01

PLANO DE AULA
AULA# 01 e 02
Data____/03/2020
INVESTIGAÇÃO OPERACIONAL
3º ANO - GAE Duração: 90 Minutos
I – SEMESTRE
Sumário: Apresentação da disciplina

Objectivos da Aprendizagem a Investigação Operacional em Gestão

RESUMO DESCRITIVO DA UNIDADE CURRICULAR:
Nesta unidade curricular, procura-se transmitir aos alunos uma visão abrangente da Investigação
Operacional encarada como método de apoio à decisão no contexto de organizações. Para além
das questões metodológicas, pretende-se tornar o aluno capaz de formular, validar modelos
matemáticos e resolver numericamente modelos lineares e lineares inteiros, em particular os
problemas de programação linear, de transporte e de afectação. Dá-se especial atenção à análise
crítica e interpretação económica dos resultados. É enfatizada a ligação ao meio exterior,
favorecendo o estudo, resolução e análise de casos reais.

OBJECTIVOS GERAIS:
- Com a cadeira de investigação Operacional espera-se contribuir para que os alunos
desenvolvam capacidades (métodos) de resolução de problemas concretos (processos de tomada
de decisão);
- Espera-se ainda dotar e desenvolver nos alunos competências para identificar e abordar de
forma hábil e estruturada, problemas de decisão;
- Construir modelos de problemas de decisão;
- Usar métodos quantitativos na obtenção de soluções para os problemas construídos, como
suportes para decisões fundamentais, bem como usar a informação extraída dos modelos para
induzir e motivar mudanças organizacionais.

OBJECTIVOS ESPECÍFICOS:
- O objectivo principal desta unidade curricular é, através da criação de modelos, desenvolver
competências para análise de um conjunto vasto de situações reais. Essas competências
baseiam-se na capacidade de, reconhecer o problema-chave numa situação não estruturada;
- Desenvolver uma estrutura para analisar a tratar o problema e na aplicação de métodos
analíticos na sua resolução;
- Saber resolver problemas de Programação Linear pelo Método Simplex, interpretar
economicamente a solução óptima obtida, avaliar a robustez das soluções usando a análise de
sensibilidade e de pós-optimização, saber formular o problema dual, determinar e interpretar a
sua solução.

OBJECTIVOS DE APRENDIZAGEM:
Dotar os alunos com competências para:
- Formular, resolver e implementar os modelos de Investigação Operacional na análise de
problemas reais na Gestão, Economia, Industria, etc.;
 02
2

- Utilizar a I.O. para a resolução optimizada de problemas associados aos sistemas produtivos e
financeiros;
- Identificar e abordar de forma hábil e estruturados problemas de decisão;
- Construir modelos de problemas de decisão;
- Recorrer a métodos analíticos para obtenção de soluções para modelos construídos, como
suporte para decisões fundamentais;
- Usar folhas de cálculo para análise e obtenção de soluções para modelos construídos;
- Extrair informação dos modelos e utilizá-la para comunicar e motivar mudanças
organizacionais.

PROGRAMA DA CADEIRA (em anexo)

MÉTODOS DE ENSINO: (Explicativo, elaboração conjunta, prática, …)

- Nas aulas teóricas são apresentados os conceitos e resultados relevantes dos diversos assuntos
tratados, realçando a sua importância na futura actividade profissional de Gestão, e recorrendo a
exemplos elucidativos e a estudos de caso;
- As aulas são teórico-práticas, sendo apresentados os conceitos base seguidos do estudo de
aplicações práticas e resolução de exercícios práticos, prevendo-se a utilização de ferramentas
informáticas (Excel);
- Apelo ao entendimento dos conceitos, à sua aplicação e inter-relação, e à interpretação de
informação diversa;
- Serão disponibilizados os elementos de apoio produzidos para aulas teóricas e os enunciados
dos casos práticos.

MÉTODO DE AVALIAÇÃO:
- Avaliação Contínua: Primeira e Segunda prova de frequência (50% e 50% das matérias
lecionadas), nota mínima em cada teste escrito 8 valores;
- Avaliação final: Exame escrito individual (100%), nota mínima 10valores;
- Exame de Recurso (100%), nota mínima 10valores.

BIBLIOGRAFIA DE APOIO:
 Investigação Operacional “ Programação Linear” «Manuela Magalhães Hill e Mariana
Marques dos Santos» Vol. 1, 2ª Ed. 2009, Edições Sílabo;
 Investigação Operacional “Exercícios de Programação Linear” «Manuela Magalhães Hill e
Mariana Marques dos Santos» Vol. 2, 2ª Ed. 2009, Edições Sílabo;
 Investigação Operacional “ Transportes, Afectação e Optimização de Redes” «Manuela
Magalhães Hill, Mariana Marques dos Santos e Ana Líbano Monteiro» Vol. 3, 2ª Ed. 2008,
Edições Sílabo;
 Investigação Operacional “ Exercícios e Aplicações” «Maria Cândida Mourão, Leonor Santiago
Pinto, Onofre Simões, Jorge Valente e Margarida Vaz Pato» 2011, Dashöfer Holding Ltd.;
 Investigación de Operaciones; «Hamdy A. Taha» 2ª Ed. 1991; Alfaomega;
 Programação Linear “ Algoritmo Simplex Primal, Dual, Transporte e Afectação”; «João M. S.
Carvalho»; 2014, VidaEconómica – Editorial, S.A;
 Matemática para Economia e Gestão ”em 11 lições” ; «Manuel Alberto M. Ferreira»; 1ª Ed.
1997; Edições Sílabo, Lda;
 Pesquisa Operacional; «Hamdy A. Taha»; 8ª Ed. 2008; Pearson Prentice Hall, São Paulo;
 Introdução à Pesquisa Operacional; «Frederick S. Millier e Gerald J. Lieberman»; 8ª Ed.
McGraw-Hill.
 03

PLANO DE AULA
AULA# 03 e 04
Data____/03/2020
INVESTIGAÇÃO OPERACIONAL
3º ANO - GAE Duração: 90 Minutos
I – SEMESTRE
CAPÍTULO # I- Introdução à Investigação Operacional

Objectivos específicos:
- Conhecer, a história da Investigação Operacional (origens e evolução);
- Apresentar, os conceitos fundamentais da Investigação Operacional, fases de estudo e
modelos, ramos da programação matemática e não só;
- Definir, Investigação Operacional e suas propriedades,

Meios de Ensino:
Métodos de Ensino:

SUMÁRIO: 1.1- Introdução à Investigação Operacional

1.1.1- Origens e evolução
1.1.2- Definições e características fundamentais da I.O.

DESENVOLVIMENTO:
1.1 – Introdução à Investigação Operacional
1.1.1 - Origens e Evolução

Histórico:
- II Guerra Mundial: (Problemas complexos; Envolvimento multidisciplinar de
cientistas “UK”; Desenvolvimento de técnicas matemáticas “USA”; Eficiência e
sucesso na área militar);
- Transferência dos conhecimentos adquiridos para a área civil: (Retorno dos cientistas
para as universidades; Adaptação e aplicação das técnicas em actividades económicas
“empresas petrolíferas e grandes corporações”; Padronização dos problemas
generalizado do uso da I.O;
- Década de 60: (Computadores resolução de problemas grandes e complexos;
Introdução da I.O. como disciplina nas universidades);
- Actualmente: (Aplicações nas indústrias, bancos, hospitais, instituições
governamentais, universidades, comércio, agricultura, informática, etc.

Quando surgiu à Investigação Operacional?

A Investigação Operacional surgiu no final da II- Guerra Mundial, quando os Aliados se

viram confrontados com problemas (relativamente aos recursos logísticos e as
 04
operações das forças armadas – táctica e estratégia militar) de grande dimensão e
complexidade.
Em Junho de 1947, George Bernard Dantzig Ourisson (08/11/1914 – 13/05/2005 –
Portland-Estado de Oregon-E.U. A), e outros cientistas, apresentaram uma forma
sistemática de resolução dos Problemas de Programação Linear PPL, (um dos ramos
mais desenvolvidos e mais utilizados da I. O.) que se designa por Método Simplex.

O que é a Investigação Operacional? (designações estrangeiras)

 Operational Research (UK ou RU)
 Operations Research (USA ou EUA)
 Investigación operativa (Espanha)
 Recherche Operationnelle (França)
 Pesquisa Operacional (Brasil)
 Investigação Operacional (Portugal)

1.1.2-Definições e características fundamentais da I.O.

Def.1 (Histórica): é um conjunto de problemas, técnicas de resolução e soluções, com

características bem definidas, acumuladas sob o termo I.O., desde a década de 40 do
século passado.
Def.2 (Filosófica): é o conjunto de conhecimentos relacionados com o processo
científico de tomada de decisão, aplicadas no projecto e operação de sistemas homem-
máquina, em um ambiente com recursos restritos.
Def.3: Investigação Operacional – Traduz o estudo e desenvolvimento de modelos de
optimização que servem de apoio à tomada de decisão.

Investigação Operacional = Investigação das Operações = Investigação das

Actividades (de uma organização)

Notas: - Tomar decisões constitui uma tarefa básica da Gestão;

- Decidir é escolher ou optar entre alternativas viáveis.

As características fundamentais da I.O. são:

1- A aplicação de métodos científicos na gestão das organizações (uma abordagem

quantitativa e qualitativa na tomada de decisões);
2- Orientação sistemática: o problema é analisado no contexto de um sistema que
inclui diversas componentes inter-relacionadas entre si, ou seja, as soluções
devem satisfazer toda a organização;
3- Extensibilidade ou alguns domínios de aplicação: pode-se aplicar a um largo
número de organizações (negócios “ business”, economia, industria, governos,
indústria militar, agências, hospitais, transporte, instituições financeiras, etc.)
 05

PLANO DE AULA
AULA# 05 e 06
Data____/03/2020
INVESTIGAÇÃO OPERACIONAL
3º ANO - GAE Duração: 90 Minutos
I – SEMESTRE
CAPÍTULO # I- Introdução à Investigação Operacional

Objectivos específicos:
- Conhecer, a história da Investigação Operacional (origens e evolução);
- Apresentar, os conceitos fundamentais da Investigação Operacional, fases de estudo e
modelos, ramos da programação matemática e não só;

Meios de Ensino:
Métodos de Ensino:

SUMÁRIO: 1.2 – Ramos Importantes desenvolvidos da I. O.

1.3 – Fases de estudo da I.O.
DESENVOLVIMENTO:

1.2 – Ramos Importantes desenvolvidos da I.O.

Os ramos mais importantes desenvolvidos da Investigação Operacional são:

- Problemas de distribuição de recursos, pessoal, etc

- Problemas de transporte e afectação
a) Programação Linear (R) - Problemas de Planeamento de produção
b) Programação Não Linear - Problemas de corte de material, etc.
Programação c) Programação Dinâmica
Matemática d) Programação Inteira – (Se todas as variáveis tomam valores em Z)
e) Optimização Global

a) Análise Estatística
b) Teoria dos Jogos
Ouros Ramos c) Teoria das Filas de Espera
d) Simulação
e) Gestão de Stocks, etc
- Organizações de tráfego aéreo
- Congestão do tráfego
- Construção de barragens

1.3 – Fases de Estudo da Investigação Operacional

Os principais passos na Investigação Operacional, para a resolução de um problema são:

 06

EQUIPA DE I. O.

FORMULAÇÃO

DOMÍNIO
MODELAÇÃO
DEFINIÇÃO DO PROBLEMA

SOLUÇÃO

IMPLEMENTAÇÃO AVALIAÇÃO

DECISÃO

1º Formulação: (Liberdade, Arbitrariedade e Coerência) – Devem ficar bem definidos:

 Os objectivos – que se pretendem alcançar com a resolução do problema;
 As restrições (limitações) – existentes no sistema em geral;
 As relações de interdependência – de todas as componentes integrantes do
sistema.
Obs.: A formulação inicial será sempre reformulada até que se alcance a que melhor
representa a situação real em estudo.

2º Modelo: é uma representação simplificada/idealizada, de uma situação na vida real,

com economia de tempo e recursos.
 Modelo matemático: é uma representação simplificada de uma situação da vida
real, formalizada com símbolos e expressões matemáticas. Ex. F = m.a (em física);
 Modelo matemático de um problema de optimização: é representado por um
sistema de equações (inequações) que descrevem a essência do problema.

Aspectos fundamentais a ter em conta no processo de Modelação

a) Não construir modelos complicados, quando um modelo simples é suficiente;

b) Evitar a construção de modelos de modo que se ajustem a uma técnica de
solução previamente definida;
c) Os modelos devem ser validados a priori em relação a implementação;
d) Não confiar cegamente no resultado do modelo, de modo a perder de vista a
realidade do problema;
e) Modelos não podem substituir os decisores (tomadores de decisão).
 07

Validação de Modelos:
- Aspectos a considerar:
 Não existe modelo perfeito;
 Não existe um critério de verificação de modelos;
 Não se pode “provar” ou “verificar” o modelo.

- Validar o modelo:
 Adquirir a convicção de que o modelo é útil para aquilo a que for proposto;
 Convencer o usuário de que os resultados são uteis dentro de um determinado
contexto.

3º Solução: Uma vez realizada a formulação do problema, é preciso aplicar métodos e

algoritmos desenvolvidos para a resolução do correspondente modelo de I.O. Para isto
podem ser utilizados muitos SOFTWARES e pacotes de computação disponíveis para a
resolução do problema de I.O.
- Análise de sensibilidade e pós-optimização, é incorporada também nesse passo.

4º Avaliação do modelo e da solução:

 Avaliação satisfatória: Proceder à tomada de decisão que prepara as condições
para implementação da solução obtida na situação real;
 Avaliação não satisfatória: Proceder à reformulação, remodelação e resolução do
novo modelo, a partir dos resultados obtidos no processo de avaliação e também
na análise de sensibilidade e pós-optimização.

5º Tomada de decisão da solução encontrada: Elaborar um relatório bem

documentado que possibilite a implementação da situação obtida na situação real.

6º Implementação: Efectua-se a implementação das soluções obtidas usando a

metodologia elaborada. No processo de implementação é preciso envolver activamente
a administração e todos os componentes da organização que actuam no sistema em
estudo.
 08

PLANO DE AULA
AULA# 07 e 08
Data____/03/2020
INVESTIGAÇÃO OPERACIONAL
3º ANO - GAE Duração: 90 Minutos
I – SEMESTRE
CAPÍTULO # II- Programação Linear (P.L) (linear programming LP)

Objectivos da aprendizagem:
- Apresentar, os conceitos fundamentais da programação linear;
- Resolver, graficamente um problema de P.L. com duas variáveis;
- Fazer, uma análise de sensibilidade aos coeficientes da F.O. e aos lados direitos das
restrições (T.I.) com base na resolução gráfica do problema;
- Determinar, quando a solução óptima não é a única;
- Reconhecer e utilizar os conceitos de solução admissível e não admissível, solução
óptima, restrição redundante e restrição activa;
- Determinar, os efeitos e impactos na solução óptima em introduzir novas restrições ou
retirar restrições já existentes num problema.

Meios de Ensino: Quadro, Marcador, Apagador, Cadernos, PC,…

Métodos de Ensino: Explicativo, elaboração Conjunta, Prática,…

SUMÁRIO: 2.1- Introdução e conceitos fundamentais P.L

2.2 – Formalização e modelação de P.P.L

DESENVOLVIMENTO:
2.1- Introdução e Conceitos Fundamentais

Neste capítulo pretende-se identificar, formular, resolver e interpretar soluções de

problemas de programação linear (P.P.L).
Os Problemas de Programação Linear (P.P.L), são uma classe particular da
Programação Matemática (P.M.), onde a função objectivo e as restrições podem ser
representadas por funções lineares.
Programação ↔ Planeamento de Actividades
Linear ↔ O problema é representado matematicamente pelo modelo de P.M.,
onde todas as funções são lineares.

Def. Um P.P.L – consiste em determinar valores não negativos para as variáveis de

decisão, de forma que satisfaçam as restrições impostas e que optimizem (minimizem
ou maximizem) uma função (real) linear dessas variáveis.
 09

Recomenda-se a seguinte abordagem para passar do enunciado a um P.P.L:

1- Determine a grandeza que se pretende optimizar e expresse-a como função
matemática. Ao fazê-lo, terá que definir as variáveis;
2- Identifique todos os requisitos, condicionalismos, limitações e expresse-os como
funções matemáticas. Assim definirá as restrições;
3- Expresse todas as condições implícitas. Tais condições não são estipuladas
explicitamente no problema, mas são evidentes face, a situação física que se esta
a modelar. Envolvem a não negatividade.

2.2 - Formalização e modelação matemática de P.P.L

Na formulação de P.P.L é necessário definir as variáveis de decisão xi (i  1,, n) ,

a função objectivo (F.O) e as restrições, que podem ser funcionais ou de sinal.
 variáveis de decisão – correspondem às quantidades de decisões a serem
tomadas e cujos valores são os que se pretendem determinar;
 função objectivo – corresponde à medida de rendimento apropriada (por
exemplo, custo) e é expressa por uma função matemática envolvendo as
variáveis de decisão e os pesos a atribuir a cada uma delas;
 restrições – correspondem às limitações impostas nos valores das variáveis
de decisão que irão ser determinadas; são também expressas
matematicamente (normalmente através de inequações ou equações); os
parâmetros são as constantes presentes nas restrições (coeficientes da parte
direita das restrições).

No quadro seguinte está resumido a forma (Modelo) de como se apresenta um P.P.L:

Problema de Programação Linear na Forma

Geral Canónica Standard (Padrão)
Função Objectiva Máx. /Mín. Máx. (Mín.) Máx. (Mín.)
Restrições ; ;   () =
Variáveis  0;  0;  R 0 0

Quando as restrições de um modelo de Programação Linear são apresentadas na forma

de equações diz-se que o modelo está na forma Standard (ou Padrão).

Quando as restrições de um modelo de Programação Linear são apresentadas na forma

de inequações diz-se que esse modelo está na forma Canónica.

O modelo de Programação Linear na Forma Canónica, do Tipo Máximo pode ser

apresentado: (- Objectivo é maximização; - as restrições são todas do tipo  ; - as
restrições de não negatividade são efectivas).
 10

Máx. Z = c1 x1  c2 x2    cn xn - Função Objectivo (F.O)

a11 x1  a12 x 2    a1n x n  b1
a x  a x    a x  b
Sujeito a (s.a) 
21 1 22 2 2n n 2
Restrições funcionais e de sinal
      
a x  a x    a x  b
 m1 1 m2 2 mn n m


 1 2
x , x ,  , x n  0

Forma Cartesiana (ou mais simplificadamente):

n

c
n

Máx. Z = x j - função objectivo; s.a  aij x j  b j -restrições funcionais e de sinal

j
 j
j
 xj  0

 x1 
 
Forma Matricial: Máx. Z = c , c , , c . x 2  - função objectivo
1 2 n
 
 
 xn 
 a11 a12  a1n   x1   b1 
 x1  0
a  a 2 n   x 2   b2  -restrições funcionais;  x  0 - restrições de sinal
s.a  21 a 22
   2   
              
         
a m1 am2  a mn   x n  bm   x n  0 

Ou Simplificadamente: Máx. Z = C.X – f.o ; s.a A. X  B  X  0

Onde: x1 , x2 ,, xn  variáveis de decisão (principais ou controláveis);

c1 , c2 ,, cn  coeficientes da função objectivo (coeficientes de custo ou económico);
aij (i  1,, m; j  1,, n)  coeficientes técnicos ou tecnológicos;
b1 , b2 ,, bm  termos independentes (constantes de restrição ou 2º membros)
Tarefa:
Tipo Mínimo “ Forma Canónica: Mín.. Z = c1 x1  c2 x2    cn xn - Função Objectivo (F.O)
a11 x1  a12 x 2    a1n x n  b1
a x  a x    a x  b
Sujeito a (s.a) 

21 1 22 2 2n n 2 Restrições funcionais e de sinal
      
a x  a x    a x  b
 m1 1 m2 2 mn n m


 x1 , x 2 ,  , x n  0

Forma Cartesiana (ou mais simplificadamente):

n

c s.a  aij x j

n
Mín. Z = j x j - função objectivo;  b j -restrições funcionais e de sinal
j  j
 xj  0

Forma Matricial...
OBS:Qualquer problema de minimização pode converter-se num de maximização, pois:
Minimizar Z = - Maximizar (- Z);
Restrições do tipo () , pode ser convertida em restrições do tipo () , mediante a
multiplicação por (-1) de ambos os membros.
 11

PLANO DE AULA
AULA# 11 e 12
Data____/03/2020
INVESTIGAÇÃO OPERACIONAL
3º ANO - GAE Duração: 90 Minutos
I – SEMESTRE
CAPÍTULO # II- Programação Linear (P.L) (linear programming LP)

Objectivos da aprendizagem:
- Apresentar, os passos necessários para resolução gráfica de um P.P.L;
- Conhecer, os diversos tipos de soluções no P. P.L;
- Identificar, os tipos de soluções com base na resolução gráfica
Meios de Ensino:
Métodos de Ensino:

SUMÁRIO: 2.3 – Resolução gráfica de P.P.L com duas variáveis

2.4 – Terminologia associada às soluções do P.P.L

DESENVOLVIMENTO:
2.3 – Resolução gráfica de P.P.L com duas variáveis

A resolução gráfica é um método frequentemente utilizado quando apenas dispomos de

duas variáveis de decisão, pois, para além de permitir encontrar rapidamente a solução
óptima, permite uma visualização do processo de aproximação à solução do problema.
A sua vantagem principal prende-se com a avaliação da maior ou menor influência das
restrições do problema para chegar à solução óptima.
Notas:
a) No plano Euclidiano ax1  bx 2  c , representa uma recta que passa em  0; c  e
 b
em  c ;
 ;0 
a 
b) A restrição ax1  bx 2  c , representa um semi-plano limitado pela recta
ax1  bx 2  c .
A resolução gráfica de um P.P.L apresenta diversos passos, que serão apresentados de
seguida:
1) Identificar as variáveis de decisão;
2) Montar a função objectivo;
3) Montar as equações das restrições;
4) Determinar no mínimo dois pontos para cada recta da restrição;
5) Representar os pontos e, traçar as rectas no plano cartesiano;
6) Selecionar (marcar) a área viável;
 sobre a recta

Obs.: se a restrição for:  acima da recta e a direita
 abaixo da recta e a esquerda

 12

7) Verificar a área comum entre todas as restrições;

8) Achar o ponto óptimo do problema;
9) Formular a resposta.

2.4 – Terminologia associada às soluções do P.P.L

Definições:
1. Uma Solução de um P.P.L é um vector de Rn cujas componentes representam os
valores das variáveis de decisão.
2. Uma solução que satisfaça todas as restrições (funcionais e de sinal) designa-se
por Solução Admissível (S.A).
3. Uma solução diz-se Não Admissível (S.N.A) se não verifica pelo menos uma
das restrições.
4. O conjunto de todas as soluções admissíveis é a Região Admissível (R.A).
5. Solução Óptima (S.O) é uma solução admissível que origina o melhor valor
para a função objectivo.
6. Soluções Óptimas Alternativas: são a diferentes soluções óptimas de um
mesmo problema, caso existam.

Teorema: A cada solução admissível de base corresponde o ponto anguloso do poliedro

de soluções, e vice-versa, em cada ponto anguloso do poliedro de soluções, corresponde
um plano básico.

Propriedades da Região Admissível:

1. A região admissível de um P.P.L ou é um conjunto vazio ou é um conjunto
convexo;
2. Se a região admissível de um P.P.L é não vazia e limitada, então existe solução
óptima;
3. Se um P.P.L tem óptimo, então pelo menos um dos pontos extremos da região
admissível é solução óptima;
4. Dado um P.P.L com óptimo, se um ponto extremo da região admissível não tem
pontos extremos adjacentes com melhor valor para função objectivo, então esse
ponto extremo é solução óptima.

Descrição sumária do procedimento do método gráfico (com base na F. O):

Começa-se por representar em R2 a Região admissível, como sendo o resultado da

intersecção dos semiplanos definidos por todas as restrições (de sinal e funcionais) do
problema.
 Se a Região Admissível igual a vazio R. A     o problema é impossível;
 Se a Região Admissível diferente do vazio R. A     identificar, caso existam
os pontos óptimos:
a) Representar uma recta de nível da Função Objectivo (atribuindo um valor
arbitrário a Z) e identificar o sentido de optimização;
b) Identificar os pontos da Região Admissível a que corresponde o melhor
valor de Z (ou seja identificar as Soluções Óptimas), ou concluir que o
problema tem valor óptimo ilimitado (não tem solução óptima).
 13

PLANO DE AULA
AULA# 13 e 14
Data____/04/2020
INVESTIGAÇÃO OPERACIONAL
3º ANO - GAE Duração: 90 Minutos
I – SEMESTRE
CAPÍTULO # II- Programação Linear (P.L) (linear programming LP)

Objectivos da aprendizagem:
- Resolver, P.P.L pelo método gráfico;
- Apresentar, as regiões admissíveis dos P.P.L;
- Identificar, a solução óptima e não só;
Meios de Ensino:
Métodos de Ensino:

SUMÁRIO: Exemplo: Exercício nº 2 (Resolução gráfica de P.P.L com duas variáveis)

DESENVOLVIMENTO:
Exemplos:
Capacidade utilizada por
unidade de produção
Secção nº Produto 1 Produto 2 Capacidade de produção
I 1 0 4
II 0 2 12
III 3 2 18
Lucro unitário 3 5
 xi – o número de unidades do produto produzidas por minuto, i = 1,2.
 Z – o lucro total por minuto.
 x1  4  I  sec ção
 2 x 2  12  II  sec ção
Máx. Z  3x1  5 x 2 (u.m)  Lucro total por minuto (F.O) s.a 

3x1  2 x 2  18  III  sec ção
 x1 , x 2  0
Resolução gráfica “ Uma única solução óptima”
 14

Múltiplas soluções:
No exemplo anterior se o lucro unitário do produto 2 de 5 passar para 2, a função
objectivo é agora a recta: Máx. Z  3x1  2 x 2 . Todos os pontos (uma infinidade) do
segmento de recta AB, são soluções óptimas, pois todas alcançam o melhor valor de
F.O.: Z=18.

O problema não tem óptimo finito:

No exemplo dado, eliminando as restrições: II (2 x 2  12)  III (3x1  2 x 2  18) , a região de
admissibilidade fica não limitada e o valor da função objectivo pode crescer
indefinidamente nesta região.

O problema é impossível:
Se não existirem soluções admissíveis (o conjunto de soluções admissíveis é vazio),
então o problema não tem nenhuma solução, o problema é Impossível.
 15

PLANO DE AULA
AULA# 15 e 16
Data____/03/2020
INVESTIGAÇÃO OPERACIONAL
3º ANO - GAE Duração: 90 Minutos
I – SEMESTRE
CAPÍTULO # II- Programação Linear (P.L) (linear programming LP)

Objectivos da aprendizagem:
- Resolver, P.P.L pelo método gráfico;
- Apresentar, as regiões admissíveis dos P.P.L;
- Identificar, a solução óptima e não só;
Meios de Ensino:
Métodos de Ensino:

SUMÁRIO: Exercício nº 3 (Resolução gráfica de P.P.L com duas variáveis)

DESENVOLVIMENTO:

Montagem Finalização Lucro

Exercício nº 4 na lista: A 5 2 120
B 3 4 210
Disponibilidade 108 60

 x1 - o nº de unidades que a empresa produz, por semana, do produto A;

 x2 – o nº de unidades que a empresa produz, por semana, do produto B;
5 x1  3x 2  108  Montagem

Máx. Z  120 x1  210 x 2 (u.m)  Lucro (F.O) s.a 2 x1  4 x 2  60  Finalização
x , x  0
 1 2
I : 5x  3x  108  x1  0  3x 2  108  x 2  36 ;
x 2  0  5 x1  108  x1  108 / 5  x1  21,6
1 2

II: 2 x  4 x  60  x1  0  4 x 2  60  x 2  15
x 2  0  2 x1  60  x1  30
1 2

5x1  3x 2  108.(2)  10x1  6 x2  216  x1  18

    
2 x1  4 x 2  60.(5)  10x1  20x2  300 x2  6

Vértices da R.A x1 x2 F=120x1+210x2

Solução 1 0 0 0
Solução 2 21,6 0 3192
Solução 3 18 6 3420  Solução óptima (18;6)
Solução 4 0 15 3150