PESQUISA OPERACIONAL

DEFINIÇÃO DE P.O.
A pesquisa operacional consiste na utilização e aplicação
de um método científico, de modo que a partir de um
conjunto de técnicas executadas por equipes
multidiciplinares é possível obter soluções para tomadas de
decisão baseadas em modelos matemáticos, métodos
estatísticos e algoritimos computacionais.
(LONGARAY, 2013; BELFIORE e FÁVERO, 2013; ACKOFF, 1968)

CONCEITOS-CHAVE DE P.O.
permite a resolução de problemas reais;
auxilia na tomada de decisão com apoio científico;
promove a multidisciplinaridade;

CONTEXTO HISTÓRICO NO SURGIMENTO DA P.O.

A pesquisa operacional surge durante o período da Segunda
Guerra Mundial (1939-1945) na Inglaterra, a partir da
necessidade de resolver problemas com o manejamento de
recursos militares limitados que envolviam a estratégia
militar, tática e logística.

Tal problemática envolvia:

aviões que necessitavam de projeto,
manutenção e inspeção;
explosivos que necessitavam de projeto,
tanques e motores;
táticas de bombardeios...
 Microeconomia
SETORES DA INDÚSTRIA DE
Operações Estratégia
APLICAÇÃO DA P.O.

Finanças Marketing
Marketing Recursos
Humanos
o sucesso da pesquisa operacional no processo de
MODELAGEM tomada de decisão só é possível por conta da utiliza-
-ção de modelos que permitem representar o sistema real com sua problemática.

ESTRUTURA DE UM MODELO

VARIÁVEIS RESTRIÇÕES

MODELO
CRITÉRIOS OBJETIVOS

É toda aquela incógnita ou valor desconhecido

VARIÁVEIS
que serão determinados pela solução do modelo

CONTROLÁVEL: é a variável no qual é possível

modificar para atingir determinado objetivo
NÃO CONTROLÁVEL: é a variável no qual não é
possível modificar para atingir determinado
objetivo, mas que afeta os resultados ou
consequências de uma tomada de decisão
EXEMPLO: número de funcionários por turno de trabalho
 são relações matemáticas entre as variáveis e
RESTRIÇÕES
limitações do problema
EXEMPLO: capacidade máxima de produção

é uma função matemática que mede o

CRITÉRIOS
desempenho de uma ação/preferência
EXEMPLO: prazo de entrega de um produto

é uma função matemática que mostra o que

OBJETIVOS
deseja-se alcançar a partir de uma decisão
EXEMPLO: minimizar o custo de produção

TIPOS DE MODELOS

OTIMIZAÇÃO
trata-se de uma representação
matemática para um problema,
de modo que o objetivo é
determinar a melhor tomada
de decisão afim de obter o
melhor resultado possível
CARACTERÍSTICAS
Função objetivo: O que se
pretende atingir
Maximização: O quanto se
quer aumentar;
Minimização: O quanto se
quer diminuir;
Restrição: Relação do que se
quer quantificar (variáveis) com
o que é limitante (recursos,
geralmente);
SIMULAÇÃO
trata-se de uma representação
matemática de um sistema
físico/abstrato, de forma que o
interesse é verificar o
comportamento do sistema a
partir da alteração das
variáveis
Faz uso de métodos
estatísticos e probalísticos sem
oferecer a melhor escolha, mas
sim um conjunto de alternativas
 Pesquisa Operacional e sua relação com a
dentro do campo da
PROGRAMAÇÃO MATEMÁTICA Pesquisa Operacional, é
notável sua diversidade de possibilidades metodológicas em relação aos seus
principais modelos, que no caso são conhecidos por Programação Matemática.

PROGRAMAÇÃO utilizada no apoio da

MATEMÁTICA TOMADA DE DECISÃO

os problemas de programação matemática possuem o seguinte objetivo:

encontrar valores para variáveis de decisão que otimizam,

maximizando ou minimizando, uma função objetivo a partir da
delimitação por um conjunto de restrições

Exemplos de programação matemática: programação linear,

programação inteira, programação não-linear, programação dinâmica...

trata-se da ação/processo de decidir sobre uma situação

importante em um grupo de pessoas ou em uma organização
TOMADA DE OU
DECISÃO é o ato de selecionar em uma gama de decisões possíveis
aquela no qual é a mais adequada para que se alcance
determinado objetivo

ELEMENTOS da TOMADA DE DECISÃO

DECISOR: indivíduo/grupo de indivíduos responsáveis pela escolha da estratégia

que irão seguir;
OBJETIVO: é a meta no qual deve ser alcançada;
ESCALA DE VALOR: critério adotado pelo decidsor para selecionar alternativas;
SOLUÇÕES OU ESTRATÉGIAS ALTERNATIVAS: alternativas de ação que o
decisor pode escolher;
ESTADO DE NATUREZA/AMBIENTE: condições que contornam o ambiente nos
quais as decisões se encontram, majoritariamente, fora do controle do decisor
RESULTADO/CONSEQUÊNCIA: ocorre a partir da implementação de uma
determinada estratégia em um determinado ambiente/estado de natureza.
 PROCESSO DE MODELAGEM e RESOLUÇÃO DE PROBLEMAS
de modo geral, a pesquisa operacional permite auxiliar todo o processo de
tomada de decisão por meio de modelos que representam o sistema real

DEFINIÇÃO DO CONSTRUÇÃO/ELABORAÇÃO
SISTEMA REAL
PROBLEMA DO MODELO

SOLUÇÃO DO VALIDAÇÃO DO IMPLEMENTAÇÃO

MODELO MODELO DO MODELO

Modelo de Otimização um modelo de otimização ter por

intuito criar condições mais favoráveis
para determinada situação/evento, encontrando o melhore valor possível com uma
resposta singular
MAXIMIZAÇÃO: é referente ao objetivo que visa o limite extremo superior
RETORNO DE UM INVESTIMENTO
MINIMIZAÇÃO: é referente ao objetivo que visa o limite extremo inferior
TEMPO DE FABRICAÇÃO

Dentro do estudo dos modelos de otimização, nota-se que um modelo possui

determinados componentes, que são: restrições, variáveis e constantes

RESTRIÇÕES as restrições estão presentes em praticamente todos os mo-

-delos de pesquisa operacional e, por definição, são aqueles aspectos que
limitam a combinação de valores e variáveis de soluções possíveis. Por exemplo,
podem ser recursos financeiros, tempo, recursos humanos...

elas refletem nos parâmetros limitantes da

elas impactam no resultado final, por problemática
estarem relacionadas ao objetivo daquele RESTRIÇÕES DE LIMITE SUPERIOR
modelo E
RESTRIÇÕES DE LIMITE INFERIOR
VARIÁVEIS por definição, considera-se como variável como qualquer elemen-
-to que pode assumir diferente valores, podendo ser nulo ou positivo. Por exemplo,
podem ser quantidade de peças produzidas...
visualização de uma variável genérica em pesquisa
x i, j
operacional, sendo i e j os índices

CONSTANTES por definição, considera-se como constante aquele que não

sofre alterações. Por exemplo, podem ser bandeirada do taxímetro...
visualização de uma constante genérica em pesquisa
k i, j
operacional, sendo i e j os índices

FORMA GERAL DE MODELO DE OTIMIZAÇÃO

ou ESTRUTURA MATEMÁTICA
a forma geral consiste em um algoritmo padronizado para a resolução de
problemas que envolvem otimização. Logo, os objetivos e restrições são
expressados por meio de funções matemáticas e outras relações funcionais

OTIMIZAR: Z = f(x 1 ,x2 , ..., xn )

SUJEITO A:
g 1 ( x 1 , x2 , ..., xn ) ≤, =, ≥ b
1
g2 ( x 1 ,x2 , ..., x ) ≤, =, ≥ b
n 2
g3 ( x 1 , x2 , ..., x ) ≤, =, ≥ b
n 3
...
gm(x 1 ,x2 , ..., x ) ≤, =, ≥ b
n m

LEGENDA:

x j : variável do modelo
f(x): função objetivo do modelo
bi : termo independente das restrições do modelo
g(x): funções das restrição do modelo
i
n: número de variáveis no modelo
m: número de restrições no modelo
≤ : limite superior
≥ : limite inferior
 ESTRUTURA DO MODELO DE PROGRAMAÇÃO LINEAR
em programação linear todas as relações entre as variáveis devem ser lineares,
implincando em uma proporcionalidade das variáveis e constantes envolvidas

MAXIMIZAR ou MIMIZAR: Z = c 1 x 1 + c2 x2 +...+ cn xn

SUJEITO A: a11 x 1 + a12x2 +...+ a x

1n n
≤ b (ou≥, ou =)
1

a21x 1 + a22x2 +...+ a x

2n n
≤ b (ou≥, ou =)
2
...
am1x 1 + am2x2 +...+ a x
mn n
≤ b (ou≥, ou =)
m
COM:
x1 ≥0 x ≥0 ... x ≥0
2 n

resolução de problemas de programação linear

a partir do
MÉTODO GRÁFICO
de maneira geral, a resolução a partir do método gráfico consiste em utilizar a
modelagem da problemática com suas restrições e condições de contorno e
representá-las graficamente no intuito de encontrar a solução ótima a partir do
polígono de soluções

MAXIMIZAR: Z = 30 x 1 + 40 x2
SUJEITO A: ≤
x 1 24
x ≤16
≤
2
x 1 + 2 x2 40
COM: ≥
x 1 0 x2 0 ≥
EXEMPLO Z = 30 x 1 + 40 x
≤
x 1 24
x ≤16
≤ ≤
2
x2 x 1 24 x 1 + 2 x2 40
≥
x 1 0 x2 0 ≥
40

35

30 Z
=1
20
Z 0
25 =1
00 Polígono de
0
soluções
20
≤
x 2 16

15
Z = 1040; x1 = 24; x2= 8

10

5
x1 + 2 x2 ≤ 40
x1

5 10 15 20 25 30 35 40 45

x1 + 2 x2 40 ≤
x 1= 0 x2 = 20 Ponto (0,20)

x 2= 0 x1 = 40 Ponto (40,0)
 Polígono de soluções: é formado por todas as restrições do
problema e recursos em conjunto e qualquer ponto dentro do limite
deste polígono representa e respeita as condições de todas as
restrições do modelo

Z = 30 x 1 + 40 x2 Z - 30 x1 = 40 x 2

Z/40 - (30x1)/40 = x2 x2 = Z/40 - (30/40)x1

EQUAÇÃO DA RETA
Por meio da equação de reta, conseguimos identificar o coeficiente angular e o
coeficiente linear. Verificando b = Z/40, nota-se que quanto mais alto o valor de Z,
mais distante b estará da origem por ser o ponto que intercepta o eixo y. Logo:

Z = 1000; b = 25
Z = 1200; b = 30

30 x1 + 40 x2 = 1000 30 x1 + 40 x2 = 1200
x =0 x = 25 Ponto (0,25) x =0 x = 30 Ponto (0,30)
1 2 1 2
x =0 x = 33,3 Ponto (33.3,0)
1
x =0 x1 = 40 Ponto (40,0)
2 2

Pelas retas acima, nota-se que a solução ótima está entre as Z = 1000 e Z = 1200, e
passa pelo vértice em x1 = 24

A reta em vermelho que passa pelo vértice cruza o eixo das ordenadas,
aproximadamente em (0, 26), logo:

b = Z/40 Z = 30 x 1 + 40 x2

Z = 1040; x1 = 24; x2= 8

resolução de problemas de programação linear
a partir do
MÉTODO ANALÍTICO
para que seja feita a resolução de um problema de programação linear, por meio do
método analítico, é necessário que o modelo esteja na forma padrão e atender as
seguintes condições:

Os termos independentes das restrições e as variáveis de decisão devem ser

não negativos;
Todas as restrições devem ser representadas por equações lineares e
apresentadas na forma de igualdade.

FORMA PADRÃO
MAXIMIZAR ou MIMIZAR: Z = c 1 x 1 + c2 x2 +...+ cn xn

SUJEITO A: a11 x 1 + a12x2 +...+ a x = b

1n n 1

a21x 1 + a22x2 +...+ a x = b

2n n 2
...
am1x 1 + am2x2 +...+ a x = b
mn n m
COM:
x j
≥0 j = 1, 2, ...,n
FORMA CANÔNICA

MAXIMIZAR: Z = c 1 x 1 + c2 x2 +...+ cn x n MINIMIZAR: Z = c 1 x 1 + c2 x2 +...+ cn x n

SUJEITO A: a11 x 1 + a12x2 +...+ a x

1n n
≤b 1 SUJEITO A: a11 x 1 + a12x2 +...+ a x
1n n
≥b 1
a21x 1 + a22x2 +...+ a x
2n n
≤b
2
a21x 1 + a22x2 +...+ a x
2n n
≥b
2
... ...
a x + am2x2 +...+ a x
m1 1 mn n
≤b
m
a x + am2x2 +...+ a x
m1 1 mn n
≥b
m
COM: COM:
x j
≥0 j = 1, 2, ...,n x j
≥0 j = 1, 2, ...,n
Dessa forma, torna-se necessário realizar a transformação de modelos para a
forma padrão ou canônica de acordo com cada situação. Assim, deve-se
realizar o seguinte passo a passo:

1° PASSO: verificar se consiste em um problema de

maximização ou minimização

max Z = f( x 1 ,x2 , ..., xn ) min -Z = -f( x 1 ,x2 , ..., xn )

min Z = f(x 1 ,x2 , ..., xn ) max -Z = -f( x 1 , x2 , ..., xn )

2° PASSO: verificar se possuem restrição de desigualdade do

tipo ≤
, que deve ser transformada para ≥
, multiplicando
ambos os lados da inequação por -1

ai1 x 1 + ai2 x2 +...+ a x

in n
≤b i
-ai1 x 1 - ai2 x2 - ... - a x
in n
≥ -b i
ai1 x 1 + ai2 x2 +...+ a x
in n
≥b i
-ai1 x 1 - ai2 x2 - ... - a x
in n
≤ -b i

3° PASSO: verificar se possuem restrição de igualdade, que

deve se tornar duas restrições de desigualdade

ai1 x 1 + ai2 x2 +...+ a x = b

ai1 x 1 + ai2 x2 +...+ a x
in n
≤b i
in n i
ai1 x 1 + ai2 x2 +...+ a x
in n
≥b i
4° PASSO: uma restrição do tipo ≤
pode ser reescrita para
uma equação de igualdade considerando a adição de uma
variável de folga, não negativa e do lado esquerdo

ai1 x 1 + ai2 x2 +...+ a x

in n
≤b i

ai1 x 1 + ai2 x2 +...+ a x + x = b

in n k i
5° PASSO: uma restrição do tipo ≥
pode ser reescrita para
uma equação de igualdade considerando a subtração de uma
variável de excesso, não negativa e do lado esquerdo

ai1 x 1 + ai2 x2 +...+ a x

in n
≥b i

ai1 x 1 + ai2 x2 +...+ a x - x = b

in n k i

6° PASSO: uma variável x que não possui restrição de sinal, é

considerada como uma variável livre, portanto pode ser
expressa como a diferença de duas outras variáveis não

≥0
negativas.
x'j ; x''j
x j = x'j - x''j
7° PASSO: considere um sistema Ax = b de m equações
lineares e n variáveis, no qual m < n
m = n: equações coerentes, logo o sistema tem uma única solução
m > n: pelo menos m - n equações devem ser redundantes
m < n: equações coerentes, logo o sistema terá infinitas soluções

Dessa forma, para encontrar a solução do sistema Ax = b tal

que m < n, deve-se, primeiramente, escolher um conjunto de
variáveis n - m de x, que são as variáveis não básicas (VNB)
que possuem valor igual a 0

As variáveis m restantes do sistema são conhecidas e

determinadas e se denominam como variáveis básicas (VB),
sendo essa solução chamada de solução básica (SB)
 Se a solução básica atende as restrições de não negatividade, isto é, as
variáveis básicas são não negativas, a mesma é chamada solução básica
factível (SBF) ou solução compatível básica (SCB).

8° PASSO: assim, para encontrar a solução ótima, é

necessário calcular o valor da função objetivo Z de todas as
possíveis soluções básicas e escolher a melhor alternativa
para aquela situação