UNIPAC Araguari FACAE - Faculdade de Cincias Administrativas e Exatas

SISTEMAS DE INFORMAO

SAD Sistemas de Apoio Deciso 2011/02

Aula Cinco
crishamawaki@yahoo.com.br

Modelos de deciso

Sistemas de Apoio Deciso

Modelos de deciso
Um modelo uma representao simplificada da realidade. A realidade demasiado complexa para poder ser representada na sua totalidade. Parte dessa complexidade irrevelante para a resoluo do problema especifico.

A maior caracterstica de um SAD a incluso de modelos.

Sistemas de Apoio Deciso

Modelos de deciso
Objectivo Descreve Funo Explica Estado Prev Forma Porque que o sistema existe?

Como que funciona?

O que est a fazer?

Qual o seu aspecto?

5

Sistemas de Apoio Deciso

Modelos de deciso
Um modelo um mecanismo para prever o resultado de sada de um sistema real, sob determinadas condies especificadas pelos dados de entrada do modelo, sem que se tenha que usar o prprio sistema real.

A estrutura do modelo descreve a forma do sistema e o comportamento do modelo explica o seu funcionamento.

Sistemas de Apoio Deciso

Modelos de deciso
De acordo com o seu grau de abstraco, os modelos podem ser classificados em 3 grupos diferentes:
Abstraco

Icnicos Analgicos Matemticos ou quantitativos

Sistemas de Apoio Deciso

Modelos de deciso
Icnicos - os menos abstractos - constituem uma rplica fsica do sistema, normalmente a uma escala diferente da original. Exemplos: 3D (um automvel, uma maquete de um edifcio) e 2D (fotografias). Analgicos - no se parecem com o sistema real, mas comportam-se da mesma forma. So mais abstractos e constituem representaes simblicas da realidade. Exemplos: grficos de barras, organogramas, mapas. Matemticos ou quantitativos - a complexidade das relaes existentes entre as diversas componentes de um sistema no pode muitas vezes ser representadas atravs de imagens, sendo necessrias formas mais abstractas de representao matemtica. A maior parte dos SADs usam modelos matemticos.
Sistemas de Apoio Deciso 8

Vantagens do uso de modelos

Permitem a compresso do tempo - actividades que em tempo real demorariam anos podem ser simuladas em alguns minutos. Os custos de uma anlise do modelo so muito reduzidos em relao aos custos de uma experincia similar conduzida no sistema real. Os custos dos erros produzidos durante as experincias so mais reduzidos quando se usam modelos, evitando as mudanas irreversiveis. Permitem uma manipulao mais fcil e segura do sistema. Permitem o clculo do risco, devido incerteza, envolvido em certas aces. Permitem a anlise de um nmero quase infinito de possveis solues. Favorecem a aprendizagem.
Sistemas de Apoio Deciso 9

Modelos quantitativos
Componentes bsicas: Variveis de deciso, Parmetros, Resultados ou variveis de sada. As variveis de deciso descrevem as possveis alternativas. Os parmetros representam factores que influenciam os resultados, mas que esto fora do controlo do decisor, pois so determinados por factores externos ao sistema. Exemplo: manufactura - Custo total ou lucro, Quanto produzir?, capacidade da mquinas e preo das matrias primas.
Sistemas de Apoio Deciso 10

Modelos quantitativos
Os componentes dos modelos quantitativos esto relacionados por relaes matemticas expressas por equaes ou inequaes. Exemplos: Modelo financeiro Lucro = Ganhos Custos

Modelos de programao linear ...

Sistemas de Apoio Deciso

11

Modelos quantitativos
Componentes operacional: bsicas dos modelos de investigao

Variveis de deciso cujos valores, que descrevem as possveis alternativas, se pretende determinar. Funo objectivo que corresponde a uma funo matemtica das variveis de deciso e que mede a performance de cada alternativa. Restries funes matemticas que restringem os valores que cada varivel de deciso pode tomar. Parmetros correspondem s contantes existentes nas expresses matemticas das restries ou da funo objectivo e representam factores que influenciam os resultados, mas que podem estar fora do controlo do decisor, pois so determinados por factores externos ao Sistemas de Apoio Deciso sistema.

12

Modelos quantitativos

Ao utilizar um modelo matemtico de investigao operacional na resoluo de um problema, este resume-se a escolher um conjunto de valores para as variveis de deciso que maximize (minimize) o valor da funo objectivo, respeitando as restries impostas.

Sistemas de Apoio Deciso

13

Programao linear
A programao linear uma tcnica matemtica que permite resolver problemas de alocao de recursos escassos entre actividades em competio por esses mesmos recursos. O problema consiste em encontrar o valor das variveis de deciso que garantem a maximizao (ou minimizao) do resultado, estando sujeitas a algumas restries (expresses lineares) que dependem de determinados parmetros. As relaes matemticas entre estas variveis so todas funes lineares. A palavra programao, neste contexto, significa planeamento. Processo de resoluo: Mtodo simplex (George Dantzig, 1947).
Sistemas de Apoio Deciso 14

Programao linear
Exemplo: Uma fbrica pretende produzir dois produtos, o produto 1 e o produto 2. Ambos os produtos passam por trs fases de desenvolvimento durante o processo de manufactura, cada uma das quais se realiza num departamento diferente. No prximo ms, cada um dos departamentos tem um determinado nmeros disponvel de horas por mquina, para ser utilizado na concepo destes dois produtos. Por sua vez, cada um dos produtos requer, por unidade, um dado tempo de utilizao de cada mquina. Departamentos
1 Tempo disponvel (h) Tempo requerido por unidade (h) Produto 1 Produto 2 4 1 0 2 12 0 2 3 18 3 2

Para manter o problema simples, vamos assumir que os custos de produo de cada produto so constantes, independentemente da quantidade produzida. Supondo que o lucros, por unidade, de cada produto so de 3 para o produto 1 e 5 para o produto 2, queremos determinar qual o nmero de unidades de cada um dos produtos que a fbrica deve produzir, no prximo ms, de modo a obter o maior lucro possvel.
Sistemas de Apoio Deciso 15

Programao linear
Formulao matemtica do problema: Variveis de deciso: x1 e x2 representam o nmero de unidades dos produtos 1 e 2 respectivamente, a serem produzidas. Funo objectivo: Restries: Maximizar x1 <= 4 2x2<= 12 3x1 + 2x2 <= 18 x1, x2 >= 0
Sistemas de Apoio Deciso 16

Z = 3x1 + 5x2

Programao linear
Representao grfica do problema
x2 3x1 + 2x2 = 18 8 x1 = 4

2x2 = 12

x1

Sistemas de Apoio Deciso

17

Programao linear
Representao grfica do problema
x2

Z = 36 = 3x1 + 5x2

8 (2, 6)

6 Z = 20 = 3x1 + 5x2 4 Z = 10 = 3x1 + 5x2 2

x1

Sistemas de Apoio Deciso

18

Programao linear
Mtodo simplex
Estrutura algortmica Inicializao Iterao Teste de optimizao Fim Processo algbrico em que cada iterao envolve a resoluo de um sistema de equaes de modo a obter uma nova soluo que ser testada atravs do teste de optimizao.
Sistemas de Apoio Deciso

19

Programao linear
Representao grfica do problema
x2 (0, 9)

8 (0, 6) (2, 6) (4, 6)

Solues admissveis correspondentes a um vrtice da regio de solues admissveis: (0, 0), (0, 6), (2, 6), (4, 3) e (4, 0) Solues no admissveis correspondentes a um vrtice fora da regio de solues admissveis : (0, 9), (4, 6) e (6, 0)
8 x1

4 (4, 3) 2 (6, 0) (0, 0) 2 4 (4, 0) 6

As solues admissveis correspondentes a um vrtice da regio de solues admissveis dizem-se adjacentes quando se podem ligar atravs de um nico segmento de recta.
Sistemas de Apoio Deciso 20

Programao linear
Propriedades das solues admissveis correspondentes a vrtices da regio de solues admissveis: 1. Se houver uma soluo ptima ela corresponde a um vrtice da regio de solues admissveis. 2. Se houver mltiplas solues ptimas, ento pelo menos duas correspondem a vrtices adjacentes da regio de solues admissveis. 3. H apenas um nmero finito de vrtices da regio de solues admissveis (e, portanto das correspondentes solues admissveis). 4. Considerando um vrtice da regio de solues admissveis e a correspondente soluo admissvel, se a nenhum dos vrtices a ele adjacentes corresponder uma soluo melhor (medida atravs de Z), ento no existe nenhuma soluo melhor e, portanto esta uma soluo ptima. Sistemas de Apoio Deciso

21

Programao linear
Propriedade 1 e 2 A busca da soluo ptima resume-se anlise de apenas as solues admissveis correspondentes a vrtices da regio de solues admissveis. Propriedade 3 Portanto apenas existe um nmero finito de solues a considerar. Propriedade 4 Fornece um conveniente teste de optimizao.
Sistemas de Apoio Deciso 22

Programao linear
Mtodo simplex Examina apenas um nmero relativamente pequeno de solues admissveis e pra assim que alguma satisfizer o teste de optimizao expresso pela propriedade 4. 1. Inicializao: Comea por uma soluo admissvel correspondente a um vrtice da regio de solues admissveis. 2. Iterao: Passa para outra soluo admissvel correspondente a um vrtice adjacente da regio de solues admissveis. (Passo repetido at a soluo corrente satisfazer o teste de optimizao). 3. Teste de optimizao: A soluo corrente uma soluo ptima se nenhuma das solues adjacentes for melhor.
Sistemas de Apoio Deciso 23

Caso Pizzaria Brasil

Um pizzaiolo trabalha 8 horas por dia e faz 16 pizzas por hora, caso faa somente pizzas, e 9 calzones por hora, se fizer somente calzones. Ele gasta 40 gramas de queijo para preparar uma pizza e 60 gramas de queijo para fazer um calzone. Sabendo-se que o total disponvel de queijo de 5 quilogramas por dia, e que a pizza vendida a R$ 18,00 e o calzone a R$22,00, pergunta-se: quantas unidades de pizzas e calzones uma pizzaria com trs pizzaiolos deve vender diariamente para maximizar a sua receita? Resolva utilizando a forma grfica e os teoremas I, II e III apresentados.

Caso Pizzaria Brasil

Soluo - Modelagem

Hiptese do modelo
Todas as pizzas e calzones produzidos so vendidos, isto , no existe sobre ou perda. Os trs pizzaiolos tem a mesma performance.

Variveis de Deciso
x1 Quantas pizzas devemos fazer x2 Quantos calzones devemos fazer

Caso Pizzaria Brasil

Soluo - Modelagem Funo-Objetivo
Max Receita = 18x1 + 22x2

Receita proveniente da pizza = preo x nmero de pizzas produzidas Receita proveniente do calzone = preo x nmero de pizzas produzidas

Caso Pizzaria Brasil

Soluo - Modelagem
Restrio de Queijo

40x1 + 60x2 5000

Restrio de Produo

1 1 x1 + x2 24 16 9
trs pizzaiolos / 8 horas por dia

Restrio de No Negatividade

x1 , x2 0

Caso Pizzaria Brasil

Modelo e a Soluo Grfica
Max 18 x1 + 22 x2 st 40 x1 + 60 x2 5000 1 1 x1 + x2 24 9 16 x1 , x2 0
125 384 216

Redundante

Caso Pizzaria Brasil

Modelo e a Soluo Grfica
Funo-Objetivo Funo 2500 2000 1500 1000 500 0 A B C

B (0;250/3) Soluo tima C (125 ; 0) A (0;0)

Ponto A B C

x1
0 0 125

x2
0 250/3 0

z
0 1833 2250

Caso Pizzaria Brasil

Soluo Alternativa - Modelagem
Hiptese do modelo Todas as pizzas e calzones produzidos so vendidos, isto , no existe sobre ou perda. Os trs pizzaiolos tem a mesma performance. Variveis de Deciso x1 Quantas horas devem ser alocadas na produo de pizza x2 Quantas horas devem ser alocadas na produo de calzones

Caso Pizzaria Brasil

Soluo Alternativa - Modelagem
Funo-Objetiva Max Receita = (18 x 16)x1 + (22 x 9)x2

Receita proveniente da pizza = preo x nmero de pizzas produzidas hora x nmero de horas de produo de pizza Receita proveniente do calzone = preo x nmero de pizzas produzidasx nmero de horas de produo de pizza

Caso Pizzaria Brasil

Soluo Alternativa - Modelagem
Restrio de Queijo

(40 16) x1 + (60 9) x2 5000

Restrio de Produo

x1 + x2 24

Restrio de No Negatividade

x1 , x2 0