Escolar Documentos
Profissional Documentos
Cultura Documentos
.1 - Os Modelos em Pesquisa Operacional: .........................................................................4 1.3 - A METODOLOGIA DA PO: ..............................................................................................6 1.3.1 Aplicaes prticas ......................................................................................................6 1.4 - O MODELO DE PROGRAMAO LINEAR:...................................................................8 1.4.1 Interpretao Insumo-Produto da Programao Linear: ................................................8 1.4.2 Pressupostos Bsicos da Programao Linear:..............................................................9 1.4.3 O Problema Geral de Programao Matemtica: ........................................................10 1.5 - EXEMPLOS DE FORMULAO DE MODELOS ..........................................................10 1.6 - SOLUO GRFICA:.....................................................................................................16 1.6.1 Soluo nica:...........................................................................................................17 1.6.1.1 Identificao do Ponto timo:.................................................................................18 1.6.1.2 Estabilidade do Ponto timo em Relao aos Coeficientes de Custo: ......................18 1.6.1.3 Estabilidade do Ponto timo em Relao aos Valores b: .........................................19 1.6.2 Soluo Mltipla:.......................................................................................................19 1.6.3 Soluo Ilimitada: ......................................................................................................20 1.6.4 Soluo Infactvel: .....................................................................................................21 1.7 - LINDO EM AMBIENTE WINDOWS: .............................................................................22 1.7.1 - Introduo ..................................................................................................................22 1.7.2 - Escrevendo um modelo:..............................................................................................22 1.7.3-Menu de comandos:......................................................................................................23 1.7.3.1 - Menu File: ...............................................................................................................23 1.7.3.2 - Menu Edit:...............................................................................................................24 1.7.3.3 - Menu Solve: ............................................................................................................25 1.7.3.4 - Menu Reports: .........................................................................................................25 1.7.3.5 - Menu Window: ........................................................................................................26 1.7.3.6 - Menu Help:..............................................................................................................26 1.7.3.7 - Declaraes Opcionais de Modelagem:....................................................................27 1.8 APLICAO PRTICA USANDO O LINDO: ...............................................................27 1.9 PROBLEMAS PROPOSTOS: ..........................................................................................32
30/08/04
1.1
1.2
Essa bem sucedida experincia de abordar problemas complexos, mediante a elaborao de modelos da realidade, em contraste com a abordagem direta, estimulou a disseminao desses grupos interdisciplinares e, ao final da guerra, determinou suas manutenes, porm redirecionados para desafios ligados ao gerenciamento civil. O marco definitivo na afirmao da Pesquisa Operacional (PO) foi a publicao por George Dantzig, em 1947, do Mtodo Simplex para a Programao Linear. Com isso, a Programao Linear (PL) tornou-se a primeira tcnica explcita e permanece at hoje como a mais bsica de todas as tcnicas da Pesquisa Operacional. Definies para a Pesquisa Operacional podem ser encontradas em muitos textos, mas, em geral, incorporam a idia que a PO faz uso de mtodos quantitativos para o gerenciamento de sistemas e a tomada de deciso. Uma dessas definies que, por sua amplitude, pode ser aqui endossada, encontra-se na Internet, a saber: UHVROYHU SUREOHPDV GH WRPDGD GH GHFLVmR HP RUJDQL]Do}HV H VLVWHPDV FRPSOH[RV 3HVTXLVD *UXSR GH WpFQLFDV GHVHQYROYLGDV SDUD DSOLFDU IHUUDPHQWDV H PpWRGRV FLHQWtILFRV SDUD
ZZZGLFWLRQDU\EDUQFRP!
PDWHPiWLFRV D SDUWLU GRV TXDLV VROXo}HV SDUD SUREOHPDV UHDLV SRGHP VHU GHULYDGDV
RSHUDFLRQDO EXVFD VROXo}HV yWLPDV HP VLWXDo}HV GH REMHWLYRV FRQIOLWDQWHV H ID] XVR GH PRGHORV
1.3
executivos tm preconceito contra o uso de modelos, entendendo que fazer modelos significam estgios preliminares de algum estudo, com restrita praticidade, que retarda a desejada ao objetiva. No contexto da Pesquisa Operacional, entretanto, o termo modelo tem um significado tcnico especfico, definido a seguir, e integra a sua estrutura metodolgica.
MODELO
Validao
SOLUO DO MODELO
Pode-se dizer que, ao se construir um modelo, passa-se do mundo real ao virtual, mediante simplificaes que viabilizam essa elaborao conceitual e sua avaliao subseqente. O processo de construo de um modelo exige a mobilizao de uma equipe que deve: avaliar a natureza do problema; interrogar pessoas envolvidas; levantar dados; identificar o problema e o que constitui a sua essncia; entender relaes de causa e efeito etc. Essa etapa compe a fase inicial da
Nlio D. Pizzolato e Andr A. Gandolpho 30/08/04
1.4
metodologia e pode ser extremamente instrutiva em si mesma, na medida em que ela envolve uma radiografia descritiva do problema. Essa radiografia poder salientar aspectos correntemente desprezados, assim como elementos indevidamente valorizados, tanto do problema em si, como dos procedimentos em uso. A fase posterior consiste em resolver o modelo. Para tanto, aplica-se tcnicas que vm sendo continuamente desenvolvidas, especialmente a PL e suas extenses. Essa contnua evoluo das tcnicas disponveis, aliada aos recursos informticos, cuja evoluo alucinante, vem permitindo a disseminao da modelagem como ferramenta corrente de gesto de recursos. A soluo obtida denominada de soluo do modelo. A seguir, essa soluo dever ser validada. Validar significa avaliar se a soluo do modelo corresponde, de fato, a uma soluo consistente. A questo deve ser colocada porque, diante das simplificaes adotadas, alguma relao importante pode ter sido ignorada ou alguma varivel de deciso esquecida. Igualmente, a validao permite detectar o uso de dados numricos equivocados. A validao pode ser feita de vrios modos, em funo do problema em estudo, mas, basicamente, consiste em comparar as decises correntes com as decises determinadas pelo modelo, como tambm avaliar com esprito crtico o significado prtico das solues propostas. Nesse processo de validao, os ganhos potenciais decorrentes da implementao das decises sugeridas pelo modelo podem ser quantificados. Caso a soluo do modelo no passe nos testes de validao, deve-se rever as hipteses, o modelo adotado, ou os dados utilizados. Esse processo de alterar e testar prossegue at a validao efetiva do modelo. A partir desse ponto o modelo passa a ser considerado til e as decises por ele preconizadas estaro em condies de serem implementadas. O maior atrativo de um modelo em situaes que vo se repetir no futuro, como o caso de gerenciar a operao cotidiana de um sistema, objeto de revises peridicas. Um exemplo desse caso seria o problema de uma fbrica de raes animais que, como apontado por Lss (1981), propiciou a primeira aplicao prtica da PO no Brasil, efetuada pelo Professor Rui Leme no incio dos anos 60. O modelo busca selecionar os possveis ingredientes das raes de modo a minimizar os custos das matrias-primas adquiridas, mas sem prejuzo da qualidade desejada do produto. A existncia de um modelo bem ajustado permite, semanalmente digamos, a seleo mais econmica dos ingredientes comprados. Obviamente, o esforo e o custo em elaborar o modelo sero distribudos tantas vezes quantas o modelo voltar a ser aplicado. No caso alternativo de um projeto elaborado com um propsito nico, sem similar previsvel, o custo de elaborao do modelo poder no ter retorno econmico. Seria o caso de um modelo em que somente os custos do projeto sejam considerados e no os custos de sua operao. Nesse caso, seu atrativo pode ser menor e no ser justificvel em termos econmicos, mas podendo,
Nlio D. Pizzolato e Andr A. Gandolpho 30/08/04
1.5
entretanto, ter um interesse acadmico relevante, como demonstrao de erudio acadmica. Exemplo desse caso poderia ser o projeto estrutural de uma viga em balano, ou do dimensionamento de um reservatrio, em que se busca minimizar o peso, o custo ou o emprego de material. Nesses casos, os ganhos do estudo se manifestaro uma nica vez.
1.6
de deciso indicaro a quantidade de cada insumo a ser aplicado em cada rao. O modelo exige um bloco de restries para garantir a quantidade e a qualidade de cada tipo de rao R. Tipicamente, esse modelo possui um grande nmero de restries. A validao da soluo um processo continuado de aperfeioamento do modelo do qual nenhum produtor pode prescindir. Certamente, a fase de validao e a implementao so mais relevantes no estgio preliminar de teste da metodologia, passando depois a um uso rotineiro. &DVR : Comercializao de Petrleo.
O mercado VSRW de petrleo corresponde a um mercado onde qualquer empresa do ramo oferece
lotes de petrleo de um dado tipo, a um certo preo e determinada data de entrega. Como todos atores do ramo tomam conhecimento da oferta ao mesmo tempo, a deciso de comprar deve ser tomada rapidamente. Para tanto, muitas empresas seno todas, inclusive a Petrobrs, desenvolveram modelos matemticos que avaliam a vantagem econmica da compra. Alm de recomendar ou no a compra, o modelo pode sugerir que, caso o lote seja adquirido, um outro lote de petrleo, disponvel em certa data futura, deixou de ser interessante e deve ser oferecido no mesmo mercado VSRW. Trata-se de um modelo que pode oferecer imensas redues de custo para a empresa. A validao de um modelo desse tipo consiste em acompanhar e medir, a posteriori, a qualidade das decises tomadas pelo modelo. Esse modelo foi til na poca que a empresa era grande importadora, declinando hoje a sua importncia. &DVR : Localizao de Escolas. Esse tema tem sido objeto de muito interesse, tanto terico como prtico em vrios pases. Em captulo posterior ser desenvolvido um modelo com essa finalidade, assim como mostradas tcnicas de soluo. Uma variante mais simples do problema consiste em avaliar a atual localizao das escolas. Para essa, os cinco estgios poderiam ser assim descritos: (i) Formulao do problema: a atual localizao das escolas, com suas atuais capacidades, satisfatria?; (ii) Construo do modelo: baseia-se em duas simplificaes: primeiro, a distribuio da populao discretizada em setores censitrios, como definidos pelo IBGE, e toda a populao habita um ponto central do setor denominado centride e, segundo, todo aluno prefere a escola mais prxima de sua residncia; (iii) Soluo: usando recursos aritmticos elementares, o modelo identifica para cada centride a escola mais prxima, determinando a demanda por cada escola e compara esta com sua capacidade, apontando escassez ou excesso de vagas; (iv) Validao: consiste em visitar as escolas e a regio, confirmar a demanda prevista pelo modelo e constatar se a escassez ou excesso esto de acordo com a percepo local; e (v) Implementao: uma vez validado, o modelo passa a ser considerado til e
30/08/04
1.7
sua implementao consiste em tomar as medidas apropriadas, como ampliar algumas escolas, reduzir a capacidade de outras e, eventualmente, propor a construo de novas.
nenhuma perda de generalidade. Alm disso, por exigncias metodolgicas, as variveis de deciso
0D[ RX 0LQ = = F1 [1 + F 2 [ 2 + + F [
D 21 [1 + D 22 [ 2 + + D 2 [ = E2
30/08/04
D 1 [1 + D 2 [ 2 + + D [ = E [ 0
L = 12 Q
distintos produtos x1, x2, , xn, que geram lucros c1, c2, , cn, respectivamente. Para produzir uma unidade do produto xj, a empresa consome aij unidades do insumo bi. Os elementos aij que relacionam os insumos aos produtos so chamados de elementos tecnolgicos, que podem ser reunidos em uma matriz, a PDWUL] WHFQROyJLFD. Desse modo, o problema consiste em definir as quantidades dos produtos a serem produzidos de tal modo que seja otimizada a funo objetivo, mas tendo em vista a disponibilidade
1.8
dos recursos. Portanto, o problema consiste em transformar insumos, oferecidos em quantidades finitas, em produtos, tendo em vista a otimizao de uma funo objetivo. Naturalmente, em muitos problemas, em lugar de maximizar lucros, deseja-se minimizar custos, mas, neste caso, as quantidades bi costumam representar quantidades mnimas demandadas, enquanto que as variveis de deciso xj passam a ser mais apropriadamente chamadas de atividades e seus valores seriam os nveis de atividade. A flexibilidade que essa tcnica possui em representar fenmenos econmicos a torna muito geral e aplicvel a um sem nmero de situaes. Assim, o leitor no dever imaginar que todo e qualquer problema de Programao Linear se enquadre sempre na interpretao insumo-produto. Por outro lado, a discusso anterior introdutria, e os captulos posteriores sobre Anlise de Sensibilidade e Dualidade viro a ampliar a interpretao econmica da Programao Linear e sua utilidade prtica em problemas relacionados alocao de recursos.
iii) as restries lineares; e Para a soluo da Programao Linear h mtodos manuais e diversos VRIWZDUHV ou rotinas computadorizadas. Neste texto ser estimulado o uso do pacote LINDO, a ser discutido na Seo 1.6. importante notar que a PL ampara-se em quatro pressupostos bsicos, quais sejam: 9 Divisibilidade das variveis, ou seja, as variveis podem assumir valores reais; 9 Os coeficientes numricos so constantes; iv) a no negatividade (xi GDV YDULiYHLV GH GHFLVo:.
1.9
tratados como contnuos e sua soluo arredondada para os nmeros inteiros mais prximos. Com o esforo metodolgico e o avano dos computadores, tais dificuldades foram fortemente superadas e todo VRIWZDUH comercial atual aceita, igualmente, os problemas lineares e os inteiros. 2. 3. A Programao Linear Mista: aquela em que, no mesmo problema, algumas variveis so contnuas e outras inteiras; A Programao No Linear: ocorre quando as relaes entre as variveis no so lineares. Os problemas no lineares muitas vezes no tm soluo, dependendo dos tipos de no linearidades envolvidas e do nmero de variveis. Por essa razo, os problemas no-lineares so, freqentemente, tratados como lineares, mas suas solues devem ser analisadas com certa cautela. Por outro lado, uma variedade de algoritmos e mtodos de busca da soluo tima tm sido desenvolvida que, em problemas de menor dimenso e dependentes das dificuldades no lineares presentes, funcionam satisfatoriamente.
A Programao Matemtica constitui um conceito mais amplo, em que as expresses envolvidas no seriam lineares, mas expresses quaisquer. Assim, a Programao Linear, a Inteira e a no Linear constituem-se casos particulares da Programao Matemtica. Entretanto, no se recomenda a ningum que estude essa ltima disciplina sem antes possuir o domnio conceitual da Programao Linear.
1.10
Programao Linear. Basicamente, a fase de formulao de modelos de Programao Linear envolve trs etapas: 1. Identificao das variveis de deciso 2. Identificao da funo objetivo 3. Identificao das restries ([HPSOR Exemplo bsico de Programao Linear Seja uma empresa que produz trs produtos A, B e C. A fabricao de cada unidade desses produtos exige mo-de-obra, matria-prima e processamento mecnico, gerando um dado lucro, de acordo com a Tabela 1.1: 0mRGHREUD KRPHQVKRUDVXQLGDGH 0DWpULDSULPD NJXQLGDGH /XFUR XQLGDGH $ 8 5 3 % 3 7 9 6 & 5 4 8 5 'LVSRQLELOLGDGH 15.000 hh 20.000 kg 40.000 hm
O suprimento semanal de matria-prima restrito a 20.000 kg. A disponibilidade semanal de mo-de-obra de 15.000 horas e a quantidade de mquinas-hora de 40.000 hm. Pede-se determinar o plano de produo semanal, de forma a maximizar o lucro. Soluo: Para equacionar o problema h que se definir as variveis de deciso, quais sejam: XA = produo semanal de A; XB = produo semanal de B; XC = produo semanal de C; Assim, o problema de programao linear consiste em: MAX Z = 3XA + 6XB + 5XC, sujeito a: 8XA + 3XB + 5XC 15000 5XA + 7XB + 4XC 20000 12XA + 9XB + 8XC 40000 XA, XB, XC 0 O modelo, portanto, deseja escolher as quantidades semanais de XA, XB e XC, de modo a maximizar a expresso linear Z, que constitui a funo objetivo, mas levando em conta as restries de 15.000 horas de mo-de-obra e de 20.000 kg de matria-prima semanalmente disponveis. ([HPSOR Investimentos Financeiros: Seja um investidor que dispe de $ 10.000 e vrias opes de investimento. O investidor pretende maximizar seu capital ao final de um ano, levando em conta os investimentos potenciais.
Nlio D. Pizzolato e Andr A. Gandolpho 30/08/04
1.11
No investimento A, cada real aplicado hoje produz uma renda trimestral de $ 0,04 e devolve o principal ao final de um ano. No investimento B, cada real aplicado hoje retorna $ 1,40 ao final de um ano. O investimento C estar disponvel ao incio do 3o trimestre e cada real aplicado retornar $ 1,25 ao final do ano. Sabe-se que qualquer real no investido pode ser mantido em fundos de renda fixa que remuneram o investidor em $ 0,03 por trimestre. Por outro lado, o investidor deseja diversificar e evitar concentrar suas aplicaes no melhor investimento. Assim, nenhuma alternativa dever aplicar mais do que $ 5.000. Soluo: Definindo-se: XA = investimento em A; XB = investimento em B; XC = investimento em C; R0, R1, R2 e R3 = recursos aplicados em fundos de renda fixa no incio de cada trimestre; o momento inicial 0 corresponde ao incio do 1 trimestre. Todos esses investimentos podem ser visualizados num eixo horizontal em escala trimestral, onde a seta para baixo indica uma aplicao e a seta para cima o retorno de caixa. O smbolo H registra o horizonte do estudo, ou final do 4o trimestre.
0,04 0,04 0,04 1,04
0 1 2 3 H
1,40
H
1,25
1
1,03
2
1,0 1,03
3 H
1,03 1,03
R 0 O modelo ser: MAX Z = 1,04 XA + 1,40 XB + 1,25 XC + 1,03R3 s.a. XA + XB + R0 = 10.000 R1 = 0,04 XA + 1,03 R0 XC + R2 = 0,04 XA + 1,03 R1
Nlio D. Pizzolato e Andr A. Gandolpho
1.12
Nesse modelo, a funo objetivo, equao (0), indica o montante ao final do 4o trimestre. A restrio (1) indica as trs possibilidades de aplicao dos recursos hoje disponveis, a saber: investimento A, investimento B e fundo de renda fixa. A restrio (2) mostra a aplicao em fundos de renda fixa ao incio do 2o trimestre, sendo que a disponibilidade de recursos consiste na renda do investimento A mais o investimento R0 acrescido de juros. A restrio (3) representa o incio do 3 trimestre e permite aplicar no investimento C e em fundos de renda fixa sendo que os recursos disponveis consistem nos juros do investimento A, mais o investimento R1 acrescido de sua renda. Para o incio do 4o trimestre o nico investimento possvel R4 e os recursos disponveis so a renda do investimento A, mais o retorno da aplicao em fundos de renda fixa R2. Finalmente, as restries seguintes referem-se limitao dos investimentos e no negatividade das variveis. ([HPSOR Modelo de Misturas O dono de um avirio precisa fabricar uma rao especial para as suas aves, de forma a atender s necessidades mnimas. A produo desejada desta rao de 90 kg e a mistura deve ser formada por dois ingredientes bsicos: o milho e o farelo de arroz, que custam $ 0,90 e $ 0,30 por kg respectivamente. Alm disso, sabe-se que a rao precisa ter pelo menos 7% de protena e 3% de fibra na sua composio, de forma a atender s necessidades das aves. A partir da Tabela 1.2. com a composio porcentual de fibra e protena do milho e do farelo de arroz, pede-se formular um modelo de Programao Linear para atender s necessidades dirias a um custo mnimo. 3URWHtQD )LEUD 0LOKR )DUHOR GH $UUR] 9% 5% 2% 6%
Soluo: As variveis de deciso do modelo so as seguintes: X1 = quantidade de milho (kg) X2 = quantidade de farelo de arroz (kg) A produo diria da mistura deve ser de 90 kg, ou seja: X1 + X2 90
Nlio D. Pizzolato e Andr A. Gandolpho 30/08/04
1.13
Sabe-se tambm que a mistura deve ter pelo menos 7% de protena e 3% de fibra. Portanto, a soma das quantidades de protena de cada ingrediente deve exceder 7% da quantidade total, enquanto que a quantidade de fibra deve ser pelo menos superior a 3%, ou seja: 0,09X1 + 0,05X2 0,07 (X1 + X2) 0,02X1 + 0,06X2 0,03 (X1 + X2) E, finalmente, o dono do avirio deseja produzir a mistura de forma a gastar o mnimo possvel. Assim, o modelo completo seria: MIN. Z = 0,9 X1 + 0,3 X2 s.a. X1 + X2 90 0,09X1 + 0,05X2 0,07 (X1 + X2) 0,02X1 + 0,06X2 0,03 (X1 + X2) X1, X2 0 ([HPSOR : Planejamento da Produo Durante os prximos seis meses, o Artesanato Itaipava Ltda. deve atender os seguintes compromissos de sua seo de malharia: Jan. Fev. Mar. 4.000 peas 2.000 peas 5.000 peas Abr. Mai. Jun. 1.000 peas 4.000 peas 2.000 peas
Ao final de dezembro, h 500 peas em estoque e a empresa s tem capacidade para produzir 3.000 peas mensais. Entretanto, usando horas-extras, a empresa pode produzir at 600 peas a mais que sua capacidade nominal. O custo varivel de produzir uma pea de $ 3 por pea e o custo de produzir em horasextras de $ 3,40 por pea. Alm disso, peas que ficam em estoque de um ms para outro provocam um custo aproximado de $ 0,25 por pea. Pede-se um modelo de Programao Linear que satisfaa a demanda, mas minimizando os custos de produo. Soluo: Defina ; , < e , , para t = 1,2,...6, para indicarem respectivamente a produo regular, em horas-extras e o estoque ao final do ms t. MIN Z = 3(X1 + X2 + ... + X6) + 3,4(Y1 + Y2 + ... + Y6) + 0,25(I1 + I2 + ... + I6) s. a. X1 + Y1 + 500 = I1 + 4000 X2 + Y2 + I1 = I2 + 2000 X3 + Y3 + I2 = I3 + 5000 X4 + Y4 + I3 = I4 + 1000
Nlio D. Pizzolato e Andr A. Gandolpho 30/08/04
1.14
X5 + Y5 + I4 = I5 + 4000 X6 + Y6 + I5 = I6 + 2000 Xt 3000 Yt 600 Xt , Yt , It 0 ([HPSOR Processos Qumicos A empresa Petro dispe de duas fontes de petrleo bruto, denominadas leo A e leo B, vendidos em barris (bbl), que ela pode adquirir para processamento. O leo A custa $ 28,00/bbl e o leo B $ 22,00/bbl, sendo que as quantidades disponveis so de 10.000 bbl/dia e 7.000 bbl/dia respectivamente. Esses leos podem passar por dois processos sucessivos, nos quais no h perdas em volume: primeiro uma destilao que agrupa os leos em suas fraes leves e pesadas, as quais podem ser vendidas ou processadas novamente. O segundo processo um craqueamento que os transforma em dois produtos finais: gasolina e diesel. As Tabelas 1.3a e 1.3b indicam as propores resultantes dos dois processos. Tipo de leo Fraes leves leoA leoB 25% 78% Fraes pesadas 75% 22% Tipo de Frao Fraes Leves Fraes Pesadas gasolina 80% 35% diesel 20% 65% t = 1,2,3,4,5,6 t = 1,2,3,4,5,6 t = 1,2,3,4,5,6
Sabe-se que as fraes leves podem ser vendidas por $ 20/bbl e as pesadas por $ 27/bbl; a gasolina vendida por $ 35/bbl, enquanto que o diesel vendido por $ 30/bbl. Soluo: As variveis de deciso so as seguintes: OLEOA = leo do tipo A comprado; OLEOB = leo do tipo B comprado; FLEVE = fraes leves produzidas; FPESADA = fraes pesadas produzidas; LVENDIDA = volume das fraes leves vendidas; PVENDIDA = volume das fraes pesadas vendidas; LCRACK = volume das fraes leves craqueadas; PCRACK = volume das fraes pesadas craqueadas; GASOLINA = volume de gasolina produzido; DIESEL = volume de diesel produzido
Nlio D. Pizzolato e Andr A. Gandolpho 30/08/04
1.15
s.a.
FLEVE = 0,25 OLEOA + 0,78 OLEOB FPESADA = 0,75 OLEOA + 0,22 OLEOB FLEVE = LVENDIDA + LCRACK FPESADA = PVENDIDA + PCRACK GASOLINA = 0,8 LCRACK + 0,35 PCRACK OLEOA OLEOB DIESEL = 0,2 LCRACK + 0,65 PCRACK
Todas as variveis O modelo acima tem 10 variveis e 8 equaes. Pode-se notar que duas variveis podem ser suprimidas, a saber: FLEVE e FPESADA, o que reduziria o sistema em duas variveis e duas equaes, mas esta reduo no obrigatria, alm de obscurecer as relaes descritivas. Para resolver o sistema, deve-se escrever todas as variveis do lado esquerdo, com os segundos membros iguais a zero.
30/08/04
1.16
x1 + x2 6 x1, x2
Na Figura 1.1, cada uma das restries est representada graficamente. A figura mostra o trao de cada uma das desigualdades, (a), (b) e (c), mas tomadas como equaes. Como elas so inequaes, os pontos que as satisfazem definem semi-espaos, ou seja, a regio acima ou abaixo da reta, ou ento, a regio direita ou esquerda da reta. Por outro lado, a restrio (d) informa que somente o primeiro quadrante pertence ao conjunto de pontos viveis. Com esses dados, tem-se a regio vivel, constituda pela regio grisada. Tomando-se agora a funo objetivo, ela pode ser representada por um feixe de retas paralelas, a partir da qual procura-se qual o ponto da regio vivel que estabelece o valor mximo da funo. A funo objetivo est marcada por um pontilhado que, ao se deslocar para um lado ou outro, indica que o mximo vai ocorrer no vrtice (4, 2), enquanto que o mnimo ocorreria no vrtice (0, 0). A partir do desenho, pode-se observar a regio
* factvel e a correspondente soluo tima, no ponto x 1 , x * = (4, 2), com Z* = 14. 2
30/08/04
1.17
Z = 12 Z=9
x1 de Retas
x1
Paralelas (VWDELOLGDGH GR 3RQWR WLPR HP 5HODomR DRV &RHILFLHQWHV GH &XVWR Na Figura 1.1, o ponto timo encontrado foi o vrtice (4, 2), para a funo objetivo Z = 2x1 + 3x2 e uma relao 2 : 3 entre os coeficientes c1 e c2. Considerando-se a inclinao do vetor normal, as seguintes caractersticas de estabilidade do vrtice (4, 2) podem ser deduzidas:
Figura
1.2a
Famlia
Para qualquer par de coeficientes c1 e c2 na funo objetivo, desde que mantida a proporcionalidade 2 : 3 entre eles, o ponto timo ser o mesmo; Se a relao 2 : 3 entre os coeficientes aumentar at a relao 3 : 3 (o que equivale a 1 : 1 e coincide com a reta (c)), o vrtice (4, 2) continua timo, mas no limite, o vrtice (6, 0) tambm compartilha a otimalidade, assim como todos os pontos entre ambos;
30/08/04
1.18
Se a relao 2 : 3 entre os coeficientes se reduzir at a relao 2 : 4 (o que equivale a 1 : 2 e coincide com a reta (b)), o vrtice (4, 2) continua timo, mas no limite, o vrtice vizinho (2, 3) tambm compartilha a otimalidade, assim como todos os pontos entre ambos.
x1 + x2 6 x1, x2
Nlio D. Pizzolato e Andr A. Gandolpho
30/08/04
1.19
Note na Figura 1.3 que o problema agora passa a ter um conjunto de mltiplas solues, consistindo nos pontos do segmento da reta x1 + x2, entre os pontos (2, 3) e (4, 2).
x1 + x2 6 x1, x2
Observe, na Figura 1.4, que o espao de solues passa a ser ilimitado e, portanto, o problema possui uma soluo ilimitada, pois a funo objetivo pode deslocar-se para a direita sem limitaes e aumentar infinitamente o valor de Z.
30/08/04
1.20
([HPSOR Ainda baseados nos Exemplos 1.6 e 1.7, acrescenta-se uma nova restrio, representada abaixo pela letra (e). Assim, tem-se o seguinte modelo de Programao Linear. Max Sujeito a: Z= 2x1 + 3x2 x1 + 2x2 8
2x1 + 3x2 6
x1 + x2 6 x1 + x2 7 x1, x2
Note na Figura 1.5 que, ao se acrescentar a restrio (e), passou-se a ter uma regio factvel incompatvel, ou inconsistente. Deste modo, o problema no tem soluo, pois o espao de solues vazio.
(0;6) x2
(b) (0;4) (2;3) (4,2) (0;5/3) Regio Factvel Regio Factvel Inconsistente
(-2,5;0)
(0,0)
(c)
(8,0)
(a) x1 1.21
30/08/04
9 Uma ou mais restries. Antes da declarao das restries e, depois de declarar o objetivo, deve-se colocar uma das
30/08/04
1.22
Para representar o fim do modelo, ao final das restries escrito END. Com a finalidade de que o LINDO entenda o modelo, algumas regras de sintaxe devem ser 9 Os nomes de cada varivel esto limitados no mximo oito caracteres; (>) ou (<) so interpretadas como () ou (), respectivamente. respeitas, como pode ser observado a seguir:
9 S podem ser utilizados cinco operadores algbricos: (+), (-), (>), (<) e (=). As restries com
9 No so aceitos parnteses como forma de indicar ordem de preferncia ou precedncia. As 9 Podem ser includos comentrios, desde que antecedidos do sinal de exclamao (!). 9 Qualquer declarao convertida internamente pelo LINDO em letra maiscula. variveis. 9 As restries ou a funo objetivo podem ocupar mais de uma linha. operaes so efetuadas da esquerda para a direita.
9 Apenas valores constantes sero considerados no lado direito das restries, no so aceitas
0HQX GH FRPDQGRV
Por estar sob o ambiente Windows, o LINDO possui algumas caractersticas comuns, como parte superior da sua tela principal: )LOH (GLW 6ROYH 5HSRUWV :LQGRZ ou +HOS. Ao pressionar o A seguir apresentado cada um destes comandos, seguido de uma descrio resumida. por exemplo, o acesso aos seus comandos. Os comandos esto distribudos em seis sub menus na
9 Save As (F6)
exemplo um modelo, uma janela 5HSRUWV :LQGRZ ou a janela &RPPDQG :LQGRZ. um arquivo revisado, mantendo o arquivo original intacto.
30/08/04
1.23
fecha uma janela que esteja ativa. Caso a janela contenha novos dados de Envia a janela ativa para ser impressa.
9 Log Output (F10) Envia toda a atividade que seria normalmente enviada para a janela 5HSRUWV :LQGRZV para um arquivo texto. Para desabilitar o comando /RJ 2XWSXW deve-se simplesmente selecionar novamente o comando.
9 Take Commands (F11) Seleciona um arquivo onde esto os comandos e texto para operao automtica. Um modelo pode ser colocado na memria, resolvido, e a soluo colocada na janela 5HSRUWV :LQGRZV e salva em um arquivo. Se for usado o comando %DWFK antes do modelo texto, o modelo e os comandos contidos no arquivo devero ser visveis na janela 9 Basis Read (F12) Recupera uma soluo para o modelo que foi salvo usando o comando %DVLV 9 Basis Save (Shift+F2) Salva a soluo em um modelo ativo para o disco com um nome de 9 Title (Shift+F3) Mostra o ttulo do modelo ativo, se um modelo foi includo com o opcional 9 Date (Shift+F4) Abre uma janela 5HSRUWV :LQGRZV e mostra a data corrente e o tempo 9 Elapsed Time (Shift+F5) Abre uma janela 5HSRUWV :LQGRZV e mostra o tempo total gasto na 9 Exit (Shift+F6) sesso corrente do LINDO. Encerra a sesso do LINDO. baseado no relgio do computador. procedimento 7,7/( no modelo. arquivo especificado. 6DYH . 5HSRUWV :LQGRZV , assim como a soluo.
9 Paste (Crtl+v)
9 Find/Replace (Ctrl+F)
1.24
9 Paste Symbol (Ctrl+P) Permite colar nomes de variveis e smbolos reservados na janela 9 Select All (Ctrl+A) 9 Choose New Font 9 Clear All ativa. Seleciona todo o contedo da janela ativa para corta ou copiar. Seleciona a nova fonte para o texto na janela ativa.
9 Options (Alt+O)
9 Compile Model (Ctrl+E) Transforma o modelo que est na forma aritmtica na janela ativa para automaticamente compilados quando usa-se o comando 6ROYHU . o formato requerido pelo mdulo VROYHU do LINDO. Os modelos tambm so
9 Debug (Ctrl+D) Ajuda a determinar problemas em modelos infactveis ou ilimitados. Conjuntos (linhas) necessrios e suficientes podem ser identificados, assim como restries 9 Pivot (Ctrl+N) cruciais (aquelas que tornam um modelo infactvel factvel se retiradas do modelo). LINDO realiza um prximo passo no processo de soluo do modelo, Realiza otimizao lexicogrfica (um tipo de programao por permitindo que problemas de programao linear sejam resolvidos passo a passo. metas) no modelo.
9 Statistics (Alt+3) Mostra estatsticas chaves para o modelo na janela ativa. 9 Peruse (Alt+4) Usado para ver relatrio nas pores selecionadas da soluo ou estrutura do modelo corrente.
Nlio D. Pizzolato e Andr A. Gandolpho 30/08/04
1.25
9 Picture (Alt+5)
Cria um mostrador do modelo corrente na forma de matriz. Os coeficientes Mostra um relatrio no formato texto com uma figura da base
corrente, ordenando as linhas e colunas de acordo com a ltima inverso ou triangularizao realizada pelo mdulo VROYHU do LINDO. O relatrio %DVLV 3LFWXUH enviado para a janela 9 Tableau (Alt+7) Mostra o tableau simplex para o modelo ativo. Isso permite a observao do 9 Formulao (Alt+8) algoritmo Simplex em cada passo. Mostra todo, ou partes selecionados, o modelo na janela Reports . Mostra uma coluna selecionada sem o resto do modelo. Reports .
9 Positive Definite Confere para uma garantir da otimalidade global no modelo quadrtico.
onde o usurio pode entrar com comandos pelo prompt. Abre a janela de Status do Solver do LINDO, que mostra informao cobre o status do otimizador, do tipo nmero de iteraes e tempo gasto na otimizao. Esta Transfere para o ltimo lugar a primeira janela.
9 Cascade (Alt+A) Arruma todas as janelas abertas em forma de cascata do canto superior esquerdo at o inferior direito, com a janela ativa no topo. Move os icons representando as janelas minimizadas tal que elas so
9 Close All (Alt+x) Fecha todas as janelas ativas. 9 Arrange Icons (Alt+I) arrumadas na parte inferior da janela.
9 List of Windows Na parte inferior do menu Window mostrada uma lista de janelas abertas. A janela ativa checada.
Mostra os contedos da seo de ajuda. Busca na seo de ajuda por uma palavra ou tpico.
30/08/04
1.26
9 TITLE <Ttulo> Permite que o usurio coloque um ttulo no modelo. O ttulo pode ser ento mostrado usando o comando 7LWOH no menu File.
9 QCP <restrio> Indica a primeira restrio real num modelo de Programao Quadrtica.
1.27
3ODQWD
&XVWR [ 15 10 9 7
+RUDV GH 7UDEDOKR 2 3 4 5
0DWpULD3ULPD 3 4 5 6
Note que foi colocado primeiro o problema em termos empresariais, ou seja, como o pessoal da gerncia de um fbrica enxerga o problema que eles tem. Depois disso, ser dado um segundo passo, que transcrever essa estria descrita em portugus para a linguagem matemtica, ou seja, a formulao do problema em termos de um modelo matemtico. )RUPXODomR Note que uma das metas deste problema determinar o nmero de carros a serem produzidos. Portanto, esta uma incgnita, ou varivel, e pode-se identific-la no problema como xi = no de carros produzidos na planta i. Conforme est descrito no enunciado, deve-se produzir os carros em 4 plantas diferentes, as quais diferem basicamente no custo de produo. Ento, a funo objetivo, expressa em milhares de Reais, pode ser escrita como a soma do nmero de carros produzidos em cada planta multiplicado pelo custo de produo. Alm disso, deve-se identificar as equaes que esto restringindo o nosso problema. Primeiramente v-se que a indstria deve produzir a quantidade exata de 1000 automveis, com isso monta-se a 1a restrio. Num segundo passo tem-se que a quantidade a ser produzida pela planta 3 tem que ser de pelo menos 400 unidades, que est refletido na 2a restrio, onde apenas est relacionada a varivel x3, que a quantidade produzida na planta 3. A seguir colocado que o nmero de horas de trabalho gastas para produzir os automveis no podem exceder a 3300, os coeficientes desta equao so retirados diretamente da tabela apresentada, na linha de horas de trabalho. Por fim, coloca-se a quantidade total de matria prima a ser gasta na produo dos 1000 veculos, da mesma forma utilizam-se os coeficientes da coluna de matria prima para descrever esta equao. Desta forma, tem-se o seguinte problema de programao linear: MIN z = 15 x1 + 10 x2 + 9 x3 + 7 x4 ST x1 + x2 + x3 + x4 = 1000 x3
400
quantidade total a ser produzida pela fbrica quantidade a ser fabricada na planta 3 total de horas a serem gastas total de matria prima gasta
30/08/04
1.28
Na Figura 1.6 mostrado como fica o modelo no editor de LINDO. Observe que o modelo foi escrito da mesma forma como acima, apenas foram modificadas as inequaes, colocando-se > no lugar de H QR OXJDU GH
5HVROXomR
O prximo passo depois da formulao matemtica resolver o problema e, para isso utilizado o LINDO. A tela de entrada deste pacote amigvel, parecido com o de um editor de necessrio utilizar o menu 6ROYH , em seguida aparecer um menu com diferentes opes, devendo textos. Como descrito na seo de comandos, para obter-se uma soluo neste software,
instantes. Para se ter uma idia, encontra-se na Figura 1.7 a tela de sada, chamada de 5HSRUWV
ser selecionado o comando 6ROYH. A soluo para este problema pequeno obtida em poucos
30/08/04
1.29
Como pode ser observado, esta a tela com os resultados obtidos no Software LINDO Agora ser feita uma interpretao destes resultados, colocando-os em termos prticos, ou seja, num formato que os leigos em programao matemtica possam entender. ,QWHUSUHWDomR Note na Figura 1.7 que, a primeira frase que aparece na soluo do problema exemplo o status, ou seja, se a soluo tima factvel ou se ela infactvel, e, quantas iteraes foram necessrias para se alcanar essa resposta. Isso aparece bem descriminado como LP OPTIMUM FOUND AT STEP 3. Na linha seguinte encontra-se o valor final (timo) para a funo objetivo, $11.600, ou seja, o valor mnimo para a produo dos veculos. Os valores das variveis de deciso aparecem logo abaixo da linha VARIABLE. Esta linha est dividida em duas colunas, a 1a informa a quantidade a ser produzida por cada uma das plantas. A 2a coluna aparece o custo reduzido (reduced cost). Esta coluna apresenta os valores que devemos reduzir o custo de produo de cada automvel deve ser reduzido de forma a ser factvel produzirmos naquela planta. No caso, apenas a 4a planta no produziu e, para ela passar a produzir necessrio uma reduo de 7 unidades no seu custo de produo, ou seja, ela teria custo zero. Em seguida aparece outro bloco, onde colocada a situao de cada linha, a partir desses valores podemos saber se as restries que esto sendo atendidas com ou sem folga. A folga das
Nlio D. Pizzolato e Andr A. Gandolpho 30/08/04
1.30
restries indica o quanto se pode alterar os valores delas e, o que isso representa em termos de acrscimo no valor funo objetivo. Esta parte j a anlise de sensibilidade que o prprio programa computacional faz do problema. A Figura 1.8 mostra a tela que apresenta o resultado das faixas de variao dos coeficientes:
Primeiramente observa-se uma linha indicando que sero apresentadas as faixas nas quais a base no mudada, ou seja, a soluo permanece tima. A segunda linha indica que sero apresentadas as faixas de cada coeficiente. Este bloco est dividido em 4 colunas, a 1a coloca em ordem as variveis correspondentes, a 2a mostra os coeficientes da varivel em cada linha de restrio. As colunas seguintes so, ALLOWABLE INCREASE (AI) e ALLOWABLE DECREASE (AD), que mostram respectivamente a quantidade de aumento e decrscimo possveis nos coeficientes das variveis ou no RHS das restries, sem com isso altera-se a soluo encontrada. Analisando, por exemplo, a varivel de deciso X4, esta varivel possui um coeficiente associado 7.0, e AI infinito e AD 7.0, esta informao permite saber que esta varivel pode ter o seu coeficiente alterado dentro desses valores sem acontecerem mudanas na base, ou seja, sem que se mudem os valores das outras variveis. Observe que a varivel X4 no est sendo utilizada e, segundo o AI, pode-se aumentar infinitamente o seu valor que nada acontecer, isso faz sentido, visto que se esta varivel no est sendo utilizada, se for aumentado o seu coeficiente (que corresponde ao seu custo de produo) ela continuar sendo desinteressaste. Ao contrrio, se for diminudo de 7.0 o seu coeficiente, ela passar a ser de
Nlio D. Pizzolato e Andr A. Gandolpho 30/08/04
1.31
interesse para o problema. Note que, ao se diminuir o seu preo desse valor, ele passa a ter valor zero, ou seja, a planta 4 s produzir automveis se o seu custo cair a zero, o que parece ser um indcio de que tem algo de estranho nessa planta, muito provavelmente os custos de produo esto muito altos. Este tipo de anlise possvel sem uma nova otimizao. O prximo bloco de faixas de variao mostra as faixas para o RHS, ou lado direito das restries. exatamente o lado onde se colocam as constantes. Este bloco tambm apresenta 4 colunas, onde a 1a descreve o nmero das restries e a 2a coloca o valor da constante do lado direito. Em seguida, aparecem as colunas AI e AD, conforme acontece no bloco anterior. Observe a ltima linha, da restrio de matria prima gasta. Neste caso foi colocado que poderamos gastar 4000 unidades. Na coluna do AI tem-se que um aumento de 300 unidades no altera a soluo, bem como um decrscimo de 200 unidades (segundo a coluna de AD). Isto evidencia uma possvel sobra de matria prima, ou seja, pode-se enxugar a produo em 200 unidades sem se alterar a produo dos 1000 veculos. Desta forma, possvel descrever, de forma elementar, os resultados matemticos em linguagem mais acessvel para os gerentes da fbrica de automveis tomarem as decises. Baseados nos resultados e nas faixas de variao possvel fazer algumas alteraes no problema original, alm de identificar possveis problemas e custos altos em uma planta.
2x1 3x2 3 x1 + 3x2 6 x1, a) Min z = 2x1; b) Max z = 4x2; A Fusca S.A. produz dois modelos de automveis: Sedan e Utilitrio. A tabela seguinte mostra o nmero mximo de veculos que pode ser vendido em cada um dos prximos trs meses: 0rV 0rV 0rV 6HGDQV 1200 1600 1300 8WLOLWiULRV 600 700 500 c) Max z = 3x1 + 3x2 x2 Determine graficamente a soluo tima nos seguintes casos:
30/08/04
1.32
Sabe-se que cada Sedan vendido por $8.000 e custa $6000 para produzi-lo. Cada utilitrio vendido por $9000 e tem custo de produo de $7500. O custo de manter um veculo de um ms para o outro de $250 pelo Sedan e $300 para o Utilitrio. Durante cada ms, no mximo 1500 veculos podem ser produzidos e, por restries da produo, pelo menos 2/3 dos carros produzidos devem ser Sedans. No incio do ms 1 h 300 Sedans e 200 utilitrios em estoque. a) Formule um problema de programao linear que maximize o lucro da Fusca S.A.. Sugesto: Defina variveis para as quantidades produzidas, as vendidas e o estoque no final do ms i, de Sedan e de Utilitrio. b) Suponha que exista a possibilidade de produzir at 600 veculos em horas-extras. Entretanto, tal produo provoca um aumento de $800 no custo de cada unidade. Mostre como incorporar tal deciso no modelo de programao linear. Salim El Sharif acabou de abrir uma loja no Saara e pretende administrar seu negcio da melhor forma possvel. No momento ele possui $1000 em espcie e, para os prximos seis meses, suas receitas e despesas esto estimadas em: 5HFHLWDV -XOKR 1000 2000 2000 4000 7000 9000 'HVSHVDV 5000 5000 6000 3000 2000 2000
$JRVWR
Com a ajuda de bons fiadores, ele conseguiu apoio para financiamento bancrio que envolve o seguinte: a) No incio do ms de julho, ele pode obter um emprstimo por seis meses para ser pago no final do ms de dezembro com juros de 12% sobre o valor emprestado; b) Tomar emprstimos ms a ms ao custo de 4% ao ms, ou seja, recebe no incio do ms e paga no final do mesmo ms; c) Aplicar os excedentes de caixa no prprio banco na base ms a ms, recebendo 1% de juros a cada ms. Formule um programa de programao linear que permita ao Salim minimizar os juros totais lquidos (os pagos menos os recebidos). Sugesto: Defina uma varivel para cada instrumento financeiro disponvel.
Nlio D. Pizzolato e Andr A. Gandolpho 30/08/04
1.33
Um fabricante de sapatos prev a seguinte demanda para os prximos 6 meses: 0rV 3DUHV 5000 6000 5000 9000 7000 5000
Um sapateiro leva cerca de 30 minutos para produzir um par de sapatos e trabalha 150h/ms e, eventualmente, um mximo de 30 horas/ms de horas-extras. O salrio de um sapateiro de $2000/ms mais $50 por cada hora extra. O custo de manter um sapato em estoque estimado em $1 por sapato (aplicado ao nvel e estoque ao fim do ms). Por razes tcnicas, o nmero mximo de operrios que pode trabalhar simultaneamente 20. O estoque inicial de 1000 sapatos e ao fim do 6o ms a companhia deseja ter um estoque mnimo de 2000 sapatos. a) Estabelea um modelo de programao linear para determinar o nvel de mo de obra a empregar a cada ms e as horas extras trabalhadas, de forma a atender a demanda ao menor custo. (sugesto: defina variveis para o nmero de operrios, para o total de horas extras e para o nvel de estoque ao fim do ms.) b) Suponha que haja uma penalidade para a variao mensal do nmero de operrios, ou seja, para todo recrutamento h um custo de $770 por operrio, e um custo de $1000 por operrio demitido. No ms inicial h 15 operrios. Como adequar o modelo anterior para incorporar estes elementos? Durante os prximos seis meses, o artesanato Itaipava deve atender os seguintes compromisso de sua seo de malharia: Ms Janeiro Maro Abril Maio Junho Peas 4000 5000 1000 4000 2000
Fevereiro 2000
30/08/04
1.34
Ao final do ms de dezembro corrente, h 300 peas em estoque e a empresa s tem capacidade para produzir 3000 peas mensais. No incio de cada ms, a empresa tem a possibilidade de aumentar a sua capacidade produtiva de K peas no ms, ao custo de $200K, sendo que o valor de K pode ser escolhido livremente. A empresa tambm pode subcontratar a produo de peas com malharias da regio. At 100 peas mensais podem ser subcontratadas (terceirizao) ao custo unitrio de $2500 por pea. O custo varivel de produzir uma pea de $2000 e o custo de manter em estoque $150 por pea em estoque no fim de cada ms (custo mdio aproximado). Formule um problema de programao linear para minimizar os custos totais incorridos ao longo dos seis meses. Sugesto: defina as variveis xt, it, kt e pt para indicarem respectivamente, a produo prpria no ms t, o estoque ao final do ms t, a capacidade produtiva alugada e a produo subcontratada. Uma firma deseja localizar seus pontos de suprimento para as obras em execuo. H quatro localizaes possveis (L1, L2,L3,L4) e o custo de localizao de Li Ki. Existem 9 obras em execuo e as conexes possveis entre os postos de suprimentos e obras so as indicadas na figura esquemtica.
L2 O2 O5 O3 L3 O6 O8 O7 L4 O9
O1 L1
O4
a) Determine a localizao dos depsitos de suprimento de forma que o custo total seja minimizado. b) Suponha todos os pontos de suprimentos abertos(ignore os custos Ki), seja cij o custo de transportar uma unidade de materiais de construo do depsito Li obra Oj quando a ligao possvel (i = L1, L2,L3,L4) e (j = O1, O2, O3, O4, O5, O6, O7, O8, O9). Suponha que, ao longo de um perodo de planejamento, a demanda da obra seja Oj seja dj e a capacidade do depsito Li seja ci unidades. Alm disso, toda unidade armazenada no depsito Li recebe um custo i. Formule um programa de Programao Linear que otimize o processo de distribuio dos materiais de construo.
Nlio D. Pizzolato e Andr A. Gandolpho 30/08/04
1.35
A empresa Natureba Ltda produz dois tipos de alimentos energticos denominados Natur-Copa
e Natur-Ipa, ambos feitos com uma mistura de cereais (CEREAL) e mistura de vitaminas em p (VITAMIN) com densidades e de peso aproximadamente iguais. No caso do energtico Natur-Copa, ele feito com um mnimo de 70% de CEREAL e o Natur-Ipa tem pelo menos 60% de VITAMIN. Natur-Copa vendido por $1,10 cada pacote de 100g e Natur-Ipa por $1,40 o pacote de 100g. O mercado de vendas de ambos ilimitado. A empresa s consegue comprar um mximo de 150Kg mensais de CEREAL a $3,00/Kg e um mximo de 150Kg mensais de VITAMIN a $5,00/Kg. Formule um programa linear que maximize o lucro.
A partir de dados anteriores, o gerente de produo sabe que a variao do nvel de produo
provoca custos adicionais. Ele estima que seus custos por unidade aumentaram em $0,50 quando a produo aumentada de um ms para o outro. Analogamente, a reduo da produo da produo aumenta os custos em $0,25 por unidade. Um ritmo de produo constante , portanto, desejvel. Previses de vendas para os prximos doze meses so (unidades em milhares): 9HQGDV 0rV -DQ )HY 0DU $EU 0DL -XQ -XO $JR 6HW 2XW 1RY 'H]
A produo de dezembro, em andamento, de 4000 unidades e o estoque de 1o de janeiro dever ser de 2000 unidade. O estoque mximo de 10.000 unidades, por motivos de escassez espao. Ignorando custos de armazenagem, formule um plano de produo para o prximo ano que minimize os custos de mudana de ritmo de produo mas que satisfaa as vendas previstas. (Sugesto: Expresse a mudana de produo do ms t para o ms t+1 em termos de variveis no negativas [ + , [ , como [ + [ . A varivel [ + o aumento de produo e [ a diminuio. possvel que ambos sejam timos na soluo tima? Defina variveis para a produo no ms t e para o estoque ao fim do ms t).
30/08/04
1.36
6:00 10:00 10:00 14:00 14:00 18:00 18:00 22:00 22:00 2:00 2:00 6:00
a) O hospital deseja determinar o nmero mnimo de enfermeiras a contratar, mas de forma que haja para todo o perodo o nmero mnimo, ou mais, de enfermeiras em atividade. Suponha que todas as enfermeiras cheguem ao hospital no incio de seu turno e trabalhe durante 8 horas consecutivas. Formule este problema em termos de programao linear. b) Suponha que acordos trabalhistas permitam que o hospital determine que at metade das enfermeiras que iniciam em cada turno faa 4 horas extras, com 90% de adicional salarial durante o turno extra. Supondo que toda enfermeira tenha o mesmo salrio(exceto o adicional de hora extra), formule o problema acima como um problema de programao linear na qual o objetivo a minimizao da massa salarial.
3HUtRGR
7XUQR FLFOR GH KV
1 0tQLPR GH HQIHUPHLUDV 60 70 60 50 20 30
30/08/04
1.37