Você está na página 1de 15

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

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

Você também pode gostar