Aula+3

Prévia do material em texto

Pesquisa Operacional
Profª Elaine Ribeiro
Mestre em Educação Tecnológica/Tecnologia da Informação
Unidade 1 - Modelagem na Tomada de Decisão
Sessão 1.3 – Construção de modelos em pesquisa operacional
Neste momento, vamos estudar a construção de modelos matemáticos em PO, aprendendo a identificar e definir a função objetivo, as variáveis de decisão e as restrições, de modo a direcionar a busca da melhor solução para o problema.
Então, veremos como desenvolver teste dos modelos obtidos em PO, além de assimilarmos o processo de implementação dos resultados em PO. 
A construção, o teste e a implementação do modelo é o processo direcionador para a busca da melhor solução do problema, sendo um aspecto essencial na resolução de desafios em pesquisa operacional.
Como realizar a modelagem matemática? 
Vale a pena relembrar que na pesquisa operacional nós trabalharemos com modelos abstratos, pois eles podem ser utilizados para o estudo de propriedades por meio da simulação. No nosso caso, eles serão constituídos de equações matemáticas que representam o comportamento do nosso problema. 
Os modelos matemáticos utilizam sistemas de equações para descrever o comportamento da realidade, utilizando para isso símbolos e expressões matemáticas.
Como já vimos anteriormente, na etapa de coleta de dados, precisamos levantar todas as informações para serem utilizadas pelo modelo. Esses dados serão fundamentais na modelagem matemática que executaremos.
Dado que já aprendemos o conceito de otimização, que nos guiará ao longo do processo de modelagem matemática, agora precisamos entender o que é um modelo de otimização, para então formular o modelo matemático.
De acordo com Longaray (2013), um modelo de otimização nada mais é do que uma representação de um problema organizado com o propósito de obter uma solução ótima.
Neste ponto, insere-se o primeiro conceito-chave desta seção: as variáveis de decisão. 
De acordo com Hillier e Lieberman (2013), as variáveis de decisão são aquelas nas quais os valores devem ser determinados, ou seja, se tivermos infinitas decisões que devem ser tomadas, de algum modo precisamos quantificá-las. 
Mas como podemos otimizar um problema de pesquisa operacional utilizando as variáveis de decisão? 
Primeiro precisamos lembrar que ao trabalharmos com modelagem temos que ter em mente um objetivo. Este será apresentado no modelo matemático por meio de uma função, que usualmente chamamos de função objetivo.
A função objetivo é uma relação das variáveis de decisão, através de alguns coeficientes, que chamamos de coeficientes da função objetivo. É importante ressaltar que quando falamos em otimização temos que ter em mente que otimizar significa maximizar ou minimizar o valor da função objetivo. 
Da mesma forma, a solução das variáveis de decisão que maximiza ou minimiza a função objetivo é chamada de solução ótima. 
Importante ressaltar que não podemos nos preocupar apenas com a função objetivo.
Devemos levar em consideração as possíveis restrições que possam existir. Ou seja, as restrições podem ser entendidas como qualquer coisa que limita o melhor desempenho do sistema.	 
As limitações são chamadas restrições e podem ser expressas na forma de equações ou inequações.
Agora que já sabemos os constituintes básicos da nossa modelagem matemática em pesquisa operacional, vamos então resumir a terminologia comum em problemas de pesquisa operacional:
Função objetivo: é aquela função a ser otimizada, podendo ser maximizada ou minimizada.
Restrições: são as limitações do nosso problema e podem ser divididas em restrições funcionais (aprenderemos posteriormente).
3. Solução: é a especificação de valores para as nossas variáveis de decisão. Podemos ter soluções: 	a. Viáveis: todas as restrições são satisfeitas. 
	b. Inviáveis: quando ao menos uma das restrições não é satisfeita. 
	c. Região de soluções viáveis: é o conjunto de todas as soluções viáveis. 
	d. Ótimas: é o valor mais favorável da função objetivo, seja ele máximo ou mínimo.
E como ficaria a nossa modelagem matemática, envolvendo as equações e as variáveis de decisão que vimos anteriormente? 
Entendendo melhor... 
O que compõe um problema de Modelagem?
	Um problema de Modelagem é composto por uma Função Objetivo, variáveis de decisão e restrições.
O que é Função Objetivo?
	É o objetivo principal, o que deseja ser atingido.
	Ex.: Maximizar o lucro na produção de embalagens plásticas.
O que são as Restrições?
	É o que o problema, obrigatoriamente, deve obedecer.
	Ex.: A produção máxima da máquina 1 é de 1200 unidades. Ou seja, no problema não podemos colocar maior ou igual a 1200, e sim menor ou igual, pois ela produz só até 1200 unidades.
O que são as variáveis de decisão?
	São representadas, geralmente, por X e Y. Mas podem ser P1, P2, R1, R2.. Servem para exemplificar produtos, máquinas etc.
Vamos a um exemplo:
	
Bom, a primeira coisa que devemos fazer é ler o problema e identificar a nossa função objetivo, transformar o objetivo principal do problema a ser resolvido.
No começo do problema já é falado que um fazendeiro deseja maximizar seu lucro de arroz – que será representado por X – e de milho – que será representado por Y. Logo depois ele fala que o lucro na venda do arroz é de 5 unidades monetárias e de milho é de 2 unidades monetárias.
Então nossa Função Objetivo será:
Agora precisamos identificar nossas restrições. Continuando a ler o problema, verificamos que as áreas plantadas de arroz e milho não devem ser maioresque 3 e 4, respectivamente. Dito isso, elas devem ser menores ou iguais, não podendo ser maior ou igual.
Logo, nossas duas primeiras restrições serão:
	
Continuando a ler o problema, é dito que cada área de arroz consome 1homem/hora e de milho consome 2 homens/hora e que o consumo total dessas duas áreas não podem ser maiores que 9 homens/hora.
Então nossa última restrição será:
	
Para terminar, em todo problema de modelagem deve haver a positividade das variáveis de decisão, então temos que:
	
Pronto! Agora é só juntar tudo! Vai ficar assim:
	
Logo...
Na hora de fazer um problema de modelagem, sempre leia todo o problema para identificar a Função Objetivo primeiro, juntamente com as variáveis que você irá usar. Logo em seguida, muito cuidado na hora de identificar as restrições. A interpretação é a chave para a construção de um problema de Modelagem.	
Após desenvolvermos nosso modelo matemático, como faremos para testá-lo?
A primeira coisa que devemos saber é que o nosso modelo inicial poderá apresentar algumas inconsistências ou erros.
A primeira observação é que quando você estiver elaborando um modelo com um número elevado de variáveis de decisão e de restrições, invariavelmente esses erros irão aparecer. 
Por isso que temos sempre que verificar o modelo. A medida que o modelo for aperfeiçoado, a tendência é que esses erros sejam corrigidos.
De acordo com Hillier e Lieberman (2013) uma das formas de fazer esse tipo de análise é o chamado teste de retrospectiva.
Ao comparar o resultado do modelo com o que de fato ocorreu, pode nos mostrar qual a melhoria que realmente poderia ter sido feita, em comparação com o que ocorreu.
É preciso levar em consideração que tudo deve ser documentado para que os demais usuários compreendam e confiem no modelo desenvolvido. Se futuramente forem necessárias adaptações ou correções no modelo, a documentação também será extremamente útil para orientar a equipe de desenvolvimento.
É importante lembrar que apenas encontrar a solução ótima não é o nosso objetivo. O nosso alvo é implementar essa solução ótima. 
Além disso, a análise constante do comportamento do sistema após a implementação da solução é fundamental para verificar se estão ocorrendo desvios daquilo que foi suposto inicialmente.
Referências
MUNHOZ, Igor Polezi; AKKARI, Alessandra Cristina Santos. Pesquisa Operacional. Londrina: Editora e Distribuidora Educaional S.A.,2018.