Baixe o app para aproveitar ainda mais
Prévia do material em texto
Pesquisa Operacional. Construção de Modelos. Programação Linear. PO - PESQUISA OPERACIONAL Profa.: Léa Mara PROCESSO DE TOMADA DE DECISÃO 1 - CONSTRUÇÃO DE MODELOS 1.1 - Problemas de Decisão � Problemas mal estruturados: poucas informações; muitas dúvidas sem uma resposta precisa (solução depende da experiência do analista). � Problemas bem estruturados: dados bem definidos (geralmente numéricos); inexistência de indagações sem respostas. São aplicados modelos formais de análise (modelos matemáticos). Na prática tem-se um ponto intermediário entre estes dois tipos de problemas. Modelagem: Processo de transformar dados em um problema e organizá-los segundo as necessidades formais de um modelo matemático. Para resolução de um Problema: - Análise Quantitativa (modelo matemático). - Análise Qualitativa. 1.2 – Algumas Técnicas e Modelos Matemáticos Usados: � Análise Estatística (Probabilidade, Regressão e Técnicas Estatísticas); � Programação Linear: Programação Linear Simples: relações entre as variáveis são lineares. Programação Linear Inteira: obrigatoriedade de, pelo menos, uma das variáveis assumir valor inteiro. � Simulação: Envolve construção de um modelo. Visa obter soluções ou conhecer melhor as condições de operação da realidade. Em casos menos simples, a simulação é feita com auxílio de computadores. � Modelos de Rede: Aplicáveis ao estudo de sistemas de transporte. Visa obtenção e processamento da informação, planejamento de projeto de pesquisa e desenvolvimento. Usados para maximizar fluxo através de redes, para encontrar menor caminho entre pontos em uma rede. 2 � Teoria das Filas (Modelos de Linhas de Espera): Usados para melhorar a eficiência de instalações, cujas variáveis de incerteza são: - Demanda do consumidor; - Duração do atendimento; - Comportamento do consumidor enquanto espera ser atendido. � Teoria da Decisão: Aplicáveis a problemas de decisão com vários graus de estruturação (depende das informações disponíveis). 1.3 - Construções de Modelos (casos gerais) Problemas Resolvidos: 1) Suponha que você é o gerente do Armazém ABC, que todo mês envia o produto X para ser vendido a varejo em três cidades: Pirauba, Guiricema e São Geraldo. Assuma que as quantidades enviadas para essas cidades são as seguintes: Pirauba: X1 unidades; Guiricema: X2 unidades; São Geraldo: X3 unidades. a) Desenvolva um modelo para determinar o total mensal “T” de unidades do produto enviado para o conjunto das três cidades. T = X1 + X2 + X3 b) Suponha que a demanda de Pirauba nunca é superior a 5.000 unidades: incorpore esta restrição no modelo. X1 ≤ 5.000 (inequação que descreve a restrição) c) Suponha que a demanda de Guiricema é sempre maior que o dobro da demanda de São Geraldo. Incorpore mais esta restrição. X2 > 2X3 Onde: X2: demanda de Guiricema; X3: demanda de São Geraldo. d) Suponha ainda que o Armazém ABC jamais terá mais que 20.000 unidades do produto para enviar ao conjunto das três cidades. Logo: T ≤ 20.000 ou X1 + X2 + X3 ≤ 20.000 * Esta restrição diz respeito à quantidade máxima que pode ser enviada. 3 2) No problema anterior, suponha que o Armazém ABC, por acordo com seus varejistas, tenha sobre si todos os encargos com custos de transporte; o Armazém quer enviar quantidades de produto tais que esse custo total de transporte seja mínimo, respeitadas as seguintes condições adicionais: a) Pirauba não pode receber menos que 4.000 unidades do produto. b) Guiricema não pode receber menos que 10.000 unidades do produto. c) Os custos de transporte por unidade do produto são os seguintes: Pirauba: R$ 100,00; Guiricema: R$ 120,00; São Geraldo: R$ 80,00. Montar as restrições adicionais e a expressão do custo total que se quer minimizar. Novas restrições: X1 ≥ 4.000; X2 ≥ 10.000 Custo total: C = 100X1 + 120X2 + 80X3 Solução do modelo é obter os valores de X1, X2 e X3, para o caso de custo total mínimo e restrições obedecidas. 2 – PROGRAMAÇÃO LINEAR 2.1 – Definição Programação Linear: • Modelo Matemático; • Relações entre variáveis são expressas por equações e inequações lineares; • Problemas envolvendo: - Lucros e Receitas (modelos de maximização). - Custos (modelo de minimização). Problemas de Programação Linear contém: - Uma expressão matemática que se deseja maximizar ou minimizar: FUNÇÃO OBJETIVO. - Um conjunto de restrições (equações e inequações matemáticas) que devem ser obedecidas obrigatoriamente: RESTRIÇÕES DO MODELO. Obs.: Deseja-se determinar a distribuição que satisfaça as restrições do problema, e que alcance o objetivo desejado (ex.: maximização de lucros ou minimização de custos) Solução obtida: SOLUÇÃO ÓTIMA. 4 obs.: Modelo de Programação Linear é constituído de: Função Objetivo Linear Restrições Lineares 2.2 - Formulação de Modelos de Programação Linear Envolve: Parâmetros: valores conhecidas; Variáveis de decisão: valores a serem determinados (incógnitas); Função objetivo e restrições: são compostas por variáveis de decisão. • Programação Linear Inteira: pelo menos uma das variáveis de decisão assume valor inteiro. • Programação Linear Simples: variáveis assumem valores reais (também chamada de Programação Linear). Como obter a Solução Ótima: a) Graficamente: quando o modelo apresenta duas incógnitas: gráfico 2D. b) Uso de técnicas especiais: quando o modelo apresenta mais que duas incógnitas (maioria dos casos reais). EXEMPLO 1: Problema da Análise das Atividades: Determinar X1, X2, ... , Xn (variáveis de decisão – incógnitas do modelo) que maximize a função objetivo Z, sendo: Z = C1X1 + C2X2 + ... + CnXn, onde X1, X2, ... , Xn devem satisfazer o seguinte sistema de inequações lineares (restrições): a11X1 + a12X2 + ... + a1nXn ≤ b1 a21X1 + a22X2 + ... + a2nXn ≤ b2 ... am1X1 + am2X2 + ... + amnXn ≤ bm Restrições de não-negatividade (presente em todo problema de Prog. Linear): X1 ≥ 0 ; X2 ≥ 0 ; ... Xn ≥ 0 Solução Ótima 5 ∑ = = n i iiXCZ 1 j n 1i ij bXia ≤∑ = Forma compacta: Maximizar , sujeito às restrições (i = 1, 2, ..., n) e Xi ≥ 0 (j = 1, 2, ..., m) O modelo acima pode ser associado a uma empresa que tem m recursos disponíveis para a realização de n atividades (neste caso, representam a fabricação de produtos). Tem-se que, p/ i = 1, 2, ... , n e j = 1, 2, ... , m: bj: quantidade de recurso j disponível p/ as n atividades (bj ≥ 0). Xi: nível de produção da atividade i (incógnitas do problema). Ci: lucro unitário do produto i. aij: quantidade do recurso j consumida na produção de uma unidade do produto i. Verifica-se então que: • A função objetivo a ser maximizada representa o lucro total da empresa nessas n atividades. • As m restrições informam que o total gasto do recurso j nas n atividades tem de ser menor ou no máximo igual à quantidade bj disponíveis daquele recurso. As restrições Xi ≥ 0 (i = 1, 2, ..., n) eliminaram a possibilidade de níveis negativos para as diversas atividades. Construção do Modelo Matemático - Roteiro: 1 – Quais as variáveis de decisão? � Programação de produção: Variáveis de decisão são as quantidades a produzir no período. � Programaçãode investimento: variáveis de decisão representam as decisões de investimento (quanto investir em cada oportunidade de investimento, e em que período). Variáveis de decisão do problema: implícita na questão proposta, isto é, na pergunta do problema. 6 2 – Qual o objetivo? Identificar o objetivo da tomada de decisão. Aparece geralmente na forma de maximização de lucros ou receitas, minimização de custos ou perdas. Função objetivo: expressão que calcula o valor do objetivo. 3 – Quais as restrições? Cada restrição imposta na descrição do sistema deve ser expressa como uma relação linear (igualdade ou desigualdade), montadas com as variáveis de decisão. EXEMPLO 2: Certa empresa fabrica dois produtos P1 e P2. O lucro unitário do produto P1 é de 1000 unidades monetárias e o lucro unitário de P2 é de 1800 unidades monetárias. A empresa precisa de 20 horas para fabricar uma unidade de P1 e de 30 horas para fabricar uma unidade de P2. O tempo anual de produção disponível para isso é de 1200 horas. A demanda esperada para cada produto é de 40 unidades anuais para P1 e 30 unidades anuais para P2. Qual o plano de produção para que a empresa maximize seu lucro nesses itens? Construa o modelo de programação linear para esse caso. Solução: Variáveis de decisão: X1: quantidade anual a produzir de P1. X2: quantidade anual a produzir de P2. “Plano de Produção”: quais as quantidades anuais devem ser produzidas de P1 e P2. Função objetivo: Maximizar o lucro total L = 1000 X1 + 1800 X2 Lucro devido a P1: 1000 . X1 (lucro por unidade de P1 x quantidade produzida de P1). Lucro devido a P2: 1800 . X2 (lucro por unidade de P2 x quantidade produzida de P2). Restrições: a) Disponibilidade de horas para a produção: 1200 hs: 20 X1 + 30 X2 ≤ 1200 b) Disponibilidade de mercado para os produtos (demanda): X1 ≤ 40 X2 ≤ 30 7 Resumo do modelo: Maximizar L = 1000 X1 + 1800 X2 Sujeito a: 20 X1 + 30 X2 ≤ 1200 X1 ≤ 40; X2 ≤ 30 Restrição não-negatividade: X1 ≥ 0 e X2 ≥ 0 EXEMPLO 3: Para uma boa alimentação, o corpo necessita de vitaminas e proteínas. A necessidade mínima de vitaminas é de 32 unidades por dia e a de proteínas de 36 unidades por dia. Uma pessoa tem disponível carne e ovos para se alimentar. Cada unidade de carne contém 4 unidades de vitaminas e 6 unidades de proteínas. Cada unidade de ovo contém 8 unidades de vitaminas e 6 unidades de proteínas. Qual a quantidade diária de carne e ovo que deve ser consumida para suprir as necessidades de vitaminas e proteínas com o menor custo possível? Cada unidade de carne custa 3 unidades monetárias e cada unidade de ovo custa 2,5 unidades monetárias. Solução: Variáveis de decisão: X1: quantidade de carne a consumir no dia; X2: quantidade de ovo a consumir no dia. Decidir quais as quantidades de carnes e ovos a pessoa deve consumir no dia. Função objetivo: Minimizar o custo C = 3 X1 + 2,5 X2 Custo devido à carne: 3 . X1 (custo/unid. x quantidade a consumir de carne). Custo devido aos ovos: 2,5 .X2 (custo/unid. x quantidade a consumir de ovos). Restrições: a) Necessidade mínima de vitaminas: 32 unidades. 4 X1 + 8 X2 ≥ 32 b) Necessidade mínima de proteínas: 36 unidades. 6 X1 + 6 X2 ≥ 36 vitamina de ovos. vitamina de carne. proteína de ovos. proteína de carne. 8 Resumo: Min. C = 3 X1 + 2,5 X2 Sujeito a: 4 X1 + 8 X2 ≥ 32 6 X1 + 6 X2 ≥ 36 Restrições não-negativas: X1, X2 ≥ 0 OBS.: CONSTRUÇÃO DE MODELOS: Discriminar as variáveis do problema: X1, ..., Xn; Definir a função objetivo; Definir as restrições do problema; Marcar restrições de não-negatividade. Para determinar as incógnitas do problema: Método Gráfico; Método Simplex.
Compartilhar