1.

Introdução

Utilizada com sucesso durante a Segunda Guerra Mundial para resolver

problemas de localização de radares na Inglaterra, sendo posteriormente
utilizada para solucionar problemas de segurança dos comboios que
atravessavam o Atlântico levando suprimento para Europa, a Pesquisa
Operacional, técnica que utiliza ferramentas matemáticas e computacionais,
tornou-se após aquele conflito uma importante ferramenta de apoio a
decisão em diferentes organizações, auxiliando os gestores na escolha da
melhor linha de ação. Todavia, ela é apenas uma das ferramentas de apoio
a decisão, devendo os gestores levar em consideração outras questões para
decisão definitiva.

Neste contexto, os modelos (representação de sistema reais através de

equações matemáticas) de otimização podem ter centenas ou mesmo
milhares de variáveis e restrições, e em geral só são tratáveis por meio de
computadores. Existem diversos softwares de otimização baseados nas
técnicas e métodos de pesquisa operacional para auxiliar na resolução de
problemas reais e na análise de sensitividade em função das perturbações
de alguns parâmetros do modelo. Alguns exemplos destes pacotes
computacionais são o CPLEX, GINO, LINDO, MINOS, OSL, XPRESS E O
SOLVER (recurso do Excel utilizado para resolver problemas de
programação linear). No curso de pesquisa operacional 1, será utilizado o
LINDO.

O LINDO (Linear, Interactive and Discrete Optimizer) é um software

desenvolvido pela Lindo Systems Inc, localizada em Chicago nos EUA, para
resolução de modelos de programação linear, quadrática ou inteira. Este
programa roda em ambiente Windows e está disponível nas seguintes
versões: Demo (150 linhas e 300 colunas), Super (500 linhas e 1000
colunas), Hiper (2000 linhas e 4000 colunas), Industrial (8000 linhas e
16000 colunas) e Extended (32000 linhas e 100000 colunas). Neste curso,
será utilizado a versão Demo do software.

O objetivo deste material é apresentar os principais conceitos teóricos

dentro da Programação Linear (técnica de Pesquisa Operacional), as etapas
para análise do resultado fornecido pelo software Lindo e a interpretação
dos resultados fornecidos por este software de um problema fornecido como
exemplo.

2. Problema utilizado como exemplo

Uma fábrica produz dois tipos de rádios: rádios standard e rádios de luxo. A
linha de produção do rádio standard tem a capacidade de 24 pessoas e uma
unidade deste rádio necessita de um homem/dia para ser produzido. A linha
de produção do rádio de luxo tem capacidade de 32 pessoas e a produção
cada unidade deste rádio consome dois homens/dia. A fábrica possui um
total de 40 empregados a serem alocados nas duas linhas de produção.
Uma unidade do rádio sandard gera um lucro de R$30,00 e o de luxo um
lucro de R$40,00. Determine o modelo de PL que maximize o lucro.

X1- quantidade de rádios standard produzidos por dia

X2- quantidade de rádios de luxo produzido por dia

FO: Max Lucro= 30X1 + 40X2

Sujeito a:

X1 ≤ 24 (capacidade da linha de montagem de rádio standard)

2X2 ≤ 32 (capacidade da linha de montagem de rádio de luxo)

X1 + 2X2≤ 40 (disponibilidade de funcionários da fábrica)

X1≥0; X2≥0

Problema na forma padrão

FO: Max Lucro = 30X1 + 40X2

Sujeito a:

X1 +X3 =24

2 X2 +X4 =32

X1+2X2 +X5 =40

X1≥0; X2≥0; X3≥0; X4≥0; X5≥0

Variáveis Naturais do Problema: X1 e X2

Variáveis de Folga: X3; X4;X5

3. Definição Teórica

3.1 Variáveis Naturais

É o nível de atividade que se deseja determinar para atingir o objetivo do

problema (maximizar ou minimizar uma função objetiva), atendendo a um
conjunto de restrições. No problema acima, as variáveis naturais são X1 e
X2: quantidade do rádio standard e de luxo produzido.

3.2 Variáveis de Folga

São as variáveis introduzidas nas restrições para transformar um problema

na forma padrão. Em uma restrição do tipo menor ou igual (≤) esta variável
significa a quantidade do recurso disponível que não foi utilizado (sobra).
Em uma restrição do tipo maior ou igual (≥) esta variável significa o valor
atingido acima de uma meta estimada, por exemplo: uma restrição indica
que a demanda mínima é de 20 e a organização atendeu a uma demanda
de 25. A variável de folga, nesta situação, indica que a meta (demanda de
20) foi ultrapassada em cinco unidades (demanda de 25).

3.3 Variáveis não básica

São as variáveis que, na solução ótima do problema, têm valor nulo. Estas
variáveis são as variáveis independes do sistema de equações na forma
padrão (sistema de equação linear do tipo dois). O número dessas variáveis
é igual à diferença entre o número de variáveis e de equações de um
problema na forma padrão.

3.4 Variáveis básicas

São as variáveis que ,na solução ótima do problema, apresentam valor

diferente de zero. Estas variáveis são as variáveis dependentes do sistema
de equações lineares do tipo um, obtidos com valor nulo das variáveis não
básicas. Podem existir problemas em que uma das variáveis que estão na
base apresente valor nulo, estes problemas são chamados de degenerados.
A degeneração ocorre quando o número de variáveis nulas for maior que a
diferença entre número de variáveis e equações de um problema na forma
padrão.

3.5 Custo Reduzido

Lins e Calôba (2003) definem custo reduzido como a diferença entre o custo
real e o custo de oportunidade. Os custos reais são aqueles fornecidos pelo
problema, ou seja, os coeficientes da função objetiva quando o problema é
de minimização de custos. O custo de oportunidade, segundo estes autores,
é o custo mínimo que a empresa deveria ter para que a produção do item se
torne viável. Quando a diferença entre custo real e oportunidade (custo
reduzido) for diferente de zero, isto significa que o produto não está sendo
produzido. Esta diferença é interpretada como o quanto a empresa teria que
reduzir o custo do produto (custo real) que a produção do item se torne
viável.

Prado (2007) apresenta duas interpretações para o custo reduzido: a

primeira interpretação entende que o custo reduzido é quantidade pela qual
o coeficiente da função objetiva da variável deveria ser aumentado de modo
que a solução seja diferente de zero, portanto, todas as variáveis naturais
do problema diferentes de zero possuem um custo reduzido nulo; a segunda
interpretação define o custo reduzido como uma penalidade que empresa
teria que pagar para introduzir uma unidade da variável natural nula na
solução básica.

Concluímos, com isso, que em um problema de maximização de lucro o

custo reduzido é interpretado como o quanto monetariamente a
organização deve aumentar a contribuição ao lucro para que a produção do
item se torne viável. Em um problema de minimização de custo, este
indicador é entendido como o quanto o custo tem que ser reduzido para que
a produção do item se torne viável.
3.6 Preços Duais ou Preços Sombra

Lins e Calôba (2003) definem preços duais ou preços sombra como o

benefício encontrado na função objetiva quando se acrescenta uma unidade
do recurso escasso. Quando há folga na restrição, o preço sombra é zero, ou
seja, não agrega nenhum benefício à solução o aumento de uma unidade do
recurso. O preço sombra (preços duais) poderá ser usado para verificar, por
exemplo, se uma oferta de um adicional de matéria prima por um preço a
combinar valerá à pena. Caso o valor a ser pago seja maior que o preço
sombra, não será interessante adquirir o recurso.

Prado (2007) define que os preços duais representam o valor acrescido a

função objetiva quando uma unidade do recuso é acrescida no limite da
restrição. Passos (2008), seguindo a mesma linha dos outros autores, define
os preços duais como o quanto o lucro da organização aumentará quando
uma unidade do recurso escasso é acrescida a restrição.

Tendo em vista as definições acima, verificamos que em um problema de

maximização de lucro o preço dual é interpretado como o quanto
monetariamente o lucro da organização é acrescido, quando uma unidade
do recurso escasso é introduzida na restrição deste recurso.

3.7 Análise de Sensitividade

Segundo Passos (2008), o objetivo desta análise é indicar até que limite
alguns dados do modelo podem ser alterados, sem que a sequência básica
ótima modifique. As alterações destes dados feitas com valores abaixo do
limite inferior ou acima do superior, implicarão em uma nova sequência
básica. Os dados modificados nesta análise são os coeficientes da função
objetiva e termos independentes das restrições (disponibilidade dos
recursos).

4. Metodologia para Análise dos Resultados Fornecidos pelo

Software Lindo

O objetivo desta etapa é apresentar a sequência que deve ser seguida para
interpretar os resultados fornecidos pelo software. Esta sequência dividi-se
em quatro partes: interpretação da função da função objetiva e definição da
sequência básica e não básica; interpretação das variáveis naturais e do
custo reduzido (reduced cost); interpretação das variáveis de folga (slack or
surplus) e dos preços duais (dual price); análise de sensitividade (ranges in
which the basis is unchanged).

4.1 Interpretação da Função Objetiva, das Variáveis Básicas e Não

Básicas

Interpretar o valor da função objetiva, ou seja, informar que a organização

atinge objetivo com lucro ou custo de valor Y (valor da função objetiva
encontrado pelo software), atendendo a todas as restrições
simultaneamente. Identificar quais são as variáveis que formam a sequência
básica ótima (variáveis diferentes de zero e dependentes) e quais formam
as variáveis não básicas (variáveis nulas e independentes).

4.2 Interpretação das Variáveis Naturais e do Custo Reduzido

(Reduced Cost)

Analisar as variáveis naturais, ou seja, informar que a organização atinge o

objetivo produzindo X quantidade dos produtos. Na interpretação dos custos
reduzidos, explicar porque seus valores são nulos ou não.

4.3 Interpretação das Variáveis de Folga (Slack) e dos preços duais

(dual price)

Identificar as variáveis de folga, ou seja, informar quais são os recursos que

são totalmente utilizados ou não. Na interpretação dos preços duais (dual
prices), explicar porque os valores são nulos ou não.

4.4 Análise de sensitividade

Informar quais os limites que um determinado coeficiente deve ser variado,

para que a sequência básica ótima não se altere.

5. Resultado do Problema da Manufatura de Rádio Fornecido pelo

Software Lindo

LP OPTIMUM FOUND AT STEP 2

OBJECTIVE FUNCTION VALUE

1) 1040.000

VARIABLE VALUE REDUCED COST

X1 24.000000 0.000000

X2 8.000000 0.000000

ROW SLACK OR SURPLUS DUAL PRICES

2) 0.000000 10.000000

3) 16.000000 0.000000

4) 0.000000 20.000000

NO. ITERATIONS= 2
RANGES IN WHICH THE BASIS IS UNCHANGED:

OBJ COEFFICIENT RANGES

VARIABLE CURRENT ALLOWABLE ALLOWABLE

COEF INCREASE DECREASE

X1 30.000000 INFINITY 10.000000

X2 40.000000 20.000000 40.000000

RIGHTHAND SIDE RANGES

ROW CURRENT ALLOWABLE ALLOWABLE

RHS INCREASE DECREASE

2 24.000000 16.000000 16.000000

3 32.000000 INFINITY 16.000000

4 40.000000 16.000000 16.000000

6. Interpretação dos Resultados

6.1 Interpretação da Função Objetiva, das Variáveis Básicas e Não

Básicas

O maior lucro obtido pela fábrica de rádios, atendendo a todas as restrições

do problema, é de R$1040. A sequência básica (variáveis diferentes de
zero) ótima é formada pelas variáveis X1, X2 e X4. As sequênica não básica
(variáveis nulas) é formada pelas variáveis X3 e X5.

6.2 Interpretação das Variáveis Naturais e do Custo Reduzido

(Reduced Cost)

A fábrica maximiza o lucro, atendendo a todas as restrições, produzindo 24

unidades do rádio standard e 8 unidades do rádio de luxo. O custo reduzido
(reduced cost) é nulo porque os dois tipos de rádio estão sendo produzidos.

6.3 Interpretação das Variáveis de Folga (Slack) e dos preços duais

(dual price)

Analisando os valores das variáveis de folga (slack), verificamos que a

empresa produz os dois tipos de rádio utilizando toda capacidade da linha
de produção do rádio standard e todos os funcionários da fábrica; nesta
produção de rádios são utilizados 16 funcionários na linha de montagem dos
rádios de luxo, havendo uma sobra (folga) de capacidade 16 unidades. Na
interpretação dos preços duais (dual price) verificamos que o acréscimo de
capacidade em uma unidade da linha de montagem proporciona um
aumento no lucro da empresa em R$ 10; o aumento do número de
funcionário em uma unidade proporcionará um aumento no lucro de R$ 20.
Com isso, é mais vantajoso para esta organização contratar mais
funcionários, dentro de um determinado limite, a aumentar a capacidade da
linha de rádio standard. O valor nulo desta variável para acréscimo de
capacidade da linha de produção de rádios de luxo é justificado, uma vez
que existe uma folga para esta linha.

6.4 Análise de sensitividade

A análise de sensitividade indica o limite que deve se variar os coeficientes

da função objetiva e dos termos das restrições de modo que a sequência
básica não se altere. Observando os valores dos coeficientes da função
objetiva, percebemos que a contribuição ao lucro do rádio standard pode
ser reduzida em até R$20 (R$30-R$10) e acrescida infinitamente, para que
a base continue sendo X1, X2, X4. Valores abaixo de R$20 para contribuição
deste produto modificará a base. Seguindo esta mesma metodologia,
percebemos que o limite de variação, para que a sequência básica não se
altere, da contribuição ao lucro do rádio de luxo pode ser reduzido até R$0
(R$40-R$40) e acrescido até R$80 (R$40+R$40).

Esta análise também é feita nos termos independentes da restrição.

Observando o resultado, constatamos que a capacidade da linha de
fabricação do rádio standard pode ser reduzida em até 8 (24-16) e acrescida
em até 40 (24+16) para que a base não se altere. A capacidade da linha de
rádio de luxo pode ser reduzida em até 16 (32-16) e acrescida infinitamente
que a base não modificará. Na restrição de disponibilidade de mão de obra,
percebemos que o aumento do número de funcionários pela organização
em até 56 (40+16) e reduzir até 24 (40-16) que a base não se modificará.

7. Conclusão

Constatamos que a Pesquisa Operacional é uma importante ferramenta de

apoio a decisão em diferentes organizações, todavia, ela não é a única,
devendo os gestores levar em consideração outros fatores na decisão final.
Sendo a Pesquisa Operacional uma ciência que utiliza técnicas matemáticas
para resolução de problemas reais, o uso de pacotes computacionais tornou
a resolução de problemas com muitas variáveis e restrições uma tarefa
simples e eficiente. Os principais pacotes computacionais para resolução de
problemas de pesquisa operacional são o CPLEX, GINO, LINDO, OSL, SOLVER
e etc. Neste trabalho, foi utilizado o software Lindo para resolução de um
problema de manufatura de rádios (problema fornecido como exemplo).

Na análise do relatório fornecido pelo LINDO, o analista deve levar em

consideração a interpretação da função objetiva, das variáveis que estão na
sequência básica e que não estão; das variáveis naturais e do custo
reduzido (reduced cost); variáveis de folga (slack) e do custo reduzido;
análise de sensitividade dos coeficientes da função objetiva (contribuições
ao lucro ou custo unitário) e dos termos independentes das restrições
(capacidade de um processo ou disponibilidade do curso).

No estudo dos resultados fornecidos do problema da manufatura de rádios,

foi verificado que o maior lucro que a empresa obtém, atendendo a todas as
restrições do problema, é de R$ 1040. A sequência básica ótima foi formada
pelas variáveis X1, X2 e X4; a sequência não básica foi formada pelas
variáveis X3 e X5.

Na interpretação das variáveis naturais, foi constatado que a empresa

maximiza o lucro produzindo 24 unidades do rádio standard e 8 unidades do
rádio de luxo. O custo reduzido foi nulo porque os dois tipos de rádios foram
produzidos.

Na análise das variáveis de folga foi constado que a fábrica de rádios

utilizou toda a capacidade da linha de produção do rádio standard e todos
os funcionários disponíveis; a linha de produção de rádio luxo utilizou a
metade da capacidade, havendo uma folga (sobra) de 16 unidades de
capacidade. Os preços duais (dual price) nos informaram que o aumento da
capacidade, dentro de um limite, em uma unidade da linha de produção do
rádio standard proporciona o aumento de R$10 no lucro; a inclusão de mais
um funcionário na fábrica, dentro de um limite, proporciona um aumento no
lucro de R$20, logo para organização é mais vantajoso contratar
funcionários a aumentar a capacidade da linha de montagem de rádio de
standard. O aumento em uma unidade da linha de produção de rádio de
luxo não causou impacto na função objetiva porque existe uma folga de 16
unidades de capacidade.

Na interpretação da análise de sensitividade, foi percebido que a

contribuição ao lucro do rádio standard pode ser aumentada infinitamente e
decrescida até R$20 (R$30 – R$10); a contribuição do rádio de luxo pode ser
acrescida até R$60 (R$40+R$20) e decrescida até R$0 (R$40-R$40). Esta
mesma análise foi feita em relação aos termos independentes das
restrições: capacidade da linha de fabricação de rádios standard, de rádio
de luxos e da disponibilidade de funcionários.

8. Referência Bibliográfica

Lins, Marcos Pereira Estellita; Calôba, Guilherme Marques. Programação

Linear. Escola Politécnica, Universidade Federal do Rio de Janeiro (UFRJ), pp
155-179, 2003.
Passos, Eduardo José Pedreira Franco dos. Programação Linear como
Instrumento de Pesquisa Operacional. Atlas, São Paulo, PP 152-154.

Prado, Darci Santos. Programação Linear.5ª Edição, INDG Tecnologia e

Serviços Ltda, Belo Horizonte,PP 143-149, 2007.