Prévia do material em texto
Pesquisa Operacional Material Teórico Responsável pelo Conteúdo: Prof. Esp. Roberto Seraglia Martins Revisão Textual: Prof. Ms. Claudio Brites Programação linear • Introdução • Problemas lineares • Solução · Os principais objetivos desta Unidade são conhecer modelos de programação linear; características e formulações dos modelos; exemplos de modelagem para resolver problemas empresariais; Método Simplex; análise de sensibilidade; e programação linear inteira. OBJETIVO DE APRENDIZADO Leia atentamente o conteúdo desta Unidade, que lhe possibilitará conhecimentos sobre a programação linear. Você também encontrará aqui uma atividade composta por questões de múltipla escolha relacionadas com o conteúdo estudado. Além disso, terá a oportunidade de trocar conhecimentos e debater questões no fórum de discussão. É extremante importante que você consulte os materiais complementares, pois são ricos em informações, possibilitando-lhe o aprofundamento de seus estudos sobre esse assunto. ORIENTAÇÕES Programação linear UNIDADE Programação linear Contextualização A Programação Linear visa discutir aspectos relacionados ao processo de maximização do resultado nas indústrias, privilegiando o uso da margem de contribuição, instrumento do custeio variável. O estudo compreende a identificação de um problema onde se torna necessária a escolha da melhor combinação, por exemplo, de produtos a serem fabricados num ambiente de múltiplas restrições. A programação linear é proposta como alternativa para encontrar o melhor mix de produção, ou seja, aquele que maximize o resultado. Finalmente, é apresentado um exemplo em que os conceitos são aplicados e os impactos na margem de contribuição total da empresa são analisados. Dessa forma, a programação linear é capaz de fornecer uma combinação de produtos que proporciona resultados maiores do que o uso isolado da margem de contribuição. Saiba mais acessando o link abaixo: https://goo.gl/BDqPVsEx pl or 6 7 Introdução Quando tratamos de problemas e possíveis soluções, estamos buscando uma saída que é a otimização, ou seja, uma forma eficiente de utilizar os recursos para se atingir um objetivo. Falamos de otimização de recursos pois esses, na prática, sempre estão associados à natureza financeira e econômica, como equipamentos, mão de obra, matéria prima e o capital. A Pesquisa Operacional tem como característica: Fazer uma busca minuciosa por toda a organização, buscando otimização de operações pautada na aplicação de técnicas e métodos científicos a partir do desenvolvimento e da utilização de métodos analíticos, operações e integração de equipes. A tomada de decisão sempre é um processo difícil e a Pesquisa Operacional surge para dar subsídios para a melhor escolha, buscando sempre alcançar objetivos e a otimização. A otimização vem sempre ligada a uma busca de quantidades, maximizando-as ou minimizando-as, e finitas variáveis a serem consideradas. Quando podemos expressar nosso problema organizacional de otimização com funções matemáticas e sinais (Figura 2), dizemos que são problemas de programação matemática. Problemas de programação matemática são classificados de acordo com a técnica que se usa para montá-los, analisá-los e resolvê-los. Problemas lineares Programação linear A Programação Linear (PL) fundamenta-se na busca pela solução de problemas que possam ser parametrizados por expressões lineares. A Programação Linear tem a tarefa de trabalhar com a função objetivo, respeitando as restrições de modelo; em outras palavras, ela pode maximizar ou minimizar uma função linear observando o sistema linear de desigualdades e igualdades. As restrições determinam o que chamamos de conjunto viável para chegarmos à solução ótima! 7 UNIDADE Programação linear Complicou? Simplificando: Temos um objetivo que é encontrar a melhor distribuição dos recursos de modo a alcançar um valor ótimo. Considerando: Que nosso Objetivo será transcrito como variável de decisão do problema. E que existem restrições para a aplicação dos recursos, que podem ser fundadas na forma de utilização ou na disponibilidade dos mesmos. Esquematizando Onde queremos chegar? Quais são as condiçõesa serem obedecidas? Como escrever o problema com variáveis? De�nição de Variáveis Relações Matemáticas Restrições MODELO Equação Função Objetivo Como podemos observar na concepção, não existe uma forma estática para montar o modelo de um problema, pois a modelagem envolve aspectos particulares que são modelados com a observação e prática de aplicação, contando com experiência, boa análise e síntese. Na formulação de um modelo, é considerada muito importante a escolha adequada das variáveis de decisão. Quando as variáveis de decisão são bem selecionadas, a função objetivo e as restrições podem ser obtidas sem muita dificuldade. Os problemas na determinação da função objetivo e as restrições aparecem devido a uma escolha incorreta das variáveis de decisão. 8 9 Problemas típicos A Pesquisa Operacional pode ser aplicada na resolução de uma gama muito grande de problemas de natureza tática e não estratégica. TÁTICO X ESTRATÉGICO Avaliando o alcance do problema: Quando sua resolução produz um efeito de curta duração, sendo que essa solução pode ser redesenhada com facilidade, temos um problema TÁTICO. x Medindo a extensão e orientação do problema: Quanto maior for a abrangência da solução na organização, uma lista maior de metas e objetivos, mais ESTRATÉGICO esse problema será para o grupo. São exemplos: · Cadastro de rotas; · Filas de espera; · Reposição ou substituição; · Movimentação de Estoques; · Alocação de recursos; Vamos exercitar? Uma indústria de massas produz três tipos de biscoitos: quadrado, redondo e oval. Cada tipo requer farinha pura, açúcar e aditivos que estão disponíveis nas quantidades de: 9.600.000, 4.800.000 e 2.200.000 quilos por mês respectivamente. As receitas de cada tipo de biscoito são: · Um quilo de biscoito quadrado requer 0,22 quilos de farinha pura, 0,50 quilos de açúcar e 0,28 quilos de aditivos; · Um quilo de biscoito redondo requer 0,52 quilos de farinha pura, 0,34 quilos de açúcar e 0,14 quilos de aditivos; · Um quilo de biscoito oval requer 0,74 quilos de farinha pura, 0,20 quilos de açúcar e 0,06 quilos de aditivos. Como programação de produção, com base na demanda de mercado, o planejamento da indústria estipulou que: · a quantidade de biscoito oval deve ser, no mínimo, igual a 16 vezes a quantidade de biscoito quadrado; e 9 UNIDADE Programação linear · que a quantidade de biscoito redondo deve ser, no máximo, igual a 600.000 quilos por mês; · A empresa sabe que cada quilo de biscoito quadrado, redondo e oval dá uma margem de contribuição para o lucro de $0,30, $0,25 e $0,20, respectivamente; · e seu objetivo é determinar o programa de produção que maximiza a margem total de contribuição para o lucro. Definição das variáveis: X1: quantidade de biscoito quadrado a produzir X2: quantidade de biscoito redondo a produzir X3: quantidade de biscoito oval a produzir Modelo completo: Encontrar valores para x1, x2 e x3 de modo a: MAXIMIZAR L = 0,30 × x1 + 0,25 × x2 + 0,20 × x3 Respeitando as restrições: 0,22 × x1 + 0,52 × x2 + 0,74 × x3 ≤ 9.600.000 0,50 × x1 + 0,34 × x2 + 0,20 × x3 ≤ 4.800.000 0,28 × x1 + 0,14 × x2 + 0,06 × x3 ≤ 2.200.000 16 × x1 - x3 ≤ 0 X2 ≤ 600.000 x1 ≥ 0 X2 ≥ 0 X3 ≥ 0 10 11 Analisando esse exemplo como base, podemos afirmar que as grandezas envolvidas num sistema de Programação Linear obedecem às características gerais: · proporcionalidade – exemplo: se 1 quilo do biscoito quadrado possui 0,50 quilos de açúcar, 3 quilos de biscoito quadrado possuirão 1,50 quilos de açúcar; · aditividade – exemplo: se 1 quilo de biscoito redondo requer 0,52 quilos de farinha pura, e 1 quilo de biscoito oval requer 0,74 quilos de farinha pura, logo 1 quilo da mistura deve conter1,26 quilos de farinha pura; · fracionamento – exemplo: 1 quilo de biscoito oval requer 0,74 quilos de farinha pura, 0,20 quilos de açúcar e 0,06 quilos de aditivos. Outro exemplo delicioso: Uma sorveteria vai fazer a programação mensal de mão de obra e material para a produção de sorvete. Ela deve considerar a produção de três tipos de sorvete utilizando 200 quilos de material por dia com disponibilidade de mão de ora de 150 horas. Cone Massa Picolé Mão de obra 7 3 6 Material 4 4 5 Lucro 4 2 3 Formule um modelo de Programação Linear para determinar a produção de cada um dos tipos de sorvete maximizando o lucro da sorveteria. Definição das variáveis: X1: quantidade de cone a produzir X2: quantidade de massa a produzir X3: quantidade de picolé a produzir Modelo completo: Encontrar valores para x1, x2 e x3, de modo a: MAXIMIZAR LUCRO TOTAL Max Lucro = 4 × x1 + 2 × x2 + 3 × x3 11 UNIDADE Programação linear Respeitando as restrições: Mão de obra 7 × x1 + 3 × x2 + 6 × x3 ≤ 150 Material 4 × x1 + 4 × x2 + 5 × x3 ≤ 200 E; x1 ≥ 0 X2 ≥ 0 X3 ≥ 0 Está esquentando? Vamos avaliar duas linhas de produção que produzem três diferentes formatos de garrafas. A organização se comprometeu a entregar 16 toneladas de garrafa 350mL, 6 toneladas de garrafa 1500mL e 28 toneladas de garrafa 3000mL. Existe uma demanda para cada tipo de garrafa. O custo de produção na primeira linha é de R$ 1.000 e o da segunda linha é de R$ 2.000 por dia. A primeira linha produz 8 toneladas de garrafa 350mL, 1 tonelada de garrafa 1500mL e 2 toneladas de garrafa 3000mL por dia. A segunda linha produz 2 toneladas de garrafa 350mL, 1 tonelada de garrafa 1500mL e 7 toneladas de garrafa 3000mL. Quantos dias cada linha deverá operar para suprir os pedidos de forma mais econômica? Garrafa 350mL Garrafa 1500mL Garrafa 3000mL Linha 1 8 1 2 Linha 2 2 1 7 Total 16 6 28 12 13 Variáveis de decisão x1 = dias de produção da linha 1 x2 = dias de produção da linha 2 Restrições Sujeito a: 8 x1 + 2 x2 ≥ 16 1 x1 + 1 x2 ≥ 6 2 x1 + 7 x2 ≥ 28 x1 ≥ 0 x2 ≥ 0 Objetivo do Problema: Custo Mínimo! Min. Custo = 1000 x1 + 2000 x2. Agora ficou fácil! Um produtor rural pode distribuir 800 caixas de vegetais para sua região. Ele necessita distribuir 200 caixas de brócolis, lucrando R$20 por caixa, pelo menos 100 caixas de aipo, lucrando R$10 por caixa, e até 200 caixas de couve-flor, lucrando R$30 por caixa. De que forma deverá ele carregar o caminhão para obter o lucro máximo? Caminhão Brócolis 200 Aipo 100 Couve-flor 200 Total 800 Variáveis de decisão x1 = quantidades de aipo a carregar x2 = quantidades de couve-flor a carregar 13 UNIDADE Programação linear Restrições Sujeito a: x1 + x2 ≤ 600 x1 ≥ 100 x2 ≤ 200 x1 ≥ 0 x2 ≥ 0 Como o produtor deverá distribuir suas caixas para obter o lucro máximo? Max.Lucro = 10 x1 + 30 x2 + 4000 Último! Um ourives faz 6 brincos por hora, se fizer somente brincos. E produz 5 pingentes por hora, se fizer somente pingentes. Ele gasta 2 unidades de ouro para fabricar 1 unidade de brinco e 1 unidade ouro para fabricar uma unidade de pingente. Sabendo que o total disponível de ouro é apenas 10 unidades e que o lucro unitário por brinco é de 5 unidades monetárias, e o do pingente é de 2 unidades monetárias, responda: Qual o modelo do sistema de produção do ourives para maximizar seu lucro por hora? Tempo Ouro Brincos 10 2 Pingentes 12 1 Total 60 10 Variáveis de decisão x1 = quantidades de brincos a produzir por hora x2 = quantidades de pingentes a produzir por hora Restrições Sujeito a: 10 x1 + 12 x2 ≤ 60 2 x1 + 1 x2 ≤ 10 x1 ≥ 0 x2 ≥ 0 14 15 Solução Max.Lucro = 5 x1 + 2 x2 Limitações Existem situações nas organizações em que encontramos um número tão grande de variáveis e restrições que fica impossível viabilizar uma resolução manual. Nesses casos, recomenda-se a utilização de softwares específicos para a resolução de Programação Linear Softwares computacionais A utilização de ferramentas computacionais para a resolução de problemas de Programação Linear de grande porte é considerada pela grande quantidade de variáveis e restrições. Ao abrir o computador hoje em dia, deparamo-nos com várias opções disponíveis no mercado para a resolução desse problema nas organizações. Temos, assim, desde programas que necessitam do suporte de potentes sistemas operacionais até outros que podem ser utilizados em computadores pessoais. Método Gráfico Um problema de Programação Linear pode ser resolvido pelo Método Gráfico sempre que o modelo em estudo apresentar duas variáveis. As variáveis serão X1 e X2 e os eixos também serão nomeados X1 e X2 Existem problemas de Programação Linear que apresentam: · Uma solução ótima; · Nenhuma solução ótima; · Infinitas soluções. O Método Gráfico se apresenta como solução muito limitada pois grande parte dos problemas de Programação Linear contém mais de duas variáveis e muitas restrições. 15 UNIDADE Programação linear Exemplo: Vamos representar graficamente a solução de um sistema: X1 + 3x2 ≤ 12 2 x1 + x2 ≥ 16 x1 ≥ 0 x2 ≥ 0 Suas retas correspondentes: 1- X1 + 3x2 ≤ 12 → se X1 = 0 x2 = 4 Se x2 = 0 e X1= 12 2 - 2 x1 + x2 ≥ 16 → se X1 = 0 x2= 16 se x2 = 0 e X1 = 8 x2 x1 Essa é a área de possíveis Soluções, que respeita as restrições impostas pelo modelo Função-objetivo: Max. L = 2 x1 + 5 x2 16 17 Vamos atribuir valores aleatoriamente a L, começando com o número 10 1. Se L for igual a 10, então x1 = 5 e x2 = 2 . 2. Se L for igual a 15, então x1 = 7,5 e x2 = 3 À medida que formos aumentando o valor de L, obteremos retas paralelas. Podemos então perceber que, dentro da área de possíveis soluções, o ponto P e a reta paralela de maior valor. Portanto, esse ponto é a solução do problema que maximiza o valor de L na região de restrições dadas. Método Simplex Como vimos, problemas de Programação Linear com mais de duas variáveis não podem ser resolvidos pelo Método Gráfico. Dessa forma, surge o Método Simplex como proposta para a resolução desses casos. O Método Simplex foi desenvolvido para, a partir de algoritmos, encontrar algebricamente a solução para um problema de Programação Linear. Existem duas etapas importantes na aplicação desse método: · O teste de otimalidade da solução, ou seja, a identificação de uma solução ótima; · A melhoria da solução, a obtenção de outra solução viável melhor do que a encontrada antes. Análise de sensibilidade Essa é uma técnica utilizada para avaliar os impactos que o programa sofre quando são impostas modificações nas condições iniciais de modelagem. Em outras palavras, é o estudo de um modelo de programação matemática submetido a mudanças em suas condições iniciais. 17 UNIDADE Programação linear Material Complementar Indicações para saber mais sobre os assuntos abordados nesta Unidade: Livros Introdução à pesquisa operacional: método e modelos para análise de decisões. ANDRADE, Eduardo Leopoldino de. Introdução à pesquisa operacional: método e modelos para análise de decisões. 5. ed. Rio de Janeiro: LTC, 2015. Introdução à pesquisa operacional. HILLIER, Frederick S.; LIEBERMAN, Gerald J. Introdução à pesquisa operacional. 9. ed. Porto Alegre: AMGH, 2013. Introdução à pesquisa operacional LONGARAY, André Andrade. Introdução à pesquisa operacional. São Paulo: Saraiva, 2013. Leitura Desenvolvimento e Otimização de Modelos Matemáticos por meio da Linguagem SILVA, A, F. DA; MARINS, F. A. S.; SILVA, G. M.; LOPES, P.R. M. DE A. Desenvolvimento e Otimização de Modelos Matemáticos por meio da Linguagem. São Paulo: GAMS, 2011. 18 19 Referências ANDRADE, Eduardo Leopoldino de. Introdução à pesquisa operacional: método e modelos para análise de decisões. 5. ed. Rio de Janeiro: LTC, 2015. ARENALES, M.; ARMENTANO, V.; MORABITO, R.; YANASSE, H. Pesquisa operacional para cursos de engenharia: modelagem e algoritmos. Rio de Janeiro: Campus, 2007 BELFIORI, P.; FÁVERO, L. P. Pesquisa Operacionalpara cursos de Engenharia. Rio de Janeiro: Campus, 2013. FOGLIATTI, M. C.; MATTOS, N. M. C. Teoria de Filas. São Paulo: Editora Interciência, 2007. GOLDBARG, M. C.; LUNA, H. P. L. Otimização combinatória e programação linear. Rio de Janeiro: Campus, 2000. HILLIER, F. S. e LIEBERMAN, G. J. Introdução à Pesquisa Operacional. 9. ed. São Paulo: McGrawHill / Bookman, 2013. LACHTERMACHER, G. Pesquisa Operacional na Tomada de Decisão (modelagem em Excel). 4. ed. Rio de Janeiro: Campus, 2009. MARINS, F. A. S. Introdução à Pesquisa Operacional. São Paulo: Editora Cultura Acadêmica, 2011. Disponível em http://www.culturaacademica.com.br/ catalogo-detalhe.asp?ctl_id=158 MIRSHAWKA, V. Aplicações de pesquisa operacional. São Paulo: Editora Nobel, 1981. PIZZOLATO, N. D. e GANDOLPHO, A. A. Técnicas de Otimização. Rio de Janeiro: Editora LTC, 2009. 19