Exemplos de Problemas de

Pesquisa Operacional

Disciplina: PRO706 - Pesquisa Operacional I

Prof: Lásara Rodrigues

Departamento de Engenharia de Produção, Administração e Economia

Escola de Minas
Universidade Federal de Ouro Preto

2010/1

3ª Parte

1
 Hipóteses Assumidas em um
modelo linear
• Proporcionalidade - A quantidade de recurso
consumido por uma atividade deve ser
proporcional ao nível dessa atividade. Além
disso, o custo de cada atividade é proporcional
ao nível de operação da atividade.
• Divisibilidade - Assume-se que as atividades
possam ser divididas em qualquer nível
funcional, isto é, qualquer variável de decisão
pode assumir qualquer valor fracionário.

2
 Hipóteses Assumidas em um
modelo linear
• Aditividade - O custo total é a soma das
parcelas associadas a cada atividade.
• Separabilidade - Pode-se identificar de forma
separada o custo (ou consumo de recursos)
específico das operações de cada atividade.
• Certeza - Assume-se que todos os parâmetros
de modelo são constantes conhecidas. Em
problemas reais, a certeza quase nunca é
satisfeita, provocando a necessidade de análise
de sensibilidade.

3
 Decisão do Pintor
• Um pintor faz quadros artesanais para vender numa
feira que acontece todo dia à note.
• Ele faz quadros grandes e desenhos pequenos, e os
vende por $5,00 e $3,00, respectivamente.
• Ele vende, no máximo, 3 quadros grandes e 4
quadros pequenos por noite.
• O quadro grande é feito em uma hora (grosseiro) e o
pequeno em 1 hora e 48 minutos (detalhado).
• O desenhista desenha 8 horas por dia antes de ir
para a feira.
• Quantos quadros de cada tipo ele deve pintar para
maximizar a sua receita?

4
 Decisão do Pintor

• Variáveis de decisão:
xj, = quantidade de quadros do tipo j;
x1 = quantidade de quadros grandes;
x2 = quantidade de quadros pequenos;

• Função objetivo:
(Receita) = (Receita com quadro grande) + (Receita com
quadro pequeno)
Max z = 5 x1 + 3 x2
5
 Decisão do Pintor
Restrições:
• Venda de quadro grande:
x1 ≤3
• Venda de quadro pequeno:
x2 ≤4
• Tempo:
x1 + 1,8x2 ≤8
• Não-Negatividade:
x1 ≥0, x2 ≥0
6
 Decisão do Pintor

Max z = 5 x1 + 3 x2
Sujeito a
x1 ≤3 Venda de quadro grande
x2 ≤4 Venda de quadro pequeno
x1 + 1,8x2 ≤8 Tempo
x1 ≥0, x2 ≥0 Não-negatividade

7
 O caso Politoy
• A Politoy S/A fabrica soldados e trens de
madeira.
• Cada soldado é vendido por $26 e utiliza $10
de matéria-prima e $14 de mão-de-obra. Duas
horas de acabamento e 1 hora de carpintaria
são demandadas para produção de um
soldado.
• Cada trem é vendido por $22 e utiliza $9 de
matéria-prima e $10 de mão-de-obra. Uma
hora de acabamento e 1h de carpintaria são
demandadas para produção de um trem.
8
 O caso Politoy
• A Politoy não tem problemas no fornecimento
de matéria-primas, mas só pode contar com
100 h de acabamento e 80 h de carpintaria.
• A demanda semanal de trens é ilimitada, mas
no máximo 40 soldados são comprados a cada
semana. A Politoy deseja maximizar seus
ganhos semanais.
• Formule um modelo matemático a ser
utilizado nessa otimização.
9
 O caso Politoy
Variáveis de decisão

• xj = quantidade do brinquedo j produzido a cada

semana
• x1 = quantidade de soldados produzidos a cada
semana
• x2 = quantidade de trens produzidos a cada
semana
10
 O caso Politoy
Função Objetivo

O que a Politoy deseja maximizar é:

(26 x1 + 22 x2) - (10 x1 + 9 x2) - (14 x1 + 10 x2) = 2 x1 + 3 x2

Max z = 2 x1 + 3 x2

Os números 2 e 3 são chamados coeficientes da função objetivo.

Eles indicam a contribuição de cada variável nos ganhos da

empresa.
11
 O caso Politoy
Restrições:
(total hs xx/sem.) = (hs.xx./sold.).(sold. produzidos/sem.)+
(hs.xx./trem).(trens produzidos/sem.)
• Acabamento
2 x1 + x2 ≤100
• Carpintaria
x1 + x2 ≤80
• Limitação do número de soldados produzidos por semana
x1 ≤40
• Não-negatividade
x1, x2 ≥0

12
 O caso Politoy

max z = 2 x1 + 3 x1
Sujeito a:
2 x1 + x2 ≤100 Acabamento
x1 + x2 ≤80 Carpintaria
x1 ≤40 Restrição de demanda
x1, x2 ≥0 Não negatividade

13
 Escolha de dieta

• Quatro tipos de alimentos estão disponíveis na elaboração da

merenda de um grupo de crianças: biscoito, sorvete,
refrigerante e torta de queijo. A composição desses alimentos e
seus preços são:
Alimentação Calorias Chocolate Açúcar Gordura Preço
(porção) (g) (g) (g) (porção)
Biscoito 400 3 2 2 0,5
Sorvete 200 2 2 4 0,2
Refrigerante 150 0 4 1 0,3
Torta de Queijo 500 0 4 5 0,8

• As crianças devem ingerir pelo menos 500 calorias, 6 g de

chocolate, 10 g de açúcar, e 8 g de gordura. Formule o
problema tal que o custo seja minimizado. 14
 Escolha de dieta

Variáveis de decisão:

xj = quantidade do alimento j (em porções);

x1 = porções de biscoitos;
x2 = porções de sorvete;
x3 = porções de refrigerante;
x4 = porções de torta de queijo;

15
 Escolha de dieta

Função objetivo:

custo total = (custo dos biscoitos) +

(custo do sorvete) +
(custo do refrigerante) +
(custo da torta de queijo)

Min z = 0,5 x1 + 0,2 x2 +0,3 x3 + 0,8 x4

16
 Escolha de dieta
Restrições:
• Ingestão mínima de 500 calorias:
400x1 + 200x2 + 150x3 + 500x4 ≥500
• Ingestão mínima de 6 g de chocolate:
3x1 + 2x2 ≥3
• Ingestão mínima de 10 g de açúcar:
2x1 + 2x2 + 4x3 + 4x4 ≥10
• Ingestão mínima de 8 g de gordura:
2x1 + 4x2 + x3 + 5x3 ≥8
• Não-Negatividade:
x1 ≥0, x2 ≥0, x3 ≥0, x4 ≥0. 17
 Escolha de dieta

Min z = 0,5 x1 + 0,2 x2 +0,3 x3 + 0,8 x4

Sujeito a
400x1 + 200x2 + 150x3 + 500x4 ≥500 Calorias
3x1 + 2x2 ≥3 Chocolate
2x1 + 2x2 + 4x3 + 4x4 ≥10 Açúcar
2x1 + 4x2 + x3 + 5x3 ≥8 Gordura
x1 ≥0, x2 ≥0, x3 ≥0, x4 ≥0 Não-negatividade

18
 Problema das ligas metálicas
• Uma metalúrgica deseja maximizar sua receita
bruta.
• A tabela abaixo ilustra a proporção de cada
material na mistura para a obtenção das ligas
possíveis de fabricação.
• O preço está cotado em reais por tonelada da
liga fabricada.
• As restrições de disponibilidade de matéria-
prima estão expressas em toneladas.

19
 Problema das ligas metálicas

Liga Especial de Liga Especial de Disponibilidade

Baixa Resistência Alta Resistência de Matéria-Prima
Cobre 0,5 0,2 16 ton.
Zinco 0,25 0,3 11 ton.
Chumbo 0,25 0,5 15 ton.
Preço de venda R$ 3000 R$5000
(R$ por ton)

20
 Problema das ligas metálicas
• Variáveis de decisão:
• xj = quantidade produzida de cada liga j
(em toneladas);
• x1 = quantidade produzida da liga especial
de baixa resistência (j =1);
• x2 = quantidade produzida da liga especial
de alta resistência (j = 2);

21
 Problema das ligas metálicas
•Função Objetivo

Receita = Receita da liga de baixa resistência

+ Receita da liga de alta resistência

Max z = 3000 x1 + 5000x2

22
 Problema das ligas metálicas
• Restrições:
• Disponibilidade do cobre
0,5x1 + 0,2x2 ≤16
• Disponibilidade do zinco
0,25x1 + 0,3x2 ≤11
• Disponibilidade do chumbo
0,25x1 + 0,5x2 ≤15
• Não-negatividade
x1 ≥0, x2 ≥0

23
 Problema das ligas metálicas
max z = 3000 x1 + 5000x2
Sujeito a:
0,5x1 + 0,2x2 ≤16 Disponibilidade do cobre
0,25x1 + 0,3x2 ≤11 Disponibilidade do zinco
0,25x1 + 0,5x2 ≤15 Disponibilidade do chumbo
x1 ≥0, x2 ≥0 Não-negatividade

24
 Problema do Sítio
• Um sitiante está planejando sua estratégia
de plantio para o próximo ano.
• Por informações obtidas nos órgãos
governamentais, sabe que as culturas de
trigo, arroz e milho serão as mais
rentáveis na próxima safra.
• Por experiência sabe que a produtividade
de sua terra para as culturas desejadas é
a apresentada na tabela abaixo.
25
 Problema do Sítio
Cultura Produtividade em Kg por Lucro por kg de produção
m2 (experiência) (informações do governo)
Trigo 0,2 10,8 centavos
Arroz 0,3 4,2 centavos
Milho 0,4 2,03 centavos

• Por falta de um local de armazenamento próprio, a

produção máxima, em toneladas, está limitada a 60.
• A área cultivável do sítio é de 200.000m 2.
• Para atender às demandas de seu próprio sítio, é
imperativo que se plante 400m2 de trigo, 800m2 de arroz
e 10.000m2 de milho.
26
 Problema do Sítio
• Variável de decisão
Xj = área em m2 a ser plantada da cultura do
tipo j;
X1 = área em m2 a ser plantada da cultura
trigo (j = 1);
X2 = área em m2 a ser plantada da cultura
arroz (j = 2);
X3 = área em m2 a ser plantada da cultura
milho (j = 3);
27
 Problema do Sítio
• Função Objetivo

Lucro = Produtividade por Kg x Lucro

previsto por kg em cada cultura (em
centavos)

max z = 2,16 x1 + 1,26x2 + 0,812x3

28
 Problema do Sítio
• Restrições
• Demanda do Sítio por trigo
x1 ≥400
• Demanda do Sítio por arroz
x2 ≥800
• Demanda do Sítio por milho
x3 ≥10.000

29
 Problema do Sítio
• Área total disponível
x1 + x2 + x 3 ≤200.000
• Armazenamento
0,2x1 + 0,3x2 + 0,4x3 ≤60.000
• Não-negatividade
x1 ≥0, x2 ≥0, x3 ≥0

30
 Problema do Sítio
max z = 2,16 x1 + 1,26x2 + 0,812x3
Sujeito a:
x1 ≥400
x2 ≥800
x3 ≥10.000
x1 + x2 + x3 ≤200.000
0,2x1 + 0,3x2 + 0,4x3 ≤60.000
x1 ≥0, x2 ≥0, x3 ≥0

31
 Companhia de ônibus
• Devido ao número inconstante de passageiros, uma
companhia de ônibus necessita de um número variado de
motoristas, dependendo do horário considerado.
• O gráfico abaixo mostra a quantidade necessária.
35
30
25
20
15
10
5
0 32
4 8 12 16 20 24
 Companhia de ônibus
• Considerando que cada motorista trabalhe
8 horas seguidas e que seu trabalho deve
ser iniciado às 0, 4, 8, 12, 16, 20 ou 24
horas, elabore um plano de trabalho para
os motoristas de modo que o número
destes seja mínimo.

33
 Companhia de ônibus
• Variáveis de decisão
xj = número de motoristas a serem contratados no horário j;
x1 = número de motoristas a serem contratados as 0 hora (j
= 1);
x2 = número de motoristas a serem contratados as 4 horas
(j = 2);
x3 = número de motoristas a serem contratados as 8 horas
(j = 3);
x4 = número de motoristas a serem contratados as 12
horas (j = 4);
x5 = número de motoristas a serem contratados as 16
horas (j = 5);
x6 = número de motoristas a serem contratados as 20
horas (j = 6);
34
 Companhia de ônibus
• Função Objetivo
Minimizar o número de motoristas.
min z = x1 + x2 + x 3 + x4 + x 5 + x6

• Restrições
• Número de motoristas necessários entre 0 e 4 h
x1 + x6 ≥15
• Número de motoristas necessários entre 4 e 8 h
x1 + x2 ≥30
35
 Companhia de ônibus
• Número de motoristas necessários entre 8 e 12 h
x 3 + x4 ≥25
• Número de motoristas necessários entre 12 e 16 h
x 4 + x5 ≥35
• Número de motoristas necessários entre 16 e 20 h
x 5 + x6 ≥30
• Número de motoristas necessários entre 20 e 24 h
x 6 + x1 ≥20
• Não-negatividade
x1, x2, x3, x4, x5, x6 ≥0
36
 Companhia de ônibus
min z = x1 + x2 + x 3 + x4 + x 5 + x6
Sujeito a:
x1 + x6 ≥15
x1 + x2 ≥30
x3 + x4 ≥25
x4 + x5 ≥35
x5 + x6 ≥30
x6 + x1 ≥20
x1 ≥0, x2 ≥0, x3, ≥0, x4 ≥0, x5 ≥0, x6 ≥0

37
 Padrões de Corte
• Suponhamos que possuímos barras de 6m de
comprimento que devem ser convenientemente
cortadas para obtermos barras menores nos
seguintes tamanhos:
– 50 barras de 2m
– 60 barras de 3 m
– 90 barras de 4 m
• Faça um modelo de programação linear que
minimiza as perdas com os cortes.

38
 Padrões de Corte
• Variáveis de decisão
• xi = número de barras a serem cortadas no padrão de
corte j;
• x1 = número de barras a serem cortadas no padrão 1;
• x2 = número de barras a serem cortadas no padrão 2;
• x3 = número de barras a serem cortadas no padrão 3;
• x4 = número de barras a serem cortadas no padrão 4;
• x5 = número de barras a serem cortadas no padrão 5;
• x6 = número de barras a serem cortadas no padrão 6;
• x7 = número de barras a serem cortadas no padrão 7;
• x8 = número de barras a serem cortadas no padrão 8;

39
 Padrões de Corte
Padrão de Número de Número de Número de Perda no
Corte (i) Tiras Tipo Tiras Tipo Tiras Tipo Padrão (Pi)
1–2m 2–3m 3 – 4 cm
Padrão 1 0 0 1 2
Padrão 2 0 1 0 3
Padrão 3 1 0 0 4
Padrão 4 1 0 1 0
Padrão 5 1 1 0 1
Padrão 6 0 2 0 0
Padrão 7 3 0 0 0
Padrão 8 2 0 0 2
40
 Padrões de Corte
• Função Objetivo

Minimizar perdas

min z = 2x1 + 3x2 + 4x3 + 0x4 +1x5 + 0x6 + 0x7 +

2x8

41
 Padrões de Corte
• Restrições
• Quantidade de barras de 2m
1x3 + 1x4 + 1x5 + 3x 7 + 2x8 = 50
• Quantidade de barras de 3m
1x2 + 1x5 + 2x6 = 60
• Quantidade de barras de 4m
1x1 + 1x4 = 90
• Não-negatividade
x1 ≥0, x2 ≥0, x3, ≥0, x4 ≥0,
x5 ≥0, x6 ≥0, x7, ≥0, x8 ≥0
42
 Padrões de Corte
min z = 2x1 + 3x2 + 4x3 + x5 + 2x8
Sujeito a:
x3 + x4 + x5 + 3x7 + 2x8 = 50
x2 + x5 + 2x6 = 60
x1 + x4 = 90
x1 ≥0, x 2 ≥0, x3, ≥0, x4 ≥0,
x5 ≥0, x 6 ≥0, x7, ≥0, x8 ≥0

43
 Produção e Distribuição
• Considere uma companhia de bebidas que tem
2 centros de produção (Araraquara e São José
dos Campos) e 3 mercados consumidores
principais (São Paulo, Belo Horizonte e Rio de
Janeiro).
• O custo unitário de se transportar uma unidade
do produto de cada centro de produção a cada
mercado consumidor, as demandas de cada
mercado e a quantidade máxima disponível do
produto em cada centro de produção são dados
na tabela abaixo.
44
 Produção e Distribuição
Mercado Suprimento
Centro de São Paulo Belo Rio de disponível
suprimento Horizonte Janeiro
Araraquara 4 2 5 800
S. J. 11 7 4 1000
Campos
Demanda 500 400 900
dos
mercados

45
 Produção e Distribuição
• Variável de decisão
xij =quantidade do produto a ser enviada do
centro de produção i ao mercado j;
– i = 1  Araraquara
– i = 2  S. J. Campos
– j = 1  São Paulo
– j = 2  Belo Horizonte
– j = 3  Rio de Janeiro

46
 Produção e Distribuição
• Função Objetivo

Minimizar o custo total

min f(x) = 4x11 + 2x12 + 5x13 + 11x21 + 7x22 + 4x23

47
 Produção e Distribuição
• Restrições
• Disponibilidade do produto no centro de
produção em Araraquara
x11 + x12 + x 13 ≤800
• Disponibilidade do produto no centro de
produção em S. J. Campos
x21 + x22 + x 23 ≤1000
• Demanda em São Paulo
x11 + x21 = 500
48
 Produção e Distribuição
• Demanda em Belo Horizonte
x12 + x22 = 400
• Demanda no Rio de Janeiro
x13 + x23 = 900
• Não-negatividade
x11 ≥0, x12 ≥0, x13, ≥0, x 21 ≥0, x22 ≥0,
x23 ≥0

49
 Produção e Distribuição
min f(x) = 4x11 + 2x12 + 5x13 + 11x21 + 7x22 + 4x23
Sujeito a:
x11 + x12 + x13 ≤800
x21 + x22 + x23 ≤1000
x11 + x21 = 500
x12 + x22 = 400
x13 + x23 = 900
x11 ≥0, x12 ≥0, x13, ≥0, x21 ≥0, x22 ≥0, x23 ≥0

50