Baixe o app para aproveitar ainda mais
Prévia do material em texto
PESQUISA OPERACIONAL FUNDAMENTOS Prof. Severino Carlos de Oliveira Filho https://iepg.gnomio.com 1 INTRODUÇÃO • Todos nós devemos continuamente tomar decisões na vida e nos negócios. • Uma das maneiras mais eficazes de analisar e avaliar alternativas de decisão envolve o uso de planilhas eletrônicas. • Hoje, as planilhas eletrônicas representam a maneira mais útil e conveniente para os executivos implementarem e analisarem modelos em computador. 2 O QUE É UM MODELO EM COMPUTADOR? • É um conjunto de relacionamentos matemáticos e suposições lógicas implementados em um computador como representação de algum problema ou fenômeno de decisão do mundo real. 3 O QUE É UM MODELO? • Uma representação da realidade • Uma representação da realidade projetada para algum propósito definido. • Uma representação da realidade que é planejada para ser usada por alguém responsável pelo gerenciamento ou entendimento da realidade. 4 O QUE É UM MODELO? • Uma representação da realidade planejado para ser usada por alguém no entendimento, mudança, gerenciamento e controle desta realidade. 5 O QUE É UM MODELO? • Uma representação de parte da realidade vista pelas pessoas que desejam usá-lo para entender, mudar, gerenciar e controlar aquela parte da realidade. • Uma representação externa e explícita de parte da realidade vista pelas pessoas que desejam usá-lo para entender, mudar, gerenciar e controlar parte daquela realidade. 6 CARACTERÍSTICAS DOS MODELOS • Modelos são versões simplificadas do objeto ou problema de decisão que representam. • Um modelo válido é aquele que representa de maneira precisa as características relevantes do objeto ou problema de decisão que está sendo estudado. 7 BENEFÍCIOS DA MODELAGEM • Economia - geralmente é mais barato analisar problemas de decisão usando um modelo. • Tempo - fornecem as informações necessárias no tempo certo. • Possibilidade - são úteis para examinar coisas que seriam impossíveis de se fazer na realidade. • Nos permitem ganhar conhecimento e entendimento sobre o objeto ou problema de decisão que está sendo investigado. 8 O MODELO MATEMÁTICO Lucro = Receita - Despesas ou Lucro = f(Receita, Despesas) ou Y = f(X1, X2), onde X1 : Receia X2 : Despesas 9 MODELO MATEMÁTICO GENÉRICO Y = f(X1, X2,…,Xn) Y = variável dependente • medida de desempenho final do problema Xi = variáveis independentes • desempenham alguma função ou que têm algum efeito na determinação do valor de Y f() = função que define o relacionamento entre as variáveis Onde: 10 MODELOS MATEMÁTICOS E PLANILHAS • A maioria dos modelos de planilha são bastante similares ao modelo genérico matemático: Y = f(X1, X2,…,Xn) 11 CLASSIFICAÇÃO DOS MODELOS • Modelos Esquemáticos – representados por meio de gráficos, tabelas, diagramas. Ex: arvores de decisão • Modelos Matemáticos – representado por equações e valores numéricos ou lógicos. Ex: programação linear 12 CLASSIFICAÇÃO DOS MODELOS • Modelos Computacionais –é um conjunto de relações matemáticas e hipóteses lógicas implementadas em computador como uma representação de um problema real de tomada de decisão. 13 CATEGORIA DE MODELOS MATEMÁTICOS 14 CONCEITOS BÁSICOS • Modelos determinísticos são resolvidos através de sistemas de equações, utilizando- se ferramentas computacionais como o Solver do Excel, Lindo, Mathematica, etc... • Modelos estocásticos são resolvidos através de simulações, pois apresentam grande dificuldade de obtenção de uma solução analítica. 15 O PROCESSO DE RESOLUÇÃO DE PROBLEMAS Identifica- ção do problema Formulação e Implementa- ção do modelo Análise do modelo Teste de resulta- dos Implemen- tação de soluções Resultados insatisfatórios 16 A RESOLUÇÃO DE PROBLEMAS • Ler atentamente ao problema, quantas vezes for necessário. • Retirar do enunciado do problemas os dados que traduzem o cenário apresentado. • Declarar as variáveis iniciais do problema. • Determinar as equações / inequações do problema • Construir o modelo matemático (Sistema de Equações / Inequações) 17 EXEMPLO 1 • Um número mais a sua metade é igual a 18. Queremos encontrar esse número. ➢Modelo Matemático Variáveis de decisão x: o número que quero encontrar Equações: 18 18 2 x x + = EXEMPLO 2 • Um teatro vendeu 120 entradas antecipadas, recebendo por elas um total de R$ 8550,00. As entradas têm os seguintes preços: inteira R$ 90,00 e meia R$ 45,00. Queremos saber o número vendido de inteiras e de meias. 19 EXEMPLO 2 ❑Modelo Matemático ▪ Declaração das variáveis I: Quantidade vendida de inteiras M: Quantidade vendida de meias entradas 90I + 45M = 8550 I + M =120 20 EXEMPLO 3 • Um teatro vendeu 120 entradas antecipadas, recebendo por elas um total de R$ 8550,00. As entradas têm os seguintes preços: inteira R$ 90,00 e meia R$ 45,00. O número de inteiras vendidas não pode ultrapassar 100 bilhetes e o número de meias não deve ser superior a 50 bilhetes. Queremos saber o número vendido de inteiras e de meias. 21 EXEMPLO 3 ❑Modelo Matemático ▪ Declaração das variáveis I: Quantidade vendida de inteiras M: Quantidade vendida de meias entradas 90I + 45M = 8550 I + M =120 I ≤ 100 M ≤ 50 22 EXEMPLO 4 • Uma fábrica produz dois tipos de doces: o doce de banana o doce de goiaba • Devido à limitações de matéria-prima, a produção máxima diária é de 5000 unidades. • O doce de banana dá uma lucratividade de $0,37 por unidade produzida, enquanto que o de goiaba dá uma lucratividade de $0,27 por unidade produzida. • Se a empresa pretende ter um lucro diário de $1500,00, quanto deve fabricar de cada sabor? 23 EXEMPLO 4 ❑ Modelo Matemático: • Variáveis de decisão b: unidades de doce de banana produzidos g: unidades de doce de goiaba produzidos b + g <=5000 0,37b + 0,27g = 1500 b ≥ 0; g ≥ 0 24 EXEMPLO 5 • Um restaurante serve 3 tipos de pratos rápidos durante o horário do almoço aos seguintes preços: executivo1: $8,00 executivo2: $10,00 executivo3: $12,00 • Sabe-se que a demanda é igual e suficiente para qualquer tipo de prato, e que na falta de um deles o cliente faz opção por outro sem qualquer problema. • Devido à limitações de matéria-prima, a capacidade máxima diária é de 500 refeições. • A margem de contribuição unitária é de $4,20, $5,80 e $6,40 • Se a empresa pretende ter um lucro diário de $2735,00, num faturamento de $ 4900,00, quanto deve servir de cada tipo de prato? 25 EXEMPLO 5 ❑ Modelo Matemático: • Variáveis de decisão: x1: quantidade de pratos Executivo1 vendidos x2: quantidade de pratos Executivo2 vendidos x3: quantidade de pratos Executivo3 vendidos x1+x2+x3 ≤ 500 4,20x1+5,80x2+6,70x3 = 2375 8x1+10x2+12x3 = 4900 x1≥ 0; x2≥ 0; x3≥ 0 26 EXEMPLO 6 • Uma ceramista produz dois produtos, uma jarra e uma vasilha. Gasta 1 hora para produzir uma vasilha, que usa 4 quilos de argila. Uma jarra leva 2 horas e consome 3 quilos de argila. O lucro em uma vasilha é de R$ 40,00 e de R$ 50,00 em uma jarra. Ela trabalha 40 horas por semana, possui 120 quilos de argila disponíveis por semana, e quer maximizar seu lucro. Neste cenários precisa saber quanto produzir de cada produto. 27 EXEMPLO 6 Modelo Matemático (PL) • x1: Quantidade produzida de Vasilhas • x2: Quantidade produzida de Jarras Função Objetivo: Max Z = 40x1 + 50x2 s.a. (conjunto de restrições) x1 + 2x2 40 4x1 + 3x2 120 x1, x2 0 Testar valores de x1 e x2 28 29 PROGRAMAÇÃO LINEAR ❑Modelo matemático de um problema de PL • F.O. Max Z= 1ax1 + bx2 (função objetivo) • s.a (conjunto de restrições) mx1+nx2 ≤ t px1+qx2 ≤ w x1≥0 x2≥0 FIM 30 1 PESQUISA OPERACIONAL PROGRAMAÇÃO LINEAR MÉTODO GRÁFICO Prof. Severino Carlos de Oliveira Filho https://iepg.gnomio.com 2 PROGRAMAÇÃO LINEAR (PL) • Desenvolvida conceitualmente após a segunda guerra pelo soviético Kolmogorov. • Teve como objetivo resolver problemas de logística militar. • Devido aos avanços computacionaisa PL passou a ser usada como ferramenta de gestão empresarial. O MODELO MATEMÁTICO • Um modelo matemático de PL é composto de uma função objetiva linear e por um conjunto de restrições representadas por inequações lineares. Variáveis de decisão: x1;x2 Função objetivo: f(x1,x2) = mx1+nx2 Restrições ax1+bx2 ≤ p cx1+dx2 ≤ q x1≥0 x2 ≥0 técnicas não negatividade 3 4 PL- EXEMPLO • Max Z= 10x1 + 8x2 (função objetivo) • s.a 3x1+3x2 ≤ 30 6x1+3x2≤48 x1≥0 x2≥0 5 RESOLUÇÃO GRÁFICA DE UM MODELO DE PL • A indústria Maximóveis fabrica dois tipos de produtos: cadeiras e mesas. Os produtos apresentam as seguintes margens de contribuição por unidade: Produto Mg ($) Cadeiras 10 Mesas 8 6 PL – EXEMPLO DE APLICAÇÃO • Os produtos são processados por dois departamentos: montagem e acabamento. Ao passar por esses departamentos, cada unidade do produto consome determinado número de horas. Deptos Consumo de horas em unid Cadeiras Mesas Montagem 3 3 Acabamento 6 3 7 PL – EXEMPLO DE APLICAÇÃO • Os departamentos apresentam certa limitação em sua capacidade de produção no que diz respeito à disponibilidade de horas de trabalho. Deptos Capacidade máx em horas Montagem 30 Acabamento 48 8 PL – O OBJETIVO • Desejamos saber: • Qual é a melhor combinação possível de cadeiras e mesas a serem produzidas, de forma a obter a maior margem de contribuição total, consideradas as limitações de capacidade dos departamentos? 9 PL- VARIÁVEIS • Variáveis de decisão: • x1: n.o de cadeiras produzidas • x2: n.o de mesas produzidas 10 PL- FUNÇÃO OBJETIVO • O objetivo do problema é maximizar a margem de contribuição total. • Logo a função objetivo será: • Máx Z=10x1+8x2 11 PL-RESTRIÇÕES • Departamento de montagem: • 3x1+3x2≤30 • Departamento de acabamento: • 6x1+3x2≤48 • Não negatividade: • x1≥0 e x2≥0 12 PL- MODELO COMPLETO • Função objetivo Z=10x1+8x2 • Restrições 3x1+3x2≤30 6x1+3x2≤48 x1≥0 x2≥0 13 PL-SOLUÇÃO GRÁFICA • Depto Montagem: 3x1+3x2≤30 10 10 Região de solução x1 x2 14 PL-SOLUÇÃO GRÁFICA • Depto de Acabamento: 6x1+3x2≤48 16 8 x1 x2 Região de soluções 15 PL-SOLUÇÃO GRÁFICA • Intersecção Dept montagem Depto acabamento x1 x2 8 10 10 16 Polígono de isosolução 10x1+8x2=40 x1=0→x2=5 x2=0→x1=4 0 5 4 16 PL-SOLUÇÃO GRÁFICA • Intersecção x1 x2 8 10 10 16 Linhas de isosolução 17 PL-SOLUÇÃO GRÁFICA • Intersecção x1 x2 8 10 10 16 Solução Ótima (6,4) 6 4 18 PL-SOLUÇÃO GRÁFICA • A solução ótima sempre será um dos vértices do polígono de isosolução. • Quem determina a solução ótima dentro da região de soluções é a função objetivo. • Para se alterar a solução ótima deve-se mudar a inclinação da função objetivo, ou seja, alterar seu coeficiente angular. 19 EXEMPLO 3 - MIX DE PRODUTO. •Uma ceramista produz dois produtos, uma jarra e uma vasilha. Gasta 1 hora para produzir uma vasilha, que usa 4 libras de argila. Uma jarra leva 2 horas e consome 3 libras de argila. O lucro em uma vasilha é de $40 e de $50 em uma jarra. Ela trabalha 40 horas por semana, possui 120 libras de argila disponíveis por semana, e quer maximizar seu lucro.O que fazer de cada produto? •x1: Qtidade de Jarras •x2: Qtidade de Vasilhas Max Z = 40x1 + 50x2 lucros s.a. 1x1 + 2x2 40 horas 4x1+ 3x2 120 argila x1, x2 0 não-negatividade 20 FORMULAÇÃO BÁSICA E CANÔNICA Max Z = 40x1 + 50x2 s.a. 1x1 + 2x2 40 4x1 + 3x2 120 x1 , x2 0 Max Z = 40x1 + 50x2 s.a. 1x1 + 2x2 = 40 4x1 + 3x2 = 120 x1 , x2 , 0 Forma canônica 21 REPRESENTAÇÃO GEOMÉTRICA x2 40 4030 20 x1 Max Z = 40x1 + 50x2 s.a. 1x1 + 2x2 = 40 4x1 + 3x2 = 120 40x1+50x2=200 x1=0 → x2=4 x2=0 → x1= 5 0 4 5 22 REPRESENTAÇÃO GEOMÉTRICA x2 40 4030 20 x1 Max Z = 40x1 + 50x2 s.a. 1x1 + 2x2 = 40 4x1 + 3x2 = 120 x1 = 0 x2 = 0 Z = 0 23 x2 40 4030 20 x1 REPRESENTAÇÃO GEOMÉTRICA Max Z = 40x1 + 50x2 s.a. 1x1 + 2x2 = 40 4x1 + 3x2 = 120 x1 = 0 x2 = 20 Z = 1.000? 24 x2 40 4030 20 x1 REPRESENTAÇÃO GEOMÉTRICA Max Z = 40x1 + 50x2 s.a. 1x1 + 2x2 = 40 4x1 + 3x2 = 120 x1 = 24 x2 = 8 Z = 1.360 25 x2 40 4030 20 x1 Representação Geométrica Max Z = 40x1 + 50x2 s.a. 1x1 + 2x2 = 40 4x1 + 3x2 = 120 x1 = 30 x2 = 0 Z = 1.200 26 SOLUÇÃO • Logo a solução ótima ocorrerá para x1 = 24 x2 = 8 Z = 1.360 27 ATIVIDADE 1. Um alfaiate tem, disponíveis, os seguintes tecidos: 16 metros de algodão, 11 metros de seda e 15 metros de lã. Para um terno são necessários 2 metros de algodão, 1 metro de seda e 1 metro de lã. Para um vestido, são necessários 1 metro de algodão, 2 metros de seda e 3 metros de lã. Se um terno é vendido por $300,00 e um vestido por $500,00, quantas peças de cada tipo o alfaiate deve fazer, de modo a maximizar o seu lucro? 28 ATIVIDADE 2.Um carpinteiro dispõe de 90, 80 e 50 metros de compensado, pinho e cedro, respectivamente. O produto A requer 2, 1 e 1 metro de compensado, pinho e cedro, respectivamente. O produto B requer 1, 2 e 1 metros, respectivamente. Se A é vendido por $120,00 e B por $100,00, quantos de cada produto ele deve fazer para obter um rendimento bruto máximo? 29 FIM 1 PESQUISA OPERACIONAL PROGRAMAÇÃO LINEAR MÉTODO SIMPLEX Prof. Severino Carlos de Oliveira Filho https://iepg.gnomio.com O Método Simplex ❑Objetivo: • Este é o procedimento geral para resolver problemas de programação linear. • É sempre usado um computador, e os programas estão amplamente disponíveis. 2 O Método Simplex • Utilizaremos em nosso curso o aplicativo Solver disponível nas ferramentas do Excel. • Serão apresentados os principais aspectos do método simplex para resolver qualquer problema de programação linear tal que bi > 0 para todo i = 1, 2, ...,m. 3 O Método Simplex 4 ❑É aplicado diretamente quando: • Todas as restrições são do tipo ≤ ou ≥ • Todos os bi são ≥ 0 • A função objetivo é de Maximização ou Minimização O Método Simplex 5 • O Método Simplex foi desenvolvido por George B. Dantzig em 1947. • É um procedimento geral para resolução e análise de problemas de Programação Linear. O Método Simplex • O método simplex é um algoritmo. • Um algoritmo é um processo onde um procedimento sistemático é repetido (iterado) seguidamente até que o resultado desejado seja obtido. • Cada percurso do procedimento sistemático é chamado de iteração. 6 O Método Simplex • Consequentemente, um algoritmo substitui um problema difícil por uma série de outros fáceis. • Além das iterações, os algoritmos também incluem um procedimento de dar início e um critério para determinar quando parar. 7 O Método Simplex • Em resumo: 8 Estrutura dos Algoritmos: Passo de inicialização Preparar para iniciar iterações Passo iterativo Repetir quantas vezes necessário Regra de parada Foi obtido o resultado desejado? Se sim Se não Pare O Método Simplex • Aplicação do método simplex. • Estabelecimento do Método Simplex – É muito mais conveniente lidar com equações do que com relações de desigualdade. – Por isso, o primeiro passo para se estabelecer o método simplex é converter as restrições funcionais de desigualdade em restrições equivalentes de igualdade. – Isto é feito introduzindo variáveis de folga. 9 O Método Simplex • Sabe-se que a solução ótima do modelo é uma solução básica do sistema, ou seja, um dos vértices do polígono de iso-solução, que é gerado pelas restrições. • Para se iniciar o Método Simplex é necessário conhecer uma solução compatível básica, conhecida como solução inicial do sistema. • Esta solução corresponde a um dos pontos do polígono gerado pelas restrições. 10 O Método Simplex • O Método Simplex verifica se esta solução é ótima, caso seja o processo está então encerrado. • Caso contrário, se não for ótima, é porque um dos vértices adjacentes fornece uma solução melhor, com um valor maior que o inicial. • Neste caso então o MétodoSimplex faz a mudança do ponto por um outro que aumente o valor da função objetivo. 11 O Método Simplex • Agora tudo que foi feito para o primeiro ponto é feito para o novo ponto. • O processo finaliza quando obtemos um ponto extremo (vértice), em que a função objetivo atinge seu maior valor, pois todos os outros pontos fornecem valores menores para a função objetivo. 12 13 RESOLUÇÃO PELO MÉTODO SIMPLEX DE UM MODELO DE PL • A indústria Maximóveis fabrica dois tipos de produtos: cadeiras e mesas. Os produtos apresentam as seguintes margens de contribuição por unidade: Produto Mg ($) Cadeiras 10 Mesas 8 14 PL – EXEMPLO DE APLICAÇÃO • Os produtos são processados por dois departamentos: montagem e acabamento. Ao passar por esses departamentos, cada unidade do produto consome determinado número de horas. Deptos Consumo de horas em unid Cadeiras Mesas Montagem 3 3 Acabamento 6 3 15 PL – EXEMPLO DE APLICAÇÃO • Os departamentos apresentam certa limitação em sua capacidade de produção no que diz respeito à disponibilidade de horas de trabalho. Deptos Capacidade máx em horas Montagem 30 Acabamento 48 16 PL – O OBJETIVO • Desejamos saber: • Qual é a melhor combinação possível de cadeiras e mesas a serem produzidas, de forma a obter a maior margem de contribuição total, consideradas as limitações de capacidade dos departamentos? 17 MÉTODO SIMPLEX ❑ Escrever o modelo matemático ❖ Construir a tabela base do modelo • Determinar a coluna do menor coeficiente negativo • Determinar a variável básica que entra • Determinar a menor razão bi/xi • Determinar a variável básica que sai • Determina o Pivo no cruzamento • Determinar a linha Pivo 18 MÉTODO SIMPLEX ❖ Construir a primeira Iteração • Entra x1 sai f2 • nLp = Lp / Pivo • nL0 = L0 - coef x nLP • nL1 = L1 -coef x nLp ❖ Construir a segunda Iteração ❖ Construir a segunda Iteração.................. 19 PL- MODELO MATEMÁTICO • Max Z= 10x1 + 8x2 (função objetivo) • s.a 3x1+3x2 ≤ 30 6x1+3x2≤48 x1≥0 x2≥0 20 PL- MODELO MATEMÁTICO • Max Z-10x1 - 8x2 = 0 • s.a 3x1+3x2 = 30 6x1+3x2=48 x1≥0 x2≥0 21 PL- MÉTODO SIMPLEX Tabela Base Menor coeficiente negativo -10 Variável básica que entra: x1 menor razão bi/xi 8 Variável básica que sai: f2 Linha Pivô: L2 Pivô 6 Var bi Básica Linha Z x1 x2 f1 f2 bi xi Z L0 1 -10 -8 0 0 0 f1 L1 0 3 3 1 0 30 10 f2 L2 0 6 3 0 1 48 8 22 PL- MÉTODO SIMPLEX Iteração 1 Var bi Básica Linha Z x1 x2 f1 f2 bi xi Z L0 1 0 -3 0 1,667 80 f1 L1 0 0 1,5 1 -0,5 6 4 x1 L2 0 1 0,5 0 0,1667 8 16 nL0 = L0 - coef x nLP nL1 = L1 -coef x nLp nL0= 1-(-10)(0) = 1 nL1= 0-(3)(0) = 0 -10-(-10)(1) = 0 3-(3)(1) = 0 -8-(-10)(0,5) = -3 3-(3)(0,5) = 1,5 0-(-10)(0) = 0 1-(3)(0) = 1 0-(-10)(0,1667) = 1,667 0-(3)(0,1667) = -0,5 0-(-10)(8) = 80 30-(3)(8) = 6 23 PL- MÉTODO SIMPLEX Iteração 2 Var bi Básica Linha Z x1 x2 f1 f2 bi xi Z L0 1 0 -3 0 1,66667 80 0 f1 L1 0 0 1,5 1 -0,5 6 4 x1 L2 0 1 0,5 0 0,16667 8 16 Entra x2 Sai f1 nLp = Lp / Pivo nL0 = L0 - coef x nLP nL1 = L1 -coef x nLp Linha Pivô: L1 Pivô 1,5 24 PL- MÉTODO SIMPLEX Iteração 2 Var bi Básica Linha Z x1 x2 f1 f2 bi xi Z L0 1 0 0 2 0,667 92 x2 L1 0 0 1 0,667 -0,333 4 x1 L2 0 1 0 -0,333 0,333 6 Parada: Todos os coeficientes da linha zero são não negativos Solução Ótima: x2 = 4 Z= 92 x1 = 6 f1 = 0 f2 = 0 25 PL- MÉTODO SIMPLEX ❑Usando a Tecnologia • OR Simplex • Faça download o App para Android na Play Store • Instale e siga as instruções para resolver o exemplo anterior. 26 PL- MÉTODO SIMPLEX ❑OR Simplex 27 PL- MÉTODO SIMPLEX ❑OR Simplex 28 PL- MÉTODO SIMPLEX ❑OR Simplex 29 PL- MÉTODO SIMPLEX ❑OR Simplex 30 ATIVIDADE 1. Resolver pelo Método Simplex • Min Z=4x1+x2 s.a. 2x1+2x2 ≥ 10 x1+6x2 ≥ 20 x1;x2 ≥ 0 R: x1=0, x2=5 e Z = 5 31 ATIVIDADE 2. Resolver pelo Método Simplex • Max Z=5x1+4x2+3x3 s.a. 2x1+3x2+x3 ≤ 5 4x1+2x2+2x3 ≤ 11 3x1+2x2+2x3 ≤ 8 x1;x2;x3 ≥ 0 R: x1=2 ; x2=0; x3=1; Z=13 32 ATIVIDADE 3. Um alfaiate tem, disponíveis, os seguintes tecidos: 16 metros de algodão, 11 metros de seda e 15 metros de lã. Para um terno são necessários 2 metros de algodão, 1 metro de seda e 1 metro de lã. Para um vestido, são necessários 1 metro de algodão, 2 metros de seda e 3 metros de lã. Se um terno é vendido por $300,00 e um vestido por $500,00, quantas peças de cada tipo o alfaiate deve fazer, de modo a maximizar o seu lucro? R: Z= $3100,00 x1=7 ternos x2=2 vestidos 33 ATIVIDADE 4. Um carpinteiro dispõe de 90, 80 e 50 metros de compensado, pinho e cedro, respectivamente. O produto A requer 2, 1 e 1 metros de compensado, pinho e cedro, respectivamente. O produto B requer 1, 2 e 1 metros, respectivamente. Se A é vendido por $120,00 e B por $100,00, quantos de cada produto ele deve fazer para obter um rendimento bruto máximo? R: Z= $5800,00 x1=40 unid de A x2=10 unis de B 34 O Método Simplex FIM 1 PESQUISA OPERACIONAL PROGRAMAÇÃO LINEAR USO DA FERAMENTA SOLVER Prof. Severino Carlos de Oliveira Filho https://iepg.gnomio.com 2 RESOLUÇÃO DE UM MODELO DE PL ATRAVÉS DO SOLVER • A indústria Maximóveis fabrica dois tipos de produtos: cadeiras e mesas. Os produtos apresentam as seguintes margens de contribuição por unidade: Produto Mg ($) Cadeiras 10 Mesas 8 3 PL – EXEMPLO DE APLICAÇÃO • Os produtos são processados por dois departamentos: montagem e acabamento. Ao passar por esses departamentos, cada unidade do produto consome determinado número de horas. Deptos Consumo de horas em unid Cadeiras Mesas Montagem 3 3 Acabamento 6 3 4 PL – EXEMPLO DE APLICAÇÃO • Os departamentos apresentam certa limitação em sua capacidade de produção no que diz respeito à disponibilidade de horas de trabalho. Deptos Capacidade máx em horas Montagem 30 Acabamento 48 5 PL – O OBJETIVO • Desejamos saber: • Qual é a melhor combinação possível de cadeiras e mesas a serem produzidas, de forma a obter a maior margem de contribuição total, consideradas as limitações de capacidade dos departamentos? 6 PL- VARIÁVEIS • Variáveis de decisão: • x1: n.o de cadeiras produzidas • x2: n.o de mesas produzidas 7 PL- FUNÇÃO OBJETIVO • O objetivo do problema é maximizar a margem de contribuição total. • Logo a função objetivo será: • Máx MgT=10x1+8x2 8 PL-RESTRIÇÕES • Departamento de montagem: • 3x1+3x2 ≤ 30 • Departamento de acabamento: • 6x1+3x2 ≤ 48 • Não negatividade: • x1 ≥ 0 e x2 ≥ 0 9 PL- MODELO COMPLETO • Função objetivo MgT=10x1+8x2 • Restrições 3x1+3x2 ≤ 30 6x1+3x2 ≤ 48 x1 ≥ 0 x2 ≥ 0 10 PL – USANDO O SOLVER • A ferramenta SOLVER do MS-Excel trabalha com PL de forma rápida e eficiente. • Abra o MS-Excel na aba Dados e verifique se o Solver está instalado. • Se não tiver vá em: Arquivos -> Opções-> Gerenciar Suplementos do Excel-> ir e selecione: – Ferramenta de Análise – Ferramenta de Análise VBA – SOLVER 11 PL – SOLUÇÃO SOLVER 12 PL – SOLUÇÃO SOLVER SOLVER CADEIRAS MESAS C M Qtidade a produzir 6 4 MgT 10 8 92 Função objetivo Restrições HD HU Folga Depto Montagem 3 3 30 30 0 Depto Acabamento 6 3 48 48 0 13 EXEMPLO 3 - MIX DE PRODUTO. •Uma ceramista produz dois produtos, uma jarra e uma vasilha. Gasta 1 hora para produzir uma vasilha, que usa 4 libras de argila. Uma jarra leva 2 horas e consome 3 libras de argila. O lucro em uma vasilha é de $40 e de $50 em uma jarra. Ela trabalha 40 horas por semana, possue 120 libras de argila disponíveis por semana, e quer maximizar seu lucro.O que fazer de cada produto? Max Z = 40x + 50y lucros s.a. 1x + 2y 40 horas 4x + 3y 120 argila x, y 0 não-negatividade 14 FORMULAÇÃO BÁSICA E CANÔNICA Max Z = 40x1 + 50x2 s.a. 1x1 + 2x2 40 4x1 + 3x2 120 x1 , x2 0 Max Z = 40x1 + 50x2 s.a. 1x1 + 2x2 + f1 = 40 4x1 + 3x2 + f2 = 120 x1 , x2 , f1 , f2 0 Forma canônica 15 SOLUÇÃO - SOLVER SOLVER JARRA VAZILHA J V Qtidade a produzir 8 24MgT 50 40 1360 Função objetivo Restrições HD HU Folga Tempo produção 2 1 40 40 0 Qtidade argila 3 4 120 120 0 16 EXEMPLO 3 • A indústria Selton fabrica três modelos de computadores: PC 100, PC 200 e PC 300 . Os produtos apresentam as seguintes margens de contribuição por unidade: Produto Mg ($) PC100 150 PC200 210 PC300 280 17 PL – Exemplo de aplicação • Os produtos são manufaturados por três departamentos: montagem, testes e embalagem. Ao passar por esses departamentos, cada unidade do produto consome determinado número de horas. Deptos Consumo de horas em unid PC100 PC200 PC300 Montagem 1 1,5 3 Testes 1 2 3 Embalagem 0.20 0.30 0.50 18 PL – Exemplo de aplicação • Os departamentos apresentam certa limitação em sua capacidade de produção no que diz respeito à disponibilidade de horas de trabalho. Deptos Capacidade máx em horas Montagem 185 Testes 200 Embalagem 33 19 PL – O objetivo • Desejamos saber: Qual é a melhor combinação possível de modelos de computadores a serem produzidos, de forma a obter a maior margem de contribuição total, consideradas as limitações de capacidade dos 3 departamentos? 20 PL- Variáveis Variáveis de decisão: • x1: n.o de PC100 produzidos • x2: n.o de PC200 produzidos • x3: n.o de PC300 produzidos 21 PL- Função Objetivo • O objetivo do problema é maximizar a margem de contribuição total. • Logo a função objetivo será: • Máx MgT=150x1+210x2+280x3 22 PL-Restrições • Departamento de montagem: 1x1 + 1,5x2 +3x2 ≤ 185 • Departamento de testes: 1x1+2x2+3x3 ≤ 200 • Departamento de empacotamento: 0,2x1+0,3x2+0,5x3 ≤ 33 • Não negatividade: X1 ≥0; X2 ≥ 0; X3 ≥ 0 23 PL- Modelo Completo • Função objetivo MgT=150x1+210x2+280x3 • Restrições 1x1 + 1,5x2 +3x2 ≤ 185 1x1+2x2+3x3 ≤ 200 0,2x1+0,3x2+0,5x3 ≤ 33 x1 ≥0; x2 ≥ 0; x3 ≥ 0 24 Solução usando o Solver P100 P200 P300 Total Produção 0 0 0 Mg 150 210 280 0 Horas Horas Restrições Utilizadas Disponíveis Depto Montagem 1 1,5 3 0 185 Depto Teste 1 2 3 0 200 Depto Embalagem 0,2 0,3 0,5 0 33 SELTON COMPUTADORES 25 SOLVER (Opções) 26 SOLVER (Opções) 27 Solução usando o Solver P100 P200 P300 Total Produção 0 100 0 Mg 150 210 280 21000 Horas Horas Restrições Utilizadas Disponíveis Depto Montagem 1 1,5 3 150 185 Depto Teste 1 2 3 200 200 Depto Embalagem 0,2 0,3 0,5 30 33 SELTON COMPUTADORES 28 Solução usando o Solver P100 P200 P300 Total Produção 60 70 0 Mg 150 210 280 23700 Horas Horas Restrições Utilizadas Disponíveis Depto Montagem 1 1,5 3 165 185 Depto Teste 1 2 3 200 200 Depto Embalagem 0,2 0,3 0,5 33 33 SELTON COMPUTADORES 29 Solução usando o Solver P100 P200 P300 Total Produção 165 0 0 Mg 150 210 280 24750 Horas Horas Restrições utilizadas disponíveis Depto Montagem 1 1,5 3 165 185 Depto Teste 1 2 3 165 200 Depto Embalagem 0,2 0,3 0,5 33 33 SELTON COMPUTADORES EXERCÍCIO • Certa empresa fabrica dois produtos P1 e P2. O lucro unitário do produto P1 é de $1000 e o de P2 é $1800. A empresa precisa de 20 h para fabricar uma unidade de P1 e de 30 horas para fabricar uma unidade de P2.O tempo anual de produção disponível para isso é 1200 h. A demanda esperada para P1 é 40 unid anuais e para P2 é 30 unidades anuais. Qual é o plano de produção para que a empresa maximize seu lucro nesses itens? Construa o modelo matemático. 30 EXERCÍCIO Produtos: P1 e P2 Variáveis de decisão: x1; x2 x1: quantidade anual produzida de P1 x2: quantidade anual produzida de P2 Função Objetivo: Max L=1000x1+1800x2 Restrições: 20x1+30x2≤1200 x1 ≤40 x2 ≤30 x1;x2 ≥0 31 32 SOLVER FIM PO - Fundamentos PESQUISA OPERACIONAL FUNDAMENTOS Prof. Severino Carlos de Oliveira Filho https://iepg.gnomio.com INTRODUÇÃO O QUE É UM MODELO EM COMPUTADOR? O QUE É UM MODELO? O QUE É UM MODELO? O QUE É UM MODELO? CARACTERÍSTICAS DOS MODELOS BENEFÍCIOS DA MODELAGEM O MODELO MATEMÁTICO MODELO MATEMÁTICO GENÉRICO MODELOS MATEMÁTICOS E PLANILHAS CLASSIFICAÇÃO DOS MODELOS CLASSIFICAÇÃO DOS MODELOS CATEGORIA DE MODELOS MATEMÁTICOS CONCEITOS BÁSICOS O PROCESSO DE RESOLUÇÃO DE PROBLEMAS A RESOLUÇÃO DE PROBLEMAS EXEMPLO 1 EXEMPLO 2 EXEMPLO 2 EXEMPLO 3 EXEMPLO 3 EXEMPLO 4 EXEMPLO 4 EXEMPLO 5 EXEMPLO 5 EXEMPLO 6 EXEMPLO 6 PROGRAMAÇÃO LINEAR Slide 30 Programação Linear - Método Gráfico PESQUISA OPERACIONAL PROGRAMAÇÃO LINEAR MÉTODO GRÁFICO Prof. Severino Carlos de Oliveira Filho https://iepg.gnomio.com PROGRAMAÇÃO LINEAR (PL) O MODELO MATEMÁTICO PL- EXEMPLO RESOLUÇÃO GRÁFICA DE UM MODELO DE PL PL – EXEMPLO DE APLICAÇÃO PL – EXEMPLO DE APLICAÇÃO PL – O OBJETIVO PL- VARIÁVEIS PL- FUNÇÃO OBJETIVO PL-RESTRIÇÕES PL- MODELO COMPLETO PL-SOLUÇÃO GRÁFICA PL-SOLUÇÃO GRÁFICA PL-SOLUÇÃO GRÁFICA PL-SOLUÇÃO GRÁFICA PL-SOLUÇÃO GRÁFICA PL-SOLUÇÃO GRÁFICA EXEMPLO 3 - MIX DE PRODUTO. FORMULAÇÃO BÁSICA E CANÔNICA REPRESENTAÇÃO GEOMÉTRICA REPRESENTAÇÃO GEOMÉTRICA REPRESENTAÇÃO GEOMÉTRICA REPRESENTAÇÃO GEOMÉTRICA Slide 25 SOLUÇÃO ATIVIDADE ATIVIDADE Slide 29 O Metodo SIMPLEX PESQUISA OPERACIONAL PROGRAMAÇÃO LINEAR MÉTODO SIMPLEX Prof. Severino Carlos de Oliveira Filho https://iepg.gnomio.com O Método Simplex O Método Simplex O Método Simplex O Método Simplex O Método Simplex O Método Simplex O Método Simplex O Método Simplex O Método Simplex O Método Simplex O Método Simplex RESOLUÇÃO PELO MÉTODO SIMPLEX DE UM MODELO DE PL PL – EXEMPLO DE APLICAÇÃO PL – EXEMPLO DE APLICAÇÃO PL – O OBJETIVO MÉTODO SIMPLEX MÉTODO SIMPLEX PL- MODELO MATEMÁTICO PL- MODELO MATEMÁTICO PL- MÉTODO SIMPLEX PL- MÉTODO SIMPLEX PL- MÉTODO SIMPLEX PL- MÉTODO SIMPLEX PL- MÉTODO SIMPLEX PL- MÉTODO SIMPLEX PL- MÉTODO SIMPLEX PL- MÉTODO SIMPLEX PL- MÉTODO SIMPLEX ATIVIDADE ATIVIDADE ATIVIDADE ATIVIDADE Slide 34 Programação Linear - Solver
Compartilhar