Baixe o app para aproveitar ainda mais
Prévia do material em texto
Pesquisa Operacional Responsável pelo Conteúdo: Prof. Dr. Luciano Rossi Revisão Textual: Aline Gonçalves Análise de Problemas Típicos Análise de Problemas Típicos • Apresentar ao aluno problemas típicos do campo da pesquisa operacional e formas específicas de resolvê-los. OBJETIVO DE APRENDIZADO • Análise de Sensibilidade; • Problema de Redes; • Método de Vogel. UNIDADE Análise de Problemas Típicos Análise de Sensibilidade Na unidade anterior, exploramos o método Simplex para a resolução de problemas de programação linear. Nesse tipo de problema, vimos que o modelo do problema é formado por um sistema de inequações lineares. As inequações possuem coefi- cientes que multiplicam as variáveis do problema. Note que os valores desses coefi- cientes são constantes, ou seja, são predeterminados e indicam um grau de certeza para esses parâmetros. Quando modelamos um problema, os valores dos coeficientes são, na prática, estimativas que podem mudar no decorrer do processo. Assim, se obtivemos uma solução ótima para determinado modelo, o que acontece com essa solução se algum coeficiente for alterado? Precisaremos aplicar o método Simplex novamente para o modelo alterado? A Análise de Sensibilidade é o estudo do efeito que as alterações nos parâmetros do modelo (coeficientes) podem ter sobre a solução ótima encontrada. Assim, veri- ficamos qual a tolerância permitida para a alteração dos parâmetros, sem que haja impacto na solução. Essa análise pode ser feita em diferentes categorias de alterações. Antes de iniciarmos a discussão sobre a análise de sensibilidade, vamos resgatar um exemplo que foi explorado na unidade anterior. Considere o seguinte modelo: ( ) ( ) ( ) ( ) 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 2 3 60 2 2 110 2 90 , , 0 MAX Z x x x i x x x ii x x x iii x x x iv x x x = + + + + ≤ + + ≤ + + ≤ ≥ A solução ótima do modelo anterior foi obtida por meio do método Simplex, cujos passos foram apresentados, em detalhes, anteriormente. A solução foi obtida por meio da transformação do modelo em sua forma geral (anterior) para a forma padrão, cuja descrição é a seguinte: ( ) ( ) ( ) ( ) 1 2 3 1 2 3 4 1 2 3 5 1 2 3 6 2 3 0 60 2 2 100 2 90 Z x x x a x x x x b x x x x c x x x x d − − − = + + + = + + + = + + + = A Tabela 1, a seguir, apresenta os valores para as variáveis, básicas e não básicas, da solução ótima do modelo: 8 9 Tabela 1 – Simplex – valores para variáveis da solução ótima x1 x2 x3 x4 x5 x6 b x4 1⁄2 0 0 1 –1⁄2 0 5 x5 0 1 0 0 1 –1 20 x6 1⁄2 0 1 0 –1⁄2 1 35 Z 1⁄2 0 0 0 1⁄2 1 145 A solução obtida considera as variáveis básicas (x2, x3 e x4) e não básicas (x1, x5 e x6), relembrando que as variáveis básicas são aquelas que compõem a solução e as não bási- cas são aquelas que foram desconsideradas. A forma de representação da solução, a qual consideramos até o momento, descreve somente os valores para as variáveis básicas, sem considerar os coeficientes residuais das variáveis não básicas. Nesse sentido, os coeficientes das variáveis não básicas são importantes para que possamos realizar a análise de sensibilidade. Vamos considerar uma nova forma de representar uma solução para um modelo de programação linear. Essa representação utiliza as variáveis não básicas, e seus respectivos coeficientes, juntamente com as variáveis básicas. Assim, a representação da solução ótima, para o modelo anteriormente descrito, ficaria da seguinte forma: ( ) ( ) ( ) ( ) 1 5 6 2 5 6 3 1 5 6 4 1 5 1 1 145 2 2 20 1 1 35 2 2 1 1 5 2 2 Z x x x A x x x B x x x x C x x x D + + + = + − = + − + = + − = A equação (A) representa o valor da solução ótima encontrada para a função Z = 145. Veja que as demais variáveis, pertinentes à função, são não básicas (x1, x5 e x6), portanto, são iguais a zero e estão acompanhadas dos respectivos coeficientes destacados na tabela da solução. A mesma lógica vale para a equação (B), na qual o valor x2 = 20 e as variáveis não básicas x5 e x6 valem zero e os valores de seus coeficientes são iguais a um. A representação utilizando as variáveis não básicas não influencia a representação do valor da variável básica, pois elas sempre são iguais a zero. Nesse sentido, o que nos interessa são os valores de seus coeficientes, especificamente para a realização da análise de sensibilidade. Análise de Sensibilidade dos Coeficientes da Função Objetivo A análise de sensibilidade pode ser feita para diferentes categorias, sempre refe- rente ao coeficiente, constante ou variável, que se pretende analisar. Nesta seção, examinaremos os coeficientes das variáveis básicas e não básicas na solução ótima. 9 UNIDADE Análise de Problemas Típicos Variáveis não Básicas Considerando o modelo anterior, vamos examinar a variação que o coeficiente da variável x1 pode sofrer, sem que haja uma alteração para o valor encontrado para a solução ótima. Vamos utilizar a equação (a) que descreve a função objetivo da seguinte forma: ( ) ( )1 2 31 2 3 0Z x x x a− − − = O coeficiente original da variável x1 é 1, queremos saber quanta variação é pos- sível adicionar ao coeficiente de x1 sem que o valor de Z seja alterado. Assim, con- sidere que Δ (delta) representa a variação adicionada ao coeficiente, ou seja, o novo coeficiente de x1 é 1 + Δ (valor original do coeficiente mais a variação), de modo que Δ ≥ 0. Substituindo o novo coeficiente em (a), temos: ( ) 1 2 31 2 3 0Z x x x− + ∆ − − = Que pode ser escrita da seguinte forma: 1 1 2 32 3 0Z x x x x− − ∆ − − = A função objetivo foi acrescida de –Δx1, o que representa a variação adicional. Considerando a equação (A), que representa a solução ótima, com o acréscimo da variação, temos o seguinte: ( ) ( ) 1 1 5 6 1 5 6 1 1 145 2 2 1 1 145 2 2 Z x x x x A Z x x x A + − ∆ + + = + − ∆ + + = A interpretação é fundamental na análise de sensibilidade. Nesse caso, temos um problema de maximização, isto é, queremos maximizar a função objetivo. Nesse sentido, temos que garantir que o novo coeficiente de x1 seja maior ou igual a zero, assim, temos o seguinte: 1 1 10 2 2 2 − ∆ ≥ ⇒ −∆ ≥ − ⇒ ∆ ≤ O valor identificado para a variação de x1, representado pelo Δ, indica que a va- riação do coeficiente de x1 pode ser, no máximo, 1 2 . Esse valor é denominado Limite Superior (LS), ou seja, essa é a variação máxima que podemos atribuir ao coeficiente de x1. Veja que não há, nas demonstrações matemáticas, uma especificação para o Limite Inferior (LI). Porém, dado que o problema em questão é de maximização, não faz sentido termos variação negativa, assim, o LI para o coeficiente de x1 é igual a zero. A representação do intervalo determinado pelos limites é [LI; LS], deste modo, o intervalo de variação para o coeficiente de x1, sem que haja impacto no resultado da função objetivo, é [0; 1 + Δ] ou [0; 1,5]. 10 11 Importante! Para os coeficientes de variáveis não básicas, o valor de Δ será sempre o coeficiente da variável em análise na função (A). Variáveis Básicas A análise de sensibilidade para as variáveis básicas segue a mesma lógica aplicada para as variáveis não básicas. Considere que vamos analisar a sensibilidade do coefi- ciente de x2, notadamente uma variável básica. A função objetivo será utilizada para adicionarmos a variação Δ ao coeficiente de x2 da seguinte forma: ( ) 1 2 3 1 2 3 1 2 2 3 2 3 0 2 3 0 2 3 0 Z x x x Z x x x Z x x x x − − − = − − + ∆ − = − − − ∆ − = Note que, se compararmos as funções inicial e final, observamos que a variação adicionada na função objetivo é representada por –Δx2. Assim, vamos utilizar essa variação na equação que descreve a solução ótima para o problema (equação (A)): 1 2 5 6 1 1 145 2 2 Z x x x x+ − ∆ + + = A representação adotada aqui descreve o valor ótimo para Z e as respectivas variáveis não básicas, as quais, por não participarem da solução, têm seus valores iguais a zero, o que não altera o valor de Z. Porém, veja que x2 é uma variável básicae, nessa condição, se ela for mantida na equação anterior, o valor para Z será alterado, assim, devemos eliminá-la da equação. Para proceder com a eliminação, primeiro vamos multiplicar a equação (B) onde x2 é variável básica, por Δ, o que resultaria na seguinte equação: 2 5 6 20x x x∆ + ∆ − ∆ = ∆ Veja que, de forma conveniente, temos Δx5 positivo na equação que é resultado da multiplicação de (B) por Δ, desse modo, se somarmos ambas as equações, a vari- ável básica será eliminada, o que resultará na seguinte equação: ( )1 5 6 1 1 1 145 20 2 2 Z x x x + + + ∆ + − ∆ = + ∆ Tendo em mente que estamos tratando um problema de maximização, é impor- tante garantir que todos os coeficientes das variáveis não básicas na equação anterior sejam positivos. Assim, temos o seguinte: 1 10 2 2 1 0 1 1 + ∆ ≥ ⇒ ∆ ≥ − − ∆ ≥ ⇒ −∆ ≥ − ⇒ ∆ ≤ 11 UNIDADE Análise de Problemas Típicos Os intervalos para Δ se sobrepõem, assim, a Figura 1 a seguir apresenta a análise dessa sobreposição: Figura 1 – Análise da sobreposição de intervalos para Δ Fonte: Acervo do conteudista O primeiro segmento de reta mostra que os valores válidos para Δ são aqueles maiores ou iguais a – 1 2 , por outro lado, o segundo segmento de reta apresenta os valores menores ou iguais a 1 como válidos para Δ. Assim, a análise da sobreposição resulta em: 1 1 2 − ≤ ∆ ≤ Desse modo, para o coeficiente de x2 na função objetivo, temos: [ ]12 ;2 1 1,5;3 2 − + ⇒ Em outras palavras, o coeficiente de x2 na função objetivo pode variar entre 1,5 e 3, sem que a solução ótima identificada seja alterada. Constantes do Lado Direito Esse tipo de análise de sensibilidade considera a variação no resultado das restri- ções, de modo a não alterar a solução ótima. Em outras palavras, queremos saber quanto a constante da restrição pode variar. Considerando o exemplo anterior, vamos analisar a restrição: ( )1 2 3 4 60x x x x b+ + + = Para analisarmos essa restrição, vamos adicionar um valor Δ, que representa a variação, a constante 60: 1 2 3 4 60x x x x+ + + = + ∆ A variação adicionada Δ e a variável de folga x4 possuem o mesmo coeficiente, isso significa que, durante a aplicação do Simplex, tudo que for feito para a variá- vel x4 valerá, também, para Δ. O próximo passo é verificar em quais equações da solução ótima a variável x4 aparece. Para esse caso, a variável x4 aparece somente 12 13 na equação (D) e o valor do seu coeficiente é igual a 1, o Δ será adicionado à cons- tante do lado direito, também, com esse coeficiente: 4 1 5 1 1 5 2 2 x x x+ − = + ∆ Conforme discutido anteriormente, o valor da constante do lado direito deve ser positivo; nesse caso, temos o seguinte: 5 0 5+ ∆ ≥ ⇒ ∆ ≥ O valor 5 representa a variação permissível para o LI, por outro lado, não há limitação quanto ao LS, o qual representamos por infinito, conforme descrito: [ ] [ ]60 5;60 55;− + ∞ → ∞ Assim, podemos dizer que para a restrição (b) o valor da constante do lado direito pode variar entre 55 e ∞, sem que haja comprometimento da solução ótima obtida. Vejamos como a análise de sensibilidade para a constante do lado direito pode ser feita para a restrição (c), procedendo da mesma maneira, com a inclusão de Δ para representar a variação da constante: 1 2 3 52 2 110x x x x+ + + = + ∆ Pela lógica anterior, vemos que x5 e Δ possuem o mesmo coeficiente (1), nesse sentido, durante a aplicação do Simplex, tudo o que for feito na variável de folga x5 valerá, também, para Δ. Considerando a solução ótima, o próximo passo consiste em identificar quais as equações apresentam a variável x5 e considerar a inclusão de Δ com o mesmo coeficiente da variável: 2 5 6 3 1 5 6 4 1 5 20 1 1 135 2 2 2 1 1 15 2 2 2 x x x x x x x x x x + − = + ∆ + − + = − ∆ + − = − ∆ O próximo passo é garantir que as constantes nas restrições sejam maiores ou iguais a zero, assim, temos o seguinte: 20 0 20 1 135 0 35 70 2 2 1 15 0 5 10 2 2 + ∆ ≥ ⇒ ∆ ≥ − − ∆ ≥ ⇒ − ∆ ≥ − ⇒ ∆ ≤ − ∆ ≥ ⇒ − ∆ ≥ − ⇒ ∆ ≤ 13 UNIDADE Análise de Problemas Típicos Considerando as sobreposições das inequações referentes a Δ, a Figura 2 ilustra o resultado das sobreposições. Figura 2 – Sobreposições das inequações de Δ Fonte: Acervo do conteudista Assim, o valor de Δ deve ser maior ou igual a –20 e menor ou igual a 10, e os limi- tes para o intervalo de variação da constante na restrição (c) são [110 – 20; 110 + 10] ou [90; 120]. Isso significa que a constante pode variar entre os limites estabelecidos, sem impactar na solução encontrada. Para finalizar, vamos analisar a restrição (d) do nosso problema, seguindo os mesmos passos descritos para as outras restrições. Primeiro atribuímos Δ juntamente com a constante do lado direito: x1 + x2 + 2x3 + x6 = 90 + Δ Nesse caso, a variável cujo coeficiente será considerado para a inserção da varia- ção nas equações da solução ótima é x6. Essas inequações são as seguintes: 2 5 6 3 1 5 6 20 1 1 35 2 2 x x x x x x x + − = − ∆ + − + = + ∆ Como queremos garantir que as constantes sejam maiores ou iguais a zero, temos o seguinte: 20 0 20 20 35 0 35 − ∆ ≥ ⇒ −∆ ≥ − ⇒ ∆ ≤ + ∆ ≥ ⇒ ∆ ≥ − Assim, os limites para o intervalo de variação da constante em (d) são [90 – 35; 90 + 20] ou [55; 110]. Problema de Redes Uma classe específica de problemas de Pesquisa Operacional pode ser modelada como uma rede, facilitando sua visualização e interpretação. Redes são tipos de representação que utilizam estruturas denominadas grafos. Um grafo é um conjunto de vértices que são conectados por arestas. Os vértices podem representar qualquer 14 15 objeto do mundo real, enquanto as arestas representam os relacionamentos existen- tes entre os vértices. Uma rede social pode ser modelada (representada) por meio de um grafo. Nesse caso, os vértices representam as pessoas e as arestas representam os relacionamentos de, por exemplo, amizade entre elas. Outro exemplo é a representação de um mapa por meio de um grafo; os vértices podem representar cidades e as arestas repre- sentam as vias que interligam essas cidades. Nesse sentido, as arestas podem estar associadas a valores numéricos denominados pesos. Os pesos das arestas podem representar, por exemplo, a distância em quilômetros da cidade A até a cidade B. Existem diferentes problemas de programação em redes. Para os nossos estudos, consideraremos o clássico problema do transporte. Essa classe de problemas foi inicialmente considerada para determinar o menor custo de transporte de produtos entre fábricas e consumidores. A solução desse tipo de problema é feita por meio do Método de Transporte. A Figura 3 apresenta um exemplo de grafo (rede) no qual os vértices da esquerda representam fornecedores e os da direita são os consumidores. Para cada entidade na rede (fornecedor e consumidor) há um valor associado. Os valores associados aos fornecedores (CFi, com i = 1, …, m) referem-se à capacidade de fornecimento, ou seja, o quanto ele consegue produzir. Por outro lado, os valores associados aos con- sumidores (DCj com j = 1, …, n) definem a demanda de consumo, isto é, o quanto aquele consumidor tem de demanda do produto. Todos os fornecedores podem entregar seus produtos a todos os consumidores. No entanto, para cada entrega há um custo (Wij) diferenciado em função da distância entre as entidades envolvidas e uma quantidade fornecida (Xij). W Xnm, nm W X11, 11 DCmCm C2 C1 CFn CF2 CF1 F1 F2 Fn DC2 DC1 Figura 3 – Exemplo de rede (grafo) Fonte: Acervo do conteudista Os vértices da esquerda representam os fornecedores, enquanto os vértices da direita representam os consumidores e as arestas direcionadas representam o fornecimento com um custo associado e uma quantidade de produtos fornecida. O objetivo para a resolução do problema é determinar os valores para Xij que tor- narão mínimo o custo total de transporte, satisfazendo todas as restrições de oferta 15 UNIDADE Análise de Problemas Típicos (capacidade de fornecimento) e demanda (necessidadede consumo). O modelo mate- mático apresenta a seguinte forma geral: 1 1 n m ij ij i j MIN z W X = = = ∑ ∑ Sujeito a: ( ) ( ) 1 1 : 1, 2, , : 1, 2, , 0 n i j i i m i j j i i j x CF i m x DC j n x = = ∑ ≤ = ∑ ≥ = ≥ O modelo, anteriormente descrito, descreve a função objetivo Z como a somatória dos produtos entre os custos de transporte (Wnm) pelas quantidades transportadas (Xnm). O objetivo é minimizar o custo total de transporte. As restrições descrevem que a somatória das quantidades transportadas pelo fornecedor i deve ser menor ou igual à capacidade de fornecimento. De maneira similar, temos que a somatória das quantidades fornecidas para o consumidor j deve ser maior ou igual à demanda desse consumidor. Em termos práticos, um fornecedor não pode vender mais do que produz e um consumidor não pode consumir mais do que é produzido. Além disso, as quantidades transportadas devem ser maiores ou iguais a zero. O modelo apresentado para o problema do transporte é um problema de progra- mação linear. Desse modo, poderia ser resolvido pelo método Simplex, conforme visto anteriormente. Entretanto, devido à estrutura particular do problema, há formas mais eficientes de resolvê-lo. Quando temos uma demanda igual à capacidade de fornecimento, dizemos que o problema do transporte é balanceado. Assim, o modelo sofre uma pequena, mas importante, alteração. As restrições são alteradas de inequações para equações, de modo a refletir essa característica. Considere o seguinte exemplo, um fornecedor fabrica seus produtos em três locais diferentes identificados como fabricantes A, B e C. Nesse sentido, há três consumidores principais, localizados, também, em lugares distintos e identificados como consumidores 1, 2 e 3. A Tabela 2 descreve os detalhes da operação logística da empresa em questão. Tabela 2 – Detalhamento da operação logística da empresa exemplo Custo Unitário de Transporte Consumidor 1 Consumidor 2 Consumidor 3 Capacidade Fornecedor A 12 22 30 100 Fornecedor B 18 24 32 140 Fornecedor C 22 15 34 160 Demanda 120 130 150 – 16 17 Note que a capacidade de fornecimento é igual à demanda de consumo, assim temos um problema do transporte balanceado. As variáveis de decisão xij descrevem o transporte do fornecedor i para o consumidor j, e são descritas da seguinte forma: 11 12 13 32 33 1 2 3 2 3 x transporte de A para x transporte de A para x transporte de A para x transporte deC para x transporte deC para = = = = = A função objetivo tem a seguinte representação: 11 12 13 21 22 23 31 32 3312 22 30 18 24 32 22 15 34MIN Z x x x x x x x x x= + + + + + + + + As restrições referentes à capacidade do fornecedor em atender à demanda são: 11 12 13 21 22 23 31 32 33 100 140 160 x x x x x x x x x + + = + + = + + = As restrições referentes à demanda dos consumidores são: 11 21 31 12 22 32 13 23 33 120 130 150 x x x x x x x x x + + = + + = + + = A resolução do modelo desenvolvido consiste em alguns passos incrementais. Pri- meiro, vamos construir uma representação tabular do modelo. Essa representação é similar àquela apresentada na Tabela 2, na qual as células representam as variáveis do problema, as colunas representam os consumidores com suas respectivas demandas e as linhas representam os fornecedores e suas capacidades correspondentes. O objetivo de se utilizar uma representação tabular é encontrar uma solução básica para o problema. O segundo passo consiste em selecionar a célula x11, localizada no canto superior esquerdo da tabela, e preenchê-la com o menor valor entre a capacidade da linha e a demanda da coluna. Caso o limite da capacidade (linha) ou da demanda (coluna) seja atingido, as células correspondentes devem ser anuladas. O procedimento descrito deve ser repetido, descontando o valor preenchido na célula dos totais de capacidade e demanda, até que o quadro esteja preenchido por completo. Após o preenchimento do quadro, a solução básica esperada para esse problema é x11 = 100, x21 = 20, x22 = 120, x32 = 10 e x33 = 150, com Z = 9690. As variáveis não básicas são: x12, x13, x23, x31. 17 UNIDADE Análise de Problemas Típicos Consumidores Demanda C B A 1 2 3 100 140 160 150130120 X 31 X 32 X 33 X 23 X 22 X 21 X 11 X 12 X 13 Ca pa cid ad e Fo rn ec ed or Figura 4 – Representação de quadro tabular para determinação de uma solução básica A solução anterior é denominada Método do Canto Noroeste, o que é uma refe- rência à ordem pela qual as células devem ser consideradas. Note que essa ordem não considera os custos unitários associados a cada transporte. Nesse sentido, o Método do Custo Mínimo é uma adaptação do método anterior, no qual a ordem de escolha das células é dada em função do custo correspondente, ou seja, escolhe-se a célula com menor custo. Os passos para a aplicação do método do custo mínimo são similares ao método do canto noroeste. Primeiro, selecionamos a célula com menor custo, em seguida, devemos alocar a maior quantidade possível àquela célula. Caso a capacidade ou a demanda seja atingida, as células correspondentes deverão ser anuladas de acordo com os totais na linha e/ou coluna. Considerando o quadro tabular da Figura 2, a célula com menor custo, dentre as disponíveis para preenchimento, é, coincidentemente, a mesma do método anterior, ou seja, x11 cujo custo é igual a 12. Essa célula será preenchida com o menor valor possível entre a demanda e a capacidade, que será 100. Veja que esse valor atinge o máximo da capacidade do fornecedor A, assim, as demais células na linha do forne- cedor A (x11, x12, x13) devem ser anuladas. Nessa configuração, a próxima célula cujo custo é o menor é a x32, a qual será preenchida com o valor 130. Visto que esse valor atinge o total de demanda, as demais células nessa coluna (x22) devem ser anuladas; nesse exemplo, há somente uma célula disponível que será anulada. Após a finalização do processo, a solução básica representada pelo quadro tabular é: x11 = 100, x21 = 20, x23 = 120, x32 = 130 e x33 = 30, com Z = 8370. As demais variáveis são as não básicas. 18 19 Método de Vogel Os métodos para resolução de problemas que envolvem redes, especificamente para o problema do transporte, oferecem uma solução básica viável, porém, sem garantias de ser uma solução ótima. Assim, vamos explorar outro método que pode ser considerado como uma versão melhorada do método do custo mínimo, visto anteriormente. O método de Vogel foi desenvolvido tendo como base o método do custo mínimo e, comumente, produz melhores soluções. Conforme descrito, o método de Vogel é muito similar ao do custo mínimo, a principal diferença entre eles é que a escolha da célula, na qual será atribuída a quantidade transportada, é feita por meio de uma penalidade calculada. O cálculo da penalidade no método de Vogel é feito por meio da diferença entre os dois menores custos unitários (W) considerando as linhas e colunas. A penalidade será calculada enquanto houver, pelo menos, duas células não alocadas ou bloquea- das. A célula escolhida para a inserção da quantidade será aquela de menor custo na linha ou coluna de maior penalidade; em caso de empate, escolher arbitrariamente. A seguir, alocar a maior quantidade possível na célula, respeitando os limites de capacidade e demanda das linhas e colunas, respectivamente. Se a alocação atingir o limite de fornecimento ou de demanda, as células na linha ou coluna devem ser bloqueadas. Esses passos devem ser repetidos enquanto houver mais do que uma célula disponível para alocação. Quando houver uma única célula disponível, alocar a capacidade ou demanda remanescente. Vejamos um exemplo prático, considere a Figura 5 para a descrição do exemplo. Figura 5 – Exemplo de aplicação do método de Vogel Fonte: Acervo do conteudista 19 UNIDADE Análise de Problemas Típicos Na figura anterior, o primeiro quadro apresenta a configuração inicial. Os demais são representativos de cadaiteração. O quadro em destaque na parte superior da figura representa a configuração ini- cial, antes da implementação do método de Vogel. Os valores, destacados em cinza no canto superior direito de cada célula, indicam o custo de transporte unitário entre o fornecedor (linha) e o consumidor (coluna), os quais apresentam, respectiva- mente, capacidade de fornecimento e demanda de consumo. Note que os cálculos das penalidades iniciais são feitos para cada linha e coluna. Por exemplo, a primeira linha tem uma penalidade igual a 10, esse valor é o resultado da diferença entre os dois menores custos unitários nas células (22 – 12). A primeira atribuição de quantidade foi feita na célula localizada na primeira linha e coluna. A escolha dessa célula foi feita porque a primeira linha é aquela que apre- senta a maior penalidade e a primeira célula tem o menor custo. Note que o valor preenchido na célula é igual a 100, que é o menor valor entre a capacidade (100) e a demanda (120). As outras células da linha escolhida foram bloqueadas, pois o valor preenchido atingiu o limite máximo da capacidade daquele fornecedor. A iteração 2 se inicia com o recálculo das penalidades, desconsiderando as células preenchidas ou anuladas. Após o recálculo, note que a coluna com maior penalidade é a segunda, e dentre as células disponíveis para preenchimento, a última célula apresenta o menor custo. Assim, é nessa célula que será alocada a quantidade igual a 130, que é o menor valor entre a capacidade e a demanda. Considerando o critério anterior, a célula remanescente na coluna central deve ser bloqueada, por ter atingido o limite máximo da demanda para aquela coluna. Procedemos, novamente, com o recálculo das penalidades para as células rema- nescentes. Para a iteração 3, temos a segunda linha apresentando a maior penali- dade (14). Dentre as células disponíveis nessa linha, selecionamos a primeira célula, pois ela apresenta o menor custo (18). Essa célula receberá a quantidade igual a 20, que é o saldo remanescente da demanda da primeira coluna. A configuração do quadro, antes da iteração 4, apresenta somente duas células disponíveis na última coluna. O cálculo da penalidade para essa coluna resulta em dois; como esse valor é único, não havendo outras linhas ou colunas com condições de cálculo da penalidade, a atribuição da quantidade será feita na segunda célula dessa coluna, que apresenta o menor custo (32). O valor atribuído nessa célula é igual a 120, que representa o saldo remanescente da capacidade da segunda linha. Finalmente, há somente uma célula disponível antes da última iteração (4). Nessa célula será atribuído o valor 30, que é o saldo remanescente da demanda da última coluna. A solução básica para o nosso exemplo é: x11 = 100, x21 = 20, x23 = 120, x32 = 130 e x33 = 30. Com Z = 8370. As demais variáveis são não básicas. Para testar se a solução encontrada é ótima, vamos realizar um procedimento denominado método dos multiplicadores. Nesse método, toda linha i e toda coluna j 20 21 são associadas aos multiplicadores ui e vj. Consideraremos que a soma dos multipli- cadores é igual ao custo na linha e coluna correspondente (ui + vj = cij). Para a verifi- cação da solução, o primeiro passo é atribuir, de maneira arbitrária, o valor zero para um dos multiplicadores. A solução será ótima se os custos de todas as variáveis não básicas forem negativos (ui + vj – cij ≤ 0). Havendo uma variável não básica com custo positivo, haverá uma solução básica melhor. Para exemplificar a validação de uma solução básica, considere a solução encon- trada, para o nosso exemplo, pelo método do canto noroeste, a qual foi apresentada anteriormente e resulta no quadro da figura a seguir. Custo (Cij) 100 20 120 X 10 150 12 22 30 18 24 32 341522 X X X Quantidade (Xij) Figura 6 – Quadro tabular que representa a solução encontrada pelo método do canto noroeste As variáveis básicas da solução devem ser descritas por meio da equação ui + vj = cij, assim, temos o seguinte: 11 1 1 21 2 1 22 2 2 32 3 2 33 3 3 12, 18, 24, 15, 34 x u v x u v x u v x u v x u v ⇒ + = ⇒ + = ⇒ + = ⇒ + = ⇒ + = De acordo com a descrição anterior, precisamos escolher um dos multipli- cadores e atribuir a ele o valor zero, assim, faremos u1 = 0 e calcularemos os demais valores dos multiplicadores. Os resultados para os demais multiplicadores são v1 = 12, u2 = 6, v2 = 18, u3 = –3, v3 = 37 Com a identificação dos valores dos multiplicadores, podemos determinar os custos reduzidos das variáveis não básicas considerando a fórmula cij = ui + vi – cij. Importante! Veja que para calcular os valores dos multiplicadores é preciso substituir os valores iden- tificados nas demais equações de forma sucessiva. 21 UNIDADE Análise de Problemas Típicos 12 1 2 12 13 1 3 13 23 2 3 23 31 3 1 31 0 18 22 4 0 37 30 7 6 37 32 11 3 12 22 13 c u v c c u v c c u v c c u v c = + − = + − = − = + − = + − = = + − = + − = = + − = − + − = − Os custos reduzidos das variáveis não básicas apresentam dois valores positivos (7 e 11), isso é o indicativo de que há uma solução básica melhor, ou seja, a solução testada não é ótima. Assim como vimos no método Simplex, aqui devemos escolher uma variável não básica para compor a nova solução. Dessa forma, escolhemos aquela que apresentou o maior custo reduzido, ou seja, a variável não básica que entra é x23. A determinação de uma solução básica melhor é feita considerando um ciclo fechado que inicia e termina na variável que sai. Para compor esse ciclo, deve-se uti- lizar segmentos de reta, verticais ou horizontais, que devem estar conectados. Toda variável que está conectada por um segmento de reta deve ser básica, com exceção de x23. O ciclo conectará as seguintes variáveis: x23 → x33 → x32 → x22 → x23. Veja que o ciclo inicia e termina na mesma variável. A variável que sairá da base será adjacente à variável que entra. Entre as duas variáveis adjacentes, devemos escolher a de menor valor. No caso do nosso exemplo, x23 tem duas variáveis adjacentes (vi- zinhas), x22 = 120 e x23 = 150. Assim, a variável que sairá da base é x22 que tem o menor valor. Na prática, a quantidade de x22 passará para x23, cujos novos valores serão x22 = 0 e x23 = 120. Finalmente, para manter as restrições na demanda, devemos calcular os novos valores para as outras variáveis no ciclo. Desse modo, temos que x32 = 130 e x33 = 30. Veja que o ciclo identificado tem a função de facilitar o intercâmbio das quantidades entre as variáveis no ciclo. Se transportarmos 120 de x22 para x23 temos que realizar o mesmo intercâmbio entre as outras variáveis no ciclo. Assim, também transportamos 120 de x33 para x32. Na realização do teste de verificação para a nova solução, veremos que os custos reduzidos das variáveis não básicas serão todos negativos, o que indica uma solução ótima. A solução ótima, nesse caso, é x11 = 100, x21 = 20, x23 = 120, x32 = 130 e x33 = 30, com Z = 8370. 22 23 Material Complementar Indicações para saber mais sobre os assuntos abordados nesta Unidade: Vídeos Transporte – solução básica inicial canto noroeste Veja a solução básica inicial no exemplo calculado pelo professor no vídeo utilizando o método do canto noroeste. https://youtu.be/4SSacL3ATuY Problemas de Transporte ou Designação O vídeo mostra um Problema de Transporte, designação, alocação (custo mínimo) resolvido via Programação Linear no SOLVER-Excel . https://youtu.be/nN_eD6qHMtg Transporte - solução básica inicial Vogel Agora, o professor, no vídeo, traz a solução para um exercício utilizando o métido de Vogel. https://youtu.be/GRTLiJL0hdQ Transporte Desbalanceado (Fornecimento menor que Demanda) O professor Aurelio Murta fala sobre o transporte desbalanceado, quando o fornecimento é menor que a demanda. https://youtu.be/fUM0iimpv0s 23 UNIDADE Análise de Problemas Típicos Referências ANDRADE, E. L. Introdução à pesquisa operacional: métodos e modelos para a análise de decisão.4. ed. Rio de Janeiro: LTC, 2011. DANTZIG, G. B. Reminiscences about the origins of linear programming. In: Mathematical Programming The State of the Art. Springer, Berlin: Heidelberg, 1983. HILLIER, F. S.; LIEBERMAN, G. J. Introdução à pesquisa operacional. 9. ed. Porto Alegre: Amgh, 2013. 24
Compartilhar