Pesquisa Operacional Aplicada À Empresa Citrobel

UNIVERSIDADE FEDERAL DE UBERLNDIA
FACULDADE DE GESTO E NEGCIOS

CURSO DE ADMINISTRAO NOTURNO
Componente curricular: Pesquisa Operacional
Professor: Kleber Carlos
UTILIZAO DE TCNICA DE PESQUISA OPERACIONAL NA LOGSITCA

DA EMPRESA CITROBELL
Uberlndia
2015
UNIVERSIDADE FEDERAL DE UBERLNDIA
FACULDADE DE GESTO E NEGCIOS
CURSO DE ADMINISTRAO NOTURNO
Componente curricular: Pesquisa Operacional
Professor: Kleber Carlos
Gustavo Guimares de Faria 11221ADM243

Lucas Henrique Silva Braga 11221ADM205
Matheus Tavares Lopes Cunha 11221ADM234
Uberlndia
2015
2
SUMRIO
Introduo ..........................................................................................................................5
Reviso Bibliogrfica ........................................................................................................6
Apresentao do Caso .......................................................................................................7
A Modelagem Matemtica ................................................................................................9
Aplicao na Linguagem GAMS ....................................................................................11
Simulao Situao Atual (demanda = capacidade) ............................................11
Simulao Situao Futura (demanda = capacidade) ...........................................16
Simulao Situao Futura (demanda < capacidade) ...........................................22
Simulao Situao Futura (demanda > capacidade) ...........................................27
Anlise dos Resultados ....................................................................................................33

Concluso dos Resultados ...............................................................................................36
Consideraes Finais .......................................................................................................37
Referencias ......................................................................................................................37
3
UTILIZAO DE TCNICA DE PESQUISA OPERACIONAL NA LOGSTICA
DA EMPRESA CITROBELL
RESUMO
A pesquisa operacional tem sido uma ferramenta muito importante para encontrar uma
opo tima para as empresas aplicando o mtodo de programao linear com o caso de
problema de transporte. O objetivo desse estudo foi propiciar empresa Citrobell uma
soluo tima em relao ao seu fornecimento de frutas, tendo como foco a melhor
distribuio do produto, minimizando custo. As pesquisas foram feitas em um perodo
determinado pelos responsveis pela anlise e ao longo do texto apresentar todo o
estudo feito e os resultados atravs da linguagem GAMS.
Palavras-chave: pesquisa operacional, programao linear, problema de
transporte, soluo tima.
ABSTRACT
Operations research has been a very important tool to find a great option for companies
applying the linear programming method to the case of transportation problem. The aim
of this study was to provide the company Citrobell an optimal solution in relation to the
supply of fruit, with a focus on better distribution of the product while minimizing cost.
The research was conducted in a period determined by those responsible for analysis
and throughout the text present throughout the study and results through the GAMS
language.
Keywords: operations research, linear programming, transportation problem,
optimal solution.
4
INTRODUO
Em meio a tantas variveis e o grande avano tecnolgico no ambiente em que o

ser humano vive, problemas surgem com diferentes nveis de complexidade, isso
alavancou o interesse de estudiosos a obter modelos de soluo para esses problemas,
visando uma melhoria nos processos, nas formas de trabalho, entre outras. A pesquisa
operacional foi desenvolvida para obter solues consideradas timas para qualquer tipo
de situao, seja de maximizao ou minimizao. Para isso alguns mtodos foram
criados como a Programao Linear, Teoria de Filas, etc.
No caso que ser apresentado no decorrer do estudo, a principal abordagem a
programao linear relacionado a um problema de transporte. O objetivo que se d a
esse trabalho a minimizao dos custos de transporte, visando atender toda a demanda
exigida.
Em um momento de crise no Brasil, muitas empresas esto se adaptando ao
ambiente mercadolgico tentando minimizar os custos de diversas maneiras. A
Citrobell, empresa escolhida para o estudo ser feito, passa por uma fase de alinhamento
no quesito logstica, para que seja feita uma reestruturao da sua distribuio de
produtos para que diminua seus custos com transporte.
O problema percebido na empresa foi o alto custo referente ao processo de
distribuio de seus produtos, principalmente aqueles que so destinados para as regies
Norte e Centro-Oeste, sendo que estes locais se encontram muito distantes em relao
matriz, esse problema poder ser solucionado com a realizao de uma reestruturao
de todo o sistema logstico da empresa. Uma vez que a Citrobell possui a opo de
construir centros de distribuio dos produtos, o manuseamento da quantidade a ser
transportada para cada regio se tornaria mais fcil de ser analisada propondo uma
melhor soluo. A pergunta que foi feita para ser solucionada : Qual o mtodo com
menor custo para se adotar no processo de distribuio, utilizando somente a matriz ou
construindo centros de distribuio em locais estratgicos?
Para a elaborao do estudo, primeiramente a identificao do problema foi
feita. A partir desse problema alguns pontos foram levantados, os quais influenciaram
diretamente no desenvolvimento do estudo. Foi feita uma anlise no setor de logstica
da empresa Citrobell, para coletar dados e informaes relativos aos centros de
distribuio, quantidade de produtos transportados semanalmente, a capacidade de
transporte dos caminhes, o custo por cada rota, etc.
5
Aps os dados e informaes levantados, foi criado o que chamado de
modelagem, uma linguagem matemtica do problema, que propiciou a elaborao da
soluo tima dada pelo software de programao GAMS.
REVISO BIBLIOGRFICA
Existem inmeras situaes que ocorrem no cotidiano de qualquer organizao

que se faz necessrio o levantamento de dados e anlise dos mesmos para que seja feito
o procedimento de tomada de deciso visando sempre aperfeioar todo o processo, seja
por aumento da capacidade produtiva ou simplesmente pela reduo de custos de
fabricao ou de prestao de servio. A Pesquisa Operacional oferece um elenco
interessante de reas, modelos e algoritmos que permitem ao gestor tomar deciso em
problemas complexos, onde deve ser aplicada a tica cientfica. (MARINS, 2011, p. 5),
levando em considerao esse conceito, fica evidente que os profissionais da rea de
gesto utilizem esse conhecimento para tomadas de deciso em qualquer setor de
atuao.
Vale ressaltar que cada indivduo tem sua maneira particular de se comportar a
frente de qualquer tipo de problema, e isso no se difere no ambiente profissional. Os
profissionais responsveis por gerir uma organizao convivem diariamente com o ato
de tomar decises para solucionar variveis tipos de problemas, com isso se faz
necessria uma observao completa da situao, para que assim o problema seja
identificado e consequentemente todas as limitaes encontradas na situao sejam
definidas. Aps todo esse processo de anlise a pesquisa operacional se insere,
colaborando com os profissionais responsveis por encontrar a melhor soluo possvel
para o problema em questo, oferecendo mtodos e modelos para que isso se torne
possvel.
Considerando o fato de que a pesquisa operacional oferece diferentes
ferramentas para serem utilizadas na soluo de problemas e nas tomadas de decises,
se faz necessrio falar sobre a Programao Linear. Esse mtodo utilizado pelos
profissionais especializados em pesquisa operacional tem a funo de encontrar a
melhor soluo considerando todas as restries da situao em questo, A tarefa da
programao linear consiste na maximizao ou minimizao de uma funo linear,
denominada Funo Objetivo, respeitando-se um sistema linear de igualdades ou
desigualdades, que recebem o nome de Restries do Modelo. (MARINS, 2011, p.23).
6
Quando se depara com problemas de programao linear, alguns passos devem
ser seguidos para que se chegue soluo. Em um primeiro momento devem ser
analisados os dados de determinado fluxo de informaes para que a modelagem seja
feita, definindo a funo objetivo da situao, e quais as restries encontradas que
influenciam diretamente no resultado do processo. Para modelar uma situao geral
importante se ter experincia e capacidade de anlise e sntese. (MARINS, 2011, p.24),
pode-se dizer que modelagem a transcrio de dados para um modelo matemtico.
Levando em considerao que o caso estudado nesse trabalho se encaixa no que
se chama Modelo de Transporte, este problema um caso especfico de Programao
Linear, e todo algoritmo desta rea (como o Mtodo Simplex) pode ser usado para
resolv-lo. (MARINS, 2011, p.128). Vale ressaltar que apesar de ser um modelo em
especfico o processo de resoluo ainda continua o mesmo, definindo a funo objetivo
e suas restries, porm as limitaes so mais especficas, O Problema de Transporte
Simples pode ser descrito como sendo concernente ao transporte de um nico produto
de vrias origens, onde fabricado, para muitos destinos, onde consumido. Cada
origem tem uma capacidade de produo limitada e cada destino tem uma demanda
conhecida. (MARINS, 2011, p.128).
APRESENTAO DO CASO
O caso pesquisado foi da empresa Citrobell, o maior atacadista distribuidor de

Hortifrutigranjeiro do Brasil. A empresa est a 38 anos transportando produtos de
qualidade em todo Pas. A trajetria da empresa inclui atingir o mercado com
excelncia, buscando qualidade e produtividade. A partir disso o estudo procurou
estabelecer um aperfeioamento no setor logstico da empresa visando reduo de
custos, para que mesmo em perodos de instabilidade econmica a organizao consiga
manter seu padro de qualidade e atendimento.
Aps entrevistas feitas com os gestores da Citrobell foi dito ao grupo que houve
reunies no setor de logstica da empresa onde propuseram a ideia de abrir dois centros
de distribuio, para que o atendimento da demanda das regies Norte e Centro-Oeste
seja realizado com o menor custo possvel, visando uma maior rentabilidade e agilidade
para a organizao. Esse dois centros estariam localizados em Belm e Cuiab
proporcionando assim uma maior organizao da distribuio dos produtos. O estudo
teve como foco, analisar as consequncias trazidas em relao ao custo de transporte das
7
frutas, que antes eram feitas apenas de Uberlndia, e compar-las com previses feitas
com os custos referentes ao transporte feito pelos dois centros de distribuio.
Para que a anlise seja feita com qualidade, dados e informaes sobre a
empresa devem ser levantados com a maior preciso possvel, levando em considerao
que estes influenciam diretamente o resultado do processo de programao linear. Em
geral os profissionais da rea de logstica lidam com variadas informaes que se
alteram constantemente em funo do mercado atendido.
Tendo essa variao como uma dificuldade encontrada durante o estudo, foi
acordado entre empresa e pesquisadores que os dados que seriam utilizados para a
anlise da logstica eram referentes mdia dos ltimos trs meses. Aps esse
combinado, foi orientado ao responsvel pela logstica da empresa quais dados
deveriam ser fornecidos considerando os parmetros que foram definidos. importante
destacar que todos os dados referentes ao custo e a demanda futura que sero atendidos
pelos centros de distribuio, foram obtidos atravs de uma previso feita pelos
funcionrios responsveis pelo setor de logstica da empresa.
Os dados requeridos do setor de logstica foram: capacidade de distribuio de
frutas semanalmente, custo por kg de transporte das frutas, capacidade do caminho
para transporte, regies que possuem demanda, entre outros pontos relevantes. Essas
informaes foram passadas de maneira bem estruturada, mas com alguns ajustes:
considerado os clientes atuais, definio do caminho por ter vrios tipos.
Todos os dados necessrios para o estudo do caso em questo foram obtidos e os
responsveis pela empresa tambm se comprometeram em ajudar o grupo caso se
tornasse necessrio o levantamento de mais informaes.
Dados (Custo de Transporte - Origem x Destino)

Destino Minas Mato Mato
Par Amap Gois Tocantins
Gerais Grosso Grosso do
(D1) (D2) (D4) (D6)
Origem (D3) (D5) Sul (D7)
Uberlndia
0,65/ Kg 0,85/Kg 0,25/ Kg 0,25/ Kg 0,40/Kg 0,30/Kg 0,25/Kg
(O1)
0,30/Kg
Belm (O2) 0,05/ Kg 0,50/ Kg 0,80/ Kg 0,75/ Kg 0,30/Kg 0,50/Kg
Cuiab (O3) 0,45/ Kg 0,55/ Kg 0,35/ Kg 0,40/Kg 0,10/kg 0,20/Kg 0,15/Kg
8
Capacidade de Distribuio das Origens:
Sem novos centros de distribuio:

Origem Capacidade de Distribuio
Uberlndia 13 Caminhes 12 Toneladas/caminho- 2
viagens por semana
Com novos centros de distribuio:

Origem Capacidade de Distribuio
5 Caminhes 12 Toneladas/caminho- 2
Uberlndia
viagens por semana
Belm
viagens por semana
Cuiab
viagens por semana
Demanda dos Destinos:

Destino (Regies) Demanda (em toneladas)
Par 60
Amap 25
Minas Gerais 70
Gois 37
Mato Grosso 50
Tocantins 35
Mato Grosso do Sul 35
A MODELAGEM MATEMTICA DO CASO ATRAVS DOS

PROCEDIMENTOS DA PESQUISA OPERACIONAL
(Situao Futura)
A) Variveis de deciso:
X11: quantidade de KG a transportar da origem O1 para o destino D1

9
B) Funo Objetivo:
MinCusto = 0.65 . X11+ 0,85 . X12 + 0,25 . X13 + 0,25. X14 + 0,40 . X15 + 0,30 . X16
+ 0,25 . X17 + 0,05 . X21 + 0,50 . X22 + 0,80 . X23 + 0,75 . X24 + 0,30 . X25 + 0,30 .
X26 + 0,50 . X27 +0,45 . X31 + 0,55 . X32 + 0,35 . X33 + 0,40 . X34 + 0,10 . X35 +
0,20 . X36 + 0,15 . X37
C) Restries:
X11 + X12 + X13 + X14 + X15 + X16 + X17 = 120.000

X21 + X22 + X23 + X24 + X25 + X26 + X27 = 96.000
X31 + X32 + X33 + X34 + X35 + X36 + X37 = 96.000
X11 + X21 + X31 = 60.000
X12 + X22 + X32 = 25.000
X13 + X23 + X33 = 70.000
X14 + X24 + X34 = 37.000
X15 + X25 + X35 = 50.000
X16 + X26 + X36 = 35.000
X17 + X27 + X37 = 35.000
Xij 0, para i = 1,2 e 3; e j= 1, 2,3, 4, 5, 6 e 7
10
APLICAO DO CASO NO PROGRAMA GAMS (Simulaes)
Simulao da Situao Atual - Apenas um centro de distribuio (demanda =

capacidade):
set
i origens /Uberlandia/
j destinos /PA,AP,MG,GO,MT,TO,MS/
option decimals=2;
parameter
a(i) capacidade da origem i
/Uberlandia 312000/
d(j) demanda do destino j
/PA 60000
AP 25000
MG 70000
GO 37000
MT 50000
TO 35000
MS 35000/
table c(i,j) custo unitrio de transporte da origem i para o destino j
PA AP MG GO MT TO MS
Uberlandia 0.65 0.85 0.25 0.25 0.40 0.30 0.25;
variable
z funo objetiva
x(i,j) quanto enviar da origem i para o destino j
positive variable x;
equation
funcao funo objetivo
envio(i) capacidade de cada origem i
envios2(j) atendimento da demanda;
funcao.. z=e= sum((i,j),x(i,j)*c(i,j));
envio(i).. sum((j),x(i,j))=l=a(i);
envios2(j).. sum((i),x(i,j))=e= d(j);
model trans /all/
11
solve trans using lp minimizing z;
display z.l, x.l;
General Algebraic Modeling System
Compilation
1 set
2 i origens /Uberlandia/
3 j destinos /PA,AP,MG,GO,MT,TO,MS/
4 option decimals=2;
5 parameter
6 a(i) capacidade da origem i
7 /Uberlandia 312000/
8 d(j) demanda do destino j
9 /PA 60000
10 AP 25000
11 MG 70000
12 GO 37000
13 MT 50000
14 TO 35000
15 MS 35000/
16 table c(i,j) custo unitrio de transporte da origem i para o destino j
17 PA AP MG GO MT TO MS
18 Uberlandia 0.65 0.85 0.25 0.25 0.40 0.30 0.25;
19 variable
20 z funo objetiva
21 x(i,j) quanto enviar da origem i para o destino j
22 positive variable x;
23 equation
24 funcao funo objetivo
25 envio(i) capacidade de cada origem i
26 envios2(j) atendimento da demanda;
27 funcao.. z=e= sum((i,j),x(i,j)*c(i,j));
28 envio(i).. sum((j),x(i,j))=l=a(i);
29 envios2(j).. sum((i),x(i,j))=e= d(j);
30 model trans /all/
12
31 solve trans using lp minimizing z;
32 display z.l, x.l;
COMPILATION TIME = 0.000 SECONDS 3 MB 24.5.4 r54492
WIN-VS8
Equation Listing SOLVE trans Using LP From line 31
---- funcao =E= funo objetivo
funcao.. z - 0.65*x(Uberlandia,PA) - 0.85*x(Uberlandia,AP)
- 0.25*x(Uberlandia,MG) - 0.25*x(Uberlandia,GO) - 0.4*x(Uberlandia,MT)
- 0.3*x(Uberlandia,TO) - 0.25*x(Uberlandia,MS) =E= 0 ; (LHS = 0)
---- envio =L= capacidade de cada origem i
envio(Uberlandia).. x(Uberlandia,PA) + x(Uberlandia,AP) + x(Uberlandia,MG)
+ x(Uberlandia,GO) + x(Uberlandia,MT) + x(Uberlandia,TO)
+ x(Uberlandia,MS) =L= 312000 ; (LHS = 0)
---- envios2 =E= atendimento da demanda
envios2(PA).. x(Uberlandia,PA) =E= 60000 ; (LHS = 0, INFES = 60000 ****)
envios2(AP).. x(Uberlandia,AP) =E= 25000 ; (LHS = 0, INFES = 25000 ****)
envios2(MG).. x(Uberlandia,MG) =E= 70000 ; (LHS = 0, INFES = 70000
****)
REMAINING 4 ENTRIES SKIPPED
Column Listing SOLVE trans Using LP From line 31
---- z funo objetiva
z
(.LO, .L, .UP, .M = -INF, 0, +INF, 0)
1 funcao
---- x quanto enviar da origem i para o destino j
x(Uberlandia,PA)
(.LO, .L, .UP, .M = 0, 0, +INF, 0)
-0.65 funcao
1 envio(Uberlandia)
1 envios2(PA)
x(Uberlandia,AP)
(.LO, .L, .UP, .M = 0, 0, +INF, 0)
13
-0.85 funcao
1 envio(Uberlandia)
1 envios2(AP)
x(Uberlandia,MG)
(.LO, .L, .UP, .M = 0, 0, +INF, 0)
-0.25 funcao
1 envio(Uberlandia)
1 envios2(MG)
Model Statistics SOLVE trans Using LP From line 31
MODEL STATISTICS
BLOCKS OF EQUATIONS 3 SINGLE EQUATIONS 9
BLOCKS OF VARIABLES 2 SINGLE VARIABLES 8
NON ZERO ELEMENTS 22
GENERATION TIME = 0.000 SECONDS 4 MB 24.5.4 r54492
WIN-VS8
EXECUTION TIME = 0.000 SECONDS 4 MB 24.5.4 r54492 WIN-
VS8
Solution Report SOLVE trans Using LP From line 31
SOLVE SUMMARY
MODEL trans OBJECTIVE z
TYPE LP DIRECTION MINIMIZE
SOLVER CPLEX FROM LINE 31
**** SOLVER STATUS 1 Normal Completion
**** MODEL STATUS 1 Optimal
**** OBJECTIVE VALUE 126250.0000
RESOURCE USAGE, LIMIT 0.016 1000.000
ITERATION COUNT, LIMIT 0 2000000000
Cplex 12.6.2.0
Space for names approximately 0.00 Mb
Use option 'names no' to turn use of names off
LP status(1): optimal
14
Cplex Time: 0.00sec (det. 0.01 ticks)
Optimal solution found.
Objective : 126250.000000
LOWER LEVEL UPPER MARGINAL
---- EQU funcao . . . 1.000
---- EQU envio capacidade de cada origem i
Uberlandia -INF 3.1200E+5 3.1200E+5 .
---- EQU envios2 atendimento da demanda
PA 60000.000 60000.000 60000.000 0.650
AP 25000.000 25000.000 25000.000 0.850
MG 70000.000 70000.000 70000.000 0.250
GO 37000.000 37000.000 37000.000 0.250
MT 50000.000 50000.000 50000.000 0.400
TO 35000.000 35000.000 35000.000 0.300
MS 35000.000 35000.000 35000.000 0.250
---- VAR z -INF 1.2625E+5 +INF .
z funo objetiva
---- VAR x quanto enviar da origem i para o destino j
Uberlandia.PA . 60000.000 +INF .
Uberlandia.AP . 25000.000 +INF .
Uberlandia.MG . 70000.000 +INF .
Uberlandia.GO . 37000.000 +INF .
Uberlandia.MT . 50000.000 +INF .
Uberlandia.TO . 35000.000 +INF .
Uberlandia.MS . 35000.000 +INF .
**** REPORT SUMMARY : 0 NONOPT
0 INFEASIBLE
0 UNBOUNDED
General Algebraic Modeling System Execution
15
---- 32 VARIABLE z.L = 126250.00 funo objetiva
---- 32 VARIABLE x.L quanto enviar da origem i para o destino j
PA AP MG GO MT
Uberlandia 60000.00 25000.00 70000.00 37000.00 50000.00
+ TO MS
Uberlandia 35000.00 35000.00
EXECUTION TIME = 0.016 SECONDS 3 MB 24.5.4 r54492 WIN-VS8
Simulao da Situao Futura - Dois novos centros de distribuio (demanda =

capacidade):
set
i origens /Uberlandia,Belem,Cuiaba/
j destinos /PA,AP,MG,GO,MT,TO,MS/
option decimals=2;
parameter
a(i) capacidade da origem i
/Uberlandia 120000
Belem96000
Cuiaba 96000 /
d(j) demanda do destino j
/PA 60000
AP 25000
MG 70000
GO 37000
MT 50000
TO35000
MS35000/
table c(i,j) custo unitrio de transporte da origem i para o destino j
Uberlandia0.65 0.85 0.25 0.25 0.40 0.30 0.25
Belem0.050.50 0.80 0.75 0.30 0.30 0.50
Cuiaba0.450.55 0.35 0.40 0.10 0.20 0.15;
variable
16
z funo objetiva
x(i,j) quanto enviar da origem i para o destino j
positivevariable x;
equation
envio(i) capacidade de cada origem i
envios2(j) atendimento da demanda;
funcao.. z=e= sum((i,j),x(i,j)*c(i,j));
envio(i).. sum((j),x(i,j))=l=a(i);
envios2(j).. sum((i),x(i,j))=e= d(j);
model trans /all/
solve trans using lp minimizing z;
displayz.l, x.l;
G e n e r a lA l g e b r a i c M o d e l i n g S y s t e m
Compilation
1 set
2 i origens /Uberlandia,Belem,Cuiaba/
5parameter
7/Uberlandia 120000
8Belem 96000
9Cuiaba 96000 /
10d(j) demanda do destino j
11 /PA 60000
12 AP 25000
13 MG 70000
14 GO 37000
15 MT 50000
16TO 35000
17MS 35000/
18table c(i,j) custo unitrio de transporte da origem i para o destino j
17
20Uberlandia 0.65 0.85 0.25 0.25 0.40 0.30 0.25
21Belem 0.05 0.50 0.80 0.75 0.30 0.30 0.50
22Cuiaba 0.45 0.55 0.35 0.40 0.10 0.20 0.15;
23variable
24z funo objetiva
25x(i,j) quanto enviar da origem i para o destino j
26positive variable x;
27equation
28funcao funo objetivo
29envio(i) capacidade de cada origem i
30envios2(j) atendimento da demanda;
31funcao.. z=e= sum((i,j),x(i,j)*c(i,j));
32envio(i).. sum((j),x(i,j))=l=a(i);
33envios2(j).. sum((i),x(i,j))=e= d(j);
36 displayz.l, x.l;
COMPILATION TIME = 0.000 SECONDS 3 MB 24.5.4 r54492
WIN-VS8
---- funcao=E= funo objetivo
- 0.3*x(Uberlandia,TO) - 0.25*x(Uberlandia,MS) - 0.05*x(Belem,PA)
-0.5*x(Belem,AP) - 0.8*x(Belem,MG) - 0.75*x(Belem,GO) - 0.3*x(Belem,MT)
- 0.3*x(Belem,TO) - 0.5*x(Belem,MS) - 0.45*x(Cuiaba,PA)
- 0.55*x(Cuiaba,AP) - 0.35*x(Cuiaba,MG) - 0.4*x(Cuiaba,GO)
- 0.1*x(Cuiaba,MT) - 0.2*x(Cuiaba,TO) - 0.15*x(Cuiaba,MS) =E= 0 ;
(LHS = 0)
---- envio=L= capacidade de cada origem
18
envio(Belem).. x(Belem,PA) + x(Belem,AP) + x(Belem,MG) + x(Belem,GO)
+ x(Belem,MT) + x(Belem,TO) + x(Belem,MS) =L= 96000 ; (LHS = 0)
envio(Cuiaba).. x(Cuiaba,PA) + x(Cuiaba,AP) + x(Cuiaba,MG) +
x(Cuiaba,GO)
+ x(Cuiaba,MT) + x(Cuiaba,TO) + x(Cuiaba,MS) =L= 96000 ; (LHS = 0)
---- envios2=E= atendimento da demanda
envios2(PA).. x(Uberlandia,PA) + x(Belem,PA) + x(Cuiaba,PA) =E= 60000 ;
(LHS = 0, INFES = 60000 ****)
envios2(AP).. x(Uberlandia,AP) + x(Belem,AP) + x(Cuiaba,AP) =E= 25000 ;
(LHS = 0, INFES = 25000 ****)
envios2(MG).. x(Uberlandia,MG) + x(Belem,MG) + x(Cuiaba,MG) =E= 70000
(LHS = 0, INFES = 70000 ****)
---- zfuno objetiva
z
(.LO, .L, .UP, .M = -INF, 0, +INF, 0)
1funcao
---- xquanto enviar da origem i para o destino j
x(Uberlandia,PA)
(.LO, .L, .UP, .M = 0, 0, +INF, 0)
-0.65funcao
1 envio(Uberlandia)
1 envios2(PA)
x(Uberlandia,AP)
(.LO, .L, .UP, .M = 0, 0, +INF, 0)
-0.85funcao
1 envio(Uberlandia)
1 envios2(AP)
x(Uberlandia,MG)
(.LO, .L, .UP, .M = 0, 0, +INF, 0)
-0.25funcao
1 envio(Uberlandia)
19
1 envios2(MG)
MODEL STATISTICS
GENERATION TIME = 0.000 SECONDS 4 MB 24.5.4 r54492 WIN-VS8
SOLVE SUMMARY
Objective : 61900.000000
---- EQU funcao . . . 1.000
---- EQU enviocapacidade de cada origem i
Uberlandia -INF 1.2000E+5 1.2000E+5EPS
Belem -INF 96000.000 96000.000 .
20
Cuiaba -INF 96000.000 96000.000-0.100
---- EQU envios2atendimento da demanda
PA 60000.000 60000.00060000.000 0.050
AP 25000.000 25000.00025000.000 0.500
MG 70000.000 70000.00070000.000 0.250
GO 37000.000 37000.00037000.000 0.250
MT 50000.000 50000.00050000.000 0.200
TO 35000.000 35000.00035000.000 0.300
MS 35000.000 35000.00035000.000 0.250
---- VAR z -INF 61900.000 +INF .
zfuno objetiva
---- VAR xquanto enviar da origem i para o destino j
Uberlandia.PA . . +INF 0.600
Uberlandia.AP . . +INF 0.350
Uberlandia.MG 70000.000 +INF .
Uberlandia.GO 37000.000 +INF .
Uberlandia.MT . . +INF 0.200
Uberlandia.TO .13000.000 +INF .
Uberlandia.MS . . +INF 2.776E-17
Belem .PA . 60000.000 +INF .
Belem .AP . 25000.000 +INF .
Belem .MG . . +INF 0.550
Belem .GO . . +INF 0.500
Belem .MT . . +INF 0.100
Belem .TO .11000.000 +INF .
Belem .MS . . +INF 0.250
Cuiaba .PA . . +INF 0.500
Cuiaba .AP . . +INF 0.150
Cuiaba .MG . . +INF 0.200
Cuiaba .GO . . +INF 0.250
Cuiaba .MT .50000.000 +INF .
21
Cuiaba .TO .11000.000 +INF .
Cuiaba .MS .35000.000 +INF .
0 INFEASIBLE
0 UNBOUNDED
PA AP MG GO MT
Uberlandia 70000.00 37000.00
Belem 60000.00 25000.00
Cuiaba 50000.00
+ TO MS
Uberlandia 13000.00
Belem 11000.00
Cuiaba 11000.00 35000.00
2 RODADA NO GAMS- Simulao tendo uma variao negativa da demanda

com queda de 10% (demanda < capacidade).
General Algebraic Modeling System Compilation

1 set
5 parameter
7 /Uberlandia 120000
8 Belem 96000
9 Cuiaba 96000 /
11 /PA 54000
12 AP 22500
22
13 MG 63000
14 GO 33300
15 MT 45000
16 TO 31500
17 MS 31500/
20 Uberlandia 0.65 0.85 0.25 0.25 0.40 0.30 0.25
21 Belem 0.05 0.50 0.80 0.75 0.30 0.30 0.50
22 Cuiaba 0.45 0.55 0.35 0.40 0.10 0.20 0.15;
23 variable
24 z funo objetiva
27 equation
COMPILATION TIME = 0.000 SECONDS 3 MB 24.5.4 r54492 WIN-VS8
- 0.5*x(Belem,AP) - 0.8*x(Belem,MG) - 0.75*x(Belem,GO) - 0.3*x(Belem,MT)
23
(LHS = 0)
envio(Cuiaba).. x(Cuiaba,PA) + x(Cuiaba,AP) + x(Cuiaba,MG) + x(Cuiaba,GO)
(LHS = 0, INFES = 54000 ****)
(LHS = 0, INFES = 22500 ****)
envios2(MG).. x(Uberlandia,MG) + x(Belem,MG) + x(Cuiaba,MG) =E= 63000 ;
(LHS = 0, INFES = 63000 ****)
z
(.LO, .L, .UP, .M = -INF, 0, +INF, 0)
1 funcao
x(Uberlandia,PA)
(.LO, .L, .UP, .M = 0, 0, +INF, 0)
-0.65 funcao
1 envio(Uberlandia)
1 envios2(PA)
x(Uberlandia,AP)
(.LO, .L, .UP, .M = 0, 0, +INF, 0)
-0.85 funcao
1 envio(Uberlandia)
24
1 envios2(AP)
x(Uberlandia,MG)
(.LO, .L, .UP, .M = 0, 0, +INF, 0)
-0.25 funcao
1 envio(Uberlandia)
1 envios2(MG)
MODEL STATISTICS
SOLVE SUMMARY
IBM ILOG CPLEX 24.5.4 r54492 Released Oct 15, 2015 VS8 x86 32bit/MS
Windows
Cplex 12.6.2.0
25
Objective : 54750.000000
---- EQU funcao . . . 1.000
Uberlandia -INF 1.0830E+5 1.2000E+5 .
Belem -INF 76500.000 96000.000 .
Cuiaba -INF 96000.000 96000.000 -0.100
PA 54000.000 54000.000 54000.000 0.050
AP 22500.000 22500.000 22500.000 0.500
MG 63000.000 63000.000 63000.000 0.250
GO 33300.000 33300.000 33300.000 0.250
MT 45000.000 45000.000 45000.000 0.200
TO 31500.000 31500.000 31500.000 0.300
MS 31500.000 31500.000 31500.000 0.250
---- VAR z -INF 54750.000 +INF .
z funo objetiva
Belem .PA . 54000.000 +INF .
Belem .AP . 22500.000 +INF .
26
Belem .TO . . +INF EPS
Cuiaba .MT 45000.000 +INF .
Cuiaba .TO 19500.000 +INF .
Cuiaba .MS 31500.000 +INF .
0 INFEASIBLE
0 UNBOUNDED
PA AP MG GO MT
Uberlandia 63000.00 33300.00
Belem 54000.00 22500.00
Cuiaba 45000.00
+ TO MS
Uberlandia 12000.00
Cuiaba 19500.00 31500.00
3 RODADA NO GAMS - Simulao tendo uma variao positiva da demanda

com aumento de 10%. (demanda > capacidade).
General Algebraic Modeling SystemCompilation

1 set
5 parameter
27
7 /Uberlandia 120000
8 Belem 96000
9 Cuiaba 96000 /
11 /PA 66000
12 AP 27500
13 MG 77000
14 GO 40700
15 MT 55000
16 TO 38500
17 MS 38500/
20 Uberlandia 0.65 0.85 0.25 0.25 0.40 0.30 0.25
21 Belem 0.05 0.50 0.80 0.75 0.30 0.30 0.50
22 Cuiaba 0.45 0.55 0.35 0.40 0.10 0.20 0.15;
23 variable
24 z funo objetiva
27 equation
COMPILATION TIME = 0.000 SECONDS 3 MB 24.5.4 r54492 WIN-VS8
28
- 0.5*x(Belem,AP) - 0.8*x(Belem,MG) - 0.75*x(Belem,GO) - 0.3*x(Belem,MT)
(LHS = 0)
envio(Cuiaba).. x(Cuiaba,PA) + x(Cuiaba,AP) + x(Cuiaba,MG) + x(Cuiaba,GO)
(LHS = 0, INFES = 66000 ****)
(LHS = 0, INFES = 27500 ****)
envios2(MG).. x(Uberlandia,MG) + x(Belem,MG) + x(Cuiaba,MG) =E= 77000 ;
(LHS = 0, INFES = 77000 ****)
REMAINING 4 ENTRIES
z
(.LO, .L, .UP, .M = -INF, 0, +INF, 0)
1 funcao
x(Uberlandia,PA)
(.LO, .L, .UP, .M = 0, 0, +INF, 0)
29
-0.65 funcao
1 envio(Uberlandia)
1 envios2(PA)
x(Uberlandia,AP)
(.LO, .L, .UP, .M = 0, 0, +INF, 0)
-0.85 funcao
1 envio(Uberlandia)
1 envios2(AP)
x(Uberlandia,MG)
(.LO, .L, .UP, .M = 0, 0, +INF, 0)
-0.25 funcao
1 envio(Uberlandia)
1 envios2(MG)
MODEL STATISTICS
SOLVE SUMMARY
**** MODEL STATUS 4 Infeasible
30
LP status(3): infeasible
Model has been proven infeasible.
---- EQU funcao . . . 1.000
Uberlandia -INF 1.2000E+5 1.2000E+5 EPS
Belem -INF 1.2720E+5 96000.000 . INFES
Cuiaba -INF 96000.000 96000.000 -0.100
PA 66000.000 66000.000 66000.000 0.050
AP 27500.000 27500.000 27500.000 0.500
MG 77000.000 77000.000 77000.000 0.250
GO 40700.000 40700.000 40700.000 0.250
MT 55000.000 55000.000 55000.000 0.200
TO 38500.000 38500.000 38500.000 0.300
MS 38500.000 38500.000 38500.000 0.250
---- VAR z -INF 69050.000 +INF .
z funo objetiva
31
Belem .PA . 66000.000 +INF .
Belem .AP . 27500.000 +INF .
Belem .TO . 33700.000 +INF .
Cuiaba .MT . 55000.000 +INF .
Cuiaba .TO . 2500.000 +INF .
Cuiaba .MS . 38500.000 +INF .
1 INFEASIBLE (INFES)
SUM 31200.000
MAX 31200.000
MEAN 31200.000
0 UNBOUNDED
PA AP MG GO MT
Uberlandia 77000.00 40700.00
Belem 66000.00 27500.00
Cuiaba 55000.00
+ TO MS
Uberlandia 2300.00
Belem 33700.00
Cuiaba 2500.00 38500.00
32
ANLISE DOS RESULTADOS
Para um melhor entendimento sobre as vantagens que a pesquisa pode

proporcionar empresa, analisamos a rede de distribuio de frutas atual e a possvel
mudana que pode haver futuramente com a criao dos novos centros de distribuio.
Analisamos tambm a variao da demanda que pode ocorrer nas regies. Atravs da
aplicao dos dados no GAMS, o estudo nos indicou os seguintes resultados:
Resultados Atuais:
O custo mdio semanal com a distribuio de frutas pelo Brasil de
R$126.250,00;
A Citrobell Uberlndia atende as regies do Par, Amap, Minas Gerais,
Gois, Mato Grosso, Tocantins e Mato Grosso do Sul;
A empresa consegue atender toda a demanda, sendo 60 toneladas de frutas
para a regio do Par, 25 toneladas para a regio do Amap, 70 toneladas
para a regio de Minas Gerais, 37 toneladas para a regio de Gois, 50
toneladas para a regio de Mato Grosso, 35 toneladas para a regio de
Tocantins e 35 toneladas para a regio de Mato Grosso do Sul;
Resultados Futuros com a criao dos dois novos centros de distribuio

(demanda = capacidade):
O custo mdio timo semanal com a distribuio de frutas pelas regies
determinadas do Brasil ser de R$61.900,00;
Continuar atendendo todas as regies e demandas;
A empresa ter uma nova rede de distribuio apresentada abaixo (em kg):
Uberlandia 70000 37000 13000
Belem 60000 25000 11000
Cuiaba 50000 11000 35000
- A Citrobell Uberlndia transportar 120 toneladas, sendo 70 para Minas

Gerais, 37 para Gois e 13 para Tocantins;
33
- O centro de distribuio de Belm transportar 96 toneladas, sendo 60 para
o Par, 25 para o Amap e 11 para Tocantins.
- E o centro de distribuio de Cuiab transportar 96 toneladas, sendo 50
para o Mato Grosso, 11 para Tocantins e 35 para Mato Grosso do Sul.
O custo analisado para cada rota seria de:

Nmero de Rota Custo Acumulativo (R$) Rotas x(i,j)
1 17500,00 x(Uberlandia.MG)
2 20500,00 x(Belem.PA)
3 25500,00 x(Cuiaba.MT)
4 34750,00 x(Uberlandia.GO)
5 41750,00 x(Cuiaba.TO)
6 47000,00 x(Cuiaba.MS)
7 59500,00 x(Belem.AP)
8 61900,00 x(Uberlandia.TO)
9 61900,00 x(Belem.TO)
- Atravs do quadro acima que otimiza a distribuio da empresa, percebe-

se que o custo total em uma soluo tima de transporte para determinada
demanda e destino de:
> Uberlndia para MG: com uma demanda de 70 toneladas de frutas o
custo ser de R$17.500,00;
> Belm para PA: com uma demanda de 60 toneladas de frutas o custo
ser de R$3.000,00;
> Cuiab para MT: com uma demanda de 50 toneladas de frutas o
> Uberlndia para GO: com uma demanda de 37 toneladas de frutas o
> Cuiab para TO: com uma demanda de 11 toneladas de frutas o
> Cuiab para MS: com uma demanda de 35 toneladas de frutas o
> Belm para AP: com uma demanda de 25 toneladas de frutas o custo
ser de R$12.500,00;
34
> Uberlndia para TO: com uma demanda de 13 toneladas de frutas o
> Belm para TO: com uma demanda de 11 toneladas de frutas o
custo ser de R$3.300,00.

(demanda < capacidade):
O custo mdio timo semanal com a distribuio de frutas pelas regies

determinadas do Brasil ser de R$54.750,00;
Continuar atendendo todas as regies e demandas;
Sobrar capacidade de distribuio, implicando em reduo no faturamento.
A empresa ter uma nova rede de distribuio apresentada abaixo (em kg):
Uberlandia 63000 35500 12000
Belem 54000 22500 19500
Cuiaba 45000 31500
- Uberlndia transportar 110,5 toneladas, sendo 63 para Minas Gerais, 35,5

para Gois e 12 para Tocantins;
- Belm transportar 96 toneladas, sendo 54 para o Par, 22,5 para o Amap
e 19,5 para Tocantins.
- Cuiab transportar 76,5 toneladas, sendo 45 para o Mato Grosso e 31,5
para Mato Grosso do Sul.

(demanda > capacidade):
A empresa no ter capacidade de atendimento total da demanda, pois a

demanda foi de 343.2 toneladas, e a empresa possui capacidade de 312
toneladas por semana.
Dessa maneira torna-se invivel essa modelagem.
35
Caso haja a capacidade de distribuio de 343,2 toneladas o custo mdio
timo semanal pelas regies determinadas do Brasil ser de R$69.050,00;
Apresentada abaixo a nova rede de distribuio (em kg):
Uberlandia 77000 40700 2300
Belem 66000 27500 33700
Cuiaba 55000 2500 38500
- Uberlndia transportar 120 toneladas, sendo 77 para Minas Gerais, 40,7

para Gois e 2,3 para Tocantins;
- Belm transportar 127,2 toneladas, sendo 66 para o Par, 27,5 para o
Amap e 33,7 para Tocantins.
- Cuiab transportar 96 toneladas, sendo 55 para Mato Grosso, 2,5 para
Tocantins e 38,5 para Mato Grosso do Sul.
CONCLUSO DE RESULTADOS
Considerando todos os dados obtidos atravs das entrevistas realizadas com os

gestores da empresa Citrobell, foi possvel realizar simulaes, utilizando-se das
tcnicas de programao linear e do programa GAMS, para conhecer a viabilidade do
projeto de expanso da empresa, auxiliando os administradores da organizao
pesquisada na tomada de deciso. Os resultados foram apresentados em relao
situao atual da empresa e sua situao futura, buscando a minimizao dos custos
operacionais de transporte.
Atravs da anlise dos resultados obtidos com o GAMS, observa-se que o custo
total de transporte sem os centros de distribuio funcionando chegam a R$126.250,00
semanais, o que considerado extremamente alto pelos responsveis do setor,
influenciando diretamente o faturamento e a lucratividade da organizao. Porm ao
simular os dados que foram previstos pelos gestores da Citrobell, considerando abrir
novos centros de distribuio, percebe-se que o custo total de transporte obtido para
transportar a mesma quantidade, 312 toneladas de frutas, de R$61.900,00 semanais,
ou seja, houve uma reduo de 50,97% no custo total de transporte da empresa.
36
Portanto conclui-se que os gestores devem optar pela criao dos centros de
distribuio de Belm e Cuiab, para que o custo de transporte da mercadoria seja
minimizado de acordo com a demanda.
Outra questo que tambm importante frisar o fato de que todos os custos
calculados na realizao do trabalho se referem exclusivamente ao transporte, todo
investimento que a empresa ir fazer, seja por construo, admisso de novos
funcionrios ou obteno de novos caminhes, no entraram nesse processo.
CONSIDERAES FINAIS
Considerando que a pesquisa operacional se faz necessria no ambiente

organizacional e que a programao linear de fundamental importncia para a soluo
de inmeros problemas no cotidiano de qualquer empresa, o trabalho realizado foi
considerado pelo grupo como uma grande oportunidade para obteno de mais
conhecimento sobre a rea de pesquisa, agregando bastante no desenvolvimento
acadmico de cada integrante.
Existe uma enorme probabilidade que todos do grupo j estejam atuando no
mercado profissional em um curto espao de tempo, trabalhando em grandes
corporaes de nvel nacional e internacional. Sendo assim, o estudo da pesquisa
operacional e da programao linear de extrema importncia para a capacitao de
cada um, tornando-nos altamente competitivos e eficientes dentro do ambiente
organizacional. Portanto o trabalho de campo referente pesquisa operacional de
grande valia para todos.
REFERNCIA
MARINS, Fernando. Introduo Pesquisa Operacional, So Paulo: Cultura

Acadmica: Universidade Estadual Paulista, 2011.
37

Pesquisa Operacional Aplicada À Empresa Citrobel

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Pesquisa Operacional Aplicada À Empresa Citrobel

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DE UBERLNDIA

FACULDADE DE GESTO E NEGCIOS

UTILIZAO DE TCNICA DE PESQUISA OPERACIONAL NA LOGSITCA

Gustavo Guimares de Faria 11221ADM243

Anlise dos Resultados ....................................................................................................33

Em meio a tantas variveis e o grande avano tecnolgico no ambiente em que o

Existem inmeras situaes que ocorrem no cotidiano de qualquer organizao

O caso pesquisado foi da empresa Citrobell, o maior atacadista distribuidor de

Dados (Custo de Transporte - Origem x Destino)

Cuiab (O3) 0,45/ Kg 0,55/ Kg 0,35/ Kg 0,40/Kg 0,10/kg 0,20/Kg 0,15/Kg

Sem novos centros de distribuio:

Com novos centros de distribuio:

Demanda dos Destinos:

A MODELAGEM MATEMTICA DO CASO ATRAVS DOS

X11: quantidade de KG a transportar da origem O1 para o destino D1

X11 + X12 + X13 + X14 + X15 + X16 + X17 = 120.000

Simulao da Situao Atual - Apenas um centro de distribuio (demanda =

Simulao da Situao Futura - Dois novos centros de distribuio (demanda =

2 RODADA NO GAMS- Simulao tendo uma variao negativa da demanda

General Algebraic Modeling System Compilation

3 RODADA NO GAMS - Simulao tendo uma variao positiva da demanda

General Algebraic Modeling SystemCompilation

Para um melhor entendimento sobre as vantagens que a pesquisa pode

Resultados Futuros com a criao dos dois novos centros de distribuio

- A Citrobell Uberlndia transportar 120 toneladas, sendo 70 para Minas

O custo analisado para cada rota seria de:

- Atravs do quadro acima que otimiza a distribuio da empresa, percebe-

Resultados Futuros com a criao dos dois novos centros de distribuio

O custo mdio timo semanal com a distribuio de frutas pelas regies

- Uberlndia transportar 110,5 toneladas, sendo 63 para Minas Gerais, 35,5

Resultados Futuros com a criao dos dois novos centros de distribuio

A empresa no ter capacidade de atendimento total da demanda, pois a

- Uberlndia transportar 120 toneladas, sendo 77 para Minas Gerais, 40,7

Considerando todos os dados obtidos atravs das entrevistas realizadas com os

Considerando que a pesquisa operacional se faz necessria no ambiente

MARINS, Fernando. Introduo Pesquisa Operacional, So Paulo: Cultura

Você também pode gostar