Apostila PO

UNIVERSIDADE DO OESTE DE SANTA CATARINA
UNOESC CAMPUS DE XANXER

DISCIPLINA: PESQUISA OPERACIONAL
PROF.: CRISTIANO AGOSTI
APOSTILA DE
PESQUISA OPERACIONAL
Xanxer /SC - Agosto de 2003.
SUMRIO
1.PESQUISA OPERACIONAL ("OPERATIONS RESEARCH") ....................................................... 1
1.1.CONCEITO ........................................................................................................................................... 1
1.2. HISTRICO ......................................................................................................................................... 1
1.3. PO NAS UNIVERSIDADES BRASILEIRAS...................................................................................... 2
1.4. REAS DE APLICAO ETCNICAS UTILIZADAS .................................................................... 4
1.5. PESQUISA OPERACIONAL NA AGROPECURIA BRASILEIRA ............................................... 5
1.6. OUTROS EXEMPLOS ......................................................................................................................... 6
2. TEORIA DA DECISO ........................................................................................................................ 8
2.1. ELEMENTOS DE UM PROBLEMA DE DECISO........................................................................... 8
2.3. CLASSIFICAO DOS PROBLEMAS DE DECISO...................................................................... 8
2.4. EXERCCIOS SOBRE TEORIA DA DECISO ................................................................................. 9
3. PROGRAMAO LINEAR............................................................................................................... 13
3.1. FASES DE UM ESTUDO EM P.O..................................................................................................... 13
3.2. EXEMPLO DE UM PROBLEMA DE PL. ......................................................................................... 15
3.3. EXERCCIOS DE PROGRAMAO LINEAR................................................................................ 15
4. MTODO GRFICO .......................................................................................................................... 19
4.1. EXEMPLO DE UM PROBLEMA DE PL COM RESOLUO GRFICA..................................... 20
4.2. EXERCCIOS DE PROGRAMAO LINEAR USANDO O MTODO GRFICO ...................... 22
5. PROGRAMAO LINEAR NO EXCEL ......................................................................................... 24
5.1. EXEMPLO COM O EXCEL .............................................................................................................. 24
5.2. CONFIGURANDO O EXCEL............................................................................................................ 25
5.3. ENTENDENDO OS RESULTADOS OBTIDOS ............................................................................... 27
6. MTODO SIMPLEX........................................................................................................................... 29
6.1. EXERCCIOS SOBRE O MTODO SIMPLEX ................................................................................ 30
7. PROBLEMA DO TRANSPORTE ...................................................................................................... 32
7.1. O MODELO LINEAR DO TRANSPORTE ....................................................................................... 32
7.2. SOLUO PARA O PROBLEMA DO TRANSPORTE................................................................... 33
7.3. PRIMEIRA PARTE DA SOLUO DE TRANSPORTE ................................................................. 33
7.3.1. MTODO DO CANTO NOROESTE.............................................................................................. 34
7.3.2. MTODO DE VOGEL OU MTODO DAS PENALIDADES ...................................................... 34
7.4. SEGUNDA PARTE DA SOLUO DE TRANSPORTE ................................................................. 34
7.5. O PROBLEMA DA DEGENERESCNCIA...................................................................................... 35
7.6. IMPOSSIBILIDADE DE TRANSPORTE.......................................................................................... 35
7.7. EXERCCIOS SOBRE PROBLEMAS DE TRANSPORTES ............................................................ 35
8. PROBLEMAS DA DESIGNAO .................................................................................................... 38
8.1. EXERCCIOS SOBRE DESIGNICAO ......................................................................................... 38
9. PERT/CPM ........................................................................................................................................... 41
9.1. HISTRICO........................................................................................................................................ 41
9.2. CONCEITO DE PERT/CPM .............................................................................................................. 41
10. JOGO DE EMPRESAS...................................................................................................................... 44
10.1. OBJETIVOS DOS JOGADORES..................................................................................................... 44
10.2. CRITRIO DE PONTUAO ......................................................................................................... 44
10.3. DECISES ESTRATGICAS.......................................................................................................... 45
10.4. SELEO DOS JOGADORES ........................................................................................................ 45
10.5. VALOR DO CAPITAL..................................................................................................................... 45
10.6. VALOR DA FOLHA DE PAGAMENTO ........................................................................................ 45
10.7. VALOR EM PUBLICIDADE ........................................................................................................... 46
10.9. PERCENTUAL DO LUCRO ............................................................................................................ 46
10.10.QUANTIDADE PREVISTA DE VENDA....................................................................................... 46
10.11. RESULTADO PARCIAL ............................................................................................................... 46
10.12. REDUO DOS GASTOS GERAIS DE FABRICAO ............................................................ 47
10.13. PREOS DE MATRIA-PRIMA................................................................................................... 47
10.14. POLTICA DE COMPRAS............................................................................................................. 47
10.15. CONTROLE DE QUALIDADE ..................................................................................................... 47
10.16. ABATIMENTO............................................................................................................................... 48
10.17. REGRAS DE CALCULO ............................................................................................................... 48
10.18. PARAMETRIZAO .................................................................................................................... 54
11. GRFICO DE GANTT...................................................................................................................... 55

11.1. CONCEITO....................................................................................................................................... 55
11.2. FUNO........................................................................................................................................... 55
11.3. COMO FAZER O GRFICO DE GANTT ...................................................................................... 55
11.4. REGRAS DE SEQUENCIAMENTO ............................................................................................... 55
11.5. CARACTERSTICAS PARA O USURIO..................................................................................... 55
11.6. COMO CALCULAR......................................................................................................................... 56
11.7. EXERCCIO SOBRE GRFICO DE GANTT................................................................................. 56
12. SIMULAO ..................................................................................................................................... 59
12.1. METODOLOGIA PARA A SIMULAO DE SISTEMAS ........................................................... 59
1.PESQUISA OPERACIONAL ("OPERATIONS RESEARCH")

1.1.CONCEITO
No h definio unnime para Pesquisa Operacional (P.O). A P.O , mais, um conceito
(abstrao, idia), muito abrangente, sobre a busca da melhor utilizao (tcnica, econmica,
social, poltica) de recursos (escassos) e processos (diversos), atravs da aplicao de
mtodos cientficos, visando a maior satisfao (utilidade, prazer) do cliente (usurio,
pblico), definidos num contexto (conjunto, totalidade).
O desenvolvimento de um trabalho de P.O envolve equipes multi-disciplinares para a
aplicao dos mtodos cientficos a problemas reais encontrados nos sistemas de produo
de bens e servios, como ferramenta auxiliar para a tomada de decises, em quaisquer
setores e nveis da economia.
1.2. HISTRICO
Em comemorao passagem de seus 25 anos de existncia, a Sociedade Brasileira de
Pesquisa Operacional (SOBRAPO) publicou, em 1993, o resultado de uma pesquisa junto a
empresas e instituies brasileiras de ensino, com o objetivo de fornecer um retrato do uso e
do ensino da Pesquisa Operacional em nosso pas: SOBRAPO. Vinte e Cinco Anos de
Pesquisa Operacional no Brasil. Rio de Janeiro, Sociedade Brasileira de Pesquisa
Operacional, 1993. 139 p. (Edio Comemorativa).
Nos anos 50, professores da USP, ITA e PUC-RJ, com formao no exterior, criaram os
primeiros cursos de graduao que incluam disciplinas de P.O, como o de Engenharia da
Produo, e que foram includas tambm em outros cursos, j existentes, como os de
Economia, Engenharia, Matemtica e Estatstica.
A partir de 1960, a criao de cursos de ps-graduao na rea de P.O e a aquisio dos
primeiros computadores multiplicaram as possibilidades de sua aplicao. Vrias empresas
comearam a utilizar a P.O, estreitando um proveitoso relacionamento com as
Universidades.
O primeiro exemplo desta relao foi o da PUC-RJ com as empresas SOCIL e Anhanguera,
para o desenvolvimento de programas de minimizao de custo de raes para animais,
atravs de Programao Linear.
Mas os principais setores a empregar tcnicas de P.O, na poca, foram os de siderurgia
(CSN, Cia. Vale do Rio Doce), eletricidade (Cia Nacional de Energia Eltrica), transportes
(FRONAPE), petrleo (PETROBRS, ESSO) e telecomunicaes, alm de grandes
projetos e obras estatais.
Em funo disso, foi criada, em 1968, a Sociedade Brasileira de Pesquisa Operacional
(SOBRAPO).
A dcada seguinte consolidou a P.O, no Brasil, com o maior interesse das empresas e o
maior contingente de profissionais habilitados na rea, permitindo a formao de grupos
prprios de P.O, visando a soluo de
problemas tticos e o planejamento estratgico, naquelas empresas.
Em 1978, a SOBRAPO organizou o 1 Seminrio de P.O Aplicada Agropecuria
(SEPOAGRO), em Campinas (S.P.), sendo o segundo realizado em Viosa dois anos depois.
Nos anos seguintes, embora consolidada, a P.O aplicada ao planejamento estratgico de
empresas perdia o sentido frente situao imprevisvel da economia nacional. Ao mesmo
Pesquisa Operacional
Prof. Cristiano Agosti
tempo, no entanto, houve grande incremento do instrumental cientfico, com o

desenvolvimento de softwares e dos microcomputadores.
Profissionais da rea, citados na edio comemorativa dos 25 anos da SOBRAPO (1993),
acreditam que a P.O ganha um novo impulso, nesta dcada, nas reas de administrao
(tomada de decises), visando a qualidade dos processos de produo e atendimento
(servios, desenvolvimento de linhas de produtos, comercializao e marketing).
1.3. PESQUISA OPERACIONAL - PO NAS UNIVERSIDADES BRASILEIRAS
UNICAMP - Universidade Estadual de Campinas (SP)
Desenvolve, desde 1975, aplicaes de modelos de simulao no planejamento de recursos
hdricos (Faculdade de Engenharia Civil) e de P.O na agricultura, formando um grupo de
consultores independentes (UNISOMA) e vrios convnios com empresas como a
PETROBRS, ELETROBRS, TELEBRS e IBM, dentre outras.
INPE - Instituto Nacional de Pesquisas Espaciais (SP)
Criou cursos de ps-graduao, a partir de 1978, em vrias linhas, dentre elas: o
desenvolvimento de softwares, pesquisas relacionadas inteligncia artificial e P.O
(otimizao combinatria, aplicada em reas da Coordenao de Observao da Terra,
processos estocsticos e simulao). Utiliza os resultados destas pesquisas, por exemplo, em
trabalhos de roteamento de distribuio de gua para comunidades do Cear (Governo do
Estado), estudos de confiabilidade do primeiro satlite brasileiro, por meio de simulao, e
otimizao dos processos de operao de fbricas de circuitos impressos.
ITA - Instituto Tecnolgico da Aeronutica (SP)
Desde 1961, mantm cursos de ps-graduao em Eng da Produo e, a partir de 1973, em
P.O., desenvolvendo processos estocsticos e planejamento da produo aplicados s reas
de planejamento energtico, transportes areos e planejamento da produo de empresas,
como a EMBRAER.
IME - Instituto Militar de Engenharia
A P.O parte do curso de Eng de Sistemas. O Instituto relaciona-se com a Marinha, o
Exrcito e com diversas empresas, aplicando suas pesquisas em projetos nas reas de
comunicao via satlite, problemas de localizao e de roteamento (otimizao) e de
qualidade em sistemas (gesto em Qualidade Total e qualidade de softwares).
USP - Universidade de So Paulo (SP)
Mantm cursos de P.O em nvel de ps-graduao desde a dcada de 60. Os principais
ncleos de P.O esto na Escola Politcnica (Departamento de Eng da Produo, Eng Naval
e Eng de Transportes), Faculdade de Economia e Administrao e Instituto de Matemtica e
Estatstica (Centro de Computao e Matemtica Aplicada). Relaciona-se com empresas
como a INFRAERO, MARINHA, DERSA e DOCAS, alm de atuar junto aos mercados
financeiros e Bolsa de Valores (bolsa de mercado futuro, atravs de simulao, cenrios e
anlises de risco).
UFRJ - Universidade Federal do Rio de Janeiro (RJ)
A COPPE (Coordenao dos Programas de Ps-graduao de Engenharia) criou o Programa
de Eng da Produo em 1967, com as reas de Gerncia da Produo e de Pesquisa
Operacional. Os Programas de Eng de Sistemas, Computao, Administrao, Eng de
Transportes e o Instituto de Matemtica tambm
incluem a P.O. . As reas de
concentrao terica destes grupos so: programao matemtica, grafos, combinatria,
aplicaes estatsticas, simulao, otimizao, cincias da computao (desenvolvimento de
softwares e algortmos). A COPPE relaciona-se com diversas empresas pblicas (Telerj,
Cepel, governos estaduais) e privadas (IBM). Sua contribuio terica ao desenvolvimento
da P.O pode ser atestada pelo nmero de Teses defendidas (331, at 1992).
PUC - Pontifcia Universidade Catlica (RJ)
Inclui a P.O em seus cursos de Eng Industrial, Eng Eltrica, Informtica, Eng da Produo
e de Sistemas. As aplicaes esto nas reas de finanas (anlises de investimentos de risco e
mercado de capitais), gerncia da produo (logstica, localizao, planejamento empresarial
e controle de qualidade) e na rea de transportes (redes, planejamento de operaes).
Desenvolve os aspectos metodolgicos, como a modelagem, para problemas de grande porte,
na rea de programao matemtica, bem como estudos de previso (redes neurais), de
anlise de sries temporais e de inteligncia artificial nos processos de deciso. Relaciona-se
com diversas empresas, como a PETROBRS, Cia. Vale do Rio Doce, DATAPREV, MBR,
Estaleiro Mau, Rede Globo, Bamerindus e Brahma.
UFV - Universidade Federal de Viosa (MG)
A P.O desenvolveu-se, a partir dos anos 60, com a criao da disciplina de Programao
Linear a cargo do Departamento de Matemtica, no curso de mestrado em Economia Rural.
Com a aquisio do primeiro computador, na dcada de 70, disciplinas de Programao
Linear e No-Linear foram incorporadas tambm a outros cursos (Eng Florestal, de
Alimentos, Eng Agrcola e de Zootecnia). Nos anos 80, foi criado o curso de graduao em
Informtica e novas disciplinas de P.O foram includas nos diversos cursos de graduao. A
UFV desenvolveu sistemas de Programao Linear e Otimizao em Redes(PROL, PROLIN
- para microcomputadores, e REDE) para aplicao em problemas de localizao, tipo e
tamanho de baterias de fornos para carvo vegetal, planejamento florestal, avaliao gentica
de espcies, gerenciamento de laticnios e para atividades de controle na central de
processamento de dados, dentre outras.
Outras Universidades
Muitas outras Instituies brasileiras mantm cursos de graduao e de ps-graduao em
que as aplicaes das tcnicas de P.O so enfatizadas. o caso da U.F. de Juiz de Fora, que
criou o Grupo de Estudos de Simulao, que atua em anlises de impacto por simulao; o
Ncleo de Pesquisas Econmicas, atuando em anlises e previses da produo industrial de

M.G., atravs de sries temporais. A Faculdade de Eng Eltrica desenvolve com a
EMBRAPA softwares para a agropecuria e um projeto de informatizao da pecuria
leiteira (tcnicas de anlise de Cluster; para classificar dados de questionrios, entrevistas e
bases de dados da EMBRAPA).
A U.F. do Cear atua junto a diversas empresas de petrleo, energia, telecomunicaes e
siderurgia, dentre outras. Na rea de alimentos, desenvolve com a FRUTOP um sistema de
otimizao da produo, atualizando o modelo atravs da gerao de dois cenrios mensais,
visando determinar a alocao de mquinas, quantidade matria-prima, dimensionamento e
diviso da mo-de-obra, por turnos e por mquina, e planejamento da produo, por produto
e por mquina.
1.4. REAS DE APLICAO ETCNICAS UTILIZADAS
Resumo das reas e tcnicas de P.O mais citadas nos 24 Simpsios da SOBRAPO, at 1992,
em cerca de 1000 trabalhos. Fonte:SOBRAPO (1993)
rea
Transportes
Energia
Economia e Finanas
Logstica
Planejamento e Controle da Produo
Telecomunicaes
Siderurgia
Agropecuria
Administrao
Sade
Educao
Outras
Tcnica Utilizada
Programao Matemtica
Grafos
SriesTemporais/Modelos de Previso
Estatstica
Otimizao
Processos Estocsticos
Tcnicas de Anlise Combinatria
Teorias de Deciso e de Jogos
Sistemas Especialistas
Heursticas
Fluxos em Rede
Teoria de Filas
% de
Trabalhos
21
19
11,5
9
8
8
6,5
5
4
2,5
2
3,5
% de
Trabalhos
26
14
14
11
9
6
4,5
4
3
3
2
2
4
Redes Neurais
1,5
1.5. PESQUISA OPERACIONAL NA AGROPECURIA BRASILEIRA

A P.O tem sido aplicada no setor agropecurio, no Brasil, embora no com o mesmo
destaque de outros setores, como transportes, energia, telecomunicaes e finanas.
Existem trs mbitos para aplicao das tcnicas de P.O. neste setor:
a) Unidades de produo agropecuria (fazendas, empresas rurais);
b) Agroindstrias;
c) Planejamento estratgico e desenvolvimento de polticas agropecurias.
a) Aplicaes da P.O em Unidades de Produo Agropecuria
Neste mbito, a P.O. aplica-se a situaes melhor definidas, de modo geral, j que os
problemas podem ser limitados a um ambiente ou contexto, isto , possvel caracterizar
uma unidade de produo e identificar mais facilmente as variveis que podero compor o
modelo (disponibilidade de rea, tipo de clima e solo, capacidade de produo, definio de
tecnologias em funo do perfil e das preferncias do produtor e do mercado etc.). Essa viso
"micro"; e segmentada em relao aos outros mbitos de aplicao da P.O. no diminui, no
entanto, os riscos e incertezas do negcio agropecurio, mas facilita a formulao dos
problemas, a tomada de decises e a validao das solues implementadas.
Aplicaes da P.O em Agroindstrias
Exemplo: SADIA
Em 1990, a SADIA contratou uma consultoria (UNISOMA) para implantar um controle
integrado de suas atividades de produo (aves, sunos e raes), transformao de carnes e
comercializao.
Como parte do programa, foram desenvolvidos os seguintes projetos:
a) Formulao de raes: todas as fbricas usam o software MULTIFOR, de formulao
otimizada de misturas, que usa a Programao Linear com estrutura de bloco angular,
possibilitando a soluo de problemas de grande porte (4.000 equaes e 6.000 variveis)
em microcomputadores. O mesmo utilizado pela PERDIGO e pela M.CASSAB.
b) Planejamento Integrado da Produo Avcola: O "PIPA"; foi implantado em sete
unidades de integrao (tipo de operao comercial entre os produtores e a indstria),
responsveis pelo abate de 25 milhes de aves, por ms. O sistema permite 4.000
equaes e at 30.000 variveis e visa otimizar:
datas de alojamento e de abate de cada lote de aves, respeitando as capacidades dos
abatedouros e o perfil dos produtos, em diversas faixas de peso;
previso de suprimento de matria-prima;
compra e estoque de ingredientes em mltiplos perodos;
planejamento de vendas para os mercados interno e externo;
roteamento de entregas de pintinhos de 1 dia aos produtores integrados;
controle de atividades dos abatedouros.
A base de dados deste sistema inclui anlises estatsticas de curvas de crescimento dos lotes,
consumo de rao, mortalidade em diversas fases, rendimento dos cortes e outras, que so
continuamente atualizadas para servirem de dados de entrada para as otimizaes.
c) Estudos de mercado
Criao de cenrios atravs de combinaes de dados dos mercados interno e externo,
desenvolvimento e redefinio de "famlias"; ou linhas de produtos, atendimento aos
clientes, avaliao de oportunidades e anlises conjuntas de preferncias de mercado.
A SADIA tenciona implantar sistemas na rea de gerenciamento (com os programas de
Qualidade Total e de reengenharia).
d) A empresa consultora
Alm dos trabalhos desenvolvidos para a SADIA, a UNISOMA, empresa de consultoria em
modelagem matemtica para processos produtivos, formada em 1984 por ex-professores da
UNICAMP, tem adaptado a microcomputadores alguns sistemas de apoio a processos
decisrios, nos quais esto includos pacotes
comerciais de Estatstica, de Programao
Matemtica, de Simulao e de Otimizao: CSS e SAS-IBM (estatstica), GAMS,
SIMULA, GPSS (linguagens de programao e simulao), OSL-IBM (Otimizao), MPSXIBM e OMNI (Programao Matemtica) e RISK.
1.6. OUTROS EXEMPLOS
a) COOPERSUCAR
So Paulo o 1 produtor nacional de cana-de-acar. A Cooperativa de produtores do
Estado iniciou, em 1984, a aplicao de tcnicas de P.O (Programao Linear Inteira Mista)
nas seguintes atividades:
planejamento da colheita;
reforma de canaviais;
transporte.
A perspectiva usar mais as tcnicas de Simulao e Inteligncia Artificial.

b) Transportes
Distncia mxima economicamente vivel para o Transporte de Cana-De-Aucar da rea de
Produo para a Usina Receptora: Um Estudo De Caso (Brunoro, 1996).
Esse estudo mostra o problema da perda de renda do produtor com transporte de cana. A
distncia entre o mercado consumidor e a localizao produtiva aumenta linearmente os
custos e, da mesma forma, baixa os rendimentos, podendo torn-los nulos.
Estudos a respeito remontam ao economista alemo Von Thnen no ano de 1826, nos quais
ele monta um sistema de equaes em equilbrio esttico de distribuio das atividades
agrcolas sobre o espao geogrfico. Para se minimizar o custo-transporte deve-se localizar a
rea de produo prxima usina, aumentar a produtividade ou o corte de outros custos.
Devido escassez de dados histricos, o autor afirma ser a construo do modelo de

Programao Linear o resultado mais importante de seu trabalho.
O trabalho objetivou verificar o efeito das variveis renda e risco nas possveis combinaes
de atividades e na alocao de recursos produtivos.
c) Empresa Agrcola
Subsdios ao Processo de Deciso: Um Estudo de Caso em uma Empresa Agrcola na Regio
do Tringulo e Alto Paranaba, MG (OLIVEIRA, 1994).
Neste trabalho foram utilizados:
Programao Linear, derivada da anlise de "portfolio", desenvolvida por Markowitz (1952),
que permite selecionar o nvel das diversas exploraes; neste caso o nvel foi quantificado
em termos de rea ocupada, dadas as restries, visando maximizar uma funo objetivo, a
renda;
O autor objetivou verificar o efeito das variveis renda e risco nas possveis combinaes de
atividades e na alocao de recursos produtivos.
d) Empresa Florestal
Um Modelo de Planejamento para uma Empresa Florestal (ANDRADE JNIOR et al,
1982).
Na composio dos custos do ao produzido, o carvo participa com cerca de 40% do custo
total, considerando-se, inclusive, o custo da mo-de-obra direta. Foi desenvolvido pelos
autores uma modelagem objetivando minimizar um oramento no horizonte de 19 anos,
sendo os oramentos anuais atualizados com uma taxa de juros ao ano. O modelo utiliza
6681 linhas e 12994 variveis. As incertezas decorrentes do horizonte de 19 anos, adequado
ao ciclo florestal, sero abordadas atravs de atualizaes dos coeficientes da matriz, com
processamentos peridicos.
d) Programa Integrado de Transporte de Soja (CARNIERI et All, 1983)
O trabalho refere-se ao transporte de soja em gros dos armazns das cooperativas para as
fbricas de leo e farelo ou para o Porto de Paranagu. A margem de lucro que os preos da
soja permitiam poca era pequena, tornando o custo de transporte (de 5 a 15% do valor da
mercadoria) um valor elevado.
Na mdia dos casos estudados obteve-se cerca de 15% de economia, em relao ao custo
total.
PLANEJAMENTO ESTRATGICO E DESENVOLVIMENTO DE POLTICAS
AGROPECURIAS.
O setor agropecurio, no Brasil, sempre foi penalizado pela falta de polticas e excesso de
controle do Governo. Resta ao empresariado rural ajustar-se aos riscos e incertezas inerentes
aos negcios agropecurios e tambm trabalhar em equipe para conquistar, politicamente,
melhores condies para produzir e comercializar seus produtos.
Vislumbra-se na anlise das cadeias produtivas, do setor agropecurio, um excelente campo
para aplicao das tcnicas de P.O., com vistas a agregar valor ao produto agrcola, pelo
aumento de eficincia nas atividades e nos processos inerentes aos diversos mercados que
compem essas cadeias.
2. TEORIA DA DECISO
Conceito: conjunto especfico de tcnicas que auxiliam o tomador de deciso a reconhecer as
particularidades do seu problema e a estrutur-lo.
Deciso: um curso de ao escolhido como o meio mais efetivo a sua disposio, para
obter os objetivos procurados (resolver o problema detectado).
Natureza das informaes disponveis:
Conhecida com certeza,
Estimada
Pouco ou nada precisa.
Exigncias do Tomador de deciso:
Raciocnio,
Bom senso,
Julgamento (histrico/experincia).
2.1. ELEMENTOS DE UM PROBLEMA DE DECISO
a) Alternativas: So as possveis solues do problema.
b) Estados da natureza: So as ocorrncias futuras que podem influir sobre as alternativas,
fazendo com que elas possam apresentar mais de um resultado. Algumas vezes uma
distribuio de probabilidade rege a ocorrncia de cada estado da natureza.
c) Resultados: So as conseqencias das alternativas. Uma alternativa pode ter mais de um
resultado. preciso selecionar os resultados relevantes para o problema em questo.
2.2. MATRIZ DE DECISO (modelo)
Alternativas
A1
A2
A3
A
An
Estados da Natureza
EN1 EN2 EN ENk
R11
R12
R
R1k
R21
R22
R
R2k
R31
R32
R
R3k
R R
R
R
Rn1
Rn2
R
Rnk
2.3. CLASSIFICAO DOS PROBLEMAS DE DECISO

Deciso tomada sob risco: so aquelas onde podemos, objetiva ou subjetivamente, atribuir
probabilidades de ocorrncia aos estados da natureza.
a) V.E.A.: a soma do produtos, dos resultados da alternativa pelas respectivas
probabilidades dos estados da natureza a eles associados;
b) V.E.I.P.: o ganho excedente sobre a deciso tomada com o conhecimento da deciso
perfeita. Quanto mais apurada essa informao mais cara ela ser. Ela nos diz "At
quanto pode-se pagar por essa informao?";
Deciso tomada sob incerteza: so aquelas onde desconhecemos e no podemos atribuir

probabilidade aos estados da natureza. Conhecemos os estados possveis, mas no temos
para eles probabilidades estabelecidas.
a) Critrio Maximin: o mximo entre os nmeros. Para cada alternativa, anotamos o pior
resultado, comparando todas as alternativas entre si, escolhemos aquela que conduz a
menos ruim.
b) Critrio Maximax: o mximo dos mximos. Dados os mehores resultados de cada
alternativa, escolhe-se aquela com o melhor entre os melhores;
c) Critrio de Laplace: utiliza todos os dados da matriz de deciso supondo iguais todas a
probabilidades dos estados da natureza;
d) Critrio do mnimo arrependimento: procura minimizar o arrependimento pela escolha
de um alternativa errada. O arrependimento o que se perde por no ter escolhido a
melhor alternativa quando considerado um estado da natureza.
2.4. EXERCCIOS SOBRE TEORIA DA DECISO
1) Uma empresa necessita tomar uma deciso pois suas vendas esto crescendo, deste modo
ela poder usar as instalaes existentes para aumentar a produo (at um certo limite)
ou construir novas instalaes incrementando esta produo. Como estados da natureza
ela poder ter uma demanda baixa, mdia ou alta com probabilidades respectivas de
20%, 30% e 50%. Sabendo-se que se a empresa optar pelo uso de instalaes existentes
ela ter: prejuzo de $100.000 com baixa demanda, lucro de $100.000 com mdia
demanda e lucro de $200.000 com alta demanda. Se ela optar em construir novas
instalaes as perspectivas so: prejuzo de $300.000 se a demanda for baixa, lucro de $0
se a demanda for mdia e lucro de $400.000 se a demanda for alta. Pede-se:
a) A matriz de deciso.
b) Cacule o VEA, qua a soluo escolhida?
2) Uma organizao financeira pode optar pelas seguintes alternativas: vender suas aes ou
continuar com as aes esperando uma elevao nos preos para a venda posterior. Como
as aes esto em baixa um comprador props um pagamento de $150.000 para a venda
imediata mais um adicional de $1.000.000 se as aes num prazo de um ano atingirem o
aumento esperado. Se a empresa resolver no vender as aes o prejuzo ser de
$400.000 se as aes no subirem em um ano, mas se elas atingirem o aumento esperado
ela ter um lucro de $1.500.000 vendendo-as posteriormente. Supondo-se que os estados
naturais as aes no subirem e as aes subirem tem probabilidade respectiva de 70% e
30%. Pede-se:
b) Calculo do VEA. Qual a soluo escolhida?
c) Pelo VEIP, qual o preo mximo a ser pago pela informao?
Se no houver probabilidade para os estados naturais, pede-se:
d) Qual a melhor soluo pelo critrio Maximin?
e) Qual a melhor soluo pelo critrio Maximax?
f) Qual a melhor soluo pelo critrio Laplace?

g) Qual a melhor soluo pelo critrio do Mnimo Arrependimento?
3) Um atacadista trabalha com a venda de determinada fruta. Estas so compradas no
Domingo e vendidas toda segunda-feira. O atacadista paga $200 por centena de fruta e
revende por $400 a mesma centena. Para facilitar os calculos, vamos admitir que a
demanda das frutas assuma os valores de 50, 100 e 150 centenas. O atacadista poder
comprar qualquer uma destas quantidades, mas no sabe de antemo quais sero as suas
demandas, conhecendo apenas a sua probabilidade (estimada pelo histrico do
atacadista). Vamos admitir que se por acaso o atacadista comprar mais frutas do que
vende na Segunda-feira ele perde completamente as frutas no vendidas. Sabendo-se que
o atacadista estima em 35%, 45% e 20% respectivamente, a probabilidade de que a
demanda seja 50, 100 e 150 centenas. Dentro desta situao pede-se:
b) A melhor deciso tomada sob risco (VEA).
c) O valor esperado da informao perfeita (VEIP).
Supondo que o atacadista esteja iniciando no ramo, e no tenha histrico das demandas,
portanto as probabilidades de ocorrncia dos estados da natureza sejam desconhecidos. Pedese:
d)
e)
f)
g)
A melhor deciso tomada pelo critrio Maximin.

A melhor deciso tomada pelo critrio Maximax.
A melhor deciso tomada pelo critrio Laplace.
A melhor deciso tomada pelo critrio do Mnimo Arrependimento.
4) Voc um tomador de deciso, que est diante de quatro alternativas e trs estados da
natureza. Analisando o seu problema, voc consegue montar a matriz de deciso abaixo,
onde os resultados indicam as despesas (em milhes de u.m., unidades monetrias,
anuais) sob cada alternativa e estado da natureza.
alternativas
A1
A2
A3
A4
Estados da Natureza
EN1 EN2
EN3
25
12
18
8
20
34
14
30
16
20
15
25
Supondo as probabilidades dos estados da natureza sendo: EN1 de 30%, EN2 de 25% e EN3
de 45%. Calcule:
a) Escolha a melhor alternativa sob risco (VEA).
b) Qual o valor esperado da informao perfeita (VEIP).
Suponha agora que so desconhecidas as probabilidades de ocorrncia dos estados da
natureza. Qual a melhor deciso, utilizando:
10
c) O critrio de Laplace.
d) O critrio do Mnimo Arrependimento.
5) Voc deve tomar uma deciso de quatro alternativas e trs estados da natureza.
Analisando o seu problema, voc consegue montar a matriz de deciso abaixo, onde os
resultados indicam as despesas (em mil UM mensais) sob cada alternativa e estado da
natureza.
Estados da Natureza
alternativas EN1 EN2
EN3
9
16
22
A1
12
13
20
A2
15
10
17
A3
19
14
14
A4
Supondo as probabilidades dos estados da natureza sendo: EN1 de 45%, EN2 de 30% e EN3
de 25%. Calcule:
c)
d)
e)
f)
O critrio Maximin.
O critrio Maximax.
O critrio de Laplace.
O critrio do Mnimo Arrependimento.
6) Uma empresa produz os produtos X e Y, que devido as restries internas e externas

podem ser produzidos nas seguintes quantidades:
50 unidades de X, ou
25 unidades de X e 30 unidades de Y, ou
40 unidades de Y.
As probabilidades de venda so de respectivamente 30%, 45% e 25%. Sabendo-se que o

custo de produo de $15,00 para X e $20,00 para Y e o preo de venda X = $25,00 e Y
= $34,00. Pede-se:
c) O critrio Maximin.
g) O critrio Maximax.
h) O critrio de Laplace.
11
d) O critrio do Mnimo Arrependimento.

7) Um supermercadista trabalha com a venda de determinado produto. Estes so comprados
no sbado e vendidos tada segunda-feira. O supermercadista paga $1200 por caixa de
produto e revende por $1500 a mesma caixa. Para facilitar os calculos, vamos admitir
que a demanda do produto assuma os valores de 80, 120, e 160 caixas. O
supermercadista poder comprar uma destas quantidades, mas no sabe de antemo quais
sero as suas demandas, conhecendo apenas a sua probabilidade (estimada pelo
histrico). Se por acaso o supermercadista comprar mais produtos do que vende na
segunda-feira ele perde completamente os produtos no vendidos. Sanbendo-se que o
supermercadista estima em 40%, 15% e 45% respectivamente, a probabilidade de que a
demanda seja 80, 120 e 160 caixas. Dentro desta situao pede-se:
Supondo que o supermercadista esteja iniciando no ramo, e no tenha histrico das
demandas, portanto as probabilidades de ocorrncia dos estados da natureza sejam
deconhecidos. Pede-se:
d) A melhor deciso tomada pelo critrio de Laplace.
e) A melhor deciso pelo critrio do Mnimo Arrependimento.
8) Uma organizao, que trabalha no ramo de compra e venda pode realizar junto ao seu
forncedor a compra de 5 ou 10 lotes do produto XH. Sabendo-se que as suas
possibilidades de venda tambm so de 5 ou 10 lotes com probabilidades respectivas de
30% e 70%. Pede-se:
Suponha que as probabilidades dos estados de natureza so deconhecidas. Qual a melhor
deciso, utilizando:
d) O critrio Maximin.
e) O critrio Maximax.
f) O critrio de Laplace.
OBS: o custo do produto XH de $10/lotes e o preo de venda do produto XH de $15/lote.
12
3. PROGRAMAO LINEAR
uma tcnica da Pesquisa Operacional, denominao esta justificada porque considera-se
que as restries e condies impostas aos problemas de que se trata so expressas em
termos Lineares.
Programao Linear consiste em dispor os dados de um problema cujas incgnitas guardem
relaes lineares, pede a forma de um sistema de equaes e/ou inequaes composto de
uma equao chamada objetivo para qual deseja-se obter um resultado mximo ou mnimo
sujeito a restries ou condicionamento constituido por vrias equaes ou inequaes.
Quando o nmero de incgnitas igual a 2 ou 3 o sistema admite uma soluo grfica. Muito
complicada no 2o caso por se tratar de um problema no espao tri-dimensional. Os problemas
com 4 ou mais incgnitas pertencendo a um espao n-dimensional s admitem solues
algbricas atravs do calculo matricial.
Os trs principais grupos de problemas que podem ser resolvidos por Programao Linear
so os seguintes:
a) Misturas de ingredientes com composio e preos conhecidos para atender a
determinadas especificaes (de composio ou de estoque) a custo mnimo ou lucro
mximo: Noes balanceadas para animais, refeies, abastecimento de comunidades ou
tropas, combustveis e lubrificantes, fertilizantes e corretivos, defensivos agrcolas, perfumes
e cosmticos, ligas metlicas, Industria de alimentos, etc.
b) Transporte, distribuio ou alocao, em que se procura determinar as quantidades a
transportar segundo as vias alternativas possveis a freqncia ou perodos de transporte e as
especificaes quanto a operao levando em conta os custos (fretes, riscos capital
empatado, prmios e multas, embalagem, armazenamento, capacidade dos meios, etc). A
poltica de Transporte e o fator a maximizar ou minimizar (custos, quantidades, tempo,
etc). Entre as reas de utilizao cita-se: abastecimento, distribuio de produtos,
transporte de cargas ou pessoas, etc..
c) Programas de Produo ou limitao de recursos nos setores agricolas, industrial ou de
servios, como o seguinte modelo tpico:
Uma empresa oferece vrias alternativas de servios ou pode fabricar ou produzir vrios
bens;
Conhece-se as quantidades de insumos necessrios para a produo de uma unidade do
bem ou servio: mo-de-obra, rea, material, equipamento, fora, etc
Conhece-se as restries do mercado quanto aos limites inferiores e superiores de
produo ou demanda do bem ou servio;
Conhece-se as disponibilidades dos insumos por parte da empresa;
Conhece-se o valor ou lucro unitrio dos bens ou servios a serem produzidos;
Deseja-se obter o melhor programa de produo que pode ser: maximizar os lucros,
maximizar o volume de produo, maximizar ou minimizar o emprego de determinado
insumo, minimizar o tempo ocioso de pessoas ou equipamentos, etc
3.1. FASES DE UM ESTUDO EM P.O.
Um estudo em Pesquisa Operacionar costuma envorver seis fases:
13
formulao do problema;
construo do modelo do sistema;
clculo da soluo atravs do modelo;
teste do modelo e da soluo;
estabelecimento de controles da soluo;
implantao e acompanhamento:
Formulao do Problema: nesta fase, o administrador do sistema e o responsvel polo

estudo em PO devero discutir, no sentido de colocar o problema de maneira clara e
coerente, definindo os objetivos a alcanar e quais os possveis caminhos alternativos para
que isso ocorra.
Alm disso, sero levantadas as limitaes tcnicas do sistema e as relaes desse sistema
com outros da empresa ou do ambiente externo, com a finalidade de criticar a validade de
possveis solues em face destes obstculos.
Dever ainda ser acordada uma medida de eficincia para o sistema, que permita ao
administrador ordenar as solues encontradas, conclundo processo decisrio.
Construo do Modelo do Sistema: os modelos que interessam
em Pesquisa Operacional
so os modelos matemticos, isto , modelos formados por um conjunto de equaes e
inequaes.
Uma das equaes do conjunto serve para medir a eficincia do sistema para cada soluo
proposta. E a funo objetivo ou funo de eficincia. As outras equaes geralmente
descrevem as limitaes ou restries tcnicas do sistema. Um bom modelo aquele que tem
desempenho suficientemente prximo do desempenho da realidade e de fcil
experimentao. Essa proximidade desejada varivel, dependendo do objetivo proposto.
Um bom modelo para um ob]etivo pode ser pssimo para outro. A fidelidade de um modelo
e aumentada medida que ele incorpora caractersticas da realidade, com a adio de novas
variveis. Isso aumenta sua complexidade, dificultando a experimentao, o que nos leva a
considerar o fator custo-beneficio quando pensamos em melhorar o desempenho de um
modelo.
Clculo da soluo atravs do modelo: feito atravs de tcnicas matemticas especficas. A
construo do modelo deve levar em considerao a disponibilidade de uma tcnica para o
clculo da soluo.
Teste do modelo e da soluo: esse teste realizado com dados empiricos do sistema. Se
houver dados histricos, eles sero aplicados no modelo, gerando um desempenho que pode
ser comparado ao desempenho observado no sistema. Se o desvio verificado no for
aceitvel, a reformulao ou mesmo o abandono do modelo ser inevitvel. Caso no haja
dados histricos, os dados emplricos sero anotados com o sistema funcionando sem
interferncia, at que o teste possa ser realizado.
Estabelecimento de controles da soluo: a construo e experimentao com o modeto
identificam parmetros fundamentais para soluo do problema. Qualquer mudana nesses
parmetros dever ser controlada para garantir a validade da soluo adotada. Caso alguns
desses parmetros sofra desvio alm do permitido, o clculo de nova soluo ou mesmo a rei
ormufao do modelo poder ser necessria.
14
Implementao e acompanhamento: nesta fase, a soluo ser apresentada ao administrador,

evitando-se o uso da linguagem tcnica do modelo. O uso da linguagem do sistema em
estudo facilita a compreenso e gera boa vontade para a implantao que est sendo
sugerida. Essa implantao deve ser acompanhada para se observar o comportamento do
sistema com a soluo adotada. Algum ajuste pode ser requerido.
3.2. EXEMPLO DE UM PROBLEMA DE PL.
Um fabricante deseja maximizar a receita bruta. A tabela abaixo mostra as composies das
ligas, seus preos e as limitaes na disponibilidade de matria-prima. Resolva graficamente.
Cobre
Zinco
Chumbo
Preo Unit. De venda
Liga tipo A
2
1
1
30
Liga tipo B
1
2
3
50
Matria-prima
16
11
15
Resposta:
Variveis de deciso: Xa - qtde. de liga A a ser produzida.
Xb - qtde. de liga B a ser produzida.
O objetivo maximizar o valor das vendas totais Z.
Portanto, o objetivo :
Max Z = 30Xa + 50Xb
Restries:
2Xa + Xb <=16 {restrio de cobre}
Xa + 2Xb <=11 {restrio de zinco}
Xa + 3Xb <=15 {restrio de chumbo}
Onde: Xa e Xb >= 0 {no podemos fabricar quantidade negativa de liga}
3.3. EXERCCIOS DE PROGRAMAO LINEAR
1) Suponha que voc o gerente do Armazm ABC, que todo ms envia o produto X para
ser vendido a varejo em trs cidades Ararangu, So Jos e Joaaba. Assuma que as
quantidades enviadas para essas cidades so as seguintes:
Ararangu: X1 unidades.
So Jos X2 unidades.
Joaaba: X3 unidades.
a) Qual as variveis de deciso?
b) Desenvolva um modelo para determinar o total mensal de unidades do produto enviados
para o conjunto das trs cidades.
15
c) Suponha que a demanda de Ararangu nunca superior a 5000 unidades, incorpore esta
restrio ao sistema.
d) Suponha que a demanda de So Jos sempre maior que o dobro da demanda de
Joaaba, incorpore esta restrio.
e) Suponha que o Armazm ABC jamais ter mais que 20000 unidades do produto para
enviar ao conjunto das trs cidades. Como se expressa esta restrio?
2) No problema anterior, suponha que o Armazm ABC, por acordo com seus varejistas.
tenha sobre si todos os encargos com custo de transporte; o Armazm quer enviar
quantidades de produto tais que esse custo total de transporte seja mmmo, respeitadas as
seguintes condies adicionais:
a) Ararangu no pode receber menos que 4.000 unidades do produto.
b) So Jos no pode receber menos que 10000 unidades do produto.
c) Os custos de transporte por unidade de produto so os seguintes:
R$ 1 00,00 para Ararangu
R$ 120,00 para So Jos
R$ 80,00 para Joaaba
Montar as restries adicionais e a expresso do custo total que se quer minimizar (funo
objetivo).
3) Uma empresa produz dois produtos X e Y utilizando trs equipamentos distintos um
torno (T), uma prensa (P) e uma furadeira (F). Cada mquina conta com 180, 240 e 600
horas disponveis, respectivamente, sendo que cada produto obrigado a passar por todas
elas, O produto X passa trs horas em T, duas horas em P e seis horas em F. O produto Y
passa duas horas em T, quatro em P e cinco em F. Sabendo que vende X por $ 60,00, Y
por $80,00 e que o custo de X de $39,00 e o de V de $60,00:
a) Quais as variveis de deciso?
b) Desenvolva a funo objetivo que maximiza os lucros
c) Quais as restries?
4) Considere uma planta de manufatura capaz de produzir dois produtos P e Q, cujo lucro
por unidade seja $6,00 e $8,00, respectivaniente. O processo produtivo envolve duas
operaes corte e furao. Para a operao de corte h 2 mquinas disponveis e para a
operao de furao h 3 mquinas em disponibilidade. Considerando que cada mquina
opera 200horas/ms e que para produzir uma unidade do produto P sejam necessrias 8
horas de corte e 4 de furao e para a produo de uma unidade do produto Q sejam
consumidas 4 horas de corte e 10 horas de furao. Pede-se:
b) Desenvolva um modelo matemtico que permita a determinao do mix de produtos que
maximize o lucro total durante um ms (funo objetivo e restries).
5) Obtenha uma mistura de produtos que contenha os nutrientes necessrios e apresente o
mnimo custo. Suponha que um agricultor queira adubar sua plantao e disponha de dois
tipos de adubo. O adubo tipo A possui 6g de fsforo, 2g de nitrognio e 16g de potssio
16
para cada kg, a um custo de $20,00/kg. O adubo B possui 4g de fsforo, 6g de nitrognio

e 4g de potssio para cada kg, o custo de $16,00/kg. Sabe-se que necessrio 1 kg de
adubo para fertilizar 10 m2 de terra e que o solo em que esto as suas plantaes
necessita de pelo menos 6g de fsforo, 3g de nitrognio e 8g de potssio a cada 10 m2 de
terra. Desenvolva um modelo matemtico para solucionar este problema. (a.variveis de
deciso, b. fuino objetivo, c. restries).
6) Considere um sistema de manufatura capaz de produzir os produtos: P, Q, R e S. O preo
de venda por unidade , respectivamente, $8,00; $10,00; $12,00 e $14,00. Com base nas
tabelas abaixo:
a) Defina as variveis de deciso.
b) Desenvolva um modelo matemtico que maximize os ganhos de produo deste sistema
de manufatura (funo objetivo e restries).
Produto
P
Q
R
S
Tabela 1: Custo de Fornecimento

$MP 1 $MP2 $MP3 $ Outros
2
1
2
2
3
2
2
4
3
3
Fonte: Depto Financeiro
Tabela 2: Matriz de Produo

Produto
Maq. A Maq. B
10
P
4
Q
3
2
R
6
5
S
600
200
Total mensal de horas
Fonte : Depto de produo
Produto
P
Q
R
S
$ Total
3
4
7
10
Maq. C
1
3
120
Tabela 3 Demanda de Mercado

Demanda/ms unid.) Preo de venda ($)
10
8
20
10
30
12
40
14
Fonte: Depto Comercial
7) Uma planta industrial fabrica garrafas plsticas com ou sem rtulo. As garrafas com
rtulo so vendidas $10,50 o lote, enquanto que as garrafas sem rtulo tem uni preo de
venda de $8,00 por lote. Para produzir um lote de garrafas com rtulo so consumidos
5kg de plstico a $1,00/kg, 0,5 m2 de papel a $2,00! m2 e 1 frasco de tinta a
$1,00/frasco. Para produzir um lote de garrafas sem rtulo so consumidos 4kg de
plstico a $1,00/kg. A fabricao de um lote de garrafas com rtulo exige 15 minutos da
17
mquina de sopro, 10 minutos na operao de serigrafia, 5 minutos no recorte e 7

nnutos de colagem. A produo de um lote de garrafas sem rtulo necessita de 20
minutos na mquina de sopro. A empresa opera num regime de 40 horas semanais e
dispe de 2 mquinas de sopro, 1 mquina de serigrafia e 1 mquina para recorte e
colagem (na mesma mquina). Sabendo-se que no almoxarifado existe um estoque de
1200kg de plstico, 200 m de papel e 180 frascos de tinta e considerando-se que no
haver reposio antes de urna semana, determine:
a) As variveis de deciso.
b) Atravs da modelagem matemtica a equao que maximiza o lucro semanal da empresa
(funo objetivo).
c) Quais as restries do sistema?
8) Uma empresa fabrica os produtos A e B que so vendidos a $20 e $30 por unidade,
respectivamente. Para a fabricao de uma unidade de A so necessrias 1 hora da
mquina 1 e 3 horas de mquina 2, enquanto que para fabricar uma umdade de B so
necessrias 3 horas de mquina 1 e 4 horas de mquina 2. A empresa trabalha 40 horas
semanais e possui trs mquinas 1 e quatro mquinas 2. Para produzir 1 unidade de A
Gasta-se $ 12/unidade e para B 120/unidade. Pede-se:
b) Desenvolva a funo objetivo que maximiza os lucros.
9) Uma empresa produz os produtos Xl, X2, X3 e X4. Com base nas tabelas abaixo:
b) Desenvolva a funo objetivo que maxiniiza os lucros.
Produto
X1
X2
X3
X4
Tabela 1 : Custo de Produo

$MPI
$MP2
$MP3
$ MP4
3
1
2
2
4
3
4
3
Fonte: Depto Financeiro
Tabela 2: Matriz de Produo

Produto
Maq ABC
Maq. BCD
Xl
8
X2
6
X3
5
4
X4
8
10
Total mensal de horas
400
400
Fonte: Depto de produo
18
$ Outros
3
1
2
1
Maq. CDE
2
5
100
Produto
X1
X2
X3
X4
Tabela 3 Demanda de Mercado

Demanda/ms (unid.) Preo de venda ($)
22
10
18
10
15
14
25
13
Fonte Depto Comercial
10) Voc est sendo contratado por uma grande empresa multinacional com um salrio
magnifico. Para isto voc deve, apenas com o seu conhecimento, formular o mix ideal de
produo para os lucros desta empresa. Como a empresa possui um soflware que calcula
estes valores, seu unico problema montar as equaes para alimentar o programa e
aguardar as congratulaes e o baita salrio de seu novo emprego (afinal voc estudou
com afinco a disciplina de Pesquisa Operacional).
A seguir esto as tabelas com os dados necessrios para este simples clculo
Produto
P
Q
Valores monetrios de matrias-primas e produtos

Preo de venda $ Custo MP 1 $ Custo MP 2 $ Outros custos $
100
20
20
5
90
10
20
10
Fonte: Depto. Custos
Demanda semanal do mercado
Produto
Demanda unidade/semana
100
P
80
Q
Fonte: Depto de Vendas
Produto
P
Q
Tempos de Produo em horas(*)

Maquina A(h)
Maquina B(h)
10
12
20
15
Fonte: Depto. Custos
Maquina C(h)
12
10
(*) voc dispe de 2 mquinas A, 1 mquina E e 1 mquina C, cada mquina trabalha 2400
horas por semana.
Portanto, calcule:
b) Qual a funo objetivo?
19
4. MTODO GRFICO
o mtodo restrito a resoluo de problemas com 2 variveis, neste mtodo temos cada
restrio definindo uma rea no plano cartesiano, que contem infinitos pontos. O problema
deve ser ento selecionar um ponto que ao mesmo tempo esteja contido nesta rea e satisfaa
a funo-objetivo. O mtodo garante que os pontos de interseco das retas limites a rea de
interesse so os possveis pontos que satisfazem a funo-objetivo.
ROTEIRO BSICO PARA RESOLUO DE PROBLEMAS PELO MTODO GRFICO
1) Identificar as variveis de deciso.
2) Montar a funo-objetivo.
3) Montar as equaes de restrio.
4) Determinar no mnimo 2 pontos para cada reta de restrio.
5) Plotar os pontos e traar as retas no plano cartesiano.
6) Selecionar (marcar) a rea vivel.
Obs, se a restrio for:
= , sobre a reta
>= , acima da reta e a direita
<=, abaixo e a esquerda da reta
7) Verificar a rea comum entre todas as restries.
8) Achar o ponto timo do problema.
9) Formular a resposta.
Obs.: Ao aplicarmos o mtodo grfico em algumas situaes podemos chegar a situaes
com solues ilimitadas como tambm no acharmos solues para nosso problema. o
caso dos modelos de grficos abaixo. O grfico que no posse rea comum entre as retas
considerado sem soluo.
Tipos de solues grficas

4.1. EXEMPLO DE UM PROBLEMA DE PL COM RESOLUO GRFICA
Um fabricante deseja maximizar a receita bruta. A tabela abaixo mostra as composies das
ligas, seus preos e as limitaes na disponibilidade de matria-prima. Resolva graficamente.
20
Cobre
Zinco
Chumbo
Preo Unit. De venda
Liga tipo A
2
1
1
30
Liga tipo B
1
2
3
50
Matria-prima
16
11
15
Resposta:
Variveis de deciso: Xa - qtde. de liga A a ser produzida.
Xb - qtde. de liga B a ser produzida.
O objetivo maximizar o valor das vendas totais Z.
Portanto, o objetivo :
Max Z = 30Xa + 50Xb
Restries:
2Xa + Xb <=16 {restrio de cobre}
Xa + 2Xb <=11 {restrio de zinco}
Xa + 3Xb <=15 {restrio de chumbo}
Onde: Xa e Xb >= 0 {no podemos fabricar quantidade negativa de liga}
21
4.2. EXERCCIOS DE PROGRAMAO LINEAR USANDO O MTODO GRFICO

1) Resolver Graficamente.
Max Z = 2x1 + x2
sujeito a
x1 + 4x2 <= 24
x1 2x22 <= 14
2x1 - x2 <= 8
x1 - x2 <= 3
x1 >= 0, x2 >= 0
22
Max Z = 2x1 + x2
sujeito a
x1 + 4x2 <= 24
x1 2x2 <= 14
2x1 - x2 <= 8
x1 - x2 <= 3
x1 >= 0, x2 >= 0
3) Um fazendeiro tem que decidir o quanto vai plantar de milho e de alfafa. Os lucros so
de $ 20.000,00 por alqueire de milho e de S 10.000,00 por alqueire de alfafa. Suponha
que suas limitaes sejam: terra disponvel = 8 alqueires; gua disponvel para irrigao
= 80000 litos; deseja plantar no mximo 4 alqueires de milho; cada alqueire de milho
requerer 10000 litros de gua para irrigao; cada alqueire de alfafa requerer 20000
litros de gua para irrigao.
a) Formule o problema como de programao linear;
b) Resolva-o graficamente.
4) Resolva graflcamente, mostrando claramente a regio dos pontos viveis (regio
permissvel) e a reta da funo objetivo.
Max Z = -10x + 15y
sujeito a
x>=2 x + y<=12
x<=8 2x + 5y<=40
y>=l
min Z = -x1 + 2x2
sujeito a
-x1 + x2 <= 1
6x1 + 4x2 <= 24
x1 >= 0
x2 >= 2
min Z = 2x1 + x2
sujeito a
4x1 - 5x2 <= 40
5x1 + 8x2 <= 40
9x1 - 6x2 >= 0
x1 >= 0
x2 >= 2
23
5. PROGRAMAO LINEAR NO EXCEL

No real mundo, ns somos confrontados freqentemente com vrios modos de realizar um
certo objetivo, alguns modos que so melhor em uma certa ocasio que outros. Por exemplo,
h muitas combinaes de produtos que uma mquina pode fabricar, e ns podemos estar
interessados achar a combinao que conduz a lucro de mximo. As variveis em situaes
da vida real esto sujeitas a restries. No primeiro lugar, necessrio na maioria das
instncias que as variveis no assumam valores negativos. Certas combinaes de variveis
no so permissveis. Por exemplo, uma mistura de produto que exige para uma mquina
operar mais de 24 horas no permissvel, nem isto permissvel programar produo a
nveis que excedem capacidade da mquina. Os problemas s vezes podem ser to
complicados podendo ter mais de 10 restries e mais de 6 variveis.
O Excel tem uma caracterstica de otimizao poderosa chamado Solver o qual calcula
soluo baseado em clulas ajustveis, restries e otimizaes que devem ser calculadas.
Com esta ferramenta podemos resolver sistemas grandes que envolvem at 200 variveis e
500 restries em segundos, montando uma planilha eletrnica.
5.1. EXEMPLO COM O EXCEL
Ns temos que usar um exemplo para demonstrar o poder do Solver.
Temos uma fbrica que faz copos para beber e que usa uma nica mquina. A mquina est
disponvel durante 60 hr/semana. Toda a produo semanal armazenada em um armazm e
ao trmino de cada semana ela transportada para as revendas.
Voc produz dois produtos, copos de suco e copos de vinho, a mquina leva 6 horas para
produzir 100 caixas com copos de suco, e 5 horas para produzir 100 caixas com copos de
vinho. Cada caixa com copos de suco opuca 10 metros cbicos ao ser amazenada e cada
caixa com copos de vinho ocupam 20 metros cbicos. Sabemos que o armazm suporta no
mximo 15.000 metros cbicos.
O lucro lquido por cada caixa com copos de suco de $5.00 e $4.50 por caixa com copos de
vinho. O departamento de marketing estima que a empresa pode vender todas as caixa com
copos de vinho que forem produzidas, mas poder vender um mximo de 800 caixas com
copos de suco por semana. Voc tem que determinar um plano de produo que respeita
todas as restries e que maximize o lucro lquido total.
Formulao algbrica:
Cosiderando que:
J = nmero de caixas com copos de suco produzidas por semana
W = nmero de caixas com copos de vinho por semana.
Ns queremos maximizar lucro total, em $: 5J + 4.5*W {funo objetivo}
sujeito a {restries}:
24
Tempo de mquina, em horas: (6/100)*J + (5/100)*W <=60

Espao do armazm, em metros cbicos: 10*J + 20*W <=15.000
Demanda de copos de suco, em caixas: J <= 800
J, W >= 0
5.2. CONFIGURANDO O EXCEL
Ns precisamos modelar o problema e por em uma planilha eletrnica primeiro. O diagrama
mostrado abaixo um dos muitos modos de se modelar o problema. Ser interessante montar
um espao na tabela excel para especificar as restries, o que ir permitr mudaas futuras de
valores. Tambm ser interessante dar nomes as clulas para que o resultado produzido pelo
Solver tenha um significados mais representativo.
Passos para a montagem do Modelo de Programao Linear no Excel considerando o
problema anterior:
a) Montar uma Planilha coma as informao do Problema, como na tabela abaixo:
Tipo de Horas trabalhadas para Espao ocupado por Preo por
Nmero de caixas Total de lucro Espao Total de horas
Copo
cada caixa comcopos cada caixa comcopos caixa
produzidas
das caixas
Total
trabalhadas
Suco
0,06
10
5
200
1000
2000
12
Vinho
0,05
20
4,5
200
900
4000
10
Total:
1900
6000
22
Restries
Espao total:
Nmero mximo de copos de suco:
Total de Horas:
15000
800
60
b) Atribuir um valor aleatrio para o nmero de caixas produzidas de suco e vinho, no caso
iremos atribuir 200 para ambos.
c) Criar as frmulas para os campos calculados:
F2 {=D2*E2}
F3 {=D3*E3}
F4 {=SOMA(F2:F3)}
G2 {=C2*E2}
G3 {=C3*E3}
G4 {=SOMA(G2:G3)}
H2 {=B2*E2}
H3 {=B3*E3}
H4 {=SOMA(G2:G3)}
d) Atribuir nomes as clulas e intervalos principais para facilitar o entendimento nos
prximos passos:
F4 - lucro_total
25
E2:E3 - caixas_produzidas
C8 - max_copos_sucos
E2 - caixas_suco
C7 - espaco_total
G4 - espaco_total_utilizado
H4 - total_horas_trabalhadas
C9 - total_horas
e) Utilizar a opo Solver no Excel, menu ferramentas.
Em Clula Configurao{Set Target Cell}: clicar na planilha na clula F4 pois ela que
queremos maximizar;
Clula modificadas: clicar na planilha e selecionar o intervalo $E$2:$E$3;
Adicionar as restries do problema:
$E$2 <= $C$8
$E$2:$E$3 >= 0
$G$4 <= $C$7
$H$4 <= $C$9
A tela dos Parametros do solver devero ficar como a figura abaixo.
Se as informaes estiverem corretas basca ento clicar sobre o boto Solver.
Aps clicar no boto solver a seguinte tela ir aparecer:
26
Aqui ns podemos configurar o tipo de relatrio selecionando as opes em Reports, bem

como salvar o cenrio criado para eventuais conferencias de resultados e tambm retornar
com os valores originais clicando sobre a opo Restore Original Values. E calcular nossa
soluo mantendo a opo Keep Solver Solution selecionado.
Selecione ento Keep Solver Solution e como relatrios escolha os 3 tipos: Answer,
Sensitivity, Limits.
Aps o OK o resultado dever aparecer como a tabela abaixo:
Tipo de Horas trabalhadas para Espao ocupado por
Preo por
Copo
cada caixa com copos
cada caixa com copos caixa
Suco
0,06
10
5
Vinho
0,05
20
4,5
Total:
Restries
Espao total:
Nmero mximo de copos de suco:
Total de Horas:
Nmero de Total de lucro

Total de horas
caixas
das caixas
Espao Total trabalhadas
642,8571429
3214,285714 6428,571429
38,57142857
428,5714286
1928,571429 8571,428571
21,42857143
5142,857143
15000
60
15000
800
60
5.3. ENTENDENDO OS RESULTADOS OBTIDOS

O Solver pode resumir seus resultados de 3 modos diferentes que lhe proporcionam vises
diferentes de anlise. Os resultados podem ser apresentados em Relatrio de Resposta,
Relatrio de Sensibilidade, ou Relatrio de Limites.
O Relatrio de Resposta mostra a clula objetivo, as variveis, e as restries. Tambm
inclui valor de sobras para cada restrio.
Target Cell (Max)
Cell
Name
$F$4 Total: Total de lucro das caixas
Original Value Final Value

1900 5142,857143
Adjustable Cells
Cell
Name
$E$2 Suco Nmero de caixas
$E$3 Vinho Nmero de caixas
Original Value Final Value

200 642,8571429
200 428,5714286
Constraints
Cell
Name
$H$4 Total: Total de horas trabalhadas
$G$4 Total: Espao Total
Cell Value
60
15000
642,8571429
642,8571429
428,5714286
27
Formula
$H$4<=$C$9
$G$4<=$C$7
$E$2<=$C$8
$E$2>=0
$E$3>=0
Status
Binding
Binding
Not Binding
Not Binding
Not Binding
Slack
0
0
157,1428571
642,8571429
428,5714286
O Relatrio de Limites mostra quanto podem ser aumentados os valores das variveis ou
podem ser diminudos sem violar as restries de seu problema.
Target
Cell
Name
$F$4 Total: Total de lucro das caixas
Value
5142,857143
Adjustable
Cell
Name
Value
642,8571429
428,5714286
Lower
Target
Limit
Result
0 1928,571429
0 3214,285714
Upper
Target
Limit
Result
642,8571429 5142,857143
428,5714286 5142,857143
O Relatrio de Sensibilidade mostra a informao de sensibilidade sobre a clula objetivo.

Ser mostrada a informao detalhada deste relatrio em classes.
Adjustable Cells
Cell
Name
Final
Value
642,8571429
428,5714286
Reduced
Gradient
0
0
Constraints
Cell
Name
$H$4 Total: Total de horas trabalhadas
$G$4 Total: Espao Total
Final
Value
Lagrange
Multiplier
60 78,57143242
15000 0,028571416
28
6. MTODO SIMPLEX
um calculo numrico que pesquisa os vrtices do poliedro de restries. Atravs de
iteraes temos:
A soluo tima.
A indicao da inexistncia de soluo.
Baseia-se no fato de que o mximo ou o mnimo da funo objetivo ocorre num vrtice do
poliedro convexo de restries.
Roteiro bsico para aplicao do Mtodo Simplex:
Esquema:
minimizao
FASE I
MAXIMIZAO
(FASE II)
C
FASE II
MAXIMIZAO
Montar a funo Objetivo.
Montar as inequaes de Restries
Transformar as inequaes de Restrio em equaes observando o seguinte:

Sinal <= : acrescentar uma varivel de folga Xi.
Sinal >= : acrescentar uma varivel de folga Xi negativa e uma artificial Yi.
Sinal = : acrescentar uma varivel de artificial Yi.
FASE I : usada quando existirem variveis artificiais.

1) Criar a equao W que o valor negativo da soma das restries que contiverem
variveis artificiais.
2) Montar o quadro (tablo) para a fase 1 e preenche-lo:
Na linha superior colocar todas as variveis e criar uma coluna b contendo os valores
a direita das restries.
Colocar todas as restries.
Criar a linha Z, onde para cada varivel artificial, folga e coluna b os valores devero
ser zero.
Criar a linha W, que dever conter os valores negativos da soma das restries que
possuirem varivel artificiais. Obs.: nas colunas de variveis artificiais o valor de W
ser igual a zero.
3) Fazer do 2o ao 6o passo da FASE II (onde l-se linha Z leia-se linha W).
4) Verificar se b = 0 na linha W. Se no for voltar ao 3o passo.
29
Se o valor de b for igual a zero ento montar um novo quadro, excluindo as variveis
artificiais e a linha W, caindo na FASE II:
Obs.:
Para minimizao: passo 8,
Para Maximizao: passo 7.
Se b no zerar e no houverem valores positivos na linha W, ento no h soluo possvel.
FASE II:
1) Montar o quadro para a fase II e preeche-lo:
Na linha superior colocar todas as variveis e criar uma coluna b contendo os valores
a direita das restries.
2) Escolher o valor mais negativo da linha Z. A coluna que o contiver ser chamada coluna
Piv.
3) Dividir os valores de b pelos correspondentes na coluna piv (apenas para as restries).
Tomar o menor resultado positivo e maior que zero encontrado. A linha que o contiver
ser chamada linha Piv. A interseco da coluna piv com a linha piv indica o
elemento Piv.
4) Montar um novo quadro j figurando a varivel que entrou na base no lugar do que saiu.
5) Calcular os valores da linha que entrou na base (LB).
Frmula:
LB = linha piv
.
elemento piv
6) Calcular as demais linhas, sempre respeitando a coluna correspondente:
Novo valor = valor da linha que entrou na base (LB) * valor negativo antigo da
coluna piv + valor antigo da linha.
7) Verificar se h algum valor negativo na linha Z. Se houver reiniciar o passo 2 seno
passar para o passo 8.
8) Esta a soluo tima. Lembrar que min Z = Max Z, ento se for minimizao
devemos inverter o sinal de Z, caso contrrio Z fica como est.
6.1. EXERCCIOS SOBRE O MTODO SIMPLEX
1) Resolva pelo mtodo Simplex o problema:
Max Z = x1 - 3x2 + 2x3
sujeito a
x1 - 2x2 x3 <= 5
x1 x2 >= 2
x2 + 2x3 <= 4
x1, x2, x3 >= 0
30
Min Z = 3x1 + 2x2 + x3

sujeito a
x1 + 2x3 >= 10
2x1 + 3x2 + x3 >= 17
x1, x2, x3 >= 0
Max Z = 2x1 + 5x2 + 7x3
sujeito a
x1 + 3x2 + 6x3 <= 12
2x1 + 3x2 <= 9
x3 <= 2
x1, x2, x3 >= 0
Min Z = 2x1 + x2 + 3x3
sujeito a
2x1 + 3x2 + x3 <= 2
3x1 4x2 5x3 <= -2
x1, x2, x3 >= 0
5) Resolva pelo mtodo Simplex e graficamente o problema:
Max Z = 2x1 + x2
sujeito a
x1 + 2x2 >= 4
4x1 + 3x2 <= 4
4x1 + 9x2 >= 36
x1, x2 >= 0
31
7. PROBLEMA DO TRANSPORTE
Temos que transportar produtos das vrias origens onde esto estocados para vrios destinos
onde so necessrios. Conhecemos os custos unitrios de transporte de cada origem para
cada destino (Cij - custo unitrio de transporte da origem i para o destino j). Devemos decidir
quanto transportar de cada origem para cada destino (Xij- quantidade a ser transportada da
origem I para o destino j.
O objetivo completar a transferncia dos produtos com o menor custo possvel. Em
princpio, vamos supor que a quantidade disponvel nas origens seja exatamente igual ao
total das necessidades nos destinos.
Esta situao podemos representar pelo quadro abaixo:
7.1. O MODELO LINEAR DO TRANSPORTE

Xij - varivel de deciso
Funo Objetivo: min C = 10x11 + 12x12 + 20x21 + 8x22 + 6x31 + 15x32
Custo
Qtde. A ser transportada da Origem 1

para o destino 1
32
Restries de Origens:
Restries de Destinos:
x11 + x12 = 50
x21 + x22 = 100
x31 + x32 = 120
x11 + x21 + x31 = 100

x12 + x22 + x32 = 170
Obr.: sistemas no equilibrados acontece quando a necessidade a ser transportada diferente

da necessidade do destino, o que muito comum acontecer, neste caso cria-se uma linha
fantasma respresentando a quantidade excedente ou faltante.
Sistema no equilibradado
Sistema anterior agora equilibrado

7.2. SOLUO PARA O PROBLEMA DO TRANSPORTE
A soluo do problema do transporte, como todo problema representado por um modelo de
programao linear, pode ser obtida pelo mtodo SimpIex. Entretanto, devido a suas
caractersticas especiais, podemos descrever um mtodo que, embora mantenha fazes e
critrios do Simplex, tem os clculos simplificados.
Uma soluo bsica para o problema um conjunto de valores a transportar que obedecem a
duas condies:
Satisfazem as restries de origem e destino;
no apresentam circuitos entre as variveis bsicas. Por circuitos devemos entender uma
poligonal fechada construda no sentido das linhas ou colunas, ligando variveis bsicas.
33
7.3. PRIMEIRA PARTE DA SOLUO DE TRANSPORTE

7.3.1. MTODO DO CANTO NOROESTE
A partir da clula superior esquerda transportamos o mximo possveI da origem ao destino
correspondente. Esse procedimento zera a disponibilidade da linha ou da coluna da clula. O
prximo transporte ser feito na clula contigua ( direita ou abaixo) que tenha
disponibilidade de linha e coluna correspondente.
O mtodo do canto noroeste garante a no-formao de circuitos entre as variveis bsicas,
alm de satisfazer as condies de contorno (restries de origem e destino).
7.3.2. MTODO DE VOGEL OU MTODO DAS PENALIDADES
Penalidade em uma linha ou coluna a diferena positiva entre os dois custos de menor valor
na linha ou coluna.
A idia desse mtodo fazer o transporte com prioridade na linha ou coluna que apresenta a
maior penalidade. Como o transporte feito na clula de menor custo, tenta-se evitar com
isso o transporte na clula de custo maior, evitando-se assim incorrer num aumento de custo
igual penalidade calculada.
Descrio do mtodo:
a) calcular a penalidade para cada linha ou coluna. Escolher a linha ou coluna para
transporte, que tenha a maior penalidade. Caso haja empate, escolha arbitrariamente uma
delas;
b) transportar o mximo possvel na linha ou coluna escolhida, elegendo a clula de menor
custo unitrio de transporte. Esse procedimento zera a oferta ou demanda da clula
correspondente. Alinha ou coluna que tenha sua disponibilidade zerada deve ser
eliminada;
c) retornar ao item a, at que todos os transportes tenham sido realizados.
7.4. SEGUNDA PARTE DA SOLUO DE TRANSPORTE
Obtida uma soluo inicial para o quadro de transportes, o passo seguinte verificar se essa
soluo pode ou no ser melhorada. Como no mtodo Simplex, isso pode ser avaliado
observando-se os coeficientes das variveis no bsicas na funo objetivo, que dever estar
escrita em termosdessas variveis.
Descrio:
a) Escrever a funo objetivo em termos das variaveis no bsicas. Para tanto, deve-se
multiplicar cada restrio de linha pelo nmero -Ui e cada restrio de coluna pelo
nmero -Vj, e somar as novas linhas e colunas na funo objetivo de tal maneira que os
coeficientes das variveis bsicas sejam todos nulos.
Teremos, ento:
Se Xij bsico Cij - Ui - Vj = 0
Essas igualdades compem um sistema de m + n -1 equaes com m + n incgnitas. A
soluo do sistema pode ser obtida atribuindo-se um valor arbritrio a uma da incgnitas
e calculando-se o valor das outras.
34
Com esses valores, calculamos

os coeficientes das variveis no bsicas:
Soluo
equaesII1IC Essas igualdades compem um sistema de ir + o 1
Xij no bsico - coeficiente = Cij - Ui - Vj
Se todos esses valores forem positivos, a soluo tima. Se houver coeficiente negativo, a
varivel correspondente entra na base para melhorar o valor do objetivo.
b) entrar com a varivel cujo coeficiente negativo tenha o maior valor absoluto;
c) montar um circuito de compensao entre as variveis bsicas, a partir da varivel que
entra. Esse circuito feito partindo-se da varivel que entra e seguindo-se
alternativamente na direo da linha e da coluna, subtraindo e somando o valor da
entrada at o retorno varivel de entrada. Com isso as restries de linha e coluna ficam
satisfeitas.
d) escolher para a varivel que entra o maior valor possvel, sem tornar nenhuma varivel
bsica negativa. Esse valor corresponde ao menor valor das clulas onde a varivel que
entra estiver sendo subtraida. Teremos, ento, uma nova soluo bsica.
e) voltar ao item a, at que a soluo seja tima, isto , no apresente no no coeficiente
negativo nas variveis no bsicas.
7.5. O PROBLEMA DA DEGENERESCNCIA
Pode ocorrer, entretanto, que haja menos variveis bsicas do que o necessrio na soluo, o
que resulta menos equaes do que as desejadas uas trs ou mais equaes a menos que o
nmero de variveis).
Dizemos nesse caso que a soluo degenerada. Ao calcular os valores de U e V do sistema
para o critrio de otimalidade, no conseguimos um conjunto nico de valores para U e V.
A soluo para o caso criar variveis bsicas auxiliares, quantas forem necessrias para que
o nmero de equaes seja apenas um a menos o nmero de variveis. Essas variveis
bsicas auxiliares devem ter um valor to prximo de zero que no alteram as condies de
contorno do problema.
O cuidado que devemos tomar ao acrescentar varives bsicas auxiliares que elas no
formem circuitos com as variveis bsicas orginais.
7.6. IMPOSSIBILIDADE DE TRANSPORTE
Pode ocorrer que determinado transporte de uma origem para um destino no possa ser
realizado. Neste caso, colocamos como custo de transporte, naquela clula da tabela de
custos, um smbolo M, que representa um nmero muito grande. Desta forma:
Ao construir a soluo bsica inicial, evitamos esta clula, onde no possvel o transporte.
Como o nmero M muito grande, ao calcular os coeficientes das variveis no bsicas o
coeficiente desta clula nunca ser negativo, o que impede o aparecimento, na clula, de uma
varivel bsica trazendo como consequncia a ausncia daquele transporte.
7.7. EXERCCIOS SOBRE PROBLEMAS DE TRANSPORTES
35
1) No quadro de transporte a seguir, a quarta linha mostra as necessidades no destinas e a

quarta coluna as disponibilidades nas origens. Os outros dados representam custos
unitrios de transporte das origens para os respectivos destinos.
10
12
16
50
15
25
14
40
20
18
24
60
40
100
10
Determinar o plano de transporte que minimiza o custo total das transferncias. Use o
mtodo do canto noroeste para a soluo inicial.
2) Resolva o problema anterior, usando o mtodo de Vogel para o calculo da soluo
inicial.
3) No quadro de transporte a seguir, a quarta linha mostra as necessidades no destinas e a
quarta coluna as disponibilidades nas origens. Os outros dados representam custos
unitrios de transporte das origens para os respectivos destinos.
10
12
16
100
15
25
14
50
20
18
24
60
100
80
20
Determinar o plano de transporte que minimiza o custo total das transferncias. Use o
mtodo do canto noroeste para a soluo inicial.
4) Uma companhia tem trs instalaes industriais que podem produzir, cada uma delas,
trs diferentes produtos P1, P2 e P3. Os custos em cada instalao variam de acordo com
a tabela:
Instalaes
1
2
3
Demanda dos
produtos
unidades/semana
Custos Unitrios
P1
P2
P3
8
4
10
9
6
10
12
10
11
1000 900 800
Capacidade em
unidade/semana
800
1000
1200
Se o preo de venda de cada produto de 20, 25 e 30 respectivamente, qual o plano de

produo que maxima o lucro?
5) Um comerciante compra ovos em trs granjas para revend-los em trs cidades distintas.
Ele monta contratos de fornecimento com os granjeiros e compromete essa mercadoria
36
em contratos de fornecimento com supermercados das cidades, de modo que a produo

alocada nas granjas tem destino certo nas cidades. As quantidades contratadas nas
granjas (em cartelas de 30 ovos) e nas cidades e os custos e retornos dessa operao esto
nas tabelas:
G1
G2
G3
Produo Contratada
170
150
200
Preo de Compra
400
380
360
C1
C2
C3
Demanda Contratada
200
200
120
Preo de Venda
500
520
510
Os custos de distribuio das granjas para as cidades por cartela de ovos esto na tabela:
G1
G2
G3
C1
10
12
15
C2
18
20
12
C3
16
14
15
a) Estabelecer um plano de distribuio com o menor custo possvel;

b) Estabelecer um plano de distribuio com o maior lucro possvel;
c) Estabelecer um plano de distribuio com a maior receita possvel.
37
8. PROBLEMAS DA DESIGNAO
A designao um caso particular do modelo de transportes. aquele em que cada origem
tem uma unidade disponvel e cada destino necessita tambm de uma unidade. o caso de
escalar vendedores para regies de vendas, mquinas para diversos locais etc...
Roteiro para resoluo de Problemas de Designao.
1) O nmero de linhas dever ser igual ao de colunas. Se no for acrescentar linhas ou
colunas fantasmas, ou seja, seus valores devero ser igual a Zero.
2) Subtrair o menor elemento de cada linha pelos restantes da mesma linha.
3) Do quadro resultante subtrair o menor elemento de cada coluna pelos outros elementos
desta mesma coluna.
4) Fazer o teste de otimidade.
a) Traar um nmero mnimo de retas que cubra todos os zeros do quadro.
b) As retas devem ser horizontais ou verticais
c) Se o nmero de retas traadas for menor que o nmero de linhas ou colunas ento ir
para o item 5, caso contrrio se o nmero de retas for igual ao nmero de linhas ou
colunas ento a Soluo tima ir para item 6.
5) Tomar o menor elemento no coberto pelas retas traadas e subtrai-los dos demais
elementos no cobertos pelas retas. Somar esse elemento aos que se encontram na
interseco das retas. Todos os demais permanecem inalterados. Voltar ao item 4.
6) Para encontrar a designao tima substituir os zeros pelos valores dispostos no primeiro
quadro. Informar o custo ou lucro total.
O caso da Maximizao
Caso a tabela de transferncia traga retornos que devem ser maximizados, o modelo dever
ser substituido por outro de minimizao. Isso pode ser feito transformando o quadro num
quadro de perdas (complamento em relao a um valor fixo), ou seja, devemos pegar o mair
elemento do primeiro quadro e subtrair de todos os elementos criando um quadro de perdas.
8.1. EXERCCIOS SOBRE DESIGNICAO
6) Resolva o problema de designao:
1
2
3
4
Destinos
1 10 23
8
9
2
4
5
6
7
3 12 10 10 8
4
6
4
9
7
Origens
7) Resolva o problema de designao:

1
2
3
4
Destinos
1
6
8
10 9
2
4
3
6
5
3
7
9
12 6
Origens
38
8) Resolva o problema de designao, onde o smbolo X indica a impossibilidade da

designao da origem para o destino correspondente:
1
2
3
Destinos
1
6
X
8
2
4
9
3
3
5
6
4
4
8
10 12
Origens
9) Quatro locais L1, L2, L3 e L4 necessitam de um equipamento. Existem quatro

equipamentos disponveis, um em cada um dos depsitos D1, D2, D3 e D4. A
quilometragem entre os locais necessitados e os depsitos esto no quadro:
Local
Depsitos
L1
L2
L3
L4
D1
100 120 130 140
D2
80
70
120
90
D3
100
80
100 110
D4
90
90
120
80
Determine um programa de expedio de quilometragem mnima.
10) Resolva o problema anterior, supondo que no seja possvel expedir do armazm 1 p/ o
local 3.
11) Uma fbrica possui quatro locais L1, L2, L3 e L4 para receber trs novos equipamentos
(E1, E2 e E3). A operao desses equipamentos gera um fluxo de materiais cujo custo de
manuseio depende do local da instalao, e esto no quadro a seguir:
L1 L2 L3 L4
Destinos
E1 10
4
8
6
E2
6
4
9
10
E3
5
7
8
9
Origens
12) Uma empresa deseja operar diretamente em quatro regies. Para isso, contratou e treinou
quatro vendedores. A empresa tem conhecimento dos mercados dessas regies atravs de
representantes. A partir dessas informaes, o departamento de R.H. montou um quadro
de eficincia para os vendedores baseado no perfil profissional de cada um deles. O
resultado e outras informaes relevantes esto nos quadros abaixo. Baseados nestas
estimativas, designar os vendedores para as regies de modo a maximizar o retorno
mensal total de vendas:
39
Regio
1
2
3
4
Regio
1
2
3
4
1
60
70
80
60
Vendas
100
150
120
250
Potencial de vendas mensais

em milhares de u.m. :
Capacidade para cada vendedor em cada regio em %:

Vendedor
2
3
4
80
70
65
60
80
60
40
60
70
90
95
85
40
9. PERT/CPM
9.1. HISTRICO
O sistema PERT (Program Evaluation and Review Technique), que segunda a ABNT, foi o
termo inicialmente empregado para caracterizar o tempo probabilstico como atributo de
clculo.
O sistema CPM (Critical Path Method), que segundo a ABNT, foi o termo inicialmente
empregado por caracterizar o tempo determinstico como atributo de calculo.
No havendo vantagagem prtica em consider-los como dois sistemas diferentes. Hoje em
dia, tais sistemas se acham integrados sob a denominao PERT/CPM.
9.2. CONCEITO DE PERT/CPM
Consiste em figurar o projeto numa rede ou grafo, onde se apresentam as aes de acordo
com as respectivas relaes de correspondencia, de modo que o conjunto mostre a sequencia
em que todas as atividades de empreendimento devam ser executadas.
Isto traz grandes vantagens para o planejamento, a programao, a coordenao e o controle
do projeto.
Principais caractersticas do PERT/CPM
1) Abordagem de um projeto de um ponto de vista sistmico, j que:
Fornece uma viso de totalidade do Projeto (devido a necessidade de relacionar todas
as atividades envolvidas no Projeto)
Ressalta as entradas (diretrizes e recusos), o processo (execuo as atividades) e as
sadas (resultado final).
Conduz a montagem de um esquema de feedback, que abastea e permita
administrao decidir, em funo dos dados e informaes de diversos setores, sobre
o andamento do projeto.
2) D enfase aos objetivos.
3) Visa otmizao da chamada Regra dos 5P (poltica, performance, prazo, preo e
perigo).
4) uma ferramenta interdisciplinar e de comunicao (bastando analisar as prprias
origens da tcnica).
5) Estabelece claramente as relaes entre clientes e fornecedores.
Ob.: O modelo PERT/CPM, tal como a Pesquisa Operacional, no cria situaes, mas revela
situaes, evitando ou minimizando os efeitos advindos de um ocorrncia no prevista ou
acidental ao longo do projeto. Portando um ferramenta que ajuda a decidir, mas no a
deciso.
Conceitos Bsicos
41
Nome
Conceito
Projeto
Atividade
Evento
Atributo
Representao
Grfica
Conjunto de aes e processos Rede, diagrama ou
envolvendo recursos humanos, grafo
materiais
financeiros,
etc..,
organizados para a realizao de
um
objetivo,
concretamente
defindo a partir de uma situao
conhecida.
a identificao de uma etapa de Em flechas ou setas:
um projeto que consome tempo e Nome ou cdigo da
recursos.
atividade.
Incio ou trmino de uma ou mais Oval
atividade (obs.: portanto no
consome recurso)
toda caracterstica quantitativa Nmero
especfica de uma atividade,
indicando qualquer dos recursos
necessrios sua efetivao
(exemplo: tempo, material, mode-obra)
Exemplo
Lanamento de uma
rede de abastecimento
de guas.
Servio de escavao
Incio (ou trmino) do
servio de escavao
3
semanas
para
executar a escavao
Atividade
Exemplo em Flechas:
A
Evento
inicio da
atividade A
Evento
fim de B
Evento fim
de A e incio
de B
Exemplo de Rede de Flechas:

A
A rede composta das atividades: A, B, C e D.

1 : Evento incio do projeto e evento incio das ativdades A, B e C
2
: Evento fim das atividades B e C, bem como evento inicio da atividade D.
42
: Evento fim das atividades A e D.
A rede de flechas, composta das atividades A, B, C e D, representa um projeto composto

destas quatro atividades.
Observamos que as atividades A, B e C podem ser iniciadas ao mesmo tempo, enquanto que
A e D amarram o fim do projeto, ou seja, o projeto conclui-se com o trmino das atividade A
e D.
Calculo de Datas
Uma vez estimados os valores das duraes das atividades, passamos ao clculo das datas ao
longo do Projeto.
Data Mais Cedo(DMC): a menor data em que o evento pode ocorrer, desde que as
atividades anterirores se desenvolvam nas duraes previstas.
Data Mais Tarde(DMT): a maior data em que o evento pode ocorrer, sem atrasar a
concluso do empreendimento. Usurio que decide.
Folga de Evento (FE): a disponibilidade de tempo medida pela diferena entre as Data
Mais Tarde e Mais Cedo de um evento.
FE = DMT DMC
Evento Crtico(EC): aquele que apresenta a menor folga de evento.
Atividade Crtica (AC): a atividade compreendida entre eventos crticos e correspondendo
maior durao entre eles, limitada pelos valores de datas mais cedo de incio e fim. a
atividade de menor folga em um projeto. (est sempre entre dois eventos crticos)
Caminho Crtico (CC): todo caminho de maior durao em um projeto, compondo-se,
embora no necessariamente, de um sequencia de atividade crticas.
Concluses:
a) Um projeto pode ter mais de um caminho crtico, podendo toda a rede, no caso limite, ser
crtica.
b) As folgas dos eventos das atividades fora do caminho crtico so sempre maiores do que
as folgas dos eventos crticos.
c) A folga dos eventos do caminho crtico constante e igual menor folga de evento da
rede.
d) Qualquer atraso em uma das atividades do caminho crtico (caso no haja folga nos
eventos crticos) acaretar uma atraso no projeto.
e) A data mais cedo do evento fim a soma das duraes das atividades do caminho crtico.
43
10. JOGO DE EMPRESAS

O jogo tem como objetivo treinar universitrios, pessoas da rea administrativa e de vendas e
empresrios na gesto de negcios. um jogo simples e rpido, mas mesmo assim completo
no que diz respeito aos vrios aspectos que interferem na estratgia do dia-a-dia de uma
organizao.
O desempenho de cada jogador depende de suas decises, das decises tomadas por seus
concorrentes e tambm de raciocnio rpido.
De qualquer forma, quanto melhor o grupo, mais alto ser o nvel e mais difcil ser vencer.
No existe uma frmula mgica para ganhar sempre.
O objetivo final do jogo no somente proporcionar momentos de lazer aos participantes.
tambm o de mostrar como funciona na prtica o mecanismo de uma empresa e trein-los a
conviver neste ambiente que, se por um lado exato e lgico, por outro e subjetivo e
estratgico, pois sempre surgiro fatores imprevisveis que abalam qualquer tipo de
planejamento.
Podem participar de 2 a 8 jogadores, cada um representando uma empresa. As empresas
disputaro em um mercado comum a venda de seus produtos com o objetivo principal de
obter o maior lucro. Mas alm do lucro outros fatores contam na pontuao para definir o
vencedor.
10.1. OBJETIVOS DOS JOGADORES
So (cinco) os objetivos dos jogadores:
1. Obter o maior volume de vendas em quantidade;
2. Maior lucro orado;
3. Melhor administrao do caixa, ou seja no deix-lo negativo:
4. Maior lucro real;
5. Melhor retorno do lucro sobre o capital inicial.
10.2. CRITRIO DE PONTUAO
Para cada um dos 5 objetivos o jogo utiliza o seguinte critrio para pontuao:
Colocao
1
2
3
4
Pontos a receber
5
3
2
1
10.3. DECISES ESTRATGICAS

O jogo feito em uma seqncia de jogadas que envolve deciso, estratgia e, em alguns
lances, raciocnio rpido. Cada jogada feita em uma tela e o tempo mdio para sua
realizao de alguns minutos. Ao todo so 10 jogadas. Aps as 5 primeiras decisesde cada
jogador apresentado um Resultado Parcial. Todos os jogadores trabalham no mesmo
microcomputador, revezandose a cada 5 (cinco) jogadas. Em algumas delas conveniente
no deixar os adversrios verem o que est sendo decidido.
44
Os valores apresentados no Jogo podem ser modificados para permitir uma variao nas
estratgias adotadas.
10.4. SELEO DOS JOGADORES
So apresentadas a foto de oito economistas e administradores. Os jogadores escolhem
aquele que ser o seu representante no jogo. Devem ser escolhidos no mnimo 2 jogadores.
A partir deste momento, sempre que a referida foto estiver na tela, cabe a ele tomar a
deciso. Aps a escolha dos jogadores, inicia-se o jogo, e nesta tela, escolhe-se quem ser o
primeiro a tomar as decises.
Aps cada jogador ter feito suas jogadas, volta-se para a tela do capital, onde escolhido o
segundo jogador a decidir. E assim se processa at o ltimo jogador. Aps as cinco primeiras
decises apresentado um resultado parcial. A seguir, dentro do mesmo esquema! toma-se
mais cinco decises que levam ao resultado final do jogo.
As 10 (dez) decises a serem tomadas pelos jogadores so as seguintes:
10.5. VALOR DO CAPITAL
Nesta primeira deciso o jogador define o Capital Inicial que o acionista ir investir em sua
empresa. O jogo fornece e16 (dezesseis) opes de Capital Inicial, variando de 85.000,00
(oitenta e cinco mil) a 115.000,00 (cento e quinze mil).
O Capital servir para pagar o imobilizado da empresa, que no jogo foi estipulado em
100.00000 (cem mil), mais o valor ser necessrio para financiar o estoque.
Como todos os desembolsos so feitos apenas aps os recebimentos do capital e das receitas,
o clculo utilizado para decidir o Capital inicial para uma empresa :
CAPITAL = IMOBILIZADO + ESTOQUE FINAL LUCRO
-
Tanto o estoque final como o lucro no so totalmente conhecidos neste momento, e

dependem da estratgia a ser adotada.
10.6. VALOR DA FOLHA DE PAGAMENTO
Nesta deciso o jogador decide o valor a ser investido na Folha. Como sabemos, quem tem
boa remunerao presta um bom servio. Por este motivo o valor a ser investido na Folha ir
influenciar na qualidade de seu produto e conseqentemente nas vendas, nas perdas e no
custo da mercadoria vendida da empresa que voc est administrando.
O jogo oferece 3 opes para investir na Folha. A primeira, de 1.000,00 (um mil), a
segunda de 2.000,00 (dois mil) e a ultima opo de 3.00000 (trs mil).
Investindo 1.000,00 voc ter uma perda adicional de 3 (trs) peas de seu produto, 2.000.00
voc ter urna perda adicional de 1 (uma) pea e sua empresa ter um acrscimo de 10% (dez
por cento) sobre as vendas. Decidindo por 3.000,00 voc no perde nenhuma pea e tem um
aumento de 20% (vinte por cento) nas vendas de seu produto. Pea perdida deixa de ser
faturada.
Por outro lado, quanto maior o valor da Folha, maior ser o seu Custo da Mercadoria
Vendida.
45
10.7. VALOR EM PUBLICIDADE

Na deciso do gasto em Publicidade o jogo oferece 10 (dez) opes variando de O a 4.500,00
(quatro mil e quinhentos).
O critrio utilizado pelo jogo na deciso de Publicidade o seguinte: para cada 100,00 (cem)
investido em Publicidade voc vende 1 (uma) pea a mais.
10.9. PERCENTUAL DO LUCRO
Nesta deciso voc define qual ser a percentagem do lucro sobre o Capital que voc deseja.
O jogo oferece 8 (oito) opes de percentagem que variam de 1% a 12% ao ms.
No jogo, o Lucro ir definir o Preo de Venda do seu produto.
Para definir o Lucro voc deve basear-se em uma srie de fatores. No Brasil, por exemplo
paga-se hoje para qualquer tipo de investimento, taxas de juros altas em relao ao resto de
outros pases, no s para atrair capital externo e equilibrar nossa balana de pagamentos,
mas tambm para restringir o consumo evitando assim a volta da inflao (estamos em julho
98). A taxa atual de 20% ao ano, ou seja 1,66% ao ms, no considerando juros compostos.
Voc deve basear-se tambm em outros indicadores de mercado.
A poupana, por exemplo, rende em torno de 1,2% ao ms, um CDB chega a 3 %, a Bolsa
4%, o agiota ganha de 6% a 10%, as lojas cobram 6%, um imvel (risco baixo) 1%. Por
outro lado no exterior uma taxa de 8% AO ANO considerada alta. Claro que o seu lucro
no pode fugir muito destes patamares.
A sua deciso est relacionada aos demais participantes. E ela que determinar o preo de
venda e conseqentemente influir na quantidade vendida. Assim se voc for muito
ambicioso (lucro alto) poder ter uma decepo nas vendas, da mesma forma que se for
conservador (lucro baixo) dificilmente ganhar o jogo pois
o lucro interfere em 3 critrios de pontuao. E como umjogo de poker ou, se formos mais
longe, a realidade da maioria dos mercados, onde preciso ser perspicaz e adivinhar a
deciso dos concorrentes, definindo assim o melhor ndice no s quanto ao lucro mas
tambm na deciso seguinte que trata da quantidade prevista.
10.10.QUANTIDADE PREVISTA DE VENDA
Nesta deciso o Jogo oferece 16 (dezesseis) Previso de Vendas do seu produto. Para tomar
esta deciso o jogador necessita um pouco de feeling, pois no no sabe qual o preo de
seus concorrentes (outros jogadores) e o preo um dos fatores que mais influi na
quantidade vendida.
No jogo, para cada percentual que seu Preo for menor que o maior Preo de mercado voc
vender 2 (duas) peas a mais.
Influem ainda na quantidade vendida os gastos com Publicidade, com a Folha de Pagamento
h que se considerar que, pelo simples fato de existir, cada empresa j vende uma quantidade
mnima de vente peas.
10.11. RESULTADO PARCIAL
Aps essa deciso, apresentado o Resultado Parcial, j com a quantidade vendida e lucro
orado de cada empresa. Com base nesses dois critrios, apresentada a classificao das
empresas at o momento.
46
10.12. REDUO DOS GASTOS GERAIS DE FABRICAO

Nesta parte do jogo, repete-se o processo ocorrido no inicio do Jogo, ou seja, seleciona-se
quem o prximo a jogar.
Na deciso voc necessita de raciocnio rpido para analisar quais das 5 (cinco) frmulas
apresentadas pelo Jogo so as 3 (trs) que resultam no valor mais alto. soma destas 3 ser
a Reduo nos Gastos Gerais de Fabricao de sua empresa, mas o tempo para essa deciso
limitado. Portanto, pense rpido.
Quanto maior for o seu resultado maior ser a economia de sua empresa.
Originalmente. o GGF de 2.000, sendo que a reduo, em casos especiais, pode at
suprimir totalmente essa despesa.
10.13. PREOS DE MATRIA-PRIMA
O Jogo oferece 5 (cinco) opes de valores de matria-prima que variam de 103,00 a 115,00.
Nesta deciso voc faz a funo de um representante do fornecedor de matrias-primas,
oferecendo um preo aos seus concorrentes. No deixe o seu concorrente (outro jogador) ver
esta sua deciso porque automaticamente cada empresa comprar pelo menor preo ofertado.
Ao vender matria-prima, sua empresa ganha uma comisso equivalente quantidade de
peas compradas pelo seu cliente, multiplicada pelo valor ofertado menos 100, que o preo
minimo estipulado.
Cada empresa compra uma quantidade de Matria-Prima igual de Produtos Acabados
Vendidos. Lembre-se que voc est fazendo o papel de representante, logo esta oferta
independente do material que voc est comprando.
10.14. POLTICA DE COMPRAS
O Jogo oferece 3 (trs) opes para decidir. Voc pode adotar uma Poltica de Compras para
1 ms, 2 meses ou 3 meses.
Praticando uma poltica de compras com grandes quantidades ganha-se descontos com o
fornecedor, porm, no trmino do Jogo sua empresa precisa financiar o saldo em estoque.
Por outro lado, se adotar uma Poltica de Compras Just-in-Time, ou seja, comprar para um
ms, deixa de receber descontos de seu fornecedor, no precisando de capital para financiar o
estoque.
O Jogo fornece descontos dependendo da opo decidida. Veja tabela a seguir:
Poltica de compras
1 ms
2 meses
3 meses
Desconto oferecido
0
10%
20%
10.15. CONTROLE DE QUALIDADE

Nesta etapa do Jogo voc estar envolvido com a qualidade do seu produto. O Jogo apresenta
na tela 30 icones que esto representando o seu produto. Voc deve identificar o mais rpido
possvel qual aquele que apresenta um defeito.
47
O Jogo oferece is segundos para achar o produto com defeito. Cada segundo equivalie a uma
pea perdida. A esta quantidade somado um adicional, adicional este que depende do valor
decidido na Folha. Pea perdida no faturada, pois a quantidade produzida foi baseada nas
vendas.
Exemplificando, se o preo de venda de seu produto for 600,00 reais, e sua deciso na Folha
foi de 2.000.00 e voc levou 5 segundos para achar o produto com defeito, o resultado ser o
seguinte: por voc ter investido 2.000,00 na Folha adiciona-se 1 produto nas perdas e
multiplica-se o total pelo preo do seu produto:
Perda pela Folha: 1

Perda pelo Tempo: 5
Preo do Produto: 600,00
Perda no Faturamento = (1 + 5) x 600,00 = 3.600,00

Caso voc tivesse decidido 3.000,00 na Folha de Pagamento no haveria perda adicional e se
a deciso fosse 1.000,00 na Folha haveria uma perda adicional de 3 produtos.
10.16. ABATIMENTO
Esta a ultima deciso do Jogo. Nela voc define o abatimento a ser concedido ao seu
cliente. Ele sempre reclama de alguma coisa e exije um abatimento para quitar a duplicata.
O tempo disponvel para a discusso aleatrio, variando de 7 a 45 segundos. Conforme o
tempo evolue, o cliente cede no abatimento que comea em 15% e pode chegar at 0%.
Caso o tempo se esgote e a negociao no foi fechada, o desconto passa a ser o inicial, ou
seja, 15%.
Aps esta deciso apresentado o resultado final com todos os valores envolvidos no jogo, e
a pontuao que define a classificao geral das empresas.
10.17. REGRAS DE CALCULO
As regras de clculo utilizadas no jogo so as seguintes:
PREO DE VENDA (PV)
PV = Custo Unitrio de Fabricao + (Desp. Administrativas /
Previso de Vendas) + (Publicidade / Previso de Vendas) +
Imposto sob Preo de Venda + (Lucro Desejado/Previso de Vendas)
Exemplo:
Descrio
Folha
Previso de vendas
Lucro
Capital
Publicidade
Matria Prima (MP)
Valor
2000
100
5%
105.000
2000
100
48
Origem
Deciso do jogador
Deciso do jogador
Deciso do jogador
Deciso do jogador
Deciso do jogador
Valor Fixo pelo Jogo*
Gastos Gerais de fabricao

Imposto
Desp. Administrativas
2000 Valor Fixo pelo Jogo*

0,18 Valor Fixo pelo Jogo*
10.000 Valor Fixo pelo Jogo*
* Os valores fixados pelo jogo podero ser alterados utilizando a parametrizao

Primeiramente, calcula-se o Custo Unitrio de Fabricao e o Lucro Desejado:
Custo Unitrio de Fabricao:
Matria Prima + (Folha/Previso de Vendas) +

(Gastos Gerais de Fabricao/Previso de Vendas)
Custo Unitrio de Fabricao:100 + (2.000/100) + (2.000/100) = 140

Lucro Desejado: (LUCRO /100) x Capital
Lucro Desejado: (5 / 100) x 105.000 = 5.250
Agora que j possumos os valores do Custo Unitrio de Fabricao e o Lucro Desejado,
iremos calcular o Preo de Venda do produto:
Preo de Venda =
Custo Unitrio de Fabricao +

(Desp. Administrativas/Previso de Vendas) +
(Publicidade/Previso de Vendas) +
Imposto x Preo de Venda +
(Lucro Desejado/Previsode Vendas)
PV 140 + (10.000/100) + (2.000/100) + (0,18.x PV) + (5.250/100)

PV = 140 + 100 + 20 + (0,18 PV) + 52,50
PV -(0,18 PV) = 312,50
0.82
PV = 312,50
PV = 312,50 / 0,82
PV = 38109
QUANTIDADE PELO PREO (QP):

a quantidade de peas vendidas em funo do preo mais alto em relao ao preo mais
baixo.
Quantidade pelo Preo = (((Preo Mais Alto/Preo de Venda)-1) x 100) x 2
Quantidade pelo Preo = ((635/381)-1) x 200 = 133
QUANTIDADE TOTAL VENDIDA
49
a quantidade de peas vendidas por sua empresa.

Quantidade Vendida =
(Quantidade Mnima +
(Publicidade / Peas por Anncio) +
Quantidade pelo Preo) x Acrscimo pela Folha
Exemplo:
Descrio
Quantidade Mnima
Publicidade
Peas por Anncio
Preo mais Alto
Preo de Venda
Quantidade que cada % de
preo vende
Folha
Menor valor da Folha
Valor da Folha para a % Que
a Qualidade vende
Porcentagem que a
Qualidade vende
Valor
20
2000
100
635,00
381,00
2
Origem
Valor Fixo pelo jogo*
Deciso do jogador
Calculado pelo jogo
Calculado pelo jogo
2000 Deciso do jogador

1000 Valor Fixo pelo jogo*
* Os valores fixados pelo jogo podero ser alterados utilizando a parametrizao

** Pelo simples fato de sua empresa existir ela vende 20 peas
Quantidade Vendida = (Quantidade Minima + (Publicidade/Peas po Anncio) +
Quantidade pelo Preo) x (1+(FOLHA-Menor Valor da Folha)/
(Valor da Folha para a % que a qualidade vende x Porcentagem
que a Qualidade Vende))
Quantidade Vendida =
(20 +(2.000 / 100)) + 133) x (1+ (2.000- 1.000)/(1.000 x 10)) =

(20 + 20 + 133) x 1,1 = 190
FATURAMENTO
O Faturamento de uma empresa a Quantidade Vendida multiplicada pelo Preo de Venda.
Faturamento = Quantidade Vendida x Preo de Venda
Exemplo:
Valor Origem
Quantidade Vendida 1901 Calculado pelo Jogo
Preo de Venda
381
Calculado pelo Jogo
50
Faturamento = 190 x 381 = 72390

CUSTO DA MERCADORIA VENDIDA (CMV)
Custo da Mercadoria Vendida =
Folha + Gastos Gerais de Fabricao +

(Preo Unitrio da Matria Prima x
Quantidade Vendida)
Descrio
Valor
Origem
Folha
Gastos Gerais de Fabricao
2000 Valor fixo pelo jogo
Matria Prima
Qtde. Vendida
190 Calculado pelo jogo
Custo da Mercadoria Vendida = 2.000+2.000+(100 x 190) = 23.000

LUCRO ORADO
Lucro Orado =
Faturamento - Custo da Mercadoria Vendida Despesas Administrativas - Despesas de Vendas - Publicidade
Para calcularmos o valor do Lucro Orado, primeiramente necessitamos do valor das

Despesas de Vendas:
Despesas de Vendas = Imposto x Faturamento
Exemplicando,
Descrio
Imposto
Qtde. Vendida
Preo de venda
Valor
0,18
190
381
Origem
Valor fixo pelo jogo
Calculado pelo jogo
Calculado pelo jogo
Despesas de Vendas = 018 x (190 x 381) = 13.030

Agora calcularemos o Lucro Orado,
Descrio
Faturamento
Custo da Mercadoria vendida
Despesas Adm.
Despesas de Vendas
Publicidade
Valor
72390
23000
10000
13030
2000
Lucro Orado = Faturamento Custo da Mercadoria Vendida

-
Origem
Calculado pelo jogo
Calculado pelo jogo
Valor fixo pelo jogo
Calculado pelo jogo
Deciso do jogador
-
Despesas Administrativas Despesas de Vendas Publicidade

-
51
Lucro Orado = 72.390-23.000--10000-13.030-2.000 = 24.360
COMISSO
Comisso baseada na deciso de venda da Matria-Prima, onde voc faz o papel de um
representante de um fornecedor e, dependendo da melhor oferta de preo, voc pode ou no
vender matria-prima aos outros jogadores.
Comisso = Quantidade Vendida pelo seu cliente x (Oferta - Valor da Matria-Prima)
Exemplo:
Descrio
Qtde. Vendida pelo cliente
Oferta
Matria-prima
Valor
Origem
44 Calculado pelo jogo
Comisso = Quantidade Vendida pelo seu cliente x (Oferta - Valor da Matria-Prima)

Comisso = 44 x (115- 100) = 660
Quando um jogador vende para mais que um cliente, receber a soma das comisses,
exemplo:
Quem ofereceu
Jogador 1
Jogador 1
Jogador 2
Jogador 2
Jogador 3
Jogador 3
Para quem ofereceu

Jogador 2
Jogador 3
Jogador 1
Jogador 3
Jogador 1
Jogador 2
Por quanto ofereceu

106
106
109
109
103
103
Visualizando a tabela conclumos que o jogador 3 receber a comisso referente somatria

das vendas de matria-prima para os jogadores 1 e 2, pois ofereceu para ambos o preo mais
baixo.
LUCRO REAL
Para calcular o Lucro Real de sua empresa so necessrias 3 (tres) informaes:
1.Quantidade Real de Peas Produzidas (deduzidas as perdas);
2.Valor do Faturamento;
3.Valor do Custo Real de Fabricao.
O clculo utilizado para o Lucro Real o seguinte:
Descrio
Valor Origem
Comisso
660
Calculado pelo jogo
Despesas Administrativas
10.000 Valor Fixo pelo jogo
Publicidade
2.000 Deciso do Jogador
Imposto (Desp. com Vendas) 18% Valor Fixo pelo jogo
52
Abatimento no Recebimento 15
Deciso do jogador
Preo de Venda
381
Calculado pelo jogo
Quantidade Vendida
190
Calculado pelo jogo
Preo de compra
103
Deciso do outro jogador
Folha
2.000 Deciso do jogo
Gastos Gerais de Fabricaao 2.000 Valor Fixo pelo jogo
Reduo dos Gastos
900
Deciso do jogador
Perdas
16
Deciso do jogador
Poltica de compras, logo
2
Deciso do jogador
Desconto pata as Compras 10
Calculado pelo jogo
Lucro Real = (Faturamento+Comisso)- Custo da Mercadora
Vendida - Despesa de Vendas Publicidade - Despesa Administrativa
Os clculos para cada uni dos valores anteriores so os seguintes:
1. Quantidade Real entregue
Quantidade Real Entregue = Quantidade
Quantidade Real Entregue =190-16 174
2. Valor do Faturamento
Faturamento = Quantidade Entregue x Preo de venda
Faturamento = 174 x 381 = 66.294
3.Valor do Custo Real de Fabricao
Custo Real de Fabricao = Preo de Compra x ((100 Desconto para as Compras)/ 100) x
Quantidade Produzida
+ Folha + (Gastos Gerais de Fabricao - Reduo dos Gastos)
Custo Real de Fabricao = 103 x ((100 - 0) = 20.713.
Agora que j possumos o valor da Quantidade Real de Fabricao, vamos calcular o Lucro
Real:
Lucro Real = Faturamento + Comisso - Custo Real de fabricao Despesas Administrativas - Publicidade - ((Imposto / 100) x
Faturamento) - (Faturamento x(Abatimento sobre recebimento)/100))
Lucro Real = (66.294 + 660 ) - 20.713 - 10.000 - 2.000 - 100) x 66.294)- ((15 / 100) x
66.294) =
34.241 11.932,92 9.944,10 = 12.363,98.
Veja entao que o lucro caiu de 24.360,00, que foi o para 12.363,98 que o real.
Retorno sobre o capital (se lucro negativo, retomo = O):
Para calcular o retorno sobre o capital no Jogo basta aplicar o seguinte clculo:
53
Retorno s/ Capital = (Lucro Real / Capital) x 100

Exemplo:
Retorno s/ Capital = (12.36398 / 105.000) x 100 = 11.77%
ADMINISTRAO DO CAIXA
Finalmente, iremos calcular o Caixa, lembrando que um dos objetivos para vencer o Jogo
no deix-lo negativo.
Primeiramente iremos calcular o Estoque Final em valor:
(Quantidade Comprada - Consumo) x (Preo de Compra - Desconto sobre as Compras)
Consumo = Quantidade Vendida, pois cada PA leva uma MP, ou seja, 190.
Quantidade Comprada = 2 x 190 = 380
Preo de Compra com Desconto = 103 x ((100 - 10)/100) = 92,70
Saldo Final em Estoque
(380- 190) x 92,70 = 17.613.00
Saldo do Caixa:
(Capital + Lucro Real) - (Imobilizado + Estoque)
Exemplo:
(105.000,00 + 12.363,98) -(100.000,00 + 17.613,00) = -249,02
249,02.
perda de pontos depende do valor do caixa negativo.
Valor
< - 10000
< - 5000
< - 3000
<0
Pontos
-5
-3
-2
-1
10.18. PARAMETRIZAO
Parametrizao foi projetada para permitir alterao dos valores do jogo, seja para
aproxim-los de alguma situao especifica, seja para mudar as regras caso algumas
estratgias fiquem viciadas.
Dependendo dos novos valores atribudos, a conseqncia decada Jogada pode mudar
totalmente.
54
11. GRFICO DE GANTT

11.1. CONCEITO
E um instrumento para a visualizao de um programa de produo, auxiliando na anlise de
diferentes alternativas de sequenciamento deste programa.
11.2. FUNO
So utilizados para selecionar, a partir de informaes sobre os lotes e estado do sistema
produtivo, qual dos lotes ter prioridade no processamento e/ou carregamento.
11.3. COMO FAZER O GRFICO DE GANTT
Eixo vertical: representa ordens de programao ou recursos.

Eixo horizontal: representa o tempo (min, horas, dia, meses).
Informaes: representa quanto tempo o recurso ser utilizado nesta determinada
operao.
Smbolos: respresentam os diferentes objetos analisados.
Softwares: Ms-project, Preactor, System Modeling.
11.4. REGRAS DE SEQUENCIAMENTO

Lotes = atividades =
1) PEPS: primeiro que entra o primeiro que sai, FIFO. Pe.: os lotes sero processados de
acordo com sua chegada ao recurso.
2) MTP: menor tempo de processamento. Os lotes sero processados de acordo com os
menores tempos de processamento no recurso.
3) MDE: menor data de entrega. Os lotes sero processados de acordo com as menores
datas de entrega.
4) IPI: ndice de prioridade. Os lotes sero processados de acordo com o valor de prioridade
atribuida ao cliente ou ao produto.
5) ICR: ndice crtico. Os lotes sero processados de acordo com o menor valor de: data de
entrega/ tempo de processamento.
6) IFO: ndice de folga. Os lotes sero processados de acordo com o menor valor de: data de
entrega - tempo de processamento.
11.5. CARACTERSTICAS PARA O USURIO
Simplicidade,
Transparncia,
Interatividade,
Gerar prioridades palpveis,
Facilitar o processo de avaliao.
55
11.6. COMO CALCULAR

Lead Time: o tempo total. A soma dos tempos at o trmino das operaes.
Atraso Total: tempo que realmente levou para o trmino da operao, menos o tempo que
deveria ser levado para o trmino da operao
Tempo de espera: tempo que o lote ficou esperando para ser processado no recurso seguinte,
pois havia um outro lote sendo processado.
Ociosidade: tempo que uma ou mais mquinas ficam paradas esperando o lote ser
processado. Como conveno no se considera a primeira operao.
11.7. EXERCCIO SOBRE GRFICO DE GANTT
1) Um processo produtivo deve ter a seguinte seqncia de produAo: Setor A, Setor B e
Setor C. Os produtos e os respectivos tempos de produo que levam em cada setor esto
especificados abaixo. Pede-se:
a) Construa uni grfico de Gantt.
b) Calcule o Lead time total, ociosidade total, tempo de espera e o atraso para cada Opo.
c) Qual a seqncia de produo que minimiza o Lead time total, ociosidade total, tempo de
espera e o atraso.
P1
P2
Tempo de processo (horas)

Setor A Setor B Setor C
2
5
10
4
2
8
Fonte: Depto Produo
2) Uma empresa necessita produzir 3 produtos: P1, P2 e P3, que utilizam as mquinas 1, 2,
3 e 4 por tempos determinados na tabela abaixo. Pede-se:
a) Construa um grfico de Gantt.
b) Calcule o Lead time total, ociosidade total, tempo de espera e o atraso para cada opo.
c) Qual a seqncia de produo que minimiza o lead time total, ociosidade total, tempo de
espera e o atraso.
P1
P2
P3
Tempo de processamento (horas)

Mq. 1
Mq. 2
Mq. 3
Mq. 4
2
8
2
1
4
3
1
1
8
-1
1
Fonte : Depto Produo
3) Suponha que a empresa do exemplo anterior compre mais uma mquina 1. Pede-se:
a) Construa a nova tabela de processamento.
b) Construa um grfico de Gantt.
56
c) Calcule o lead time total, ociosidade total, tempo de espera e o atraso para cada opo.
d) Qual a seqncia de produo que minimiza o lead time total, ociosidade total, tempo de
espera e o atraso.
4) Trs ordens de produo precisam ser processadas na mquina A e embaladas na
mquina B. Os tempos de processamento (incluindo set-up), as datas em que os produtos
devem ser entregues (em n de horas a partir da programao) e as prioridades atribuidas
a cada ordem (pela importncia do cliente) so apresentados na tabela abaixo. Pede-se
a) Qual a seqncia das ordens de produo pelas regras PEPS, MTP, MDE, IPI, ICR e
IFO.
b) Faa um grfico de Gantt para representar as seqncias de produo de cada regra.
c) Calcule para cada regra o lead time total, ociosidade total, tempo de espera e o atraso.
d) Qual regra voc utilizaria, supondo que o custo/hora do Lead Time, ociosidade, tempo de
espera e atraso seja o mesmo e igual a $1,00?
Ordens
OP 1
OP 2
OP 3
Dados de Produo
Mq A (h) Mq B (h) Entrega (h) Prioridade
4
4
13
3
7
5
12
2
3
8
17
1
Fonte: Depto produo
5) Cinco ordens de fabricao precisam ser estampadas na mquina A e em seguida,

usinadas na mquina B. Os tempos de processamento (incluindo os set-up), as datas de
entrega (em n de horas a partir da programao) e as prioridades atribuidas a cada ordem
so apresentadas na tabela abaixo. Pede-se:
a) Qual a seqncia das ordens de produo pelas regras: PEPS, MTP, MDE, IPI, ICR. E
IFO.
d) Qual regra voc utilizaria, supondo que o custo/hora do lead time , ociosidade, tempo de
espera e atraso seja o mesmo e igual a $1,00?
Ordens
OF 1
OF 2
OF 3
OF 4
OF 5
Mq A (h)
5
8
4
2
4
Dados de Produo
Mq B (h) Entrega (h) Prioridade
5
15
4
6
20
1
5
13
3
4
10
2
3
9
5
Fonte: Empresa X
6) Quatro ordens de produo precisam ser processadas na mquina A e embaladas na

mquina B. Os tempos de processamento (incluindo set-up), as datas em que os produtos
devem ser entregues (em n de horas a partir da programao) e as prioridades atribuidas
a cada ordem (pela importncia do cliente) so apresentados na tabela abaixo. Pede-se:
57
a)
b)
c)
d)
Qual a seqncia das ordens de produo pelas regras: MTP, MDE, IPI e IFO.
Faa um grfico de Gantt para representar as seqncias de produo de cada regra.
Calcule para cada regra o lead time total, ociosidade total, tempo de espera e o atraso.
Qual regra voc utilizaria?
Ordens
OP 1
OP 2
OP 3
OP 4
Dados de Produo
Mq A (h) Mq B (h) Entrega (h) Prioridade
5
8
15
1
12
-13
2
2
8
14
4
9
2
11
3
Fonte: Depto. produo
7) Trs ordens de produo precisam ser processadas na mquina A e embaladas na

mquina B. Os tempos de processamento (incluindo set-up), e as datas em que os
produtos devem ser entregues (em n0 de horas a partir da programao) so apresentados
na tabela abaixo. Pede-se:
a) Qual a seqncia das ordens de produo pelas regras : MTP, MTP e IFO.
Qual regra voc utilizaria?
Ordens
OP 1
OP 2
OP 3
Dados de Produo
Mq A (h) Mq B (h) Entrega (h)
5
3
18
7
9
16
6
8
15
Fonte: Depto. produo
58
12. SIMULAO
O objetivo deste captulo apresentar conceitos bsicos de simulao. O termo simular
encontra inmeras aplicaes na vida prtica. Na engenharia ele tem sido usado para
designar as situaes nas quais se tenta compreender as caractersticas de um sistema pelo
conhecimento de outro que lhe similar. A definio geralmente aceita :
Simulao a tcnica de soluo de um problema pela anlise de um modelo que descreve o
comportamento do sistema usando um computador digita.
O termo simulao de sistemas utilizado em diversos ramos da engenharia para aplicaes
bastante diferentes.
O termo sistemas tem sido usado em tantas situaes que uma definio suficientemente
ampla e, ao mesmo tempo, concisa de modo que continue til. Fugindo, ento, desta
polmica sistema pode ser considerado como "uma agregao de objetos que alguma
interao ou interdependencia.
O termo modelo aqui empregado para significar a representao de um sistema.
O que leva as pessoas a optarem pelo uso da simulao em situaoes nas quais outras
tcnicas, tais como - Programao Linear ou Estatstica, poderiam tambm ser utilizadas?
comum encontrar como resposta a esta afirmativa de que a tcnica mais adequada. Por se
tratar de uma tcnica que, uma vez dominada, pode ser facilmente aplicada, tambm
possvel encontrar respostas do tipo a nica tcnica que domino, uma clara demonstrao
de grande confiana no poderio da simulao.
Por outro lado, uma vez identificado um cenrio que necessita ser dimensionado (ou
redimensionado), o que nos leva a usar a simulao? A resposta:
a) Inviabilidade da interferncia com o sistema real. Trata-se daquela situao em que tentar
alterar o sistema existente, sem ter uma certeza de que a alterao vai dar certo, pode
significar um alto risco de prejuzo. Por exemplo, podemos citar o caso de alterar o
Layout de uma fbrica ou o fluxo do trnsito de uma cidade.
b) O sistema em estudo no existe, como por exemplo, quando se estuda a construo de
uma nova fbrica.
11.1. METODOLOGIA PARA A SIMULAO DE SISTEMAS
De uma maneira sucinta podemos dizer que a metodolo9ia mais empregada para o estudo de
sistemas constituda das seguintes etapas:
ETAPA 1: Construo do modelo da situao atual:
Nesta etapa tentamos reproduzir em um modelo computaciona situaes existentes no
sistema atual. Trata-se de construir um modelo, fornecer alguns dados e obter outros que
sejam identicos ao sistema atual uso da em estudo: o modelo construdo deve reproduzir
fielmente o sistema que est sendo estudado. o objetivo ter uma base-de-partida fiel para a
etapa seguinte.
ETAPA 2: Incluso de alteraes no modelo da situao atual para refletir a situao futura
desejada: Nesta etapa efetuamos alteraes no modelo da etapa 1. Por exemplo, podemos
estar estudando uma minerao na qual devemos aumentar a produo. Aqui, iremos
colocar em funcionamento algumas novas maquinas de escavao e verificar qual ser a
necessidade de outros equipamentos.
59
BIBLIOGRAFIA
ERLICH, Pierre Jacques. Pesquisa Operacional: Curso Introdutrio. 7a edio. Atlas. So
Paulo. 1991.
SILVA, Ermes Medeiros. Pesquisa Operacional para os cursos de: Economia, Administrao
e Cincias Contbeis.
SUAN, James & Stevens. Pesquisa Operacional: Uma abordagem bsica. So Paulo. 1979.
HILLIER, Frederick S. e LIEBERMAN, Gerald J. Introduo Pesquisa Operacional. 3a
edio. Editora Campus Ltda. So Paulo, 1988.
CUKIERMAN, Zigmundo Salomo. O Modelo PERT/CPM Aplicado a Projetos. 5a edio.
Qualitymark Editora. Rio de Janeiro, 1993.
SHAMBLIN, J.E., Pesquisa Operacional, uma Abordagem Bsica. Editora Atlas. So Paulo.
PRADO, Darci, Programao Linear. Editora DG
PRADO, Darci, Teoria das Filas e da Simulao. Editora DG
PRADO, Darci, Usando o Arena em Simulao. Editora DG
TORTELLO, Joo. Microsoft Project 98 Passo a Passo. Editora Makron Books

Apostila PO

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apostila PO

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE DO OESTE DE SANTA CATARINA

UNOESC CAMPUS DE XANXER

Xanxer /SC - Agosto de 2003.

11. GRFICO DE GANTT...................................................................................................................... 55

1.PESQUISA OPERACIONAL ("OPERATIONS RESEARCH")

Prof. Cristiano Agosti

tempo, no entanto, houve grande incremento do instrumental cientfico, com o

Prof. Cristiano Agosti

Prof. Cristiano Agosti

Ncleo de Pesquisas Econmicas, atuando em anlises e previses da produo industrial de

Prof. Cristiano Agosti

1.5. PESQUISA OPERACIONAL NA AGROPECURIA BRASILEIRA

Prof. Cristiano Agosti

A perspectiva usar mais as tcnicas de Simulao e Inteligncia Artificial.

Prof. Cristiano Agosti

Devido escassez de dados histricos, o autor afirma ser a construo do modelo de

Prof. Cristiano Agosti

2.3. CLASSIFICAO DOS PROBLEMAS DE DECISO

Prof. Cristiano Agosti

Deciso tomada sob incerteza: so aquelas onde desconhecemos e no podemos atribuir

Prof. Cristiano Agosti

f) Qual a melhor soluo pelo critrio Laplace?

A melhor deciso tomada pelo critrio Maximin.

Prof. Cristiano Agosti

6) Uma empresa produz os produtos X e Y, que devido as restries internas e externas

As probabilidades de venda so de respectivamente 30%, 45% e 25%. Sabendo-se que o

Prof. Cristiano Agosti

d) O critrio do Mnimo Arrependimento.

Prof. Cristiano Agosti

Prof. Cristiano Agosti

Formulao do Problema: nesta fase, o administrador do sistema e o responsvel polo

Prof. Cristiano Agosti

Implementao e acompanhamento: nesta fase, a soluo ser apresentada ao administrador,

Prof. Cristiano Agosti

Prof. Cristiano Agosti

para cada kg, a um custo de $20,00/kg. O adubo B possui 4g de fsforo, 6g de nitrognio

Tabela 1: Custo de Fornecimento

Tabela 2: Matriz de Produo

Tabela 3 Demanda de Mercado

Prof. Cristiano Agosti

mquina de sopro, 10 minutos na operao de serigrafia, 5 minutos no recorte e 7

Tabela 1 : Custo de Produo

Tabela 2: Matriz de Produo

Tabela 3 Demanda de Mercado

Valores monetrios de matrias-primas e produtos

Tempos de Produo em horas(*)

Prof. Cristiano Agosti

Tipos de solues grficas

Prof. Cristiano Agosti

Prof. Cristiano Agosti

4.2. EXERCCIOS DE PROGRAMAO LINEAR USANDO O MTODO GRFICO

Prof. Cristiano Agosti

Prof. Cristiano Agosti

5. PROGRAMAO LINEAR NO EXCEL

Prof. Cristiano Agosti

Tempo de mquina, em horas: (6/100)*J + (5/100)*W <=60

Prof. Cristiano Agosti

Aps clicar no boto solver a seguinte tela ir aparecer:

Prof. Cristiano Agosti

Aqui ns podemos configurar o tipo de relatrio selecionando as opes em Reports, bem

Nmero de Total de lucro

5.3. ENTENDENDO OS RESULTADOS OBTIDOS

Original Value Final Value

Original Value Final Value

Tempo de mquina, em horas: (6/100)J + (5/100)W <=60