Você está na página 1de 38

Captulo

Modelagem de Problemas Gerenciais

02/38

O que um modelo?
Um modelo uma representao da realidade

y=ax+b

03/38

Processo de modelagem

Aquisio de Dados

Escolha da Estrutura

Estimao do Modelo

Validao

04/38

MODELO NO PROCESSO DE DECISO

PERCEPO

RECONHECIMENTO DO
PROBLEMA

CRIAO DE
ALTERNATIVAS

CRITRIOS DE
AVALIAO

AVALIAO
DAS ALTERNATIVAS

DECISO

05/38

FACILIDADES OFERECIDAS PELOS MODELOS:


Visualizao da estrutura do sistema real
Representao das informaes e suas inter-relaes
Sistemtica de anlise e avaliao do valor de cada
alternativa
Instrumento de comunicao e discusso com outras
pessoas.

06/38

MODELOS MENTAIS PARA PROBLEMAS SIMPLES:


Todas as pessoas normais utilizam experincia, conhecimento e
racionalidade para avaliar as conseqncias de cada alternativa:
TODOS POSSUEM SEU PRPRIO MODELO MENTAL DE
DECISO
MODELOS FORMAIS:

Necessrios para problemas mais complexos


Complementam os modelos mentais dos gerentes
Estruturas lgicas e ordenadas para avaliar conseqncias

07/38

VARIVEIS
TIPOS:
 VARIVEIS DE DECISO: Fornecem a base para a

deciso
 CONTROLVEIS OU ENDGENAS: Geradas pelo

modelo, dependem dos dados e informaes e da estrutura


do modelo
 NO-CONTROLVEIS OU EXGENAS: So fatores ou

dados externos ou condies que devem ser obedecidas

08/38

TIPOS DE MODELO

 CONCEITUAIS: Relacionam informaes e fases do


processo decisrio

 HEURSTICOS: Baseados em regras empricas ou


experimentais

 SIMBLICOS ou MATEMTICOS: Informaes podem


ser quantificadas

09/38

Modelos Conceituais

Relacionam de maneira sequencial e lgica as


informaes e as fases do processo de deciso, de
modo a permitir o desenvolvimento controlado e
consistente com os objetivos que se tem em mente.
Exemplo: o prprio modelo de aplicao de
tcnicas de Pesquisa Operacional (ANDRADE,
2009).

10/38

Modelos Heursticos


So construdos quando a complexidade do


problema de tal ordem que a utilizao de relaes
matemticas torna-se impraticvel ou extremamente
dispendiosa.
Esses modelos baseiam-se em regras empricas ou
intuitivas que, dada determinada soluo para o
problema, permitem o avano para outra soluo
mais aprimorada.

11/38


So basicamente procedimentos de busca


inteligente de estados do processo de deciso
sempre em direo ao aumento do valor do critrio
escolhido.
Os modelos construdos com base nas tcnicas de
inteligncia artificial so modelos heursticos
(ANDRADE, 2009).


Importante:
Um algoritmo heurstico abdica da garantia de achar a melhor
soluo, para que uma soluo possa ser encontrada
rapidamente em tempo de execuo.

12/38

Exemplo:
Modelagem de uma Planta Piloto utilizando RNAs
Caractersticas: Processo biolgico,no estacionrio e
altamente no linear

13/38

Pr-tratamento
Reator de Manta de Lodo UASB

Linha 1
Lodos Ativados Convencional

14/38

Linha 2
Lodos ativ.aerao alternada

Linha 3 e 4
Filtro Biolgico e Anaerbio

Modelo

15/38

Dados
% Dados amostrados de minuto em minuto
XE-001

0
1
2
3
4
5
6
7
8
9
10

41.90476
42.46642
42.36874
42.36874
42.3199
42.41758
42.53968
42.71062
42.63736
42.73504
42.88156

XE-00

PHE-001

31.37973
32.16117
30.89133
29.32845
29.23077
31.20879
30.15873
29.67033
29.40171
29.42613
30.64713

6.557998
6.56044
6.559218
6.557998
6.56044
6.56044
6.561661
6.561661
6.56044
6.557998
6.557998

Resultado
P H da s ada (filtrado)
6.595

6.59

6.585

6.58

6.575

6.57

6.565

6.56

20

40

60

80

100

120

Turbidez da sada (filtrada)


38

16/38

36

34

32

30

28

0
1
2
3
4
5
6
7
8
9
10

41.90476
42.46642
42.36874
42.36874
42.3199
42.41758
42.53968
42.71062
42.63736
42.73504
42.88156

31.37973
32.16117
30.89133
29.32845
29.23077
31.20879
30.15873
29.67033
29.40171
29.42613
30.64713

6.557998
6.56044
6.559218
6.557998
6.56044
6.56044
6.561661
6.561661
6.56044
6.557998
6.557998

26

24

20

40

60

80

100

120

Turbidez da entrada (filtrada)


1300

1250

1200

1150

1100

1050

1000

20

40

60

80

100

120

17/38
Aplicao:
Predio 2 horas a frente
(120 pontos)

Turbidez de sada real e simulada

0.9

0.9
0.8

0.7

0.7

0.6

0.6

amplitude

amplitude

0.8

0.5
0.4

dados reais

0.3

dados reais

0.5
0.4
0.3

0.2

0.2

predio

0.1
0

Turbidez de sada real e simulada

100

200

300

400

tempo(min)

500

predio

0.1

600

700

0
560

580

600

620

tempo(min)

640

660

18/38

Modelos Simblicos ou Matemticos




Baseiam-se no pressuposto de que todas as


informaes e variveis relevantes do problema de
tomada de deciso podem ser quantificadas. Isso
nos leva a utilizar smbolos matemticos para
represent-las e a usar funes matemticas para
descrever as ligaes entre elas e a operao do
sistema.

19/38

MODELOS MATEMTICOS:
MODELO APROPRIADO DEPENDE DE:

 Natureza matemtica das relaes entre variveis


 Objetivos da deciso
 Extenso do controle sobre as variveis de deciso
 Nvel de incerteza associado ao ambiente da deciso

Tipos de modelos matemticos:


MODELOS DE SIMULAO
MODELOS DE OTIMIZAO

20/38

MODELOS DE SIMULAO
- Oferecem uma representao do mundo real para
gerao e anlise de alternativas
- Do ao analista um grau de liberdade considervel
para a escolha da ao mais conveniente.
- Permitem a criao de ambientes futuros possveis
- Respondem a questes do tipo: E se?

21/38

APLICAO DOS MODELOS DE SIMULAO


SOLUO 1

HIPTESE 1
HIPTESE 2
HIPTESE 3

MODELO

SOLUO 2

DE
SIMULAO

SOLUO 3

CRITRIO DE
ESCOLHA

PROCESSO
DE ESCOLHA
DA MELHOR
SOLUO

SOLUO
ESCOLHIDA

SOLUO
FINAL

22/38

CONSTRUO DOS MODELOS DE SIMULAO


1. DEFINIO




DO PROBLEMA:

Especificar as informaes para deciso


Compreender o procedimento do sistema
Identificar as questes que devem ser respondidas

2. IDENTIFICAO DAS VARIVEIS


3. REPRESENTAO DO PROCEDIMENTO DO
SISTEMA ATRAVS DE EQUAES
4. CODIFICAO DO MODELO E TESTES

EXEMPLO DE MODELO DE SIMULAO:

23/38

Objetivo: Simular o lucro obtido com um produto a partir de


vrias hipteses de preo

1.000

QUANTIDADE
VENDIDA

HIPTESE BSICA:
Relao PREO versus

500

PREO

QUANTIDADE VENDIDA
VARIVEIS:

50

100

PREO:

preo de 1 unidade

QUANT: quantidade vendida por ms


RECEITA: receita total
LUCRO:

lucro lquido obtido no ms

24/38

MODELO:

QUANT = 1.000 - 10 x PREO


RECEITA = QUANT x PREO
CUSTO
LUCRO = RECEITA - CUSTO

CONCLUSO: FAIXA DE PREOS PARA LUCRO MXIMO


LUCRO

P1

P2

PREO

25/38

Exemplo:
Modelo Probabilstico para Anlise de Falhas

continua

26/38
f(t)

1.00

=0,5
0.75

=3
0.50

0.25

=1
5.00

0.9

3.75
1.0

1.2

1.4

2.0

2.50
1.6

6.0

99.00

1.25
4.0

F(t)

3.0

Qual o tipo de modelo


adequado a estudos de
confiabilidade?

90.00

Usaremos o conceito
de probabilidade!

50.00

10.00
5.00

1.00
10000

100000.

27/38
Conceito de Funo Densidade de Probabilidade
-discreta
-contnua
Exemplo:
Universo amostral = lanamento de dois dados
nmero 2 P (2) = 1/ 36
nmero 3 P (3) = 2/ 36

28/38
Clculo da probabilidade para cada elemento do universo amostral
x

f (x)

1/36

10

11

12

13

2/36

3/36

4/36

5/36

6/36

5/36

4/36

3/36

2/36

1/36

Funo Densidade de Probabilidade (fdp) - discreta

f(x)

6/36

1/36
1

3 4

8 9 10 11

12 13

29/38
Confiabilidade R(t) versus tempo
1
0,8

R(100) = 0,3061

0,6

F(100) = 0,6939
0,4

0,2

120

240

360

480

600

30/38

MODELOS DE OTIMIZAO
- No permitem flexibilidade na escolha da alternativa
- Estruturados para selecionar uma nica soluo, que
ser considerada TIMA segundo o critrio
estabelecido previamente.
- Critrio faz parte da estrutura do modelo
- Melhor alternativa obtida por anlise matemtica:
ALGORITMOS
- Grande aplicao em problemas onde as variveis
podem assumir muitos valores ou variar em intervalos
muito amplos

31/38

APLICAO DOS MODELOS DE OTIMIZAO


Dados e informaes
do sistema
MODELO
MODELODE
DEOTIMIZAO
OTIMIZAO
Representao
Representaodo
do
sistema
sistema

SOLUO
TIMA

Critrio
Critriode
deescolha
escolhada
da
melhor
melhoralternativa
alternativa

DECISO

33/38

DEFINIO DO ESCOPO DO MODELO:


PRIMEIRO PASSO:
Identificao das CARACTERSTICAS
RELEVANTES do sistema a ser modelado,
no contexto do problema em estudo.
ABRANGNCIA OU ESCOPO
DO MODELO

CONSTRUO DOS MODELOS DE OTIMIZAO


1. DEFINIO DO PROBLEMA:
2. IDENTIFICAO DAS VARIVEIS RELEVANTES
a) as variveis de deciso
b) variveis exgenas
definio de restries
c) variveis endgenas
outras medidas de
desempenho
3. FORMULAO DA FUNO OBJETIVO
Critrio de otimizao
4.FORMULAO DAS RESTRIES
Equaes matemticas de todas as condies que devem
ser obedecidas
5.ESCOLHA DO MTODO MATEMTICO DE SOLUO
Depende das caractersticas matemticas das funes
do modelo
6. APLICAO DO MTODO E TESTES

EXEMPLO DE MODELO DE OTIMIZAO:

34/38

OBJETIVO: Calcular o lote a encomendar para minimizar o


custo total de operao do estoque
VARIVEIS:
A = quantidade anual vendida do produto
S = custo de manuteno do estoque, por unidade, por ano
P = custo fixo de colocao da encomenda, por pedido
Q = quantidade ordenada ao atacadista para suprimento
Minimizar
CUSTO TOTAL = CUSTO DE MANUTENO + CUSTO DE COLOCAO

35/38

MODELO:
Minimizar CT =

Q
2

xS

A
+

xP

Restrio: Q 180

CUSTO TOTAL

CUSTOS
($)

CUSTO DE
MANUTENO
CUSTO DE
COLOCAO

Q*

QUANTIDADE

INTEGRAO DOS MODELOS NO PROCESSO DE


PLANEJAMENTO ESTRATGICO

ANLISE DO
AMBIENTE EXTER
NO

36/38

HIPTESES, PREVISES E
CENRIOS FUTUROS

FORMULAO
DOS OBJETIVOS

MUDANA DE
0BJETIVOS
CRIAO DE
ESTRATGIAS E
PLANOS
ALTERNATIVOS

MUDANA DE
MUDANA
DE
PLANOS
PLANOS

MODELOS PARA
AVALIAO DOS
PLANOS

NO
NO

RESULTADOS
RESULTADOS
OK?
OK?

SIM
SIM

H
H OUTRAS
OUTRAS
SOLUES?
SOLUES?

37/38

Exemplo
Uma empresa de comida canina produz dois tipos de raes: Tobi
e Rex. Para a manufatura das raes so utilizados cereais e
carne. Sabe-se que:
a rao Tobi utiliza 5 kg de cereais e 1 kg de carne, e a rao Rex
utiliza 4 kg de carne e 2 kg de cereais;
o pacote de rao Tobi custa $ 20 e o pacote de rao Rex custa
$ 30;
o kg de carne custa $ 4 e o kg de cereais custa $ 1;
esto disponveis por ms 10000 kg de carne e 30000 kg de
cereais.
Deseja-se saber qual a quantidade de cada rao a produzir de
modo a maximizar o lucro.

38/38

Soluo


Neste problema as variveis de deciso so as quantidades de


rao de cada tipo a serem produzidas.
Os parmetros fornecidos so os preos unitrios de compra e
venda, alm das quantidades de carne e cereais utilizadas em
cada tipo de rao.
As restries so os limites de carne e cereais e a funo
objetivo uma funo matemtica que determina o lucro em
funo das variveis de deciso e que deve ser maximizada.