Baixe o app para aproveitar ainda mais
Prévia do material em texto
PESQUISA OPERACIONAL Organizador: Rodrigo Rodrigues Catalogação na publicação: Poliana Sanchez de Araujo – CRB 10/2094 R696p Rodrigues, Rodrigo. Pesquisa operacional / Rodrigo Rodrigues. – Porto Alegre : SAGAH, 2017. 121 p. : il. ; 22,5 cm. ISBN 978-85-9502-004-7 1. Pesquisa operacional – Engenharia de produção. I. Título. CDU 658.5 Introdução à pesquisa operacional Objetivos de aprendizagem Ao final deste texto, você deve apresentar os seguintes aprendizados: � Definir pesquisa operacional. � Explicar a origem da pesquisa operacional. � Descrever a relação entre a pesquisa operacional e a tomada de decisão. Introdução Os registros de atividades formais de pesquisa operacional (PO) ocorreram na Inglaterra durante a Segunda Guerra Mundial, quando uma equipe de cientistas britânicos decidiu tomar decisões com bases científicas sobre a melhor utilização do material de guerra. As técnicas utilizadas para operações militares, após a guerra, foram adaptadas e utilizadas no setor civil para melhorar a eficiência e a produtividade. Neste texto, você vai acompanhar os primeiros passos da PO, sua origem, definições principais, problemas e modelos típicos. Pesquisa operacional: origem Os primeiros registros de métodos de análise e resolução de problemas seme- lhantes à pesquisa operacional (PO) são datados do século III a.C., contudo, a sua aplicação na rotina industrial ocorre há algumas décadas. Durante a Segunda Guerra Mundial, pesquisas feitas por cientistas sobre como melhor administrar operações de comboio e antissubmarino foram fundamentais U N I D A D E 1 na vitória da Batalha do Atlântico Norte. Esforços semelhantes ajudaram na Campanha Britânica no Pacífico. Após a Segunda Guerra Mundial, atividades organizacionais desenvolvidas pelos militares foram adaptadas ao setor civil para melhorar a produtividade. A partir do estabelecimento da Revolução Industrial, houve um crescimento significativo tanto em extensão quanto em complexidade nas organizações. O estabelecimento das divisões no trabalho e a distribuição de responsabilidades gerenciais nessas organizações foram fundamentais nesse período revolucio- nário. Com isso, pequenas oficinas de artesãos evoluíram para corporações bilionárias. Os resultados foram espetaculares. Contudo, mesmo com muitas vantagens, essa crescente especialização trouxe também problemas novos, os quais acometem ainda muitas organizações. Segundo Hillier (2010), um desses problemas é a tendência de as diversas unidades de uma organização crescerem em ilhas relativamente autônomas com seus próprios objetivos e sistemas de valor, perdendo, consequentemente, a visão de como suas atividades e seus objetivos se entremeiam com os da organização como um todo. O que é bom para uma das unidades pode ser prejudicial à outra, de forma que as unidades podem acabar trabalhando em direção a objetivos conflitantes. No Brasil, o início da PO ocorreu uma década depois da implantação na Grã-Bretanha e nos Estados Unidos, com destaque às aplicações em economia. No final dos anos 1960, já havia uma tendência, em algumas organizações, na formação de grupos de PO dedicados à solução de problemas táticos e estratégicos. A tomada de decisão na pesquisa operacional Você, como a maioria das pessoas, em algum momento de sua vida profissional, passou ou vai passar por situações de tomada de decisões. À medida que você ascende profissionalmente, os problemas vão se tornado mais complexos e as decisões serão mais difíceis de ser tomadas. A tomada de decisão é uma tarefa básica da gestão e consiste em decidir entre as possíveis soluções viáveis, aplicáveis a determinados problemas. Mesmo que cada gestor possa ter seu próprio procedimento de análise e soluções de problemas, Marins (2011) apresenta algumas etapas que considera necessárias de serem observadas por quem tem o papel de decisor: � Identificar o problema: nem sempre os problemas se apresentam claros, definidos e delimitados, por isso, essa talvez seja a etapa mais Pesquisa operacional12 difícil. É importante identificar os sistemas que se relacionam com o sistema que apresenta o problema. Para isso, é fundamental ter uma equipe multidisciplinar de analistas para que o problema seja visto a partir de diversos ângulos, contribuindo para sua solução. � Formular objetivos: os objetivos que deverão ser atingidos com a solução do problema deverão ser identificados e formulados, muitas vezes, matematicamente. Esses objetivos podem ser quantitativos, qualitativos ou conflitantes. � Analisar limitações: o próximo passo é fazer o levantamento das restrições que limitarão as soluções a serem propostas. Em geral, essas limitações estão relacionadas ao tempo/prazo, ao orçamento, às demandas, às capacidades (transporte, produção e armazenamento), à tecnologia (equipamentos e processos), aos inventários (matéria-prima, subconjuntos, work in process e produtos acabados), entre outras variáveis. � Avaliar alternativas: após identificar as alternativas de ação, o decisor deverá escolher a “melhor solução” a ser aplicada. É importante ressaltar que algumas vezes a solução ótima pode não apresentar o melhor custo- -benefício para a organização, então, outra solução pode ser escolhida, desde que atenda aos requisitos. Para a avaliação das alternativas, o decisor pode agir de forma qualitativa ou quantitativa. A qualitativa normalmente é adotada em problemas simples e repetitivos, com baixo impacto financeiro ou social. Nesses casos, o decisor experiente aplica uma solução que tenha sido utilizada com sucesso em outras ocasiões. A ação quantitativa é indicada quando os problemas são complexos, novos e envolvem altos recursos humanos, materiais e financeiros, com impacto significativo no ambiente em que está inserido (organização ou sociedade). Recomenda-se o uso de fundamentos da área científica e os métodos quanti- tativos (algoritmos) disponíveis para a obtenção de uma solução. A PO é muito empregada como ferramenta nos processos de tomadas de decisão diante de problemas nos ambientes de negócios. Os principais instru- mentos que a PO utiliza estão fundamentados nos conhecimentos matemáticos, estatísticos e de informática. Há uma série de situações em que a PO pode auxiliar na tomada de decisão, como problemas relacionados à otimização de recursos, à roteirização, à localização, às carteiras de investimentos, ao planejamento, à alocação de pessoas e de verbas de mídias (BARBOSA, 2015). Com relação aos problemas, há fatores que podem interferir no processo de tomada de decisão e que se deve estar atento quando se está no comando de uma situação (Quadro 1). 13Introdução à pesquisa operacional Fonte: MARINS, 2011 (adaptado de Lauchtermacher, 2009). Fator Cenário Importância Relacionada ao impacto que a decisão pode provocar na organização (ganhos ou prejuízos). Agentes O número de decisores, individual ou em grupo, simplifica ou torna mais complexo o processo. Riscos As certezas ou as incertezas influenciam as decisões. Ambiente Aspectos sociais e culturais que interferem no processo decisório. Conflitos Surgem em função de choques de interesses entre setores de uma organização ou entre decisores. Quadro 1. Fatores e cenários que interferem na tomada de decisão. Desse modo, a pesquisa operacional colabora com o desempenho dos profissionais para o desenvolvimento coerente e consistente de procedimentos com tomadas de decisão ao longo de sua carreira. Resolução de um problema em pesquisa operacional A PO é aplicada a problemas oriundos de atividades que compreendem a condução e a coordenação das operações de organizações nas mais variadas áreas, como manufatura, transportes, telecomunicações, construção civil, serviços públicos, assistência médica, financeiras, entre outras áreas. Para Marins (2011), os problemas surgem de forma vaga e imprecisa, o que exige do analista de PO uma grande capacidade de assimilare sistematizar as situações reais. Para se formular corretamente um problema, é necessário que ele seja bem identificado, que é a primeira etapa apresentada pelo autor para subdividir a resolução de um problema pela PO. Então, após a etapa de “identificação do problema”, viria a de “construção do modelo matemático”, Pesquisa operacional14 Pesquisa operacional14 A B C D E Quem tomará as decisões? Quais são os seus objetivos? Quais são as variáveis e as restrições para a decisão? Quais aspectos não são possíveis de serem controlados? Modelos são representações simplificadas da realidade. Análise do problema modelado com relação entre as variáveis, os dados relevantes e as variáveis de maior importância. Tentativa de várias alternativas de ação sem interromper o funcionamento do sistema em estudo. Após a construção do modelo matemático, passa-se para a obtenção de uma solução. Alguns métodos matemáticos utilizados em PO: programação linear, programação em redes, teoria dos grafos e a teoria das filas. Fase crítica, pois é somente nela que os resultados do estudo serão obtidos. A participação da equipe que trabalhou com o modelo e o entrosamento com a equipe de operação é muito importante para garantir a sua correta implementação. O teste pode ser feito em alguns modelos por meio do uso de dados históricos. Mesmo que a solução seja usada repetidamente, o modelo deve continuar sendo testado. Indicando deficiência, o modelo deve ser corrigido. Quadro 2. Resolução de um problema em pesquisa operacional. 15Introdução à pesquisa operacional seguida da “obtenção da solução”, do “teste de modelo e da solução obtida” e, por fim, a “implementação”. Observe o Quadro 2: Devido à sistemática que envolve a PO, o seu estudo propicia ao técnico adquirir um raciocínio organizado, o que facilita a análise e a interpretação dos problemas reais, de modo que seja feita uma análise detalhada dos aspectos envolvidos. Contudo, é necessário que o técnico de PO relacione-se constantemente com o usuário, sobretudo nas primeiras etapas de formulação e modelagem, visto não possuir total domínio de todas as áreas. A qualidade dos dados utilizados deve ser precisa, pois, algumas vezes, com o intuito de refinar um modelo, isso não é considerado, o que não justi- ficaria o refinamento. A complexidade do modelo deve ser adequada às suas finalidades. Alguns modelos podem ser muito complexos, o que é possível com o desenvolvimento dos computadores. Contudo, o custo da implementação de alguns modelos podem superar os benefícios, não justificando sua adoção. Solução ótima é aquela que melhor serve aos objetivos das pessoas e das organizações. Exemplo: a maneira de obter o lucro máximo ou o custo mínimo. Modelos e métodos É possível dizer que a PO é uma ferramenta matemática que auxilia no processo de tomadas de decisão em situações reais, utilizando modelos matemáticos estruturados em fases. Para Barbosa (2015), a PO é uma ciência aplicada, para justificar o autor cita Lisboa (2002 apud BARBOSA, 2015): � resolver problemas reais; � tomar decisões com base em dados e correlações quantitativos; � conceber, planejar e operar sistemas usando tecnologia e métodos de outras esferas do conhecimento; � diminuir os custos e aumentar o lucro; � encontrar a solução ótima. Pesquisa operacional16 Conheça alguns softwares que podem ser utilizados na pesquisa operacional, viabi- lizando a solução de problemas complexos, como Solver do Excel®, LINDO® - Linear Discrete Optimizar (www.lindo.com) e o CPLEX® (www.ILOG.com), PROMODEL® (www. belge.com.br/produtos_promodel.html) e o ARENA® (www.paragon.com.br). Nos dias de hoje, as técnicas da PO são bastante divulgadas no meio acadêmico. No entanto, nas empresas ainda há várias restrições quanto ao conhecimento e ao domínio dessa técnica. Há uma forte tendência, nas uni- versidades, de uma diversificação muito grande nas áreas de aplicação. Há tra- balhos voltados para problemas determinísticos, estocásticos e combinatórios, bem como importantes estudos relacionados à teoria da decisão, a métodos computacionais aplicados à programação matemática e a outras áreas mais contemporâneas, como a logística e o gerenciamento da cadeia de suprimentos. Alguns exemplos típicos desses problemas: � Programação linear – mix de produção, mistura de matérias-primas, modelos de equilíbrio econômico, carteiras de investimentos, roteamento de veículos, jogos entre empresas. � Modelos em Redes – rotas econômicas de transporte, distribuição e transporte de bens, alocação de pessoal, monitoramento de projetos. � Teoria de filas – congestionamento de tráfego, operações de hospitais, dimensionamento de equipes de serviço. É possível afirmar que a PO tem tido importante crescimento na adminis- tração das empresas, aumentando o número e a variedade de suas aplicações (MARINS, 2011). 17Introdução à pesquisa operacional http://www.lindo.com/ http://www.ilog.com/ http://belge.com.br/produtos_promodel.html http://www.paragon.com.br/ 1. Com relação à origem da pesquisa operacional, marque a alternativa correta: a) Os primeiros registros de métodos de análise e resolução de problemas semelhantes à pesquisa operacional (PO) aparecem no início do século XX. b) O grande destaque da pesquisa operacional ocorreu durante a Segunda Guerra Mundial. c) Após a Segunda Guerra Mundial, atividades organizacionais desenvolvidas pelos militares continuaram sendo aplicadas somente em operações militares. d) A partir do estabelecimento da Revolução Industrial, houve uma redução nas organizações, o que não justificava o emprego da PO. e) No Brasil, o início da PO ocorreu concomitantemente à implantação na Grã- Bretanha e nos Estados Unidos, com destaque à sua aplicação em economia. 2. Segundo Marins (2011), com relação à tomada de decisão na pesquisa operacional, mesmo que cada gestor possa ter seu próprio procedimento de análise e soluções de problemas, há algumas etapas que são necessárias de serem observadas por quem tem o papel de decisor. Qual alternativa apresenta a definição correta? a) Identificar o problema é a 3ª etapa, em que é feito o levantamento das restrições que limitarão as soluções a serem propostas. Em geral, essas limitações estão relacionadas ao tempo/prazo, ao orçamento, às demandas, às capacidades (transporte, produção e armazenamento), à tecnologia (equipamentos e processos), aos inventários (matéria-prima, subconjuntos, work in process e produtos acabados), entre outras variáveis. b) Formular objetivos – os objetivos podem não ser atingidos com a solução do problema. Os objetivos não podem ser conflitantes. c) Analisar limitações é a primeira etapa e, talvez, seja a etapa mais difícil. d) Avaliar alternativas – após identificar as alternativas de ação, o decisor deverá escolher a “melhor solução” a ser aplicada. e) A análise qualitativa é indicada quando os problemas são complexos, novos e envolvem altos recursos humanos, materiais e financeiros; com impacto significativo no ambiente em que está inserido (organização ou sociedade). 3. Com relação aos problemas, há fatores que podem interferir no processo de tomada de decisão e que se deve estar atento quando se está no comando de uma situação. Marque a alternativa que apresenta Pesquisa operacional18 o cenário correspondente ao fator: a) O fator “riscos” se refere ao impacto que a decisão pode provocar na organização (ganhos ou prejuízos). b) O fator “conflitos” se refere ao número de decisores, individual ou em grupo, simplifica ou torna mais complexo o processo. c) O fator “importância” se refere às certezas ou incertezas que influenciam as decisões. d) O fator “ambiente” está relacionado com os aspectos sociais e culturais que interferem no processo decisório. e) O fator “agentes” surge em função de choquesde interesses entre setores de uma organização ou entre decisores. 4. A pesquisa operacional colabora com o desempenho dos profissionais para o desenvolvimento coerente e consistente de procedimentos com tomadas de decisão ao longo de sua carreira. Quais são as etapas de uma resolução de um problema em pesquisa operacional? a) Identificação do problema, construção do modelo matemático, obtenção da solução, implementação e resultados. b) Experiência, construção do modelo matemático, obtenção da solução, implementação e 5) teste de modelo e da solução obtida. c) Identificação do problema, obtenção dos dados, obtenção da solução, teste de modelo e da solução obtida e implementação. d) Identificação do problema, construção do modelo matemático, obtenção da solução, obtenção dos dados e resultados. e) Identificação do problema, construção do modelo matemático, obtenção da solução, teste de modelo e da solução obtida e implementação. 5. Ainda sobre a resolução de problemas, marque a alternativa que apresenta as características correspondentes à etapa referida: a) Identificação do problema consiste em definir quem tomará as decisões e seus objetivos. b) Construção do modelo matemático é a fase crítica, pois é somente nela que os resultados do estudo serão obtidos. c) Obtenção da solução se refere 19Introdução à pesquisa operacional ao teste pode ser feito em alguns modelos por meio do uso de dados históricos. Mesmo que a solução seja usada repetidamente, o modelo deve continuar sendo testado. Indicando deficiência, o modelo deve ser corrigido. d) Implementação se refere à implementação feita após a construção do modelo matemático. Alguns métodos matemáticos utilizados em PO são: programação linear, programação em redes, teoria dos grafos e teoria das filas. e) Teste de modelo e da solução obtida se refere à análise do problema modelado com relação entre as variáveis, os dados relevantes e as variáveis de maior importância. Tentativa de várias alternativas de ação sem interromper o funcionamento do sistema em estudo. Pesquisa operacional20 BARBOSA, M. A. Iniciação à pesquisa operacional no ambiente de gestão. Curitiba: Intersaberes, 2015. MARINS, F. A. S. Introdução à pesquisa operacional. São Paulo: Cultura Acadêmica, 2011. TAHA, H. A. Pesquisa operacional: uma visão geral. São Paulo: Pearson Prentice Hall, 2008. Leitura recomendada HILLIER, F. S., LIEBERMAN, G. J. Introdução à pesquisa operacional. 9. ed. Porto Alegre: AMGH, 2013. 21Introdução à pesquisa operacional Encerra aqui o trecho do livro disponibilizado para esta Unidade de Aprendizagem. Na Biblioteca Virtual da Instituição, você encontra a obra na íntegra. ANOS EDIÇÃO DEANIVERSÁRIO INTRODUÇÃO À PESQUISA OPERACIONAL FREDERICK S. HILLIER GERALD J. LIEBERMAN Métodos de Pesquisa Esta nova edição de conta com os fundamentos mais atuais da área, amigáveis e maior cobertura de aplicativos de negócios, um extenso conjunto de problemas aplicáveis à realidade e casos para análise. O ponto forte desta 9ª edição é a parceria com a associação profissional internacional mais importante da área, o Institute of Operations Research and the Management Sciences (INFORMS). Essa união resultou em um texto mais completo e profundo,além de acesso aos artigos de excelência de profissionais e estudantes de PO nos campos analítico e quantitativo. Destaques: • Aplicações de PO de grande impacto apresentadas nos 100 artigos na íntegra fornecidos pela INFORMS. • Cerca de 200 problemas novos ou revisados. • Nova seção sobre administração de receitas. • Versões educacionais do LINDO e LINGO, com formulações e resoluções para todos os exemplos relevantes do livro. • Versões educacionais do MPL e seu excelente solucionador CPLEX,com umTutorial MPL e formulações e resoluções MPL/CPLEX. Introdução à Pesquisa Operacional softwares COLLINS, J.; HUSSEY, R. Pesquisa em Administração, 2.ed. COOPER, D.R.; SCHINDLER, P.S. Métodos de Pesquisa em Administração, 10.ed. HAIR JR., J.F.; BLACK,W.C.; BABIN, B.J.;ANDERSON, R.E.;TATHAM, R.L. Análise Multivariada de Dados, 6.ed. HAIR JR., J.F.; BLACK,W.C.; BABIN.; MONEY,A.H.; SAMOUEL, P. Fundamentos de Métodos de Pesquisa em Administração. RENDER, B.; STAIR JR., R.M.; HANNA, M.E. Análise Quantitativa para Administração, 10.ed. SAMPIERI, R.H.; COLLADO, C.F.; LUCIO, P.B. Metodologia de Pesquisa, 3.ed. SILVERMAN, D. YIN, R.K. Estudo de Caso, 4.ed. Um Livro Bom, Pequeno e Acessível sobre Pesquisa Qualitativa HILLIER, F.S.; LIEBERMAN, G.J. Introdução à Pesquisa Operacional, 9.ed. www.grupoa.com.br 0800 703 3444 MÉTODOS DE PESQUISA www.grupoa.com.br R e c o r te a q u i o s e u m a r c a d o r d e p á g in a F r e d e r ic k S . H illie r • G e r a ld J. L ie b e r m a n IN T R O D U Ç Ã O À P E S Q U IS A O P E R A C IO N A L IN T R O D U Ç Ã O À P E S Q U IS A O P E R A C IO N A L F r e d e r ic k S . H illie r G e r a ld J. L ie b e r m a n 9ª EDIÇÃO A Bookman Editora é parte do Grupo A, uma empresa que engloba diversos selos editoriais e várias plataformas de distribui- ção de conteúdo técnico, científico e profis- sional, disponibilizando-o como, onde e quando você precisar. O Grupo A publica com exclusividade obras com o selo McGraw-Hill em língua portuguesa. Material online Visite o site www.grupoa.com.br e obtenha versões atualiza- das de de pesquisa operacional, glossário, planilhas em Excel para resolução de problemas e outros materiais,em português e inglês,deste livro. softwares Material de apoio ao professor Visite a Área do Professor no site e tenha acesso à biblioteca de imagens, em português, apresentações em PowerPoint, manual de soluções, capítulos e casos adicionais e outros materiais exclusivos,em inglês,deste livro. 38282_Introducao_a_Pesquisa_Operacional.ps D:\Produção\AMGH\38282_Introducao_a_Pesquisa_Operacional\Arquivos abertos\38282_Introducao_a_Pesquisa_Operacional.cdr quinta-feira, 2 de agosto de 2012 16:52:55 Perfil de cores: Desativado Composição Tela padrão H654i Hillier, Frederick S. Introdução à pesquisa operacional [recurso eletrônico] / Frederick S. Hillier, Gerald J. Lieberman ; tradução Ariovaldo Griesi ; revisão técnica Pierre J. Ehrlich. – 9. ed. – Dados eletrônicos. – Porto Alegre : AMGH, 2013. Editado também como livro impresso em 2013. ISBN 978-85-8055-119-8 1. Matemática. 2. Pesquisa operacional. I. Lieberman, Gerald J. II. Título. CDU 519.8 Catalogação na publicação: Fernanda B. Handke dos Santos – CRB 10/2107 1.1 A ORIGEM DA PESQUISA OPERACIONAL Desde o advento da Revolução Industrial, o mundo presencia o crescimento extraordinário no ta- manho e na complexidade das organizações. As pequenas oficinas de artesãos de outrora evoluíram para as corporações bilionárias de hoje. Um fator crucial para essa mudança foi o extraordinário aumento na divisão do trabalho e a segmentação das responsabilidades gerenciais nessas organiza- ções. Os resultados foram espetaculares. Entretanto, junto com os pontos positivos, essa crescente especialização criou novos problemas, que ainda ocorrem em muitas organizações. Um deles é a tendência das diversas unidades de uma organização formarem impérios relativamente autônomos com seus próprios objetivos e sistemas de valor, perdendo, consequentemente, a visão de como suas atividades e objetivos se entremeiam com aquelas da organização como um todo. O que é melhor para uma das unidades com frequência é prejudicial à outra, o que pode levar a objetivos conflitantes. Um problema decorrente é que, à medida que aumentam a complexidade e a especia- lização, torna-se cada vez mais difícil alocar os recursos disponíveis para as diversas atividades da maneira mais eficiente para toda a organização. Esses tipos de problema e a necessidade de encon- trar o melhorcaminho para solucioná-los criaram as condições necessárias para o surgimento da pesquisa operacional (comumente referida como PO). As origens da PO remontam a décadas,1 quando tentou-se uma abordagem científica da gestão das organizações. Porém, o início da atividade, denominada pesquisa operacional, geralmente é atribuído às ações militares nos primórdios da Segunda Guerra Mundial. Em razão da guerra, havia a necessidade premente de alocar de forma eficiente os escassos recursos para as diversas operações militares. Por con- sequência, os comandos britânico e norte-americano convocaram grande número de cientistas para lidar com este e outros problemas táticos e estratégicos. Na prática lhes foi solicitada a realização de pesquisas sobre operações (militares). Essas equipes de cientistas foram as primeiras da área de PO. Utilizando métodos eficientes de emprego da nova ferramenta radar, essas equipes contribuíram para a vitória da Batalha Aérea na Grã-Bretanha. Por intermédio dessas pesquisas sobre como melhor administrar ope- rações de comboio e antissubmarinos, esses cientistas determinaram a vitória da Batalha do Atlântico Norte. Esforços semelhantes ajudaram na Campanha Britânica no Pacífico. Quando a guerra acabou, o sucesso da PO no empreendimento bélico despertou interesse na sua aplicação fora do ambiente militar. À medida que o boom industrial pós-guerra progredia, os problemas causados pela crescente complexidade e especialização nas organizações ganharam novamente o pri- meiro plano. Tornava-se aparente para um número cada vez maior de pessoas, entre elas consultores de negócios que trabalharam nas equipes de PO ou em conjunto com elas durante a guerra, que estes eram basicamente os mesmos problemas que tinham enfrentado os militares, porém, agora, em um contexto diferente. No início dos anos 1950, esses indivíduos haviam introduzido a PO nas diversas organiza- ções dos setores comercial, industrial e governamental. Sua rápida disseminação veio a seguir. 1 A Referência Selecionada 2 apresenta uma história interessante sobre a pesquisa operacional, que remonta a 1564. Ela descreve um número considerável de contribuições científicas no período entre 1564 e 1935, que influenciaram o posterior desenvolvimento da PO. 1C A P Í T U L O Introdução Hillier_01.indd 1Hillier_01.indd 1 29/06/12 08:5329/06/12 08:53 2 INTRODUÇÃO À PESQUISA OPERACIONAL Identificam-se pelo menos dois fatores que desempenharam papel fundamental no rápido cresci- mento da PO nesse período. O primeiro foi o progresso substancial das técnicas da PO. Após a guerra, muitos dos cientistas que haviam participado das equipes de PO ou que ouviram falar a esse respeito motivaram-se para desenvolver pesquisas relevantes nesse campo, o que resultou em avanços rumo ao que havia de mais novo. Um exemplo essencial é o método simplex para solução de problemas com programação linear, desenvolvido por George Dantzig, em 1947. Várias ferramentas padrão da PO, como programação linear, programação dinâmica, teoria das filas e teoria do inventário, atingiram um estado relativamente bem desenvolvido antes do final dos anos 1950. Um segundo fator que deu grande ímpeto ao crescimento desse campo foi a “avalanche” da revolução computacional. Requer-se grande volume de processamento de cálculos para o trata- mento eficiente dos problemas complexos normalmente considerados pela PO. Fazer isso à mão estaria fora de cogitação. Portanto, o desenvolvimento de computadores eletrônicos digitais, com capacidade de realizar cálculos matemáticos milhões de vezes mais rapidamente que o ser humano, impulsionou muito a PO. Outro estímulo surgiu nos anos 1980, com a criação de computadores pessoais cada vez mais poderosos, munidos de excelentes pacotes de software para a PO. Assim, a PO ficou ao alcance de um número muito maior de pessoas e esse progresso acelerou-se mais na década de 1990 e no século XXI. Hoje, milhões de pessoas têm pronto acesso a softwares de PO. Portanto, uma enorme gama de computadores, de mainframes a laptops, é utilizada no dia a dia para solucionar problemas relativos à PO, inclusive os mais complexos. 1.2 A NATUREZA DA PESQUISA OPERACIONAL Como o próprio nome indica, a pesquisa operacional envolve “pesquisa sobre operações”. Portanto, a PO é aplicada a problemas que compreendem a condução e a coordenação das operações (isto é, as atividades) em uma organização. A natureza das organizações é essencialmente secundária e, de fato, a PO tem sido amplamente aplicada em áreas tão distintas como manufatura, transportes, construção, telecomunicações, planejamento financeiro, assistência médica, militar e serviços públicos, somente para citar algumas delas. Portanto, a gama de aplicações é excepcionalmente grande. Parte do termo significa que a pesquisa operacional usa uma abordagem que relembra a ma- neira pela qual são conduzidas as pesquisas em campos científicos usuais. Em grau considerável, o método científico é utilizado para investigar o problema empresarial (de fato, a expressão ciências da administração é algumas vezes usada como sinônimo de pesquisa operacional). Em particular, o processo tem início observando-se e formulando-se cuidadosamente o problema, incluindo a coleta de dados relevantes. A próxima etapa é construir um modelo científico (tipicamente matemático) que tenta abstrair a essência do problema real. Parte-se, então, da hipótese de que esse modelo é uma re- presentação suficientemente precisa das características essenciais da situação e de que as conclusões (soluções) obtidas do modelo também são válidas para o problema real. A seguir, são realizadas ex- perimentações adequadas para testar essa hipótese, modificá-la conforme necessário e, por fim, veri- ficar alguma forma da hipótese (essa etapa é frequentemente conhecida como validação do modelo). Assim, até certo ponto, a pesquisa operacional envolve a pesquisa científica criativa das propriedades fundamentais das operações. Entretanto, há outros fatores além desse. Especificamente, a PO tam- bém trata da gestão prática da organização. Portanto, para ser bem-sucedida, a PO também precisa, quando necessário, fornecer conclusões positivas e inteligíveis para o(s) tomador(es) de decisão. Outra característica da PO é seu ponto de vista abrangente. Conforme ficou implícito na seção anterior, a PO adota um ponto de vista organizacional. Assim, tenta solucionar os conflitos de interes- ses entre as unidades de modo que seja a melhor solução para a organização como um todo. Isso não implica que o estudo de cada problema deva considerar explicitamente todos os aspectos da organiza- ção; ao contrário, os objetivos devem ser consistentes com aqueles de toda a organização. Uma característica a mais é que a PO tenta, frequentemente, encontrar uma melhor solução (co- nhecida como solução ótima) para o modelo que representa o problema considerado. (Dissemos uma melhor solução em vez de a melhor solução, pois pode haver várias soluções, cada uma delas sendo considerada como a melhor). Em vez de simplesmente melhorar o status quo, o objetivo é identificar o melhor caminho a percorrer. Embora ele deva ser interpretado com cuidado em termos das necessida- des práticas da administração, a busca pela “otimalidade” é um tema importante na PO. Hillier_01.indd 2Hillier_01.indd 2 29/06/12 08:5329/06/12 08:53 CAPÍTULO 1 INTRODUÇÃO 3 Todas essas características levam quase naturalmente a outra. É evidente que não se espera que ninguém seja um especialista em todos os aspectos do trabalho em PO ou dos problemas normal- mente considerados, o que exigiria um grupo de indivíduos com conhecimento prévio (background) e habilidades diversas. Portanto, quando se realiza um estudo de PO totalmente maduro de um novo problema, geralmente é necessário adotar-se uma abordagem de equipe. Uma equipe de PO desse tipo precisa contar com indivíduos que sejam altamente treinados em matemática, estatística e teoria daprobabilidade, economia, administração de empresas, informática, engenharia e física, ciências comportamentais e as técnicas especiais de PO. A equipe também precisa ter experiência necessária e diversas habilidades para dar a devida atenção a todas aquelas ramificações do problema que permeiam a organização. 1.3 O IMPACTO DA PESQUISA OPERACIONAL A pesquisa operacional teve impacto impressionante para melhorar a eficiência de inúmeras orga- nizações pelo mundo. Nesse processo, a PO contribuiu significativamente para o aumento da pro- dutividade da economia de diversos países. Há alguns países-membros na Federação Internacional das Sociedades de Pesquisa Operacional (IFORS), e cada país em uma sociedade de pesquisa ope- racional nacional. Tanto a Europa quanto a Ásia têm federações de PO para coordenar a realização de conferências internacionais e a publicação de jornais de circulação internacional. Além disso, o Instituto para Pesquisa Operacional e Ciências da Administração (INFORMS) é uma sociedade internacional sobre PO. Entre os diversos jornais, tem-se o chamado Interfaces, que publica artigos regularmente, que descrevem estudos importantes no campo da PO e o impacto que teriam em suas organizações. Para se ter uma ideia melhor da ampla aplicabilidade da PO, enumeramos algumas aplicações reais na Tabela 1.1. Observe a diversidade dos tipos de organização e aplicações nas duas primeiras colunas. A terceira coluna identifica a seção onde um “Exemplo de Aplicação” dedica vários parágrafos para descrever a aplicação e também faz referência a um artigo que fornece detalhes completos. (Pode- -se observar o primeiro desses “exercícios aplicados” nessa seção.) A última coluna indica que essas aplicações resultaram tipicamente em uma economia anual na casa de muitos milhões de dólares. Além disso, benefícios adicionais não registrados na tabela (por exemplo, melhoria nos serviços aos clientes e melhor controle gerencial) algumas vezes foram considerados até mais importantes que os benefícios financeiros. (Você terá a oportunidade de investigar estes benefícios menos tangíveis nos Problemas 1.3-1, 1.3-2 e 1.3-3.) Em site da editora, estão artigos que descrevem detalhadamente essas aplicações. Embora a maioria dos estudos rotineiros de pesquisa operacional forneça benefícios considera- velmente mais modestos que as aplicações sintetizadas na Tabela 1.1, os números na coluna mais à direita desta tabela refletem, de forma acurada, o impacto drástico que estudos de PO amplos e bem planejados podem apresentar ocasionalmente. 1.4 ALGORITMOS E/OU COURSEWARE Uma importante parte deste livro é a apresentação dos principais algoritmos (procedimentos sis- temáticos para solução) da PO para resolver certos tipos de problema. Alguns desses algoritmos são incrivelmente eficientes e são usados no cotidiano em problemas que envolvem centenas ou milhares de variáveis. Faremos a introdução de como esses algoritmos funcionam e o que os torna tão eficientes. A seguir, você utilizará esses algoritmos para solucionar uma série de problemas no computador. O Courseware de PO contido no site da editora, será uma ferramenta-chave na implementação de tudo isso. Uma característica especial em nosso Courseware de PO refere-se a um programa chamado Tutor PO. Esse programa destina-se a ser seu tutor pessoal para ajudá-lo no aprendizado desses algo- ritmos. Ele consiste em diversos exemplos de demonstração, que mostram e explicam os algoritmos em ação. Essas demos complementam os exemplos contidos neste livro. Hillier_01.indd 3Hillier_01.indd 3 29/06/12 08:5329/06/12 08:53 4 INTRODUÇÃO À PESQUISA OPERACIONAL Além disso, nosso Courseware de PO inclui um pacote de software especial denominado Tuto- rial Interativo de Pesquisa Operacional, ou simplesmente Tutorial IOR. Implementado em Java, esse pacote inovador foi desenvolvido especificamente para melhorar o aprendizado de nossos leito- res. O Tutorial IOR engloba vários procedimentos interativos para execução interativa dos algoritmos em um formato conveniente. O computador executa todos os cálculos de rotina ao passo que você se concentra no aprendizado e na execução da lógica do algoritmo. Certamente você vai considerar es- ses procedimentos interativos muito eficientes e uma forma de esclarecimento na execução de vários exercícios apresentados. O Tutorial IOR também abrange uma série de outros procedimentos úteis, in- cluindo alguns procedimentos automáticos para execução de algoritmos e diversos procedimentos que apresentam telas gráficas sobre como as soluções fornecidas variam conforme os dados do problema. � TABELA 1.1 Aplicações da pesquisa operacional a ser descritas em exemplos de aplicação Organização Natureza da aplicação Seção Economia anual (US$) Federal Express Planejamento logístico de despachos 1.3 Não estimada Continental Airlines Otimizar a realocação de tripulações quando ocorrem desajustes nos horários de voo 2.2 40 milhões Swift & Company Aumentar as vendas e melhorar o desempenho na fabricação 3.1 12 milhões Memorial Sloan-Kettering Cancer Center Procedimentos de tratamentos radioterápicos 3.4 459 milhões United Airlines Programar turnos de trabalho nas centrais de reserva e nos balcões em aeroportos 3.4 6 milhões Welch’s Otimizar o uso e a movimentação de matéria-prima 3.5 150 mil Samsung Electronics Desenvolver métodos de redução de tempo de fabricação e níveis de estoque 4.3 200 milhões mais receitas Pacific Lumber Company Gestão de ecossistemas florestais a longo prazo 6.7 398 milhões VPL* Procter & Gamble Redesenho do sistema de produção e distribuição 8.1 200 milhões Canadian Pacific Railway Planejamento de rotas para frete ferroviário 9.3 100 milhões United Airlines Realocação de aeronaves quando ocorrem problemas 9.6 Não estimada U.S. Military Planejamento logístico das Operações Tempestade no Deserto 10.3 Não estimada Air New Zealand Alocação de tripulação de voo 11.2 6,7 milhões Taco Bell Programar a escala de funcionários nas lojas da rede 11.5 13 milhões Waste Management Desenvolvimento de um sistema de gerenciamento de rotas para coleta e eliminação de lixo 11.7 100 milhões Bank Hapoalim Group Desenvolvimento de um sistema de apoio à tomada de decisão para analistas de investimentos 12.1 31 milhões mais receitas Sears Programação e rotas de veículos para as frotas de entrega e de atendimento domiciliar 13.2 42 milhões Conoco-Phillips Avaliação de projetos de exploração petrolífera 15.2 Não estimada Workers’ Compensation Gestão de pedidos de benefícios por invalidez e reabilitação de alto risco 15.3 4 milhões Westinghouse Avaliar projetos de pesquisa e desenvolvimento 15.4 Não estimada Merrill Lynch Gestão de riscos de liquidez para linhas de crédito rotativo 16.2 4 bilhões mais liquidez PSA Peugeot Citroën Orientar o processo de projeto para plantas de montagem de veículos eficientes 16.8 130 milhões mais lucros KeyCorp Aumentar a eficiência do serviço dos caixas de banco 17.6 20 milhões General Motors Aumentar a eficiência das linhas de produção 17.9 90 milhões Deere & Company Controle de estoques por meio de uma cadeia de suprimentos 18.5 1 bilhão menos estoque Time Inc. Gerenciamento dos canais de distribuição para revistas 18.7 3,5 milhões mais lucros Bank One Corporation Gestão de linhas de crédito e taxas de juros para cartões de crédito 19.2 75 milhões mais lucros Merrill Lynch Análise para estabelecimento de preços para o fornecimento de serviços financeiros 20.2 50 milhões mais receitas AT&T Projeto e operação de call centers 20.5 750 milhões mais lucros * VPL: Valor Presente Líquido. Hillier_01.indd 4Hillier_01.indd 4 29/06/12 08:5329/06/12 08:53 CAPÍTULO 1 INTRODUÇÃO 5 Na prática, os algoritmos normalmente são executados por pacotes de software comerciais. Acre- ditamos que seja importante para os estudantes se familiarizarem com a natureza desses pacotes que usarão depois de se formarem. Portanto, nosso Coursewarede PO inclui um grande volume de mate- rial para apresentar os estudantes a três deles que serão descritos a seguir. Juntos, esses pacotes o ha- bilitarão a solucionar, de forma muito eficiente, praticamente todos os modelos de PO encontrados no livro. Acrescentamos nossos procedimentos automáticos próprios ao Tutorial IOR em alguns poucos casos nos quais esses pacotes comerciais não puderam ser aplicados. Hoje, uma abordagem muito conhecida é o uso do programa de planilhas mais utilizado do momen- to, o Microsoft Excel, para formular pequenos modelos de PO no formato de planilha. O Excel Solver (ou uma versão aperfeiçoada desse programa adicional como o Premium Solver for Education, incluso em nosso Courseware de PO) é usado então para solucionar esses modelos. Nosso Courseware de PO contém arquivos Excel à parte para praticamente todos os capítulos do livro. Toda vez que um capítulo indicar um exemplo que possa ser solucionado usando-se o Excel, serão apresentadas a formulação completa da pla- nilha e a solução nos arquivos Excel referentes ao capítulo em questão. Também é fornecido um gabarito Excel para muitos dos modelos deste livro, que contêm todas as equações necessárias para solucionar o modelo. Alguns programas Excel complementares encontram-se no site da editora. Após vários anos o LINDO (e também a linguagem de modelagem que o acompanha, o LIN- GO) continua a ser um pacote de software de PO popular. As versões educacionais do LINDO e do LINGO agora podem ser baixadas da internet. Esta versão educacional também é fornecida em nosso Courseware de PO. Da mesma forma que ocorre com o Excel, toda vez que um exemplo puder ser solucionado por intermédio desse pacote, serão fornecidos em nosso Courseware de PO todos os deta- lhes na forma de um arquivo Lindo/Lingo para o capítulo em questão. O CPLEX é um pacote de software de última geração amplamente utilizado para solucionar problemas de PO abrangentes e desafiadores. Ao lidar com esses problemas, é comum também se usar um sistema de modelagem para formular de modo eficiente o modelo matemático e introduzi-lo no computador. MPL é um bom sistema de modelagem, que utiliza o CPLEX como principal soluciona- dor, mas também possui vários outros solucionadores, entre eles o LINDO, o CoinMP (apresentado na Seção 4.8), o CONOPT (abordado na Seção 12.0), o LGO (introduzido na Seção 12.10) e o BendX (útil para resolver alguns modelos estocásticos). Uma versão educacional do MPL, junto com a versão educacional mais recente do CPLEX e seus outros solucionadores, encontra-se disponível para down- load gratuito na internet. Para sua conveniência, também incluímos essa versão educacional (inclusive todos os solucionadores que acabamos de citar) em nosso Courseware de PO. Repetindo, todos os exemplos que podem ser resolvidos com esse pacote estão detalhados em arquivos MPL/CPLEX para os respectivos capítulos em nosso Courseware de PO. A Federal Express (FedEx) é a maior empresa de transporte expresso do mundo. Todos os dias, ela entrega mais de 6,5 milhões de documentos, pacotes e outros itens nos Estados Unidos e em mais de 220 países e territórios ao redor do mun- do. Em alguns casos, pode-se garantir a entrega dessas remes- sas até as 10h30 da manhã seguinte. As mudanças logísticas envolvidas no fornecimento des- se serviço são estarrecedoras. Esses milhões de embarques diá- rios têm que ser classificados um a um e direcionados para o local geral correto (usualmente por via aérea) e, então, devem ser entregues no destino exato (normalmente utilizando-se um veículo motorizado) em um período surpreendentemente cur- to. Como tudo isso é possível? A pesquisa operacional (PO) é o motor tecnológico que propulsiona essa empresa. Desde a sua fundação em 1973, a PO ajudou na tomada de suas principais decisões de negócios, inclusive investimento em equipamentos, estrutu- ra de rotas, cronograma, finanças e localização de suas insta- lações. Após ter sido literalmente creditada à PO a salvação da empresa durante seus primeiros anos, tornou-se habitual ter a PO representada nas reuniões de diretoria semanais e, de fato, vários dos diretores atuais provêm do destacado gru- po de PO da FedEx. A FedEx acaba sendo reconhecida como uma empresa de nível mundial. Rotineiramente ela se encontra no topo da lista anual das Empresas Mais Admiradas da Fortune Magazi- ne. Ela também foi a primeira vencedora (em 1991) do prê- mio hoje conhecido como INFORMS Prize, que é concedido anualmente para a integração efetiva e repetida da PO na tomada de decisão organizacional de maneira pioneira, varia- da, inovadora e duradoura. Fonte: R. O. Mason, J. L. McKenney, W. Carlson, and D. Copeland, “Absolutely, Positively Operations Research: The Federal Express Story”, Interfaces, 27(2): 17-36, March-April 1997. (Este artigo está disponível em inglês no site da edi- tora, www.bookman.com.br) Exemplo de Aplicação Hillier_01.indd 5Hillier_01.indd 5 29/06/12 08:5329/06/12 08:53 http://www.bookman.com.br/ 6 INTRODUÇÃO À PESQUISA OPERACIONAL Posteriormente, descreveremos detalhadamente esses três pacotes de software e como utilizá- -los (especialmente no final dos Capítulos 3 e 4). O Apêndice I também fornece documentação para o Courseware de PO, inclusive o Tutor PO e o Tutorial IOR. Para chamar a sua atenção sobre o material relevante em nosso Courseware de PO, a partir do Capítulo 3, no final de cada capítulo, há uma lista intitulada Ferramentas de Aprendizado para Este Capítulo Contidas em Site da editora. Conforme explicamos, no início da seção de problemas de cada um desses capítulos, também são colocados símbolos à esquerda de cada número de problema (ou par- te deles) nos quais quaisquer desses materiais (inclusive exemplos de demonstração e procedimentos interativos) possam ser úteis. Outra ferramenta de aprendizado fornecida em site da editora é um conjunto de Worked Exam- ples para cada capítulo (do Capítulo 3 em diante). Complementam aqueles contidos no livro para uso conforme a necessidade, mas sem interromper o fluxo do material naquelas diversas ocasiões em que você não tem necessidade de exemplos extras. Provavelmente você achará interessante esses exemplos complementares ao preparar-se para um exame. Sempre mencionaremos toda vez que um exemplo complementar sobre o tópico atual estiver incluído na seção Worked Examples no site da editora. Para ter certeza de que você não deixará passar despercebida essa menção, sempre destacaremos em negrito as palavras “exemplo adicional” (ou algo similar). No site também há um glossário para cada capítulo. REFERÊNCIAS SELECIONADAS 1. Bell, P. C., C. K. Anderson, and S. P. Kaiser: “Strategic Operations Research and the Edelman Prize Finalist Applications 1989-1998”, Operations Research, 51(1): 17-31, January-February 2003. 2. Gass, S. I., and A. A. Assad: An Annotated Timeline of Operations Research: An Informal History, Kluwer Academic Publishers (now Springer), Boston, 2005. 3. Gass, S. I., and C. M. Harris (eds.): Encyclopedia of Operations Research and Management Science, 2d ed., Kluwer Academic Publishers (now Springer), Boston, 2001. 4. Horner, P.: “History in the Making”, OR/MS Today, 29(5): 30-39, October 2002. 5. Horner, P. (ed.): “Special Issue: Executive’s Guide to Operations Research”, OR/MS Today, Institute for Operations Research and the Management Sciences, 27(3), June 2000. 6. Kirby, M. W.: “Operations Research Trajectories: The Anglo-American Experience from the 1940s to the 1990s”, Operations Research, 48(5): 661-670, September-October 2000. 7. Miser, H. J.: “The Easy Chair: What OR/MS Workers Should Know About the Early Formative Years of Their Profession”, Interfaces, 30(2): 99-111, March-April 2000. 8. Wein, L. M. (ed.): “50th Anniversary Issue”, Operations Research (a special issue featuring personalized accounts of some of the key early theoretical and practical developments in the field), 50(1), January-February 2002.PROBLEMAS 1.3-1 Selecione uma das aplicações de pesquisa operacional fornecidas na Tabela 1.1. Leia o artigo referente ao Exemplo de Aplicação apresentado na seção mostrada na terceira coluna da tabela. (É fornecido um link para todos esses artigos no site da Bookman). Redija um resumo de duas páginas sobre a aplicação e os benefícios (inclusive benefícios não financeiros) gerados por ela. 1.3-2 Selecione três das aplicações de pesquisa operacional enumeradas na Tabela 1.1. Para cada uma delas, leia o artigo referenciado na aplicação da seção mostrada na terceira coluna da tabela. (É fornecido um link para todos esses artigos no site da Bookman). Para cada um deles, redija um resumo de uma pá- gina sobre a aplicação e os benefícios (inclusive benefícios não financeiros) gerados por ela. 1.3-3 Leia o artigo referenciado que descreve completamente o estudo de PO sintetizado no Exemplo de Aplicação apresen- tado na Seção 1.3. Enumere os diversos benefícios financeiros ou não resultantes desse estudo. Hillier_01.indd 6Hillier_01.indd 6 29/06/12 08:5329/06/12 08:53 PESQUISA OPERACIONAL Organizador: Rodrigo Rodrigues Catalogação na publicação: Poliana Sanchez de Araujo – CRB 10/2094 R696p Rodrigues, Rodrigo. Pesquisa operacional / Rodrigo Rodrigues. – Porto Alegre : SAGAH, 2017. 121 p. : il. ; 22,5 cm. ISBN 978-85-9502-004-7 1. Pesquisa operacional – Engenharia de produção. I. Título. CDU 658.5 Modelos lineares e o método simplex Objetivos de aprendizagem Ao final deste texto, você deve apresentar os seguintes aprendizados: � Descrever a implementação do método simplex. � Introduzir variáveis artificiais na resolução de problemas. � Resolver um problema de programação linear com o método simplex. Introdução Os processos de planejamento das atividades de uma organização com o uso da pesquisa operacional buscam uma solução ótima. Neste texto, você vai acompanhar as características específicas de programação linear (PL). Por meio das operações de maximização, você vai ver os passos de resolução de situações-problema com a aplicação do método simplex para elaborar modelos de resolução. Será utilizado exemplo prático para subsidiar as atividades relativas à identificação, estruturação e resolução matemática de problemas comuns nas tomadas de decisões do cotidiano de uma organização. Programação linear Programação linear (PL) é uma técnica de otimização aplicada em sistemas de equações e inequações lineares que representam modelos já projetados. Trata-se de uma aplicação matemática utilizada por profissionais para proble- mas relativos à produção, por exemplo, para evitar desperdícios de produtos e matérias-primas ou otimizar mão de obra, baseado em funções e restrições lineares para modelagem e solução de problemas de otimização. Aplicação da função objetivo e das restrições em PL Quando se fala de problemas de otimização, significa que queremos maximi- zar (aumentar) ou minimizar (diminuir) uma função, relacionada a finanças, produção, entre outras áreas. Nesses casos, é necessário verificar a função objetivo e as restrições apresentadas pelo sistema analisado (BARBOSA, 2015). � 1. Função objetivo Para definir a função objetivo, você pode, por exemplo, maximizar o lucro ou minimizar o custo. Assim, a função objetivo pode ser escrita de duas formas: ■ Para maximizar Z: máx. z = c1x1 + c2x2 +...+ cn xn ■ Para minimizar Z: min. z = c1x1 + c2x2 +...+ cn xn Você pode estranhar o fato de a minimização de uma função z ser equivalente à maximização dessa função em sua versão negativa – z, como nos itens a e b, em que ambas são somatórias. Nas duas situações, c seriam os números reais, e x, as variáveis do problema. Lembrando que, em a, é feita a maximização do lucro e, em b, o objetivo é minimizar o custo. Além da função objetivo, representada por uma função matemática, em PL temos também as restrições. � 2. Restrições em PL Considere uma indústria de alimentos que queira otimizar sua produção, maximizando o lucro. Para essa otimização, surgiram limitações na prática, que são denominadas restrições do problema PL. Essas limitações são as seguintes: Pesquisa operacional34 ■ disponibilidade de matéria-prima; ■ capacidade da produção; ■ mão de obra; ■ limitações no preço. Podem existir diferentes limitações, de acordo com o problema de PL, como localização ou espaço físico. Veja algumas dessas situações: ■ Restrição de capital: um investidor que quer aumentar ou diversificar seus investimentos, mas possui pouco capital. ■ Restrição de quantidade: uma empresa de logística que deseja ampliar suas entregas, mas possui poucos veículos. ■ Restrição espacial: um pequeno agricultor que deseja cultivar diversas culturas, porém, não possui espaço suficiente. Há restrições de igualdade e desigualdade, que são representadas por equações e inequações. Elas são representadas a seguir: ■ Equação de restrições de igualdade: a11x1 + a12x2 + ... + a1nxn = b1 ■ Inequações de restrições de desigualdade: a11x1 + a12x2 + ... + a1nxn ≤ b1 ou a11x1 + a12x2 + ... + a1nxn ≥ b1 � 3. Forma geral ou padrão Um problema de PL é caracterizado, na sua forma geral, pela padroni- zação, com o objetivo de facilitar o entendimento. A seguir apresentamos a sua estrutura: � Máx. z = c1x1 + c2x2 +...+ cn xn � a11x1 + a12x2 + ... + a1nxn ≤ b1 � a21x1 + a22x2 + ... + a2nxn ≥ b2 am1x1 + am2x2 + ... + amnxn ≤ bm x1 ≥ 0, x2 ≥ 0, ..., xn ≥ 0 35Modelos lineares e o método simplex Onde os termos aij, bi e cj são coeficientes das equações e inequações que indicam no problema os números de quantidade, valor e custos (i = 1, 2, 3,..., m; e j = 1, 2, 3, ..., n), semelhantes a operações com matrizes em que esses termos indicam a posição dos elementos de uma matriz. As variáveis x1, x2, ..., xn são selecionadas de modo que satisfaçam as restrições e otimizem a função objetivo. O uso de s.a. (“sujeita a”) indica que temos uma função objetivo que está sujeita a determinadas restrições. As limitações das restrições são representadas pelos termos b1, b2, ..., bm, que são chamados de parâmetros da função. E são chamados de restrições de não negatividade os termos x1, ≥ 0, x2 ≥ 0, ..., xn ≥ 0. Como não podemos ter quantidades negativas de produtos ou recursos, essas restrições são utilizadas. Veja agora um exemplo detalhado de PL: � Quantidade mensal disponível de couro – 1 t. � Quantidade mensal disponível de borracha – 600 kg. � O lucro referente a uma unidade de sandália é de R$ 12,00. � O lucro referente a uma unidade de sapato é de R$ 15,00. Caso toda a produção de calçados seja vendida e a empresa consiga vender no máximo 700 sandálias por mês, qual quantidade de cada modelo deve ser produzida para que o lucro seja máximo? Não se esqueça de que, para formular um problema, é preciso identificar as variáveis, a função objetivo e as restrições. Identificação das variáveis Nesse exemplo, as quantidades de cada modelo a serem produzidas são as variáveis. Onde: � x1: quantidade de sandálias � x2: quantidade de sapatos Pesquisa operacional36 Formulação da função objetivo Transcrevendo as informações para a linguagem matemática, obteremos a função objetivo. Como você sabe, o lucro unitário referente à sandália é de R$ 12,00, e o lucro unitário referente ao sapato é de R$ 15,00. Para ter lucro, representado por z, devem-se multiplicar os lucros unitários por suas respectivas quantidades produzidas: � Z = 12x1 + 15x2 Para obter o lucro máximo, a função objetivo será: � Max z = 12x1 + 15x2 O lucro unitário é a diferença entre o valor utilizado pela empresa para a venda do produto e o gasto para a sua produção. Formulação das restrições Na definição das restrições do problema, você deve, primeiramente, verificar os fatores que podem limitar a produção. No exemplo dos calçados em ques- tão, as restrições estão relacionadas às quantidades disponíveis de couro e de borracha. Há, ainda, umarestrição relacionada à quantidade máxima de sandálias que poderá ser comercializada. Portanto, o número de restrições para esse problema é igual a três: A primeira restrição, referente à quantidade de couro consumida, pode ser descrita com a seguinte formulação matemática: 0,7x1 + 0,4x2 ≤ 1.000 Nessa conta, é possível saber a quantidade de couro consumida na fabri- cação de sandálias, pois sabemos que, para a fabricação de uma sandália, são necessários 700 g de couro (0,7 kg). Para cada sapato, são necessários 400 g de couro (0,4 kg). Para saber o total de couro utilizado na produção, basta multiplicar 0,7 por x1 e 0,4 por x2 e, logo, somar essas quantias, obtendo a expressão: 0,7x1 + 0,4x2 37Modelos lineares e o método simplex Se a quantidade máxima de couro que a indústria tiver disponível é 1 t (1.000 kg), a soma 0,7x1 + 0,4x2 não pode ultrapassar essa quantidade. Por esse motivo, escrevemos que 0,7x1 + 0,4x2 tem de ser menor ou igual a 1.000, ou seja: 0,7x1 + 0,4x2 ≤ 1.000 Da mesma forma, é possível obter a segunda restrição, referente ao consumo de borracha. Já que para produzir a sandália são necessários 150 g de borracha (0,15 kg) e para produzir o sapato são necessários 300 g (0,3 kg) do material, o total de borracha consumido na produção dos modelos é: 0,15x1 + 0,3x2 Sendo a disponibilidade mensal de borracha de 600 kg, a segunda restrição fica assim: 0,15x1 + 0,2x2 ≤ 600 Por fim, a terceira restrição, relacionada à produção máxima de sandália, é dada por: x2 ≤ 700 Então, a formulação do problema de PL proposto a que chegamos é dada como: Máx. z = 12x1 + 15x2 s.a. 0,7x1 + 0,4x2 ≤ 1.000 0,15x1 + 0,3x2 ≤ 600 x1 ≤ 700 x1 ≥ 0, x2 ≥ 0 Observação: Para resolver problemas de PL, caso existam, as restrições ≥ (maior ou igual) devem ser trocadas por ≤ (menor ou igual). Para isso, basta multiplicar cada res- trição de ≥ por (-1) e, em seguida, inverter a desigualdade ≥ por ≤. Por exemplo: Pesquisa operacional38 A restrição a11x1 + a12x2 + ... a1nxn ≥ b1 é equivalente a -a11x1 – a12x2 - ... a1n xn ≤ -b1 Como você viu, as restrições x1 ≥ 0, x2 ≥ 0, ..., xn ≥ 0 são chamadas restrições de não negatividade. Elas são utilizadas quando as variáveis do problema não podem assumir valores negativos. Interpretação geométrica e solução gráfica Como todo problema PL tem restrições lineares, podemos representar as restri- ções de um problema de duas variáveis em um sistema de eixos coordenados, chamado “plano cartesiano”. Vamos relembrar: um par ordenado (x;y) representa um ponto no plano (Fig. 1), conforme estudamos no ensino médio. Figura 1 Pontos coordenados no plano cartesiano Fonte: Barbosa (2015). 39Modelos lineares e o método simplex Então, com base em seus conhecimentos matemáticos, você pode apresentar os dados por meio de um gráfico para construir um modelo com duas ou até três variáveis. Escrevemos uma equação associada a cada restrição de desigualdade nesse sistema de eixos coordenados para representá-las, contendo os mesmos coeficientes e o mesmo termo independente. No caso do exemplo da indústria de calçados que fabrica dois modelos (sandália e sapato), a restrição 0,7x1 + 0,4x2 ≤ 1.000 está associada à equação 0,7x1 + 0,4x2 = 1.000. Do mesmo modo, a restrição 0,15x1 + 0,3x2 ≤ 600 está associada à equação 0,15x1 + 0,3x2 = 600, e a restrição x1 ≤ 700 está associada à equação x1 = 700. Obtendo a representação da primeira restrição Você deve construir uma tabela atribuindo dois valores quaisquer para a variável x1 para obter a representação da primeira restrição. Logo, você deve calcular o respectivo valor da variável x2. A seguir apresentamos como é feito o cálculo dos valores das variáveis: Os pares ordenados são os pontos da forma (x1; x2). Uma forma simpli- ficada de obter os pares ordenados é atribuir o valor zero à variável x1 para encontrar o respectivo valor de x2. Logo, atribuímos à variável x2 o valor zero para encontrar o valor de x1. Desse modo, os pontos obtidos estarão sob os eixos coordenados, facili- tando o processo de representação gráfica de cada uma das restrições. Como as restrições são de desigualdade, é importante ainda considerar em qual semiplano vai estar a região factível (região delimitada pelas restrições do problema). Um método muito prático é considerar a origem do plano carte- siano, o par ordenado (0,0). Se, ao substituir os valores de x1 e x2 por zero, a desigualdade for verdadeira, então a região factível estará no semiplano que contém a origem. Caso contrário, a região factível estará no semiplano oposto, ou seja, aquele que não contém a origem. Esse processo é usado também para as demais restrições. Veja o cálculo desse processo: A primeira equação é 0,7x1 + 0,4x2 = 1.000. Pesquisa operacional40 Sendo: X1 = 0, temos que x2 = 2.500, pois resolvendo 0,7 . 0 + 0,4. X2 = 1.000 0 + 0,4x2 = 1.000 X2 = 1000/0,4 X2 = 2.500 Sendo: X2 = 0, temos que x1 = 1.428,57, pois 0,7 . x1 + 0,4 . 0 = 1.000 0,7 . x1 + 0 = 1.000 0,7 . x1 = 1.000 X1 = 1.428,57 Assim, você obterá a Tabela 1 com os valores de x1 e x2 e os respectivos pares ordenados: x1 x2 (x1;x2) 0 2500 (0;2500) 1428,57 0 (1428,57;0) Tabela 1. Valores de x1 e x2 para 0,7x1 + 0,4x2 = 1.000. Logo: � o ponto (0; 2.500) está localizado no eixo da variável x2, pois x1 é igual a zero; � o ponto (1.428,57; 0) fica sobre o eixo x1, pois x2 é igual a zero. Assim, como o ponto (0; 0), origem do sistema, satisfaz a inequação 0,7x1 + 0,4x2 ≤ 1.000, a região factível está no semiplano que contém a origem . Veja na Figura 2, a representação da primeira restrição. 41Modelos lineares e o método simplex No mesmo plano cartesiano em que representamos a primeira restrição, representamos também a segunda e a terceira restrições. Figura 2. Representação da primeira restrição. Fonte: Barbosa (2015). Método simplex Simplex é um método importante e amplamente utilizado na resolução de problemas lineares de otimização. O método simplex foi desenvolvido em 1947, por George B. Dantzig (1914-2005), professor emérito de pesquisa operacional e ciência da computação. O método simplex busca, caso existam, uma ou mais soluções a partir de uma solução básica factível, gerando uma sequência de soluções factíveis. Quando essa sequência é concluída, a solução ótima é obtida. Você deve ficar atento às duas situações em que não é possível chegar à solução ótima (BARBOSA, 2015): 1. por apresentar restrições de incompatibilidade, não há uma solução que deva ou possa executar; Pesquisa operacional42 2. não encontrar um máximo ou um mínimo – caso em que uma das va- riáveis pode se estender ao infinito (apresentar essa tendência), embora as restrições sejam satisfeitas; consequentemente, teremos um valor sem limites para a função objetivo. É importante que você conheça esse método justamente porque ele apre- senta, excetuando-se as duas situações descritas anteriormente, a possibilidade de resolvermos, por meio de um esquema de equações lineares, o modelo PL. Antes de continuarmos, vamos para duas definições importantes: � Variáveis básicas e não básicas: variáveis básicas são as que compõem a solução ótima do problema, e as variáveis não básicas são aquelas cujo valor é igual a zero. � Variáveis de folga ou excesso: são aquelas que acrescentamos ao problema, para resolvê-lo pelo método proposto, transformando as desigualdades do tipo “menor ou igual” em igualdades. Considerando os passos apresentados, você pode representar a operacio- nalização por meio da Tabela 2: z c1 c2 cn xb1 a11 a12 a1n xb2 a21 a22 A2n . . . . . . . . . . . . xbm am1 am2 amn Tabela 2. Representação genérica da tabela utilizada no método simplex. 43Modelos lineares e o método simplex Ainda considerando a fábrica de calçados, supomos que, mensalmente, toda a produção de sapatos seja vendida, enquanto a venda de sandálias seja no máximo de 700 pares. De acordo com essas informações, determine a quantidade decada modelo que deve ser produzida de modo que o lucro seja máximo. À formulação do modelo-padrão de PL para o problema vamos acrescentar novas variáveis de folga para cada restrição: Max z = 12x1 + 15x2 s.a. 0,7x1 + 0,4x2 + x3 = 1.000 0,15x1 + 0,3x2 + x4 = 600 X1 x1 ≥ 0, x2 ≥ 0 Veja passo a passo o processo pelo qual realizamos esses cálculos. Para facilitar a resolução, elaboramos a Tabela 3, utilizando o modelo a seguir: Fonte: Barbosa (2015). Função objetivo Coeficientes da função objetivo Termos independentes Coeficientes da restrições Tabela 3. Modelo de tabela para o uso de método simplex. Colocamos na linha zero o valor de z (que é a função objetivo e cuja solução inicial tem valor de z = 0) e os coeficientes da função objetivo, todos com os sinais trocados. Observe a Tabela 4: Z = 0 -12 -15 0 0 0 Tabela 4. Coeficientes da função objetivo. Pesquisa operacional44 Veja os coeficientes que foram colocados. Completamos os campos vazios sempre com zero para identificar os campos nulos. Então, temos o seguinte: � Na linha um, colocamos a quantidade de recursos disponíveis referente à primeira restrição. Não se esqueça de que são somente coeficientes: 0,7; 0,4; 1. O valor de 1.000 entrará na primeira coluna, pois é o coeficiente do termo independente ou do recurso disponível. � Na linha dois, escrevemos os valores: 600 (disponibilidade de recursos para a segunda restrição); 0,15; 0,3; 0; 1, que são os coeficientes. � Na linha três, registramos os valores da última restrição: 700, que é a disponibilidade de recursos, e 1; 0; 0; 0; 1, que são os coeficientes. Então, nossa Tabela 5 fica assim: x1 x2 x3 x4 x5 Z = 0 -12 -15 0 0 0 x3 1000 0,7 0,4 1 0 0 x4 600 0,15 0,3 0 1 0 x5 700 1 0 0 0 1 Tabela 5. Tabela inicial do método simplex Inicialmente, nesse processo de resolução, as variáveis básicas de folga são: x3, x4 e x5. As variáveis não básicas são x1 e x2, ou seja, as variáveis originais do problema. Para decidir qual variável entrará na base, precisamos verificar qual variável não básica fornecerá o maior lucro possível. Para isso, basta verificar qual variável tem o coeficiente mais negativo na linha zero. Assim, a variável que entra na base é x2, cujo coeficiente na linha zero é igual a -15. 45Modelos lineares e o método simplex Em seguida, deve ser determinada a variável básica que sairá da base. Então, você deverá dividir cada termo independente pelos respectivos coeficientes positivos (não são considerados os valores negativos ou nulos) da coluna referente à variável x2 (variável que entra na base): 1.000 : 0,4 = 2.500 600 : 0,3 = 2.000 Veja que a divisão de 700 por 0 não é possível. Como o menor resultado obtido é 2.000 (divisão de 600 por 0,3), a variável que sairá da base é x4, pois essa é a variável básica que tem o elemento unitário na linha referente a essa divisão. Observe que o pivô, nesse caso, é igual a 0,3. Precisamos transformar o pivô em 1. Como 0,3 = 3/10, basta multiplicar todos os termos da linha dois por 10/3 (inverso multiplicativo de 3/10): Linha dois multiplicada por 10/3 600 × 10/3 = 2000 0,15 × 10/3 = 0,5 0,3 × 10/3 = 1 0 × 10/3 = 0 1 × 10/3 = 3,33 0 × 10/3 = 0 Figura 3. Processo de resolução. Pesquisa operacional46 Resultando em: Nova linha dois 2000 0,5 1 0 3,33 0 A linha anterior será substituída pela nova linha dois. Essa linha será utili- zada para zerar os demais elementos não nulos da coluna referente à variável x2. Linha zero - multiplicamos a nova linha por 15 com o intuito de zerar o elemento a1 = -15. Logo, somamos os resultados obtidos com os respectivos elementos da linha zero: Linha zero 0 - 12 - 15 0 0 0 Nova linha dois multiplicada por 15 2000 × =30000 0,5 × 15 = 7,5 0,5 × 15 = 15 0 × 15 = 0 3,33 × 15 = 50 0 × 15 = 0 Nova linha zero (soma da linha zero com a nova linha dois multiplicada por 15) 0 +30000 = 30000 - 12 + 7,5 = - 4,5 - 15 + 15 = 0 0 + 0 = 0 0 + 50 = 50 0 + 0 = 0 Portanto, a nova linha zero é: Nova linha zero 30000 -4,5 0 0 50 0 47Modelos lineares e o método simplex Para zerar o elemento a12 = 0,4, a nova linha dois foi multiplicada por -0,4 e, a seguir, somamos os resultados obtidos com os respectivos elementos da linha um: Linha um 1000 0,7 0,4 1 0 0 Nova linha dois multiplicada por - 0,4 2000 × (- 0,4) = -800 0,5 × (- 0,4) = -0,2 1 × (- 0,4) = -0,4 0 × (- 0,4) = 0 3,33 × (- 0,4) = -1,33 0 × (- 0,4) = 0 Nova linha um (soma da linha um com a nova linha dois multiplicada por - 0,4) 1000 - 800 = 200 0,7 – 0,2 = 0,5 0,4 – 0,4 = 0 1 + 0 = 1 0 – 1,33 = - 1,33 0 + 0 = 0 Assim, a nova linha é: Nova linha um 200 0,5 0 1 -1,33 0 Sendo o elemento a22 igual a zero, a linha não precisa ser alterada. Então, a primeira iteração se resume a seguir: x1 x2 x3 x4 x5 Z = 30000 -4,5 0 0 50 0 x3 200 0,5 0 1 -1,33 0 x4 2000 0,5 1 0 3,33 0 x5 700 1 0 0 0 1 Agora, temos a primeira solução ótima , que é z = 30.000. Contudo, como variável não básica (x1), ainda apresenta valor negativo, portanto, devemos partir para uma nova iteração. Segunda iteração – buscando nova solução. Pesquisa operacional48 Construímos nova tabela a partir dos resultantes recém-obtidos: x1 x2 x3 x4 x5 Z = 30000 -4,5 0 0 50 0 x3 200 0,5 0 1 -1,33 0 x4 2000 0,5 1 0 3,33 0 x5 700 1 0 0 0 1 Há, ainda, um coeficiente negativo na linha zero. Então, a variável que entrará na base é x1. A decisão sobre qual variável sairá da base se dará a partir das seguintes divisões: 200 : 0,5 e 700 : 1. O valor da divisão de 200 por 0,5 é 400, o menor resultado obtido, corres- pondente à linha um. Logo, a variável que sairá da base é x3. x1 x2 x3 x4 x5 Z = 30000 -4,5 0 0 50 0 x3 200 0,5 0 1 -1,33 0 x4 2000 0,5 1 0 3,33 0 x5 700 1 0 0 0 1 Variáveis básicas: x2, x3 e x5 Variáveis não básicas: x1 e x4 Entra: x1 Sai: x3 Pivô = 0,5 Z = 30.000 O elemento a11 é igual 0,5 = ½. Assim, multiplicamos a linha um por 2 (inverso multiplicativo de ½): Linha um multiplicada por 2 200 × 2 = 400 0,5 × 2 =1 0 × 2 = 0 1 × 2 = 2 -1,33 × 2 = -2,66 0,2 = 0 49Modelos lineares e o método simplex Então: Nova linha um 400 1 0 2 -2,66 0 Zerando o elemento da linha zero: Linha zero 30000 -4,5 0 0 50 0 Nova linha dois multiplicada por 4,5 400 × 4,5 = 1 800 1 × 4,5 = 4,5 0 × 4,5 = 0 2 × 4,5 = 9 -2,66 × 4,5 = - 12 0 × 4,5 = 0 Nova linha zero (soma da linha zero com a nova linha um multiplicada por 4,5) 30000 + 1800 = 31800 - 4,5 + 4,5 = 0 0 + 0 = 0 0 + 9 = 9 50 – 12 = 38 0 + 0 = 0 Nas demais linhas, faremos o mesmo para zerar os coeficientes da coluna referente à variável x1: Nova linha um multiplicada por -0,5 4000 × (- 0,5) = - 200 1 × (- 0,5) = - 0,5 0 × (- 0,5) = 1 2 × (- 0,5) = 0 -2,66 × (- 0,5) = 3,33 0× (- 0,5) = 0 Linha dois 2000 0,5 1 0 3,33 0 Nova linha dois (soma da nova linha um multiplicada por -0,5 com a linha dois) -200 + 2000 = 1800 -0,5 + 0,5 = 0 0 + 1 = 1 -1 + 0 = -1 1,33 + 3,33 = 4,66 0+0 = 0 Nova linha um multiplicada por -1 400 × (- 1) 1 × (- 1) 0 × (- 1) 2 × (- 1) -2,66 × (- 1) 0 × (- 1) Linha três 700 1 0 0 0 1 Nova linha três (soma da nova linha um multiplicada por -1 com a linha três) -400 +700 = 300 -1 + 1 = 0 0 + 0 = 0 -2 + 0 = -2 2,66 + 0 = 2,66 0 + 1 =1 Pesquisa operacional50 A seguir você encontra o resultado de todo esse processo: x1 x2 x3 x4 x5 Z = 31800 0 0 9 38 0 x3 400 1 0 2 - 2,66 0 x4 1800 0 1 -1 4,66 0 x5 300 0 0 -2 2,66 1 Variáveis básicas: x1, x2 e x5 Variáveis não básicas: x3 e x4 Solução ótima: X1 = 400 X2 = 1.800 X5 = 300 Z = 31.800 Como todos os coeficientes da linha zero são positivos ou nulos, chegamos à seguinte solução ótima para o problema de PL: X1 = 400 X2 = 1.800 Z = 31.800 Portanto, a solução ótima para atender à função objetivo será produzir 400 sandálias e 1.800 sapatos, totalizando R$ 31.800,00 de lucro mensal. Você acompanhou o processo de resoluçãode problema mediante as ite- rações (tabelas), em que resolvemos um modelo de PL por meio de método de solução de sistemas de equações lineares. Resumidamente, esse foi o processo: 1. Formulamos o modelo apresentando o problema (recursos, disponibi- lidade, situação atual do processo, lucro atual). 2. Montamos um modelo com variáveis de decisão do problema: X1 – quantidade a produzir de sandálias; X2 – quantidade a produzir de sapatos. 51Modelos lineares e o método simplex 3. Apresentamos a função objetivo matematicamente, com lucro: Z = 12x1 + 15x2 4. Quanto às restrições, apresentamos a relação lógica que há no problema e acrescentamos as variáveis de folga, transformando as inequações em equações. Dessa forma, a estrutura lógica que era: Emprego dos recursos ≤ disponibilidade mudou para: Emprego dos recursos + folga = disponibilidade. Essa relação traduz como condição o seguinte raciocínio: Se o emprego do recurso < disponibilidade, então a folga > 0. Se o emprego do recurso = disponibilidade, então a folga = 0. Nessa modelagem, a variável de folga pode ser expressa por uma variável cuja forma seja igual à fabricação de cada produto. Pesquisa operacional52 1. Com relação à programação linear (PL), marque a alternativa correta: a) Programação linear (PL) é uma técnica de maximização aplicada em sistemas de equações lineares. b) Trata-se de uma aplicação não matemática utilizada por profissionais para problemas relativos à produção, por exemplo. c) É uma programação baseada em funções lineares utilizada em problemas em que não há restrições. d) Quando se fala de problemas de otimização, significa que queremos exclusivamente maximizar os lucros. e) Nos casos de maximização e minimização, é necessário verificar a função objetivo e as restrições apresentadas pelo sistema analisado. 2. Marque a opção que está relacionada corretamente às restrições em programação linear (PL): a) Em um problema de PL, ou há a função objetivo ou há as restrições. b) As restrições de igualdade são representadas por inequações. c) Na prática, as limitações, que são denominadas restrições do problema PL, podem ser disponibilidade de matéria prima, capacidade da produção, mão de obra e limitações no preço. d) O uso de s.a (“sujeita a”) indica que temos uma função objetivo que está sujeita à otimização. e) São chamados de restrições de negatividade os termos x1, ≥ 0, x2 ≥ 0, ..., xn ≥ 0. 3. Observe as Figuras 1 e 2 e marque a alternativa que está relacionada corretamente 53Modelos lineares e o método simplex com a respectiva figura: a) Figura 2: x1 = 10, x2 = 0, z = 30. b) Figura 1: x1 = 4,5, x2 = 3,5, z = 28,5. c) A Figura 1 é a resolução gráfica do problema de PL cuja maximização é: maxz = 4x1 + 3x2. d) Na Figura 2, a s.a é 2x1 ≤ 9 X2 ≤ 7 X1 + x2 ≤ 8 X1, x2 ≥ 0. 4. Supondo que uma indústria de implementos agrícolas produza os modelos A 1. 2. Pesquisa operacional54 e B, que proporcionam lucros unitários de R$ 16,00 e R$ 30,00 respectivamente. A exigência de produção mínima mensal é de 20 unidades para o modelo A e de 120 para o modelo B. Cada tipo de implemento requer certa quantidade de tempo para a fabricação das partes que os compõem, para a montagem e para os testes de qualidade. Ou seja, uma dúzia de unidades do modelo A requer 3 horas para fabricar, 4 horas para montar e 1 hora para testar. Considerando, ainda, que uma dúzia de unidades do modelo B requer 3,5 horas para fabricar, 5 horas para montar e 1,5 hora para testar. Contudo, durante o próximo mês, a fábrica terá disponível 120 horas de tempo de fabricação, 160 horas de montagem e 48 horas de testes de qualidade. De acordo com a imagem do gráfico, assinale a alternativa correta: a) X1 é a quantidade de implementos do modelo A. b) O tempo total gasto para a produção de 20 peças do modelo A é de 8 horas. c) Para o próximo mês, há somente duas restrições: 160 horas de tempo para montagem e 48 horas para testes de qualidade. d) A função objetivo é = 120x1 + 20x2. 5. Suponha que uma fábrica produza dois tipos de aço: normal e especial. Uma tonelada de aço normal requer 2 horas no forno de soleira aberta e 5 horas de 55Modelos lineares e o método simplex molho; uma tonelada de aço especial requer 2 horas no forno de soleira aberta e 3 horas de molho. O forno de soleira aberta está disponível 8 horas por dia, e o molho está disponível 15 horas por dia. O lucro para 1 tonelada de aço normal é de $120,00 e para 1 tonelada de aço especial é de $100,00. A empresa precisa produzir diariamente no mínimo 2 toneladas de aço normal e 1 tonelada de aço especial. Com base nesse problema, marque a alternativa correta. a) 1 tonelada de aço normal é uma restrição. b) X1 é a quantidade, em toneladas, de aço especial. c) Para maximizar os lucros, é preciso produzir 2 toneladas de aço especial. d) Produzir no mínimo 2 toneladas de aço normal é uma variável. e) A disponibilidade diária de 8 horas para o forno de soleira e 15 horas para o forno de molho é uma restrição do problema. Pesquisa operacional56 BARBOSA, M. A. Iniciação à pesquisa operacional no ambiente de gestão. Curitiba: Intersaberes, 2015. Leitura recomendada HILLIER, F. S.; LIEBERMAN, G. J. Introdução à pesquisa operacional. 9. ed. Porto Alegre: AMGH, 2013. 57Modelos lineares e o método simplex Encerra aqui o trecho do livro disponibilizado para esta Unidade de Aprendizagem. Na Biblioteca Virtual da Instituição, você encontra a obra na íntegra. PESQUISA OPERACIONAL Organizador: Rodrigo Rodrigues Tópicos complementares: múltiplos objetivos, programação dinâmica e não linear Objetivos de aprendizagem Ao final deste texto, você deve apresentar os seguintes aprendizados: � Definir solução de problemas considerando múltiplos objetivos. � Descrever as características e os problemas de uma programação dinâmica. � Identificar problemas de uma programação não linear. Introdução Uma etapa fundamental na formulação de um modelo de pesquisa operacional (PO) é a construção da função objetivo. É nesse sentido que o responsável pelas decisões desenvolve uma medida quantitativa de desempenho para cada um dos objetivos finais, que são identificados durante a definição do problema. Neste texto, você vai conhecer os conceitos básicos de problemas com múltiplos objetivos e as características principais das programações dinâmica e não linear. Solução de problemas considerando múltiplos objetivos A maioria dos modelos estudados é baseada na otimização de uma única função objetivo. Há situações em que múltiplos objetivos (conflitantes) podem ser mais adequados. Por exemplo, políticos prometem reduzir a dívida nacional e, ao mesmo tempo, oferecem redução da carga tributária. Em tais situações, é impossível achar uma solução única que otimize essas duas metas confli- tantes. A programação de metas é o meio pelo qual se busca uma solução de compromisso baseada na importância relativa de cada objetivo. Como podemos otimizar um modelo multiobjetivos com metas possivel- mente conflitantes? Dois métodos foram desenvolvidos para essa finalidade: o método de pesos e o método hierárquico. Ambos os métodos são baseados na conversão de múltiplos objetivos em uma única função. O método de pesos forma uma única função objetivo que consista na soma ponderada das metas. Já o método hierárquico otimiza as metas uma por vez, começando com a meta de prioridade mais alta e terminando com a de prioridade mais baixa, sem nunca degradar a qualidade da meta de prioridade mais alta. A solução dada pelo método de pesos nada mais é do que uma programação linear comum. O método hierárquico acarreta em considerações “adicionais” em relação ao algoritmo que se enquadram muito bem no domínio do método simplex (TAHA, 2008). Programação dinâmica A programação dinâmica (PD) é um método matemático útil para uma sequên- cia de tomadas de decisão inter-relacionadas. Ela apresenta
Compartilhar