Baixe o app para aproveitar ainda mais
Prévia do material em texto
Pesquisa Operacional 1 – Notas de aula – Prof. Hélio Fuchigami ⬧ 1 APLICAÇÕES DE PROGRAMAÇÃO LINEAR 1. Problema da mistura Exemplo: A firma ZYB Tintas Ltda. produz dois tipos de tintas: seca rápido (SR) e superseca (SS). Ambas são produzidas a partir de uma base de silicato e de óleo de linhaça, que são adquiridos pela ZYB de vários fornecedores. Atualmente, apenas duas soluções preliminares estão disponíveis no mercado, além dos produtos isolados. A solução do tipo A contém 60% de silicato e 40% de óleo de linhaça, e a do tipo B contém 30% de silicato e 70% de óleo de linhaça. O preço da solução A é de R$ 0,50 o litro e o do tipo B é de R$ 0,75 o litro, enquanto o silicato e o óleo de linhaça isoladamente custam R$ 1,00 e R$ 1,50 o litro, respectivamente. Cada litro de SR requer, no mínimo, 25% de silicato e 50% de óleo de linhaça e cada litro de SS requer, no mínimo, 20% de silicato e, no máximo, 50% de óleo de linhaça. Formule o problema de programação linear para determinar quantos litros de cada solução e de cada produto puro devem ser comprados para a produzir exatamente 100 litros de SR e 250 litros de SS. [13] 2. Problema da dieta Exercício: Uma refeição padrão é constituída de cinco alimentos diferentes: carne (alcatra magra), arroz, feijão, ovo cozido e batata. A tabela a seguir fornece os valores nutricionais desses alimentos, para cada 100 g, os preços de cada porção e as quantidades mínimas nutricionais de cada nutriente. Deseja-se saber o consumo diário de cada alimento de tal maneira que a refeição satisfaça as quantidades mínimas com o menor custo possível. [17] Alimento Energi a (kcal) Proteína (g) Gordura (g) Carboi- drato (g) Fibra (g) Cálcio (mg) Ferro (mg) Preço Carne magra 156 29,2 4,4 0 0 6 2,8 1,00 Arroz 123 2,2 0,3 29,6 0,8 1 0,2 0,20 Feijão 103 8,4 0,5 17,4 9,0 37 2,5 0,26 Ovo cozido 147 12,5 10,8 0 0 57 1,9 0,12 Batata 72 1,5 0,3 17,8 1,2 5 0,3 0,23 Quantidades mínimas 1.000 30 4 20 6 30 2 v2018 2 ⬧ Pesquisa Operacional 1 – Notas de aula – Prof. Hélio Fuchigami 3. Problema da carteira de investimentos Exemplo: A ZYB Investimentos S.A. gerencia recursos de terceiros por meio da escolha de carteiras de investimento para diversos clientes, com base em bonds de diversas empresas. Um de seus clientes exige que: ▪ Não mais de 25% do total aplicado deve ser aplicado em um único investimento; ▪ Um valor superior a 50% do total aplicado deve ser investido em títulos de maturidade maiores que dez anos; ▪ O total aplicado em títulos de alto risco deve ser, no máximo, de 50% do total investido. A tabela a seguir mostra os dados dos títulos selecionados. Determine qual porcentagem do total deve ser aplicado em cada tipo de título. [13] Aplicação Retorno anual Anos para vencimento Risco Título 1 8,7% 15 1 – Muito baixo Título 2 9,5% 12 3 – Regular Título 3 12,0% 8 4 – Alto Título 4 9,0% 7 2 – Baixo Título 5 13,0% 11 4 – Alto Título 6 20,0% 5 5 – Muito alto 4. Problema da refinaria Exemplo 1: Em uma determinada refinaria, o petróleo bruto sofre os seguintes processa- mentos antes de ser transformado em gás/óleo ou gasolina bruta: A tabela a seguir apresenta a capacidade máxima de processamento de cada unidade de operação. Formule o problema de modo a maximizar os lucros totais. [8, 11] Operação Produto (ton/ano) Gasolina bruta Gás/Óleo Destilação 500.000 600.000 Dessulfuração 700.000 500.000 Reforming 400.000 – Cracking – 450.000 Lucros unitários ($/ton) 10,00 7,00 Pesquisa Operacional 1 – Notas de aula – Prof. Hélio Fuchigami ⬧ 3 Exemplo 2: A Shale Oil, localizada na Ilha de Aruba, tem uma capacidade de 1.500.000 barris de óleo cru por dia. Entre os produtos finais de refinaria estão três tipos de gasolina sem chumbo, com diferentes octanagens (ON): normal com ON = 87, premium com ON = 89 e super com ON = 92. O processo de refinação abrange três estágios: 1) uma torre de destilação que produz uma fração (ON = 82) à razão de 0,2 barris por barris de óleo cru; 2) uma unidade de craqueamento que produz frações de gasolina (ON = 98) usando uma porção da fração produzida na torre de destilação à taxa de 0,5 barris por barris de fração; e 3) uma unidade misturadora que mistura a fração de gasolina da unidade de craqueamento com a fração da torre de destilação. A empresa estima o lucro líquido por barril dos três tipos de gasolina em $ 6,70, $ 7,20 e $ 8,10, respectivamente. A capacidade de entrada da unidade de craqueamento é 200.000 barris de fração por dia. Os limites da demanda para gasolina comum, premium e super são 50.000, 30.000 e 40.000 barris por dia. Desenvolva um modelo para determinar a programação ótima de produção para a refinaria. [21] Dica: a octanagem de uma gasolina é a média ponderada das octanagens das correntes de entrada usadas no processo de mistura e pode ser calculada, por exemplo, como: ONgas. comum = (82 x barris/dia de fração + 98 x barris/dia de craqueamento)/total barris/dia de gasolina comum Exercício: A OilCo está construindo uma refinaria para fabricar quatro produtos: óleo diesel, gasolina, lubrificantes e combustível para jatos. A demanda mínima (em barris/dia) para cada um desses produtos é 14.000, 30.000, 10.000 e 8.000, respectivamente. A OilCo tem contratos de fornecimento de óleo cru para o Irã e Dubai. Por causa das cotas de produção especificadas pela Organização dos Países Exportadores de Petróleo (OPEP), a nova refinaria pode receber no mínimo 40% de seu óleo cru do Irã e a quantidade restante de Dubai. A OilCo prevê que a demanda e as cotas de óleo cru permanecerão estáveis nos próximos dez anos. As especificações dos dois óleos crus resultam em duas misturas de produtos diferentes: um barril de óleo cru do Irã rende 0,2 barril de diesel, 0,25 barril de gasolina, 0,1 barril de lubrificante e 0,15 barril de combustível para jatos. Os rendimentos correspondentes do óleo cru de Dubai são 0,1; 0,6; 0,15 e 0,1, respectivamente. A OilCo precisa determinar a capacidade mínima da refinaria em (barris/dia). [21] Resposta do livro: 55.000 barris/dia do Irã, 30.000 barris/dia de Dubai, Z = 85. (Fração) (Destilação) (Unidade de craque- amento) (Unidade de mistura) (Cru) 4 ⬧ Pesquisa Operacional 1 – Notas de aula – Prof. Hélio Fuchigami APLICAÇÕES DE PROGRAMAÇÃO INTEIRA ✓ Otimização Discreta ✓ Otimização Combinatória ✓ Programação Binária e Inteira ▪ Programação (Linear) Inteira: todas as variáveis são inteiras ▪ Programação Binária: todas as variáveis assumem valores 0 ou 1 ▪ Programação Linear Inteira Mista (PLIM): há variáveis inteiras e contínuas ▪ Técnicas de solução: algoritmos Branch-and-bound e Planos de Corte 1. Problema da planejamento da produção (ou mix de produção) Exemplo: Uma empresa está interessada em maximizar o lucro mensal proveniente de quatro de seus produtos, designados por I, II, III e IV. Para fabricar esses produtos, ela utiliza dois tipos de máquinas (M1 e M2) e dois tipos de mão de obra (MO1 e MO2), que têm as seguintes disponibilidades Máquina Disponibilidade (máquina-hora/mês) Mão de obra Disponibilidade (homem-hora/mês) M1 70 MO1 120 M2 20 MO2 160 O setor técnico da empresa fornece os seguintes coeficientes, que especificam o total de horas de máquina e horas de mão de obra necessárias para a produção de uma unidade de cada produto: Máquina Produtos Mão de obra Produtos I II III IV I II III IV M1 5 4 8 9 MO1 2 4 2 8 M2 2 6 0 8 MO2 7 3 0 7 O setor comercial fornece as seguintes informações: Produtos Potencial de venda (unidades/mês) Lucro unitário (R$/mês) I 70 10 II 60 8 III 40 9 IV 20 7 Faça o planejamento da produção mensal da empresa objetivando maximizar o lucro. [20]Pesquisa Operacional 1 – Notas de aula – Prof. Hélio Fuchigami ⬧ 5 Exercício 1: A ZYB Motores Ltda. recebeu recentemente uma encomenda para produzir três tipos de motores. Cada tipo de motor necessita de um determinado número de horas de trabalho no setor de montagem e acabamento. A ZYB pode terceirizar parte de sua produção. A tabela a seguir resume essas informações: Tipo de Motor 1 2 3 Tempo disponível (h) Montagem (h/unidade) 1,1 1,9 0,7 6.000 Acabamento (h/unidade) 2,5 0,8 4,0 10.000 Demanda (unidades) 3.000 2.500 500 Custo de produção (R$) 50 90 120 Terceirizado (R$) 65 92 140 Elabore o modelo de programação matemática que minimiza os custos de produção. [13] Exercício 2: Como precaução para o inverno, uma empresa de confecção está fabricando parcas e casacos com enchimento de penas de ganso, calças com isolamento térmico e luvas. Todos os produtos são fabricados em quatro departamentos diferentes: corte, isolamento térmico, costura e embalagem. A empresa recebeu pedidos fechados para seus produtos. O contrato estipula uma multa para itens não entregues. A tabela a seguir mostra os dados pertinentes à situação. Departamento Tempo por unidade (horas) Capacidade (horas) Parca Casacos Calças Luvas Corte 0,30 0,30 0,25 0,15 1.000 Isolamento 0,25 0,35 0,30 0,10 1.000 Costura 0,45 0,50 0,40 0,22 1.000 Embalagem 0,15 0,15 0,10 0,05 1.000 Demanda 800 750 600 500 Lucro por unidade ($) 30 40 20 10 Multa por unidade ($) 15 20 10 8 Elabore um plano ótimo de produção para a empresa. [21] 2. Problema de produção e estoque multiperíodo Exemplo: Uma empresa foi contratada para produzir dois produtos, A e B, nos meses de junho, julho e agosto. A capacidade total de produção (expressa em horas) varia mensalmente. A tabela a seguir apresenta os dados básicos da situação. Junho Julho Agosto Demanda para A (unidades) 500 5.000 750 Demanda para B (unidades) 1.000 1.200 1.200 Capacidade (horas) 3.000 3.500 3.000 6 ⬧ Pesquisa Operacional 1 – Notas de aula – Prof. Hélio Fuchigami As taxas de produção em unidades por hora são 1,25 e 1 para os produtos A e B, respectivamente. Toda a demanda deve ser atendida. Contudo, a demanda para um mês posterior pode ser completada com a produção de um anterior. Para qualquer carregamento de um mês para o seguinte são cobrados custos de permanência no estoque de $ 0,90 e $ 0,75 por unidade por mês para os produtos A e B, respectivamente. Os custos unitários de produção para os dois produtos são $ 30 e $ 28, para A e B, respectivamente. Determine a programação ótima de produção para os dois produtos. [21] Exercício 1: A ZYB Armazéns e Comércio Ltda. possui um armazém com capacidade de 200.000 toneladas de grãos. No início do mês de janeiro, a ZYB tinha 8.000 toneladas de grãos de trigo em seu armazém. Considerando que em cada mês ela pode comprar ou vender trigo a preços prefixados pelo governo (conforme a tabela a seguir), em qualquer quantidade desejada, desde que sujeitas às restrições de armazenagem e do estoque inicial do mês (vendas máximas no mês i = saldo do mês i–1), resolva o problema de maneira a maximizar o lucro da operação nos próximos doze meses. [13] Mês Preço de venda (R$/t) Preço de compra (R$/t) Janeiro 3 8 Fevereiro 6 8 Março 8 2 Abril 2 3 Maio 4 4 Junho 5 3 Julho 6 3 Agosto 1 2 Setembro 3 5 Outubro 2 5 Novembro 3 3 Dezembro 3 3 Exercício 2: A Acme Manufacturing Company firmou um contrato para entrega de janelas de casa para os próximos seis meses. As demandas para cada mês são de 100, 250, 190, 140, 220 e 110, respectivamente. O custo de produção por janela varia de mês para mês, dependendo do custo de mão de obra, do material e de utilidades. A Acme estima que o custo de produção por janela nos próximos seis meses seja $ 50, $ 45, $ 55, $ 48, $ 52 e $ 50, respectivamente. Para aproveitar a vantagem das variações no custo de fabricação, a Acme pode optar por produzir mais do que o necessário em determinado mês e reter as unidades excedentes para entregar em meses posteriores. Entretanto, isso incorrerá em custos de armazenagem de $ 8 por janela, por mês, considerando o estoque no final do mês. Desenvolva um modelo de programação linear para determinar a programação ótima de produção. [21] Pesquisa Operacional 1 – Notas de aula – Prof. Hélio Fuchigami ⬧ 7 3. Problema de nivelamento da produção Exemplo: Uma empresa fabricará um produto para os próximos quatro meses: março, abril, maio e junho. A demanda de cada mês é de 520, 720, 520 e 620 unidades, respectivamente. A empresa dispõe de mão de obra constante de dez empregados, mas pode atender a necessidades variáveis de produção contrantando e demitindo empregados temporários, se necessário. Os custos adicionais de contratação e demissão em qualquer mês são de $ 200 e $ 400 por empregado, respectivamente. Um operário permanente pode produzir 12 unidades por mês, e um temporário, por não ter experiência comparável, produz apenas 10 unidades por mês. A empresa pode produzir mais do que o necessário em qualquer mês e transferir o excedente de produção para um mês posterior a um custo de carregamento de $ 50 por unidade por mês. Desenvolva uma política ótima de contratação/demissão para a empresa na projeção de um planejamento de quatro meses. [21] Dica: neste modelo existem variáveis irrestritas de sinal. 4. Problema de planejamento agregado ▪ Planejamento agregado estuda o balanceamento entre produção e demanda ▪ Horizonte de tempo de médio prazo ▪ Para atender a uma demanda flutuante a um custo mínimo, pode-se atuar sobre os recursos da empresa (mão de obra, nível de produção e estoque), pode-se influenciar a demanda ou buscar uma combinação entre as duas estratégias ▪ Estratégias para influenciar a demanda: propagandas, promoções, desenvolvimento de produtos alternativos etc. ▪ Estratégias para influenciar a produção: controle do nível de estoques, contratação e demissão de mão de obra, horas extras ou redução da jornada de trabalho, subcontratação de mão de obra terceirizada ▪ A maioria dos modelos considera a demanda como um fator determinístico Exemplo: A empresa Lifestyle, fabricante de sucos naturais, estava estudando diversos planos alternativos de planejamento agregado que poderiam ser adotados para a produção do suco de jabuticaba no segundo semestre do próximo ano. Porém, verificou- se que a solução ótima do problema poderia ser obtida a partir de um modelo de programação linear. A demanda prevista para o período analisado, de acordo com o setor de vendas, está listada na tabela a seguir. 8 ⬧ Pesquisa Operacional 1 – Notas de aula – Prof. Hélio Fuchigami Mês Demanda (litros) Julho 4.500 Agosto 5.200 Setembro 4.780 Outubro 5.700 Novembro 5.820 Dezembro 4.480 O setor de produção forneceu os seguintes dados: Custo de produção regular (horas normais) R$ 1,50/litro Custo de produção em horas extras R$ 2,00/litro Custo de subcontratação de terceiros R$ 2,70/litro Custo de aumentar a produção com a admissão de funcionários R$ 3,00/litro Custo de diminuir a produção com a demissão de funcionários R$ 1,20/litro Custo de manutenção de estoques R$ 0,40/litro-mês Estoque inicial 1.000 litros Produção regular no mês anterior 4.000 litros Capacidade máxima de armazenagem 1.500 litros/mês Capacidade máxima de produção regular 5.000 litros/mês Capacidade máxima de produção em horas extras 50 litros/mês Capacidade máxima de produção subcontratada 500 litros/mês Determine a formulação matemática do problema de planejamento agregado, de forma a minimizar os custos totais de produção, respeitando as restrições de capacidade do problema. [5] Trabalho (em dupla): A empresa Farmacom, do setorde cosméticos e produtos de limpeza, deseja definir o planejamento agregado de produção de sabonetes do tipo Leveza para o primeiro semestre do próximo ano. Para isso, o setor de vendas forneceu a demanda prevista para o período em estudo, conforme mostra a tabela a seguir. Mês Demanda (kg) Janeiro 9.600 Fevereiro 10.600 Março 12.800 Abril 10.650 Maio 11.640 Junho 10.430 Os dados de produção estão detalhados a seguir: Custo de produção regular R$ 1,50/kg Custo de subcontratação de terceiros R$ 2,00/kg Pesquisa Operacional 1 – Notas de aula – Prof. Hélio Fuchigami ⬧ 9 Custo de mão de obra regular R$ 600,00/homens-mês Custo de admissão de um operário R$ 1.000,00/operário Custo de demissão de um operário R$ 900,00/operário Custo por hora extra R$ 7,00/hora extra Custo de manutenção de estoques R$ 1,00/kg-mês Mão de obra regular no mês anterior 10 operários Estoque inicial 600 kg Produtividade média por funcionário 16 kg/homem-hora Produtividade média por hora extra 14 kg/homem-hora Capacidade máxima de produção subcontratada 1.000 kg/mês Capacidade máxima de mão de obra regular 20 operários Capacidade máxima de armazenagem 2.500 kg/mês Cada funcionário trabalha, regularmente, 6 horas úteis por dia, durante 20 dias úteis no mês, podendo fazer, no máximo, 20 horas extras por mês. Formule o modelo de planejamento agregado (programação inteira mista) que minimiza os custos totais de produção, mão de obra e estoques para o horizonte de tempo analisado, respeitando as restrições de capacidade do sistema. Implemente computacionalmente o modelo. [5] 5. Problema de corte ▪ Variantes do problema: corte unidimensional e bidimensional Exemplo: A Pacific Paper Company produz rolos de papel com uma largura de 20 pés cada. Pedidos específicos com larguras diferentes são produzidos pelo corte padronizado de rolos. Os pedidos típicos estão resumidos na tabela a seguir: Pedido Largura desejada (pés) Número de rolos desejado 1 5 150 2 7 200 3 9 300 Formule o modelo de programação linear para fazer as entregas destes pedidos de forma a minimizar a perda devida ao corte de rolos. [21] Dica: determine primeiro os padrões de corte possíveis. Exercício: Uma empresa produz barras de ferro padronizadas de 8 metros de comprimento. Um cliente necessita de barras de 2, 3 e 5 metros, nas quantidades 15, 10 e 18, respectivamente. Elabore o modelo de programação linear para determinar como as barras de 8 metros serão cortadas de modo a minimizar a perda de material. [10] 10 ⬧ Pesquisa Operacional 1 – Notas de aula – Prof. Hélio Fuchigami 6. Problema da escala de funcionários Exemplo: A ZYB Correios e Malotes, uma franquia da ECT (Empresa de Correios e Telégrafos), deseja determinar o número de funcionários de horário integral que deve contratar para iniciar suas atividades. Para fazê-lo, recebeu uma tabela da ECT com o número mínimo de funcionários por dia da semana, que se encontra a seguir. Dia da semana Dom Seg Ter Qua Qui Sex Sáb Nº de funcionários 11 18 12 15 19 14 16 O sindicato dos empregados de franqueadores dos correios mantém um acordo sindical que determina que cada empregado deve trabalhar cinco dias consecutivos e folgar em seguida dois dias (por exemplo, um funcionário que trabalha de segunda a sexta-feira, deve folgar no sábado e no domingo) e que as franquias devem ter apenas empregados com horário integral (não há subdivisão de turnos). Formule o problema de maneira a determinar o número total de empregados que a franquia deve contratar e o número de empregados por dia. [13] Exercício: Uma empresa de segurança tem vários contratos com casas de espetáculos e necessita de efetivos diferentes, por dias da semana, para o cumprimento desses contratos. Segundo levantamento da empresa, o número mínimo de empregados necessários diariamente é: Dia da semana Dom Seg Ter Qua Qui Sex Sáb Necessidade de pessoal 780 386 450 680 790 980 1.100 Considerando que o funcionário trabalhará cinco dias da semana e folgará os outros dois, a empresa necessita saber qual o número mínimo de empregados que deverá ser contratado para que possa atender aos seus contratos. Formule o modelo de programação linear. [17] 7. Problema da mochila ▪ Dentre n objetos possíveis, com respectivos pesos e utilidades, determinar quais devem ser carregados na mochila, respeitando-se sua capacidade máxima ▪ O objetivo é maximizar a utilidade total, sujeita ao peso máximo permitido ▪ Programação binária ▪ Variantes do problema (knapsack problem): mochila 0-1, mochila inteira, múltiplas mochilas e empacotamento em mochilas (bin packing) [4] Pesquisa Operacional 1 – Notas de aula – Prof. Hélio Fuchigami ⬧ 11 Parâmetros do modelo: cj = utilidade do objeto j pj = peso do objeto j C = capacidade (peso) da mochila Variáveis de decisão: 1, se o objeto j é carregado na mochila 0, caso contrário Formulação matemática: = = n j jj xcZ 1 max sujeito a .,...,1},1,0{ 1 njx Cxp j n j jj = = Exemplo: Um alpinista deseja escolher quais objetos carregar na mochila a fim de maximizar a sua utilidade. Para cada possível objeto, o alpinista atribui uma nota em função de sua utilidade, conforme mostra a tabela a seguir. O peso de cada objeto também está ilustrado na mesma tabela. O peso máximo que o alpinista pode carregar é de 5 kg. Modele o problema da mochila. [5] Objeto Utilidade Peso (g) Barra de cereal 6 200 Casaco 7 400 Tênis 3 400 Celular 2 100 Água 9 1.000 Protetor solar 5 200 Protetor labial 2 30 Cilindro de oxigênio 10 3.000 Máquina fotográfica 6 500 Exercício: A empresa transportadora Translibert opera no trecho São Paulo – Ubatuba e está analisando pegar mais alguns passageiros durante o percurso, considerando o último ônibus que saiu do terminal. Há um total de oito passageiros aguardando, sendo que cada um deles percorrerá um trecho diferente, pagando por diferentes tarifas, conforme mostra a tabela a seguir. O peso dos passaeiros também deve ser considerado, já que um peso máximo de 280 kg pode ser adicionado, a fim de não ultrapassar a capacidade do ônibus em circulação. Formule o modelo para determinar quais passageiros devem ser selecionados, a fim de maximizar o lucro da empresa respeitando as restrições de capacidade. [5] xj = 12 ⬧ Pesquisa Operacional 1 – Notas de aula – Prof. Hélio Fuchigami Passageiro Preço da passagem (R$) Peso (kg) 1 48,00 80 2 40,00 70 3 52,00 84 4 45,00 72 5 55,00 90 6 40,00 65 7 30,00 50 8 35,00 55 8. Problema de seleção de projetos Exemplo: A ZYB Tecnologia tem de planejar seus gastos em Pesquisa e Desenvolvimento para os próximos cinco anos. A empresa pré-selecionou quatro projetos e deve escolher quais priorizar. Os dados relevantes ao problema encontram-se na tabela a seguir. Nela também temos a disponibilidade de capital a ser alocado em cada um dos anos, bem como o valor presente líquido de cada projeto. Como todos os projetos apresentam valor presente líquido (VPL) positivo, todos seriam candidatos. Vale notar que existe uma limitação no valor a ser investido anualmente. Formule o modelo matemático para determinar quais projetos devem ser selecionados para maximizar o VPL total. [13] Projeto VPL (8%) (mil R$) Capital requerido (mil R$) Ano 1 Ano 2 Ano 3 Ano 4 Ano 5 1 105,99 70 15 0 20 20 2 128,90 80 20 25 15 10 3 136,14 90 20 0 30 20 4 117,38 50 30 40 0 20 Capital disponível (mil R$) 200 70 70 70 70 9. Problema de cobertura ▪ Cobertura de conjuntos (set covering problem): garantir a satisfação de um conjunto de restrições expressas como elementos de um conjunto Exemplo: A SouthWestern Airwaysprecisa alocar suas tripulações para cobrir todos os seus próximos voos. Iremos nos concentrar no problema de alocar três tripulações com base em São Francisco aos voos listados na primeira coluna da tabela a seguir. As outras 12 colunas mostram as 12 sequências de voos possíveis para uma tripulação. Os números em cada coluna indicam a ordem dos voos. Exatamente três dessas sequências precisam ser escolhidas (uma por tripulação) de maneira que todos os voos sejam Pesquisa Operacional 1 – Notas de aula – Prof. Hélio Fuchigami ⬧ 13 cobertos. É permitido ter mais de uma tripulação em um voo, no qual as tripulações extras voariam como passageiros, porém acordos sindicais exigem que as tripulações extras precisem de qualquer maneira serem pagas pelo tempo que estiverem nesses voos como se estivessem trabalhando. O custo de designar uma tripulação a determinada sequência de voos é dado (em termos de milhares de dólares) na última linha da tabela. O objetivo é minimizar o custo total das alocações das três tripulações que cobrem todos os voos. Formule o modelo de programação inteira. [12] Voos Sequência de voos possíveis 1 2 3 4 5 6 7 8 9 10 11 12 1. São Francisco a Los Angeles 1 1 1 1 2. São Francisco a Denver 1 1 1 1 3. São Francisco a Seatle 1 1 1 1 4. Los Angeles a Chicago 2 2 3 2 3 5. Los Angeles a São Francisco 2 3 5 5 6. Chicago a Denver 3 3 4 7. Chicago a Seatle 3 3 3 3 4 8. Denver a São Francisco 2 4 4 5 9. Denver a Chicago 2 2 2 10. Seatle a São Francisco 2 4 4 5 11. Seatle a Los Angeles 2 2 4 4 2 Custo em US$ 1.000 2 3 4 6 7 5 7 8 9 9 8 9 Exercício: Para promover a segurança no campus, o Departamento de Segurança de uma universidade iniciou um processo de instalação de telefones de emergência em locais selecionados. O departamento quer instalar o número mínimo de telefones, contanto que cada uma das ruas principais do campus seja atendida por no mínimo um telefone. A figura a seguir mapeia as ruas principais (A a K) do campus. É lógico colocar os telefones em cruzamentos de ruas, de modo que cada telefone atenda no mínimo duas ruas. A mesma figura mostra que o layout das ruas requer um máximo de oito localizações de telefones. Formule o modelo para determinar qual o menor número e em quais locais devem ser instalados os telefones. [21] 14 ⬧ Pesquisa Operacional 1 – Notas de aula – Prof. Hélio Fuchigami 10. Problema de localização de facilidades ▪ “Facilidade” (facilities): fábricas, centros de distribuição, portos, aeroportos, terminais ▪ Determinar os locais ótimos dentre um conjunto de candidatos para a melhor distribuição dos produtos das facilidades para os clientes finais, de modo que as suas demandas sejam satisfeitas com o menor custo possível ▪ Problema de fluxos em redes ▪ Programação binária mista ▪ Variantes do problema (com p facilidades): p-medianas (minimiza soma das distâncias), p-centros (minimiza distância máxima) e p-medianas capacitado (associa-se uma capacidade à cada facilidade instalada) Índices: i = 1, ..., m: facilidades j = 1, ..., n: consumidores Parâmetros do modelo: cij = custo de transporte da localidade i para o consumidor j fi = custo de manter a localidade i aberta Ci = capacidade da localidade i Dj = demanda do consumidor j Variáveis de decisão: xij = quantidade transportada da localidade i para o consumidor j 1, se a localidade i for aberta 0, caso contrário Formulação matemática: == = += m i ii m i n j ijij yfxcZ 11 1 min sujeito a )4(.,...,1},1,0{ )3(,...,1,,...,1,0 )2(,...,1, )1(,...,1, 1 1 miy njmix njDx miyCx i ij m i jij ii n j ij = == == = = = yi = Pesquisa Operacional 1 – Notas de aula – Prof. Hélio Fuchigami ⬧ 15 A função objetivo minimiza a soma dos custos fixos de manutenção das localidades e dos custos de transporte. A restrição (1) garante que a capacidade máxima de cada localidade não seja excedida, obviamente, apenas se a localidade for aberta. A restrição (2) assegura que a demanda de cada consumidor seja atendida. E as expressões (3) e (4) expressam o domínio das variáveis de decisão. Exemplo: Uma empresa do setor alimentício está planejando abrir novas fábricas considerando cinco possibilidades: Manaus, Fortaleza, Vitória, Barueri e Curitiba. A partir das novas localidades, os produtos serão entregues para cinco consumidores finais: São Luís, Brasília, Belo Horizonte, Rio de Janeiro e São Paulo. Cada fábrica possui um custo fixo de manutenção e uma capacidade máxima, conforme mostra a tabela a seguir. Os custos de transporte por unidade transportada de cada fábrica para cada consumidor final, além da demanda dos consumidores, também estão detalhados na mesma tabela. A empresa quer determinar qual(is) fábrica(s) abrir, de modo a minimizar a soma dos custos fixos e de instalação e dos custos de transporte, garantindo que a demanda dos consumidores finais seja atendida. Modele o problema de localização de facilidades. [5] Custos de transporte Consumidores Custos fixos Capaci- dade Localidades São Luís Brasília Belo Horizonte Rio de Janeiro São Paulo Manaus 0,82 0,95 1,10 1,33 1,22 111.000 35.000 Fortaleza 0,74 1,12 1,06 1,13 1,24 124.000 30.000 Vitória 1,34 1,24 0,72 0,72 0,88 120.00 25.000 Barueri 1,48 1,26 0,95 0,95 0,70 135.000 30.000 Curitiba 1,52 1,45 1,33 1,22 1,15 140.000 20.000 Demanda 16.000 18.000 12.000 17.000 20.000 Exercício: A Empresa Distribuidora Domus tem cinco entregas a fazer hoje. Ela deve fazer uma entrega de 1.000 kg ao cliente A, 2.000 kg ao cliente B, 3.000 ao cliente C, 5.000 kg ao cliente D e 8.000 kg ao cliente E. Trata-se de cargas unitárias que devem ser transportadas numa única viagem. A empresa tem oferta de fretar quatro furgões: o furgão 1 tem capacidade de 2.000 kg, o furgão 2, de 6.000 kg, o furgão 3, de 8.000 kg, e o furgão 4, de 11.000 kg. O custo fixo de fretar cada furgão é $ 800, $ 1.100, $ 1.500 e $ 1.800, respectivamente. Formule o modelo de programação inteira para determinar quais furgões fretar a custo mínimo, atendendo aos clientes e supondo que cada furgão só possa fazer uma única viagem, embora atendendo a mais de um cliente. [10] 16 ⬧ Pesquisa Operacional 1 – Notas de aula – Prof. Hélio Fuchigami REFERÊNCIAS [1] ALVES, A.C.B.; MENEZES, M.A.F. Introdução à Pesquisa Operacional. Goiânia: PUC Goiás, 2010. [2] ANDRADE, E.L. Introdução à Pesquisa Operacional: métodos e modelos para análise de decisões. Rio de Janeiro: LTC, 2015. 5ª ed. [3] ARAÚJO, S.A.; RANGEL, S. Matemática aplicada ao planejamento da produção e logística. Notas em Matemática Aplicada. SBMAC – Sociedade Brasileira de Matemática Aplicada e Computacional, 2014. [4] ARENALES, M.; ARMENTANO, V.; MORABITO, R.; YANASSE, H. Pesquisa Operacional para cursos de Engenharia. Rio de Janeiro: Elsevier, 2015. 2ª ed. [5] BELFIORE, P.; FÁVERO, L.P. Pesquisa Operacional para cursos de Engenharia. Rio de Janeiro: Elsevier, 2013. [6] BELFIORE, P.; FÁVERO, L.P. Pesquisa Operacional para cursos de Administração, Contabilidade e Economia. Rio de Janeiro: Elsevier, 2012. [7] CAIXETA-FILHO, J.V. Pesquisa Operacional: técnicas de otimização aplicadas a sistemas agroindustriais. São Paulo: Atlas, 2004. 2ª ed. [8] COLIN, E.C. Pesquisa Operacional: 170 aplicações em Estratégia, Finanças, Logística, Produção, Marketing e Vendas. Rio de Janeiro: LTC, 2007. [9] CORRAR, L.J.; THEÓPHILO, C.R. (Coord.) Pesquisa Operacional para decisão em Contabilidade e Administração: Contabilometria. São Paulo: Atlas, 2004. [10] PIZZOLATO, N.D.; GANDOLPHO, A.A. Técnicas de Otimização. Rio de Janeiro: LTC, 2009. [11] GOLDBARG, M.C.; LUNA, H.P.L. Otimização Combinatória eProgramação Linear: modelos e algoritmos. Rio de Janeiro: Elsevier, 2005. [12] HILLIER, F.S.; LIEBERMAN, G.J. Introdução à Pesquisa Operacional. Porto Alegre: McGraw Hill, 2010. 8ª ed. [13] LACHTERMACHER, G. Pesquisa Operacional na tomada de decisões. São Paulo: Pearson Prentice Hall, 2009. [14] LOESCH, C.; HEIN, N. Pesquisa Operacional: fundamentos e modelos. São Paulo: Saraiva, 2009. [15] MOREIRA, D.A. Pesquisa Operacional: curso introdutório. São Paulo: Cengage Learning, 2010. 2ª ed. [16] MURTY, K.G. Linear programming. New York: John Wiley & Sons, 1983. [17] PASSOS, E.J.P.F. Programação Linear como instrumento da Pesquisa Operacional. São Paulo: Atlas, 2008. [18] RAGSDALE, C.T. Modelagem e Análise de Decisão. São Paulo: Cengage Learning, 2009. [19] SILVA, E.M.; SILVA, E.M.; GONÇALVES, V.; MUROLO, A.C. Pesquisa Operacional para os cursos de Administração e Engenharia. São Paulo: Atlas, 2010. 4ª ed. Pesquisa Operacional 1 – Notas de aula – Prof. Hélio Fuchigami ⬧ 17 [20] SOUZA, M.J.F. Otimização Combinatória. Notas de aula – Departamento de Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, 2009. [21] TAHA, H.A. Pesquisa Operacional: uma visão geral. São Paulo: Pearson Prentice Hall, 2008. 8ª ed. [22] VANDERBEI, R.J. Linear programming: foundations and extensions. New York: Springer, 2001. 2nd ed. [23] YOSHIDA, L.K. Métodos quantitativos: programação linear. São Paulo: Atual, 1987.
Compartilhar