Você está na página 1de 84

Universidade Federal de Minas Gerais

Faculdade de Cincias Econmicas


Departamento de Cincias Administrativas

Profa. Ana Lcia Miranda Lopes, Dra. Eng.

2014

1. Introduo Pesquisa Operacional

SUMRIO
1.1. Surgimento da Pesquisa Operacional......................................................................................... 5
1. 2. Aplicaes da Pesquisa Operacional ......................................................................................... 7

2 Programao Linear: modelagem ......................................................................................... 8


2.1. Introduo................................................................................................................................ 8
2.2. Construo de um Modelo de Programao Linear .................................................................... 8
2.2.1. Fase 1: Definio das variveis de deciso ............................................................................... 8
2.2.2. Fase 2: Identificao dos dados do problema; ....................................................................... 10
2.2.4. Fase 4: Identificao e modelagem das restries. ................................................................ 11
Atividade de Fixao ....................................................................................................................... 24
ESTUDOS DE CASO .......................................................................................................................... 35

ANEXO 3: Como utilizar o Solver/Excel para resolver problemas de programao linear (PL) . 37
3. . Resoluo de um Modelo de Programao Linear: Soluo Grfica .................................. 43
3.1 Introduo............................................................................................................................... 43
3.2. Resolvendo um Modelo Linear atravs do Mtodo Grfico ...................................................... 45
3.2.1. Construindo o grfico representativo das restries .............................................................. 45
3.2.2. Obtendo a Soluo tima...................................................................................................... 49
3.3. Programas Lineares Inviveis .................................................................................................. 52
3.4 Programas Lineares Ilimitados ................................................................................................. 53
Atividade de Fixao ....................................................................................................................... 55

4. Programao Linear: Interpretando os Resultados ............................................................ 57


4.1. Forma Padro ......................................................................................................................... 57
4.1.1. Convertendo uma desigualdade em uma igualdade............................................................... 58
4.1.1. Convertendo uma funo objetivo para maximizao............................................................ 60
4.2. Interpretando os resultados .................................................................................................... 60
4.2.1. Relatrio de Resposta............................................................................................................ 61
4.2.2. Relatrio de sensibilidade I .................................................................................................... 63
Atividade de Fixao ....................................................................................................................... 69

5. Programao Linear Inteira e Binria ................................................................................ 77


5.1. Programao Linear Inteira e Binria ....................................................................................... 77
5.2. Programao Linear Inteira Mista (PLIM) ................................................................................. 81
Atividade de Fixao ....................................................................................................................... 82

1. Introduo Pesquisa Operacional

1. INTRODUO
Devo investir meu excedente de caixa em fundos cambiais, poupana, aes, ou outros?
Como devo balanar meu investimento para obter o maior retorno possvel a um risco aceitvel?
Quanto devo produzir dos produtos A, B e C para obter um lucro mximo, satisfazendo as
restries de horas-homem, matria prima e capacidade das mquinas?
Dada a produo de determinado produto em vrias fbricas. Quanto de produto devo mandar de
cada fbrica para cada ponto de varejo de modo a minimizar meu custo de transporte?
Dada uma srie de possibilidades de localizao para determinada fbrica e um conjunto de
restries, qual local devo escolher?

Se voc estivesse diante de um dos problemas listados acima. Como resolveria?


Estes so problemas do dia a dia das organizaes e que, muitas vezes, so resolvidos com base na
intuio e experincia de seus administradores.
Nesta disciplina veremos como a cincia denominada Pesquisa Operacional pode contribuir para
ajudar as empresas em tomadas de deciso como estas.

1.1. Surgimento da Pesquisa Operacional


A pesquisa operacional (Operations Research ou Management Science) teve seu surgimento durante
a
a 2 . guerra mundial. Guerras, na maior parte das vezes, traz junto consigo a necessidade de conviver-se
com toda sorte de carncia de recursos. Foi por esta razo que os militares ingleses (British Air Force)
formaram o primeiro grupo para o estudo das melhores condies de aproveitamento dos recursos
disponveis. Este grupo estudou a aplicao de mtodos quantitativos com o objetivo de melhorar a
eficincia das foras de guerra da armada inglesa. Foi ento denominado de grupo de Operations
Research (pesquisa operacional) e vem da, ento, o nome da cincia to amplamente utilizada hoje em
dia. Naquele momento o grupo de PO iniciou a trabalhar em problemas relacionados ao abastecimento
das tropas, tticas de defesa e ataque areo e martimo. A principal aplicao daquela poca que se tem
notcia foi na rea de deteco de avies inimigos atravs de radar. Dizem, hoje, que esta foi a grande
arma dos britnicos que levou-os a vencer a batalha area na Gr-Bretanha.
Logo aps a criao do grupo de PO ingls, e como no poderia deixar de ser, os americanos
formaram um grupo semelhante.
a
Depois da 2 . guerra mundial os cientistas e administradores de empresas vislumbraram a
possibilidade de aplicao das tcnicas de PO utilizadas na guerra para a resoluo de problemas dentro
das empresas. Modelos foram pesquisados e desenvolvidos para a resoluo de problemas nas reas de
planejamento da produo, planejamento agrcola, transporte de mercadorias, scheduling de refinarias
de petrleo, entre outros.
O que Pesquisa Operacional?
A Pesquisa Operacional uma cincia aplicada voltada para a resoluo de problemas reais. Tendo
como foco a tomada de decises, aplica conceitos e mtodos de outras reas cientficas para concepo,
planejamento ou operao de sistemas para atingir seus objetivos. Atravs de desenvolvimentos de base
quantitativa, a Pesquisa Operacional visa tambm introduzir elementos de objetividade e racionalidade
nos processos de tomada de deciso sem descuidar, no entanto, dos elementos subjetivos e de
enquadramento
organizacional
que
caracterizam
os
problemas.
(http://www.sobrapo.org.br).

1. Introduo Pesquisa Operacional

, portanto, uma cincia aplicada formada por um conjunto de tcnicas quantitativas que tem como
objetivo a determinao da melhor maneira de aproveitamento de recursos, por vezes, escassos.
particularmente pertinente em problemas complexos cujo alcance dos objetivos enfrentam restries tais
como: tcnicas, econmica, temporal, de mo de obra, de demanda, etc.
Aliado ao uso dos mtodos quantitativos tem-se o uso de softwares eficientes para a resoluo dos
problemas decisrios (LINDO, Whats Best, Solver do Excel, etc...).
Com a disseminao dos computadores observada nas ltimas dcadas tem-se podido trabalhar com
grandes volumes de dados sobre as atividades das empresas tornando a representao do problema
decisrio cada vez mais prxima da realidade e fazendo com se observe o uso da PO em um grande
nmero de empresas.
Com a globalizao a utilizao eficiente dos recursos disponveis vital para as empresas. Utilizarse tudo o que se tem disponvel, atravs da cincia, experincia, etc.. para a melhoria da eficincia da
empresa de extrema relevncia para a sobrevivncia das mesmas em um mercado cada vez mais
competitivo e pode significar a manuteno desta no mercado ou no.
A utilizao de mtodos quantitativos para resoluo de problemas decisrios envolve,
normalmente, muitas pessoas dentro da organizao. Todos os aspectos relevantes do problema
precisam ser identificados e mapeados.
O processo da aplicao das tcnicas de pesquisa operacional envolve uma seqncia de passos
que podem ser ilustrados na figura que segue:
Figura 01 Seqncia de Desenvolvimento de um Modelo de PO
Definio do
Problema

Desenvolvimento
do Modelo
Matemtico

Formulao

Levantamento
dos dados
necessrios

Desenvolvimento
da Soluo do
Modelo

o
Soluo
Testando a
soluo

Anlise dos Resultados e


anlise de sensibilidade

Interpretao
Implementao dos
Resultados

1. Introduo Pesquisa Operacional

1. 2. Aplicaes da Pesquisa Operacional


As tcnicas de PO so aplicadas a uma ampla variedade de problemas decisrios que vo desde a
determinao de tempo em filas de um banco at filas de avies em aeroportos. Problemas de estoques,
planejamento da produo, mistura de componentes, formulao de rao a custo mnimo, redes de
transporte, alocao de pessoas, problemas de redes de comunicao, programao de tarefas so
tambm exemplos de aplicaes de PO.
Organizaes como: IBM, HP, Microsoft, Gessy Lever, Nestl, etc.. so exemplos de multinacionais
que vem utilizando tcnicas de PO em seus gerenciamentos.
A nvel nacional tem-se informao da aplicao de tcnicas de pesquisa operacional em empresas
tais como: Petrobrs, Sadia, AoMinas, Unibanco, Bradesco, Brahma, Cosipa. Eletrobrs, entre outras.
1.1. Divises da PO
A pesquisa operacional compreende um conjunto relativamente grande de tcnicas que podem ser
utilizadas para resoluo de problemas decisrios. As principais so:
Algoritmos Genticos
Anlise Muticritrio de Apoio Deciso
Cadeias de Markov
Data Envelopment Analysis
Grafos
Modelos de Estoques
Modelos de Previso
Programao Dinmica
Programao Linear
Programao No-Linear
Redes Neurais
Simulao
Teoria da Deciso
Teoria das Filas
Teria dos Jogos

Na rea de Negcios os casos de utilizao da Pesquisa Operacional tm se concentrado nas


tcnicas de programao linear e simulao. Pelo menos 70% das aplicaes envolvem estas duas
reas.

2 Programao Linear: modelagem

2.1. Introduo
Programao linear uma tcnica de otimizao utilizada para resoluo de problemas
decisrios que podem ser representados por meio de equaes lineares.
A otimizao ajuda a encontrar a resposta que produz o melhor resultado para a empresa, ou
seja, aquela que conduz ao maior lucro, menor custo, por exemplo.
Estes modelos lineares so representados por meio de uma funo objetivo e um conjunto de
restries, como segue:
Modelo Geral:
Otimizar Z = c1x1 + c2x2 + c3x3 + ... + cnxn
sujeito a
a11x1 + a12x2 + a13x3 + ... + a1nxn <, =, ou > b1
a21x1 + a22x2 + a23x3 + ... + a2nxn <, =, ou > b2
.........................................................................................

am1x1 + am2x2 + am3x3 + ... + amnxn <, =, ou > bm


x1, x2, x3, ... Xn >=0
Onde:
Z = Funo Objetivo
cj = coeficientes da funo objetivo
xj = variveis de deciso
aj = coeficientes tcnicos
bi = constantes do lado direito da equao (RHS)

2.2. Construo de um Modelo de Programao Linear


A construo de um modelo de programao linear pode ser dividida em 4 fases, so elas:
Fase 1: Definio das variveis de deciso;
Fase 2: Identificao dos dados do problema;
Fase 3: Identificao e modelagem da funo objetivo;
Fase 4: Identificao e modelagem das restries.

2.2.1. Fase 1: Definio das variveis de deciso


Para melhor mostrar como deve ser realizada esta e as demais fases vamos trabalhar sob um
exemplo de planejamento da produo.

Exemplo 2.1. S Bicicletas (SB) uma empresa nacional que atua no ramo de produo de bicicletas.
A empresa acaba de lanar 2 novos modelos de bicicletas infantis ( 1 para menino e 1 para menina) que
est fazendo o maior sucesso entre a garotada. O sucesso dos novos modelos tanto que tudo que for
produzido ser vendido e o departamento de marketing recomenda que ao menos 250 bicicletas de cada
modelo sejam produzidos. O lucro unitrio na produo e venda da bicicleta feminina de $50 e da
bicicleta masculina de $30. A empresa conta para a produo destes dois novos modelos com 200
trabalhadores no departamento de fabricao e 100 trabalhadores no departamento de montagem. A
empresa trabalha em trs turnos e cada funcionrio trabalha 8 horas por dia. O modelo feminino
necessita de 4 horas de mo de obra no departamento de fabricao e de 2 horas no departamento de
montagem. O modelo masculino necessita de 4 horas de mo de obra no departamento de fabricao e
de 1 hora no departamento de montagem. Formule um modelo que informe SB o plano de produo
dirio que maximiza seu lucro.

Para que as variveis de deciso possam ser determinadas pode-se iniciar perguntando:
Quais
Quais
Quais
Quais

itens afetam o custo ou lucro do problema?


itens esto livres para escolher e/ou tem algum controle sobre?
decises voc tem que tomar?
valores, uma vez determinados constituem a soluo do problema?

Uma vez respondidas estas perguntas ter-se- definido as variveis de deciso do problema.
Estas devem ser representadas atravs de um nome simblico que pode ser uma letra ou um conjunto
de letras(nunca um nmero) e que auxilia no entendimento do significado da varivel.

D um nome simblico para a varivel

No exemplo 2.1 o que se quer determinar? O que se tem algum controle sobre?
Se quer determinar o nmero de bicicletas femininas e masculinas produzir por dia pela empresa,
ento:

Qf = o nmero de bicicletas femininas produzir diariamente


Qm = o nmero de bicicletas masculinas produzir diariamente

Varivel de Deciso:
Representao atravs de um smbolo ou letra
daquilo que se quer determinar e que se tem algum
controle.

10

2.2.2. Fase 2: Identificao dos dados do problema;


Uma vez identificadas as variveis que representam aquilo que se deseja conhecer em um
modelo decisrio pode se passar para a fase de identificao dos dados do problema. Estes dados so
aqueles necessrios para a modelagem completa do problema. Todos os dados devem ser levantados e,
quando estes podem ser obtidos com certeza estamos diante de um problema chamado de
determinstico enquanto que problemas estocsticos envolvem dados incertos.
No problema de planejamento de produo do exemplo 2.1 tem-se que cada bicicleta no modelo
feminino necessita de 4 horas de mo de obra para sua fabricao e de 2 horas de mo de obra para sua
montagem. Estes dados assim como os dados relativos ao modelo masculino devem estar representados
no modelo. A disponibilidade de mo de obra em cada departamento de fabricao e montagem tambm
faro parte do modelo.
Em um problema de planejamento da produo sabe-se que o ponto crtico no poder gastar
mais recurso do que a empresa dispe. Tem-se ento que chegar aos valores de disponibilidade de cada
recurso.
Para chegar-se mo de obra disponvel deve-se calcular:
Mo de obra disponvel no departamento de fabricao:
MOF= 200 trabalhadores x 3 trs turnos x 8 horas dirias de trabalho = 200 x 3 x 8 = 4800 horas.
Mo de obra disponvel no departamento de montagem:
MOM= 100 trabalhadores x 3 trs turnos x 8 horas dirias de trabalho = 100 x 3 x 8 = 2400 horas.
Para auxiliar no processo de modelagem do problema pode se construir uma tabela que resume
todos os dados disponveis no problema como segue:

Quadro 2.1 Tabela de Dados Exemplo 2.1


Variveis
Nmero
de
bicicletas
produzir
Lucro Unitrio
Mo de Obra no Depto. de
Fabricao
Mo de Obra no Depto. de
Montagem
Lucro Unitrio
Lucro Total

Unidade
No.
$/unid.
horas/
unid.
horas/
Unid.
$
$

Dados Iniciais
B.Fem. B.Masc.
Qf
Qm

Dados Solicitados
Qf>=2
50

Qm>=250

50
4

30
4

<=4800 horas

<=2400 horas

50

30
Maximizar

11

2.2.3. Fase 3: Identificao e modelagem da funo objetivo


Depois de determinadas as variveis de deciso e os dados do problema pode-se passar fase
de construo do modelo: Este modelo matemtico representa a situao da empresa que tem um
objetivo e que para alcan-lo ter de enfrentar algumas restries. Este modelo ser formado, ento,
por uma funo objetivo e algumas restries.
A funo objetivo pode ser entendida como a representao formal do objetivo da organizao
expresso na forma matemtica em termos de dados e variveis de deciso.

Funo objetivo:
o objetivo do problema descrito em termos de
variveis de deciso e dados.

Mas, qual o objetivo da empresa (exemplo 2.1)?


Pode-se concluir que o objetivo da empresa SB obter o maior lucro possvel. Para obt-lo ela
deve encontrar os valores de Qf e Qm que a conduzam a este lucro. Estes valores alm de levar ao
melhor lucro possvel devem respeitar as restries que a empresa enfrenta quanto mo de obra
disponvel e demanda por bicicletas, oque ser posteriormente representado pelas restries.
Para a construo da funo objetivo tem-se, pela tabela 01, que o lucro unitrio obtido na
produo e venda dos modelos femininos de $30 e dos modelos masculinos de $50 e que a empresa
deseja maximizar o lucro total. Isto pode ser representado da seguinte forma:
LT = 30Qf + 50Qm
Onde:
LT o lucro total obtido na produo dos dois modelos;
Qf e Qm so as variveis de deciso e, portanto, incgnitas do problema.
Utilizando a funo de lucro total acima tem-se como funo objetivo:
Max LT) 30Qf + 50Qm
Temos ento o objetivo da SB representado matematicamente (modelado).

2.2.4. Fase 4: Identificao e modelagem das restries.


A ltima fase do processo de modelagem de um processo decisrio a identificao das
restries.
Normalmente o alcance do objetivo de uma organizao est sujeito algumas limitaes. Estas
limitaes podem ser:
limitaes fsicas: capacidade mxima de produo das mquinas ou fbrica, quantidade de matria
prima existente ou possvel de se obter, mo de obra disponveis, etc;
limitaes externas: demanda dos produtos produzidos, imposies do mercado;
Imposies do administrador, do governo, das associaes envolvidas: o administrador pode ter se
comprometido a fornecer uma certa quantia de determinado produto para um cliente antigo; a
sociedade de proteo ao ambiente impe que somente uma determinada quantia de um produto
seja produzida devido aos danos que sua produo causa ao ambiente, etc;
Relaes entre as variveis: um determinado produto deve ser produzido duas vezes mais do que
outro, por exemplo;
Restries lgicas nas variveis: limites nas variveis.

12

A declarao no modelo de todas as limitaes ou imposies necessrias para o alcance do objetivo


de vital importncia para a obteno de um resultado que realmente represente o problema real da
empresa.

Restrio:
a representao matemtica de restries e/ou
limitaes da empresa ou limitaes nos valores das
variveis.

No exemplo 2.1, lembremos que a empresa deseja saber quanto produzir de cada modelo para
maximizar seu lucro. Quais so suas limitaes? A principal a mo de obra existente nos
departamentos de fabricao e montagem que no ilimitada.
Lembremos que a mo de obra consumida em cada departamento deve ser menor ou igual
mo de obra disponvel. Mas como representar?

CONSUMO <= DISPONVEL


Consumo de M.O. no departamento de fabricao <= M.O. disponvel no departamento de
fabricao
Consumo de M.O. no departamento de montagen <= M.O. disponvel no departamento de
fabricao
Para representar as relaes acima primeiramente temos que construir a equao que
representa o consumo de cada departamento, como segue:
Consumo de Mo de obra no departamento de fabricao:
1) Consumo de M.O (bic. fem.) =mo de obra necessria para a produo de 1 bicicleta fem. *
quantidade de bicicletas femininas produzidas (Qf)
2) Consumo de M.O. (bic.masc.) = mo de obra necessria para a produo de 1 bicicleta masc. *
quantidade de bicicletas masculinas produzidas (Qm)
E o consumo total de mo de obra no departamento de fabricao ser:
Consumo Total de M.O. no departamento de fabricao = Consumo na produo de bic. femininas
+ consumo na produo de bicicletas masculinas (1+2)

Agora se temos:
Disponibilidade no depto. de fabricao = 4800 horas
a

E se consumo tem que ser menor ou igual disponibilidade (consumo <=disponibilidade) tem-se a 1 .
restrio:

13

Restrio 1) 4Qf + 4Qm <=4800

O mesmo pode ser feito para a restrio que ir representar o consumo e disponibilidade de
horas de mo de obra no departamento de montagem, como segue:

Consumo < = disponibilidade


De onde tem-se:
Restrio 2) 2Qf + Qm <=2400

Prontas as restries fsicas pergunta-se: existe alguma outra limitao ou imposio?


Sim, o departamento de marketing aconselha que ao menos 250 bicicletas de cada modelo sejam
produzidas. Agora, ento, temos que forar que as variveis de deciso assumam valores iguais ou
maiores que 250. Como representar?

Restrio 3) Qf >= 250


Restrio 4) Qm > = 250

O resultado ser:
Max LT = 30Qf + 50Qm
s.a.
Restrio 1) 4Qf + 4Qm <=4800
Restrio 2) 2Qf + Qm <=2400
Restrio 3) Qf
>= 250
Restrio 4) Qm
> = 250
Desta maneira o modelo est pronto. Precisamos ainda resolve-lo para chegar s quantidades
de bicicletas femininas e masculinas que conduzem a empresa ao lucro mximo. Isto aprenderemos nos
prximos 2 captulos.
Exemplo 2.2: Uma escola pblica procura uma dieta especial que fornea as quantidades mnimas
dirias das vitaminas A, B e C (45 miligramas de vitamina A, 64 miligramas de vitamina B e 45 miligramas
de vitamina C) a seus alunos ao menor custo possvel. Conclui que poderia alcanar seu objetivo
incluindo no lanche das crianas laranjas e mas. Em uma pesquisa nos atacadistas consegue um
custo de $0.45 por kg de laranja. Este fornece 3 miligramas de vitamina A, 8 miligramas de vitamina B e
15 miligramas de vitamina C segundo a nutricionista da escola. Cada quilo de ma custa $0.55 e
fornece 15 miligramas de vitamina A, 8 miligramas de vitamina B e 9 miligramas de vitamina C. A meta da
escola determinar quantos Kg de cada fruta devem ser utilizadas diariamente de modo a minimizar o
custo total. Formule o problema.

14

Fase 1) definio das variveis de deciso


Para a definio das variveis de deciso devemos nos perguntar o que a empresa, neste
caso uma escola pblica, deseja obter como resposta? O que ela precisa saber?
Para o problema acima a resposta estas perguntas est bem clara: a escola deseja saber
quantos quilos de laranjas e quantos quilos de mas devem ser utilizadas diariamente no lanche das
crianas.
Como representar estas variveis?

Ql = quantidade (kg) de laranjas utilizar diariamente no lanche da escola


Qm = Quantidade (Kg) de mas utilizar diariamente no lanche da escola

Lendo o problema entende-se que esta dieta deve ser tal que fornea uma quantidade mnima de
vitaminas A, B,C s crianas. Estas so ento as imposies que iro, mais tarde ser transformadas em
restries do problema de programao linear.
Com base nos dados informados pode-se montar a tabela abaixo que ir auxiliar na construo do
modelo. A tabela resume todas as informaes necessrias.

Variveis

Quadro 2.2 Tabelas de Dados 2.2


Unidade
Dados Iniciais
Dados
solicitados
Laranjas
Mas

Quantidades
Kg
de fruta no
lanche
Custo
$/kg
Quantidade
Miligramas
de vitamina A
Quantidade
Miligramas
de vitamina B
Quantidade
Miligramas
de vitamina
C

Ql

Qm

Ql>=0
Qm>=0

0,45
3

0,55
15

Minimizar
>= 45mg

>= 64 mg

15

>= 45 mg

Com base nos dados da tabela constri-se a funo objetivo que buscar os valores para Ql e Qm
que minimizam o custo total. As restries iro impor alguns limites nos valores destas variveis. Limites
estes que devem ser a representao matemtica de:
1) a dieta deve fornecer pelo menos 45 miligramas de vitamina A
2) a dieta deve fornecer pelo menos 64 miligramas de vitamina B
3) a dieta deve fornecer pelo menos 45 miligramas de vitamina C
O modelo ento ser:
Minimizar Custo total) 0,45Ql + 0,55Qm
s.a.
Vitamina A)
3Ql + 15Qm > = 45
Vitamina B)
8Ql + 8Qm > = 64
Vitamina C)
15Ql + 9Qm > = 45
Restrio lgica 1) Ql
>=0
Restrio lgica 2)
Qm > = 0

15

Uma outra importante aplicao de programao linear na rea de transportes. Na maioria dos
casos de utilizao de P.Linear nesta rea trabalha-se com o objetivo de minimizar o custo total de
transporte atravs da escolha do melhor caminho a seguir ou atravs da definio das quantidades de
mercadoria que devero ser transportadas de cada ponto de produo/distribuio at cada ponto de
recebimento.
Um problema clssico de transportes tem as seguintes caractersticas:
Certo material deve ser transportado do ponto de produo/distribuio (origem) para o ponto de
recebimento (destino);
A quantidade total disponvel nas origens igual ou menor que as necessidades dos destinos;
Existe uma demanda ou capacidade mxima de armazenagem associada a cada ponto de destino;
Existe um custo associado distribuio/transporte da mercadoria de cada origem para cada destino;
O custo total de distribuio/transporte deve ser minimizado.
Este tipo de problema pode ser representado matematicamente (modelado) e resolvido como um
problema de Programao Linear. Um exemplo deste tipo de modelagem mostrado abaixo:
Exemplo 2.3 A empresa Natural tem 3 engarrafadoras de gua mineral que abastecem diretamente 4
supermercados. No ms passado entregou 5400 caixas de gua para estes supermercados. O transporte
feito por um terceirizado e o seu custo no ms passado foi de R$24.600,00. Isto representa quase 55%
do faturamento da Natural. Devido participao muito elevada do custo de transporte no custo total da
empresa sua equipe de consultores foi chamada. A Natural quer saber se existe uma maneira de gastar
menos com transporte aumentando, ento, o lucro da empresa. Observe que a hiptese de baixar os
preos cobrados pela terceirizada j foi tentada pelo administrador sem resultado e que esta empresa
transportadora ainda a de menor custo para a Natural. Sua equipe, ento, concluiu que a nica maneira
de baixar o custo total com transporte repensando o plano de transporte observando, claro, as
demandas de cada supermercado e capacidades das unidades engarrafadoras (Quadro 4.3). Os dados
relativos aos custos de transporte so os descritos abaixo. Com base nestes dados formule um novo
plano de transporte para o prximo ms que leve ao custo mnimo possvel.

Depsito/
Engarrafadora
EA
EB
EC
Demanda ms
passado

Quadro 2.3 Custos de Transporte (R$/caixa)


S1
S2
S3
S4

R$ 5,00
R$ 4,00
R$6,00
1700

R$ 3,00
R$ 7,00
R$ 5,00
1000

R$ 2,00
R$ 8,00
R$ 3,00
1500

R$ 6,00
R$ 10,00
R$8,00
1200

Capac
em
cx/ms
1700
2000
1700
-

Para a construo de um modelo de transportes a elaborao de um grafo que resume todos os


dados do problema de grande importncia, como pode ser observado abaixo:

16

Representao Grfica do Exemplo 2.3

Disponibilidades
(Caixas/ms)

Demandas
(Caixas/ms)
$5

1700

1700

$3
$2

EA

S1

$6
$4

2000
$8

EB
$6

1000

$7

S2
$10

1500

$5
$3

1700

S3
$8

EC
Total:

5400 caixas

1200
S4

5400 caixas

Dado o grafo acima pode-se iniciar a construo do modelo matemtico que melhor representa o
problema.
No modelo mais simples de transportes, como o descrito acima, deve-se modelar a situao de
maneira a obter quanto dever ser transportado de produto ou insumo de cada regio produtora para
cada regio consumidora resultando, portanto, nas seguintes variveis de deciso:

Definindo as Variveis de Deciso:


XA1 = nmero de caixas de gua mineral transportar da engarrafadora A para o supermercado 1;
XA2 = nmero de caixas de gua mineral transportar da engarrafadora A para o supermercado 2;
XA3 = nmero de caixas de gua mineral transportar da engarrafadora A para o supermercado 3;
XA4 = nmero de caixas de gua mineral transportar da engarrafadora A para o supermercado 4;
XB1 = nmero de caixas de gua mineral transportar da engarrafadora B para o supermercado 1;
XB2 = nmero de caixas de gua mineral transportar da engarrafadora B para o supermercado 2;
XB3 = nmero de caixas de gua mineral transportar da engarrafadora B para o supermercado 3;
XB4 = nmero de caixas de gua mineral transportar da engarrafadora B para o supermercado 4;
XC1 = nmero de caixas de gua mineral transportar da engarrafadora C para o supermercado 1;
XC2 = nmero de caixas de gua mineral transportar da engarrafadora C para o supermercado 2;
XC3 = nmero de caixas de gua mineral transportar da engarrafadora C para o supermercado 3;
XC4 = nmero de caixas de gua mineral transportar da engarrafadora C para o supermercado 4.
Ou, de maneira mais geral:
Xij = nmero de caixas de gua mineral transportar da engarrafadora i( i=A,B,C) para o supermercado j
(j=1,2,3,4).

17

O segundo passo ser criar a funo objetivo que representar matematicamente o custo total de
transporte da empresa. Isto envolver a obteno do custo unitrio do transporte do produto ou insumo
de cada regio produtora para cada regio consumidora (Quadro 4.3).
Esta funo objetivo ser a soma dos custos de transportar cada caixa de cada engarrafadora at
cada supermercado.
Modelando a Funo Objetivo

Minimizar Custo Total de Transporte = Custo de transportar caixas da engarrafadora A para os


supermercados 1,2,3,4 + custo de transportar caixas da engarrafadora B para os supermercados 1,2,3,4
+ custo de transportar caixas da engarrafadora C para os supermercados 1,2,3,4
Ou seja:
Min Custo = 5XA1 + 3XA2 + 2XA3 + 6XA4 + 4XB1 + 7XB2 + 8XB3 + 10XB4 + 6XC1 + 5XC2 + 3XC3 + 8XC4

Com a funo objetivo pronta o prximo passo seria modelar matematicamente as restries do
problema de transportes. Mas, quais as restries que esta empresa enfrenta no seu dia a dia?
Duas coisas devem estar claras neste tipo de modelo:
o

1 ) No pode sair mais produto ou mercadoria de cada unidade produtora (origem) do que a mesma tem
disponvel ou pode produzir (restries de produo): SADAS <= ou = DISPONIBILIDADE NA ORIGEM
o

2 ) No se deve receber menos no ponto de destino do que foi solicitado (restries de demanda):
ENTRADAS >.= ou = DEMANDAS NO PONTO DE DESTINO

Modelando as Restries:
Restries de Produo:
ProdEA) XA1 + XA2 + XA3 + XA4 = 1700
ProdEB) XB1 + XB2 + XB3 + XB4 = 2000
ProdEC) XC1 + XC2 + XC3 + XC4 = 1700
Restries de Demanda:
DemS1) XA1 + XB1 + XC1 = 1700
DemS2) XA2 + XB2 + XC2 = 1000
DemS3) XA3 + XB3 + XC3 = 1500
DemS4) XA4 + XB4 + XC4 = 1200
Restries Lgicas:
XA1 , XA2 , XA3 , XA4 , XB1 , XB2 , XB3 , XB4 , XC1 , XC2 , XC3 , XC4 > = 0

18

Modelo Final:
Min Custo ) 5XA1 + 3XA2 + 2XA3 + 6XA4 + 4XB1 + 7XB2 + 8XB3 + 10XB4 + 6XC1 + 5XC2 + 3XC3 + 8XC4
s.a.
ProdEA) XA1 + XA2 + XA3 + XA4 = 1700
ProdEB) XB1 + XB2 + XB3 + XB4 = 2000
ProdEC) XC1 + XC2 + XC3 + XC4 = 1700
DemS1) XA1 + XB1 + XC1 = 1700
DemS2) XA2 + XB2 + XC2 = 1000
DemS3) XA3 + XB3 + XC3 = 1500
DemS4) XA4 + XB4 + XC4 = 1200
XA1 , XA2 , XA3 , XA4 , XB1 , XB2 , XB3 , XB4 , XC1 , XC2 , XC3 , XC4 > = 0
Importante: As igualdades definidas nas restries de produo e nas restries de demanda
somente foram possveis porque a soma do que se tinha disponvel nas engarrafadoras (5400
caixas) exatamente igual soma das demandas dos supermercados (5400 caixas). Em casos
que no se tem a produo = demanda ou capacidade do depsito no se pode trabalhar com
igualdades e sim com < = ou > =.

Exemplo 2.4 A empresa SOGROS (SG) compra gros (arroz, feijo, etc.) em 3 regies produtoras
localizadas no interior de Santa Catarina e os deposita em trs centros de distribuio (CD1,CD2,CD3)
para posterior comercializao. Esta compra e entrega aos centros de distribuio tem um custo elevado
para a SG e realizada por uma empresa terceirizada. O Quadro abaixo mostra os custos de transporte
praticados por esta terceirizada (R$/ton transportada). A empresa precisa definir para a terceirizada a
cada semana quantas toneladas de gros esta deve transportar de cada regio produtora para cada CD
cujas capacidades de armazenagem so CD1 = 150 ton. , CD2 = 380 ton. e CD3 = 420 toneladas de
gros. bastante claro que esta definio deve ser a que proporciona empresa o menor custo total de
transporte. Formule o modelo sabendo que as regio produtoras A, B e C entregam empresa no
mximo 310, 500 e 200 toneladas de gros a cada semana, respectivamente.
Quadro 2.4. Custo de Transporte em R$/toneladas transportadas
Regies de
Produo/
CD1
CD2
CD3
CDs
A
7
12
14
B

11

13

10

Para a construo de um modelo de transportes pode-se iniciar pelo grafo que representa este
problema, como segue:

19

Representao Grfica do Exemplo 2.4

Disponibilidades
(ton/semana)

Capacidades dos CDs


(ton/semana)
$7

310

150

$12

RPA

CD1
$14
$8

500

380

$11
$13

CD2

RPB
$6

$10
$9

420

200
RPC
Total: 1010 ton.

CD3
950 ton.

Definindo as variveis de deciso:


QA1=Quantidade, em toneladas, a ser transportada da regio produtora A para o centro de distribuio 1
QA2=Quantidade, em toneladas, a ser transportada da regio produtora A para o centro de distribuio 2
QA3=Quantidade, em toneladas, a ser transportada da regio produtora A para o centro de distribuio 3
QB1=Quantidade, em toneladas, a ser transportada da regio produtora B para o centro de distribuio 1
QB2=Quantidade, em toneladas, a ser transportada da regio produtora B para o centro de distribuio 2
QB3=Quantidade, em toneladas, a ser transportada da regio produtora B para o centro de distribuio 3
QC1=Quantidade, em toneladas, a ser transportada da regio produtora C para o centro de distribuio 1
QC2=Quantidade, em toneladas, a ser transportada da regio produtora C para o centro de distribuio 2
QC3=Quantidade, em toneladas, a ser transportada da regio produtora C para o centro de distribuio 3
Ou:
Qij =Quantidade, em toneladas, a ser transportada da regio produtora i (i=A,B,C) para o centro de
distribuio j (1,2,3)

Modelando a Funo Objetivo:


O objetivo da empresa SG o de obter o menor custo possvel com o transporte de gros das trs
regies produtoras para os trs CDs. Tem-se, ento:
Min Custo) 7QA1 + 12QA2 + 14QA3 + 8QB1 + 11QB2 +13QB3 + 6QC1 + 10QC2 + 9QC3
Modelando as restries:
As restries que representam o problema do exemplo acima devem obedecer as seguintes
regras:
o

1 ) No pode sair mais produto (toneladas de gros) das regies produtoras do que elas tem disponvel;
o

2 ) Os centros de distribuio devem receber (toneladas de gros) tudo que lhes possvel armazenar.

20

Ento:
Restries de produo:
CapRPA) QA1 + QA2 + QA3 <= 310
CapRPB) QB1 + QB2 + QB3 < = 500
CapRPC) QC1 + QC2 + QC3 < = 200
Restries de capacidade de armazenagem:
CapCD1) QA1 + QB1 + QC1 = 150
CapCD2) QA2 + QB2 + QC2 = 380
CapCD3) QA3 + QB3 + QC3 = 420
Restries Lgicas:
QA1 , QA2 , QA3 , QB1 , QB2 , QB3 , QC1 , QC2 , QC3 > = 0
Modelo Final:

Min Custo) 7QA1 + 12QA2 + 14QA3 + 8QB1 + 11QB2 +13QB3 + 6QC1 + 10QC2 + 9QC3

s.a.
CapRPA) QA1 + QA2 + QA3 <= 310
CapRPB) QB1 + QB2 + QB3 < = 500
CapRPC) QC1 + QC2 + QC3 < = 200
CapCD1) QA1 + QB1 + QC1 = 150
CapCD2) QA2 + QB2 + QC2 = 380
CapCD3) QA3 + QB3 + QC3 = 420
QA1 , QA2 , QA3 , QB1 , QB2 , QB3 , QC1 , QC2 , QC3 > = 0
Baseado nos exemplos acima possvel construir um modelo genrico que pode ser aplicado a
qualquer problema de transporte de mercadorias de seus pontos de origem at seus pontos de destino.
Este modelo ser:
m

Min

cij xij

i=1

j=1

s.a.
n

xij = si

para i = 1, ...,m

j=1
m

xij = dj

para j = 1,...,n

i=1

xij >= 0
onde:
cij = custo de distribuio ou transporte de produto entre a origem i e o destino j;
xij = total a ser distribudo de i para j

21

si = total produzido ou disponvel;


dj = total a ser armazenado ou demanda de cada local.
Exemplo 2.5. (adaptado de Mathur e Sollow, 1997) A agncia do Banco Bradesco situada na Trindade
requer de 8 a 15 funcionrios para atendimento ao pblico, dependendo do horrio do dia. Esta agncia
trabalha com funcionrios de tempo integral em turno de 8 horas consecutivas e recebendo $15 por hora
trabalhada. Estes funcionrios iniciam s 8 horas da manh. Tem tambm alguns estagirios com turno
de 4 horas por dia podendo iniciar s 8 horas, 10 horas ou 12horas. Estes recebem $8 por hora. O
Sindicato dos Bancrios estabelece que ao menos 60% dos caixas sejam funcionrios em tempo integral.
Como gerente de recursos humanos faa uma recomendao do nmero de funcionrios em tempo
integral e nmero de estagirios em tempo parcial o banco necessita para minimizar o custo total dirio e
que atenda aos requerimentos mnimos de funcionrios em cada horrio estabelecidos na tabela abaixo:
Quadro 2.5 Nmero Mnimo de Funcionrios em cada perodo
Perodo
Nmero Mnimo de Funcionrios
8 - 10 horas
8
10 12 horas
10
12 14 horas
15
14 16 horas
12

Soluo:
Obviamente estamos diante de um modelo de Programao inteira pois no se pode ter 0,8 ou
4,3 funcionrios.
Variveis de Deciso:

Como deseja-se conhecer o nmero de funcionrios em tempo integral e parcial que o banco
deve dispor nesta agncia teremos como variveis de deciso as seguintes:
I = nmero de funcionrios em tempo integral
P = nmero de estagirios em tempo parcial
Porm, devemos lembrar que os estagirios por trabalharem somente 4 horas por dia tem
diferentes horrios de entrada e, por conseguinte, diferentes turnos de trabalho. Para que o modelo
retorne quantos estagirios devem trabalhar em cada turno a varivel de deciso P deve ser dividida em
trs, uma para cada turno de trabalho. Temos ento:
Variveis de Deciso:
I = nmero de funcionrios em tempo integral
P8 = nmero de estagirios em tempo parcial que iniciam s 8 horas;
P10 = nmero de estagirios em tempo parcial que iniciam s 10 horas;
P12 = nmero de estagirios em tempo parcial que iniciam s 12 horas;
Funo Objetivo:
A funo objetivo deve minimizar o custo total da Agncia bancria, ou seja:
Custo Total Dirio = custo com funcionrios em tempo integral + custo com estagirios que iniciam s 8
horas + custo com estagirios que iniciam s 10 horas + custo com estagirios iniciam s 12 horas

22

A funo objetivo ser, portanto:


Min Custo) 120F + 32P8 + 32P10 + 32P12
Aonde: 120 vem de $15 por hora vezes o nmero de horas trabalhadas por dia (8) e 32 vem de 4 horas
vezes $8.
Restries:
O ltimo passo
requerimentos:

ser o de modelar as restries que devero obedecer os seguintes

a) nmero mnimos de funcionrios/estagirios em cada turno (tabela 1)


b) imposio do sindicato de que ao menos 60% dos trabalhadores do banco sejam funcionrios em
tempo integral.

Para o item a) graficamente tem-se:

Tempo integral (I)


Tempo parcial com
Incio s 8 horas (P8)
Tempo parcial com
Incio s 10 horas (P10)
Tempo parcial com
Incio s 12 horas (P12)

8h

10 h

12 h

14 h

16 h

Atravs do diagrama acima pode-se observar os intervalos para os quais teremos que construir
restries para que a soluo obedea as necessidades do banco em termos de nmero mnimo de
funcionrios em cada perodo.
Por exemplo: segundo a tabela acima no perodo de 8 s 10 o banco necessita de no mnimo 8
funcionrios. Olhando o diagrama tem-se que neste perodo somente os funcionrios de tempo integral
(I) e os estagirios de tempo parcial que iniciam seu turno s 8 horas esto presentes. Escreve-se, ento:
I + P8 >= 8
No segundo turno (10-12h) o banco necessita de 10 funcionrios. Observando-se o diagrama
acima tem-se que esto presentes os funcionrios de tempo integral (I), os estagirios que iniciam s 8
horas (P8) e os estagirios que iniciam s 10 horas (P10). Tem-se ento:
I + P8 + P10 > = 10

23

Das 12 s 14 horas o banco necessita de pelo menos 15 funcionrios. Neste horrio podem estar
presentes, segundo o diagrama, os funcionrios de tempo integral (I), os estagirios que iniciam s 10
horas (P10) e os estagirios que iniciam s 12 horas (P12). A restrio ser:
I + P10 + P12 > = 15

Das 14 s 16 horas o banco necessita de pelo menos 12 funcionrios. Neste horrio podem estar
presentes, segundo o diagrama somente os funcionrios de tempo integral (I),e os estagirios que
iniciam s 12 horas (P12). A restrio ser:
I + P12 > = 12

Prontas as restries que representam o nmero mnimo de funcionrios/estagirios em cada


perodo tem-se ainda que construir as restries relativas imposio do sindicato. Lembrem que o
sindicato exige que ao menos 60% do total dos bancrios sejam funcionrios em tempo integral (I). Isto
vale para qualquer horrio em que o banco estiver em funcionamento. Tem-se, ento, que obedecer esta
imposio durante os quatro perodos.
Usando as variveis de deciso anteriormente definidas tem-se:
I > = 0.6(I+P8)
ou
I > = 0.6 (I + P8 + P10) ou
I > = 0.6 (I + P10 + P12)
I > = 0.6 (I + P12)

0.4I 0.6P8 > =0


0.4I 0.6P8 0.6P10 > = 0
ou
0.4I 0.6P10 0.6P12 > = 0
ou
0.4I 0.6P12 > = 0

Adicionando-se as restries lgicas que impem que as variveis somente assumem valores
positivos e inteiros tem-se:
Modelo Final:
Min Custo) 120I + 32P8 + 32P10 + 32P12
s.a.
Min8-10)
I + P8
>= 8
Min 10-12)
I + P8 + P10
> = 10
Min 12-14)
I
+ P10 + P12
> = 15
Min 12-14)
I
+ P12
> = 12
Prop8-10) 0.4I 0.6P8
> =0
Prop10-12) 0.4I 0.6P8 0.6P10
>=0
Prop 12-14) 0.4I 0.6P10 0.6P12
>=0
Prop 14-16) 0.4I
0.6P12
>=0
I, P8, P10, P12 >= 0 e inteiros

24

Atividade de Fixao
Unidade 04
1. Suponha que uma empresa tenha selecionado cinco propostas de investimentos cujas caractersticas essenciais
so:
ALTERNATIVAS:

($)

($)

($)

($)

($)

300.000

400.000

200.000 100.000

360.000

460.000

220.000 105.000

Valor do Investimento Necessrio 500.000


Valor Presente dos Benefcios
Econmicos Esperados

650.000

Se as propostas forem independentes e os recursos limitados em R$ 1.000,00 em quais projetos a empresa deveria
investir de maneira a maximizar o valor presente lquido total?
2. A microempresa SOLID COMPUTER (SC) monta 4 tipos de microcomputadores (A,B,C,D). O
computador A d empresa um lucro de R$ 150,00 enquanto os computadores B,C e D tem lucros
de R$ 190,00, R$ 180,00 e R$ 200,00, respectivamente. O micro A necessita de 0,9h/unidade de
mo de obra enquanto que B, C e D necessitam 1,2h/unid., 1,0h/unid. e 1,3h/unid. de mo-de-obra. A
empresa precisa de um espao de estocagem para cada tipo de microcomputador assim estimado:
0,7 m3/unid, 1,0 m3/unid, 1,2 m3/unid. e 0,9 m3/unid. para os microcomputadores do tipos A,B,C e D,
respectivamente. O consumo em R$ com matria prima varia com o tipo de microcomputador. O tipo
A consome, por semana, R$ 1.200,00/unid., o tipo B consome R$ 1.000,00/unid. o tipo C consome
R$ 900,00/unid e o tipo D R$ 1.300,00/unid. As disponibilidades destes recursos so: 300 h de
trabalho por semana, 260 m3 de galpo para estocagem e R$ 400.000,00 para aquisio de matria
prima por semana. A SC deseja saber quantos microcomputadores de cada tipo deve montar por
semana de maneira a maximizar seu lucro. Monte o modelo.
3. MTV Companhia produz trs tipos de tubos: A,B e C, que vende, respectivamente por $ 10,00,
$12,00 e $9,00 por metro. Para produzir cada metro do tubo do tipo A so requeridos 0,5 minutos de
tempo de processamento em um tipo particular de mquina. Cada metro do tubo tipo B precisa 0,45
minutos e cada metro do tubo do tipo C precisa de 0,6 minutos. Aps a produo cada metro de tubo,
independente do tipo, requer 1 kg de material de moldagem. O custo total estimado em $3,00,
$4,00, e $4,00 por metro dos tubos dos tipos A,B e C, respectivamente.
Para a prxima semana, a empresa recebeu um pedido grande de 2000 metros do tubo do tipo A,
4000 metros do tubo do tipo B, e 5000 metros do tubo do tipo C. Como somente 40 horas de tempo
de mquina esto disponveis esta semana e 5500 kg de material de moldagem esto em inventrio,
o departamento de produo no estar apto a satisfazer estas demandas, as quais requerem um
total de 97 horas de tempo de mquina e 11.000 kg de material de moldagem. Este alto nvel de
demanda no esperado continuar. Antes do que expandir a capacidade de produo, o
administrador da MTV est considerando comprar alguns destes tubos de fornecedores no Japo a
um custo de $6 por metro do tubo tipo A, $6 por metro do tubo tipo B e $7 por metro do tubo do tipo
C. Estes vrios dados esto resumidos na tabela que segue. Como administrador do departamento
de produo, voc foi solicitado a fazer recomendaes de quanto comprar de cada tipo de tubo do
Japo e quanto produzir de modo a satisfazer as demandas e maximizar o lucro da empresa.
Formule o modelo.
Tubos
Preo de
Demanda
Tempo de
Material de
Custo de
Custo de
venda ($/m)
(m)
Mquina
Moldagem
Produo
Compra

25

Tipo A
Tipo B
Tipo C

10
12
9

2000
4000
5000

(min/m)
0.50
0.45
0.60

(kg/m)
1
1
1

($/m)
3
4
4

($/m)
6
6
7

3. O departamento de Nutrio do Hospital Celso Ramos prepara 30 menus de jantares, um para cada
dia do ms. Uma refeio consiste de espagheti, frango, batatas assadas, espinafre e torta de ma.
Como diretor do departamento de nutrio voc determinou que esta refeio deve fornecer 63000
miligramas (mg) de proteina, 10 mg de ferro, 15 mg de niacina, 1 mg de tiamina e 50 mg de vitamina
C. Cada 100 gramas destes alimentos fornece a quantia de cada nutriente e gordura indicados na
tabela que segue.

Espagheti
Frango
Batatas assadas
Espinafre
Torta de Ma

Proteina
5000
29300
5300
3000
4000

Nutrientes (mg/100 g)
Ferro
Niacina
Tiamina
1.1
1.4
0.18
1.8
5.4
0.06
0.5
0.9
0.06
2.2
0.5
0.07
1.2
0.6
0.15

Vitamina C
0.0
0.0
10.0
28.0
3.0

Gordura
5000
5000
7900
300
14300

Para evitar muito alimento de um tipo, no mais do que 300 gramas de espagheti, 300 gramas de
frango, 200 gramas de batatas assadas, 100 gramas de espinafre e 100 gramas de torta de ma
devem ser includas na refeio. Como diretor do departamento de nutrio voc deve determinar a
composio da refeio que satisfaa os requerimentos nutricionais e fornece uma refeio com a
mnima quantidade de gordura. Formule o modelo.
4. Uma pessoa deseja investir R$ 100.000,00 em aes de empresas brasileiras. Em uma primeira
anlise, baseada em indicadores fundamentalistas do tipo preo/lucro da ao, preo/valor
patrimonial, rentabilidade do patrimnio lquido, rentabilidade do ativo e liquidez geral, selecionou as
cinco aes constantes da tabela abaixo. A coluna que informa o Beta da ao significa o quanto a
mesma variou em um determinado perodo (1 ms) em comparao ao ndice Bovespa, ou seja, um
Beta de 1 significa que a ao acompanhou a variao do Ibovespa. Os valores de CAPM abaixo
indicam o retorno esperado de cada ao para o perodo de 1 ms. Dadas estas informaes o
investidor deseja que voc formule um modelo que indique a ele o quanto (R$) investir em cada
empresa de maneira a maximizar o retorno esperado enquanto obtm um beta ponderado de 120000
(beta da ao * quantia investida em cada empresa). O investidor no deseja colocar mais do que R$
50.000,00 na ao da empresa Klabin e deseja tambm investir pelo menos R$ 20.000,00 na
empresa Sid Tubaro, devido ao alto risco do negcio. Monte o modelo.
.
Ao
Telemig Celular Part
PN
Sid Tubaro PN
Souza Cruz ON
Bradespar PN
Klabin PN

Cdigo
TMCP4

Beta
-0,13

CAPM (%)
-0,1

CSTB4
CRUZ3
BRAP4
KLBN4

3,83
0,67
1,00
- 0,47

12,76
2,57
3,62
-1,11

5. Um agricultor pode produzir bois para abate e ovelhas para l. A produo de um boi por ano requer
a existncia de um rebanho bovino que ocupa 11 ha de pastagens e que exige 1 hora de trabalho por
dia. A produo de uma tonelada de l por ano requer a existncia de um rebanho ovino que ocupa
sessenta hectares de pastagens e que exige duas horas de trabalho por dia. O produtor prev lucros
de oito mil reais por boi e de vinte e um mil reais por tonelada de l produzidos. Seus recursos

26

produtivos so limitados a quinhentos hectares de pastagens e, dado que seus dois filhos o auxiliam
no trabalho, dispe de vinte e quatro horas de trabalho dirias. O produtor desejaria seguir um plano
que maximizasse seus lucros totais. Formule o modelo.
6. (adaptado de Ramalhete, 1994) Uma empresa obteve de um comprador o seguinte pedido para os
prximos meses: 210 motores eltricos em Janeiro, 140 em fevereiro, 180 em Maro e 160 em abril.
A capacidade normal de produo de 190 motores por ms e os custos de produo so $20, $22,
$25 e $27 por motor em janeiro, fevereiro, maro e abril, respectivamente. Sabe-se que a capacidade
de armazenagem da empresa apenas suficiente para 120 motores, que j existem 50 motores em
estoque e que o custo mdio de armazenagem de $0.5 por motor. Determine o programa de
produo que minimiza o custo total de produo e armazenagem.
7. (adaptado de Ramalhete, 1994) Uma empresa obteve de um comprador o seguinte pedido para os
prximos meses: 210 motores eltricos em Janeiro, 140 em fevereiro, 180 em Maro e 160 em abril.
A capacidade normal de produo de 190 motores por ms e os custos de produo so $20, $22,
$25 e $27 por motor em janeiro, fevereiro, maro e abril, respectivamente. Utilizando horas extras a
empresa consegue produzir um adicional de 30 motores por ms ao custo unitrio de $25 em janeiro,
$27 em fevereiro, $30 em maro e $32 em abril. Finalmente a empresa pode subcontratar a produo
em qualquer quantidade de motores ao custo unitrio de $30 em janeiro e fevereiro e $35 em maro
e abril. Sabe-se tambm que a capacidade de armazenagem da empresa apenas suficiente para
120 motores, que j existem 50 motores em estoque e que o custo mdio de armazenagem de $0.5
por motor. Determine o programa de produo que minimiza o custo total de produo e
armazenagem.

8. Uma microempresa situada em Joinville produz diariamente trs modelos de abrigos de moleton:
luxo, padro e infantil. Para produzir um abrigo tipo luxo preciso utilizar 0,22 h de corte, 0,35h de
costura e 2,1m2 de tecido. O lucro do abrigo luxo de R$ 18,00. Para produzir um abrigo do tipo
padro preciso utilizar 0,16h de corte, 0,32h de costura e 2,3 m2 de tecido. O lucro por abrigo de
R$ 14,00. Para produzir o abrigo infantil preciso de 0,22h de corte, 0,30h de costura e 1,5m2 de
tecido. O lucro por abrigo infantil de R$ 13,00. Sabe-se que a microempresa dispe, atualmente, de
12 funcionrios no setor de corte e 15 funcionrios no setor de costura, todos trabalhando 8 horas por
dia. Dispe tambm de 300 m2 de tecido. Formule um modelo que indique ao dono da microempresa
quantas unidades de cada abrigo devem ser produzidas para maximizar o lucro total.
9. Uma serralheria produz trs tipos de telas metlicas: A,B e C. Para produzir 1 m2 de tela tipo A so
necessrios 20m de arame, 1 hora de solda e 1,2 horas de montagem. O lucro de R$ 13,00/m2 de
tela A. Para produzir um m2 de tela tipo B so necessrios 26 m de arame, 1,2 horas de solda e 1,7
horas de montagem. O lucro de R$ 15,00/m2 de tela B. Para produzir 1 m2 de tela tipo C so
necessrios 15 m de arame, 0,9 horas de solda e 1,0 horas de montagem. O lucro de R$ 10,00/m2
de tela C. A empresa dispe de 200 m de arame, 80h de solda e 96 h de montagem para cada dia
de trabalho. Formule o problema decisrio de estabelecer um plano de produo dirio que maximize
o lucro da empresa.
10. Uma metalrgica compra ferro velho de trs fornecedores diferentes: A,B e C. Cada carga do
fornecedor A contm 2,0 ton de ferro, 2,0 ton. de alumnio e 1,3 ton. de cobre. O custo da carga de
R$ 400,00. Cada carga do fornecedor B contm 1,3 ton de ferro, 2,4 ton. de alumnio e 1,9 ton. de
cobre. O custo da carga de R$ 580,00. Cada carga do fornecedor C contm 0,6 ton de ferro, 3,5
ton. de alumnio e 0,9 ton. de cobre. O custo da carga de R$ 390,00. A metalurgia precisa adquirir,
para a prxima semana, pelo menos 25 toneladas de cada um dos metais citados (ferro, alumnio e
cobre). Quantas cargas devem ser adquiridas de cada fornecedor para minimizar o custo de
aquisio dos metais?
11. A Petrobrs pode comprar dois tipos de leo cru: leo leve a um custo de $25 por barril e um leo
pesado a um custo de $ 22 por barril. Cada barril de leo cru, quando refinado, produz trs tipos de

27

produtos: gasolina, leo diesel e querosene. A seguinte tabela indica as quantidades em barris de
gasolina, leo diesel e querosene produzidas por cada barril de cada tipo de leo cru.
Gasolina

leo Diesel Querosene

leo Leve

0.45

0.18

0.30

leo Pesado

0.35

0.36

0.20

A refinaria tem contratado a entrega de 1.260.000 barris de gasolina, 900.000 barris de leo diesel e
300.000 barris de querosene. Como administrador de produo, formule um modelo para determinar
a quantia de cada tipo de leo cru comprar que minimize o custo total ao mesmo tempo que satisfaz
a demanda.
12. Uma microempresa do setor de alimentos tem uma sobra de caixa de R$ 500.000,00 em
determinado ms e decide investir esta quantia em fundos de investimento da corretora Hedging &
Griffo. Escolheu o Fundo Verde e o Fundo Ouro para realizar este investimento. Consultando o site
da corretora anotou que o fundo verde rendeu cerca de 50% no ltimo ano e que o fundo ouro rendeu
cerca de 39%. Sabe que o fundo verde tem boa parte de seus ativos aplicados em cmbio e,
portanto, o risco de qualquer quantia investida neste fundo grande. J o fundo ouro investe em
ativos bastante diversificados resultando em um risco menor para o aplicador. A empresa quer aplicar
nos dois fundos e decide que o investimento no fundo verde no deve ultrapassar 65% do total
investido. Devido ao risco elevado do fundo verde a empresa decide, tambm, que o total investido
no fundo ouro deve ser de pelo menos 2 vezes o total investido no fundo verde. Formule o modelo
que indique microempresa quanto investir em cada fundo para maximizar o retorno esperado.
13. (adaptado de Ramalhete, 2000) Uma agroindstria pretende determinar as quantidades de cada tipo
de rao que devem ser dadas diariamente a cada animal de maneira a conseguir formar uma rao
balanceada em termos de carbohidratos, vitaminas e protenas a um custo mnimo.
Os dados relativos ao custo de cada tipo de rao, as quantidades mnimas dirias de ingredientes
nutritivos bsicos a fornecer a cada animal, bem como as quantidades destes existentes em cada
tipo de rao (g/kg) constam no quadro abaixo.:
Ingredientes nutritivos
Carbohidratos(g/kg)
Vitaminas(g/kg)
Protenas(g/kg)
Custo ($/kg)

Rao A

Rao B

20
50
30
10

50
10
30
5

Quantidade Mnima
Requerida(gramas)
200
150
210

Formule o modelo de programao linear.


14. A empresa Produtos da Fazenda tem duas mquinas diferentes para processar leite bruto em leite
light, manteiga e queijo. A quantia de tempo requerida em cada mquina para produzir cada unidade
do produto resultante e os lucros lquidos so apresentados na seguinte tabela:
Leite Light
Manteiga
Queijo
(litros)
(kg)
(kg)
Mquina 1
0.2 min/litro
0.5 min/kg
1.5 min/kg
Mquina 2
0.3 min/litro
0.7 min/kg
1.2 min/kg
Lucro lquido

$ 0.22/litro

$ 0.38/kg

$ 0.72/kg

Assumindo que 8 horas por dia so disponveis em cada mquina, como administrador do
departamento de produo, formule um modelo para determinar o plano de produo dirio que
maximize o lucro lquido da empresa e produza um mnimo de 300 litros de leite light, 200 kg de
manteiga e 100 kg de queijo.

28

15. A empresa Carrega leo, situada perto do Rio de Janeiro, fornece gasolina para seus
distribuidores por caminho. Tendo fechado recentemente um contrato para comear a fornecer
800.000 litros de gasolina por ms para distribuidores em So Paulo necessita criar um frota para
atender esta demanda. A companhia tem $500.000 disponvel para criar esta frota consistindo de trs
tipos diferentes de caminhes. A capacidade, custo de operao e nmero mximo de viagens para
cada tipo de caminho so dados na tabela abaixo:
Tipo de
Capacidade
Custo
Custo por
No. mximo de
(litros)
Compra($)
viagem ($)
viagens por ms
Caminho
1
6.000
50.000
800
20
2
3.000
40.000
650
25
3
2.000
25.000
500
30
O gerente desta empresa no quer comprar mais do que 10 caminhes para sua frota assim como
gostaria de assegurar que ao menos 3 caminhes do tipo 3 sejam comprados (eles so necessrios
para rotas de viagens curtas e demanda baixa). Finalmente, o empresrio no quer mais do que
metade da sua frota formada de caminhes do tipo 1. Como administrador de operaes formule um
modelo para determinar a composio da frota que minimiza o custo mensal de operao enquanto
satisfaz a demanda, ficando dentro do oramento e satisfazendo os outros requerimentos da
companhia.
16. A empresa Produtos da Fazenda tem 50 hectares de terra para plantar qualquer quantia de milho,
soja, alface, algodo e brcolis. A seguinte tabela apresenta as informaes relevantes com relao
produo, custo de plantio, preo de venda e os requerimentos de gua por cada colheita:
Colheita
Produo
Custo
Preo de
Requerimentos de
(kg/ha)
($/kg)
Venda ($/kg)
gua (litros/Kg)
1.00
1.70
8.75
Milho
640
500
0.50
1.30
5.00
Soja
1.00
2.25
Alface
400
0.40
Algodo
300
0.25
1.00
4.25
0.60
1.30
3.50
Brcolis
350
Para a prxima estao existem 100.000 litros de gua disponvel e a companhia tem contratado
vender ao menos 5120 kg de milho. Formule o programa linear para determinar o planejamento timo
de plantio para a empresa. Use o nmero de hectares de cada plantio como varivel de deciso e
monte um modelo cujo objetivo de maximizar o lucro da empresa.
17. Reformule o modelo linear do exerccio anterior utilizando como variveis de deciso o nmero de
quilogramas de cada plantio.
18. Uma companhia exportadora de caf dispe de estoques em quatro portos brasileiros, conforme
mostra a tabela 1 abaixo. Em virtude dos contratos de fornecimento j assinados, a companhia
precisa transferir, dentro de um ms, para seus quatro armazns no exterior, determinadas
quantidades, conforme mostra a tabela 2. Os custos de transporte so os definidos na tabela 3.
Construa um modelo que minimize o custo de transporte do exportador.
Tabela 1. Estoques de Caf em cada Porto
Porto
Quantidade (t)
Paranagu

120

Santos

100

Rio de Janeiro

100

Vitria

100

29

Tabela 2. Quantidade de Caf Necessria em cada Armazm no Exterior


Porto
Quantidade(t)
Nova York

100

Hamburgo

80

Le Havre

90

Bordeux

150

Tabela 3. Custos de Transporte ($)


Porto de Destino Nova York Hamburgo LE Havre
Porto de Origem
Paranagu
70
30
20
Santos
50
40
10
Rio de Janeiro
30
20
40
Vitria
55
20
40

Bordeux
25
25
80
80

19. Um intermedirio abastece trs feirantes que operam em cidades diferentes (A, B e C) com ovos que
adquire em quatro granjeiros localizados em cidades diferentes (I,II,III e IV). Os preos pagos pelo
intermedirio para os granjeiros no tem diferena entre si, do mesmo modo quanto aos preos que
os feirantes lhe pagam. O intermedirio s consegue algum lucro fazendo com que o seu custo de
transporte seja o menor possvel. O quadro abaixo d o custo de transporte entre os granjeiros e os
feirantes, em R$/dzia de ovos. O quadro tambm mostra as quantidades de ovos que cada granjeiro
pode fornecer na prxima semana e as encomendas de ovos dos feirantes:

Granja \ Feirante
I
II
III
IV
Encomendas (dz)

A
0,35
0,37
0,41
0,36
1250

B
0,27
0,25
0,32
0,22
1550

C
0,33
0,38
0,38
0,39
2300

Oferta (dz)
1700
1100
2000
2000
****

Formule o problema de atender as encomendas a partir das ofertas de modo a minimizar o custo.
No esquea de explicar o significado das suas variveis !
20. Uma empresa tem trs fbricas que distribuem sua produo para quatro depsitos.
A capacidade da fbrica 1 de 2.2 mil unidades de produto por semana, produo esta que
obtida a um custo mdio de $53 mil por mil unidades.
A capacidade da fbrica 2 de 3,4 mil unidades de produto por semana, produo esta que
obtida a um custo mdio de $68 mil por mil unidades.
A capacidade da fbrica 3 de 1,8 mil unidades de produto por semana, a um custo mdio de
$84 mil por mil unidades de produto.
A gerncia central tem os seguintes pedidos de entrega de produto nos diversos depsitos para a
prxima semana: (a) o depsito 1 solicitou um total de 0,85 mil unidades; (b) o depsito 2 solicitou um
total de 0,75 mil unidades; (c) o depsito 3 solicitou um total de 1,34 mil unidades; (d) o depsito 4
solicitou um total de 1,60 mil unidades.
Os custos de transporte entre as diversas fbricas e depsitos como segue (em $ mil/mil unidades
de produto):
Depsitos - >
1
2
3
4
Fbricas !
1
26
30
54
43
2
45
35
30
52

30

3
53
32
41
20
O problema da gerncia estabelecer a produo e a distribuio da prxima semana de modo a
minimizar o custo total de atender s solicitaes dos depsitos. (obs.: supe-se que a produo da
semana pode ser toda entregue aos depsitos na mesma semana)
Varivel de deciso sugerida:xij = quantidade produzida na fbrica i que destinada ao depsito j
(em 1000 unidades)
21. Um fabricante de artigos de plstico possui em estoque 1200 caixas de envlucros transparentes em
uma de suas fbricas e 1000 caixas em uma segunda fbrica. O fabricante recebeu pedidos deste
produto proveniente de trs diferentes varejistas nas quantidades de 1000, 700 e 500 caixas,
respectivamente. Os custos unitrios de expedio (em centavos por caixa) desde as fbricas at os
varejistas so os seguintes:
Varejista 3
Varejista 1 Varejista 2
Fbrica 1
14
13
11
Fbrica 2
13
13
12
Determine o programa de expedio que atenda todas as demandas a partir do estoque disponvel, a
um custo mnimo.

22. MTI uma empresa que fabrica e exporta equipamentos de raio X de alta resoluo utilizados em
hospitais. Esta empresa conta, atualmente, com trs fbricas no Brasil que exportam para quatro
centros consumidores situados na Japo, Coria do Sul, Nova Zelndia e Austrlia. As fbricas
brasileiras situadas no Cear, So Paulo e Rio Grande do Sul tem capacidade de produzir at 100,
200 e 150 mquinas por ano, respectivamente. Para o prximo ano os consumidores no Japo
emitiram um pedido de 120 mquinas enquanto que os consumidores da Coria do Sul necessitam
de 80. Aqueles situados na Nova Zelndia precisam receber 70 mquinas enquanto os consumidores
situados na Austrlia emitiram um pedido de 110 mquinas. O sistema de transporte da empresa
conta com centros de distribuio (CDs) intermedirios cuja utilizao reduz o custo total com o
transporte destas mquinas at os centros consumidores. Desta forma, as mquinas produzidas no
Cear e So Paulo podem ser enviadas a centros de distribuio (CDs) situados na Hungria e frica.
Aquelas mquinas produzidas no Rio Grande do Sul podem ser enviadas somente para o centro de
distribuio situado na frica. Estes centros de distribuio no entregam diretamente a mercadoria
aos consumidores pois repassam tudo que receberam para outros CDs situados em pontos mais
estratgicos (Filipinas e Fiji). Os CDs no armazenam mquinas em estoque e devem, ento,
transportar exatamente o nmero de mquinas que receberam. Consumidores na Coria do Sul e
Nova Zelndia podem receber mquinas vindas tanto das Filipinas quanto de Fiji. Entretanto, devido
a tratados internacionais os consumidores no Japo s podem receber mquinas vindas das Filipinas
enquanto que os consumidores Australianos s podem receber mquinas vindas de Fiji. Os custos de
transporte das mquinas de cada fbrica at os CDs e de cada CD at os centros consumidores
esto relacionados nas tabelas abaixo. Como administrador de distribuio da empresa voc foi
incumbido de montar um plano de transporte que fornea MTI o menor custo de transporte. Modele
o problema.
Tabela 1 Custos com transporte ($/mquina) das fbricas at os Centros de Distribuio (CDs)
Centros de Distribuio
Hungria
frica
Cear
200
400
So Paulo
300
400
Rio grande do Sul
500

Hungria
frica

Tabela 2 Custos de Transporte ($/mquina) entre os Centros de Distribuio (CDs)


Filipinas
Fiji
800
600
700
400

31

CDs
Filipinas
Fiji

Tabela 3 Custos de Transporte dos CDs at os Centros Consumidores


Centros Consumidores
Japo
Coria do Sul
Nova Zelndia
700
600
800
700
500

Austrlia
600

23. Uma empresa dispe de trs fbricas, localizadas nas regies A,B e C. As fbricas A e B produzem
circuitos impressos para calculadoras, enquanto que a fbrica C produz visores de cristal lquido
para o mesmo fim. A montagem das calculadoras pode ser feita nas fbricas B e C. Uma
calculadora requer 2 circuitos e 1 visor.
A fbrica A pode produzir no mximo 200 circuitos por dia.
A fbrica B pode produzir at 150 circuitos por dia. Entretanto cada calculadora montada nesta
fbrica reduz sua capacidade de produo de circuitos de 1,3 unidades/dia.
A fbrica C pode produzir at 180 visores/dia. Todavia, cada calculadora que for montada nesta
fbrica reduz aquela capacidade em 0,8 unidades/dia.
O objetivo da empresa maximizar a produo diria de calculadoras.
24. Uma fbrica de derivados de petrleo pode utilizar diversos processos. Uma unidade do processo 1
3
definida pela utilizao de 2 m de matria-prima A e 0,3 toneladas de matria-prima B, gerando
como produto 0,13t de produto P. O lucro por unidade do processo 1 de $300,00.
Uma unidade do processo 2 definida pela utilizao de 1 m3 de matria-prima A, 0,6 ton. de
matria-prima B e 0,2 ton. de matria-prima C, gerando como produto 0,1 ton. de produto P e 0,7
ton. de produto Z. O lucro por unidade do processo 2 de $400,00.
3
Uma unidade do processo 3 definida pela utilizao de 3 m de matria-prima A, 0,5 ton. de
matria-prima C, gerando como produto 0,4 ton. de produto P, 0,15 ton. de produto Y e 0,05 ton. de
produto Z. O lucro por unidade do processo 3 de $250,00.
Para o ms seguinte a fbrica dispe de 1700 m3 de matria-prima A, 450 ton. de matria-prima B e
380 ton. de matria-prima C. Por outro lado, devido a contratos j realizados, a fbrica dever
produzir pelo menos 150 ton. de cada produto (P,Y e Z). Toda quantidade produzida em excesso
dos contratos pode ser comercializada sem dificuldades pela fbrica. O objetivo da gerncia
maximizar lucros. (variveis de deciso sugeridas: Xj: unidades do processo j a realizar no ms
seguinte).
25. Uma firma que produz televisores tem duas fbricas (localizadas nas cidades A e B) nas quais so
produzidos tubos de imagem e duas outras fbricas (localizadas nas cidades C e D) nas quais so
produzidos chassis e realizadas as montagens dos televisores. Cada televisor composto de um
tubo e um chassi.
A fbrica A pode produzir no mximo 900 tubos por ms a um custo mdio de $ 2 mil por tubo.
A fbrica B pode produzir um mximo de 1200 tubos por ms a um custo mdio de $ 1,8 mil.
A fbrica C dispe de 2500 horas por ms de mo-de-obra. Nesta fbrica a produo de um chassi
requer 1,2 horas de trabalho e a montagem de um aparelho requer 0,6 horas de trabalho. O custo de
produo de um chassi na fbrica C de 5,6 mil e o custo da montagem de um aparelho de 0,9 mil.
A fbrica D dispe de 1800 horas/ms de mo-de-obra. Nesta fbrica a produo de um chassi
requer 1,0 h de trabalho e a montagem de um aparelho requer 0,7 horas de trabalho. O custo de
produo de um chassi na fbrica $5,9 mil e o custo da montagem de um aparelho de 0,8 mil.
Os custo de transporte de tubos de imagem, em $ mil/tubo so como segue:
De/Para
A
B

C
0,34
0,26

D
0,41
0,37

O custo de transporte de um chassi de C para D (ou vice-versa) $0,23.


Aps a montagem os aparelhos so levados para venda nos locais E e F. A cada um destes locais
devem ser destinados 800 unidades no prximo ms. Os custos de transporte dos locais de
montagem aos locais de venda, em $ mil/aparelho, so como segue:

32

De/para
C
D

E
0,60
0,90

F
0,50
0,70

O problema consiste em cumprir os compromissos de venda ao menor custo de produo e


transporte possvel. Variveis de deciso so sugeridas abaixo.
QTij = quantidade de tubos produzidos em i e transportados para j(i=A,B;j=C,D)
QCij = quantidade de chassis produzidos em i e transportados para j(i=C,D;j=C,D)
QMik= quantidade de aparelhos montados em i e transportados para k(i=C,D;k=E,F)
26. (Lanzer, 1988) (problema de transporte com transbordo) Uma firma distribuidora de motores
eltricos tem depsitos localizados em diversas cidades de um certo estado. Numa certa semana a
gerncia verifica que em alguns depsitos existe excesso de estoque de motores, enquanto que em
outros depsitos existe falta de produto para as entregas previstas. A situao como segue:
Depsito

Excesso de Estoques
(unidades)
42
56
-

1
2
3
4
5

Falta de Estoques
(unidades)
25
33
29

O diagrama a seguir retrata os custos de transporte, em $ por motor, entre as diversas cidades de
interesse:

6
39

4
21
14

1
14

Observe, por exemplo, que possvel realizar transporte da cidade 2 para a cidade 5 diretamente ou
passando pela cidade 4 ou pelas cidades 1 e 3 (entre outras alternativas).
O problema suprir os depsitos 1,3 e 5 com as quantidades requeridas a partir dos estoques em
excesso existentes nos depsitos 2 e 4 ao menor custo de transporte possvel.
Variveis de deciso sugeridas para formulao:
Xij = nmero de motores transportados da cidade i para a cidade j(em unidades)
27. (Lanzer, 1988) Uma central telefnica tem os seguintes requerimentos mnimos de telefonistas em
dias normais de trabalho para manter um padro razovel de atendimento aos usurios:
Perodo
1
2
3
4

Hora do Dia
0:00 4:00
4:00 8:00
8:00 12:00
12:00 16:00

No. Mnimo de telefonistas


28
35
129
151

33

5
6

16:00 20:00
20:00 00:00

116
73

Cada telefonista tem um turno de 8 horas de trabalho consecutivas. O salrio varia de acordo com a
hora de incio do turno de trabalho:
Hora de incio do turno
Salrio ($/ms)
0:00
890,00
4:00
780,00
8:00
510,00
12:00
510,00
16:00
680,00
20:00
810,00
A central telefnica deseja saber quantas telefonistas contratar de modo a manter o padro desejado
de atendimento ao menor custo possvel.
Variveis de deciso sugeridas para formulao:
Xt: no. de telefonistas que iniciem o turno no perodo t.
28. (Lanzer, 1988 apud Robicheck et alli, 1965) A gerncia financeira de uma loja de departamentos
deve planejar suas decises para os prximos meses. As previses do Departamento de
Contabilidade quanto s variveis de interesse para o problema so as seguintes (em $ mil):

Variveis/Meses
Set.
Realizvel a Curto
10
Prazo*
Pagamento
de
12
Fornecedores**
Dficit de Capital de
5
Giro
Supervit de Capital
de Giro
* balano no incio do ms
** supondo pagamentos em dia

Out.
9

Nov.
12

Dez..
48

Jan
23

Fev.
20

18

20

17

13

10

10

11

O problema da gerncia financiar os dficits previstos de capital de giro ao menor volume de juros
possvel. Trs alternativas de financiamento podem ser utilizadas (em conjunto ou separadamente):
a) atrasar o pagamento dos fornecedores: ao atrasar o pagamento devido aos seus fornecedores no
ms t, a loja sua necessidade de capital de giro no mesmo ms; todavia o pagamento deve ser
realizado no ms seguinte com um acrscimo de 3%; alm disto poltica da loja limitar o uso
desta alternativa a, no mximo, 15% do total devido a cada ms;
b) tomar emprstimos bancrios mensais com base no realizvel a curto prazo: no incio de
qualquer ms t o banco se dispe a emprestar at 30% do realizvel a curto prazo do m~es; o
emprstimo deve ser pago no ms t + 1, com juro de 4%; e
c) emprstimo de 180 dias: no incio de setembro a loja pode tomar um emprstimo de at $10 mil
para ser integralmente pago com um juro de 32%.
Por outro lado, no inicio de qualquer ms a loja pode investir eventuais excessos de capital de giro
previstos para o ms em operaes financeiras de 30 dias, recebendo ento um juro de 2%.
Variveis de deciso sugeridas para formulao:
At: volume de pagamentos de fornecedores devido no ms t (em $ mil) que colocado em atrado
(em $ mil);
Bt: emprstimo de curto prazo tomado no incio do ms t (em $ mil);
C: emprstimo tomado no inicio de setembro para pagamento em fevereiro (em $ mil);
It: investimento financeiro realizado pela loja no incio do ms t ( em $ mil).

34

Obs.: supe-se que no ms de fevereiro a loja pretenda no atrasar qualquer pagamento, nem fazer
emprstimo ou investir no mercado financeiro.
29. (Corrar e Thefilo, 2004, modificado) Na qualidade de assessor de investimentos da Fundabanc,
uma fundao de empregados de determinado banco, voc foi chamado para estudar a melhor
forma de aplicar os recursos disponveis. A necessidade de limitar os riscos da empresa conduz a
trs tipos de aplicaes: aes preferenciais, aes de companhias de utilidade pblica e ttulos da
dvida pblica. Na composio da carteira devem ser levadas em conta, as restries impostas pela
legislao e normas vigentes descritas abaixo. Dado que a empresa tem disponvel R$ 100.000,00
formule um modelo que indique Fundabanc quanto deve ser aplicado em cada investimento de
maneira a maximizar o retorno esperado ao mesmo tempo que obedece as restries impostas
abaixo. As taxas de retorno esperadas, em %, esto descritas na tabela abaixo.
Investimento
Aes da Comgas
Aes da Cesp
Aes da Eletropaulo
Aes da Nestl
Ttulos pblicos federais
Ttulos pblicos municipais

Smbolo
COMG
CESP
ELP
NES
TPF
TPM

Taxa de retorno esperada (%)


4,3
3,7
1,8
2,8
1,5
2,4

Imposies:
os ttulos pblicos (federais e municipais) no podem representar, juntos, menos do que R$
30.000 dos investimentos;
as aes preferenciais da Nestl esto limitadas a R$ 25.000,00 dos investimentos;
as aes de companhias de utilidade pblica devem contabilizar pelo menos R$ 30.000 dos
investimentos.
30. (Corrar e Thefilo, 2004) A transportes timos responsvel pela distribuio de produtos de uma
indstria de refrigerantes que possui duas fbricas e trs depsitos. A administrao da distribuidora
est empenhada em reduzir ao mnimo possvel os custos de transporte dos produtos das fbricas
para os depsitos. Visando modelagem deste problema como um problema de programao linear
o controller da fbrica reuniu os dados constantes das tabelas abaixo e que correspondem aos
custos de transporte de cada fbrica at cada depsito. Formule o modelo que indique
administrao da distribuidora quanto transportar de cada fbrica para cada depsito de maneira a
minimizar o custo de transporte.

Fbricas
Demandas
(cx)

1
2
-

1
$450
$630
950

Depsitos
2
$580
$720
1550

Ofertas (cx)
3
$380
$410
2000

2500
1200

31. (Lachtermacher) A LCL Investimentos S.A. gerencia recursos de terceiros atravs da escolha de carteiras de
investimento para diversos clientes, baseados em ttulos diversos. Um de seus clientes exige que:

no mais do que 25% do total aplicado deve ser investido em um nico investimento;
um valor superior a 50% do total aplicado deve ser investido em ttulos de maturidade maiores que dez
anos;
o total aplicado em ttulos de alto risco deve ser, no mximo, de 50% do total investido.

35

A tabela abaixo mostra os dados dos ttulos selecionados. Determine qual percentual do total deve ser aplicado
em cada tipo de ttulo de maneira a maximizar o retorno anual.
Retorno anual
Ttulo 1
Ttulo 2
Ttulo 3
Ttulo 4
Ttulo 5
Ttulo 6

8,7%
9,5%
12%
9%
13%
20%

Anos para
vencimento
15
12
8
7
11
5

Risco
1 Muito Baixo
3 Regular
4 Alto
2 Baixo
4 Alto
5 Muito Alto

ESTUDOS DE CASO
CASO 1: O Problema de Entrega da Companhia de Petrleo PetroMundi
Voc, Sra. Tina Lopez, gerente de produo da Companhia de Petrleo PetroMundi recebeu um
chamado do Sr. Pedro Fonseca, Vice-Presidente de Produo, o qual precisa mandar ao menos 1,5
milhes de barris de leo para a refinaria de Lubnor, situada em Mucuripe/Fortaleza(refinaria 1), 1,6
milhes de barris de leo para a refinaria de Rlam situada em Salvador(refinaria 2) e 1,4 milhes de
barris de leo para a refinaria de Reduc situada no Rio de Janeiro(refinaria 3) para o prximo trimestre.
Voc disse a ele que iria desenvolver um, plano de custo mnimo para transportar o leo por naviostanques do porto do Terminal de Rio Grande e via oleoduto da empresa situada em Tramanda/RS.
Fazendo algumas ligaes a estes dois locais voc ficou sabendo que existe uma disponibilidade de at
3,5 milhes de barris de leo no porto de Rio Grande e at 1,2 milhes de barris em Tramanda. Para
transportar o leo do Rio Grande at as refinarias voc pode alugar trs tipos de navios-tanques A,B,C,
cada um com uma capacidade de 1,6 milhes de barris. Em discusso com o Sr. Yudo Conti do
departamento de contabilidade da empresa voc ficou sabendo que o custo de transportar leo atravs
de navios-tanques consistia de um custo com seguro contra derramamento e um custo fixo de aluguel. O
custo do seguro de $0,25/barris/1000 km viajado (taxa bsica) mais uma sobretaxa que depende da
idade do navio. O Sr. Yuki Conti montou ento para voc a seguinte tabela:
Tabela 1 Custos Fixos e Variveis do Aluguel de Navios Tanque
Navio-Tanque
Taxa Bsica
Sobretaxa
($/barris/1000km)
($/barris/1000km)
A
0,25
0,00
B
0,25
0,1250
C
0,25
0,0625

Custo Fixo
($)
200000
100000
150000

Ele tambm forneceu as distncias aproximadas do porto no Rio Grande para cada uma das refinarias e
o custo total de bombear um barril de leo de Tramanda at as refinarias.
Tabela 2 Distncias entre Refinarias e Porto e Custos de Transporte
Distncia do porto de Rio
Custo para Transportar por
Grande (Km)
oleoduto de Tramanda
($/barris)
Refinaria 1
2500
1,40
Refinaria 2
2000
1,25
Refinaria 3
1800
1,20
Como Gerente do Departamento de Produo, formule um modelo para determinar um plano de custo
mnimo que atenda todas as necessidades de leo das refinarias. Mantenha em mente que voc pode

36

determinar qual, se algum, navio-tanque usar e a quais refinarias mand-los, mas um navio-tanque no
pode ir a mais de uma refinaria.

CASO 2 O Problema de Produo da Companhia Produtora de Ao ASA


ASA uma grande empresa que produz cinco tipos diferentes de placas de ferro em suas oito fbricas.
Em um recente encontro de planejamento estratgico, o CEO da empresa decidiu alocar os oramentos
para cada uma das oito fbricas de acordo com a tabela 3 abaixo. Estes oramentos foram baseados em
parte pelas demandas fixas mostradas na tabela 4 fornecida pelo departamento de vendas para os cinco
tipos diferentes de placas de ferro. Como Vice-Presidente de Produo, voc Sr(a) ...... tem sido
solicitado a determinar um plano de produo para cada uma das oito fbricas.
Preparando tal plano voc solicitou a seu colaborador, Sr. Dietz, que obtenha os custos de produo de
cada um das cinco placas de ferro nas oito fbricas existentes.
Tabela 3 Oramento Designado a Cada Fbrica ($1.000)
Fbrica
1
2
3
4
5
Oramento
900
1050
950
1050
1000
Tabela 4 Demanda por cada Tipo de Placa de Ferro (ton)
Tipo de Placa
1
2
3
Demanda
450
800
500

6
1600

4
650

7
950

8
1050

5
180

Na sua prxima reunio com o Sr. Dietz ele trouxe os dados de custo mostrados na Tabela 5 abaixo. Ele
tambm mostrou que a ASA tem a possibilidade de comprar estas placas de trs fornecedores externos
nas quantidades e preos mostrados na Tabela 6. Sr. Dietz lembrou que obrigaes contratuais
requerem que se um fornecedor em particular escolhido a ASA dever comprar toda sua
disponibilidade dos cinco tipos de placas de ferro aos preos indicados. Voc pode, claro, decidir
comprar de nenhum, um, dois ou dos trs fornecedores. Quando voc passou esta informao ao CEO
da empresa Sr. Carlos Marques, o mesmo aprovou esta transao com fornecedores externos desde
que esta compra baixasse os custos totais e informou a voc que os custos de comprar destes
fornecedores no deveriam afetar o oramento previamente designado a cada fbrica.
Como Administrador de Produo, formule um modelo para determinar um plano de produo para cada
uma das oito fbricas e de quais fornecedores, se algum, comprar placas de ferro para minimizar o custo
total enquanto satisfaz as demandas e no ultrapassa o oramento destinado a cada fbrica.
Tabela 5 Custos de Produzir 1 tonelada de cada tipo de Placa de Ferro i na Fbrica j ($1.000)
Fbrica
Tipo de
1
2
3
4
5
6
7
8
Placa
1
5
3
4
3
3
4
6
4
2
3
4
6
2
5
3
5
4
3
7
6
5
8
4
3
4
5
4
6
6
6
5
3
5
5
4
5
8
9
8
7
10
9
8
6
Tabela 6 Custo por Tonelada e Quantia de Cada Placa Disponvel em Cada Fornecedor
Fornecedor 1
Fornecedor 2
Fornecedor 3
Tipo de Placa
Custo*
Quantia**
Custo*
Quantia**
Custo*
Quantia**
1
5
40
4
10
5
20
2
5
20
8
80
6
40
3
5
30
6
50
6
10
4
3
40
4
20
5
10
5
5
20
3
10
4
50
* Custo ($1.000) de comprar 1 tonelada de cada placa i do fornecedor; ** Se um fornecedor for utilizado, tudo de suas quantias
disponveis do cinco tipos de placas de ferro devem ser compradas ao custo indicado.

37

ANEXO 3: Como utilizar o Solver/Excel para resolver problemas de


programao linear (PL)
Recordando o exerccio abaixo:
Fashion Bikes Inc. (FBI) acaba de lanar 2 tipos de bicicletas infantis (1 para menino e 1 para menina)
que est fazendo o maior sucesso entre a garotada. O sucesso tanto que tudo que ela conseguir
produzir ser vendido gerando um lucro para empresa de $30 nas bicicletas para meninos e $50 nas
bicicletas para meninas. O departamento de marketing recomenda que ao menos 250 bicicletas de cada
tipo sejam produzidas por dia. Uma bicicleta de menino requer 4 horas no departamento de fabricao e
1 hora no departamento de montagem. Uma bicicleta de menina requer 4 horas no departamento de
fabricao e 2 horas no departamento de montagem. Atualmente FBI emprega 200 trabalhadores no
departamento de fabricao e 100 trabalhadores no departamento de montagem. A empresa trabalha
com 3 turnos de 8 horas (hora extra no permitida). De acordo com os dados acima indique ao dono da
FBI quantas bicicletas para meninos e quantas bicicletas para meninas devem ser produzidas por dia
para obter o mximo lucro possvel assim como o lucro total dirio desta produo.

Modelando este problema como um problema de programao linear teremos:


Max Lucro)
50xf + 30xm
s.t.
Restr. de fabric)
4xf + 4xm < = 4800
Restr. de mont)
2xf + xm < = 2400
Impos. Marketing bici fem) xf
>= 250
Impos. Marketing bici masc)
xm >= 250

Constante=4

Varivel = xm
Para resolvermos este modelo no excel, primeiro deveremos coloc-lo, no software, em forma de planilha
conforme a figura 1 abaixo, aonde:
nas coluna A e B teremos os cabealhos, ou seja, o nome das restries.
nas colunas de C at G teremos as informaes do modelo. Devemos informar em C e D quais so as
constantes que, no modelo, esto multiplicando as variveis xf e xm.
Na coluna E deveremos colocar, para cada restrio a frmula, ou seja, a funo, que a representa. Por
exemplo:
Na clula E7 teremos a funo que representa o consumo de mo de obra no departamento de
fabricao, ou seja: 4xf + 4xm. Como no excel uma funo informada atravs do endereo das clulas
teremos a constante 4 substituda pelo endereo em que ela se encontra C7, a varivel xf substituda

38

pelo endereo C5, a outra constante 4 pelo endereo D7 e a varivel xm por D5.
Teremos, ento
=C7*C5 + D7 * D5
Para a restrio de montagem, que est uma linha abaixo teremos:
= C8*C5 + D8 * D5
A mesma coisa deve ser feita para as demais restries, assim como para a funo objetivo.
A clula E6 dever conter a representao da funo objetivo (50xf + 30xm). Recorrendo novamente ao
artifcio do endereo das clulas e teremos:
=C6*C5 + D6*D5
Note que tanto as restries quanto a funo objetivo estaro sempre se referindo aos endereos C5 e
D5 as quais devero conter as quantidades de xf e xm.
Depois de construdas todas as funes na coluna totais deveremos informar, para cada restrio, se a
mesma <=, =, ou >= na coluna F.
Na coluna G teremos ainda os valores dos lados direitos de cada restrio (RHS).
Com o modelo pronto, s chamar o Solver atravs de Ferramentas/Solver, conforme figura 2.

Figura 2 Ativando o solver

39

Figura 3 Definindo clula de destino

Aps o solver ser ativado a janela da figura 3, acima, se abrir. Nesta estaremos informando o modelo
que queremos resolver.
.
Passos a serem seguidos:
o

1 ) Definir clula de destino: a clula de destino ser sempre a que contm a funo que representa a
minha funo objetivo, ou seja, E6;
2o) Informar se o modelo de maximizao ou minimizao clicando no lugar correspondente;
o

3 ) Informar as clulas variveis, conforme figura 4 abaixo.: estas sero aquelas que estamos buscando,
ou seja, os valores de xf e xm(clulas C5 a D5),
o

4 ) adicionar as restries do modelo clicando no boto Adicionar que abrir a janela da figura 5;
o

5 ) na janela da figura 5 tem-se: referncia de clula (valores em verde nas colunas) = ou >= ou <=
restrio (valores em rosa na coluna). Nesta janela iremos informar cada restrio, por exemplo:
Para a restrio de mo de obra no departamento de fabricao iremos informar que a soluo
encontrada deve respeitar a seguinte imposio: o valor que est em E7 (consumo de mo de obra neste
departamento. ) deve ser <= ao valor que est em G7 (mximo de horas de mo de obra disponvel).
o

6 ) depois que introduzirmos todas as restries voltamos janela inicial e clicamos em Opes. Desta
maneira a janela da figura 6 se abrir e clicaremos em: presumir modelo linear e presumir no
negativos.
7o) Depois de todos estes passos executados poderemos resolver o modelo.

40

Figura 4 Informando as clulas variveis

Figura 5 Adicionando as restries

41

Figura 6 Escolha de opes do Solver

42

Figura 7 Modelo pronto para execuo do Solver

3. Resoluo de um Modelo de Programao Linear: soluo grfica

3. . Resoluo de um Modelo de Programao Linear: Soluo Grfica

3.1 Introduo
Na unidade anterior foi abordado o mtodo de construo de um modelo linear. Vrios modelos
foram construdos e resolvidos com a utilizao do software EXCEL.
Nesta unidade, entretanto, iremos abordar a resoluo de modelos de programao linear
atravs do mtodo grfico. Salienta-se que, atravs do mtodo grfico, somente modelos lineares de
duas variveis podem ser representados.
Mas porque devemos aprender o mtodo grfico se existem softwares que chegam soluo
do problema com eficincia?
Bem, o mtodo grfico importante para melhorar o entendimento do modelo linear. Atravs
dele pode-se enxergar o que est acontecendo quando uma restrio est sendo adicionada ao
modelo e como se chega definio dos valores das variveis.
Vamos l?
Iniciando atravs de um exemplo tem-se:
Exemplo 3.1 A empresa SEMPRE PERFUMADA (SP) uma microempresa do ramo de perfumaria
com sede em Palhoa/SC. Trabalha na mistura de componentes importados para produo de vrios
tipos de perfumes. Dois perfumes masculinos so os carros chefe da empresa. Um bastante suave
e o outro mais forte e duradouro. A produo dos perfumes se d em dois setores: o de mistura e o
de embalagem. No setor de mistura 5 funcionrios trabalham em tempo integral (40h/semana) e 2 em
tempo parcial (15h/sem.) misturando os componentes importados de acordo com as dosagens prdeterminadas. No setor de embalagens 6 funcionrios de tempo integral (40h/semana) e um
funcionrio parcialmente licenciado (10 h/semana) trabalham na colocao dos perfumes j prontos
em seus respectivos frascos e nas respectivas caixas que sero transportadas para o depsito para
posterior entrega nos pontos de varejo. O dono da empresa pensa que pode trabalhar com mais
eficincia e, com isto, alcanar um lucro semanal maior se alterar as quantidades produzidas de seus
dois produtos. Para resolver este problema levantou os dados constantes na tabela abaixo que
estabelecem o nmero de horas que cada litro de produto necessita nos setores de mistura e de
embalagem.
Tabela 3.1. Requerimentos (horas/litro) nos respectivos setores de produo
Perfume 1
Perfume 2
Setor de Mistura
2
1
Setor de Embalagens
1
2

A empresa tem trabalhado com estoques altos de matria prima sendo, portanto, o nico
recurso limitante a mo de obra disponvel. Porm, sabe que no deve produzir mais do que 120
litros do perfume 2 pois, sendo este um perfume mais forte, a procura baixa. A margem de lucro
calculada para o produto 1 de $3 por litro e do produto 2 de $5 por litro. Como administrador da
empresa voc necessita determinar quanto de cada tipo de perfume deve ser produzido por semana
para maximizar o lucro da SP.

43

44

3. Resoluo de um Modelo de Programao Linear: soluo grfica

Utilizando o processo de formulao desenvolvido na unidade anterior tem-se:


Passo 1: Definio das Variveis de Deciso
X1 = nmero de litros do perfume 1 produzir por semana
X2 = nmero de litros do perfume 2 produzir por semana

Passo 2: Identificao dos dados do problema


Variveis

Smbolos
Unida
Dados Iniciais
de
Perfume Perfume
Perfume Perfume
1
2
1
2
de
X1
X2
litros
-

Nmero de litros
perfume
Consumo de M.Obra no
setor de mistura
Consumo de M.Obra no
setor de embalagem
Lucro Unitrio
Solicitado
Lucro Total

Horas

<= 230 horas

horas

<= 250 horas

>=0

>=0
<= 120

$
-

3
-

5
-

LT

Passo 3. Identificao e Modelagem da Funo Objetivo

Max LT) 3x1 + 5x2

Passo 4. Identificao e Modelagem das Restries

MOMist) 2x1 + x2 < = 230


MOEmb) x1 + 2x2 < = 250
DemX2)
x2 < = 120

Modelo Final:
Max LT) 3x1 + 5x2
s.a.
R1) 2x1 + x2
R2) x1 + 2x2
R3)
x2
R4) x1
R5)
x2

< = 230
< = 250
< = 120
>=0
>= 0

Solicitado

Maximizar

45

3. Resoluo de um Modelo de Programao Linear: soluo grfica

3.2. Resolvendo um Modelo Linear atravs do Mtodo Grfico


A resoluo de um modelo linear atravs do mtodo grfico inicia-se com o traado dos dois
eixos representativos de um grfico bi-dimensional.
Para o exemplo 3.1 anterior estes eixos estaro representando as quantias (em litros) dos
perfumes 1 e 2 (x1 e x2).
X2

4o Quadrante

1o Quadrante

X1
o

3 Quadrante

2o Quadrante

Figura 1 Sistema de eixos para o exemplo 3.1

3.2.1. Construindo o grfico representativo das restries


Normalmente se inicia a construo do grfico representativo de um modelo linear traando as
restries do problema.
A representar estas restries estaremos trabalhando na busca de valores viveis para cada
restrio. Estes sero todos os valores que satisfazem aquela restrio em particular.
Aqueles valores que no satisfazem a restrio so chamados de valores inviveis.

Valores Viveis:
So os valores para as variveis de deciso que
satisfazem a restrio.

Para o exemplo 3.1 pode-se representar primeiramente as restries 4 e 5. Estas fazem com que
as variveis de deciso x1 e x2 assumam somente valores positivos conforme pode ser observado
na figura 02 abaixo.

46

3. Resoluo de um Modelo de Programao Linear: soluo grfica

X2
R4

R5
X1

Figura 02. rea vivel segundo as restries 4 e 5 do Exemplo 3.1

Os valores viveis, portanto, sero aqueles situados no primeiro quadrante do sistema de eixos.
Excluem-se os quadrantes 2, 3 e 4 pois estes conduzem valores negativos para as variveis de
deciso.
o
Neste momento, todos os valores situados no 1 . quadrante do sistema de eixos so
considerados viveis. Porm faltam ainda duas restries a ser representadas. Vamos, portanto,
representao grfica da restrio 1.
R1) 2x1 + x2 < = 230
Para podermos encontrar a regio vivel, ou seja, a regio que contenha valores para as
variveis que obedecem s restries 4, 5 e 1 primeiramente devemos transformar a desigualdade
da restrio 1 em uma igualdade. O resultado ser a reta 2x1 + x2 = 230 que dever ser
representada conforme figura 03 abaixo.
X2
300

R4
C

200

100

R1
R5
A

B
100

X1
200

Figura 03 Regio vivel baseada nas restries 1, 4 e 5

300

3. Resoluo de um Modelo de Programao Linear: soluo grfica

Note que, ao traar a reta representativa da restrio 1 estaremos restringindo ainda mais nosso
espao de solues viveis. Como a restrio 1 uma desigualdade e no uma igualdade todos os
valores situados sobre e abaixo da reta representativa da restrio sero valores viveis. Quando
temos uma restrio de igualdade somente os valores situado sobre a reta sero valores viveis.

Regio Vivel:
aquela regio que rene um conjunto de valores
viveis para as variveis de deciso que satisfazem
todas as restries do modelo de Programao
Linear.

A regio vivel, neste momento, est restrita ao conjunto de valores situados no tringulo de
vrtice ABC acima.
Porm falta ainda representar as restries 2 e 3 do modelo.
Para representar as duas restries deve se proceder da mesma maneira que para a restrio 1
acima. Primeiro transforma-se a desigualdade em igualdade. Traa-se a reta e busca-se o conjunto
de valores viveis para aquela restrio. Observe que:
Em uma restrio tipo <= os valores viveis estaro sempre sobre e abaixo da reta que representa a
restrio.
Em uma restrio tipo >= os valores viveis estaro sempre sobre e acima da reta que representa a
restrio.

As figuras 04 e 05 so as representaes grficas do modelo do Exemplo 5.1 quando a restrio


02 adicionada (Figura 04) e quando a restrio 03 adicionada (Figura 05).

R2) x1 + 2x2 < = 250


R3)
x2 < = 120

Note que ao acrescentar a restrio 2 (Figura 04) o espao que contm as solues viveis para
o modelo de P.L. deixa de ser o tringulo acima e transforma-se em um polgono de vrtices ABCD.
A regio situada dentro e sobre o polgono chamada de regio vivel e esta contm valores para as
variveis x1 e x2 que obedecem as restries 1,2,4 e 5. Todos os pontos (x1 e x2) situados dentro
deste polgono so solues viveis para o modelo.
A Figura 5 mostra como fica a regio vivel para o modelo do exemplo 5.1 quando a restrio 3
acrescida ao grfico. A regio vivel agora formada pelo polgono de vrtices ABCDE. Observe
que o espao que contm a regio vivel vai ficando cada vez menor medida que mais uma
restrio acrescentada. Isto bastante evidente pois a busca de valores para x1 e x2 que
satisfaam as restries vai ficando cada vez mais difcil ao adicionarmos mais uma restrio.

47

48

3. Resoluo de um Modelo de Programao Linear: soluo grfica

X2
R4

300

200

R1

100

R2
R5

X1

100

200

300

Figura 04 Regio Vivel segundo as restries 1,2,4 e 5

X2

R4

300

200

R1
E

100

R3

R2

R5
B

A
100

X1
200

300

Figura 05 Regio Vivel do Exemplo 3.1 para todo o conjunto de restries

A figura 05 acima estabelece, ento, a regio vivel do modelo de programao linear. Dentro
da rea formada pelo polgono de vrtices ABCDE que representa as restries 1,2,3,4 e 5 tem-se o

3. Resoluo de um Modelo de Programao Linear: soluo grfica

49

conjunto de solues viveis do problema. As solues viveis sero todas aquelas que satisfazem,
ao mesmo tempo, todas as restries do problema.
Soluo Vivel:
Uma soluo na qual as variveis de deciso
assumem valores viveis.

3.2.2. Obtendo a Soluo tima


Atravs da Figura 05 acima pode se observar que existe um conjunto grande de solues
possveis (viveis) formado por todos os pontos dentro e sobre o polgono de vrtices ABCDE. Porm
a soluo tima de um modelo de Programao Linear aquela que ao mesmo que satisfaz todas as
restries conduz ao melhor valor da funo objetivo.

Soluo tima:
aquela soluo na qual as variveis de deciso so
valores viveis e que conduz ao melhor valor da
Funo Objetivo.

Existem duas maneiras de chegar-se soluo tima de um P.L. atravs da abordagem grfica
A primeira e, na maior parte das vezes, a mais fcil a que est baseada no seguinte teorema:
Teorema 1. Se um Programa Linear vivel e o conjunto de todas as suas restries resultam
em um polgono convexo ento a soluo tima se dar em um dos vrtices deste polgono.
Observando a Figura 05 acima v-se que o conjunto de restries est representado por um
polgono convexo e, portanto, pode-se fazer uso do teorema 1 para encontrar a soluo tima. O primeiro
passo ser o de relacionar todas as coordenadas dos pontos que definem os vrtices do polgono
ABCDE, conforme tabela abaixo.
O passo seguinte ser o de calcular o valor da funo objetivo em cada ponto, e ver qual ponto
nos fornece o melhor valor para a funo objetivo.

Se o objetivo da empresa o que segue:


Funo Objetivo: Max LT) 3x1 + 5x2
Ento pode-se chegar tabela:

3. Resoluo de um Modelo de Programao Linear: soluo grfica

50

Tabela 3.2. Coordenadas dos Vrtices do P.L. do Exemplo 5.1 e Valores na Funo Objetivo
Ponto
X1
X2
Valor da F.Objetivo
(F.O. = 3x1 +5x2)
A
0
0
0
B
115
0
345
C
70
90
660
D
10
120
630
E
0
120
600

A soluo que produz o maior valor da funo objetivo ser a soluo constante do ponto C
(Lucro Total = $660).
Mas, como encontrar as coordenadas dos pontos? Atravs dos mtodos de resoluo de
sistemas de equaes lineares.
Para exemplificar vamos pegar o ponto B. Ele est localizado entre a interseco da reta da
restrio 1 e a reta da restrio 5. Se as equaes das retas so:

2x1 + x2 = 230
x2 = 0
Se x2 = 0 ento substituindo este valor na 1 equao tem-se: 2x1 = 230 x1 = 115 e x2 = 0
a.

Para encontrar o ponto C procede-se da mesma maneira. Este ponto ser a interseco das
retas das restries 1 e 2.
2x1 + x2 = 230
x1 + 2x2 = 250
O ponto D ser a interseco entre as retas das restries 2 e 3:
x1 + 2x2 = 250
x2 = 120
O ponto E ser a interseco entre as retas das restries 3 e 4 o que j resulta diretamente nos
valores de x1 = 0 e x2 = 120.
Uma outra maneira de obter-se graficamente o resultado de um modelo de P.L. atravs do
traado da reta que representa a funo objetivo. Como a funo objetivo uma funo aberta e no caso
do exemplo 3. 1 uma funo aberta na direo da maximizao ela no ser uma reta fixa no sistema de
eixos como o caso das restries. Ser uma reta que se mover na direo da maximizao.
Mas, como traar a F.Objetivo?
Bem, primeiro deve-se tomar um ponto dentro da regio vivel (x1,x2)
Por exemplo: x1 = 50 e x2 = 60 (50,60)
Ao estabelecer-se o valor deve-se substituir os mesmo na funo objetivo e calcular o resultado:
F.O. = 3x1 + 5x2
Se x1 = 50 e x2 = 60 temos: 3* 50 + 5* 60 = 450

51

3. Resoluo de um Modelo de Programao Linear: soluo grfica

Logo aps retorna-se funo objetivo original (3x1 + 5x2) e traa-se a reta que representa a
F.O. naquele ponto:
3x1 + 5x2 = 450
Para traarmos esta reta toma-se dois pontos (x1 = 0 e x2 = 90) e (x2=0 e x1 = 150)
O resultado ser o mostrado na Figura 06 que segue.

X2
R4

300

200
R1
E
100

R3

R2

R5
A
B
100

X1
200

300
3x1 + 5x2 = 450

Figura 06 Representao Grfica do Exemplo 3.1: Busca da Soluo tima (Passo 1)

Aps traar a reta que representa a funo objetivo naquele ponto procede-se a busca da
melhoria do valor da funo objetivo movendo-se a reta da F.Objetivo para a direita at que ela esteja
praticamente saindo do polgono. O ltimo ponto que esta reta toca antes de sair do polgono ser a
soluo tima. Observe na Figura 07 abaixo que o ltimo ponto que a reta toca ser o ponto C
confirmando ento este ponto como soluo tima do modelo de Programao Linear do exemplo 03.

52

3. Resoluo de um Modelo de Programao Linear: soluo grfica


X2
R4
300

200
R1
E

100

R3

C
R2

A
B
100

200

300

3x1 + 5x2 = 660


3x1 + 5x2 = 450

Figura 07 Representao Grfica do Exemplo 3.1: Busca da Soluo tima (Passo 2)

3.3. Programas Lineares Inviveis


Na seo anterior trabalhou-se sobre um programa linear para o qual pde-se obter uma soluo
tima nica. Porm, apesar de ser o caso mais comum, muitas vezes depara-se com outros tipos de
programas lineares como o caso de um programa linear invivel.
Um programa linear invivel quando no existem valores para as variveis de deciso que
satisfaam todas as restries simultaneamente.
Programa Linear Invivel:
um programa linear no qual no existem valores
para as variveis de deciso que satisfaam todas as
restries.

Normalmente um programa linear vem a ser invivel por erros no momento da modelagem ou por
imposies do administrador impossveis de serem obedecidas no modelo.
Para exemplificar tomamos novamente o Exemplo 3.1 mas pensemos em uma situao em que o
administrador da empresa solicitasse a voc que modificasse o modelo pois a demanda do perfume 2
teve um salto grande e ele precisa para a prxima produzi mais do que 150 litros deste produto por
semana. O modelo modificado ficaria:
Max LT) 3x1 + 5x2
s.a.
R1) 2x1 + x2
R2) x1 + 2x2
R3)
x2
R4) x1

< = 230
< = 250
> = 150
>=0

A representao grfica deste novo modelo seria a da Figura 08:

53

3. Resoluo de um Modelo de Programao Linear: soluo grfica

X2
R4

300

200
R1

R3

100

R2

X1
100

200

300

Figura 08 Programa Linear Invivel

Note, atravs da Figura acima que no existem valores possveis para x1 e x2 que satisfaam
todas as restries. Para satisfazer a restrio 1 somente valores sobre e abaixo da reta que representa
a restrio so aceitos. Para a restrio 2 vale o mesmo. Porm quando olharmos a regio de valores
viveis para a restrio 3 pode se observar que os valores acima da reta da R3 so viveis para esta
restrio porm no obedecem a restrio 2. No existe portanto um nico valor que possa satisfazer
todas as 4 restries do modelo.
Se olharmos mais atentamente para o modelo poderemos ver que o programa invivel porque
no existe recurso no setor de embalagem para produzir a quantia de 150 litros do perfume 2.

3.4 Programas Lineares Ilimitados


Um outro caso o de programas lineares ilimitados. Neste tipo de programa no existe uma soluo
nica pois o conjunto de restries no forma um polgono fechado estando aberto na direo da
maximizao ou minimizao.
Para observarmos o que ocorre neste caso suponhamos que o modelo do exemplo anterior tenha
sido erroneamente construdo com as desigualdades das restries 1 e 2 trocadas de < para >. O modelo
ficaria como abaixo e a Figura 9 estaria representando graficamente este modelo:
Max LT) 3x1 + 5x2
s.a.
R1) 2x1 + x2
R2) x1 + 2x2
R3)
x2
R4) x1
R5)
x2

> = 230
> = 250
< = 120
>=0
>= 0

54

3. Resoluo de um Modelo de Programao Linear: soluo grfica

X2
300

200
R1
C

R3

100
B

R2
A
100

200

300

Figura 09 Programa Linear Ilimitado

Na figura acima a regio formada, neste novo modelo, ser a definida pelos vrtices ABC. A
regio est portanto aberta no formando mais um polgono fechado. Com o objetivo de maximizao a
reta da F.Objetivo ser levada para a direita infinintamente no encontrando ento uma soluo.

Programa Linear Ilimitado:


um programa linear no qual a funo objetivo pode
ser melhorada infinitamente.

3. Resoluo de um Modelo de Programao Linear: soluo grfica

55

Atividade de Fixao
1. Uma marcenaria situada em Florianpolis produz mesas e cadeiras de baixo custo. O processo de
produo das mesas e cadeiras similar e requer um certo nmero de horas de trabalho no setor de
carpintaria e um certo nmero de horas de trabalho no setor de pintura. Cada mesa necessita de 4
horas de trabalho no setor de carpintaria para ficar pronta para pintura e 2 horas de trabalho de
pintura. Cada cadeira requer 3 horas na carpintaria e 1 hora na pintura. Durante o atual perodo de
produo esto disponveis 240 horas de trabalho no setor de carpintaria e 100 horas de trabalho no
setor de pintura. O departamento de marketing est confiante de que pode vender todas as mesas
que puderem ser fabricadas. Entretanto, devido a um estoque existente de cadeiras, o departamento
no recomenda que sejam fabricadas mais do que 60 novas cadeiras. Cada mesa vendida tem uma
margem de contribuio para o lucro de $7, e cada nova cadeira vendida resulta em uma margem de
$5. Modele o problema que indique empresa quantas cadeiras e quantas mesas produzir por
semana de modo a maximizar o lucro. Resolva graficamente.
2. Uma importadora situada em Santa Catarina est planejando expandir seu negcio at o Rio Grande
do Sul. Para fazer isto a empresa necessita saber quantos depsitos de cada tamanho dever
construir para armazenar suas mercadorias. Seu objetivo e restries so como segue:
Maximizar lucro mensal)
s.a.
oramento de marketing disponvel)
No. de m2 requerido)
Mximo de depsitos pequenos)

50X + 20Y
20X + 40Y < = 400
100X + 50Y < = 800
X
< = 60
X
>=0
Y >=0

Onde: X = nmero de depsitos pequenos a construir e Y = no. de depsitos grandes a construir.


Resolva graficamente este problema.
3. Encontre as solues dos programas lineares abaixo:
a) Maximizar lucro) x + y
s.a.
2x + y <=100
x + 2Y <=100
x, y > = 0

b) Maximizar lucro) 3x + 2y
s.a.
2x + y <=150
2x + 3Y <=300
x, y > = 0

c) Maximizar lucro) 4x + 6y
s.a.
x + 2y <= 8
6x + 4y <=24
x, y > = 0

3. Resoluo de um Modelo de Programao Linear: soluo grfica

d) Maximizar
x1 + 2X2
s.a.
6x1 2X2 <=3
-2x1 + 3x2 <=6
x1 + x2 <= 3
x1, x2 >=0

e) Maximizar
-4x1 + 8x2
s.a.
6x1 2x2 <=3
-2x1 + 3x2 <=6
2x1 + 3x2 <=24
x1,x2
>=0

f)

Minimizar
x1 + x2
s.a.
3x1 5x2 >=30
3x1 + 2x2 <=9
x1, x2
>=0

g) Minimizar custo) x + 2y
s.a.
x + 3y >=90
8x + 2Y >=160
3x + 2y > = 120
y < = 70
x, y > = 0
h) Minimizar
12x1 -2x2
s.a.
5x1 4x2 <=14 (a)
x1 - 4x2 <=-2 (b)
2x1 + x2 >= 5 (c)
6x1 x2 >= 3 (d)
x1, x2 >=0 (e) e (f)

Respostas:
1) X = 8; Y=0; F.O. = $400
3a) X = 33,33; Y = 33,33; F.O. = 66,67
3b) X = 37,5; Y = 75; F.O. = 262,5
3c) X = 2; Y = 3; F.O. = 26
3d) X = 0,6; Y = 2,4; F.O. = 2,4
3e) X = 1,5; Y = 3; F.O. = 1,8
3f) Invivel
3g) X = 25,71; Y = 21,43; F.O. = 68,57
3h) invivel.

56

4. Programao Linear: interpretando os resultados

57

4. Programao Linear: Interpretando os Resultados

At a unidade anterior voc aprendeu como construir modelos de programao linear que
representassem um problema decisrio de uma determinada empresa. Em especial problemas de
planejamento da produo e problemas de transporte foram abordados.
Voc tambm aprendeu a resolver problemas de programao linear atravs da abordagem
grfica. Porm, esta abordagem s pode ser utilizada quando temos um modelo de duas variveis e um
nmero no muito grande de restries. Para problemas maiores, com mais de duas variveis e um
nmero grande de restries nada mais fcil do que utilizar o computador atravs dos softwares hoje
existentes tais como: Solver do Excel e LINDO. Mas, como estes softwares resolvem os problemas de
programao linear? Atravs de um eficiente algoritmo chamado SIMPLEX.
SIMPLEX
um mtodo algbrico para resolver qualquer problema de
programao linear em um nmero finito de passos.

Aqui nesta unidade voc no ir aprender todos os passos que o SIMPLEX executa para
alcanar a soluo tima. O foco est na interpretao dos resultados que o computador nos d. E na
anlise a fundo de todas as informaes contidas no relatrio do EXCEL.
A interpretao dos resultados que os softwares fornecem de grande importncia para o
administrador. De nada adianta saber modelar perfeitamente um problema decisrio de uma empresa se
no souber extrair do relatrio todas as informaes nele disponveis.
Nesta unidade estaremos trabalhando especificamente com o relatrio do EXCEL, porm, as
interpretaes aqui estudadas so tambm aplicadas a qualquer outro software de programao linear
Iniciaremos esta unidade com o estudo da transformao de um modelo qualquer de
programao linear na sua forma padro. Este processo utilizado pelos algoritmos de resoluo de
modelos de P.L. e seu entendimento conduz a uma melhor compreenso das informaes existentes nos
relatrios dos pacotes computacionais.

4.1. Forma Padro


Como vimos at aqui os modelos de programao linear podem ser de vrios tipos. A funo
objetivo pode ser de maximizao ou minimizao, as restries podem ser de igualdade (=) ou
desigualdade (<= ou >=), as variveis podem assumir valores negativos ou positivos (at aqui nossas
variveis s assumiam valores positivos mas existem casos, como problemas de localizao, por
exemplo, em que as variveis assumem valores negativos).
A forma padro uma forma particular de modelo de programao linear na qual a funo
objetivo de maximizao, todas as restries so igualdades, o lado direito (RHS) positivo e todas as
variveis so no-negativas (positivas).

Na forma padro as seguintes condies devem ser satisfeitas:


1) A funo objetivo de maximizao;
2) Todos os RHS das restries devem ser no-negativos;
3) Todas as restries so igualdades;
4) Todas as variveis so no-negativas.

58

4. Programao Linear: interpretando os resultados

Se um modelo no estiver nesta forma deve-se transform-lo.


Para ilustrar o procedimento envolvido voltemos ao exemplo modelado na 2a. unidade.

Exemplo 4.1. S Bicicletas (SB) uma empresa nacional que atua no ramo de produo de bicicletas.
A empresa acaba de lanar 2 novos modelos de bicicletas infantis ( 1 para menino e 1 para menina) que
est fazendo o maior sucesso entre a garotada. O sucesso dos novos modelos tanto que tudo que for
produzido ser vendido e o departamento de marketing recomenda que ao menos 250 bicicletas de cada
modelo sejam produzidos. O lucro unitrio na produo e venda da bicicleta feminina de $50 e da
bicicleta masculina de $30. A empresa conta para a produo destes dois novos modelos com 200
trabalhadores no departamento de fabricao e 100 trabalhadores no departamento de montagem. A
empresa trabalha em trs turnos e cada funcionrio trabalha 8 horas por dia. O modelo feminino
necessita de 4 horas de mo de obra no departamento de fabricao e de 2 horas no departamento de
montagem. O modelo masculino necessita de 4 horas de mo de obra no departamento de fabricao e
de 2 horas no departamento de montagem. Formule um modelo que informe SB o plano de produo
dirio que maximiza seu lucro.

Lembre-se que as variveis de deciso definidas foram:


Xf = o nmero de bicicletas femininas produzir diariamente
Xm = o nmero de bicicletas masculinas produzir diariamente

Max LT ) 50Xf + 30Xm


s.a.
MOFabric) 4Xf + 4Xm <=4800
MOMont ) 2Xf + Xm <=2400
DemFem) Xf
>= 250
Dem Masc)
Xm > = 250

RHS: Lado direito da


desigualdade

Observando o modelo acima conclui-se que sua funo objetivo de maximizao, as variveis
so positivas, os valores dos RHS so positivos porm as restries so todas de desigualdades. Estas
deveremos transformar em igualdades para chegarmos forma padro.

4.1.1. Convertendo uma desigualdade em uma igualdade


MOFabric) 4Xf + 4Xm <=4800
A restrio acima utilizada para indicar que no mais do que 4800 horas podem ser utilizadas
pelo departamento de fabricao na produo de bicicletas femininas e masculinas. Mas, como
transformar este restrio em um igualdade?
Atravs da incluso, no modelo, de uma varivel de folga (s) da seguinte maneira:
MOFabric) 4Xf + 4Xm +s1 = 4800

59

4. Programao Linear: interpretando os resultados

A varivel s1 no modelo acima significa a quantidade do recurso (mo de obra no departamento


de fabricao) no utilizado no plano timo. Quando esta varivel assumir o valor zero este valor
significar que todo o recurso est sendo utilizado.
Por exemplo:
se s1 = 0 o consumo de m.obra no departamento de fabricao ser de 4800h na soluo
tima.
Se s1=1200, o consumo de m. obra no departamento de fabricao ser de 4800-1200 =
3600 horas na soluo tima.
a

O mesmo procedimento deve ser aplicado 2 . restrio.


MOMont ) 2Xf + Xm <=2400
Ou seja:
MOMont ) 2Xf + Xm + s2 = 2400
Sendo que s2 significa o nmero de horas no utilizadas, no plano timo,. no departamento de
montagem.
a
a
A 3 . e 4 . restrio ficar um pouco diferente pois, por serem restries tipo >=, as variveis de
folga no sero subtradas e sim somadas ao RHS.
DemFem) Xf >= 250
Dem Masc) Xm >= 250
Forma Padro:
DemFem) Xf - s3 = 250
Dem Masc) Xm -s4 = 250
A varivel de folga s3 significa o excedente de bicicletas femininas que dever ser produzido, na
soluo tima, alm do mnimo solicitado (250).
A varivel de folga s4 tem o mesmo significado e ser, ento, o excedente de bicicletas
masculinas que dever ser produzido, na soluo tima, alm do mnimo solicitado (250).
Com as restries transformadas em igualdades, a funo objetivo sendo uma funo de
maximizao, as variveis sendo no negativas e os valores do RHS positivos o modelo na forma padro
est pronto e ser:

Max LT ) 50Xf + 30Xm


s.a.
MOFabric) 4Xf + 4Xm = 4800 s1
MOMont ) 2Xf + Xm = 2400 s2
DemFem) Xf
= 250 + s3
Dem Masc)
Xm = 250 + s4
Mas, em que, a forma padro ir auxiliar-nos na interpretao dos relatrios dos pacotes
computacionais?

60

4. Programao Linear: interpretando os resultados

Varivel de Folga
uma varivel no negativa que somada ao lado esquerdo
de uma restrio tipo <= para obter-se uma restrio de
igualdade.
Significa o quanto faltou, na soluo tima, para que o limite
mximo imposto pelo <= seja alcanado.

Varivel Excedente
uma varivel no negativa que subtrada ao lado
esquerdo de uma restrio tipo >= para obter-se uma
restrio de igualdade.
Significa o quanto o limite mnimo imposto pelo >= foi
ultrapassado.

4.1.1. Convertendo uma funo objetivo para maximizao


Quando temos uma funo objetivo do tipo:
Minimizar x + 2y
Sabemos que, pela 1. regra descrita anteriormente a mesma deve ser transformada em F. O . de
maximizao. Como faremos?
Simples, devemos multiplicar a equao que representa a funo objetivo por (-1) e assim
a
estaremos transformando-a de maneira a obedecer a 1 . regra.
A resposta fica a seguinte:
Mazimizar x 2y

4.2. Interpretando os resultados


Para que possamos entender o relatrio que os pacotes computacionais, mais especificamente o
Excel, nos fornecem vamos continuar trabalhando com o Exemplo 6.1 acima.
Colocando o modelo, em sua forma original( sem as variveis de folga) , no Excel e
resolvendo teremos um relatrio de resultados, um relatrio de sensibilidade e um relatrio de limites.
Importante: estes relatrios s sero criados quando clicarmos nas opes:
Relatrio/resposta e sensibilidade, no momento em que ativamos o solver, conforme mostrado
abaixo.

4. Programao Linear: interpretando os resultados

61

4.2.1. Relatrio de Resposta


Os dados relativos aos valores das variveis de deciso e funo objetivo na soluo tima e as
folgas ou excedentes de cada restrio so mostrados no relatrio de resposta do EXCEL, como segue:

62

4. Programao Linear: interpretando os resultados

VALOR DA FUNO
OBJETIVO

VALOR DAS
VARIVEIS

VALOR DAS VARIVEIS DE


FOLGA

Para o Exemplo 4.1 tem-se, ento, que para a empresa obter um lucro dirio de $55.000,00
(valor da funo objetivo) ela deve produzir diariamente 950 bicicletas femininas e 250 bicicletas
masculinas (valor da varivel na soluo tima).
Tambm no relatrio de resposta tem-se a informao a respeito das variveis de folga de cada
restrio, denominado pelo excel de transigncia, j discutido no item 6.1 desta unidade
Quando tem-se uma restrio tipo <= chama-se o valor da transigncia de folga e este valor
significar o quanto do recurso deixou de ser utilizado na soluo tima.
Quando tem-se uma restrio tipo >= chama-se o valor da transigncia de excedente e este
valor significar o quanto, na soluo tima o limite mnimo imposto pelo >= foi ultrapassado.
Observe, pelo relatrio do EXCEL, que as transigncias (folgas ou excedentes) do exemplo 6.1
so:
Restr. de fabricao =s1 = 0
Restr. de montagem =s2 = 250
Impos. Marketing bici fem = s3 = 700
Impos. Marketing bici masc = s4 = 0
Explicando melhor as folgas ou excedentes:
Se para a restrio relativa ao consumo de mo de obra no departamento de fabricao tem-se:
Restr de Fabric) 4Xf + 4Xm + s1 = 4800
e obtendo-se, na soluo tima, o valor de s1 = 0 para a folga, saberemos que todo este
recurso foi utilizado. Ou seja, na soluo tima foram gastas as 4800 horas de mo obra disponveis
neste departamento.

63

4. Programao Linear: interpretando os resultados

Para a restrio relativa ao consumo de mo de obra no departamento de montagem tem-se:


Restr. de Mont ) 2Xf + Xm + s2 = 2400
Um valor de folga s2= 250 significa que 250 horas deste recurso no foram consumidas na
soluo tima, ou seja, sobraram. Se a empresa tinha disponvel 2400 horas neste departamento foram
realmente consumidas 2400 250 = 2150 horas.
Para a 3a. restrio que impunha um limite mnimo na produo de bicicletas femininas de 250
unidades tem-se:
Impos. Marketing bici fem)

Xf - s3 = 250

Um valor de 700 para a varivel s3 significa que o limite de 250 foi ultrapassado (excedente) em
700 unidades, ou seja, na soluo tima devem ser produzidas 250 + 700 bicicletas femininas.
a
Para a 4 . restrio que impunha um limite mnimo na produo de bicicletas masculinas de 250
unidades tem-se:
Impos. Marketing bici masc)

Xm - s4 = 250

Um valor de zero para s4 significa que o limite mnimo de produo de 250 bicicletas masculinas
foi mantido na soluo tima.

4.2.2. Relatrio de sensibilidade I


No relatrio de sensibilidade do exemplo 4.1, reproduzido abaixo, tem-se informao sobre o
valor final de cada varivel, cada restrio bem como os custos reduzidos e o preo sombra de cada
restrio.

CUSTO REDUZIDO
CUSTO REDUZIDO

PREO DUAL OU
PREO SOMBRA

4. Programao Linear: interpretando os resultados

64

Como pode ser observado acima cada varivel apresenta um custo reduzido de zero. Este valor
indica que o resultado para o valor da funo objetivo no cair em nada (zero) se for acrescentada uma
unidade no valor da varivel, ou seja: se Xf for de 951 e no 950 o valor da F.O. no cair dos
$55.000,00 atuais. O mesmo acontece com Xm pois esta varivel tambm apresenta um custo reduzido
igual a zero, ou seja: se Xm for igual a 251 ao invs de 250 o valor da FO permanece inalterado.

Custo Reduzido
um nmero associado a cada varivel na soluo tima
que significa o quanto piora o valor da funo objetivo
para cada unidade que o administrador impor a mais no
valor da varivel.
IMP: a soluo tima dada pelo algoritmo e qualquer
alterao nesta soluo tima implicar em perdas no
valor da funo objetivo.

Ainda com relao ao relatrio de sensibilidade I tem-se um preo sombra associado cada
restrio.
Esta parte do relatrio de grande relevncia para o administrador da empresa pois fornece
informaes econmicas importantes, a respeito dos recursos da empresa, que podem ser utilizados no
processo de tomada de deciso.
Em um modelo de programao linear (P.L.) existe sempre uma varivel associada a cada
restrio que nos informa a taxa de mudana no valor da funo objetivo por unidade de acrscimo no
valor do lado direito de cada restrio (RHS). Isto , mudanas nos valores do RHS conduzem a um
maior ou menor valor da funo objetivo e na maior parte das vezes alteram a soluo tima. Esta
varivel chamada de preo sombra.
Preo Sombra ou Preo Dual
Est associado folga ou excedente de cada restrio e
significa o quanto melhora o valor da funo objetivo por
unidade de acrscimo no valor do RHS.
***o valor deste preo sombra s vlido dentro do
intervalo de sensibilidade***

Mas, com relao ao Exemplo 6.1 o que significam aqueles preos sombra informados?
a

Para a 1 . restrio relativa ao consumo de mo de obra no departamento de fabricao o preo


sombra de $12,5. Esta restrio fixava o consumo de mo de obra neste departamento em 4800 horas
no mximo. Lembre-se que este recurso foi todo consumido na soluo tima pois apresentou folga zero
(s1 = 0). Um ML de $12,5 para este recurso significa que para cada hora a mais de mo obra que a
empresa puder obter para este departamento o valor da funo objetivo ($55000) ser acrescido em

4. Programao Linear: interpretando os resultados

65

$12,5. Isto , se a empresa puder dispor de mais 100 horas de mo de obra neste departamento o valor
de seu lucro passar de $55.000,00 para $55.000 + 100* 12,5 = $56.250,00.
Para a 2a . restrio um preo sombra informado de zero. Por qu? Lembre que a folga deste
recurso de 250 horas. Fica claro que se j existem 250 horas sobrando deste recurso em nada ir
acrescentar o valor da minha F.Objetivo se o administrador puder contratar 1 hora a mais neste
departamento.
a

Para a 3 . restrio tem-se um preo sombra de zero. Lembre que esta no mais uma restrio
de recurso e sim de demanda (xf >=250). Este preo significa que 1 unidade de acrscimo no valor do
RHS desta restrio no ir aumentar e nem diminuir o valor da funo objetivo.
Observe no relatrio acima que para 4a. restrio tem-se um preo sombra de $-20. Voltando
a
definio de preo sombra ou preo dual tem-se que 1 unidade de acrscimo na 4 . restrio (xm>=250)
ir ocasionar um aumento de $-20 no valor do lucro da empresa, isto , ir diminuir o lucro. Por exemplo,
se o empresrio exigir que o mnimo de bicicletas masculinas produzidas pela empresa seja aumentado
para 300 unidades O que ir acontecer? O lucro ir passar de $55.000,00 para $55.000 + (-20*100) =
$53.000,00.
Resumindo para voc:

P/ variaes no RHS dentro do intervalo de estabilidade do preo dual pode-se calcular o novo valor da
funo objetivo da seguinte maneira:

66

4. Programao Linear: interpretando os resultados

Modelos de Maximizao:
Novo valor da F.O. = Valor original da F.O. + (preo sombra * variao do RHS)
Onde:
Variao do RHS = Novo valor do RHS RHS original
Modelos de Minimizao:

Novo valor da F.O. = Valor original da F.O. - (preo sombra * variao do RHS)

Porm, importante observar que o valor dos preos sombra s sero vlidos dentro de um certo
intervalo de estabilidade explicitado ao lado do mesmo no relatrio de sensibilidade. Este intervalo ser
formado da seguinte maneira:
Intervalo de variao do RHS = [RHS atual permissvel decrscimo); (RHS atual + permissvel
acrscimo)]

Por exemplo, o valor de $12,5 para o preo sombra da restrio Restr. De Fabric) s vlido
dentro do intervalo especificado ao seu lado.
a

Ou seja, para a 1 . restrio o valor de $12,5 vlido dentro do intervalo:


[4800 2800; 4800 + 500] = [2000; 5300].
Este intervalo diz que, para qualquer alterao no valor do RHS em que este no baixe de 2000 e
no seja maior do que 5300 o valor de $12,5 pode ser utilizado para estimar o valor da funo objetivo.
a

E para o preo sombra da 2 . restrio, qual ser o intervalo de estabilidade?


a

Intervalo de variao do RHS para a 2 . restrio = [(2400 250); (2400 + infinito)]


a

Intervalo de variao do RHS para a 2 . restrio = [2150; infinito)


a

Este intervalo mostra que um preo sombra=0 para a 2 . restrio vale se modificaes no valor
do RHS desta restrio no conduzirem a um valor abaixo de 2150 horas e que este recurso pode ser
aumentado at o infinito que nada acrescentar no lucro da empresa.
a

Intervalo de variao do RHS para a 3 . restrio = [(250 infinito); (250 + 700)]

4. Programao Linear: interpretando os resultados

67

Intervalo de variao do RHS para a 3 . restrio = (- infinito; 950)]


a

Intervalo de variao do RHS para a 4 . restrio = [(250 250); (250 + 700)]


a

Intervalo de variao do RHS para a 4 . restrio = [0; 950]

Salienta-se que

IMPORTANTE:
Qualquer alterao nos valores dos RHS de qualquer
uma das restries pode ocasionar mudanas na
soluo tima.
A nica coisa que se pode saber como ficar o valor
da funo objetivo se esta alterao estiver dentro do
intervalo de estabilidade.

Imagine agora que o dono da S Bicicletas (SB) recebe um relatrio indicando que o lucro do
modelo de bicicletas femininas caiu para $42,00 pois a mesma utiliza algumas peas importadas que
tiveram seu preo elevado com a subida do dlar ocasionando assim um acrscimo no custo unitrio da
bicicleta. Este empresrio pergunta a voc o que fazer? Ser que o plano de produo dirio
estabelecido pelo modelo de P.L. continuar o mesmo? Teremos que rodar o modelo novamente fazendo
assim a alterao no coeficiente de Xm da funo objetivo?
Talvez no precise rodar o modelo novamente pois o EXCEL traz esta informao tambm em
seu relatrio de sensibilidade. Este um dado importante para o administrador e talvez o mais
importante depois da soluo tima. A parte do relatrio que mostra esta informao :

Para a construo dos intervalos em que os coeficientes da funo objetivo podem variar sem
alterar a soluo tima procede-se da mesma maneira que fizemos anteriormente para variaes do
RHS, ou seja:
Intervalo de variao do coeficiente da F.O. =
[(coef. objetivo permissvel decrscimo; coef. objetivo + permissvel acrscimo)]

4. Programao Linear: interpretando os resultados

68

Para o Exemplo 4.1 tem-se que somente alteraes no coeficiente de Xm dentro do intervalo
abaixo no conduzem uma nova soluo tima ou novo plano de produo para a S Bicicletas.
Intervalo de variao do coef. de Xf = [(50-20; 50+ infinito)] = [30; + infinito]
Este intervalo mostra, portanto, que se o lucro unitrio do modelo de bicicletas femininas cair at
$30 nenhuma alterao no plano de produo timo (produzir 950 bicicletas modelo feminino e 250 do
modelo masculino) ir ocorrer. Tem-se tambm que acrscimos neste lucro at o infinito mantm,
tambm, o plano de produo original.
Para o modelo masculino o intervalo ser:
Intervalo de variao do coef. de Xm = [(30- infinito); (30+20)] = (-infinito;50]
Tem-se ento que o lucro unitrio pode cair quanto quiser que esta mudana no ocasionar um
novo plano de produo timo. Observa-se tambm que se o lucro unitrio deste modelo subir para alm
de $50 um novo plano de produo ser estabelecido.
Objetivamente falando esta parte do relatrio indicar ao administrador a sensibilidade da
soluo tima a mudanas ocasionadas nos valores dos coeficientes da funo objetivo.

4. Programao Linear: interpretando os resultados

69

Atividade de Fixao

1. Converta o modelo linear do exerccio 1, atividade de fixao 1 para a forma padro. Explique o
significado dos coeficientes.
2. A microempresa SOLID COMPUTER (SC) monta 4 tipos de microcomputadores (A,B,C,D). O
computador A d empresa um lucro de R$ 150,00 enquanto os computadores B,C e D tem lucros
de R$ 190,00, R$ 180,00 e R$ 200,00, respectivamente. O micro A necessita de 0,9h/unidade de
mo de obra enquanto que B, C e D necessitam 1,2h/unid., 1,0h/unid. e 1,3h/unid. de mo-de-obra. A
empresa precisa de um espao de estocagem para cada tipo de microcomputador assim estimado:
0,7 m3/unid, 1,0 m3/unid, 1,2 m3/unid. e 0,9 m3/unid. para os microcomputadores do tipos A,B,C e D,
respectivamente. O consumo em R$ com matria prima varia com o tipo de microcomputador. O tipo
A consome, por semana, R$ 1.200,00/unid., o tipo B consome R$ 1.000,00/unid. o tipo C consome
R$ 900,00/unid e o tipo D R$ 1.300,00/unid. As disponibilidades destes recursos so: 300 h de
trabalho por semana, 260 m3 de galpo para estocagem e R$ 400.000,00 para aquisio de matria
prima por semana. A SC deseja saber quantos microcomputadores de cada tipo deve montar por
semana de maneira a maximizar seu lucro. Pede-se:
a)
b)
c)
d)
e)
f)
g)
h)

i)

j)
k)
l)
m)
n)

Construa o modelo linear e converta-o para a forma padro.


Explique o significado das variveis de folga do modelo na forma padro.
Qual o plano de produo que maximiza o lucro da Solid Computer ?
Qual o lucro mximo que a Solid Computer pode conseguir?
A capacidade de estocagem da empresa um recurso limitante no plano de produo timo?
A empresa dispe de R$ 400.000,00 para compra de matria prima. Quanto ela precisa utilizar no
plano timo?
Se voc, como administrador, tivesse duas alternativas excludentes: contratar mais mo de obra
ou alugar um espao maior para a estocagem. Por qual das duas voc decidiria? Por qu?
Se um comprador antigo faz uma encomenda de 10 microcomputadores do tipo B, encomenda
esta irrecusvel pois a Solid Computer correria o risco de perder o comprador, quanto dever ser
o lucro da empresa? Qual deve ser o lucro de B para compensar as perdas?
A empresa do lado mais ou menos sentiu que a SC est precisando de capacidade de
estocagem. A vizinha oferece um de seus galpes (30 m3) para alugar a um preo de R$
1.500,00. Como administrador da Solid Computer qual seria a sua deciso? Alugar ou no?
Se houver uma diminuio de 10% no lucro do microcomputador tipo A o que acontecer com o a
soluo tima? E com o lucro? Se for preciso rode o programa de novo.
E se a diminuio do lucro do micro A for de s 4%?
Se houver um aumento de 10% no lucro do microcomputador tipo B o que acontecer com a
soluo tima? Se for preciso rode o programa de novo.
O que acontecer se a empresa conseguir contratar 10h a mais de mo de obra?
E se um galpo da empresa for ocupado com outro tipo de material e diminuir em 30 m3 a
capacidade de estocagem da empresa?

3. A empresa SEMPRE PERFUMADA (SP) uma microempresa do ramo de perfumaria com sede
em Palhoa/SC. Trabalha na mistura de componentes importados para produo de vrios tipos
de perfumes. Dois perfumes masculinos so os carros chefe da empresa. Um bastante suave e
o outro mais forte e duradouro. A produo dos perfumes se d em dois setores: o de mistura e o
de embalagem. No setor de mistura 5 funcionrios trabalham em tempo integral (40h/semana) e
2 em tempo parcial (15h/sem.) misturando os componentes importados de acordo com as
dosagens pr-determinadas. No setor de embalagens 6 funcionrios de tempo integral
(40h/semana) e um funcionrio parcialmente licenciado (10 h/semana) trabalham na colocao
dos perfumes j prontos em seus respectivos frascos e nas respectivas caixas que sero
transportadas para o depsito para posterior entrega nos pontos de varejo. O dono da empresa
pensa que pode trabalhar com mais eficincia e, com isto, alcanar um lucro semanal maior se

4. Programao Linear: interpretando os resultados

70

alterar as quantidades produzidas de seus dois produtos. Para resolver este problema levantou
os dados constantes na tabela abaixo que estabelecem o nmero de horas que cada litro de
produto necessita nos setores de mistura e de embalagem.

Tabela 1. Requerimentos (horas/litro) nos respectivos setores de produo


Perfume 1
Perfume 2
Setor de Mistura
2
1
Setor de Embalagens
1
2
A empresa tem trabalhado com estoques altos de matria prima sendo, portanto, o nico recurso
limitante a mo de obra disponvel. Porm, sabe que no deve produzir mais do que 120 litros do
perfume 2 pois, sendo este um perfume mais forte, a procura baixa. A margem de lucro calculada para
o produto 1 de $3 por litro e do produto 2 de $5 por litro. Como administrador da empresa voc
necessita determinar quanto de cada tipo de perfume deve ser produzido por semana para maximizar o
lucro da SP.
Pergunta-se tambm:
a) Construa o modelo linear e converta-o para a forma padro.
b) Explique o significado das variveis de folga do modelo na forma padro.
c) Qual o plano de produo semanal timo para a empresa?
d) Qual ser o lucro da empresa se este plano de produo for implementado?
e) Devido recente competio entre a SP e outras empresas o administrador decidiu diminuir o
preo de venda do perfume 1 levando ento a uma margem de lucro de R$ 2,75 por litro. Qual
ser o impacto desta deciso no plano de produo anteriormente estimado?
f) Qual ser o impacto no lucro da empresa?
g) O que acontece margem de lucro da empresa se os dois empregados em tempo parcial do
departamento de mistura resolverem trabalhar 10 horas por semana ao invs de 15h?
h) O que acontece ao lucro da empresa se um dos empregados de tempo parcial(15h) do
departamento de mistura se torna tempo integral (40h) e o outro demitido?
i) O que acontece para o lucro semanal quando um trabalhador em tempo integral contratado no
departamento de embalagens?
4) MTV Companhia produz trs tipos de tubos: A,B e C, que vende, respectivamente por $ 10,00,
$12,00 e $9,00 por metro. Para produzir cada metro do tubo do tipo A so requeridos 0,5 minutos de
tempo de processamento em um tipo particular de mquina. Cada metro do tubo tipo B precisa 0,45
minutos e cada metro do tubo do tipo C precisa de 0,6 minutos. Aps a produo cada metro de tubo,
independente do tipo requer 1 kg de material de moldagem. O custo total estimado em $3,00,
$4,00, e $4,00 por metro dos tubos dos tipos A,B e C, respectivamente.
Para a prxima semana, a empresa recebeu um pedido grande de 2000 metros do tubo do tipo A,
4000 metros do tubo do tipo B, e 5000 metros do tubo do tipo C. Como somente 40 horas de tempo
de mquina esto disponveis esta semana e 5500 kg de material de moldagem esto em inventrio,
o departamento de produo no estar apto a satisfazer estas demandas, as quais requerem um
total de 97 horas de tempo de mquina e 11.000 kg de material de moldagem. Este alto nvel de
demanda no esperado continuar. Antes do que expandir a capacidade de produo, o
administrador da MTV est considerando comprar alguns destes tubos de fornecedores no Japo a
um custo de $6 por metro do tubo tipo A, $6 por metro do tubo tipo B e $7 por metro do tubo do tipo
C. Estes vrios dados esto resumidos na tabela que segue. Como administrador do departamento
de produo, voc foi solicitado a fazer recomendaes de quanto comprar de cada tipo de tubo do
Japo e quanto produzir de modo a satisfazer as demandas e maximizar o lucro da empresa.
Formule o modelo e faa a recomendao.

71

4. Programao Linear: interpretando os resultados

Tubos

Preo de
venda ($/m)

Demanda
(m)

Tipo A
Tipo B
Tipo C

10
12
9

2000
4000
5000

Tempo de
Mquina
(min/m)
0.50
0.45
0.60

Material de
Moldagem
(kg/m)
1
1
1

Custo de
Produo
($/m)
3
4
4

Custo de
Compra
($/m)
6
6
7

5) Utilize o relatrio do exerccio anterior para responder as seguintes questes:


a) Construa o modelo linear e converta-o para a forma padro.
b) Explique o significado das variveis de folga do modelo na forma padro.
c) Qual o plano timo de produo/compra do japo?
d) Qual das duas restries de recursos limitante?
e) Se voc pudesse obter mais material de moldagem ou mais horas de tempo de mquina (no os
dois) qual dos dois voc escolheria?
f) A companhia japonesa recentemente aumentou o preo que cobra do tubo tipo C de $7,00 para
$8,00 por metro. Como o plano de produo atual pode mudar? Explique. Se for necessrio rode
o programa de novo com o modelo modificado.
g) A companhia quer aumentar seus lucros para $57.500,00. Quantas horas de tempo de mquina
so necessrios para executar este objetivo? Explique. Se for necessrio rode o programa de
novo com o modelo modificado.
h) A companhia poderia vender seu material de moldagem com um lucro de $32 por kg. Quanto ela
deveria vender? Explique.
6. O departamento de Nutrio do Hospital Celso Ramos prepara 30 menus de jantares, um para cada
dia do ms. Uma refeio consiste de espagheti, frango, batatas assadas, espinafre e torta de ma.
Como diretor do departamento de nutrio voc determinou que esta refeio deve fornecer 63000
miligramas (mg) de proteina, 10 mg de ferro, 15 mg de niacina, 1 mg de tiamina e 50 mg de vitamina
C. Cada 100 gramas destes alimentos fornece a quantia de cada nutriente e gordura indicados na
tabela que segue.

Espagheti
Frango
Batatas assadas
Espinafre
Torta de Ma

Proteina
5000
29300
5300
3000
4000

Nutrientes (g/100 mg)


Ferro
Niacina
Tiamina
1.1
1.4
0.18
1.8
5.4
0.06
0.5
0.9
0.06
2.2
0.5
0.07
1.2
0.6
0.15

Vitamina C
0.0
0.0
10.0
28.0
3.0

Gordura
5000
5000
7900
300
14300

Para evitar muito alimento de um tipo, no mais do que 300 gramas de espagheti, 300 gramas de
frango, 200 gramas de batatas assadas, 100 gramas de espinafre e 100 gramas de torta de ma
devem ser includas na refeio. Como diretor do departamento de nutrio voc deve determinar a
composio da refeio que satisfaa os requerimentos nutricionais e fornece uma refeio com a
mnima quantidade de gordura. Formule o modelo.
7. Utilize o relatrio do exerccio anterior para responder as seguintes questes:
a) Construa o modelo linear e converta-o para a forma padro.
b) Explique o significado das variveis de folga do modelo na forma padro.
c) Qual a refeio tima? Qual quantidade de gordura contida nesta refeio?
d) A refeio tima excede os requerimentos mnimos para qual dos seguintes nutrientes: protena,
ferro, niacina, tiamina e vitamina C? Explique.
e) Encontre o peso total da refeio tima.
f) Foi recentemente descoberto que cada 100 g de torta de ma contm somente 13300 mg de
gordura. Como poderia ser a refeio tima modificada? Explique.
g) Quanta gordura adicional teria a refeio tima se 51 mg de vitamina C so requeridas ao invs
de 50. Explique.

72

4. Programao Linear: interpretando os resultados

h) Por quanto os requerimentos de protena podem ser aumentados de maneira que a quantidade
de gordura da refeio tima permanea em 54800 mg. Explique.
Exerccio 02 Modelo e Relatrios do Solver
QA

QB

QC

QD

263,1579

63,15789

LUCRO)

150

190

180

200

M.OBRA)

0,9

1,2

1,3

ESTOCAGEM)
MPRIMA)

0,7

1,2

0,9

1200

1000

900

1300

50842,11
300 <

300

260 <

260

372631,6 <

400000

Microsoft Excel 10.0 Relatrio de resposta


Clula de destino (Mx)
Clula
$F$3

Nome

Valor original

LUCRO)

Valor final
0

50842,10526

Clulas ajustveis
Clula

Nome

Valor original

Valor final

$B$2

QA

$C$2

QB

263,1578947
0

$D$2

QC

63,15789474

$E$2

QD

Restries
Clula

Nome

Valor da clula

Frmula

Status

Transigncia

$F$4

M.OBRA)

300 $F$4<=$H$4

Agrupar

$F$5

ESTOCAGEM)

260 $F$5<=$H$5

Agrupar

$F$6

MPRIMA)

372631,5789 $F$6<=$H$6

Sem agrupar

27368,42105

Microsoft Excel 10.0 Relatrio de sensibilidade


Planilha: [Pasta1]Plan1
Relatrio criado: 24/9/2003 18:18:20
Clulas ajustveis
Clula

Nome

Final

Reduzido

Objetivo

Permissvel

Permissvel

Valor

Custo

Coeficiente

Acrscimo

Decrscimo

$B$2

QA

263,1578947

150

12

$C$2

QB

-12,10526316

190

12,10526316

7,575757576
1E+30

$D$2

QC

63,15789474

180

50

13,33333333

$E$2

QD

-13,15789474

200

13,15789474

1E+30

Restries
Clula

Nome

Final

Sombra

Restrio

Permissvel

Permissvel

Valor

Preo

Lateral R.H.

Acrscimo

Decrscimo

$F$4

M.OBRA)

300

142,1052632

300

12,83950617

83,33333333

$F$5

ESTOCAGEM)

260

31,57894737

260

100

26,66666667

73

4. Programao Linear: interpretando os resultados

$F$6

MPRIMA)

372631,5789

400000

1E+30

Exerccio 03 Relatrios do Solver


x1

x2

V.Dec.)

70

90

F.O)

MOMist)

230

<

230

MOEmb)

250

<

250

Demx2)

90

<

120

660

Microsoft Excel 9.0 Relatrio de resposta


Clula de destino (Mx)
Clula
$D$3

Nome

Valor original

Valor final

F.O)

660

Clulas ajustveis
Clula

Nome

Valor original

Valor final

$B$2

V.Dec.) x1

70

$C$2

V.Dec.) x2

90

Restries
Clula

Nome

Valor da clula

Frmula

$D$4

MOMist)

230$D$4<=$F$4

$D$5

MOEmb)

250$D$5<=$F$5

$D$6

Demx2)

90$D$6<=$F$6

Status

Transigncia

Agrupar

Agrupar

Sem agrupar

30

Microsoft Excel 9.0 Relatrio de sensibilidade


Planilha: [Pasta1]Plan1
Relatrio criado: 17/09/03 18:40:02

Clulas ajustveis
Clula

Nome

Final

Reduzido

Objetivo

Permissvel

Permissvel

Valor

Custo

Coeficiente

Acrscimo

Decrscimo

$B$2

V.Dec.) x1

70

0,5

$C$2

V.Dec.) x2

90

3,5

Restries
Clula

Nome

Final

Sombra

Restrio

Permissvel

Permissvel

Valor

Preo

Lateral R.H.

Acrscimo

Decrscimo

$D$4

MOMist)

230

0,333333333

230

270

90

$D$5

MOEmb)

250

2,333333333

250

45

135

$D$6

Demx2)

90

120

1E+30

30

27368,42105

74

4. Programao Linear: interpretando os resultados

Exerccio 04 Relatrios do Solver


QAP

QBP

QCP

QAJ

QBJ

QCJ

2000

2333,333

4000

2666,667

LUCRO)

0,5

0,45

0,6

2400

<

Material Moldagem)

4333,333

<

5500

Demanda A)

2000

2000

4000

4000

5000

5000

Tempo Mquina)

Demanda B)
Demanda C)
Relatrio de Resposta

55000

Clula de destino (Mx)


Clula

Nome

$H$4

Valor original

Tempo Mquina)

Valor final
0

2400

Clulas ajustveis
Clula

Nome

Valor original

Valor final

$B$2

QAP

$C$2

QBP

2000
0

$D$2

QCP

2333,333333

$E$2

QAJ

$F$2

QBJ

4000

$G$2

QCJ

2666,666667

Restries
Clula

Nome

Valor da clula

Frmula

$H$4

Tempo Mquina)

$H$5

Material Moldagem)

$H$6

Demanda A)

$H$7

Demanda B)

$H$8

Demanda C)

5000 $H$8=$J$8

Status

2400 $H$4<=$J$4

Transigncia

Agrupar

4333,333333 $H$5<=$J$5

Sem agrupar

1166,666667

2000 $H$6=$J$6

Sem agrupar

4000 $H$7=$J$7

Sem agrupar

Sem agrupar

Relatrio de Sensibilidade
Clula

Nome

$B$2

QAP

$C$2
$D$2

Final

Reduzido

Objetivo

Permissvel

Permissvel

Valor

Custo

Coeficiente

Acrscimo

Decrscimo

2000

0,5

1E+30

QBP

0,45

1E+30

QCP

2333,333333

0,6

$E$2

QAJ

1E+30

$F$2

QBJ

4000

1E+30

$G$2

QCJ

2666,666667

Clula

Nome

$H$4

Tempo Mquina)

$H$5

Material Moldagem)

$H$6
$H$7
$H$8

Final

Sombra

Restrio

Permissvel

Permissvel

Valor

Preo

Lateral R.H.

Acrscimo

Decrscimo

2400

2400

700

1400

4333,333333

5500

1E+30

1166,666667

Demanda A)

2000

2000

2800

2000

Demanda B)

4000

4000

1E+30

4000

Demanda C)

5000

5000

1E+30

2666,666667

2400

75

4. Programao Linear: interpretando os resultados

Exerccio 06 Relatrios do Solver


SPAG

FRAN

BAT

SPIN

TM

3,00

2,83

2,00

1,00

0,67

MIN Gordura)

5000

5000

7900

300

14300

54800

Proteina)

5000

29300

5300

3000

4000

114283,3

>

63000

Ferro)

1,1

1,8

0,5

2,2

1,2

12,4

>

10

Niacina)

1,4

5,4

0,9

0,5

0,6

22,2

>

15

Tiamina)

0,18

0,06

0,06

0,07

0,15

>

Vitamina C)

10

28

50

>

50

Lim Espagueti)

<

Lim Frango)

2,833333

<

Lim Batata)

<

Limite Espinafre)

<

Limite Torta)

0,666667

<

Relatrio de Resposta
Clula de destino (Mn)
Clula
$G$3

Nome
MIN Gordura)

Valor original

Valor final

60400

54800

Clulas ajustveis
Clula
$B$2

Nome
SPAG

Valor original

Valor final

3,00

3,00

$C$2

FRAN

3,00

2,83

$D$2

BAT

2,00

2,00

$E$2

SPIN

1,00

1,00

$F$2

TM

1,00

0,67

Restries
Clula

Nome

$G$4

Proteina)

$G$5

Valor da clula

Frmula

Status

Transigncia

114283,3333 $G$4>=$I$4

Sem agrupar

51283,33333

Ferro)

12,4 $G$5>=$I$5

Sem agrupar

2,4

$G$6

Niacina)

22,2 $G$6>=$I$6

Sem agrupar

7,2

$G$7

Tiamina)

$G$8

Vitamina C)

$G$9

Lim Espagueti)

$G$10

Lim Frango)

2,833333333 $G$10<=$I$10

1 $G$7>=$I$7

Agrupar

50 $G$8>=$I$8

Agrupar

3 $G$9<=$I$9

Agrupar
Sem agrupar

0
0,166666667

$G$11

Lim Batata)

2 $G$11<=$I$11

Agrupar

$G$12

Limite Espinafre)

1 $G$12<=$I$12

Agrupar

$G$13

Limite Torta)

0,666666667 $G$13<=$I$13

Sem agrupar

0,333333333

76

4. Programao Linear: interpretando os resultados

Relatrio de Sensibilidade

Clulas ajustveis
Clula

Nome

Final

Reduzido

Objetivo

Permissvel

Permissvel

Valor

Custo

Coeficiente

Acrscimo

Decrscimo

$B$2

SPAG

3,00

0,00

5000

10000

1E+30

$C$2

FRAN

2,83

0,00

5000

422,7272727

3333,333333

$D$2

BAT

2,00

0,00

7900

3100

1E+30

$E$2

SPIN

1,00

0,00

300

22333,33333

1E+30

$F$2

TM

0,67

0,00

14300

1E+30

930

Restries
Clula

Nome

$G$4

Proteina)

$G$5
$G$6

Final

Sombra

Restrio

Permissvel

Permissvel

Valor

Preo

Lateral R.H.

Acrscimo

Decrscimo

114283,3333

63000

51283,33333

1E+30

Ferro)

12,4

10

2,4

1E+30

Niacina)

22,2

15

7,2

1E+30

$G$7

Tiamina)

83333,33333

0,01

0,08

$G$8

Vitamina C)

50

600

50

0,2

$G$9

Lim Espagueti)

-10000

0,486486486

0,055555556
0,166666667

$G$10

Lim Frango)

2,833333333

1E+30

$G$11

Lim Batata)

-3100

0,022727273

0,1

$G$12

Limite Espinafre)

-22333,33333

0,007518797

0,035714286

$G$13

Limite Torta)

0,666666667

1E+30

0,333333333

77

5. Programao Linear Inteira e Binria


At aqui estivemos trabalhando com problemas de programao matemtica que resultavam em
modelos lineares. Estes modelos lineares produziam, na maior parte das vezes, valores contnuos para
as variveis, isto , resultados quebrados tais como: produzir 2,5 litros do solvente 1 e 4,2 litros do
solvente 2. Em alguns casos estes resultados so vlidos e podem ser implementados, em outros no.
Por exemplo: a soluo de produzir 60,5 carros do modelo 1 e produzir 43,8 carros do modelo 2 no
pode ser implementada diretamente pois no se tem como produzir 60,5 carros e sim 60 ou 61. A
primeira idia que surge a de arredondar os valores. Mas a vem a questo: arredondar para cima ou
para baixo?
Bem, quanto existe a necessidade de que a resposta do nosso modelo (soluo tima) assuma
somente valores inteiros o melhor trabalhar com um modelo de Programao Linear Inteira ou
Programao Linear Inteira Mista.
No modelo de Programao Linear Inteira impe-se, atravs de restries nos valores das
variveis, que as mesmas s assumam valores inteiros.
J no modelo de Programao Linear Inteira Mista podemos ter algumas variveis inteiras e
outras contnuas.
Ento, resumindo para voc:

Programao Linear Inteira (PLI) so modelos do tipo:


Funo objetivo linear;
Todas as restries so lineares;
As variveis so positivas;
Todas as variveis so inteiras.
Programao Linear Inteira Mista (PLIM) so modelos do tipo:
Funo objetivo linear;
Todas as restries so lineares;
As variveis so positivas;
Algumas variveis so inteiras e outras contnuas.

5.1. Programao Linear Inteira e Binria


O caso mais interessante que se pode encontrar sobre Programao Linear Inteira uma
situao especial aonde as variveis devem assumir somente valores inteiros sendo que estes valores
ainda esto restritos a zero (0) ou um(1). Este um modelo de Programao Linear Inteira Binria.
Este o caso tpico de modelos que procuram responder a perguntas do tipo SIM/NO.
Modelos do tipo:
COMPRA/NO COMPRA
INVESTE NO PROJETO i/ NO INVESTE NO PROJETO i
COMPRA OU ALUGA O IMVEL i/ NO COMPRA OU NO ALUGA O IMVEL i
ESCOLHE A LOCALIZAO i/ NO ESCOLHE A LOCALIZAO i
Estes sero sempre modelos de programao inteira e binria.
Programao Linear Inteira Binria (BIN) so modelos do tipo:
Funo objetivo linear;
Todas as restries so lineares;
As variveis so positivas;
Todas ou algumas variveis so inteiras e binrias (s assumem valores 0 ou 1)

78

Estes modelos de programao binria tem aplicaes na rea financeira com problemas de
seleo de alternativas de investimento, seleo de projetos, etc.
Pode-se, tambm, modelar com variveis binrias problemas de localizao em que se deseja
saber qual (is) a(s) melhor (es) localizao (es) para uma determinada fbrica, posto de sade, hospital,
zonas eleitorais, por exemplo.
Problemas de escolha do melhor caminho a ser utilizado tambm devem ser modelados com
variveis binrias.
Neste caso a descrio das variveis binrias que sero utilizadas no modelo segue a seguinte
estrutura:

0, se o projeto, localizao, caminho, etc i no deve ser selecionado, aceito, seguido, etc

Yi = 1, se o projeto, localizao, caminho, etc i deve ser selecionado, aceito, seguido, etc

Modelos cuja resposta deve ser


SIM/NO
so modelos de
Programao Linear inteira Binria

Exemplo 5.1 No incio do ms de julho, o gerente de investimento do Banco Finanas tem os seguintes
pedidos de financiamento para projetos industriais.
Pedidos de Financiamento do Banco Finanas no ms de Julho/2002
Projeto
A
B
C
D
E
R$ lucro previsto
5500
7800
4000
6500
8700
RS necessidade de
400
1800
200
550
900
capital ano 1
RS necessidade de
1000
200
1000
650
1200
capital ano 2
RS necessidade de
400
900
700
1750
1100
capital ano 3
Grau de Risco
1
4
2
5
6

F
3300
750
900
200
3

Para investir nestes projetos o Banco dispe de R$ 3200,00 no ano 1, R$ 2800,00 no ano 2 e R$
2850,00 no ano 3. H uma regra de no investir em mais do que dois projetos com grau de risco 4 ou
acima. Os projetos A e F so mutuamente exclusivos, isto , se um for escolhido o outro no pode
s-lo (entretanto ambos podem ser recusados). Por outro lado, o projeto C s pode ser escolhido se
o projeto E tambm o for (entretanto, o projeto E pode ser escolhido para financiamento ao mesmo
tempo que o projeto C recusado). Dentro destas condies, quais os projetos devero ser
escolhidos para financiamento com o objetivo de maximizar o lucro previsto nos investimentos?
Soluo:

79

Inicialmente devemos nos fazer as seguintes perguntas:


Qual o objetivo do Banco Finanas? ---------FUNO OBJETIVO
Maximizar o lucro previsto com os investimentos.
Oque ele precisa decidir?
Quais so os itens que esto sobre o seu controle? ------- VARIVEIS DE DECISO
O banco precisa decidir em quais projetos ir investir.
Quais so as restries existentes? ----------RESTRIES
a) restries de disponibilidade em caixa para investimento:
Disponibilidade do Ano 1= $3.200,00
Disponibilidade do Ano 2= $2.800,00
Disponibilidade do Ano 3= $2.850,00
b) no investir em mais de dois projetos com grau de risco 4 ou superior
c) os bancos A e F so mutuamente exclusivos
d) o projeto C s pode ser escolhido se o projeto E tambm for.

Aps realizado este conjunto de perguntas que conduzem a um resumo do problema podemos decidir
quais sero as variveis de deciso do problema.
Em b) respondemos que o banco precisa decidir em quais projetos ele ir investir. A resposta a esta
pergunta ser: Investir no projeto A, SIM OU NO? Investir no projeto B, SIM OU NO? Investir no
Projeto C, SIM OU NO? e assim por diante.
Baseados nestas respostas concluimos que estamos diante de um caso de Programao Binria aonde a
varivel de deciso ir assumir o valor de 1 se a resposta for SIM e o valor de 0 se a resposta for NO.
Variveis de Deciso:
Pi = 0, se o projeto i (i=A,B,C,D,E, F) no deve ser aceito
= 1, se o projeto i (i=A,B,C,D,E, F) deve ser aceito
Funo Objetivo:
Foi expicitado anteriormente que o objetivo da empresa o de maximizar o lucro previsto nesta
transao.
A F.O. ser ento a soma dos lucros obtidos com os diversos projetos, ou melhor, com aqueles que
forem selecionados para investimento.
Max Lucro) lucro com o projeto A + lucro com o projeto B + lucro com o projeto C + lucro com o projeto D
+ lucro com o projeto E + lucro com o projeto F
Temos como dado do problema que os lucros previstos so de $5500, $7800, $4000, $6500, $8700,
$3300 para os projetos A,B,C,D,E e F, respectivamente.
Teremos ento como Funo Objetivo deste banco:
Max Lucro) 5500PA + 7800PB + 4000PC + 6500PD + 8700PE + 3300PF

80

Restries:
A primeira limitao ou restrio definida acima foi:
a) restries de disponibilidade em caixa para investimento:
Disponibilidade do Ano 1= $3.200,00
Disponibilidade do Ano 2= $2.800,00
Disponibilidade do Ano 3= $2.850,00
Sabemos ento que o banco no pode gastar mais do que tem em caixa em cada ano, ou seja:
GASTOS < = INVESTIMENTOS
Teremos ento:
ANO 1) 400PA + 1800PB + 200PC + 550PD + 900PE + 750PF < = 3200
ANO 2) 1000PA + 200PB + 1000PC + 650PD +1200PE + 900PF < = 2800
ANO 3) 400PA + 900PB + 700PC + 1750PD + 1100PE + 200PF < = 2850
A prxima restrio que , na realidade, uma imposio do administrador ser:
b) no investir em mais de dois projetos com grau de risco 4 ou superior
Sabemos que somente os projetos B, D e E tem grau de risco igual ou acima de 4, teremos
ento:
Risco) PB + PD + PF < = 2
como os valores das variveis so binrios, com esta restrio fora-se que pelo menos uma varivel
assuma o valor de 0 (se todos os projetos fossem escolhidos teramos PB=1, PD=1 e PF =1, cuja soma
seria 3 o que no obedee a restrio.
Ainda temos a imposio:
c) os bancos A e F so mutuamente exclusivos
O banco impe, ento, que se o projeto A for aceito o projeto E deve ser rejeitado e vice versa. Teremos
ento:
IMPAF) PA + PF =1
Com esta restrio fora-se uma das variveis a assumir o valor de zero (0).
Temos tambm:
d) o projeto C s pode ser escolhido se o projeto E tambm for, ou seja:
PE > = PC
PE PC > = 0

81

O modelo final ser:


Max Lucro) 5500PA + 7800PB + 4000PC + 6500PD + 8700PE + 3300PF
s.a.
ANO 1) 400PA + 1800PB + 200PC + 550PD + 900PE + 750PF <=3200
ANO 2) 1000PA + 200PB + 1000PC + 650PD +1200PE + 900PF <= 2800
ANO 3) 400PA + 900PB + 700PC + 1750PD + 1100PE + 200PF <= 2850
Risco)
PB +
PD +
PF <= 2
IMPAF)
PA +
PF = 1
IMPEC)
PC +
PE
>=0
PA
<=1
PB
<=1
PC
<=1
PD
< =1
PE
<=1
PF < = 1
PA, PB, PC, PD, PE, PF > = 0 e inteiro

5.2. Programao Linear Inteira Mista (PLIM)


J no modelo de Programao Linear Inteira Mista podemos ter algumas variveis contnuas, outras
inteiras e at mesmo algumas variveis binrias
Programao Linear Inteira Mista (PLIM) so modelos do tipo:
Funo objetivo linear;
Todas as restries so lineares;
As variveis so positivas;
Algumas variveis so inteiras (binrias ou no) e outras contnuas.

82

Atividade de Fixao
1. (traduzido e adaptado de Mathur e Sollow, 1997) A empresa Cosmic Computer (CCC) acaba de
terminar pesquisas no sentido de produzir um novo tipo de computador mais potente e ergonmico
que os atuais. Acreditando na CCC e querendo antecipar-se corrida por estes novos modelos
alguns compradores j anteciparam suas encomendas. Estas encomendas so de 1700
computadores para um comprador situado em So Paulo, 1000 computadores para um comprador
situado no Rio de Janeiro, 1500 para Porto Alegre e 1200 para Braslia. Para atender a estas
demandas a CCC est considerando construir fbricas em So Bernardo, Cachoeirinha, Rio das
Urnas e Santo Incio. As capacidades de produo e custos fixos projetados para estas fbricas so
dados na tabela 2. O custo de transportar cada computador de cada fbrica para cada comprador
esto descritos na Tabela 2. Como administrador da CCC voc foi chamado para fazer uma
recomendao sobre quais fbricas devem ser abertas para minimizar o custo total com transporte e
com os custos fixos.

Localizao
So Bernardo
Cachoeirinha
Rio das Urnas
Santo Incio

Tabela 1 Capacidades das Fbricas e Custos Fixos


Capacidade Mensal
Custos Fixos Mensais ($)
1700
70000
2000
70000
1700
65000
2000
70000

Tabela 2 Custo de Transportes ($/computador) das Fbricas para os Compradores


Fbricas/
Compradores
So Bernardo
Cachoeirinha
Rio das Urnas
Santo Incio

So Paulo

Rio de Janeiro

Porto Alegre

Braslia

5
4
6
9

3
7
5
8

2
8
3
6

6
10
8
5

2. Uma empresa do mercado de produtos de higiene e sade est querendo fazer uma grande
campanha publicitria utilizando diferentes mdias (TV, rdio. Internet, etc...) para o lanamento de
determinado produto. Para tanto chamou 6 empresas que trabalham com propaganda e marketing e
encomendou oramentos para uma campanha publicitria que atingisse os consumidores das
classes A, B e C. As empresas chamadas deveriam apresentar um projeto de campanha indicando
os custos de sua realizao e o nmero de consumidores por dia alcanados pela campanha. Estes
projetos esto resumidos no quadro abaixo. A empresa contratante impe como limite de gastos com
a campanha o valor de $ 700.000,00 por ms, sendo que mais de uma empresa pode ser contratada,
dentro deste limite de oramento. A empresa contratante deseja trabalhar com no mximo 3
empresas e quer que ao menos 20.000 consumidores da classe A, 35.000 da classe B e 40.000
consumidores da classe C sejam atingidos com a campanha. Modele o problema indicando
empresa quais projetos devem ser escolhidos para que a campanha tenha um custo mnimo
possvel.
Tabela 3 - Projetos Apresentados para a Campanha Publicitria
Projeto/Cons./dia Projeto 1
Projeto 2
Projeto 3
Projeto 4
Projeto 5
A(Cons./Dia)
23000
33000
14000
25000
18000
B(Cons./Dia)
52000
27000
38000
47000
32000
C(Cons./Dia)
35000
18000
75000
66000
41000
Custo($/ms)
570.000
380.000
275.000
634.000
510.000

Projeto 6
17000
36000
29000
415.000

83

3. Analisando melhor os projetos a empresa contratante (do problema anterior) resolveu que no
contrataria simultaneamente os projetos 1 e 4 pois os mesmos utilizam as mesmas mdias. Ao
contrrio dos projetos 1 e 4 os projetos 2 e 6 utilizam diferentes mdias que so complementares. A
empresa impe, ento, que estes dois projetos devem ser aceitos ou recusados juntos, isto , se um
for aceito o outro tambm deve ser e se um for recusado o outro tambm deve ser. Modele o
problema.
4.(Seleo de Alternativas de Investimento) Determinado banco de investimentos tem que decidir em que
projetos investir a partir do prximo trimestre. Seis projetos so apresentados cujos fluxos de caixa
de investimentos/recebimentos so os apresentados na tabela abaixo. Os valores presentes dos
fluxos de caixa so os seguintes: Projeto A: $290.000,00; Projeto B: $175.000,00; Projeto C:
$350.000,00; Projeto D: $95.000,00; Projeto E: $60.000,00; Projeto F: $155.000,00. O banco tem
o
o
disponvel para investimento os seguintes valores por trimestre: 1 . trimestre: $ 430.000,00; 2 .
o
o
o
trimestre: $ 350.000,00; 3 . trimestre: $200.000,00; 4 . trimestre: 200.000,00; 5 . trimestre:
o
200.000,00; 6 . trimestre: 200.000,00. Alm destes valores o banco ainda tem a possibilidade de
o
tomar um emprstimo externo de $ 150.000,00 no 1 . trimestre, pelo qual dever desembolsar $
o
350.000,00 no incio do 5 . trimestre, resultando em um valor presente de $ (130.000,00). Formule
um modelo que indique quais os projetos o banco dever financiar obedecendo a regra do Banco
Central de que no apresente resultados negativos ao longo do trimestre. Seu objetivo o de
maximizar o valor presente total.

Trimestres/
Clientes
1
2
3
4
5
6

Tabela 4 - Fluxo de Caixa dos Projetos ($1.000,00)


A
B
C
D
E
F
(200)
(250)
(300)
50
130
180

(110)
(30)
(50)
70
90
130

(150)
(150)
(70)
(250)
190
280

(80)
(35)
(15)
(10)
(40)
100

(35)
(35)
(8)
12
25
35

(30)
(180)
20
150
50
30

5.(Localizao Geogrfica) Uma empresa que produz determinado produto deseja implantar lojas de
servio autorizado que atendam a todas as regies consumidores de uma cidade X com 2 milhes de
habitantes. Um estudo mostrou que a cidade poderia ser dividida em 11 regies. A empresa estipula
que o padro de qualidade requerido aquele em que o ponto no esteja localizado a mais de 20
min de nibus para mais de 80% das pessoas que moram naquela regio consumidora. Um corretor,
chamado pela empresa, apresenta, ento, 8 propostas de imveis disponveis para alugar com seus
respectivos valores de aluguel (tabela abaixo). A empresa faz um estudo e traa o perfil de cada
imvel com relao ao padro de qualidade estabelecido. Na tabela abaixo o X indica que aquele
ponto atende condio de qualidade imposta pela empresa para aquela regio consumidora. Esta
empresa deseja saber quais imveis dever alugar de maneira a minimizar o valor total gasto em
aluguel e prover um nvel de servio adequado a todas as regies consumidoras (RC).

84

Tabela 5 - Quadro Demonstrativo dos Imveis/Condies de Qualidade Disponveis para


Aluguel em cada regio Consumidora
P1
P2
P3
P4
P5
P6
P7
P8
RC\
Pontos
A
X
X
X
B
X
X
X
C
X
X
D
X
X
X
E
X
X
X
X
F
X
X
X
G
X
X
X
H
X
X
X
I
X
X
X
J
X
X
X
X
L
X
X
X
Aluguel
1100
1050
950
850
900
650
750
980
(US$)
6.Reformule o modelo anterior para o seguinte objetivo: a empresa deseja implantar o menor nmero
possvel de lojas autorizadas.

7. (Designao ou Atribuio) Uma empresa que trabalha com vendas de produtos de valor bastante
elevado tem, no momento, o problema de designar o vendedor mais adequado para tentar realizar
uma venda para 4 clientes. Para isto dispe de 4 vendedores. Dado um estudo do perfil de cada
cliente e de cada vendedor tem-se a tabela abaixo que mostra as probabilidades de sucesso na
venda de cada vendedor para cada cliente. Como Chefe do Setor de Vendas encontre a designao
mais adequada da sua fora de vendedores para maximizar a soma total das probabilidades de
sucesso nas vendas (cada vendedor dever visitar somente 1 cliente e cada cliente dever receber a
visita de somente um vendedor).

Vendedores/Clientes
A
B
C
D

Tabela 6 - Probabilidades de Sucesso na Venda


1
2
3
90
90
90
90
30
70
70
30
70
70
90
90

4
30
70
30
90

8.A empresa High-Tech de investimentos est considerando investir at $1.000.000,00 em uma ou mais
propostas que ela recebeu de vrios empreendedores. Cada proposta foi analisada chegando-se a
seis propostas de mais interesse da empresa devido ao retorno esperado compensar o risco do
empreendimento. O investimento necessrio, o fator de risco e a taxa de retorno esperado de cada
projeto constam da tabela abaixo. Os diretores da empresa acordaram que o risco total, adicionando
os fatores de risco dos projetos escolhidos, no deveria ser superior a 3.0. Decidiram tambm que
at dois projetos podem ter um fator de risco superior a 0.6. Como gerente de investimentos voc foi
questionado sobre quais projetos a empresa deveria financiar. A meta da empresa alcanar o maior
retorno esperado sobre o capital investido.

85

Tabela 7 Dados relativos aos Possveis Projetos de Investimento da Empresa High-Tech


Projetos
P1
P2
P3
P4
P5
P6

Capital Necessrio($)
100.000,00
200.000,00
170.000,00
250.000,00
400.000,00
250.000,00

Risco
0.50
0.40
0.70
0.65
0.45
0.75

Retorno
0.20
0.15
0.30
0.25
0.17
0.40

86

Bibliografia

ANDRADE, Eduardo Leopoldino. Introduo Pesquisa Operacional. Ed. LTC, 2009.


COLIN, Emerson. Pesquisa Operacional: 170 aplicaoes em estratgia, finanas, logstica, produo e
marketing. Ed. LTC, 2007.
CORRAR, L.J.; Thefilo, C.R. Pesquisa Operacional para Deciso em Contabilidade e Administrao. Ed.
Atlas, 2004.
FAVERO, L.F., BELFIORE, P. Pesquisa Operacional para Cursos de Administrao, Contabilidade e
Economia. So Paulo: Campus, 2012.
HILLIER, F., Lieberman, G. Introduao a Pesquisa Operacional. So Paulo: McGrawHill, 2006.
JENSEN, P.A., ard, J.F. Operations Research Models and Methods. John Willey and Sons, 2003.
LACHTERMACHER, G. Pesquisa Operacional na Tomada de Decises. Prentice Hall Brasil, 2009
LOPES, A.L. M., VEIGA, A.M.G. Introduo Pesquisa Operacional. Palhoa : UNISUL Virtual, 2. edio,
2008.
MATHUR, K.; SOLOW, D. Management Science. The Art of Decision Making. Prentice Hall, 1994.
MOREIRA, Daniel A. Pesquisa Operacional: curso introdutrio. So Paulo: Thomson Learning, 2007.
PINTO, Kleber C. R. Aprendendo a Decidir com a Pesquisa Operacional. Ed. Edufu, 2008.
PRADO, Darci. Programaao Linear. Belo Horizonte; MG: Editora Desenvolvimento Gerencial, 1999.
RENDER, B.; STAIR, R.M.; BALAKRISHMANN, N. Managerial Decision Modeling with Spreadsheets.
Prentice Hall, 2003.