Baixe o app para aproveitar ainda mais
Prévia do material em texto
DESCRIÇÃO Os gastos com logística e o impacto nos custos de distribuição de uma empresa. Otimização de processos logísticos, na busca do menor custo, da melhor rota de distribuição etc. PROPÓSITO Possibilitar ao aluno a aplicação de técnicas para a otimização de sistemas de distribuição. PREPARAÇÃO Antes de iniciar o estudo deste tema, tenha em mãos uma calculadora, preferencialmente que execute cálculo de exponenciais. Como apoio para a solução dos problemas que serão apresentados, se possível, tenha um computador com aplicativo Microsoft Excel ou Apache OpenOffice. OBJETIVOS MÓDULO 1 Identificar os problemas de transporte MÓDULO 2 Identificar os problemas de redes de distribuição MÓDULO 3 Descrever o problema do menor caminho MÓDULO 4 Descrever o problema do fluxo máximo BEM-VINDO À OTIMIZAÇÃO EM SISTEMAS DE DISTRIBUIÇÃO MÓDULO 1 Identificar os problemas de transporte IMPORTÂNCIA DA OTIMIZAÇÃO DE PROBLEMAS DE TRANSPORTE CONCEITOS Os sistemas de transporte movem mercadorias entre origens e destinos usando veículos e equipamentos como caminhões, tratores, reboques, tripulações, paletes, contêineres, carros e trens. O transporte representa o papel principal e o elemento mais importante na logística devido ao seu custo considerável. Um sistema de transporte é uma organização que projeta, organiza, instala e agenda pedidos de frete-transporte durante um determinado período limitado com restrições técnicas ao menor custo possível. SAIBA MAIS O transporte muitas vezes representa entre um terço e dois terços dos custos totais de logística, ou seja, entre 9% e 10% do PIB (Produto Interno Bruto) na Europa e entre 10% e 20% do preço do produto; portanto, é inegável a importância da otimização do transporte. No Brasil, em função do modal adotado (rodoviário na maioria) e das más condições de nossas estradas, o custo logístico representa entre 12% e 15% do nosso PIB. O transporte é essencial para mover qualquer remessa em um sistema logístico, como matérias-primas das fontes ao fabricante, produtos semiacabados entre fábricas e produtos para varejistas e clientes. Hoje em dia, com o crescimento da ciência e da tecnologia, aumentando o consumo e o comércio global, destaca-se o papel do transporte em todos os processos. Há um alto nível de competição entre fabricantes e operadores logísticos quanto a qualidade do atendimento ao cliente. Outros fatores competitivos críticos são: prazos de entrega, atrasos e custos de transporte, bem como a necessidade permanente de aumentar a eficiência, confiabilidade, segurança e reatividade nos sistemas de serviço. EXEMPLO Vamos considerar o seguinte exemplo: uma cadeia consiste em vários clientes, distribuidores e fabricantes (ver figura). Os clientes encontram-se no primeiro nível, enquanto no segundo existem centros de armazenamento/distribuição que transportam vários produtos para os clientes e, no terceiro, fabricantes (produtores) que fornecem os produtos para os centros. A demanda não atendida de cada cliente em cada período é considerada em espera; no entanto, todas as demandas dos clientes insatisfeitos devem, eventualmente, ser satisfeitas. PROBLEMA DE TRANSPORTE COMO UMA REDE Suponha que uma empresa tenha m depósitos e n lojas de varejo. Um único produto deve ser enviado dos armazéns para os pontos de venda. Cada armazém tem um determinado nível de abastecimento, e cada loja tem um determinado nível de demanda. Também estão definidos os custos de transporte entre cada armazém e ponto de venda e estes custos são considerados lineares. As premissas são: O fornecimento total do produto do armazém é , em que . A demanda total do produto no ponto de venda é , em que . O custo de envio de uma unidade do produto do armazém para a saída é igual a , em que . O custo total de uma remessa é linear no tamanho da remessa. O interesse é determinar um esquema de transporte ideal entre os armazéns e os pontos de venda, sujeitos às restrições de oferta e demanda especificadas. Graficamente, um problema de transporte é frequentemente visualizado como uma rede com m nós de origem, n nós coletores e um conjunto de m x n "arcos direcionados". Isto é representado na figura a seguir. i ai i = 1, 2, . . . , m j bj j = 1, 2, . . . , n i j cij i = 1, 2, . . . , m e j = 1, 2, . . . , n Prosseguimos agora com uma formulação de programação linear desse problema. VARIÁVEIS DE DECISÃO Um esquema de transporte é uma especificação completa de quantas unidades do produto devem ser enviadas de cada armazém para cada destino. Portanto, as variáveis de decisão são: = O TAMANHO DA REMESSA DO ARMAZÉM I PARA O DESTINO J, ONDE I = 1, 2,. . ., M E J = 1, 2,. . ., N. ESTE É UM CONJUNTO DE VARIÁVEIS M X N. FUNÇÃO OBJETIVO Considere a remessa do armazém i para o destino j. Para qualquer i e qualquer j, o custo de transporte por unidade é , e o tamanho da remessa é . Uma vez que assumimos que a função de custo é linear, o custo total dessa remessa é obtido por . Somando todos os i e todos os j, podemos obter o custo geral de transporte para todas as combinações de armazém-destino. OU SEJA, NOSSA FUNÇÃO OBJETIVO É: xij cij xij cijxij MINIMIZAR Atenção! Para visualização completa da equação utilize a rolagem horizontal RESTRIÇÕES Considere o armazém i. A expedição total desse depósito é a soma . Em notação de soma, isso é escrito como . Uma vez que o fornecimento total do armazém i é , a remessa total de saída não pode exceder , ou seja, devemos impor Atenção! Para visualização completa da equação utilize a rolagem horizontal Considere agora o destino j. A remessa total que chega neste ponto de venda é a soma . Na notação de soma, como vimos acima, isso é escrito como . Uma vez que a demanda do destino j é , o total de entrada à remessa não deve ser inferior a . Ou seja, devemos impor Atenção! Para visualização completa da equação utilize a rolagem horizontal Isso resulta em um conjunto de restrições funcionais m + n. Claro, como remessas físicas, os se devem ser não negativos. FORMULAÇÃO PL (PROGRAMAÇÃO LINEAR) Em resumo, chegamos à seguinte formulação: m ∑ i=1 n ∑ j=1 cij × xij xi1 + xi2 + ⋅ ⋅ ⋅ + xin n ∑ j=1 xij ai ai n ∑ j=1 xij ≤ ai para i = 1, 2, … , m x1j + x2j + ⋅ ⋅ ⋅ + xmj n ∑ j=1 xij bj bj n ∑ j=1 xij ≥ bj para j = 1, 2, … , n xij ′s Atenção! Para visualização completa da equação utilize a rolagem horizontal Sujeito a: Atenção! Para visualização completa da equação utilize a rolagem horizontal UM EXEMPLO NUMÉRICO Em uma instância real do problema de transporte, precisamos especificar m e n, e substituir o , , e com valores numéricos explícitos. Como um exemplo simples, suponha que recebamos: Atenção! Para visualização completa da equação utilize a rolagem horizontal Então, a substituição desses valores na formulação acima leva ao seguinte problema explícito: Minimizar m ∑ i=1 n ∑ j=1 cij × xij n ∑ j=1 xij ≤ ai para i = 1, 2, … , m n ∑ j=1 xij ≥ bj para j = 1, 2, … , n xij ≥ 0 para i = 1, 2, . . . , m e j = 1, 2, . . . , n ai ′s bj ′s cij ′s m = 3 e n = 2; a1 = 45, a2 = 60 e a3 = 15; b1 = 50 e b2 = 60; c11 = 3, c12 = 2, c21 = 1, c22 = 5, c31 = 2 e c32 = 4. Atenção! Para visualização completa da equação utilize a rolagem horizontal Sujeito a: Atenção! Para visualização completa da equação utilize a rolagem horizontal ATENÇÃO Colocamos o sinal de “=” no lugar do “≥”, porque a capacidade de entrega é 130 (45 + 60 + 35), superior à demanda 110 (50 + 60), o que indica que a demanda terá que ser atendida. Para um exemplo de um esquema de transporte explícito, vamos admitir Atenção! Para visualização completa da equação utilize a rolagem horizontal É facilmente visto que essa solução proposta satisfaz todas as restrições e, portanto, é viável. Em palavras,a solução exige o envio de 20 unidades do armazém 1 para ao destino 1, 20 unidades de armazém 1 ao destino 2, 20 unidades do armazém 2 ao destino 1, e, finalmente, 5 unidades do armazém 3 para o destino 2. O custo total de transporte associado a esse esquema pode ser calculado como: Minimize 3x11 + 2x12 + x21 + 5x22 + 2x31 + 4x32 x11 + x12 ≤ 45 x21 + x22 ≤ 60 x31 + x32 ≤ 35 x11 + x21 + x31 = 50 x12 + x22 + x32 = 60 xij ≥ 0 para i = 1, 2, 3 e j = 1, 2. x11 = 20, x12 = 20, x21 = 20, x22 = 35, x31 = 10 e x32 = 5 Atenção! Para visualização completa da equação utilize a rolagem horizontal Você poderá observar que obtemos uma solução, não necessariamente a solução ótima. Vamos agora ver dois métodos de resolução e depois com o Solver, como um adendo. TABLEAU DE TRANSPORTE O tableau Simplex serve como um formato muito compacto para representar e manipular programas lineares. No mesmo sentido, apresentamos agora uma representação de tableau para problemas de transporte que estão na forma padrão. Para um problema com m origens e n destinos, o quadro será uma tabela com m linhas e n colunas. Especificamente, cada origem terá uma linha correspondente, e cada destino, uma coluna correspondente. Para facilidade de referência, devemos nos referir à célula que está localizada na interseção da i-ésima linha e da j-ésima coluna como célula (i, j). Os parâmetros do problema serão inseridos em várias partes da tabela no formato abaixo. Cada linha é rotulada com seu nome da origem correspondente na margem esquerda, e cada coluna é rotulada com o nome do destino correspondente na margem superior. O fornecimento da origem i está listado na margem direita da i- ésima linha, e a demanda no destino j está listada na margem inferior da j-ésima coluna. ATENÇÃO O custo de transporte é listado em uma subcélula localizada no canto superior esquerdo da célula (i, j), e, finalmente, o valor de é inserido no canto inferior direito da célula (i, j). 3 × 20 + 2 × 20 + 1 × 20 + 5 × 35 + 2 × 10 + 4 × 5 = 335. cij xij OBSERVAÇÕES 01 02 03 Na maioria dos aplicativos, as remessas têm valores inteiros. Ignoramos esse requisito em nossa formulação. No entanto, você vai descobrir que se o especificado e o especificado são inteiros, então o ótimo para a solução de um problema de transporte produzido pelo algoritmo Simplex também tem valor inteiro. Em aplicações com excesso de oferta, geralmente é desejável presumir que há um custo de retenção de estoque para unidades que não são enviadas para fora. Se for esse o caso, podemos facilmente acomodar os custos de manutenção de estoque como parte da função objetivo. Quando a oferta total é menor do que a demanda total, ainda é possível criar um problema de transporte equilibrado. A ideia é criar uma fonte fictícia e deixar que ela tenha um suprimento igual à diferença entre a demanda total e a oferta total. Ao fazer isso, pode ser razoável avaliar um custo de penalidade de falta para unidades enviadas (ficticiamente) da fonte fictícia para qualquer coletor. REGRA DO CANTO NOROESTE Para melhor entendimento, vamos pegar o exemplo anterior e inicialmente montar um tableau. Suponha que comecemos o processo de atribuição com a célula (1, 1) como a célula de entrada. Uma vez que esta é a nossa primeira tentativa em uma atribuição, o suprimento restante da origem 1 é de 45 e a demanda restante no destino 1 é de 50. De acordo com a discussão, devemos, portanto, atribuir 45 na célula (1, 1) como o valor de . Esta imediatamente implica que servirá como uma variável básica. Além disso, uma vez que o restante da oferta da origem 1 se esgota ai bj x11 x11 como resultado desta tarefa, o conceito-chave neste ponto é também pensar nessa ação como designando como a variável básica. ATENÇÃO Tendo acabado de preencher sua cota, devemos, portanto, evitar outra variável básica. Mecanicamente, isso é conseguido riscando a primeira linha. Fazer isso resultará em um novo quadro com uma linha a menos, que servirá então como ponto de partida para a continuação do mesmo procedimento de atribuição. Observe que, para facilitar o processo de fazer novas atribuições, devemos agora reduzir o restante da demanda no destino 1 a 5, de 50. Isso completa o ciclo de atribuição. Em resumo, nosso primeiro ciclo de atribuições resulta no quadro revisado a seguir: O fato de exatamente uma linha ou coluna ser removida na conclusão de um ciclo de atribuição é crítico, na medida em que é a estipulação adicional que garante que um número correto de variáveis básicas será gerado no final de todo o processo de atribuição. Para compreender essa afirmação totalmente, vamos agora iterar nosso procedimento para a conclusão. Suponha que a célula (2, 1) seja escolhida como a próxima célula de entrada. Então, vamos atribuir 5 como , obtendo o novo quadro a seguir: x11 x21 Neste ponto, as células restantes são (2, 2) e (3, 2). Suponha que a célula (2, 2) seja escolhida como a próxima célula de entrada. Então, depois de atribuir 55 como e passar por outra rodada de atualizações de rotina, nós obtemos: Suponha que optemos por inserir 5 na célula (3, 2); então, o novo quadro será: x22 Portanto, o valor da função objetivo dessa solução é facilmente calculado como: Atenção! Para visualização completa da equação utilize a rolagem horizontal Veja que obtemos novamente uma solução, que não necessariamente é a solução ótima desejada. MÉTODO DO MENOR CUSTO A única diferença entre o método do menor custo e o método do canto noroeste está na escolha das variáveis de entrada. Aqui, a estratégia é sempre selecionar a célula com o menor valor entre todas as células como a célula de entrada. Os laços são, como sempre, quebrados arbitrariamente. Agora, examinaremos brevemente uma implementação dessa nova estratégia. Vamos começar com o quadro inicial. Como o menor custo é igual a 1 ( ), começamos alocando 50 unidades: 45 × 3 + 5 × 1 + 55 × 5 + 5 × 4 = 435 cij c21 Com isso, o destino 1 foi atendido e as demais origens não podem atendê-lo. Portanto, o próximo passo será atender o destino 2, e saímos do custo 2 ( ): Para fechar, atendemos ao destino : c12 c32 Portanto, o valor da função objetivo dessa solução é facilmente calculado como: Atenção! Para visualização completa da equação utilize a rolagem horizontal Atendemos os destinos com um custo de 200, solução melhor do que a obtida pelo método do canto noroeste. SOLVER Vamos agora resolver este problema utilizando o Solver, disponível no Microsoft Excel ou Apache OpenOffice. Para tanto, inicialmente vamos montar uma planilha com os dados do problema apresentado. Print do Microsoft Excel Vamos replicar as células na planilha: para controlar o total enviado por cada armazém; para controlar o total recebido por cada destino; 45 × 2 + 50 × 1 + 15 × 4 = 200 uma célula para o cálculo da função objetivo. Print do Microsoft Excel Observe os seguintes pontos: Pintamos de amarelo as células das variáveis, ou seja, indicamos a solução de quanto cada armazém enviou para cada destino. Em “Enviado” somamos a quantidade que cada armazém entregará (célula G14 = E14 + D14). Em “Recebido” somamos a quantidade que cada destino receberá (célula E17 = E14 + E15 + E16). Calculamos o objetivo na célula I10 (=SOMARPRODUTO(E6:F8;E14:F16)). PORTANTO, NO SOLVER COLOCAREMOS: Definir objetivo: I10. Marcar o botão “Min”. Alterando células variáveis: E14:F16. Adicionando restrição 1: G14:G16 ≤ G6:G8. Adicionando restrição 2: E17:F17 = E9:F9. Adicionando restrição 3: E14:F16 = int. Optando por: LP Simplex. A tela do Solver ficará assim: Print do Microsoft Excel Clicando em Resolver, obtemos: Print do Microsoft Excel ATENÇÃO Veja que obtemos a solução ótima, que coincidiu com a achada no Menor Custo. EXEMPLO Vamos agora ver outro exemplo para fixar os conceitos: umaempresa tem disponibilidade de três fábricas para produzir um componente vendido a cinco atacadistas. Os custos de transporte das fábricas para os clientes são mostrados a seguir: Origem Cliente A Cliente B Cliente C Fábrica I 0,04 0,08 0,10 Fábrica II 0,07 0,05 0,11 Fábrica III 0,11 0,08 0,08 Tabela de custos de transporte das fábricas para os clientes. Elaborada por: Mauro Rezende Filho Previsões de vendas indicam que as demandas mensais são de: 4.000 unidades do cliente A; 2.200 do B; 3.000 do C. As capacidades máximas de produção mensal são de 5.500 na fábrica I, 8.000 na fábrica II, e 10.000 na III. Pede-se a otimização do sistema de transporte. Vamos inicialmente montar a tabela com os dados apresentados: Origem Cliente A Cliente B Cliente C Capacidade Fábrica I 0,04 0,08 0,10 5.500 Fábrica II 0,07 0,05 0,11 8.000 Fábrica III 0,11 0,08 0,08 10.000 Demanda 4.000 2.200 3.000 Tabela com capacidades máximas de produção mensal. Elaborada por: Mauro Rezende Filho O próximo passo será escrever o modelo matemático: MINIMIZAR Atenção! Para visualização completa da equação utilize a rolagem horizontal Sujeito a: 0, 04x11 + 0, 08x12 + 0, 10x13 + 0, 07x21 + 0, 05x22 + 0, 11s23 + 0, 11x31 + 0, 08x32 + 0, 08x33 Atenção! Para visualização completa da equação utilize a rolagem horizontal MÉTODO DO CANTO NOROESTE Vamos então montar o tableau de transporte. Utilizando o método, a primeira variável básica será a célula , e vamos alocar 4.000 unidades, o que atenderá plenamente o cliente 1. Temos então: x11 + x12 + x13 ≤ 5500 x21 + x22 + x23 ≤ 8000 x31 + x32 + x33 ≤ 10000 x11 + x21 + x31 = 4000 x12 + x22 + x32 = 2200 x31 + x32 + x33 = 3000 xij são inteiros para i = 1, 2, 3 e j = 1, 2 xij ≥ 0 para i = 1, 2, 3 e j = 1, 2 x11 O próximo passo será completar a fábrica 1 atendendo o cliente 2: Vamos então completar o cliente 2: E fechando as estregas temos: Portanto, o valor da função objetivo será: Atenção! Para visualização completa da equação utilize a rolagem horizontal MÉTODO DO MENOR CUSTO A variável básica será porque apresenta o menor custo: A próxima será a : E finalizando: Portanto, temos o valor da função objetivo: 0, 04 × 4000 + 0, 08 × 1500 + 0, 05 × 700 + 0, 11 × 3000 = 645 x11 x22 Atenção! Para visualização completa da equação utilize a rolagem horizontal SOLVER Montando a planilha básica: Print do Microsoft Excel Vamos replicar as células na planilha: para controlar o total enviado por cada fábrica; para controlar o total recebido por cada cliente; uma célula para o cálculo da função objetivo. Print do Microsoft Excel Observe os seguintes pontos: Pintamos de amarelo as células das variáveis, ou seja, indicamos a solução de quanto cada armazém enviou para cada destino. Em “Enviado” somamos a quantidade que cada armazém entregará (célula G12 = SOMA(D12:F12)). Em “Recebido” somamos a quantidade que cada destino receberá (célula D15 = SOMA(D12:D14)). 0, 04 × 4000 + 0, 05 × 2200 + 0, 08 × 3000 = 510 Calculamos o objetivo na célula I9 (=SOMARPRODUTO(D4:F6;D12:F14). Portanto, no Solver colocaremos: Definir objetivo: I9. Marcar o botão “Min”. Alterando células variáveis: D12:D14. Adicionando restrição 1: G12:G14 ≤ G4:G6. Adicionando restrição 2: D15:F15 = D7:F7. Adicionando restrição 3: D12:D14= int. Optando por: LP Simplex. A tela do Solver ficará assim: Print do Microsoft Excel Clicando em Resolver obtemos: Print do Microsoft Excel Neste primeiro módulo do tema, falamos sobre os problemas de transporte. No módulo dois, falaremos sobre os problemas de redes de distribuição. Antes disso, vamos colocar em prática os conhecimentos adquiridos até aqui por meio de algumas atividades. MÃO NA MASSA TEORIA NA PRÁTICA Uma empresa tem disponibilidade para construir três fábricas para produção de um componente vendido a cinco atacadistas a um preço fixo de entrega de R$2,00 por unidade. Os custos de transporte das fábricas para os clientes são mostrados a seguir: Origem Cliente A Cliente B Cliente C Cliente D Cliente E Fábrica I 0,04 0,08 0,10 0,14 0,15 Fábrica II 0,07 0,05 0,11 0,11 0,15 Fábrica III 0,11 0,08 0,08 0,11 0,15 Previsões de vendas indicam que as entregas mensais serão de: 4.000 unidades ao cliente A; 2.200 ao B; 3.000 ao C; 3.500 ao D; e 4.000 ao cliente E. As capacidades máximas de produção mensal são de: 5.500 na fábrica I; 8.000 na fábrica II; e 10.000 na III. Os custos diretos para produzir cada unidade são de R$2,00 na fábrica I, R$1,90 na fábrica II e R$1,50 na fábrica III. Os custos fixos são de R$500,00 na fábrica I, R$900,00 na fábrica II e R$1.800,00 na fábrica III. Qual o lucro da operação? RESOLUÇÃO UMA APLICAÇÃO DE TRANSPORTE VERIFICANDO O APRENDIZADO MÓDULO 2 Identificar os problemas de redes de distribuição OS PROBLEMAS DE REDES DE DISTRIBUIÇÃO CONCEITOS Situações de distribuição de produtos que consideram uma ou mais fontes de origem, centros de distribuição e locais intermediários por onde materiais e produtos apenas passam são denominados problemas de rede de distribuição. Os problemas de transporte podem ser considerados uma simplificação do problema de rede de distribuição de menor custo. UM PROBLEMA DE TRANSPORTE É RECONHECIDO QUANDO PRECISAMOS ENVIAR UNIDADES DE UM PRODUTO POR UMA REDE DE MODAIS (OU ÚNICO MODAL) QUE CONECTAM UM DETERMINADO LOCAL OU GRUPO DE LOCAIS DE ENTREGA. O propósito, além de minimizar o custo de transportar bens de um local para outro, é proceder de forma que as necessidades de cada área de destino sejam conhecidas e todo local de remessa opere dentro de sua capacidade. As soluções devem ser construídas por pessoas, não necessariamente com formação específica nas áreas de matemática ou programação linear. Para a solução de problemas de rede de distribuição na cadeia logística (problema de transporte), neste módulo, será utilizado um caso em que aplicaremos o método Kuhn, e também veremos como utilizar a ferramenta Solver, disponível no Excel e no Apache OpenOffice. MÉTODO KUHN - O ALGORITMO HÚNGARO O problema da atribuição trata da atribuição de máquinas para tarefas, trabalhadores para empregos, jogadores de futebol para posições e assim por diante. O objetivo é determinar a atribuição ideal que, por exemplo, minimiza o custo total ou maximiza a eficácia da equipe. O problema de atribuição é um problema fundamental na área de otimização combinatória. SAIBA MAIS Um dos métodos mais eficazes para resolver problemas de atribuição veio de Kuhn. Seu algoritmo foi baseado no trabalho do matemático húngaro Egerváry, por isso, também é conhecido como o algoritmo húngaro ou algoritmo Kuhn. O algoritmo húngaro consiste em quatro etapas. As duas primeiras são executadas uma vez, enquanto as etapas 3 e 4 são repetidas até que uma atribuição ideal seja encontrada. A entrada do algoritmo é uma matriz quadrada n por n com apenas elementos não negativos. ETAPA 1 Subtrair os mínimos da linha - Para cada linha, encontre o menor elemento e subtraia-o de cada elemento dessa linha. ETAPA 2 Subtrair os mínimos da coluna - Da mesma forma, para cada coluna, encontre o menor elemento e subtraia-o de cada elemento dessa coluna. ETAPA 3 Cubra todos os zeros com um número mínimo de linhas - Cubra todos os zeros na matriz resultante usando um número mínimo de linhas horizontais e verticais. Se n linhas forem necessárias, existe uma atribuição ótima entre os zeros, então o algoritmo para. Se menos de n linhas forem necessárias, continue com a Etapa 4. ETAPA 4 Crie zeros adicionais - Encontre o menor elemento (chame-o de k) que não é coberto por uma linha na Etapa 3. Subtraia k de todos os elementos descobertos e adicione k a todos os elementos cobertos duas vezes. Para entender a aplicação do método, vamos ver um exemplo. Considere que quatro caminhões (J1, J2, J3 e J4) precisam ser conduzidos por quatro motoristas(W1, W2, W3 e W4), uma tarefa por motorista. A matriz abaixo mostra o custo de designar um determinado motorista para um determinado caminhão. O objetivo é minimizar o custo total do serviço. Etapa 1: Subtrair os mínimos da linha Começamos subtraindo o mínimo da linha de cada linha. O menor elemento na primeira linha é, por exemplo, 69. Portanto, subtraímos 69 de cada elemento na primeira linha. A matriz resultante será. Etapa 2: Subtrair os mínimos da coluna Da mesma forma, subtraímos o mínimo da coluna de cada coluna, gerando a seguinte matriz. Etapa 3: Cubra todos os zeros com um número mínimo de linhas Agora determinaremos o número mínimo de linhas (horizontais ou verticais) necessárias para cobrir todos os zeros na matriz. Todos os zeros podem ser cobertos com 3 linhas/colunas. Como o número de linhas necessárias (3) é menor do que o tamanho da matriz (n = 4), continuamos com a Etapa 4. Etapa 4: Crie zeros adicionais Primeiro, descobrimos que o menor número descoberto é 6. Subtraímos esse número de todos os elementos descobertos e o adicionamos a todos os elementos cobertos duas vezes. Isso resulta na seguinte matriz. Agora voltamos para a Etapa 3. Etapa 3: Cubra todos os zeros com um número mínimo de linhas. Novamente, determinamos o número mínimo de linhas necessárias para cobrir todos os zeros na matriz. Agora, são necessárias 4 linhas: Como o número de linhas necessárias (4) é igual ao tamanho da matriz (n = 4), existe uma atribuição ótima entre os zeros na matriz. Portanto, o algoritmo para. ATRIBUIÇÃO IDEAL Os zeros a seguir cobrem uma atribuição ideal: Isso corresponde à seguinte atribuição ótima na matriz de custo original: Assim, o motorista 1 deve dirigir o caminhão 3, o motorista 2 o caminhão 2, o motorista 3 o caminhão 1, e o motorista 4 o caminhão 4. O custo total dessa atribuição ideal é de: Atenção! Para visualização completa da equação utilize a rolagem horizontal ATENÇÃO: Quando a matriz não é quadrada (m x n) devemos inserir linhas ou colunas para transformá-la em uma matriz quadrada (m x m ou n x n) com valores zero. Veja a matriz: 69 + 37 + 11 + 23 = 140 Temos então uma matriz 4x3, e transformamos em uma 4x4: E agora aplicamos normalmente o método. REDE DE DISTRIBUIÇÃO Uma rede de distribuição pode ser vista como o fluxo de mercadorias de um produtor ou fornecedor para um consumidor final. A rede é composta por depósitos, centros de distribuição e sistemas de transporte que suportam a movimentação das mercadorias até chegarem ao consumidor final. O processo de garantir que o consumidor receba o produto do fabricante é feito por meio de vendas diretas ou seguindo uma rede de varejo. SAIBA MAIS Dependendo do tamanho de uma empresa ou negócio, as redes de distribuição variam em estrutura e tamanho. Empresas como a Amazon ou a Apple provavelmente possuem redes de distribuição, transporte e sistemas de logística mais sofisticados e complicados. Ao definir a estrutura de uma rede de distribuição, os fatores mais cruciais são as demandas de produto do cliente final, a experiência do cliente, a variedade e a disponibilidade do produto, o tempo de resposta e, finalmente, a possibilidade de devolução do produto. As redes de distribuição se transformam com o tempo, à medida que os negócios se expandem e visam atingir mais consumidores. Portanto, eles precisam ser configurados de forma que permita a otimização a longo prazo. Para determinar a rede de distribuição e a cadeia de suprimentos ideais e eficientes, a satisfação da demanda do cliente entra em jogo. A satisfação da demanda geral do cliente deve ser feita com custos baixos e níveis de serviço exigidos. Requer planejamento estratégico, gerenciamento e planejamento especializados da cadeia de suprimentos. Esse é um sistema clássico de otimização, pois precisamos entregar as mercadorias no menor custo para atender a demanda requerida. Vamos ver um exemplo para melhor entendimento. EXEMPLO A YDVQS Brasil terá duas fábricas, uma em Salvador e outra em Santo André, e está estudando a forma de distribuição de seus carros para as diversas revendas de Minas Gerais, nas cidades de Juiz de Fora, Belo Horizonte, Barbacena e Tiradentes. A seguir, é apresentada a rede de revendas, seus custos de transporte unitários, as demandas das revendas e as capacidades das fábricas. Determine como a entrega de veículos deve ser realizada pelas fabricas às revendas. Para que tenhamos um fluxo balanceado, devemos considerar as seguintes hipóteses: Caso de Oferta Total = Demanda Total Atenção! Para visualização completa da equação utilize a rolagem horizontal Caso a Oferta Total > Demanda Total Atenção! Para visualização completa da equação utilize a rolagem horizontal Caso a Oferta Total < Demanda Total Atenção! Para visualização completa da equação utilize a rolagem horizontal Para solucionar esse problema da empresa, vamos utilizar o Solver e, para tanto, montamos a seguinte planilha: [ total de entradas no nó ] – [ total de saídas no nó ]=[ Oferta/Demanda do nó ] [ total de entradas no nó ] – [ total de saídas no nó ]≥[ Oferta/Demanda do nó ] [ total de entradas no nó ] – [ total de saídas no nó ]≤[ Oferta/Demanda do nó ] Print de tela do Microsoft Excel Observe que montamos os nós de entrega (fábricas) e destinos (concessionárias) numerando-os e colocando a oferta como um valor negativo e a demanda como um valor positivo, ou seja, saídas como negativas e entradas como positivas: Quadro de oferta e demanda Elaborado por Mauro Rezende Filho Observe também que criamos todas as possíveis rotas (de – para) com o respectivo custo de frete: Quadro com os custos de frete E finalmente as células das variáveis pintadas de amarelo claro (quantidades a serem entregue) e a função objetivo (custo total de entrega). Vamos agora explicar algumas formulações para a solução ser encontrada: CÉLULAS DE J5 A J10 Nas células de J5 a J10 (Fluxo Líquido) desejamos controlar o fluxo de movimentação de unidades e, para tanto, utilizamos uma função do Excel (SOMASE), que permite que o fluxo se mantenha balanceado: Atenção! Para visualização completa da equação utilize a rolagem horizontal CÉLULA K14 Na célula K14: =SOMA(K5:K10), verificamos as saídas menos as entradas para determinar a restrição de controle do fluxo. Como o resultado está negativo, há mais oferta do que demanda, ou seja, oferta > demanda. CÉLULA K15 Na célula K15: =SOMARPRODUTO(F5:F15;G5:G15), calculamos a função objetivo multiplicando a quantidade a ser entregue pelo seu respectivo custo. Podemos então montar o Solver: Print de tela do Microsoft Excel Clicando em Resolver, obtemos: Célula J5 ≔ SOMASE ⎛ ⎜⎜ ⎝ $D$5 : $D$15; H5; $G$5 : $G$15 nós de ⎞ ⎟⎟ ⎠ − SOMASE ⎛ ⎜⎜ ⎝ $B$5 : $B$15; H5; $G$5 : $G$15 nós de ⎞ ⎟⎟ ⎠ Print de tela do Microsoft Excel Obtivemos então o custo total de transporte, bem como a quantidade enviada por cada local. Neste segundo módulo, falamos sobre os problemas de redes de distribuição. No módulo seguinte, falaremos sobre o problema do menor caminho. Antes disso, fique atento para solucionar as questões a seguir, utilizando os conhecimentos que adquiridos até aqui. MÃO NA MASSA TEORIA NA PRÁTICA Alabama Atlantic é uma empresa madeireira que possui três fontes de madeira e cinco mercados a serem abastecidos. A disponibilidade anual de madeira nas fontes 1, 2 e 3 é de 15, 20, e 15 milhões de metros de tábua preparada respectivamente. A quantidade que pode ser vendida anualmente nos mercados 1, 2, 3, 4 e 5 é de 11, 12, 9, 10 e 8 milhões de metros de tábua preparada respectivamente. No passado, a empresa despachava a madeira de trem. No entanto, como os custos de frete vêm aumentando, a alternativa de utilizar navios para fazer parte das entregas está sendo analisada. Essa alternativa vai exigir que a empresa invista em algunsnavios. Exceto por esses custos de investimento, os custos de envio em milhares de dólares por milhão de metros de tábua preparada por ferrovia e por água (quando viável) seriam os seguintes para cada rota: O investimento de capital (em milhares de dólares) em navios, para cada milhão de metros de tábua preparada por navio ao longo de cada rota, é: Considerando a expectativa de vida útil dos navios e o valor do dinheiro no tempo, o custo anual uniforme equivalente desses investimentos é um décimo do valor indicado na tabela. O objetivo é determinar o plano geral de envio que minimiza o custo anual uniforme equivalente total (incluindo custos de envio). Você é o chefe da equipe com a tarefa de determinar esse plano de envio seguindo três opções. Opção 1: Continue enviando exclusivamente por trem. Opção 2: Mude para o transporte exclusivamente por água (exceto onde apenas o trem é viável). Opção 3: Envie por via ferroviária ou fluvial, dependendo de qual será o custo para a rota específica. Apresente seus resultados para cada opção. Compare. RESOLUÇÃO UMA ANÁLISE DE MODAIS DIFERENTES VERIFICANDO O APRENDIZADO MÓDULO 3 Descrever o problema do menor caminho O PROBLEMA DO MENOR CAMINHO CONCEITOS Um dos desenvolvimentos mais interessantes em pesquisa operacional (PO) nos últimos anos tem sido o avanço extraordinariamente rápido tanto na metodologia quanto na aplicação de modelos de otimização para redes. Uma série de inovações algorítmicas tiveram um grande impacto, bem como ideias da ciência da computação sobre estruturas de dados e manipulação eficiente de dados. Consequentemente, algoritmos e softwares agora estão disponíveis e sendo usados para resolver grandes problemas rotineiramente, que seriam completamente intratáveis duas ou três décadas atrás. EXEMPLO Um parque florestal foi recentemente reservado para uma quantidade limitada de passeios e caminhadas com mochila. Carros não são permitidos no parque, mas há uma estrada estreita e sinuosa e um sistema para bondes e jipes dirigidos pelos guardas-florestais. Esse sistema viário é mostrado (sem as curvas) na figura a seguir, em que o local O é a entrada do parque, e as outras letras designam a localização dos postos dos guardas florestais (e outras instalações limitadas). Os números indicam as distâncias dessas estradas sinuosas em quilômetros. O parque contém um centro de entretenimento na estação T. Um pequeno número de bondes é usado para transportar os turistas da entrada do parque para a estação T e vice-versa. A gestão do parque enfrenta atualmente três problemas. Um é determinar qual rota da entrada do parque até a estação T tem a menor distância total para a operação dos bondes. A questão a resolver será como mapear as várias viagens para maximizar o número de viagens que podem ser feitas por dia sem violar os limites de qualquer caminho de pedestres. PROBLEMA DE CAMINHO MAIS CURTO Embora várias outras versões do problema do caminho mais curto (incluindo algumas para redes) tenham sido desenvolvidas, vamos nos concentrar na seguinte versão, mais simples. CONSIDERE UMA REDE NÃO DIRECIONADA E CONECTADA COM DOIS NÓS ESPECIAIS CHAMADOS ORIGEM E DESTINO. ASSOCIADA A CADA UM DOS LINKS (ARCOS NÃO DIRECIONADOS) ESTÁ UMA DISTÂNCIA NÃO NEGATIVA. O OBJETIVO É ENCONTRAR O CAMINHO MAIS CURTO (O CAMINHO COM O MÍNIMO DE DISTÂNCIA TOTAL) DA ORIGEM AO DESTINO. Um algoritmo relativamente simples será utilizado para resolver esse problema. A essência deste procedimento se desdobra desde a origem, identificando sucessivamente o caminho mais curto a cada um dos nós da rede na ordem crescente de suas distâncias (mais curtas) da origem, resolvendo assim o problema quando o nó de destino é alcançado. ALGORITMO PARA O PROBLEMA DO CAMINHO MAIS CURTO Objetivo da enésima iteração: Encontrar o enésimo nó mais próximo da origem (a ser repetido por n 1, 2, . . .) até que o enésimo nó mais próximo seja o destino. Entrada para a enésima iteração: n - 1 nós mais próximos da origem (resolvido nas iterações anteriores), incluindo seu caminho mais curto e distância da origem (esses nós, mais a origem, serão chamados de nós resolvidos, e os outros são nós não resolvidos). Candidatos ao enésimo nó mais próximo: Cada nó resolvido diretamente conectado por um link a um ou mais nós não resolvidos fornece um candidato — o nó não resolvido com o link de conexão mais curto (os laços fornecem candidatos adicionais). Cálculo do enésimo nó mais próximo: Para cada nó resolvido e seu candidato, adicione a distância entre eles e a distância do caminho mais curto, da origem até esse nó resolvido. O candidato com a menor distância total é o nó enésimo mais próximo (laços fornecem nós resolvidos adicionais), e o caminho mais curto é o que gera essa distância. APLICANDO O ALGORITMO A administração do Parque Florestal precisa encontrar o caminho mais curto a partir da entrada do parque (nó O) para o centro de entretenimento (nó T) por meio do sistema viário mostrado na figura. A aplicação do algoritmo acima produz os resultados mostrados na tabela a seguir, em que o empate para o segundo nó mais próximo permite pular diretamente para buscar o quarto mais próximo nó seguinte. Tabela aplicando o algoritmo. Elaborada por: Mauro Rezende Filho 01 A primeira coluna (n) indica a contagem de iterações. 02 A segunda simplesmente lista os nós resolvidos para iniciar a iteração atual após deletar os nós irrelevantes (aqueles não conectados diretamente a nenhum nó não resolvido). 03 A terceira dá, então, os nós candidatos para o enésimo nó mais próximo (os nós não resolvidos com o link de conexão mais curto para um nó resolvido). 04 A quarta coluna calcula a distância do caminho mais curto da origem para cada um desses nós candidatos (ou seja, a distância para o nó resolvido mais o link de distância ao nó candidato). 05 O nó candidato com a menor distância é o enésimo nó mais próximo da origem, conforme listado na quinta coluna. 06 E 07 As duas últimas colunas resumem as informações para esse nó resolvido mais recente, necessário para prosseguir para as iterações subsequentes (ou seja, a distância do caminho mais curto da origem até esse nó e o último link para esse caminho mais curto). Após a conclusão do trabalho apresentado na tabela, o caminho mais curto do destino até a origem pode ser rastreado de volta por meio da última coluna da tabela como qualquer T→D→E→B→A→O ou T→D→B→A→O. javascript:void(0) javascript:void(0) javascript:void(0) javascript:void(0) javascript:void(0) javascript:void(0) PORTANTO, AS DUAS ALTERNATIVAS PARA O CAMINHO MAIS CURTO DA ORIGEM AO DESTINO FORAM IDENTIFICADAS COMO O→A→B→E→D→T E O→A→B→D→T, COM UMA DISTÂNCIA TOTAL DE 13 QUILÔMETROS EM CADA CAMINHO. MÉTODO DA FORÇA BRUTA Esse método também é bem simples e consiste em listar todos os possíveis caminhos e escolher o mais curto. Note que, para redes pequenas, será de fácil aplicação; entretanto, para grandes redes, será um tanto trabalhoso. A tabela a seguir mostra a aplicação do método: Tabela de aplicação do método da força bruta Elaborada por: Mauro Rezende Filho USANDO O SOLVER PARA FORMULAR E RESOLVER PROBLEMAS DE CAMINHO MAIS CURTO Esses algoritmos fornecem uma maneira particularmente eficiente de resolver grandes problemas de caminho mais curto. No entanto, alguns pacotes de software de programação matemática não incluem esses algoritmos. Do contrário, eles geralmente incluirão o método simplex de rede, que é outra boa opção para esses problemas. Uma vez que o problema do caminho mais curto é um tipo especial de problema de programação linear, o método simplex geral também pode ser usado quando opções melhores não estão disponíveis. Embora não seja tão eficiente quanto esses algoritmos especializados em grandes problemas de caminhos mais curtos, é bastante adequado para problemas de redes pequenos. SAIBA MAIS O Solver, que se baseia no método simplex geral, fornece uma maneira conveniente de formulare resolver problemas de caminho mais curto com dezenas de arcos e nós. Uma rota da origem ao destino é interpretada como um “fluxo” de 1 no caminho escolhido pela rede. As decisões a serem tomadas são quais arcos devem ser incluídos no caminho a ser percorrido. Um fluxo de 1 é atribuído a um arco se estiver incluído, enquanto o fluxo é 0 se não estiver incluído. Assim, as variáveis de decisão são: Atenção! Para visualização completa da equação utilize a rolagem horizontal Vejamos como formular o problema do Parque Florestal na planilha a seguir: xij={ 0 se o arco i→j não for incluído 1 se o arco i→j for incluído Print de tela do Microsoft Excel AS FÓRMULAS SÃO: Célula G4: =SOMASE($C$4:$C$18;F4;$E$4:$E$18)-SOMASE($B$4:$B$18;F4;$E$4:$E$18): e arrastar até a G10. Célula H13: =SOMARPRODUTO(D4:D18;E4:E18). Atenção! Para visualização completa da equação utilize a rolagem horizontal Montando o Solver: Print de tela do Microsoft Excel E a solução: Print de tela do Microsoft Excel Neste terceiro módulo do tema, falamos sobre o problema do menor caminho. No próximo módulo, falaremos sobre o problema do fluxo máximo. Antes disso, fique atento e realize os exercícios a seguir utilizando os conhecimentos que você adquiriu até aqui. MÃO NA MASSA TEORIA NA PRÁTICA Uma petrolífera deseja fazer uma rota para a entrega de produtos (alimentos, medicamentos, peças de reposição etc.) para suas plataformas de petróleo. Pelo GPS, é conhecida a localização cartesiana de cada uma. O objetivo é fazer as entregas percorrendo a menor distância total aproximada. A tabela a seguir apresenta as coordenadas cartesianas de cada plataforma. Qual será a distância mínima estimada? RESOLUÇÃO UMA APLICAÇÃO DE DISTRIBUIÇÃO DE PRODUTOS VERIFICANDO O APRENDIZADO MÓDULO 4 Descrever o problema do fluxo máximo O PROBLEMA DO FLUXO MÁXIMO INTRODUÇÃO A seguir, veja algumas aplicações típicas do problema de fluxo máximo: Maximizar o fluxo por meio da rede de distribuição de uma empresa, de suas fábricas para seus clientes. Maximizar o fluxo por meio da rede de suprimentos de uma empresa, para seus fornecedores. Maximizar o fluxo de óleo por meio de um sistema de oleodutos. Maximizar o fluxo de água por meio de um sistema de aquedutos. Maximizar o fluxo de veículos em uma rede de transporte. EXEMPLO Para algumas dessas aplicações, o fluxo por meio da rede pode se originar em mais de um nó e terminar em mais de um nó, mesmo porque no problema de fluxo máximo é permitido ter apenas uma única fonte e um único recebedor. Por exemplo, a rede de distribuição da empresa geralmente tem várias fábricas e clientes. Uma reformulação inteligente é usada para fazer com que tal situação se ajuste ao problema de fluxo máximo. Essa reformulação envolve a expansão da rede original para incluir uma fonte fictícia, uma rota falsa e alguns novos arcos. A fonte fictícia é tratada como o nó que origina todo o fluxo que, na realidade, se origina de algum dos outros nós. PARA CADA UM DESSES OUTROS NÓS, UM NOVO ARCO É INSERIDO, LEVANDO DA FONTE FICTÍCIA A ESSE NÓ. A CAPACIDADE DESSE ARCO É IGUAL AO FLUXO MÁXIMO QUE, NA REALIDADE, PODE SE ORIGINAR NESSE NÓ. DA MESMA FORMA, O RECEPTOR FICTÍCIO É TRATADO COMO O NÓ QUE ABSORVE TODO O FLUXO QUE, NA REALIDADE, TERMINA EM ALGUNS DOS OUTROS NÓS. Portanto, um novo arco é inserido a partir de cada um desses outros nós para o coletor fictício, no qual a capacidade desse arco é igual a fluxo máximo que, na realidade, pode terminar nesse nó. Por causa de todas essas mudanças, todos os nós na rede original agora são nós de transbordo; então, a rede expandida tem a única fonte necessária (a fonte fictícia) e um único receptor(fictício) para ajustar o problema de fluxo máximo. MÉTODO FORD-FULKERSON O método Ford-Fulkerson, também conhecido como algoritmo de caminho aumentado, é uma abordagem eficaz para resolver o problema de fluxo máximo. O método Ford-Fulkerson depende de dois conceitos principais: Rede residual. Caminhos de aumento. Agora, vamos entendê-los. REDE RESIDUAL É um grafo que possui os mesmos vértices da rede original com uma ou duas arestas para cada aresta da rede original, indicando o fluxo adicional possível pela rede. Para cada aresta, calcularemos o fluxo adicional da seguinte maneira. FLUXO ADICIONAL = CAPACIDADE DA BORDA - O FLUXO DA BORDA Então, para criar uma rede residual, vamos pegar nossa rede original e atualizar a capacidade de cada aresta com o fluxo adicional correspondente a ela. Em seguida, também adicionaremos bordas reversas para indicar a quantidade de fluxo atualmente passando pelas bordas da rede original. Para deixar isso mais claro, vejamos o exemplo a seguir. Para cada seta, o primeiro valor representa o valor do fluxo; o segundo, a capacidade da rota. EXEMPLO Vamos considerar a aresta C-D. Aqui, o fluxo é 11 e a capacidade da rota é 14. Portanto, se calcularmos o fluxo adicional para essa borda, obtemos 14 - 11 = 3. Na rede residual, podemos atualizar a capacidade da rota C-D como 3 e, em seguida, adicionar uma borda reversa com valor 11 (valor de fluxo da rede original) entre C e D. Da mesma forma, podemos repetir isso para todas as arestas, obtendo como rede residual: CAMINHO DE AUMENTO Dada uma rede de fluxo G = (V, E), o caminho crescente é um caminho simples de s para t no gráfico residual correspondente da rede de fluxo. Vamos utilizar esse método usando o exemplo a seguir. Etapa 1: Defina o fluxo de cada borda para 0. Etapa 2: Encontre um caminho de aumento na rede residual selecionando o caminho s-A-D-t. Em seguida, identifique a capacidade de gargalo (fluxo máximo) para o caminho selecionado. Observe que, ao longo desse caminho, a capacidade de gargalo é 8. Agora, sem violar a restrição de capacidade, atualize os valores de fluxo das bordas no caminho de aumento. Obteremos a seguinte rede de fluxo e a rede residual: Etapa 3: Selecione o caminho de aumento s-C-D-t. Agora, a capacidade de gargalo é 2. Etapa 4: Selecione o caminho de aumento s-A-B-t. Agora, e capacidade de gargalo é 2. Etapa 5: Selecione o caminho de aumento s-C-D-B-t. Agora, e capacidade de gargalo é 6. Etapa 6: Selecione o caminho de aumento s-C-D-A-B-t. Agora, e capacidade de gargalo é 1. Observe! Agora não há mais caminhos deixados de s para t no gráfico residual. Portanto, não há possibilidade de adicionar fluxo. Isso significa que o método Ford-Fulkerson está completo e estamos prontos para encontrar o fluxo máximo. UMA VEZ QUE O FLUXO MÁXIMO É IGUAL AO FLUXO QUE SAI DA FONTE, NESSE EXEMPLO, O FLUXO MÁXIMO É 10 + 9 = 19. Aprendemos o método Ford-Fulkerson para encontrar fluxos máximos. Existem várias aplicações de problemas de fluxo máximo, como gráficos bipartidos, eliminação de beisebol, programação de voos etc. Esse é um algoritmo muito importante que aumentará suas habilidades de codificação. USANDO O EXCEL PARA FORMULAR E RESOLVER PROBLEMAS DE FLUXO MÁXIMO A maioria dos problemas de fluxo máximo que surge na prática é consideravelmente maior e, ocasionalmente, muito maior do que o problema apresentado. Alguns problemas têm milhares de nós e arcos. O algoritmo de caminho aumentado que acabamos de apresentar é muito mais eficiente do que o método simplex geral para resolver problemas tão grandes. No entanto, para problemas de tamanho modesto, uma alternativa razoável e conveniente é usar o Excel e seu Solver baseado no método simplex geral. Vamos então resolver um problema pelo Solver: Considere as localidades abaixo conectadas por oleodutos. Cada oleoduto tem uma capacidade de transmissão (m³/s) indicada. O objetivo é enviar a maior quantidade possível de óleo, desde A até B. A oferta de A e a demanda de B são ilimitadas. COMO RESOLVER O PROBLEMA? Adicionar um arco artificial ligando o ponto de saída (A) ao ponto de chegada (B). Utilizar a regra de balanceamento de redes. O Valor de Oferta/Demanda em cada nó é igual a zero. A função objetivo muda: Maximizaro fluxo no arco artificial criado (fluxo grande). Restrições adicionais: As grandezas associadas aos arcos são o fluxo máximo em cada trecho da rede, portanto, restrições no modelo. Veja a montagem da planilha: Print de tela do Microsoft Excel AS FÓRMULAS SERÃO: Célula G4: =SOMASE($C$4:$C$11;F4;$E$4:$E$11)-SOMASE($B$4:$B$11;F4;$E$4:$E$11): e copiar até G9. Célula H12: =E11. Células E4:E11: variáveis de decisão. Atenção! Para visualização completa da equação utilize a rolagem horizontal O Solver deve ser montado da seguinte forma: Print de tela do Microsoft Excel Obtemos a solução: Print de tela do Microsoft Excel Neste tema, falamos sobre alguns problemas logísticos como os problemas de transporte, de redes de distribuição, do menor caminho e o problema do fluxo máximo. Coloque em prática os conhecimentos adquiridos nas atividades a seguir. MÃO NA MASSA TEORIA NA PRÁTICA Uma distribuidora de energia elétrica com duas centrais geradoras (E1 e E2) precisa estudar a melhor rota para abastecer um novo consumidor com duas fábricas (W1 e W2). É necessário, então, determinar o fluxo máximo de energia que poderá transmitir para elaborar o contrato de fornecimento. O fluxo a seguir apresenta as possíveis conexões entre o que é distribuído e o consumidor, bem como a capacidade de transferência por rota. Qual valor deverá constar em contrato? RESOLUÇÃO UM PROBLEMA DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA VERIFICANDO O APRENDIZADO CONCLUSÃO CONSIDERAÇÕES FINAIS Vimos uma série de métodos para a otimização em sistemas logísticos, todos buscando a solução ótima para o problema apresentado. Um mal planejamento logístico pode impactar negativamente nas margens de contribuição de uma empresa. Portanto, criar estratégias de otimização de custos no processo logístico deve ser uma das prioridades de qualquer empresa de transporte. No primeiro módulo, aprendemos sobre problemas de transporte, variáveis de decisão, formulação de programação linear, como montar um tableau de transporte, utilizar a regra do canto noroeste, o método do menor custo e o Solver. No segundo, aprendemos a utilizar o método Kuhn para chegar à distribuição ideal em redes de distribuição. No Módulo 3, vimos o problema do menor caminho aplicando o algoritmo e o método da força bruta. No último módulo, vimos como resolver problemas de fluxo máximo utilizando o método Ford-Fulkerson. PODCAST Agora, o especialista Mauro Rezende Filho encerra o tema falando sobre os principais tópicos abordados. AVALIAÇÃO DO TEMA: REFERÊNCIAS BALLOU, R. H. Business logistics management. 3. ed. Londres: Prentice Hall, 1992. BARNHART, G.; LAPORTE, G. (eds.). Handbook in operation research and management science: transportation. Amsterdam: Elsevier, 2007, vol. 14, 783 p. GHIANI, G.; LAPORTE, G.; MUSMANNO, R. (eds.). Introduction to logistics systems planning and control. Nova York: John Wiley & Sons, 2004. RUSHTON, A.; CROUCHE, P. H.; BAKER, P. The handbook of logistics and distribution management. 3. ed. Londres/Filadélfia: Kogan Page Limited, 2006. WATER, D. Inventory control and management. 2. ed. Chichester: John Wiley & Sons, 2003. EXPLORE+ Para que você possa se aprofundar mais no assunto estudado, recomendamos navegar nos sites: Portal de Periódicos da Capes. Biblioteca Digital de Domínio Público. CONTEUDISTA Mauro Rezende Filho CURRÍCULO LATTES javascript:void(0);
Compartilhar