UNIVERSIDADE FEDERAL DE VIÇOSA

CENTRO DE CIÊNCIAS HUMANAS, LETRAS E ARTES

DEPARTAMENTO DE ADMINISTRAÇÃO E CONTABILIDADE

Produtos Múltiplos e Recursos

Limitados ou Restritos
• Prof.: Nálbia de Araújo Santos
 Margem de contribuição e fatores limitantes de
produção
A B

Preço de venda ($) 80 70

Menos custos variáveis ($) 20 40
Margem de Contribuição ($) 60 30

A companhia Roque fabrica dois produtos. O produto A requer

5 horas de mão de obra, enquanto que o produto requer
apenas 2 horas. A empresa tem apenas 320 horas de mão de
obra disponíveis por semana. Além disso, a empresa pode
vender tudo o que produzir de qualquer um dos produtos.
Pergunta-se: a) Qual produto (s) a empresa deveria fabricar? b)
Qual seria o benefício incremental de se obter 10 horas de mão
de obra adicionais?
MARINS, 2009
 Solução
A B
Preço de venda ($) 80 70
Menos custos variáveis ($) 20 40
Margem de Contribuição ($) 60 30
Horas de mão de obra (restrição de 320) 5 2
Margem de Contribuição fator restritivo ($) 12 15
Quantidade a produzir se for um único prod. 64 160
Margem de Contribuição Total de um único prod. 3.840,00 4.800,00
Quantidade a produzir (restrição de 320+10=
330) 66 165
Nova Margem de Contribuição total de um único
prod. 3.960,00 4.950,00
Aumento com a mudança em quantidade 2 5
Aumento com a mudança na quantidade em % 3,125% 3,125%
Aumento com a mudança na margem em % 3,125% 3,125%
 Margem de contribuição e fatores limitantes de
produção
• Empresa produz brinquedos. O primeiro (B1) a margem é de
$8 por dúzia e a margem do segundo (B2) é de 5.
Semanalmente, o consumo de plástico deve limitar-se a
1.000 Kg e o seu consumo é de 2 e 1, respectivamente, para
B1 e B2. O tempo de produção não pode ultrapassar 2.400
minutos, o tempo gasto de produção para cada tipo de
brinquedo é de 3 e 4, respectivamente, para B1 e B2. Os
gestores programarão uma produção total de 700
brinquedos e no mínimo a produção de 350 dúzias de cada
tipo de brinquedo.

• Assim, qual é a produção ideal de cada tipo de brinquedo que

aumentará o lucro da empresa?

MARINS, 2009
Como resolver esse problema ?
 Programação Linear

• Programação Linear:
• Preocupação em encontrar a melhor solução para problemas
associados com modelos lineares.

• Modelo de Programação Linear:

Maximização (ou minimização) de uma função objetivo linear
com relação as variáveis de decisão do modelo.
Respeitando-se as limitações (restrições) do problema expressas
por um sistema de equações e inequações associadas com as
variáveis de decisão do modelo.

MARINS, 2009
 Programação Linear

• Programação linear:
– Maximizar ou minimizar uma função linear
– Sujeito a um conjunto de restrições lineares
(igualdades ou desigualdades)
– Variáveis reais que podem assumir “qualquer”
valor

BLOCKER et al. 2007.

 Modelagem em Programação Linear
• Razões para o uso da Programação Linear:
1. Grande variedade de situações podem ser aproximadas por
modelos lineares.

2. Existência de técnicas (algoritmos) eficientes para a solução

de modelos lineares.

3. Possibilidade de realização de análise de sensibilidade nos

dados do modelo.

4. Estágio de desenvolvimento da tecnologia computacional.

MARINS, 2009
 Modelagem em Programação Linear
• Passos básicos na obtenção de modelos de PL:
1. Identificar as variáveis de decisão, representá-las em
simbologia algébrica.

2. Identificar as restrições do problema, expressá-las como

equações ou inequações lineares em termos das variáveis de
decisão.

3. Identificar o objetivo de interesse no problema, representá-

lo como função linear em termos das variáveis de decisão,
que deverá ser maximizada ou minimizada.

MARINS, 2009
 Resolução gráfica de modelos de PL

A Gerência está procurando um

programa de produção que aumente
o lucro da Companhia.
Variáveis de decisão:

X1: produção semanal de B1 (em dúzias).

X2: produção semanal de B2 (em dúzias).

Função Objetivo: Maximizar o Lucro semanal

MARINS, 2009
10
 Resolução gráfica de modelos de PL

Max 8X1 + 5X2 (Lucro semanal)

sujeito a:
2X1 + 1X2 ≤ 1000 (Plástico - Kg)
3X1 + 4X2 ≤ 2400 (Tempo de produção - minutos)
X1 + X2 ≤ 700 (Produção total)
X1 - X2 ≤ 350 (mix)
Xj  0, j = 1,2 (Não negatividade)

MARINS, 2009
11
 Resolução gráfica de modelos de PL

Conceitos importantes:
Os pontos (X1, X2) que satisfazem todas as restrições do
modelo formam a Região Viável.
Esses pontos são chamados de Soluções Viáveis.

Usando a resolução gráfica pode-se representar todos as

restrições (semi-planos), a função objetivo (reta) e os três
tipos de pontos viáveis.

MARINS, 2009
12
 Resolução gráfica de modelos de PL
1º Passo:

Traçar eixos cartesianos, associando a cada um deles uma

variável de decisão.

No exemplo de fabricação de brinquedos: X1 para o eixo

das abscissas e X2 para o eixo das ordenadas.

As restrições de não-negatividade, X1  0 e X2  0,
implicam que os pares (X1, X2) viáveis estão no 1º quadrante
dos eixos considerados.

MARINS, 2009
13
 Resolução gráfica de modelos de PL

2º Passo:

Observar que a função-objetivo, ao se fixar um valor para Z,

representa uma reta. Alterações neste valor de Z gera uma família de
retas paralelas.

No exemplo dos brinquedos: considere a reta obtida fazendo

Z= 2000, isto é , a reta dada por 8X1 + 5X2 = 2000. Percebe-se que ao se
traçar retas paralelas no sentido de ficar mais afastado da origem (0, 0), o
valor de Z aumenta.

De fato pode-se verificar que a reta paralela, que contém algum

ponto da região viável, no caso o ponto ótimo X* = (320, 360), e está
mais afastada da origem, corresponde a um valor ótimo da função
objetivo Z* = 4360.
MARINS, 2009 14
 Resolução gráfica de modelos de PL

Representando as condições de não negatividade

X2

X1

MARINS, 2009 15
 Resolução gráfica de modelos de PL
Observar que no exemplo dos brinquedos, as restrições correspondem a
semi-planos associados, respectivamente, às retas suportes dadas por:

2X1 + 1X2 = 1000

3X1 + 4X2 = 2400
X1 + X2 = 700
X1 - X2 = 350
Xj  0, j = 1,2
Notar que cada reta suporte define dois semi-planos no espaço (X1, X2).
Para identificar qual destes semi-planos é de interesse no caso, ou seja,
contém os pontos que satisfazem a desigualdade da restrição, basta testar
algum ponto à esquerda ou à direita (acima ou abaixo) da reta suporte da
desigualdade.
Um ponto que torna isto fácil é a origem (0, 0), mas poderia ser qualquer
outro.
MARINS, 2009
16
 Resolução gráfica de modelos de PL

X2

1000 Restrição do plástico

2X1+X2  1000
700 Restrição da produção total
X1+X2  700 (redundante)
500

Inviável
Tempo de Viável
produção
3X1+4X2  2400 X1
500 700

MARINS, 2009
17
 Resolução gráfica de modelos de PL

X2
1000 Restrição do plástico
2X1+X2  1000
700 Restrição da produção total:
X1+X2  700 (redundante)
500
Inviável
Restrição do mix da produção:
X1-X2  350
Tempo de Produção Viável
3X1+4X2  2400
X1

MARINS, 2009
18
 Resolução gráfica de modelos de PL

X2
1000

700

500
Inviável

Viável

X1
500 700
Pontos interiores. Pontos na fronteira. Pontos extremos.
MARINS, 2009 Há três tipos de pontos viáveis. 19
 Resolução gráfica de modelos de PL

A busca por uma Solução Ótima:

X2 Começar com algum valor de lucro arbitrário,
1000 Por exemplo $2000...
Depois aumentar o lucro, se possível...
...e continuar até que seja inviável
700
X* = (320, 360)
600 com Z* = 4.360

X1
MARINS, 2009
20
500
 Resolução gráfica de modelos de PL

Pontos extremos e Soluções Ótimas

Se o problema de Programação Linear tem uma Solução
Ótima, um ponto extremo é Solução Ótima.

MARINS, 2009
21
 Resolução gráfica de modelos de PL

Visualização de situações possíveis

X2 X2
Z
Z*

Solução X1 X1
Solução
única ilimitada

MARINS, 2009
22
 Resolução gráfica de modelos de PL

Soluções Ótimas Múltiplas

Quando a função objetivo é paralela a alguma restrição.

Todos os pontos do segmento de

reta serão Soluções Ótimas.
X*1 X* = X*1 + (1 - )X*2, com 0    1

X*2

MARINS, 2009
23
 Resolução gráfica de modelos de PL

X2
X2

Z
* X*

X*

X1 Z* X1
Múltiplas Soluções
Múltiplas
Ótimas 1 –
Soluções Ótimas 2
Segmento de Reta
Semi-reta Ótima
Ótimo
MARINS, 2009
24
 Resolução gráfica de modelos de PL

X2

O conjunto
viável é vazio. Problema
Há restrições inviável
incompatíveis.

X1

MARINS, 2009
25
 Forma padrão de modelo de PL

Um modelo de PL com m restrições e n variáveis está na

forma padrão se possuir as características abaixo:

1. A função-objetivo é de minimização ou maximização;

2. Todas as restrições estão na forma de igualdade;

3. Todas as variáveis são não-negativas;

4. As constantes de cada restrição são não-negativas.

MARINS, 2009
26
Outro exemplo
A WINDOR GLASS Inc. dispõe de capacidade extra para produzir dois novos
produtos. A demanda é muito maior que a capacidade disponível (toda
produção poderá ser vendida).
Pergunta-se: (a) o que produzir? (b) quanto produzir? (c) qual será o lucro?
(d) qual o valor, em $/hora, da capacidade disponível em cada setor
produtivo? Os dados estão na tabela abaixo.

Produto Capacidade
Setor Produtivo
Janelas Portas Disponível
Montagem 1 hora/unid. - 4.000 horas/mês
Laminação - 2 hora/unid. 12.000 horas/mês
Corte 3 hora/unid. 2 hora/unid. 18.000 horas/mês
Lucro Unitário $ 3,00 $ 5,00

MAYERLE, 2007
 Programação Linear
Formulação de Modelos
Produto Capacidade
Setor Produtivo
Janelas Portas Disponível
Montagem 1 hora/unid. - 4.000 horas/mês
Laminação - 2 hora/unid. 12.000 horas/mês
Corte 3 hora/unid. 2 hora/unid. 18.000 horas/mês
Lucro Unitário $ 3,00 $ 5,00
• Variáveis
X1 = qtde. de janelas, em milhares de unidades;
X2 = qtde. de portas, em milhares de unidades;
Max Z = 3 x1 + 5 x2
Z = lucro total obtido com novos produtos. s.a : x1  4
• Restrições
a) disponibilidade do setor de montagem; 2 x2  12
b) disponibilidade do setor de laminação;
c) disponibilidade do setor de corte;
3 x1 + 2 x2  18
d) quantidades não negativas. x1 , x2  0
• Objetivo
Maximizar o lucro total da empresa
MAYERLE, 2007
 Programação Linear
Solução Gráfica

x2
Max Z = 3 x1 + 5 x2
x1  4
9
s.a :
8 x1  4
2 x2  12 7
3 x1 + 2 x2  18 6 2 x2  12
x1 , x2  0 5

4
x1  0 3

3 x1 + 2 x2  18
1

0
MAYERLE, 2007 0 1 2 3 4 5 6 7 8 9 x1
x2  0
 Programação Linear
Solução Gráfica
• O que fazer se além de portas e janelas a WINDOR puder fabricar, também,
mesas e armários?
Resolver graficamente o problema torna-se inviável ... É necessário usar
métodos numéricos mais eficazes e eficientes.

• Quantos produtos diferentes uma fábrica pode produzir?

5, 10, 100, 1000, ...

• Quantos setores de produção uma fábrica possui?

5, 10, 100, 1000, ...

• E se existem restrições adicionais em relação ao uso de matéria-prima,

energia, estoques, mão-de-obra, cadeia de suprimento e distribuição?
Outros modelos, mais complexos, poderão ser formulados ...
A solução gráfica não se aplica a estas outras situações !!!
Ribeiro; Martins (2009)
 Outro exemplo
• Uma empresa produz dois tipos de fósforos. Esta empresa tem um lucro
de 3 (x100 u.n.) em cada caixa de fósforos longos e de 2 (x100 u.n.) em
cada caixa de fósforos curtos. Fósforos dos dois tipos são feitos por uma
única máquina, que pode produzir 9 (x100.000) caixas de fósforos por ano.
Para produzir e vender os fósforos, a empresa precisa de madeira e de
caixas. São necessários 3 m3 de madeira para cada caixa de fósforos longos
e 1 m3 de madeira para cada caixa de fósforos curtos.
• A empresa possui 18 (x100.000) m3 de madeira para usar durante o
próximo ano. Dispõe ainda de 7 (x100.000) caixas para fósforos longos e 6
(x100.000) caixas para fósforos curtos. A empresa deseja maximizar seus
lucros com a venda de fósforos no próximo ano, sabendo que toda sua
produção pode ser vendida.
• Como formular e resolver este problema através de um modelo
matemático?

Ribeiro; Martins (2009)

 Formulação do Modelo
• Variáveis de decisão:
x1: número de caixas (x100.000) de fósforos longos
x2: número de caixas (x100.000) de fósforos curtos
• Objetivo da empresa:
Lucro em uma caixa de fósforos longos = 3 (x100)
Lucro em x1 caixas de fósforos longos = 3 x1 (x100)
Lucro em x2 caixas de fósforos curtos = 2 x2 (x100)
Lucro total a ser maximizado = 3 x1 + 2 x2
função objetivo

▪ A função objetivo sozinha define a programação da produção?

Ribeiro; Martins (2009)

 Formulação do Modelo
• Restrições:
Capacidade máxima anual de produção da máquina:
x1 + x 2  9 (x100.000)

Quantidade de madeira disponível:

3x1 + x2  18 (x100.000)

Número máximo de caixas disponíveis:

x1  7 (x100.000)
x2  6 (x100.000)

Não-negatividade: x1  0 e x2  0
Ribeiro; Martins (2009)
 As Funções
• Problema de programação linear:
maximizar 3 x1 + 2 x2
sujeitoa :
x1 + x2  9 restrição (1)

3 x1 + x2  18 restrição (2)

x1  7 restrição (3)

x2  6 restrição (4)

x1 , x2  0
▪ Programação linear: todas as relações entre variáveis são
lineares (função objetivo e restrições)

Ribeiro; Martins (2009)

 Questões
• Como resolver aquele problema de
programação linear?
• Resolver: determinar os valores ótimos das
variáveis de decisão
• Solução gráfica: método mais simples para
problemas com duas variáveis apenas
• Representar e tratar o problema no plano

Ribeiro; Martins (2009)

 Solução gráfica
• Restrições de não-negatividade:

Ribeiro; Martins (2009)

 Solução gráfica
• Não-negatividade e restrições (1) a (4): região
viável maximizar3 x1 + 2 x2
sujeitoa:
x1 + x2  9 restrição (1)

3 x1 + x2  18 restrição (2)

x1  7 restrição (3)

x2  6 restrição (4)

x1 , x2  0

A restrição (3) é desnecessária ou redundante.

Ribeiro; Martins (2009)
 Solução gráfica
• Maximização da função objetivo:

3x1 + 2 x2
maximizar

normal=(3,2)

Ribeiro; Martins (2009)

 Solução gráfica
• Maximização da função objetivo:
3x1 + 2 x2 = 22,5

maximizar 3x1 + 2 x2
3x1 + 2 x2 = 12
x1 = x2 = 4,5
(máximo)
3x1 + 2 x2 = 0

x1 = x2 = 0
(mínimo)

Ribeiro; Martins (2009)

 Solução gráfica
• Visualização do modelo em três dimensões:
z = 3x1 + 2 x2

Ribeiro; Martins (2009)

 Mais uma restrição
• Extensão do modelo com uma restrição
adicional: devido a restrições contratuais, a
empresa deve fornecer um mínimo de 5
(x100.000) caixas de fósforos no próximo ano.
x1 + x2  5 (x100.000)

A solução gráfica não se aplica a esta situação !!!

Ribeiro; Martins (2009)

 Referencias Bibliográficas
• BLOCKER, E. J.; CHEN, K. H.; COKINS, G.; LIN, T. W. Gestão Estratégia de Custos. 3 ed.
São Paulo: McGraw-Hil, 2007.

• ANTHONY, Robert N.; GOVINDARAJAN, Vijay. Sistemas de Controle Gerencial. 2 ed. São
Paulo: McGraw-Hill, 2008.

• HORNGREN, Charles T. FOSTER, George. DATAR, Srikant M.Cost. Contabilidade de

Custos. Tradução Robert Brian Taylor. 11. ed. São Paulo: Prentice Hall, v. 1 e 2, 2004.

• HORNGREN, Charles T. SUNDEM, Gary L. STRATTON, William O. Contabilidade

Gerencial. Tradução Elias Pereira. 12. ed. São Paulo: Prentice Hall, 2004.

• MARINS, Fernando. Programação Linear. In: Introdução à Pesquisa Operacional. Notações

de aula, Unesp, Departamento de Produção, Faculdade de Engenharia (campus de
Guaratinguetá), 2009.

• RIBEIRO, Celso Carneiro; MARTINS, Simone Lima. Programação Linear – Parte I -

Introdução. Notações de aula, 2009.

• MAYERLE, Sérgio. Pesquisa Operacional. Notações de aula, UFSC, 2007.

Exercitando o Celebro: o Caso
para Ensino
Montadora de veículos
 Montadora de veículos
• Uma empresa produz dois modelos de veículos cujos motores são
importados, e esses motores antes de serem instalados precisam ser
testados em uma máquina muito cara. O tempo de teste da máquina é
limitado. Os dados da produção foram colhidos no departamento de
Contabilidade de Custos e de Engenharia da Produção, e são os
seguintes:
– Dois departamentos são envolvidos no processamento dos motores, e
abaixo estão os dados necessários para resolução do caso:
Utilização da Produção Diária
Capacidade Máxima (Unidades)
(Horas/Unidade do
Produto)
Capacidade Diária
Deptº. Disponível (Horas)
Modelo A Modelo B Modelo A Modelo B
Montagem 600 horas-máquinas 2,0 5,0 300* 120
Teste 120 horas-teste 1,0 0,5 120 240
* Por exemplo, 600 horas-máquinas: 2,0 horas-máquinas por motor do modelo A = 300, o máximo de motores do
modelo A que o Departamento de Montagem pode fazer se trabalhar exclusivamente nesses motores.
 Montadora de veículos
• Observa-se, ainda, que o motor do modelo A e B têm margens de
contribuição, respectivamente, de $ 340 e $ 475, e por problemas de
fornecimento o modelo B limita-se à produção de 110 unidades por
dia.
– Outros dados importantes:
Capacidade do
Departamento (por
Dia) em Unidades
Custo Margem de
Produto Montagem Teste Preço de Variável por Contribuição
Venda Unidade por Unidade

Modelo A 300 120 $ 900 $ 560 $ 340

Modelo B 120 240 $ 1.100 $ 625 $ 475
• Os gestores da empresa querem saber: quantos motores de cada
tipo devem ser comprados diariamente, para maximizar o lucro
operacional?
 Solução do caso: Montadora de veículos
• DESAFIO

• Dica para solução via planilha eletrônica (Excel):

• https://www.researchgate.net/publication/257066475_Contabilida
de_de_custos_para_decisao_e_programacao_linear