QUESTÃO 6

PROBLEMA 6

Uma planta de concentração de cera, como mostrado a seguir, recebe uma matéria-prima
com uma baixa concentração e tem como objetivo refiná-la, a fim de obter um produto com
com um maior valor agregado.

Preços de venda dos produtos Custos de matéria-prima

 x1: $ 0,08/lb  x3: $ 0,015/lb
 x2: $ 0,06/lb  x4: $ 0,03/lb

fábrica opera sob as seguintes restrições:

1. A mesma quantidade de cera que entra, deixa a planta.
2. As instalações do processo suportam uma entrada de matéria-prima máxima de 800
lb/h.
3. As instalações de armazenamento podem acomodar um máximo de 600 lb/h de x2 e 500
lb/h de x1.

Considerando o custo operacional da planta constante, use o Algoritmo Simplex para

determinar os custos de produção que resultem no lucro máximo.
SOLUÇÃO

Ao lidar com um problema de otimização que possa ser resolvido por programação linear,
mais especificamente pelo método do simplex linear, é necessário que se adeque o problema a
um formato padrão. Para isso, deve-se definir as variáveis de decisão, a função objetivo e as
restrições do problema. Na Tabela 6.1, as informações fornecidas são organizadas por custo de
matéria prima, lucro na venda dos produtos e a capacidade de produção e armazenamento do
processo.

Tabela 6.1 – Condições de Entrada para o Problema 6

Variáveis de Decisão
Preços 𝑥1 𝑥2 𝑥3 𝑥4
Matéria-prima - - $ 0,015/lb $ 0,03/lb
Produto $ 0,08/lb $ 0,06/lb - -
Função Objetivo 𝑓 = 0,08𝑥1 + 0,06𝑥2 − 0,015𝑥3 − 0,03𝑥4
0,9𝑥1 + 0,8𝑥2 − 0,4𝑥3 − 0,3𝑥4 = 0 Balanço de Massa
𝑥3 + 𝑥4 ≤ 800 Restrição de Processamento
Restrições
𝑥1 ≤ 500 Restrição de Armazenamento
𝑥2 ≤ 600 Restrição de Armazenamento

A função objetivo foi formulada de modo a representar o lucro obtido com o processo em
termos de custos de produção, dessas forma, faz-se a receita obtida com a venda dos produtos
menos os gastos necessários com matéria prima.
Inicialmente, organiza-se o problema de modo que se possa realizar as manipulações
necessárias para a aplicação o método simplex linear, deixando claro que para o caso em
questão, deseja-se que as variáveis de decisão sejam maiores ou iguais a zero.

max 0,08𝑥1 +0,06𝑥2 −0,015𝑥3 −0,03𝑥4

0,9𝑥1 +0,8𝑥2 −0,4𝑥3 −0,6𝑥4 = 0
𝑥3 +𝑥4 ≤ 800
𝑥1 ≤ 500
𝑥2 ≤ 600
𝑥1 ≥ 0 𝑥2 ≥ 0 𝑥3 ≥ 0 𝑥4 ≥ 0
 Para a realização das operações com a matriz que descreve o problema, substitui-se as
desigualdades advindas das restrições não-individuais por igualdades, desde que as mesmas
sejam inclusas com base no tipo de desigualdade. Portanto, para restrições do tipo
≤ a variável auxiliar terá sinal positivo, enquanto isso, para restrições do tipo ≥ a variável
auxiliar deve apresentar sinal negativo. Logo:

Matriz Problema (rearranjada)

max 0,08𝑥1 +0,06𝑥2 −0,015𝑥3 −0,03𝑥4

0,9𝑥1 +0,8𝑥2 −0,4𝑥3 −0,6𝑥4 = 0
𝑥3 +𝑥4 𝑥5 = 800
𝑥1 𝑥6 = 500
𝑥2 𝑥7 = 600

Em termos matemáticos, a matriz problema submetida ao pivotamento de Gauss-Jordan

possui o seguinte formato:

Matriz Problema (rearranjada)

𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7
max 0,08 0,06 −0,015 −0,03 0 0 0
0,9 0,8 −0,4 −0,6 0 0 0 = 0
0 0 1 1 1 0 0 = 800
1 0 0 0 0 1 0 = 500
0 1 0 0 0 0 1 = 600

A última coluna corresponde aos termos independentes das equações, e a partir desse
ponto inicia-se a identificação das variáveis básicas e não-básicas. Por definição, uma variável
é considerada básica quando a mesma aparece apenas uma vez em uma das equações, enquanto
as variáveis não-básicas, estão presentes em mais de uma equação.
6.1 Avaliação da Solução Básica

A resolução de um problema de natureza linear é iniciada pela avaliação da solução

básica, a qual consiste em fazer todas as variáveis não-básicas iguais a zero. No problema em
questão, as variáveis não-básicas são representadas por: 𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 e 𝒙𝟒 .

𝑥1 = 𝑥2 = 𝑥3 = 𝑥4 = 0
𝑓 = 0,08.0 + 0,06.0 − 0,015.0 − 0,03.0 = 0

Sendo assim, ao avaliar a solução básica, teríamos o lucro nulo. Tal conclusão permite-
nos afirmar que a solução básica de fato, não é a solução ótima, uma vez que deseja-se a
maximização do lucro.

6.2 Critérios do Método Simplex (linear)

A implementação do método simplex para problemas lineares é regida por duas regras:

Regra 1: Se todas as variáveis da primeira linha da matriz problema (rearranjada)

possuírem coeficientes não-negativos, a solução básica atual é definida como a ótima.

Regra 2: Para cada linha onde existe um coeficiente de variável estritamente positivo
(ou seja, uma variável de decisão), deve-se calcular a razão entre o coeficiente independente da
linha correspondente e o coeficiente da variável de entrada. Dessa forma, a escolha do pivô tem
como critério de escolha, a linha que apresente a menor razão. Com a definição do pivô, inicia-
se o pivotamento da matriz problema pelo método de Gauss-Jordan.

6.3 Determinação da Variável de Entrada

A determinação da variável de entrada tem como critério a análise dos coeficientes das
variáveis de decisão, de modo que escolhe-esse aquela variável que apresente um coeficiente
negativo na função objetivo e que esteja localizada mais a esquerda na matriz problema. Nesse
caso, escolhe-se x3 como variável de entrada, no entanto, antes deve ser verificado que na
coluna da mesma exista algum valor positivo. Caso contrário, haverá a possibilidade de se lidar
com um pivô negativo, o que acarretará em coeficientes independentes negativos durante o
pivotamento. Tal circunstância, quebraria o critério mais elementar desse tipo de problema:
todas as variáveis de decisão devem ser maiores ou iguais a zero, ao se calcular a solução básica.
Portanto, na matriz a seguir é mostrada a escolha do pivô (destacado pelo círculo em vermelho)
que será utilizado no pivotamento, além do modo como as razões são calculadas.

𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7 Razão

0,08 0,06 −0,015 −0,03 0 0 0

0,9 0,8 −0,4 −0,6 0 0 0 = 0 0⁄

−0,4
0 0 1 1 1 0 0 = 800 800⁄
1
1 0 0 0 0 1 0 = 500 500⁄
0
0 𝑥2 0 0 0 0 1 = 600 600⁄
0

Vale ressaltar que a avaliação dos coeficiente na coluna da variável de entrada escolhida,
de modo que o pivô escolhido seja positivo, evita alguns inconvenientes para os casos em que
o problema apresente condições que o leve a entrar em ciclo infinito.
O pivotamento de Gauss-Jordan é realizado até que não se tenha mais nenhum
coeficiente negativo na linha que define a função objetivo, o que garantirá que a solução
encontrada é a solução ótima.

𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7

0 0 0 0 0,015 0,0125 0 = 18,25

1 −0 0 0 −0 1 0 = 500

0 4 1 0 3 4,5 0 = 150

0 −4 0 1 −2 4,5 0 = 650

0 1 0 0 0 0 1 = 600
 Os resultados obtidos para o máximo lucro são apresentados na Tabela 6.2.

Tabela 6.2 – Resultados ótimos

Descrição Valores
Quantidade necessária de x3 150 lb/h
Quantidade necessária de x4 650 lb/h
Quantidade obtidada de x1 500 lb/h
Quantidade obtidada de x2 0 lb/h
Lucro Máximo $ 18,25

Resultados Impressos no MATLAB®

Vale destacar que a aplicação do pivotamento dentro do simplex, garante que:

 O primeiro elemento não-nulo de cada linha não-nula (pivô) é igual a 1;

 O pivô da linha i + 1 ocorre à direita do pivô da linha i;
 Se uma coluna contém um pivô, então todos os outros elementos desta coluna são
iguais a 0;
 Todas as linhas nulas ocorrem abaixo das linhas não-nulas.