Baixe o app para aproveitar ainda mais
Prévia do material em texto
Características dos modelos matemáticos APRESENTAÇÃO Nesta unidade você terá contato com alguns modelos de Pesquisa Operacional. Os métodos que serão mostrados são os mais utilizados em problemas envolvendo pesquisa operacional. Bons estudos. Ao final desta Unidade de Aprendizagem, você deve apresentar os seguintes aprendizados: Explicar os diferentes modelos que são comuns em problemas de pesquisa operacional.• Analisar os fatores restritivos de um problema.• Identificar o objetivo do problema.• DESAFIO Em uma determinada empresa é utilizada uma empilhadeira para transportar os componentes A, B e C (um de cada) entre a fabricação e a linha de montagem. Essa empilhadeira só pode transportar, no máximo, dois componentes de cada vez e, por questões de contrapeso, não pode ir nem voltar sem carga no garfo. Assim, ela deve transportar, sempre, um ou dois componentes em cada viagem que faz. Os tempos de referência para transportar os componentes A, B e C são, respectivamente, 2, 5 e 10 minutos. Nesse caso, o tempo gasto para percorrer o trajeto será a média dos tempos que seriam gastos no transporte individual. Além disso, há um agravante: após duas viagens (uma ida e uma vinda), a empilhadeira sofre uma queda de performance e passa a levar o dobro do tempo para percorrer o percurso. Qual é a forma mais conveniente de efetuar o transporte de todos os componentes no menor tempo possível? INFOGRÁFICO Este infográfico mostra todos os modelos que serão apresentados nesta Unidade de Aprendizagem. CONTEÚDO DO LIVRO Produzir introdução ao conteúdo do capítulo. A pesquisa operacional, comumente definida como P.O., evoluiu dentro de um contexto de demandas por conta da Revolução Industrial, e, depois, foi aperfeiçoada pela disponibilidade e pela evolução da tecnologia em favor da programação e organização da indústria de modo gera No capitulo Características dos modelos matemáticos da obra Pesquisa Operacional I, você conhecerá mais a respeito dos diferentes modelos para resolução de problemas e desenvolver a capacidade de fazer a análise inicial do problema, definir o modelo matemático e, por consequência, atuar com os dados Boa leitura. PESQUISA OPERACIONAL I Sirnei César Kach Características dos modelos matemáticos Objetivos de aprendizagem Ao final deste texto, você deve apresentar os seguintes aprendizados: � Explicar os diferentes modelos comuns em problemas de pesquisa operacional. � Analisar os fatores restritivos de um problema. � Identificar o objetivo do problema. Introdução Inicialmente, a pesquisa operacional, comumente definida como P.O., evoluiu dentro de um contexto de demandas por conta da Revolução Industrial, e, depois, foi aperfeiçoada pela disponibilidade e pela evolução da tecnologia em favor da programação e organização da indústria de modo geral. Nesse cenário, entendemos que a pesquisa operacional envolve uma pesquisa sobre as operações, ou seja, diferentes métodos e modelos matemáticos para identificar e resolver os problemas de maneira organizada. Assim, percebemos um forte direcionamento da análise com base metodológica, o que, na engenharia de processos, torna-se algo favorável, visto que a organização de dados e seu desdobramento por meio de métodos são fundamentais para ter uma melhor clareza e organização das informações para o encaminhamento de soluções (HILLIER; LIEBERMAN, 2012). Também é relevante considerar a grande contribuição da pesquisa operacional, em termos gerais, para a gestão das operações, já que in- fluencia desde aquisições, controle de estoques até a programação da produção e das entregas, complementando o conceito de otimização que toda empresa procura: atuar de forma otimizada e eficiente configura- -se como uma regra fundamental para o sucesso de um negócio. Já a adequação do modelo variará conforme os tipos de demandas e o perfil de processo em estudo. Neste capítulo, você conhecerá mais a respeito dos diferentes modelos para resolução de problemas, entenderá sobre os fatores que promovem restrições ou dificuldades apontadas pelo problema em análise e, ainda, identificará de forma clara e sucinta o objetivo do problema. Com isso, poderá ter a clareza da metodologia e de sua eficiência para a gestão de dados, proporcionando informações efetivamente corretas e, assim, dando suporte para a tomada de decisão. Desenvolver a capacidade de fazer a análise inicial do problema, definir o modelo matemático e, por consequência, atuar com os dados são, sem dúvidas, etapas fundamentais para realizar uma ação efetiva e obter um resultado satisfatório sobre o problema em questão. Em outras palavras, seguir o método representa uma condição básica para garantir a padronização e, assim, aumentar a garantia e a eficácia dos resultados. 1 Dinâmica dos modelos para resolução de problemas O processo de coleta e análise de dados representa um diferencial importante quando atuamos sobre problemas que exijam conceitos de pesquisa operacional. Sem dúvida, a importância de um bom planejamento, que consiste em verificar o cenário, escolher o modelo e coletar os dados e processá-los como forma básica de estruturação das ações, é um diferencial da ação. De acordo com Hillier e Lieberman (2012), a formulação de um modelo matemático nada mais é do que transferir uma situação-problema em seus detalhes e comportamentos a uma metodologia com base matemática, na qual se organizam as informações possibilitando verificá-las com base quantitativa. Nessa alternativa de organização e encaminhamento de solução, transfere-se a informação do problema para simbologias e orientações estruturando a função matemática, embasada por variáveis de decisão. Ainda conforme Hillier e Lieberman (2012), os modelos aplicados na resolução de problemas com base no conceito de pesquisa operacional tratam de diferentes situações, dados e cenários. Com isso, existem diferentes formas de contribuição e percepções sobre a possível solução. Isso é muito importante para entender onde aplicar a função matemática ou a representação de fluxos de materiais, pessoas e de controle de estoques na cadeia de suprimentos, visto que são diversas as situações que podem ser resolvidas com aplicação de modelos matemáticos no contexto da pesquisa operacional. Características dos modelos matemáticos2 Assim, a seguir descreveremos de maneira breve, direta e objetiva, com base em diferentes literaturas, os diversos modelos aplicados na resolução de problemas. É muito importante identificar todos os detalhes do problema com muita precisão, pois esses fatores auxiliarão na escolha do modelo de programação a ser aplicado. Ter esse alinhamento bem elaborado torna-se fundamental para o sucesso da ação de maximização ou minimização das causas em relação ao problema. Modelo de programação matemática Conforme Rodrigues (2017), os modelos de programação matemática criam a base para uma análise e verificação de dados adequadas a fim de possibilitar ações, já que estão alinhados para otimizar os recursos em questão. Com a aplicação de modelos matemáticos, busca-se sempre maximizar ou minimizar determinada quantidade com base em unidades de medida específicas e que representem hora, lucro, custo, receita, número de produtos, etc. Ainda de acordo com Rodrigues (2017), as formas de programação apresen- tam divisões que podem ser mais bem entendidas a partir das seguintes áreas: � programação linear e método simplex; � programação não linear; � programação em redes; � programação multiobjetivos; � programação discreta (programação linear inteira). Para Arenales et al. (2015), a programação linear tem como principais aplica- ções ou finalidades organizar dados e procurar a otimização da solução, tornando uma orientação considerada problema em algo com uma condição melhor com base no modelo matemático. Já o algoritmo simplex atua como método interativo para determinar numericamente a solução ótima de ummodelo de programação linear, agindo como facilitador ao organizar as variáveis de entrada e saída do problema. Sua aplicação na solução de um problema precisa seguir a orientação- -padrão de escrito do problema na linguagem de programação do software. 3Características dos modelos matemáticos A otimização ou programação não linear está direcionada aos cuidados com a área de custos. Por exemplo, no caso de uma fábrica, em um contexto no qual mesmo com uma previsão de manufatura dos produtos, nenhum mês é igual ao outro, alinhar da melhor forma a questão envolvendo custos torna-se fundamental, sobretudo pelos diversos impactos em seu fluxo de caixa (ARENALES et al., 2015). Trata-se de uma forma de programação que prevê possíveis variações na preparação e na organização de sua capacidade dentro daquilo que é demandado e precisa ser atendido. Na programação não linear, consegue-se definir, em relação às demandas, quais e quantas máquinas devem estar em operação, e, no alinhamento de prazos, decidir em quais dias deve haver essa conversão para a programação do planejamento e controle de produção (PCP). Ainda segundo Arenales et al. (2015), a otimização em redes (grafos) considera elementos fundamentais que mantêm alguma relação entre si e têm uma representação que se refere a cidades, ruas, estradas, etc., a qual proporciona uma percepção visual mais concreta. Assim, forma-se uma rede ligada por nós ou vértices, que correspondem aos pontos de ligação dessa rede ou, então, a cidade fazendo a ligação de mais de uma estrada ou de ruas. Quando o grafo é definido como orientado, sua representação se dá pelo uso de flechas, sendo também chamado de dígrafo. Conforme Ávila (2006), a otimização ou programação multi objetivos pressupõe a busca de uma solução capaz de maximizar ou minimizar o pro- blema, a qual varia conforme o contexto. Com ela, trabalhamos com a função objetivo (aquilo que se quer melhorar), a definição de parâmetros ou variáveis, restrições do problema, espaço de busca dos parâmetros (delimitados ou não), além do domínio realizável (no qual os parâmetros são respeitados) e do do- mínio não viável (no qual não há observância quanto às restrições definidas). Uma definição clara da aplicação da otimização multi objetivos reside no caso no qual otimizamos a produção de uma manufatura com baixo custo, ou seja, máximo desempenho com mínimo custo consistiu em um conceito fundamental de otimização, pelo controle de perdas e demais desperdícios nos conceitos da engenharia de produção. Citando novamente Arenales et al. (2015), o que altera o formato da oti- mização discreta é que algumas das variáveis pertencem a um subconjunto dos números inteiros, conhecida como programação inteira e combinatória. É aplicada em situações que envolvam demandas sobre otimização no campo de energia, transportes, telecomunicações, medicina, aviação, finanças, entre outras. No caso da engenharia de produção, atua principalmente na organização Características dos modelos matemáticos4 das necessidades relacionadas a PCP, desenvolvimento de layout, logística interna e externa. Destaca-se a relação com PCP no sentido de nivelar a produção, organizando as entradas de linha com base em prazos de entrega e volume programado, correlacionando lead time e capacidade produtiva, o que passa a influenciar toda a cadeia de distribuição pela programação da manufatura e, com isso, gerar uma prévia do que será o processo logístico externo, podendo atuar dentro de uma programação de movimentações, ali- nhada à sua capacidade logística. Na programação matemática, conforme Rodrigues (2017), as descrições da divisão pelas áreas de programação já citadas complementam diferentes programações e métodos, de acordo com as características-base do problema. Essa programação sempre será estruturada com base em dados, equações e inequações complementando sobre restrições, variáveis e outros fatores que integram o processo em análise. Modelo de teoria dos estoques A questão central dos estoques consiste em determinar o que, quando e quanto deve ser encomendado e armazenado. Geralmente, baseia-se na minimização de custos de estocagem ao longo de determinado período que se estabelecem o tamanho dos pedidos e o momento em que este deve ser efetuado. Inicialmente, devemos considerar custo de estocagem, além dos custos de armazenamento, os custos decorrentes do não atendimento do pedido e os de elaboração do pedido (LACHTERMACHER, 2016). Na prática, verifica-se a ocorrência de um período, denominado prazo de entrega, que se dá entre o momento em que determinada quantidade do produto a ser estocada é solicitada e aquele em que esse produto se torna disponível (LACHTERMACHER, 2016). Geralmente, não é possível determinar com precisão os prazos de entrega, motivo pelo qual são tratados como variáveis estocásticas. Portanto, o objetivo na estocagem consiste em otimizar as cha- madas políticas de pedido ou estocagem, também denominadas regras de pedidos, por meio das quais se deseja determinar um ponto de pedido e uma quantidade de pedido que minimize os custos de estocagem. Segundo Lachtermacher (2016), a utilização do Solver do Excel é um dos meios mais adequados e fáceis de trabalhar uma programação linear, o que envolve o conceito de controle de estoques. Trata-se de demandas de consumo correlacionadas com pedidos e capacidade instalada de produção de diferentes segmentos, apenas com o propósito de controlar o estoque e garantir 5Características dos modelos matemáticos abastecimentos prevendo a necessidade de recursos. Essa coordenação sobre demandas e volume de estoque complementa a decisão de quanto, quando e o que deve ser comprado em cada período determinado na condição de atender de forma otimizada a parâmetros como minimização de custos, maximização de resultados pelo não comprometimento do fluxo de caixa ou grandes volumes de estoque, tudo em função dos parâmetros definidos pelos pedidos em aberto (LACHTERMACHER, 2016). Modelo de teoria das filas Conforme Hillier e Lieberman (2012), o modelo da teoria das filas estuda a relação entre todas as demandas que podem ser identificadas em um sistema, considerando-se também os atrasos sofridos pelos usuários. Geralmente, a composição de algum tipo de fila tem relação com baixa capacidade de aten- dimento, o conhecido gargalo. Com uma restrição de recursos que impactam no fluxo, criando-se a restrição, temos o que se denomina fila. Definem-se como sistemas de filas as seguintes condições: � uma fila única e um único servidor; � uma fila única e múltiplos servidores em paralelo; � formação de múltiplas filas e múltiplos servidores em paralelo; � uma fila única e com múltiplos servidores organizados em série, também descritos como múltiplos estágios. As principais aplicações da teoria das filas se dão em bancos, supermer- cados, aeroportos com aviões aguardando para aterrissar, produtos aguar- dando em máquinas ou postos de trabalho para processamento, navios aguar- dando em portos, etc. Definem-se como servidor o recurso disponibilizado para atender à demanda e a fila, uma composição das demandas, variando para mais ou menos considerando as restrições ou a formação de gargalos. As filas são definidas de acordo com o contexto: no caso de atendimentos a sistemas comerciais, os clientes externos recebem atendimentos relacionados a demandas comerciais (HILLIER; LIEBERMAN, 2012) e, no sistema de atendimento de transportes, têm relação direta com a utilização otimizada de meios logísticos, por exemplo, fila de aviões para pouso, navios no porto para descarregamento, etc. Características dos modelos matemáticos6 Modelo de teoria dos jogos Essa teoria foi desenvolvida com a finalidade de analisar situações competitivas que envolvessem interesses conflitantes, já que, em teoria, os jogos ajudam a entender como ocorre ou deveria ocorrer o processo de decisão (FIANI, 2015). Interagindo entre si, a partirda compreensão da lógica do problema em questão, os agentes conseguem se articular e iniciar o melhor encaminha- mento de ações, estabilizando e, em seguida, resolvendo a questão em que estão envolvidos. No contexto dos jogos, sempre existem dois ou mais sujeitos com objetivos diferentes, e cada uma das ações individuais a serem tomadas pode impactar nos resultados do “jogo”. Aqui, tratamos o jogo literalmente como “jogo de interesses”, pois toda decisão a ser tomada por uma das partes tem como objetivo principal maximizar ou minimizar as ações de impacto do segundo sujeito envolvido. Além disso, admite-se que cada jogador sabe os objetivos de seu oponente. A teoria dos jogos fornece um resultado para esse jogo, admitindo que cada um dos jogadores deseja maximizar seu lucro mínimo esperado ou minimizar sua perda esperada. Os elementos necessários para a compreensão do objeto de estudo da teoria dos jogos, segundo Fiani (2015) seriam: � existe um número finito de jogadores representados, ou seja, dentro do segmento em que a organização está envolvida e em uma organização por prioridades, as ações devem ser direcionadas naquela demanda; � cada jogador dispõe de um conjunto finito de opções, denominadas estratégias puras do jogador, pois elas respeitam uma ordenação; com isso, a priorização determina essa condição limitadora; � os resultados de cada jogador, pois impactam diretamente as decisões tomadas com expectativas específicas; � a função que permite a cada parte combinar suas estratégias, as quais, por sua vez, seguem conforme a perspectiva sobre o cenário em que a empresa ou o processo está inserido; � a relação de preferências de cada um diante dos resultados, em que se determinam os indicadores de satisfação, percebendo onde há maior ou menor impacto positivo nos ganhos estimados ou nas ações supos- tamente bem-sucedidas. 7Características dos modelos matemáticos As aplicações da teoria da otimização dos jogos se enquadram basicamente nos seguintes pontos (FIANI, 2015): � campanhas de marketing e política de preços de produtos: tratativa específica sobre custo, formação de preços e demandas previstas; � campanha de eleições políticas: indicando estratégias e desempenho em função do objetivo de um melhor resultado nas urnas; � programação de programas de televisão: perceber quais as tendências que o expectador busca e o que a concorrência tem feito dentro de um comparativo de parâmetros iguais (p. ex., horários); � planejamento de estratégias militares de guerras: é fundamental conhe- cer o inimigo, ou seja, o conceito dos jogos, entendendo as estratégias para contra-atacar, mesmo sabendo dos efeitos das ações, mas com os objetivos de maximizar e superar o resultado. Por exemplo, quando uma montadora de algum bem está avaliando a possibilidade de redução no preço de vendas por conta da baixa demanda, precisa considerar as consequências dessa decisão em relação à concorrência. Pode haver uma diminuição dos valores do concorrente com um bem similar, e, assim, nenhuma mudança relevante no plano ou simplesmente uma redução da margem e da manutenção da baixa demanda do bem em estudo. Conforme Fiani (2015), as empresas desse segmento devem sempre levar em conta a pos- sibilidade de ação das demais, ou seja, observar e acompanhar o desempenho da concorrência é muito importante, o que comprova a existência de um jogo pela melhor colocação no mercado. Modelo de teoria dos grafos A teoria em rede, também conhecida como otimização dos grafos, corresponde à área da matemática que estuda as propriedades dos conjuntos de pontos em uma rede de ligações após a coleta de informações, por exemplo, estradas que ligam uma cidade entre entradas e saídas (GOLDBARG; LUNA; GOL- DBARG, 2015). Esses pontos são definidos como vértices, nodos ou nós, por fazerem a conexão das linhas. Já as linhas levam o nome de arestas ou arcos, de acordo com a opção de referência, mas correspondendo ao mesmo conceito. Trata-se de resultados de uma organização de elementos que estruturam uma informação, porém com entendimento muito claro por seu perfil intuitivo, já que reportam uma informação visual do cenário representado. Separar dados, transformá-los em informações por meio de uma função ou, então, conseguir Características dos modelos matemáticos8 efetivar uma forma de representação visual são fundamentais para facilitar o seu entendimento. Como a análise de um problema geralmente apresenta certa dificuldade de entendimento inicial, o uso de grafos facilita essa demonstração das variáveis e dos parâmetros envolvidos no caso. Conforme o problema, a forma de aplicação varia, e, por consequência, as arestas podem ou não ter direções definidas. Assim, podem ser permitidas ou não, ligando-se um vértice a ele próprio e a vértices e/ou ter determinado valor (nesse caso, denominado valor numérico). Quando as arestas têm uma direção associada, quer dizer que estão sendo indicadas por uma seta na repre- sentação gráfica da rede, formando o grafo. Nesse caso, passa a ser chamado de grafo direcionado ou dígrafo (GOLDBARG; LUNA; GOLDBARG, 2015). As estruturas que podem ser representadas por grafos estão em toda parte, possibilitando a formulação de muitos problemas de interesse prático, como: � problemas de roteamento; � problemas de fluxo em redes. 2 Restrições como complicadores dos problemas Desde a origem da pesquisa operacional, apontam-se a necessidade e a rele- vância de tratar os problemas com base metodológica e científica para obter melhores resultados de análise dos problemas. Essa organização das infor- mações, identificando os fatores restritivos do problema, pode ser vista como uma dificuldade a ser superada, o que se dará de maneira mais tranquila desde que seguida de forma organizada. Nesse contexto, surge o conceito da teoria das restrições (TOC), que deve ser entendido para minimizar o problema. Sua ideia principal reside no fato de que o relevante de uma demanda deve ser a maximização do resultado levando em conta apenas as restrições, e não a totalidade de elementos, variáveis e parâmetros do sistema. Para as não restrições, o conceito de “mais é melhor” está correto, desde que dentro de um único limitador, pois, ao ultrapassar essa ideia, o “mais” acaba sendo pior. Esse limitador é determinado pelas interdependências das restrições e não restrições, ou seja, não pode ser determinado analisando apenas a não restrição, e sim a restrição em conjunto: a totalidade do problema para uma melhor gestão da análise e do plano de ações dos encaminhamentos para maximização do que se pretende alinhar como melhoria. No caso das não restrições, a maximização local não é igual aos ótimos na totalidade nas não 9Características dos modelos matemáticos restrições. Não é sempre que o “mais” não se traduz necessariamente em melhor desempenho do sistema como um todo. Importante salientar que os elementos de um sistema, em sua vasta maioria, não são restrições, e, para as não restrições, mais não pode ser melhor, e sim pior. No caso de não restrições e estas sendo maximizadas, obviamente teremos um agravamento da situação, tornando-se importante avaliar e sempre buscar o nivelamento. Assim, o foco é fazer o que deve ser feito, e não fazer o que não deve ser feito, sob pena de criar um resultado insatisfatório de modo geral (COX III; SCHLEIER, 2013). No contexto da análise de problemas de processo, como identificamos uma restrição? Como as decisões podem ser alinhadas para um melhor aproveita- mento dessa restrição? Como determinar a forma adequada de subordinar as não restrições às decisões referentes à restrição no sentido de utilizar a nosso favor? A otimização por meio de técnicas dos métodos da pesquisa operacional pode atuar de que forma para auxiliar as restrições, possibilitando sua maxi- mização de resultados? Com todas essas dúvidas, fica muito claro que todas as práticas de análise não podem simplesmente atuarde maneira empírica, desde a coleta, o tratamento até o encaminhamento das ações, mas seguir um método, de preferência quantitativo, na tomada de decisões. O suporte de programação para otimização é fundamental e relevante para o processo de melhoramento sobre as restrições (COX III; SCHLEIER, 2013). Em sua maioria, as metodologias convencionais para identificar as necessidades de desenvolver melhorias eram inadequadas e tinham baixa eficiência, levando à necessidade de retrabalhos diversos em razão das variáveis não identificadas como relevantes. Normalmente, partiam de uma lista de problemas simples e analisados de forma qualitativa sem base estatística, apontando lacunas (falha de informações) entre a situação existente e a situação desejada, obviamente com maximização. Essas lacunas eram quantificadas e, seguindo o princípio de Pareto, buscavam-se os itens no topo da lista, escolhidos como alvo de melhoria e encaminhados geralmente com análise por meio de ferramentas da qualidade. Certamente, há um efeito positivo, mas muito vulnerável se compararmos com a precisão e a eficiência de uma análise com uso de esta- tística ou programação amparada pelos conceitos e pelas formas de aplicação da pesquisa operacional. Ainda citando Cox III e Schleier (2013), na melhor condição sobre a análise das variáveis de um problema para, então, encaminhar a otimização, essa abordagem possibilita somente melhorias muito pequenas e com possibilidade de erros. Obviamente, identificar a fonte do problema auxilia na precisão da ação, mas deve-se, além disso, estruturar a decisão com base em programação, conseguir separar de forma clara o problema e eliminar lacunas entre o que se Características dos modelos matemáticos10 espera e o real problema. No contexto geral, as lacunas podem ser definidas como efeitos indesejáveis (EI) de uma causa mais profunda, devendo ser consideradas para que as ações tomadas para eliminar as causas profundas sejam precisas. Nesse sentido, surge incisivamente a necessidade de aplicar uma estrutura lógica e detalhada para identificar o problema ou a causa-raiz e ampliar a visão das soluções, eliminando, assim, de forma efetiva a maior variável. Nessa percepção, surge a correlação entre programação pelos modelos de pesquisa operacional aplicada sobre os problemas e a necessidade de enten- der e controlar a TOC, cujo conceito interfere diretamente na identificação do problema, na coleta de dados, na geração das informações pelo tratamento dos dados e na definição de ações de resolução ou controle. O problema pode ter relação com fluxo, gargalo ou falha, porém todo o alinhamento das restrições é ajustado pela aplicação efetiva do modelo matemático, que garantirá a eficácia de uma ação sobre o problema. É muito importante definir a TOC no contexto do problema. Perceber as variáveis representa algo fundamental e favorável para a análise de cenário, pois as restrições remetem a gargalos, ou seja, a teoria é aplicada e, pontualmente onde devem ser apli- cadas ações, tratamos os gargalos ou restrições específicas do produto e do processo. A vantagem competitiva dificilmente é decisiva, ou seja, pode haver fa- cilidade ou não, possibilitando ganhos imediatos, a médio e longo prazos ou, ainda, não ser constante. A orientação sobre competitividade tem direcio- namento para vendas, porém, dentro do fluxo de produção, é fundamental pela estruturação-base dos resultados. Não surpreende que a maioria dos vendedores não seja treinada para conduzir reuniões de vendas voltadas à vantagem competitiva decisiva da empresa, sempre com foco em ofertar apenas o produto e, obviamente, suas vantagens. As reuniões voltadas à vantagem competitiva devem girar em torno do ambiente do cliente, evidenciando uma necessidade significativa que, naquele momento, não está sendo satisfeita pelos fornecedores. Como existem vários ambientes de cliente, o desafio de decifrar as causas e os efeitos que governam cada um deles, bem como de criar um ciclo de vendas de acordo e encontrar a solução para conduzir os vendedores à mudança de paradigma, sem dúvida demanda muito tempo, 11Características dos modelos matemáticos afirmação de Cox III e Schleier (2013). Teoricamente, a venda deveria ser o resultado maximizado de diversos fatores, como a qualidade do produto, mas também a eficiência dos processos, como a entrega no prazo, algo muitas vezes impactado pelas restrições não tratadas ou percebidas diretamente como dificultador do sucesso. No sentido de dar suporte aos métodos da pesquisa operacional e na TOC, surgiu o método PERT (program evaluation and review technique), carateri- zado como uma técnica aplicada no gerenciamento de projetos de diferentes demandas. Quando tratamos de verificação da necessidade de otimização de processos, simples ou complexo, temos um projeto que precisa ser gerenciado. O método PERT consiste em representar de forma gráfica uma rede de ta- refas interligadas e com correlação de dados, cujo encadeamento possibilita alcançar os objetivos de um projeto, tanto como simples solução quanto para maximizar ganhos. Metodologia desenvolvida pela marinha norte-americana para coordenar os trabalhos de milhares de pessoas atuantes em projetos de equipamentos para guerra, o método PERT exige uma segmentação precisa do projeto organizado em tarefas, as quais, com os tempos de execução, são responsáveis pela garantia de efetivação do projeto, da mesma forma que se aplica um cronograma com base na ferramenta 5W2h. PERT e CPM (critical path method) compreendem modelos de verificação de problema com base no método de redes, comumente conhecidos como grafos. Segundo Cox III e Schleier (2013), por sua base de estruturação visual quanto ao fluxo das informações, o CPM tem sido muito utilizado para planejar e visualizar a coordenação das atividades do projeto de maneira clara e objetiva. Já o método PERT corresponde ao cálculo a partir da média ponderada de três durações possíveis de uma atividade, que, por sua vez, considera uma possibilidade oti- mista, mais provável e pessimista, como forma de alinhamento de possibilidade de qualificação dessas respostas. A CPM é um método que ajuda na apuração e na definição do caminho crítico, dada uma sequência de atividades. O caminho crítico refere-se à identificação da prioridade de cuidado, por se tratar de algo relevante apontado pela análise, no caso a definição de urgência ou de maior criticidade que precisa atenção. Todo esse encaminhamento de atividades em sequência, após definidos etapas, prazos e responsabilidades, não pode sofrer alteração, pois a mudança prejudica a efetividade dos resultados de duração, sem refletir no tempo total do projeto. Na Figura 1, apresentamos uma taxo- nomia organizacional para fluxo de problemas tratados em formato de rede. Características dos modelos matemáticos12 Figura 1. Taxonomia organizacional para fluxo de problemas tratados em formato de rede. Fonte: Adaptada de Goldbarg (2015). Problemas de fluxos em redes Fluxo de produtos Expansão de redes Tanto o PERT quanto o CPM são técnicas aplicadas de estimativa e planeja- mento para grandes projetos e têm sofrido modificações nos últimos anos, pela evolução do conceito e tendo por base necessidades de melhoria em virtude das aplicações e das observações realizadas. Em resumo, a diferença entre ambos reside no fato de que o PERT utiliza três estimativas básicas de estruturação — a otimista, a mais provável e a “pessimista” —, enquanto o CPM emprega apenas uma estimativa, considerada a mais precisa, características que os diferenciam, mas não os distanciam necessariamente, pois objetivam, da mesma forma, a otimização de determinada situação. O conceito de probabilística baseada na distribuição de dados para cada atividade de tempo nos permite usar o conceito de gerenciamento das probabilidades, característica principal do PERT. Nesse contexto, teremos o risco de risco muito claro e percebidono cenário em estudo, podendo avaliar a intensidade e a relevância do momento para definir os encaminhamentos específicos para a ação de otimização (COX III; SCHLEIER, 2013). Já o CPM fundamenta-se em um conceito de estimativa simples e de natureza determinística, buscando evidenciar a ligação efetiva e com base em ligações entre todos os elementos, não cabendo alternativas informais ou conceitos empíricos, e sim apenas evidências reais e efetivas. 13Características dos modelos matemáticos Para complementar o conhecimento sobre a correlação entre a teoria das restrições, a programação para otimização e a pesquisa operacional de forma aplicada na cadeia de suprimentos, recomendamos a leitura de: MOELLMANN, A. H. Aplicação da teoria das restrições no gerenciamento da cadeia de suprimentos. 2. ed. São Paulo: Blucher, 2017. Mais uma vez de acordo com Cox III e Schleier (2013), os dois métodos permitem o uso de atividades Dummy programação, que aplica linguagem de programação com duração nula e o conceito de organização por meio do método de setas, uma melhor opção para o desenvolvimento da lógica. Assim, teremos a aplicação do método PERT em projetos de pesquisa e desenvolvimento, situações em que o percentual das atividades já finalizadas é praticamente impossível de determinar; já a maior utilização do CPM segue em projetos voltados para a área civil, cenário em que o percentual de cada atividade já finalizada pode ser determinado com razoável precisão. Trata-se de duas formas de programação que aliam pesquisa operacional, matematicamente aplicada na verificação da otimização e com base em programação em redes, determinando a maximização ou a minimização conforme a necessidade. 3 Objetivo e relevância dos problemas A relevância do problema pode resultar das diferentes formas de percebê-lo, com uma orientação clara com base nos dados levantados em primeira análise, o que deve fazer parte de um contexto qualitativo ou quantitativo. Esse aspecto é fundamental, já que se trata de estudos de problemas com base nos conceitos de pesquisa operacional, em que há demandas da programação e aplicação de modelos matemáticos para maximização ou minimização, e os números devem ser a base relevante para verificação e tomada de ação quanto aos problemas. Características dos modelos matemáticos14 Conforme Lachtermacher (2016), a resolução de um problema segue pelo fluxo de cinco etapas básicas e consecutivas, que podem, entretanto, ser repeti- das, conforme a situação, pois se trata de um conceito flexível no caso da leitura e da interpretação do problema em pauta. Vale ressaltar que a identificação do problema, que talvez pareça a mais simples de todas as etapas, pode se tornar complexa em diversas situações por suas variáveis e complementações sobre o problema (no caso, os dados coletados). Assim, certificar-se da verificação feita com eficiência é muito importante para uma boa definição do problema. Sem dúvida, erros de definição impactam nos resultados, já que não levam a nenhum resultado e causam perda de tempo e esforço da equipe envolvida. Vale ressaltar que, como o processo é cíclico, semelhante ao PDCA (Plan, Do, Check, Action), por exemplo, pode haver a necessidade de retornar às análises anteriores quando da detecção de um novo problema. Essa situação ocorrerá por conta de uma eventual falha na identificação do que seria o problema. Na Figura 2, apresentamos um fluxograma básico para análise e resolução de problemas. Figura 2. Fluxo básico para aná- lise e resolução de problemas. Fonte: Lachtermacher (2016, p. 5). 15Características dos modelos matemáticos Obviamente, haverá situações com características distintas, criando uma situação fora do padrão. Por exemplo, os problemas de programação linear são problemas de maximização com todas as restrições do tipo menor ou igual (LACHTERMACHER, 2016). Quando ocorrer esse tipo de situação e o formato não for um padrão, devemos utilizar diversos métodos antes de empregar o simplex. Analisando uma situação na qual temos um problema em que todas as restrições são do tipo menor ou igual (< ou =) e a função-objetivo é de minimização, devemos alterar o problema como na Figura 3. Figura 3. Programação linear modificada de minimização para maximização. Fonte: Lachtermacher (2016, p. 38). Problemas com restrições de maior ou igual De acordo com Lachtermacher (2016), nos casos que envolvem restrições do tipo maior ou igual, o procedimento seria o método da função-objetivo arti- ficial, assim denominada por conta da alteração, visto consistir em introduzir uma variável de excesso (com coeficiente – 1) e uma variável artificial (com coeficiente + 1) no lado esquerdo da restrição, encontrando, assim, sua solu- ção. O próximo passo consiste em resolver o problema alterado, representado pelo dicionário artificial inicial, encontrando uma solução ótima, em que a variável artificial seja igual a zero, achando a solução inicial do problema original. Assim, se na solução ótima do problema alterado a variável artificial apresentar valor diferente de zero, isso significa que o problema original não tem uma solução viável. Já no caso de um problema alterado, o objetivo é levar a variável ou, havendo mais de uma, introduzir as variáveis artificiais no problema para zero, o que equivale a minimizar o somatório dessas variáveis. Se as variáveis forem simultaneamente para zero na solução ótima, nossa Características dos modelos matemáticos16 função-objetivo artificial terá valor zero. Aplicando o método desse modo, leva o nome de método de duas fases, já que está dividido em duas partes: na primeira, ao resolvermos o problema alterado, apenas encontramos uma solução viável inicial para o problema original, e, na segunda, efetivamente resolvemos o problema em questão. Problema com restrições de igualdade O método da função artificial deve também ser utilizado quando existem restrições de igualdade no problema em análise, cuja metodologia é a mesma usada no caso de restrições do tipo maior ou igual. Primeiro, devemos introduzir uma variável artificial para cada restrição de igualdade (LACHTERMACHER, 2016). Em seguida, substituímos a função-objetivo original pela minimização do somatório das variáveis artificiais, e, depois, encontramos a solução ótima do problema alterado, que já encaminha a viabilidade de solução. Caso a solução seja ótima, e o valor de todas as variáveis artificiais for zero, significa que existe no mínimo uma solução viável para o problema original, possibilitando o primeiro encaminhamento; havendo mais, complementam-se as opções, o que também se torna melhor ao estruturarmos os processos decisórios. Na segunda fase do método decisório, as variáveis artificiais não assumem o valor zero na solução ótima do problema alterado, o que novamente significa a inexistência de solução viável para o problema original. Problemas com todo tipo de restrições Ainda citando Lachtermacher (2016), na condição real de análise sobre os problemas, normalmente se apresentam todos os tipos de restrições e de forma simultânea. Para resolver um problema desse tipo, é importante aplicar o método da função artificial, além de introduzir as variáveis de folga, excesso e artificiais, criando uma condição ampla de verificação, pois, na condição real, obviamente passa a ser algo efetivo, e não uma criação-base para simulação de cenários e resultados. Outro detalhe que se soma a essa percepção reside no fato de que pode haver diversos tipos de restrições, vários problemas e características muito opostos entre um problema e outro. Um cenário real compromete o definido padrão de análise e exige adequações e enquadramento dos envolvidos mantendo a orientação-base, adequando-se às diversas possi- bilidade, que sejam efetivas e garantidoras da solução (Quadro 1). A escolha do método é fundamental, mas a eficácia de sua atuação é ainda maior. 17Características dos modelos matemáticos Fonte:Adaptado de Lachtermacher (2016). Tipo de problema Operação necessária Função-objetivo de minimização Transformar a minimização em maximização (MinZ = Max – Z) Restrição de menor ou igual Inserção de uma variável de folga Restrição de maior ou igual Inserção de uma variável de excesso e outra artificial Restrição de igualdade Inserção de uma variável artificial Constante negativa Multiplicar por (–1) a restrição Quadro 1. Operações por tipo de restrição do problema Fica muito clara a importância de se aprofundar e dominar os conceitos de programação, pesquisa operacional, método e gestão sobre problemas, sobretudo nas engenharias. Porém, abre-se um espaço enorme para diferentes áreas, pois a quantificação parte de números, remetendo-se, assim, a ações mais efetivas no sentido de programar soluções observando orientações rele- vantes que a modelagem matemática consolida na busca da maximização ou da minimização para ganhos e efeitos de problemas, respectivamente. A relevância dos problemas e a maneira de tratá-los no que tange às verificações para decisão sobre sua otimização são importantes buscas, por sua complexidade de análise e demanda de conhecimento sobre diferentes modelos. Para obter mais informações a esse respeito, recomendamos a leitura de alguns capítulos de: LACHTERMACHER, G. Pesquisa operacional na tomada de decisão. 5. ed. Rio de Janeiro: LTC, 2016. Características dos modelos matemáticos18 Um processo apresenta duas demandas (A e B), porém sua capacidade é apenas compatível com uma delas. Por qual decidiria se não se pode atender às duas demandas ao mesmo tempo, em virtude da escassez de recursos para aumentar a capacidade? É preciso definir com base na escolha de qual demanda terá maior prioridade, ou seja, qual atenderá primeiro ou melhor. As variáveis de decisão serão x1 para A e x2 para B, como principal referência, podendo-se escolher ora uma ora outra, uma variável de decisão. O custo para atender à demanda de A é de R$ 180,00 e, para B, de R$ 100,00, mas o recurso disponível é de R$ 800,00. Havendo uma única demanda, teremos a seguinte situação: 180 × 1 + 100 × 2 ≤ 800. O somatório dos custos de x1 e x2 passa a ser o investimento. O valor de 800 é a disponibilidade e o sinal de ≤, por agora, significa a garantia de que não faltará recurso. Ainda, a demanda A consome 2 horas e a B 4 horas, porém a disponibilidade de horas semanais é de 20 horas para ambas, pois o restante do tempo já está comprometido com outras. Assim, teremos a seguinte representação em função do tempo: 2 × 1 + 4 × 2 ≤ 20 horas; então, 2 × 1 + 2 × 2 corresponderão ao total de horas e o valor de 20 horas é o tempo disponível. O símbolo ≤ é a garantia de atendimento das demandas. Com esses dados juntos (valores e tempo disponível), teremos então as restrições do problema bem descritas. Os objetivos agora são: � atender ao máximo de vezes as demandas por semana: máx x1 + x2; � uma das demandas terá o dobro de necessidade de atendimento: máx x1 + 2.x2. Assim, teremos a seguinte condição representada a seguir. 19Características dos modelos matemáticos ÁVILA, S. L. Otimização multi-objeto e análise de sensibilidade para concepção de disposi- tivos. 2006. 159 f. Tese (Doutorado em Engenharia Elétrica) - Universidade Federal de Santa Catarina – UFSC, Florianópolis, 2006. Disponível em: https://repositorio.ufsc.br/ bitstream/handle/123456789/88982/224404.pdf?sequence=1&isAllowed=y. Acesso em: 13 ago. 2020. ARENALES, M. et al. Pesquisa operacional para cursos de engenharia. 2. ed. Rio de Janeiro: Elsevier, 2015. COX III, J. F.; SCHLEIER, J. G. Handbook da teoria das restrições. 1. ed. Porto Alegre: Book- man, 2013. FIANI, R. Teoria dos jogos com aplicações em economia, administração e ciências sociais. 4. ed. Rio de Janeiro: Elsevier, 2015. GOLDBARG, M. C.; LUNA, Henrique P.; GOLDBARG, E. F. Programação linear e fluxos em rede. Rio de Janeiro: Elsevier, 2015. HILLIER, F. S.; LIEBERMAN, G. J. Introdução à pesquisa operacional. 9. ed. Porto Alegre: AMGH, 2012. LACHTERMACHER, G. Pesquisa operacional na tomada de decisão. 5. ed. Rio de Janeiro: LTC, 2016. RODRIGUES, R. Pesquisa operacional. 1. ed. Porto Alegre: Sagah, 2017. E-book. Leitura recomendada MACHLINE, C. et al. Manual da administração da produção. 6. ed. Rio de Janeiro: FGV, 1985. Os links para sites da web fornecidos neste capítulo foram todos testados, e seu fun- cionamento foi comprovado no momento da publicação do material. No entanto, a rede é extremamente dinâmica; suas páginas estão constantemente mudando de local e conteúdo. Assim, os editores declaram não ter qualquer responsabilidade sobre qualidade, precisão ou integralidade das informações referidas em tais links. Características dos modelos matemáticos20 DICA DO PROFESSOR A Pesquisa Operacional, como ferramenta de auxílio à tomada de decisão, tem como objetivo entender e auxiliar na solução de problemas. Porém, no contexto das empresas, que pode ser visto como um sistema complexo, temos um número grande de problemas distintos que podem ser solucionados com diferentes abordagens pela Pesquisa Operacional. Tendo em vista esta diversidade de problemas, este vídeo irá trazer, em seu conteúdo, alguns modelos para soluções de problemas utilizados pela Pesquisa Operacional e suas respectivas definições. Conteúdo interativo disponível na plataforma de ensino! EXERCÍCIOS 1) Problemas que busquem atribuir o mesmo número de tarefas para o mesmo número de recursos são chamados de: A) Designação. B) Competição. C) Otimização. D) Otimização clássica. E) Reposição. 2) Equipamentos se depreciam ao longo do tempo. Qual dos modelos de pesquisa operacional podemos usar para analisar a troca de equipamentos? A) Designação. B) Alocação. C) Reposição. D) Otimização. E) Filas. 3) Em uma barbearia temos 2 cadeiras de barbeiro que estão ocupadas. Cada atendimento leva 25 minutos e a taxa de chegada de clientes é de um cliente a cada 15 minutos. Este pode ser modelado por que modelo? A) Fila. B) Otimização. C) Reposição. D) Otimização clássica. E) Decisão. 4) O problema do caixeiro viajante é um problema típico para se utilizar que modelo? A) Alocação. B) Otimização. C) Otimização clássica. D) Roteiro. E) Decisão. 5) Qual o tipo de modelo que analisa se o problema está preocupado com o estado do sistema? A) Decisão. B) Roteiro. C) Otimização. D) Otimização clássica. E) Designação. NA PRÁTICA Uma empresa de manufatura de telhas produz dois modelos de telhas: o modelo alfa e o modelo beta. Ambos são compostos de barro e água. Sabe-se que: Geralmente, um problema deste tipo irá buscar a maximização do lucro da produção, ou seja, a maximização do lucro do mix de produção ideal. Para iniciarmos a modelagem é necessário percorrer os seguintes passos: 1 - Quais são as variáveis de decisão? Neste caso, são a água e o barro que compõem os dois modelos de telhas a serem produzidos. 2 - Os parâmetros de fornecidos são os preços unitários das matérias-primas que compõem os dois modelos de telhas. 3 - As restrições são os valores máximos de barro e água utilizados em cada um dos modelos. A partir do entendimento destas três questões anteriormente elencadas, pode-se iniciar a construção da função objetivo que determina a maximização do lucro. SAIBA MAIS Para ampliar o seu conhecimento a respeito desse assunto, veja abaixo as sugestões do professor: Aspectos práticos da aplicação de modelos de roteirização de veículos a problemas reais. Conteúdo interativo disponível na plataforma de ensino!
Compartilhar