Baixe o app para aproveitar ainda mais
Prévia do material em texto
PESQUISA OPERACIONAL Organizador: Rodrigo Rodrigues Catalogação na publicação: Poliana Sanchez de Araujo – CRB 10/2094 R696p Rodrigues, Rodrigo. Pesquisa operacional / Rodrigo Rodrigues. – Porto Alegre : SAGAH, 2017. 121 p. : il. ; 22,5 cm. ISBN 978-85-9502-004-7 1. Pesquisa operacional – Engenharia de produção. I. Título. CDU 658.5 Modelos lineares e o método simplex Objetivos de aprendizagem Ao final deste texto, você deve apresentar os seguintes aprendizados: � Descrever a implementação do método simplex. � Introduzir variáveis artificiais na resolução de problemas. � Resolver um problema de programação linear com o método simplex. Introdução Os processos de planejamento das atividades de uma organização com o uso da pesquisa operacional buscam uma solução ótima. Neste texto, você vai acompanhar as características específicas de programação linear (PL). Por meio das operações de maximização, você vai ver os passos de resolução de situações-problema com a aplicação do método simplex para elaborar modelos de resolução. Será utilizado exemplo prático para subsidiar as atividades relativas à identificação, estruturação e resolução matemática de problemas comuns nas tomadas de decisões do cotidiano de uma organização. Programação linear Programação linear (PL) é uma técnica de otimização aplicada em sistemas de equações e inequações lineares que representam modelos já projetados. Trata-se de uma aplicação matemática utilizada por profissionais para proble- mas relativos à produção, por exemplo, para evitar desperdícios de produtos e matérias-primas ou otimizar mão de obra, baseado em funções e restrições lineares para modelagem e solução de problemas de otimização. Aplicação da função objetivo e das restrições em PL Quando se fala de problemas de otimização, significa que queremos maximi- zar (aumentar) ou minimizar (diminuir) uma função, relacionada a finanças, produção, entre outras áreas. Nesses casos, é necessário verificar a função objetivo e as restrições apresentadas pelo sistema analisado (BARBOSA, 2015). � 1. Função objetivo Para definir a função objetivo, você pode, por exemplo, maximizar o lucro ou minimizar o custo. Assim, a função objetivo pode ser escrita de duas formas: ■ Para maximizar Z: máx. z = c1x1 + c2x2 +...+ cn xn ■ Para minimizar Z: min. z = c1x1 + c2x2 +...+ cn xn Você pode estranhar o fato de a minimização de uma função z ser equivalente à maximização dessa função em sua versão negativa – z, como nos itens a e b, em que ambas são somatórias. Nas duas situações, c seriam os números reais, e x, as variáveis do problema. Lembrando que, em a, é feita a maximização do lucro e, em b, o objetivo é minimizar o custo. Além da função objetivo, representada por uma função matemática, em PL temos também as restrições. � 2. Restrições em PL Considere uma indústria de alimentos que queira otimizar sua produção, maximizando o lucro. Para essa otimização, surgiram limitações na prática, que são denominadas restrições do problema PL. Essas limitações são as seguintes: Pesquisa operacional34 ■ disponibilidade de matéria-prima; ■ capacidade da produção; ■ mão de obra; ■ limitações no preço. Podem existir diferentes limitações, de acordo com o problema de PL, como localização ou espaço físico. Veja algumas dessas situações: ■ Restrição de capital: um investidor que quer aumentar ou diversificar seus investimentos, mas possui pouco capital. ■ Restrição de quantidade: uma empresa de logística que deseja ampliar suas entregas, mas possui poucos veículos. ■ Restrição espacial: um pequeno agricultor que deseja cultivar diversas culturas, porém, não possui espaço suficiente. Há restrições de igualdade e desigualdade, que são representadas por equações e inequações. Elas são representadas a seguir: ■ Equação de restrições de igualdade: a11x1 + a12x2 + ... + a1nxn = b1 ■ Inequações de restrições de desigualdade: a11x1 + a12x2 + ... + a1nxn ≤ b1 ou a11x1 + a12x2 + ... + a1nxn ≥ b1 � 3. Forma geral ou padrão Um problema de PL é caracterizado, na sua forma geral, pela padroni- zação, com o objetivo de facilitar o entendimento. A seguir apresentamos a sua estrutura: � Máx. z = c1x1 + c2x2 +...+ cn xn � a11x1 + a12x2 + ... + a1nxn ≤ b1 � a21x1 + a22x2 + ... + a2nxn ≥ b2 am1x1 + am2x2 + ... + amnxn ≤ bm x1 ≥ 0, x2 ≥ 0, ..., xn ≥ 0 35Modelos lineares e o método simplex Onde os termos aij, bi e cj são coeficientes das equações e inequações que indicam no problema os números de quantidade, valor e custos (i = 1, 2, 3,..., m; e j = 1, 2, 3, ..., n), semelhantes a operações com matrizes em que esses termos indicam a posição dos elementos de uma matriz. As variáveis x1, x2, ..., xn são selecionadas de modo que satisfaçam as restrições e otimizem a função objetivo. O uso de s.a. (“sujeita a”) indica que temos uma função objetivo que está sujeita a determinadas restrições. As limitações das restrições são representadas pelos termos b1, b2, ..., bm, que são chamados de parâmetros da função. E são chamados de restrições de não negatividade os termos x1, ≥ 0, x2 ≥ 0, ..., xn ≥ 0. Como não podemos ter quantidades negativas de produtos ou recursos, essas restrições são utilizadas. Veja agora um exemplo detalhado de PL: � Quantidade mensal disponível de couro – 1 t. � Quantidade mensal disponível de borracha – 600 kg. � O lucro referente a uma unidade de sandália é de R$ 12,00. � O lucro referente a uma unidade de sapato é de R$ 15,00. Caso toda a produção de calçados seja vendida e a empresa consiga vender no máximo 700 sandálias por mês, qual quantidade de cada modelo deve ser produzida para que o lucro seja máximo? Não se esqueça de que, para formular um problema, é preciso identificar as variáveis, a função objetivo e as restrições. Identificação das variáveis Nesse exemplo, as quantidades de cada modelo a serem produzidas são as variáveis. Onde: � x1: quantidade de sandálias � x2: quantidade de sapatos Pesquisa operacional36 Formulação da função objetivo Transcrevendo as informações para a linguagem matemática, obteremos a função objetivo. Como você sabe, o lucro unitário referente à sandália é de R$ 12,00, e o lucro unitário referente ao sapato é de R$ 15,00. Para ter lucro, representado por z, devem-se multiplicar os lucros unitários por suas respectivas quantidades produzidas: � Z = 12x1 + 15x2 Para obter o lucro máximo, a função objetivo será: � Max z = 12x1 + 15x2 O lucro unitário é a diferença entre o valor utilizado pela empresa para a venda do produto e o gasto para a sua produção. Formulação das restrições Na definição das restrições do problema, você deve, primeiramente, verificar os fatores que podem limitar a produção. No exemplo dos calçados em ques- tão, as restrições estão relacionadas às quantidades disponíveis de couro e de borracha. Há, ainda, uma restrição relacionada à quantidade máxima de sandálias que poderá ser comercializada. Portanto, o número de restrições para esse problema é igual a três: A primeira restrição, referente à quantidade de couro consumida, pode ser descrita com a seguinte formulação matemática: 0,7x1 + 0,4x2 ≤ 1.000 Nessa conta, é possível saber a quantidade de couro consumida na fabri- cação de sandálias, pois sabemos que, para a fabricação de uma sandália, são necessários 700 g de couro (0,7 kg). Para cada sapato, são necessários 400 g de couro (0,4 kg). Para saber o total de couro utilizado na produção, basta multiplicar 0,7 por x1 e 0,4 por x2 e, logo, somar essas quantias, obtendo a expressão: 0,7x1 + 0,4x2 37Modelos lineares e o método simplex Se a quantidade máxima de couro que a indústria tiver disponível é 1 t (1.000 kg), a soma 0,7x1 + 0,4x2 não pode ultrapassar essa quantidade. Por esse motivo, escrevemos que 0,7x1 + 0,4x2 tem de ser menor ou igual a 1.000, ou seja: 0,7x1 + 0,4x2 ≤ 1.000 Da mesma forma, é possível obter a segunda restrição, referente ao consumo de borracha. Já que paraproduzir a sandália são necessários 150 g de borracha (0,15 kg) e para produzir o sapato são necessários 300 g (0,3 kg) do material, o total de borracha consumido na produção dos modelos é: 0,15x1 + 0,3x2 Sendo a disponibilidade mensal de borracha de 600 kg, a segunda restrição fica assim: 0,15x1 + 0,2x2 ≤ 600 Por fim, a terceira restrição, relacionada à produção máxima de sandália, é dada por: x2 ≤ 700 Então, a formulação do problema de PL proposto a que chegamos é dada como: Máx. z = 12x1 + 15x2 s.a. 0,7x1 + 0,4x2 ≤ 1.000 0,15x1 + 0,3x2 ≤ 600 x1 ≤ 700 x1 ≥ 0, x2 ≥ 0 Observação: Para resolver problemas de PL, caso existam, as restrições ≥ (maior ou igual) devem ser trocadas por ≤ (menor ou igual). Para isso, basta multiplicar cada res- trição de ≥ por (-1) e, em seguida, inverter a desigualdade ≥ por ≤. Por exemplo: Pesquisa operacional38 A restrição a11x1 + a12x2 + ... a1nxn ≥ b1 é equivalente a -a11x1 – a12x2 - ... a1n xn ≤ -b1 Como você viu, as restrições x1 ≥ 0, x2 ≥ 0, ..., xn ≥ 0 são chamadas restrições de não negatividade. Elas são utilizadas quando as variáveis do problema não podem assumir valores negativos. Interpretação geométrica e solução gráfica Como todo problema PL tem restrições lineares, podemos representar as restri- ções de um problema de duas variáveis em um sistema de eixos coordenados, chamado “plano cartesiano”. Vamos relembrar: um par ordenado (x;y) representa um ponto no plano (Fig. 1), conforme estudamos no ensino médio. Figura 1 Pontos coordenados no plano cartesiano Fonte: Barbosa (2015). 39Modelos lineares e o método simplex Então, com base em seus conhecimentos matemáticos, você pode apresentar os dados por meio de um gráfico para construir um modelo com duas ou até três variáveis. Escrevemos uma equação associada a cada restrição de desigualdade nesse sistema de eixos coordenados para representá-las, contendo os mesmos coeficientes e o mesmo termo independente. No caso do exemplo da indústria de calçados que fabrica dois modelos (sandália e sapato), a restrição 0,7x1 + 0,4x2 ≤ 1.000 está associada à equação 0,7x1 + 0,4x2 = 1.000. Do mesmo modo, a restrição 0,15x1 + 0,3x2 ≤ 600 está associada à equação 0,15x1 + 0,3x2 = 600, e a restrição x1 ≤ 700 está associada à equação x1 = 700. Obtendo a representação da primeira restrição Você deve construir uma tabela atribuindo dois valores quaisquer para a variável x1 para obter a representação da primeira restrição. Logo, você deve calcular o respectivo valor da variável x2. A seguir apresentamos como é feito o cálculo dos valores das variáveis: Os pares ordenados são os pontos da forma (x1; x2). Uma forma simpli- ficada de obter os pares ordenados é atribuir o valor zero à variável x1 para encontrar o respectivo valor de x2. Logo, atribuímos à variável x2 o valor zero para encontrar o valor de x1. Desse modo, os pontos obtidos estarão sob os eixos coordenados, facili- tando o processo de representação gráfica de cada uma das restrições. Como as restrições são de desigualdade, é importante ainda considerar em qual semiplano vai estar a região factível (região delimitada pelas restrições do problema). Um método muito prático é considerar a origem do plano carte- siano, o par ordenado (0,0). Se, ao substituir os valores de x1 e x2 por zero, a desigualdade for verdadeira, então a região factível estará no semiplano que contém a origem. Caso contrário, a região factível estará no semiplano oposto, ou seja, aquele que não contém a origem. Esse processo é usado também para as demais restrições. Veja o cálculo desse processo: A primeira equação é 0,7x1 + 0,4x2 = 1.000. Pesquisa operacional40 Sendo: X1 = 0, temos que x2 = 2.500, pois resolvendo 0,7 . 0 + 0,4. X2 = 1.000 0 + 0,4x2 = 1.000 X2 = 1000/0,4 X2 = 2.500 Sendo: X2 = 0, temos que x1 = 1.428,57, pois 0,7 . x1 + 0,4 . 0 = 1.000 0,7 . x1 + 0 = 1.000 0,7 . x1 = 1.000 X1 = 1.428,57 Assim, você obterá a Tabela 1 com os valores de x1 e x2 e os respectivos pares ordenados: x1 x2 (x1;x2) 0 2500 (0;2500) 1428,57 0 (1428,57;0) Tabela 1. Valores de x1 e x2 para 0,7x1 + 0,4x2 = 1.000. Logo: � o ponto (0; 2.500) está localizado no eixo da variável x2, pois x1 é igual a zero; � o ponto (1.428,57; 0) fica sobre o eixo x1, pois x2 é igual a zero. Assim, como o ponto (0; 0), origem do sistema, satisfaz a inequação 0,7x1 + 0,4x2 ≤ 1.000, a região factível está no semiplano que contém a origem . Veja na Figura 2, a representação da primeira restrição. 41Modelos lineares e o método simplex No mesmo plano cartesiano em que representamos a primeira restrição, representamos também a segunda e a terceira restrições. Figura 2. Representação da primeira restrição. Fonte: Barbosa (2015). Método simplex Simplex é um método importante e amplamente utilizado na resolução de problemas lineares de otimização. O método simplex foi desenvolvido em 1947, por George B. Dantzig (1914-2005), professor emérito de pesquisa operacional e ciência da computação. O método simplex busca, caso existam, uma ou mais soluções a partir de uma solução básica factível, gerando uma sequência de soluções factíveis. Quando essa sequência é concluída, a solução ótima é obtida. Você deve ficar atento às duas situações em que não é possível chegar à solução ótima (BARBOSA, 2015): 1. por apresentar restrições de incompatibilidade, não há uma solução que deva ou possa executar; Pesquisa operacional42 2. não encontrar um máximo ou um mínimo – caso em que uma das va- riáveis pode se estender ao infinito (apresentar essa tendência), embora as restrições sejam satisfeitas; consequentemente, teremos um valor sem limites para a função objetivo. É importante que você conheça esse método justamente porque ele apre- senta, excetuando-se as duas situações descritas anteriormente, a possibilidade de resolvermos, por meio de um esquema de equações lineares, o modelo PL. Antes de continuarmos, vamos para duas definições importantes: � Variáveis básicas e não básicas: variáveis básicas são as que compõem a solução ótima do problema, e as variáveis não básicas são aquelas cujo valor é igual a zero. � Variáveis de folga ou excesso: são aquelas que acrescentamos ao problema, para resolvê-lo pelo método proposto, transformando as desigualdades do tipo “menor ou igual” em igualdades. Considerando os passos apresentados, você pode representar a operacio- nalização por meio da Tabela 2: z c1 c2 cn xb1 a11 a12 a1n xb2 a21 a22 A2n . . . . . . . . . . . . xbm am1 am2 amn Tabela 2. Representação genérica da tabela utilizada no método simplex. 43Modelos lineares e o método simplex Ainda considerando a fábrica de calçados, supomos que, mensalmente, toda a produção de sapatos seja vendida, enquanto a venda de sandálias seja no máximo de 700 pares. De acordo com essas informações, determine a quantidade de cada modelo que deve ser produzida de modo que o lucro seja máximo. À formulação do modelo-padrão de PL para o problema vamos acrescentar novas variáveis de folga para cada restrição: Max z = 12x1 + 15x2 s.a. 0,7x1 + 0,4x2 + x3 = 1.000 0,15x1 + 0,3x2 + x4 = 600 X1 x1 ≥ 0, x2 ≥ 0 Veja passo a passo o processo pelo qual realizamos esses cálculos. Para facilitar a resolução, elaboramos a Tabela 3, utilizando o modelo a seguir: Fonte: Barbosa (2015). Função objetivo Coeficientes da função objetivo Termos independentes Coeficientes da restrições Tabela 3. Modelo de tabela para o uso de método simplex. Colocamos na linha zero o valor de z (que é a função objetivo e cuja solução inicial tem valor de z = 0) e os coeficientes da função objetivo, todos com os sinais trocados. Observe a Tabela 4: Z = 0 -12 -15 0 0 0 Tabela 4. Coeficientes da função objetivo. Pesquisa operacional44 Veja os coeficientes que foram colocados. Completamos os campos vazios sempre com zero para identificar os campos nulos. Então, temos o seguinte: � Na linha um, colocamos a quantidade de recursosdisponíveis referente à primeira restrição. Não se esqueça de que são somente coeficientes: 0,7; 0,4; 1. O valor de 1.000 entrará na primeira coluna, pois é o coeficiente do termo independente ou do recurso disponível. � Na linha dois, escrevemos os valores: 600 (disponibilidade de recursos para a segunda restrição); 0,15; 0,3; 0; 1, que são os coeficientes. � Na linha três, registramos os valores da última restrição: 700, que é a disponibilidade de recursos, e 1; 0; 0; 0; 1, que são os coeficientes. Então, nossa Tabela 5 fica assim: x1 x2 x3 x4 x5 Z = 0 -12 -15 0 0 0 x3 1000 0,7 0,4 1 0 0 x4 600 0,15 0,3 0 1 0 x5 700 1 0 0 0 1 Tabela 5. Tabela inicial do método simplex Inicialmente, nesse processo de resolução, as variáveis básicas de folga são: x3, x4 e x5. As variáveis não básicas são x1 e x2, ou seja, as variáveis originais do problema. Para decidir qual variável entrará na base, precisamos verificar qual variável não básica fornecerá o maior lucro possível. Para isso, basta verificar qual variável tem o coeficiente mais negativo na linha zero. Assim, a variável que entra na base é x2, cujo coeficiente na linha zero é igual a -15. 45Modelos lineares e o método simplex Em seguida, deve ser determinada a variável básica que sairá da base. Então, você deverá dividir cada termo independente pelos respectivos coeficientes positivos (não são considerados os valores negativos ou nulos) da coluna referente à variável x2 (variável que entra na base): 1.000 : 0,4 = 2.500 600 : 0,3 = 2.000 Veja que a divisão de 700 por 0 não é possível. Como o menor resultado obtido é 2.000 (divisão de 600 por 0,3), a variável que sairá da base é x4, pois essa é a variável básica que tem o elemento unitário na linha referente a essa divisão. Observe que o pivô, nesse caso, é igual a 0,3. Precisamos transformar o pivô em 1. Como 0,3 = 3/10, basta multiplicar todos os termos da linha dois por 10/3 (inverso multiplicativo de 3/10): Linha dois multiplicada por 10/3 600 × 10/3 = 2000 0,15 × 10/3 = 0,5 0,3 × 10/3 = 1 0 × 10/3 = 0 1 × 10/3 = 3,33 0 × 10/3 = 0 Figura 3. Processo de resolução. Pesquisa operacional46 Resultando em: Nova linha dois 2000 0,5 1 0 3,33 0 A linha anterior será substituída pela nova linha dois. Essa linha será utili- zada para zerar os demais elementos não nulos da coluna referente à variável x2. Linha zero - multiplicamos a nova linha por 15 com o intuito de zerar o elemento a1 = -15. Logo, somamos os resultados obtidos com os respectivos elementos da linha zero: Linha zero 0 - 12 - 15 0 0 0 Nova linha dois multiplicada por 15 2000 × =30000 0,5 × 15 = 7,5 0,5 × 15 = 15 0 × 15 = 0 3,33 × 15 = 50 0 × 15 = 0 Nova linha zero (soma da linha zero com a nova linha dois multiplicada por 15) 0 +30000 = 30000 - 12 + 7,5 = - 4,5 - 15 + 15 = 0 0 + 0 = 0 0 + 50 = 50 0 + 0 = 0 Portanto, a nova linha zero é: Nova linha zero 30000 -4,5 0 0 50 0 47Modelos lineares e o método simplex Para zerar o elemento a12 = 0,4, a nova linha dois foi multiplicada por -0,4 e, a seguir, somamos os resultados obtidos com os respectivos elementos da linha um: Linha um 1000 0,7 0,4 1 0 0 Nova linha dois multiplicada por - 0,4 2000 × (- 0,4) = -800 0,5 × (- 0,4) = -0,2 1 × (- 0,4) = -0,4 0 × (- 0,4) = 0 3,33 × (- 0,4) = -1,33 0 × (- 0,4) = 0 Nova linha um (soma da linha um com a nova linha dois multiplicada por - 0,4) 1000 - 800 = 200 0,7 – 0,2 = 0,5 0,4 – 0,4 = 0 1 + 0 = 1 0 – 1,33 = - 1,33 0 + 0 = 0 Assim, a nova linha é: Nova linha um 200 0,5 0 1 -1,33 0 Sendo o elemento a22 igual a zero, a linha não precisa ser alterada. Então, a primeira iteração se resume a seguir: x1 x2 x3 x4 x5 Z = 30000 -4,5 0 0 50 0 x3 200 0,5 0 1 -1,33 0 x4 2000 0,5 1 0 3,33 0 x5 700 1 0 0 0 1 Agora, temos a primeira solução ótima , que é z = 30.000. Contudo, como variável não básica (x1), ainda apresenta valor negativo, portanto, devemos partir para uma nova iteração. Segunda iteração – buscando nova solução. Pesquisa operacional48 Construímos nova tabela a partir dos resultantes recém-obtidos: x1 x2 x3 x4 x5 Z = 30000 -4,5 0 0 50 0 x3 200 0,5 0 1 -1,33 0 x4 2000 0,5 1 0 3,33 0 x5 700 1 0 0 0 1 Há, ainda, um coeficiente negativo na linha zero. Então, a variável que entrará na base é x1. A decisão sobre qual variável sairá da base se dará a partir das seguintes divisões: 200 : 0,5 e 700 : 1. O valor da divisão de 200 por 0,5 é 400, o menor resultado obtido, corres- pondente à linha um. Logo, a variável que sairá da base é x3. x1 x2 x3 x4 x5 Z = 30000 -4,5 0 0 50 0 x3 200 0,5 0 1 -1,33 0 x4 2000 0,5 1 0 3,33 0 x5 700 1 0 0 0 1 Variáveis básicas: x2, x3 e x5 Variáveis não básicas: x1 e x4 Entra: x1 Sai: x3 Pivô = 0,5 Z = 30.000 O elemento a11 é igual 0,5 = ½. Assim, multiplicamos a linha um por 2 (inverso multiplicativo de ½): Linha um multiplicada por 2 200 × 2 = 400 0,5 × 2 =1 0 × 2 = 0 1 × 2 = 2 -1,33 × 2 = -2,66 0,2 = 0 49Modelos lineares e o método simplex Então: Nova linha um 400 1 0 2 -2,66 0 Zerando o elemento da linha zero: Linha zero 30000 -4,5 0 0 50 0 Nova linha dois multiplicada por 4,5 400 × 4,5 = 1 800 1 × 4,5 = 4,5 0 × 4,5 = 0 2 × 4,5 = 9 -2,66 × 4,5 = - 12 0 × 4,5 = 0 Nova linha zero (soma da linha zero com a nova linha um multiplicada por 4,5) 30000 + 1800 = 31800 - 4,5 + 4,5 = 0 0 + 0 = 0 0 + 9 = 9 50 – 12 = 38 0 + 0 = 0 Nas demais linhas, faremos o mesmo para zerar os coeficientes da coluna referente à variável x1: Nova linha um multiplicada por -0,5 4000 × (- 0,5) = - 200 1 × (- 0,5) = - 0,5 0 × (- 0,5) = 1 2 × (- 0,5) = 0 -2,66 × (- 0,5) = 3,33 0× (- 0,5) = 0 Linha dois 2000 0,5 1 0 3,33 0 Nova linha dois (soma da nova linha um multiplicada por -0,5 com a linha dois) -200 + 2000 = 1800 -0,5 + 0,5 = 0 0 + 1 = 1 -1 + 0 = -1 1,33 + 3,33 = 4,66 0+0 = 0 Nova linha um multiplicada por -1 400 × (- 1) 1 × (- 1) 0 × (- 1) 2 × (- 1) -2,66 × (- 1) 0 × (- 1) Linha três 700 1 0 0 0 1 Nova linha três (soma da nova linha um multiplicada por -1 com a linha três) -400 +700 = 300 -1 + 1 = 0 0 + 0 = 0 -2 + 0 = -2 2,66 + 0 = 2,66 0 + 1 =1 Pesquisa operacional50 A seguir você encontra o resultado de todo esse processo: x1 x2 x3 x4 x5 Z = 31800 0 0 9 38 0 x3 400 1 0 2 - 2,66 0 x4 1800 0 1 -1 4,66 0 x5 300 0 0 -2 2,66 1 Variáveis básicas: x1, x2 e x5 Variáveis não básicas: x3 e x4 Solução ótima: X1 = 400 X2 = 1.800 X5 = 300 Z = 31.800 Como todos os coeficientes da linha zero são positivos ou nulos, chegamos à seguinte solução ótima para o problema de PL: X1 = 400 X2 = 1.800 Z = 31.800 Portanto, a solução ótima para atender à função objetivo será produzir 400 sandálias e 1.800 sapatos, totalizando R$ 31.800,00 de lucro mensal. Você acompanhou o processo de resolução de problema mediante as ite- rações (tabelas), em que resolvemos um modelo de PL por meio de método de solução de sistemas de equações lineares. Resumidamente, esse foi o processo: 1. Formulamos o modelo apresentando o problema (recursos, disponibi- lidade, situação atual do processo, lucro atual). 2. Montamos um modelo com variáveis de decisão do problema: X1 – quantidade a produzir de sandálias; X2 – quantidade a produzir de sapatos. 51Modelos lineares e o método simplex 3. Apresentamos a função objetivo matematicamente, com lucro: Z = 12x1 + 15x2 4. Quanto às restrições, apresentamos a relação lógica que há no problema e acrescentamos as variáveis de folga, transformando as inequações em equações. Dessa forma, a estrutura lógica que era: Emprego dos recursos ≤ disponibilidade mudou para: Emprego dos recursos + folga = disponibilidade. Essa relação traduz como condição o seguinte raciocínio: Se o emprego do recurso < disponibilidade, então a folga > 0. Se o emprego do recurso = disponibilidade, então a folga = 0. Nessa modelagem, a variável de folga pode ser expressa por uma variávelcuja forma seja igual à fabricação de cada produto. Pesquisa operacional52 1. Com relação à programação linear (PL), marque a alternativa correta: a) Programação linear (PL) é uma técnica de maximização aplicada em sistemas de equações lineares. b) Trata-se de uma aplicação não matemática utilizada por profissionais para problemas relativos à produção, por exemplo. c) É uma programação baseada em funções lineares utilizada em problemas em que não há restrições. d) Quando se fala de problemas de otimização, significa que queremos exclusivamente maximizar os lucros. e) Nos casos de maximização e minimização, é necessário verificar a função objetivo e as restrições apresentadas pelo sistema analisado. 2. Marque a opção que está relacionada corretamente às restrições em programação linear (PL): a) Em um problema de PL, ou há a função objetivo ou há as restrições. b) As restrições de igualdade são representadas por inequações. c) Na prática, as limitações, que são denominadas restrições do problema PL, podem ser disponibilidade de matéria prima, capacidade da produção, mão de obra e limitações no preço. d) O uso de s.a (“sujeita a”) indica que temos uma função objetivo que está sujeita à otimização. e) São chamados de restrições de negatividade os termos x1, ≥ 0, x2 ≥ 0, ..., xn ≥ 0. 3. Observe as Figuras 1 e 2 e marque a alternativa que está relacionada corretamente 53Modelos lineares e o método simplex com a respectiva figura: a) Figura 2: x1 = 10, x2 = 0, z = 30. b) Figura 1: x1 = 4,5, x2 = 3,5, z = 28,5. c) A Figura 1 é a resolução gráfica do problema de PL cuja maximização é: maxz = 4x1 + 3x2. d) Na Figura 2, a s.a é 2x1 ≤ 9 X2 ≤ 7 X1 + x2 ≤ 8 X1, x2 ≥ 0. 4. Supondo que uma indústria de implementos agrícolas produza os modelos A 1. 2. Pesquisa operacional54 e B, que proporcionam lucros unitários de R$ 16,00 e R$ 30,00 respectivamente. A exigência de produção mínima mensal é de 20 unidades para o modelo A e de 120 para o modelo B. Cada tipo de implemento requer certa quantidade de tempo para a fabricação das partes que os compõem, para a montagem e para os testes de qualidade. Ou seja, uma dúzia de unidades do modelo A requer 3 horas para fabricar, 4 horas para montar e 1 hora para testar. Considerando, ainda, que uma dúzia de unidades do modelo B requer 3,5 horas para fabricar, 5 horas para montar e 1,5 hora para testar. Contudo, durante o próximo mês, a fábrica terá disponível 120 horas de tempo de fabricação, 160 horas de montagem e 48 horas de testes de qualidade. De acordo com a imagem do gráfico, assinale a alternativa correta: a) X1 é a quantidade de implementos do modelo A. b) O tempo total gasto para a produção de 20 peças do modelo A é de 8 horas. c) Para o próximo mês, há somente duas restrições: 160 horas de tempo para montagem e 48 horas para testes de qualidade. d) A função objetivo é = 120x1 + 20x2. 5. Suponha que uma fábrica produza dois tipos de aço: normal e especial. Uma tonelada de aço normal requer 2 horas no forno de soleira aberta e 5 horas de 55Modelos lineares e o método simplex molho; uma tonelada de aço especial requer 2 horas no forno de soleira aberta e 3 horas de molho. O forno de soleira aberta está disponível 8 horas por dia, e o molho está disponível 15 horas por dia. O lucro para 1 tonelada de aço normal é de $120,00 e para 1 tonelada de aço especial é de $100,00. A empresa precisa produzir diariamente no mínimo 2 toneladas de aço normal e 1 tonelada de aço especial. Com base nesse problema, marque a alternativa correta. a) 1 tonelada de aço normal é uma restrição. b) X1 é a quantidade, em toneladas, de aço especial. c) Para maximizar os lucros, é preciso produzir 2 toneladas de aço especial. d) Produzir no mínimo 2 toneladas de aço normal é uma variável. e) A disponibilidade diária de 8 horas para o forno de soleira e 15 horas para o forno de molho é uma restrição do problema. Pesquisa operacional56 BARBOSA, M. A. Iniciação à pesquisa operacional no ambiente de gestão. Curitiba: Intersaberes, 2015. Leitura recomendada HILLIER, F. S.; LIEBERMAN, G. J. Introdução à pesquisa operacional. 9. ed. Porto Alegre: AMGH, 2013. 57Modelos lineares e o método simplex Encerra aqui o trecho do livro disponibilizado para esta Unidade de Aprendizagem. Na Biblioteca Virtual da Instituição, você encontra a obra na íntegra.
Compartilhar