INTRODUCAO À INVESTIGAÇÃO OPERACIONAL

Contextualização

Investigação Operacional = Investigação das Operações - Investigação das Actividades (de

uma Organização), ou seja, utilização de Métodos Científicos para fazer Investigação sobre
Actividades de uma Organização.

A investigação operacional (IO) ou pesquisa operacional (PO) é um ramo interdisciplinar

da Matemática Aplicada que faz uso de modelos matemáticos, estatísticos e de algoritmos na
ajuda à tomada de decisão para analisar sistemas complexos do mundo real.

A IO não é uma ciência em si, mas sim a aplicação da ciência à solução de problemas
gerenciais e administrativos, e centra-se no desempenho de sistemas organizados como um
todo, em vez de suas partes tomadas separadamente.

A IO busca encontrar a solução ótima, a melhor alternativa entre todas as opções disponíveis
para um determinado problema. Os problemas de IO podem ser de maximização ou de
minimização.

Se o nosso objectivo for encontrar o maior valor possível, temos um problema de

maximização. Por exemplo, maximizar a receita significa encontrar a alternativa (solução
ótima) que irá gerar a maior receita.

Se o nosso objetivo for encontrar o menor valor possível, temos um problema de

minimização. Por exemplo, minimizar o consumo de energia significa encontrar a alternativa
(solução ótima) que irá gerar o menor consumo de energia.

Objectivo da Investigação Operacional:

 Auxiliar na tomada de melhores decisões, melhorar ou otimizar a performance

organizacional.

Quando é que há um problema de decisão?

- Quando existe pelo menos um indivíduo (agente de decisão) a quem o problema é atribuído;

- Quando existe mais do que uma linha de acção que esse agente pode seguir;
- Quando o agente de decisão tem pelo menos um objectivo a atingir quando opta por uma
das decisões alternativas;

- Quando as alternativas de decisão não correspondem todas ao mesmo grau de satisfação do

objectivo.

Alguns domínios de Aplicação da Investigação Operacional

Face ao seu carácter multidisciplinar, a IO é uma disciplina científica de

características horizontais, estendendo-se os seus contributos por praticamente todos os
domínios da actividade humana, desde a engenharia à medicina, passando pela economia e a
gestão: previsão, localização, marketing, distribuição, economia e finanças, gestão de
recursos humanos, processos sequenciais, gestão de stocks, transportes, planeamento da
produção, sistemas urbanos, manutenção, problemas ambientais, planeamento de sistemas de
energia, controlo de processos industriais e recursos hídricos.

Historial da IO

Historicamente, as primeiras actividades formais de pesquisa operacional iniciaram ao longo

da Segunda Guerra Mundial, quando uma equipa de cientistas britânicos decidiu tomar
decisões com bases científicas sobre a melhor utilização de material de guerra aquando dos
Aliados se terem visto confrontados com problemas de natureza logística, de tática e de
estratégia militar de grande dimensão e complexidade.

Na época, foram criados grupos multidisciplinares de cientistas em que se incluíam

matemáticos, físicos e engenheiros, a par de outros oriundos das ciências sociais para apoiar
os comandos operacionais na resolução desses problemas. Aplicaram o método científico aos
problemas que lhes foram sendo colocados e criaram modelos matemáticos, apoiados em
dados e factos, que lhes permitissem perceber os problemas em estudo e ensaiar e avaliar o
resultado hipotético de estratégias ou decisões alternativas.
Apos a guerra, as ideias propostas para operações militares foram adaptadas para melhor
eficiência e a produtividade no sector civil, transferindo-se a nova metodologia na abordagem
de problemas para as empresas, confrontadas com problemas decisionais de grande
complexidade derivados do crescimento económico que se seguiu.

Com a evolução observada na informática criaram-se condições de concretização algorítmica

e velocidade de processamento adaptados à imaginação dos profissionais da investigação
operacional, e a micro-informática permitiu relacionar directamente os sistemas de
informação com os decisores.

Principais modelos de IO

Vários tipos de modelos são usados por analistas de IO, os principais são:

i) Programação linear: consiste em métodos para resolver problemas de otimização de

uma função objetivo linear, sujeita a restrições (desigualdades) também lineares. f (x1, x2,
… , xN) , gi (x1, x2, … , xN) , i=1…M, são funções lineares

ii) Programação inteira: é um modelo de Programação Linear no qual as variáveis de

decisão são inteiras. Ao contrário da PL, que pode-se encontrar a solução óptima em um
tempo razoável, normalmente os problemas de Programação Inteira são
considerados NP-difícil. Se as variáveis forem binárias, ou seja, assumirem somente os
valores 0 (zero) ou 1, temos um caso especial da PI, que também é NP-difícil.

iii) Modelos de otimização em redes: Representações de redes são usadas para problemas
de diversas áreas, tais como: redes de transporte, de comunicação, de energia, de
produção, de distribuição, de planeamento de projetos, de gerenciamento de recursos, de
planejamento financeiro, entre outras. Uma rede é formalmente representada por um
grafo G = (N, A), onde N é o conjunto de nós (vértices) e A é o conjunto de arcos, tais
que cada arco conecta dois nós distintos. Quando faz-se necessário definir sentido de
cada arco, a rede é representada por dígrafo (grafo orientado). Exemplos de problemas de
otimização em redes: caminho mínimo, árvore geradora mínima, fluxo em rede,
transporte, designação, roteamento de veículos.

iv) Programação dinâmica: é um método de dividir e conquistar que resolve problemas

combinando as soluções para sub-problemas. (“Programação” neste contexto se refere a
um método tabular). Os algoritmos de divisão e conquista particionam o problema em
sub-problemas, resolvem os sub-problemas de forma recursiva, e em seguida,
 combinam suas soluções para resolver o problema original. Em contrapartida, a
programação dinâmica se aplica quando os sub-problemas se sobrepõem, isto é, quando
os sub-problemas compartilham sub-problemas. Neste contexto, um algoritmo de
divisão e conquista faz mais trabalho do que o necessário, resolvendo repetidamente os
sub-problemas comuns. Um algoritmo de programação dinâmica resolve cada sub-
problema apenas uma vez e, em seguida, salva sua resposta em uma tabela, evitando
assim a o esforço de recalcular a resposta toda vez que ele resolve cada sub-problema.

v) Programação não linear: é aplicada quando o modelo de programação matemática

tem função objetivo e/ou restrições não lineares, ou seja, se alguma das relações f (x1,
x2, … ,xN), gi (x1, x2, … , xN) ,i=1…M, for uma função não linear. Os métodos para
resolução de problemas de Programação não linear podem ser divididos em 2 grupos:
modelos sem restrições e modelos com restrições.

vi) Simulação discreta: A simulação de eventos discretos (SED) modela a operação de

um sistema como uma sequência de eventos discretos no tempo. Cada evento ocorre em
um determinado instante de tempo e marca uma mudança de estado no sistema. Entre
eventos consecutivos, considera-se que o sistema não sofre mudança alguma, assim, a
simulação pode saltar diretamente do instante de ocorrência de um evento para o
próximo. Um técnica conhecida para execução de simulações de eventos discretos é o
“Método das três fases”. Nesta abordagem, a primeira fase sempre avança o relógio
para o próximo evento a ocorrer, respeitando a ordem cronológica de eventos
(chamados de eventos do tipo A). A segunda fase é a execução de todos os eventos que
incondicionalmente ocorrem no instante atual (chamados de eventos do tipo B). A
terceira fase é a execução de todos os eventos que condicionalmente ocorrem no tempo
atual (chamados eventos do tipo C).

vii) Simulação de Monte Carlo

Designa-se por método de Monte Carlo (MMC) qualquer método de uma classe de métodos
estatísticos que se baseiam em amostragens aleatórias massivas para obter resultados
numéricos, isto é, repetindo sucessivas simulações um elevado número de vezes, para
calcular probabilidades heuristicamente, tal como se, de fato, se registrassem os resultados
reais em jogos de casino (daí o nome). Este tipo de método é utilizado em simulações
estocásticas com diversas aplicações em áreas como a física, matemática e biologia. O
método de Monte Carlo tem sido utilizado há bastante tempo como forma de obter
aproximações numéricas de funções complexas em que não é viável, ou é mesmo impossível,
obter uma solução analítica ou, pelo menos, determinística.

viii) Teoria dos jogos

Os modelos de decisão podem ser considerados como um procedimento de tomada de

decisão em situações não competitivas, no sentido de não envolver diretamente outras
pessoas ou organizações. Os estados ou os cenários que irão acontecer envolvem riscos ou
incertezas referentes à previsão do mercado, influência do clima, etc.

O tomador de decisão escolhe uma das alternativas de decisão existentes. O decisor tem
conhecimento dos cenários possíveis e dos riscos embutidos nesses cenários. Uma situação
competitiva ou de conflito acontece quando um estado ou cenário ocorre causado pela decisão
tomada por outro participante.

A análise dos problemas de decisão em situações nas quais existem conflitos pode ser
efetuada com uso da Teoria dos Jogos, formulada por Von Neumann (Prêmio Nobel) e
Morgenstern em 1935.

Problemas de Investigação Operacional

Os problemas de Investigação Operacional são problemas de maximização ou minimização

de funções de variáveis, designadas por objecto, que dependem de um número finito de
variáveis. Estas variáveis podem ser independentes umas das outras, ou podem estar
relacionadas através de uma ou mais restrições.
 Fases de resolução de um problema de IO

A resolução de um problema, pelo método da IO, segue as seguintes fases:

 Definição do problema: nesta fase são definidos os objetivos a serem atingidos, as

variáveis envolvidas no problema, e as principais restrições;
 Construção do modelo matemático: a escolha do modelo depende do tipo de problema
a ser resolvido. Os modelos matemáticos mais utilizados são de programação linear (PL);
 Solução do modelo: nesta fase, a solução é encontrada a partir do modelo matemático
adotado na resolução do problema;
 Validação do modelo: para ver se a solução obtida é condizente com o problema
estudado;
 Implementação da solução: nesta fase, a solução é convertida em regras práticas para a
solução do problema.
 Observações:

 A sequência apresentada não é rígida;

 Fases, depois de iniciadas, sobrepõem-se no tempo;
 Há interacção contínua entre as várias fases;
 Fases são mutuamente dependentes.

Problemas de Programação Matemática

Os problemas de Programação Matemática são uma classe particular de problemas de

Investigação Operacional, que surgem na década de quarenta, aplicados nos campos da
organização e da gestão económica, em que o objectivo e as restrições são dados como
funções matemáticas e relações funcionais.

Modelo matemático do problema de Programação Matemática