Baixe o app para aproveitar ainda mais
Prévia do material em texto
Prof. MSc. Marcos dos Santos O PROCESSO DE DEFINIÇÃO e MODELAGEM DE UM PROBLEMA OBJETIVOS - Compreender como se dá a estruturação de um problema; e - Realizar a modelagem de problemas básicos. Prof. MSc. Marcos dos Santos ESTRATÉGIAS PARA A ESTRUTURAÇÃO DE UM PROBLEMA Prof. MSc. Marcos dos Santos Uma causa é todo e qualquer fato que origina um problema. Um problema deve, necessariamente, ter pelo menos uma causa. Usualmente, problemas Complexos são oriundos de várias causas, que ocorrem em cadeia ou simultaneamente. Na maioria dos casos, a determinação das causas de um problema demanda análise ampla e minuciosa de todo o contexto e das variáveis da situação. Já um efeito evidencia e externaliza a ocorrência de um problema, tomando esse problema perceptível. Todo problema tem pelo menos um efeito, o qual é sempre originado por uma ou mais causas. A grande dificuldade na modelagem dos problemas reside na abstração do cenário, justamente a etapa que não exige conhecimentos matemáticos ou estatísticos, nem sequer o uso de uma lógica formalizada, ao contrário do que imaginam muitos iniciantes em pesquisa operacional. O processo de abstração de cenário pode ser resumido na capacidade do praticante da pesquisa operacional de mapear determinada situação, estabelecer as relações existentes nela, bem como identificar todos os participantes e suas interações com o problema. ESTRATÉGIAS PARA A ESTRUTURAÇÃO DE UM PROBLEMA Prof. MSc. Marcos dos Santos MODELAGENS BÁSICAS Prof. MSc. Marcos dos Santos MODELAGENS BÁSICAS MODELAGENS BÁSICAS MODELAGENS BÁSICAS (para entregar) 1939 – Kantorovich (formulou rigorosamente um problema de Programação Linear no trabalho Métodos Matemáticos de Organização e Planejamento da Produção, mas não apresentou um algoritmo de resolução) O grande salto da Programação Linear é dado através das aplicações em problemas de transportes na década de 40 (em particular, pelas Forças Armadas durante a Segunda Guerra Mundial). Prof. MSc. Marcos dos Santos 1947 – Dantzig (trabalhou no Pentágono como conselheiro matemático, onde era frequentemente chamado para resolver problemas de planejamento. No entanto, contrariamente ao que Dantzig pensou, os economistas ainda não tinham métodos de resolução de tais problemas. Foi então que Dantzig propôs o Método Simplex que tornou possível a solução de problemas de otimização de vários tipos. Prof. MSc. Marcos dos Santos APLICAÇÕES DA PL Os domínios de aplicação da Programação Linear são vastíssimos. Por exemplo: Gestão de empresas; Problemas de transportes; Estrutura financeira dos bancos; Obtenção de misturas ótimas; Planejamento agrícola; Entre muitos outros. PROGRAMAÇÃO LINEAR: Preocupação em encontrar a melhor solução para problemas associados a modelos lineares. MODELO DE PROGRAMAÇÃO LINEAR: Maximização (ou minimização) de uma função objetivo linear com relação as variáveis de decisão do modelo. Respeitando-se as limitações (restrições) do problema expressas por um sistema de equações e/ou inequações lineares associadas com as variáveis de decisão do modelo. PROGRAMAÇÃO LINEAR Prof. MSc. Marcos dos Santos 1. Grande variedade de situações podem ser aproximadas por modelos lineares. 2. Existência de técnicas (algoritmos) eficientes para a solução de modelos lineares. 3. Possibilidade de realização de análise de sensibilidade nos dados do modelo. 4. Elevada capacidade de processamento dos computadores atuais. RAZÕES PARA O USO DA PL Prof. MSc. Marcos dos Santos x1 , x2,...,xn , são as chamadas Variáveis de Decisão. As variáveis de decisão são aqueles valores que representam o cerne do problema, e que podemos escolher (decidir) livremente. As variáveis de decisão representam as opções que um administrador têm para atingir um objetivo. Quanto produzir para maximizar o lucro? Quanto comprar de uma ação para minimizar o risco da carteira? VARIÁVEIS DE DECISÃO • Um problema de programação matemática é linear se a função-objetivo e cada uma das funções que representam as restrições forem lineares, isto é, na forma abaixo: O Modelo de PL O Modelo Reduzido ix pjbxa as xcLMax i n i jiji n i ii xxx n 0 ,...,1 . 1 1 ,....,, 21 Prof. MSc. Marcos dos Santos • A presença de qualquer das expressões abaixo tornam o problema não linear. Exemplos: • • • 1 para 1 nx n a basequalquer para log 1xa aa x devalor qualquer para 1 Quebrando a Linearidade 0, 60020180 2042 s.r. max 21 21 21 21 xx xx xx xx 0, 60020180 2032 s.r. 2min 21 21 21 21 xx xx xx xx Exemplos de Problemas Lineares Prof. MSc. Marcos dos Santos Existem 4 características para um problema na forma padrão: – A função-objetivo é de Maximizar; – As restrições têm sinal de menor ou igual; – As constantes de todas as restrições são não negativas; – As variáveis podem assumir valores não negativos. Problema na Forma Padrão Prof. MSc. Marcos dos Santos 0x,...x,x,x bxa...xaxa bxa...xaxa bxa...xaxa xc...xcxcZ n321 mnmn22m11m 2nn2222121 1nn1212111 nn2211 :a Sujeito Maximizar Não negativos Problema na Forma Padrão • Forma Padrão Forma Não Padrão 0, 60020180 2032 s.r. 2min 21 21 21 21 xx xx xx xx 0, 60020180 2042 s.r. max 21 21 21 21 xx xx xx xx 0, 60020180 2042 s.r. max 21 21 21 21 xx xx xx xx Problema na Forma Padrão Hipóteses da PL Prof. MSc. Marcos dos Santos Hipóteses da PL • Solução – No campo de Programação Linear é qualquer especificação de valores para as variáveis de decisão, não importando se esta especificação se trata de uma escolha desejável ou não. • Solução Viável – É uma solução em que todas as restrições são satisfeitas; • Solução Inviável – É uma solução em que alguma das restrições ou as condições de não-negatividade não são atendidas. Terminologia 0, 800100180 2042 max 21 21 21 21 xx xx xx s.r. xx x1 = 3 ; x2 = 2 S = (3, 2) solução viável: todas as restrições são respeitadas. x1 = 3 ; x2 = 4 S = (3, 4) solução inviável: pelo menos uma das restrições é violada Exemplos de Soluções Prof. MSc. Marcos dos Santos É especialmente importante verificar como fica o valor da função-objetivo (z) nas soluções viáveis que podemos determinar: 0, 800100180 2042 max 21 21 21 21 xx xx xx s.r. xxz )1,1(S 2z )1,2(S 3z )2,3(S 5z Valor da Função Objetivo (F.O.) Prof. MSc. Marcos dos Santos A Solução Ótima é uma solução viável especial. Dentre todas as soluções viáveis, é aquela que produz o valor da função-objetivo otimizado (valor máximo se a F.O. for de maximização, e valor mínimo se a F.O. for de minimização). Num primeiro momento aprenderemos a modelar um PPL. Em seguida encontraremos a “solução ótima” via solução gráfica ou via método Simplex. Solução Ótima Prof. MSc. Marcos dos Santos PASSOS PARA A MODELAGEM DE UM PPL Prof. MSc. Marcos dos Santos MODELAGEM DE UM PPL - EXEMPLO Fabricação de dois modelos de brinquedos: B1 e B2. • Lucros unitários/dúzia: R$8,00 para B1 e R$5,00 para B2 • Recursos disponíveis: 1000 kg de plástico especial. 40 horas para produção semanal.• Requisitos do Departamento de Marketing: Produção total não pode exceder 700 dúzias; A quantidade de dúzias de B1 não pode exceder em 350 a quantidade de dúzias de B2. • Dados técnicos: B1 requer 2 kg de plástico e 3 minutos por dúzia. B2 requer 1 kg de plástico e 4 minutos por dúzia. A Gerência está procurando um programa de produção que aumente o lucro da Companhia. MODELAGEM DE UM PPL - EXEMPLO Variáveis de decisão: X1: produção semanal de B1 (em dúzias). X2: produção semanal de B2 (em dúzias). Função Objetivo: Maximizar o Lucro semanal MODELAGEM DE UM PPL - EXEMPLO F.O.: Max 8X1 + 5X2 (Lucro semanal) sujeito a: 2X1 + 1X2 ≤ 1000 (Plástico - Kg) 3X1 + 4X2 ≤ 2400 (Tempo de produção - minutos) X1 + X2 ≤ 700 (Produção total) X1 - X2 ≤ 350 (mix) Xj 0, j = 1,2 (Não negatividade) MODELAGEM DE UM PPL - EXEMPLO LISTA DE EXERCÍCIOS (SOMENTE A MODELAGEM) Prof. MSc. Marcos dos Santos Prof. MSc. Marcos dos Santos 1) Um modelo não pode ser melhor do que as informações contidas nele. Para ilustrar esse princípio, é preciso citar uma máxima utilizada por programadores de computadores: “Lixo que entra é igual a lixo que sai" (GIGO - abreviatura em inglês para Garbage In, Garbage Out). Se as informações contidas no modelo forem incertas e imprecisas, não há como esperar resultados exatos e fidedignos. 2) Modelos não podem substituir decisores. Um modelo, por mais elaborado que seja, representa tão somente o equacionamento lógico de uma situação problemática. Ele nunca sobreporá a capacidade humana de percepção e análise das coisas e fatos. Devemos, portanto, manter os modelos na condição de boas ferramentas que proporcionam auxílio na tomada de decisão. Não se esqueça de que, no final das contas, quem vai decidir é uma pessoa ou um grupo de pessoas. ALGUMAS CONSIDERAÇÕES IMPORTANTES Prof. M.Sc. Marcos Santos Email: marcosdossantos_doutorado_uff@yahoo.com.br DÚVIDAS View publication statsView publication stats
Compartilhar