Baixe o app para aproveitar ainda mais
Prévia do material em texto
PLANO DE ENSINO DISCIPLINA Pesquisa Operacional EMENTA Conceitos introdutórios e aplicações da pesquisa operacional para área de gestão empresarial. Programação linear aplicada à gestão empresarial. Problemas de transporte aplicados à gestão empresarial. Introdução à teoria dos grafos, Teoria dos Jogos e à Teoria da fila. Aplicação computacional (Solver) em programação linear e transporte. IMPORTÂNCIA O cenário de mercado em que as empresas estão inseridas na atualidade não admite falhas quanto à resolução de problemas, bem como o alcance de resultados abaixo daqueles almejados pelas organizações. Dessa maneira, o gestor que deseja fazer frente aos desafios empresariais deve apresentar conhecimentos de técnicas e/ou ferramentas que permitam a tomada de decisão na resolução de problemas complexos, aqueles que envolvem uma diversidade de variáveis. Assim, representar situações reais através de relações e simbologias matemáticas, objetivo maior da Pesquisa Operacional, permite ao Administrador determinar o melhor posicionamento para atender todas as restrições, condições e exigências que compõem a perspectiva empresarial, buscando seus menores custos e maiores lucros. OBJETIVO GERAL Ao final desta disciplina, espera-se que o aluno tenha aprendido a: 1) Definir a importância da cautelosa modelagem matemática como instrumento para a tomada de decisão gerencial. 2) Resolver problemas de alocação de recursos empresariais por meio da aplicação de Programação Linear. 3) Determinar fluxos de transporte almejando redução dos custos e otimização de entregas. 4) Identificar os principais conceitos, importância e aplicações da Teoria dos Grafos, Teoria das Filas e Teoria dos Jogos. METODOLOGIA A metodologia adotada é predominantemente a distância, mediada por um Ambiente Virtual de Aprendizagem (AVA) e acompanhada por uma equipe que envolve o Tutor a distância, Tutor presencial, Monitor e Coordenação. O conteúdo da disciplina será discutido no AVA, sendo apresentado através de várias mídias, incluindo textos, imagens, animações, vídeos e livros, tanto impressos como digitais. As atividades serão apresentadas e realizadas no AVA, envolvendo sessões de autoestudo, interação com os colegas, com o Tutor e com o Monitor através de fóruns e outros meios, bem como avaliações on-line. Para a construção do seu conhecimento é indispensável a leitura dos trechos indicados do livro da disciplina e da bibliografia complementar, assistir às videoaulas, participar dos fóruns de discussão e realizar todas as atividades indicadas no roteiro de estudos e na Rota de Aprendizagem. CONTEÚDO PROGRAMÁTICO UNIDADE - MODELOS MATEMÁTICOS DE APOIO À DECISÃO: A PESQUISA OPERACIONAL Conceitos introdutórios e o enfoque gerencial da Pesquisa Operacional Modelos Matemáticos: importância, elementos e etapas Elaboração de Modelos Matemáticos UNIDADE - PROBLEMAS PARA ALOCAÇÃO DE RECURSOS: A PROGRAMAÇÃO LINEAR Programação linear (PL) e a Resolução pelo Método Gráfico O Método Simplex Métodos computacionais: a utilização do Solver na resolução de problemas de programação linear UNIDADE - DETERMINAÇÃO DOS FLUXOS DE TRANSPORTE O algoritmo do Transporte Métodos: Canto Noroeste e do Custo Mínimo O método de Vogel ou das Penalidades UNIDADE - OUTRAS TÉCNICAS: INTRODUÇÃO À TEORIA DOS GRAFOS, À TEORIA DAS FILAS E À TEORIA DOS JOGOS Introdução à Teoria dos Grafos. Introdução à Teoria das Filas Introdução à Teoria dos Jogos AVALIAÇÃO As avaliações da disciplina têm como foco a aprendizagem do aluno, comprometendo-se com seu desempenho e construção do saber. Os critérios adotados permitem aos tutores e à equipe pedagógica acompanhar e favorecer a aprendizagem do aluno. A avaliação da disciplina envolve: Avaliações on-line realizadas no AVA (peso 4). Avaliação presencial (peso 6). REFERÊNCIAS Básica: BARBOSA, Marcos Antonio; ZANARDINI, Ricardo Alexandre. Iniciação à Pesquisa Operacional no ambiente de gestão. Curitiba: InterSaberes, 2014. LACHTERMANCHER, Gerson. Pesquisa Operacional na tomada de decisões. São Paulo: Pearson Prentice Hall, 2009. TAHA, Hamndy A. Pesquisa Operacional: uma visão geral. São Paulo: Pearson Prentice Hall, 2008. Complementar: BEZERRA, Cicero Aparecido. Técnicas de Planejamento, programação e controle da produção e introdução à programação linear. Curitiba: InterSaberes, 2014. CHIAVENATO, Idalberto. Introdução à teoria geral da Administração. Barueri: Manole, 2014. FERNANDES, Daniela Barude (Org.) Álgebra linear (Coleção Bibliografia Universitária Pearson). São Paulo: Pearson Education do Brasil, 2014. MORETTIN, Luiz Gonzaga. Estatística Básica: probabilidade e inferência. São Paulo: Pearson, 2010. SILVA, Reinaldo O. Teorias da Administração. São Paulo: Pearson Prentice Hall, 2013. O processo decisório organizacional ganha mais força ao empregar métodos matemáticos para representação da realidade. Assim, ao apresentar situações reais através de simbologias e relações matemáticas conseguimos delinear os melhores caminhos frente às restrições existentes e objetivos traçados para os processos organizacionais. Entretanto, a qualidade dos resultados obtidos depende diretamente do cuidado no levantamento de características e definição do modelo mais adequado. Objetivos Conteúdo Programático Rota de Aprendizagem Ao final desta unidade, você deverá ser capaz de: Definir a importância da cautelosa modelagem matemática como instrumento para a tomada de decisão gerencial. Esta unidade está dividida em: Aula 1 - Conceitos introdutórios e o enfoque gerencial da Pesquisa Operacional Aula 2 - Modelos Matemáticos: importância, elementos e etapas Aula 3 - Elaboração de Modelos Matemáticos A Rota de Aprendizagem apresenta as ações que devem ser realizadas nesta unidade. Utilize a Rota de Aprendizagem para planejar e gerir, com eficiência, as Introdução https://a9256-1499467.cluster51.canvas-user-content.com/courses/925... 1 de 2 29/10/2019 09:07 Aula 1 Conceitos introdutórios e o enfoque gerencial da Pesquisa Operacional A Pesquisa Operacional consiste em um método científico para as tomadas de decisão que envolvem dados quantitativos. Nesta metodologia, situações reais são representadas por modelos mat emát icos que, através de símbolos e relações matemáticas, possibilitam simulações das mais diversas situações inerentes às atividades empresariais. No conjunto de processos organizacionais, um deles ganha salutar importância no gerenciamento eficaz das empresas: o processo decisório. Trata-se do poder de selecionar, de acordo com cada circunstância, o posicionamento mais adequado para o negócio. Para desenvolver sua estratégia competitiva, a organização deve buscar desempenho superior aos concorrentes, fato que implica na definição das melhores estratégias, portanto, das decisões certas. Desde o ano de 1940, analisar e aperfeiçoar o processo decisório nas organizações tem sido tema de diversos estudos que, ao longo do tempo, foram permitindo compreender especificidades de problemas aplicados, a fim de desenvolver inovações quanto às técnicas administrativas e absorver procedimentos quantitativos oriundos da matemática, estatística e pesquisa operacional. A primeira aplicação formal da Pesquisa Operacional ocorreu na Inglaterra, durante a Segunda Guerra Mundial. Para avaliar um conjunto de problemas estratégicos e táticos quanto à defesa do país, um grupo multidisciplinar de cientistas foi convocado para definir as novas diretrizes. O objetivo maior dessa equipe versou acerca da mais eficaz utilização dos recursos militares disponíveis, que possuíam um conjunto de limitações e exigências a serem consideradas. Os estudos do grupo inglês foram bem-sucedidos e trouxeram avanços significativospara o processo decisório das forças nacionais. Diante desse contexto, os Estados Unidos sentiram-se motivados a tomarem iniciativa similar e desenvolver análises na mesma perspectiva. Coube a equipe liderada por George B. Dantzig essa tarefa que, em 1947, resultou no Método Simplex. Ainda que seu nascimento tenha origem na Inglaterra, a Pesquisa Operacional foi propagada nas demais nações através do trabalho realizado pelo grupo americano que Aula 1 https://a9256-1499467.cluster51.canvas-user-content.com/courses/925... 1 de 3 29/10/2019 08:58 Considerando um problema verificado pelo gestor, o resultado da realização das cinco etapas de um estudo de Pesquisa Operacional é responsável pela definição do melhor direcionamento para a tomada de decisão gerencial. Como sabemos, diante do ambiente sistêmico, em que as Ainda que seu nascimento tenha origem na Inglaterra, a Pesquisa Operacional foi propagada nas demais nações através do trabalho realizado pelo grupo americano que conseguiu apresentá-la como método científico para tomadas de decisão referentes à operação de sistemas que demandam alocações eficientes de recursos escassos. Passos (2008), aponta que após a guerra, por volta de 1947, com o desenvolvimento do Método Simplex (resultado dos trabalhos desenvolvidos pela equipe de George B. Dantzig), a Pesquisa Operacional deixou de ser empregada apenas no campo militar e alcançou as empresas civis. Inclusive, registros apontam que já em 1951 empresas americanas faziam uso dos novos conhecimentos para melhorar seus fluxos operacionais. Com o fim da guerra, outras áreas perceberam o alcance da utilização de técnicas de pesquisa operacional e se interessaram por implementar essa metodologia para seus correspondentes processos decisórios. Assim, os conhecimentos adquiridos pelas equipes de trabalhos das nações em guerra chegaram à gestão das organizações, afinal a utilização das técnicas da Pesquisa Operacional independem da natureza dos problemas reais, pois nos permite reconhecer os múltiplos aspectos envolvidos nas situações empresariais, além de viabilizar a experimentação da solução proposta antes de sua real adoção, fato que permite com que todas as decisões sejam melhor avaliadas e testadas antes de se tornarem efetivamente implementadas. Para o desenvolvimento dos estudos de Pesquisa Operacional, Silva et al. (2010) preveem que um conjunto de etapas devem ser vencidas para que a tomada de decisão seja completa, eficaz e eficiente. Segundo Andrade (2011), cada uma das etapas possui características distintas, porém complementares, que implicarão no satisfatório resultado final. Sendo assim, o desenvolvimento de cada fase deve ser realizado com cautela e atenção. A seguir, veremos passo a passo, as ações a serem executadas em cada um dos cinco momentos evidenciados. Basicamente, cinco (05) etapas compõem esse estudo, são elas: Formulação do Problema Const rução do Modelo do sistema Solução do Modelo Validação do Modelo Implementação e acompanhamento da solução Aula 1 https://a9256-1499467.cluster51.canvas-user-content.com/courses/925... 2 de 3 29/10/2019 08:58 Considerando um problema verificado pelo gestor, o resultado da realização das cinco etapas de um estudo de Pesquisa Operacional é responsável pela definição do melhor direcionamento para a tomada de decisão gerencial. Como sabemos, diante do ambiente sistêmico, em que as empresas estão inseridas, os recursos são limitados e ratificam a necessidade de esforços para determinar a melhor utilização dos mesmos, evidenciando o enfoque gerencial da Pesquisa Operacional na racionalização desses recursos envolvidos. Basicamente, cinco tipos de recursos fazem parte do contexto empresarial, são eles: materiais, financeiros, mercadológicos, humanos e administrativos. Na tabela a seguir, dispomos desse conjunto de recursos, bem como características e exemplos. Veja só: Tipo de Recurso Caracter íst icas Exemplo Materiais Também conhecidos como recursos físicos, estão relacionados ao fator de produção natureza. Equipamentos Maquinário Instalações prediais Ferramentas Matéria-prima Financeiros Referem-se aos meios financeiros que permitem a execução das operações da empresa, portanto se relacionam com o fator de produção capital. Capital Investimentos Contas a receber Créditos Mercadológicos Tratam-se dos recursos comerciais utilizados pelas empresas para ofertar produtos ou serviços no mercado, são os meios para se relacionar com o ambiente externo. Vendas Promoções Pesquisas de Mercado Humanos Estão relacionados ao fator de produção trabalho. Representam as diversas pessoas que fazem parte do quadro de colaboradores da organização. Portanto se relacionam ao fator de produção trabalho. Operários Supervisores Atendentes Auxiliares Gestores Administ rat ivos Representam os recursos gerenciais utilizados pelas empresas em seus processos de planejamento, organização, direção e controle de suas atividades. Diretorias Gerencias Supervisões Dessa maneira, tanto o funcionamento quanto os resultados empresariais estão relacionados com o quantitativo de recursos ao alcance de uma organização. Quanto menos forem os recursos, maiores serão as dificuldades para que a organização alcance seus objetivos. Assim, a sistematização do seu uso permite, considerando limitações e exigências, alcançar os melhores resultados organizacionais possíveis. Aula 1 https://a9256-1499467.cluster51.canvas-user-content.com/courses/925... 3 de 3 29/10/2019 08:58 Aula 2 Modelos Matemáticos: importância, elementos e etapas A Pesquisa Operacional se propõe a fornecer ferramentas quantitativas para o processo de tomadas de decisão gerenciais. Acerca do tema, Andrade (2011, p.9) afirma que: Um estudo de Pesquisa Operacional consiste, basicamente, na construção de um modelo para um sistema real que sirva como instrumento de análise e compreensão do comportamento desse sistema, com o objetivo de levar o sistema a apresentar o desempenho desejado. Nesse contexto, cenários relativos à otimização de recursos, definição quanto a roteirização, determinação de localização de instalações, decisões sobre carteiras de investimento, alocação de pessoas para atividades, previsões de planejamento, definição quanto ao mix de produtos, planejamento da produção, verificação de projetos, e tantos outros, recebem subsídios para o processo decisório. O processo de elaboração dos modelos, além de possibilitar um posicionamento futuro embasado nos resultados quantitativos, é vantajoso ainda, pois permite ao gestor a compreensão ampla dos processos sob sua responsabilidade, afinal exige que: Os tomadores de decisão tornem explícitos seus objetivos. As relações entre diferentes decisões sejam evidenciadas. As limitações sejam identificadas. As variáveis a serem consideradas sejam levantadas. Exista espaço para comunicação e trabalho em grupo. Mas ent ão, o que são modelos? Aula 2 https://a9256-1499467.cluster51.canvas-user-content.com/courses/925... 1 de 4 29/10/2019 08:59 Ao pensarmos na palavra modelo, acredito que facilmente compreendemos a mesma como referência, exemplo, padrão ou representação. Considerando os graus de abstração, nível comumente utilizado pelas várias ciências, podemos classificar os modelos basicamente em: físicos, analógicos e matemáticos ou simbólicos. Vejamos a seguir. Os modelos físicos, também chamados de icônicos, são aqueles concretos, portanto, fáceis de compreender e construir. Tratam-se de modelos como as maquetes, utilizadas pelas áreas de urbanismo e arquitetura. Cabe a Pesquisa Operacional agregar uma diversidade de técnicas e algoritmos para estruturar e solucionar os modelos quantitativos que passaram a ser expressos pelo formato matemático. Nesse contexto, os principais modelos utilizados recebem a nomenclatura de programação matemática, devidoà ideia de planejamento implícita na aplicação dos mesmos. Há um destaque para a programação matemática devido a sua grande aplicabilidade para solucionar os problemas de otimização presentes em expressiva quantidade no cotidiano empresarial. Assim, os modelos de otimização não procuram flexibilidade na escolha da alternativa e sim a definição da melhor alternativa ou resultado matemático para solucionar a situação real representada pelo modelo. A qualidade do modelo será diretamente responsável pela validade dos resultados obtidos para a situação-problema. Sendo assim, sua elaboração deve ser estabelecida após a verificação completa acerca do objeto de estudo (situação para otimização) e precisa indicar claramente as variáveis de decisão, o objetivo traçado e as restrições que impactam no contexto, sendo esses os itens que compõem um modelo matemático. As variáveis de decisão correspondem aos aspectos do problema que necessitam de solução. Matematicamente falando, são as incógnitas as quais buscamos definir a partir da identificação, solução e validação do modelo. Por exemplo, quando nos deparamos com a necessidade de programação de produção, as variáveis de decisão representarão as quantidades que deverão ser produzidas, no entanto, se estamos analisando o envio de mercadorias a centros de distribuição, teremos as quantidades a enviar da origem aos determinados destinos sendo nossas incógnitas. Aula 2 https://a9256-1499467.cluster51.canvas-user-content.com/courses/925... 2 de 4 29/10/2019 08:59 entanto, se estamos analisando o envio de mercadorias a centros de distribuição, teremos as quantidades a enviar da origem aos determinados destinos sendo nossas incógnitas. É muito comum que utilizemos x1, x2, xn, para representar as variáveis envolvidas nos sistemas em análise. Assim, atribuímos a cada variável uma nova nomenclatura em sua representação matemática. A função objetivo, busca retratar a meta que desejamos alcançar com a aplicação do modelo, portanto, identificar o objetivo da tomada de decisão. Para isso, relacionaremos as incógnitas, que agora sabemos que são chamadas de variáveis de decisão, com os lucros, custos ou demais itens de otimização (dependendo do modelo elaborado) correspondentes. Vale ressaltar que cabe a essa função, calcular o valor alcançado para o objetivo diante do atendimento às exigências. O objetivo do modelo matemático deve ser indicado logo ao início da função objetivo. Assim, sinalizamos MAX L para o contexto de busca utilizar recursos para ampliar lucros, ou MIN C, quando o desejo é racionar o uso dos mesmos para atenuar dispêndios. Cada restrição imposta pela descrição do sistema deve ganhar representação na forma de uma relação linear considerando as nomenclaturas adotadas para cada uma das variáveis de decisão. Ainda no conjunto de restrições, devemos incluir as restrições de não negatividade, que são aquelas que afirmam que as variáveis de decisão precisam ser iguais ou maiores que zero. Teremos indicações matemáticas quanto a quantidade de matérias-primas disponíveis e o quantitativo utilizado por cada unidade produzida, período total de processamento diário e tempo para cada item, exigências do cliente quanto a quantidades mínimas de entrega e tantas outras condições e limitações que possam impactar na situação avaliada e que são classificadas como restrições técnicas. Os modelos matemáticos são compostos por três conjuntos principais de elementos. São eles: Posicione o cursor sobre as imagens acima para saber mais. Variáveis de decisão Função objetivo Restrições Vídeo da Unidade Para saber mais sobre a importância dos modelos matemáticos para os estudos de Pesquisa Operacional e suas características, assista ao vídeo: Const rução de Modelos Matemát icos. Aula 2 https://a9256-1499467.cluster51.canvas-user-content.com/courses/925... 3 de 4 29/10/2019 08:59 Pesquisa Operacional e suas características, assista ao vídeo: Const rução de Modelos Matemát icos. Se preferir, faça o download do áudio (mp3 compactado) deste vídeo clicando aqui. Aula 2 https://a9256-1499467.cluster51.canvas-user-content.com/courses/925... 4 de 4 29/10/2019 08:59 Aula 3 Elaboração de Modelos Matemáticos A qualidade da decisão nos estudos de Pesquisa Operacional dependerá do modelo matemático elaborado e do nível de representação da realidade que o mesmo apresenta. As variáveis de decisão, função objetivo e restrições são os itens que devem constar na composição de um modelo. Assim, para melhor compreensão quanto à concepção desses elementos, te convido a acompanhar a elaboração dos modelos matemáticos correspondentes a duas situações-problema: 1 O caso do Sr. Mário e o transporte de frutas À 2 O caso de Letícia e a produção dos modelos Alfa e Beta. Situação-problema 1: o caso do Sr. Mário e o transporte de frutas Sr. Mário produz em suas terras morangos, damascos e uvas para comercialização na capital e região metropolitana. Semanalmente, as frutas são devidamente embaladas e direcionadas para o mercado consumidor, sendo todo o processo, inclusive o transporte, de responsabilidade do empresário. Entretanto, para as entregas da semana que vem um problema deverá ser contornado pelo agricultor, afinal alguns de seus caminhões não poderão viajar por conta de falhas mecânicas e o mesmo não costuma trabalhar com serviços terceirizados de logística. Diante desse cenário, sabe-se que até 900 caixas poderão ser transportas do ponto de origem ao destino final, no entanto, o empresário deverá tomar a decisão certa para, ainda assim, obter lucro máximo frente à ausência de toda sua frota em pleno funcionamento. O agricultor tem uma encomenda certa de morangos, e por conta disso necessita transportar 250 caixas da fruta para não perder espaço como fornecedor semanal do Mercado Alfa, fato que o permite embolsar um lucro de R$ 25,00 por caixa. Devido à grande procura na semana passada, pelo menos 150 caixas de uvas, que apresentam lucro por caixa de R$ 12,00, devem ser transportadas para atender a busca dos clientes. Para os damascos, o histórico de vendas semanais indica que no máximo 200 caixas, com R$ 30,00 de lucro por caixa, devem ser Aula 3 https://a9256-1499467.cluster51.canvas-user-content.com/courses/925... 1 de 8 29/10/2019 09:01 passada, pelo menos 150 caixas de uvas, que apresentam lucro por caixa de R$ 12,00, devem ser transportadas para atender a busca dos clientes. Para os damascos, o histórico de vendas semanais indica que no máximo 200 caixas, com R$ 30,00 de lucro por caixa, devem ser transportadas também. Sendo assim, considerando todos os elementos e restrições que impactam nos negócios do Sr. Mário, qual modelo matemático representa essa situação empresarial? VARIÁVEIS DE DECISÃO O grande problema vivenciado pelo empresário consiste na definição de quantas caixas de cada uma das frutas devem ser direcionadas para venda na capital e região metropolitana. Assim, sabemos que o Sr. Mário comercializa: Morangos À Uvas À Damascos Desse modo, a decisão a ser tomada se refere ao quantitativo de caixas a serem transportadas de cada tipo de fruta, fato que nos permite que as identifiquemos como as variáveis de decisão da situação-problema. Representaremos cada uma das frutas/quantidades, como uma incógnita a ser descoberta após a resolução matemática do modelo, portanto, as chamaremos da seguinte forma: X1 = Quantidade de caixas de Morango À X2 = Quantidade de caixas de Uva À X3 = Quantidade de caixas de Damasco Função Objetivo Agora que definimos quais são as variáveis de decisão envolvidas na situação-problema, bem como suas nomenclaturas, deveremos passar ao momento seguinte, aquele que buscamos expressar na forma de equação o objetivo da nossa modelagem. Nossa situação-problema afirma que o empresário deverá tomar a decisão certa para, ainda assim, obter lucro máximo frente à ausência de toda sua frota em pleno funcionamento.Portanto, o objetivo do Sr. Mário é transportar o número suficiente de caixas para atingir o lucro máximo com a composição das vendas de morango, uva e damasco. Assim, como se deseja maximizar os lucros, faremos essa indicação através da expressão MaxL inserida antes da igualdade, dando início à função objetivo. Por tipo de fruta, existe um lucro específico por venda da caixa o que, portanto, deve estar sinalizado na composição da função. Lembremos que: Para cada caixa de morango vendida, que nós chamamos de x1, o lucro é de R$ 25,00. Para cada caixa de ameixa vendida, que nós chamamos de x2, o lucro é de R$ 12,00. Para cada caixa de damasco vendida, que nós chamamos de x3, o lucro é de R$ 30,00. Aula 3 https://a9256-1499467.cluster51.canvas-user-content.com/courses/925... 2 de 8 29/10/2019 09:01 Para cada caixa de ameixa vendida, que nós chamamos de x2, o lucro é de R$ 12,00. Para cada caixa de damasco vendida, que nós chamamos de x3, o lucro é de R$ 30,00. Dessa maneira, o lucro total a ser obtido pelo Sr. Mário será dado pela soma entre os lucros obtidos com venda de morangos, uvas e damascos, sendo registrados na Função Objetivo da seguinte maneira: MaxL = 25X1 + 12X2 + Restrições Ainda que o desejo seja pelo maior lucro possível, não podemos desconsiderar todas as informações que fazem parte desse contexto empresarial. Existe um conjunto de restrições impostas pelas práticas comerciais e que foram listadas em nossa situação-problema. Vamos lembrar quais são? Observe: 1 O total de 250 caixas de Morangos deverá ser encaminhado para atendimento ao Mercado Alfa. À 2 Ao menos 150 caixas de Uvas devem ser transportadas para a capital e região metropolitana. À 3 Devem ser enviadas, no máximo, 200 caixas de Damasco. À 4 O total de caixas de frutas que poderão ser direcionadas para esse entrega semanal é de até 900 caixas. Outra informação importante que deve ser lembrada se refere a nomenclatura adotada para nossas variáveis de decisões. São elas: X1 = Quantidade de caixas de Morango À X2 = Quantidade de caixas de Ameixa À X3 = Quantidade de caixas de Damasco Pronto! Nos trechos a seguir, destacaremos as limitações, restrições ou exigências e, de acordo com as mesmas, como se apresentam no formato matemático. 1. O total de 250 caixas de Morangos deverá ser encaminhado para atendimento ao Mercado Alfa. Nesse trecho, contamos com uma afirmativa quanto ao total de caixas de Morangos que deverá ser encaminhado para atender ao cliente. Dessa maneira, já temos uma igualdade definidas para nossa primeira variável de decisão. Portanto: x1 = 250 Aula 3 https://a9256-1499467.cluster51.canvas-user-content.com/courses/925... 3 de 8 29/10/2019 09:01 x1 = 250 2. Ao menos 150 caixas de Uvas devem ser transportadas para a capital e região metropolitana. Essa restrição aponta uma condição mínima de 150 caixas de uvas para serem transportadas até o destino final. Desse modo, sabemos que a solução do problema deverá indicar o envio de qualquer quantidade de ameixas, desde que seja igual ou superior a 150 caixas. Portanto: x2 ≥ 150 3. Devem ser enviadas, no máximo, 200 caixas de Damasco. Para o transporte de Damascos há uma limitação quanto à quantidade, pois se afirma que até 200 caixas podem ser direcionadas. A solução do problema deverá indicar o envio de qualquer quantidade de damascos, desde que não ultrapasse as 200 caixas. Matematicamente: x3 ≤ 200 4. O total de caixas de frutas que poderão ser direcionadas para essa entrega semanal é de até 900 caixas. Além das restrições para cada fruta, existe outra que aponta a capacidade máxima de caixas a ser transportada, o que implica em afirmar que somando a quantidade de caixas de frutas devemos alcançar um total máximo de 900 caixas. Ou seja: x1 + x2 +x3 ≤ 900 As quatro primeiras restrições construídas são chamadas de restrições técnicas. Entretanto, para finalizar o modelo que representa o caso do Sr. Mário e o Transporte de frutas, devemos inserir uma restrição que deverá fazer parte de todos os modelos: a restrição de não negatividade. Cabe a mesma, indicar que os valores a serem assumidos pelas variáveis de decisão deverão ser iguais ou superiores a zero, afinal, não podemos enviar -5 caixas de morango, por exemplo. Assim, considerando nossas três variáveis de decisão: x1 , x2 , x3 ≥ 0 Pronto! Agregando nossa função objetivo, as restrições técnicas e a restrição de não Aula 3 https://a9256-1499467.cluster51.canvas-user-content.com/courses/925... 4 de 8 29/10/2019 09:01 Pronto! Agregando nossa função objetivo, as restrições técnicas e a restrição de não negatividade, podemos afirmar que o modelo matemático que representa o contexto vivenciado pelo agricultor é: MaxL = 25X1 + 12X2 + Sujeito a: x1 = 250 x2 ≥ 150 x3 ≤ 200 x1 + x2 +x3 ≤ 900 x1 , x2 , x3 ≥ 0 Situação-problema 2: o caso de Letícia e a produção dos modelos Alfa e Beta A empresa XXW produz equipamentos para manutenção de aviões. Para atender as aeronaves de pequeno porte, dois equipamentos, chamados respectivamente de ALFA e BETA, são os itens produzidos para comercialização no mercado. Aula 3 https://a9256-1499467.cluster51.canvas-user-content.com/courses/925... 5 de 8 29/10/2019 09:01 A empresa XXW produz equipamentos para manutenção de aviões. Para atender as aeronaves de pequeno porte, dois equipamentos, chamados respectivamente de ALFA e BETA, são os itens produzidos para comercialização no mercado. Assim que foi contratada pela referida empresa, Letícia recebeu a demanda de otimizar o fluxo produtivo para determinação de quanto produzir diariamente de cada modelo, visando o aumento dos lucros da organização. Para embasar essa decisão, a orientação dos diretores foi considerar o histórico de vendas da empresa para definir as restrições e exigências do sistema. Logo ao início das verificações, Letícia constatou que o modelo Alfa apresentou venda máxima diária de 8 unidades, o que aponta de que não mais do que esse quantitativo de unidades deve ser fabricado. Para o modelo Beta, os registros indicam que não mais do que 6 unidades devem ser fabricadas. Além dessas limitações de mercado, Letícia verificou que pelo quantitativo de linhas de produção e funcionários envolvidos, diariamente a produção total deveria ser de, no mínimo, 6 unidades. Quanto aos lucros correspondentes aos equipamentos, Alfa e Beta, levantou-se que os mesmos geram, respectivamente, uma margem de lucro de R$600,00 e R$400,00 por unidade. Sendo assim, considerando todos os elementos e restrições que impactam na produção dos equipamentos para manutenção de aviões de pequeno porte, qual modelo matemático representa essa situação empresarial? Variáveis de Decisão Como vimos na situação-problema, Letícia precisa determinar o número de produtos Alfa e Beta que deverão ser produzidos pela Fábrica XXW para alcançar maior lucro e atender as limitações de mercado. Portanto, teremos apenas duas variáveis de decisão: quantidade de equipamentos Alfa a ser produzida e quantidade de equipamentos Beta a ser produzida. Sendo assim: x1 = Quantidade de equipamentos ALFA À x2 = Quantidade de equipamentos BETA Função Objetivo A situação-problema sinaliza que a venda dos produtos Alfa e Beta possibilita margens de lucro diferenciadas para os produtos. Assim, enquanto que para o primeiro produto o lucro é estimado em R$ 600,00, no segundo produto, essa margem é menor, sendo R$ 400,00 por unidade. MaxL = 600X1 + 400X2 Aula 3 https://a9256-1499467.cluster51.canvas-user-content.com/courses/925... 6 de 8 29/10/2019 09:01 Como vimos, a meta da empresa é maximizar seus lucros com a venda desses produtos, o que em termos de função objetivo pode ser representado por: Restrições Para alcançar o objetivo traçado pela empresa, Letícia deverá estar atenta às restrições levantadas durante suas primeiras análises quanto ao processo. Desse modo, teremos3 restrições técnicas na composição do modelo matemático referente à produção dos equipamentos Alfa e Beta. A seguir, lembraremos cada umas delas e, em seguida, serão estabelecidas as inequações que as representam: 1. Let ícia const at ou que o modelo Alfa apresent ou venda máxima diária de 8 unidades, o que aponta que mais do que esse quant it at ivo de unidades não deve ser fabricado. Os dados de venda indicaram que o quantitativo máximo do modelo Alfa poderia alcançar 8 unidades. Assim, a nossa incógnita x1 poderá ser representada por um valor igual ou inferior ao valor citado. Portanto: x1 ≤ 8 2. Para o modelo Bet a, os regist ros indicam que não mais do que 6 unidades devem ser fabricadas. Da mesma maneira que verificamos para o modelo ALFA, constatou-se que a produção de BETA tem uma quantidade máxima de produção por dia. Espera-se que esse total seja inferior ou igual a 6 unidades, conforme indicamos na seguinte restrição: x2 ≤ 6 3. Let ícia verif icou que pelo quant it at ivo de linhas de produção e funcionários envolvidos, diariament e a produção t ot al deveria ser de, no mínimo, 6 unidades. Uma vez que existe uma estrutura pronta na empresa XXW, para a produção dos equipamentos de manutenção, é importante que as linhas de produção sejam utilizadas para produzir, ao menos, 6 unidades entre ambos os modelos. Esse fato implica em dizer que o somatório das produções individuais deve ser igual ou superior a esse valor. Matematicamente: x1 + x2≥ 6 Para concluir o modelo, devemos indicar ainda a restrição de não negatividade para indicar que o resultado a ser obtido com a resolução do modelo matemático deverá apontar valores iguais ou maiores que zero para as variáveis de decisão. Aula 3 https://a9256-1499467.cluster51.canvas-user-content.com/courses/925... 7 de 8 29/10/2019 09:01 que o resultado a ser obtido com a resolução do modelo matemático deverá apontar valores iguais ou maiores que zero para as variáveis de decisão. x1 , x2 , x3 ≥ 0 Modelo matemático para o caso de Letícia MaxL = 6X1 + 4X2 Sujeito a: x1 ≤ 8 x2 ≤ 6 x1 + x2 ≥ 6 x1 , x2 , ≥ 0 Aula 3 https://a9256-1499467.cluster51.canvas-user-content.com/courses/925... 8 de 8 29/10/2019 09:01 Objetivos Conteúdo Programático Rota de Aprendizagem Ao final desta unidade, você deverá ser capaz de: Resolver problemas de alocação de recursos empresariais por meio da aplicação de Programação Linear. Esta unidade está dividida em: Aula 1 - Programação linear (PL) e a Resolução pelo Método Gráfico Aula 2 - O Método Simplex Aula 3 - Métodos computacionais: a utilização do Solver na resolução de problemas de programação linear A Rota de Aprendizagem apresenta as ações que devem ser realizadas nesta unidade. Utilize a Rota de Aprendizagem para planejar e gerir, com eficiência, as suas ações e o seu tempo de estudo. Isso facilitará a construção do seu conhecimento e aumentará a possibilidade de que você tenha um bom desempenho nas avaliações. Clique aqui para acessar a Rota de Aprendizagem. Introdução https://a9256-1498807.cluster51.canvas-user-content.com/courses/925... 1 de 2 29/10/2019 09:11 conhecimento e aumentará a possibilidade de que você tenha um bom desempenho nas avaliações. Clique aqui para acessar a Rota de Aprendizagem. O modelo matemático é um elemento muito importante no âmbito da Pesquisa Operacional. Trata-se do ponto de partida para as tentativas de otimização do uso dos recursos em prol dos melhores resultados organizacionais. Nesse contexto, você deve estar se perguntando: e agora, o que devo fazer para entender, a partir de um modelo matemático, qual ou quais decisões devem ser implementadas para atender aos anseios organizacionais? Fique tranquilo(a)! A resposta dessa pergunta é simples e será apresentada em nossas próximas três aulas. Portanto, revise os primeiros conteúdos estudados na disciplina e aprenda conosco as formas de resolução aplicáveis a um modelo matemático. Introdução https://a9256-1498807.cluster51.canvas-user-content.com/courses/925... 2 de 2 29/10/2019 09:11 Aula 1 Programação linear (PL) e a Resolução pelo Método Gráfico Quando pensamos no termo “programação”, é comum que o mesmo nos remeta diretamente à ideia de programação de computadores ou à linguagem de computação. Entretanto, no âmbito da Pesquisa Operacional, o sentido atribuído a essa palavra é um pouco diferente. Nesse caso, a palavra é empregada com o objetivo de atender às motivações originais de seu desenvolvimento: os problemas industriais. Nesse contexto, o termo “programação” se relaciona ao planejamento para uso dos recursos escassos frente às condições operacionais impostas pelos processos organizacionais. Esse cenário em que todas as limitações e todos os objetivos organizacionais são considerados é chamado de alocação ótima dos recursos, fato que ratifica a programação linear como uma técnica de otimização. Nosso problema geral é otimizar – por meio da maximização ou da minimização – uma função linear de variáveis que chamamos de “função objetivo” que encontra-se sujeita a uma série de restrições representadas por equações ou inequações lineares. Tendo como ponto de partida a modelagem matemática de um problema de programação linear, a sua solução pode ser encontrada a partir da interpretação gráfica das restrições impostas pelo sistema e da função objetivo. Entretanto, vale destacar que o método gráfico somente deve ser aplicado em problemas que possuam apenas duas variáveis de decisão. Mas, por que soment e duas var iáveis? Porque a restrição de não negatividade, presente em todos os modelos matemáticos de programação linear, afirma que os valores utilizados devem ser positivos (portanto, estão no 1º quadrante). Porque no espaço de duas dimensões uma igualdade é representada por uma reta. Porque é importante destacar que cada desigualdade representa um semiespaço. Assim, para encontrar a solução gráfica de determinado contexto devemos plotar todas as restrições em um único diagrama ortogonal em que teremos os eixos do plano cartesiano representando as variáveis de decisão envolvidas no problema. A combinação das restrições apresentará a região viável, aquela em que o nosso processo decisório deverá acontecer. Para compreender os passos que nos levarão à aplicação da resolução gráfica, e consequentes definições operacionais que resolvem uma determinada situação-problema, vamos desenvolver o seguinte exemplo: Aula 1 https://a9256-1498807.cluster51.canvas-user-content.com/courses/925... 1 de 7 29/10/2019 09:16 Para compreender os passos que nos levarão à aplicação da resolução gráfica, e consequentes definições operacionais que resolvem uma determinada situação-problema, vamos desenvolver o seguinte exemplo: A XXW ConstruLar é especializada na construção e venda de casas residenciais de pequeno porte. Atualmente, dois tipos de casa são ofertados ao mercado: os modelos Azul e Amarelo. As casas modelo Azul requerem 8.000 horas de mão de obra, seis toneladas de pedras e 1.200 metros lineares de tábuas de madeira. As casas modelo Amarelo requerem 20.000 horas de mão de obra, seis toneladas de pedra e 1.200 metros lineares de tábuas de madeira. Um terreno foi adquirido no sul do Pará para a construção de um novo condomínio, no entanto, motivado pela extensão considerável dos leads times para o pedido de suprimentos e devido à escassez de mão de obra especializada na região, a XXW ConstruLar deverá operar considerando apenas os seus recursos atuais. Portanto ela pode dispor de 800.000 horas de mão de obra, 300 toneladas de pedra e 120.000 metros lineares de tábua de madeira. Considerando que as casas Azuis geram lucros unitários de R$2.000,00 e que as casas Amarelas geram lucros de R$4.000,00, defina qual é o mix de casas que devem ser construídas para maximizar os ganhos da empresa. Nesse problema de otimizaçãopara a construção das casas da XXW ConstruLar, buscamos determinar a alocação ótima dos recursos de produção para atender as limitações de tempo, de mão de obra e de disponibilidade de matéria- prima, objetivando maximizar o lucro resultante de suas vendas. Precisamos determinar o modelo matemático que representa essa situação-problema, ou seja, é necessário definir as variáveis de decisão, a função objetivo e as restrições que impactam no problema. As variáveis de decisão devem representar os tipos de casas construídas pela empresa. Assim, chamaremos de x1 as casas do modelo Azul e x2 as casas do modelo Amarelo: x1: quant idade de casas do modelo Azul. x2: quant idade de casas do modelo Amarelo. O objetivo apresentado pela situação-problema é definir a combinação das quantidades de casas construídas, objetivando maximizar os ganhos da empresa. Nesse cenário, uma vez que as casas Azuis geram lucros unitários de R$2.000,00 e que as casas Amarelas geram lucros de R$4.000,00, nossa função objetivo será igual a: Aula 1 https://a9256-1498807.cluster51.canvas-user-content.com/courses/925... 2 de 7 29/10/2019 09:16 casas construídas, objetivando maximizar os ganhos da empresa. Nesse cenário, uma vez que as casas Azuis geram lucros unitários de R$2.000,00 e que as casas Amarelas geram lucros de R$4.000,00, nossa função objetivo será igual a: Max L = 2.000x1 + 4.000 x2 A construtora pode dispor de 800.000 horas de mão de obra, 300 toneladas de pedra e 120.000 metros lineares de tábua de madeira, sendo essas as nossas limitações para o sistema. Sabemos que cada casa Azul demanda 8.000 horas de mão de obra e que cada casa Amarela demanda 20.000 horas de mão de obra. Desse modo, a combinação dos seus usos deve ser menor ou igual ao total de 800.000 horas disponíveis. Portanto: 8.000x1 + 20.000x2 ≤800.000 O total de pedras disponíveis para a obra é de 300 toneladas, sendo esse o quantitativo limitador. Assim, como ambas as casas precisam de seis toneladas para suas respectivas construções, podemos representar, matematicamente, essa informação por: 6x1 + 6x2 ≤300 Ambos os modelos de casas apontam a necessidade, individual, de 1.200 metros lineares de tábuas. Considerando que a empresa conta com 120.000 metros lineares para uso, podemos representar da seguinte forma: 1.200x1 + 1.200x2 ≤120.000 A função de maximizar o lucro e as restrições dos recursos são representadas por funções lineares. Assim, por meio da representação gráfica, o tomador de decisão terá acesso às diversas combinações quanto aos quantitativos de casas a serem construídas, assim como à determinação da combinação mais lucrativa entre elas. Modelo matemático para a XXW ConstruLar Max L = 2.000x1 + 4.000 x2 Sujeito a: 8.000x1 + 20.000x2 ≤800.000 6x1 + 6x2 ≤300 1.200x1 + 1.200x2 ≤120.000 x1, x2≥0 Para representar as restrições no plano cartesiano, devemos seguir cinco etapas: Transformar a inequação em equação; Isolar x2; Substituir por 0 os valores destinados às variáveis de decisão para determinação dos pares ordenados; Marcar pontos do gráfico; Aula 1 https://a9256-1498807.cluster51.canvas-user-content.com/courses/925... 3 de 7 29/10/2019 09:16 Substituir por 0 os valores destinados às variáveis de decisão para determinação dos pares ordenados; Marcar pontos do gráfico; Ligar pontos para gerar a reta que representará a restrição. Esse conjunto de ações deve ser repetido para cada restrição existente, a fim de que todas as informações estejam devidamente registradas no gráfico. Atente-se para os casos em que as limitações não são relacionadas às duas variáveis de decisão e, sim, a apenas uma delas. Nesse caso teremos apenas uma reta tendendo ao infinito para representar a informação (Para saber mais, acesse o conteúdo dinâmico da Unidade). Começaremos pela restrição referente ao total de horas de mão de obra disponível: 8.000x1 + 20.000x2 ≤800.000 Para atender a essa etapa, devemos apenas alterar o sinal de “≤” por “=”. Assim, teremos: 8.000x1 + 20.000x2 = 800.000 Com a primeira restrição devidamente registrada, devemos repetir a operação com as demais restrições. Assim, diante do total de 300 toneladas de pedra e do quantitativo necessário para a produção de cada tipo de casa, teremos: 6x1 + 6x2 ≤ 300 Aula 1 https://a9256-1498807.cluster51.canvas-user-content.com/courses/925... 4 de 7 29/10/2019 09:16 Para atender a essa etapa, devemos apenas alterar o sinal de “≤” por “=”. Assim, teremos: 6x1 + 6x2 = 300 Para finalizar, devemos considerar a restrição referente ao total de metros lineares de tábuas: 1.200x1 + 1.200x2 ≤ 120.000 Para atender a essa etapa, devemos apenas alterar o sinal de “≤” por “=”. Assim, teremos: 1.200x1 + 1.200x2 = 120.000 Aula 1 https://a9256-1498807.cluster51.canvas-user-content.com/courses/925... 5 de 7 29/10/2019 09:16 Com a representação gráfica finalizada, devemos observar em qual área todas as restrições são aceitas. Nesse caso, as três restrições utilizam o sinal “≤” para indicar que os valores obtidos devem ser iguais ou inferiores a determinado total. Assim, as retas apontam que a área viável estará sempre abaixo das retas traçadas, sendo sua definição concluída no espaço em que todas as informações são aceitas. Após a definição dessa região em que as restrições estão todas aceitas, devemos nomear os vértices da figura formada, sendo o primeiro ponto – Ponto A – aquele que primeiro toca o eixo y. Assim, teremos 3 pontos compondo nossa região viável: A, B, C. Após definição dos pontos, devemos determinar as ordenadas dos mesmos. Em nosso exemplo, os pontos A e C são de fácil identificação, entretanto, o ponto B, dado pelo cruzamento das restrições de mão de obra e toneladas de pedras, não é facilmente definido apenas com a visualização do gráfico. A (0, 40) B (?, ?) C (50, 0) A escala adotada para a elaboração do gráfico não possibilita a determinação dos valores concernentes ao ponto B, no entanto, precisamos dessa informação para que possamos escolher o ponto ótimo. Por se tratar de um cruzamento entre restrições (retas), basta que igualemos as equações que utilizamos para definição dos pontos e em seguida façamos a substituição do valor encontrado para determinação do outro. Portanto, vamos igualar as informações referentes às restrições de mão de obra e toneladas de pedras já isoladas. Ou seja: 50 — x1 = 40 — 0,4x1 -x1 + 0,4x1 = 40-50 -0,6 x1 = -10 (-1) x1 = 16,67 (aproximadament e 17) Com o valor de x1 definido, podemos utilizá-lo para substituição em qualquer uma das Aula 1 https://a9256-1498807.cluster51.canvas-user-content.com/courses/925... 6 de 7 29/10/2019 09:16 -0,6 x1 = -10 (-1) x1 = 16,67 (aproximadament e 17) Com o valor de x1 definido, podemos utilizá-lo para substituição em qualquer uma das equações envolvidas. Ou seja, X2 = 40 — 0,4 x1 = 40 — 0,4 (16,67) = 33,33 (aproximadament e 33) Ou X2 = 50 — x1 = 50 — (16,67) = 33,33 (aproximadament e 33) Agora com os três pares definidos – A(0,40) , B(17,33), C(50,0) –, devemos nos ater à função objetivo, aquela que representa matematicamente o aspecto almejado pela situação- problema. Uma vez que consideramos alcançar o lucro máximo com a produção das casas, devemos substituir na função objetivo os pares ordenados encontradas em cada ponto. Assim: Max L = 2.000x1 + 4.000x2 A(0,40) = 2.000x1 + 4.000x2 = 2.000(0) + 4.000(40) = 160.000,00 B(17,33) = 2.000x1 + 4.000 x2 = 2.000(17) + 4.000(33) = 166.000,00 C(50,0) = 2.000x1 + 4.000 x2 = 2.000(50) + 4.000(0) = 100.000,00 Esse cenário aponta que, considerando as restrições de mão de obra, toneladas de pedras e metros lineares de tábuas, a construtora alcançará lucro maximizado de R$166.000,00 construindo 17 casas do modelo Azul (x1) e 33 casas do modelo Amarelo (x2). Para os casos em que em determinado par ordenado apenas tivermos um ponto desconhecido, basta que façamos a substituiçãodo ponto conhecido na equação que representa a reta, assim como fizemos logo após a determinação de x1 no exemplo acima. Obj eto de Aprendizagem Para se aprofundar no estudo das resoluções de modelos matemáticos, assista à animação O Método Gráf ico. Aula 1 https://a9256-1498807.cluster51.canvas-user-content.com/courses/925... 7 de 7 29/10/2019 09:16 Aula 2 O Método Simplex Devido a sua gama de aplicações no mundo dos negócios, a programação linear é uma das técnicas mais usadas dentre as outras grandes áreas da pesquisa operacional. A invenção do seu problema básico é de responsabilidade do matemático russo L. Kantorovich, em 1939, mas pôde contar também com as contribuições de T. Koopmans, fato que levou os pesquisadores a ganhar o prêmio Nobel pelas contribuições dadas à teoria de alocação ótima de recursos. No entanto, conforme sabemos, a maior parte dos problemas que demandam racionalização do uso de recursos não apresenta apenas duas variáveis de decisão, pressuposto para a aplicação do método gráfico. Sendo assim, devemos contar com o algoritmo Simplex na resolução dos problemas com duas ou mais variáveis de decisões envolvidas. O algoritmo Simplex foi formalizado por George Dantzig, no ano de 1947, como resultado dos trabalhos feitos durante o projeto de computação científica de otimização SCOOP realizado para a Força Aérea Americana. Trata-se de um método interativo que nos permite percorrer pontos extremos de um conjunto de soluções compatíveis ao problema verificado, buscando determinar a solução de certo cenário. Podemos caracterizar algoritmo como uma sequência finita de instruções claras e devidamente definidas. Nesse contexto, dispomos de um conjunto de repetidos passos (chamados também de interações) que demandam por etapas de decisões (orientadas por comparações e critérios lógicos) até que a tarefa seja completada. De uma forma geral, três teoremas fundamentam o método Simplex. São eles: Teorema 1 “O conjunto de todas as soluções compatíveis do modelo de programação linear é um conjunto convexo.” Teorema 2 “Toda solução compatível básica do sistema Ax = b é um ponto extremo do conjunto das soluções compatíveis.” Teorema 3 3.1 “Se a função objetivo possui um máximo (mínimo) finito, então pelo menos uma solução ótima é um ponto extremo do conjunto convexo.”; 3.2 “Se a função objetivo assume o máximo (mínimo) em mais de um ponto extremo, então ela toma o mesmo valor para qualquer combinação convexa desses pontos extremos.” Para o desenvolvimento das etapas do Simplex, vamos apresentar e desenvolver um exemplo completo, evidenciando as etapas que compõem a técnica. Vamos lá? Aula 2 https://a9256-1498807.cluster51.canvas-user-content.com/courses/925... 1 de 6 29/10/2019 09:17 Para o desenvolvimento das etapas do Simplex, vamos apresentar e desenvolver um exemplo completo, evidenciando as etapas que compõem a técnica. Vamos lá? Marcos Antônio tem um pequeno negócio na garagem de sua casa. Trata-se de uma oficina de marcenaria de brinquedos infantis que produz apenas dois tipos produtos: mesa e armário. Durante o processo de produção da mesa são necessários 2m2 de madeira e 2h/h de mão de obra. Para a produção do armário são necessários 3m2 de madeira e 1h/h de mão de obra. Simplificadamente, as limitações diárias de produção são: Madeira: 12m2 Mão de obra: 8 h/h Considerando que cada mesa apresenta lucro de R$4,00 e cada armário permite um lucro de R$1,00, qual programa de produção será responsável por maximizar os lucros de Marcos Antônio? Diante do exposto, precisamos definir o modelo matemático em que o método será aplicado. Assim, variáveis de decisão, função objetivo e restrições devem estar devidamente identificadas. Começando pelas variáveis de decisão, teremos então dois itens: x1: quant idade a produzir de mesas. x2: quant idade a produzir de armários. Vale dest acar que nesse exemplo são indicadas apenas duas var iáveis de decisão, no ent ant o, o Simplex pode ser apl icado para qualquer quant idade de var iáveis de decisão. Quanto aos valores de lucros, sabemos que os mesmos devem ser apresentados pela função objetivo. De acordo com os nossos dados, Marcos Antônio deseja programar sua produção diária, visando ao aumento dos lucros, sabendo-se que mesas apresentam lucro de R$4,00 e armários apresentam lucro de R$1,00. Assim: Max L = 4x1 + x2. Para a produção dos itens, madeira e tempo de produção são os elementos limitadores. Para madeira dispomos do total de 12 metros quadrados e para o tempo de produção dispomos de 8 horas/homens. Assim, considerando a utilização unitária detalhada na situação-problema, podemos chegar às seguintes restrições técnicas: Madeira: 2x1 + 3x2 ≤ 12 Mão de obra: 2x1 + x2 ≤ 8 Considerando a marcenaria de Marcos Antônio, o modelo matemático correspondente é: Max L = 4x1 + x2 Suj eit o a 2x1 + 3x2 ≤ 12 2x1 + x2 ≤ 8 Aula 2 https://a9256-1498807.cluster51.canvas-user-content.com/courses/925... 2 de 6 29/10/2019 09:17 Suj eit o a 2x1 + 3x2 ≤ 12 2x1 + x2 ≤ 8 x1 ; x2 ≥ 0 Com a modelagem definida, dispomos dos dados necessários à aplicação do algoritmo Simplex. Desse modo, quatro etapas devem ser realizadas para que cheguemos à solução. Continuaremos desenvolvendo o exemplo da marcenaria de Marcos Antônio para que possamos conhecer e aplicar cada um desses estágios para resolução da situação-problema. Etapa 1 A primeira etapa do método consiste na organização dos dados para composição do quadro em que o método será aplicado. Desse modo, considerando que as restrições indicam limitações, poderemos ou não utilizá-las totalmente. Motivados por esse contexto, incluiremos em nossas restrições as variáveis de folga, aquelas que nos informarão sobre os quantitativos não utilizados. Uma vez que dispormos de duas restrições técnicas, contaremos então com duas folgas: F1 representando a folga de madeira e F2 representando a folga de mão de obra. Madeira: 2x1 + 3x2 + F1 ≤ 12 Mão de obra: 2x1 + x2 + F2 ≤ 8 Ainda na etapa 1, devemos igualar a função objetivo a zero. Portanto, teremos uma alteração nos sinais atribuídos aos termos. Max L = 4x1 + x2 L - 4x1 - x2 = 0 Etapa 2 Com os dados prontos, durante a etapa 2 devemos armar o quadro dos coeficientes, ou seja, a representação que permitirá a aplicação do método. Seu formato segue o formato abaixo apresentado, sendo as linhas referentes às folgas iniciais, as colunas internas referentes às variáveis de decisão e folgas e a coluna final referente aos totais das restrições. Assim, VB são as variáveis básicas e TI os termos independentes. VB À À À À TI À À À À L Diante dos dados apresentados em nosso modelo matemático, poderemos organizar o nosso quadro da maneira abaixo realizada. Perceba que quando não dispomos de valores correspondentes, devemos inserir zero aos termos que não conhecemos. VB x1 x2 F1 F2 TI Aula 2 https://a9256-1498807.cluster51.canvas-user-content.com/courses/925... 3 de 6 29/10/2019 09:17 VB x1 x2 F1 F2 TI F1 2 3 1 0 12 F2 2 1 0 1 8 L -4 -1 0 0 0 Etapa 3 Nessa etapa acontece o início da operacionalização do método. Assim, a mesma consiste em saber quais elementos entrarão e sairão da base. Essas informações são necessárias para que as interações entre linhas e colunas comecem a acontecer. Portanto: Quem entra? O maior valor absoluto da função objetivo. VB x1 x2 F1 F2 TI F1 2 3 1 0 12 F2 2 1 0 1 8 L -4 -1 0 0 0 Em nossa função objetivo, o maior absoluto pertence à primeira coluna, portanto, x1 entrará na base durante essa interação. No entanto, devemos estabelecer qual linha sairá para dar lugar às novas informações. Quem sai? Após dividir os TI’s pelos coeficientes respectivos, o menor valor encontrado indica a linha que sairá. VB x1 x2 F1 F2 TI F1 2 3 1 0 12 F2 2 1 0 1 8 L -4 -1 0 0 0 De acordo com a coluna que entrará, teremos seuscorrespondentes coeficientes de entrada. Assim, para a linha 1, o coeficiente é o número 2; para a linha 2, o coeficiente é o número 2 e para a última linha, o coeficiente de entrada é o valor -4. Como não operamos na linha do lucro, devemos realizar as divisões considerando os termos independentes e coeficientes das demais linhas. Linha 1: 12/2 = 6 Linha 2: 8/2 = 4 Entre os valores calculados, a menor divisão tem resultado igual a 4, fato que indica que a Aula 2 https://a9256-1498807.cluster51.canvas-user-content.com/courses/925... 4 de 6 29/10/2019 09:17 Linha 2: 8/2 = 4 Entre os valores calculados, a menor divisão tem resultado igual a 4, fato que indica que a linha 2 sairá da base para dar lugar a x1. Etapa 4 Durante essa etapa, estaremos elaborando a nova tabela, aquela que será resultado das primeiras interações. Nesse processo, devemos começar pela linha que saiu, portanto, a linha 2(L2) que representará a variável x1. Para o cálculo dos novos valores da L2, que também pode ser chamada de linha pivô, devemos dividir cada valor da antiga L2 pelo correspondente coeficiente na linha de entrada, portanto o valor 2. Novos valores L2 (Linha Pivô): 2 /2 = 1 1/2 = 0,5 0 /2 = 0 1 /2 = 0,5 8 /2 = 4 VB x1 x2 F1 F2 TI F1 À x1 1 0,5 0 0,5 4 L Após definirmos os valores da linha pivô, devemos retornar para a primeira linha e operacionalizar uma a uma até chegarmos ao novo quadro completo. No entanto, a sistemática para definição dos demais valores é diferente da aplicada na linha pivô. Nesse contexto, os novos valores da linha 1 (L1) serão definidos por meio da multiplicação da linha pivô pelo coeficiente da linha de entrada com sinal invertido, sendo esse resultado somado à antiga L1. Para L1, o coeficiente da linha de entrada é representado por 2, portanto, para esse cálculo teremos: -2. Linha Pivô + Antiga L1. Novos valores L1: -2(1) + 2 = 0 -2(0,5) + 3 = 2 -2(0) + 1 = 1 -2(0,5) + 0 = -1 -2(4) + 12 =4 VB x1 x2 F1 F2 TI F1 0 2 1 -1 4 x1 1 0,5 0 0,5 4 L Utilizando a mesma sistemática, devemos buscar os novos valores da nossa linha do livro, a linha 3 (L3). Nessa linha, o coeficiente de entrada com sinal invertido será 4 e o nosso cálculo será dado por 4. Linha Pivô + Antiga L3. Novos valores L3: 4(1) + (-4) = 0 4(0,5) + (-1) = 1 4(0) + 0 = 0 4(0,5) + 0 = 2 VB x1 x2 F1 F2 TI F1 0 2 1 -1 4 x1 1 0,5 0 0,5 4 Aula 2 https://a9256-1498807.cluster51.canvas-user-content.com/courses/925... 5 de 6 29/10/2019 09:17 4(0,5) + (-1) = 1 4(0) + 0 = 0 4(0,5) + 0 = 2 4(4) + 0 = 16 F1 0 2 1 -1 4 x1 1 0,5 0 0,5 4 L 0 1 0 2 16 Com o quadro completo, podemos afirmar que ocorreu a primeira interação do modelo. Entretanto, para determinar se a situação-problema foi resolvida, é necessário verificar os valores da última linha, a linha do lucro, pois os mesmos devem estar, em sua totalidade, positivos. Em caso da presença de algum valor negativo nessa linha, devemos reiniciar o processo pela etapa 3, atacando o valor que porventura esteja negativo, caso tenhamos apenas um valor negativo, ou optando por aquele de maior valor absoluto, caso tenhamos mais de um valor nessa condição. Em nosso exemplo, diante da primeira interação chegamos aos valores positivos almejados para a linha do lucro, portanto à solução do problema da marcenaria de Marcos Antônio. Para interpretação dos resultados obtidos, devemos estar atentos aos elementos apresentados na primeira coluna e os valores apresentados na última coluna. Sabemos que F1 corresponde à folga no uso da madeira, portanto, quando visualizamos F1 igual a 4, podemos concluir que na solução maximizada teremos sobra de 4m2 de madeira. Definimos que x1 corresponde à quantidade de mesas a serem produzidas na marcenaria, ou seja, diante da solução encontrada para o modelo devem ser fabricadas quatro unidades de mesas. Quanto aos valores ausentes na solução, os mesmos devem ser interpretados como zero. Assim, podemos concluir que para alcançar o lucro maximizado de R$16,00, Marcos Antônio deverá produzir quatro mesas e nenhum armário, contando com uma sobra de matéria-prima em torno de 4m2. O algoritmo Simplex é usual para situações-problema que apresentem duas ou mais variáveis de decisão. No entanto, no exemplo acima contamos com apenas duas variáveis, fato que permite a solução da situação-problema da marcenaria de Marcos Antônio também pelo método gráfico. Que t al t est ar? Vídeo da Unidade Para saber mais sobre metodologias para resolução dos problemas de programação linear, assista ao vídeo: Programação Linear: métodos para resolução. Aula 2 https://a9256-1498807.cluster51.canvas-user-content.com/courses/925... 6 de 6 29/10/2019 09:17 Aula 3 Métodos computacionais: a utilização do Solver na resolução de problemas de programação linear Na resolução de problemas de programação linear, é possível fazer uso de diversos softwares que rapidamente nos indicam os resultados para nossas variáveis de decisão. Nesse cenário, temos o Lindo, Lingo, OMP, COM, QSV e o Suplemento Solver como exemplos de recursos computacionais que nos ajudam a encontrar as soluções para os sistemas. Nesse cont ext o você agora deve est ar se pergunt ando: por que precisamos aprender os cálculos manuais e não soment e os procediment os de ut i l ização dos programas? Pois bem, a resposta desse questionamento é simples, afinal, o profissional atuante na área de pesquisa operacional deve ter competências e habilidades para analisar os relatórios extraídos dos sistemas e ter convicção quanto à veracidade dos dados lançados diante dos recursos que a empresa disponibiliza e necessita para operar. Todo esse aprendizado é resultado da prática manual dos cálculos para resolução de problemas tanto pelo método gráfico, quanto para o algoritmo Simplex. Neste material, pela sua facilidade de acesso e instalação, dialogaremos acerca dos procedimentos para uso do Solver. Trata-se de uma ferramenta inerente ao Microsoft Excel com grande alcance para resolução de problemas de programação linear. O mesmo opera admitindo situações empresariais com até 200 variáveis de decisão e pouco mais de 400 restrições. Para instalar o Solver na sua máquina, devemos seguir três etapas: Após abrir uma planilha do Excel, acesse o menu Ferrament as e escolha a opção Suplement os. Uma caixa de diálogo como a apresentada na imagem abaixo aparecerá em sua t ela. Na caixa de diálogo Suplement os, busque na list a o Solver e o selecione. Por f im, para confirmar a inst alação, clique em OK. Aula 3 https://a9256-1498807.cluster51.canvas-user-content.com/courses/925... 1 de 5 29/10/2019 09:20 Com o Solver devidamente instalado, devemos organizar uma planilha com espaços definidos para nossas variáveis de decisão, função objetivo e restrições do sistema. Se considerarmos uma situação-problema com duas variáveis de decisão, podemos formular uma planilha da seguinte maneira: As células B2 e B3 representam as células ajustáveis, aquelas que nos indicarão em breve quais os valores respectivos às variáveis de decisão. Sendo assim, as mesmas devem ser deixadas em branco para que, após a solução do problema, seus valores possam ser apresentados. A célula B6 é reservada para a função objetivo do modelo. Assim, se considerarmos uma situação-problema em que desejamos maximizar os ganhos de dois produtos tendo os mesmos, respectivamente, os lucros de R$20,00 e R$30,00, devemos inserir a seguinte fórmula na planilha: = 20 * B2 + 30 * B3 Para uma situação-problema com apenas três restrições técnicas, apresentar nas células A10, A11 e A12, B10, B11 e B12, C10, C11 e C12 as restrições existentes. As células da coluna A trarão a operação entre variáveis de decisão, as células da coluna B indicarão o sinal de relação com os limites e as células da coluna C serão responsáveis por apresentar os limites. Assim, considerandouma restrição que afirma que x1 + x2 ≤ 100, indicaremos: Na célula A10: = B2 + B3 Na célula B10: ≤ Na célula C10: 100 Após a inserção de todas as restrições técnicas relativas a determinado problema, daremos Aula 3 https://a9256-1498807.cluster51.canvas-user-content.com/courses/925... 2 de 5 29/10/2019 09:20 Na célula B10: ≤ Na célula C10: 100 Após a inserção de todas as restrições técnicas relativas a determinado problema, daremos início à resolução do problema por meio do suplemento Solver. Sendo assim, clique no ícone do Solver e abrirá uma nova caixa de diálogo em sua tela. No campo destinado a célula de destino, você deverá selecionar a célula em que a função objetivo está apresentada. Em nosso exemplo, essa informação está na célula B6. No campo seguinte, opte por “Max” para maximizar a função objetivo, por “Min” para minimizar a mesma ou por “Valor para”, quando desejar especificar determinado valor prévio para a função objetivo. No campo reservado às células ajustáveis deverão ser inseridas as células reservadas para as variáveis de decisão. Desse modo, basta clicar na primeira e arrastar até a última, lembrando que o Solver admite até 200 variáveis de decisão. No caso do nosso exemplo, serão as células B2 e B3, responsáveis por nos indicar a solução do modelo, portanto, são elas as indicadas no campo das células variáveis. A etapa seguinte consiste em apresentar ao sistema as informações relacionadas às restrições, portanto, no quadro “Submeter às restrições”: Clique em Adicionar para que surja a janela indicada na imagem abaixo. Na caixa Referência de célula, deve ser selecionada ou digitada a referência da célula que conterá o valor a será comparado ao limite da restrição. Em nosso exemplo, para essa etapa devemos selecionar individualmente as células A10, A11 ou A12. De acordo com a restrição, devemos especificar no quadro seguinte o operador pertinente à restrição (≥ ,≤ ou =) Na caixa Restrição, deve ser selecionada ou digitada a referência da célula que apresenta o limite para a restrição. Portanto, em nosso exemplo, consiste nas informações apresentadas nas células C10, C11 ou C12. Para finalizar, clique em adicionar. Aula 3 https://a9256-1498807.cluster51.canvas-user-content.com/courses/925... 3 de 5 29/10/2019 09:20 Essa operação deve ser repetida até que todas as restrições técnicas apresentadas pelo modelo sejam inseridas no Solver. Para finalizar, clique em adicionar. Finalizada essa etapa, no momento seguinte clique em Opções para aparecer a seguinte caixa na tela: Nesse momento devemos informar ao sistema que ele deve atender às restrições de não negatividade, portanto, basta que cliquemos no botão “Presumir não negativos”. Da mesma forma, uma vez que estamos trabalhando com problemas lineares, devemos pedir ao sistema para “Presumir modelo linear”. Com todas as informações lançadas, a tela inicial do Solver apresentará o modelo proposto. Assim, antes de acionar o botão “Resolver”, avalie se todas as informações foram inseridas corretamente. Aula 3 https://a9256-1498807.cluster51.canvas-user-content.com/courses/925... 4 de 5 29/10/2019 09:20 Ao clicar no botão “Resolver”, uma nova janela surgirá questionando se desejamos Manter ou Restaurar os valores, e ainda nos apresentará os relatórios possíveis para o processo de solução. Devemos escolher as condições que nos atendem e em seguida clicar em ok. A solução do modelo será indicada então nas células que destacamos em verde na imagem abaixo. Assim, em nosso exemplo, nas células B2 e B3 teremos os valores assumidos pelas variáveis de decisão, na célula B será apresentado o valor da função objetivo otimizada e nas células A10, A11 e A12 teremos a indicação do quanto de cada restrição será usado pelo sistema. Com as informações apresentadas pelo Solver, agora é chegado o momento de convertermos as mesmas em regras operacionais conforme as diretrizes organizacionais. Aula 3 https://a9256-1498807.cluster51.canvas-user-content.com/courses/925... 5 de 5 29/10/2019 09:20 Resumo da Unidade Tendo como ponto de partida um modelo matemático de programação linear com apenas duas variáveis de decisão, podemos determinar sua solução a partir da interpretação gráfica das restrições impostas pelo sistema e da função objetivo. Assim, devemos plotar às informações de restrição no gráfico, identificando a região em que todas as limitações ou condições são aceitas, para que em seguida possamos estabelecer o alcance da função objetivo. Nessa unidade, constatamos que a Programação Linear é uma técnica que busca desenvolver o planejamento para promover a otimização dos recursos organizacionais, visando a maximizar resultados ou minimizar custos. Desse modo, partimos de um modelo matemático referente a uma situação-problema para determinar quais os valores das suas variáveis de decisão que atendem ao objetivo empresarial e as possíveis limitações impostas. Assim, aprendemos qual solução ótima pode ser encontrada por meio da solução gráfica, do algoritmo Simplex ou dos recursos computacionais. Encerramento https://a9256-1498807.cluster51.canvas-user-content.com/courses/925... 1 de 1 29/10/2019 09:21 Considerando os custos empresariais, em média, 60% do valor correspondente às despesas logísticas é destinado ao transporte, sendo esse o principal elo entre empresas e consumidores. Diante dessa estatística, o valor total destinado a esse segmento logístico pode representar totais duas ou três vezes maiores do que os lucros de determinada organização. Portanto, sistematizar as programações de transporte com o objetivo de minimizar os custos nas organizações torna-se ação fundamental para o sucesso empresarial Objetivos Conteúdo Programático Rota de Aprendizagem Ao final desta unidade, você deverá ser capaz de: Determinar fluxos de transporte almejando redução dos custos e otimização de entregas. Esta unidade está dividida em: Aula 1 - O algoritmo do transporte Aula 2 - Métodos do canto noroeste e do custo mínimo Aula 3 - O método de Vogel ou das penalidades A Rota de Aprendizagem apresenta as ações que devem ser realizadas nesta Introdução https://a9256-1499469.cluster51.canvas-user-content.com/courses/925... 1 de 2 29/10/2019 09:29 Rota de Aprendizagem A Rota de Aprendizagem apresenta as ações que devem ser realizadas nesta unidade. Utilize a Rota de Aprendizagem para planejar e gerir, com eficiência, as suas ações e o seu tempo de estudo. Isso facilitará a construção do seu conhecimento e aumentará a possibilidade de que você tenha um bom desempenho nas avaliações. Clique aqui para acessar a Rota de Aprendizagem. Entre as funções logísticas em uma organização, o transporte é uma das mais significativas demandas. Isso porque, se há produto, existe a necessidade de transportá-lo para que seja disponibilizado ao cliente final. No entanto, a maior parcela dos custos logísticos nas organizações é atribuída ao serviço de transporte, o que, portanto, justifica a necessidade de sistematização do processo de entregas para favorecer o controle dos custos. Custo com Armazenagem 5,3% Cu Est Custos Logíst icos Custo com Processamento de Pedidos 3,8% Cust Tran Mas, de que forma a pesquisa operacional auxilia nessa demanda? A resposta é simples e será descoberta nas aulas a seguir. A partir de agora, a missão de minimizar os custos organizacionais passa a ser sua! Introdução https://a9256-1499469.cluster51.canvas-user-content.com/courses/925... 2 de 2 29/10/2019 09:29 Aula 1 O Algoritmo do Transporte Entre os temas mais recorrentes estudados pela pesquisa operacional na área de gestão, está o problema do transporte. Como sabemos, em qualquer que seja a área de atuação de uma organização, encontraremos a necessidade de transportar ou alocar recursos (produtos, pessoas, etc.) de determinada origem para seus respectivos destinos. A estrutura dasfontes de produção — sendo essas as origens do produto —, os conjuntos de caminhos possíveis para o transporte dos itens e as destinações para as quais os produtos devem ser direcionados são elementos que precisam ser levantados para a elaboração da modelagem que permitirá desenvolver o estudo do problema de determinação do carregamento da rede de transporte para minimizar o seu custo total. Nesse cenário, considerando o planejamento da rede logística de distribuição, é responsabilidade da função transporte agregar o valor “lugar” ao produto ofertado ao mercado. Esse fato implica disponibilizar o produto certo no local onde o mercado o espera; portanto, para o processo geral de produção e comercialização de um produto, cabe ao sistema de transporte exercer um papel fundamental e indispensável. Sendo assim, o transporte deve ser cuidadosamente sistematizado para que os objetivos finais sejam alcançados sem expressivos acréscimos no custo final do produto. A estrutura geral de um modelo de transporte pode ser dada, por exemplo, considerando três fontes de determinado produto e três destinos para os quais ele deve ser transportado, conforme apresentado na imagem a seguir. Assim, determinaremos o volume de transporte em cada uma das rotas indicadas para que essa programação minimize o custo total da entrega. Situações como essas são comuns para organizações que possuem fábricas localizadas em algumas cidades e depósitos em outras ou para processos em que os produtos não vão diretamente da fonte produtora até o consumidor final. Aula 1 https://a9256-1499469.cluster51.canvas-user-content.com/courses/925... 1 de 5 29/10/2019 09:33 Avaliando o contexto apresentado, percebemos que o problema de transporte corresponde a um tipo específico de problema de programação linear, o que, portanto aponta o simplex como uma metodologia passível de utilização. No entanto, a aplicação dessa técnica de resolução torna-se trabalhosa frente aos dados que compõem o cenário das definições de rotas de transportes, fato que justifica a criação e utilização de um algoritmo especial para solucionar esse tipo de problema: o algoritmo do transporte. O algoritmo de transporte é uma técnica que busca a simplificação da obtenção da solução ótima para a definição de quanto levar das origens aos destinos. Assim, ao conhecer os dados de custo, serão estipuladas as quantidades a serem distribuídas de cada origem para cada destino, considerando o total produzido na origem e a capacidade do destino Para o problema de transporte, devemos representar esquematicamente todas as origens, destinos, ofertas e demandas para que possamos chegar à solução do modelo. As referidas informações compõem o quadro ou a matriz de transportes Mas de que forma podemos organizar essas informações na mat r iz de t ransport es? Dest ino 1 j =1 Dest ino 2 j =2 Dest ino 3 j =3 Origem 1 i=1 Origem 2 i=2 Aula 1 https://a9256-1499469.cluster51.canvas-user-content.com/courses/925... 2 de 5 29/10/2019 09:33 Origem 2 i=2 Para representar as nossas variáveis de decisão, aquelas que serão encont radas após solução do modelo, t eremos xij para represent ar os totais a serem dist r ibuídos da font e ao dest ino. Dest ino 1 j =1 Dest ino 2 j =2 Dest ino 3 j =3 Origem 1 i=1 X11 X12 X13 Origem 2 i=2 X21 X22 X23 Considerando cada origem e destino, representaremos os custos de cada rota Cij pelos quadrados destacados em amarelo. Esses valores, juntamente com as variáveis de decisão, formarão a função objetivo. Dest ino 1 j =1 Dest ino 2 j =2 Dest ino 3 j =3 Origem 1 i=1 X11 X12 X13 Origem 2 i=2 X21 X22 X23 Cada origem apresenta um total de itens produzidos, e, portanto, a oferta da fonte é simbolizada pelo Fi. Os destinos preveem uma demanda específica, um total procurado para atender à sua capacidade ou necessidade, representado por Dj. Dest ino 1 j =1 Dest ino 2 j =2 Dest ino 3 j =3 OFERTA Origem 1 i=1 F1 X11 X12 X13 Aula 1 https://a9256-1499469.cluster51.canvas-user-content.com/courses/925... 3 de 5 29/10/2019 09:33 X11 X12 X13 Origem 2 i=2 F2 X21 X22 X23 PROCURA D2 D2 D2 Vamos ao exemplo? A família Silva & Soares cultiva abóboras em boa parte da área de plantio de suas terras no estado do Pernambuco. A sua produção é estocada em dois armazéns, que abrigam 20 e 12 t, respectivamente, e que são responsáveis por atender a três grandes redes de supermercados da região. O supermercado 1 demanda 14 t, o supermercado 2 precisa de 7 t, e o supermercado 3 necessita de 11 t. Os custos com o transporte das t estocadas no armazém 1 são de R$ 20,00, R$ 22,00 e R$ 17,00 para os respectivos supermercados 1, 2 e 3. Tendo como origem o estoque do armazém 2, os custos de transporte para os supermercados são de R$ 12,00, R$ 9,00 e R$ 8,00, respectivamente. Qual a matriz de transportes que representa o cenário das entregas de abóboras cultivadas pela família Silva & Soares? Diante dos dados acima, temos: Oferta do armazém 1: 20 t. Oferta do armazém 2: 12 t. Demanda do supermercado 1: 14 t. Demanda do supermercado 2: 7 t. Demanda do supermercado 3: 11 t. Total de oferta: 32 t. Total de demanda: 32 t. Função objetivo: MIN C = 20x11 + 22x12 + 17x13 + 12x21 + 9x22 + 8x23. Levando as informações destacadas para a matriz de transportes, teremos: Cliente 1 j =1 Cliente 2 j =2 Cliente 3 j =3 OFERTA Armazém 1 i=1 20 X11 X12 X13 Armazém 2 i=2 12 Aula 1 https://a9256-1499469.cluster51.canvas-user-content.com/courses/925... 4 de 5 29/10/2019 09:33 Armazém 2 i=2 12 X21 X22 X23 PROCURA 14 7 11 32 A operacionalização do algoritmo do transporte somente poderá acontecer se as demandas de oferta e procura estiverem equilibradas, portanto, iguais, como vimos no exemplo. Nos casos em que a oferta for superior à procura, para equilibrar o sistema, devemos inserir um destino (coluna) fictício para representar a folga. Para situações em que a procura for superior à oferta, devemos inserir uma origem (linha) fictícia para representar o excesso de procura. De uma forma ou de outra, teremos custo zero para os novos espaços criados para equilibrar a matriz. Uma vez estabelecido o quadro, para definição da melhor decisão para o transporte das origens para os destinos específicos, três metodologias são previstas: do custo mínimo, do canto noroeste e de Vogel ou das penalidades. Assim, para cada situação empresarial verificada, devemos aplicar os três métodos e perceber o comportamento da função objetivo, que será responsável por indicar qual metodologia nos trará a programação de entrega de menor custo. Aula 1 https://a9256-1499469.cluster51.canvas-user-content.com/courses/925... 5 de 5 29/10/2019 09:33 Aula 2 Métodos do canto noroeste e do custo mínimo Para solucionar o problema de transporte, devemos representar origens, destinos, ofertas e demandas no quadro ou matriz de transportes, sendo este desenvolvido considerando aspectos teóricos próximos aos aplicados na elaboração de um modelo matemático. Sendo assim, após a certificação do equilíbrio entre oferta e demanda — ou da inserção de informações para que esse pressuposto seja atendido —, podemos estabelecer a decisão quanto aos totais a serem transportados das origens para os destinos por meio de três metodologias alternativas: do canto noroeste, do custo mínimo e de Vogel ou das penalidades. Pela simplicidade de aplicação, temos nos métodos do canto noroeste e do custo mínimo, algumas similaridades. Desse modo, abordaremos ambos em nossa Aula 2. Método do Canto Noroeste O nome da técnica canto noroeste se justifica pelas etapas que compõem a aplicação desse método. Portanto, segundo essa metodologia de resolução do algoritmo do transporte, estabeleceremos a alocação dos recursos sempre pela parte mais noroeste possível do quadro. Assim,
Compartilhar