Você está na página 1de 14

ADILSON HORTA DE FREITAS RA 2039208765

ANTONIO AP. BARBOSA DA SILVA RA 0935687120

Atividade Pratica Supervisionada

PIRACICABA SO PAULO
2013

ADILSON HORTA DE FREITAS RA 2053014879


ANTONIO AP. BARBOSA DA SILVA RA 0901416609

Atividade Pratica Supervisionada

Relatrio de Atividade Prtica Supervisionada,


apresentado ao Curso de Administrao do
Centro de Educao a Distncia - CEAD da
Universidade

Anhanguera

UNIDERP

como

requisito obrigatrio para cumprimento da


disciplina: Administrao Mercadolgica.

PIRACICABA SO PAULO
2013

SUMRIO
1. INTRODUO.......................................................................................................04

2. ETAPA 01
2.1. Os conceitos centrais de Marketing e a sua relevncia.................04/05
2.2. Empresa visitada.............................................................................06/07
2.3. Identificao da Empresa................................................................07/10

3. ETAPA 02
3.1 Posicionamentos que a empresa ou o produto tem no mercado ........10
3.2 Problemas identificados........................................................................11
3.3 melhorias a serem tomadas pela empresa......................................12/14

4. ETAPA 03.
4. 1. As estratgias do mix de marketing utilizadas pela empresa.........15/17
4.2 sugestes de estratgias dos 4ps para a empresa zezinho tijolos..18/20
4.3 Promoes........................................................................................20

BIBLIOGRAFIAS. ..................................................................................................21

ETAPA 01

PASSO 01
Uma empresa de mobilirio de escritrio pretende lanar um modelo de secretrias e estantes.
Pensa-se que o mercado pode absorver toda a produo de estantes, mas aconselha-se que a
produo mensal de secretrias no ultrapasse as 160 unidades.
Ambos os produtos so processados nas unidades de estampagem (UE) e de montagem e
acabamento (UMA).
A disponibilidade mensal em cada uma destas unidades de 720 horasmquina (hm) na UE
e 880 horashomem (hh) na UMA
.
Cada cadeira necessita de 2 h/m na UE e de 4 h/h na UMA.
Cada armrio necessita de 4 h/m na UE e de 4 h/h na UMA.
As margens de lucro unitrias estimadas so de 6 reais para as cadeiras e de 3 reais para as
armrios.
Qual o plano de produo mensal para as secretrias e estantes que maximiza a margem de
lucro.
Formalizao do problema :
Variveis de deciso :
quantidade de secretrias a produzir por ms (x1)
quantidade de estantes a produzir por ms (x2)

Funo objectivo :
maximizar a margem bruta total por ms (Z = 6 x1 + 3 x2)
Restries :
disponibilidade mensal na unidade de estampagem
disponibilidade mensal na unidade de montagem e acabamento
produo mensal de secretrias
Secretrias
Estantes
Capacidade disponvel
UE

720

UMA

880

Mercado
1
0
160
O administrador de uma pequena fbrica de mveis est pensando em otimizar a
utilizao dos recursos de seu estoque. Essa fbrica produz poltronas em dois modelos,
"Albany" e "Bridget", forradas em brim e lona.

Ele sabe que para forrar uma poltrona "Albany" so precisos 2 m2 de brim e 6 m2 de lona. J
para forrar uma poltrona "Bridget" so precisos 4 m2 de brim e 4 m2 de lona. No estoque, a
fbrica dispe de 160 m2 de brim e 240 m2 de lona.
Qualquer dos modelos de poltrona vendido por R$ 160,00.
Com essas informaes, de que modo o administrador pode sugerir produo da fbrica para
obter a mxima renda?
Em outras palavras, qual o nmero de poltronas de cada modelo que devem ser forradas
para otimizar a renda?
Essa uma situao que pode ser compreendida pela programao linear, uma ferramenta
que modela e resolve problemas de otimizao em planejamento. Atravs da programao
linear, conseguem-se descobrir os parmetros que levam ao mximo ou mnimo valor de uma
grandeza em uma anlise de atividades, ou numa situao de mistura ou combinaes,
problemas de transporte, alimentao de mquinas, etc.
Estamos procurando um nmero X de cadeiras "Albany" e Y de cadeiras "Bridget" que
satisfaam, simultaneamente, as seguintes restries:
(1) X 0
(2) Y 0

no se admitem nmero negativos de cadeiras


(na verdade, tm sentido prtico apenas os
nmeros naturais).

2x + 4y
(3) 160
(4) 6x + 4y
240

a metragem de cada tecido a ser usado na forrao


no deve ultrapassar o existente no estoque

Renda = 160x A funo da Renda d o total obtido na venda de


+ 160y
todas as poltronas
Essas sentenas descrevem, matematicamente, de quais fatores depende a melhor resposta
para o nosso problema e o que desejamos a respeito do nmero de cadeiras a serem
confeccionadas.
Na verdade, a renda mxima depende de vrios outros fatores; mas sem pensar em custos
subjacentes atividade de produo, tais como o consumo de energia, impostos, despesas
com pessoal etc, reduzimos as variveis a duas que consideramos mais relevantes: essa a
modelagem do problema.
Atravs da modelagem, conseguimos a soluo tima da questo, que nem sempre uma
soluo aplicvel na realidade: a melhor soluo para o modelo pode no corresponder
melhor soluo do caso real, e os motivos so vrios: ou a resposta obtida no possvel, ou
no aplicvel situao.
Tomemos a funo Renda: note que ela uma funo de duas variveis, x e y. R = 160x +
160y.
Se escrevermos a funo y = f(x) tendo R como um parmetro, ento a expresso y = -x +
R/160 descreve uma famlia de retas paralelas de inclinao m = -1.
Lembremos que queremos o maior R possvel, e que as desigualdades (1) a (4) devem ser
satisfeitas. aqui que entra a Geometria Analtica.

(1)

X 0

descreve o semiplano de abcissas no


negativas

(2)

Y 0

descreve o semiplano de ordenadas no


negativas

(3)

2x + 4y 160

descreve o semiplano de ordenadas y


-x/2 + 40

(4)

6x + 4y 240

descreve o semiplano de ordenadas y


- 3x/2 + 60

Essas restries do modelo determinam uma regio poligonal qual damos o nome de
conjunto das solues viveis . No nosso caso, esse conjunto de pontos a regio escura
V1V2V3V4, que satisfaz as condies (1) a (4). A melhor das solues viveis, isto , aquela
que melhor maximiza ou minimiza a funo objetivo denomina-se soluo tima.

Observando agora as retas y = -x + R/160 para vrios valores de R,

Inicialmente cumpre destacar os pontos importantes para os quais as empresas devem ter
ateno, para criar, conquistar, dominar e manter mercados no sculo XXI, classificando
Existem trs tipos de empresas: as que fazem as coisas acontecerem; as que observam as
coisas acontecendo; e as que querem saber o que aconteceu.
Etapa 2
Pesquisa Operacional (P.O.) nada mais que um mtodo cientfico para a tomada de decises.
A P.O. estrutura processos, prope um conjunto de alternativas e aes, fazendo a previso e
a comparao de valores, de eficincia e de custos.

A P.O. , portanto, um sistema organizado com auxlio de modelos bem como da


experimentao de modelos, com o fito de operar um sistema da melhor maneira possvel.
Considero a P.O. como uma ferramenta matemtica aplicada no processo de tomada de
deciso. Para isso, fazemos uso de modelos matemticos estruturados em fases.

A P.O. originria da Segunda Guerra Mundial, quando os cientistas de vrias disciplinas se


reuniram para resolver problemas militares de natureza ttica e estratgica.

Por ser uma ferramenta matemtica aplicada, a P.O. nos d condies para:

Solucionar problemas reais;


Tomar decises embasadas em fatos, dados e correlaes quantitativas;
Conceber, planejar, analisar, implementar, operar e controlar sistemas por meio da
tecnologia bem como de mtodos de outras reas do conhecimento;

Minimizar custos e maximizar o lucro;

Encontrar a melhor soluo para um problema, ou seja, a soluo tima.

Atualmente, sua principal utilizao como ferramenta nos processos de tomada de deciso
no ambiente empresarial e nos negcios, tanto no setor privado como no setor pblico. A P.O.
pode ser utilizada para resolver os seguintes problemas no ambiente organizacional:

otimizao de recursos;
roteirizao;

localizao;

carteiras de investimento;

alocao de pessoas;

previso de planejamento;

alocao de verbas de mdia;

determinao de mix de produtos;

escalonamento e planejamento da produo;

planejamento financeiro;

anlise de projetos e etc.

Para iniciarmos o estudo de P.O., devemos coletar e organizar dados em sistemas de


informao gerencial de maneira que os dados sejam transformados em informao inteligvel
aos usurios finais (no tcnicos).

Para que tomar decises?

Tomar decises uma condio da vida humana. Viver escolher entre apostas viveis.
Seguir pela esquerda ou direita na bifurcao de uma estrada, casar com Marina ou ir
embora com Fernanda, sabendo que nenhuma das duas opes garantia de felicidade ou
fortuna; o melhor que podemos fazer analisar as chances. No h como no tomar decises.
Jean Paul Sartre afirmou que o homem est condenado liberdade, talvez considerasse
plausvel o meu argumento: O homem est condenado a tomar decises.
Entretanto, meu foco o ambiente empresarial. Como em qualquer outra situao, h muitas
variveis que caracterizam as situaes-problema. Mas o que so problemas? Os problemas
existem quando o estado atual de uma situao diferente do estado desejado. Em outras
palavras, problemas so situaes que a empresa precisa resolver para atingir seus objetivos.
Diante dos problemas organizacionais, encontramos fatores que interferem na tomada de
deciso:

A P.O. uma ferramenta extremamente qualificvel para o trabalho de gesto, seja nos nveis
gerencial, operacional ou estratgico, uma vez que fornece condies para melhor
comunicao entre decisores e setores de uma organizao.

A MODELAGEM

Quando nos vemos em situaes nas quais uma deciso precisa ser tomada entre um leque de
opes possveis e conflitantes, duas alternativas se apresentam: usar a intuio gerencial ou

utilizar o processo de modelagem a fim de realizar simulaes alterando as variveis do


problema para encontrar a soluo tima.

At bem pouco tempo, a primeira opo era a mais utilizada. Com maior conhecimento dos
dados/informaes sobre os problemas e a expanso da capacidade de processamento dos
computadores, a segunda opo vem sendo mais utilizada. Neste contexto, duas consideraes
so importantes:

A quantidade de informaes disponveis cresce de maneira exponencial. A quantidade


de dados to grande que impossvel formular modelos que considerem todos os dados.
Logo, para realizar a modelagem, necessrio separar as informaes relevantes das
irrelevantes. Da a necessidade de se criar um modelo. Um modelo uma simplificao da
realidade.

A intuio no pode ser deixada de lado no processo de tomada de deciso. Portanto, a


base de dados da intuio no pode ser desperdiada.

As duas opes devem ser utilizadas conjuntamente para aperfeioar os processos de tomada
de decises. A intuio especialmente relevante na seleo das informaes relevantes para
o problema em questo, bem como na criao de possveis cenrios para anlise, na validao
e anlise do modelo, bem como dos resultados dos mesmos.

VANTAGENS DA UTILIZAO DE MODELOS

A utilizao da modelagem no processo de tomada de decises gera diversas vantagens:

Modelos obrigam os tomadores de deciso a tornarem explcitos seus objetivos.


Modelos foam a identificao e armazenamento de diversas decises que influenciam
no atingimento dos objetivos.

Modelos foram a identificao e armazenamento das relaes entre diferentes


decises.
Modelos foram a identificao de limitaes.
Modelos foram a determinao de variveis a serem consideradas e sua
quantificao.
Modelos permitem a comunicao e o trabalho em grupo.

Portanto, os modelos so ferramentas consistentes para o processo de avaliao e divulgao


de polticas empresariais distintas.

TIPOS DE MODELOS

A literatura e a prtica de gesto nos ensina que existem basicamente trs tipos de modelos:
modelos fsicos, analgicos e os matemticos ou simblicos. Os modelos fsicos seriam as
maquetes. Os analgicos representam as relaes de diferentes maneiras. Os mapas, os
velocmetros atravs de sua escala circular so exemplos de modelos analgicos.

De maior interesse em situaes empresariais, os modelos matemticos ou simblicos


representam as grandezas por variveis de deciso e as relacionam por meio de expresses ou
equaes matemticas. Logo, os modelos matemticos se assentam sobre uma base
quantificvel. Um modelo matemtico deve possuir variveis suficientes para que:

Os resultados atinjam seus propsitos.


O modelo apresente consistncia de dados.

O modelo possa ser analisado no momento disponvel sua concepo.

Num modelo simblico, quando uma das variveis representa uma deciso a ser tomada, o
modelo denominado de deciso. Normalmente, decises so tomadas para se atingir algum
objetivo. Consequentemente, nos modelos de deciso adicionamos uma varivel que
represente a medida de performance dos objetivos (funo objetivo).
Nunca devemos nos esquecer de que os modelos so uma simplificao da realidade. Para
minimizarmos os efeitos da simplificao devemos adicionar detalhes ao modelo para que:

Os resultados atinjam os objetivos.


Seja modelado e analisado em tempo disponvel.

Seja consistente com as informaes disponveis.

Os modelos matemticos podem ser classificados em determinsticos ou probabilsticos. Os


determinsticos so aqueles em que todas as variveis relevantes so conhecidas. Nos modelos
probabilsticos, uma ou mais variveis no so conhecidas com certeza e essa incerteza deve
ser incorporada ao modelo.

COMO FAZER A MODELAGEM MATEMTICA

O processo de modelagem deve considerar as seguintes condies:

Variveis do problema. So fatores controlveis e quantificveis. Representam as


variveis de deciso.
Parmetros do problema. So os valores fixos do problema. Os valores financeiros dos
dados os ou custos fixos da produo so alguns exemplos.

Restries. So aspectos que limitam a combinao de valores e variveis de solues


possveis.

Funo objetivo. uma funo que busca maximizar ou minimizar , dependendo do


objetivo do problema. Ela essencial na definio da qualidade da soluo em funo das
incgnitas encontradas.

Vamos a um exemplo prtico (e brejeiro) muito comum na literatura:

Um jovem estava saindo com duas namoradas: Sandra e Regina. Sabe, por experincia, que:

Sandra, elegante, gosta de frequentar lugares sofisticados, mais caros, de modo que
uma sada de trs horas custar R$240,00;
Regina, mais simples, prefere um divertimento mais popular, de modo que uma sada
de trs horas custar R$160,00;
Seu oramento permite dispor de R$960,00 mensais para diverso;

Seus afazeres escolares lhe daro liberdade de dispor de, no mximo, 18 horas e
40.000 calorias de sua energia para atividades sociais;

Cada sada com Sandra consome 5.000 calorias, mas com Regina, mais alegre e
extrovertida, gasta o dobro;

Ele gosta das duas com a mesma intensidade.

Como deve planejar sua vida social para obter o nmero mximo de sadas ?
Variveis de deciso:
X1 = nmero de sadas com Sandra;

X2 = nmero de sadas com Regina.


Parmetros do problema:

Funo objetivo:
Maximizar z = x1 + x2
Restries:
240x1 + 160x2 960
3x1 + 3x2 18
5000x1 + 10000x2 40000
Utilizando tcnicas de programao linear encontramos a soluo: O rapaz deve sair 2 vezes
com Sandra e 3 vezes com Regina , totalizando 5 sadas por ms.
RESOLUO DE PROBLEMAS PELA PESQUISA OPERACIONAL

A utilizao dessa ferramenta dividida em seis fases: formulao do problema; construo


do modelo; clculo do modelo; teste do modelo e da soluo; controle das solues; e
implantao e acompanhamento. Cada uma de suas seis fases deve ser transposta para se
encontrar a soluo tima.

1. Formulao do problema. Nessa fase, determinamos o objetivo, identificamos restries


e esboamos possveis caminhos a serem percorridos. Verificamos registros, coletamos
informaes
com
mxima
preciso
e
consistncia
possvel.
2. Construo do modelo. Nessa fase predomina a modelagem matemtica, ou seja, as
equaes e inequaes, seja na funo objetivo, seja nas restries. Cabe distinguir variveis
decisivas ( variveis controlveis), das no decisivas. Por exemplo, em uma situao de
produo, a quantidade a ser produzida uma varivel controlvel. A demanda bem como o
preo praticado pelo mercado so exemplos de variveis no controlveis.

3. Resoluo do modelo. Tambm chamada de clculo do modelo. nessa fase que


encontramos a soluo do modelo por meio da utilizao de diversas tcnicas, desde as mais
simples para problemas simples, at as tcnicas mais modernas para resoluo de problemas
mais complexos. Existem muitos softwares que permitem resolver problemas extremamente
complexos com rapidez, confiabilidade e extremo rigor. Exemplos: da LINDO Systems:
What'sBest!, LINGO, LINDO API; da Microsoft: Solver do Office Excel; da Maplesoft:
MapleSim, Bordo, Global Optimization Toolbox; da OMP e da PLM, C-PLEX, QM for
Windows, MOSEK, entre outros.
4. Teste do modelo e da soluo. Durante essa fase, verificamos se os resultados
encontrados atendem o modelo real do problema. A simulao, aps sua implantao, nos
permite detectar se novas solues so necessrias para possveis melhorias.

5. Controle das solues. Devemos identificar parmetros e valores fixos que envolvem o
problema. O controle dos parmetros importante para detectar desvios durante o processo.
As variaes nos parmetros implicam em correo do modelo.

6. Implantao e acompanhamento. Nessa fase avaliamos os resultados para fazer ajuste,


se necessrio, no modelo.

PRINCIPAIS TCNICAS DA P.O.


Programao linear. No mundo real, a escassez um problema constante. Nossas
necessidades so infinitas, mas os recursos so limitados, por diversas razes. Surge, ento, o
desafio de utilizar esses recursos escassos de forma eficiente e eficaz. Almeja-se, portanto,
maximizar ( o lucro, a receita, a capacidade de produo etc.) ou minimizar ( o custo de mode-obra, insumos etc.) uma quantidade, denominada objetivo, que, por sua vez, depende de
um ou mais recursos escassos. A programao matemtica a rea que estuda a otimizao de
recursos. A programao linear nada mais que uma programao matemtica em que as
funes objetivo e de restrio so lineares.

Em resumo

P.O. uma ferramenta prtica que oferece subsdios para a atividade de gesto. Como
ferramenta quantitativa, fornece parmetros decisrios confiveis, considera cenrios e
estabelece, por meio de modelos matemticos, visualizaes de possveis solues de
problemas que apresentam variveis, restries, e funo objetivo, analisadas por meio de

clculos estruturados em fases. Desta forma, a P.O. se constitui de um moderno instrumental


para a tomada de decises.

http://www.administradores.com.br/artigos/tecnologia/pesquisa-operacional-visaogeral/57475/ acesso em 16/11/13