Baixe o app para aproveitar ainda mais
Prévia do material em texto
2. Formulação do problema de optimização 2.1. Natureza de um problema Tomar decisões constitui uma tarefa básica da gestão. E, hoje em dia, coloca-se a permanente questão da definição do que é um problema de decisão. Para tal, começa-se por identificar quais as condições mínimas que tem que se reunir para que um problema tenha lugar: Estas são: Deve existir um indivíduo (I), que ocupa um meio ambiente (A), a quem o problema pode ser atribuído; Devem existir pelo menos duas linhas de acção (ou alternativas de decisão) que podem ser seguidas; Devem existir pelo menos dois resultados possíveis associados às alternativas e pelo menos um dos resultados é o que se deseja, isto é, é um objectivo; As linhas de acção disponíveis devem proporcionar uma certa probabilidade de atingir o objectivo. Resumindo, diz-se que existe um problema quando se pretende algo, dispõe-se de várias alternativas para alcança-lo, cada uma apresentando probabilidades diferentes de sucesso e está-se em dúvida quanto a linha de acção que se deve escolher. Na maior das vezes, os problemas de decisão têm uma "configuração" mais complexa do que a apresentada e em geral, é essa que se apresenta à Investigação Operacional. A complexidade pode decorrer de qualquer combinação das seguintes condições: o problema é de um grupo, e não de um indivíduo; o meio ambiente (A) modifica-se de tal maneira que afecta as probabilidades associadas às linhas de acção ou aos resultados; o número de alternativas de acção pode ser muito grande; o número de objectivos também pode ser muito grande e os mesmos podem não ser completamente coerentes; as linhas de acção escolhidas por quem toma a decisão podem ter que ser executadas por outras pessoas; as pessoas que não estão envolvidas na tomada de decisão, nem na sua execução podem ser afectadas por ela e reagirem favorável ou desfavoravelmente É precisamente nos problemas mais complexos de decisão que a necessidade da Investigação Operacional mais de faz sentir. 2.2. Formulação do problema e construção de modelos Uma vez caracterizados os problemas de decisão é agora fácil reconhecer a estrutura dos modelos da Investigação Operacional. Assim, para formular um problema precisamos de examinar vários aspectos, sendo os primeiros os seguintes: quem toma a decisão; e quais são os seus objectivos; A partir destas informações e de outros dados estabelecemos a medida de desempenho U, para avaliar as alternativas de acção. Em seguida analisam-se os seguintes aspectos: Quais os aspectos da situação estão sujeitos ao controle de quem toma a decisão - identificar as variáveis controladas; Que outros do meio ambiente, envolvendo ou não seres humanos, podem afectar os resultados das escolhas disponíveis - identificar as variáveis não controladas; Dentro de que limites as variáveis podem ser controladas - identificar as restrições; De salientar que precisamos de examinar todos os componentes do modelo de decisão. Isto significa que formular um problema consiste em: escolha do critério de optimização; selecção das variáveis à optimizar; exame das restrições impostas ao processo; elaboração da função objectiva. Destas etapas definidas resulta que a formulação do problema de optimização exige bons conhecimentos da essência do processo em estudo, que permitem exprimir, adequadamente, através da função objectivo os objectivos e os recursos de optimização, sob uma forma matemática padronizada. A formulação do problema de optimização faz-se com base na modelação dos processos tecnológicos ou gerênciais de formas a permitir a apresentação de um processo real através do seu modelo matemático idealizado. 2.2.1. Escolha do critério de optimização O critério de optimização é o indício principal, segundo o qual se avalia o funcionamento do processo em estudo. Ele deve satisfazer três exigências principais, a saber: Deve ser único; Deve ser possível de exprimir-se por número; Deve variar monotonamente. Geralmente, existem certas dificuldades para a satisfação da primeira exigência, pois qualquer sistema em estudo caracteriza-se, de um modo geral, por diversas variáveis de estudo e, é evidente que sempre se pretende organizar a ocorrência do processo de tal maneira que todas as variáveis em estudo sejam as melhores. No entanto, hoje em dia, as técnicas de optimização permitem, apenas, optimizar o processo por um único critério. Refira-se que continua em investigação a optimização de processos através de vários critérios, mas ainda não foi possível a generalização dos resultados. Deste modo, se usar como critério de optimização a selecção de uma variável entre as várias possíveis, sempre corre-se o risco de se escolher uma que não seja a melhor. Note-se que para um mesmo sistema optimizado por vários critérios, as condições óptimas podem não coincidir e, entre elas existirão as aceitáveis e as não aceitáveis. Assim, na formulação de um problema de optimização deve-se seleccionar um critério de optimização que leve aos melhores resultados. Na prática, seria preferível optimizar um processo através de vários critérios e, dos resultados obtidos, escolher o mais aceitável, isto é, aquele que dá as condições óptimas globais. Na optimização de processo, frequentemente distinguem-se dois tipos de critérios: os critério económicos, tais como: o lucro, a rentabilidade, o rendimento relativo, os preços, os custos, as receitas, etc.; e os critérios tecnológicos: a qualidade, o rendimento do produto, as características dos produtos, a produtividade, etc.. Refira-se que cada critério tecnológico é uma forma reduzida de um critério de um critério económico equivalente. E como regra, os critérios económicos usam-se para a optimização de processos à nível de empresa, enquanto que os critérios tecnológicos usam-se ao nível de elementos ou de algumas instalações. No que se refere à segunda exigência, o critério de optimização deve ser escolhido de tal modo que permita a sua expressão através de números. Esta exigência resulta da possibilidade de se fazer comparação entre números, sem qualquer margem de dúvidas. Caso contrário, a avaliação das variáveis tornar-se-ia extremamente difícil, senão impossível. A última exigência, a da variação monótona do critério de optimização em função das variáveis à optimizar, está relacionada tanto com a resolução do problema, como com a implementação dos resultados. 2.2.2. Selecção das variáveis a optimizar Qualquer processo a ser optimizado deve dispor de recursos de optimização, isto é, deve possuir um certo número de variáveis de entrada que, através das suas variações, se torne possível determinar as condições óptimas. Assim, as variáveis de comando constituem as variáveis à optimizar. Na selecção das variáveis a optimizar é sempre conveniente o maior número possível das variáveis do processo, desde que se disponha de mais recursos para a optimização; Deste modo, há que estabelecer um compromisso entre o número das variáveis a optimizar seleccionadas, os métodos e os meios de realização da optimização. 2.2.3. Exame das restrições impostas ao processo Na formulação de problemas de optimização, geralmente é pouco seguro considerar que as variáveis do sistema podem ser alteradas de qualquer modo e que o processo pode funcionar, independente mente de todas as influências exteriores. Por isso, é necessário as condições restritivas que são impostas ao processo. As restrições são as condições que é necessário respeitar, independentemente da forma como influem sobre o critério de optimização. E elas podem ter origem nos aspectos mais diversos dos problemas. As mais frequentes são: Devidas à quantidade e qualidade do materiais; Devidas à tecnologia usada; Devidas às causas económicas e de conjuntura; Devidas ao meio ambiente; Outras restrições. 2.2.4. Elaboração da funçãoobjectiva A função objectivo representa o critério de optimização apresentado em função das variáveis à optimizar, geralmente tem o seguinte aspecto: ),, 2 , 1 ( n xxxzz Com a definição da função objectiva, o problema da optimização torna-se completamente definido. Entretanto, optimizar um processo significa encontrar o valor extremo (máximo ou mínimo) da função objectivo. Assim, nos modelos a função objectivo deve ser sempre precedida pelo objectivo de optimização, que pode ser maximizar ou minimizar. 2.3. Construção de modelos matemáticos A ideia principal que forma a base de construção de modelo matemáticos na formulação de problemas de optimização consiste em considerar o sistema como um conjunto de funções elementares que se designa processo. E, na prática, o processo é comparado a uma caixa negra onde decorres a transformação de elementos de entra em elementos de saídas. Figura 2.1. – Representação esquemática de formulação de problemas de optimização As entradas incluem um elemento ou um conjunto de elementos que caracterizam o estado inicial do processo. Isto é, as entradas representam os recursos consumidos, ou utilizados, pelo processo e podem ser matéria-prima, meios humanos ou materiais, tempo, máquinas, equipamentos, etc.. As saídas incluem um elemento ou um conjunto de elementos que caracterizam o estado final do processo e constituem os resultados finais do processo que podem ser quantidades de produtos acabados, de meios humanos ou materiais, decisões, etc. O processo representa um determinado meio de transformação dos elementos de entrada em elementos de saída. Por isso, os mecanismos internos do processo não são objecto de estudo de Investigação Operacional. Eles são objecto de estudo de diversas especialidades, tais como a Gestão, a Engenharia, a Medicina, etc.. Entretanto, para qualquer que seja a especialidade envolvida, o procedimento construção de modelos matemáticos baseia-se fundamentalmente em três suposições, a saber: Proporcionalidade – Nos modelos matemáticos os valores dos elementos de entrada e de saída de qualquer processo geralmente são proporcionais à intensidade desse processo. Isto é, qualquer produto produzido (elemento de saída) é determinado pela intensidade que é uma norma técnica que equilibra o processo em função dos elementos de entrada. A proporcionalidade deve verificar-se entre a quantidade de elementos de saída determinada pela intensidade do processo. Isto significa que em caso de multiplicação da PROCESSO (caixa negra) Entradas Saídas intensidade do processo multiplicam-se também os elementos de entrada e de saída. Por exemplo, o aumento de número de operários uma oficina implica o aumento do número de instrumentos de trabalho. Similarmente, o aumento da quantidade dos elementos de entrada para a produção, implica o aumento da quantidade dos elementos de saída. Não negatividade – A intensidade do processo de ser sempre positiva, pois é difícil interpretar valores negativos em processos reais. Por exemplo, é impossível produzir-se um número negativo de artigos. Esta suposição chama- se não negatividade. Aditividade – A quantidade total de qualquer ingrediente determinado pelo sistema como sendo inteiro deve ser igual a soma das quantidades empregues no sistema. Deste modo. Cada elemento do sistema caracteriza-se através dum balanço material. Por exemplo, a quantidade de horas de trabalho consumidas em todos os processos, supondo que se produzem vários artigos, deve corresponder a existência de operários necessários em cada um dos processos considerados. Na construção de modelos devem ser observados os princípios de modelação. Estes são: a) Nunca se deve construir um modelo complicado quando um outro mais simples for satisfatório; b) A fase de dedução do modelo deve ser conduzida rigorosamente; c) modelo deve se adaptar à técnica de optimização adoptada; d) modelo deve ser válido antes da implementação; e) modelo não deve ser forçado a fazer nem deve ser criticado por não fazer o que ele não foi concebido para fazer; f) modelo não substitui a pessoa que toma as decisões. 2.4. Exemplos de formulação de modelos simples Nesta secção, apresentam-se alguns exemplos de formulação de moedelos matemáticos de problemas de optimização. Exemplo 1 – Considere o seguinte problema Uma empresa produz três produtos P1, P2 e P3. A fabricação de uma unidade do produto P1 necessita de 8 homem–horas de trabalho, 8 kg da matéria-prima A e 5 kg da matéria-prima B. Uma unidade do produto P2 necessita de 5 homem–horas, 7 kg da matéria-prima A e 4 kg da matéria-prima B. E as necessidades para a fabricação de uma unidade do produto P3 são 4 homem–horas, 9 e 3 quilogramas, respectivamente, das matérias-primas A e B Os fornecimentos semanais das matérias-primas A e B à empresa são limitadas, respectivamente, em 3,23 e 1,7 toneladas, sendo 2400 homem–horas disponíveis. Sabe-se que não há dificuldade quanto ao manuseamento do produto P2, enquanto que, devidas as condições de conservação, não se pode produzir, no total, mais de 350 unidades dos produtos P1 e P3, por semana. Assumindo que as margens brutas, por unidade produzida, dos produtos P1, P2 e P3, são, respectivamente, de 90, 65 e 75 contos, estabeleça um óptimo plano semanal de produção para a empresa. Resolução: Variáveis a optimizar x1 – Quantidade do produto P1 (unidades) x2 – Quantidade do produto P2 (unidades) x3 – Quantidade do produto P3 (unidades) Restrições 8x1 + 5x2 + 4x3 2400 – Disponibilidade da mão-de-obra (homem – horas) 8x1 + 7x2 + 9x3 3,23 1000 – Disponibilidade da matéria-prima A (Quilogramas) 5x1 + 4x2 + 3x3 1,7 1000 – Disponibilidade da matéria-prima B (Quilogramas) x1 + x3 350 – Limitação das condições de conservação (unidades) Função Objectiva Z = 90x1 + 65x2 + 75x3 – margem bruta total, por semanal (contos) Modelo Matemático 0x,x,x 350xx 17003x4x5x 32309x7x8x 24004x5x8x:aSujeito 75x55x90xz:Maximizar 321 31 321 321 321 321 Exemplo 2 – Considere o seguinte problema A Direcção de Finanças das Linhas Aéreas de Moçambique (LAM), deve decidir sobre as quantidades de combustível, para os aviões daquela empresa, a adquirir de três possíveis fornecedores, a saber: a BP, a MOBIL e a SHELL. Na Região Centro de Moçambique, a LAM reabastece os seus aviões em três aeroportos servidos por ela, designadamente: Beira, Quelimane e Tete. As quantidades mínimas necessárias de combustível nos três aeroportos são de 4,5 kl, 2,5 kl e 1,5 kl para os aeroportos da Beira, de Quelimane e de Tete, respectivamente. E as empresas fornecedoras comunicaram que, durante o próximo mês, podem fornecer até as seguintes quantidades de combustível: 6,5 kl, 5,5 kl e 2,75 kl, respectivamente, para a BP, a MOBIL e a SHELL. Sabe-se que ao preço cotado por litro de combustível, quando forem acrescentados os custos de transporte, os custos combinados de cada litro de combustível fornecido por uma certa empresa a um determinado aeroporto são dados na tabela abaixo. AEROPORTOS EMPRESAS FORNECEDORAS BP MOBIL SHELL Beira 12 contos 13 contos 14 contos Quelimane 17 contos 16 contos 15 contos Tete 16 contos 15 contos 17 contos Formule o problema de decisão de aquisição de combustível. Resolução: Variáveis à optimizar: x11 – quantidade de combustível fornecido ao Aeroporto da Beira pela BP (l); x12 – quantidade de combustível fornecido ao Aeroporto da Beira pela MOBIL (l); x13 – quantidade de combustível fornecido ao Aeroporto da Beira pela SHELL (l); x21 – quantidade de combustível fornecido ao Aeroporto de Quelimane pela BP (l); x22 – quantidade de combustível fornecido ao Aeroporto de Quelimane pela MOBIL (l); x23 – quantidade de combustível fornecido ao Aeroporto de Quelimane pela SHELL (l); x31 – quantidade de combustível fornecido ao Aeroporto de Tetepela BP (l); x32 – quantidade de combustível fornecido ao Aeroporto de Tete pela MOBIL (l); x33 – quantidade de combustível fornecido ao Aeroporto de Tete pela SHELL (l); Restrições: x11 + x12 + x13 4,5 1000 – necessidades do aeroporto da Beira (l); x21 + x22 + x23 2,5 1000 – necessidades do aeroporto de Quelimane (l); x31 + x32 + x33 1,5 1000 – necessidades do aeroporto de Tete (l); x11 + x21 + x31 6,5 1000 – limitação da capacidade de fornecimento da BP (l); x12 + x22 + x32 5,5 1000 – limitação da capacidade de fornecimento da MOBIL (l); x13 + x23 + x33 2,75 1000 – limitação da capacidade de fornecimento da SHELL (l); Função Objectiva z = 12x11+13x12+14x13+17x21+16x22+15x23+16x31+15x32+17x33 – custo total (contos) Modelo Matemático 0x,x,x,x,x,x,x,x,x 2750xxx 5500xxx 6500xxx 1500xxx 2500xxx 4500xxx:aSujeito 17x15x16x15x16x17x14x13x12xzMinimizar 333231232221131211 332313 322212 312111 333231 232221 131211 333231232221131211 Exemplo 3 – Considere o seguinte problema Uma empresa de produção de tomate enlatado opera duas fábricas e tem contrato com três agricultores, o senhor Salvador, a senhora Felizmina e o senhor Rachide que asseguram o fornecimento de tomate fresco às duas fábricas nas seguintes condições: senhor Salvador: 200 toneladas a 10 contos por quilo; senhora Felizmina: 300 toneladas a 9 contos por quilo; e senhor Rachide: 400 toneladas a 8 contos por quilo. Os preços de transporte, em milhões de meticais, por tonelada de tomate são os seguintes: Da machamba: Para Fábrica I Fábrica II Do Sr. Salvador 2,0 3,0 Da Sra. Felizmina 1,0 2,0 Do Sr. Rachide 4,0 3,0 As capacidades de produção das fábricas e os custos de produção, em milhões de meticais, por cada tonelada de tomate são dados na tabela abaixo. Fábrica I Fábrica II Capacidade de Produção 450 toneladas 500 toneladas Custos de produção 25 30 Sabendo que o tomate enlatado é vendido aos distribuidores a 60 milhões de meticais por tonelada e que a empresa tem a colocação assegurada para toda a produção das suas duas fábricas, formule o problema do plano de produção como um modelo de programação linear. Resolução Variáveis à optimizar: x11 – quantidade de tomate fornecido pelo senhor Salvador à Fábrica 1 (ton.); x12 – quantidade de tomate fornecido pelo senhor Salvador à Fábrica 2 (ton.); x21 – quantidade de tomate fornecido pela senhora Felizmina à Fábrica 1 (ton.); x22 – quantidade de tomate fornecido pela senhora Felizmina à Fábrica 2 (ton.); x31 – quantidade de tomate fornecido pelo senhor Rachide à Fábrica 1 (ton.); x32 – quantidade de tomate fornecido pelo senhor Rachide à Fábrica 2 (ton.). Restrições: x11 + x12 = 200 – limitação do fornecimento do senhor Salvador (ton.); x21 + x22 = 300 – limitação do fornecimento do senhor Salvador (ton.); x31 + x32 = 400 – limitação do fornecimento do senhor Salvador (ton.); x11 + x21 + x31 450 – limitação da capacidade de processamento da Fábrica 1(ton.); x12 + x22 + x32 500 – limitação da capacidade de processamento da Fábrica 2 (ton.). Função Objectivo Os coeficientes da Função Objectivo representam, neste caso, os lucros provenientes do venda de uma tonelada de tomate processado por uma certa Fábrica e fornecido por um certo agricultor. Sendo assim, tem-se: para o tomate fornecido pelo senhor Salvador à Fábrica 1: 60–(10+2+25)=23; para o tomate fornecido pelo senhor Salvador à Fábrica 2: 60–(10+3+30)=17; para o tomate fornecido pela senhora Felizmina à Fábrica 1: 60–(9+1+25)=25; para o tomate fornecido pela senhora Felizmina à Fábrica 2: 60–(9+2+30)=19; para o tomate fornecido pelo senhor Rachide à Fábrica 1: 60–(8+5+25)=22; para o tomate fornecido pelo senhor Rachide à Fábrica 2: 60 – (8+4+30)=18; Desta forma, a função objectivo fica com o seguinte aspecto: z = 23x11 + 17x12 + 25x21 + 19x22 + 22x31 + 18x32 – Lucro total (milhões de meticais) Modelo Matemático 0x,x,x,x,x,x 450xxx 00xxx 450xx 300xx 00xx:aSujeito 18x22x19x25x17x23xzMaximizar 323122211211 322212 312111 3231 2221 1211 323122211211 4 2 Exemplo 4 – Considere o seguinte problema A Manhiça Contentores Metálicos SARL, pretende produzir um tanque cilíndrico, com a capacidade de cinquenta mil litros, para armazenagem de combustíveis líquidos. A direcção daquela empresa prevê que o futuro tanque tenha muita aceitação e, em princípio, deverá ser produzida em milhões de unidades. Por isso, é necessário assegurar a redução dos seus custos de fabricação, de modo que a empresa possa conseguir maiores proveitos. Sabendo que o custo de fabricação do tanque pode ser directamente relacionado com a área total da chapa metálica utilizada, formule o modelo matemático do projecto do novo tanque e determine as suas dimensões óptimas. Resolução Variáveis a optimizar: x1 – Raio do tanque (m) x2 – Altura do tanque (m) Restrição: Capacidade do contentor (m3) 50xx 2 2 1 Função Objectiva: 21 2 1 22 xxxz – Área total do tanque (m2) Modelo Matemático 0, 50: 22: 21 2 2 1 21 2 1 xx xxaSujeito xxxZMinimizr Exemplo 5 – Considere o seguinte problema Uma certa operação industrial requer um contentor fechado, em forma de paralelogramo, para o armazenamento de um certo tipo de fluído. A fabricação do contentor necessário, requer a construção de uma estrutura de reforço, conforme se apresenta na figura abaixo, pois espera-se que este venha sofrer uma elevada pressão interna. Os dados relativos aos custos de fabricação da estrutura de reforço são os seguintes: membros horizontais – 20 contos por metro; e membros verticais – 30 contos por metro. Sabendo que a capacidade do contentor deve ser exactamente de 60000 litros, determine as dimensões óptimas dos membros da estrutura necessária. Resolução Variáveis a optimizar: x1 – Comprimento da estrutura (m) x2 – largura da estrutura (m) x3 – Altura da estrutura (m)) Restrição: x1 x2 x3 = 60 – Capacidade do contentor (m3) Função Objectiva: z = 20(4x1 + 4x2) + 30 4x3 – Custo da estrutura (contos/m) Modelo Matemático 0x,x,x 60xxx:aSujeito 120x80x80xz:Minimizar 32x 32x 321 Exemplo 6 – Considere o seguinte problema Imagine que, para a próxima quadra festiva, a Empresa de Transportes Públicos de Maputo (TPM) tenha que implementar um plano especial de 24 horas de serviço, e que tenha efectuado um estudo que apurou o seguinte: HORÁRIO Nº DE AUTOCARROS NECESSÁRIOS 01 – 05 15 05 – 09 30 09 – 13 25 13 – 17 35 17 – 21 30 21 – 01 20 Sabendo que os turnos têm duração de 8 horas consecutivas, e que devem ser iniciados às 01, 05, 09, 13, 17 e 21 horas, formule o problema de decisão de alocação dos autocarros Resolução: Variáveis a optimizar x1 – Quantidade de viaturas a iniciar o turno à 01 hora (unidades) x2 – Quantidade de viaturas a iniciar o turno às 05 horas (unidades) x3– Quantidade de viaturas a iniciar o turno às 09 horas (unidades) x4 – Quantidade de viaturas a iniciar o turno às 13 horas (unidades) x5 – Quantidade de viaturas a iniciar o turno às 17 horas (unidades) x6– Quantidade de viaturas a iniciar o turno às 21 horas (unidades) Restrições Para facilitar a composição das restrições, conside-se o esquema abaixo que mostra o plano de distribuiçõa das viaturas, em função da hora do início do turno. Neste esquema pode-se observar que as viaturas que iniciam o turno à 1 hora, só terminam às 9 horas. No entanto, como às 5 horas começa o segundo turno, então no intervalo entre 5 e 9 horas circulam as viaturas de ambos os turnos. E esta situação de sobreposição, repete-se em todos os intervalos. Sendo assim, as restrições do problema, reflictem as necessidades de viaturas em cada intervalo de tempo e são as seguintes: x1 + x6 15 – necessidadede viaturas entre 01 e 05 horas (unidades); x1 + x2 30 – necessidade de viaturas entre 05 e 09 horas (unidades); x2 + x3 25 – necessidade de viaturas entre 09 e 13 horas (unidades); x3 + x4 35 – necessidade de viaturas entre 13 e 17 horas (unidades); x4 + x5 30 – necessidade de viaturas entre 17 e 21 horas (unidades); x5 + x6 20 – necessidade de viaturas entre 21 e 01 horas (unidades); Função Ojectivo z = x1 + x2 + x3 + x4 + x5 + x6 - número total de viaturas (unidades) Modelo Matemático 01 05 09 13 17 21 01 Horas x1 x2 x3 x5 x4 x6x6 0x,x,x,x,x,x 20xx 30xx 35xx 25xx 30xx 15xx:asujeito xxxxxxz:Minimizar 654321 65 54 43 32 21 61 654321 Exemplo 7 – Considere o seguinte problema Uma empresa de comercialização de papel sediada em Maputo, distribui papel para jornal a partir de rolos de papel de 70 metros de comprimento e 1,5 metros de largura. E, para o próximo mês, a empresa recebeu as seguintes emcomedas: 70 rolos de 80 centimetros de largura, para o Jornal Fim de Semana; 100 rolos de 60 centímetros de largura, para o Jornal Zambeze; e 120 rolos de 50 centímetros de largura, para o Jornal Demos. Admitindo que todos os rolos fornecidos terão 70 metros de comprimento, estabeleça o óptimo plano de corte de rolos de modo a minimizar os desperdícios de papel. Resolução Para resolver este problema, considere-se que existem 5 maneiras de cortar rolos de 1,5 metros de largura respeitando as exigências de rolos com largura de 80, 60 e 50 centímetros, conforme resumem as figuras abaixo: 80 cm 60 cm Desperdício10 cm 1 ,5 m 80 cm 50 cm Desperdício20 cm 1 ,5 m Maneira I Maneira II Estas cinco maneiras de corte podem ser resumidas segundo o quadro abaixo. MANEIRAS DE CORTES ENCOMENDAS I II III IV V Quantidades Necessárias I (largura 80 cm) 1 1 – – – 70 II (largura 60 cm) 1 – 2 1 – 100 III (largura 50 cm) – 1 – 1 3 120 LARGURAS DOS DESPERDÍCIOS (cm) 10 20 30 40 0 60 cm 60 cm Desperdício30 cm 1 ,5 m 60 cm 50 cm Desperdício40 cm 1 ,5 m Maneira III Maneira IV 50 cm 50 cm 50 cm 1 ,5 m Maneira V A partir deste quadro, torna-se fácil fazer a formulação do problema, que é feita da seguinte forma: Variáveis a optimizar: x1 – número de rolos a serem cortados segundo a maneira I; x2 – número de rolos a serem cortados segundo a maneira II; x3 – número de rolos a serem cortados segundo a maneira III; x4 – número de rolos a serem cortados segundo a maneira IV; e x5 – número de rolos a serem cortados segundo a maneira V. Restrições: x1 + x2 =70 – rolos necessários no Jornal Fim de Semana (unidades); x1 + 2x3 + x4 =100 – rolos necessários no Jornal Zambeze (unidades); e x2 + x4 + 3x5 =120 – rolos necessários no Demos (unidades). Função Objectivo: z =10x1 + 20x2 + 30x3 + 40x4 – Largura total do desperdício de papel. Modelo Matemático: 0x,x,x,x,x 1203xxx 100x2xx 70xx:asujeito 0x40x30x20x10xz:Minimizar 54321 542 431 21 54321 Referências selecionadas TAHA, Handy (1997). “Operations Research. An Introduction”, 6th Edition. Prentice- Hall, Upper Saddle River. GURREIRO, Jorge; MAGALHÃES, Alípio e RAMALHETE, Manuel (1985). “Programação Linear”. McGraw Hill de Portugal, Lisboa. BRONSON, Richard (1985). “Pesquisa Operacional”. McGraw Hill do Brasil, São Paulo. ANDRADE, Eduardo L. (2000). Introdução à Pesquisa Operacional”, 2ª Edição. Livro Técnicos e Científicos Editora, Rio de Janeiro.
Compartilhar