Baixe o app para aproveitar ainda mais
Prévia do material em texto
Pesquisa Operacional Aplicada a Engenharia Problemas de Programação Linear (PPL) • Problemas de Programação Linear (PPL) – Situações especiais: • Restrições Redundantes • Soluções Ótimas Múltiplas • Solução Ótima Ilimitada • Sem solução viável – Hipóteses sobre o mundo real para que possa ser modelado por um PPL • Método Simplex – Teoremas Fundamentais – Verificação Geométrica • Aplicações de otimização em negócios Conteúdo da Seção • A Reage Brasil é uma indústria de reatores para usinas de energia nuclear produz reatores de dois tipos, um aspirado a água e outro aspirado a ar. • Há demanda para um total de 7 reatores neste ano, mas a Reage Brasil sabe que, individualmente, há demanda para até 5 reatores aspirados a água e para 4 reatores aspirados a ar. • O processo de fabricação envolve um núcleo radioativo que esta disponível para a Reage Brasil em apenas 20 unidades. Cada reator aspirado a água precisa de 2 núcleos, e o aspirado a ar precisa de 3 núcleos. • Se a Reage Brasil tem uma expectativa de lucro de R$ 4 milhões por reator aspirado a água e de R$2 milhões por reator aspirado a ar, como ela deve planejar sua produção para este ano? Produção Radioativa • Quem decide? • O que o decisor deve decidir? • Com que objetivo ele deve tomar a decisão? • Com que restrições a decisão será tomada? Produção Radioativa – A Reage Brasil – Quantas unidades de cada reator produzir neste ano – Chamemos de x1 e x2 o total de unidades de reator aspirado a água e a ar respectivamente, que serão produzidas neste ano –Maximizar o Lucro Total – Demanda total –Demanda do reator aspirado a água –Demanda do reator aspirado a ar –Quantidade disponível de matéria prima (núcleos radioativos) • Função-objetivo – Maximizar o lucro total • Restrições – Demanda Total – Demanda do aspirado a água – Demanda do aspirado a ar – Núcleos radioativos – Não Negatividade O Modelo para a Produção Radioativa 1 0x 2 0x e 1 24 2Max Z x x= + 1 5x 2 4x 1 2 7x x+ 1 22 3 20x x+ Programação Linear Solução Gráfica 1 22 3 20x x+ 1 2 7x x+ Z = 24Z = 20Z = 8 A opção mais lucrativa é produzir 5 reatores aspirados a água e somente 2 a ar. O lucro total será de R$24 milhões (5 ; 2) • Examinando a região viável percebemos que uma restrição não faz parte do conjunto de arestas que delimitam a região viável. • Se esta fosse omitida a solução viável não se alteraria. • Esta restrição é chamada de redundante Programação Linear Restrições Redundantes • Uma restrição é dita redundante quando a sua exclusão do problema não altera o conjunto de soluções viáveis deste. • É uma restrição que não participa formando nenhuma aresta do conjunto de soluções viáveis. • Existe um outro problema sem essa restrição que tem o mesmo conjunto de soluções viáveis e, principalmente, a mesma solução ótima. Programação Linear Restrições Redundantes • Um artesão faz colares e brincos para vender num bazar que acontece todos os dias. Ele os vende por R$10,00 e R$5,00, respectivamente. Ele nunca conseguiu vender mais de 10 colares e 8 brincos por dia. Um colar é feito em 20 minutos enquanto um brinco é feito em 40 minutos. O artesão trabalha 4 horas por dia antes de ir para o bazar. Quantos colares e quantos brincos ele deve produzir para maximizar a sua receita diária? O Problema do Artesão • Quem decide? • O que o decisor deve decidir? • Com que objetivo ele deve tomar a decisão? • Com que restrições a decisão será tomada? O Problema do Artesão – O artesão – Quantos colares e brincos deve produzir por dia – Chamemos de x1 e x2 as quantidades de colares e brincos que ele faz por dia, respectivamente – Maximizar sua receita – Tempo para produção – Demanda dos consumidores (colares/brincos) O Modelo para a Decisão do Artesão • Função-objetivo – Maximizar a receita • Restrições – Demanda de Colares – Demanda de Brincos – Tempo Padrão – Não Negatividade 1 210 5Max Z x x= + 1 10x 2 8x 1 220 40 240x x+ 1 0x 2 0x e 1 10x 2 8x 1 220 40 240x x+ A análise gráfica para o Problema do Artesão Z = 105Z = 30Z = 0 A opção com maior receita total é produzir 10 colares e 1 brinco. A receita total será de R$105. (10 ; 1) • Os problemas analisados até agora apresentaram sempre uma solução ótima, e única. • Isto é, sempre houve uma única solução viável levava a função-objetivo ao seu valor ótimo. • Entretanto, existem problemas nos quais observamos: – Múltiplas Soluções Ótimas; – Solução Ótima ilimitada (infinita); – Não haver solução viável, portanto sem solução ótima. • Vamos examinar estes casos. Sobre a solução ótima • Um cozinheiro faz dois tipos de quentinha para os funcionários de uma empresa. O custo total de produção é de R$4,00, para os dois tipos de quentinha. • Ele tem um contrato de entregar diariamente pelo menos 15 quentinhas, de qualquer tipo, por dia. • A quentinha de lasanha é feita em dois minutos e a quentinha de frango em 4 minutos. O cozinheiro dispõe de apenas 48 minutos para embalar as quentinhas. • Hoje o cozinheiro está sem caixa para comprar a matéria prima, e deseja saber quantas quentinhas do tipo 1 e do tipo 2 ele deve produzir para cumprir o contrato com o menor custo possível? O Problema das quentinhas • Quem deve tomar a decisão? – O cozinheiro • O que o decisor deve decidir? – Quantas quentinhas do tipo 1 e do tipo 2 deve produzir hoje – Chamemos de x1 e x2 as quantidades de quentinhas do tipo 1 e 2 que ele fará hoje, respectivamente. • Com que objetivo ele deve tomar a decisão? – Obter o custo mínimo • Com que restrições a decisão será tomada? – Tempo para produção – Contrato de entrega O Problema das quentinhas O Modelo para a Decisão do Cozinheiro • Função-objetivo – Minimizar o custo • Restrições – Contrato – Tempo Padrão – Não Negatividade 1 24 4Min Z x x= + 1 2 15x x+ 1 22 4 48x x+ 1 0x 2 0x e Problema das quentinhas Solução Gráfica 1 2 20 4 4 20 Z x x = + = 1 2 60 4 4 60 Z x x = + = Múltiplas Soluções Ótimas 1 2 15x x+ 1 22 4 48x x+ (6;9) • Um problema é dito como de Soluções Múltiplas quando mais de uma solução viável levam a função objetivo ao mesmo valor ótimo, isto é, existem soluções múltiplas; • Esta situação ficará melhor formalizada, mas é possível garantir que se mais de uma solução viável é ótima, então existem infinitas soluções ótimas – Correspondem ao segmento de reta destacado no gráfico anterior. • Soluções Múltiplas ocorrem com alguma frequência. É comum que softwares apresentem uma das soluções ótimas e não explicite o fato. Soluções Múltiplas • Encontrar a solução ótima: Programação Linear Solução Ilimitada 1 2 1 2 2 1 2 1 2 1 2 6 10 . . 2 6 3 5 15 5 4 20 , 0 Max Z x x s r x x x x x x x x x = + − + + + Programação Linear Solução Ilimitada – análise gráfica x1108642 62 x 221 +− xx 10 14 12 x2 8 6 4 -2 2 -2 1553 21 + xx 2045 21 + xx 02 x 01 x Cresce indefinidamente x1108642 62 x 221 +− xx 10 14 12 x2 8 6 4 -2 2 -2 1553 21 + xx 2045 21 + xx 02 x 01 x Cresce indefinidamente • Um problema de programação linear apresenta solução ilimitada quando: – a região viável é ilimitada – O valor ótimo da função-objetivo se projeta da direção em que a região é ilimitada. • A região viável é ilimitada quandopelo menos uma das variáveis não tem nenhuma restrição de crescimento ou decrescimento. – Graficamente, vemos que o polígono da região não está fechado. • Uma solução ilimitada está geralmente relacionada a um problema que foi mal modelado. Solução Ilimitada • Encontrar a solução ótima: Programação Linear Solução Inviável 1 2 1 2 1 2 1 2 . . 2 12 2 15 , 0 Max x x s r x x x x x x + + + Programação Linear Solução Inviável – análise gráfica 122 21 + xx 152 21 + xx • Um problema de programação linear é dito inviável quando o conjunto de soluções viáveis é vazio • Na ausência de soluções viáveis, não há também soluções ótimas. • A solução inviável significa que as restrições são rigorosas demais. • Em problemas práticos pode ser: – Erro de modelagem – Impossibilidade de atuação. Programação Linear Solução Inviável São 3 hipóteses sobre o mundo real para que o mesmo possa ser modelado como um PPL: 1. Hipótese de Aditividade: – As atividades (variáveis de decisão) do modelo são totalmente independentes, ou seja, não há interdependência entre as mesmas • Não existem no modelo termos cruzados das variáveis, ou seja, não há 𝑥1 × 𝑥2 ou 𝑥1 𝑥2 2. Hipótese de Proporcionalidade: – O valor da função-objetivo é proporcional ao nível de atividade de cada variável de decisão • O valor da função-objetivo se altera em um valor constante dada uma variação constante da variável de decisão – em qualquer nível Programação Linear Hipóteses 3. Hipótese de Divisibilidade: – Todas as unidades de atividade podem ser divididas em qualquer nível de fracionamento – Qualquer variável de decisão pode assumir qualquer valor fracionário – Esta hipótese pode ser quebrada, dando origem a um problema especial de programação linear, chamado de problema inteiro. • Problemas inteiros serão estudados neste curso. Programação Linear Hipóteses (cont.) O Procedimento de busca da solução ótima é baseado em 3 teoremas fundamentais: • Teorema I – O conjunto de todas as soluções viáveis de um modelo de Programação Linear formam um conjunto convexo. • Teorema II – Se a função-objetivo possui um único ótimo finito, então esta solução ótima é um ponto extremo do conjunto convexo de soluções viáveis. • Teorema III – Se a função-objetivo assume o ótimo em mais de um ponto extremo do conjunto de soluções viáveis, então ela toma o mesmo valor para qualquer ponto do segmento da reta que une esses pontos extremos. Método Simplex Teoremas Fundamentais • Conjunto Convexo em ℝ2 – Para quaisquer dois pontos do conjunto, todos os pontos que formam o segmento de reta que os unem fazem parte do conjunto. Programação Linear e Convexidade Conjunto Convexo Conjunto não Convexo • Considere o problema e sua solução gráfica: Teoremas Fundamentais interpretação geométrica 1 2 1 2 1 2 1 2 5 2 . . 3 4 2 9 0 0 Max Z x x s r x x x x x x = + + x2 x1 (0,4) (1,4) (0,0) (3,0) (3,3) 21=5x1+2x2 Solução Viável • Nos pontos extremos temos os seguintes valores para Z Teoremas Fundamentais interpretação geométrica x2 x1 (0,4) (1,4) (0,0) (3,0) (3,3) z pontos extremosA B C D E 21 15 13 8 A B C D E • O valor da função-objetivo varia quando esta se desloca; • O valor ótimo (mínimo ou máximo) será obtido deslocando-se o máximo ou o mínimo a função-objetivo; • Ela necessariamente esbarrará em um vértice... Teoremas Fundamentais interpretação geométrica – Teorema II x2 x1 (0,4) (1,4) (0,0) (3,0) (3,3) Mínimo =A B C = máximo D E • ... ou numa aresta – quando a função-objetivo tiver uma inclinação tal que no ponto ótimo ela coincida com a inclinação de alguma restrição. Teoremas Fundamentais interpretação geométrica – Teorema III x2 x1 (0,4) (1,4) (0,0) (3,0) (3,3) B D E Soluções Múltiplas Em todos os pontos do segmento de reta CD, o valor da função-objetivo é o mesmoA C x2 • Gestão da Produção – Escolha de opções de roteamento – Localização de rede de distribuição – Planejamento de tempo, agendamento e escalas; – Alocação de recursos limitados para produção, venda ou consumo • Gestão Financeira – Escolha de opções de financiamento – Estudo sobre capacidade de endividamento, pagamento; • Gestão Comercial – Planejamento regional – Alocação de recursos em Marketing em diferentes mídias • Gestão de Pessoas – Alocação de recursos – Planejamento salarial Aplicações de Otimização Matemática em Negócios
Compartilhar