Prévia do material em texto
- -1 PESQUISA OPERACIONAL UNIDADE 1 - A PESQUISA OPERACIONAL E SUAS APLICAÇÕES Luciano Wallace Gonçalves Barbosa - -2 Introdução A tomada de decisão é um dos termos mais comuns em ambientes corporativos e corresponde à necessidade de se escolher, entre opções viáveis, aquela que trará mais benefícios à organização. Assim como uma escolha pode render ótimos frutos, também pode levar a empresa a deixar de lucrar com seus recursos disponíveis e, no pior dos cenários, trazer prejuízos. Porém, primeiramente, devemos responder: quais são as opções viáveis de um negócio? No ambiente organizacional, a tomada de decisão está, geralmente, dentro dos níveis estratégicos e táticos, que dispendem de maiores responsabilidades. Em nível de longo prazo, essas decisões são uma das mais estudadas pelos especialistas, já que, nesse patamar, interferem de maneira ainda mais pronunciada que os demais. Essa lógica está relacionada a uma questão importante: a vantagem competitiva, que é quando uma empresa está aferindo retornos acima da média de seus concorrentes. Com o mercado cada dia mais acirrado, dependendo da estratégia adotada pela empresa, manter vantagem competitiva acaba sendo uma maneira de sobrevivência, principalmente para aquelas que adotam a estratégia de foco em custos. Assim, elucidada a importância da tomada de decisão, surge uma questão importante para aqueles que estão encarregados dessa tarefa: qual a melhor opção, entre as viáveis, que se deve escolher? Evidentemente, em uma lógica de apreciação de lucros, deve-se optar por aquela que maximize esse lucro e, analogamente, quando se tratar de mensuração de custos, a opção ótima será aquela que garante o custo mínimo. Entendida essa questão e dentro do contexto da Engenharia, que é responsável, entre outras coisas, por resolver problemas por meio de desenvolvimentos matemáticos, outra questão aparece: como garantir que a melhor opção foi a escolhida? Bom, essa pergunta é, sem sombra de dúvidas, mais complexa que a anterior. Mas a grande vantagem é que existe uma resposta para ela: utilizando-se técnicas matemáticas que sustentem a investigação. Nesse contexto, falaremos aqui sobre a Pesquisa Operacional, que é responsável por apoiar a tomada de decisão, por meio de modelagem e resolução de problemas matemáticos. Legal, não é mesmo? Nada melhor que uma decisão, algo tão complexo, podendo ser embasada por métodos matemáticos, que trazem resultados exatos ou estimados com alto índice de confiança. Vamos, então, conhecer essa incrível ciência denominada Pesquisa Operacional ou, simplesmente, PO? 1.1 Definição e contexto histórico Você sabia que grande parte da ciência em todo o mundo foi desenvolvida durantes as guerras? Isso mesmo. Agora, você imagina o porquê? Durante os períodos bélicos, os países precisam mostrar quem são os mais poderosos em nível de desenvolvimento tecnológico, armamentista, de tropas e tudo mais. Tudo isso se dá com a ciência. Imagine a fabricação de centenas de milhares de armas em um rápido espaço de tempo, considerando-se reduzir ao máximo esse custo. Nessa questão, estão envolvidas diversas ciências, como as Engenharias, para resolver esses problemas. A Engenharia Mecânica, a de Materiais, assim como outras, ficam responsáveis pelos projetos de fabricação, enquanto a Engenharia de Produção precisa resolver toda a logística de as necessidades estarem no tempo certo, na qualidade e quantidade exatas, no destino necessário e por aí vai. Além disso, demais suprimentos eram necessários nesse processo logístico, como roupas, alimentos, medicamentos etc. Então, durante a Segunda Guerra Mundial (1939-1945), militares e cientistas reuniram-se para estudar como resolver isso, gerando, então, a Pesquisa Operacional (do inglês ), em que o termo ‘Operacional’ tem referência aosOperational Research problemas militares, e ‘Pesquisa’ é a criação do novo método. Por isso, a ciência ficou conhecida como ‘ ’,war baby ou ‘bebê da guerra’ (ARENALES , 2007; TAHA, 2008; BELFIORE; FÁVERO, 2013; HILLIER; LIEBERMAN,et al. 2013). A PO é um ramo muito promissor, você deve ter notado, já que resolve problemas por meio de modelos - -3 A PO é um ramo muito promissor, você deve ter notado, já que resolve problemas por meio de modelos matemáticos que auxiliam a garantia de otimalidade da solução encontrada. Assim, muitas áreas das ciências estudam a Pesquisa Operacional, cada qual com sua especificação: por exemplo, por ser uma parte da Matemática Aplicada, matemáticos estão sempre aprimorando modelos e encontrando suas soluções. Já os cientistas da computação, analisam esses modelos e os trazem para algoritmos, que devem ser modelados e resolvidos para trazerem a solução ótima. Outras ciências também buscam a PO nessa perspectiva, como Engenharias de Computação, Elétrica etc. A Engenharia de Produção, por sua vez, trata a PO no sentido de trazer os problemas da realidade para uma modelagem matemática e busca os métodos desenvolvidos até então, os quais podem ser aplicados na solução dessa realidade trazida para equações, gráficos, modelos etc. Todo problema de PO está relacionado a um objetivo, conforme falado, geralmente de custos ou minimizar lucros, acompanhados de restrições que o ambiente traz a esse problema, podendo ser de aspectosmaximizar humanos, sociais, políticos, econômicos, tecnológicos etc. (MURTHY, 2007). Como a PO nasceu há várias décadas e várias áreas da ciência a aprimoram cada vez mais, atualmente sua utilização, como uma eficiente ferramenta em todos os níveis de gestão, é uma realidade acessível (ANDRADE, 2009). Avanços em programas computacionais também são responsáveis por esse desenvolvimento, pois a PO necessita desses programas para encontrar a solução ótima dos problemas (GOLDBARG; LUNA, 2005). Murthy (2007) apresenta, de forma clara, como a PO é dividida e aplicada em cada um dos seus diferentes problemas e ambientes. A figura a seguir apresenta essa divisão. Figura 1 - Métodos quantitativos versus qualitativos. Fonte: Elaborada pelo autor, baseada em MURTHY, 2007. Nota-se, então, que quanto mais simples e bem estruturados são os problemas (os quais, geralmente, se encontram em ambientes tranquilos e uniformes), mais bem aplicável é a utilização de métodos quantitativos – isso em relação aos ambientes turbulentos, que contam com problemas complexos e mal estruturados, sendo que, a esses, as técnicas qualitativas são mais utilizáveis. Taha (2008) traz uma importante consideração: nem sempre soluções matemáticas são a pedra fundamental, já que, em alguns casos, o ‘bom senso’ pode ser levado em consideração para encontrar soluções por meio de simples observações. Para ficar mais claro, Belfiore e Fávero (2013) dividem os problemas resolvidos por PO em três grupos. Clique nas abas e conheça-os. • Modelos determinísticos• - -4 • Modelos determinísticos As variáveis envolvidas são conhecidas e constantes. Esse tipo de modelo quantitativo traz a resposta ótima ao problema, ou seja, caso você siga à risca o que foi proposto, seu objetivo será o mais ótimo possível, respeitando as restrições do problema. A Programação Linear, uma das mais poderosas ferramentas da PO, é um exemplo de modelo determinístico. • Modelos estocásticos As variáveis são aleatórias e definidas por funções de probabilidade. Esse tipo é muito comum em simulação de processos e outros modelos que contem com estatísticas para solução. Por mais que não sejam exatos como o primeiro tipo, esses modelos podem trazer confianças de solução de até 99%, dependendo de como os dados são tratados. • Outros modelos advindos do avanço computacional Nesses, mais complexos, podem os dois tipos de variáveis estarem associados. Geralmente, são desenvolvidos para casos específicos. Está curioso para saber como que um problema real pode ser modelado por meio de técnicas matemáticas? Então, venha ver. Abordaremos, primeiramente, a Programação Linear (PL), clássica da PO. Ninguém pode dizer que sabe Pesquisa Operacional se não souber PL. Depois, veremosmodelagem em grafos ou redes, que é também interessantíssima para a resolução de problemas. Uma consideração é importante mencionar: conforme você já deve imaginar, existem muitas técnicas de PO e, evidentemente, você não verá todas. Nem mesmo os grandes especialistas de Pesquisa Operacional conseguem acompanhar todo o desenvolvimento da área. Mas fique tranquilo: as principais e mais utilizadas técnicas serão abordadas, o que fará com que você tenha uma vasta noção de modelagem. A partir daí, caso sua necessidade futura dentro do ambiente empresarial venha a pedir novas técnicas, você saberá exatamente de onde partir para conseguir chegar até lá. 1.2 Problemas de Programação Linear (PPLs) A Programação Linear (PL) é uma das mais poderosas, eficientes e eficazes ferramentas dentro da Pesquisa Operacional. Devido a sua importância, os estudos de PO geralmente se iniciam a partir dessa técnica. Além disso, diversos outros problemas podem ser convertidos em PPLs, para serem resolvidos pelos métodos tradicionais de PO, como os modelos em rede/grafos, que serão vistos na próxima subseção. A PL é uma técnica que produz resultados significativos dentro do contexto da PO, reduzindo sistemas reais em um conjunto de equações e/ou inequações lineares (BELFIORE; FÁVERO, 2013), ou seja, estas devem conter apenas incógnitas de primeiro grau. Antes de começarmos a modelar um PPL, saibamos o que nele devem • • • VOCÊ O CONHECE? Felipe Martins Müller é o atual presidente da Sociedade Brasileira de Pesquisa Operacional. Graduado, mestre e doutor em Engenharia Elétrica, o pesquisador tem muita experiência na área de PO, tendo em seu currículo mais de 150 publicações na área, além de ter orientado diversos alunos em nível de graduação e pós-graduação. É professor da Universidade Federal de Santa Maria, no Rio Grande do Sul (CURRÍCULO LATTES, 2019). - -5 um conjunto de equações e/ou inequações lineares (BELFIORE; FÁVERO, 2013), ou seja, estas devem conter apenas incógnitas de primeiro grau. Antes de começarmos a modelar um PPL, saibamos o que nele devem constar os itens a seguir. Clique nas abas. Variáveis de decisão Uma etapa muito importante do problema, as variáveis de decisão descrevem as decisões a serem tomadas (WINSTON, 2004). Geralmente, estão relacionadas à quantidade de produção, quando se trata de PPLs. Então, por exemplo, em um modelo que se quer determinar quantas unidades de cada produto dentro de um portfólio devem ser produzidas para se alcançar o maior lucro, cada produto terá uma variável de decisão x_i, que assumirá um valor ao fim da resolução do modelo. Esse valor é exatamente a quantidade que deve ser produzida de cada item. Função objetivo Esta define aquilo que o tomador de decisão precisa para seu problema, seja maximizar o seu retorno ou minimizar o seu custo (BELFIORE; FÁVERO, 2013). Nesta função, os coeficientes das variáveis de decisão acompanham os valores que cada uma dessas variáveis representa no objetivo, da seguinte forma: considerando que a variável de decisão x_1 represente a quantidade a ser produzida de um item e esse item gere um lucro de R$ 10,00, então, na função objetivo de maximizar o lucro, essa representação será feita como: max 〖10 x〗_1… e assim sucessivamente, até que todas as variáveis que contribuam com o objetivo sejam aqui representadas. Restrições São descritas por meio de equações e/ou inequações lineares que correspondem a requisitos básicos para que o modelo seja viável e totalmente parecido com a realidade. Geralmente, estão relacionadas às disponibilidades do sistema, seja de matérias-primas, mão de obra, recursos tecnológicos etc. (BELFIORE; FÁVERO, 2013). Esse passo é de extrema importância, pois é o que transforma o problema real em um problema matemático. Os coeficientes das variáveis de decisão em uma restrição acompanham o quanto essa variável afeta dentro da restrição. É usual as restrições serem escritas em forma de inequações (≤,≥), que representam a quantidade máxima ou mínima que um recurso deve ser utilizado no modelo. Agora, é hora de praticar o que você viu até aqui. Leia o texto a seguir. E a parte mais interessante da PL: sua aplicabilidade. A Programação Linear pode ser usada para resolução de problemas das mais variadas áreas existentes, principalmente no contexto produtivo. Pode determinar a quantidade de cada produto a ser fabricado, dentro de um portfólio de uma empresa ou, até mesmo, determinar as quantidades ótimas de cada matéria-prima que compõe um produto, visando a minimizar os custos de produção. Podem também, na área financeira, determinar quais são as aplicações mais interessantes para se selecionar em uma carteira de investimentos. Ainda, na logística, métodos de PL podem ser utilizados para determinação de rotas mais curtas entre um Centro VAMOS PRATICAR? Agora você já conhece os componentes de um Problema de Programação Linear: as variáveis de decisão, as restrições e a função objetivo. Antes de prosseguir a leitura, faça o seguinte: imagine um problema que você precise os custos ou os lucros. Pode serminimizar maximizar de uma lanchonete que você costuma frequentar. Pense que o gestor do lugar o contratou para auxiliar na tomada de decisão. Elabore o problema e descreva, suscintamente, quais seriam os componentes envolvidos nesse problema: as variáveis, as restrições e a função objetivo. Ao prosseguir a leitura da unidade, repare nos aspectos que você acertou e os que ficaram a desejar, para ficar ainda mais claro o entendimento do conteúdo. - -6 Ainda, na logística, métodos de PL podem ser utilizados para determinação de rotas mais curtas entre um Centro de Distribuição (CD) e outro (ou vários outros) cliente(s), ou pode-se, então, utilizar o método apresentado na próxima subseção. Na mineração, é muito comum o uso de PO na determinação da composição do minério de ferro, o que chamamos de blendagem mineral. Legal, mas ciências exatas devem ser aprendidas na prática, não é mesmo? Então, acompanhe esse exemplo, retirado da obra de Silva (2010, p. 5), para ficar ainda mais claro o que estamos vendo sobre a modelagemet al. de PPL. Exemplo 1 Certa empresa fabrica dois produtos: P1 e P2. O lucro unitário do produto P1 é de R$ 1.000,00, e o lucro de P2 é R$ 1.800,00. A empresa precisa de 20 horas para fabricar uma unidade de P1, e de 30 horas para fabricar uma unidade de P2. O tempo anual de produção disponível para isso é de 1.200 horas. A demanda esperada para cada produto é de 40 unidades anuais para P1, e 30 unidades anuais para P2. Sendo assim, qual seria o plano de produção para que a empresa maximize seu lucro nesses itens? Construa o modelo de PPL para esse caso. Esse é um clássico problema de de produção. Para a modelagem desse problema, precisamos destacar osmix três itens que acabamos de definir: a) Variáveis de decisão: como a decisão é um plano de produção, as variáveis correspondem a quantos produtos de cada, P1 e P2, devem ser produzidos. Assim, as variáveis de decisão do modelo são: b) Função objetivo: o próprio enunciado traz que se trata de um problema de maximização de lucro. Como cada produto rende um lucro específico, a f.o fica da seguinte forma: Assim, como as variáveis de decisão são responsáveis por, ao fim do modelo, trazer a quantidade a ser produzida de cada item, ao substituirmos seus valores na função objetivo, será dado o valor do lucro gerado pela otimização, que é o maior lucro possível do problema, segundo suas características. c) Restrições: são definidas pelo próprio enunciado. Devem ser cuidadosamente analisadas, de modo que retratem exatamente o problema real. - Restrições de horas disponíveis para a produção: sabendo-se que existem 1.200 horas disponíveis para esse plano e que o produto P1 exige 20 horas de fabricação e o P2 necessita de 30 horas, essa restrição fica assim: - Restrições de demanda: cada produto, segundo o problema, possui uma demanda mínima, que deve ser cumprida no plano de produção para evitar perda de vendas. Note que, como se trata de demandaesperada, as restrições são de fabricar no máximo o que se espera para evitar geração de estoques. Esses dois conjuntos de restrições, que geraram três inequações lineares, formam o conjunto denominado VOCÊ QUER VER? Quer fixar ainda mais o entendimento do conteúdo? Então, assista aos vídeos Pesquisa (IFORMEI VIDEO AULAS, 2015a; 2015b).operacional – modelagem em programação linear Neles são abordados dois problemas de Programação Linear, os quais são mostrados passo a passo. Além disso, poderão ficar ainda mais claros os conceitos de função objetivo, variáveis de decisão e restrições. - -7 Esses dois conjuntos de restrições, que geraram três inequações lineares, formam o conjunto denominado restrições técnicas do modelo. Ainda, todos os problemas de PL devem apresentar as restrições de nãosempre negatividade, que garantem que as variáveis de decisão não assumam valores negativos, por uma questão lógica: pode-se produzir ou deixar de produzir itens, porém produzir negativamente é impossível. Dessa forma, as restrições de não negatividade do exemplo são: Pronto, o problema está todo modelado. Em resumo, sua representação fica da seguinte forma: Sujeito a E como seria, então, a formulação de um problema que visa à minimização? Bom, é um modelo de PPL que segue as mesmas lógicas do de maximização: possui as variáveis de decisão, a função objetivo e, claro, as restrições – porém, a meta do problema é outra. Venha ver. Viu só que legal? Não é incrível esse poder de transformar um problema real em um conjunto de funções matemáticas a serem resolvidas por métodos exatos, a fim de trazerem a solução ótima do problema? CASO O custo de produção do produto A é de R$ 50,00, e do produto B é de R$ 60,00. O setor de marketing define que a produção de A e B deve ser, no mínimo, 100 e 200 itens, respectivamente. Para a produção de A, necessita-se de 40 kg de matéria-prima, ao passo que B exige 30 kg. O total de matéria-prima disponível são 200 kg mensais. Qual o modelo de fabricação que retorne no mínimo custo? Analogamente ao exemplo anterior, neste, as variáveis de decisão são: O modelo fica assim: Sujeito a - -8 Lembre-se de um detalhe importante: quando se fala em uma , quer dizer que, dentro do contextosolução ótima do problema, considerando as suas restrições e sua função objetivo, ela é aquela que traz o melhor valor global do problema, ou seja, o máximo de retorno possível em uma função de maximizar, ocorrendo, de forma análoga, para funções de minimizar. Existe também o conceito de que, diferentemente da anterior, não necessariamente é a ótimasolução otimizada global, mas pode ser uma ótima local. Geralmente, esse termo é utilizado em problemas qualitativos, em que encontrar o ótimo global é uma tarefa complexa. Portanto, grande parte dos problemas com solução ótima advém do tipo determinístico, porém a recíproca não é verdadeira: nem todo problema determinístico gerará uma solução ótima, podendo, então, responder a uma solução otimizada. 1.3 Problemas em grafos Agora que já conhecemos uma parte importante da Pesquisa Operacional, a Programação Linear, sigamos para outro tipo de modelagem também bastante aplicável em diversos conceitos de Engenharia: as que, nesseredes contexto, apresentam-se como similares a grafos, são conjuntos de nós, ligados por arcos (ou ramos). Cada nó representa algo fixo, como a localização de um cliente ou fornecedor, uma cidade etc. Os arcos, que ligam esses nós, representam as possibilidades e capacidades de conexão entre os nós. Em cada rede existe a associação de um fluxo, que geralmente é limitado pela capacidade de cada arco que conecta dois nós. Nesta subseção, serão utilizados exemplos e demonstrações do livro de Taha (2008) que, além de apresentar a PO em redes de uma forma muito clara e de fácil entendimento, é uma das obras de referência da disciplina, que podem auxiliá-lo a compreender ainda melhor os conteúdos abordados. Para melhor entendimento, veja um exemplo de rede abaixo: Figura 2 - Exemplo de rede. Fonte: TAHA, 2008, p. 105. VOCÊ QUER LER? Quer ver como é aplicada, na prática das indústrias, a PL? Veja como foi utilizada a técnica para a solução de um problema fabril. No artigo de Barbosa (2014), você também conseguirá observar todos os detalhes da formulação do problema, igualmente fizemos aqui. - -9 Por definição, os nós e arcos dessa rede são: N= {1, 2, 3, 4, 5} – os cinco nós existentes; A= {(1,2), (1,3), (2,3), (2,5), (3,4), (3,5), (4,2), (4,5)} – as oito conexões existentes entre os nós. Um arco pode ser (ou dirigido) se ele possuir fluxo em determinada direção, apenas. É o caso de arcosorientado com setas: o arco (1,2) do exemplo permite fluxo de 1 para 2, mas não permite o inverso. Uma érede orientada composta por todos os seus arcos orientados. Um é uma sequência de arcos distintos que conectamcaminho dois nós, passando por outros nós. Uma é uma rede que conecta um subconjunto de nós, enquanto uma árvore é uma árvore que conecta todos os nós presentes na rede (TAHA, 2008).árvore geradora Ainda do exemplo exibido na figura, veja outros exemplos de árvore e árvore geradora: Figura 3 - Exemplos de árvore e árvore geradora. Fonte: TAHA, 2008, p. 105. Quando vir uma rede, certamente você imaginou diversos problemas que podem ser resolvidos com esse tipo de modelagem, não é mesmo? Enumeraremos alguns, presentes também na literatura de Taha (2008). Clique nas abas. • Determinação de conexões mínimas entre pontos Imagine um projeto que seja interligar algumas cidades com pavimentação asfáltica. Essas cidades possuem diferentes conexões, e o projeto é fazer a conexão entre todas. Nesse caso, cada cidade será representada por um nó, e as conexões entre elas pelos arcos. O objetivo é encontrar a árvore geradora mínima que interligue esses pontos. • Determinação do caminho mínimo entre um ponto a outro Um Centro de Distribuição (CD) pode estar presente em um nó de uma rede e seus clientes representados nos outros nós. A utilização de algoritmos de caminho mínimo permite dizer, com exatidão, quais são os caminhos a serem seguidos para se chegar de um nó ao outro com a menor distância possível. • Determinação do fluxo máximo possível em uma rede Muitos produtos podem ser escoados por uma rede de dutos, onde a origem e o destinatário são definidos como nós, assim como os sistemas de bombeamento ao longo da rede, ao passo que os arcos são os próprios dutos com suas respectivas capacidades de transferência de material. A aplicação do algoritmo de fluxo máximo, nesse caso, viabiliza encontrar qual a quantidade máxima de material pode ser escoada da origem ao destino, considerando a malha modelada. Analogias para circulação de carros em estradas, por exemplo, podem ser aplicadas a esse caso. • • • - -10 • Determinação de durações de projetos Projetos com atividades definidas podem ser modelados em formato de rede, onde os nós representam o início e o fim de cada atividade, e essa atividade é definida por um arco, com capacidade igual à sua duração. A modelagem da rede deve considerar as dependências entre as atividades, e a otimização da rede trará aspectos relacionados ao tempo mínimo em que o projeto pode ser executado, quão cedo e quão tarde pode-se iniciar e terminar cada tarefa e quais são as atividades críticas desse projeto, ou seja, aquelas que dispendem mais atenção. É hora de fixar os conceitos que vimos. Vamos lá? Leia o texto a seguir. Definidos os tipos clássicos de modelagem em redes e grafos, tem-se uma ideia de como é a modelagem relacionada a esses métodos da Pesquisa Operacional. Geralmente, as informações a serem transferidas a uma modelagem em redes podem vir de um mapa, que apresenta as distâncias entre os pontos a serem conectados, por exemplo. Distância é um dos tipos de limitadores dos arcos das redes mais utilizados, porém outros tipos podem ser empregados, dependendo da sua demanda: custos de transporte, transação, quantidade suportada de tráfego por unidade de tempo e outros tambémpodem ser usados com a devida interpretação. Similar às PPLs, os problemas em redes também precisam de objetivo e restrições, porém são realizados de uma maneira diferente. O objetivo, geralmente, está ligado a uma das quatro opções que listamos acima, seja minimizar distâncias, maximizar fluxos etc. Já as restrições são dadas ao desenhar a rede, que consiste na definição das possíveis conexões e seus limitadores. Uma observação muito importante é notar se o arco é direcional ou não. Caso o arco seja direcional, ele comportará apenas um valor, que é o quantitativo suportado para a direção. Um arco bidirecional deverá ter dois valores, isto é, o valor que ele suporta no processo de ida e no processo de volta, considerando o caminho de um nó para o outro. Caso, em arcos bidirecionais, seja dado apenas um valor, indica que ele é válido para a ida e para a volta. Veja o exemplo a seguir, retirado da obra de Taha (2008): • VAMOS PRATICAR? Agora você já conhece os quatro principais tipos de problemas dentro do contexto da Engenharia, que podem ser modelados e resolvidos por meio de grafos. Para exercitar a aplicabilidade, pense em problemas reais que você vive em seu cotidiano que poderiam ser resolvidos por Pesquisa Operacional. Imagine o fluxo de carros em ruas e rodovias, a conexão de cabos de energia da cidade... Levante os casos e assimile cada um a um tipo de rede que pode auxiliar na otimização. - -11 Figura 4 - Exemplo de rede bidirecional. Fonte: TAHA, 2008, p. 107. Conforme podemos verificar na rede apresentada na figura anterior, como não apresenta setas, os fluxos são bidirecionais, ou seja, a uma milha de distância entre os nós 1 e 2 é válida tanto de 1 indo para 2 quanto de 2 indo para 1. Essa rede pode ser utilizada para diversos casos: pode-se requerer a conexão entre todas as cidades com a menor distância possível; pode-se querer sair do nó 1 e ir até o nó 6 usando-se o menor caminho possível (note que existem várias possibilidades de se fazer esse trajeto); e também pode-se imaginar que isso seja uma rota de estradas, em que os valores apresentam a quantidade (em milhares) de carros por hora que cada pista (arco) consegue escoar, visando a encontrar qual o fluxo máximo de carros essa malha viária comporta. Adaptação à necessidade específica é um dos termos próprios quando o assunto é Pesquisa Operacional. Os modelos clássicos são apresentados de forma que você desenvolva o conhecimento e, quando submetido a aplicações práticas, saiba exatamente qual o modelo se encaixa melhor para a resolução do problema, mesmo que sejam necessárias adaptações no que se encontra na literatura. 1.3.1 Pesquisa Operacional aplicada à Gestão de Projetos Como visto, as redes podem apresentar similaridades na construção, mantendo objetivos diferentes, porém algumas delas possuem formas peculiares de serem construídas, como é o caso das redes relacionadas a projetos. Para a modelagem de problemas em projetos, são utilizadas as técnicas Program Evaluation and Review (PERT) e (CPM), as quais, por mais que tenham sido desenvolvidas de formaTechnique Critical Path Method independente na década de 1950, são corriqueiramente utilizadas simultaneamente, apenas como técnica PERT /CPM (TUBINO, 2009). Uma rede PERT/CPM, portanto, é formada por um conjunto de nós e arcos, em que os nós apresentam os inícios e o fim das atividades – as quais são representadas pelos arcos. Os arcos, por sua vez, trazem a duração de cada atividade. A construção da rede em si representa as dependências entre as atividades. É importante ressaltar que existem três regras para construção da rede (TAHA, 2008). Clique nos itens para conhecê-las. - -12 1ª regra Cada atividade é representada por um, e apenas um, arco. 2ª regra Cada atividade deve ser identificada por dois nós finais distintos. 3ª regra Todas as relações de precedência devem ser respeitadas. Para garantir que as três regras sejam cumpridas, observe a figura a seguir. Como as regras não permitem a primeira representação, foram criadas aquilo que chamamos de , que são utilizadasatividades fantasmas apenas para garantir a dependência entre atividades. É feita por um arco tracejado, de nome qualquer, com duração igual a zero. Na primeira representação do segundo retângulo, por exemplo, está mostrando que, para iniciar qualquer atividade a partir do nó 3, as atividades A e B já devem ter sido concluídas. Figura 5 - Atividades fantasmas para redes. Fonte: TAHA, 2008, p. 125. - -13 Fonte: TAHA, 2008, p. 125. A primeira parte de todo problema de PO é a modelagem, e aqui não é diferente. Após a modelagem é que podem seguir os demais cálculos que auxiliarão na otimização. Por enquanto, preocupemo-nos apenas com a construção da rede PERT/CPM, que será exibida a seguir, em um exemplo extraído de Tubino (2009). Exemplo 2 No quadro a seguir, é apresentada a lista de atividades de um projeto, com suas respectivas durações e dependências. Pede-se que seja modelada a rede PERT/CPM que represente o problema. Quadro 1 - Lista de atividades e dependências. Fonte: Elaborado pelo autor, baseado em TUBINO, 2009. As atividades apresentadas vão de acordo com cada projeto. Esse é um modelo genérico, mas poderia se tratar de qualquer projeto, como a construção de um edifício, um evento de casamento etc. Mais detalhes de projetos são encontrados em literaturas e disciplinas específicas, cabendo à PO se preocupar apenas na otimização deles. Para a montagem da rede, o quadro como um todo deve ser observado. Primeiramente, parte-se daquelas atividades que não possuem nenhuma dependência, no caso, as atividades A e B. Assim, do primeiro nó dessa rede, que aqui também podemos chamar de evento, saem essas duas atividades com suas respectivas durações. Posteriormente, as atividades seguintes são representadas respeitando suas dependências. Note que a atividade C depende da conclusão da atividade A, portanto, seu nó de início é comum ao nó de fim da atividade A. Duas são as atividades que dependem da finalização da atividade B: portanto, do nó (evento) de conclusão da atividade B, sairão dois arcos com as atividades D e E. Essa lógica se repete até o fim da modelagem, que é apresentada na figura a seguir. - -14 Figura 6 - Modelagem da rede do problema. Fonte: Elaborada pelo autor, baseada em TUBINO, 2009. Legal, vimos como é modelada uma rede PERT/CPM, mas ainda faltou um detalhe que foi mencionado: a utilização de atividades fantasmas. Agora, vejamos um exemplo retirado de Taha (2008) utilizando o conceito de caminho fantasma. Exemplo 3 Construa a rede PERT/CPM das atividades listadas no quadro a seguir. Quadro 2 - Lista de atividades e dependências. Fonte: Elaborado pelo autor, baseado em TAHA, 2008. Seguindo as regras já mencionadas, a modelagem desse problema se dá assim: - -15 Seguindo as regras já mencionadas, a modelagem desse problema se dá assim: Figura 7 - Modelagem da rede do problema. Fonte: TAHA, 2008, p. 125. Assim como no exemplo anterior, as atividades A, B, C e D, sem dependências, partem do evento inicial (1). Como a atividade E depende da finalização das atividades A e B, é criada uma atividade fantasma de duração zero, para garantir que a atividade E apenas se inicie quando A e B tenham sido completadas. Agora você já conhece os quatro tipos principais de redes e como cada um deles é modelado. Use a abuse desse conhecimento em prol da otimização dos problemas que possam vir a ficar sob sua responsabilidade no futuro. 1.4 Fundamentos matemáticos da PO Como você já deve ter percebido no decorrer desta unidade, a Pesquisa Operacional demanda de muitos conceitos matemáticos para sua modelagem, resolução e análise, principalmente de conceitos relacionados à álgebra linear, para os Problemas de Programação Linear, certo? Já que existem várias funções lineares, conceitos como resolução de sistemas lineares, por exemplo, são muito úteis dentro dessa área. Imagine a solução deste tipo de problema: você possui uma função objetivo e algumas restrições, todasem formato de equações ou inequações lineares. Como ambas tratam do mesmo assunto, podem ser traçadas dentro de um plano cartesiano, por exemplo, para buscar a solução por meio de técnicas matemáticas. VAMOS PRATICAR? Acabamos de conhecer a modelagem de redes do tipo PERT/CPM. Vimos que devemos obedecer às dependências das atividades e, quando necessário, utilizarmos os caminhos fantasmas. Agora, faremos algo para você levar para a prática os conceitos aqui estudados: analisando a rede modelada na Figura 7, delineada pelo Quadro 2, esboce nesse quadro um projeto real: imagine um projeto que deva possuir essas atividades e suas respectivas dependências, como um casamento, a realização de um churrasco, a abertura de uma empresa, enfim... Faça o ‘fluxo reverso’ da modelagem, para entender a aplicabilidade do conceito. - -16 Já para os problemas em redes que vimos, as lógicas que devem estar na nossa cabeça estão relacionadas ao que o problema deseja e como é feita a relação dos arcos e nós. A partir daí, busca-se o objetivo. A sugestão, no momento, é que você entenda como é feita a transformação de problemas reais em métodos matemáticos. Em hipótese alguma deixe de transformar alguma restrição de sua realidade em uma restrição matemática, pois isso pode descaracterizar totalmente sua otimização. Além disso, quando for planejar uma rede, trace exatamente todas as conexões possíveis com suas respectivas capacidades. Se os mesmos arcos possuírem diferentes capacidades, não deixe de deixar isso claro também, para que a solução traga a resposta ótima. Síntese Acabamos de conhecer, nesta unidade, os conceitos introdutórios de Pesquisa Operacional, ciência responsável por auxiliar gestores na tomada de decisão nos mais variados níveis organizacionais. A princípio, conhecemos os fundamentos principais de um modelo de PO, que estão relacionados à modelagem do problema. Nesta unidade, você teve a oportunidade de: • ser apresentado à Pesquisa Operacional, ciência responsável por transformar os problemas reais em modelos matemáticos; • ver que, assim como outras importantes ciências, a PO surgiu durante o período da Segunda Guerra Mundial; • aprender que existem várias técnicas diferentes de PO, em que cada uma é aplicável em determinados tipos de problemas; • conhecer a Programação Linear, a função objetivo, as variáveis de decisão e as restrições e como é modelado um problema por meio dessa técnica; • acompanhar os principais tipos de programação em redes/grafos, além de ver como é a transformação de uma lista de atividades de projetos em uma rede matemática; • entender alguns conceitos da matemática que são necessários para o completo entendimento da Pesquisa Operacional. VOCÊ SABIA? A Programação Linear trabalha com várias soluções que atendem às restrições do problema, denominadas , e dentro dessas soluções viáveis, existe aquela que retorna osoluções viáveis valor máximo (em funções de ) ou mínimo (em funções de ), as quais são denominadas max min . Uma solução ótima é sempre viável, mas a recíproca não é verdadeira. Umsoluções ótimas problema pode apresentar mais de uma solução ótima, contanto que o valor da função objetivo, para as diferentes soluções, seja o mesmo. • • • • • • - -17 Bibliografia ANDRADE, E. L. : métodos e modelos para análise de decisões. 4. ed. Rio deIntrodução à pesquisa operacional Janeiro: LTC, 2009. ARENALES, M. N. . Rio de Janeiro: Elsevier, 2007.et al. Pesquisa operacional BARBOSA, G. M. Utilização da programação linear na otimização de resultados de produção na empresa. Revista , São Paulo, USJT, ano XX, n. 66, p. 49-58, 2014. Disponível em: Integração https://www.usjt.br/prppg/revista . Acesso em: 21 jul. 2019./integracao/assets/pdf/66/ri-2014-art9-barbosa.pdf BELFIORE, P.; FÁVERO, L. P. : para cursos de administração, contabilidade e economia.Pesquisa operacional Rio de Janeiro: Elsevier, 2013. CURRÍCULO LATTES. . Disponível em: Felipe Martins Müller http://buscatextual.cnpq.br/buscatextual . Acesso em: 21 jul. 2019./visualizacv.do?id=K4723058U1 GOLDBARG, M. C.; LUNA, H. P. L. : modelos e algoritmos. 2. ed.Otimização combinatória e programação linear Rio de Janeiro: Elsevier, 2005. HILLIER, F. S.; LIEBERMAN, G. J. . 9. ed. São Paulo: McGraw-Hill, 2013.Introdução à pesquisa operacional IFORMEI VIDEO AULAS. – Modelagem em programação linear I. 4 nov. 2015a. DisponívelPesquisa operacional em: . Acesso em: 20 jul. 2019.https://www.youtube.com/watch?v=vHEbb2hko8k IFORMEI VIDEO AULAS. – Modelagem em programação linear II. 4 nov. 2015b.Pesquisa operacional Disponível em: . Acesso em: 20 jul. 2019.https://www.youtube.com/watch?v=uTVQQhtuqxU MURTHY, P. R. . 2. ed. New Delhi: New Age International Publication, 2007.Operations research SILVA, E. M. : para os cursos de administração e engenharia. 4. ed. São Paulo: Atlas,et al. Pesquisa operacional 2010. TAHA, H. A. . 8. ed. São Paulo: Pearson, 2008.Pesquisa operacional TUBINO, D. F. : teoria e prática. Planejamento e controle da produção 2. ed. São Paulo: Atlas, 2009. WINSTON, W. L. . Operations research, applications and algorithms 4. ed. Belmont: Thomson Learning, 2004. https://www.usjt.br/prppg/revista/integracao/assets/pdf/66/ri-2014-art9-barbosa.pdf https://www.usjt.br/prppg/revista/integracao/assets/pdf/66/ri-2014-art9-barbosa.pdf http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4723058U1 http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4723058U1 https://www.youtube.com/watch?v=vHEbb2hko8k https://www.youtube.com/watch?v=uTVQQhtuqxU Introdução 1.1 Definição e contexto histórico Modelos determinísticos Modelos estocásticos Outros modelos advindos do avanço computacional 1.2 Problemas de Programação Linear (PPLs) 1.3 Problemas em grafos Determinação de conexões mínimas entre pontos Determinação do caminho mínimo entre um ponto a outro Determinação do fluxo máximo possível em uma rede Determinação de durações de projetos 1.3.1 Pesquisa Operacional aplicada à Gestão de Projetos 1.4 Fundamentos matemáticos da PO Síntese Bibliografia