Você está na página 1de 151

1

Palavras do professor

A economia, a matemática, a estatística e a informática são consideradas ciências


fundamentais para o processo de preparação, análise e tomada de decisão.

A Pesquisa Operacional (P.O.) faz uso dessas quatro ciências oferecendo aos
gestores e aos administradores um conjunto de métodos e modelos que os
auxiliam em suas decisões.

Ao estudar esse livro didático você aprenderá a utilizar a planilha Excel® e o


software Lindo®, que são dois sistemas muito úteis para a solução de problemas
de Pesquisa Operacional.

O objetivo deste livro é atingir, principalmente, dois públicos: os estudantes e os


profissionais de administração, economia e contábeis que tenham interesse em
saber como a Pesquisa Operacional pode auxiliá-los no processo de tomada de
decisão.

Espero que você aproveite o conteúdo selecionado para o melhor desempenho no


seu curso de administração e na sua carreira profissional.

Um ótimo estudo!

Professor Luis Augusto Araújo


2

SUMÁRIO

PALAVRAS DO PROFESSOR.....................................................1

1. INTRODUÇÃO À PESQUISA OPERACIONAL ............................5


1.1 CONCEITO ........................................................................................................................5
1.2 HISTÓRIA ........................................................................................................................6
1.3 APLICAÇÕES.....................................................................................................................8
1.4 FASES DE UM ESTUDO DE PESQUISA OPERACIONAL....................................................8
1.5 MODELAGEM DE PROBLEMAS GERENCIAIS ....................................................................9
1.5.1 Modelos de Simulação.........................................................................................10
1.5.2 Modelos de Otimização...................................................................................... 11
GLOSSÁRIO ..........................................................................................................................12
SÍNTESE ..............................................................................................................................12
EXERCÍCIOS PROPOSTOS .....................................................................................................13
2. PROGRAMAÇÃO LINEAR................................................. 15
2.1. APLICAÇÕES DA PROGRAMAÇÃO LINEAR.....................................................................16
2.2. VANTAGENS DO USO DA PROGRAMAÇÃO LINEAR ......................................................17
2.3. MODELAGEM DE PROBLEMAS .......................................................................................18
2.4. PROBLEMA DE ALOCAÇÃO DE RECURSOS ....................................................................19
2.5. FORMULAÇÃO DE DIETAS DE MÍNIMO CUSTO ......................................................... 20
GLOSSÁRIO ..........................................................................................................................21
SÍNTESE ............................................................................................................................. 22
EXERCÍCIOS PROPOSTOS .................................................................................................... 22
3. RESOLVENDO PROBLEMAS SIMPLES PELO MÉTODO GRÁFICO .... 34
3.1. PROBLEMA DE ALOCAÇÃO DE RECURSOS DA FÁBRICA DE COMPUTADORES.............. 34
3.2. RESOLUÇÃO PELO MÉTODO GRÁFICO ........................................................................ 35
1ª Etapa: Construir a região de soluções das restrições.................................... 35
2ª Etapa: Avaliar o objetivo na região de soluções ............................................. 37
GLOSSÁRIO ......................................................................................................................... 40
SÍNTESE ............................................................................................................................. 40
EXERCÍCIOS PROPOSTOS ....................................................................................................41
3

4. RESOLVENDO PROGRAMAÇÃO LINEAR UTILIZANDO A PLANILHA


EXCEL® ......................................................................... 44
4.1. ELEMENTOS DA PLANILHA .......................................................................................... 45
4.2. DESENVOLVENDO O PROBLEMA DA EMPRESA ILHA DA MAGIA ................................ 45
4.3. ANÁLISE DOS RESULTADOS .......................................................................................51
GLOSSÁRIO ......................................................................................................................... 54
SÍNTESE ............................................................................................................................. 54
EXERCÍCIOS PROPOSTOS .................................................................................................... 55
5. RESOLVENDO PROBLEMAS DE PROGRAMAÇÃO LINEAR UTILIZANDO
O SOFTWARE LINDO® ....................................................... 57
5.1 DESENVOLVENDO O PROBLEMA DA EMPRESA DE BOLAS ........................................ 58
5.2 ANÁLISE DO RESULTADO ......................................................................................... 63
5.3 ANÁLISE DE SENSIBILIDADE .................................................................................. 65
SÍNTESE ............................................................................................................................. 67
EXERCÍCIOS PROPOSTOS .................................................................................................... 68
6. PROBLEMAS DE TRANSPORTES .......................................... 73
6.1. ESTUDO DE CASO: PLANEJAMENTO DE TRANSPORTES DE UMA VINÍCOLA............. 76
6.2. PROGRAMAÇÃO LINEAR .............................................................................................. 76
6.2.1 Solução de Problemas de Transportes com o uso do Software Excel® 77
6.2.2 Solução de Problema de Transporte com o uso do Software Lindo® ... 82
6.3. MÉTODO DE APROXIMAÇÃO DE VOGEL (VAM)......................................................... 83
6.4. REGRA DO CANTO NOROESTE .................................................................................... 87
6.5. CASO DE SISTEMAS NÃO EQUILIBRADOS E DA IMPOSSIBILIDADE DE TRANSPORTE
............................................................................................................................................. 89
GLOSSÁRIO ......................................................................................................................... 90
SÍNTESE ............................................................................................................................. 90
EXERCÍCIOS PROPOSTOS .....................................................................................................91
7. PROGRAMAÇÃO INTEIRA ................................................. 94
7.1 PROBLEMAS TÍPICOS DE PROGRAMAÇÃO INTEIRA ..................................................... 95
7.2 EXEMPLO: PLANEJANDO UMA VIAGEM DE ACAMPAMENTO ....................................... 95
7.3 SOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO INTEIRA COM O USO DO SOFTWARE
EXCEL® ............................................................................................................................... 97
7.4 SOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO INTEIRA COM O USO DO SOFTWARE
LINDO® ............................................................................................................................ 100
SÍNTESE ............................................................................................................................ 101
EXERCÍCIOS PROPOSTOS ................................................................................................... 101
8. SIMULAÇÃO ............................................................. 104
4

8.1. ETAPAS DE UM ESTUDO NA REALIZAÇÃO DE UMA SIMULAÇÃO ............................. 105


8.2. VANTAGENS DO USO DA SIMULAÇÃO ..................................................................... 107
8.3. APLICAÇÕES DE SIMULAÇÃO ................................................................................... 107
8.4. MODELAGEM E RESOLUÇÃO DE PROBLEMAS DE SIMULAÇÃO EM EXCEL® ............. 109
SÍNTESE ............................................................................................................................ 118
EXERCÍCIOS PROPOSTOS ................................................................................................... 118
9. PLANEJAMENTO, PROGRAMAÇÃO E CONTROLE DE PROJETOS:
PERT-CPM ..................................................................... 119
9.1. VANTAGENS DO USO DA REDE PERT/CPM .............................................................. 119
9.2. CAMINHO CRÍTICO ................................................................................................... 120
9.3. O ESTUDO DE CASO DA ELABORAÇÃO DO TRABALHO DE PESQUISA OPERACIONAL
........................................................................................................................................... 120
SÍNTESE ........................................................................................................................... 122
EXERCÍCIOS PROPOSTOS .................................................................................................. 123
SITES DE PESQUISA OPERACIONAL ...................................... 126

BIBLIOGRAFIA................................................................ 128

SOBRE O PROFESSOR CONTEUDISTA ..................................... 130

RESPOSTAS E COMENTÁRIOS DOS EXERCÍCIOS PROPOSTOS......... 131

CASOS APLICADOS À ÁREA DE NEGÓCIOS PARA DESENVOLVIMENTO


DO TRABALHO DE PESQUISA OPERACIONAL ............................ 144
5

1. INTRODUÇÃO À PESQUISA OPERACIONAL

Objetivos de aprendizagem
Conhecer o conceito, a história e as principais aplicações da Pesquisa
Operacional.
Identificar as fases de um estudo de Pesquisa Operacional.
Entender o significado e os principais tipos de modelagem de problemas
gerenciais.

Seções de estudo
1.1 Conceito
1.2 História
1.3 Aplicações
1.4 Fases de um Estudo de Pesquisa Operacional
1.5 Modelagem de Problemas Gerenciais

A Pesquisa Operacional é uma ciência aplicada voltada para a resolução de


problemas reais. Tendo como foco a tomada de decisões, aplica conceitos e
métodos de outras áreas científicas para concepção e planejamento de sistemas
para atingir seu objetivo.

A Pesquisa Operacional visa também introduzir elementos de objetividade e


racionalidade nos processos de tomada de decisão, sem descuidar, no entanto,
dos elementos subjetivos que caracterizam os problemas.

1.1 Conceito
6

A Pesquisa Operacional (PO) é o campo de estudos em que são aplicados métodos


analíticos para ajudar os executivos a tomar melhores decisões. A Pesquisa
Operacional baseia-se, principalmente, no método científico para tratar de seus
problemas.

É também conhecida como a ciência que se preocupa em fornecer ferramentas


quantitativas para apoiar o processo de tomada de decisão.

Segundo Lachtermacher (2002), o ensino da Pesquisa Operacional para


executivos ou alunos da área de negócios passou a ter o foco na modelagem do
problema, na interpretação do resultado do mesmo e na sua aplicabilidade aos
problemas gerenciais.

Management Sciences (MS) é a área de estudos que utiliza a informática,


estatística e matemática para resolver problemas de negócios. A área de estudo
da Pesquisa Operacional é mais abrangente que a da Management Sciences, uma
vez que busca melhores soluções para além dos problemas da área de negócios.

Uma das sociedades profissionais mais respeitadas atualmente é o Informs –


Institute for Operations Reserch and the Management Sciences
(http://www.informs.org), dos Estados Unidos, foi fundada em 1995.

No Brasil, a Sobrapo – Sociedade Brasileira de Pesquisa Operacional - possui sede


no Rio de Janeiro, fundada em 1969.

Vale a pena conferir!


A "homepage" da Sociedade Brasileira de Pesquisa Operacional é:
http://www.sobrapo.org.br/

1.2 História

Segundo Moreira (2007), “o termo Pesquisa Operacional foi cunhado ainda em


1938, para descrever o uso de cientistas na análise de situações militares”.

A Pesquisa Operacional surgiu durante a Segunda Guerra Mundial, quando os


Aliados se viram confrontados com problemas (de natureza logística, tática e de
estratégia militar) de grande dimensão e complexidade. Para apoiar os comandos
operacionais na resolução desses problemas, foram então criados grupos
multidisciplinares de matemáticos, físicos e engenheiros e cientistas sociais.
7

Esses cientistas não fizeram mais do que aplicar o método científico aos
problemas que lhes foram sendo colocados. Desenvolveram então a idéia de criar
modelos matemáticos, apoiados em dados e fatos, que lhes permitissem perceber
os problemas em estudo, simular e avaliar o resultado hipotético de estratégias
ou decisões alternativas.

O sucesso e credibilidade ganhos durante a guerra foram tão grandes que,


terminado o conflito, esses grupos de cientistas e a sua nova metodologia de
abordagem dos problemas se transferiram para as empresas que, com o "boom"
econômico que se seguiu, se viram também confrontadas com problemas de
decisão de grande complexidade.

Seguiram-se então grandes desenvolvimentos técnicos e metodológicos que hoje,


com o apoio de meios computacionais de crescente capacidade e disseminação, nos
permitem trabalhar enormes volumes de dados sobre as atividades das empresas
e, através de adequados modelos de base quantitativa, simular e avaliar linhas de
ação alternativas e encontrar as soluções que melhor servem aos objetivos dos
indivíduos ou organizações.

Face ao seu caráter multidisciplinar, a Pesquisa Operacional é uma disciplina


científica de características horizontais com suas contribuições estendendo-se
por praticamente todos os domínios da atividade humana, da Engenharia à
Medicina, passando pela Economia, Contabilidade e a Gestão Empresarial.

Leitura complementar

Breve Histórico
Os primeiros conceitos da programação linear, uma das técnicas de
Pesquisa Operacional, foram desenvolvidos entre 1947 e 1949, durante a segunda
guerra mundial, por George Dantzig para serem aplicados a programas militares,
desde a área logística, até à estratégia. Foi após a guerra que ele foi impulsionado
para encontrar formas eficientes de desenvolver esta metodologia. Foi Dantzig o
primeiro a reconhecer que um programa de planejamento poderia ser expresso
por um sistema de inequações lineares, assim como foi o primeiro a apresentar, na
forma de uma expressão matemática explicita, um critério para seleção do
melhor plano, ao que hoje chamamos de função objetivo.
Todo este trabalho seria de aplicação prática bastante limitada sem um
método eficiente, ou algoritmo, que permitisse encontrar a solução ótima do
conjunto de inequações lineares que maximizassem, ou minimizassem, a função
objetivo. Assim, desenvolveu o algoritmo simplex que resolve de uma forma
8

eficiente este problema. Curiosamente, já em 1939 um matemático soviético e


economista L. V. Kantorovich tinha formulado e desenvolvido um problema de
programação linear para aplicação em planejamento da produção. No entanto, o
seu trabalho foi desconhecido durante vinte anos, não tendo tido impacto no
desenvolvimento da programação linear após a segunda guerra.

1.3 Aplicações

Segundo Lachtermacher (2002), os principais tipos de aplicação da área de


Pesquisa Operacional, de interesse para a área de negócio, são os seguintes:
- Problemas de Otimização de Recursos
- Problemas de Localização
- Problemas de Transporte
- Problemas de Carteira de Investimento
- Problemas de Alocação de Pessoas
- Problemas de Previsão e Planejamento

1.4 Fases de um Estudo de Pesquisa Operacional

O processo de resolução de um problema apresenta cinco etapas consecutivas que


podem, entretanto, serem repetidas dependendo da situação.

Um estudo de Pesquisa Operacional deve desenvolver as seguintes fases:


a) Definição do problema
A definição do problema baseia-se em três aspectos principais que precisam ser
discutidos: descrição exata dos objetivos do estudo; identificação das
alternativas de decisão existentes; e reconhecimento das limitações, restrições e
exigências do sistema.

b) Construção do Modelo
O modelo mais apropriado para a representação do sistema deve ser escolhido
com base na definição do problema. Esta é a fase que mais criatividade exige do
analista, uma vez que o resultado obtido é conseqüência da qualidade da
representação da realidade obtida com o modelo.

c) Solução do modelo
Esta fase tem por objetivo encontrar uma solução para o modelo construído.
9

d) Validação do modelo
Um modelo é válido se for capaz de fornecer uma previsão aceitável do
comportamento do sistema e de fornecer uma resposta que possa contribuir para
a qualidade da decisão a ser tomada. Uma prática comum para testar a validade
do modelo é analisar seu desempenho com dados passados do sistema e verificar
se ele consegue reproduzir o comportamento que o sistema manifestou.

e) Implementação da solução
Avaliadas as vantagens e a validade da solução, esta deve ser implementada. A
apresentação da solução deve ser feita à direção ou ao gerente da empresa
evitando-se o uso da linguagem técnica do modelo.

Em todas as etapas de um estudo de Pesquisa Operacional ou de resolução de um


problema, deve-se avaliar constantemente os resultados obtidos. Procedendo-se
desta forma, pode-se melhor garantir adequação das decisões às necessidades do
sistema e aceitação destas decisões por todas as pessoas ou setores envolvidos.

Curiosidade
Os primeiros problemas envolvendo Programação Linear, uma das técnicas
de Pesquisa Operacional, estavam limitados a um “pequeno” número de variáveis
devido ao tempo de cálculo e verificação, que poderia envolver vários homens
durante vários dias, dependendo da complexidade do problema.
Atualmente, com o recurso do computador e uma planilha Excel, auxiliada
por um módulo adicional (solver) para a Programação Linear, permite-nos resolver
problemas complexos, sendo o tempo de cálculo muito curto.

1.5 Modelagem de Problemas Gerenciais

O processo de decisão de um empresário é caracterizado por alto conteúdo


de racionalidade e desenvolvido em ambientes construídos para propiciar
condições adequadas para decisões de qualidade. Segundo Andrade (2004), as
fases de um processo de decisão podem ser observadas na Figura 1.
10

Percepção
Reconhecimento Criação de Avaliação das
do Problema Alternativas Alternativas Decisão

Critérios

Fonte: Andrade (2004)


Figura 1 – As fases de um processo de tomada de decisão.

Os modelos permitem para a pessoa envolvida com o problema algumas


facilidades, tais como:
- visualizar a estrutura do sistema real em análise;
- forçar os tomadores de decisão a tornarem explícitos seus
objetivos;
- representar as informações e suas inter-relações;
- sistematizar a análise e avaliação de cada alternativa;
- instrumento de comunicação e discussão com outras pessoas.

Os modelos mais utilizados na modelagem de situações gerenciais são os


chamados modelos matemáticos ou simbólicos, em que as grandezas são
representadas por variáveis de decisão, e as relações entre as mesmas por
expressões matemáticas.

Os modelos matemáticos em que todas as informações relevantes são assumidas


como conhecidas (sem incertezas) são chamados de determinísticos. Os modelos
em que uma ou mais variáveis de decisão não sejam conhecidas, devendo esta
incerteza ser incorporada no modelo, são chamados de modelos probabilísticos.

A maneira mais simples de representar um modelo simbólico é através do modelo


da caixa preta, em que apenas variáveis explicativas (de decisão), parâmetros e
medidas de desempenho são representados (variáveis dependentes).

A seguir, conceituam-se e representam-se os modelos matemáticos de simulação


e de otimização.

1.5.1 Modelos de Simulação


11

Os modelos de simulação representam o mundo real com objetivo de permitir a


geração e análise de alternativas, antes da implementação de qualquer uma delas.
O processo de decisão com modelo de simulação é mostrado na Figura 2.

Hipótese 1
Solução 1
Processo de
Modelo de Escolha da
Hipótese 2 Solução 2 Solução
Simulação Melhor
Escolhida
Solução
Hipótese 3
Solução 3 Solução 2

Critérios
de Escolha

Fonte: Andrade (2004)


Figura 2 – Processo de decisão com modelos de simulação.

Simular significa reproduzir o funcionamento de um sistema, com o auxílio de um


modelo, o que permite testar algumas hipóteses sobre o valor das variáveis
controladas. Observe-se que no modelo de simulação o critério de escolha da
melhor alternativa não é fixado na estrutura do modelo (é aplicado pelo analista).

1.5.2 Modelos de Otimização

O modelo de otimização é estruturado para selecionar uma única alternativa, que


será considerada “ótima”, segundo critério estabelecido pelo analista. O processo
de decisão com modelo de otimização é apresentado na Figura 3.
12

Dados e
informações
do sistema
Modelo de
Solução Ótima
Otimização
Decisão
- Representação do
Sistema
- Critério de seleção
da alternativa

Fonte: Andrade (2004)


Figura 3 – Processo de decisão com modelos de otimização.

A solução “ótima” encontrada é tomada como referência para a decisão real.

Glossário

Apresentam-se, nesta seção, alguns conceitos que poderão ser úteis ao


entendimento deste capítulo.

Método simplex. Método que faz uso dos conceitos de álgebra matricial e de um
conjunto de regras que levam à solução dos problemas de Programação Linear.

Pesquisa operacional. É um ramo da ciência administrativa que fornece


instrumentos para análise de decisões. Segundo Corrar (2004), “é a área do
conhecimento que fornece um conjunto de procedimentos voltados para tratar,
de forma sistêmica, problemas que envolvem a utilização de recursos escassos”.

No próximo capítulo, apresentamos uma breve introdução sobre a técnica de


Programação Linear, as fases de seu estudo, as vantagens e possibilidades de
aplicação no mundo real. No final, são propostos alguns problemas para que o aluno
os represente sob a forma padrão de problemas de programação linear.

Síntese

Neste primeiro capítulo, você apreendeu o que é Pesquisa Operacional, sua


história, sua importância e principais áreas de aplicação.
13

A Pesquisa Operacional é a ciência que se preocupa em fornecer um conjunto de


modelos e técnicas para apoiar a tomada de decisão, com larga aplicação em
administração de empresas.

O processo de resolução de um problema apresenta cinco etapas consecutivas que


podem, entretanto, serem repetidas dependendo da situação. As fases de um
estudo de Pesquisa Operacional são as seguintes: definição do problema, a
modelagem, a obtenção da solução, a validação e a implementação propriamente
dita.

Os modelos mais utilizados na modelagem de situações gerenciais são os


chamados modelos matemáticos ou simbólicos, onde pode-se também aprender a
conceituar e a representar os modelos de simulação e de otimização.

As informações contidas neste capítulo servem de referencial para


contextualizar e entender os métodos e técnicas a serem aprendidos no restante
do livro.

Exercícios propostos

1) Faça uma leitura dos textos complementares, que trata do tema “Breve
histórico”, e considerando também os conhecimentos adquiridos na disciplina de
Pesquisa Operacional, aponte V ou F caso as afirmações a seguir sejam
Verdadeiras ou Falsas.
( ) A técnica de programação linear foi desenvolvida por Dantzig, antes da
segunda guerra mundial;
( ) Deve-se utilizar ferramental sofisticado para apoio a tomada de decisão sem
haver preocupação se os modelos quantitativos conseguem representar a
complexa e incerta realidade organizacional;
( ) O ensino da pesquisa operacional para executivos ou alunos da área de
negócios passou a ter o foco na modelagem do problema, na interpretação do
resultado do mesmo e na sua aplicabilidade aos problemas gerenciais.

2) Para um estudante da área de negócios o algoritmo que está por trás do


software não é o mais relevante e sim se este software lhe dá resultados
corretos, num período de tempo satisfatório e serve para aprimorar o processo
de tomada de decisão. Pergunta-se:
a. Quais são as fases de um estudo de Pesquisa Operacional?
b. Quais as diferenças entre o processo de decisão com modelos de otimização e
o processo de decisão com modelos de simulação?
14
15

2. PROGRAMAÇÃO LINEAR

Objetivos de aprendizagem
Conhecer o que é, as aplicações e as vantagens do uso da técnica de
Programação Linear.
Identificar e modelar problemas de tomada de decisão sobre alocação de
recursos e sobre dietas de mínimo custo.

Seções de estudo
2.1. Aplicações da Programação Linear
2.2. Vantagens do Uso da Programação Linear
2.3. Modelagem de Problemas
2.4. Problema de Alocação de Recursos
2.5. Formulação de Dietas de Mínimo Custo

A Programação Linear (PL) é uma técnica de Pesquisa Operacional, a qual contém


outras técnicas tais como Simulação, Teoria dos Jogos, Programação Dinâmica,
PERT/CPM, Teoria das Filas e etc, para otimização de sistemas.

Segundo Prado (1999), “A PL é uma ferramenta utilizada para encontrar o lucro


máximo ou o custo mínimo em situações nas quais temos diversas alternativas de
escolhas sujeitas a algum tipo de restrição ou regulamentação”.

A técnica de Programação Linear pode ajudar a descobrir os melhores usos para


recursos limitados de forma que metas desejadas, tais como lucro, margem de
contribuição, retorno esperado, possam ser maximizadas, ou, metas indesejadas,
como custos e perdas, possam ser minimizadas.
16

Os estudos de Programação Linear podem responder perguntas do tipo:


• Qual o preço do produto ou mix de produção maximiza o lucro?
• Como se manter dentro do orçamento?
• Com que velocidade pode crescer considerando a disponibilidade de
capital de giro?
• Qual deveria ser a programação de sua frota de entregas para minimizar
os custos de transportes?
• Sendo impostas algumas especificações, qual é a composição da mistura
que corresponde ao custo mínimo?
• Estando impostas as condições de trabalho, como repartir o contingente
de mão-de-obra entre as diferentes tarefas e especialidades, com o
objetivo de minimizar as despesas ou maximizar a eficiência?

2.1. Aplicações da Programação Linear

A Programação Linear, técnica de solução, desenvolvida após a Segunda Guerra


Mundial como instrumento de administração, rapidamente tornou-se uma
ferramenta eficiente para estudos de gestão.

Na prática tem-se aplicado a Programação Linear em diversas áreas, tais como:


Alimentação; Rotas de transportes; Manufatura; Siderurgia; Petróleo; Agricultura;
Carteira de investimentos; Análise de riscos; Mineração; Localização industrial;
Designação de pessoas e de tarefas, etc.

Uma das aplicações mais clássicas de programação linear diz respeito ao


planejamento agrícola, ou mais genericamente, planejamento de sistemas
agroindustriais1. Basicamente, o tomador de decisão tem à sua disposição uma
determinada área, uma disponibilidade de mão-de-obra e capital, além de
observar uma série de características tecnológicas e de capacidade
organizacional. O seu objetivo principal diz respeito à maximização de lucro, a
partir das opções de negócios (culturas agrícolas, plantéis de animais, papéis de
investimento, etc.) disponíveis.

1
Duas referências básicas para o tema, que contém uma série de aplicações para casos
brasileiros, são:
- CAIXETA FILHO, J. V. Pesquisa Operacional: Técnicas de Otimização Aplicadas a Sistemas
Agroindustriais. São Paulo: Atlas S. A., 2004.
- CONTINI, E. et alii (eds.) Planejamento da propriedade agrícola: modelos de decisão. Brasília,
EMBRAPA-DDT, 1984.
17

Leitura complementar
Exemplos de aplicação da Programação Linear
São vários os exemplos de aplicação da programação linear nos nossos dias
que permitiram obter melhoria nas performances das empresas. Numa rápida
pesquisa na Internet, encontraram-se três casos referentes a diferentes áreas
de atividade econômica.
- Um primeiro exemplo refere-se à companhia de óleos TEXACO, que utilizou a
programação linear para obter as condições ideais de processamento do petróleo
bruto. A aplicação desta metodologia em sete das suas refinarias permitiu obter
uma melhoria de 30% nos lucros, atingindo 30 milhões de dólares.
- Um outro exemplo refere-se à aplicação do método para otimização dos
horários de trabalho em quatro estabelecimentos da rede de retaurantes
McDonald’s nos Estados Unidos. A programação linear proporcionou um melhor
aproveitamento dos recursos disponíveis, com a exigência de cobertura durante
todo período de funcionamento das unidades, obtendo-se uma programação de
horários mais convenientes de acordo com as preferências de horário de cada
funcionário.
- Um último caso refere-se ao exército norte-americano que desenvolveu um
sistema designado de MLRPS – Manpower Long-Range Planning System - que
permite estimar as necessidades de recursos humanos num horizonte que vai dos
7 aos 20 anos. Para tal, aspectos como as admissões, abandonos, promoções e
transferências são levadas em consideração no modelo, que determina o número
de recursos necessários.

2.2. Vantagens do Uso da Programação Linear

- Permite encontrar o lucro máximo ou o mínimo custo. Pergunta-se: qual o


impacto deste benefício dentro das empresas? É comum encontrarmos
empresas da área de siderurgia e petrolífera, por exemplo, com
faturamento anual de US$ 1 bilhão e com um custo de produção de US$
400 milhões anuais, imaginem o impacto caso a redução de custos seja de
apenas 5%!! (0,05X400=US$20 milhões por ano). Nessas áreas é comum
encontrar número expressivo dos chamados analistas de Pesquisa
Operacional;
- Permite identificar as melhores opções em estudos de Qualidade Total;
- Permite a identificação de gargalos nas empresas e nas linhas de
produção;
- Fornecem diretrizes para expansão;
- Possibilita avaliar o potencial de aplicabilidade de uma pesquisa.
18

2.3. Modelagem de Problemas

A modelagem diz respeito à técnica de como construir modelos. Em Pesquisa


Operacional, o termo modelo é empregado para significar a representação de um
sistema.

A estratégia da Programação Linear para a resolução de problemas de otimização


é transformar as características do problema em um modelo matemático
constituído de uma função objetivo e de um conjunto de restrições.

O modelo de Programação Linear, na sua forma reduzida, pode ser formulado da


seguinte maneira:

Maximizar Z = ∑ c j xj
j=1

Sujeito a:

n
∑ aijxj ≤ bi (para todo i = 1, 2, ...,m)
j=1

xj ≥ 0 (para todo j = 1, 2, ..., n)

Onde:
- xj é o nível da j-ésima atividade;
- cj é o coeficiente da função objetivo esperado da j-ésima atividade;
- aij é o coeficiente técnico da j-ésima atividade para o i-ésimo recurso (ou
restrição);
- bi são os níveis de fatores limitantes ou da i-ésima restrição;
- n número de atividades;
- m número de restrições.

As etapas de um processo de modelagem são as seguintes:


1. Definir as variáveis do problema;
2. Definir a função objetivo;
3. Definir o conjunto de restrições.
19

Para ilustrar o processo de modelagem de problemas de alocação de recursos,


analisaremos um exemplo simples, mas que mostra os aspectos envolvidos no
processo.

2.4. Problema de Alocação de Recursos

Uma fábrica de computadores, localizada em Florianópolis, produz dois modelos


de computador: A e B. O modelo A fornece um lucro de R$200,00 e B de
R$300,00. O modelo A requer, na sua produção, um gabinete pequeno e uma
unidade de disco. O modelo B requer um gabinete grande e duas unidades de
disco. Existem no estoque: 60 unidades do gabinete pequeno, 50 do gabinete
grande e 120 unidades de disco. Pergunta-se: qual deve ser o esquema de
produção que maximiza o lucro?

Modelagem do problema

a) Definição de variáveis de decisão


Como o objetivo da empresa é encontrar o programa de produção para máximo
lucro, isso significa, em outras palavras, dimensionar a produção de cada tipo de
computador. Assim, as variáveis de decisão serão:
• X1 = quantidade de computador Modelo (A) a produzir;
• X2 = quantidade de computador Modelo (B) a produzir.

b) Função objetivo
A Função objetivo é a expressão que calcula o valor do objetivo (lucro, receita,
custo, perda, margem de contribuição e etc), em função das variáveis de decisão.
Representam a relação entre as variáveis de decisão, o lucro unitário por
computador e o lucro total.
Como o lucro total será a soma dos lucros obtidos com a venda de cada tipo de
computador, a equação de lucro total será:
Lucro total: L = 200 X1 + 300 X2
Objetivo: Max L = 200 X1 + 300 X2

c) Definição das restrições do problema


Cada restrição imposta na descrição do problema deve ser expressa como uma
relação linear (igualdade ou desigualdade), montadas com as variáveis de decisão.
Devem-se representar as relações entre as quantidades a serem produzidas dos
20

Modelos de computador A e B, as exigências em termos de peças para a produção


e a disponibilidade de peças ou gabinetes.
• Disponibilidade de gabinete pequeno
X1 ≤ 60
• Disponibilidade de gabinete grande
X2 ≤ 50
• Disponibilidade de unidades de disco
X1 + 2 X2 ≤ 120
• Restrição lógica
X1 ≥ 0
X2 ≥ 0

A última restrição formulada diz respeito a não negatividade das variáveis de


decisão.

2.5. Formulação de Dietas de Mínimo Custo2

Uma aplicação bem sucedida de programação linear diz respeito à formulação de


dietas, e em particular, formulação de rações de custo mínimo. Em termos gerais,
se deseja obter a dieta de mínimo custo (ou mínimo preço), a partir da
disponibilidade de uma série de alimentos, mas respeitando-se as exigências
nutricionais pertinentes à idade e tipo da pessoa.

“Para uma boa alimentação, o corpo necessita de vitaminas e proteínas. A


necessidade mínima de vitaminas é de 32 unidades por dia e a de proteínas de 36
unidades por dia. Uma pessoa tem disponível carne e ovos para se alimentar. Cada
unidade de carne contém 4 unidades de vitaminas e 6 unidades de proteínas. Cada
unidade de ovo contém 8 unidades de vitaminas e 6 unidades de proteínas”.
Qual a quantidade diária de carne e ovos que deve ser consumida para suprir as
necessidades de vitaminas e proteínas com o menor custo possível? Cada unidade
de carne custa 3 unidades monetárias e cada unidade de ovo custa 2,5 unidades
monetárias”.

O problema pode ser resolvido da seguinte forma:

2
Adaptado de CAIXETA FILHO, J. V. Material de apoio às disciplinas: LES-672 Introdução à
Pesquisa Operacional e LES-785 Programação Linear. Série didática nº 113. Piracicaba:
ESALQ/USP, 1996.
21

Modelagem do problema
a) Definição de variáveis de decisão
• Alternativas: chamando as alternativas de x1 e x2, onde:
x1 = quantidade de carne a consumir no dia
x2 = quantidade de ovos a consumir no dia;
b) Função objetivo
• Objetivo: minimizar o custo da dieta para consumir carne e ovos;
Min C = 3 x1 + 2,5 x2
c) Definição das restrições do problema
• Restrições
- necessidade mínima de vitamina
4 x1 + 8 x2 ≥ 32
- necessidade mínima de proteína
6 x1 + 6 x2 ≥ 36
- positividade das alternativas
x1, x2 ≥ 0

Glossário

Apresentam-se, nesta seção, alguns conceitos que poderão ser úteis ao


entendimento deste capítulo.

Função-objetivo. Expressão matemática que relaciona as variáveis de decisão (as


alternativas) e o objetivo que se pretende alcançar.

Programação linear. Técnica destinada a determinar a melhor utilização de


recursos limitados, de forma a otimizar uma função-objetivo que está
condicionada a um conjunto de restrições. É uma programação matemática em que
todas as funções-objetivo e restrições são representadas por funções lineares.

Restrições. Limites impostos aos possíveis valores que podem ser assumidos pelas
variáveis de decisão.

Variáveis de decisão. São as alternativas ou variáveis que correspondem às


decisões a serem tomadas visando encontrar a solução para o problema em
estudo.
22

Síntese

Nesta unidade você conheceu um pouco sobre a técnica de Programação Linear,


que é um dos mais populares modelos matemáticos. É aplicável a problemas
quantitativos cujos relacionamentos possam ser expressos por meio de equações
e inequações lineares.

Conhecemos as perguntas que podem ser respondidas pela técnica, as principais


vantagens e aplicações da Programação Linear no mundo dos negócios.

A estratégia da Programação Linear para a resolução de problemas de otimização


é transformar as características do problema em um modelo matemático
constituído de uma função objetivo e um conjunto de restrições.

A combinação de variáveis que deve ser maximizada ou minimizada, na forma de


uma expressão matemática, é chamada de função objetivo.

As restrições, representadas por equações ou inequações matemáticas,


representam limites impostos pela condição da realidade da empresa, em termos
de escassez de recursos, regulamentações ou restrições de mercado.

Exercícios propostos

1) Faça uma leitura do texto complementar, que trata do tema “Exemplos de


aplicação da Programação Linear”, e considerando também os conhecimentos
adquiridos na disciplina de Pesquisa Operacional, aponte V ou F caso as
afirmações a seguir sejam Verdadeiras ou Falsas.
( ) O texto ressalta três exemplos de aplicabilidade da ferramenta de
Programação Linear para apoiar a tomada de decisão, em casos práticos para
resolução de problemas de finanças, de marketing e de carteira de investimentos;
( ) Na Programação Linear tanto as restrições como as funções-objetivo são
representadas por funções lineares (equações de primeiro grau).

2) Problemas para Modelagem

Atenção especial deve ser dispensada ao esforço de modelagem, antes de


entrarmos no mérito da resolução de problemas por programação linear. Dado um
23

determinado problema, o modelador, em função de seu nível de abstração e de


experiência vivida, terá uma maior ou menor facilidade para a representação de
objetivo, alternativas e restrições, através de inequações e equações.

1. A empresa Ilha da Magia fabrica dois tipos de pneus: Modelo P (o premium) e


Modelo R (o regular). O Modelo P é vendido por R$95,00 cada pneu e custa para
ser produzido R$85,00 por pneu, enquanto que o Modelo R é vendido por R$50,00
cada pneu e tem um custo de produção de R$42,00 por pneu. Para fabricar um
pneu do Modelo P, são necessárias duas horas da Máquina A e quatro horas da
Máquina B. Por outro lado, para fazer um pneu do Modelo R, são requeridas nove
horas da Máquina A e três horas da Máquina B. A programação da Produção da
fábrica mostra que na próxima semana a Máquina A estará disponível no máximo
36 horas e a Máquina B no máximo 42 horas. Quanto de cada modelo de pneus a
fábrica deve produzir de modo a maximizar o seu lucro? Qual é este lucro
máximo?

2) A empresa “Águas de Floripa” produz piscina em fibra em duas linhas de


produção: piscina Standard e piscina Luxo. Com relação à piscina Standard temos
as seguintes informações:
- A linha de produção comporta um máximo de 24 pessoas;
- Cada piscina consome 1 homem/dia para ser produzida;
- Cada piscina fornece um lucro de R$30,00.
Para as piscinas Luxo:
- A linha de produção comporta um máximo de 32 pessoas;
- Cada piscina consome 2 homem/dia para ser produzida;
- Cada piscina fornece um lucro de R$40,00.
24

Além disso, devemos informar que a fábrica possui um total de 40 empregados a


serem alocados nas duas linhas de produção. O dono da fábrica tem por objetivo
maximizar o lucro diário.

3. Certa empresa fabrica dois produtos, bolas de futebol (P1) e bolas de vôlei
(P2). O lucro por unidade de P1 é de R$100,00 e o lucro unitário de P2 é de
R$150,00. A empresa necessita de 2 horas para fabricar uma unidade de P1 e 3
horas para fabricar uma unidade de P2. O tempo mensal disponível para essas
atividades é de 120 horas. As demandas esperadas para os dois produtos levaram
a empresa a decidir que os montantes produzidos de P1 e P2 não devem
ultrapassar 40 unidades de P1 e 30 unidades de P2 por mês. Construa o modelo do
sistema de produção mensal com o objetivo de maximizar o lucro da empresa.
25

4. No programa de produção para o próximo período, a empresa Beta Ltda.,


escolheu três produtos P1, P2 e P3. O quadro abaixo mostra os montantes
solicitados por unidade na produção.

Produto Lucro por Horas de Horas de uso de Demanda


unidade trabalho máquinas máxima
P1 2.100 6 12 800
P2 1.200 4 6 600
P3 600 6 2 600

Os preços de venda foram fixados por decisão política e as demandas foram


estimadas tendo em vista esses preços. A firma pode obter um suprimento de
4.800 horas de trabalho durante o período de processamento e pressupõe-se
usar três máquinas que podem prover 7.200 horas de trabalho. Estabelecer um
programa ótimo de produção para o período que maximize o lucro da empresa.

5. Um vendedor de frutas pode transportar 800 caixas de frutas para abastecer


o CEASA, localizado no município de São José. Ele necessita transportar 200
caixas de laranjas a R$20,00 de lucro por caixa, pelo menos 100 caixas de
pêssegos a R$10,00 de lucro por caixa, e no máximo 200 caixas de tangerinas a
R$30,00 de lucro por caixa. De que forma deverá ele carregar o caminhão para
obter o lucro máximo? Construa o modelo do problema.
26

6. Uma rede de televisão da “Grande Florianópolis” tem o seguinte problema: foi


descoberto que o programa “A” com 20 minutos de música e 1 minuto de
propaganda chama a atenção de 30.000 telespectadores, enquanto o programa “B”
com 10 minutos de música e 1 minuto de propaganda chama a atenção de 10.000
telespectadores. No decorrer de uma semana, o patrocinador insiste no uso de no
mínimo, 5 minutos para sua propaganda e que não há verba para mais de 80
minutos de música. Quantas vezes por semana cada programa deve ser levado ao
ar para obter o número máximo de telespectadores? Construa o modelo do
sistema.
27

7. Uma empresa localizada em Tubarão fabrica dois modelos de cintos de couro.


O modelo M1, de melhor qualidade, requer o dobro do tempo de fabricação em
relação ao modelo M2. Se todos os cintos fossem do modelo M2, a empresa
poderia produzir 1.000 unidades por dia. A disponibilidade de couro permite
fabricar 800 cintos de ambos os modelos por dia. Os cintos empregam fivelas
diferentes, cuja disponibilidade diária é de 400 para M1 e 700 para M2. Os
lucros unitários são de R$4,00 para M1 e R$3,00 para M2. Qual o programa ótimo
de produção que maximiza o lucro total diário da empresa? Construa o modelo do
sistema descrito.

8. A empresa “Toldos Sol e Praia”, após um processo de racionalização de


produção, ficou com disponibilidade de três recursos produtivos, R1, R2 e R3. Um
estudo sobre o uso desses recursos indicou a possibilidade de se fabricar dois
produtos: Abrigos para Automóveis (P1) e Toldos em Loja (P2). Levantando os
custos e consultando o departamento de vendas sobre o preço de colocação no
mercado, verificou-se que P1 daria um lucro de R$120,00 por unidade e P2,
R$150,00 por unidade. O departamento de produção forneceu a seguinte tabela
de uso de recursos.

Produto Recurso R1 por Recurso R2 por Recurso R3 por


unidade unidade unidade
P1 2 3 5
P2 4 2 3
Disponibilidade de
recursos por mês 100 90 120
28

Que produção mensal de P1 e P2 traz o maior lucro para a empresa? Construa o


modelo do sistema.

9. O problema da sapataria do Ribeirão da Ilha. Um sapateiro faz 6 sapatos


por hora, se fizer somente sapatos; cinco cintos por hora, se fizer somente
cintos. Ele gasta 2 unidades de couro para fabricar 1 unidade de sapato e 1
unidade de couro para fabricar 1 unidade de cinto. Sabendo-se que o total
disponível de couro é de 6 unidades e que o lucro unitário por sapato é de 5
unidades monetárias e o do cinto é de 2 unidades monetárias, pede-se o modelo
do sistema de produção do sapateiro, se o objetivo é maximizar seu lucro por
hora.
29

10. A Empresa de Administração de Fundos Paulo S.A.3, procurando obter o


melhor rendimento dos R$100.000,00 investidos por um cliente antigo, tenta
achar a melhor configuração da aplicação nas seguintes carteiras:

Carteiras Rentabilidade* %
Poupança 7,6
Câmbio Empresarial Plus 15,0
Câmbio Especial Plus 15,1
Câmbio Preferencial 12,0
DI Empresarial 13,5
DI Especial Plus 14,9
DI Preferencial 13,4
Fix Especial Plus 15,1
Fix Preferencial 14,0
Fix Private 15,6
* Valores projetados conforme dados dos últimos 12 meses.

As exigências que o cliente fez para aplicação foram as seguintes:


- aplicação de um ano;
- aplicar na Poupança no mínimo 5%, e no máximo 15%;
- para as carteiras de Câmbio máximo 30%.
- para as carteiras de DI (Depósito Interbancário) máximo 35%;
- e por último nas carteiras de Renda Fixa, máximo 40%.
Por recomendação do administrador de fundos, as quantias máximas para serem
investidas individualmente são de:
- R$ 12.000,00, nas carteiras de Câmbio;
- R$ 14.000,00, nas carteiras de DI;
- R$ 17.000,00, nas carteiras de Renda Fixa.

3
Problema formulado e apresentado pelos alunos da disciplina de Introdução à Pesquisa
Operacional da Unisul - campus de Araranguá, do segundo semestre do ano 2000.
30

11. Uma agroindústria do ramo alimentício tirou de produção uma linha de produto
não-lucrativo. Isto criou um considerável excedente na capacidade de produção.
A gerência está considerando dedicar esta capacidade excedente a um ou mais
produtos, identificados como produtos 1, 2 e 3. A capacidade disponível das
máquinas que poderia limitar a produção está resumida na tabela que se segue:

Tipo de máquina Tempo disponível


(horas de máquina)
A 500
B 350
C 150

O número de horas de máquina requerido por unidade dos respectivos produtos é


conhecido como coeficiente de produtividade (em horas de máquina por unidade),
conforme representado a seguir:

Tipo de Máquina Produto 1 Produto 2 Produto 3


A 9 3 5
B 5 4 0
C 3 0 2
31

O lucro unitário estimado é de R$30,00, R$12,00 e R$15,00, respectivamente,


para os produtos 1, 2 e 3. Determinar a quantidade de cada produto que a firma
deve produzir para maximizar o seu lucro.

12. Uma fábrica de pranchas de Surfe, localizada em Garopaba, produz os


modelos A, B e C, que proporcionam lucros unitários da ordem de R$ 160, 00, R$
300,00 e R$ 500, 00, respectivamente. As exigências de produção mínimas
mensais são de 20 para o modelo A, 120 para o modelo B e 60 para o modelo C.

Cada tipo de prancha requer uma certa quantidade de tempo para a fabricação
das partes componentes, para a montagem e para testes de qualidade.
Especificamente, uma dúzia de unidades do modelo A requer três horas para
fabricar, quatro horas para montar e uma para testar. Os números
correspondentes para uma dúzia de unidades do modelo B são 3,5, 5 e 1,5; e para
uma dúzia de unidades do modelo C, 5, 8 e 3.

Durante o próximo mês, a fábrica tem disponíveis 120 horas de tempo de


fabricação, 160 horas de montagem e 48 horas de testes de qualidade.
Formule o problema como um modelo de Programação Linear.
32

13. Um jovem está saindo com duas namoradas: Sheila e Ana Paula4. Ele sabe, por
experiência que:
a) Ana Paula, elegante, gosta de freqüentar lugares sofisticados, mais caros,
de modo que uma saída de três horas custará R$240,00;
b) Sheila, mais simples, prefere um divertimento mais popular, de modo que,
uma saída de três horas, lhe custará R$160,00;
c) Seu orçamento permite dispor de R$960,00 mensais para diversão;
d) Seus afazeres escolares lhe dão liberdade de, no máximo, 18 horas e
40.000 calorias de sua energia para atividades sociais;
e) Cada saída com Ana Paula consome 5.000 calorias, mas com Sheila, mais
alegre e extrovertida, gasta o dobro;
f) Ele gosta das duas com a mesma intensidade.
Como ele deve planejar a sua vida social para obter o número máximo de
saídas?

4
Extraído de LACHTERMACHER (2002, pg. 57).
33
34

3. RESOLVENDO PROBLEMAS SIMPLES PELO MÉTODO


GRÁFICO

Objetivos de aprendizagem
Resolver problemas de Programação Linear por meio da utilização do
método gráfico.
Compreender a lógica da obtenção da solução ótima.

Seções de estudo
3.1. Problema de Alocação de Recursos da Fábrica de Computadores
3.2. Resolução pelo Método Gráfico

Neste capítulo aborda-se a técnica de resolução de problemas simples pelo


chamado Método Gráfico, com objetivo do aluno conhecer a ferramenta de
resolução e também melhor compreender a lógica de resolução da Programação
Linear. Para ilustrar o desenvolvimento do método, apresentam-se o problema, a
modelagem e as etapas de resolução do Problema de Alocação de Recursos da
Fábrica de Computadores.

3.1. Problema de Alocação de Recursos da Fábrica de Computadores

Uma fábrica de computadores, localizada em Florianópolis, produz dois modelos


de computador: A e B. O modelo A fornece um lucro de R$200,00 e B de
R$300,00. O modelo A requer, na sua produção, um gabinete pequeno e uma
unidade de disco. O modelo B requer um gabinete grande e duas unidades de
disco. Existem no estoque: 60 unidades do gabinete pequeno, 50 do gabinete
grande e 120 unidades de disco. Pergunta-se: qual deve ser o esquema de
produção que maximiza o lucro?
35

Modelagem do problema

a) Definição de variáveis de decisão


• X1 = quantidade de computador Modelo (A) a produzir;
• X2 = quantidade de computador Modelo (B) a produzir.

b) Função objetivo
Lucro total: L = 200 X1 + 300 X2
Função objetivo: Max L = 200 X1 + 300 X2

c) Definição das restrições do problema


• Disponibilidade de gabinete pequeno
X1 ≤ 60
• Disponibilidade de gabinete grande
X2 ≤ 50
• Disponibilidade de unidades de disco
X1 + 2 X2 ≤ 120
• Restrição lógica
X1 ≥ 0
X2 ≥ 0

3.2. Resolução pelo Método Gráfico

A resolução de problemas de programação pelo método gráfico requer a definição


da região de solução das restrições e que se avalie o objetivo na região de
soluções viáveis.

1ª Etapa: Construir a região de soluções das restrições

A construção da região de soluções das restrições possíveis obedece a seguinte


seqüência:
- atribuem-se valores para X1 e X2 para definir-se o comportamento da linha/reta
de cada uma das restrições no gráfico.
Exemplo:
• Disponibilidade de unidades de disco
X1 + 2 X2 ≤ 120
Para X1 = 0, temos que X2 = 60;
36

Para X2 = 0, temos que X1 = 120.

- para visualizar o problema de forma gráfica, devem ser representadas,


inicialmente, as restrições do problema, conforme apresentado na Figura 1.

120 X2

100

80
Gabinete
Pequeno
60
Gabinete
Grande

40

Unidades
de disco
20

0
0 20 40 60 80 100 120
X1

Figura 1 - Representação das restrições no gráfico.


37

X2

Região viável

X1
Figura 2 - Representação da região viável do problema.

Entretanto, nada ainda foi dito sobre a função objetivo, que também deverá ser
representada.

2ª Etapa: Avaliar o objetivo na região de soluções

Para avaliarmos o comportamento da função objetivo no gráfico, sugerem-se os


seguintes procedimentos:
- escolher um ponto dentro ou próximo da região de solução viável. Por
exemplo, X1 = 20 e X2 = 20;
- calcular o valor obtido para a função objetivo neste ponto. Basta
substituirmos os valores para X1 e X2 na função objetivo. Neste caso,
obtém-se um valor de lucro de R$ 10.000,00;
- representar, no gráfico, o comportamento da função objetivo quando o
lucro for de R$10.000,00. Para isto, devemos adotar o mesmo
procedimento anterior para representar as restrições do problema.

Assim, temos: Max L = 200 X1 + 300 X2


Logo,
10.000 = 200 X1 + 300 X2
38

Portanto, se X2 = 0, então X1 = 50 e se X1 =0, então X2 = 33,33.

X2

Função objetivo quando


o lucro é igual a
R$10.000,00

X1

Figura 3 - Representação da função objetivo quando o lucro é R$10.000,00.

Observa-se que quanto mais a função objetivo caminhar para a direita, de forma
paralela, maior o valor de lucro. Portanto, este deverá ser o direcionamento da
maximização: a função objetivo deverá se deslocar, dentro da região viável, o
máximo possível para a direita, o que no caso resultará no vértice X1 = 60 e X2 =
30, com o máximo lucro de R$21.000,00.

Veja que se X1 = 60 e X2 = 30, substituindo esses valores na função objetivo,


temos: Max L = 200 X1 + 300 X2
Max L = 200 x 60 + 300 x 30
Max L = 21.000
39

X2

Gabinete
Pequeno

X1 = 60
Solução Ótima
X2 = 30

Gabinete
Grande
30
Unidades
de disco

X1

Figura 4 – Identificação da solução ótima.

Este vértice, x1 = 60 e x2 = 30, a solução do problema, é a intersecção das retas


representativas das restrições de Gabinete Pequeno e Unidades de Disco. Isso
significa que tais restrições estão sendo esgotadas, ou que estão sendo
efetivamente atuantes.

Na verdade, substituindo-se o valor da solução ótima naquelas restrições, os


limites superiores serão alcançados. Já na restrição de Gabinete Grande, os
limites superiores correspondentes não serão atingidos, significando que tais
restrições estão com folga. Observa-se que para realizar o plano ótimo de
produção serão necessárias 30 unidades de Gabinetes Grandes, sendo que a
disponibilidade é de 50 (folga de 20 unidades).

Concluindo-se: a fábrica de computadores deverá produzir 60 unidades do


computador Modelo A e 30 unidades de computador Modelo B, para obter um
máximo lucro de R$21.000,00.

Os dois próximos capítulos tratam dos procedimentos de entrada de dados na


planilha Excel e no software Lindo bem como na obtenção dos relatórios para
análise e interpretação de problemas gerenciais de otimização diversos.
40

Glossário

Análise de sensibilidade. Segundo Moreira (2007), é o estudo da sensibilidade da


solução ótima aos dados do modelo de programação linear.

Coeficientes tecnológicos. Representam a quantidade de recursos necessária


para produzir uma unidade da variável ou alternativa.

Região permissível. É o conjunto de todas as soluções possíveis.

Solução ótima. É o conjunto de valores das variáveis que, ao mesmo tempo,


satisfaça todas as restrições e otimize (maximize ou minimize) a função objetivo.

Solução permissível ou viável. É uma solução que atende ao mesmo tempo a todas
as restrições.

Síntese

Problemas simples de Programação Linear, com apenas duas variáveis de decisão,


podem ser resolvidos pelo método gráfico.

O procedimento de resolução envolve duas etapas: a primeira requer a


identificação no gráfico da região de soluções possíveis (região permissível); a
segunda, e última etapa, requer a avaliação do comportamento da função objetivo
para podermos identificar a solução ótima.

As restrições são representadas no gráfico por linhas retas em que as


coordenadas são as duas variáveis de decisão. A função objetivo é representada
por uma linha reta, cuja inclinação será determinante para a identificação da
solução ótima.

A solução ótima está em um dos vértices ou pontos extremos da região


permissível.
41

Exercícios Propostos

Resolva os seguintes problemas simples, fazendo uso do Método Gráfico,


apresentando passo a passo às etapas de resolução.

1) A empresa Ilha da Magia fabrica dois tipos de pneus: Modelo P (o premium) e


Modelo R (o regular). O Modelo P é vendido por R$95,00 cada pneu e custa para
ser produzido R$85,00 por pneu, enquanto que o Modelo R é vendido por R$50,00
cada pneu e tem um custo de produção de R$42,00 por pneu. Para fabricar um
pneu do Modelo P, são necessárias duas horas da Máquina A e quatro horas da
Máquina B. Por outro lado, para fazer um pneu do Modelo R, são requeridas nove
horas da Máquina A e três horas da Máquina B. A programação da Produção da
fábrica mostra que na próxima semana a Máquina A estará disponível no máximo
36 horas e a Máquina B no máximo 42 horas. Quanto de cada modelo de pneus a
fábrica deve produzir de modo a maximizar o seu lucro? Qual é este lucro
máximo?

2) A empresa “Águas de Floripa” produz piscina em fibra em duas linhas de


produção: piscina Standard e piscina Luxo. Com relação à piscina Standard temos
as seguintes informações:
- A linha de produção comporta um máximo de 24 pessoas;
- Cada piscina consome a mão-de-obra de 1 homem/dia para ser produzida;
- Cada piscina fornece um lucro de R$30,00.
Para as piscinas Luxo:
42

- A linha de produção comporta um máximo de 32 pessoas;


- Cada piscina consome a mão-de-obra de 2 homem/dia para ser produzida;
- Cada piscina fornece um lucro de R$40,00.
Além disso, devemos informar que a fábrica possui um total de 40 empregados a
serem alocados nas duas linhas de produção. O dono da fábrica tem por objetivo
maximizar o lucro diário.

3) Certa empresa fabrica dois produtos, bolas de futebol (P1) e bolas de vôlei
(P2). O lucro por unidade de P1 é de R$100,00 e o lucro unitário de P2 é de
R$150,00. A empresa necessita de 2 horas para fabricar uma unidade de P1 e 3
horas para fabricar uma unidade de P2. O tempo mensal disponível para essas
atividades é de 120 horas. As demandas esperadas para os dois produtos levaram
a empresa a decidir que os montantes produzidos de P1 e P2 não devem
ultrapassar 40 unidades de P1 e 30 unidades de P2 por mês. Construa o modelo do
sistema de produção mensal com o objetivo de maximizar o lucro da empresa.
43
44

4. RESOLVENDO PROGRAMAÇÃO LINEAR UTILIZANDO A


PLANILHA EXCEL®

Objetivos de aprendizagem
Resolver problemas de Programação Linear por meio da utilização da
ferramenta Solver do Excel®.
Analisar a solução final obtida com o propósito de otimizar a alocação de
recursos da empresa.

Seções de estudo
4.1. Elementos da Planilha
4.2. Desenvolvendo o Problema da Empresa Ilha da Magia
4.3. Análise dos Resultados

Existem dois modos de se resolver um problema em programação linear: o modo


tradicional, usando o método gráfico (até duas variáveis) e o método Simplex
(três ou mais variáveis), ou o método computacional, onde existem programas
prontos para resolver problemas de PL (como por ex. o programa "LINDO") ou
então, utilizar as planilhas eletrônicas como EXCEL, LOTUS 1-2-3 ou Quattro-
Pro.

O objetivo do presente capítulo é fornecer um roteiro para a resolução de um


problema típico de Programação Linear utilizando-se do software Excel® da
Microsoft, por ser a planilha mais popular no Brasil.
45

4.1. Elementos da Planilha

- Dados de Entrada: são os dados fornecidos no problema, isto é, os dados


da função objetivo e os dados das equações de restrição (maior igual ou
menor igual, incluindo as condições de não-negatividade). Esses dados
devem aparecer em algum lugar na planilha. É aconselhável colocar o
máximo de dados de entrada no canto superior esquerdo da planilha, apesar
de que em alguns problemas específicos pode-se mudar essa regra.

- Células variáveis: Ao invés de usar nomes de variáveis como X1 ou X21,


utilizar um conjunto de células pré-definidas que fazem o papel das
variáveis de decisão. Os valores nessas células podem ser mudados a fim de
otimizar a função objetivo. Para evidenciar essas células, pode-se
convencionar sombrear com determinada cor.

- Célula destino: essa célula irá acumular o valor calculado da função


objetivo. A ferramenta Solver sistematicamente varia os valores das
células variáveis a fim de otimizar o valor da célula destino. Pode-se
convencionar envolver a célula destino em uma borda preta dupla.

- Restrições ou vínculos: no Excel, as restrições não aparecem diretamente


na planilha. Ao invés disso, deve-se especificar as desigualdades
diretamente num quadro de diálogo da ferramenta Solver.

4.2. Desenvolvendo o Problema da Empresa Ilha da Magia

Considere o problema da empresa Ilha da Magia, exercício 1, descrito novamente


a seguir:
A empresa Ilha da Magia fabrica dois tipos de pneus: Modelo P (o premium) e
Modelo R (o regular). O Modelo P é vendido por R$95,00 cada pneu e custa para
ser produzido R$85,00 por pneu, enquanto que o Modelo R é vendido por R$50,00
cada pneu e tem um custo de produção de R$42,00 por pneu. Para fabricar um
pneu do Modelo P, são necessárias duas horas da Máquina A e quatro horas da
Máquina B. Por outro lado, para fazer um pneu do Modelo R, são requeridas nove
horas da Máquina A e três horas da Máquina B. A programação da Produção da
fábrica mostra que na próxima semana a Máquina A estará disponível no máximo
36 horas e a Máquina B no máximo 42 horas. Quanto de cada modelo de pneus a
fábrica deve produzir de modo a maximizar o seu lucro? Qual é este lucro
máximo?
46

A solução completa do problema é obtida realizando-se duas etapas, que são as


seguintes:

1º) Entrada de dados e fórmulas na planilha

A primeira etapa consiste na entrada de todos os dados na planilha e das


fórmulas que relacionam as células com os dados de entrada e cujo resultado é
armazenado na célula destino. Esse primeiro estágio é o mais importante, pois,
nele todos os ingredientes do modelo são incluídos e relacionados entre si.

Dados de entrada: Entre com os dados conforme mostrado no quadro abaixo. As


quantidades necessárias de horas máquina para cada tipo de pneu nas células
B4:C5, as quantidades disponíveis de cada tipo nas células E4:E5 e o lucro de cada
tipo de pneu nas células B3:C3.

Figura 1 – Entrada de dados na planilha Excel®.

Níveis de produção: as células B2:C2 são onde os valores das variáveis de decisão
são colocados, ou seja, onde o Solver indicará a solução para o problema.

Lucro obtido: entre com a fórmula abaixo na célula D3:

=SOMARPRODUTO(B3:C3;$B$2:$C$2)

Essa fórmula calcula o total de lucro de acordo com o número de pneus presentes
nas células variáveis.
47

Figura 2 – Utilização da função “somarproduto” no Excel®.

Recursos utilizados: entre com a fórmula abaixo na célula D4.


=SOMARPRODUTO(B4:C4;$B$2:$C$2)
E, com a fórmula abaixo, na célula D5.
=SOMARPRODUTO(B5:C5;$B$2:$C$2)

Uma alternativa mais fácil é copiar a fórmula da célula D3, feita anteriormente,
para a célula D4 e D5.

Figura 3 – Detalhes do procedimento de cópia da célula D3 para as células D4 e D5.


48

Essa fórmula calcula as unidades de horas Máquina A e B utilizadas pela


quantidade de pneus digitados inicialmente. A função SOMARPRODUTO é
particularmente útil em modelos de Programação Linear. Aqui ela multiplica cada
valor do intervalo de células B4:C4 pelos correspondentes valores nas células
B2:C2 e depois soma esses produtos, do mesmo modo que é feito na multiplicação
de matrizes. O propósito de colocar o dólar das células variáveis é o de fixá-las
quando copia-se a mesma fórmula para as outras restrições.

2º) Parâmetros do Solver

Na segunda etapa, devemos acionar o Solver no menu ferramentas do Excel. Se


você não encontrar o Solver, escolha o item suplementos, do menu ferramentas, e
procure o Solver e clique no respectivo quadrinho.

A ferramenta Solver resolve o problema através de ajustes nas células variáveis


até que o máximo valor da célula destino seja encontrado. Para os problemas de
PL, a ferramenta utiliza o chamado "Modelo Simplex".

Precisa-se informar a localização das células variáveis e da célula destino, bem


como uma lista de todas as restrições envolvidas no problema, que são escritas
em termos de endereços de células. Ao final é só pedir para que o Solver ache a
solução otimizada.

Os procedimentos de preenchimento dos parâmetros do Solver são apresentados,


a seguir.
a) Selecione como célula de destino a célula D3, aquela em que seu valor deverá
ser máximo, e clique na opção Max.

b) Selecione as células variáveis de acordo com a janela apresentada na Figura 4.


49

Figura 4 – Preenchimento dos parâmetros do solver

c) Adicione cada restrição, com a respectiva desigualdade correta. Note que


deve-se dar corretamente os endereços de cada desigualdade e, por esse
motivo, não importa muito onde se coloca na planilha.

Figura 5 – Adição das restrições

Modelo Linear: antes de pedir para Resolver, clique em Opções e selecione


"Presumir modelo Linear", pois afinal se trata de PL.
50

Figura 6 – Opções do solver: presumir modelo linear e não negativos.

Resolver: clique em resolver e então o Solver mostrará nas células variáveis o


valor ótimo das quantidades de pneus e na célula destino o valor máximo do lucro.
Antes ele diz que achou uma solução ótima e, se for selecionado as opções de
relatórios, ele criará até três tipos de relatórios diferentes, os quais serão muito
úteis futuramente.

Figura 7 – Janela indicando que o Solver encontrou uma solução que pode ser visualizada na
planilha.
51

Caso escolha os três relatórios e dê OK. O Excel criará mais três pastas, cada
uma com um tipo de relatório, são eles:

- Relatório de respostas (Answer Report);

- Relatório de Sensibilidade (Sensitivity Report);

- Relatório de Limites (Limits Report).

Os relatórios emitidos para este problema podem ser visualizados na próxima


seção, que trata da análise e interpretação destes relatórios.

4.3. Análise dos Resultados

O Relatório de Resposta do problema são apresentados na Figura 8.

Figura 8 – Apresentação do Relatório de Resposta do Solver.

A primeira parte, denominada de célula de destino (“target cell”), indica o tipo de


problema de otimização tratado, no caso maximização, e o valor original e final da
função objetivo. O valor máximo encontrado para a função objetivo é um lucro de
R$ 106,00.

A segunda parte do relatório relaciona os valores ótimos para as variáveis de


decisão (células ajustáveis). Observe-se que, nesse caso, a quantidade a ser
produzida de pneus Premium deve ser de nove unidades e de pneus Regular deve
ser de duas unidades.
52

A terceira parte do relatório diz respeito às restrições. A coluna de valores das


células indica os valores das constantes (RHS) de cada uma das restrições. A
última coluna transigência (slack) indica a folga ou excesso de disponibilidade de
recursos. Observa-se que a restrição referente à disponibilidade de horas
Máquina A apresenta folga igual a zero, indicando que se atingiu o limite da
restrição de horas necessárias (para conferir basta substituir os valores de
solução ótima para pneus Premium e para pneus Regular na inequação referente à
restrição de horas Máquina A). Da mesma forma, para a restrição de horas
Máquina B, pode-se constatar que, também, se atingiu o limite da restrição de
horas.

O relatório de análise de sensibilidade do problema em questão é apresentado na


Figura 9, abaixo.

Figura 9 – Apresentação do Relatório de Análise de Sensibilidade do Solver.

O relatório de sensibilidade está dividido nas seguintes partes:


- A primeira refere-se às mudanças que podem ocorrer nos
coeficientes das variáveis de decisão da função objetivo;
- A segunda refere-se as possíveis alterações que as constantes das
restrições podem sofrer.

As informações importantes mostradas nesse relatório são os Custos Reduzidos


(“Reduced Cost”) e o Preço Sombra (“Shadow Price”).

Pode-se interpretar os Custos Reduzidos como sendo:


53

- A quantidade que o coeficiente da função-objetivo deve melhorar


para que aquela alternativa faça parte da solução ótima do
problema;
- A penalização a ser paga por se introduzir uma unidade de uma
alternativa que não deve fazer parte da solução ótima.

Observe que o lucro das alternativas de produção não precisa melhorar nada
(Custo Reduzido igual a zero), uma vez que as duas alternativas já fazem parte da
solução ótima (deve-se produzir nove unidades de pneu Premium e duas unidades
de pneu Regular). Da mesma forma, a penalização a ser paga é zero, pois as duas
alternativas fazem parte da solução ótima.

Os valores do Preço Sombra (“Shadow Price”) podem ser interpretados da


seguinte forma:
- A quantidade pela qual a função objetivo altera dado um
incremento de uma unidade na constante da restrição, ou seja,
dado um aumento de uma unidade adicional do recurso disponível;
- O aumento na função objetivo se aumentado de um o limite da
restrição;
- Mostra, do ponto de vista econômico, até quanto estaria-se
dispostos a pagar por uma unidade adicional de um recurso.

Portanto, para o problema de alocação de recursos da empresa Ilha da Magia,


pode-se concluir sobre o Preço Sombra:
- Se a restrição disponibilidade de horas Máquina A for aumentada
de 36 para 37 unidades, tem-se uma nova solução, na qual o valor
da função objetivo será aumentado de R$ 0,0667.
- Se a restrição disponibilidade de horas Máquina B for aumentada
de 42 para 43 unidades, tem-se uma nova solução, na qual o valor
da função objetivo será aumentado de R$ 2,4667.

Caso o custo adicional da hora Maquina A e da hora Máquina B seja de R$1,00, por
exemplo, deve-se somente contratar horas Máquina B, uma vez que a função
objetivo será aumentada de R$ 2,4667 e o custo será de R$1,00 (obtendo-se um
lucro adicional de R$1,4667).
54

Glossário

Preço sombra (“shadow price” ou “dual price”). É também conhecido por preços
marginais. Indica quanto se deixa de ganhar ou perder por não se dispor de mais
uma unidade de determinada variável restritiva.

Problema mal dedinido (“unbounded”). Acontece nos modelos em que a função-


objetivo pode atingir valores infinitos ou zero, incompatível com o resultado
esperado.

Problema não-solúvel (“infeasible”). Acontece nos modelos em que o conjunto de


restrições apresentam contradições entre si.

Reduzido custo (“reduced cost”). Indica quanto se deixa de ganhar ou perder


por adotar alternativa diferente da indicada pela solução ótima.

Solver. Segundo Moreira (2007), é uma ferramenta ou suplemento do software


Microsoft Excel® que, para solução dos problemas lineares, utiliza o método
simplex.

Síntese

Para os alunos e profissionais da administração, a utilização da ferramenta Solver


do Excel® facilita a resolução de problemas de otimização.

A obtenção da solução para determinado modelo é feita em duas etapas:


primeiramente, deve-se entrar com os dados na planilha e das fórmulas; e, num
segundo momento, preencher os parâmetros do Solver.

Foi tomado como exemplo o problema da empresa Ilha da Magia, para obtenção da
solução e para a realização das análises e interpretações pós-otimização, ou seja,
dos relatórios emitidos pelo Solver.

A solução ótima serve de referência para a tomada de decisão, não devendo


necessariamente ser implementada.
55

Exercícios propostos

1) A Calçados Ltda de Barreiros fabrica os produtos Sapato Tipo 1 e Sapato Tipo


2. A empresa consegue vender todos os produtos. Cada produto passa por três
departamentos e os tempos de fabricação requeridos encontram-se na Tabela 1.
Tabela 1 – Tempo de fabricação em horas por unidade.
Departamento Departamento B Departamento C
A
Produto 1 2 1 4
Produto 2 2 2 2

Cada departamento, entretanto, tem uma capacidade fixa de homens-hora por


mês, como mostra a Tabela 2.

Tabela 2 – Capacidade produtiva dos departamentos.


Departamento Capacidade máxima em homens-
hora
A 160
B 120
C 280
A margem de contribuição do Produto 1 é de R$ 1,00 por unidade e a do Produto 2
é de R$ 1,50 por unidade.
O problema consiste em determinar quanto fabricar de cada produto com o
objetivo de maximizar a margem de contribuição total (MCT).
Modelagem do problema da Calçados Ltda
a) Definição das variáveis de decisão
X1 = Quanto deve produzir de Sapato Tipo 1
X 2 = Quanto deve produzir de Sapato Tipo 2

b) Definição da Função Objetivo


Max MCT = 1 X1 + 1,5 X2

c) Definição das Restrições do Problema


- Capacidade máxima em horas do departamento A
2X1 + 2X2 ≤ 160
- Capacidade máxima em horas do departamento B
1X1 + 2X2 ≤ 120
- Capacidade máxima em horas do departamento C
4X1 + 2X2 ≤ 280
56

- Restrição Lógica
X1 ≥ 0
X2 ≥ 0

Pede-se:
Resolva este problema através do Solver do Excel®, apresentando, passo a passo,
as etapas de resolução.
57

5. RESOLVENDO PROBLEMAS DE PROGRAMAÇÃO LINEAR


UTILIZANDO O SOFTWARE LINDO®5

Objetivos de aprendizagem
Resolver problemas de Programação Linear por meio da utilização do
software Lindo.
Analisar a solução final obtida com o propósito de otimizar a alocação de
recursos da empresa.

Seções de estudo
5.1 Desenvolvendo o Problema da Empresa de Bolas
5.2 Análise do Resultado
5.3 Análise de Sensibilidade

O software Lindo® foi desenvolvido pela Lindo Systems Inc. de Chicago, Illinois,
EUA, para a resolução de modelos de programação linear, quadrática ou inteira,
estando disponível nas versões Demonstração, Super, Hiper, Industrial e
Extended para rodar no ambiente Windows.

O objetivo deste capítulo é apresentar um exemplo de como proceder à entrada


de dados no Lindo, a obtenção da solução e a interpretação dos relatórios
emitidos pelo Lindo, para problemas envolvendo programação linear. Para tanto,
utilizaremos o problema de modelagem de número (3) da lista de exercício
proposta aos alunos da disciplina de Introdução à Pesquisa Operacional.

5
Notas de aula baseada em:
PRADO, Darci Santos do. Programação Linear. Belo Horizonte, MG: Editora de
Desenvolvimento Gerencial, 1999.
58

5.1 Desenvolvendo o Problema da Empresa de Bolas

Considere o problema de número 3, apresentado anteriormente no capítulo 2,


para ser modelado.

“Certa empresa fabrica dois produtos, bolas de futebol (P1) e bolas de vôlei (P2).
O lucro por unidade de P1 é de R$100,00 e o lucro unitário de P2 é de R$150,00.
A empresa necessita de 2 horas para fabricar uma unidade de P1 e 3 horas para
fabricar uma unidade de P2. O tempo mensal disponível para essas atividades é de
120 horas. As demandas esperadas para os 2 produtos levaram a empresa a
decidir que os montantes produzidos de P1 e P2 não devem ultrapassar 40
unidades de P1 e 30 unidades de P2 por mês. Construa o modelo do sistema de
produção mensal com o objetivo de maximizar o lucro da empresa”.

A entrada de dados é realizada na primeira tela fornecida pelo Lindo®, devendo-


se digitá-los conforme apresentado na Figura 1.

Figura 1 – Entrada de dados no Lindo®.

Observa-se que se pode iniciar a digitação de cada linha em qualquer coluna e


utilizar o sinal < para ≤. Na Tabela 1 abaixo, apresenta-se o significado de alguns
comandos.
59

Tabela 1 – Significado de comandos adotados para a entrada de dados na tela


inicial do Lindo.
Linhas Significado
!Exercício (3) sobre Problemas de Modelagem Linha de comentário, pois
inicia-se com !
Max Comando para maximizar uma função
st Informa que a seguir tem-se o
conjunto de restrições
end Finaliza o modelo

Depois da entrada de dados no Lindo, é recomendável “salvar”. Para isto, acesse


File, no menu principal, e clique em Save as. Na seqüência, indique o diretório e
escolha um nome para o arquivo, como por exemplo, Bolas.ltx. Observe que este
arquivo poderá ser lido pelo Word ou outros editores de texto.

Para resolver o problema pode-se clicar em Solve, no menu principal, ou clicar


diretamente no ícone Solve (botão que contem um alvo).

Resolver o problema

Figura 2 – Opções de resolução do problema através do Lindo®.

Após executar a solução, aparece uma tela perguntando se é para emitir ou não o
relatório de análise de sensibilidade. Veja a Figura 3, apresentada a seguir.
60

Figura 3 – Telas que aparecem após a execução do modelo.

Feita a opção, aparece outra tela contendo um resumo do resultado, um alerta


caso o modelo apresente algum problema. Como o Status é Optimal, significa que
foi encontrada uma solução otimizadora. Pode-se, então, clicar em Close para
poder visualizar os relatórios.

Os relatórios de solução e de análise de sensibilidade, obtido pelo software


Lindo®, pode ser observado na Figura 4.
61

Relatório de solução

Relatório de análise
de sensibilidade

Figura 4 – Relatório de solução e de análise de sensibilidade obtido pelo software Lindo®.

O software Lindo possui vários recursos adicionais. O gráfico contendo a solução


ótima para o problema proposto, pode ser observado na Figura 5, e as opções de
visualização das telas do Lindo, na Figura 6.
62

Figura 5 – Gráfico contendo a solução ótima do problema proposto.

Atenção!!
A Figura 6 ilustra a
opção, uma tela ao lado
da outra, na horizontal.
Existem, ainda, as
opções:
- com visualização na
vertical;
- com visualização em
cascata.

Figura 6 – Opções de visualização das telas do Lindo®.


63

Para poder visualizar, simultaneamente, a tela de entrada e a tela contendo os


relatórios do Lindo, como é apresentado na Figura 4, deve-se clicar em “Window”,
no menu principal, depois em “Tile” (aparece uma ao lado da outra) e, finalmente,
optar por visualização horizontal. Existe, ainda, a opção de visualização em
“Cascade” (aparece em cascata).

5.2 Análise do Resultado

Depois de obtida a solução do modelo, o Lindo® apresenta o quadro de


resultados mostrado a seguir:

Valor da função

Custo reduzido

Folga ou

Preço
sombra ou

Figura 7 – Apresentação de resultado após a execução de um modelo sem erros.

Considerando-se a apresentação de resultados acima pode-se observar o


seguinte:

A expressão “lp optimum found at step 2”, indica que o algoritmo simplex
encontrou a solução ótima no segundo passo, ou seja, no segundo vértice do
método simplex.

A linha com o número (1), indica o valor máximo encontrado para a Função
Objetivo, ou seja, um valor de lucro de R$ 6.000,00. Ver Figura 8 apresentada a
seguir.
64

Máximo valor de lucro

Figura 8 – Valor da função objetivo

Os valores ótimos para as variáveis de decisão podem ser visualizados na Figura


9. Observa-se que, nesse caso, a quantidade a ser produzida de bolas de futebol
(P1) deve ser de 15 e de bola de vôlei (P2) deve ser de 30 unidades.

Solução ótima

Figura 9 – Valor das variáveis de decisão e Custo reduzido de cada variável.

Em relação a última coluna, pode-se interpretar o Custo Reduzido de variável


como sendo a redução no lucro obtido com a introdução de uma unidade daquela
variável na solução. Entretanto, deve-se enfatizar que o Custo Reduzido somente
é válido em uma determinada faixa de valores (como veremos quando tratarmos
do assunto Análise de Sensibilidade).

Na Figura 10, abaixo, apresentam-se os resultados de folga ou excesso de


recursos e do preço sombra (preço dual) de nosso problema.

Figura 10 - Folga ou excesso de recursos e valor do preço sombra (preço dual) de nosso problema.

Pode-se realizar a seguinte interpretação:


- A primeira coluna nos indica as linhas correspondentes a cada uma das
restrições de nosso problema. Observa-se que a linha (2) refere-se à
restrição de horas necessárias e as linhas (3) e (4) referem-se às restrições
de demanda de mercado para o produto P1 e P2.
65

Figura 11 – Relacionando a função objetivo e as restrições da tela de entrada de dados com as


linhas do relatório de solução.

- A segunda coluna indica a folga ou excesso de disponibilidade de recursos.


Observa-se que a linha (2) apresenta folga igual a zero, indicando que se
atingiu o limite da restrição de horas necessárias (para conferir basta
substituir os valores de solução ótima para P1 e para P2 na inequação referente
à restrição de horas). Da mesma forma, para a linha (3), pode-se constatar que
para a restrição de demanda de mercado para o produto P1 tem-se uma folga
de 25 unidades. Isto porque o plano ótimo prevê uma produção para P1 de 15
unidades enquanto que a restrição de demanda de mercado é de 40 unidades.
- A última coluna apresenta os valores para o Preço sombra (Dual Prices) que
representa o aumento na função objetivo se aumentar de um o limite da
restrição. Portanto, se a restrição disponibilidade de horas for aumentada de
120 para 121 unidades, tem-se uma nova solução, na qual o lucro será
aumentado de R$50,00.

5.3 Análise de Sensibilidade

O relatório de sensibilidade tem o formato apresentado a seguir e pode ser


obtido durante a solicitação de resultados (solver) ou a qualquer momento. Neste
último caso, deve-se ativar a tela de entrada de dados; clicar em Reports, no
menu principal; e clicar em Range.
66

Figura 12 – Apresentação do relatório de sensibilidade do Lindo®.

A expressão “ranges in which the basis is unchanged” indica a faixa de valores


para os quais a solução fica inalterada para os coeficientes das variáveis da
função objetivo, ver a Figura 13, e para os limites das restrições, ver a Figura 14.

Figura 13 – Análise dos coeficientes da função objetivo.

Na segunda coluna, pode-se observar os coeficientes da função objetivo e, nas


seguintes, temos as colunas de “allowable increase” e “allowable decrease” desses
coeficientes. Essas últimas colunas indicam o intervalo pelos quais os coeficientes
da função objetivo podem sofrer alterações, um de cada vez, sem que a solução
ótima seja alterada.

Portanto, considerando-se a linha para X1, na qual se tem a informação de que o


coeficiente fornecido foi de R$100,00 e que este coeficiente pode variar entre
100 – 0 = R$100,00 (o aumento permitido é zero), e, 100 – 100 = R$0,00 (o
decréscimo permitido é 100) mantendo-se a mesma solução ótima (ou seja, X1=15
e X2=30). Para o caso de X2, os limites estão entre 150 – 0 = R$150,00 e infinito.
67

Figura 14 – Análise dos limites das restrições.

Na Figura 14, pode-se analisar os limites das restrições, também conhecidos como
RHS (righthand side ranges). Considerando-se a linha (2), temos uma
disponibilidade de horas de 120 (RHS). Segundo a terceira coluna, tem-se um
acréscimo permissível de 50, significando que se pode aumentar o limite em 120 +
50 = 170, para que a interpretação feita anteriormente para o Preço Dual
permanecesse válida.

Considerando que o Preço Dual para a restrição disponibilidade de horas é


R$50,00, ver a Figura 10 desta seção, a Empresa de Bolas poderá contratar em
até 50 unidades de horas, para que tenha um acréscimo total no valor da função
objetivo de R$2.500,00.

Admitindo-se, por exemplo, que o custo da contratação da hora adicional, seja de


R$20,00. Nesse caso, precisa-se descontar do ganho adicional por hora
contratada esse valor de seu custo. Portanto, ao final, o acréscimo no máximo
lucro será de R$1.500,00.

Síntese

Nesta unidade aprendeu a como proceder à entrada de dados no Lindo, a


obtenção da solução e a interpretação dos relatórios emitidos pelo Lindo®, para
problemas envolvendo Programação Linear.

O software Lindo possui vários recursos adicionais. Aprende-se a gerar o gráfico


contendo a solução ótima para o problema proposto e a utilizar as opções de
visualização das telas do Lindo®.

Foi utilizado o exemplo da Empresa de Bolas, o problema de modelagem de número


(3) do capítulo 2, para servir como exemplo.

É de se ressaltar a facilidade para a obtenção da solução através deste software


Lindo®.
68

Exercícios propostos

1) Considere o Problema de Alocação de Recursos de uma fábrica de


computadores.
Uma fábrica de computadores, localizada em Florianópolis, produz dois modelos
de computador: A e B. O modelo A fornece um lucro de R$ 200,00 e B de R$
300,00. O modelo A requer, na sua produção, um gabinete pequeno e uma unidade
de disco. O modelo B requer um gabinete grande e duas unidades de disco.
Existem no estoque: 60 unidades do gabinete pequeno, 50 do gabinete grande e
120 unidades de disco.
Pergunta-se: qual deve ser o esquema de produção que maximiza o lucro?

A seguir, apresenta-se a modelagem e a entrada de dados para esse problema.

Figura 1 – Entrada de dados no Lindo®.

Depois de obtida a solução do problema de programação linear da questão (1), o


software Lindo® apresentou o seguinte quadro de resultados.
69

Figura 2 – Apresentação de resultado do software Lindo® após a execução do modelo.

Considerando-se a apresentação do relatório acima, faça uma análise e


interpretação dos resultados.
70

2) Considere um dos problemas modelados na lista de exercício proposta aos


alunos da disciplina de introdução à Pesquisa Operacional:
No programa de produção para o próximo período, a empresa Beta Ltda., escolheu
três produtos P1, P2 e P3. O quadro abaixo mostra os montantes solicitados por
unidade na produção.

Produto Lucro por Horas de Horas de uso Demanda


unidade trabalho de máquinas máxima
P1 2.100 6 12 800
P2 1.200 4 6 600
P3 600 6 2 600

Os preços de venda foram fixados por decisão política e as demandas foram


estimadas tendo em vista esses preços. A firma pode obter um suprimento de
4.800 horas de trabalho durante o período de processamento e pressupõe-se
usar três máquinas que podem prover 7.200 horas de trabalho. Estabelecer um
programa ótimo de produção para o período.
Pede-se:
a) Faça uma análise e interpretação dos relatórios emitidos pelo Lindo deste
problema. Com objetivo de facilitar, abaixo apresentamos a entrada de dados
no Lindo, o relatório de solução e o relatório de análise de sensibilidade.
b) Admita que durante a apresentação dos resultados, a gerência formulou as
seguintes perguntas:
b.1. O gerente de finanças advertiu que, uma incerteza recente no mercado
para o produto P1, pode baixar sua lucratividade em 10%. Se isto
acontecer, pergunta-se: deveria a Empresa Beta Ltda reconsiderar sua
estratégia em termos de plano de produção?
b.2. O gerente de recursos humanos pode, provavelmente, negociar a
contratação de horas de trabalho a um custo de R$ 10,00/hora. Deveria a
direção da empresa contratar trabalho? Em caso positivo, em que
quantidade?
b.3. A vice-presidência da empresa juntamente com a gerência de mercado
estima um aumento de 100% na demanda para os produtos P1 e P3.
Pergunta-se: deveria a Empresa Beta Ltda reconsiderar sua estratégia em
termos de plano de produção e qual o aumento de lucro total esperado?
71

Figura 1 – Entrada de dados no Lindo®.

Figura 2 – Relatório de solução


72

Figura 3 – Relatório de análise de sensibilidade

Vale a pena conferir!!


Informações sobre o Lindo®, com "free download" de versão DEMO, podem ser
encontradas em: http://www.lindo.com/
73

6. PROBLEMAS DE TRANSPORTES

Objetivos de aprendizagem
Determinar os fluxos de transportes em rotas que ligam várias regiões de
oferta (fontes) a várias regiões de demanda (destinos), com o objetivo de
minimizar o custo total de transporte na rede.
Resolver problemas de transporte por meio da utilização da Programação
Linear, do Método de Aproximação de Vogel e da Regra do Canto Noroeste.

Seções de estudo
6.1. Estudo de Caso: Planejamento de Transportes de uma Vinícola
6.2. Programação Linear
6.3. Método de Aproximação de Vogel (VAM)
6.4. Regra do Canto Noroeste
6.5. Caso de Sistemas Não Equilibrados e da Impossibilidade de Transporte

A determinação do melhor plano de transporte de bens, desde as instalações de


produção até os mercados consumidores, constitui-se entre os muitos problemas
que enfrenta um administrador. Por exemplo, como uma vinícola brasileira decide
o fluxo de transporte das caixas de vinho de suas fábricas aos diversos pontos de
demanda? Deve-se desenvolver um plano de transporte ou de distribuição, em que
se estabeleça o número ou quantidade a ser transportada desde cada instalação
de produção até cada mercado consumidor.

Estas quantidades a serem transportadas não podem exceder a capacidade das


instalações de produção e devem satisfazer a demanda dos clientes, sendo que,
com freqüência, o melhor programa minimiza os custos totais de transporte. Para
74

tanto, precisa-se das seguintes informações para desenvolver o modelo de


transportes:
- A demanda dos clientes;
- A capacidade das fábricas;
- Os custos de transporte da fábrica até o cliente.

Uma representação geral do problema de transporte pode ser visualizada na


Figura 1. Observe a existência de duas fontes (fábricas), de determinado
produto, localizadas em Florianópolis e Salvador e três destinos (mercados) para
os quais ele pode ser transportado. O transporte em cada uma das rotas,
indicadas pelas setas, deve ser planejado de modo a se obter o mínimo custo total
de transporte.

Figura 1 – Situação típica de um problema de transporte, com duas fontes e três destinos.
75

O modelo de Programação Linear, para o problema de transporte, pode ser


formulado da seguinte maneira:

m n

Minimizar Z = ∑ ∑ cijxij
i=1 j=1

Sujeito a:

n
∑ xij = ai (para todo i = 1, 2, ...,m)
j=1

m
∑ xij = bj (para todo j = 1, 2, ...,n)
i=1

xij ≥ 0 (para todo j = 1, 2, ..., n)

Onde:
- xij é o número de quantidades transportadas da fonte (fábrica) i para o
destino (mercado) j;
- cij é o custo de transportar uma unidade do produto da fábrica i para o
mercado j;
- ai é a capacidade instalada da fábrica i;
- bj é a demanda do produto no mercado j;
- n é o número de destinos ou mercados do produto;
- m é o número de fontes ou fábricas do produto.

Para que o modelo acima tenha solução, deve-se verificar a seguinte equação de
balanço:
n m
∑ ai = ∑ bj
j=1 i=1

Observe que este é o caso em que o montante ofertado é exatamente igual ao


total demandado, ou seja, o problema está balanceado (oferta = demanda).
76

6.1. Estudo de Caso: Planejamento de Transporte de uma Vinícola

A Vinícola Itália possui três instalações de produção de vinhos finos localizadas


em Florianópolis, Curitiba e Bento Gonçalves. A capacidade de produção mensal de
Florianópolis é de 5.000 caixas, enquanto que Curitiba e Bento Gonçalves
possuem, respectivamente, 10.000 e 12.000 caixas de vinho. As caixas de vinho da
Vinícola Itália são vendidas em duas lojas localizadas na cidade de Porto Alegre e
de São Paulo. Os pedidos mensais desses vendedores são de 10.000 unidades para
a loja de Porto Alegre e de 17.000 unidades para a loja de São Paulo.

O custo de transporte de uma caixa de vinho desde cada fábrica de embarque até
cada uma das lojas pode ser observado na Tabela 1.

Tabela 1 – Custo de transporte em R$/unidade.


Lojas
Plantas Porto Alegre São Paulo
Florianópolis 10 12
Curitiba 20 8
Bento Gonçalves 6 15

Qual deveria ser a programação de sua frota de entregas para minimizar os


custos de transportes?

Esse tipo de programação pode ser otimizado usando modelos de pesquisa


operacional, como programação linear e o algoritmo dos transportes. Inicialmente,
apresentamos o desenvolvimento da modelagem e solução obtidas por
programação linear. Nas seções seguintes, apresentamos a solução deste
problema obtida pelo Método de Aproximação de Vogel e pela Regra de Canto
Noroeste.

6.2. Programação Linear

Para obter a solução dos problemas de transportes deve-se inicialmente realizar


a sua modelagem, identificando as variáveis de decisão, a função objetivo e as
restrições.
77

Modelagem do problema

a) Definição de variáveis de decisão


X11 = quantidade de caixas de vinho a serem transportadas de Florianópolis para
Porto Alegre;
X12 = quantidade de caixas de vinho a serem transportadas de Florianópolis para
São Paulo;
X21 = quantidade de caixas de vinho a serem transportadas de Curitiba para Porto
Alegre;
X22 = quantidade de caixas de vinho a serem transportadas de Curitiba para São
Paulo;
X31 = quantidade de caixas de vinho a serem transportadas de Bento Gonçalves
para Porto Alegre;
X32 = quantidade de caixas de vinho a serem transportadas de Bento Gonçalves
para São Paulo;

b) Função objetivo
Custo total: C = 10X11 + 12X12 + 20X21 + 8X22 + 6X31 + 15X32
Função objetivo: Min C = 10X11 + 12X12 + 20X21 + 8X22 + 6X31 + 15X32

c) Definição das restrições do problema


- Oferta de Florianópolis
X11 + X12 = 5000
- Oferta de Curitiba
X21 + X22 = 10000
- Oferta de Bento Gonçalves
X31 + X32 = 12000
- Demanda de Porto Alegre
X11 + X21 + X31 = 10000
- Demanda de São Paulo
X12 + X22 + X32 = 17000
- Lógica
X11 ≥ 0; X12 ≥ 0; X21 ≥ 0; X22 ≥ 0; X31 ≥ 0; X32 ≥ 0

6.2.1 Solução de Problemas de Transportes com o uso do Software Excel®

O software Excel pode ser utilizado para resolver os problemas de transporte,


assim como aprendesse a empregá-lo para resolver os problemas de programação
78

linear. Pretende-se demonstrar sua utilização tomando por base o caso da Vinícola
Itália.

a) Entrada de Dados e Fórmulas na Planilha

A entrada de dados na planilha Excel® e fórmula empregada para representar a


função objetivo, para minimizar o custo total de transportes, podem ser
visualizadas na Figura 1. A fórmula para o valor da função objetivo aparece
digitada na célula C15.

Observe também que as células B4 a C6, na primeira tabela, representam os


valores de custos unitários de transporte de cada uma das rotas e as células B9 a
C11, na segunda tabela, representam as variáveis de decisão deste problema.

Figura 1 – Entrada de dados na planilha Excel® e fórmula empregada para representar a função
objetivo – minimizar o custo total de transportes

Na seqüência deve-se digitar, nas células marcadas com o título “Fabricado” e


“Entregue”, as relações matemáticas das restrições. Um exemplo da fórmula
79

referente à restrição de oferta de Florianópolis, na célula D9, é mostrado na


Figura 2.

Figura 2 – Fórmula referente à restrição de oferta.

Um exemplo da fórmula referente à restrição de demanda de Porto Alegre, na


célula B12, é mostrado na Figura 3.

Figura 3 – Fórmula referente à restrição de demanda.

b) Programação do Solver

A janela parâmetros do solver, informar todas as células que contém os


elementos do modelo. O preenchimento dos campos “Definir a célula de destino”,
“Igual a“, “Células variáveis” e “Submeter às restrições”, podem ser visualizados
na Figura 4.
80

Figura 4 – Parâmetros do Solver para o problema de transportes da Vinícola Itália.

Antes de acionar o comando “Resolver”, deve-se ir em “Opções”, da ferramenta


Solver, assumir modelo linear e a não negatividade para as variáveis de decisão.

O resultado da otimização é mostrado na Figura 5.

Figura 5 – Solução do problema de transporte da Vinícola Itália.


81

c) Análise dos Resultados

O relatório de resposta para o problema de transportes da Vinícola Itália é


mostrado na Figura 6. Observe que o mínimo custo de transporte possível, dada
as condições deste problema, é R$230.000,00.

Os valores das variáveis de decisão indicam que a vinícola deverá transportar


5.000 caixas de vinho de Florianópolis para São Paulo, 10.000 caixas de Curitiba
para São Paulo, 10.000 caixas de Bento Gonçalves para Porto Alegre e 2.000
caixas de Bento Gonçalves para São Paulo.

Figura 6 – Relatório de resposta para o problema da Vinícola Itália.

O Relatório de Sensibilidade apresentado pelo Solver pode ser visualizado na


Figura 7. As informações importantes a serem analisadas referem-se ao Custo
Reduzido.

Pode-se interpretar os Custos Reduzidos como sendo a penalidade a ser paga por
se introduzir uma unidade de uma alternativa que não deve fazer parte da solução
ótima. Portanto, não se deve transportar nenhuma caixa de vinho de Florianópolis
para São Paulo e nem de Curitiba para Porto Alegre. Caso isto ocorra, o custo
total de transporte terá um aumento de R$7,00 e R$21,00, respectivamente.
82

Figura 7 – Relatório de Sensibilidade para o problema da Vinícola Itália.

6.2.2 Solução de Problema de Transporte com o uso do Software Lindo®

A entrada de dados é realizada na primeira tela fornecida pelo Lindo®, devendo-


se digitá-los conforme apresentado na Figura 8, abaixo.

Figura 8 – Entrada de dados no software Lindo®.


83

O Relatório de solução apresentado pelo Lindo pode ser observado na Figura 9.


Para realizar a análise e interpretação dos resultados, sugere-se a leitura do
Capítulo 5 e da Seção anterior 6.2.1.

Figura 9 – Relatório de solução obtido pelo software Lindo®.

Nas próximas seções, aprende-se a utilizar alguns algoritmos especiais que foram
desenvolvidos para encontrar a solução desses problemas.

6.3. Método de Aproximação de Vogel (VAM)

O Método de Aproximação de Vogel (VAM – Vogel Aproximation Method) é uma


rotina de cálculos que permite obter uma solução ao problema de transporte. A
idéia desse método é fazer o transporte com prioridade na linha ou coluna que
apresenta a maior penalidade. Normalmente produz melhores soluções, e,
freqüentemente, a solução ótima.

A matriz de transporte para o problema de transporte da Vinícola Itália pode ser


observada na Tabela 1.
84

Tabela 1 - Matriz de transporte para o problema de transporte da Vinícola Itália.


Centros consumidores
Fábricas Porto Alegre São Paulo Disponibilidade
10 12
Florianópolis 5000
20 8
Curitiba 10000
6 15
Bento Gonçalves 12000
Necessidade 10000 17000

A seguir, apresenta-se a descrição do método:


a) Calcular os valores das penalidades de cada uma das linhas e colunas,
subtraindo o menor valor cij do segundo menor valor naquela linha ou coluna cij.
Por exemplo, na primeira coluna o menor valor de custo unitário de transporte
é 6 e o segundo menor é 10. Portanto, a penalidade para a primeira coluna
(Porto Alegre) é 4.

Tabela 2 - Matriz de transporte destacando o cálculo das penalidades.


Centros consumidores
Fábricas Porto Alegre São Paulo Disponibilidade Penalidades
10 12
Florianópolis 5000 2
20 8
Curitiba 10000 12
6 15
Bento Gonçalves 12000 9
Necessidade 10000 17000
Penalidades 4 4

b) Escolher a linha ou coluna com maior valor de penalidade (se houver empate,
escolha arbitrariamente) e aloque o máximo possível à célula de menor cij
daquela linha ou coluna (assim as maiores penalidades são evitadas).

Tabela 3 - Matriz de transporte destacando a linha com maior valor de


penalidade e a alocação máxima de caixas de vinho para a célula de menor custo
desta linha.
Centros consumidores
Fábricas Porto Alegre São Paulo Disponibilidade Penalidades
10 12
Florianópolis 5000 2
20 8
Curitiba 10000 10000 12
6 15
Bento Gonçalves 12000 9
Necessidade 10000 17000
Penalidades 4 4
85

c) “Eliminar” a linha ou coluna já completamente atendida e retornar ao passo “a”,


recalculando os valores das penalidades.

Tabela 4 - Matriz de transporte destacando a eliminação da linha já


completamente atendida e recalculando as penalidades.
Centros consumidores
Fábricas Porto Alegre São Paulo Disponibilidade Penalidades
10 12
Florianópolis 5000 2 2
20 8
Curitiba 10000 10000 12
6 15
Bento Gonçalves 12000 9 9
Necessidade 10000 17000
Penalidades 4 4
4 3

d) Novamente, escolher a linha ou coluna com maior valor de penalidade (se


houver empate, escolha arbitrariamente) e aloque o máximo possível à célula
de menor cij daquela linha ou coluna.

Tabela 5 - Matriz de transporte destacando a linha com maior valor de


penalidade e a alocação máxima de caixas de vinho para a célula de
menor custo desta linha.
Centros consumidores
Fábricas Porto Alegre São Paulo Disponibilidade Penalidades
10 12
Florianópolis 5000 2 2
20 8
Curitiba 10000 10000 12
6 15
Bento Gonçalves 10000 12000 9 9
Necessidade 10000 17000
Penalidades 4 4
4 3

e) Novamente, “eliminar” a linha ou coluna já completamente atendida e retornar


ao passo “a”, recalculando os valores das penalidades.
86

Tabela 6 - Matriz de transporte destacando a eliminação da linha já


completamente atendida.
Centros consumidores
Fábricas Porto Alegre São Paulo Disponibilidade Penalidades
10 12
Florianópolis 5000 2 2
20 8
Curitiba 10000 10000 12
6 15
Bento Gonçalves 10000 12000 9 9
Necessidade 10000 17000
Penalidades 4 4
4 3

f) Termine quando sobrar apenas uma linha ou coluna, balanceando-a.

Tabela 7 - Matriz de transporte destacando o balanceamento das células da


coluna restante.
Centros consumidores
Fábricas Porto Alegre São Paulo Disponibilidade Penalidades
10 12
Florianópolis 5000 5000 2 2
20 8
Curitiba 10000 10000 12
6 15
Bento Gonçalves 10000 2000 12000 9 9
Necessidade 10000 17000
Penalidades 4 4
4 3

Pode-se calcular o custo total de transporte, segundo Método de Aproximação de


Vogel, multiplicando-se as quantidades a serem transportadas em cada rota pelo
seu custo unitário de transporte. Assim, tem-se:
Custo total: C = 10X11 + 12X12 + 20X21 + 8X22 + 6X31 + 15X32
C = 10(0) + 12(5000) + 20(0) + 8(10000) + 6(10000) + 15(2000)
C = 23.000

O custo total de transporte, segundo Método de Aproximação de Vogel,


apresentou o mesmo resultado encontrado através do Solver do Excel e do
software Lindo.
87

6.4. Regra do Canto Noroeste

Os procedimentos para obtenção de solução do problema de transporte segundo


Regra do Canto Noroeste são os seguintes:

a) Comece pelo canto superior esquerdo da Tabela e aloque o máximo possível


para X11, com o cuidado de não violar as restrições de produção e capacidade.

Tabela 1 - Matriz de transporte destacando alocação máxima de caixas de vinho


na célula localizada no canto superior esquerdo da Tabela.
Centros consumidores
Fábricas Porto Alegre São Paulo Disponibilidade
10 12
Florianópolis 5000 5000
20 8
Curitiba 10000
6 15
Bento Gonçalves 12000
Necessidade 10000 17000

b) Elimine a linha ou coluna já completamente atendida e caminhe para a célula


adjacente da linha ou coluna “não eliminada” (se tanto a linha quanto a coluna
forem atendidas ao mesmo tempo, caminhe diagonalmente para a célula mais
próxima). A seqüência deste procedimento pode ser visualizada nas Tabelas
apresentadas a seguir.

Tabela 2 -Matriz de transporte destacando eliminação de linha já


completamente atendida e a alocação na célula adjacente da
coluna.
Centros consumidores
Fábricas Porto Alegre São Paulo Disponibilidade
10 12
Florianópolis 5000 5000
20 8
Curitiba 5000 10000
6 15
Bento Gonçalves 12000
Necessidade 10000 17000
88

Tabela 3 - Matriz de transporte destacando eliminação de coluna já


completamente atendida e a alocação na célula adjacente da linha.
Centros consumidores
Fábricas Porto Alegre São Paulo Disponibilidade
10 12
Florianópolis 5000 5000
20 8
Curitiba 5000 5000 10000
6 15
Bento Gonçalves 12000
Necessidade 10000 17000

Tabela 4 -Matriz de transporte destacando eliminação de linha já


completamente atendida e a alocação na célula adjacente da
coluna.
Centros consumidores
Fábricas Porto Alegre São Paulo Disponibilidade
10 12
Florianópolis 5000 5000
20 8
Curitiba 5000 5000 10000
6 15
Bento Gonçalves 12000 12000
Necessidade 10000 17000

Pode-se calcular o custo total de transporte, segundo Regra do Canto Noroeste,


multiplicando-se as quantidades a serem transportadas em cada rota pelo seu
custo unitário de transporte. Assim, tem-se:
Custo total: C = 10X11 + 12X12 + 20X21 + 8X22 + 6X31 + 15X32
C = 10(5000) + 12(0) + 20(5000) + 8(5000) + 6(0) + 15(12000)
C = 370.000

A Regra de Canto Noroeste não apresentou uma solução de mínimo custo. A


adoção deste plano por parte da Vinícola Itália proporcionará um aumento de 60%
em relação ao mínimo custo de transporte possível, ou seja, um aumento de
R$140.000,00.

Pode-se concluir o seguinte: não considerar os custos de cada uma das rotas e a
adoção de um método não adequado de solução, seria o caso da Regra de Canto
Noroeste, é estar propenso a tomar uma decisão que geraria ineficiências
econômicas (e isso tem um preço!).
89

6.5. Caso de Sistemas Não Equilibrados e da Impossibilidade de Transporte

Caso ocorram sistemas de transporte que não obedeçam à condição de equilíbrio


entre oferta e demanda, criar uma origem ou destino fictício para que o
balanceamento possa ocorrer.

Por exemplo, se a oferta for maior que a demanda total, criar uma demanda
fictícia com uma necessidade = oferta total – demanda total, com custos de
distribuição nulos. Se a oferta total for menor que a demanda total, deve-se criar
uma região de oferta fictícia. Outra maneira de se resolver o problema seria
tratar as restrições pertinentes não mais como equações, mas, sim como
inequações.

As seguintes ações e interpretações podem ser realizadas quando existe um


desequilíbrio entre a oferta e a demanda.

Tabela 1 – Ações e interpretações para situações de desbalanceamento.


Situação Oferta > Demanda Demanda > Oferta
Ação - buscar novos mercados ou - criar nova fábrica ou
destinos fonte
Interpretação - capacidade ociosa das fábricas - necessidade não atendida
Fonte: Adaptado de Lachtermacher (2002).

Existe também a ocorrência da seguinte situação: determinado transporte de


uma origem para um destino não possa ser realizado. Neste caso, pode-se colocar
como custo de transporte naquela célula um símbolo M, que representa um número
muito grande. Desta forma, evita-se esta célula trazendo como conseqüência à
ausência daquele transporte.
90

Glossário

Diagrama esquemático: um esquema usado para representar os diversos


componentes de um problema.
Problema de redes: um problema que se pode representar através de círculos e
flechas que os conectam.
Problema de transporte: o problema de determinar o plano de mínimo custo para
o transporte de bens desde as instalações de produção até o mercado
consumidor.
Nós: um círculo num diagrama de redes que representa um aspecto importante de
um problema, como por exemplo, a origem e o destino de bens em um
problema de transporte.
Arco ou ramo: uma linha que liga os “nós” em um diagrama esquemático, como por
exemplo, identificando a possível rota de transporte de um determinado
bem.

A seguir, propõem-se alguns problemas para obtenção da solução (não


necessariamente a ótima).

Síntese

Nesta unidade tratou-se das formas de representação e modelagem dos


Problemas de Transporte, mostrando os métodos de solução por Programação
Linear (através do Solver do Excel e do software Lindo), por Aproximação de
Vogel e pela Regra de Canto Noroeste.

No Problema de Transporte, existe a necessidade de distribuir bens e serviços


de várias fábricas (regiões de oferta) para vários centros consumidores (regiões
de demanda). O objetivo é, normalmente, minimizar o custo total de transporte
entre as regiões.

O Problema de Transporte é um tipo de problema de interesse especial para os


administradores e comum de aplicação de Programação Linear.
91

Exercícios propostos

1) No quadro de transporte a seguir, a quarta linha mostra a necessidade nos


destinos e, a quarta coluna, a disponibilidade nas origens. Os outros dados
representam custos unitários de transportes das origens para os respectivos
destinos.

D1 D2 D3 Disponibilidades
10 15 20
S1 40
12 25 18
S2 100
16 14 24
S3 10
Necessidades 50 40 60

Determinar o plano de transporte que minimiza o custo total das transferências,


utilizando-se dos seguintes métodos:
a) Método de canto noroeste;
b) Método de Vogel para o cálculo da solução inicial.

2) O quadro a seguir apresenta a mesma disposição do problema (1). Resolva-o


utilizando-se dos seguintes métodos:
a) Método de canto noroeste;
b) Método de Vogel para o cálculo da solução inicial.
92

D1 D2 D3 Disponibilidades
10 15 20
S1 100
12 25 18
S2 80
16 14 24
S3 20
Necessidades 100 50 60

3) Deseja-se transportar bicicletas de três fábricas (1, 2 e 3) a três centros


consumidores distintos (A, B e C). Cada fábrica apresentou os seguintes níveis
de estoque de bicicletas num determinado mês:

Fábricas Bicicletas disponíveis (unidades)


1 200
2 150
3 300

Cada centro consumidor estará apto a receber as seguintes quantidades de


bicicletas naquele mês:
93

Centro Demanda por bicicleta


consumidor (unidades)
A 100
B 300
C 250

Os custos de transporte envolvidos são os seguintes:


Demanda A Demanda B Demanda C
10 5 12
Fábrica 1
4 9 15
Fábrica 2
15 8 6
Fábrica 3

Qual será a quantidade de bicicleta a ser transportada entre cada fábrica


e cada centro consumidor, de tal forma que as demandas de cada centro sejam
supridas e que o custo total de transporte seja mínimo?
94

7. PROGRAMAÇÃO INTEIRA

Objetivos de aprendizagem
Conhecer as principais aplicações dos problemas de programação inteira.
Obter a solução de problemas de Programação Inteira com o uso do
software Excel e com o uso do software Lindo.

Seções de estudo
7.1 Problemas Típicos de Programação Inteira
7.2 Exemplo: Planejando uma Viagem de Acampamento
7.3 Solução de Problemas de Programação Inteira com o uso do Software
Excel
7.4 Solução de Problemas de Programação Inteira com o uso do Software
Lindo

Os problemas de programação inteira, em realidade, constituem casos


particulares da programação linear. Em muitas aplicações reais de pesquisa
operacional, envolvendo programação de grande escala de instalações industriais e
comerciais, há necessidade de obtenção de resultados com valores inteiros, do
tipo fazer ou não fazer, construir ou não construir, investir ou não numa nova
fábrica, utilizar um veículo ou não, e assim por diante.

Como se pode imaginar, de uma forma geral, as soluções ótimas dos problemas de
programação inteira têm valores inferiores às soluções dos problemas de
programação linear equivalentes, devido à imposição da restrição adicional dos
resultados aceitáveis serem apenas inteiros.
95

De forma similar ao que ocorre com os problemas de programação linear, os


problemas de programação inteira poderão ser otimizados, tanto no sentido da
maximização, como da minimização. Igualmente, as restrições poderão incluir
tanto igualdades como desigualdades.

7.1 Problemas Típicos de Programação Inteira

Algumas das principais aplicações dos problemas de programação inteira são


apresentadas a seguir:
- Achar um percurso de menor distância para um vendedor que deve visitar
cada uma de “n” cidades, começando e terminando sua viagem em uma
cidade específica.
- Para um modelo de aquisição de equipamentos, por exemplo, máquinas,
aviões e tratores, a solução a ser obtida exige valores inteiros como
resposta.
- Problemas de alocação de pessoas ou de designação de tarefas enquadram-
se na categoria de Programação Inteira. Por exemplo, no caso de alocar
enfermeiros num hospital para os diferentes dias da semana. Pode-se
alocar dois ou três na segunda-feira, não sendo adequado alocar 2,6
enfermeiros.

Fundamentalmente, estes problemas podem apresentar três tipos de


programação inteira:
- Programação Inteira Total: quando todas as variáveis de decisão são do
tipo inteiro;
- Programação Inteira Mista: quando apenas uma parte das variáveis é do
tipo inteiro, enquanto outras são do tipo contínuas;
- Programação Inteira com Variáveis Binárias: quando as variáveis de decisão
devem assumir os valores zero ou um.

7.2 Exemplo: Planejando uma Viagem de Acampamento

Um excursionista planeja fazer uma viagem acampando. Há cinco itens que o


excursionista deseja levar consigo, mas estes juntos excedem o limite de 60
quilos que ele supõe ser capaz de transportar. Para ajudar a si próprio no
processo de seleção dos itens, ele atribuiu valores, por ordem crescente de
importância, a cada um dos itens, conforme apresentado na tabela abaixo.
96

Tabela 1 - Pesos e Importâncias dos Itens do Excursionista


Item a transportar 1 2 3 4 5
Peso em quilos 52 23 35 15 7
Importância para a Excursionista 100 60 70 15 15

A questão a ser resolvida é: quanto dos itens deve ser conduzido de forma a
maximizar a importância sem exceder as restrições de peso do excursionista?

Modelagem do problema

a) Definição das variáveis de decisão


X1 = quantas unidades devem ser transportadas do item 1
X2 = quantas unidades devem ser transportadas do item 2
X3 = quantas unidades devem ser transportadas do item 3
X4 = quantas unidades devem ser transportadas do item 4
X5 = quantas unidades devem ser transportadas do item 5

b) Função objetivo
Maximizar (importância) I = 100X1 + 60X2 + 70X3 + 15X4 + 15X5

c) Definição das restrições do problema


- restrição de peso
52X1 + 23X2 + 35X3 + 15X4 + 7X5 ≤ 60
- lógica
X1, X2, X3, X4, X5 inteiros
e , X1 , X2 , X3 , X4 ,X5 ≥ 0 (restrição de não-negatividade).

O fator crítico para se determinar se um item deve ser levado ou não é a relação
do valor atribuído por quilo de peso. Esta relação será designada por relevância. A
tabela a seguir apresenta o cálculo da relevância de cada um dos itens que o
excursionista pretende transportar.
97

Tabela 1 – Cálculos da relevância (valor/quilo) para cada um dos itens possíveis de


serem transportados pelo excursionista.
Item Peso em quilo Valor Atribuído Relevância
(valor/quilo)
2 23 60 2,61
5 7 15 2,14
3 35 70 2,00
1 52 100 1,92
4 15 15 1,00

Para se obter a solução inicial do problema, toma-se o maior número possível de


itens (que não excedam o limite de peso) começando pelos mais relevantes.

7.3 Solução de Problemas de Programação Inteira com o uso do Software


Excel®

A solução de problemas de programação inteira com o uso do software Excel® é,


em tudo, similar aquela já descrita para os problemas de programação linear. Uma
das maneiras de modelar este problema utilizando a planilha Excel é apresentada
na Figura 1.

Figura 1 – Modelagem do problema de planejamento de viagem da excursionista.

A fórmula utilizada na célula de destino (G4) pode ser também visualizada na


Figura 1 acima. Esta fórmula deverá ser copiada para a restrição de peso (G5).

A definição do modelo na ferramenta Solver do Excel® pode ser observado nas


Figuras 2, 3 e 4.
98

Figura 2 – Parâmetros do solver para o problema do excursionista.

Figura 3 – Opções do solver.

O cuidado a ser tomado consiste no preenchimento da janela de Restrições do


Solver do Excel®, quando deverão ser usadas as opções NÚMERO para
resultados inteiros das variáveis ou BINÁRIOS quando se desejar que as
variáveis assumam valores zero ou um.

Portanto, quando estivermos adicionando restrições, a coluna intermediária deve


ter a opção “num” assinalada, como pode ser observado na Figura 4.
99

Figura 4 – Janela com escolha de opção de variável inteira.

O resultado da otimização é mostrado na Figura 5. Condicionado as alternativas e


as restrições deste problema, o excursionista deverá levar 2 unidades do item (2)
e 2 unidades do item (5), para que possa maximizar a importância das alternativas
a serem transportadas.

Figura 5 – Resultado da otimização do problema do excursionista.

Pode-se observar que o item 1 com maior valor de importância não foi selecionado.
Isto se deve a restrição de peso. A seleção do item 1 implicaria a não seleção de
outros itens com maior relevância, ou seja, maior valor por quilo de peso.

Finalmente, deve-se observar que os relatórios de Sensibilidade e de Limites não


devem ser considerados, para interpretação, em problemas que envolvam
Programação Inteira.
100

7.4 Solução de Problemas de Programação Inteira com o uso do Software


Lindo®

A solução de problemas de programação inteira com o uso do software Lindo® é,


também, similar aquela já descrita para os problemas de programação linear. Uma
das maneiras de modelar este problema utilizando a planilha Excel é apresentada
na Figura 1.

Figura 6 – Exemplo de entrada de dados no Lindo® em problema de Programação Inteira

Observe que após digitar o modelo, tal como de Programação Linear, deve-se
destacar as variáveis inteiras com o comando GIN (de General Integer) seguida
do número 5, indicando que as cinco primeiras variáveis do problema são inteiras.
No caso de Programação Inteira Mista, aquelas que sejam inteiras (por exemplo,
X1 e X4 são inteiras) podem ser indicadas após o comando END, da seguinte
forma:
GIN X1
GIN X4
101

Síntese

Nesta unidade, mostrou-se que existe um considerável número de situações do


dia-a-dia das empresas, em que as variáveis de decisão devem restringir-se a
soluções inteiras.

Um problema de Programação Inteira pode ser visto como sendo um modelo


similar ao de Programação Linear, com uma restrição adicional dos números
inteiros para as variáveis de decisão.

Por fim, mostrou-se como obter a solução de problemas de Programação Inteira


com o uso do Software Excel® e com o uso do software Lindo®, através do
exemplo “Planejando uma Viagem de Acampamento”.

Exercícios propostos

1) Problema de Alocação de Recursos de Projetos. A Epagri6 têm que planejar


seus gastos de Pesquisa e Desenvolvimento para os próximos cinco anos. A
empresa pré-selecionou quatro projetos e deve escolher, dentre estes, quais
deve priorizar. Os dados relevantes do problema, tais como, a disponibilidade de
capital a ser aplicado em cada projeto, em cada um dos anos, bem como o valor
presente líquido de cada projeto, encontram-se na Tabela 1. Recomenda-se
observar o seguinte: existe uma limitação no valor a ser investido anualmente; e
todos os projetos apresentam valores presentes líquidos positivos, portanto,
todos seriam candidatos a serem executados.

Tabela 1 – Dados referentes ao problema de alocação de recursos em projetos a


serem desenvolvidos pela Epagri, valores em mil reais.
Projeto Valor presente líquido Capital requerido em mil R$
(9%) Ano 1 Ano 2 Ano 3 Ano 4 Ano 5
- Camarão 106 70 15 0 20 20
- Leite 129 80 20 25 15 10
- Maçã 136 90 20 0 30 20
- Ostra 117 50 30 40 0 20
Capital disponível 200 70 70 70 70

6
A Epagri é uma empresa real, mas o problema em questão não (foi formulado com fins didáticos).
102

Modelagem do problema

a) Definição das variáveis de decisão


Xi = 1, se o projeto i for selecionado;
Xi = 0, se o projeto i não for selecionado.
Onde, i = Camarão (1), Leite(2), Maçã (3), Ostra (4).

b) Função objetivo
Valor Presente Líquido: VPL = 106X1 + 129X2 + 136X3 + 117 X4
Função objetivo: Max VPL = 106X1 + 129X2 + 136X3 + 117 X4

c) Definição das restrições do problema


- Disponibilidade de capital no Ano 1
70X1 + 80X2 + 90X3 + 50X4 ≤ 200
- Disponibilidade de capital no Ano 2
15X1 + 20X2 + 20X3 + 30X4 ≤ 70
- Disponibilidade de capital no Ano 3
0X1 + 25X2 + 0X3 + 40X4 ≤ 70
- Disponibilidade de capital no Ano 4
20X1 + 15X2 + 30X3 + 0X4 ≤ 70
- Disponibilidade de capital no Ano 5
20X1 + 10X2 + 20X3 + 20 X4 ≤ 70
- Restrição lógica
X1, X2 , X3, X4 ≥ 0
X1, X2 , X3, X4 binários (0 ou 1)
Pede-se: resolva este problema fazendo uso do software Lindo e do Solver do
Excel.
103

2) Escala dos Funcionários do Jornal de Barreiros. No Jornal de Barreiros


(JDB), os funcionários são escalados para cinco dias de trabalho seguidos por dois
dias de descanso, escala esta repetida semanalmente.
Assim, um funcionário tem os mesmos dois dias de folga todas as semanas, e
esses dias são consecutivos (por exemplo, domingo e segunda-feira). A demanda
por funcionários é fornecida na tabela abaixo. Essa demanda deve ser suprida ou
excedida em cada dia. Os números representam a quantidade total de
funcionários que devem estar trabalhando nesse dia. O custo dos funcionários é
R$ 50,00 por dia útil, R$ 55,00 por sábado e R$ 60,00 por domingo.

Dia Segunda Terça Quarta Quinta Sexta Sábado Domingo


Demanda 34 26 30 38 28 32 22
Pede-se:
- Formule um programa linear que minimizará o custo total dos funcionários do
Jornal de Barreiros (JDB) necessários para suprir as demandas diárias;
- Resolva este problema fazendo uso do software Lindo® e do Solver do Excel®.
104

8. SIMULAÇÃO

Objetivos de aprendizagem
Compreender os conceitos básicos de simulação.
Modelar processos empresariais que apresentem várias alternativas de
soluções.
Realizar simulações para criação de cenários alternativos para decisões,
com o uso do software Excel®.

Seções de estudo
8.1. Etapas de um Estudo na Realização de uma Simulação
8.2. Vantagens do Uso da Simulação
8.3. Aplicações de Simulação
8.4. Modelagem e Resolução de Problemas de Simulação em Excel®

A simulação de um sistema é a operação de um modelo que representa esse


sistema, geralmente utilizando o computador. Simular significa reproduzir o
funcionamento de um sistema, com o auxílio de um modelo, o que nos permite
testar algumas hipóteses sobre o valor das variáveis controladas.

O uso moderno da palavra simulação tem sua origem em um trabalho de Von


Newmann e Ulan (1940), quando eles associaram a expressão análise de Monte
Carlo a uma técnica matemática para a resolução de problemas de blindagem em
reatores nucleares.

A simulação em sistemas que incorporam elementos aleatórios é denominada


Simulação Estocástica ou de Monte Carlo, e na prática é visualizada com o uso de
computadores devido à massa de dados a ser processada.
105

A simulação é uma técnica que, usando o computador digital, procura montar um


modelo que melhor representa o sistema em estudo, ou seja, procura imitar o
funcionamento de um sistema real. Atualmente, os modernos programas de
computador permitem construir modelos nos quais é possível visualizar na tela o
funcionamento do sistema em estudo tal como em um filme.

O conceito de simulação mais aceito atualmente é, segundo Prado (1999), “...uma


técnica de solução de um problema pela análise de um modelo que descreve o
comportamento do sistema usando um computador digital”.

Antes de efetuar alterações em uma fábrica real, podemos interagir com uma
fábrica virtual. Isto quer dizer que podemos visualizar, por exemplo, o
funcionamento de um supermercado, um banco, uma fábrica, um estoque de um
produto, um pedágio, um porto, um escritório, um semáforo tal como se fosse um
filme passando na tela do computador.

A técnica de simulação visual, a partir dos anos 80, apresenta uma aceitação
surpreendente em razão de sua maior capacidade de comunicação.

8.1. Etapas de um Estudo na Realização de uma Simulação

Um estudo de simulação pode ser desenvolvido segundo os passos apresentados


na Figura 1.
106

Formulação do problema e coleta de dados

Identificação das variáveis e das condições do sistema

Construção do modelo

Validação do modelo com dados históricos

Não
Modelo aprovado?

Sim

Elaboração de programa ou planilha de computador

Realização dos experimentos de simulação

Análise estatística dos resultados

Figura 1 – Etapas da realização de uma simulação.


Fonte: Andrade (1998).

Inicialmente, deve-se definir os objetivos da simulação, a amplitude e


profundidade que se quer da análise, dos recursos disponíveis e, a seguir,
procede-se à coleta dos dados, ou seja, do processo de recolhimento dos fatos e
informações disponíveis.

Na Segunda etapa, devem ser identificadas as variáveis do problema, as relações


entre as variáveis, as condições e as restrições do sistema para que se possa, da
melhor forma, representar o funcionamento no mundo real.

Na etapa seguinte, para a construção do modelo se exige tanto arte como técnica,
levando em conta todas as relações importantes, tanto entre as chamadas
variáveis endógenas quanto entre estas e as chamadas variáveis exógenas. A
construção do modelo consiste na formulação das equações que devem
107

representar as inter-relações do sistema e no estabelecimento dos limites de


variação dos resultados e valores.

Na quarta etapa, deve-se validar o modelo, ou seja, saber se ele atende aos
objetivos da simulação. Normalmente, opera-se o modelo com dados históricos e
condições conhecidas, com objetivo de se reproduzir o desempenho do sistema
obtido na realidade.

Caso o modelo seja aceito, por representar adequadamente o sistema em estudo,


deve-se elaborar um programa específico de computador, ou dependendo do caso,
uma planilha eletrônica do Excel, Lotus, etc.

Finalmente, realizam-se os experimentos e análise estatística dos resultados,


com objetivo de se estimar o desempenho do sistema e suas possíveis variações.

8.2. Vantagens do Uso da Simulação

- A simulação permite estudar e experimentar complexas interações


internas de um dado sistema seja ele uma empresa ou parte da mesma.
- Através da simulação, podem ser estudadas algumas variações no meio
ambiente e verificados seus efeitos no sistema total.
- A experiência adquirida em construir modelos e realizar a simulação pode
conduzir a uma melhor compreensão do sistema, com possibilidade de
melhorá-lo.
- A simulação de sistemas complexos pode permitir a descoberta das
variáveis mais importantes do sistema e a forma como elas interagem.
- A simulação pode ser usada para experiências com novas situações, sobre
as quais se tem pouca ou mesmo nenhuma informação, com o intuito de
preparar a administração para o que possa acontecer.
- A simulação pode servir como um primeiro teste para se delinear nova
políticas e regras de decisão para a operação de um sistema, antes de
experimentar no sistema real.

8.3. Aplicações de Simulação

A simulação pode ser usada em situações em que é muito caro ou difícil o


experimento na situação real. No mundo atual, são inúmeras as aplicações da
simulação que vão desde o cálculo do número de caixas em um supermercado, o
108

dimensionamento de estoques, a produção em uma manufatura até o estudo de


sincronização de sinais de trânsito de certa via.

a) Linhas de Produção
Inúmeros cenários se encaixam neste item, desde empresas manufatureiras até
minerações, podendo-se analisar os seguintes casos:
Modificações em sistemas existentes.
Planejamento de um setor de produção totalmente novo.
Definição da melhor política de estoques.

b) Logística
O cenário pode ser uma fábrica, um banco, o tráfego de uma cidade, etc. O meio
de transporte pode ser um automóvel, um trem, um navio, um caminhão ou uma
empilhadeira.

c) Comunicações
Pode-se modelar uma configuração ótima de uma rede de comunicações. As
empresas de telefonia, por exemplo, podem se utilizar desta técnica no estudo de
seus complexos de comunicações.

d) Hospitais, bancos, escritórios, supermercados.


Podem dimensionar o número de atendentes ou de caixas de modo que as filas se
mantenham abaixo de um valor especificado. Por exemplo, atualmente para os
bancos esse dimensionamento é importante não só para melhor atender os seus
clientes, mas, também, para atender a legislação no que diz respeito ao tempo de
espera na fila.

e) Processamento de Dados
A modelagem de filas tem sido amplamente utilizada pelas empresas que
desenvolvem computadores e pelas universidades de modo a se medir a
produtividade ou o tempo de resposta de certo sistema de computadores e
terminais. A área de tele processamento possui inúmeras opções de uso.

A próxima seção se ocupa de apresentar um exemplo de modelagem e de aplicação


das planilhas eletrônicas no processo de tomada de decisão, sem ter a pretensão
de esgotar o assunto ou de mostrar todas as funcionalidades e possibilidades de
aplicação.
109

8.4. Modelagem e Resolução de Problemas de Simulação em Excel®

O objetivo desta seção é apresentar um exemplo de modelagem, resolução de um


problema e análise de seus resultados através do uso da planilha eletrônica do
Excel. O Estudo de Caso, a seguir, pode ser desenvolvido em planilha Lótus da
Lótus IBM, Quatro-Pro da Corel ou Excel da Microsoft, sendo que
apresentaremos seu desenvolvimento em Excel, por ser a mais popular no Brasil.

O Caso da Fábrica de Pastéis e Pastelões Ltda7.

A empresa Pastéis e Pastelões Ltda. fabrica pastéis de forno a partir de dois


ingredientes básicos: massa semipronta e recheio congelado. A empresa pretende
estabelecer um modelo de previsão de seu lucro operacional mensal.
Desconsiderando a hipótese de alteração do tamanho e da qualidade dos pastéis,
a diretoria considera que o preço unitário do pastel e o preço médio praticado
pela concorrência são os únicos fatores relevantes na determinação da demanda,
a qual se comporta segundo a seguinte equação: z = 15.000 – 5.000x + 5.000y,
onde x é o preço do pastel da empresa Pastéis e Pastelões e y é o preço médio
dos pastéis vendidos pelos concorrentes.

Tendo em vista que o preço dos pastéis vendidos pela concorrência é uma variável
fora do controle da empresa Pastéis e Pastelões, somente o preço unitário do
pastel vendido pela empresa configura-se como variável de decisão do problema.
Assim sendo, o preço médio praticado pela concorrência, os custos da matéria-
prima, os custos de processamento e os custos fixos são os parâmetros do
modelo. Considere ainda os seguintes dados, apresentados na tabela abaixo:

Preço médio praticado pela concorrência (R$ por pastel) R$7,00

Custo unitário da massa (R$ por pastel) R$1,30

Custo unitário do recheio (R$ por pastel) R$2,00

Custo unitário de processo (R$ por pastel) R$0,40

Custo fixo R$6.000,00

7
Este exemplo baseia-se em Lachtermacher, 2002.
110

Modelo Caixa Preta e Diagrama de Blocos

Modelo Caixa Preta e Diagrama de Blocos são instrumentos úteis na organização


do problema, no entendimento da complexidade do modelo e na identificação das
variáveis importantes.

No Modelo Caixa Preta, cria-se uma caixa central chamada modelo e


apresentando de um lado da caixa as variáveis e os parâmetros de entrada, e, do
outro lado, os fatores importantes para obtenção do resultado final. O Modelo da
Caixa Preta para o problema da empresa Pastéis e Pastelões pode ser observado
na Figura 2.

Figura 2 – Modelo Caixa Preta da empresa Pastéis e Pastelões Ltda.

O Diagrama de Blocos mostra como a partir das variáveis exógenas e dos


parâmetros, chega-se as variáveis de medida de desempenho. A sua construção
requer um pouco mais de atenção, pois é preciso identificar as relações de causa
e efeito entre as variáveis, conforme é apresentado na Figura 3.
111

Figura 3 – Diagrama de Blocos da empresa Pastéis e Pastelões Ltda.

Para a construção de ambos os modelos, Caixa Preta e Diagrama de Blocos,


precisamos retirar as linhas de grade (clicar em ferramentas, opções e retirar
linha de grade) e solicitar a exibição da barra de ferramentas do desenho ao
Excel (clicar em exibir, barra de ferramenta e solicitar desenho).

Equações Matemáticas

A Empresa Pastéis e Pastelões Ltda. deseja simular o lucro final que poderia
obter a partir de várias hipóteses de preço, ou seja, obter um modelo de previsão
do lucro operacional mensal.

Primeiramente, precisa-se deduzir todas as equações que regem o lucro da


empresa, isto é, transformar as relações entre variáveis em equações
matemáticas. Nesse caso, como se quer relacionar o preço com o lucro obtido,
tem-se que examinar a relação entre preço e receita, considerando que o produto
apresenta determinada elasticidade. Como preço e a demanda varia numa relação
inversa, por conseqüência, a receita também varia em função do preço numa
relação não diretamente proporcional.

As equações que regem o lucro da empresa podem ser escritas da seguinte forma:
• Quantidade Demandada de Pastéis = 15000 – (5000 x Preço do Pastel) + (5000
x Preço Médio do Pastel Praticado pela Concorrência)
• Custo de Processo = Quantidade Demandada de Pastéis x Custo Unitário de
Processo
112

• Custo dos Ingredientes = Quantidade Demandada de Pastéis x (Custo Unitário


da Massa + Custo Unitário do Recheio)
• Custo Total = Custo de Processo + Custo dos Ingredientes + Custo Fixo
• Receita = Preço do Pastel x Quantidade Demandada de Pastéis
• Lucro Operacional = Receita – Custo Total

Definidas as equações matemáticas, podemos modelar o problema na planilha


Excel®, conforme nos mostra a Figura 4.

Figura 4 – Entrada de dados na planilha e modelagem do caso de estudo.

O motivo de se realizar a modelagem deste problema em planilha eletrônica é a


facilidade de simulação de diversos resultados, a partir da alteração das variáveis
de decisão. Assim, por exemplo, pode-se modificar o preço de venda do pastel e
avaliar o impacto desta alteração no resultado final.

Representação de Equações no Excel®


113

Uma auditoria na fábrica de pastéis constatou que o custo unitário de processo é


variável de acordo com o número de pastéis produzidos e não R$0,40 por pastel
produzido como inicialmente havia-se assumido.

Para representar corretamente o comportamento de uma variável importante,


pode-se utilizar o Excel® para descobrir a equação que melhor representa o
comportamento desta variável.

Primeiramente, precisa-se criar uma tabela com os dados contábeis coletados


durante a auditoria e com a previsão destes custos para diferentes níveis de
produção de acordo com o modelo inicial. A tabela contendo os dados contábeis
obtidos no processo de auditoria representado pelo custo de processo real, o
custo de processo do modelo inicial e a quantidade de pastéis produzidos estão
apresentados na Figura 5.

Figura 5 – Dados contábeis obtidos durante auditoria.

O próximo passo é solicitar um gráfico de dispersão ao Excel®, selecionando-se a


coluna da quantidade de pastéis produzidos, do custo de processo real e do custo
de processo do modelo. O gráfico resultante permite visualizar o erro do modelo
para previsão do custo de processo.

Para identificar a curva e sua função que melhor explique as relações entre
variáveis, deve-se solicitar ao Excel a adição de uma linha de tendência (trend
line). Deve-se proceder da seguinte forma:
a) clicar com o botão direito do mouse sobre os pontos dos dados reais
representados no gráfico e selecionar a opção adicionar linha de tendência;
b) escolher a curva que mais se assemelha ao desenho formado pelos dados reais;
114

c) solicitar na tela de opções que seja exibida a equação da curva adicionada.

Os dados reais não formam uma reta perfeita e, sim, apresentam uma certa
curvatura. Assim sendo, deve-se solicitar diferentes tipos de linhas de tendência,
tais como, linear, logarítmica, polinomial e exponencial, e, através da análise
gráfica, compará-las e escolher a melhor.

Para possibilitar a comparação, por exemplo, apresentamos nas Figuras 6 e 7,


respectivamente, o comportamento da linha de tendência linear e exponencial
para o caso em questão.

25000

20000
y = 0,7868x - 6372,7
R2 = 0,9507
Custos (R$)

15000

10000

5000

0
0 5000 10000 15000 20000 25000 30000 35000

Quantidade Produzida de Pastéis

Custo de Processo (R$) REAL Custo de Processo (R$) MODELO


Linear (Custo de Processo (R$) REAL)

Figura 6 – Comparação do real com o previsto pelo modelo original com adição de linha de
tendência linear.
115

25000

y = 1305,5e9E-05x
20000
R2 = 0,9967
Custos (R$)

15000

10000

5000

0
0 5000 10000 15000 20000 25000 30000 35000

Quantidade Produzida de Pastéis

Custo de Processo (R$) REAL Custo de Processo (R$) MODELO


Expon. (Custo de Processo (R$) REAL)

Figura 7 – Comparação do real com o previsto pelo modelo original com adição de linha de
tendência exponencial.

A linha de tendência exponencial é a que melhor se ajusta aos dados reais, sendo
a que melhor representa o comportamento do custo de processo. Por
conseqüência, deve-se substituir a fórmula utilizada anteriormente pela equação
exponencial encontrada, conforme apresentado na Figura 8.
116

Figura 8 - Entrada de dados na planilha e modelagem do caso de estudo, com a equação de custo
de processo ajustada para uma linha de tendência exponencial.

Análise de Sensibilidade

Para o tomador de decisão é importante projetar o quanto e em que proporção o


resultado final do modelo altera-se a partir de modificações dos valores das
variáveis de decisão. Assim, pode-se verificar a alteração no lucro mensal para
cada modificação no preço de venda do pastel.

O procedimento é simples: copia-se as células com as fórmulas matemáticas em


algumas colunas, e, a seguir, pode-se estabelecer os novos preços de venda ao
longo das colunas, conforme pode ser observado na Figura 9.

A relação entre preço de venda e lucro mensal pode, também, ser visualizada
através de um gráfico, em que se pode observar que esse comportamento não é
linear, uma vez que esta relação cresce até o preço de R$7,00 e decrescente
após este nível de preço.
117

Figura 9 – Análise de sensibilidade do lucro operacional em relação ao preço.

Ponto de Equilíbrio do Negócio

É possível obter desse modelo no Excel®, o ponto de equilíbrio do negócio (Break


Even Point), ou seja, o preço de venda que gera um lucro mensal igual a zero. A
partir do modelo definido anteriormente, deve-se clicar em ferramentas e
solicitar que o Comando Atingir Meta (ver Figura 10) ajuste a célula que contém o
resultado de lucro mensal para o valor zero, encontrando um valor para o preço de
venda que se faça necessário para tal.

Figura 10 – Uso do comando “Atingir Meta” para determinação do ponto de equilíbrio do negócio
da Empresa Pastéis e Pastelões.
118

Síntese

Nesta unidade, foi exposto que é de longa data que a humanidade utiliza a
simulação para representar situações do mundo real. Nesse caso, pode-se citar a
escultura e a pintura. Mais recentemente pode-se citar o uso dos jogos
eletrônicos, do cinema e das manobras de guerra simuladas pelas forças armadas.

No mundo empresarial, simular significa reproduzir o funcionamento de um


sistema, para estudar melhor suas propriedades. Conheceu-se, também, as fases
de estudo, as vantagens e as aplicações da simulação.

Por fim, verificou-se que, na prática, a simulação envolve freqüentemente o uso


de computador. Utiliza-se a planilha eletrônica do Excel para desenvolver o “Caso
da Fábrica de Pastéis e Pastelões Ltda”, conhecendo a sua modelagem, obtendo a
solução e realizando a análise de seus resultados.

Exercícios propostos

1) Dê exemplos de aplicação, no mundo dos negócios, da técnica de simulação.

2) Os empresários possuem modelos mentais próprios para a tomada de decisão.


Como os modelos de simulação através do uso da computação podem ajudar?

3) No exemplo do modelo de simulação da Fábrica de Pastéis, qual o processo o


analista deve seguir para encontrar o preço que proporciona o lucro máximo?
119

9. PLANEJAMENTO, PROGRAMAÇÃO E CONTROLE DE


PROJETOS: PERT-CPM8

Objetivos de aprendizagem
Elaborar o planejamento de um projeto, identificando as principais
atividades que devem ser programadas e controladas.
Montar a rede PERT e identificar as atividades que formam o caminho
crítico.

Seções de estudo
9.1. Vantagens do uso da rede PERT/CPM
9.2. Caminho Crítico
9.3. O Estudo de Caso da Elaboração do Trabalho de Pesquisa Operacional

Um projeto é formado por uma combinação de atividades inter-relacionadas que


devem ser executadas em determinada ordem antes que a tarefa inteira seja
completada. A técnica mais empregada para planejar, seqüenciar e acompanhar
projetos é a técnica conhecida como PERT/CPM (Program Evaluation and Review
Technique / Critical Path Method).

9.1. Vantagens do uso da rede PERT/CPM

- Uma visão gráfica das atividades que compõem o projeto;


- Uma estimativa de quanto tempo o projeto consumirá;
- Uma visão de quais atividades é crítica para o atendimento do prazo de
conclusão do projeto;

8
Baseado e adaptado de ANDRADE, E. L. de, Introdução à Pesquisa
Operacional, Rio de Janeiro, LTC,1998.
120

- Uma visão de quanto tempo de folga dispõe nas atividades não-críticas, o


qual pode ser negociado no sentido de reduzir a aplicação de recursos, e
conseqüentemente custos.

Uma rede PERT/CPM é formada por um conjunto interligado de setas e nós.


- As setas representam as atividades do projeto que consomem
determinados recursos (mão-de-obra, máquinas, etc.) e/ou tempo; já os
nós representam o momento de início e fim das atividades, os quais são
chamados de eventos.
- Os eventos são pontos no tempo que demarcam o projeto e, diferente
das atividades, não consomem recursos nem tempo.
- Os nós são numerados da esquerda para a direita e de cima para baixo.
O nome da atividade aparece em cima da seta e sua duração em baixo
da seta. A direção da seta caracteriza o sentido de execução da
atividade.

9.2. Caminho Crítico

É a seqüência de atividades que possuem folga total nula e que determina o tempo
total de duração do projeto. As atividades pertencentes ao caminho crítico são
chamadas de atividades críticas, visto que as mesmas não podem sofrer atrasos,
pois caso tal fato ocorra, o projeto como um todo sofrerá este atraso.

A identificação do caminho crítico de um projeto é de fundamental importância,


pois o administrador pode concentrar seus esforços para que estas atividades
tenham prioridade na alocação dos recursos produtivos

O objetivo da próxima seção é apresentar um exemplo de aplicação do projeto de


elaboração do trabalho de Pesquisa Operacional.

9.3. O Estudo de Caso da Elaboração do Trabalho de Pesquisa Operacional

Considere o projeto de elaboração do trabalho de conclusão da disciplina de


Pesquisa Operacional. A Tabela 1 mostra as atividades básicas do projeto,
conforme foram definidas pelo professor.

Tabela 1 – Etapas do projeto de elaboração do trabalho


Atividade Definição Duração (Dias)
121

A Definição do tema 1
B Modelagem 4
C Texto preliminar 2
D Digitação 2
E Desenhos 3
F Revisão 2
G Correção e impressão 2

A Figura 1 mostra o Gráfico de Gantt do projeto.

Atividade Dias
01 02 03 04 05 06 07 08 09 10 11 12 13 14
Definição do tema
Modelagem
Texto preliminar
Digitação
Desenhos
Revisão
Correção e impressão
Figura 1 – Gráfico de Gantt para o projeto de elaboração do trabalho.

Na construção de uma rede para o projeto de elaboração do trabalho de


conclusão da disciplina de Pesquisa Operacional, deve-se acrescentar aos dados
do projeto as informações de dependência das atividades, conforme mostra a
Tabela 2.

Tabela 2 – Etapas do projeto de elaboração do trabalho de Pesquisa Operacional.


Atividade Definição Duração (Dias) Dependência
A Definição do tema 1 -
B Modelagem 4 A
C Texto preliminar 2 B
D Digitação 2 C
E Desenhos 3 C
F Revisão 2 DeE
G Correção e 2 F
impressão

A Rede PERT do projeto de elaboração do trabalho pode ser visualizada na Figura


2.

A B C D F G
122

E
3

Figura 2 - Rede PERT do projeto de elaboração do trabalho de Pesquisa Operacional.

De uma maneira esquemática, tal seqüência de atividades pode ser representada


conforme ilustrado na Figura 2. Note-se que só existe um nó inicial e um nó final,
e que a atividade D terá uma folga de um dia, ou seja, ela pode começar no início
geral das atividades ou até no segundo dia. O caminho crítico será, portanto:
A→B→C→E→F→G

Síntese

Nesta unidade, estudou-se os métodos de planejamento e controle de atividades


de um projeto, por meio da técnica PERT/CPM.

Foi apresentado as vantagens do uso da Rede PERT/CPM e o conceito do Caminho


Crítico. Para aprender a montagem da rede, a identificação do caminho crítico e
do tempo de duração do projeto foi utilizado o exemplo de aplicação do projeto
de elaboração do trabalho de Pesquisa Operacional.

Atualmente, os problemas de planejamento e programação de projetos podem ser


facilmente resolvidos com a utilização do software da Microsoft Project.
123

Exercícios propostos

1) Exame Nacional do Curso de Administração –1999. Num projeto de


lançamento de um novo produto foi programado, com base na rede PERT
abaixo, o tempo necessário para sua execução. Na qualidade de gestor do
projeto, a qual seqüência de atividades você dispensaria maior atenção,
objetivando não atrasar o lançamento do produto (caminho crítico)?
(a) AF
(b) BG
(c) DH
(d) BCH
(e) BEF

A
F
5 E 3
4
B G

3 C 2
D 6 H
3
2

2) Construa a rede PERT-CPM dos projetos e identifique as atividades


críticas, considerando-se os dados dos projetos abaixo.

a) Projeto (1)
Tabela 1 – Dados do Projeto (1)
Atividade Dependência Duração (Dias)
A - 8
B - 12
C AeB 10
D B 12
E AeB 12
F CeD 16
G B 12
124

b) Projeto (2)
Tabela 2 – Dados do Projeto (2)
Atividade Dependência Duração (dias)
A - 10
B - 6
C A 7
D B 5
E B 9
F CeD 5
G E 4
125

Para concluir os estudos

Parabéns! Você concluiu o estudo do conteúdo referente à disciplina de Pesquisa


Operacional. Acredite, isso é apenas o começo...

O texto apresentado trata de várias técnicas de Pesquisa Operacional, tais como a


Programação Linear, Programação Inteira, Aproximação de Vogel, Simulação e
PERT/CPM. Existem outras técnicas que não foram desenvolvidas neste livro,
podendo-se citar, Teoria dos Jogos, Programação Dinâmica, Teoria das Filas, e,
entre outras.

Entretanto, os nove capítulos deste livro tratam de temas considerados de


importância fundamental dentro da Pesquisa Operacional e podem ser usados por
você para dar solução a vários problemas dentro da área de negócios.

Espero ter mostrado a utilidade e o potencial da Pesquisa Operacional, através da


abordagem computacional do texto, ao ensinar a utilização da planilha Excel e do
software Lindo para solução de problemas diversos.

Finalmente, também, espero que os conhecimentos adquiridos por você possam


ter contribuído para:
- melhorar a habilidade de seu pensamento lógico;
- melhorar a habilidade quantitativa no entendimento e resolução de problemas
na área de negócios;
- e, utilizar técnicas que poderão ser úteis na sua vida profissional.

Um abraço,

Prof. Luis Augusto Araújo


126

SITES DE PESQUISA OPERACIONAL

Apresenta-se, a seguir, uma relação de comentários sobre sites que contêm


novidades, catálogo de softwares e informações variadas a respeito de Pesquisa
Operacional.
- Sejam bem vindos ao ambiente virtual - Grupo de Pesquisa Operacional
Aplicada à Área de Negócios, que permite discutir, acessar materiais
e trocar experiências sobre o conteúdo da disciplina. Pode ser acessado
em: http://groups.google.com/group/pesquisa-operacional/
- O CNPq desenvolve um programa denominado SOFTEX 2000, existindo
vários núcleos espalhados pelo país, sendo que um deles está localizado
em Juiz de Fora. Sua homepage: http://www.agrosoft.com/
- Informações sobre o LINDO, um software para a resolução de
problemas de Programação Linear, Inteira e Não Linear (quadrática),
com "free download" de versão DEMO, pode ser encontrada em:
http://www.lindo.com/
- As cinco seguintes homepages referem-se a softwares disponíveis para
modelagem e resolução de problemas de grande porte:
http://www.ampl.com/cm/cs/what/ampl/
http://www.modeling.com/
http://www.gams.com/
http://www.cplex.com/
http://www.aimms.com/
- Um glossário a respeito de Programação Matemática:
http://carbon.cudenver.edu/~hgreenbe/glossary/glossary.html
- O @RISK é um software que permite a análise de risco associada a
diversos tipos de atividade econômica. Nesta homepage, você encontra
informação a esse respeito: http://www.palisade.com/
- Se você precisa de orientação sobre a compra de software de
otimização, boas dicas estão expostas nesta site: http://www.ampl.com/
127

- A "homepage" da Sociedade Brasileira de Pesquisa Operacional é:


http://www.sobrapo.org.br/
- Informações variadas e importantes no contexto de Pesquisa
Operacional: http://mat.gsia.cmu.edu/
128

BIBLIOGRAFIA

ANDRADE, E. L. Introdução à Pesquisa Operacional: métodos e técnicas de


análise de decisão. Rio de Janeiro: LTC - Livros Técnicos e Científicos, 2004.

ARAÚJO, L. A. Fronteira de eficiência econômica sob condições de risco: uma


análise da convergência econômica entre empresas agrícolas. 1997, 172p.
Dissertação (Mestrado) - ESALQ/USP.

ARAÚJO, L. A. ; CAIXETA FILHO, J. V. Fronteira de eficiência econômica sob


condições de risco para empresas agrícolas do Sul de Santa Catarina. Revista
Análise Econômica. Porto Alegre: UFRGS, 1998.

CAIXETA FILHO, J. V. Pesquisa Operacional: Técnicas de Otimização Aplicadas


a Sistemas Agroindustriais. São Paulo: Atlas S. A., 2004.

CAIXETA FILHO, J. V. Material de Apoio às Disciplinas: Introdução à


Pesquisa Operacional e Programação Linear. Série Didática no 113. Piracicaba:
Esalq, 1996.

CORRAR, L. J.; THEOPHILO, C. R. Pesquisa Operacional para Decisão em


Contabilidade e Administração. São Paulo: Editora Atlas, 2004.

GOLDBARG, M. C.; LUNA, H. P. L. Otimização Combinatória e Programação


Linear. – Rio de Janeiro: Campus, 2000.

JEFERSON, R. W.; BOISVERT, R. N. A guide to using General Algebraic


Modelling System (GAMS) for aplication in Agricultural Economics. 1989,
Cornell University, Ithaca, A.E.Res. 89-17.84p.
129

LACHTERMACHER, G. Pesquisa Operacional na Tomada de Decisões.


Modelagem em Excel. Rio de Janeiro: Campus, 2002.

LANZER, E. A. Programação Linear: conceitos e aplicações. Rio de Janeiro,


IPEA/INPES, 1982.

MATHUR ; SOLOW. Investigacion de Operaciones. Lima: Printice Hall, 1996.

MARQUES, P. V. Conceitos e Aplicações Básicas de Programação Linear. Série


Didática no 95. Piracicaba: Esalq, 1995.

MOREIRA, D. A. Pesquisa Operacional: curso introdutório. São Paulo: Thomson


Learning, 2007.

PRADO, D. S. Programação Linear. Belo Horizonte: Editora de Desenvolvimento


Gerencial, 2003. 208 p. (Série Pesquisa Operacional, Vol. 1).

PRADO, D. S. PERT/CPM. Belo Horizonte: Editora de Desenvolvimento Gerencial,


1998. 148 p. (Série Gerência de Projetos, Vol. 4).

PRADO, D. S. Usando o ARENA em simulação. Belo Horizonte: Editora de


Desenvolvimento Gerencial, 1999. 284 p. (Série Pesquisa Operacional, Vol. 3).

REY, Rui. Planejar e redigir trabalhos científicos. 2. ed. revista e ampliada. São
Paulo: Edgard Blücher, 1998.

SILVA, E. M. ; et. al. Pesquisa Operacional. 3. ed. São Paulo: Atlas, 1998.
130

Sobre o professor conteudista

Luis Augusto Araújo

Natural de Florianópolis, possui mestrado em Economia Aplicada pela


Universidade de São Paulo – USP, especialização em Administração Rural pela
Universidade de Lavras – MG e graduação em Agronomia pela Universidade
Federal de Santa Catarina - UFSC. Atualmente atua como coordenador do
projeto estadual de pesquisa e desenvolvimento intitulado "Administração Rural e
Socioeconomia" da Empresa de Pesquisa Agropecuária e Extensão Rural de Santa
Catarina - Epagri, e como professor da Universidade do Sul de Santa Catarina -
Unisul e da Faculdade Estácio de Sá. Recentemente, assumiu a presidência da
Associação Brasileira de Administração Rural do Sul do Brasil - ABAR SUL. Tem
experiência na área de Administração e Economia, atuando principalmente nos
seguintes temas: pesquisa operacional, programação linear, fundamentos de
economia, administração rural e economia da produção.
131

Respostas e comentários dos exercícios propostos

Unidade 1

1)R: F; F; V.

2)R:
a. As fases de um estudo de pesquisa operacional são: definição do problema,
modelagem, obtenção da solução, validação e implementação.

b. Os modelos de simulação procuram oferecer uma representação simplificada do


mundo dos negócios, e dão ao administrador liberdade e flexibilidade com relação
à escolha da solução mais conveniente. Nesses modelos, o critério de escolha da
solução a ser adotada não é fixado na estrutura do modelo. Diferentemente, os
modelos de otimização não permitem flexibilidade na escolha das alternativas,
uma vez que os critérios de escolha da melhor alternativa já fazem parte da
estrutura do modelo. No modelo de otimização, a solução obtida é considerada
“ótima”.

Unidade 2

1)R: F; V.
2)R: A modelagem para cada um dos problemas propostos é apresentada a seguir:
1. Problema da empresa Ilha da Magia
a) Definição de variáveis de decisão
X1 = quantidade a produzir de pneus Modelo P (o premium);
132

X2 = quantidade a produzir de pneus Modelo R (o regular).


b) Função objetivo
Lucro total: L = 10 X1 + 8 X2
Objetivo: Max L = 10 X1 + 8 X2
c) Definição das restrições do problema
• Disponibilidade de horas Máquina A
2X1 + 9 X2 ≤ 42
• Disponibilidade de horas Máquina B
4X1 + 3 X2 ≤ 36
• Restrição lógica
X1 ≥ 0
X2 ≥ 0

2. Problema da empresa “Águas de Floripa”


a) Definição de variáveis de decisão
X1 = quantidade a produzir de piscina Standard ;
X2 = quantidade a produzir de piscina Luxo.
b) Função objetivo
Lucro total: L = 30 X1 + 40 X2
Objetivo: Max L = 30 X1 + 40 X2
c) Definição das restrições do problema
• Capacidade de produção da linha Standart
X1 ≤ 24
• Capacidade de produção da linha Luxo
2X2 ≤ 36
• Disponibilidade total de empregados
X1 + 2 X2 ≤ 40
• Restrição lógica
X1 ≥ 0
X2 ≥ 0

3. Problema da empresa de Bolas


a) Definição de variáveis de decisão
X1 = quantidade a produzir de bolas de futebol (P1);
X2 = quantidade a produzir de bolas de vôlei (P2).
b) Função objetivo
Lucro total: L = 100 X1 + 150 X2
Objetivo: Max L = 100 X1 + 150 X2
c) Definição das restrições do problema
• Disponibilidade total de horas
133

2X1 + 3 X2 ≤ 40
• Demanda de mercado para o produto P1
X1 ≤ 40
• Demanda de mercado para o produto P2
X2 ≤ 30
• Restrição lógica
X1 ≥ 0
X2 ≥ 0

4. Problema da empresa Beta Ltda


d) Definição de variáveis de decisão
X1 = quantidade a produzir de produto (P1);
X2 = quantidade a produzir de produto (P2);
X3 = quantidade a produzir de produto (P3).
e) Função objetivo
Lucro total: L = 2100 X1 + 1200 X2 + 600 X3
Objetivo: Max L = 2100 X1 + 1200 X2 + 600 X3
c) Definição das restrições do problema
• Disponibilidade de horas trabalho
6X1 + 4 X2 + 6 X3 ≤ 4800
• Disponibilidade de horas máquina
12X1 + 6 X2 + 2 X3 ≤ 7200
• Demanda de mercado para o produto P1
X1 ≤ 800
• Demanda de mercado para o produto P2
X2 ≤ 600
• Demanda de mercado para o produto P3
X3 ≤ 600
• Restrição lógica
X1 ≥ 0
X2 ≥ 0
X3 ≥ 0

5. Problema de transporte do vendedor de frutas


a) Definição de variáveis de decisão
X1 = quantidade a transportar de caixas de laranja;
X2 = quantidade a transportar de caixas de pêssego;
X3 = quantidade a transportar de caixas de tangerina.
b) Função objetivo
134

Lucro total: L = 20 X1 + 10 X2 + 30 X3
Objetivo: Max L = 20 X1 + 10 X2 + 30 X3
c) Definição das restrições do problema
• Capacidade total de transporte de caixas
X1 + X2 + X3 ≤ 800
• Necessidade de transporte de caixas de laranja
X1 = 200
• Mínimo a transportar de caixas de pêssego
X2 ≥ 100
• Máximo a transportar de caixas de tangerina
X3 ≤ 200
• Restrição lógica
X1 ≥ 0
X2 ≥ 0
X3 ≥ 0

6. Problema da rede de televisão da “Grande Florianópolis”


a) Definição de variáveis de decisão
X1 = quantidade de vezes que se deve levar ao ar o programa A;
X2 = quantidade de vezes que se deve levar ao ar o programa B.
b) Função objetivo
Audiência total: T = 30000 X1 + 10000 X2
Objetivo: Max T = 30000 X1 + 10000 X2
c) Definição das restrições do problema
• Mínimo tempo de propaganda
20X1 + 10 X2 ≥ 5
• Máximo tempo de música
1X1 + 1X2 ≤ 80
• Restrição lógica
X1 ≥ 0
X2 ≥ 0

7. Problema da empresa de cintos de couro localizada em Tubarão.


a) Definição de variáveis de decisão
X1 = quantidade a produzir de cintos de couro Modelo M1;
X2 = quantidade a produzir de cintos de couro Modelo M2.
b) Função objetivo
Lucro total: L = 4 X1 + 3 X2
Objetivo: Max L = 4 X1 + 3 X2
c) Definição das restrições do problema
135

• Capacidade de produção por dia


2 X1 + 1 X2 ≤ 1000
• Disponibilidade total de couro
X1 + X2 ≤ 800
• Disponibilidade de fivelas M1
X1 ≤ 400
• Disponibilidade de fivelas M1
X2 ≤ 700
• Restrição lógica
X1 ≥ 0
X2 ≥ 0

8. A empresa “Toldos Sol e Praia”


a) Definição de variáveis de decisão
X1 = quantidade a produzir de Abrigos para Automóveis (P1);
X2 = quantidade a produzir de Toldos em Loja (P2).
b) Função objetivo
Lucro total: L = 120 X1 + 150 X2
Objetivo: Max L = 120 X1 + 150 X2
c) Definição das restrições do problema
• Disponibilidade de Recurso R1.
2X1 + 4 X2 ≤ 100
• Disponibilidade de Recurso R2.
3X1 + 2 X2 ≤ 90
• Disponibilidade de Recurso R3.
5X1 + 3 X2 ≤ 120
• Restrição lógica
X1 ≥ 0
X2 ≥ 0

9. O problema da sapataria do Ribeirão da Ilha


a) Definição das variáveis de decisão
X1 = Quanto deve produzir do produto sapato
X2 = Quanto deve produzir do produto cinto
b) Definição da Função Objetivo
Lucro total: L = 5 X1 + 2 X2
Objetivo: Max L = 5 X1 + 2 X2
c) Definição das Restrições do Problema
• Disponibilidade de couro
2x1 + 1x2 ≤ 6
136

• Produção de sapatos e cintos por hora (60 minutos)


10x1 + 12x2 ≤ 60
• Restrições Lógicas
X1 ≥ 0
X2 ≥ 0

10. Problema da Carteira de Investimentos da Empresa de Administração de


Fundos Paulo S.A.
a) Definição de variáveis de decisão
X1 = o quanto devo investir em Poupança;
X2 = o quanto devo investir em Câmbio Empresarial Plus;
X3 = o quanto devo investir em Câmbio Especial Plus;
X4 = o quanto devo investir em Câmbio Preferencial;
X5 = o quanto devo investir em DI Empresarial;
X6 = o quanto devo investir em DI Especial Plus;
X7 = o quanto devo investir em DI Preferencial;
X8 = o quanto devo investir em Fix Especial Plus;
X9 = o quanto devo investir em Fix Preferencial;
X10 = o quanto devo investir em Fix Private.
b) Função objetivo
Retorno total: R = 0,076 X1 + 0,150 X2 + 0,151X3 +0,120 X4 + 0,135X5 + 0,149 X6
+ 0,134 X7 + 0,151X8 + 0,140X9 + 0,156X10
Max R = 0,076 X1 + 0,150 X2 + 0,151X3 +0,120 X4 + 0,135X5 + 0,149X6 + 0,134 X7
+ 0,151X8 + 0,140X9 + 0,156X10
c) Definição das restrições do problema
- Disponibilidade de recursos para aplicação.
X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8 + X9 + X10 ≤ 100000
- aplicar na Poupança no mínimo 5%, e no máximo 15%.
X1 ≥ 5000
X1 ≤ 15000
- aplicar nas carteiras de Câmbio máximo 30%.
X2 + X3 + X4 ≤ 30000
- aplicar nas carteiras de DI (Depósito Interbancário) máximo 35%.
X5 + X6 + X7 ≤ 35000
- aplicar nas carteiras de Renda Fixa máximo 40%.
X8 + X9 + X10 ≤ 40000
- máximo para ser investido individualmente nas carteiras de Câmbio
X2 ≤ 12000
X3 ≤ 12000
X4 ≤ 12000
137

- máximo para ser investido individualmente nas carteiras de DI


X5 ≤ 14000
X6 ≤ 14000
X7 ≤ 14000
- máximo para ser investido individualmente nas carteiras de Renda Fixa
X8 ≤ 17000
X9 ≤ 17000
X10 ≤ 17000
- Restrição lógica
X1 ≥ 0
X2 ≥ 0
X3 ≥ 0
X4 ≥ 0
X5 ≥ 0
X6 ≥ 0
X7 ≥ 0
X8 ≥ 0
X9 ≥ 0
X10 ≥ 0

11. Agroindústria do ramo alimentício


a) Definição de variáveis de decisão
X1 = quantidade a produzir de produto (1);
X2 = quantidade a produzir de produto (2);
X3 = quantidade a produzir de produto (3).
b) Função objetivo
Como o lucro total será a soma dos lucros obtidos com a venda de cada tipo de
produto, a equação de lucro total será:
Lucro total: L = 30 X1 + 12 X2 + 15 X3
Objetivo: Max L = 30 X1 + 12 X2 + 15 X3
c) Definição das restrições do problema
• Disponibilidade de horas máquina A
9X1 + 3 X2 + 5 X3 ≤ 500
• Disponibilidade de horas máquina B
5X1 + 4 X2 + 0 X3 ≤ 350
• Disponibilidade de horas máquina C
3X1 + 0 X2 + 2 X3 ≤ 150
• Restrição lógica
X1 ≥ 0
X2 ≥ 0
138

X3 ≥ 0

12. Fábrica de pranchas de Surfe de Garopaba.


a) Definição de variáveis de decisão
X1 = quantidade a produzir de prancha de surfe Modelo A;
X2 = quantidade a produzir de prancha de surfe Modelo B;
X3 = quantidade a produzir de prancha de surfe Modelo C.

b) Função objetivo
Lucro total: L = 16 X1 + 30 X2 + 50 X3
Objetivo: Max L = 16 X1 + 30 X2 + 50 X3
c) Definição das restrições do problema
• Exigência mínima de produção do Modelo A
X1 ≥ 20
• Exigência mínima de produção do Modelo B
X2 ≥ 120
• Exigência mínima de produção do Modelo C
X3 ≥ 60
• Disponibilidade de horas de fabricação
3X1 + 3,5 X2 + 5 X3 ≤ 1440
• Disponibilidade de horas de montagem
4X1 + 5 X2 + 8 X3 ≤ 1920
• Disponibilidade de horas de teste de qualidade
1X1 + 1,5 X2 + 3 X3 ≤ 576
• Restrição lógica
X1 ≥ 0
X2 ≥ 0
X3 ≥ 0

16) Problema de planejamento da vida social


a) Definição de variáveis de decisão
X1 = quantidade de saídas com Sheila;
X2 = quantidade de saídas com Ana Paula.
a) Função objetivo
Intensidade total: I = X1 + X2
Objetivo: Max I = X1 + X2
c) Definição das restrições do problema
• Disponibilidade de orçamento
160X1 + 240 X2 ≤ 960
• Disponibilidade de horas para atividades sociais
139

3X1 + 3 X2 ≤ 18
• Disponibilidade de calorias para atividades sociais
10000X1 + 5000 X2 ≤ 40000
• Restrição lógica
X1 ≥ 0
X2 ≥ 0

Unidade 3

1)R: A empresa Ilha da Magia deve produzir 9 unidades de pneus Modelo P (o


premium) e 2 unidades de pneus Modelo R (o regular), para obter um lucro máximo
de R$106,00.

2)R: A empresa “Águas de Floripa” deve produzir 24 unidades de piscina em fibra


Standard e 8 unidades de piscina Luxo, para obter um lucro máximo de
R$1.040,00.

3)R: A empresa de Bolas deve fabricar 15 unidades de bolas de futebol (P1) e 30


unidades de bolas de vôlei (P2), para obter um máximo lucro de R$6.000,00.

Unidade 4

1) A Calçados Ltda de Barreiros deve fabricar 40 unidades do produto Sapato


Tipo 1 e 40 unidades do Sapato Tipo 2. A empresa conseguirá obter um valor
máximo de Margem de Contribuição Total de R$100,00.

A entrada de dados na planilha Excel e a solução ótima obtida pelo Solver do


Excel podem ser visualizadas na Figura 1.
140

Figura 1 – Entrada de dados na planilha Excel e solução ótima obtida pelo Solver do Excel.

Unidade 5

1)R: A fábrica de computadores deve produzir 60 unidades de computador modelo


A e 30 unidades de computador modelo B, para obter um lucro máximo de
R$19.800,00.

Para realizar o plano ótimo de produção acima citado, esgotaram-se os estoques


de gabinete pequeno e de unidades de disco. Como somente vamos precisar de
gabinete grande na produção de computador modelo B, que deverá ser de 30
unidades deste modelo, tem-se uma folga de 20 unidades de gabinete grande.

O modelo A requer, na sua produção, um gabinete pequeno e uma unidade de


disco. O modelo B requer um gabinete grande e duas unidades de disco. Existem
no estoque: 60 unidades do gabinete pequeno, 50 do gabinete grande e 120
unidades de disco.

Por último, os valores para o Preço sombra (Dual Prices) nos representam o
aumento na função objetivo se aumentarmos de um o limite da restrição.
Portanto, se a restrição disponibilidade de gabinete pequeno for aumentado de
60 para 61 unidades, teremos uma nova solução, na qual o lucro total será
aumentado de R$30,00. Em relação às unidades de discos, caso tenha um
aumento adicional de uma unidade na sua disponibilidade, teremos uma nova
solução, na qual o lucro total será aumentado de R$150,00

2)R: a) No programa de produção para o próximo período, a empresa Beta Ltda.,


deve produzir 280 unidades do produto P1, 600 unidades do produto P2 e 120
unidades do produto P3, para obter um máximo lucro de R$1.380.000,00.
141

Para realizar o plano ótimo de produção acima citado, estão no seu limite as
restrições de horas trabalho, horas máquina e de demanda para o produto P2.
Existe uma folga de 520 unidades em relação à restrição de demanda para o
produto P1, uma vez que só devemos produzir 280 unidades deste produto e sua
demanda de mercado é de 800 unidades.

Por último, considerando os valores para o Preço sombra (Dual Prices), em relação
à disponibilidade de horas trabalho, disponibilidade de horas máquina e da quantia
máxima de demanda para o produto P2, caso tenhamos um aumento adicional de
uma unidade no parâmetro destas restrições (individualmente), teremos uma nova
solução, na qual o lucro total será aumentado, respectivamente, em R$50,00;
R$150,00 e R$100,00.

b)R:
b.1. Não, por que conforme o relatório de análise de sensibilidade, a lucratividade
do produto P1 pode baixar até R$1.500,00, que ainda assim o plano ótimo de
produção permanece inalterado.
b.2. Observando os valores para o Preço sombra (Dual Prices), em relação à
disponibilidade de horas trabalho, para cada hora adicional temos um
aumento na função objetivo de R$50,00 (no lucro será de R$40,00,
descontando-se o custo de R$10,00/hora). Considerando a coluna
intermediária da última tabela do relatório de análise de sensibilidade, a
empresa poderá contratar até 2.400 horas trabalho.
b.3. Mantido o cenário apresentado, um aumento de 100% na demanda para os
produtos P1 e P3, não terá nenhum impacto na definição do plano ótimo de
produção (observe o valor zero do Dual Prices para a demanda de P1 e de P2).
Portanto, o aumento esperado no lucro total é zero.

Unidade 6

1)R:
a) Método de Canto Noroeste:
CT = 40x10 + 10x12 + 40x25 + 50x18 + 10x10 = 2.520.
b) Método de Vogel:
CT = 30x15 + 10x20 + 50x12 + 50x18 + 10x14 = 2.290.
2)R:
a) Método de Canto Noroeste:
CT = 100x10 + 50x25 + 30x18 + 20x24 = 3.270.
b) Método de Vogel:
142

CT = 2x10 + 30x15 + 50x20 + 80x12 + 20x14 = 2.890.

3)R: Método de Canto Noroeste:


CT = 200x5 + 100x4 + 50x9 + 50x8 + 250x6 = 3.750.

Unidade 7

1)R: A Epagri deve selecionar os projetos Camarão, Leite e Ostra, para obter um
valor presente líquido máximo de R$352,26.

2)R: O Jornal de Barreiros deve alocar 13 funcionários para iniciarem suas


atividades na segunda-feira, 6 funcionários para iniciarem suas atividades na
terça-feira, 5 funcionários para iniciarem suas atividades na quarta-feira, 14
funcionários para iniciarem suas atividades na quinta-feira, 1 funcionários para
iniciarem suas atividades na sexta-feira e 6 funcionários para iniciarem suas
atividades no sábado.

O mínimo custo total dos funcionários do Jornal de Barreiros necessários para


suprir as demandas diárias é R$22.800,00. Os resultados obtidos pelo Solver
para o problema de escala de funcionários do Jornal de Barreiros podem ser
visualizados na Figura 2.

Figura 2 - Resultados obtidos pelo Solver para o problema de escala de funcionários do Jornal de
Barreiros

Unidade 8

1)R: Além dos exemplos apresentados no texto, podemos utilizar a simulação para
responder as seguintes perguntas de interesse para o mundo dos negócios:
143

- Como uma empresa deve definir seu plano de produção, os níveis de


estoque e de funcionários e planejar suas necessidades de
investimento?
- Qual será a probabilidade de que um novo produto seja lucrativo?
- Quantas unidades de um produto devem ser mantidas no estoque, para
que a demanda não atendida não ultrapasse 5%?
- Qual o número mínimo de caixas de supermercado requeridas para que
o tempo de espera dos clientes na fila, não ultrapasse 8 minutos, por
exemplo?

2)R: A mente humana não consegue processar uma grande quantidade de dados e
de relações entre variáveis, podendo ser facilmente conseguido com o uso da
informática. Além disso, os modelos de simulação através do uso da computação,
podem ajudar o administrador permitindo aumentar a sua experiência e
aprimorando o seu processo de tomada de decisão.

3)R: O administrador ou analista deve realizar várias simulações com preços,


realizando várias hipóteses para o preço do pastel, e verificar para cada hipótese
(nível de preço), qual o resultado esperado em termos de lucro. A partir destes
resultados, poderá escolher aquele preço que proporciona o maior lucro.

Unidade 9

1)R: (d) BCH

2)R: a) As atividades críticas são BDF e o tempo previsto para a realização deste
projeto é de 40 dias.
b) As atividades críticas são ACF e o tempo previsto para a realização deste
projeto é de 22 dias.
144

CASOS APLICADOS À ÁREA DE NEGÓCIOS PARA DESENVOLVIMENTO


DO TRABALHO DE PESQUISA OPERACIONAL

Objetiva-se realizar comentários sobre a apresentação escrita e oral do trabalho


e sugerir alguns temas ou casos práticos que podem ser úteis para servir como
referência para o desenvolvimento de um estudo de Pesquisa Operacional.

a) Apresentação escrita do trabalho

Inicialmente gostaria de observar que o trabalho de conclusão da disciplina de


“Introdução à Pesquisa Operacional”, pode ser estruturado da seguinte forma:

Introdução
Sugere-se descrever detalhadamente o problema, tipo e/ou características da
empresa, o objetivo pretendido, produtos e recursos.

Modelagem do Problema
Sugere-se comentar sobre a aplicabilidade do método de programação linear para
a resolução do problema descrito anteriormente. A seguir, sugere-se seguir os
passos para a modelagem propriamente dita, ou seja, definir as variáveis de
decisão, a função objetivo e as restrições desse problema.

Análise e Interpretação dos Resultados


As notas de aulas e a bibliografia recomendada no plano de ensino desta disciplina
podem servir de auxílio.

Conclusões e/ou Principais Recomendações


Apresentar principais recomendações para a resolução do problema proposto.
Pode-se também comentar sobre: as dificuldades no desenvolvimento desse
trabalho, se a solução obtida parece adequada, sugestões de estudos futuros e
vantagens no uso da técnica de Programação Linear.

Anexos
Apresentar os relatórios emitidos pelo software de Programação Linear.

Referências Bibliográficas
145

Observação!
Os artigos deverão ser submetidos obedecendo às normas de publicação da
universidade. O(s) autor(es) entregará(ão) uma cópia impressa do artigo,
juntamente com um disquete de 3 ½ polegadas ou cd-rom.

b) Apresentação oral do trabalho

Durante uma apresentação oral é importante prestar a atenção nas mesmas


qualidades específicas que devem ter os trabalhos acadêmicos, ou seja: concisão,
clareza, vocabulário correto e preciso.

O tempo de duração deverá ser estritamente o necessário para a apresentação


sintética do tema do trabalho – em torno de 15 a 20 minutos, no máximo –,
implicando numa linguagem e conteúdo adequados para o conjunto dos alunos.

A partir do exposto, sugere-se de modo prático e sucintamente, o seguinte


roteiro de apresentação oral, como segue:
a) Agradecimentos, em especial, aqueles que contribuíram para o
desenvolvimento do trabalho (aproximadamente 1 minuto);
b) Introdução (dizer o que pesquisou, por que e para que escolheu o tema
proposto em aproximadamente 3 minutos): deve ser o mais breve possível,
limitando-se a situar o assunto e indicar o estado em que se encontrava o
conhecimento do tema ou problema que vai ser apresentado e destacar os
motivos que o levou a pesquisar;
c) Metodologia (dizer como pesquisou, em aproximadamente 3 minutos):
como o trabalho foi desenvolvido, citando os métodos utilizados ou
descrevendo pontos da modelagem realizada;
d) Resultados (dizer que resultado atingiu com a pesquisa, em
aproximadamente 5 minutos): por constituir-se na parte mais importante
da comunicação, enunciá-lo da maneira mais clara e simples possível, para
que sejam facilmente apreendidos pelos demais colegas. Trata-se do
momento de expor a análise e interpretação dos resultados obtidos;
e) Comentários finais (dizer o que aprendeu com este tipo de estudo em
aproximadamente 3 minutos): comentar se os resultados apresentados são
consistentes com a realidade da empresa, ou ainda, se o trabalho fez
avançar o seu conhecimento na área.

c) Problemas de Pesquisa Operacional Aplicado à Área de Negócios


146

Problemas de Maximização
Estudo de Caso: Planejamento de Produção de Produto de Uísque. Andrade
(2004), pg. 57;
O Problema de “Mescla” de Produtos de Blubbermaid, Inc. Mathur & Solon
(1996), pg. 63-66;
O Problema do Tipo Fazer ou Comprar da LCL Motores Ltda.
Lachtermacher (2002), pg. 105-111;
O Problema de Produzir ou Comprar da Mtv Steel Company. Mathur &
Solon (1996), pg. 66-70;
Carteira de Investimentos. Darci Prado (1999), pg. 58-59;
Escolha de carteira de investimentos: o caso da LCL Investimentos S. A.
Lachtermacher (2002), pg. 111-117;
O Problema de Administração da Carteira de Valores da High Tech.
(maximizar a taxa interna de retorno controlando o risco). Mathur & Solon
(1996), pg. 74-79;
O Problema da Fábrica de Móveis. Goldbarg (2000), pg 38 e 39.
Planejamento de Operações para Produção de Móveis da Companhia ALT-
M. Andrade (1998), pg. 67-75;
O Problema de Planejamento da Produção da National Sttel Corporation
(NSC). Mathur & Solon (1996), pb. 84-92 (média complexidade);
O Problema da American Steel Company. Mathur & Solon (1996), pg. 93-
105 (média complexidade);
Problema de Produção e Estoque: o caso da LCL Armazéns e Comércio
Ltda. Lachtermacher (2002), pg. 129-134;
Problemas de Programação Inteira: o Caso de Alocação de Recursos em
Projetos. Lachtermacher (2002), pg. 266-269;
O Problema do Sítio. Goldbarg (2000), pg 43 e 44.
O Problema da Cooperativa Agrícola. Goldbarg (2000), pg 45 e 46.
O Problema do Planejamento Agrícola. Possibilidade de estudos de
propriedades rurais do Sul de Santa Catarina.

Problemas de Minimização
O Problema da Dieta. Goldbarg (2000), pg 42 e 43;
O Problema de Dietas do Hospital “General Mountain View”. Mathur &
Solon (1996), pg. 71-74;
Fabricação de Sorvete. Darci Prado (1999), pg. 54-56;
O Problema de Formulação de Ração de Custo Mínimo. Caixeta Filho
(1996), pg. 46-49;
147

O Problema de Nutrição de Mínimo Custo: Caso do “McDonald’s”. Aieta,


Joseph F. (1997), pg. 17-19;
O Problema da Mistura de Gasolina da Hexxon Oil Company. Mathur &
Solon (1996), pg. 80-83;
Problema de Mistura de Componentes: o caso da LCL Tintas Ltda.
Lachtermacher (2002), pg. 124-129;
Programação Não-linear: o Caso do Lote Econômico (Controle de Estoque).
Lachtermacher (2002), pg. 306-310;
Fluxo de Caixa Multiperíodo: o caso da LCL Restaurantes Ltda.
Lachtermacher (2002), pg. 135-139.

Problemas de Transporte
Estudo de Caso: Planejamento de Transporte de uma Fábrica de Cerveja.
Andrade (2004), pg. 89;
Problema de Transporte e Localização Industrial. Darci Prado (1999),
pg.81-84;
O Problema de Distribuição de Cosmic Computer Company. Mathur & Solon
(1996), pg. 19-26;
Problemas de Transporte: o caso da LCL Bicicletas Ltda. Lachtermacher
(2002), pg. 150-160;
Problemas de Rede de Distribuição: o caso da LCL Carros Brasil Ltda.
Lachtermacher (2002), pg. 224-234;
Problema do Menor Caminho: o Caso LCL Adornos & Tecidos.
Lachtermacher (2002), pg. 234-238;
A Escolha da Melhor Rota. Andrade (2004), pg. 86;
Determinação do Fluxo Máximo de Transporte em Rede com Rotas
Limitadas. Andrade (2004), pg. 82;
O Problema de Fluxo Máximo da Refinaria da Hexxon Oil Company. Mathur
& Solon (1996), pg. 26-30;

Problemas de Programação Inteira


O Problema do Jantar de Nero. Goldbarg (2000), pg 182 e 183;
Escala de Funcionários: o caso LCL Correios e Malotes. Lachtermacher
(2002), pg. 117-124;
O Problema de Alocação de Pessoal. Goldbarg (2000), pg 181 e 182.
O Problema da Designação de Pessoas. Darci Prado (1999), pg. 108-109;
O Problema da Designação de Tarefas. Darci Prado (1999), pg.110-111;
O Problema do Desenho de Containers, Inc. Mathur & Solon (1996), pg.
39-43;
148

O Problema de Administração da Carteira de Valores da High Tech (uso de


variáveis inteiras 0 ou 1). Mathur & Solon (1996), pg. 30-35.
149

Luis Augusto Araújo

Pesquisa
Operacional
Aplicada à área de negócios
Modelagem em Excel e LINDO
Cursos de Administração, Economia e Contábeis

Março de 2007
Florianópolis – Santa Catarina
150

Este livro objetiva atingir dois públicos: os


estudantes e os profissionais que tenham interesse
em saber como a Pesquisa Operacional pode auxiliá-los
no processo de tomada de decisão.
Os nove capítulos deste livro tratam de temas
considerados de importância fundamental
dentro da Pesquisa Operacional.
Ao final de sua leitura, espero ter mostrado a
utilidade e o potencial da Pesquisa Operacional,
através da abordagem computacional do texto, ao
ensinar a utilização da planilha Excel e do software
Lindo, para a solução de problemas
da área de negócios.

Luis Augusto Araújo, M. Sc.


151

Você também pode gostar