Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Palavras do professor A economia, a matemática, a estatística e a informática são consideradas ciências fundamentais para o processo de preparação, análise e tomada de decisão. A Pesquisa Operacional (P.O.) faz uso dessas quatro ciências oferecendo aos gestores e aos administradores um conjunto de métodos e modelos que os auxiliam em suas decisões. Ao estudar esse livro didático você aprenderá a utilizar a planilha Excel® e o software Lindo®, que são dois sistemas muito úteis para a solução de problemas de Pesquisa Operacional. O objetivo deste livro é atingir, principalmente, dois públicos: os estudantes e os profissionais de administração, economia e contábeis que tenham interesse em saber como a Pesquisa Operacional pode auxiliá-los no processo de tomada de decisão. Espero que você aproveite o conteúdo selecionado para o melhor desempenho no seu curso de administração e na sua carreira profissional. Um ótimo estudo! Professor Luis Augusto Araújo 2 SUMÁRIO PALAVRAS DO PROFESSOR.....................................................1 1. INTRODUÇÃO À PESQUISA OPERACIONAL ............................5 1.1 CONCEITO ........................................................................................................................5 1.2 HISTÓRIA........................................................................................................................6 1.3 APLICAÇÕES.....................................................................................................................8 1.4 FASES DE UM ESTUDO DE PESQUISA OPERACIONAL....................................................8 1.5 MODELAGEM DE PROBLEMAS GERENCIAIS ....................................................................9 1.5.1 Modelos de Simulação.........................................................................................10 1.5.2 Modelos de Otimização..................................................................................... 11 . . GLOSSÁRIO..........................................................................................................................12 SÍNTESE ..............................................................................................................................12 EXERCÍCIOS PROPOSTOS.....................................................................................................13 2. PROGRAMAÇÃO LINEAR................................................. 15 2.1. APLICAÇÕES DA PROGRAMAÇÃO LINEAR.....................................................................16 2.2. VANTAGENS DO USO DA PROGRAMAÇÃO LINEAR......................................................17 2.3. MODELAGEM DE PROBLEMAS.......................................................................................18 2.4. PROBLEMA DE ALOCAÇÃO DE RECURSOS ....................................................................19 2.5. FORMULAÇÃO DE DIETAS DE MÍNIMO CUSTO ......................................................... 20 GLOSSÁRIO..........................................................................................................................21 SÍNTESE ............................................................................................................................. 22 EXERCÍCIOS PROPOSTOS.................................................................................................... 22 3. RESOLVENDO PROBLEMAS SIMPLES PELO MÉTODO GRÁFICO .... 34 3.1. PROBLEMA DE ALOCAÇÃO DE RECURSOS DA FÁBRICA DE COMPUTADORES.............. 34 3.2. RESOLUÇÃO PELO MÉTODO GRÁFICO........................................................................ 35 1ª Etapa: Construir a região de soluções das restrições................................... 35 2ª Etapa: Avaliar o objetivo na região de soluções ............................................. 37 GLOSSÁRIO......................................................................................................................... 40 SÍNTESE ............................................................................................................................. 40 PROBLEMAS SIMPLES DE PROGRAMAÇÃO LINEAR, COM APENAS DUAS VARIÁVEIS DE DECISÃO, PODEM SER RESOLVIDOS PELO MÉTODO GRÁFICO............................................ 40 3 EXERCÍCIOS PROPOSTOS ....................................................................................................41 4. RESOLVENDO PROGRAMAÇÃO LINEAR UTILIZANDO A PLANILHA EXCEL® ......................................................................... 44 4.1. ELEMENTOS DA PLANILHA.......................................................................................... 45 4.2. DESENVOLVENDO O PROBLEMA DA EMPRESA ILHA DA MAGIA................................ 45 4.3. ANÁLISE DOS RESULTADOS .......................................................................................51 GLOSSÁRIO......................................................................................................................... 54 SÍNTESE ............................................................................................................................. 54 EXERCÍCIOS PROPOSTOS.................................................................................................... 55 5. RESOLVENDO PROBLEMAS DE PROGRAMAÇÃO LINEAR UTILIZANDO O SOFTWARE LINDO® ....................................................... 60 5.1 DESENVOLVENDO O PROBLEMA DA EMPRESA DE BOLAS .........................................61 5.2 ANÁLISE DO RESULTADO......................................................................................... 66 5.3 ANÁLISE DE SENSIBILIDADE .................................................................................. 68 SÍNTESE ............................................................................................................................. 70 EXERCÍCIOS PROPOSTOS.....................................................................................................71 6. PROBLEMAS DE TRANSPORTES .......................................... 76 6.1. ESTUDO DE CASO: PLANEJAMENTO DE TRANSPORTE DE UMA VINÍCOLA............... 79 6.2. PROGRAMAÇÃO LINEAR .............................................................................................. 79 6.2.1 Solução de Problemas de Transportes com o uso do Software Excel® 80 6.2.2 Solução de Problema de Transporte com o uso do Software Lindo® ... 85 6.3. MÉTODO DE APROXIMAÇÃO DE VOGEL (VAM)......................................................... 86 6.4. REGRA DO CANTO NOROESTE.................................................................................... 90 6.5. CASO DE SISTEMAS NÃO EQUILIBRADOS E DA IMPOSSIBILIDADE DE TRANSPORTE ............................................................................................................................................. 92 GLOSSÁRIO......................................................................................................................... 93 SÍNTESE ............................................................................................................................. 93 EXERCÍCIOS PROPOSTOS.................................................................................................... 94 7. PROGRAMAÇÃO INTEIRA ................................................. 97 7.1 PROBLEMAS TÍPICOS DE PROGRAMAÇÃO INTEIRA..................................................... 98 7.2 EXEMPLO: PLANEJANDO UMA VIAGEM DE ACAMPAMENTO....................................... 98 7.3 SOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO INTEIRA COM O USO DO SOFTWARE EXCEL® ............................................................................................................................. 100 7.4 SOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO INTEIRA COM O USODO SOFTWARE LINDO® ............................................................................................................................ 103 SÍNTESE ........................................................................................................................... 104 EXERCÍCIOS PROPOSTOS.................................................................................................. 104 4 8. SIMULAÇÃO ............................................................. 107 8.1. ETAPAS DE UM ESTUDO NA REALIZAÇÃO DE UMA SIMULAÇÃO............................. 108 8.2. VANTAGENS DO USO DA SIMULAÇÃO...................................................................... 110 8.3. APLICAÇÕES DE SIMULAÇÃO .................................................................................... 110 8.4. MODELAGEM E RESOLUÇÃO DE PROBLEMAS DE SIMULAÇÃO EM EXCEL® .............. 112 SÍNTESE ............................................................................................................................ 121 EXERCÍCIOS PROPOSTOS................................................................................................... 121 9. PLANEJAMENTO, PROGRAMAÇÃO E CONTROLE DE PROJETOS: PERT-CPM ..................................................................... 122 9.1. VANTAGENS DO USO DA REDE PERT/CPM ............................................................. 122 9.2. CAMINHO CRÍTICO................................................................................................... 123 9.3. O ESTUDO DE CASO DA ELABORAÇÃO DO TRABALHO DE PESQUISA OPERACIONAL ........................................................................................................................................... 123 SÍNTESE ........................................................................................................................... 125 EXERCÍCIOS PROPOSTOS.................................................................................................. 126 SITES DE PESQUISA OPERACIONAL ...................................... 129 BIBLIOGRAFIA................................................................ 131 SOBRE O PROFESSOR CONTEUDISTA ..................................... 133 RESPOSTAS E COMENTÁRIOS DOS EXERCÍCIOS PROPOSTOS......... 134 Unidade 1 ..................................................................................................................... 134 Unidade 2..................................................................................................................... 134 Unidade 3..................................................................................................................... 142 Unidade 6..................................................................................................................... 144 Unidade 7..................................................................................................................... 145 Unidade 8..................................................................................................................... 145 Unidade 9..................................................................................................................... 146 CASOS APLICADOS À ÁREA DE NEGÓCIOS PARA DESENVOLVIMENTO DO TRABALHO DE PESQUISA OPERACIONAL ............................ 147 5 1. INTRODUÇÃO À PESQUISA OPERACIONAL Objetivos de aprendizagem Conhecer o conceito, a história e as principais aplicações da Pesquisa Operacional. Identificar as fases de um estudo de Pesquisa Operacional. Entender o significado e os principais tipos de modelagem de problemas gerenciais. Seções de estudo 1.1 Conceito 1.2 História 1.3 Aplicações 1.4 Fases de um Estudo de Pesquisa Operacional 1.5 Modelagem de Problemas Gerenciais A Pesquisa Operacional é uma ciência aplicada voltada para a resolução de problemas reais. Tendo como foco a tomada de decisões, aplica conceitos e métodos de outras áreas científicas para concepção e planejamento de sistemas para atingir seu objetivo. A Pesquisa Operacional visa também introduzir elementos de objetividade e racionalidade nos processos de tomada de decisão, sem descuidar, no entanto, dos elementos subjetivos que caracterizam os problemas. 1.1 Conceito 6 A Pesquisa Operacional (PO) é o campo de estudos em que são aplicados métodos analíticos para ajudar os executivos a tomar melhores decisões. A Pesquisa Operacional baseia-se, principalmente, no método científico para tratar de seus problemas. É também conhecida como a ciência que se preocupa em fornecer ferramentas quantitativas para apoiar o processo de tomada de decisão. Segundo Lachtermacher (2002), o ensino da Pesquisa Operacional para executivos ou alunos da área de negócios passou a ter o foco na modelagem do problema, na interpretação do resultado do mesmo e na sua aplicabilidade aos problemas gerenciais. Management Sciences (MS) é a área de estudos que utiliza a informática, estatística e matemática para resolver problemas de negócios. A área de estudo da Pesquisa Operacional é mais abrangente que a da Management Sciences, uma vez que busca melhores soluções para além dos problemas da área de negócios. Uma das sociedades profissionais mais respeitadas atualmente é o Informs – Institute for Operations Reserch and the Management Sciences (http://www.informs.org), dos Estados Unidos, foi fundada em 1995. No Brasil, a Sobrapo – Sociedade Brasileira de Pesquisa Operacional - possui sede no Rio de Janeiro, fundada em 1969. Vale a pena conferir! A "homepage" da Sociedade Brasileira de Pesquisa Operacional é: http://www.sobrapo.org.br/ 1.2 História Segundo Moreira (2007), “o termo Pesquisa Operacional foi cunhado ainda em 1938, para descrever o uso de cientistas na análise de situações militares”. A Pesquisa Operacional surgiu durante a Segunda Guerra Mundial, quando os Aliados se viram confrontados com problemas (de natureza logística, tática e de estratégia militar) de grande dimensão e complexidade. Para apoiar os comandos operacionais na resolução desses problemas, foram então criados grupos multidisciplinares de matemáticos, físicos e engenheiros e cientistas sociais. 7 Esses cientistas não fizeram mais do que aplicar o método científico aos problemas que lhes foram sendo colocados. Desenvolveram então a idéia de criar modelos matemáticos, apoiados em dados e fatos, que lhes permitissem perceber os problemas em estudo, simular e avaliar o resultado hipotético de estratégias ou decisões alternativas. O sucesso e credibilidade ganhos durante a guerra foram tão grandes que, terminado o conflito, esses grupos de cientistas e a sua nova metodologia de abordagem dos problemas se transferiram para as empresas que, com o "boom" econômico que se seguiu, se viram também confrontadas com problemas de decisão de grande complexidade. Seguiram-se então grandes desenvolvimentos técnicos e metodológicos que hoje, com o apoio de meios computacionais de crescente capacidade e disseminação, nos permitem trabalhar enormes volumes de dados sobre as atividades das empresas e, através de adequados modelos de base quantitativa, simular e avaliar linhas de ação alternativas e encontrar as soluções que melhor servem aos objetivos dos indivíduos ou organizações. Face ao seu caráter multidisciplinar, a Pesquisa Operacional é uma disciplina científica de características horizontais com suas contribuições estendendo-se por praticamente todos os domínios da atividade humana, da Engenharia à Medicina, passando pela Economia, Contabilidade e a Gestão Empresarial. Leitura complementar Breve Histórico Os primeiros conceitos da programação linear, uma das técnicas de Pesquisa Operacional,foram desenvolvidos entre 1947 e 1949, durante a segunda guerra mundial, por George Dantzig para serem aplicados a programas militares, desde a área logística, até à estratégia. Foi após a guerra que ele foi impulsionado para encontrar formas eficientes de desenvolver esta metodologia. Foi Dantzig o primeiro a reconhecer que um programa de planejamento poderia ser expresso por um sistema de inequações lineares, assim como foi o primeiro a apresentar, na forma de uma expressão matemática explicita, um critério para seleção do melhor plano, ao que hoje chamamos de função objetivo. Todo este trabalho seria de aplicação prática bastante limitada sem um método eficiente, ou algoritmo, que permitisse encontrar a solução ótima do conjunto de inequações lineares que maximizassem, ou minimizassem, a função objetivo. Assim, desenvolveu o algoritmo simplex que resolve de uma forma 8 eficiente este problema. Curiosamente, já em 1939 um matemático soviético e economista L. V. Kantorovich tinha formulado e desenvolvido um problema de programação linear para aplicação em planejamento da produção. No entanto, o seu trabalho foi desconhecido durante vinte anos, não tendo tido impacto no desenvolvimento da programação linear após a segunda guerra. 1.3 Aplicações Segundo Lachtermacher (2002), os principais tipos de aplicação da área de Pesquisa Operacional, de interesse para a área de negócio, são os seguintes: - Problemas de Otimização de Recursos - Problemas de Localização - Problemas de Transporte - Problemas de Carteira de Investimento - Problemas de Alocação de Pessoas - Problemas de Previsão e Planejamento 1.4 Fases de um Estudo de Pesquisa Operacional O processo de resolução de um problema apresenta cinco etapas consecutivas que podem, entretanto, serem repetidas dependendo da situação. Um estudo de Pesquisa Operacional deve desenvolver as seguintes fases: a) Definição do problema A definição do problema baseia-se em três aspectos principais que precisam ser discutidos: descrição exata dos objetivos do estudo; identificação das alternativas de decisão existentes; e reconhecimento das limitações, restrições e exigências do sistema. b) Construção do Modelo O modelo mais apropriado para a representação do sistema deve ser escolhido com base na definição do problema. Esta é a fase que mais criatividade exige do analista, uma vez que o resultado obtido é conseqüência da qualidade da representação da realidade obtida com o modelo. c) Solução do modelo Esta fase tem por objetivo encontrar uma solução para o modelo construído. 9 d) Validação do modelo Um modelo é válido se for capaz de fornecer uma previsão aceitável do comportamento do sistema e de fornecer uma resposta que possa contribuir para a qualidade da decisão a ser tomada. Uma prática comum para testar a validade do modelo é analisar seu desempenho com dados passados do sistema e verificar se ele consegue reproduzir o comportamento que o sistema manifestou. e) Implementação da solução Avaliadas as vantagens e a validade da solução, esta deve ser implementada. A apresentação da solução deve ser feita à direção ou ao gerente da empresa evitando-se o uso da linguagem técnica do modelo. Em todas as etapas de um estudo de Pesquisa Operacional ou de resolução de um problema, deve-se avaliar constantemente os resultados obtidos. Procedendo-se desta forma, pode-se melhor garantir adequação das decisões às necessidades do sistema e aceitação destas decisões por todas as pessoas ou setores envolvidos. Curiosidade Os primeiros problemas envolvendo Programação Linear, uma das técnicas de Pesquisa Operacional, estavam limitados a um “pequeno” número de variáveis devido ao tempo de cálculo e verificação, que poderia envolver vários homens durante vários dias, dependendo da complexidade do problema. Atualmente, com o recurso do computador e uma planilha Excel, auxiliada por um módulo adicional (solver) para a Programação Linear, permite-nos resolver problemas complexos, sendo o tempo de cálculo muito curto. 1.5 Modelagem de Problemas Gerenciais O processo de decisão de um empresário é caracterizado por alto conteúdo de racionalidade e desenvolvido em ambientes construídos para propiciar condições adequadas para decisões de qualidade. Segundo Andrade (2004), as fases de um processo de decisão podem ser observadas na Figura 1. 10 Percepção Criação de Alternativas Critérios Decisão Avaliação das Alternativas Reconhecimento do Problema Fonte: Andrade (2004) Figura 1 – As fases de um processo de tomada de decisão. Os modelos permitem para a pessoa envolvida com o problema algumas facilidades, tais como: - visualizar a estrutura do sistema real em análise; - forçar os tomadores de decisão a tornarem explícitos seus objetivos; - representar as informações e suas inter-relações; - sistematizar a análise e avaliação de cada alternativa; - instrumento de comunicação e discussão com outras pessoas. Os modelos mais utilizados na modelagem de situações gerenciais são os chamados modelos matemáticos ou simbólicos, em que as grandezas são representadas por variáveis de decisão, e as relações entre as mesmas por expressões matemáticas. Os modelos matemáticos em que todas as informações relevantes são assumidas como conhecidas (sem incertezas) são chamados de determinísticos. Os modelos em que uma ou mais variáveis de decisão não sejam conhecidas, devendo esta incerteza ser incorporada no modelo, são chamados de modelos probabilísticos. A maneira mais simples de representar um modelo simbólico é através do modelo da caixa preta, em que apenas variáveis explicativas (de decisão), parâmetros e medidas de desempenho são representados (variáveis dependentes). A seguir, conceituam-se e representam-se os modelos matemáticos de simulação e de otimizaçã 1.5.1 Modelo o. s de Simulação 11 Os modelos de simulação representam o mundo real com objetivo de permitir a geração e análise de alternativas, antes da implementação de qualquer uma delas. O processo de decisão com modelo de simulação é mostrado na Figura 2. Solução 2 Modelo de Simulação Solução 1 Processo de Escolha da Melhor Solução Critérios de Escolha Solução 3 Hipótese 3 Hipótese 2 Hipótese 1 Solução Escolhida Solução 2 Fonte: Andrade (2004) Figura 2 – Processo de decisão com modelos de simulação. Simular significa reproduzir o funcionamento de um sistema, com o auxílio de um modelo, o que permite testar algumas hipóteses sobre o valor das variáveis controladas. Observe-se que no modelo de simulação o critério de escolha da melhor alternativa não é fixado na estrutura do modelo (é aplicado pelo analista). 1.5.2 Modelos de Otimização O modelo de otimização é estruturado para selecionar uma única alternativa, que será considerada “ótima”, segundo critério estabelecido pelo analista. O processo de decisão com modelo de otimização é apresentado na Figura 3. 12 Modelo de Otimização - Representação do Sistema - Critério de seleção da alternativa Solução Ótima Dados e informações do sistema Decisão Fonte: Andrade (2004) Figura 3 – Processo de decisão com modelos de otimização. A solução “ótima” encontrada é tomada como referência para a decisão real. Glossário Apresentam-se, nesta seção, alguns conceitos que poderão ser úteis ao entendimento deste capítulo. Método simplex. Método que faz uso dos conceitos de álgebra matricial e de um conjunto de regras que levam à solução dos problemas de Programação Linear. Pesquisa operacional. É um ramo da ciênciaadministrativa que fornece instrumentos para análise de decisões. Segundo Corrar (2004), “é a área do conhecimento que fornece um conjunto de procedimentos voltados para tratar, de forma sistêmica, problemas que envolvem a utilização de recursos escassos”. No próximo capítulo, apresentamos uma breve introdução sobre a técnica de Programação Linear, as fases de seu estudo, as vantagens e possibilidades de aplicação no mundo real. No final, são propostos alguns problemas para que o aluno os represente sob a forma padrão de problemas de programação linear. Síntese Neste primeiro capít u o que é Pesquisa Operacional, sua história, sua importânc de aplicação. ulo, você apreende ia e principais áreas 13 A Pesquisa Operacional é a ciência que se preocupa em fornecer um conjunto de modelos e técnicas para apoiar a tomada de decisão, com larga aplicação em administração de empresas. O processo de resolução de um problema apresenta cinco etapas consecutivas que podem, entretanto, serem repetidas dependendo da situação. As fases de um estudo de Pesquisa Operacional são as seguintes: definição do problema, a modelagem, a obtenção da solução, a validação e a implementação propriamente dita. Os modelos mais utilizados na modelagem de situações gerenciais são os chamados modelos matemáticos ou simbólicos, onde pode-se também aprender a conceituar e a representar os modelos de simulação e de otimização. As informações contidas neste capítulo servem de referencial para contextualizar e entender os métodos e técnicas a serem aprendidos no restante do livro. Exercícios propostos 1) Faça uma leitura dos textos complementares, que trata do tema “Breve histórico”, e considerando também os conhecimentos adquiridos na disciplina de Pesquisa Operacional, aponte V ou F caso as afirmações a seguir sejam Verdadeiras ou Falsas. ( ) A técnica de programação linear foi desenvolvida por Dantzig, antes da segunda guerra mundial; ( ) Deve-se utilizar ferramental sofisticado para apoio a tomada de decisão sem haver preocupação se os modelos quantitativos conseguem representar a complexa e incerta realidade organizacional; ( ) O ensino da pesquisa operacional para executivos ou alunos da área de negócios passou a ter o foco na modelagem do problema, na interpretação do resultado do mesmo e na sua aplicabilidade aos problemas gerenciais. 2) Para um estudante da área de negócios o algoritmo que está por trás do software não é o mais relevante e sim se este software lhe dá resultados corretos, num período de tempo satisfatório e serve para aprimorar o processo de tomada de decisão. Pergunta-se: a. Quais são as fases de um estudo de Pesquisa Operacional? b. Quais as diferenças entre o processo de decisão com modelos de otimização e o processo de decisão com modelos de simulação? 14 15 2. PROGRAMAÇÃO LINEAR Objetivos de aprendizagem Conhecer o que é, as aplicações e as vantagens do uso da técnica de Programação Linear. Identificar e modelar problemas de tomada de decisão sobre alocação de recursos e sobre dietas de mínimo custo. Seções de estudo 2.1. Aplicações da Programação Linear 2.2. Vantagens do Uso da Programação Linear 2.3. Modelagem de Problemas 2.4. Problema de Alocação de Recursos 2.5. Formulação de Dietas de Mínimo Custo A Programação Linear (PL) é uma técnica de Pesquisa Operacional, a qual contém outras técnicas tais como Simulação, Teoria dos Jogos, Programação Dinâmica, PERT/CPM, Teoria das Filas e etc, para otimização de sistemas. Segundo Prado (1999), “A PL é uma ferramenta utilizada para encontrar o lucro máximo ou o custo mínimo em situações nas quais temos diversas alternativas de escolhas sujeitas a algum tipo de restrição ou regulamentação”. A técnica de Programação Linear pode ajudar a descobrir os melhores usos para recursos limitados de forma que metas desejadas, tais como lucro, margem de contribuição, retorno esperado, possam ser maximizadas, ou, metas indesejadas, como custos e perdas, possam ser minimizadas. 16 Os estudos de Programação Linear podem responder perguntas do tipo: • Qual o preço do produto ou mix de produção maximiza o lucro? • Como se manter dentro do orçamento? • Com que velocidade pode crescer considerando a disponibilidade de capital de giro? • Qual deveria ser a programação de sua frota de entregas para minimizar os custos de transportes? • Sendo impostas algumas especificações, qual é a composição da mistura que corresponde ao custo mínimo? • Estando impostas as condições de trabalho, como repartir o contingente de mão-de-obra entre as diferentes tarefas e especialidades, com o objetivo de minimizar as despesas ou maximizar a eficiência? 2.1. Aplicações da Programação Linear A Programação Linear, técnica de solução, desenvolvida após a Segunda Guerra Mundial como instrumento de administração, rapidamente tornou-se uma ferramenta eficiente para estudos de gestão. Na prática tem-se aplicado a Programação Linear em diversas áreas, tais como: Alimentação; Rotas de transportes; Manufatura; Siderurgia; Petróleo; Agricultura; Carteira de investimentos; Análise de riscos; Mineração; Localização industrial; Designação de pessoas e de tarefas, etc. Uma das aplicações mais clássicas de programação linear diz respeito ao planejamento agrícola, ou mais genericamente, planejamento de sistemas agroindustriais1. Basicamente, o tomador de decisão tem à sua disposição uma determinada área, uma disponibilidade de mão-de-obra e capital, além de observar uma série de características tecnológicas e de capacidade organizacional. O seu objetivo principal diz respeito à maximização de lucro, a partir das opções de negócios (culturas agrícolas, plantéis de animais, papéis de investimento, etc.) disponíveis. 1 Duas referências básicas para o tema, que contém uma série de aplicações para casos brasileiros, são: - CAIXETA FILHO, J. V. Pesquisa Operacional: Técnicas de Otimização Aplicadas a Sistemas Agroindustriais. São Paulo: Atlas S. A., 2004. - CONTINI, E. et alii (eds.) Planejamento da propriedade agrícola: modelos de decisão. Brasília, EMBRAPA-DDT, 1984. 17 Leitura complementar Exemplos de aplicação da Programação Linear São vários os exemplos de aplicação da programação linear nos nossos dias que permitiram obter melhoria nas performances das empresas. Numa rápida pesquisa na Internet, encontraram-se três casos referentes a diferentes áreas de atividade econômica. - Um primeiro exemplo refere-se à companhia de óleos TEXACO, que utilizou a programação linear para obter as condições ideais de processamento do petróleo bruto. A aplicação desta metodologia em sete das suas refinarias permitiu obter uma melhoria de 30% nos lucros, atingindo 30 milhões de dólares. - Um outro exemplo refere-se à aplicação do método para otimização dos horários de trabalho em quatro estabelecimentos da rede de retaurantes McDonald’s nos Estados Unidos. A programação linear proporcionou um melhor aproveitamento dos recursos disponíveis, com a exigência de cobertura durante todo período de funcionamento das unidades, obtendo-se uma programação de horários mais convenientes de acordo com as preferências de horário de cada funcionário. - Um último caso refere-se ao exército norte-americano que desenvolveu um sistema designado de MLRPS – Manpower Long-Range Planning System - que permite estimar as necessidades de recursos humanos num horizonte que vai dos 7 aos 20 anos. Para tal, aspectos como as admissões, abandonos, promoções e transferências são levadas em consideração no modelo, que determina o número de recursosnecessários. 2.2. Vantagens do Uso da Programação Linear - Permite encontrar o lucro máximo ou o mínimo custo. Pergunta-se: qual o impacto deste benefício dentro das empresas? É comum encontrarmos empresas da área de siderurgia e petrolífera, por exemplo, com faturamento anual de US$ 1 bilhão e com um custo de produção de US$ 400 milhões anuais, imaginem o impacto caso a redução de custos seja de apenas 5%!! (0,05X400=US$20 milhões por ano). Nessas áreas é comum encontrar número expressivo dos chamados analistas de Pesquisa Operacional; - Permite identificar as melhores opções em estudos de Qualidade Total; - Permite a identificação de gargalos nas empresas e nas linhas de produção; - Fornecem diretrizes para expansão; - Possibilita avaliar o potencial de aplicabilidade de uma pesquisa. 18 2.3. Modelagem de Problemas A modelagem diz respeito à técnica de como construir modelos. Em Pesquisa Operacional, o termo modelo é empregado para significar a representação de um sistema. A estratégia da Programação Linear para a resolução de problemas de otimização é transformar as características do problema em um modelo matemático constituído de uma função objetivo e de um conjunto de restrições. O modelo de Programação Linear, na sua forma reduzida, pode ser formulado da seguinte maneira: n ∑ cjxj j=1 Maximizar Z = Sujeito a: n ∑ aijxj ≤ bi (para todo i = 1, 2, ...,m) j=1 xj ≥ 0 (para todo j = 1, 2, ..., n) Onde: - xj é o nível da j-ésima atividade; - cj é o coeficiente da função objetivo esperado da j-ésima atividade; - aij é o coeficiente técnico da j-ésima atividade para o i-ésimo recurso (ou restrição); - bi são os níveis de fatores limitantes ou da i-ésima restrição; - n número de atividades; - m número de restrições. As etapas de um processo de modelagem são as seguintes: 1. Definir as variáveis do problema; 2. Definir a função objetivo; 3. Definir o conjunto de restrições. 19 Para ilustrar o processo de modelagem de problemas de alocação de recursos, analisaremos um exemplo simples, mas que mostra os aspectos envolvidos no processo. 2.4. Problema de Alocação de Recursos Uma fábrica de computadores, localizada em Florianópolis, produz dois modelos de computador: A e B. O modelo A fornece um lucro de R$200,00 e B de R$300,00. O modelo A requer, na sua produção, um gabinete pequeno e uma unidade de disco. O modelo B requer um gabinete grande e duas unidades de disco. Existem no estoque: 60 unidades do gabinete pequeno, 50 do gabinete grande e 120 unidades de disco. Pergunta-se: qual deve ser o esquema de produção que maximiza o lucro? Modelagem do problema a) Definição de variáveis de decisão Como o objetivo da empresa é encontrar o programa de produção para máximo lucro, isso significa, em outras palavras, dimensionar a produção de cada tipo de computador. Assim, as variáveis de decisão serão: • X1 = quantidade de computador Modelo (A) a produzir; • X2 = quantidade de computador Modelo (B) a produzir. b) Função objetivo A Função objetivo é a expressão que calcula o valor do objetivo (lucro, receita, custo, perda, margem de contribuição e etc), em função das variáveis de decisão. Representam a relação entre as variáveis de decisão, o lucro unitário por computador e o lucro total. Como o lucro total será a soma dos lucros obtidos com a venda de cada tipo de computador, a equação de lucro total será: Lucro total: L = 200 X1 + 300 X2 Objetivo: Max L = 200 X1 + 300 X2 c) Definição das restrições do problema Cada restrição imposta na descrição do problema deve ser expressa como uma relação linear (igualdade ou desigualdade), montadas com as variáveis de decisão. Devem-se representar as relações entre as quantidades a serem produzidas dos 20 Modelos de computador A e B, as exigências em termos de peças para a produção e a disponibilidade de peças ou gabinetes. • Disponibilidade de gabinete pequeno X1 ≤ 60 • Disponibilidade de gabinete grande X2 ≤ 50 • Disponibilidade de unidades de disco X1 + 2 X2 ≤ 120 • Restrição lógica X1 ≥ 0 X2 ≥ 0 A última restrição formulada diz respeito a não negatividade das variáveis de decisão. 2.5. Formulação de Dietas de Mínimo Custo2 Uma aplicação bem sucedida de programação linear diz respeito à formulação de dietas, e em particular, formulação de rações de custo mínimo. Em termos gerais, se deseja obter a dieta de mínimo custo (ou mínimo preço), a partir da disponibilidade de uma série de alimentos, mas respeitando-se as exigências nutricionais pertinentes à idade e tipo da pessoa. “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 ovos 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”. O problema pode ser resolvido da seguinte forma: 2Adaptado de CAIXETA FILHO, J. V. Material de apoio às disciplinas: LES-672 Introdução à Pesquisa Operacional e LES-785 Programação Linear. Série didática nº 113. Piracicaba: ESALQ/USP, 1996. 21 Modelagem do problema a) Definição de variáveis de decisão • Alternativas: chamando as alternativas de x1 e x2, onde: x1 = quantidade de carne a consumir no dia x2 = quantidade de ovos a consumir no dia; b) Função objetivo • Objetivo: minimizar o custo da dieta para consumir carne e ovos; Min C = 3 x1 + 2,5 x2 c) Definição das restrições do problema • Restrições - necessidade mínima de vitamina 4 x1 + 8 x2 ≥ 32 - necessidade mínima de proteína 6 x1 + 6 x2 ≥ 36 - positividade das alternativas x1, x2 ≥ 0 Glossário Apresentam-se, nesta seção, alguns conceitos que poderão ser úteis ao entendimento deste capítulo. Função-objetivo. Expressão matemática que relaciona as variáveis de decisão (as alternativas) e o objetivo que se pretende alcançar. Programação linear. Técnica destinada a determinar a melhor utilização de recursos limitados, de forma a otimizar uma função-objetivo que está condicionada a um conjunto de restrições. É uma programação matemática em que todas as funções-objetivo e restrições são representadas por funções lineares. Restrições. Limites impostos aos possíveis valores que podem ser assumidos pelas variáveis de decisão. Variáveis de decisão. São as alternativas ou variáveis que correspondem às decisões a serem tomadas visando encontrar a solução para o problema em estudo. 22 Síntese Nesta unidade você conheceu um pouco sobre a técnica de Programação Linear, que é um dos mais populares modelos matemáticos. É aplicável a problemas quantitativos cujos relacionamentos possam ser expressos por meio de equações e inequações lineares. Conhecemos as perguntas que podem ser respondidas pela técnica, as principais vantagens e aplicações da Programação Linear no mundo dos negócios. A estratégia da Programação Linear para a resolução de problemas de otimização é transformar as características do problema em um modelo matemático constituído de uma função objetivo e um conjunto de restrições. A combinação de variáveis que deve ser maximizada ou minimizada, na forma de uma expressãomatemática, é chamada de função objetivo. As restrições, representadas por equações ou inequações matemáticas, representam limites impostos pela condição da realidade da empresa, em termos de escassez de recursos, regulamentações ou restrições de mercado. Exercícios propostos 1) Faça uma leitura do texto complementar, que trata do tema “Exemplos de aplicação da Programação Linear”, e considerando também os conhecimentos adquiridos na disciplina de Pesquisa Operacional, aponte V ou F caso as afirmações a seguir sejam Verdadeiras ou Falsas. ( ) O texto ressalta três exemplos de aplicabilidade da ferramenta de Programação Linear para apoiar a tomada de decisão, em casos práticos para resolução de problemas de finanças, de marketing e de carteira de investimentos; ( ) Na Programação Linear tanto as restrições como as funções-objetivo são representadas por funções lineares (equações de primeiro grau). 2) Problemas para Modelagem Atenção especial deve ser dispensada ao esforço de modelagem, antes de entrarmos no mérito da resolução de problemas por programação linear. Dado um 23 determinado problema, o modelador, em função de seu nível de abstração e de experiência vivida, terá uma maior ou menor facilidade para a representação de objetivo, alternativas e restrições, através de inequações e equações. 1. A empresa Ilha da Magia fabrica dois tipos de pneus: Modelo P (o premium) e Modelo R (o regular). O Modelo P é vendido por R$95,00 cada pneu e custa para ser produzido R$85,00 por pneu, enquanto que o Modelo R é vendido por R$50,00 cada pneu e tem um custo de produção de R$42,00 por pneu. Para fabricar um pneu do Modelo P, são necessárias duas horas da Máquina A e quatro horas da Máquina B. Por outro lado, para fazer um pneu do Modelo R, são requeridas nove horas da Máquina A e três horas da Máquina B. A programação da Produção da fábrica mostra que na próxima semana a Máquina A estará disponível no máximo 36 horas e a Máquina B no máximo 42 horas. Quanto de cada modelo de pneus a fábrica deve produzir de modo a maximizar o seu lucro? Qual é este lucro máximo? 2) A empresa “Águas de Floripa” produz piscina em fibra em duas linhas de produção: piscina Standard e piscina Luxo. Com relação à piscina Standard temos as seguintes informações: - A linha de produção comporta um máximo de 24 pessoas; - Cada piscina consome 1 homem/dia para ser produzida; - Cada piscina fornece um lucro de R$30,00. Para as piscinas Luxo: - A linha de produção comporta um máximo de 32 pessoas; - Cada piscina consome 2 homem/dia para ser produzida; - Cada piscina fornece um lucro de R$40,00. 24 Além disso, devemos informar que a fábrica possui um total de 40 empregados a serem alocados nas duas linhas de produção. O dono da fábrica tem por objetivo maximizar o lucro diário. 3. Certa empresa fabrica dois produtos, bolas de futebol (P1) e bolas de vôlei (P2). O lucro por unidade de P1 é de R$100,00 e o lucro unitário de P2 é de R$150,00. A empresa necessita de 2 horas para fabricar uma unidade de P1 e 3 horas para fabricar uma unidade de P2. O tempo mensal disponível para essas atividades é de 120 horas. As demandas esperadas para os dois produtos levaram a empresa a decidir que os montantes produzidos de P1 e P2 não devem ultrapassar 40 unidades de P1 e 30 unidades de P2 por mês. Construa o modelo do sistema de produção mensal com o objetivo de maximizar o lucro da empresa. 25 4. No programa de produção para o próximo período, a empresa Beta Ltda., escolheu três produtos P1, P2 e P3. O quadro abaixo mostra os montantes solicitados por unidade na produção. Produto Lucro por unidade Horas de trabalho Horas de uso de máquinas Demanda máxima P1 2.100 6 12 800 P2 1.200 4 6 600 P3 600 6 2 600 Os preços de venda foram fixados por decisão política e as demandas foram estimadas tendo em vista esses preços. A firma pode obter um suprimento de 4.800 horas de trabalho durante o período de processamento e pressupõe-se usar três máquinas que podem prover 7.200 horas de trabalho. Estabelecer um programa ótimo de produção para o período que maximize o lucro da empresa. 5. Um vendedor de frutas pode transportar 800 caixas de frutas para abastecer o CEASA, localizado no município de São José. Ele necessita transportar 200 caixas de laranjas a R$20,00 de lucro por caixa, pelo menos 100 caixas de pêssegos a R$10,00 de lucro por caixa, e no máximo 200 caixas de tangerinas a R$30,00 de lucro por caixa. De que forma deverá ele carregar o caminhão para obter o lucro máximo? Construa o modelo do problema. 26 6. Uma rede de televisão da “Grande Florianópolis” tem o seguinte problema: foi descoberto que o programa “A” com 20 minutos de música e 1 minuto de propaganda chama a atenção de 30.000 telespectadores, enquanto o programa “B” com 10 minutos de música e 1 minuto de propaganda chama a atenção de 10.000 telespectadores. No decorrer de uma semana, o patrocinador insiste no uso de no mínimo, 5 minutos para sua propaganda e que não há verba para mais de 80 minutos de música. Quantas vezes por semana cada programa deve ser levado ao ar para obter o número máximo de telespectadores? Construa o modelo do sistema. 27 7. Uma empresa localizada em Tubarão fabrica dois modelos de cintos de couro. O modelo M1, de melhor qualidade, requer o dobro do tempo de fabricação em relação ao modelo M2. Se todos os cintos fossem do modelo M2, a empresa poderia produzir 1.000 unidades por dia. A disponibilidade de couro permite fabricar 800 cintos de ambos os modelos por dia. Os cintos empregam fivelas diferentes, cuja disponibilidade diária é de 400 para M1 e 700 para M2. Os lucros unitários são de R$4,00 para M1 e R$3,00 para M2. Qual o programa ótimo de produção que maximiza o lucro total diário da empresa? Construa o modelo do sistema descrito. 8. A empresa “Toldos Sol e Praia”, após um processo de racionalização de produção, ficou com disponibilidade de três recursos produtivos, R1, R2 e R3. Um estudo sobre o uso desses recursos indicou a possibilidade de se fabricar dois produtos: Abrigos para Automóveis (P1) e Toldos em Loja (P2). Levantando os custos e consultando o departamento de vendas sobre o preço de colocação no mercado, verificou-se que P1 daria um lucro de R$120,00 por unidade e P2, R$150,00 por unidade. O departamento de produção forneceu a seguinte tabela de uso de recursos. Produto Recurso R1 por unidade Recurso R2 por unidade Recurso R3 por unidade P1 P2 2 4 3 2 5 3 Disponibilidade de recursos por mês 100 90 120 28 Que produção mensal de P1 e P2 traz o maior lucro para a empresa? Construa o modelo do sistema. 9. O problema da sapataria do Ribeirão da Ilha. Um sapateiro faz 6 sapatos por hora, se fizer somente sapatos; cinco cintos por hora, se fizer somente cintos. Ele gasta 2 unidades de couro para fabricar 1 unidade de sapato e 1 unidade de couro para fabricar 1 unidade de cinto. Sabendo-se que o total disponível de couro é de 6 unidades e que o lucro unitário por sapato é de 5 unidades monetárias e o do cinto é de 2 unidades monetárias, pede-se o modelo do sistema de produção do sapateiro, se o objetivo é maximizar seu lucro por hora. 29 10. A Empresa de Administração de Fundos Paulo S.A.3, procurando obter o melhor rendimento dos R$100.000,00 investidospor um cliente antigo, tenta achar a melhor configuração da aplicação nas seguintes carteiras: Carteiras Rentabilidade* % Poupança 7,6 Câmbio Empresarial Plus 15,0 Câmbio Especial Plus 15,1 Câmbio Preferencial 12,0 DI Empresarial 13,5 DI Especial Plus 14,9 DI Preferencial 13,4 Fix Especial Plus 15,1 Fix Preferencial 14,0 Fix Private 15,6 * Valores projetados conforme dados dos últimos 12 meses. As exigências que o cliente fez para aplicação foram as seguintes: - aplicação de um ano; - aplicar na Poupança no mínimo 5%, e no máximo 15%; - para as carteiras de Câmbio máximo 30%. - para as carteiras de DI (Depósito Interbancário) máximo 35%; - e por último nas carteiras de Renda Fixa, máximo 40%. Por recomendação do administrador de fundos, as quantias máximas para serem investidas individualmente são de: - R$ 12.000,00, nas carteiras de Câmbio; - R$ 14.000,00, nas carteiras de DI; - R$ 17.000,00, nas carteiras de Renda Fixa. 3 Problema formulado e apresentado pelos alunos da disciplina de Introdução à Pesquisa Operacional da Unisul - campus de Araranguá, do segundo semestre do ano 2000. 30 11. Uma agroindústria do ramo alimentício tirou de produção uma linha de produto não-lucrativo. Isto criou um considerável excedente na capacidade de produção. A gerência está considerando dedicar esta capacidade excedente a um ou mais produtos, identificados como produtos 1, 2 e 3. A capacidade disponível das máquinas que poderia limitar a produção está resumida na tabela que se segue: Tipo de máquina Tempo disponível (horas de máquina) A 500 B 350 C 150 O número de horas de máquina requerido por unidade dos respectivos produtos é conhecido como coeficiente de produtividade (em horas de máquina por unidade), conforme representado a seguir: Tipo de Máquina Produto 1 Produto 2 Produto 3 A 9 3 5 B 5 4 0 C 3 0 2 31 O lucro unitário estimado é de R$30,00, R$12,00 e R$15,00, respectivamente, para os produtos 1, 2 e 3. Determinar a quantidade de cada produto que a firma deve produzir para maximizar o seu lucro. 12. Uma fábrica de pranchas de Surfe, localizada em Garopaba, produz os modelos A, B e C, que proporcionam lucros unitários da ordem de R$ 160, 00, R$ 300,00 e R$ 500, 00, respectivamente. As exigências de produção mínimas mensais são de 20 para o modelo A, 120 para o modelo B e 60 para o modelo C. Cada tipo de prancha requer uma certa quantidade de tempo para a fabricação das partes componentes, para a montagem e para testes de qualidade. Especificamente, uma dúzia de unidades do modelo A requer três horas para fabricar, quatro horas para montar e uma para testar. Os números correspondentes para uma dúzia de unidades do modelo B são 3,5, 5 e 1,5; e para uma dúzia de unidades do modelo C, 5, 8 e 3. Durante o próximo mês, a fábrica tem disponíveis 120 horas de tempo de fabricação, 160 horas de montagem e 48 horas de testes de qualidade. Formule o problema como um modelo de Programação Linear. 32 13. Um jovem está saindo com duas namoradas: Sheila e Ana Paula4. Ele sabe, por experiência que: a) Ana Paula, elegante, gosta de freqüentar lugares sofisticados, mais caros, de modo que uma saída de três horas custará R$240,00; b) Sheila, mais simples, prefere um divertimento mais popular, de modo que, uma saída de três horas, lhe custará R$160,00; c) Seu orçamento permite dispor de R$960,00 mensais para diversão; d) Seus afazeres escolares lhe dão liberdade de, no máximo, 18 horas e 40.000 calorias de sua energia para atividades sociais; e) Cada saída com Ana Paula consome 5.000 calorias, mas com Sheila, mais alegre e extrovertida, gasta o dobro; f) Ele gosta das duas com a mesma intensidade. Como ele deve planejar a sua vida social para obter o número máximo de saídas? 4 Extraído de LACHTERMACHER (2002, pg. 57). 33 34 3. RESOLVENDO PROBLEMAS SIMPLES PELO MÉTODO GRÁFICO Objetivos de aprendizagem Resolver problemas de Programação Linear por meio da utilização do método gráfico. Compreender a lógica da obtenção da solução ótima. Seções de estudo 3.1. Problema de Alocação de Recursos da Fábrica de Computadores 3.2. Resolução pelo Método Gráfico Neste capítulo aborda-se a técnica de resolução de problemas simples pelo chamado Método Gráfico, com objetivo do aluno conhecer a ferramenta de resolução e também melhor compreender a lógica de resolução da Programação Linear. Para ilustrar o desenvolvimento do método, apresentam-se o problema, a modelagem e as etapas de resolução do Problema de Alocação de Recursos da Fábrica de Computadores. 3.1. Problema de Alocação de Recursos da Fábrica de Computadores Uma fábrica de computadores, localizada em Florianópolis, produz dois modelos de computador: A e B. O modelo A fornece um lucro de R$200,00 e B de R$300,00. O modelo A requer, na sua produção, um gabinete pequeno e uma unidade de disco. O modelo B requer um gabinete grande e duas unidades de disco. Existem no estoque: 60 unidades do gabinete pequeno, 50 do gabinete grande e 120 unidades de disco. Pergunta-se: qual deve ser o esquema de produção que maximiza o lucro? 35 Modelagem do problema a) Definição de variáveis de decisão • X1 = quantidade de computador Modelo (A) a produzir; • X2 = quantidade de computador Modelo (B) a produzir. b) Função objetivo Lucro total: L = 200 X1 + 300 X2 Função objetivo: Max L = 200 X1 + 300 X2 c) Definição das restrições do problema • Disponibilidade de gabinete pequeno X1 ≤ 60 • Disponibilidade de gabinete grande X2 ≤ 50 • Disponibilidade de unidades de disco X1 + 2 X2 ≤ 120 • Restrição lógica X1 ≥ 0 X2 ≥ 0 3.2. Resolução pelo Método Gráfico A resolução de problemas de programação pelo método gráfico requer a definição da região de solução das restrições e que se avalie o objetivo na região de soluções viáveis. 1ª Etapa: Construir a região de soluções das restrições A construção da região de soluções das restrições possíveis obedece a seguinte seqüência: - atribuem-se valores para X1 e X2 para definir-se o comportamento da linha/reta de cada uma das restrições no gráfico. Exemplo: • Disponibilidade de unidades de disco X1 + 2 X2 ≤ 120 Para X1 = 0, temos que X2 = 60; 36 Para X2 = 0, temos que X1 = 120. - para visualizar o problema de forma gráfica, devem ser representadas, inicialmente, as restrições do problema, conforme apresentado na Figura 1. 0 20 40 60 80 100 120 0 20 40 60 80 100 120 o X2 Gabinete Pequeno Gabinete Grande Unidades de disc X1 Figura 1 - Representação das restrições no gráfico. 37 X2 Região viável X1 Figura 2 - Representação da região viável do problema. Entretanto, nada ainda foi dito sobre a função objetivo, que também deverá ser representada. 2ª Etapa: Avaliar o objetivo na região de soluções Para avaliarmos o comportamento da função objetivo no gráfico, sugerem-se os seguintes procedimentos: - escolher um ponto dentro ou próximo da região de solução viável. Por exemplo, X1 = 20 e X2 = 20; - calcular o valor obtido para a função objetivo neste ponto. Basta substituirmos os valores para X1 e X2 na função objetivo. Neste caso, obtém-se um valor de lucro de R$ 10.000,00; - representar, no gráfico, o comportamentoda função objetivo quando o lucro for de R$10.000,00. Para isto, devemos adotar o mesmo procedimento anterior para representar as restrições do problema. Assim, temos: Max L = 200 X1 + 300 X2 Logo, 10.000 = 200 X1 + 300 X2 38 Portanto, se X2 = 0, então X1 = 50 e se X1 =0, então X2 = 33,33. X2 Função objetivo quando o lucro é igual a R$10.000,00 X1 Figura 3 - Representação da função objetivo quando o lucro é R$10.000,00. Observa-se que quanto mais a função objetivo caminhar para a direita, de forma paralela, maior o valor de lucro. Portanto, este deverá ser o direcionamento da maximização: a função objetivo deverá se deslocar, dentro da região viável, o máximo possível para a direita, o que no caso resultará no vértice X1 = 60 e X2 = 30, com o máximo lucro de R$21.000,00. Veja que se X1 = 60 e X2 = 30, substituindo esses valores na função objetivo, temos: Max L = 200 X1 + 300 X2 Max L = 200 x 60 + 300 x 30 Max L = 21.000 39 30 X1 = 60 X2 = 30 Gabinete Pequeno Gabinete Grande Unidades de di X2 Solução Ótima sco X1 Figura 4 – Identificação da solução ótima. Este vértice, x1 = 60 e x2 = 30, a solução do problema, é a intersecção das retas representativas das restrições de Gabinete Pequeno e Unidades de Disco. Isso significa que tais restrições estão sendo esgotadas, ou que estão sendo efetivamente atuantes. Na verdade, substituindo-se o valor da solução ótima naquelas restrições, os limites superiores serão alcançados. Já na restrição de Gabinete Grande, os limites superiores correspondentes não serão atingidos, significando que tais restrições estão com folga. Observa-se que para realizar o plano ótimo de produção serão necessárias 30 unidades de Gabinetes Grandes, sendo que a disponibilidade é de 50 (folga de 20 unidades). Concluindo-se: a fábrica de computadores deverá produzir 60 unidades do computador Modelo A e 30 unidades de computador Modelo B, para obter um máximo lucro de R$21.000,00. Os dois próximos capítulos tratam dos procedimentos de entrada de dados na planilha Excel e no software Lindo bem como na obtenção dos relatórios para análise e interpretação de problemas gerenciais de otimização diversos. 40 Glossário Análise de sensibilidade. Segundo Moreira (2007), é o estudo da sensibilidade da solução ótima aos dados do modelo de programação linear. Coeficientes tecnológicos. Representam a quantidade de recursos necessária para produzir uma unidade da variável ou alternativa. Região permissível. É o conjunto de todas as soluções possíveis. Solução ótima. É o conjunto de valores das variáveis que, ao mesmo tempo, satisfaça todas as restrições e otimize (maximize ou minimize) a função objetivo. Solução permissível ou viável. É uma solução que atende ao mesmo tempo a todas as restrições. Síntese Problemas simples de Programação Linear, com apenas duas variáveis de decisão, podem ser resolvidos pelo método gráfico. O procedimento de resolução envolve duas etapas: a primeira requer a identificação no gráfico da região de soluções possíveis (região permissível); a segunda, e última etapa, requer a avaliação do comportamento da função objetivo para podermos identificar a solução ótima. As restrições são representadas no gráfico por linhas retas em que as coordenadas são as duas variáveis de decisão. A função objetivo é representada por uma linha reta, cuja inclinação será determinante para a identificação da solução ótima. A solução ótima está em um dos vértices ou pontos extremos da região permissível. 41 Exercícios Propostos Resolva os seguintes problemas simples, fazendo uso do Método Gráfico, apresentando passo a passo às etapas de resolução. 1) A empresa Ilha da Magia fabrica dois tipos de pneus: Modelo P (o premium) e Modelo R (o regular). O Modelo P é vendido por R$95,00 cada pneu e custa para ser produzido R$85,00 por pneu, enquanto que o Modelo R é vendido por R$50,00 cada pneu e tem um custo de produção de R$42,00 por pneu. Para fabricar um pneu do Modelo P, são necessárias duas horas da Máquina A e quatro horas da Máquina B. Por outro lado, para fazer um pneu do Modelo R, são requeridas nove horas da Máquina A e três horas da Máquina B. A programação da Produção da fábrica mostra que na próxima semana a Máquina A estará disponível no máximo 36 horas e a Máquina B no máximo 42 horas. Quanto de cada modelo de pneus a fábrica deve produzir de modo a maximizar o seu lucro? Qual é este lucro máximo? 2) A empresa “Águas de Floripa” produz piscina em fibra em duas linhas de produção: piscina Standard e piscina Luxo. Com relação à piscina Standard temos as seguintes informações: - A linha de produção comporta um máximo de 24 pessoas; - Cada piscina consome a mão-de-obra de 1 homem/dia para ser produzida; - Cada piscina fornece um lucro de R$30,00. Para as piscinas Luxo: 42 - A linha de produção comporta um máximo de 32 pessoas; - Cada piscina consome a mão-de-obra de 2 homem/dia para ser produzida; - Cada piscina fornece um lucro de R$40,00. Além disso, devemos informar que a fábrica possui um total de 40 empregados a serem alocados nas duas linhas de produção. O dono da fábrica tem por objetivo maximizar o lucro diário. 3) Certa empresa fabrica dois produtos, bolas de futebol (P1) e bolas de vôlei (P2). O lucro por unidade de P1 é de R$100,00 e o lucro unitário de P2 é de R$150,00. A empresa necessita de 2 horas para fabricar uma unidade de P1 e 3 horas para fabricar uma unidade de P2. O tempo mensal disponível para essas atividades é de 120 horas. As demandas esperadas para os dois produtos levaram a empresa a decidir que os montantes produzidos de P1 e P2 não devem ultrapassar 40 unidades de P1 e 30 unidades de P2 por mês. Construa o modelo do sistema de produção mensal com o objetivo de maximizar o lucro da empresa. 43 44 4. RESOLVENDO PROGRAMAÇÃO LINEAR UTILIZANDO A PLANILHA EXCEL® Objetivos de aprendizagem Resolver problemas de Programação Linear por meio da utilização da ferramenta Solver do Excel®. Analisar a solução final obtida com o propósito de otimizar a alocação de recursos da empresa. Seções de estudo 4.1. Elementos da Planilha 4.2. Desenvolvendo o Problema da Empresa Ilha da Magia 4.3. Análise dos Resultados Existem dois modos de se resolver um problema em programação linear: o modo tradicional, usando o método gráfico (até duas variáveis) e o método Simplex (três ou mais variáveis), ou o método computacional, onde existem programas prontos para resolver problemas de PL (como por ex. o programa "LINDO") ou então, utilizar as planilhas eletrônicas como EXCEL, LOTUS 1-2-3 ou Quattro- Pro. O objetivo do presente capítulo é fornecer um roteiro para a resolução de um problema típico de Programação Linear utilizando-se do software Excel® da Microsoft, por ser a planilha mais popular no Brasil. 45 4.1. Elementos da Planilha - Dados de Entrada: são os dados fornecidos no problema, isto é, os dados da função objetivo e os dados das equações de restrição (maior igual ou menor igual, incluindo as condições de não-negatividade). Esses dados devem aparecer em algum lugar na planilha. É aconselhável colocar o máximo de dados de entrada no canto superior esquerdo da planilha, apesar de que em alguns problemas específicos pode-se mudar essa regra. - Células variáveis: Ao invés de usar nomes de variáveis como X1 ou X21, utilizar um conjunto de células pré-definidas que fazem o papel das variáveisde decisão. Os valores nessas células podem ser mudados a fim de otimizar a função objetivo. Para evidenciar essas células, pode-se convencionar sombrear com determinada cor. - Célula destino: essa célula irá acumular o valor calculado da função objetivo. A ferramenta Solver sistematicamente varia os valores das células variáveis a fim de otimizar o valor da célula destino. Pode-se convencionar envolver a célula destino em uma borda preta dupla. - Restrições ou vínculos: no Excel, as restrições não aparecem diretamente na planilha. Ao invés disso, deve-se especificar as desigualdades diretamente num quadro de diálogo da ferramenta Solver. 4.2. Desenvolvendo o Problema da Empresa Ilha da Magia Considere o problema da empresa Ilha da Magia, exercício 1, descrito novamente a seguir: A empresa Ilha da Magia fabrica dois tipos de pneus: Modelo P (o premium) e Modelo R (o regular). O Modelo P é vendido por R$95,00 cada pneu e custa para ser produzido R$85,00 por pneu, enquanto que o Modelo R é vendido por R$50,00 cada pneu e tem um custo de produção de R$42,00 por pneu. Para fabricar um pneu do Modelo P, são necessárias duas horas da Máquina A e quatro horas da Máquina B. Por outro lado, para fazer um pneu do Modelo R, são requeridas nove horas da Máquina A e três horas da Máquina B. A programação da Produção da fábrica mostra que na próxima semana a Máquina A estará disponível no máximo 36 horas e a Máquina B no máximo 42 horas. Quanto de cada modelo de pneus a fábrica deve produzir de modo a maximizar o seu lucro? Qual é este lucro máximo? 46 A solução completa do problema é obtida realizando-se duas etapas, que são as seguintes: 1º) Entrada de dados e fórmulas na planilha A primeira etapa consiste na entrada de todos os dados na planilha e das fórmulas que relacionam as células com os dados de entrada e cujo resultado é armazenado na célula destino. Esse primeiro estágio é o mais importante, pois, nele todos os ingredientes do modelo são incluídos e relacionados entre si. Dados de entrada: Entre com os dados conforme mostrado no quadro abaixo. As quantidades necessárias de horas máquina para cada tipo de pneu nas células B4:C5, as quantidades disponíveis de cada tipo nas células E4:E5 e o lucro de cada tipo de pneu nas células B3:C3. Figura 1 – Entrada de dados na planilha Excel®. Níveis de produção: as células B2:C2 são onde os valores das variáveis de decisão são colocados, ou seja, onde o Solver indicará a solução para o problema. Lucro obtido: entre com a fórmula abaixo na célula D3: =SOMARPRODUTO(B3:C3;$B$2:$C$2) Essa fórmula calcula o total de lucro de acordo com o número de pneus presentes nas células variáveis. 47 Figura 2 – Utilização da função “somarproduto” no Excel®. Recursos utilizados: entre com a fórmula abaixo na célula D4. =SOMARPRODUTO(B4:C4;$B$2:$C$2) E, com a fórmula abaixo, na célula D5. =SOMARPRODUTO(B5:C5;$B$2:$C$2) Uma alternativa mais fácil é copiar a fórmula da célula D3, feita anteriormente, para a célula D4 e D5. Figura 3 – Detalhes do procedimento de cópia da célula D3 para as células D4 e D5. 48 Essa fórmula calcula as unidades de horas Máquina A e B utilizadas pela quantidade de pneus digitados inicialmente. A função SOMARPRODUTO é particularmente útil em modelos de Programação Linear. Aqui ela multiplica cada valor do intervalo de células B4:C4 pelos correspondentes valores nas células B2:C2 e depois soma esses produtos, do mesmo modo que é feito na multiplicação de matrizes. O propósito de colocar o dólar das células variáveis é o de fixá-las quando copia-se a mesma fórmula para as outras restrições. 2º) Parâmetros do Solver Na segunda etapa, devemos acionar o Solver no menu ferramentas do Excel. Se você não encontrar o Solver, escolha o item suplementos, do menu ferramentas, e procure o Solver e clique no respectivo quadrinho. A ferramenta Solver resolve o problema através de ajustes nas células variáveis até que o máximo valor da célula destino seja encontrado. Para os problemas de PL, a ferramenta utiliza o chamado "Modelo Simplex". Precisa-se informar a localização das células variáveis e da célula destino, bem como uma lista de todas as restrições envolvidas no problema, que são escritas em termos de endereços de células. Ao final é só pedir para que o Solver ache a solução otimizada. Os procedimentos de preenchimento dos parâmetros do Solver são apresentados, a seguir. a) Selecione como célula de destino a célula D3, aquela em que seu valor deverá ser máximo, e clique na opção Max. b) Selecione as células variáveis de acordo com a janela apresentada na Figura 4. 49 Figura 4 – Preenchimento dos parâmetros do solver c) Adicione cada restrição, com a respectiva desigualdade correta. Note que deve-se dar corretamente os endereços de cada desigualdade e, por esse motivo, não importa muito onde se coloca na planilha. Figura 5 – Adição das restrições Modelo Linear: antes de pedir para Resolver, clique em Opções e selecione "Presumir modelo Linear", pois afinal se trata de PL. 50 Figura 6 – Opções do solver: presumir modelo linear e não negativos. Resolver: clique em resolver e então o Solver mostrará nas células variáveis o valor ótimo das quantidades de pneus e na célula destino o valor máximo do lucro. Antes ele diz que achou uma solução ótima e, se for selecionado as opções de relatórios, ele criará até três tipos de relatórios diferentes, os quais serão muito úteis futuramente. Figura 7 – Janela indicando que o Solver encontrou uma solução que pode ser visualizada na planilha. 51 Caso escolha os três relatórios e dê OK. O Excel criará mais três pastas, cada uma com um tipo de relatório, são eles: - Relatório de respostas (Answer Report); - Relatório de Sensibilidade (Sensitivity Report); - Relatório de Limites (Limits Report). Os relatórios emitidos para este problema podem ser visualizados na próxima seção, que trata da análise e interpretação destes relatórios. 4.3. Análise dos Resultados O Relatório de Resposta do problema são apresentados na Figura 8. Figura 8 – Apresentação do Relatório de Resposta do Solver. A primeira parte, denominada de célula de destino (“target cell”), indica o tipo de problema de otimização tratado, no caso maximização, e o valor original e final da função objetivo. O valor máximo encontrado para a função objetivo é um lucro de R$ 106,00. A segunda parte do relatório relaciona os valores ótimos para as variáveis de decisão (células ajustáveis). Observe-se que, nesse caso, a quantidade a ser produzida de pneus Premium deve ser de nove unidades e de pneus Regular deve ser de duas unidades. 52 A terceira parte do relatório diz respeito às restrições. A coluna de valores das células indica os valores das constantes (RHS) de cada uma das restrições. A última coluna transigência (slack) indica a folga ou excesso de disponibilidade de recursos. Observa-se que a restrição referente à disponibilidade de horas Máquina A apresenta folga igual a zero, indicando que se atingiu o limite da restrição de horas necessárias (para conferir basta substituir os valores de solução ótima para pneus Premium e para pneus Regular na inequação referente à restrição de horas Máquina A). Da mesma forma, para a restrição de horas Máquina B, pode-se constatar que, também, se atingiu o limite da restrição de horas. O relatório de análise de sensibilidade do problema em questão é apresentado na Figura 9, abaixo. Figura 9 – Apresentação do Relatório de Análise de Sensibilidade do Solver. O relatório de sensibilidade está divididonas seguintes partes: - A primeira refere-se às mudanças que podem ocorrer nos coeficientes das variáveis de decisão da função objetivo; - A segunda refere-se as possíveis alterações que as constantes das restrições podem sofrer. As informações importantes mostradas nesse relatório são os Custos Reduzidos (“Reduced Cost”) e o Preço Sombra (“Shadow Price”). Pode-se interpretar os Custos Reduzidos como sendo: 53 - A quantidade que o coeficiente da função-objetivo deve melhorar para que aquela alternativa faça parte da solução ótima do problema; - A penalização a ser paga por se introduzir uma unidade de uma alternativa que não deve fazer parte da solução ótima. Observe que o lucro das alternativas de produção não precisa melhorar nada (Custo Reduzido igual a zero), uma vez que as duas alternativas já fazem parte da solução ótima (deve-se produzir nove unidades de pneu Premium e duas unidades de pneu Regular). Da mesma forma, a penalização a ser paga é zero, pois as duas alternativas fazem parte da solução ótima. Os valores do Preço Sombra (“Shadow Price”) podem ser interpretados da seguinte forma: - A quantidade pela qual a função objetivo altera dado um incremento de uma unidade na constante da restrição, ou seja, dado um aumento de uma unidade adicional do recurso disponível; - O aumento na função objetivo se aumentado de um o limite da restrição; - Mostra, do ponto de vista econômico, até quanto estaria-se dispostos a pagar por uma unidade adicional de um recurso. Portanto, para o problema de alocação de recursos da empresa Ilha da Magia, pode-se concluir sobre o Preço Sombra: - Se a restrição disponibilidade de horas Máquina A for aumentada de 36 para 37 unidades, tem-se uma nova solução, na qual o valor da função objetivo será aumentado de R$ 0,0667. - Se a restrição disponibilidade de horas Máquina B for aumentada de 42 para 43 unidades, tem-se uma nova solução, na qual o valor da função objetivo será aumentado de R$ 2,4667. Caso o custo adicional da hora Maquina A e da hora Máquina B seja de R$1,00, por exemplo, deve-se somente contratar horas Máquina B, uma vez que a função objetivo será aumentada de R$ 2,4667 e o custo será de R$1,00 (obtendo-se um lucro adicional de R$1,4667). 54 Glossário Preço sombra (“shadow price” ou “dual price”). É também conhecido por preços marginais. Indica quanto se deixa de ganhar ou perder por não se dispor de mais uma unidade de determinada variável restritiva. Problema mal dedinido (“unbounded”). Acontece nos modelos em que a função- objetivo pode atingir valores infinitos ou zero, incompatível com o resultado esperado. Problema não-solúvel (“infeasible”). Acontece nos modelos em que o conjunto de restrições apresentam contradições entre si. Reduzido custo (“reduced cost”). Indica quanto se deixa de ganhar ou perder por adotar alternativa diferente da indicada pela solução ótima. Solver. Segundo Moreira (2007), é uma ferramenta ou suplemento do software Microsoft Excel® que, para solução dos problemas lineares, utiliza o método simplex. Síntese Para os alunos e profissionais da administração, a utilização da ferramenta Solver do Excel® facilita a resolução de problemas de otimização. A obtenção da solução para determinado modelo é feita em duas etapas: primeiramente, deve-se entrar com os dados na planilha e das fórmulas; e, num segundo momento, preencher os parâmetros do Solver. Foi tomado como exemplo o problema da empresa Ilha da Magia, para obtenção da solução e para a realização das análises e interpretações pós-otimização, ou seja, dos relatórios emitidos pelo Solver. A solução ótima serve de referência para a tomada de decisão, não devendo necessariamente ser implementada. 55 Exercícios propostos 1) A Calçados Ltda de Barreiros fabrica os produtos Sapato Tipo 1 e Sapato Tipo 2. A empresa consegue vender todos os produtos. Cada produto passa por três departamentos e os tempos de fabricação requeridos encontram-se na Tabela 1. Tabela 1 – Tempo de fabricação em horas por unidade. Departamento A Departamento B Departamento C Produto 1 2 1 4 Produto 2 2 2 2 Cada departamento, entretanto, tem uma capacidade fixa de homens-hora por mês, como mostra a Tabela 2. Tabela 2 – Capacidade produtiva dos departamentos. Departamento Capacidade máxima em homens- hora A 160 B 120 C 280 A margem de contribuição do Produto 1 é de R$ 1,00 por unidade e a do Produto 2 é de R$ 1,50 por unidade. O problema consiste em determinar quanto fabricar de cada produto com o objetivo de maximizar a margem de contribuição total (MCT). Modelagem do problema da Calçados Ltda a) Definição das variáveis de decisão X1 = Quanto deve produzir de Sapato Tipo 1 X 2 = Quanto deve produzir de Sapato Tipo 2 b) Definição da Função Objetivo Max MCT = 1 X1 + 1,5 X2 c) Definição das Restrições do Problema - Capacidade máxima em horas do departamento A 2X1 + 2X2 ≤ 160 - Capacidade máxima em horas do departamento B 1X1 + 2X2 ≤ 120 - Capacidade máxima em horas do departamento C 4X1 + 2X2 ≤ 280 56 - Restrição Lógica X1 ≥ 0 X2 ≥ 0 Pede-se: Resolva este problema através do Solver do Excel®, apresentando, passo a passo, as etapas de resolução. 2) Considere um dos problemas modelados na lista de exercício proposta aos alunos da disciplina de introdução à Pesquisa Operacional: No programa de produção para o próximo período, a empresa Beta Ltda., escolheu três produtos P1, P2 e P3. O quadro abaixo mostra os montantes solicitados por unidade na produção. Produto Lucro por unidade Horas de trabalho Horas de uso de máquinas Demanda máxima P1 2.100 6 12 800 P2 1.200 4 6 600 P3 600 6 2 600 57 Os preços de venda foram fixados por decisão política e as demandas foram estimadas tendo em vista esses preços. A firma pode obter um suprimento de 4.800 horas de trabalho durante o período de processamento e pressupõe-se usar três máquinas que podem prover 7.200 horas de trabalho. Estabelecer um programa ótimo de produção para o período. Pede-se: a) Faça uma análise e interpretação dos relatórios emitidos pelo Solver do MS Excel deste problema. Com objetivo de facilitar, abaixo apresentamos a entrada de dados na planilha, o relatório de resposta e o relatório de análise de sensibilidade. b) Admita que durante a apresentação dos resultados, a gerência formulou as seguintes perguntas: b.1. O gerente de finanças advertiu que, uma incerteza recente no mercado para o produto P1, pode baixar sua lucratividade em 10%. Se isto acontecer, pergunta-se: deveria a Empresa Beta Ltda reconsiderar sua estratégia em termos de plano de produção? b.2. O gerente de recursos humanos pode, provavelmente, negociar a contratação de horas de trabalho a um custo de R$ 10,00/hora. Deveria a direção da empresa contratar trabalho? Em caso positivo, em que quantidade? b.3. A vice-presidência da empresa juntamente com a gerência de mercado estima um aumento de 100% na demanda para os produtos P1 e P3. Pergunta-se: deveria a Empresa Beta Ltda reconsiderar sua estratégia em termos de plano de produção e qual o aumento de lucro total esperado? Figura 1 – Entrada de dados na planilha MS Excel. 58 Figura 2 – Relatório de resposta. Figura 3 – Relatório de análise de sensibilidade 59 60 5. RESOLVENDO PROBLEMAS DE PROGRAMAÇÃO LINEAR UTILIZANDO O SOFTWARE LINDO®5 Objetivos de aprendizagem
Compartilhar