Baixe o app para aproveitar ainda mais
Prévia do material em texto
Andre´a Cardoso Fundamentos da PESQUISA OPERACIONAL UNIFAL-MG Fevereiro 2011 SUMA´RIO 1 Conhecendo a Pesquisa Operacional 4 1.1 Modelos Matema´ticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.2 Primeiros Exemplos e Aplicac¸o˜es . . . . . . . . . . . . . . . . . . . . . . . 8 1.3 Lista de Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 2 Programac¸a˜o Matema´tica 24 2.1 Modelos de Otimizac¸a˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 2.2 Problemas de Programac¸a˜o Matema´tica . . . . . . . . . . . . . . . . . . . 28 2.3 Lista de Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 3 Programac¸a˜o Linear 44 3.1 Estruturac¸a˜o de Modelos Lineares . . . . . . . . . . . . . . . . . . . . . . . 45 3.2 Resoluc¸a˜o Gra´fica de um PPL . . . . . . . . . . . . . . . . . . . . . . . . . 48 3.2.1 Representac¸a˜o Gra´fica das Restric¸o˜es . . . . . . . . . . . . . . . . . 48 3.2.2 Representac¸a˜o Gra´fica da Func¸a˜o Objetivo . . . . . . . . . . . . . . 54 3.2.3 Soluc¸o˜es do Modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 3.3 Lista de Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 4 Resoluc¸a˜o de PPL 64 4.1 Estruturac¸a˜o de Modelos Lineares . . . . . . . . . . . . . . . . . . . . . . . 64 4.2 Fundamentac¸a˜o Teo´rica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67 4.3 Lista de Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 2 5 O Me´todo Simplex 79 5.1 Fluxograma para soluc¸o˜es finitas . . . . . . . . . . . . . . . . . . . . . . . 91 5.2 Ana´lise de Sensibilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 5.3 Lista de Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 5.4 Lista de Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96 CAP´ITULO 1 CONHECENDO A PESQUISA OPERACIONAL O termo Pesquisa Operacional (PO) designa uma a´rea do conhecimento que consiste no desenvolvimento de me´todos cient´ıficos de sistemas complexos, com a finalidade de prever e comparar estrate´gias ou deciso˜es alternativas, cujo objetivo e´ dar suporte a` definic¸a˜o de pol´ıticas e determinac¸a˜o de ac¸o˜es. O trabalho do matema´tico russo Leonid Kantorovich de 1939 intitulado “Me´todos matema´ticos na organizac¸a˜o e no planejamento de produc¸a˜o” e´ considerado um dos pre- cursores da PO, pore´m manteve-se desconhecido da comunidade cient´ıfica ocidental ate´ 1959. O pro´prio termo Pesquisa Operacional, do ingleˆs Operations Research, foi cunhado pelo matema´tico russo na tentativa de englobar, sob uma u´nica denominac¸a˜o, todas as te´cnicas existentes ou que viriam a ser desenvolvidas e que tinham o mesmo objetivo citado. De fato, o termo PO designa um conjunto de disciplinas isoladas tais como Pro- gramac¸a˜o Linear, Teoria das Filas, Simulac¸a˜o, Programac¸a˜o Dinaˆmica, Teoria dos Jogos, dentre outras. A Pesquisa Operacional tal qual como a conhecemos surgiu durante a Segunda Guerra Mundial tendo como objetivo o desenvolvimento de metodologia para soluc¸a˜o de prob- lemas relacionados com as operac¸o˜es militares quando os Aliados se viram confrontados com problemas complexos de natureza log´ıstica, ta´tica e de estrate´gia militar. Para apoiar os comandos operacionais na resoluc¸a˜o desses problemas foram criados grupos multidis- ciplinares compostos por matema´ticos, f´ısicos, engenheiros e cientistas sociais. O que esses cientistas fizeram foi aplicar o me´todo cient´ıfico, que ta˜o bem conheciam, aos pro- blemas que lhes foram sendo colocados. Desenvolveram enta˜o a ide´ia de criar modelos 4 5 matema´ticos, apoiados em dados e fatos, que lhes permitissem perceber os problemas em estudo, simular e avaliar o resultado hipote´tico de estrate´gias bem como propor deciso˜es alternativas. Em 1941 a Inglaterra inaugura a Sec¸a˜o de Pesquisa Operacional do Co- mando da Forc¸a Ae´rea de Combate para trabalhar com problemas de operac¸o˜es de guerra, manutenc¸a˜o e inspec¸a˜o de avio˜es, melhoria da probabilidade de destruic¸a˜o de submarinos, controle de artilharia antiae´rea, dimensionamento de comboios de frota, entre outros. O sucesso e credibilidade ganhos durante a guerra foram ta˜o 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 vertiginoso crescimento econoˆmico que se seguiu, se viram tambe´m confrontadas com problemas de decisa˜o de grande complexidade. Em 1947 os Estados Unidos implantam o projeto SCOP (Scientific Computation of Op- timal Programs) com o objetivo de apoiar deciso˜es de operac¸o˜es da forc¸a ae´rea americana, coordenado por um economista e por um matema´tico George Dantzig que desenvolveu e formalizou o Me´todo Simplex para resolver problemas de otimizac¸a˜o linear. Face ao seu cara´ter multidisciplinar, atualmente as contribuic¸o˜es da PO estende-se por praticamente todos os domı´nios da atividade humana, da Engenharia a` Medicina, passando pela Economia e a` Gesta˜o Empresarial. Os ramos mais importantes desenvolvidos em PO sa˜o: Programac¸a˜o Matema´tica Outros Ramos X Programac¸a˜o Linear X Ana´lise Estat´ıstica X Programac¸a˜o Na˜o Linear X Teoria dos Jogos X Programac¸a˜o Dinaˆmica X Teoria das Filas X Programac¸a˜o Inteira X Simulac¸a˜o X Otimizac¸a˜o Global X Gesta˜o de estoques Resumidamente podemos dizer que o objetivo principal da PO e´ determinar a pro- gramac¸a˜o otimizada de atividades ou recursos, fornecendo um conjunto de procedimentos e me´todos quantitativos para tratar de forma sistematizada problemas que envolvam a utilizac¸a˜o de recursos escassos. Para apoiar a tomada de decisa˜o, a PO busca a soluc¸a˜o de problemas que podem ser representados por modelos matema´ticos. De modo geral, para a resoluc¸a˜o de um problema, um estudo de PO e´ desenvolvido em fases como indicado no esquema abaixo. 6 CAPI´TULO 1. CONHECENDO A PESQUISA OPERACIONAL Figura 1.1: Passos para implementac¸a˜o de PO Identificado o problema a ser estudado, a fase de formulac¸a˜o consiste na estruturac¸a˜o dos dados e informac¸o˜es dispon´ıveis, a pro´xima fase de modelagem concentra-se na cons- truc¸a˜o do modelo que e´ uma representac¸a˜o simplificada do sistema, em geral descrito por um conjunto de equac¸o˜es e desigualdades matema´ticas. A soluc¸a˜o e´ obtida atrave´s de um me´todo que pode ser um procedimento matema´tico ou algoritmo para alcanc¸ar o resultado. A avaliac¸a˜o consiste na validac¸a˜o do modelo, nesta fase ajustes podem ser feitos. A decisa˜o e´ a escolha e operacionalizac¸a˜o da soluc¸a˜o encontrada. As fases de formulac¸a˜o e modelagem do problema devem ser executadas com muita responsabilidade pois “E´ muito dif´ıcil encontrar uma soluc¸a˜o certa para um problema mal formulado!”. 1.1 Modelos Matema´ticos Observar, compreender, reproduzir e aprimorar fenoˆmenos, que podem ser naturais, soci- ais ou econoˆmicos, tem sido desde sempre uma preocupac¸a˜o ba´sica da Cieˆncia. Eventual- mente tais fenoˆmenos podem ser controla´veis e havera´ enta˜o condic¸o˜es de realizar previso˜es com pequeno n´ıvel de incerteza, para tanto e´ necessa´ria a construc¸a˜o de modelos que sa˜o representac¸o˜es idealizadas para tais fenoˆmenos, processos ou sistemas. Um modelo descreve, representa e imita o procedimento que ocorre no mundo real, es- tabelecendo o relacionamento das varia´veis com os objetivos, da melhor maneira poss´ıvel, obedecendo a` limitac¸a˜o de tempo e de custo. Os modelos podem ser assim classificados: 1.1. MODELOS MATEMA´TICOS 7 verbais: quando sa˜o descritos e representados por palavras e sentenc¸as. f´ısicos: quando representadospor algum tipo de material concreto, alterando-se suas dimenso˜es, formato e custo. Por exemplo: maquetes e proto´tipos. esquema´ticos: quando descritos por meio de gra´ficos, tabelas ou diagramas. matema´ticos: quando representados por relac¸o˜es matema´ticas, como equac¸o˜es, inequa- c¸o˜es, func¸o˜es ou lo´gica simbo´lica. Um modelo matema´tico e´ uma representac¸a˜o simplificada de uma situac¸a˜o real e deve refletir a esseˆncia do problema, representando as grandezas envolvidas por varia´veis e as relac¸o˜es de interdependeˆncia existentes entre elas por expresso˜es matema´ticas. Esquemati- camente, um modelo matema´tico pode ser visto como uma Caixa Preta, representando as relac¸o˜es que descrevem a dependeˆncia das varia´veis, que recebe a entrada formada pelas varia´veis do problema que se quer otimizar e processa essas informac¸o˜es para produzir a sa´ıda que e´ a soluc¸a˜o do problema ou resultado da decisa˜o. Entrada SaídaModelo Matemático O modelo mais adequado depende de va´rios fatores: a natureza das relac¸o˜es entre as varia´veis, os objetivos almejados, a extensa˜o do controle sobre as varia´veis e o n´ıvel de incerteza existente tanto nas relac¸o˜es entre as varia´veis como na pro´pria definic¸a˜o das varia´veis. Para cada conjunto de situac¸o˜es espec´ıficas o modelo matema´tico, dora- vante denominado somente modelo, devera´ ter uma forma padronizada e a soluc¸a˜o podera´ ser obtida por me´todos matema´ticos espec´ıficos para cada caso, que sera˜o estudados posteriormente. De maneira geral, um problema de tomada de decisa˜o requer soluc¸a˜o que responda a treˆs perguntas: 1. Qual e´ a meta a ser atingida? (objetivo) 2. Quais sa˜o as alternativas para a decisa˜o? (varia´veis de decisa˜o) 3. Sob quais condic¸o˜es a decisa˜o deve ser tomada? (restric¸o˜es) 8 CAPI´TULO 1. CONHECENDO A PESQUISA OPERACIONAL 1.2 Primeiros Exemplos e Aplicac¸o˜es Nesta sec¸a˜o sera˜o apresentadas os primeiras formulac¸o˜es de problemas de otimizac¸a˜o como aux´ılio na tomada de decisa˜o, para serem analisados, modelados e, exceto o sexto exemplo, resolvidos. Os treˆs primeiros exemplos sa˜o bem simples e podem ser resolvidos intuitiva- mente ou por enumerac¸a˜o na˜o necessitando de modelos matema´ticos formais. O quarto problema requer o uso de planilhas eletroˆnicas para realizar simulac¸o˜es de maneira mais ra´pida e eficaz. O quinto problema necessita de conhecimentos pre´vios de Ca´lculo Diferen- cial. O sexto exemplo, e´ um pouco mais complexos e necessita de modelos matema´ticos estruturados de Programac¸a˜o Matema´tica assunto do cap´ıtulo seguinte cujas te´cnicas de resoluc¸a˜o sera˜o estudadas no cap´ıtulo 3. Finalmente, o se´timo exemplo apresenta um problema cla´ssico da Teoria dos Jogos e suas implicac¸o˜es. . . . Exemplo 1.1. O problema da dona-de-casa 1 Considere a situac¸a˜o em que uma dona de casa precisa decidir entre comprar manteiga ou margarina para o consumo da famı´lia. Ela vai seguir intuitivamente um racioc´ınio lo´gico atrave´s do qual procurara´ alinhar as vantagens e desvantagens de cada alternativa, segundo seus crite´rios de decisa˜o. De in´ıcio, a dona de casa ira´ identificar as diferenc¸as entre os produtos segundo va´rios fatores que poderiam ser tomados para comparac¸a˜o como: o custo, o sabor, a durabilidade, a consisteˆncia quando gelado, os efeitos para sau´de, dentre outros. Para simplificar, ela se limitara´ a avaliar apenas os itens que considera mais importantes: custo, sabor e efeitos para a sau´de. Esses sera˜o os crite´rios para a tomada de decisa˜o da dona-de-casa. As consequencias de cada alternativa sera˜o: 1. Comprando manteiga, a dona-de-casa • gasta mais dinheiro; • agrada a famı´lia; • po˜e em risco a famı´lia devido ao teor mais alto de colesterol. 2. Comprando margarina, a dona-de-casa • economiza dinheiro; • desagrada a famı´lia; • na˜o coloca em risco a sau´de da famı´lia. 1Extra´ıdo de Andrade, 2004 1.2. PRIMEIROS EXEMPLOS E APLICAC¸O˜ES 9 Dependendo do peso que atribuir a cada consequencia, a dona-de-casa podera´ chegar a uma conclusa˜o. Se, por exemplo, a restric¸a˜o da famı´lia for dinheiro, a decisa˜o que lhe parecera´ melhor sera´ comprar margarina. . . . Exemplo 1.2. Problema da travessia do rio Imagine que voceˆ esteja a margem leste de um rio juntamente com treˆs amigos Felipe, Joa˜o e Kelly. Voceˆs querem atravessar para a margem oeste e dispo˜em de um u´nico meio de locomoc¸a˜o, uma canoa que pode levar no ma´ximo duas pessoas por vez e na˜o pode ir nem voltar vazia. Voceˆ tem constituic¸a˜o mais atle´tica e pode atravessar o rio a remo em 1 minuto, enquanto Felipe, Joa˜o e Kelly levam 2, 5 e 10 minutos, respectivamente. Se houver duas pessoas na canoa, o tempo da travessia sera´ a me´dia dos tempos que seriam gastos individualmente. Apo´s duas travessias seguidas a pessoa fica cansada e leva o dobro do tempo para atravessar o rio. Como e´ mais conveniente realizar a travessia de modo que os quatro estejam do outro lado do rio no menor tempo poss´ıvel? As seguintes alternativas podem ser consideradas: 1. Ir voceˆ e Felipe, voceˆ volta pega Joa˜o, voceˆ volta e pega Kelly. 2. Ir voceˆ e Felipe, Felipe volta pega Joa˜o, voceˆ volta e pega Kelly. 3. Ir voceˆ e Felipe, voceˆ volta vai Joa˜o e Kelly, Felipe volta e pega voceˆ. Calculando os tempos gastos em cada uma das alternativas, temos: T1 = 1, 5 + 1 + 3, 5 + 2 + 6 = 14 min T2 = 1, 5 + 2 + 4, 5 + 1 + 5, 5 = 14, 5 min T3 = 1, 5 + 1 + 7, 5 + 2 + 1, 5 = 13, 5 = 13, 5 min Dentre as treˆs alternativas, a melhor e´ a alternativa 3, onde o tempo total para a travessia sera´ de 13,5 minutos. Voceˆ pode identificar alternativas distintas cujo tempo seja igual a 13,5 minutos? Existe outra alternativa melhor? Varia´veis de decisa˜o: Alternativas 1, 2 e 3 10 CAPI´TULO 1. CONHECENDO A PESQUISA OPERACIONAL Objetivo: Minimizar o tempo de travessia Restric¸o˜es: Tempo individual para travessia, Duas pessoas por vez na canoa, A canoa na˜o atravessa o rio sozinha, Penalidade para atravessar mais que duas vezes seguidas. . . . Exemplo 1.3. Decisa˜o com risco ou incerteza 2 A tabela seguinte apresenta os retornos (ganhos ou perdas me´dias) para um valor fixo de insvetimento associados a`s deciso˜es de investir em conta poupanc¸a, em do´lar ou fundos de investimentos. Decisa˜o A1 Decisa˜o A2 Decisa˜o A3 Estados poss´ıveis Probabilidades Investir em Investir em Investir em da economia poupanc¸a do´lar fundos S1 : Recessa˜o 0,40 $ 300 $ 400 - $ 100 S2 : Estabilidade 0,40 $ 300 $ 300 $ 200 S3 : Expansa˜o 0,20 $ 300 $ 200 $ 700 Qual e´ o melhor investimento? Se a decisa˜o for baseada nos valores me´dios ou esperados dos ganhos, teremos: GA1 = 0, 40× 300 + 0, 4× 300 + 0, 2× 300 = 300 GA2 = 0, 40× 400 + 0, 4× 300 + 0, 2× 200 = 320 GA3 = 0, 40× (−100) + 0, 4× 200 + 0, 2× 700 = 180 a melhor decisa˜o a ser tomada e´ a alternativa A2, investir em do´lar. Varia´veis de decisa˜o: Investir em A1, A2 ou A3 Objetivo: Maximizar o retorno Restric¸o˜es: Estados poss´ıveis da economia, probabilidades e retornos. 2Baseado em Shimizu, 2006 1.2. PRIMEIROS EXEMPLOS E APLICAC¸O˜ES 11 . . . Exemplo 1.4. O caso da Casa das Esfirras A Casa das Esfirras produz e comercializa esfirras de carne a partir de dois ingredientes ba´sicos: massa e recheio. A empresa necessita estabelecer um modelo para simulac¸a˜o de lucros que lhe permita a formac¸a˜o do melhor prec¸o de venda a ser praticado. Considera-se que o prec¸o unita´rio da esfirra e o prec¸o me´dio praticado pela concorreˆncia sa˜o os u´nicos fatores relevantes na determinac¸a˜o da demanda. Atualmente a empresa pratica o mesmo prec¸o me´dio do mercado local e comercializa 70.000 unidades de esfirras mensalmente. Um estudo encomendadopela empresa constatou que, a cada 1% a menos cobrado pela unidade de esfirra em relac¸a˜o ao prec¸o me´dio praticado pela concorreˆncia implica em um aumento nas vendas de 5.000 unidades mensais. Dados relevantes para o estudo sa˜o fornecidos na tabela seguinte: em R$ Prec¸o me´dio praticado pela concorreˆncia (por unidade) 1,00 Custo unita´rio da massa 0,10 Custo unita´rio do recheio 0,30 Custo do processo de fabricac¸a˜o (por unidade) 0,40 Custo fixo 8.000,00 Varia´veis de decisa˜o: Prec¸o unita´rio da esfirra Objetivo: Maximizar o lucro Restric¸o˜es: Demanda de mercado Para este problema, e´ preciso desenvolver um modelo que permita a simulac¸a˜o do lucro operacional mensal a partir da demanda d e dos custos para estabelecer o prec¸o p a ser praticado. O lucro (L) e´ obtido pela diferenc¸a entre a receita (R) e o custo total (CT), L = R− CT. 12 CAPI´TULO 1. CONHECENDO A PESQUISA OPERACIONAL A receita pode ser calculada pelo produto entre o prec¸o praticado por unidade e a quantidade vendida, neste caso a quantidade demandada, que por sua vez depende do prec¸o praticado. Assim, R(p) = p · d(p). O custo total e´ a soma do custo fixo com o custo varia´vel, que depende da quantidade a ser produzida, neste caso a demanda. CT = C + C(d) Para construir um modelo para formac¸a˜o de prec¸o, e´ primeiro necessa´rio calcular a func¸a˜o demanda, isto e´, encontrar a lei que determina a quantidade de esfirras comercia- lizadas mensalmente em func¸a˜o do prec¸o praticado. De acordo com os dados, o prec¸o me´dio praticado e´ de R$ 1,00 e para este valor a quantidade demandada e´ 70.000 unidades. Assim a func¸a˜o d(p) a ser determinada satisfaz: d(1) = 70000. Levando-se em conta que a cada desconto de 1% no prec¸o corresponde uma demanda extra de 5.000 unidades, temos: d(0, 99) = 75000. Admitindo que a func¸a˜o demanda seja uma func¸a˜o afim do tipo: d(p) = ap+ b onde o coeficiente angular a pode ser determinado por: a = ∆d ∆p = 70000− 75000 1− 0, 99 = −500000 Para encontrar o coeficiente linear b e determinar d, basta substituir d(1) = 70000 na 1.2. PRIMEIROS EXEMPLOS E APLICAC¸O˜ES 13 expressa˜o d(p) = −500000p+ b, desta forma 70000 = d(1) = −500000(1) + b Logo, b = 570000. Portanto, a func¸a˜o demanda nas condic¸o˜es do problema e´: d(p) = −500000p+ 570000 Para este caso o modelo sera´ constru´ıdo em planilha eletroˆnica alcanc¸ando assim fa- cilidade de interac¸a˜o com o usua´rio e possibilitando ra´pidas alterac¸o˜es. Admitindo que o prec¸o praticado seja R$ 1,00 a unidade de esfirras, e´ poss´ıvel calcular a quantidade ven- dida, a receita e os custos mensais e consequente prever o lucro operacional. O modelo em planilha eletroˆnica e´ apresentado na tabela abaixo, onde as fo´rmulas para os respectivos ca´lculos esta˜o explicitadas na coluna C. Na tabela a seguir sa˜o apresentados os resultados do Lucro Operacional para diversos valores simulados para o prec¸o a ser praticado, onde lucro negativo e´ representado por valores entre pareˆnteses. 14 CAPI´TULO 1. CONHECENDO A PESQUISA OPERACIONAL Uma ra´pida inspec¸a˜o garante que: • Prec¸o acima de 1,00 retorna em lucro menor; • Lucro crescente para valores entre 1,00 e 0,95; • Lucro decrescente para valores entre 0,95 e 0,90. Desta primeira ana´lise, conclui-se que o melhor prec¸o esta´ entre 1,00 e 0,95. Para decidir qual prec¸o retorna o maior lucro, e´ preciso simular todos os valores neste intervalo. Observando a segunda parte da tabela, conclu´ımos que o melhor prec¸o a ser praticado e´ R$ 0,97 resultando num lucro de R$ 6.450,00 que e´ 7,5% maior do que o lucro mensal atual da empresa. . . . Exemplo 1.5. Gesta˜o do estoque Um posto de combust´ıveis tem uma demanda de gasolina e a´lcool ao longo dos u´ltimos treˆs anos, conforme a tabela dada em milho˜es de litros: 1.2. PRIMEIROS EXEMPLOS E APLICAC¸O˜ES 15 Ano A´lcool Gasolina 2007 2,00 5,00 2008 2,05 5,80 2009 3,00 6,20 Seus custos estimados de colocac¸a˜o de um pedido sa˜o cerca de R$ 325,00 e os custos de manutenc¸a˜o dos estoques sa˜o de 23% do custo de aquisic¸a˜o, por ano. A empresa adquire os combust´ıveis a R$ 30,00 o gala˜o de 50 litros de a´lcool e R$ 78,00 o gala˜o de gasolina. Atualmente o suprimento de combust´ıvel e´ feito em quantidades constantes a intervalos regulares quinzenalmente, qual a quantidade ideal de cada combust´ıvel que o posto deve pedir por vez? O objetivo do problema e´ determinar o lote de compra que deve ser encomendado por vez, de modo a minimizar o custo total de operac¸a˜o do estoque dos dois tipos de combust´ıveis. Varia´veis de decisa˜o: Quantidade de a´lcool a ser encomentada por vez Quantidade de gasolina a ser encomendada por vez Objetivo: Minimizar o custo de operac¸a˜o de estoque Restric¸o˜es: Custo do pedido Custo de Manutenc¸a˜o do estoque O custo total e´ a soma dos custos de manutenc¸a˜o de estoques e de emissa˜o e colocac¸a˜o de pedidos, considerando que a demanda e os custos sa˜o relativamente esta´veis durante o ano. minimizar Custo Total (CT) = custo de manutenc¸a˜o do a´lcool (CMA) + + custo de manutenc¸a˜o da gasolina (CMG) + + custo do pedido (CP) O custo de manutenc¸a˜o e´ o produto do n´ıvel me´dio em estoque pelo custo unita´rio de manutenc¸a˜o, onde o n´ıvel me´dio e´ a metade da quantidade encomendada (dados 16 CAPI´TULO 1. CONHECENDO A PESQUISA OPERACIONAL emp´ıricos). O custo do pedido e´ o produto do nu´mero de pedidos anuais pelo custo unita´rio de colocac¸a˜o do pedido. Devemos identificar os elementos conhecidos e desconhecidos do problema que fornecera˜o os dados e as varia´veis de decisa˜o. n: total de pedidos anuais qA: quantidade de a´lcool (em milho˜es de litros) encomendados por vez qG: quantidade de gasolina (em milho˜es de litros) encomendados por vez aA: quantidade de a´lcool (em milho˜es de litros) comercializada anualmente aG: quantidade de gasolina (em milho˜es de litros) comercializada anualmente A partir dos dados fornecidos, podemos calcular a me´dia de vendas da empresa dos u´ltimos treˆs anos: aA = 2 + 2, 05 + 3 3 = 2, 35 e aG = 5 + 5, 8 + 6, 2 3 ∼= 5, 67 E´ poss´ıvel obter qA e qG a partir do valor de n. qA = aA n e qG = aG n Portanto, podemos admitir que a u´nica varia´vel independente do problema e´ o nu´mero de pedidos anuais n. Sabe-se que o custo de manutenc¸a˜o dos estoques e´ de 23% do custo de aquisic¸a˜o de cada combust´ıvel. A partir desta informac¸a˜o e´ poss´ıvel calcular CMA, considerando que a unidade que estamos utilizando e´ um milha˜o de litros de combust´ıvel que equivale a 20.000 galo˜es de 50 litros, como cada gala˜o de a´lcool custa R$ 30,00, o custo da unidade 1.2. PRIMEIROS EXEMPLOS E APLICAC¸O˜ES 17 de a´lcool e´ R$ 600.000,00. Calculando a porcentagem para manutenc¸a˜o dos estoques, temos que o custo unita´rio para manutenc¸a˜o do a´lcool e´ 138.000 e portanto, CMA = 138.000 qA 2 = 69.000qA De forma ana´loga calculamos que o custo da unidade de gasolina e´ R$ 1.560.000,00 e obtemos 358.800 como o custo unita´rio para manutenc¸a˜o do estoque de gasolina e consequentemente: CMG = 358.800 qG 2 = 179.400qG Escrevendo o custo total em func¸a˜o das varia´veis e constantes assim definadas e cal- culadas: CT = 69.000qA + 179.400qG + 325n = 69.000 2, 35 n + 179.400 5, 67 n + 325n = 162.150 1 n + 1.017.198 1 n + 325n Portanto, CT (n) = 1.179.348 1 n + 325n Como o objetivo e´ minimizar uma func¸a˜o em uma varia´vel real, devemos encontrar os pontos cr´ıticos da func¸a˜o utilizando a primeira derivada. d dn CT (n) = −1.179.348 1 n2 + 325 = 0 A equac¸a˜o diferencial acima e´ satisfeita para n ∼= 60, 24ou n ∼= −60, 24. Entretanto no contexto do problema proposto n deve ser um nu´mero inteiro positivo, sendo assim tomamos, por arredondamento, n = 60. E o teste da segunda derivada nos garante que este e´ um ponto de mı´nimo. d2 dn2 CT (n) = 2.358.696 1 n3 > 0, ∀ n > 0 Assim, deve-se encomendar 39.166,67 litros de a´lcool e 94.500 litros de gasolina por 18 CAPI´TULO 1. CONHECENDO A PESQUISA OPERACIONAL vez totalizando 60 pedidos anuais com custo total de R$ 39.155,80 contra os custos atuais de R$ 53.809,54 referentes a 26 pedidos anuais, o que representa uma economia para a empresa de aproximadamente 27,21%. . . . Exemplo 1.6. Problema da dieta o´tima: 3 Em uma dieta, cada 100 g de alimento A e B fornecem os seguintes elementos nutritivos (em unidades): Elemento nutritivo A B Carboidratos 1 3 Vitaminas 3 4 Prote´ınas 3 1 As quantidade mı´nimas necessa´rias de elementos nutritivos, por dia, sa˜o 8 unidades de carboidratos, 19 unidades de vitaminas e 7 unidades de prote´ınas. Cada 100 g do alimento A conte´m 300 kcal (kilocalorias) e custa $ 50 u.m. enquanto cada 100 g do alimento B tem 500 kcl e custa $ 25 u.m. Como e´ poss´ıvel minimizar o custo e a quantidade de calorias da dieta formada pelos alimento A e B? Varia´veis de decisa˜o: x1 : quantidade de A (em 100 g) x2 : quantidade de B (em 100 g) Objetivo: min z1 = 50x1 + 25x2 (minimizar o custo) min z2 = 300x1 + 500x2 (minimizar quantidade de calorias) Restric¸o˜es: x1 + 3x2 ≥ 8 (quantidade de carboidratos) 3x1 + 4x2 ≥ 19 (quantidade de vitaminas) 3x1 + x2 ≥ 7 (quantidade de prote´ınas) x1, x2 ≥ 0 (condic¸a˜o de na˜o-negatividade) 3Adaptado do exemplo inicialmente formulado por George Dantzig 1.2. PRIMEIROS EXEMPLOS E APLICAC¸O˜ES 19 Representando as inequac¸o˜es e func¸o˜es do problema no plano cartesiano obtemos o seguinte gra´fico. Por simples inspec¸a˜o visual e´ poss´ıvel identificar o ponto (1,4) do plano cartesiano como sendo o ponto onde a func¸a˜o custo e´ minimizada, obtendo um custo mı´nimo de $ 150 u.m. com consumo total de 2.300 kcal, enquanto o ponto (5,1) minimiza a quantidade de calorias, 2.000 kcal, com custo de $ 275 u.m. . . . Exemplo 1.7. O dilema do prisioneiro 4 Dois prisioneiros acusados de terem cometido um crime em conjunto esta˜o presos em celas separadas e sa˜o interrogados separadamente por um delegado de pol´ıcia. Se os dois prisioneiros confessarem o crime, ambos sera˜o condenados a` pena de 10 anos de prisa˜o. Se nenhum dos dois prisioneiros confessar, o delegado, usando provas circunstanciais, so´ pode condena´-los a` pena de 2 anos. Se apenas um dos dois prisioneiros confessar, este prisioneiro recebera´, como preˆmio, um pena leve de 1 ano de prisa˜o, e o outro, que na˜o confessou, sera´ condenado a` pena maior, de 12 anos de prisa˜o. Qual decisa˜o deve ser tomada? 4Proposto originalmente por M.Flood e M.Dresher em 1950, posteriormente adaptado por A.W.Tucker. 20 CAPI´TULO 1. CONHECENDO A PESQUISA OPERACIONAL A tabela seguinte resume as penalidades atribuidas a cada prisioneiro Prisioneiro B C NC C (10, 10) (1,12) Prisioneiro A NC (12,1) (2,2) onde a primeira entrada do par ordenado corresponde a` decisa˜o do prisioneiro A e a segunda entrada a` decisa˜o do prisioneiro B. Examinemos o problema do ponto de vista de um dos prisioneiros, objetivando deter- minar a melhor estrate´gia assumindo que o cu´mplice tambe´m e´ racional. Se seu companheiro confessar, o prisioneiro A, por exemplo, sera´ condenado a 10 anos de prisa˜o se confessar e a 12 anos se permanecer calado. Neste caso a melhor decisa˜o e´ confessar. Agora, se B permanecer calado, A sera´ condenado a 1 ano se confessar e a 2 anos se na˜o confessar. O melhor estrate´gia nesta situac¸a˜o e´ confessar. Aparentemente a melhor estrate´gia e´ portanto confessar! Entretanto se ambos seguirem o mesmo racioc´ınio, os dois prisioneiros sera˜o condenados a 10 anos de prisa˜o. Se optarem por cooperar e permanecerem calados, recebera˜o pena menor de 2 anos. E a´ı esta´ o dilema, buscando individualmente a melhor estrate´gia para si acabam ambos por serem punidos rigorosamente. O fato e´ que pode haver dois vencedores neste jogo, se o problema for analisado em conjunto buscando a melhor soluc¸a˜o para o grupo e consequentemente a cooperac¸a˜o resultara´ na melhor soluc¸a˜o para ambos. “A teoria dos jogos sugere que, embora a cooperac¸a˜o na˜o seja nada fa´cil de ser alcanc¸ada, e´ poss´ıvel demonstrar que muitas vezes ela e´ prefer´ıvel ao conflito.” David P. Barash 1.3. LISTA DE PROBLEMAS 21 1.3 Lista de Problemas Resolva cada um dos seguintes problemas, identificando as varia´veis de decisa˜o, objetivo e restric¸o˜es: 1. Durante a construc¸a˜o de uma casa, seis vigas de 8m cada devem ser recortadas para atingir o comprimento correto de 7, 5m. As operac¸o˜es para cortar uma viga obedecem a seguinte sequencia: Operac¸a˜o Tempo [s] 1. Colocar vigas nos cavaletes 15 2. Marcar o comprimento 10 3. Cortar a viga 20 4. Armazenar a viga cortada 20 Ha´ treˆs pessoas envolvidas: dois carregadores devem trabalhar simultaneamente nas operac¸o˜es 1,2 e 4, e um cortador se encarregara´ da operac¸a˜o 3. Ha´ dois pares de cavaletes nos quais as vigas a recortar sa˜o colocadas na preparac¸a˜o para o corte, e cada par pode suportar ate´ treˆs vigas lado a lado. Sugira um boa programac¸a˜o para recortar as seis vigas. 2. Como deve ser montado um retaˆngulo a partir de uma corda de comprimento 10m para que a a´rea seja ma´xima. 3. Em um jogo de beisebol, Jim e´ o lanc¸ador e Joe o rebatedor. Suponha que Jim possa atirar uma bola com velocidade ou um bola curva de maneira aleato´ria. Se Joe previr corretamente que sera´ uma bola curva, podera´ manter uma me´dia de rebates de 0,5. Ao contra´rio, se Jim atirar uma bola curva e Joe se preparar para uma bola com velocidade, sua me´dia de rebates ficara´ em 0,2. Por outro lado, se Joe previr corretamente que sera´ uma bola com velocidade, conseguira´ uma me´dia de rebates de 0,3; caso contra´rio, sua me´dia sera´ de apenas 0,1. Defina as alternativas para essa situac¸a˜o. 22 CAPI´TULO 1. CONHECENDO A PESQUISA OPERACIONAL 4. A Paste´is e Pastelo˜es Ltda. fabrica paste´is de forno a partir de dois ingredientes ba´sicos: massa semipronta e recheio congelado. A empresa pretende estabelecer um modelo para previsa˜o de seu lucro operacional mensal que lhe permita estabelecer o prec¸o dos paste´is que deve ser praticado pela empresa. Desconsiderando a hipo´tese de alterac¸a˜o do tamanho e da qualidade dos paste´is, a diretoria considera que o prec¸o unita´rio do pastel e o prec¸o me´dio praticado pela concorreˆncia sa˜o os u´nicos fatores relevantes na determinac¸a˜o da demanda, a qual se comporta segundo a seguinte equac¸a˜o: Z = 15000− 5000x+ 5000y onde x e´ o prec¸o do pastel da Paste´is e Pastelo˜es e y e´ o prec¸o me´dio dos paste´is vendidos pelos concorrentes. Dados adicionais sa˜o fornecidos pela tabela: em R$ Prec¸o me´dio praticado pela concorreˆncia (por pastel) 7,00 Custo unita´rio da massa 1,30 Custo unita´rio do recheio 2,00 Custo do processo de fabricac¸a˜o (por pastel) 0,40 Custo fixo 6.000,00 5. Refac¸a o exemplo 1.5, considerando que o posto esta´ interessado em resolver o problema do estoque separadamente para cada combust´ıvel, isto e´, determine o nu´mero de pedidos anuais para o a´lcool que minimize o custo total e, apo´s calcule o nu´mero de pedidos a ser realizados para a gasolina. Qual a relac¸a˜o entre estes dois valores encontrados e o nu´mero o´timo de pedidos determinado para o problema original? 6. Um atacadista de materiais de construc¸a˜o obte´m seu cimento de um fornecedor u´nico. A demandade cimento e´ razoavelmente constante ao longo do ano. No 1.3. LISTA DE PROBLEMAS 23 u´ltimo ano, a empresa vendeu 2000 toneladas de cimento. Seus custos estimados de colocac¸a˜o de um pedido sa˜o cerca de $25, e os custos de manutenc¸a˜o dos estoques sa˜o de 20% do custo de aquisic¸a˜o, por ano. A empresa adquire cimento a $60 por tonelada. Quanto cimento a empresa deveria pedir por vez? 7. Uma empresa comercializa queijos deseja estudar sua pol´ıtica de estocagem de modo a otimizar sua operac¸a˜o, reduzindo os custos. Apo´s um cuidadoso levantamento, o gerente estimou que o custo anual de manter um item em estoque e´ de $50,00. Tal custo foi obtido considerando-se o custo do capital investido, o custo das instalac¸o˜es, refrigerac¸a˜o, limpeza e seguros, durante um ano, e dividindo-se pelo nu´mero esti- mado de itens que ira˜o compor o estoque no mesmo per´ıodo. Consideremos que este nu´mero seja constante e igual a 1.000 por ano. O suprimento do produto e´ feito em quantidades constantes e intervalos regulares, a colocac¸a˜o de cada encomenda tem um custo fixo de $ 1.000,00, incluindo documentac¸a˜o, despesas de pedido e transporte. Qual a quantidade de mercadoria que deve ser encomendada de cada vez? CAP´ITULO 2 PROGRAMAC¸A˜O MATEMA´TICA Desde a antiguidade va´rios cientistas tais como Euclides, Newton, Lagrange, Leontief, Von Neumann, dentre outros, tem dedicado seus estudos a` pesquisa do o´timo. A a´rea que es- tuda Problemas de Otimizac¸a˜o e´ denominada Programac¸a˜o Matema´tica que engloba uma ampla classe de problemas. O termo programac¸a˜o significa que existe um planejamento das atividades. A Programac¸a˜o Matema´tica vem se constituindo como uma das mais poderosas fer- ramentas matema´ticas para diversos segmentos, propiciando melhorias mensura´veis nos processos e automatizac¸a˜o dos mesmos, ana´lises operacionais, de projetos, reengenharia e identificac¸a˜o de gargalos. Seus benef´ıcios sa˜o exatamente aqueles procurados por qualquer empresa: diminuic¸a˜o dos custos e aumento dos lucros. Em algumas organizac¸o˜es ela esta´, inclusive, embutida em suas rotinas informatizadas de planejamento dia´rio dos processos de operac¸a˜o. Segundo pesquisas efetuadas em empresas que tem utilizado esta ferramenta, a reduc¸a˜o de custos se enquadra facilmente na faixa entre 1% e 5%, existindo casos que chegam ate´ a 15%. A magnitude do benef´ıcio da Programac¸a˜o Matema´tica na performance das empresas pode ser avaliada nos casos listados a seguir referentes a diferentes a´reas de atividade econoˆmica: 24 25 1. A companhia de o´leos TEXACO utilizou a Programac¸a˜o Linear para obter condic¸o˜es ideais de processamento do grude bruto para produzir quantidades proporcionais a`s necessidades do mercado aos diversos derivados do grude: gasolina, o´leos com diver- sas graduac¸o˜es ou asfalto. A aplicac¸a˜o da metodologia em sete das suas refinarias permitiu obter uma melhoria de 30% nos lucros, atingindo 30 milho˜es de do´lares. 2. A rede de fast food McDonald’s nos Estados Unidos aplicou a Programac¸a˜o Ma- tema´tica para otimizac¸a˜o dos hora´rios de trabalho em quatro de seus estabeleci- mentos, pertencentes a Al Boxley. Este tipo de atividade recorre frequ¨entemente a` ma˜o-de-obra em part-time, tendo como resultado uma grande aleatoriedade na disponibilidade dos recursos humanos. A Programac¸a˜o Linear proporcionou um melhor aproveitamento dos recursos dispon´ıveis, com a exigeˆncia de cobertura du- rante todo per´ıodo de funcionamento das unidades, obtendo-se uma programac¸a˜o de hora´rios mais conveniente de acordo com as prefereˆncias de hora´rio de cada fun- ciona´rio. 3. O exe´rcito norte-americano 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. O modelo de otimizac¸a˜o analisa a forma com que as forc¸as armadas podem obter no futuro a estrutura militar desejada. Para tal, aspectos como as admisso˜es, abandonos, promoc¸o˜es e transfereˆncias sa˜o tidos em conta no modelo que determina o nu´mero de recursos necessa´rio. Uma das caracter´ısticas principais de Programac¸a˜o Matema´tica e´ sua extensibili- dade, pode ser aplicada a diverso nu´mero de organizac¸o˜es e sistemas: indu´strias, gov- ernos, ageˆncias, hospitais, economia, sociologia, biologia, dentre outros. Algumas de suas aplicac¸o˜es se tornaram cla´ssicas: Problema de transporte; Administrac¸a˜o da produc¸a˜o; 26 CAPI´TULO 2. PROGRAMAC¸A˜O MATEMA´TICA Ana´lise de investimentos; Problemas de distribuic¸a˜o de recursos, pessoal e tarefas; Problemas de corte materiais, etc. Em um Problema de Otimizac¸a˜o pretende-se maximizar ou minimizar uma quantidade espec´ıfica, designada objetivo, que depende de um nu´mero finito de varia´veis indepen- dentes ou interrelacionadas por limitac¸o˜es ou restric¸o˜es te´cnicas do sistema. Resolver o problema significa aplicar uma sequencia de operac¸o˜es matema´ticas para distribuir recur- sos limitados sobre operac¸o˜es que exigem a sua utilizac¸a˜o simultaˆnea, de forma o´tima para o objetivo espec´ıfico. Um Problema de Programac¸a˜o Matema´tica (PPM) e´ um problema de otimizac¸a˜o satisfazendo dois fatos principais: • A existeˆncia de um objetivo que pode ser explicitado em termos das varia´veis de decisa˜o do problema; • A existeˆncia de restric¸o˜es a` aplicac¸a˜o dos recursos, tanto com relac¸a˜o a`s quantidades dispon´ıveis quanto com relac¸a˜o a` forma de emprego. 2.1 Modelos de Otimizac¸a˜o Especificamente, o objetivo primordial de um PPM e´ encontrar a melhor soluc¸a˜o para problemas que podem ser representados por modelos matema´ticos onde o objetivo pode ser expresso em func¸a˜o das varia´veis e as restric¸o˜es expressas como equac¸o˜es ou inequac¸o˜es. Os modelos matema´ticos utilizados em PPM seguem, em geral, uma estrutura padra˜o composta por uma func¸a˜o-objetivo, um crite´rio de otimizac¸a˜o e um conjunto de restric¸o˜es. A forma geral de um modelo para um PPM com n varia´veis e m restric¸o˜es e´ apresentada a seguir: 2.1. MODELOS DE OTIMIZAC¸A˜O 27 otimizar: z = f(x1, x2, . . . , xn) sujeito a: g1(x1, x2, . . . , xn) g2(x1, x2, . . . , xn) ... gm(x1, x2, . . . , xn) ≤ = ≥ b1 b2 ... bm (2.1) onde as varia´veis do problema esta˜o representadas por xj com j = 1, . . . , n e bi, para i = 1, . . . ,m, representa a quantidade dispon´ıvel de determinado recurso. Utilizaremos a notac¸a˜o vetorial para representar as varia´veis de decisa˜o, assim define-se: x = [ x1 x2 . . . xn ] (2.2) f(x) e´ denominada func¸a˜o-objetivo e gi(x) sa˜o as func¸o˜es restric¸o˜es do problema. A soluc¸a˜o do modelo pode ser obtida por te´cnicas matema´ticas e algoritmos espec´ıficos, e a construc¸a˜o do modelo deve levar em considerac¸a˜o a disponibilidade de uma te´cnica para o ca´lculo da soluc¸a˜o. Para melhor estudar as te´cnicas dispon´ıveis para resoluc¸a˜o de PPM, a a´rea pode ser subdividida em duas suba´reas determinadas pelas propriedades das func¸o˜es envolvidas no problema: Programac¸a˜o Linear: Todas as func¸o˜es do modelo sa˜o lineares em relac¸a˜o a`s varia´veis. Programac¸a˜o Na˜o-Linear: Pelo menos uma das func¸o˜es envolvidas na˜o e´ linear. A soluc¸a˜o de um PPM inicia-se pela modelagem, esta etapa e´ ta˜o importante tanto quanto o desenvolvimento de me´todos de soluc¸a˜o, visto que a qualidade de todo o processo e´ consequencia direta do grau de representatividade do modelo. O exemplo 1.6 apresentado no cap´ıtulo anterior foi modelado seguindo certa sistema- tizac¸a˜o e agora iremos nos concentrar na estruturac¸a˜ode modelos espec´ıficos para PPM. A tarefa de construc¸a˜o do modelo a partir do enunciado do problema deve seguir uma metodologia ba´sica, apresentada a seguir: 28 CAPI´TULO 2. PROGRAMAC¸A˜O MATEMA´TICA Identificac¸a˜o das varia´veis de decisa˜o Todas as grandezas envolvidas devem ser determinadas, explicitando as deciso˜es que devem ser tomadas, nomeando-as xj, j = 1, . . . , n. Definic¸a˜o do crite´rio de otimizac¸a˜o Crite´rios de avaliac¸a˜o capazes de indicar que uma decisa˜o e´ prefer´ıvel a outras devem ser definidos. Deve-se identificar as metas que se pretendem alcanc¸ar com a resoluc¸a˜o do problema, expressando-as como func¸o˜es matema´ticas. Em geral, o objetivo aparece na forma de maximizac¸a˜o ou minimizac¸a˜o de quantidades. Formulac¸a˜o das restric¸o˜es Todos os requisitos, condicionalismos e limitac¸o˜es do problema, tanto expl´ıcitas como impl´ıcitas, devem ser identificados. Cada limitac¸a˜o imposta na descric¸a˜o do problema deve ser expressa como uma equac¸a˜o ou inequac¸a˜o em func¸a˜o das varia´veis de decisa˜o. 2.2 Problemas de Programac¸a˜o Matema´tica Para melhor ilustrar os conceitos discutidos, sera˜o apresentadas algumas situac¸o˜es que po- dem ser descritas com o aux´ılio de um modelo de Programac¸a˜o Matema´tica. A seguir sa˜o propostos alguns PPM onde espera-se exemplificar e detalhar o processo de modelagem, entretanto sera´ a experieˆncia individual responsa´vel pelo desenvolvimento de habilidades para a criac¸a˜o de bons modelos matema´ticos, eficientes e realistas. Salientamos que, ainda na˜o ha´ a preocupac¸a˜o com a soluc¸a˜o de problemas que podera´ ser obtida posteriormente. . . . Exemplo 2.1. Produc¸a˜o de balas Considere que uma doceira deseja abrir um pequeno nego´cio para produc¸a˜o de balas. A princ´ıpio ela esta´ considerando produzir dois tipos de balas: caramelo e nozes. Na produc¸a˜o sa˜o utilizados treˆs ingredientes: leite, ac¸u´car e nozes. A doceira tem em estoque 10kg de ac¸u´car, 1kg de nozes e 6l de leite. A composic¸a˜o da bala de caramelo e´: 40% de leite e 60% de ac¸u´car, e para as balas de nozes os ingredientes devem ser misturados 2.2. PROBLEMAS DE PROGRAMAC¸A˜O MATEMA´TICA 29 na seguinte proporc¸a˜o: 40% de leite, 50% de ac¸u´car e 10% de nozes. Cada quilo de bala de caramelo pode ser vendido a R$10,00 enquanto um quilo de bala de nozes pode ser vendido por R$13,00. Qual deve ser a produc¸a˜o de cada tipo de bala para obter a maior receita? De acordo com a sistema´tica estabelecida anteriormente para a construc¸a˜o de modelos de PPM, vamos elaborar o modelo para este problema em etapas. Etapa 1: Identificac¸a˜o das varia´veis de decisa˜o O objetivo do problema e´ determinar as quantidades de cada tipo de bala a ser produzida de forma a resultar na ma´xima receita. Portanto, este problema tem duas varia´veis de decisa˜o: x1: a quantidade (em kg) a ser produzida de bala de caramenlo x2: a quantidade (em kg) a ser produzida de bala de nozes Etapa 2: Formulac¸a˜o da func¸a˜o objetivo O crite´rio para a selec¸a˜o do melhor combinac¸a˜o poss´ıvel e´ a receita ma´xima. Cada tipo de bala gera uma receita que e´ o produto do prec¸o de venda pela quantidade vendida e a func¸a˜o receita e´ obtida pela soma das contribuic¸o˜es de cada tipo de bala produzido. Matematicamente, temos: max z = f(x1, x2) = 10x1 + 13x2 Etapa 3: Formulac¸a˜o das restric¸o˜es O problema impo˜e restric¸o˜es na quantidade de mate´ria prima para fabricac¸a˜o dos doces: 0, 6x1 + 0, 5x2 ≤ 10 (quantidade utilizada de ac¸u´car) 0, 4x1 + 0, 4x2 ≤ 6 (quantidade utilizada de leite) 0, 1x2 ≤ 1 (quantidade utilizada de nozes) 30 CAPI´TULO 2. PROGRAMAC¸A˜O MATEMA´TICA Ainda ha´ uma condic¸a˜o impl´ıcita ao problema que devemos considerar, quais os val- ores que as varia´veis de decisa˜o podem assumir? Nesta situac¸a˜o estamos interessados em valores na˜o-negativos que satisfac¸am as limitac¸o˜es de mate´ria-prima. Devemos tambe´m considerar o tipo de varia´vel, neste problema podemos admitir que a varia´vel xj pode receber qualquer valor real. Assim temos definido o domı´nio da func¸a˜o objetivo e o crite´rio de na˜o-negatividade: xj ≥ 0, xj ∈ R O modelo completo para o problema da produc¸a˜o de balas representado no formato (2.1) e´: max z = 10x1 + 13x2 s.a. : 0, 6x1 + 0, 5x2 ≤ 10 (quantidade utilizada de ac¸u´car) 0, 4x1 + 0, 4x2 ≤ 6 (quantidade utilizada de leite) 0, 1x2 ≤ 1 (quantidade utilizada de nozes) x1, x2 ≥ 0 (condic¸a˜o de na˜o-negatividade) Observe que a condic¸a˜o xj ∈ R foi omitida do modelo final, isto deve-se ao fato que em modelos de Programac¸a˜o Matema´tica, por convenc¸a˜o, esta condic¸a˜o e´ considerada impl´ıcita ao modelo. A informac¸a˜o sobre o domı´nio da func¸a˜o constara´ no modelo caso o domı´nio seja outro conjunto nume´rico. . . . Exemplo 2.2. Localizac¸a˜o da antena de transmissa˜o O Gerente de Projetos da LCL Telecom deve localizar uma antena de retransmissa˜o para atender a treˆs localidades na Baixada Maranhense: Viana, Penalva e Cajari. Por problemas te´cnicos a antena na˜o pode estar a mais de 10 km do centro de cada cidade. Considerando as localizac¸o˜es relativas indicadas no mapa, determine o melhor posiciona- mento para a torre. Sejam (xi, yi) as coordenadas no plano cartesiano da localizac¸a˜o das cidades. Etapa 1: Identificac¸a˜o das varia´veis de decisa˜o 2.2. PROBLEMAS DE PROGRAMAC¸A˜O MATEMA´TICA 31 O objetivo do problema e´ determinar a localizac¸a˜o (x, y) da antena que minimize a soma das distaˆncias ate´ as treˆs localidades, as varia´veis de decisa˜o ja´ esta˜o definidas: x: abscissa no plano cartesiano da localizac¸a˜o da torre de transmissa˜o y: ordenada no plano cartesiano da localizac¸a˜o da torre de transmissa˜o Etapa 2: Formulac¸a˜o da func¸a˜o objetivo Admitamos que a localidade 1 seja Viana, a localidade 2 seja Cajari e a local- idade 3 seja Penalva, as coordenadas cartesianas das localidades sera˜o (xi, yi), com i = 1, 2, 3. Fixado uma localidade i, a distaˆncia entre esta e a antena de transmissa˜o pode ser calculada por √ (xi − x)2 + (yi − y)2. A func¸a˜o distaˆncia e´ obtida pela soma treˆs distaˆncias entre a antena e as localidades. min z = 3∑ i=1 √ (xi − x)2 + (yi − y)2 Etapa 3: Formulac¸a˜o das restric¸o˜es As restric¸o˜es te´cnicas sa˜o as u´nicas limitac¸o˜es do problema: √ (xi − x)2 + (yi − y)2 ≤ 10, ∀i ∈ {1, 2, 3} As condic¸o˜es pra´ticas do problema na˜o requer restric¸o˜es de na˜o-negatividade e as varia´veis de decisa˜o podem assumir valores reais. 32 CAPI´TULO 2. PROGRAMAC¸A˜O MATEMA´TICA O modelo completo e´ apresentado a seguir: min z = 3∑ i=1 √ (xi − x)2 + (yi − y)2 s.a. : √ (x1 − x)2 + (y1 − y)2 ≤ 10 (distaˆncia a Viana)√ (x2 − x)2 + (y2 − y)2 ≤ 10 (distaˆncia a Cajari)√ (x3 − x)2 + (y3 − y)2 ≤ 10 (distaˆncia a Penalva) . . . Exemplo 2.3. O problema da dieta Um indiv´ıduo deve seguir uma dieta balanceada por recomendac¸a˜o me´dica baseada no consumo de diversos tipos de alimentos de forma a suprir suas necessidades dia´rias de energia, que pode variar de 3100 a 3300 kcal, e nutrientes essenciais para a boa sau´de. Uma porc¸a˜o de cada alimento fornece uma porcentagem da Quantidade Dia´ria Recomentada (QDR) de diferentes nutrientes de acordo com a tabela. Prec¸o e quantidade calo´rica de cada porc¸a˜o tambe´m sa˜o informados na tabela. Deseja-se saber qual a combinac¸a˜o ideal de alimentos com custo mı´nimo e que satisfac¸a a`s necessidades nutricionais. Alimentos 1 2 3 4 5 6 7 unidade QDR carne arroz feija˜o pa˜o ovos laranja leite Valor energe´tico kcal 225 170 76 300 146 45 160 Prote´ına g 37 35 3 4,8 8 13 0,6 8 Vitamina A mg 900 7 - 2 - 87 21 99 Vitamina C mg 300 - - 3 -12 59 2 Ferro mg 10 2,9 1,3 1,6 1 1,3 0,2 0,9 Ca´lcio mg 500 5 12 27 16 49 45 285 Custo (R$) 0,50 0,14 0,19 0,15 0,20 0,10 0,30 2.2. PROBLEMAS DE PROGRAMAC¸A˜O MATEMA´TICA 33 Etapa 1: Identificac¸a˜o das varia´veis de decisa˜o O objetivo do problema e´ determinar uma composic¸a˜o ideal de alimentos com custo mı´nimo, para calcular o custo de destas combinac¸o˜es e´ necessa´rio saber o nu´mero de porc¸o˜es dia´rias de cada alimento, que e´ um elemento desconhecido do problema. Portanto as quantidades de porc¸o˜es dia´rias de cada alimento definira˜o as varia´veis de decisa˜o deste problema. Sejam xj: nu´mero de porc¸o˜es consumidas do alimento j, j = 1, . . . , 7 Etapa 2: Formulac¸a˜o da func¸a˜o objetivo O crite´rio para a selec¸a˜o do melhor combinac¸a˜o poss´ıvel e´ o custo mı´nimo. Cada tipo de alimento gera um custo que e´ o produto do prec¸o da porc¸a˜o pelo nu´mero de porc¸o˜es consumidas e a func¸a˜o custo e´ obtida pela soma das contribuic¸o˜es de cada alimento consumido. Matematicamente, temos: z = f(x1, . . . , x7) = 0, 5x1 + 0, 14x2 + 0, 19x3 + 0, 15x4 + 0, 2x5 + 0, 1x6 + 0, 3x7 Utilizando a notac¸a˜o vetorial para simplificar: z = f(x) = 7∑ j=1 cjxj onde cj sa˜o os componentes do vetor c = [ 0, 50 0, 14 0, 19 0, 15 0, 20 0, 10 0, 30 ] Etapa 3: Formulac¸a˜o das restric¸o˜es O menor custo e´ obviamente zero, entretanto esta soluc¸a˜o na˜o atende a recomendac¸a˜o me´dica. O problema impo˜e algumas condic¸o˜es explicitas que devem ser satisfeitas: (a) A dieta deve suprir a necessidade dia´ria de energia 225x1 + 170x2 + 76x3 + 300x4 + 146x5 + 45x6 + 160x7 ≥ 3100 (mı´nimo kcal) 225x1 + 170x2 + 76x3 + 300x4 + 146x5 + 45x6 + 160x7 ≤ 3300 (ma´ximo kcal) (b) A dieta deve fornecer as quantidades mı´nimas recomendadas de nutrientes 34 CAPI´TULO 2. PROGRAMAC¸A˜O MATEMA´TICA 35x1 + 3x2 + 4, 8x3 + 8x4 + 13x5 + 0, 6x6 + 8x7 ≥ 37 (Prote´ına) 7x1 + 2x3 + 87x5 + 21x6 + 99x7 ≥ 900 (Vitamina A) 3x3 + 12x5 + 59x6 + 2x7 ≥ 300 (Vitamina C) 2, 9x1 + 1, 3x2 + 1, 6x3 + x4 + 1, 3x5 + 0, 2x6 + 0, 9x7 ≥ 10 (Ferro) 5x1 + 12x2 + 27x3 + 16x4 + 49x5 + 45x6 + 285x7 ≥ 500 (Ca´lcio) (c) Ainda ha´ uma condic¸a˜o impl´ıcita ao problema que devemos considerar, quais os valores que as varia´veis de decisa˜o podem assumir? Nesta situac¸a˜o esta- mos interessados em valores na˜o-negativos que satisfac¸am os n´ıveis mı´nimos de nutrientes. Devemos tambe´m considerar o tipo de varia´vel, neste problema podemos admitir que a varia´vel xj pode receber qualquer valor real. Assim temos definido o domı´nio da func¸a˜o objetivo e o crite´rio de na˜o-negatividade: xj ≥ 0, xj ∈ R. O modelo completo para o problema da dieta representado no formato padra˜o conforme (2.1) e´: min z = 0, 5x1 + 0, 14x2 + 0, 19x3 + 0, 15x4 + 0, 2x5 + 0, 1x6 + 0, 3x7 s.a. : 225x1 + 170x2 + 76x3 + 300x4 + 146x5 + 45x6 + 160x7 ≥ 3100 225x1 + 170x2 + 76x3 + 300x4 + 146x5 + 45x6 + 160x7 ≤ 3300 35x1 + 3x2 + 4, 8x3 + 8x4 + 13x5 + 0, 6x6 + 8x7 ≥ 37 7x1 + 2x3 + 87x5 + 21x6 + 99x7 ≥ 900 3x3 + 12x5 + 59x6 + 2x7 ≥ 300 2, 9x1 + 1, 3x2 + 1, 6x3 + x4 + 1, 3x5 + 0, 2x6 + 0, 9x7 ≥ 10 5x1 + 12x2 + 27x3 + 16x4 + 49x5 + 45x6 + 285x7 ≥ 500 xj ≥ 0 2.2. PROBLEMAS DE PROGRAMAC¸A˜O MATEMA´TICA 35 . . . Exemplo 2.4. Distribuic¸a˜o da produc¸a˜o Uma empresa montadora de eletroˆnicos produz ra´dio, toca-CD e aparelhos de DVD em treˆs fa´bricas localizadas em Diadema, Ribeira˜o Preto e Campinas. As quantidades despendidas na produc¸a˜o de cada produto, em pec¸as por hora, em cada uma das fa´bricas sa˜o as seguintes: Ra´dio Toca-CD DVD Diadema 10 20 20 Ribeira˜o 20 10 20 Campinas 20 20 10 Os custos de operac¸a˜o por hora das fa´bricas sa˜o R$ 10.000,00, R$ 8.000,00 e R$ 11.000,00 para Diadema, Ribeira˜o Preto e Campinas, respectivamente. A empresa recebeu um pedido de 300 unidades de ra´dio, 500 unidades de toca-CD e 600 unidades de aparelho de DVD, como deve distribuir a produc¸a˜o entre suas treˆs fa´bricas para cumprir o pedido ao menor custo poss´ıvel? Etapa 1: Identificac¸a˜o das varia´veis de decisa˜o O objetivo e´ distribuir a produc¸a˜o ao menor custo poss´ıvel, sendo assim deve-se decidir quanto produzir de cada produto em cada uma das fa´bricas, o que define as varia´veis de decisa˜o do problema. Sejam: x1d: nu´mero de ra´dios a produzir na fa´brica de Diadema x2d: nu´mero de toca-CD a produzir na fa´brica de Diadema x3d: nu´mero de DVD a produzir na fa´brica de Diadema x1r: nu´mero de ra´dios a produzir na fa´brica de Ribeira˜o x2r: nu´mero de toca-CD a produzir na fa´brica de Ribeira˜o x3r: nu´mero de DVD a produzir na fa´brica de Ribeira˜o x1c: nu´mero de ra´dios a produzir na fa´brica de Campinas 36 CAPI´TULO 2. PROGRAMAC¸A˜O MATEMA´TICA x2c: nu´mero de toca-CD a produzir na fa´brica de Campinas x3c: nu´mero de DVD a produzir na fa´brica de Campinas Etapa 2: Formulac¸a˜o da func¸a˜o objetivo O objetivo e´ primordial e´ determinar quantas horas cada uma das fa´bricas deve dispor para o pedido com o menor custo poss´ıvel. O custo e´ dado por z = f(x, y, z) = 10.000x+ 8.000y + 11000z onde x e´ o nu´mero total de horas que fa´brica de Diadema funciona para atender o pedido, y e´ o nu´mero total de horas da fa´brica de Ribeira˜o e z corresponde ao total de horas da fa´brica de Campinas. De acordo com a tabela fornecida podemos determinar x em func¸a˜o das varia´veis de decisa˜o x1d, x2d e x3d, y em func¸a˜o de x1r, x2r e x3r e z em func¸a˜o de x1c, x2c e x3c: x = x1d 10 + x2d 20 + x3d 20 = 0, 10x1d + 0, 05x2d + 0, 05x3d y = x1r 20 + x2r 10 + x3r 20 = 0, 05x1r + 0, 10x2r + 0, 05x3r z = x1c 20 + x2c 20 + x3c 10 = 0, 05x1c + 0, 05x2c + 0, 10x3c Etapa 3: Formulac¸a˜o das restric¸o˜es A limitac¸o˜es explic´ıtas do problema sa˜o o atendimento da quantidade demandada no pedido, isto e´ a soma das produc¸o˜es das treˆs fa´bricas de um determinado produto na˜o deve ser inferior a` quantidade encomendada: x1d + x1r + x1c ≥ 300 (encomenda de ra´dios) x2d + x2r + x2c ≥ 500 (encomenda de toca-CD) x3d + x3r + x3c ≥ 600 (encomenda de DVD) As condic¸o˜es implic´ıtas do problema sa˜o a na˜o-negatividade e o domı´nio da func¸a˜o 2.2. PROBLEMAS DE PROGRAMAC¸A˜O MATEMA´TICA 37 objetivo restrito ao conjunto dos nu´meros inteiros Z. O modelo completo e´: min z = 10.000(x1d + x2d + x3d) + 8.000(x1r + x2r + x3r) + 11.000(x1c + x2c + x3c) s.a. : x1d + x1r + x1c ≥ 300 (encomenda de ra´dios) x2d + x2r + x2c ≥ 500 (encomenda de toca-CD) x2d + x2r + x2c ≥ 600 (encomenda de DVD) xia ≥ 0 para i = 1, 2, 3 e a = d, r, c xia ∈ Z . . . Exemplo 2.5. O caso da Loja dos queijos: 1 A Loja dos Queijos produz e comercializa dois tipos de queijos (Delux e Standard), muito procurados na e´poca do Natal. Estes queijos sa˜o produzidos a partir de uma mistura de frutas da e´poca e de um queijo especial muito caro. A Loja dos Queijos pode dispor de 20 kg de mistura de frutas e 60 kg do queijo especial utilizado. Cada kg de Delux consiste em 0,2 kg da mistura de frutas e 0,8 kg do queijo especial, enquanto que 1 kg de Standard consiste em 0,2 kg da mistura de frutas, 0,3 kg do queijo especial e 0,5 kg de um queijo comum, dispon´ıvel em grande quantidade. De acordo com a experieˆncia da Loja dos Queijos, foi poss´ıvel descobrir que a procura de cada um dos dois queijos depende do prec¸o adotado: d1 = 190− 25p1 d2 = 250− 50p2 onde d representa a procura (em kg), p denota o prec¸o (em u.m./kg), e os ı´ndices 1 e 2 designam os tipos Delux e Standard, respectivamente. Que quantidade de cada tipo de queijo devera´ a Loja dos Queijos preparar, e que 1Baseado em Bronson & Naadimuthu, 2001.38 CAPI´TULO 2. PROGRAMAC¸A˜O MATEMA´TICA prec¸os devera˜o ser adotados para maximizar a receita e garantir que, apo´s a e´poca do Natal, nada reste dos dois queijos em estoque? Varia´veis de decisa˜o: x1 : quantidade (em kg) a produzir de queijo tipo Delux x2 : quantidade (em kg) a produzir de queijo tipo Standard Objetivo: max z = p1x1 + p2x2 (maximizar a receita) Restric¸o˜es: 0, 2x1 + 0, 2x2 ≤ 20 (disponibilidade de frutas) 0, 8x1 + 0, 3x2 ≤ 60 (disponibilidade de queijo especial) x1, x2 ≥ 0 (condic¸a˜o de na˜o-negatividade) O modelo ainda na˜o esta´ completo pois e´ necessa´rio garantir que toda a produc¸a˜o seja vendida, para tanto a produc¸a˜o xi na˜o deve ultrapassar a demanda di, isto e´, xi ≤ di, i = 1, 2 Considerando as equac¸o˜es de demanda, temos: x1 ≤ 190− 25p1 e x2 ≤ 250− 50p2 Reescrevendo as inequac¸o˜es, obtemos as seguintes restric¸o˜es de demanda: x1 + 25p1 ≤ 190 x2 + 50p2 ≤ 250 Para simplificar o problema, o objetivo tambe´m deve ser reescrito somente em func¸a˜o das varia´veis de decisa˜o. Observe que para quaisquer valores fixos de x1 e x2 a func¸a˜o z = p1x1 + p2x2 aumenta conforme aumentarem os prec¸os p1 e p2, assim para maximizar z, p1 e p2 devem assumir valores ma´ximos, isto e´ assumir valores tais que as inequac¸o˜es 2.2. PROBLEMAS DE PROGRAMAC¸A˜O MATEMA´TICA 39 referente a`s restric¸o˜es de demanda se tornem equac¸o˜es. Desta forma, os prec¸os podem ser assumidos como: p1 = 190− x1 25 = 7, 6− 0, 04x1 p2 = 250− x2 50 = 5 − 0, 02x2 Substituindo os valores dos prec¸os na func¸a˜o objetivo temos: z = (7, 6− 0, 04x1)x1 + (5− 0, 02x2)x2 = 7, 6x1 + 5x2 − 0, 04x21 − 0, 02x22 O modelo completo e´ apresentado a seguir e deve-se notar que as restric¸o˜es de demanda foram incorporadas na construc¸a˜o da func¸a˜o objetivo e na˜o sera˜o incorporadas a`s restric¸o˜es do problema. max z = 7, 6x1 + 5x2 − 0, 04x21 − 0, 02x22 s.a. : 0, 2x1 + 0, 2x2 ≤ 20 (disponibilidade de frutas) 0, 8x1 + 0, 3x2 ≤ 60 (disponibilidade de queijo especial) x1, x2 ≥ 0 (condic¸a˜o de na˜o-negatividade) . . . Exemplo 2.6. Um problema de transporte: Uma companhia de panificac¸a˜o pode produzir pa˜o de forma em duas fa´bricas, de acordo com a tabela: Capacidade de produc¸a˜o Custo de Produc¸a˜o Fa´brica (pa˜es de forma) (u.m./pa˜o de forma) A 2500 2,3 B 2100 2,5 Quatro redes de restaurantes pretendem comprar pa˜es de forma, suas necessidades e os prec¸os que esta˜o dispostos a pagar sa˜o os seguintes: 40 CAPI´TULO 2. PROGRAMAC¸A˜O MATEMA´TICA Rede de Necessidade ma´xima Prec¸o ma´ximo Restaurantes (pa˜es de forma) (u.m./pa˜o de forma) 1 1800 3,9 2 2300 3,7 3 550 4,0 4 1750 3,6 O custo (em u.m.) de transporte de uma unidade de pa˜o de forma de cada padaria para cada rede de restaurantes e´ dado na tabela seguinte. Restaurantes Padaria 1 2 3 4 A 0,6 0,8 1,1 0,9 B 1,2 0,6 0,8 0,5 Determine o plano o´timo de fornecimento de pa˜es de forma a maximizar o lucro total da empresa de panificac¸a˜o. Varia´veis de decisa˜o: xij : quantidade a ser transportada (em unidades) da origem i = A,B para o destino j = 1, 2, 3, 4 De acordo com tabela de prec¸os, a func¸a˜o receita sera´: r = 3, 9xi1 + 3, 7xi2 + 4xi3 + 3, 6xi4 para i = A,B A seguir e´ apresentado o modelo para maximizac¸a˜o da func¸a˜o lucro obtida subtraindo- se dos prec¸os unita´rios os custos de produc¸a˜o e de transporte. Objetivo: max z = xA1 + 0, 2xB1 + 0, 6xA2 + 0, 6xB2 + . . . . . .+ 0, 6xA3 + 0, 7xB3 + 0, 4xA4 + 0, 6xB4 2.3. LISTA DE PROBLEMAS 41 Restric¸o˜es: ∑4 j=1 xAj ≤ 2500 (capacidade de produc¸a˜o da fa´brica A)∑4 j=1 xBj ≤ 2100 (capacidade de produc¸a˜o da fa´brica B) xA1 + xB1 ≤ 1800 (necessidade do restaurante 1) xA2 + xB2 ≤ 2300 (necessidade do restaurante 2) xA3 + xB3 ≤ 550 (necessidade do restaurante 3) xA4 + xB4 ≤ 1750 (necessidade do restaurante 4) xij ≥ 0 (condic¸a˜o de na˜o-negatividade) 2.3 Lista de Problemas Para cada PPM abaixo, elabore um modelo do sistema descrito de acordo com (2.1): 1. Sol Ltda. faz dois tipos de brinquedos de madeira: soldados e trens. Um soldado e´ vendido por R$ 27,00 e usa R$ 10,00 de mate´ria prima. Cada soldado produzido aumenta os custos de Sol Ltda. em R$ 14,00. Um trem e´ vendido por R$ 21,00 e usa R$ 9,00 de mate´ria prima. O custo adicional para constru´ı-lo e´ de R$ 10,00. Para construir os soldados e os trens de madeira e´ necessa´rio dois tipos de trabalho: carpintaria e acabamento. Um soldado precisa de duas horas de acabamento e um hora de carpintaria. Um trem necessita de uma hora de cada. Cada semana Sol Ltda. pode obter toda mate´ria-prima necessa´ria, mas somente 100 horas de acabamento e 80 horas na sec¸a˜o de carpintaria. A demanda de trem e´ ilimitada mas somente 40 soldados sa˜o comprados por semana. Sol Ltda. deseja maximizar o seu lucro. 2. Uma importante companhia petrol´ıfera pretende construir uma refinaria que sera´ abastecida por treˆs cidades portua´rias A,B e C. O porto A esta´ situado a 300 km a leste e a 400 km a norte do porto B; o porto C esta´ situado a 100 km a sul do porto B. Determine a localizac¸a˜o da refinaria que minimiza o comprimento total das vias necessa´rias para interligar a refinaria aos treˆs portos. 42 CAPI´TULO 2. PROGRAMAC¸A˜O MATEMA´TICA 3. Uma empresa produz treˆs tipos de portas a partir de um determinado material. Sabendo que diariamente a empresa dispo˜e de 500 kg de material e 600 horas de trabalho, determinar um plano o´timo de produc¸a˜o que corresponda ao maior lucro. A tabela seguinte indica a quantidade de material e horas de trabalho necessa´rias para a produc¸a˜o de uma porta de cada tipo, assim como o lucro unita´rio de cada uma delas: Recursos Porta 1 Porta 2 Porta 3 Quantidade material 8 kg 4 kg 3 kg Horas de trabalho 7 6 8 Lucro unita´rio R$ 50,00 R$ 40,00 R$ 55,00 4. A tabela de alimentac¸a˜o utilizada numa determinada loja de animais de estimac¸a˜o especifica as seguintes necessidades mı´nimas para um hamster: 70 unidades de prote´ına, 100 unidades de hidratos de carbono, 20 unidades de gordura. Ha´ seis tipos de rac¸o˜es dispon´ıveis na loja cujas caracter´ısticas sa˜o dadas no quadro seguinte: Prote´ınas H.Carbono Gordura Custo Rac¸a˜o (unidades/kg) (unidades/kg) (unidades/kg) (u.m./kg) A 20 50 4 2 B 30 30 9 3 C 40 20 11 5 D 40 25 10 6 E 45 50 9 8 F 30 20 10 8 Como deve ser feita uma mistura que satisfac¸a os requisitos da alimentac¸a˜o dia´ria de um hamster a um custo mı´nimo? 2.3. LISTA DE PROBLEMAS 43 5. Uma rede de depo´sitos de material de construc¸a˜o tem 4 lojas que devem ser abaste- cidas com 50 m3 (loja 1), 80 m3 (loja 2), 40 m3 (loja 3) e 100 m3 (loja 4) de areia grossa. Essa areia pode ser carregada em 3 portos P1, P2 e P3, cujas distaˆncias a`s lojas esta˜o no quadro (em km): O caminha˜o pode transportar 10 m3 por viagem. L1 L2 L3 L4 P1 30 20 24 18 P2 12 36 30 24 P3 8 15 25 20 Os portos tem areia para suprir qualquer demanda. Estabelecer um plano de trans- porte que minimize a distaˆncia total percorrida entre os portos e as lojas e que supra as necessidades das lojas. 6. O departamento de marketing de uma empresa estuda a forma mais econoˆmica de aumentar em 30% as vendas de seus dois produtos P1 e P2. As alternativas sa˜o: a) Investir em um programa institucional com outras empresas do mesmo ramo. Esse programa requer um investimento mı´nimo de $3.000,00 e deve propor- cionar um aumento de 3% nas vendas de cada produto, para cada $1.000,00 investidos. b) Investir diretamente na divulgac¸a˜o dos produtos. Cada $1.000,00 investidos em P1 retornam um aumento de 4% nas vendas, enquanto que para P2o retorno e´ de 10%. A empresa dispo˜e de $10.000,00 para esse empreendimento. Quanto devera´ destinar a cada atividade? CAP´ITULO 3 PROGRAMAC¸A˜O LINEAR O objetivo da Programac¸a˜o Linear (PL) e´ encontrar a melhor soluc¸a˜o para problemas que admitam modelos representados por func¸o˜es e inequac¸o˜es lineares, neste sentido o termo programac¸a˜o significa que existe um planejamento das atividades e o termo linear refere-se a` linearidade nas equac¸o˜es envolvidas na modelagem do problema. Conforme ja´ visto no cap´ıtulo anterior, um Problema de Programac¸a˜o Linear (PPL) e´ um Problema de Programac¸a˜o Matema´tica cuja func¸a˜o objetivo e todas as restric¸o˜es sa˜o lineares rel- ativamente a`s varia´veis de decisa˜o. Especificamente, as hipo´teses seguintes caracterizam um PPL: Certeza: Assume que o modelo seja determin´ıstico, isto e´, todos os paraˆmetros sa˜o constantes conhecidas. Proporcionalidade: Admite que a contribuic¸a˜o individual de cada varia´vel de decisa˜o, tanto na func¸a˜o objetivo quanto nas restric¸o˜es, seja diretamente proporcional ao valor da varia´vel. Aditividade: Exige que a contribuic¸a˜o total na func¸a˜o objetivo e nas restric¸o˜es seja soma direta da contribuic¸o˜es individuais de cada varia´vel de decisa˜o, na˜o podendo haver interdependeˆncia entre as mesmas. Divisibilidade: As varia´veis de decisa˜o podem assumir valores fraciona´rios. 44 3.1. ESTRUTURAC¸A˜O DE MODELOS LINEARES 45 3.1 Estruturac¸a˜o de Modelos Lineares De acordo com as hipo´teses de proporcionalidade e aditividade, a func¸a˜o objetivo e as restric¸o˜es de um PPL podem ser apresentadas da seguinte forma: f(x1, x2, . . . , xn) = c1x1 + c2x2 + . . .+ cnxn gi(x1, x2, . . . , xn) ∼ ai1x1 + ai2x2 + . . .+ ainxn onde os coeficientes aij e cj sa˜o constantes para i = 1, . . . ,m e j = 1, . . . , n, e o sinal ∼ pode ser substituido pelos sinais de = ou ≤ ou ≥, indistintamente. De acordo com o formato (2.1), um modelo de PPL apresenta a seguinte estrutura: min ou max z = c1x1 + c2x2 + . . .+ cnxn s.a. : a11x1 + a12x2 + . . .+ a1nxn ∼ b1 a21x1 + a22x2 + . . .+ a2nxn ∼ b2 ... am1x1 + am2x2 + . . .+ amnxn ∼ bm x1, x2, . . . , xn ≥ 0 (3.1) Apesar da aparente limitac¸a˜o do modelo, existem aplicac¸o˜es de PL nas mais diversas a´reas. De fato, e´ uma das te´cnicas mais utilizadas em PO justamente pela simplicidade do modelo envolvido e facilidade para resoluc¸a˜o de problemas utilizando te´cnicas gra´ficas, alge´bricas ou algoritmı´cas. Como exemplos de PPL citamos os exemplos 1.6, 2.1, 2.3, 2.4 e 2.6 apresentados nos cap´ıtulos anteriores, utilizaremos o problema da produc¸a˜o de balas exposto no exemplo 2.1 para ilustrar as hipo´teses de linearidade. . . . Exemplo 3.1. Considere que doceira deseja abrir um pequeno nego´cio para produc¸a˜o de balas. A 46 CAPI´TULO 3. PROGRAMAC¸A˜O LINEAR princ´ıpio ela esta´ considerando produzir dois tipos de balas: caramelo e nozes. Na produc¸a˜o sa˜o utilizados treˆs ingredientes: leite, ac¸u´car e nozes. A doceira tem em es- toque 10kg de ac¸u´car, 1kg de nozes e 6l de leite. A composic¸a˜o da bala de caramelo e´: 40% de leite e 60% de ac¸u´car, e para as balas de nozes os ingredientes devem ser mistu- rados na seguinte proporc¸a˜o: 40% de leite, 50% de ac¸u´car e 10% de nozes. Cada quilo de bala de caramelo pode ser vendido a R$10,00 enquanto um quilo de bala de nozes pode ser vendido por R$13,00. Qual deve ser a produc¸a˜o de cada tipo de bala para obter a maior receita? O modelo completo e´: max z = 10x1 + 13x2 s.a. : 0, 6x1 + 0, 5x2 ≤ 10 (qtde.utilizada de ac¸u´car) 0, 4x1 + 0, 4x2 ≤ 6 (qtde. utilizada de leite) 0, 1x2 ≤ 1 (qtde. utilizada de nozes) x1, x2 ≥ 0 (na˜o-negatividade) 1. Certeza: No contexto do Exemplo 2.1, tanto prec¸os de venda dos produtos, como a quantidade a ser utilizada de cada ingrediente para fabricac¸a˜o dos doces sa˜o constantes conhecidas. Entretanto este e´ um fato rara na maioria das aplicac¸o˜es pra´ticas, em geral utiliza-se como coeficientes para o modelo de textitPPL aprox- imac¸o˜es do valor me´dio das distribuic¸o˜es de probabilidade quando os respectivos desvios-padro˜es forem suficientemente pequenos, caso contra´rio, o problema na˜o podera´ ser modelado como PPL. 2. Proporcionalidade: Se a doceira vender 1kg de bala de caramelado ela recebera´ R$10, 00, se vender 2kg obtera´ R$20, 00, se vender x1kg obtera´ 10x1. O valor obtido na venda de balas de caramelo e´ proporcional a` quantidade vendida e prec¸o de venda do produto e´ a constante de proporcionalidade. A receita referente a` produc¸a˜o de bala de nozes e´ 13x2, sendo o produto da constante de proporcionalidade 13 pela quantidade vendida. Portanto, a receita referente a` determinado produto e´ proporcional a quantidade vendida, se a doceira conceder algum tipo de desconto 3.1. ESTRUTURAC¸A˜O DE MODELOS LINEARES 47 quando a quantidade adquirida ultrapassar certo patamar, a receita na˜o sera´ mais proporcional a`s quantidades vendidas e a func¸a˜o receita se tornara´ na˜o-linear. De maneira ana´loga, para produzir 1kg de bala de caramelo utiliza-se 0, 6kg de ac¸u´car, para produzir o dobro necessita-se do dobro de ac¸u´car, sendo assim a quantidade utilizada do ingrediente e´ proporcional a quantidade produzida. Similarmente para os outros ingredientes, constatamos a proporcionalidade em todas as restric¸o˜es do problema. 3. Aditividade: Para a func¸a˜o objetivo, a receita total e´ a soma das receitas referentes a cada um dos produtos. Tambe´m para as restric¸o˜es o todo e´ igual a soma das partes, o total consumido de ac¸u´car e´ a soma do ac¸u´car utilizado para produc¸a˜o da bala de caramelo e do ac¸u´car gasto na produc¸a˜o da bala de nozes. Analoga- mente para os demais ingredientes. O comportamento aditivo e´ bastante comum, entretanto ha´ situac¸o˜es onde na˜o e´ poss´ıvel assumir o princ´ıpio da aditividade, por exemplo, se os produtos competirem entre si de forma que o aumento nas vendas de um provoque diminuic¸a˜o na procura do outro, a hipo´tese de aditividade na˜o sera´ satisfeita. Outro exemplo ocorre com reac¸o˜es qu´ımicas, se adicionarmos a um litro de a´gua o equivalente a 0,1 litro de ac¸u´car o volume resultante na˜o sera´ 1,1 litro de a´gua doce. 4. Divisibilidade: Neste problema e´ poss´ıvel vender 1kg de bala como 0, 5kg. Depen- dendo do problema, as varia´veis de decisa˜o devera˜o assumir valores inteiros, neste caso e´ ainda poss´ıvel modelar o problema como linear utilizando arredondamento, entretanto este procedimento pode resultar em valores distorcidos, requerendo a utilizac¸a˜o de algoritmos espec´ıficos de programac¸a˜o inteira. A`s etapas estabelecidas anteriormente para modelar um PPM, e´ necessa´rio acrescentar a verificac¸a˜o das hipo´teses de linearidade. Portanto, para proceder a ana´lise do problema e formular um modelo de PPL o analista seguir as seguintes fases: X Identificac¸a˜o das varia´veis de decisa˜o X Identificac¸a˜o da func¸a˜o objetivo 48 CAPI´TULO 3. PROGRAMAC¸A˜O LINEAR X Identificac¸a˜o das restric¸o˜es X Verificac¸a˜o dos axiomas de linearidade X Formulac¸a˜o matema´tica no formato padronizado de acordo com (4.1) 3.2 Resoluc¸a˜o Gra´fica de um PPL Apo´s a obtenc¸a˜o da formulac¸a˜o matema´tica e´ preciso se preocupar com a resoluc¸a˜o do problema de otimizac¸a˜o. Em particular, PPL´s com duas varia´veis permitem visualizac¸a˜o geome´trica, sendo assim, a princ´ıpio recorreremos ao me´todo gra´fico para resolver proble- mas mais simples. O me´todo gra´fico consiste em, primeiramente determinar o conjunto de todas as poss´ıveis soluc¸o˜es para o problema, determinado pelo sistema de restric¸o˜es, e dentreestas identificar aquela onde ocorre o valor o´timo, avaliado pela func¸a˜o objetivo. 3.2.1 Representac¸a˜o Gra´fica das Restric¸o˜es O espac¸o das soluc¸o˜es de problemas com duas varia´veis e´ o plano R2. Dois pontos distintos A = (xa, ya) e B = (xb, yb) do plano determinam um reta, e pelas condic¸o˜es de alinha- mento, um ponto qualquer P = (x, y) ∈ R2 pertence a` reta AB que passa por A e B, se e somente se, a inclinac¸a˜o da reta AB for a mesma inclinac¸a˜o da reta AP . Assim, temos: yb − ya xb − xa = y − ya x− xa ⇐⇒ (yb − ya)(x− xa) = (y − ya)(xb − xa) ⇐⇒ (yb − ya)x− (yb − ya)xa = (xb − xa)y − (xb − xa)ya ⇐⇒ (yb − ya)x− (xb − xa)y = xayb − xaya − xbya + xaya ⇐⇒ (yb − ya)︸ ︷︷ ︸ a x+ (xa − xb)︸ ︷︷ ︸ b y = xayb − xbya︸ ︷︷ ︸ c 3.2. RESOLUC¸A˜O GRA´FICA DE UM PPL 49 Sendo assim, toda reta no plano tem equac¸a˜o geral da forma: ax+ by = c (3.2) onde a,b e c sa˜o constantes que podem assumir qualquer valor real. E, reciprocamente, toda equac¸a˜o deste tipo representa uma reta no plano R2. Uma reta divide o plano em duas regio˜es denominadas semiplanos, e as inequac¸o˜es ax+ by > c e ax+ by < c representam semiplanos abertos distintos, enquanto as inequac¸o˜es ax+ by ≥ c e ax+ by ≤ c determinam semiplanos fechados cuja intersec¸a˜o e´ a reta ax+ by = c. . . . Exemplo 3.2. Considere a equac¸a˜o da reta r : −2x + y = 1, representada graficamente abaixo em linhas pontilhadas. A regia˜o hachurada e´ a representac¸a˜o gra´fica do semiplano aberto −2x+ y < 1 Se um semiplano e´ a representac¸a˜o gra´fica de uma inequac¸a˜o em duas varia´veis, enta˜o a representac¸a˜o gra´fica de um sistema de inequac¸o˜es lineares em duas varia´veis sera´ a intersecc¸a˜o dos semiplanos correspondentes a cada inequac¸a˜o. As restric¸o˜es de um PPL 50 CAPI´TULO 3. PROGRAMAC¸A˜O LINEAR juntamente com as condic¸o˜es de na˜o-negatividade e´ um conjunto de semiplanos cuja intersecc¸a˜o determina um conjunto de pontos do R2 denominado Regia˜o das Soluc¸o˜es Via´veis ou simplesmente Regia˜o Via´vel (RV). . . . Exemplo 3.3. A empresa Te´cniBOLA S.A. tem como u´nica atividade a fabricac¸a˜o de bolas, sendo todas elas em couro e fabricadas segundo os processos primordiais. Atualmente fabrica dois produtos, a bola de futebol Catechumbo e a bola de vo´lei Voleitok. Ambos os produtos sa˜o feitos do mesmo material, variando apenas na dimensa˜o, tipo de costuras e rotulagem. Os recursos que definem a fabricac¸a˜o das bolas sa˜o: o corte do couro, o trabalho de costura, a pintura de inscric¸o˜es na bola e preparac¸a˜o final. Esta u´ltima e´ composta pelas atividades de enchimento, controle de qualidade (inspec¸a˜o visual, calibrac¸a˜o e pesagem) e embalagem. Os dados fornecidos pela empresa referentes a` quantidade de recursos necessa´rios para a produc¸a˜o de cada tipo de bola e as quantidades dispon´ıveis para o dia de amanha˜ sa˜o os indicados na tabela: Recursos unid. Voleitok Catechumbo Disponibilidade Couro m2 0,25 0,3 ilimitada Linha m 2,5 4 ilimitada Caˆmera de Ar un 1 1 25 Embalagens un 1 1 ilimitada Operac¸a˜o de Corte min 2 8 ilimitada Operac¸a˜o de Costura min 9 25 480 Operac¸a˜o de Logotipagem min 1,5 1 ilimitada Operac¸o˜es de Finalizac¸a˜o min 11 6 240 Para a tomada de decisa˜o, a empresa disponibilizou informac¸o˜es a respeito dos valores moneta´rios envolvidos (em u.m.) nos seus produtos, apresentados a seguir: 3.2. RESOLUC¸A˜O GRA´FICA DE UM PPL 51 Bola Custo de Produc¸a˜o Prec¸o de Venda Catechumbo 26,00 32,50 Voleitok 15,00 25,00 Como deve ser distribu´ıda a produc¸a˜o amanha˜ de forma a maximizar o lucro, tendo em conta os recursos existentes? De acordo com o objetivo do problema, as varia´veis de decisa˜o podem ser assim definidas: x1 : nu´mero de bolas Catechumbo a ser produzido amanha˜. x2 : nu´mero de bolas Voleitok a ser produzido amanha˜. Utilizando as hipo´teses de linearidade, obtemos o seguinte modelo: max z = 6, 5x1 + 10x2 (Lucro Total) s.a. : x1 + x2 ≤ 25 (restric¸a˜o de caˆmera de ar) 25x1 + 9x2 ≤ 480 (restric¸a˜o de operac¸a˜o de costura) 6x1 + 11x2 ≤ 240 (restric¸a˜o de operac¸o˜es de finalizac¸a˜o) x1, x2 ≥ 0 (restric¸a˜o de na˜o-negatividade) Neste caso, estamos admitindo a hipo´tese de divisibilidade, entretando o problema re- quer varia´veis inteiras, na pro´xima sec¸a˜o este PPL sera´ resolvido com as te´cnicas usuais, mas a resposta final devera´ respeitar a imposic¸a˜o pra´tica de quantidades inteiras, uti- lizando arredondamento, se necessa´rio. . . . Exemplo 3.4. Construir a regia˜o via´vel do problema da Te´cniBOLA S.A., apre- sentado no exemplo 3.3, cujo modelo e´: 52 CAPI´TULO 3. PROGRAMAC¸A˜O LINEAR max z = 6, 5x1 + 10x2 (Lucro Total) s.a. : x1 + x2 ≤ 25 (restric¸a˜o de caˆmera de ar) (1) 25x1 + 9x2 ≤ 480 (restric¸a˜o de operac¸a˜o de costura) (2) 6x1 + 11x2 ≤ 240 (restric¸a˜o de operac¸o˜es de finalizac¸a˜o) (3) x1, x2 ≥ 0 (restric¸a˜o de na˜o-negatividade) (4) e (5) Somente as restric¸o˜es do problema sa˜o consideradas para determinar a regia˜o via´vel, sendo assim as restric¸o˜es foram identificadas e numeradas. A seguir e´ apresentada a representac¸a˜o gra´fica de cada semiplano fechado correspondente a`s restric¸o˜es do problema. (1) x1 + x2 ≤ 25 A reta r1: x1 + x2 = 25 determina o semi- plano correspondente a` primeira restric¸a˜o, e pode ser determinada por dois de seus pontos, da seguinte maneira: se x1 = 0 enta˜o x2 = 25 ∴ (0; 25) ∈ r1 se x2 = 0 enta˜o x1 = 25 ∴ (25; 0) ∈ r1 (2) 25x1 + 9x2 ≤ 480 (3) 6x1 + 11x2 ≤ 240 (4) x1 ≥ 0 (5) x2 ≥ 0 A intersecc¸a˜o dos cinco semiplanos definidos pelas restric¸o˜es (1), (2), (3), (4) e (5), determina a regia˜o das poss´ıveis soluc¸o˜es do problema e esta´ representada pela regia˜o hachurada abaixo: 3.2. RESOLUC¸A˜O GRA´FICA DE UM PPL 53 O pol´ıgono ABCDE e´ o conjunto de todos os pontos X = (x1, x2) que satisfazem todas as restric¸o˜es simultaneamente. Sendo assim, toda combinac¸a˜o poss´ıvel da produc¸a˜o de x1 unidades de bolas Catechumbo e de x2 unidades de bolas Voleitok sera´ um ponto 54 CAPI´TULO 3. PROGRAMAC¸A˜O LINEAR do pol´ıgono ABCDE, do seu interior ou ponto de fronteira. 3.2.2 Representac¸a˜o Gra´fica da Func¸a˜o Objetivo Func¸o˜es lineares com duas varia´veis do tipo z = f(x1, x2) = c1x1 + c2x2 sa˜o geometrica- mente planos em R3, e somente admitem ma´ximo e/ou mı´nimo se estiverem sujeitas a restric¸o˜es, como no caso de um PPL. As curvas de n´ıvel desse tipo de func¸a˜o sa˜o retas paralelas que crescem monotonamente na direc¸a˜o do gradiente ∇f(x1, x2) = ( ∂f ∂x1 , ∂f ∂x2 ) A cada ponto do conjunto de soluc¸o˜es via´veis esta´ associada uma, e somente uma, reta da famı´lia de retas paralelas correspondente a` func¸a˜o objetivo. E solucionar graficamente um PPL e´ determinar quais pontos da RV retornam o melhor valor para a func¸a˜o objetivo. A origem do sistema de coordenadas e´ o u´nico ponto cr´ıtico de func¸o˜es lineares, para o caso espec´ıfico de PPL com duas varia´veis o ponto cr´ıtico e´ (0, 0), que e´ um dos ve´rtices da RV e qualquer outro ponto extremo da func¸a˜o objetivo deve necessariamente estar na fronteira da regia˜o delimitada pelas restric¸o˜es. Para encontrar tais pontos deve-se percorrer a famı´lia de retas paralelas no sentido do gradiente. Considere um ponto arbitra´rio P ∈ RV e a reta z = c passando por P . Se P for um ponto interior do pol´ıgono, sera´ poss´ıvel melhorar o valor da func¸a˜o objetivo porque existem pontos de RV no semiplano determinado por z = c e pelo gradiente. Para 3.2. RESOLUC¸A˜O GRA´FICA DE UM PPL 55 melhorar este valor basta tomar outro ponto de RV localizado a` direita de P e trac¸ar o representante da famı´lia
Compartilhar