 x1 x2 xF2 20
x1 x2 xF3 30

x1, x2 , xF1, xF2 , xF3 0


Podemos visualizar uma soluo formada pelas variveis de folga.
Soluo bsica inicial: x1 0, x2 0, xF1 10, xF2 20, xF3 30

Descrio do Mtodo para Maximizao

1 Parte: Teste de otimalidade para a soluo.

Consiste em avaliar o efeito da permuta de uma varivel bsica por outro no


bsica, com a conseqente formao de nova soluo. Se a entrada de uma
varivel no bsica puder melhorar o desempenho do sistema, a soluo testa no
tima.

Essa avaliao possvel quando a funo objetivo est escrita somente em termos
das variveis no bsicas.

Voltando ao exemplo, funo objetivo est escrita na forma:

maximizar Z 3x15x 2

e obtivemos, fazendo x1 0 , x2 0 , uma soluo bsica inicial

formada pelas variveis de folga xF1 10, xF2 20, xF3 30 .

No caso, as variveis bsicas so xF1 , xF2 , xF3 e as no bsicas x1 , x2 .

Portanto, a funo objetivo est escrita com as variveis no bsicas.

33
Examinando a funo objetivo e a soluo inicial x1 0, x2 0, z 0 com Z 3x15x 2 ,
temos:

Se x1 entra na base com valor 1, o valor de Z passa de Z 0 para Z 3 ,

aumentando 3 unidades, exatamente o valor do coeficiente de x1 .

Se x2 entra na base com valor 1, o valor de Z passa de Z 0 para Z 5 ,


aumentando 5 unidades, exatamente o valor do coeficiente de x2 .

Por outro lado, se o coeficiente de x1 ou x2 fosse negativo, a entrada dessa varivel


diminuiria o valor de Z, de acordo com seu coeficiente. Pode-se concluir que
enquanto a funo objetivo apresentar variveis no bsicas com coeficientes
positivos, ela poder ser aumentada, no sendo portanto a soluo tima.

Vamos reescrever, agora, a funo objetivo com todas as variveis a esquerda:

Z 3x15x2 Z 3x15x2 0

Os coeficientes positivos direita so negativos esquerda, portanto, coeficiente


negativos esquerda indicam que o valor de Z pode ser aumentado com a entrada
da varivel na base, e na proporo de seu coeficiente. Escrito dessa forma, a
soluo testada s ser tima quando as variveis no bsicas apresentarem
somente coeficientes positivos.

2 Parte: Clculo da nova soluo bsica

a) Varivel que entra na base: entra na base a varivel com coeficiente negativo de
maior valor absoluto. A idia melhorar rapidamente o valor de Z.

Examinando a funo objetivo do exemplo:

Z 3x15x2 ouZ 3x15x 0 entra a varivel x2 , pois cada unidade a


mais em x2 aumenta Z em 5 unidades.

b) Varivel que sai: sai a varivel que primeiro se anula com a entrada da varivel
escolhida no item anterior, no caso x2 , que entra com maior valor possvel.

Ela pode ser descoberta dividindo-se os termos da direita das restries pelos
coeficientes positivos da varivel que entra. O menor valor indica que a varivel
bsica dessa linha a que primeiro se anula e sair da base.

34
2 x1 4 x2 xF1 10 10 / 4 2,5 Sai
6 x1 1x2 xF2 20 20 / 1 20
1x1 1x2 xF3 30 30 /( 1) 30

A ltima diviso (30/(-1))no pode ser considerada, pois Dara valor negativo para a
varivel na prxima base, o que no possvel. Portanto, sai a varivel da primeira
linha, no caso xF1 .

c) Elemento Piv: A coluna da varivel que entra e a linha da varivel que sai
identificam um elemento comum chamado piv.

d) Calculando a nova soluo:

d1. Vamos organizar a funo objetivo e restries numa tabela com colunas
formadas pelos coeficientes de cada varivel e outra dos termos independentes.

35
4. TEORIA DAS FILAS, CURVA DE POISSON E DISTRIBUIO
EXPONENCIAL

36
37
38
39
40
41
42
43
44
45
46
47
48
5. Referncias Bibliogrficas

LACHTERMACHER, Gerson. Pesquisa operacional na tomada de decises:


modelagem em excel para cursos de administrao, economia e cincias contbeis.
3 ed. Rio de Janeiro: Elsevier, 2007. 213 p. Contm CD-ROM. ISBN 85-352-2087-9.

ANDRADE, Eduardo Leopoldino de. Introduo pesquisa operacional: mtodos e


modelos para anlise de decises. 3 ed. Rio de Janeiro: LTC, 2004. 192 p. Contm
CD-ROM. ISBN 85-216-1412-8.

MOREIRA, D. A. Pesquisa Operacional: Curso Introdutrio. 1 ed. Thomson Learning,


2006. 368 p. ISBN 8522103798.

GOLDBARG, MARCO CESAR; LUNA, HENRIQUE PACCA L. Otimizao


combinatria e programao linear: modelos e algoritmos. 2 ed. Rio de Janeiro:
Elsevier, 2005. 518 p. ISBN 85-352-1520-5.

PRADO, DARCI. Usando o ARENA em simulao. 4 ed. BELO HORIZONTE: INDG


Tecnologia e Servios, 2010. 307 p. ISBN 85-98254-47-0.

49