Pesquisa

Operacional
PROFESSOR
Dr. Fernando Pereira Calderaro

ACESSE AQUI O SEU

LIVRO NA VERSÃO
DIGITAL!
DIREÇÃO UNICESUMAR
Reitor Wilson de Matos Silva Vice-Reitor Wilson de Matos Silva Filho Pró-Reitor de Administração Wilson de Matos Silva Filho
Pró-Reitor Executivo de EAD William Victor Kendrick de Matos Silva Pró-Reitor de Ensino de EAD Janes Fidélis Tomelin
Presidente da Mantenedora Cláudio Ferdinandi

NEAD - NÚCLEO DE EDUCAÇÃO A DISTÂNCIA

Diretoria Executiva Chrystiano Mincoff, James Prestes, Tiago Stachon Diretoria de Graduação e Pós-graduação Kátia Coelho Diretoria
de Cursos Híbridos Fabricio Ricardo Lazilha Diretoria de Permanência Leonardo Spaine Head de Graduação Marcia de Souza Head
de Metodologias Ativas Thuinie Medeiros Vilela Daros Head de Tecnologia e Planejamento Educacional Tania C. Yoshie Fukushima
Head de Recursos Digitais e Multimídias Franklin Portela Correia Gerência de Planejamento e Design Educacional Jislaine Cristina
da Silva Gerência de Produção Digital Diogo Ribeiro Garcia Gerência de Recursos Educacionais Digitais Daniel Fuverki Hey
Supervisora de Design Educacional e Curadoria Yasminn T. Tavares Zagonel Supervisora de Produção Digital Daniele Correia

PRODUÇÃO DE MATERIAIS

Coordenador de Conteúdo Crislaine Galan Designer Educacional Aguinaldo Ventura Curadoria Fernanda Brito Revisão
Textual Ariane Fabreti Editoração Lavignia da Silva Santos; André Morais de Freitas Ilustração Bruno Cesar Pardinho
Realidade AumentadaMaicon Douglas Curriel; Matheus Alexander de Oliveira Guandalini; César Henrique Seidel
Fotos Shutterstock.

FICHA CATALOGRÁFICA

C397 CENTRO UNIVERSITÁRIO DE MARINGÁ.

Núcleo de Educação a Distância. CALDERARO, Fernando Pereira.

Pesquisa Operacional.
Fernando Pereira Calderaro.
Maringá - PR.: Unicesumar, 2021.
304 p.
“Graduação - EaD”.

1. Pesquisa 2. Operacional 3. Produção. EaD. I. Título.

Impresso por:
CDD - 22 ed. 658.5
CIP - NBR 12899 - AACR/2
ISBN 978-65-5615-499-2

Pró Reitoria de Ensino EAD Unicesumar

Bibliotecário: João Vivaldo de Souza CRB- 9-1679 Diretoria de Design Educacional

NEAD - Núcleo de Educação a Distância

Av. Guedner, 1610, Bloco 4 - Jd. Aclimação - Cep 87050-900 | Maringá - Paraná
www.unicesumar.edu.br | 0800 600 6360
A UniCesumar celebra os seus 30 anos de
história avançando a cada dia. Agora, enquanto
Universidade, ampliamos a nossa autonomia Tudo isso para honrarmos a
e trabalhamos diariamente para que nossa nossa missão, que é promover
educação à distância continue como uma das a educação de qualidade nas
melhores do Brasil. Atuamos sobre quatro diferentes áreas do conhecimento,
pilares que consolidam a visão abrangente do formando profissionais
que é o conhecimento para nós: o intelectual, o cidadãos que contribuam para o
profissional, o emocional e o espiritual. desenvolvimento de uma sociedade
justa e solidária.
A nossa missão é a de “Promover a educação de
qualidade nas diferentes áreas do conhecimento,
formando profissionais cidadãos que contribuam
para o desenvolvimento de uma sociedade
justa e solidária”. Neste sentido, a UniCesumar
tem um gênio importante para o cumprimento
integral desta missão: o coletivo. São os nossos
professores e equipe que produzem a cada dia
uma inovação, uma transformação na forma
de pensar e de aprender. É assim que fazemos
juntos um novo conhecimento diariamente.

São mais de 800 títulos de livros didáticos

como este produzidos anualmente, com a
distribuição de mais de 2 milhões de exemplares
gratuitamente para nossos acadêmicos. Estamos
presentes em mais de 700 polos EAD e cinco
campi: Maringá, Curitiba, Londrina, Ponta Grossa
e Corumbá), o que nos posiciona entre os 10
maiores grupos educacionais do país.

Aprendemos e escrevemos juntos esta belíssima

história da jornada do conhecimento. Mário
Quintana diz que “Livros não mudam o mundo,
quem muda o mundo são as pessoas. Os
livros só mudam as pessoas”. Seja bem-vindo à
oportunidade de fazer a sua mudança!

Reitor
Wilson de Matos Silva
 Olá, o meu nome é Fernando. Sou engenheiro químico e
adoro ler livros sobre diversos assuntos. Inclusive, este é
um de meus hobbies, ler livros com temas diferentes da
Engenharia, para abrir novos horizontes. Outra ativida-
de que faço é tocar flauta transversal, instrumento que
aprendi desde criança. Apesar de ser um instrumento
clássico, gosto tanto de música clássica quanto de rock,
sou bem eclético. Mas não toco, profissionalmente, é
apenas um gosto pessoal. Uma paixão recente é a Aro-
materapia, gosto de estudar e criar produtos em casa
para uso pessoal, envolvendo óleos essenciais e vegetais
bem como manteigas vegetais e extratos diversos.

Aqui você pode

conhecer um
pouco mais sobre
mim, além das
informações do
meu currículo.
 REALIDADE AUMENTADA

Sempre que encontrar esse ícone, esteja conectado à internet e inicie o aplicativo
Unicesumar Experience. Aproxime seu dispositivo móvel da página indicada e veja os
recursos em Realidade Aumentada. Explore as ferramentas do App para saber das
possibilidades de interação de cada objeto.

RODA DE CONVERSA

Professores especialistas e convidados, ampliando as discussões sobre os temas.

PÍLULA DE APRENDIZAGEM

Uma dose extra de conhecimento é sempre bem-vinda. Posicionando seu leitor de QRCode
sobre o código, você terá acesso aos vídeos que complementam o assunto discutido

PENSANDO JUNTOS

Ao longo do livro, você será convidado(a) a refletir, questionar e transformar. Aproveite

este momento.

EXPLORANDO IDEIAS

Com este elemento, você terá a oportunidade de explorar termos e palavras-chave do

assunto discutido, de forma mais objetiva.

EU INDICO

Enquanto estuda, você pode acessar conteúdos online que ampliaram a discussão sobre
os assuntos de maneira interativa usando a tecnologia a seu favor.

Quando identificar o ícone de QR-CODE, utilize o aplicativo Unicesumar

Experience para ter acesso aos conteúdos on-line. O download do aplicativo
está disponível nas plataformas: Google Play App Store
PESQUISA OPERACIONAL

Imagine que você é um(a) engenheiro(a) de uma fábrica de motores e deve criar um
plano de produção a dois tipos de motores para veículos populares, um de modelo 1.0 e
outro 1.4. A fábrica tem disponível quatro etapas do processo: solda, montagem, pintura
e expedição. Como você acha que deve proceder se os motores utilizam as mesmas
etapas e têm tempo de trabalho finito por dia? Valerá a pena pensar em produzir os
motores, com vistas ao maior lucro ou ao menor custo?
Pois saiba que a Pesquisa Operacional permite que você associe as informações
obtidas em cada etapa desse processo e consiga fazer, utilizando conceitos técnicos,
o levantamento de quantas unidades de motores devem ser fabricados, diariamente,
semanalmente, mensalmente, ou, até mesmo, anualmente.
Assim, você pode definir quanto tempo cada motor consome em cada etapa de pro-
cesso, fazer um levantamento do custo de cada motor e do lucro obtido com a venda
de cada unidade. E, melhor, você ainda pode analisar, sob diferentes pontos de vista,
por exemplo, a minimização de custo ou a maximização de lucros.
Agora, faça uma pesquisa dos motores mais utilizados em carros populares, nos
últimos cinco anos, com uso de gasolina ou etanol. Procure, também, a situação em
que está o uso de motores elétricos, atualmente.
Você acha que os carros elétricos substituirão os carros com motores à combustão?
Se isso ocorrer, quando você entende que será possível adquirir um veículo destes no
Brasil? Analise esta questão sob aspectos técnicos, econômicos e sociais relacionados
ao nosso país.
Para entender a dinâmica de solução desse problema, você terá contato com técni-
cas matemáticas que permitirão analisar problemas de produção, logística e finanças,
transportando-os à linguagem matemática (equações), resolvendo e retornando uma
solução viável e, muitas vezes, ótima para o problema. Você ouvirá falar de Programa-
ção Linear, Programação Inteira, Programação Binária e Teoria dos Jogos. Dentro de
cada parte, há grande quantidade de exemplos para que você possa assimilar melhor
o conhecimento.
 Observe que, dentro do problema, inicialmente proposto, você também pôde ana-
lisá-lo sob o ponto de vista do(a) engenheiro(a) projetista, desenvolvendo o motor por
meio da atribuição dos tempos de processo em cada etapa ou pela modificação. Você
também pode fazer o planejamento e o controle da produção, estabelecendo a demanda
de motores de cada modelo que devem ser fabricados ou pode ser o(a) responsável
pela entrega desses motores às montadoras, analisando os aspectos logísticos de envio.
Agora, elabore um Mapa Mental que associe as disciplinas já vistas nos anos que
se passaram do curso aos processos produtivos da Pesquisa Operacional. Faça uma
conexão entre os principais temas vistos, anteriormente, e a forma como a Pesquisa
Operacional pode lhe ajudar a resolver esse mapa, de acordo com as suas expectativas
acerca da disciplina. Solte a sua criatividade e tente organizar o seu conhecimento até
aqui. Então, boa leitura e bons estudos!
CAMINHOS DE
APRENDIZAGEM

1
11 2
37
INTRODUÇÃO PROGRAMAÇÃO
À PESQUISA LINEAR
OPERACIONAL

3
61 4
93
PROGRAMAÇÃO MÉTODO SIMPLEX
LINEAR E MÉTODO E SOLVER PARA
SIMPLEX MAXIMIZAÇÃO

5 127 6
159
MÉTODO SIMPLEX ANÁLISE DE
E SOLVER PARA SENSIBILIDADE E
MINIMIZAÇÃO PÓS-OTIMIZAÇÃO
7
187
8
219
PROGRAMAÇÃO TEORIA DOS
LINEAR INTEIRA JOGOS –
PRINCÍPIOS

9
247
TEORIA DOS JOGOS
1
Introdução
à Pesquisa
Operacional
Dr. Fernando Pereira Calderaro

Olá, caro(a) estudante, na primeira unidade do livro de Pesqui-

sa Operacional, você terá contato com os conceitos básicos que
envolvem esta importante área da Engenharia. Você entenderá
a importância histórica da Pesquisa Operacional para modelar o
mundo como o conhecemos, além de entender como ela poderá
ser utilizada em sua jornada profissional. Serão apresentadas, tam-
bém, as etapas do processo de tomada de decisão, principal pilar
da Pesquisa Operacional.
UNICESUMAR

Suponha que você tem 250 m2 de madeira de lei e tenha que construir mesas e cadeiras. Sabendo que
cada mesa utiliza em torno de 5,4 m2 de madeira e cada cadeira 1,5 m2, quantas unidades de mesas
e cadeiras devem ser produzidas para ter o maior lucro possível? Já pensou em como as empresas
definem a quantidade de produtos de cada modelo que devem ser produzidos e vendidos? Ou, então,
como a sua operadora de TV por assinatura define quais canais farão parte de determinado pacote
de programação?
É interessante como estes problemas se correlacionam. Em relação à produção de móveis citada,
você deve ter observado um dado importante: os lucros de cada unidade de mesa e cadeira devem
ser conhecidos bem como o valor de cada tipo de assinatura que a operadora de TV oferece. Quanto
à produção de mesas e cadeiras, fica claro que ambos os produtos devem ser fabricados partindo da
mesma matéria-prima, a madeira, e que a sua quantidade é finita (250m2). Será que existe alguma
técnica para decidir a melhor quantidade produzida ou você terá que decidir por tentativa e erro?
Tenho uma boa notícia a você: a Pesquisa Operacional tem mais de uma ferramenta disponível
para calcular a melhor opção de produção.
Mas, antes de vermos essas técnicas, agora, é com você: crie três cenários possíveis de fabricação de
mesas e cadeiras apresentadas, anteriormente. Considere que, pelo menos, duas mesas e dez cadeiras
serão produzidas, considere, também, que o lucro unitário por mesa seja de R$ 230,00 e por cadeira
de R$ 68,00. Calcule o lucro total para os três cenários que você criou.
Depois de propor três alternativas de produção e calcular os seus respectivos lucros, vamos apro-
fundar, mais um pouco, a nossa análise? Imagine, agora, que, além de madeira, a empresa utilize para-
fusos, verniz, cola, horas trabalhadas na serra, horas trabalhadas na montagem e horas trabalhadas na
pintura. Pense em como todos estes fatores de produção podem se relacionar e interferir na quantidade
produzida de mesas e cadeiras. Podemos observar alguns pontos, a saber:

• Levantar quais desses recursos estão sobrando ou

limitando a capacidade de produção da empresa.

• Conhecer quais desses recursos podem ser ampliados,

levando maior lucro à empresa.

• Avaliar a demanda necessária de produtos que o

mercado exige, para definir a melhor quantidade de
mesas e cadeiras que devem ser produzidas.

12
 UNIDADE 1

Observe como podemos tornar o nosso problema mais rico em informações, trazendo-o para a rea-
lidade vivida no dia a dia de uma empresa. Este é o objetivo da Pesquisa Operacional: entender um
problema da melhor forma possível, buscando a melhor solução para ele.
Utilize o seu Diário de Bordo para anotar as impressões que você teve sobre a Pesquisa Operacional
até este ponto do nosso livro. Escreva, livremente, o que entendeu como principais objetivos da Pesquisa
Operacional, tendo, como base, os exemplos apresentados e os aspectos importantes para a sua solução.

DIÁRIO DE BORDO

Com o objetivo de entender toda a profundidade da Pesquisa Operacional, veremos, nas próximas
linhas e páginas da Unidade 1, um pouco sobre a história da Pesquisa Operacional e, também, alguns
conceitos que fundamentarão os nossos estudos ao longo da disciplina.

13
UNICESUMAR

Durante a Segunda Guerra Mundial (1939-1945), período em que a disputa entre os Aliados e o
Eixo foi árdua e muitos esforços de guerra foram empregados neste conflito, diversas indústrias na
Europa deixaram de produzir bens de consumo para a população, a fim de produzir armamento aos
seus exércitos. Os Aliados, que, até meados de 1941, tinham, como principais atores, Grã-Bretanha e
França (vale salientar que a França já tinha, na época, o seu território ocupado pelas forças alemãs),
sofreram inúmeras baixas em termos de exércitos e território (França) e navios (Grã-Bretanha). O
Eixo, comandado pela Alemanha e apoiado por Itália e Japão, conseguiu neutralizar os carregamentos
de suprimentos no mar do Atlântico, afundando diversos navios britânicos. No entanto, em junho de
1941, a União das Repúblicas Socialistas Soviéticas – URSS juntou-se à Grã-Bretanha e, no final de
1941, os Estados Unidos da América – EUA também se juntaram, efetivamente, ao lado dos Aliados.
Esta nova dinâmica permitiu a troca de experiências e tecnologia entre as partes envolvidas no conflito.
Foi neste contexto que surgiu o termo “pesquisa operacional”, vindo do inglês operational resear-
ch. Segundo Hillier e Lieberman (2013), todos os exércitos, na Segunda Guerra, buscaram meios
de economizar recursos e fazer os melhores ataques possíveis, inclusive, foi com esta intenção que
os comandos militares britânico e norte-americano convocaram muitos cientistas para resolver os
problemas táticos e estratégicos de suas operações militares. Como esses cientistas foram destinados
a realizar pesquisas sobre operações militares, o termo “pesquisa operacional” foi utilizado para dar
nome ao setor de trabalho deles.
O nascimento da Pesquisa Operacional é em 1936, quando o Ministério do Ar Britânico criou uma
Estação de Pesquisa em Bawdsey Manor (Suffolk, Reino Unido) para estudar o aproveitamento do radar
desenvolvido por Robert Watson-Watt, superintendente do Departamento de Rádio do Laboratório
Nacional de Física. Watson-Watt foi o primeiro diretor da Estação de Pesquisa (GASS; ASSAD, 2005).
Segundo Longaray (2014), em 1938, Albert Percival Rowe utilizou o termo “pesquisa operacional”
para designar a equipe de trabalho de Watson-Watt. A importância deste grupo foi tão grande que o
Comitê de Estudos de Defesa Aérea Britânico passou a chamá-lo de Seção de Pesquisa Operacional.
Os primeiros grupos de pesquisa operacional utilizavam muito o pensamento imaginativo para
resolver problemas complexos, como a utilização adequada do radar, a melhor maneira de usar as
aeronaves (a maioria delas tinha problemas de autonomia, não atingindo grandes distâncias), a redu-
ção do número de cargueiros afundados pelos submarinos alemães (os aviões de escolta, no início da
guerra, apresentavam baixa autonomia) e tentar aumentar a acuidade dos bombardeios sobre as cidades
alemãs. A função primordial desses grupos era coletar o máximo de informações possíveis, analisá-las
e construir modelos que pudessem representar o problema em questão para fazer as recomendações
ao comando de guerra (LONGARAY, 2014). É válido ressaltar que essas ações foram fundamentais
na guerra para que os Aliados conseguissem reverter a superioridade militar dos exércitos do Eixo.
Ao final da Segunda Guerra Mundial, as indústrias precisavam se reerguer, recuperar o seu processo
produtivo, lidando com a escassez de insumos e matéria-prima, além, é claro, de terem que reerguer
as suas paredes destruídas pelos bombardeios. Este cenário criou um campo fértil de trabalho aos
cientistas envolvidos nas operações militares, pois esses profissionais perceberam que os problemas
enfrentados pelas empresas eram semelhantes aos dos exércitos, porém, em um contexto diferente.

14
 UNIDADE 1

Foi a partir da década de 50 que a Pesquisa Operacional foi utilizada nas empresas e nos órgãos go-
vernamentais bem como passou a integrar o currículo das universidades (LONGARAY, 2014). Hillier e
Lieberman (2013) e Marins (2011) apontam dois fatores como os principais para o rápido crescimento
da Pesquisa Operacional. O primeiro deles é o desenvolvimento de técnicas mais específicas, como o
Método Simplex, desenvolvido por George Dantzig, em 1947, e as tradicionais ferramentas, como a
programação linear e a teoria das filas. O segundo fator foi a revolução computacional, por meio do
aparecimento de computadores com mais capacidade de processamento de dados, permitindo que
cálculos complexos fossem resolvidos em menos tempo.
Dessa maneira, podemos, então, dizer que a Pesquisa Operacional, como a conhecemos hoje, é
uma área do conhecimento aplicada na solução de problemas que envolvem a condução ou a coor-
denação das operações ou atividades de uma empresa, sendo utilizada, atualmente, em manufatura,
transportes, área médica e hospitalar, serviços militares e públicos e, até mesmo, no setor financeiro
(HILLIER; LIEBERMAN, 2013).
É comum associar a Pesquisa Operacional à Programação Linear, mas a nossa área não se restringe
a essa técnica. Ao longo de nossa jornada, você terá contato com outras técnicas de solução de proble-
mas, ilustrando a amplitude desta área do conhecimento.

Antes de continuar, ouça um podcast que traz um pouco mais de

História Antiga. Você poderá ouvir sobre Alexandre, o Grande, um
general e imperador macedônio que já aplicava, há muito tempo,
conceitos de Pesquisa Operacional em suas batalhas.

Mas, não se esqueça: a Pesquisa Operacional é uma das engrenagens para o desenvolvimento de um
processo ou produto, que deve ser associada a outras engrenagens, como o gerenciamento, a inovação,
o projeto, o planejamento, a estratégia e por que não, o marketing.
Todas essas engrenagens servem para compor o corpo de uma empresa, permitindo que ela tenha
elementos suficientes para organizar seu dia a dia, planejar as suas ações, definir metas e objetivos,
além de traçar os caminhos necessários para que as metas sejam atingidas. Todas essas etapas passam
por processos de tomada de decisão.
Com certeza, você já teve que tomar alguma decisão em sua vida e, na maioria das vezes, há várias
opções que precisam ser levadas em consideração para que possa escolher aquela que lhe favoreça,
pelo menos, naquele momento. Algumas decisões podem afetar, apenas, você, porém outras decisões
podem envolver mais pessoas, principalmente, as que estão ao seu redor, como familiares e amigos.

15
UNICESUMAR

Na carreira profissional, você também precisa tomar decisões, independentemente do cargo que
ocupa e, quanto mais alto o cargo, maiores são as responsabilidades e os riscos que se corre ao decidir
tomar uma atitude. Por este motivo, a Pesquisa Operacional serve de instrumento para ajudar o(a)
tomador(a) de decisão a escolher a melhor opção à empresa, o que pode afetar todos os funcionários
e, até mesmo, o mercado consumidor ou a concorrência.
Este processo não é tão simples. Segundo Lachtermacher (2007), quando você precisa escolher uma
alternativa dentre várias conflitantes ou concorrentes, há dois caminhos a seguir: o primeiro é usar a
intuição e a experiência, escolhendo a melhor alternativa baseada em sua vivência dentro ou fora da
empresa. O segundo caminho é elaborar um modelo da situação e realizar exaustivas simulações de
vários cenários que contemplem as alternativas que deve escolher. Há alguns anos, a primeira opção era
a escolhida, pois não havia técnicas matemáticas suficientes e avanço computacional que permitissem
a elaboração de modelos mais sofisticados que fossem resolvidos, facilmente; a carência de dados e
informações dos processos produtivos das empresas também atrapalhava muito. Porém, atualmente, a
quantidade de informação disponível, geralmente, é grande, até mesmo um computador simples é capaz
de rodar um software de cálculo que possa ser utilizado na resolução de um problema matemático.
De modo geral, o processo de tomada de decisão pode ser resumido como o apresentado na Figura 1.

Figura 1 - Processo de tomada de decisão / Fonte: adaptada de Lachtermacher (2007).

Descrição da Imagem: na imagem, aparece um retângulo de bordas arredondadas, em que está escrito “Situação
gerencial”, logo acima desse retângulo está escrito “Mundo Real”. Desse retângulo sai uma seta ligando um retângulo de
bordas arredondadas, nele está escrito “Modelo”. Desse mesmo retângulo sai uma seta tracejada para baixo conectando
um retângulo em que há a palavra “Intuição”. Do retângulo “Modelo” parte uma seta conectando a outro retângulo,
em que se lê “Resultado”. Desse retângulo parte outra seta, conectando um retângulo onde se lê “Decisão”. Acima do
retângulo “Decisão” está escrito “Mundo Real”. Os retângulos “Modelo” e “Resultado”, que estão no centro da figura,
encontram-se dentro de outro retângulo maior, em que está escrito “Mundo Simbólico”. Do retângulo “Intuição”, que
está abaixo da figura, sai uma seta tracejada para cima que se divide em duas, ligando-se aos retângulos “Modelo” e
“Resultado” e, ainda, do retângulo “Intuição” parte outra seta tracejada, conectando-o ao retângulo “Decisões”.

16
 UNIDADE 1

Observe que não basta elaborar o modelo e encontrar uma resposta matemática para ele, é importante
aplicar os conhecimentos adquiridos com o tempo e utilizar a experiência para tomar a decisão final.
É importante ter ciência de que é preciso primeiro juntar informações, analisá-las, depurá-las, ou
seja, eliminar as que não serão úteis, para, então, elaborar um modelo, testá-lo, obter as respostas dele
e, então, decidir que caminho tomar.
Quando se aplica a Pesquisa Operacional, essas etapas de tomada de decisão devem ser bem claras e de-
finidas. Silva et al. (2010) apresentam uma boa descrição dessas etapas, conforme apresentado na Figura 2.

Figura 2 - Fases de um estudo em Pesquisa Operacional / Fonte: adaptada de Silva et al. (2010).

Descrição da Imagem: na figura, há um retângulo escrito “Formulação do problema”, desse retângulo sai uma seta
conectando outro retângulo em que está escrito “Construção do modelo do sistema”. Deste último retângulo parte
uma seta conectando um retângulo no qual se lê “Cálculo da solução por meio do modelo” e, desse retângulo, sai uma
seta conectando outro, em que se lê “Teste do modelo e da solução”. Deste último retângulo sai uma seta conectando
um retângulo, em que está escrito “Estabelecimento de controles de solução”, dele sai uma seta conectando o último
retângulo, no qual se lê “Implementação e acompanhamento”.

A primeira etapa descrita, dentre as seis apresentadas na Figura 2, aquela que inicia o processo é
a formulação do problema. Esta, sem dúvida nenhuma, é a etapa mais importante da tomada de
decisão, pois não há como resolver um problema, corretamente, se ele estiver errado (HILLIER;
LIEBERMAN, 2013). É necessário que todos os envolvidos na solução do problema troquem in-
formações, coletem dados e os analisem, excluindo aqueles que não serão úteis. Normalmente, o
problema não tem um enunciado completo, ele é formado por ideias e afirmações que devem ser
unidas para formar algo compreensível.
Diferentemente de quando estudamos os conceitos e as disciplinas no curso de graduação, onde
os problemas são postos para que se desenvolva o raciocínio lógico daquela situação ou daquele caso
apresentado, na realidade, na maioria das vezes, você dispõe de conjuntos de dados, questionamen-
tos e sugestões apresentadas em torno de um problema central. Cabe a você, como engenheiro(a),
organizar as ideias, juntar mais informações, analisar os dados, separando aqueles, realmente, rele-
vantes, descartando os que não têm significância à solução do problema, para, então, interpretando
a situação, descrevê-la com o máximo de detalhes possível.

17
UNICESUMAR

Por exemplo, suponha que você precise viajar entre duas cidades e que disponha de duas rotas,
uma mais curta com pedágio e outra cerca de 10km mais longa, sem pedágio. Se esse for o seu pro-
blema, você deve descrevê-lo, corretamente, para escolher a melhor alternativa. Há vários fatores
que podem ser considerados:

• Tanque cheio e sem dinheiro para o pedágio.

• Tanque cheio e com dinheiro para o pedágio.
• Necessidade de chegar mais rápido.
• Não há pressa para chegar ao destino.
• A estrada mais longa é esburacada e, provavel-
mente, você demorará 40 min. a mais na viagem.

Estas são algumas situações que você poderia analisar na escolha da melhor rota para aquele dia. Note
que, ao analisar se há combustível suficiente para a viagem ou dinheiro para pagar o pedágio, você
está colocando restrições ao seu problema, pois, se não tiver dinheiro destinado ao pedágio, então,
restará, apenas, um caminho a escolher. Por outro lado, se você tiver o dinheiro do pedágio, mas não
tiver pressa para chegar ao destino, poderá, também, escolher a rota mais longa.
No processo de formulação do problema, as restrições devem ser consideradas, no caso de uma
indústria, elas podem ser a quantidade de matéria-prima ou mão de obra disponível. Se for uma apli-
cação financeira, uma das restrições poderia ser a quantidade de dinheiro que você tem a aplicar. No
problema apresentado, anteriormente, sobre produção de mesas e cadeiras, a quantidade de madeira
disponível (250m2) torna-se uma restrição do problema, pois não é possível fazer mesas e cadeiras em
quantidades infinitas, mas respeitar a quantidade máxima de madeira disponível.
Portanto, nessa etapa, se concentre em descrever, com o máximo de detalhes possível, o seu problema
e os fatores envolvidos nele. Não se deve esquecer do objetivo a ser atingido com o problema: pode
ter foco em minimização de custo ou maximização de lucro, por exemplo. No caso da viagem com
pedágio, para avaliar o menor custo, seria possível comparar o preço pago pelo pedágio no caminho
mais curto com o custo de combustível ao percorrer 10 km a mais no caminho mais longo que não
tem pedágio. Por outro lado, se o objetivo for buscar o caminho mais rápido, a estrada pedagiada pode
ser a melhor alternativa. Veja como um mesmo problema pode ser visto sob diferentes óticas. Por este
motivo, uma boa definição do problema é, sem dúvida nenhuma, ponto importantíssimo para que o
seu processo de solução se inicie de maneira correta.

18
 UNIDADE 1

Após a formulação adequada do problema, descrevendo todas as limitações e possibilidades da

situação estudada e definido o objetivo principal que se deseja atingir, pode-se partir para a modela-
gem matemática do problema.
Segundo Marins (2011), o modelo é uma representação simplificada de algo real e tem muita
utilidade, pois estabelece uma relação entre as variáveis determinando as mais importantes para o
problema, além de apontar os dados relevantes e permitir a visualização de vários cenários, sem afetar
o funcionamento do sistema estudado. Os modelos apresentam diversas formas e classificações, posso
citar para você alguns, tais como: os modelos físicos, como as maquetes de um edifício; os modelos
analógicos, como os organogramas; e os modelos matemáticos. São, justamente, os modelos matemá-
ticos aqueles utilizados para representar os problemas em Pesquisa Operacional, pois, neles, você pode
colocar as variáveis de decisão ou controladas, as variáveis não controladas bem como as restrições
impostas ao seu problema.
É nesta etapa que você transforma o seu problema que foi descrito, na forma de um texto corrido,
em uma relação matemática. Nela, poderão ser utilizadas diversas técnicas do cálculo e de otimização
para resolver o problema.
Um exemplo bem simples de modelo matemático é a equação de reta. Em algum momento de seu
curso, ou, até mesmo, no Ensino Médio, você deve ter feito um gráfico de equação de reta e, para isso,
utilizou uma equação matemática, atribuindo valores à variável independente x, obtendo respostas à
variável dependente y. Observe que se estabeleceu uma relação entre as variáveis, dessa forma, você
pôde aplicar valores diferentes para a variável x e obter o respectivo resultado para y.
Em Pesquisa Operacional, o objetivo da modelagem é relacionar as variáveis escolhidas para re-
presentar o problema de maneira que o modelo reproduza o sistema real e você possa estudar o seu
comportamento em diferentes circunstâncias. Como o foco da Pesquisa Operacional é a otimização, o
modelo será utilizado para encontrar não todas as soluções possíveis, mas aquela considerada a melhor
de todas. Obviamente, é possível testar diferentes circunstâncias com o modelo descrito, mesmo que
não seja a condição ótima.
Com o problema descrito e o modelo elaborado basta resolvê-lo. Com certeza, nem sempre é uma
tarefa fácil selecionar o melhor método de solução para o modelo criado. Mas você verá que, dependen-
do do tipo de modelo escolhido dentro da Pesquisa Operacional para resolver um problema, algumas
técnicas são características e apresentam excelentes resultados em sua aplicação.
Logo, esta etapa da tomada de decisão é caracterizada pelo método utilizado para resolver o modelo.
Taha (2008) afirma que não existe apenas uma técnica para resolver todos os tipos de modelos matemá-
ticos, mas o que determina qual técnica deve ser empregada é, justamente, o grau de complexidade do
modelo. Dentre as técnicas existentes, pode-se dizer que a Programação Linear é a mais utilizada dentro
da Pesquisa Operacional, sendo aplicada quando as equações que compõem o modelo são lineares. A
programação inteira é aplicada quando as variáveis assumem valores inteiros, já a programação dinâ-
mica é útil quando você pode decompor o problema em situações mais simples, facilitando a solução.

19
UNICESUMAR

Grande parte desses modelos se baseiam em métodos numéricos que apresentam soluções apro-
ximadas, muitas vezes, devido à impossibilidade de determinar uma solução exata. No entanto os
métodos que utilizam soluções aproximadas são validados e apresentam respostas satisfatórias e
muito próximas do que seria a solução real. Outros modelos se baseiam no comportamento dos da-
dos, trazendo conceitos de estatística, como as distribuições de probabilidade e o seu comportamento
aleatório de ocorrência.
Uma expressiva vantagem dessas técnicas para resolver problemas de Pesquisa Operacional é que
são construídas como algoritmos, que são regras fixas determinadas pelo usuário do modelo para
resolver o problema, permitindo que o modelo seja resolvido, por inúmeras vezes, em processos ite-
rativos, alcançando assim, a melhor resposta.
Outro fator relevante na solução de modelos matemáticos é a disponibilidade de softwares já com
algoritmos clássicos instalados, o que permite resolver problemas complexos com facilidade e segu-
rança. Antes do advento da computação, esses modelos eram resolvidos de forma demorada e, algumas
vezes, por equipes de pesquisadores, cientistas e engenheiros que se debruçavam sobre os problemas e
aplicavam os métodos iterativos centenas de vezes até atingir o valor ótimo desejado. Como todas as
técnicas de solução de problemas em Pesquisa Operacional foram embasadas em métodos matemáti-
cos bem estabelecidos, com etapas bem definidas (algoritmos), o surgimento dos softwares de cálculo
permitiu que tais métodos fossem programados e acelerassem o processo. Então, quando você executar
um programa e obter a resposta em segundos, não se esqueça: há uma gama de etapas programadas
no software que lhe permitiram encontrar a solução, rapidamente. Alguns exemplos desses softwares
e pacotes computacionais são o Solver, do Excel®, que será abordado em um de nossos ciclos de apren-
dizagem, o LINDO®, o CPLEX®, os quais são úteis para resolver problemas de Programação Linear e
Não-Linear, além do PROMODEL® e do ARENA®, aplicados para simulação dos modelos analisados
(MARINS, 2011).
Silva et al. (2010) lembram que, além de resolver o modelo, é muito importante testá-lo com dados
históricos do problema, se houverem. Dessa maneira, você pode comparar a resposta do modelo com
o que, realmente, ocorreu, observando o desvio entre essa resposta e o valor real. Caso o desvio seja
muito alto e inaceitável, o modelo deve ser reformulado e, novamente, resolvido para ser testado. Ele
pode representar o problema e será utilizado em simulações se os desvios forem pequenos.
Note a diferença entre essa etapa e a anterior: na etapa de solução do modelo, a finalidade é definir
o melhor método para resolvê-lo, já nesta etapa, de teste do modelo, após a escolha do método, o mo-
delo é resolvido para dados cujas respostas são conhecidas e os valores encontrados são comparados
aos já existentes.
Apesar de essa etapa ocorrer depois do modelo escrito e da seleção do método de solução, ela é
fundamental para que você tenha mais segurança ao executá-lo. Lá na etapa de modelagem, dissemos
que a criação do modelo acontece pela relação entre as variáveis escolhidas para representar o proble-
ma real, escolha esta que foi realizada na etapa de formulação do problema. Sendo assim, esta etapa
de verificação e validação do modelo faz você avaliar se as variáveis escolhidas, bem como as relações
estabelecidas são, de fato, suficientes para que você atinja o objetivo de solucionar o problema.

20
 UNIDADE 1

Como o modelo é uma representação da realidade, não é desejável que ele seja, extremamente,
simples, a ponto de não conseguir representar o fenômeno real, mas também não deve ter um grau de
complexidade tão elevado, com inúmeras variáveis que tornem o seu processo de cálculo dificultoso,
trabalhoso e custoso, até mesmo para os softwares de cálculo. Quanto mais variáveis você tiver em seu
modelo, maior será a quantidade de possibilidades de variação da situação real estudada, no entanto isso
pode criar tantas possibilidades de solução que, por excesso de informação, pode levar a uma decisão
dificultada. Por este motivo, escolha sim, sempre que possível, um modelo simples, o qual represente
o problema real, o que pode ser verificado nesta etapa de validação do modelo.
Como o modelo é construído com base em dados de uma situação-problema, é inevitável fazer
a constante verificação dos dados do problema, para que, se houver alguma modificação, uma nova
solução seja testada, ou, até mesmo, um novo modelo seja elaborado (SILVA et al., 2010). Por exemplo,
se você elaborou um problema para determinar a quantidade de matéria-prima a ser utilizada na ela-
boração de uma liga de aço com 1% de carbono e, durante o processo, modificou a composição para
2% de carbono, o modelo deve ser refeito.
Deve ficar claro que o modelo é particular a cada problema. Podemos ter, sim, problemas similares
que tenham modelos com formatos parecidos, mas, provavelmente, os seus parâmetros serão diferentes,
resultando em um modelo distinto.
O que ocorre, com frequência, é termos algumas estruturas de modelo que se adaptam melhor a
certos tipos de problema, o que você verificará quando estudar a Programação Linear e observar que,
para problemas de mix de produção ou logística, há formas mais adequadas de representar o proble-
ma e de seguir uma linha de raciocínio que favoreça a sua solução. A própria Teoria das Filas, a qual
citaremos mais adiante e que é assunto de Simulação de Processos, tem os seus modelos característicos
para cada tipo de sistema de fila.
É importante, também, entender que, ao alterar apenas um número do modelo, este já pode ser
considerado novo, pois a sua faixa de ação pode ser ampliada ou reduzida. Então, se o modelo está
pronto e validado, é hora de executá-lo nas condições desejadas, ou, simplesmente, buscar a sua solu-
ção, no caso da Programação Linear, e analisar a solução obtida buscando a implementação. É neste
ponto que a decisão deve ser tomada. Considerando a elaboração do problema, a criação do modelo,
a sua resposta e análise, o responsável por tomar a decisão deve escolher qual solução adotar e, então,
o modelo deve ser implementado (MARINS, 2011).
Para uma aplicação de sucesso do modelo, toda a equipe envolvida no estudo deve participar para
treinar e acompanhar as pessoas que executarão as ações, dessa forma, é possível observar se há neces-
sidade de corrigir algum desvio do modelo que pode persistir ao ser aplicado às condições reais de um
processo produtivo. Todas as fases do estudo devem ser bem documentadas para que tenha reprodu-
tibilidade, além de facilitar mudanças do modelo ao longo do tempo (HILLIER; LIEBERMAN, 2013).
Caro(a) estudante, é muito importante entender que esse processo não é estático, ou seja, quando
você define um problema e elabora um modelo, este é válido para o problema que você quer resolver,
nas condições estabelecidas no mesmo. Havendo qualquer alteração no problema, o modelo deve ser
corrigido, para que permaneça tendo validade ao longo do tempo.

21
UNICESUMAR

Estas são as fases principais de um estudo desenvolvido em Pesquisa Operacional. Tendo conhe-
cimento da sequência que você precisa seguir para preparar o problema à solução, ficará mais fácil
entender quais informações são necessárias na utilização das técnicas de solução de problemas em
Pesquisa Operacional.

• Pesquisa Operacional: área da Engenharia responsável por analisar problemas e opor-

tunidades, buscando a melhor solução.
• Função objetivo: representa o que se deseja otimizar, ou seja, maximizar ou minimizar.
Por exemplo, maximizar um lucro e minimizar um custo.
• Restrição: equação que representa as limitações do processo estudado. Geralmente,
limitações de recursos, como matéria-prima e horas disponíveis de trabalho.

Agora, falaremos, um pouco, sobre os principais métodos utilizados para resolver problemas dentro
do contexto da Pesquisa Operacional.
Você já deve ter observado que a Pesquisa Operacional tem, com fundamento, analisar um proble-
ma e buscar uma solução para ele, portanto, você lidará com uma gama grande de tipos diferentes de
problema. Apresentarei a você, em linhas gerais, algumas técnicas utilizadas na Pesquisa Operacional
para, nos próximos ciclos de aprendizagem, detalharmos algumas delas.

Programação Linear (PL)

A Pesquisa Operacional tem, como principal vertente, a Programação Linear e, como método de solu-
ção, o chamado Método Simplex. Na Programação Linear, os problemas são tratados como conjunto
de equações e inequações lineares que devem ser, simultaneamente, resolvidas. É definida uma função
objetivo que será maximizada ou minimizada.
É, sem dúvida, um dos métodos mais clássicos e utilizados em problemas de Pesquisa Operacional
e você verá que não é à toa, pois a sua aplicabilidade é bem extensa e a capacidade de tratar problemas
simples e complexos a torna favorita, em muitos casos. Você aprenderá a escrever modelos de Pro-
gramação Linear e a resolvê-los. É importante dizer que, dentro das Engenharias, é um dos métodos
preferidos quando se trata de otimização de sistemas.

22
 UNIDADE 1

Programação Linear Inteira (PLI)

A diferença entre a Programação Linear e a Programação Linear Inteira é o resultado aceitável para
as variáveis do problema, que devem ser, estritamente, inteiras. Pensando no problema da fabricação
de mesas e cadeiras, você não pode fabricar 8,5 cadeiras ou 3,3 mesas, ou serão 8 ou 9 cadeiras ou 3
ou 4 mesas. A lógica de solução é a mesma da Programação Linear, no entanto, devemos informar
que as variáveis devem ser inteiras. Uma particularidade deste tipo de problema é a Programação
Linear Inteira Binária (PLIB) cujas soluções de suas variáveis são, apenas, os números 0 e 1. A PLIB é,
normalmente, utilizada quando há intenção de calcular se deve (1) ou não (0) escolher determinada
variável do problema. Mais detalhes sobre esse tipo de programação serão vistos adiante.

Programação Linear Inteira Mista (PLIM)

Neste tipo de Programação Linear, algumas das variáveis buscadas podem ser números fracionários,
enquanto outras precisam ser, estritamente, inteiras. É um caso em que o seu problema pode ter um
grau de complexidade um pouco maior e há a necessidade de determinar a solução do modelo condi-
cionando algumas das respostas a números inteiros, permitindo que outras respostas sejam números
decimais. As técnicas utilizadas para resolver estes tipos de problema são as mesmas empregadas na
Programação Linear convencional.

Programação Não-Linear (PNL)

A Programação Não-Linear apresenta as suas equações em formato não linear, ou seja, há potências,
exponenciais, logaritmos, multiplicação ou quociente entre variáveis. O que definirá este tipo de progra-
mação é, realmente, o tipo de equação utilizada para representar alguma restrição ou função objetivo.
Esta técnica se torna útil quando o seu problema não pode ser representado por uma equação linear,
que tem proporcionalidade direta entre as variáveis do sistema estudado. Neste caso, o método simplex
utilizado na solução de problemas de Programação Linear não pode ser empregado, outros métodos
mais específicos para sistemas não-lineares devem ser escolhidos como Método do Tipo Gradiente,
Método da Seção Áurea, Método de Armijo e Método de Newton.

Teoria dos Jogos

A Teoria dos Jogos estabelece uma relação competitiva entre dois jogadores, o que, para as Engenharias,
se traduz na competitividade entre empresas. Na Teoria dos Jogos, são avaliadas as recompensas que
cada “jogador” conquistará ao adotar determinada estratégia, tendo, como base, a interação entre as
estratégias de cada jogador. Dentro do livro de Pesquisa Operacional, teremos algumas unidades que
tratam desta teoria. Você aprenderá como representar os jogos e como analisá-los sob o ponto de vista
dos jogadores envolvidos. O interessante da teoria é que ela pode ser associada à Programação Linear
e o modelo criado de jogo é resolvido com vistas à otimização do modelo de jogo gerado.

23
UNICESUMAR

Teoria das Filas

Outra maneira importante de analisar problemas na Pesquisa Operacional é utilizar a chamada Teoria
das Filas, a qual estuda o comportamento de filas em sistemas produtivos. Devido à íntima relação da
Teoria das Filas com a Simulação de Processos Produtivos, tal conteúdo é, muitas vezes, abordado junto
à simulação e ao trabalho com simuladores de processo. As filas podem ser desenvolvidas em sistemas
corriqueiros e conhecidos como bancos e supermercados, mas também podem ser encontradas em
processos produtivos quando são analisadas as filas formadas entre equipamentos. Por ser base da
Simulação, não trabalharemos com ela neste livro, mas você poderá estudá-la, com mais detalhes, em
Simulação de Processos Produtivos, e verá como ela também ajuda a otimizar sistemas que pode ter
foco na redução de custos.
Aqui, foram apresentadas, apenas, algumas das técnicas que podem ser utilizadas em Pesquisa
Operacional, portanto, entenda que esta belíssima área das Engenharias tem uma gama grande de
aplicações e técnicas que fundamentam a solução desses problemas. Recomendo que você busque ler
mais sobre o assunto e passe a testar novos tipos de problema com vistas à solução ótima.
Para que você visualize onde a Pesquisa Operacional pode ser aplicada, preparei alguns exemplos
com uma breve discussão sobre o que se busca em cada tipo de problema.

Problema da Dieta

Neste tipo de problema, o objetivo é avaliar o quanto deve ser ingerido de alimento para que o corpo
tenha o aporte de macronutrientes (carboidratos, lipídios e proteínas), micronutrientes e vitaminas,
respeitando um limite de calorias (kcal) diárias. Tal análise pode ser expandida na fabricação de ra-
ções, cuja dose diária deve ser calculada para que o animal (seja ele de criação ou de corte) tenha a
nutrição adequada.
Este tipo de problema exige que você defina quais são as necessidades de nutrientes e energia, ou
seja, valores máximos e/ou mínimos que podem ser acompanhados de custos de aquisição de ma-
téria-prima, quantidade presente em insumos que podem ser misturados, enfim, pode-se ter grande
quantidade de situações envolvendo o problema da dieta. Neste caso, você pode minimizar o custo
de aquisição de insumos para preparar uma ração, por exemplo, ou minimizar o total energético da
mistura mantendo os níveis adequados de nutrientes.
Observe que você pode, até mesmo, otimizar as suas refeições, definindo a quantidade de nutrientes
que quer ou precisa ingerir e definir um limite energético para que isso não leve ao ganho de peso, por
exemplo. E, ainda melhor, buscando gastar o menos possível com a aquisição de alimentos.

24
 UNIDADE 1

Problema do Mix de Produção

Quando uma empresa fabrica mais de um produto, utilizando os mesmos recursos, é importante definir
a quantidade de cada tipo de produto que deve ser fabricado para ter o maior lucro ou a maior receita ou
reduzir o custo, respeitando a quantidade mínima a ser produzida bem como as restrições da quantidade
de insumos disponível. É o tipo de problema clássico para estudar e entender a Programação Linear.
Provavelmente é o tipo de problema que você mais verá como representante da Programação Linear,
principalmente, dentro das engenharias de processo, como a Engenharia de Produção. Neste tipo de
problema, as limitações são os recursos disponíveis, os que podem ser representados por quantidade
de materiais ou horas disponibilizadas, seja de mão de obra, seja de maquinários. Muitas vezes, o foco é
maximizar os lucros ou minimizar os custos de fabricação. Há variações deste problema que envolvem,
junto à produção, uma análise logística de distribuição dos produtos acabados.

Problema de Transporte

Aplicado a problemas de logística, tem, como objetivo, reduzir os custos de transporte, que pode ser
calculado pela menor distância total percorrida, seleção do melhor caminho ou escolha das rotas mais
adequadas. É comum associar o custo de transporte ao volume transportado de mercadoria, seja em
massa (quilogramas ou toneladas), seja em volume (litros ou metros cúbicos).
É interessante notar, aqui, que os problemas de transporte não cabem, unicamente, ao transporte
rodoviário, pois podem ser aplicados a modais ferroviários, hidroviários, aéreos e, até mesmo, duto-
viários. Tais problemas podem apresentar uma modelagem com algumas modificações, comparados
aos dois problemas anteriores de mix de produção e de dieta.
Há alguns algoritmos específicos para resolver tais tipos de problema, principalmente, quando há
entrepostos que costumam ser chamados de “nós”, nesta modelagem. No entanto é um tipo de problema
que costuma ser modelado com Programação Linear e, muitas vezes, o desenvolvimento do modelo
é bem intuitivo, bastando algum conhecimento sobre fluxo de materiais.

Problema do Orçamento de Capital

Quando há um capital disponível para investimento, uma empresa ou pessoa pode definir quais são
as melhores aplicações financeiras, ou seja, aquelas que apresentam mais retorno financeiro. A solução
deste problema permite definir o quanto do capital que deve ser investido em cada aplicação financeira.
Observe que este tipo de problema parece se aplicar mais à área da Economia do que da Engenharia,
no entanto, você, como engenheiro(a), além de poder atuar em diversas áreas do conhecimento, como
análise e viabilidade de projetos e instituições bancárias, pode, também, utilizar uma análise financeira
para justificar o investimento de uma empresa em um processo melhor, novos equipamentos, novas
tecnologias e, até mesmo, para a instalação de uma planta nova. Assim, você pode comparar o retorno
financeiro de executar o projeto com o retorno financeiro de deixar o dinheiro aplicado em algum
investimento ou em um conjunto de investimentos.

25
UNICESUMAR

Problema de Fluxo na Indústria de Processo

Com o objetivo de determinar a quantidade de produtos fabricados, este problema toma, como base
de suas restrições, a capacidade de processamento de cada etapa de produção e os princípios de con-
servação de massa. É comum adotar, como função objetivo, o lucro obtido pela venda dos produtos
fabricados, buscando, obviamente, o maior lucro possível.
O modelo desenvolvido neste tipo de problema também se baseia na Programação Linear ou em
suas variações, como a Programação Inteira ou Inteira Mista. O princípio de conservação de massa,
aqui, citado é uma das considerações, também, utilizadas para criar as restrições de alguns tipos de
problemas de transporte. Neste princípio, se considera que tudo o que entra sai de determinado ponto,
ou seja, a soma de todas as correntes de entrada é igual à soma das correntes de saída. Se houver algum
acúmulo no ponto estudado, esse valor também deve ser considerado, adotando a seguinte lógica: o
que entra menos o que sai é igual ao que se acumula.
Quando você estudar este tipo de problema, na Unidade 4 do livro, entenderá melhor o princípio
de conservação das massas.

Problema da Interação Estratégica entre Agentes

Este tipo de problema é analisado pela Teoria dos Jogos, que, como dito, anteriormente, prevê a análise
da relação entre a tomada de decisão de empresas, ou seja, as recompensas obtidas quando duas empre-
sas tomam as suas decisões. Um exemplo comum é o de organizações que competem em um mesmo
mercado e devem decidir se ampliam o investimento em seus processos produtivos ou se mantêm os
processos nas condições atuais. Também é aplicado quando uma empresa decide se entra ou não em
um mercado novo dominado por outra.
Na Teoria dos Jogos, são estudados os Jogos Simultâneos, em que se considera que todos os jogadores
tomam as decisões ao mesmo tempo, de maneira que nenhum sabe, exatamente, o que o outro esco-
lherá, mas tem, apenas, um vislumbre das possibilidades de escolha de cada um. Há, também, os Jogos
Sequenciais. Nestes, um jogador inicia o movimento escolhendo uma estratégia e o outro jogador adota
uma escolha já conhecendo a opção inicial de seu oponente. Os Jogos Sequenciais podem ter mais de
uma rodada, havendo, então, alternância de escolhas de estratégias entre os jogadores, um após o outro.
Em ambos os casos, pode-se analisar, de antemão, as melhores opções para você e o seu oponente.
É nisso que se baseia a Teoria dos Jogos, tentar prever a estratégia escolhida pelo adversário para se
antecipar a ela ou escolher a que menor prejuízo trará, pois, muitas vezes, a estratégia que traz o melhor
resultado também pode levar ao maior prejuízo.
É importante dizer que, independentemente do resultado que a Teoria dos Jogos forneça, sugerindo
uma estratégia como a mais adequada, nada impede que o jogador (empresa) escolha um caminho
mais arriscado, o qual poderá levar a resultados muito melhores.
A Teoria dos Jogos pode ser combinada com a Programação Linear para atender ao objetivo de
otimizar a escolha, e você terá a oportunidade de aprender a combinar as duas na Unidade 9, ao final
do nosso livro, depois de dominar a Programação Linear.

26
 UNIDADE 1

Problema de Formação de Fila em Processos

A presença de gargalos na indústria é algo comum, geralmente, se há uma máquina ou etapa do pro-
cesso mais lenta do que as demais e, por este motivo, dita o ritmo de todo o ciclo. Quando isso ocorre,
pode haver formação de filas em etapas intermediárias e, com informações sobre o comportamento
da fila, você consegue avaliar a capacidade produtiva, os custos envolvidos na execução da atividade
e, também, os custos associados à própria fila, muitas vezes, chamado de “custo de espera”. Uma apli-
cação importante da análise da fila é a simulação de processos, o que permite propor mudanças no
sistema produtivo no campo virtual, para avaliar as consequências da modificação proposta antes de
ser implantada, assim, haverá mais segurança na condução do processo.
Na Teoria das Filas, o ponto forte é a análise dos dados que são coletados para representar a dinâmica
de funcionamento da fila e de atendimento aos clientes que chegam nela. Os modelos desenvolvidos
na Teoria das Filas são baseados em distribuições de probabilidade, ou seja, utilizam os conhecimentos
da estatística. Considera-se que os dados obtidos possuem comportamento aleatório, sem tendência
específica e que a sua ocorrência segue alguma distribuição de probabilidade, tais como: Exponencial,
Poison, Erlang, Gama, Beta e tantas outras.
Como já mencionei, a Teoria das Filas será estudada na disciplina de Simulação de Processos Pro-
dutivos. Lá, você terá a oportunidade de entender como funciona a análise desses dados, como ajustar
uma distribuição de probabilidade a eles e selecionar o modelo de fila mais adequado para o sistema
que você está estudando e, também, aplicá-lo a softwares de simulação, analisando sistemas reais sob
diferentes condições, sem a necessidade de modificar o sistema real gastando dinheiro para isso.
Mas, então, por que apresentar a Teoria das Filas, aqui, em Pesquisa Operacional, se ela será utilizada
em Simulação de Processos? Simples: pois o conhecimento é integrado, ambas as áreas da Engenharia
têm o objetivo de otimizar um sistema e ajudar a resolver um problema. Além de que ambas estão,
intimamente, interligadas, chegando ao ponto de podermos dizer que a Simulação de Processos é uma
etapa mais refinada da Pesquisa Operacional que permite avaliar, de forma dinâmica, o comportamento
de um sistema em diferentes condições.
Estas são algumas aplicações da Pesquisa Operacional para que você entenda a importância des-
sa área nas Engenharias e o potencial de aplicabilidade que ela apresenta. De agora em diante, nos
debruçaremos com mais detalhes, sobre a Programação Linear, com o intuito de fundamentar os
conhecimentos básicos da área e começarmos a resolver problemas.

Independentemente da técnica utilizada, o principal objetivo na vida do engenheiro(a) é otimizar.

Sempre que ele(a) consegue atingir tal meta, há redução de custos, elevação dos lucros e, ao
menos, um problema resolvido.

27
UNICESUMAR

A Programação Linear é apontada como uma das bases da Pesquisa Operacional. Grande parte dos
problemas encontrados nas Engenharias podem ser representados por equações lineares. A partir
de agora, é importante que você comece a se familiarizar com alguns termos: equações e inequações,
função objetivo, variáveis de decisão, variáveis de folga e restrições.
Para que você possa iniciar a segunda unidade mais tranquilamente, trago para você algumas de-
finições desses termos.
As equações lineares são representações com sinal de igualdade. Veja, por exemplo:

3  x1  8  x2  25 (1)

j á as inequações lineares possuem sinal de desigualdade como maior ou igual (≥) ou menor ou igual (≤).

3  x1  8  x2  25 (2)

3  x1  8  x2  25 (3)

independentemente de ser uma equação ou inequação, elas apresentam comportamento linear, o

qual pode ser identificado pela multiplicação de um número (chamado de coeficiente) pela variável.
Observe que as variáveis x1 e x2, nas equações apresentadas, anteriormente, não estão multiplicando
ou dividindo outra variável, não estão elevadas a nenhuma potência nem como expoente de uma
função exponencial, não pertencem a uma função logarítmica ou trigonométrica. Estas condições
garantem o comportamento linear das equações, a base principal para a representação dos modelos
de Programação Linear.
Mesmo excluindo as formas de função citadas no parágrafo anterior, as equações lineares têm muita
representatividade em inúmeros tipos de problema estudados na Engenharia. Essas equações costumam
fazer parte das restrições do modelo, aquelas equações que representam as limitações do seu sistema.
Quando utiliza sinal de igualdade, você trava a equação, ou seja, está buscando valores para x1 e x2
que satisfaçam, exatamente, ao resultado apresentado do lado direito da equação. As inequações dão
mais liberdade ao resultado de x1 e x2, pois são aceitos valores para essas variáveis que satisfazem à
desigualdade da equação, ou seja, permitem que os valores calculados dos lados esquerdo dela sejam
maiores ou menores do que o valor apresentado do lado direito da desigualdade.
A função objetivo é aquela a qual se deseja calcular o maior ou menor valor para a mesma. Utili-
zamos, geralmente, a simbologia max para maximização e min para minimização:

max( Z )  3  x1  8  x2 (4)

min( Z )  3  x1  8  x2 (5)

assim como as equações que são utilizadas como restrição do problema, a função objetivo também
tem comportamento linear, escrita da mesma forma que as equações ou inequações que serão utiliza-

28
 UNIDADE 1

das nas restrições, a diferença é que a função objetivo não tem um resultado específico, na verdade, é,
justamente, o valor dela que você quer descobrir, em conjunto com os resultados para x1 e x2.
Observe que, em todas as equações, apareceram as variáveis x1 e x2, estas são conhecidas como variá-
veis de decisão e os valores são buscados para que a função objetivo atinja o seu valor ótimo, máximo
ou mínimo, dependendo do problema. Todas as equações que fazem parte do modelo de Programação
Linear devem, obrigatoriamente, ser escritas em função dessas variáveis. Não há necessidade de que
todas as equações tenham todas as variáveis, podemos ter equações com apenas uma delas, mas todas
as equações escritas devem possuir, ao menos uma das variáveis cujos valores se quer encontrar.
Podemos dizer que os problemas de Programação Linear buscam encontrar os valores das variá-
veis de decisão que levem a função objetivo ao seu estado ótimo, o qual será de maximização ou de
minimização, dependendo do significado da função objetivo.
Você verá que alguns problemas terão grande quantidade de variáveis de decisão, mais de 12, 20, 30
variáveis, mas o uso de softwares de cálculo que resolvem problemas de Programação Linear tornará
nosso trabalho muito mais dinâmico.
Na Unidade 4 do livro de Pesquisa Operacional, você aprenderá a utilizar o suplemento Solver do
Excel para resolver os problemas de Programação Linear e, assim, poderemos resolver tipos de pro-
blemas com grau de complexidade muito maior, sem sofrimentos.
Na próxima unidade, veremos, com mais detalhes, essas equações e as demais variáveis citadas.
Para finalizar a nossa unidade, discutiremos, um pouco, as possibilidades de resposta para o pro-
blema proposto no início, o da produção de mesas e cadeiras. Lembre que você tem 250m2 de madeira
para construir mesas que consomem 5,4m2 de madeira cada unidade, além de cadeiras com 1,5m2 de
consumo de madeira por unidade. No problema proposto, você deve calcular quantas mesas e cadeiras
devem ser produzidas para não exceder a quantidade de material disponível e, ao mesmo tempo, buscar
o maior lucro. O lucro unitário para a mesa é de R$ 230,00, para cadeira é de R$ 68,00 e as quantidades
mínimas especificadas foram de duas mesas e dez cadeiras. Então, vamos explorar três cenários.

Cenário 1: produção de apenas 20 mesas e o restante de cadeiras.

Se cada mesa consome 5,4m2 de madeira e cada cadeira consome 1,5m2 de madeira, podemos calcular
o consumo total de madeira para a produção de duas mesas e descontar do total disponível de madeira
para avaliar a quantidade que sobra à fabricação de cadeiras.

Consumo de madeira mesas  20  5, 4  108m2

Sobra de madeira  250m2  108m2  142m2

assim, 20 mesas consumirão 108m2 de madeira, sobrando 142m2 para fabricar cadeiras. Se dividirmos
esta quantidade de madeira que sobra pelo consumo unitário da mesma por cadeira, teremos:

29
UNICESUMAR

142
Quantidade de cadeiras   94, 67 cadeiras  94 cadeiras
1, 5

logo, encontraremos 94,67, ou seja, 94 cadeiras podem ser fabricadas. Assim, a nossa produção seria
de 20 mesas e 94 cadeiras, com um lucro de:

Lucro1  230  20  68  94  10.992  R$10.992, 00

o lucro para este mix de produção seria de R$ 10.992,00.

Cenário 2: produção de apenas 10 cadeiras e o restante, mesas:

A análise se assemelha ao que fizemos no Cenário 1. Calculamos o consumo de madeira para a produ-
ção de 10 cadeiras e descontamos do total de madeira disponível para identificar a sobra de madeira
destinada à fabricação de mesas.
Consumo de madeira cadeiras  10 1, 5  15m2
Sobra de madeira  250m2  15m2  235m2

então, 10 cadeiras consumirão 15m2 de madeira, sobrando 235m2 para fabricar as mesas. Dividindo a
sobra de madeira pelo consumo unitário das mesas, teremos:
235
Quantidade de mesas   43, 52 mesas  43 mesas
5, 4

serão produzidas, então, 43,52, ou seja, 43 mesas. Isto retornará um lucro de:

Lucro2  230  43  68  10  10.570  R$10.570, 00

o lucro previsto, nesta condição, é de R$ 10.570,00.

Cenário 3: produção de 40 mesas e o restante, cadeiras:

Inicialmente, calcularemos o consumo de madeira para 40 mesas. Descontaremos da quantidade total

de madeira para identificar a sobra destinada à fabricação de cadeiras.
Consumo de madeira mesas  40  5, 4  216m2
Sobra de madeira  250m2  216m2  34 m2

30
 UNIDADE 1

verifica-se, então, que 40 mesas consumirão 216m2 de madeira, sobrando 34m2 para a produção de
cadeiras. Ao dividir esta sobra pela quantidade consumida por cadeira, obtemos:
34
Quantidade de cadeiras   22, 67 cadeiras  22 cadeiras
1, 5

assim, poderemos produzir 22,67, ou seja, 22 cadeiras. Esta combinação de produção retornará um
lucro de:

Lucro3  230  40  68  22  10.696  R$10.696, 00

o lucro para este terceiro cenário é de R$ 10.696,00.

Observe que o cenário 1 apresentou o maior lucro se comparado aos cenários 2 e 3, para a produção de
20 mesas e 94 cadeiras. Mas será que não há outra combinação de quantidades entre mesas e cadeiras
que forneça um resultado melhor ainda? Seria, apenas, o Cenário 1 o que apresenta o lucro ótimo, ou
seja, o maior possível? É provável, ainda, que você tenha testado outros cenários diferentes. Veja, por
exemplo, um quarto cenário.

Cenário 4: produção de 10 mesas e o restante, cadeiras:

Calculemos, inicialmente, o consumo de madeira para 10 mesas e descontemos da quantidade total

de madeira para identificar a sobra para a fabricação de cadeiras.
Consumo de madeira mesas  10  5, 4  54 m2
Sobra de madeira  250m2  54 m2  196m2

verifica-se, então, que 10 mesas consumirão 54m2 de madeira, sobrando 196m2 para a produção de
cadeiras. Ao dividir esta sobra de madeira pela quantidade consumida por cadeira, obtemos:
196
Quantidade de cadeiras   130, 67 cadeiras  130 cadeiras
1, 5

assim, poderemos produzir 130,67, ou seja, 130 cadeiras. Esta combinação de produção retornará um
lucro de:

Lucro3  230  10  68  130  11.140  R$11.140, 00

o lucro para este quarto cenário é de R$ 11.140,00.

31
UNICESUMAR

Veja que este cenário apresenta lucro maior ainda se comparado aos três anteriores.
O que fizemos, aqui, foi uma técnica muito conhecida há milênios, chamada tentativa
e erro. Obviamente, você pode testar qualquer quantidade de mesas e cadeiras, desde
que a restrição de quantidade de madeira disponível seja respeitada. No entanto não
é aconselhável buscar, dessa forma, a melhor solução para um problema, principal-
mente, se ele apresentar uma quantidade maior de variáveis (aqui, são, apenas, duas).
Em seu dia a dia, você precisará dedicar o seu tempo para coletar as informações
mais adequadas à solução do problema e elaborar o modelo matemático. Por este
motivo, conhecer as técnicas de solução de problemas em Programação Linear é
fundamental. Dessa maneira, você conseguirá trabalhar em áreas da empresa res-
ponsáveis por fornecer informações de qualidade para o planejamento estratégico.
É isso que estudaremos nas próximas unidades: como encontrar, de maneira
quantitativa, a melhor solução para este e muitos outros problemas.

32
Na primeira unidade, você já se deparou com uma grande quantidade de informações e, para
organizá-las, da melhor forma possível, você tem um Mapa Mental que permite resumir, de ma-
neira rápida, as principais delas. Termine de preenchê-lo e, se necessário, retorne a leitura das
páginas anteriores, mas não deixe de fazê-lo. Tenho certeza de que, com esse mapa preenchido,
os seus estudos serão otimizados.

Descrição da Imagem: na figura, há um retângulo central, onde está escrito: “Pesquisa Operacional”. Desse re-
tângulo saem três linhas comunicando-se cada uma com um retângulo. Acima, está o retângulo “Metodologias

MAPA MENTAL
utilizadas”, à esquerda, o retângulo “Aplicações”, e, abaixo, o retângulo “Processo de Tomada de Decisão”. Saindo
de “Metodologias utilizadas” há seis retângulos conectados, no primeiro, da esquerda para a direita, está escrito:
“Programação Linear Inteira”, no terceiro, “Programação Linear”, e, no quinto, “Teoria dos Jogos”, o segundo, quarto
e sexto retângulos estão em branco para preenchimento. De “Aplicações” saem sete retângulos conectados e, no
primeiro deles, está escrito: “Problema da dieta”, todos os demais estão em branco para preenchimento do aluno.
De “Processo de tomada de decisão” saem seis retângulos, e está escrito no primeiro: “Formulação do Problema”,
no sexto: “Implementação e acompanhamento”, do segundo ao quinto retângulo, não há nada escrito para que o
aluno faça o preenchimento.

33
 1. Observe a Figura 1 apresentada na unidade, nela, você verifica uma relação entre
Mundo Real e Mundo Simbólico, setas conectando o modelo com os resultados, situa-
ção gerencial com decisões. As setas possuem duplo sentido, induzindo a uma visão
de mão dupla. Discuta, brevemente, as impressões que você teve, lendo a unidade e
observando a Figura 1 sobre as relações entre o campo quantitativo da Engenharia
(modelo, soluções) e os aspectos qualitativos (intuição, situação gerencial e decisões).

2. O processo de tomada de decisão foi subdividido em seis etapas sequenciais, cada uma
com suas atividades e importância. Quando estamos levantando dados do problema
e conhecendo-o ou quando estamos comparando as respostas do modelo com dados
históricos, contemplamos as seguintes etapas:
a) Construção do modelo e cálculo da solução por meio do modelo.
b) Formulação do problema e cálculo da solução por meio do modelo.
c) Formulação do problema e teste do modelo.
d) Construção do modelo e teste do modelo.
e) Estabelecimento dos controles da solução e implementação do modelo.

3. A LuxLumi fabrica tintas para pintura de equipamentos industriais. São dois os principais
tipos de tinta fabricados: a Hotpint para cobertura de superfícies quentes e a Coldpint
para superfícies submetidas a temperaturas, extremamente, baixas. O lucro, ao vender
100 L da Hotpint, é de R$ 1.525,00 e para vender 100 L da Coldpint é de R$1.975. Um
AGORA É COM VOCÊ

dos recursos limitantes desta produção é o tempo gasto no misturador e sabe-se que
a mistura é feita de 100 em 100 L e cada 100 L da Hotpint consome 25 min. da mistura
e, da Coldpint, 35 min. Em uma semana, a empresa tem 45 h disponível para a etapa
de mistura. Se a produção mínima de Hotpint é de 1.000 L e de Coldpint é de 1.500 L,
elabore três cenários para o cálculo do lucro total semanal. No Cenário 1, considere a
produção mínima de Hotpint e o restante de Coldpint. No Cenário 2, considere a pro-
dução mínima de Coldpint e o restante de Hotpint, no Cenário 3, adote uma produção
de 2.500 L de Coldpint e o restante, Hotpint. Compare os resultados obtidos.

4. Uma indústria de materiais náuticos produz três tipos de motores para embarcações de
pequeno porte: um motor de 2 HP, outro de 6,5 HP e um mais potente, com 15 HP. O
preço de venda desses motores é de R$ 850,00 para o motor de 2 HP, R$ 1.980,00 para
o motor de 6,5 HP e R$ 10.200,00 para o motor de 15 HP. O último levantamento da
empresa aponta um custo de produção de R$ 320,00 para o motor de 2 HP, R$ 1.150,00
para o motor de 6,5 HP e R$ 7.320,00 para o motor de 15 HP. Todos os motores passam
pelo mesmo processo de montagem e acabamento, sendo que o de 2 HP consome, em
média, 25 min. da linha de produção para ficar pronto, o de 6,5 HP consome 110 min.
e o de 15 HP consome 360 min. Toda a linha tem disponibilidade mensal de 11.500
min. e, devido a alguns contratos, a empresa deve fabricar, ao menos, 10 unidades de

34
 cada motor para atender a seus clientes. Nestas condições, assumindo que o objetivo
é avaliar a melhor quantidade a ser produzida, com a finalidade de aumentar os lucros,
analise as seguintes situações:
Caso 1: produção mínima de motores de 2 HP, 20 unidades de motores de 6,5 HP e
o restante de motores de 15 HP.
Caso 2: produção mínima de motores de 6,5 HP, produção de 80 unidades de motores
de 2 HP e o restante de motores de 15 HP.
Caso 3: produção mínima de motores de 15 HP, 60 unidades de motores de 6,5 HP e
o restante de motores de 2 HP.

Nos três casos, informe o lucro obtido e a quantidade de motores que serão produzidos. Qual
deles apresenta o melhor resultado?

5. Como já discutido nesta unidade, a Pesquisa Operacional pode ser aplicada a proble-
mas de logística que envolvam cálculos de minimização de custo para sistemas de
distribuição. Considere o seguinte problema; uma empresa utiliza duas pedreiras para
abastecer três depósitos com brita comum, sendo a capacidade de cada caminhão
basculante de transportar 12 m3 de pedra por viagem. Cada depósito apresenta uma
necessidade semanal de pedra e há um custo de envio entre as pedreiras e os depó-
sitos. Para facilitar a análise, foi criada uma tabela com os custos de envio por viagem
do caminhão (considerando ida e volta) entre as pedreiras e os depósitos:

AGORA É COM VOCÊ

Depósito 1 (D1) Depósito 2 (D2) Depósito 3 (D3)

Pedreira 1 (P1) R$ 85,00 R$ 93,00 R$ 88,00

Pedreira 2 (P2) R$ 81,00 R$ 95,00 R$ 85,00

Tabela 1 - Custos de envio para uma viagem do caminhão entre as pedreiras e os depósitos / Fonte: o autor.

As demandas semanais dos depósitos são de 240 m3 para o Depósito 1, 180 m3 para o Depósito
2 e 204 m3 para o Depósito 3. Utilizando estas informações, analise:

a) Encontre as rotas mais adequadas para transportar, com o menor custo possível, a
pedra das pedreiras aos depósitos. Apresente a quantidade de viagens para cada
rota e o custo total semanal de transporte encontrado. Admita que a capacidade das
pedreiras é suficiente para atender a toda demanda com folga.
b) Se a Pedreira 1 tiver capacidade de envio semanal de 360 m3 de pedras e a Pedreira
2, a capacidade de 270 m3 de pedras, encontre a melhor maneira de enviá-las até os
depósitos, apresentando a quantidade de viagens de cada rota e o custo total semanal
de transporte. Quanto aumentará o custo comparado ao item A desta questão?

35
 MEU ESPAÇO

36
2
Programação Linear
Dr. Fernando Pereira Calderaro

Na Unidade 2, você entrará em contato com a Programação Linear

(PL), uma das ferramentas mais importantes da Pesquisa Opera-
cional. Nesta unidade, serão apresentados os conceitos básicos
que servirão de alicerce para os seus conhecimentos em PL. Você
aprenderá como são criados os modelos de Pesquisa Operacional
no formato de PL, além de resolvê-los utilizando o Método Simplex,
uma poderosa ferramenta para encontrar a solução dos problemas
que trabalharemos.
UNICESUMAR

Já imaginou a quantidade de informações que são necessárias para definir a fabricação de um produto?
Você está prestes a se tornar um(a) profissional e pode ficar responsável pelo processo produtivo de uma
empresa. Vamos resgatar o problema apresentado na Unidade 1: você precisa decidir quantas mesas
e cadeiras produzirá, mensalmente, mas, agora, a empresa passou por uma reestruturação e, além de
mesas e cadeiras, ela também produz aparadores e balcões com portas. Foi ampliada a disponibilidade
de madeira para 1.500 m2 mensais e você conhece o consumo de madeira, as horas gastas na etapa
de corte, na etapa de montagem e de pintura de cada um dos produtos bem como a disponibilidade
de tempo disponível em cada setor. Com o intuito de facilitar a organização dos dados, a Tabela 1 foi
elaborada para lhe auxiliar.

Produto Madeira (m2) Corte (h) Montagem (h) Pintura (h)

Mesa 5,4 0,7 0,5 0,2

Cadeira 1,5 0,5 0,9 0,3

Aparador 3,8 0,8 0,6 0,4

Balcão 6,9 1,2 1,8 0,6

Disponibilidade 1.500 160 180 150

Tabela 1 - Consumo de recursos por produto fabricado / Fonte: o autor.

Se o lucro unitário para cada mesa vendida for de R$ 230,00, para cada cadeira, R$ 68,00, para o apa-
rador, R$ 175,00, e o balcão, R$ 310,00, quanto deve ser fabricado de cada item?
Observe que, neste problema, aumentamos a quantidade de informações significativas para melhor
representar o sistema real. Este é o objetivo: quando você se depara com um problema e precisa trans-
formá-lo em equações matemáticas, a primeira etapa é a de Definição do Problema, entender como
todos os meus dados se inter-relacionam e avaliar quais informações são as mais relevantes para a
solução do problema. Por este motivo, a Pesquisa Operacional é vista como uma área da Engenharia
que gera conhecimento, pois, para que um problema seja resolvido com acurácia, o bom entendimento
dele é necessário. Entender como encontrar a quantidade de cada um dos produtos apresentados no
exemplo anterior permitirá organizar a produção dentro dos limites de tempo e madeira estabelecidos,
gerando o maior lucro possível.
Vamos fazer alguns testes? Considere que você programe a produção de 20 mesas, 150 cadeiras, 30
aparadores e 40 balcões. Calcule o consumo de todos os recursos, de madeira e horas trabalhadas em
cada etapa. Levante, também, o lucro obtido e anote todos os valores.
Neste ponto da unidade, você deve ter percebido que não há possibilidade de escolher, aleatoriamente,
a quantidade de bens que devem ser produzidos em uma empresa. De acordo com o exemplo apresentado,
há restrições quanto ao uso de recursos, por este motivo, é necessário observar alguns itens, tais como:

38
 UNIDADE 2

• Disponibilidade máxima de todos os recursos.

• Sobra de recursos.
• Se há alguma demanda mínima dos produtos já contratada.
• Possibilidade de ampliação da disponibilidade de recursos.

É importante começar a pensar nestes pontos apresentados, uma vez que eles farão parte do nosso
processo de tomada de decisão. Anote, em seu Diário de Bordo, quais dos pontos, anteriormente,
apresentados são importantes para resolver, de forma adequada, o problema proposto.
Chegou a hora de começarmos a formatar todo esse conhecimento que estamos buscando para
solucionar tal problema. Iniciaremos com a Programação Linear: entenderemos o que é esta técnica,
como criar os nossos modelos de Programação Linear e resolvê-los.

DIÁRIO DE BORDO

39
UNICESUMAR

A Programação Linear se baseia na construção de modelos matemáticos, gerando um sistema de equa-

ções que deve ser resolvido, simultaneamente, com o intuito de encontrar o melhor valor à determinada
função (função objetivo). Esta técnica de solução de problema faz parte da área de Matemática Aplicada, a
qual, apesar de ser uma ciência sólida desde o século XVIII, ganhou notoriedade, após a Segunda Guerra
Mundial, por meio de George B. Dantzig (1914-2005), que trabalhou no Pentágono, entre 1941 e 1945,
como especialista em planejamento e programação de atividades militares (COLIN, 2018).
Dantzig foi o responsável pela criação do Método Simplex, uma maneira de resolver os sistemas de
equações de Programação Linear que podia ser programada e automatizada. A primeira aplicação não
militar da Programação Linear ocorreu em 1952, para a mistura ótima de gasolina, tendo o primeiro
código computacional comercial apresentado em 1954, pela Rand Corporation (COLIN, 2018).
Segundo Hillier e Lieberman (2013), o problema genérico base da Programação Linear é o de alocação
de recursos limitativos da produção entre atividades que competem por eles. O objetivo é encontrar o nível
de atividade de cada recurso, ou seja, a quantidade de cada recurso que deve ser alocada a cada um dos
produtos que devem ser fabricados e, assim, tentar atingir o ponto ótimo para uma função de referência.
Do nome “Programação Linear”, o termo “linear” se refere à característica das equações que formam o
modelo, sendo todas lineares. Já o termo “programação”, neste contexto, é sinônimo de planejamento,
logo, a Programação Linear envolve o planejamento das atividades para obter um resultado ótimo.
Já nos cabe, aqui, uma consideração a respeito do termo “ótimo”. Quando a função de referência
(função objetivo) for um lucro, por exemplo, o ótimo da função é o resultado que dá maior lucro (ma-
ximização). Quando essa função de referência for um custo, o seu ótimo será o resultado que fornece o
menor custo (minimização).
Já vimos, na Unidade 1 e no início desta unidade, que as equações matemáticas utilizadas formam
um sistema de equação que chamamos de modelo. Um modelo matemático, em linhas gerais, é a repre-
sentação matemática de um comportamento real, portanto, não é a realidade, mas uma aproximação do
real. O modelo pode ser mais ou menos próximo da realidade, depende de seu formato, da quantidade
de variáveis e equações que o formam. É por este motivo que, antes de começarmos a resolver os nossos
problemas com Programação Linear, precisamos entender como esses modelos são criados, pois também
será uma função que você deverá exercer em suas atividades.
Entender, um pouco, os modelos matemáticos ajuda muito nestas horas, por este motivo, falaremos
um pouco sobre eles.
Segundo Longaray (2014), costuma-se subdividir os modelos utilizados em Pesquisa Operacional
em dois tipos: o modelo de otimização e o modelo de simulação.
O modelo de otimização é o mais utilizado em Pesquisa Operacional, principalmente, com a Progra-
mação Linear e, tem, como objetivo, encontrar a melhor resposta possível para a decisão que deve ser
tomada. Geralmente, este modelo é aplicado em problemas de maximização ou minimização. Se você
quer aumentar os seus lucros ou a sua receita, então, o problema é de maximização, se quer reduzir os
custos de produção, o seu problema é de minimização.
O modelo de simulação estabelece um conjunto de respostas que representa um sistema físico ope-
rado em diferentes situações. Pensando em uma lavoura de milho, se você elaborar um modelo para a

40
 UNIDADE 2

produtividade da cultura e variar a quantidade de terra disponível e de sementes plantadas, a dosagem

do fertilizante e, até mesmo, a disponibilidade de água, poderá encontrar diferentes produções em cada
caso, obtendo diversos cenários de produção, de maneira que você possa trabalhar para aumentar a
quantidade colhida, com base nestas simulações.
As simulações também podem ser feitas utilizando a Teoria das Filas, muito comum na Simulação
de Processos Produtivos. Neste livro, em Pesquisa Operacional, você se dedicará ao estudo dos modelos
de otimização, cujo objetivo principal é determinar um estado ótimo para o problema.
Como conversamos, anteriormente, os modelos são representações da realidade, portanto, são idea-
lizações. A realidade é muito complexa para que consigamos uma representação exata, empregando
letras e números. É evidente que, para o modelo ser utilizado, ele deve representar, com certa fidelidade,
o problema que você deseja resolver. Portanto, mesmo que o modelo não seja perfeito, deve ser útil.
Quanto maior o modelo, mais parâmetros ele possui, mais exato ele é, maior é a sua complexidade e
a dificuldade em resolver, também, aumenta. Se o modelo for muito simples, com poucos parâmetros,
ele pode se distanciar da realidade, não a representando, adequadamente. Um ponto de equilíbrio deve
ser encontrado, de maneira a obter o modelo mais simples possível com a melhor representação de seu
problema. Na Figura 1, vemos um esquema intuitivo da importância de avaliar, corretamente, um modelo.

Figura 1 - Complexidade dos modelos / Fonte: o autor.

Descrição da Imagem: a imagem contém um retângulo na parte superior com a palavra “Modelo”, de onde partem
duas setas, uma saindo do lado esquerdo e outra saindo do lado direito. A seta que sai do lado esquerdo está conec-
tada a um retângulo com a frase: “Muitos parâmetros e variáveis”. Esse retângulo está conectado a outro retângulo, o
qual traz o termo: “Próximo à realidade”. Este último retângulo está conectado a um retângulo com os termos: “Mais
simples e mais completo possível”. Da seta do lado esquerdo do retângulo com a palavra “Modelo” sai outra seta, desta
vez, conectada a um retângulo com a frase: “Poucos parâmetros e variáveis”, esse retângulo está conectado a outro,
onde se lê: “Distante da realidade”. Esse retângulo está conectado ao mesmo retângulo com os termos: “Mais simples
e mais completo possível”.

41
UNICESUMAR

Alguns princípios podem ser seguidos na construção de um modelo. Longaray (2014) apresenta uma
lista bem interessante, observe:
a) Não faça um modelo complicado se um simples for suficiente: isto diminui o esforço
computacional durante a solução de seu modelo, facilitando, também, o entendimento do
modelo, caso outra pessoa precise modificá-lo, no futuro.
b) O modelo não depende da técnica de solução, mas a técnica a ser aplicada depende do
modelo: você não deve elaborar o modelo escolhendo, primeiro, a técnica de solução, mas o
correto é construir o modelo respeitando a complexidade do seu problema e, então, selecionar
a melhor técnica para resolvê-lo.
c) Os parâmetros e as variáveis do modelo devem ter alguma relação com o cenário ana-
lisado: isto parece óbvio, mas alguns modelos podem apresentar parâmetros que não têm
significado físico, portanto, esses parâmetros devem ser substituídos ou o modelo se distanciará
da realidade.
d) O modelo deve ser validado antes de ser utilizado: é importante realizar aquela verifica-
ção do modelo com dados históricos para garantir que o desvio da resposta do modelo seja
pequeno em relação ao real.
e) O modelo não é soberano, a realidade é: todo modelo, em Pesquisa Operacional, serve de
ferramenta para resolver um problema. Se, ao final do processo de modelagem e solução, a
resposta estiver muito longe da realidade, o modelo deve ser abandonado e um novo deve ser
criado. Se a experiência do grupo decisor apontar a uma resposta que não é a apresentada pelo
modelo, o grupo deve pesar o que é mais válido, naquele momento, pois são poucos os modelos
que conseguem absorver mudanças rápidas de cenários, como mudanças econômicas e políticas.
f) Os modelos, na maioria das vezes, são específicos para uma situação: cada modelo tem
a sua limitação de aplicação. Um mesmo modelo pode até servir para problemas diferentes,
mas isso precisa ser verificado antes de adotar um modelo pronto.
g) O processo de desenvolvimento de um modelo gera conhecimento adquirido para quem
o faz: desenvolver um modelo é mais do que criar uma equação ou um conjunto de equações,
é um aprendizado sobre o problema que se almeja resolver. O senso analítico utilizado para
criar o modelo auxilia no desenvolvimento de conhecimento.
h) Modelos não podem substituir os tomadores de decisão: assim como no item E, o modelo
é uma ferramenta, toda e qualquer resposta que ele fornece deve ser analisada, criticamente,
pelos tomadores de decisão, antes de ser implementada.

42
 UNIDADE 2

Todo estudo de Pesquisa Operacional se inicia com um modelo de otimização, pois é ele que repre-
sentará as condições atuais do seu processo. Você já viu que um modelo de otimização é composto,
basicamente, pela função objetivo e pelas equações de restrição, sendo cada uma destas relações ma-
temáticas formadas pelas variáveis do problema.
O objetivo principal de uma otimização é encontrar a melhor resposta possível, o ponto ótimo
do problema estudado. Quando são utilizadas técnicas matemáticas para resolver um problema de
otimização, o cálculo retornará, apenas, uma resposta, no final, que é considerada a melhor de todas,
mas vale lembrar que nem sempre o ótimo é o viável, por este motivo, há a necessidade de uma análise
crítica sobre a resposta encontrada, antes de tomar a decisão final.
Segundo Lachtermacher (2007), os problemas de otimização são utilizados, principalmente, nos
seguintes casos:

a) Determinação do mix e escalonamento da produção: utilizado para definir a quantidade

de cada produto que deve ser fabricada em um processo bem como analisar o total de maté-
rias-primas usadas na fabricação.
b) Roteamento e logística: alguns problemas de otimização são aplicados em transportes para
definir a melhor rota dos veículos, podendo escolher a mais rápida ou a que consuma menos
combustível.
c) Planejamento financeiro e carteiras de investimento: é possível, também, estabelecer um
problema de otimização para investimento em ativos, trabalhando com os valores pagos por
eles e o retorno que cada ativo fornecerá após determinado tempo de aplicação.
d) Análise de projetos: você também pode avaliar um projeto utilizando a otimização, comparan-
do o desempenho de duas máquinas que deseja comprar, ou mesmo, de dois processos distintos
para a fabricação de um mesmo produto. Você pode considerar os custos de implantação e o
retorno bem como a produtividade que cada projeto pode oferecer.
e) Alocação de recursos e designação de equipes: ao avaliar o desempenho de funcionários
em cada função exercida ou o tempo gasto para uma atividade com mais ou menos pessoas
envolvidas, você pode determinar a melhor opção para executar uma atividade, considerando os
salários pagos aos funcionários e a sua produtividade. Também é possível analisar a ociosidade
de equipamentos e pessoas, redistribuindo as suas funções ao longo de um dia de trabalho.

Em um problema de otimização com Programação Linear, deve-se, em primeiro lugar, definir quais
são as variáveis de decisão, ou seja, aquelas cujos valores desejo encontrar. Tudo girará em torno dessas
variáveis, tanto a função objetivo quanto as equações de restrição são escritas utilizando as variáveis
de decisão e os parâmetros relacionados a elas (LONGARAY, 2014).
Se você tomar café da manhã em uma padaria sabendo que a xícara de café custa R$ 0,75 e que o
pão de queijo sai a R$ 1,50 a unidade, pode, então, determinar quanto gastará nesse café da manhã.
Nesta situação do cotidiano, você tem duas variáveis de decisão: a xícara de café e o pão de queijo, pois
pode escolher a quantidade a ser comprada, por exemplo, uma xícara de café e dois pães de queijo.

43
UNICESUMAR

É comum, na Programação Linear, definir as variáveis de decisão com a letra “x” e

um número subscrito que define o índice da variável. Portanto, de maneira genérica,
essas variáveis são representadas por:
xn
analisando o café da manhã, há duas variáveis de decisão, então, elas podem ser
representadas por:
Xícaras de café = x1
Pão de queijo = x 2
se x1 = 1, quer dizer que você comprou uma xícara de café, se x2 = 2, então, comprou
dois pães de queijo. Se quiser inverter e dizer que x1 é o pão de queijo e x2 é a xícara
de café, não há problema, apenas defina isso no início da sua otimização.
Os valores da xícara de café e do pão de queijo são os parâmetros do problema, são
constantes que apresentam um valor fixo para cada problema, se o preço de qualquer
uma das mercadorias modificar, a sua otimização também deverá ser alterada.
Ao juntar as informações das variáveis de decisão e dos parâmetros, você pode
escrever uma equação que representa o quanto gastará com o café da manhã.

Gasto = 0, 75 ⋅ xícara de café +1,5 ⋅ pão de queijo

ou
Gasto = 0, 75 ⋅ x1 +1,5 ⋅ x 2
note que o ponto (·) indica o sinal de multiplicação.

Com esta equação, você pode determinar quantos reais gastará comprando uma
xícara de café e dois pães de queijo:

Gasto = 0, 75 ⋅1+1,5 ⋅ 2 = 0, 75 + 3 = 3, 75

portanto, você gastará R$ 3,75 neste café da manhã.

Todo fator que limita a otimização do meu objetivo é uma restrição do problema.
Longaray (2014) apresenta dois tipos de restrições: as de limite superior e as de
limite inferior. Uma restrição de limite superior é um valor máximo que posso
utilizar (ou fabricar), e uma restrição de limite inferior é um valor mínimo que
preciso utilizar (ou fabricar).
As restrições mais comuns são as limitações de matérias-primas, mão de obra,
recursos financeiros ou tecnológicos, tempo e demanda de produtos acabados. De
modo geral, as restrições podem ser representadas como equações de igualdade ou
inequações de maior (>), maior-igual (≥) ou menor (<) e menor-igual (≤). Todas as
restrições também são escritas como função das variáveis de decisão, portanto, se
houver duas variáveis x1 e x2, as restrições podem assumir a forma genérica:

44
 UNIDADE 2

a11  x1  a12  x2  b1

ou
a11  x1 + a12  x2  b1 (restrição de limite superior)

ou a11  x1 + a12  x2  b1 (restrição de limiteinferior)

sendo a11, a12 e b1 os parâmetros do problema.

Voltando ao seu café da manhã, se você tiver, apenas, R$ 10,00 no bolso, e a padaria
não aceitar cartão de crédito, então, terá que comprar uma quantidade de xícaras de
café e de pães de queijo que não ultrapasse esse valor. Você poderia representar esta
restrição como:
0,75  xícara de café +1,5  pão de queijo  10
ou
0, 75  x1  1, 5  x2  10
assim, determina quais serão os valores de x1 e x2.

Supondo que a padaria não faça vendas menores do que R$ 5,00, então, você deverá
comprar uma quantidade de xícaras de café e de pães de queijo cujo valor seja maior
do que R$ 5,00. Dessa forma, você descreveria a sua restrição como:
0,75  xícara de café +1,5  pão de queijo  5
ou
0, 75  x1  1, 5  x2  5
e, assim, você também determina quais serão os valores de x1 e x2.

Um ponto muito importante em processos de otimização com Programação Linear

para os sistemas que serão trabalhados é que as variáveis de decisão não poderão
assumir valores negativos, em alguns casos, elas podem até ser iguais a zero. Portan-
to, devem ser acrescentadas as restrições de não negatividade ao problema, as quais
consideram as variáveis de decisão maiores ou iguais a zero. Assim, você também
deve acrescentar as seguintes restrições ao seu problema do café da manhã:
x1 ≥ 0
x2 ≥ 0
isso quer dizer que se pode optar por comprar, apenas, xícaras de café ou, apenas, pães
de queijo, mas não tem como comprar -2 xícaras de café, ou seja, não são admitidos
valores negativos para as quantidades de xícaras de café e de pães de queijo.

45
UNICESUMAR

Pense na importância das restrições em um modelo de Programação Linear. Se você define,

adequadamente, a quantidade de restrições existentes, a sua chance de êxito aumenta.

Para completar a análise, você precisa escrever a função objetivo do problema. Esta nada mais é do
que uma equação que representa o objetivo dele. Em otimização, são duas as opções: maximizar ou
minimizar a resposta da função objetivo. Esta função também é escrita como uma relação entre as
variáveis de decisão e os parâmetros do problema.
A forma geral de uma função objetivo de maximização com duas variáveis de decisão é dada por:

max(Z)  c11  x1  c12  x2

para uma função objetivo de minimização com duas variáveis de decisão, a função
objetivo é representada por:
min(Z)  c11  x1  c12  x2

sendo c11 e c12 os parâmetros da função objetivo e Z o resultado da otimização da função.

Geralmente, se maximizam lucros e receitas e se minimizam os custos em, praticamente,
todas as situações de aplicação da Programação Linear para Pesquisa Operacional.

É importante dizer que todos os modelos desenvolvidos em Programação Linear estão sujeitos a algu-
mas hipóteses para, assim, ser possível atingir os resultados desejados (LONGARAY, 2014). São elas:
• Hipótese da proporcionalidade: presume-se que a contribuição de cada atividade no valor
da função objetivo (Z) é proporcional ao nível de atividade de cada variável de decisão.
• Hipótese da aditividade: todas as funções elaboradas em Programação Linear o são resultado
da soma das contribuições de cada atividade do problema, da mesma forma, as atividades do
modelo são independentes entre si.
• Hipótese da divisibilidade: as variáveis de decisão podem assumir valores fracionários (não
inteiros) desde que atendam às restrições de não negatividade e às condições do problema.
• Hipótese da certeza: os parâmetros dos modelos, ou seja, os valores aij (das restrições), cij (da
função objetivo) e bi (lado direito das restrições) são considerados constantes conhecidas.

46
 UNIDADE 2

Estas hipóteses servem para fundamentar, na prática, a elaboração dos modelos de

Programação Linear. Durante a solução dos exemplos e exercícios, elas serão utili-
zadas, naturalmente.
Ao avaliar o seu problema e escolher as variáveis de decisão, determinar as res-
trições e o objetivo, o modelo pode ser construído como um conjunto de equações.
Considerando, ainda, duas variáveis de decisão x1 e x2, com duas inequações represen-
tando as restrições do problema, você pode representar um modelo de maximização
da seguinte forma:

max(Z)  c11  x1  c12  x2

sujeito às restrições

a11  x1  a12  x2  b1

a21  x1  a22  x2  b2
x1 ≥ 0
x2 ≥ 0
sendo a11, a12, a21, a22, c11, c12, b1 e b2 parâmetros do problema.
Se o problema for de minimização, a representação genérica é muito parecida,
ficando na forma, a seguir:

min(Z)  c11  x1  c12  x2

sujeito às restrições

a11  x1  a12  x2  b1

a21  x1  a22  x2  b2
x1 ≥ 0
x2 ≥ 0
os sinais de igualdade (=) e desigualdade (<, >, ≥ ou ≤) utilizados nas restrições
dependem do problema abordado. Ao resolver um problema de otimização, você
está em busca de uma solução. Segundo Hillier e Lieberman (2013), uma solução é
qualquer valor encontrado para as variáveis de decisão, independentemente de elas
serem aceitáveis ou não. Já uma solução viável é aquela que apresenta um resultado
com todas as restrições do problema sendo satisfeitas, e a solução ótima é uma solução
viável que apresenta o valor mais favorável à função objetivo.

47
UNICESUMAR

Agora que você sabe como criar um modelo de Programação Linear, entenderemos como resolvê-lo
por meio do Método Gráfico.
O Método Gráfico é a maneira mais simples de avaliar a solução de um problema de Programação
Linear. Ele se baseia em estruturar, em um gráfico, as restrições do problema e buscar valores à função
objetivo. Para exemplificá-lo, considere o seguinte problema de mix de produção, adaptado de Colin
(2018):

01. EXEMPLO Uma fábrica de brinquedos produz barcos e carrinhos de madeira, obtendo um lucro
unitário de R$ 4,00 por barco e R$ 3,00 por carrinho. Cada barco de madeira consome
1h na carpintaria e 2h na pintura e cada carrinho consome 1h na carpintaria e 1h na
pintura, a quantidade de horas disponíveis de carpintaria é de 90h e da pintura é de
120h por semana, há uma demanda máxima de 50 barcos por semana. Com estas
informações, elabore um modelo de Programação Linear para maximização do lucro
e resolva-o pelo Método Gráfico.

Solução:
Podemos definir como variáveis de decisão:
x1 = Quantidade de barcos  unidades 
x 2 = Quantidade de carrinhos  unidades 

A função objetivo assume a forma:

max( Z )  4  x1  3  x2

com as seguintes restrições (não esquecendo das restrições de não-negatividade):

x1  x2  90 (disponibilidade da carpintaria)
2  x1  x2  120 (disponibiilidade da pintura)
x1  50 (demanda máxima de barcos)
x1  0, x2  0 (não negatividade)

para obtenção da solução ótima pelo Método Gráfico, utilizaremos três passos:

1º: determinação da região viável

Utilizaremos um plano cartesiano para duas variáveis, sendo que cada uma será representada em
um eixo, então, podemos colocar x1 na abcissa e x2 na ordenada, adotando, apenas, a região positiva
de ambos os eixos, como apresentado na Figura 2.

48
 UNIDADE 2

Figura 2 - Representação gráfica da região viável para as

restrições de não negatividade / Fonte: o autor.

Descrição da Imagem: na Figura 2, há um gráfico

com dois eixos, o eixo horizontal tem a variável
x1 e o eixo vertical tem a variável x2. O eixo de x1
é numerado de 0 a 60, enquanto o eixo de x2 é
numerado de 0 a 120. Toda a região à direita dos
dois eixos, lado positivo, é hachurada.

Podemos, agora, acrescentar a restrição de demanda máxima de barcos. Como a restrição prevê um
valor máximo de 50 unidades de barcos (x1), utilizamos uma reta em x1 = 50 para representar o limite
de resposta à variável, como apresentado na Figura 3.

Figura 3 - Representação gráfica com a restrição de de-

manda de barcos / Fonte: o autor.

Descrição da Imagem: na Figura 3, há um gráfico

com dois eixos, o eixo horizontal tem a variável
x1 e o eixo vertical tem a variável x2. O eixo de x1
é numerado de 0 a 60, enquanto o eixo de x2 é
numerado de 0 a 120. Há uma reta vertical em x1
igual a 50. Toda a região à direita dos dois eixos,
lado positivo, é hachurada, assim como à esquer-
da da reta de x1 igual a 50.

Em seguida, podemos acrescentar a restrição de disponibilidade de carpintaria. Se isolarmos x2, teremos:

x1  x2  90  x2  90  x1

49
UNICESUMAR

esta restrição é limitada pela equação:

x2  90  x1

assim, atribuindo x1 = 0 e x1 = 50, construímos a reta e limitamos, mais um pouco, a região viável,
como apresentado na Figura 4.

Figura 4 - Representação gráfica com a restrição de dis-

ponibilidade da carpintaria / Fonte: o autor.

Descrição da Imagem: na Figura 4, há um gráfico

com dois eixos, o eixo horizontal tem a variável
x1 e o eixo vertical tem a variável x2. O eixo de x1
é numerado de 0 a 60, enquanto o eixo de x2 é
numerado de 0 a 120, Há uma reta vertical em x1
igual a 50 e uma reta decrescente tocando o eixo
vertical (x2) em 90 e tocando a reta x1 igual a 50.
São hachuradas toda a região à direita dos dois
eixos, lado positivo, à esquerda da reta de x1 igual
a 50 e abaixo da reta inclinada.

Finalmente, podemos acrescentar a restrição de disponibilidade da pintura:

2  x1  x2  120  x2  120  2  x1
esta restrição é limitada pela equação:

x2  120  2  x1
assim, atribuindo x1 = 0 e x1 = 50, construímos a reta e limitamos, mais um pouco, a região viável,
como apresentado na Figura 5.

50
 UNIDADE 2

Figura 5 - Representação gráfica com a restrição de dis-

ponibilidade da pintura / Fonte: o autor.

Descrição da Imagem: na Figura 5, há um gráfico

com dois eixos, o eixo horizontal tem a variável x1
e o eixo vertical tem a variável x2. Há uma região
limitada por três segmentos de reta, o primeiro
segmento sai do ponto x1 = 0 e x2 = 90 e segue até
o ponto x1 = 30 e x2 = 60. O segundo segmento de
reta parte de x1 = 30 e x2 = 60 e segue até x1 = 50
e x2 = 20. O terceiro segmento de reta é vertical
em x1 = 50. A região entre os eixos x1, x2 e os três
segmentos de reta é hachurada.

A área hachurada da Figura 5 contempla todos os possíveis valores para as variáveis x1 e x2 aceitáveis
para o problema, chamada de região viável. Mas é, apenas, um par de resultados que estamos buscando,
aquele que retorna o maior valor para a função objetivo, então, vamos ao segundo passo.

2º: Determinação das curvas de nível

A função objetivo é escrita em função de x1 e x2.
max( Z )  4  x1  3  x2
Z  4  x1  3  x2
portanto, se você atribuir um valor para cada variável, encontrará um resultado para Z, da função obje-
tivo. Dessa forma, observamos que a função objetivo tem três variáveis, pois Z também é uma variável,
aquela que recebe os valores calculados pela função. Para representar, graficamente, os resultados da
função objetivo, podemos utilizar um gráfico em três dimensões ou apresentar os resultados de Z em
curvas de nível.
Para criar uma curva de nível, precisamos identificar dois pontos (conjuntos de valores para x1 e x2)
em que a curva de nível apresenta o mesmo valor. Antes de iniciarmos, considere (x1,x2) = (0,0), assim
Z = 0, e este resultado será a primeira curva de nível do gráfico.
Para o cálculo da segunda curva de nível, considere o ponto (x1,x2) = (0,10). A função objetivo
assumirá o valor:
Z  4  0  3  10  30

51
UNICESUMAR

agora, admita que o segundo ponto é (x1,x2) = (x1,0) para o mesmo valor de Z = 30, dessa forma, o
valor de x1 será:

30
Z  4  x1  3  x2  30  4  x1  3  0  x1 
4
assim, para representar a curva de nível Z = 30, podemos utilizar os pontos (x1,x2) = (0,10) e (x1,x2) =
(30/4,0). Este processo pode ser repetido a diversos valores de x2, com o objetivo de preencher o gráfico
da Figura 5 com a região viável. Na Figura 6, estão presentes algumas curvas de nível.

Figura 6 - Representação gráfica com as curvas de nível

para os valores da função objetivo / Fonte: o autor.

Descrição da Imagem: na Figura 6, há um gráfico

com dois eixos, o eixo horizontal tem a variável x1
e o eixo vertical tem a variável x2. Há uma região
limitada por três segmentos de reta, o primeiro
segmento sai do ponto x1 = 0 e x2 = 90 e segue até
o ponto x1 = 30 e x2 = 60. O segundo segmento de
reta parte de x1 = 30 e x2 = 60 e segue até x1 = 50
e x2 = 20. O terceiro segmento de reta é vertical
em x1 = 50. A região entre os eixos x1, x2 e os três
segmentos de reta é hachurada. Há mais quatro
segmentos de reta para representar as curvas de
nível para Z = 0, Z = 30, Z = 90 e Z = 180.

3º: Identificação do ponto ótimo

Desde o início do problema, o objetivo é encontrar o maior valor possível para a função objetivo, ou
seja, para o valor de Z. Observando as curvas de nível, percebe-se que o valor de Z aumenta conforme
a curva sobe e se aproxima das margens da região viável. Sendo assim, o ponto ótimo será encontrado
movimentando a curva de nível até que ela encoste no último ponto da região viável. Na Figura 7, é
apresentado este ponto demarcado como (x1,x2) = (a,b), note que esse ponto é a intersecção entre as
duas retas de restrição.

52
 UNIDADE 2

Figura 7 - Representação gráfica com as curvas de nível

para os valores da função objetivo e com o ponto de
máximo / Fonte: o autor.

Descrição da Imagem: na Figura 7, há um gráfico

com dois eixos, o eixo horizontal tem a variável x1
e o eixo vertical tem a variável x2. Há uma região
limitada por três segmentos de reta, o primeiro
segmento sai do ponto x1 = 0 e x2 = 90 e segue
até o ponto x1 = 30 e x2 = 60. O segundo segmen-
to de reta parte de x1 = 30 e x2 = 60 e segue até
x1 = 50 e x2 = 20. O terceiro segmento de reta é
vertical em x1 = 50. A região entre os eixos x1, x2
e os três segmentos de reta são hachuradas. Há
mais cinco segmentos de reta para representar
as curvas de nível para Z = 0, Z = 30, Z = 90, Z =
180 e Z = (a,b). Há uma seta apontando para cima
indicando aumento do valor de Z.

Igualando as duas equações e tomando x1 = a, teremos:

x2  90  a
x2  120  2  a

90  a  120  2  a  a  30

encontrando a = 30, teremos o valor de x2.

x2  90  30  60

logo, o ponto de máximo encontrado é (x1,x2) = (30,60), cujo valor da função objetivo será:

Z  4  30  3  60  300

assim, o nosso problema resolvido indica que devem ser fabricados 30 barcos e 60 carrinhos para
que todos os recursos sejam utilizados de maneira adequada, gerando um lucro total de R$ 300,00.
Note que o Método Gráfico é restrito a duas variáveis de decisão. Portanto, para problemas mais
complexos, esta técnica de solução de Programação Linear se torna inviável. Por este motivo, George B.
Dantzig trabalhou, arduamente, no desenvolvimento do Método Simplex, que permite resolver sistemas
de equações lineares de n-dimensões (GASS; ASSAD, 2005). O Método Simplex, por ser programável,
é, amplamente, utilizado na solução de problemas de Programação Linear.
Falaremos, agora, brevemente, sobre o algoritmo simplex que utilizaremos para resolver os proble-
mas propostos nas próximas unidades.

53
UNICESUMAR

O Método Gráfico para a solução de problemas de Programação Linear é útil para entender
como as restrições de um problema limitam as soluções viáveis do mesmo. Toda a região entre
os eixos positivos da abcissa e da ordenada e das retas que representam as restrições serve
de solução ao sistema de equações estudado. No entanto, há apenas uma solução ótima, ou
seja, um ponto dentro da região viável ou em suas fronteiras que leva a função objetivo ao seu
valor ótimo, seja ele o maior valor, em casos de maximização, seja o menor valor, em casos de
minimização. Por este motivo, é importante entender que, ao resolver um problema com Pro-
gramação Linear, busca-se o ótimo, o ponto mais vantajoso. Porém, qualquer solução dentro
da região viável pode ser escolhida.

Um dos métodos mais utilizados para resolver problemas de Programação Linear, o algoritmo simplex,
permite automatizar os cálculos para a solução do problema que seriam realizados por tentativa e erro.
O algoritmo exige uma forma padrão aos problemas de Programação Linear, sendo representada por:
Maximizar f ( x1 , x2 ,...xn )  c1 x1  c2 x2  ...  cn xn
Sujeita a: a11 x1  a12 x2  ...  a1n xn  b1
a21 x1  a22 x2  ...  a2 n xn  b2

am1 x1  am2 x2  ...  amn xn  bm
e x1  0
x2  0

xn  0

os parâmetros c, b, a são conhecidos. Algumas regras que devem ser obedecidas para a solução do
problema na forma padrão são:
• A função objetivo deve ser do tipo maximização.
• O lado direito das restrições deve ser não negativo.
• Todas as restrições devem ser escritas como igualdade.
• As variáveis de decisão devem ser não negativas.

Caso a função objetivo seja de minimização, deve ser reescrita como maximização, e as restrições com
desigualdade devem ser escritas como igualdade, independentemente do tipo de desigualdade (≤) ou (≥).
Na próxima unidade, você aprenderá como transformar essas equações resolvendo problemas pelo
Método Tabular do Simplex. Também falaremos sobre solução básica e variáveis básicas e não básicas.

54
 UNIDADE 2

Ouça um podcast que fala sobre Arquimedes e como as suas inven-

ções e estratégias ajudaram a proteger uma cidade, pelo menos, por
um tempo. Desde a Antiguidade, o ser humano busca organizar o
seu conhecimento e aplicá-lo em situações reais, gerando e criando
mais conhecimento e tecnologia.

Retomando o problema proposto no início da unidade, você tinha em mãos quatro produtos a fabri-
car: mesas, cadeiras, aparadores e balcões, dispondo, também, de quatro recursos, ou seja, madeira
(matéria-prima), corte, montagem e pintura (horas de processo). Cada produto tem um lucro unitário
estimado em R$ 230,00 por unidade de mesa, R$ 68,00 por unidade de cadeira, R$ 175,00 por unidade
de aparador e R$ 310,00 por unidade de balcão. A proposta era calcular o consumo de recursos e o
lucro obtido na produção de 20 mesas, 150 cadeiras, 30 aparadores e 40 balcões. Na Tabela 1, você tem
os dados de quanto há de disponibilidade por recurso e o consumo de cada recurso por unidade de
produto fabricado. Assim, o consumo pode ser calculado por:

Madeira: 20  5, 4  150  1, 5  30  3, 8  40  6, 9  723m2  1.500m2

Corte: 20  0, 7  150  0, 5  30  0, 8  40  1, 2  161h  160h
Montagem: 20  0, 5  150  0, 9  30  0, 6  40  1, 8  235h  180h
Pintura: 20  0, 2  150  0, 3  30  0, 4  40  0, 6  85h  150h

Lucro  20  230  150  68  30  175  40  310  R$32.450, 00

observe que temos dois recursos com mais consumo do que disponibilidade:

Madeira: 723m2  1.500m2 (consumo<disponibilidade  OK)

Corte: 161h  160h (consumo>disponibilidade  PROBLEMA)
Montagem: 235h  180h (consumo>disponibilidade  PROBLEMA)
Pintura: 85h  150h (consumo<disponibilidade  OK)

Na dinâmica de produção proposta, há necessidade de 1h a mais no processo de corte e 55h a mais

no processo de montagem, logo, a produção é inviável, não poderá ser realizada, assim, o cálculo do
lucro se torna desnecessário.

55
UNICESUMAR

Em seu dia a dia, uma situação como essa não pode ocorrer, um planejamento
que leve a uma dinâmica de produção inadequada pode ter inúmeras consequências
para a empresa, fazendo-a perder dinheiro ou se comprometer com algo que não
possa cumprir.
Você deve ter observado, nesta unidade, que problemas de Programação Linear
podem ser simples e, mesmo assim, demandarem diversas etapas de cálculo. A im-
portância da Pesquisa Operacional e, em especial, da Programação Linear para re-
presentar e resolver problemas, também deve ter ficado clara a você, uma vez que
ela permite avaliar as reais condições de trabalho de um processo, como todas as
limitações possíveis.
Veremos, nas próximas unidades, como resolver esses problemas, utilizando a for-
ma tradicional do Método Simplex, ou seja, a forma tabular. Em seguida, poderemos
utilizar o Excel para dinamizar nossos cálculos e aumentar o grau de complexidade
dos problemas resolvidos.

56
Nesta unidade, você aprendeu mais alguns conceitos sobre a Programação Linear e como resolver
um problema utilizando o Método Gráfico. Para auxiliá-lo(a) no processo de fixação de conteúdo,
elaborei um Mapa Mental que está representado, a seguir. Leia-o com atenção e complete os
espaços em branco.

Descrição da Imagem: na imagem, há um retângulo no centro onde está escrito “Programação Linear” e deste
retângulo saem outros dois, um em cima, onde está escrito “Método Gráfico – Etapas”, e um embaixo, onde está
escrito “Construção do modelo”. Do retângulo “Método Gráfico – Etapas” saem outros três retângulos onde se lê, no
primeiro, o termo “Determinação da região viável”, e, no segundo, “Determinação das curvas de nível”. O terceiro
retângulo está em branco para que o(a) aluno(a) possa preenchê-lo. Do retângulo “Construção do modelo” saem
três retângulos. No primeiro, da esquerda para a direita, está escrito “Variáveis de decisão”, no segundo, “Restrições
do problema” e o terceiro está vazio para que seja preenchido. Do retângulo “Restrições do Problema” partem
mais três retângulos, no primeiro, está escrito “Maior ou igual”, no segundo e terceiro, há espaços em branco para
preenchimento.

MAPA MENTAL

57
 1. Um sapateiro utiliza couro, cola e linha para fabricar cintos e botas masculinas. Supondo
que os mesmos materiais são utilizados para ambas as peças e que, para a produção de
cintos, ele consome 0,12 m2 de couro, 25 mL de cola e 0,5 carretel de linha, utilizando,
na produção de botas, 1 m2 de couro, 150 mL de cola e 4 carretéis de linha. A disponi-
bilidade que o sapateiro tem, na semana, é de 3 m2 de couro, 1 L de cola e 25 carretéis
de linha. Elabore um modelo de Programação Linear para maximizar os lucros, sendo
que o cinto é vendido a R$ 75,00 e a bota a R$ 120,00, além de que, na semana, ele
deve produzir, pelo menos, 3 cintos.

2. Uma alfaiataria produz dois tipos de ternos masculinos com tecido externo de linho e
forro de poliéster. O modelo com corte italiano consome cerca de 4 m de linho e 3,5 m
de poliéster, já o modelo com corte inglês necessita de cerca de 4,8 m de linho e 4,3 m
de poliéster. A disponibilidade mensal de linho é de 40 m, de poliéster é 35 m. O custo
de produção de um terno com corte italiano é de R$ 135,00 e o custo de produção de
um terno com corte inglês é de R$ 95,00. Elabore um modelo de Programação Linear
para minimizar os custos de produção mensal, sabendo que, pelo menos, 4 ternos do
modelo italiano devem ser produzidos.

3. Uma indústria produz dois modelos de garrafas térmicas em aço inox, o modelo A
deve ser utilizado apenas para bebidas frias e o modelo B pode ser utilizado tanto para
bebidas frias quanto quentes. O lucro unitário obtido com a garrafa do modelo A é de
R$ 25,00 enquanto que, com a garrafa do modelo B é de R$ 35,00. No entanto um lote
AGORA É COM VOCÊ

contendo 10 garrafas do modelo A consome 1,2 m2 de aço inoxidável e um lote de 10

unidades de garrafas do modelo B consome 2,5 m2 deste material, havendo uma dis-
ponibilidade diária de 150 m2 de aço inoxidável. As garrafas passam pelo processo de
corte/dobra e montagem/acabamento. O tempo consumido no corte/dobra é estimado
em 13 min./lote de garrafa A e 20 min./lote de garrafa B; na montagem/acabamento,
de 15 min./lote de garrafa A e 17,7 min./lote de garrafa B. Diariamente, ambos os pro-
cessos possuem 6,5h de disponibilidade. Elabore um modelo de Programação Linear
para este problema com foco na maximização do lucro diário. Resolva-o utilizando o
Método Gráfico, calculando a quantidade de cada modelo de garrafa produzido (lem-
bre-se que cada lote representa 10 unidades), o lucro diário obtido e o consumo de
recursos. Anote quais recursos estão sobrando e quais estão no limite de uso.

58
59
MEU ESPAÇO
 MEU ESPAÇO

60
3
Programação Linear e
Método Simplex
Dr. Fernando Pereira Calderaro

Nesta terceira unidade, você aprenderá como os conceitos de Ál-

gebra Linear podem ser utilizados para resolver problemas de oti-
mização da Programação Linear. O método utilizado para resolver
alguns problemas que serão vistos, nesta unidade, é o Método
Simplex Tabular. Muitos conceitos trabalhados, aqui, serão utiliza-
dos nas próximas unidades, mesmo quando você utilizar o Excel
com o objetivo de agilizar a solução dos problemas, por isso, muita
atenção e concentração para não deixar passar nada.
UNICESUMAR

Você observou, na segunda unidade, que o Método Gráfico tem aplicação, apenas, para sistemas com,
no máximo, três variáveis, podendo ser representado em um sistema de coordenadas tridimensional.
Mas se o problema apresentar mais de três variáveis, como poderá ser resolvido? Será possível resolver
um problema de transporte que envolva enviar cargas de três fábricas a cinco centros de distribuição?
São necessárias quinze variáveis para representar esse problema, muito além das três que o Método
Gráfico comporta. Então, o que fazer?
Outra maneira de resolver problemas de Programação Linear é necessária. Independentemente da
maneira, o problema é descrito como um sistema de equações lineares, e a solução nada mais é do que
encontrar valores às variáveis que atendam a todas as equações, ao mesmo tempo. Logo, um método
que possibilite resolver sistemas de equações lineares pode ser utilizado para resolver problemas de
Programação Linear.
Mas não devemos nos esquecer de que, além das equações do sistema, há a função objetivo, que deve
ser maximizada ou minimizada, portanto, mais do que um método que solucione o sistema, algumas
condições devem ser atendidas na solução de problemas de Programação Linear.
O nosso objetivo, nesta unidade, é começar a responder às perguntas feitas, anteriormente, pois
utilizaremos métodos matemáticos que permitirão otimizar um sistema com um número maior de
variáveis e começaremos com o Método Simplex Tabular.
Para iniciar a solução deste tipo de problema, é importante entender os conceitos de Álgebra Linear
que envolvam a solução de sistemas de equações lineares por meio da combinação linear, ou seja,
multiplicação e soma entre linhas de uma matriz gerada pelos coeficientes das equações do problema
estudado.
Agora, para iniciar, então, o entendimento do Método Simplex Tabular, visto nesta unidade, leia,
atentamente, o seguinte problema e construa o seu modelo de Programação Linear.

01. EXEMPLO Uma empresa de móveis produz dois tipos de escrivaninha para computador. O
modelo Oxford apresenta uma gaveta e apoio alto para impressora, o modelo Lon-
don apresenta quatro gavetas sem apoio para impressora. Sabe-se que as duas são
produzidas em MDF, sendo que o modelo Oxford consome cerca de 4 m2 de MDF,
enquanto o modelo consome London 3 m2. O tempo de fabricação do Oxford é de
12h e do London é de 16h. Você quer fazer a otimização deste setor da produção para
maximizar o lucro mensal. A empresa vende para as lojas o modelo London com um
lucro de R$ 230,00 e o modelo Oxford com lucro de R$ 270,00. Durante o mês, a em-
presa tem disponibilidade de 192h de trabalho e uma quantidade de matéria-prima
à fabricação das escrivaninhas de 80 m2 de MDF.

62
 UNIDADE 3

O modelo desenvolvido deste problema será utilizado, mais adiante, nesta unidade.
Antes de continuarmos a nossa jornada, anote, em seu Diário de Bordo, as prin-
cipais dificuldades em resolver um sistema de equações com mais de três variáveis
utilizando o Método Gráfico. Escreva, também, o significado de buscar a solução
para um sistema de equações lineares.
Depois destas breves discussões sobre a importância de encontrar métodos alter-
nativos ao Método Gráfico para resolver problemas de Programação Linear, comece
recordando alguns aspectos da Álgebra Linear, para, então, estudar o Método Simplex
Tabular. Vamos lá!

DIÁRIO DE BORDO

63
UNICESUMAR

Já sabemos que a Programação Linear é pautada na elaboração de um conjunto de

equações lineares que, para serem resolvidas, formam um sistema de equações, e o
principal método de solução desse sistema é o Simplex, o qual é uma aplicação da
Álgebra Linear.
Antes de qualquer iniciativa, gostaria de deixar bem claro que existem muitos
softwares que apresentam um pacote computacional para resolver problemas com o
Método Simplex, porém é de suma importância que você saiba o que o software está
fazendo e, assim, entender a resposta e saber se você não está utilizando o método
matemático incorreto. Por este motivo, é necessário relembrar um pouco de Álgebra
Linear, principalmente, os conceitos de sistemas de equações lineares.
Segundo Steinbruch e Winterle (1997), as equações lineares apresentam o seguinte
formato:
a1  x1  a2  x2    an  xn  b

sendo a1, a2,..., an os coeficientes constantes da equação, x1, x2,..., xn as variáveis

da equação, b o termo independente. Note a semelhança desta equação geral com as
apresentadas na Unidade 1 para a função objetivo e para as restrições do problema
de Programação Linear.
São os valores das variáveis que satisfazem à igualdade que formam a solução da
equação. São exemplos de equações lineares:
2 x  5
3  x1  4  x2  7
27  x1  12  x2  8  x3  150

observe que a primeira equação apresenta, apenas, uma variável (tanto que ela nem
recebeu índice na representação), sendo fácil de resolver. Basta isolar x e encontra-se
a solução dessa equação como x=5/2. Porém a segunda equação apresenta duas variá-
veis, e a terceira três variáveis, impossibilitando encontrar uma solução, diretamente.
A quantidade de variáveis de uma equação linear pode ser enorme, dependendo do
problema que ela representa.
Quando se trabalha com equações com número de variáveis maior do que uma, há
a necessidade de formar um sistema de equações lineares que apresente um número
de equação igual, pelo menos, ao número de variáveis (AXLER, 2016). Portanto, se
você tem duas variáveis, então necessita de duas equações para encontrar uma solu-
ção, se há três variáveis, são necessárias três equações para encontrar uma solução e
assim, fica formado um sistema de equações lineares.
De acordo com Axler (2016), um sistema de equações lineares é um conjunto de
equações e uma solução para esse sistema são valores às variáveis do sistema que
satisfazem, simultaneamente, a todas as equações.

64
 UNIDADE 3

Por este motivo, quando você elaborou os modelos de Programação Linear na

Unidade 1, escreveu a função objetivo e as equações de restrição. Você pode perceber
que o número de equações de restrição tanto no problema de maximização quanto
no de minimização foram iguais à quantidade de variáveis (duas) do problema. As
restrições de não negatividade (x1 ≥ 0, x2 ≥ 0,..., xn ≥ 0) não contam como equações
para resolver o problema, então, a função objetivo será utilizada na otimização do
processo.
Então, lembre-se que, quando elaborar um modelo de Programação Linear, a
quantidade de equações de restrição deve ser, no mínimo, igual ao número de variá-
veis de decisão do seu problema.
Um sistema de equações lineares pode ser representado por:
2  x1  5  x2  13

6  x1  9  x2  27
este sistema apresenta duas variáveis (x1 e x2) e duas equações, podendo ser resolvido.
Dizer que o sistema pode ser resolvido não quer dizer que ele apresente solução, que
isso fique bem claro a você. É óbvio que, ao elaborar um modelo de Programação
Linear, há a necessidade de encontrar uma solução, por este motivo, se, durante o
processo de resolução do modelo, não haver solução, o modelo deve ser remodelado
ou o problema reestruturado com novas variáveis ou equações de restrição.
Se eu quiser resolver o sistema de equações apresentado, posso utilizar o Método
de Eliminação de Gauss. Este método consiste em multiplicar os coeficientes das
equações e eliminar as variáveis de algumas delas para facilitar a determinação da
solução. Por exemplo, para o sistema apresentado, há duas equações com duas variá-
veis cada, por Gauss, pode-se multiplicar a primeira equação por (-3):

2  x1  5  x2  13   3 

Ficando:

6  x1  15  x2  39

e somá-la à segunda equação, eliminando a variável x1 da segunda equação:

6  x1  15  x2  39

6  x1  9  x2  27

65
UNICESUMAR

a segunda equação passa a ter a forma:

6  x2  12

e o novo sistema fica:

2  x1  5  x2  13

  6  x2  12

para resolvê-lo, basta, agora, escolher a segunda equação e isolar x2:

12
x2  2
6
sabendo que x2 = 2, selecionamos a primeira equação e substituímos x2 para,
depois, isolar x1:
2  x1  5  2  13
2  x1  10  13
2  x1  13  10
x1  3 / 2

a solução para este sistema é x1=3/2 e x2=2.

É muito útil, dentro da Álgebra Linear e aqui, para nós, também, entender como transformar um sis-
tema de equações em uma matriz.
De acordo com a definição de Axler (2016), uma matriz é um arranjo de números em formato re-
tangular, geralmente, delimitada por colchetes. As linhas horizontais de uma matriz são chamadas de
linhas e as linhas verticais são chamadas de colunas. Uma representação de matriz pode ser a seguinte:
5 7 9 
2 8 11
 
Esta matriz apresenta duas linhas e três colunas, podemos dizer que ela é uma matriz 2x3. A primei-
ra linha é composta pelos números 5, 7 e 9, a segunda linha é formada pelos números 2, 8 e 11. A
primeira coluna da matriz é formada por 5 e 2, a segunda coluna pelos números 7 e 8, a terceira
coluna por 9 e 11. Uma representação genérica da matriz 2x3 pode ser dada por:
 a11 a12 a13 
a a23 
 21 a22

os índices dos coeficientes a da matriz representam, respectivamente, o número da linha e da

coluna do elemento. Por exemplo, o elemento a22 é o número que está na segunda linha e na

66
 UNIDADE 3

segunda coluna. Se você olhar, novamente, a matriz numérica anterior, o número 11 representa o
termo a23, ou seja, o termo que está na segunda linha e na terceira coluna.
Um sistema de equações lineares pode ser representado como uma matriz de coeficientes, isso
facilita muito no momento de elaborar um software de Programação Linear. O Método Simplex,
na forma tabular, utiliza a representação matricial para resolver o problema de otimização, por
este motivo, veja como ficaria o sistema de equações lineares que estudamos, há pouco, em sua
forma original e como uma matriz.

Na forma original:
2  x1  5  x2  13

6  x1  9  x2  27
na forma matricial:
 | 
2 5 | 13 
 
 | 
6 9 27 
 | 

esta é a forma da matriz ampliada do sistema de equações lineares, pois apresenta os coeficientes
das equações e o termo independente que está do lado direto da igualdade das equações.
Se você representar o sistema de equações lineares como uma matriz, é possível resolvê-lo da
mesma forma que o sistema com as equações. Basta multiplicar a primeira linha (L1) por (-3) e
somá-la à segunda linha (L2). Observe a notação utilizada:
 |   |   | 
2 5 | 13   3 L1  6  15 |  39   6  15 |  39 
     
 |   |   | 
6 9 27   6 9 27   L1  L2  0  6  12 
 |   |   | 
esta matriz pode ser, novamente, representada como um sistema de equações lineares, na forma:
2  x1  5  x2  13

  6  x2  12

resolvendo o sistema como já foi feito, encontram-se as respostas x1= 3/2 e x2 = 2. O procedimento de
multiplicar e somar uma linha da matriz é conhecido como combinação linear, a qual é a aplicação
do Método de Gauss para a forma matricial.
Agora, analisaremos o Método Simplex Tabular, aplicando, inicialmente, para problemas de maximização.

67
UNICESUMAR

Anteriormente na unidade, foram apresentadas equações lineares com sinal de igualdade em

relação ao lado direito da equação. Praticamente, todos os modelos de Programação Linear
utilizados em pesquisa operacional serão elaborados com as inequações (≥ ou ≤) e, dependendo
dos sinais de desigualdade das restrições, será adotada uma maneira diferente de resolver o
Método Simplex na forma tabular.
É importante, neste ponto distinguir, algumas situações. A Programação Linear é a área da
Pesquisa Operacional que permitirá elaborar os modelos e transformar o problema real em
linguagem matemática. O Método Simplex é a metodologia aplicada ao modelo de Programação
Linear para resolver o sistema de equações obtido a cada caso.
O método segue um algoritmo de solução, que nada mais é do que uma sequência de
ações desenvolvidas para encontrar a melhor resposta, como apresentado na Figura 1.

Figura 1 - Algoritmo simplificado do Método Simplex / Fonte: o autor.

Descrição da Imagem: a Figura 1 possui três retângulos, um abaixo do outro, conectados por uma seta. No primeiro
retângulo está escrito “Inicialização”, no segundo retângulo, “Teste de otimalidade”, e, no terceiro, “Solução ótima”.
Abaixo do terceiro retângulo há mais dois retângulos, um com a palavra “Não”, à esquerda, outro com a palavra “Sim”, à
direita. Quando a seta que sai do retângulo “Solução ótima” chega ao retângulo “Sim”, este se conecta com o retângulo
“Resposta final”. Se a seta sai do retângulo “Solução ótima” e conecta o retângulo “Não”, outra seta sai do retângulo
“Não” e chega até o retângulo “Inicialização”.

68
 UNIDADE 3

Quando o método é iniciado, uma solução é calculada, se for a ótima, o processo de cálculo se
encerra, se não for, o método recalcula uma nova solução e confere se é a ótima ou não. A solução
ótima é definida pela função objetivo, pois é ela que apresenta o objetivo que se deseja alcançar com
a solução do problema.
Segundo Lachtermacher (2007), algumas exigências devem ser respeitadas para resolver um modelo
de Programação Linear com o Método Simplex. Em primeiro lugar, as equações da função objetivo e
das restrições devem estar na forma canônica, ou seja, todas devem ser escritas com sinal de igualdade.
Por esta razão, as equações de restrição precisam ser modificadas quando apresentam as desigualdades
(≤ ou ≥). Em segundo lugar, a função objetivo deve ser de maximização. Você verá o procedimento para
resolver os problemas de minimização, mais adiante, nesta unidade, ainda. A forma geral do modelo
de Programação Linear deve ser a seguinte:
Max( Z )  c11 i x1  c12 i x2    cn i xn
a11 i x1  a12 i x2    a1n i xn  b1
a21 i x1  a22 i x2    a2 n i xn  b2
com

x1 ≥ 0; x2 ≥ 0;  ; xn ≥ 0

Para que as restrições apresentem o sinal de igualdade, há a necessidade de modificarmos as inequa-

ções acrescentando novas variáveis para estabelecer a igualdade entre os termos do lado esquerdo e
direito das restrições.
Para resolver o modelo de Programação Linear utilizando o Método Simplex na forma tabular, é
importante seguir alguns passos com o intuito de facilitar todo o processo de cálculo, pois, em alguns
casos, ele pode ser longo e demorado.
Silva et al. (2010) e Longaray (2014) apresentam estas etapas, e você as verá de agora em diante.

Note como os processos de solução de problemas de Programação Linear envolvem cálculos

de Álgebra Linear, pois estamos trabalhando com um sistema de equações lineares. Todo o de-
senvolvimento de softwares para a solução deste tipo de problema baseia-se nestes princípios.

69
UNICESUMAR

Primeira etapa: usando as variáveis de folga

Estando a função objetivo na forma de maximização, será a vez de alterar as inequações das restrições
do problema para que assumam o sinal de igualdade. Esta alteração é feita por meio das variáveis de
folga, as quais são utilizadas para equilibrar os dois lados das equações de restrição, representando as
sobras de recursos de cada restrição, sendo que a quantidade de variáveis de folga é igual ao número
de restrições do problema com sinal de desigualdade (excetuando as restrições de não-negatividade).
Em Pesquisa Operacional, as restrições do problema, usualmente, estão relacionadas com a utili-
zação de recursos. Estes podem ser matéria-prima, mão de obra e recursos financeiros, por exemplo.
As restrições de limite superior (≤) indicam que:

Utilização do recurso ≤ disponibilidade do recurso

para acrescentar a variável de folga do lado esquerdo da desigualdade, o raciocínio é: se o lado

esquerdo da equação é menor do que o lado direito, então, para que haja igualdade, devemos somar
algo do lado esquerdo.
Utilização do recurso + variável de folga = disponibilidade do recurso

partindo do mesmo raciocínio, as restrições de limite inferior (≥) indicam que:

Utilização do recurso ≥ disponibilidade do recurso

para acrescentar a variável de folga do lado esquerdo da desigualdade, o raciocínio é: se o lado

esquerdo da equação é maior do que o lado direito, então, para que haja igualdade, devemos subtrair
algo do lado esquerdo:
Utilização do recurso - variável de folga = disponibilidade do recurso

para ilustrar esta etapa, retomaremos o Exemplo 1 do início desta unidade, o da fabricação de es-
crivaninhas de MDF. Se necessário, releia o enunciado. O modelo de Programação Linear para esse
problema pode ser descrito como:
Max( Z )  270  x1  230  x2

sujeito a:
R1 4  x1  3  x2  80
R2 12  x1  16  x2  192
R3 x1  0
R4 x2  0

lembrando que as variáveis de decisão foram definidas como:

x1 = Quantidade de escrivaninhas do modelo Oxford
x2 = Quantidad
de de escrivaninhas do modelo London

70
 UNIDADE 3

a notação utilizada para as variáveis de folga será xFi, sendo que o índice i representa a restrição à
qual a variável de folga faz parte. Você, somente, acrescentará as variáveis na folga nas restrições de
não-negatividade que apresentem sinal de desigualdade (≥ ou ≤). Portanto, neste exemplo, apenas as
duas primeiras restrições receberão as variáveis de folga. Como ambas são restrições de limite superior
(≤), o lado esquerdo das restrições é menor do que o lado direito, então, a variável de folga de cada
equação será somada ao lado esquerdo da restrição e trocaremos o sinal de menor igual pela igualdade.
4  x1  3  x2  xF1  80
12  x1  16  x2  xF2  192

neste momento, escreva a função objetivo em sua forma transformada para resolver o problema,
igualando-a a zero e considerando Z um termo da equação:
Z  270  x1  230  x2
Z  270  x1  230  x2  0

As equações que farão parte da resolução do Método Simplex são compostas pela função objetivo
transformada e pelas duas restrições com o sinal de igualdade:
Z  270  x1  230  x2  0
4  x1  3  x2  xF1  80
12  x1  16  x2  xF2  192

Segunda etapa: construção do Quadro Simplex

O Método Tabular do Simplex é resolvido construindo-se um quadro (como uma tabela) chamado
de Quadro Simplex. Na construção da tabela, você utilizará aquela ideia de representar um sistema
de equações na forma de matriz, ou seja, apenas os coeficientes das equações farão parte do quadro.
Elabore-o representando as colunas como os coeficientes das variáveis do problema e as linhas re-
presentarão cada equação do sistema. O quadro original do Simplex (aquele que apresenta os valores
iniciais do problema) fica no seguinte formato:

Z x1 x2 xF1 xF2 b

F.O. 1 -270 -230 0 0 0

1ª R. 0 4 3 1 0 80

2ª R. 0 12 16 0 1 192

Tabela 1 - Quadro Simplex original / Fonte: o autor.

Note que, quando não aparece uma variável na equação que está sendo representada no Quadro Sim-
plex, você coloca um coeficiente igual a zero. A função objetivo (primeira linha numérica do quadro)
não apresenta nem xF1, nem xF2, por este motivo, aparece o número zero na posição destas duas
variáveis. A última coluna representa os valores que estão do lado direito da igualdade das equações
do sistema linear.

71
UNICESUMAR

Terceira etapa: determinação da solução básica inicial

Para resolver um problema de otimização com o Método Simplex, você precisa dar um chute inicial
em direção à solução do problema, ou seja, o método se inicia com uma solução predefinida e, então, as
iterações ocorrem até que se encontre a solução ótima. Na forma tabular do Método Simplex, é comum
considerar, inicialmente, as variáveis de decisão iguais a zero, portanto, x1 = 0 e x2 = 0. Quando faz esta
consideração, xF1 e xF2 assumem valores diferentes de zero, e você pode encontrar os seus valores por
meio das equações de restrição com as variáveis de decisão substituídas por zero.
Para xF1:
4  x1  3  x2  xF1  80
4  0  3  0  xF1  80
xF1  80

para xF2:
12  x1  16  x2  xF2  192
12  0  16  0  xF2  192
xF2  192

O que isso significa? Quando assume que as variáveis de decisão são iguais a zero, neste exemplo, você
está dizendo que não produz nenhuma escrivaninha, nem Oxford, nem London. Se a sua produção
é zero, não há consumo de recursos, ou seja, sobram 80 m2 de MDF e 192h de trabalho. Como xF1
está associada à primeira restrição, xF1 assume o valor de 80 e, como xF2 está associada às horas de
trabalho, assume o valor de 192.
Então, dizemos que a solução básica é formada pelas variáveis básicas (que são as diferentes de
zero), as variáveis não básicas (que são as iguais a zero) e o valor de Z. Se não há produção, não
há lucro.
Z  270  x1  230  x2  0
Z  270  0  230  0  0
Z 0
a solução básica inicial deste exemplo é dada por:
variávies não básicas : x1 = 0 e x 2 = 0
variáveis básicas : xF1 = 80 e xF2 = 192
Z =0

observe que esta é uma solução do problema, mas é óbvio que não é a ótima, pois o objetivo principal
é encontrar valores para x1 e x2 que deem o maior valor possível a Z, sem extrapolar as restrições do
problema. As próximas etapas do Método Simplex servem para isso, tornar x1 e/ou x2 diferentes de zero
e fazer com que xF1 e xF2 se tornem iguais a zero, o que representariam a utilização máxima de recursos.

72
 UNIDADE 3

Quarta etapa: determinar a variável que entra na base e a variável que sai da base

As variáveis que podem entrar na base são x1 e x2, pois elas são as variáveis não básicas e iguais a zero.
As que podem sair da base são xF1 e xF2, pois são as variáveis básicas diferentes de zero. Este é um
processo de troca, enquanto uma variável entra na base, outra sai, ou seja, enquanto uma variável deixa
de ter o valor igual a zero, outra passa a assumir o valor de zero.
Nesta etapa, você deve selecionar, entre x1 e x2, qual das duas entrará na base (deixará de ser zero).
Escolhida a variável, você selecionará a que sai da base, xF1 ou xF2. Então, como fazer?
Observe a linha da função objetivo (primeira linha numérica) do Quadro Simplex original (Tabela
1) e escolha a variável que apresenta o coeficiente de maior valor, desconsiderando o sinal, pois isso fará
com que o método atinja a convergência mais rápido. Neste exemplo, x1 apresenta o maior coeficiente
(270), então, será a primeira variável que entra na base.
Para escolher a variável que deixa a base (xF1 ou xF2), você fará uma divisão entre o número que
está na coluna de b com o coeficiente da variável que entrará na base. Este cálculo é feito em cada linha
que apresenta as variáveis de folga, a qual, neste exemplo, são a segunda e a terceira linha numérica.
80  4  20 ( 2a linha numérica  xF1 )
182  12  16 ( 3a linha numéricaa  xF2 )

como o menor valor da divisão é 16, resultante da razão entre 192 (termo b da terceira linha numérica)
e 12 (coeficiente de x1 na terceira linha numérica), a variável xF2 sairá da base primeiro.
Na Tabela 2, é apresentado, novamente, o quadro original do Simplex, estando a célula da variável
x1 destacada em tons de cinza, e a terceira linha numérica representa a linha da variável xF2.

Z x1 x2 xF1 xF2 b

F.O. 1 -270 -230 0 0 0

1ª R. 0 4 3 1 0 80

2ª R. 0 12 16 0 1 192

Tabela 2 - Escolha das variáveis / Fonte: o autor.

73
UNICESUMAR

Quinta etapa: determinação da nova solução básica

Para determinar a nova solução básica, você precisará da linha pivô e do número pivô. Essa linha é
a mesma da variável que sai da base, neste exemplo, é a terceira linha numérica, que está destacada na
Tabela 2. O elemento pivô é o número que representa o coeficiente da variável que entra na base dessa
linha, neste exemplo, é o número 12, que é o coeficiente da variável x1 na terceira linha numérica do
Quadro Simplex.
Dentro desta etapa, o objetivo é recalcular todas as linhas do Quadro Simplex (lembre-se da combi-
nação linear vista na revisão de Álgebra). A primeira linha que será recalculada é a linha pivô e, depois,
utilizando a nova linha pivô, as demais serão encontradas. No cálculo de cada linha, é interessante
fazer um quadro, também, para facilitar a descrição das operações matemáticas. A partir deste ponto,
as linhas numéricas do Quadro Simplex passarão a ser chamadas de primeira, segunda e terceira
linha, representando, respectivamente, os coeficientes da função objetivo (primeira) e das restrições
(segunda e terceira).
Para o cálculo da nova linha pivô, elabore um quadro como o apresentado na Tabela 3.

Z x1 x2 xF1 xF2 b

Linha pivô (terceira) 0 12 16 0 1 192

÷ 12
16 4 1
Nova linha pivô 0 1 = 0 16
12 3 12

Tabela 3 - Cálculo na nova linha pivô / Fonte: o autor.

Observe que os valores da linha pivô foram todos divididos pelo número pivô, ou seja, aquele
número que representa o coeficiente da variável selecionada para entrar na base.
Com a nova linha pivô, pode-se, então, recalcular as demais linhas do Quadro Simplex. Na Tabela
4, é apresentado o processo de cálculo da nova primeira linha. O objetivo é tornar o coeficiente de
x1 na nova primeira linha igual a zero, por este motivo, a nova linha pivô é multiplicada por 270,
pois, ao somar com a primeira linha, o coeficiente de x1 se torna zero.

74
 UNIDADE 3

Z x1 x2 xF1 xF2 b

4 1
Nova linha pivô 0 1 0 16
3 12

(×270) 0 270 360 0

270 45 4320
=
12 2
+ primeira linha 1 -270 -230 0 0 0

45
Nova primeira linha 1 0 130 0 4320
2
Tabela 4 - Cálculo da nova primeira linha / Fonte: o autor.

Da mesma forma, determina-se a nova segunda linha, mas, agora, multiplicando a linha pivô por
(-4), pois, ao somar a segunda linha, o coeficiente de x1 torna-se zero. Na Tabela 5, é apresentado o
procedimento de cálculo.

Z x1 x2 xF1 xF2 b

4 1
Nova linha pivô 0 1 0 16
3 12
−16 4 1
(×-4) 0 -4 0  -64
3 12 3
+ 2ª linha 0 4 3 1 0 80

−7 −1
Nova 2ª linha 0 0 1 16
3 3
Tabela 5 - Cálculo da nova segunda linha / Fonte: o autor.

Depois de recalcular todas as linhas do quadro simplex, monta-se um quadro com as novas linhas a
fim de verificar os coeficientes encontrados e então se anota a nova solução básica encontrada.

Z x1 x2 xF1 xF2 b

45
Nova primeira linha 1 0 130 0 4320
2
−7 −1
Nova segunda linha 0 0 1 16
3 3
4 1
Nova terceira linha 0 1 0 16
3 12

Tabela 6 - Novo Quadro Simplex / Fonte: o autor.

75
UNICESUMAR

variáveis não básicas : x2 = 0 e xF2 = 0

variáveis básicas : x1 = 16 e xF1 = 16
Z = 4320

lembre-se que x2 ainda não entrou na base, portanto, continua sendo igual a zero, enquanto xF2 saiu
da base, tornando-se igual a zero. Para encontrar os valores de x1, xF1 e Z, basta escrever o Quadro
Simplex na forma de equações e substituir os valores de x2 = 0 e xF2 = 0, observe:
para Z:
45
Z  0  x1  130  x2  0  xF1   xF2  4320
2
45
Z  0  x1  130  0  0  xF1   0  4320
2
Z  4320

para xF1:
7 1
0  Z  0  x1   x2  xF1   xF2  16
3 3
7 1
0  Z  0  x1   0  xF1   0  16
3 3
xF1  16

para x1:
4 1
0  Z  1  x1   x2  0  xF1   xF2  16
3 12
4 1
0  Z  1  x1   0  0  xF1   0  16
3 12
x1  16

Sexta etapa: teste da nova solução

A próxima etapa consiste em avaliar se o Método Simplex já encontrou a solução ótima ou se há a ne-
cessidade de refazer os cálculos. Isto é verificado observando os coeficientes das variáveis não básicas na
primeira linha numérica do novo Quadro Simplex. Quando esses coeficientes forem iguais a zero ou maio-
res do que zero, o método já encontrou uma solução ótima. Caso algum desses coeficientes seja negativo,
o processo de cálculo das Etapas 4 e 5 deve ser repetido, utilizando, como base, o novo Quadro Simplex.
No Exemplo 1, as variáveis não básicas foram x2 e xF2, com coeficientes 130 e 45/2, respectivamente.
Portanto, o método já encontrou a solução ótima, com, apenas, uma iteração. Logo, o nosso problema
tem uma resposta. Para otimizar os lucros, devem ser produzidas 16 escrivaninhas do modelo Oxford
(x1) e nenhuma do modelo London (x2 = 0), isso dará um lucro de R$ 4.320,00 (Z = 4320). Com esta
produção, sobrarão 16 m2 de MDF (xF1 = 16) e não sobrarão horas de trabalho (xF2 = 0).

76
 UNIDADE 3

Esta é a resposta para a maximização do lucro, segundo o problema descrito no Exemplo 1, de

acordo com o modelo criado para ele. Se houvesse necessidade de produzir escrivaninhas do modelo
London, então, seria preciso acrescentar esta informação no modelo, para evitar que a otimização
levasse até x2 = 0.
Mas tenha consciência de que, quanto mais equações houver no modelo, maior será a complexidade
para resolvê-lo. No entanto sempre deve haver o cuidado de não omitir nenhuma informação para
que o modelo não fique incompleto.

É importante você notar que o processo de solução de problemas de Programação Linear é

iterativo, ou seja, precisa de um chute inicial que inicializa o processo de solução. Em seguida,
uma análise das respostas obtidas é necessária para verificar se a condição ótima foi atingida,
caso contrário, um novo processo de cálculo deve ser realizado. Mesmo em softwares de cál-
culo, o processo segue a mesma lógica, com inicialização e repetição até que a solução ótima
seja encontrada.

Alguns problemas estudados com a Programação Linear para serem resolvidos pelo Método Simplex
necessitam de algumas modificações em sua estrutura matemática. Você viu, anteriormente, que o
Método Simplex se aplica a casos de maximização e todas as equações de restrição precisam ser es-
critas como igualdade. Sendo assim, os problemas de minimização devem ser tratados de forma um
pouco diferente.
Neste caso, você deve reescrever a função objetivo com sinal inverso. A ideia, aqui, é que a mini-
mização seja o inverso da maximização. Matematicamente, falando, se há uma função objetivo da
seguinte forma:
min( Z )  8  x1  3  x2

seria equivalente a:
max(W )  8  x1  3  x2 , para Z = -W

para utilizar o Método Simplex Tabular, você, então, reescreveria a função objetivo na forma:

W  8  x1  3  x2  0

Se o seu problema de minimização for um caso de redução de custos, dependendo de como você
descrever o problema e elaborar o modelo, a otimização pode levar a uma resposta de custo zero sem

77
UNICESUMAR

produção de qualquer mercadoria (as variáveis de decisão assumiriam valor igual a zero), por esta
razão, é comum acrescentar restrições de produção mínima, o que é representado por uma inequação
do tipo maior igual (≥), originando um problema para aplicar o Simplex, então, a solução básica inicial
fica prejudicada.

Sempre que você se deparar com restrições do problema de limite inferior na forma
de inequações do tipo ≥ ou restrições de igualdade (=) e, escrever essas restrições na
forma correta do Simplex, haverá inconsistências matemáticas quando determinar
a solução básica inicial com as variáveis de decisão iguais a zero. Suponha que você
tenha a seguinte restrição:
x1  6  x2  15

para representar esta restrição na forma de solução do Método Simplex, subtraia,

do lado esquerdo da equação, uma variável de folga, assim, há equilíbrio entre os dois
lados da equação.
x1  6  x2  xF1  15

até aí, tudo bem, mas quando você resolve o seu problema e considera na solução
básica inicial x1 = 0 e x2 = 0, a variável de folga assume valor negativo.
0  6  0  xF1  15
xF1  15

78
 UNIDADE 3

mas isso não pode acontecer, pois todas as variáveis básicas da solução inicial do
problema devem ser maiores ou iguais a zero (LONGARAY, 2014). Isto é resolvido
acrescentando à restrição uma variável artificial, que será representada pela letra
S, assim, a restrição fica na forma:

x1  6  x2  xF1  S1  15

nestas circunstâncias, as variáveis não básicas passam a ser x1 = 0, x2 = 0 e xF1 =

0, ficando a variável artificial igual a um número maior do que zero.
0  6  0  0  S1  15
S1  15

se a restrição for de igualdade, por exemplo:

2  x1  7  x2  23

como há equilíbrio entre os dois lados da equação (a igualdade já está definida),

não se soma nenhuma variável de folga. Logo, teoricamente, a equação estaria pronta
para entrar no processo de solução do Método Simplex. Novamente, quando você
definir a solução básica inicial com x1 = 0 e x2 = 0, a sua equação cai em uma incon-
sistência matemática.
2  0  7  0  23
0  23

a alternativa, para evitar essa inconsistência, é a utilização da variável artificial

na equação.

2  x1  7  x2  S1  23

quando você assumir x1 e x2 como as variáveis não básicas (iguais a zero) da

solução inicial do Método Simplex, a variável artificial passa a ter um valor diferente
de zero e positivo.
2  0  7  0  S1  23
S1  23

em ambos os casos, a variável artificial aparecerá na solução básica inicial como uma
variável básica (≠ 0), e a primeira missão para resolver o Método Simplex é eliminá-la.

79
UNICESUMAR

É importante você ter em mente que o uso da variável artificial ocorre pelo tipo de restrição e não
pelo tipo de problema (maximização ou minimização). Ela é mais comum em problemas de minimi-
zação devido à presença de, pelo menos, uma restrição de limite inferior (≥), mas nada impede que,
em problemas de maximização, também apareçam estes tipos de restrição, havendo a necessidade
de utilizar as variáveis artificiais. Para resolver este tipo de problema, utilizaremos o Método do M
Grande. O objetivo inicial ao resolver um problema por esse método é eliminar a variável artificial,
ou seja, torná-la igual a zero. Você verá que o processo é bem semelhante ao utilizado para resolver
problemas de maximização.
Para entender como aplicar o Método Simplex Tabular nos casos de minimização e com a aplicação
do Método do M Grande, veja o Exemplo 2:

02. EXEMPLO (minimização): Uma indústria automotiva produz dois modelos de carros flex
com motor 1.6, o Ceres e o Vulcano, em uma de suas unidades. Você, como gerente
de produção, quer estimar a melhor maneira de produzi-los com custos reduzidos,
tendo, por base, um mês de produção. O modelo Ceres é mais robusto e completo,
tem um custo total de produção de R$ 35000,00, já o modelo Vulcano é mais simples
e básico, apresentando um custo total de produção de R$ 28000,00. Ambos utilizam
a mesma linha de montagem, sendo que o Ceres demora 22h/unidade para ser
montado, e cada unidade do Vulcano fica pronto em 14h. A fábrica trabalha em dois
turnos por dia, todos os dias da semana, apresentando uma disponibilidade total
de 480h para montagem em um mês. A fábrica precisa entregar à concessionária,
pelo menos, 10 veículos ao mês. Elabore um modelo de minimização de custos para
uma Programação Linear e resolva-o pelo Método Simplex Tabular. O modelo para
representar este problema será:

min( Z )  35000  x1  28000  x2

sujeito a:
R1 : 22  x1  14  x2  480
R2 : x1  x2  10
R3 : x1  0
R3 : x2  0

lembrando que:
x1 = Quantidade de veículos do modelo Ceres
x 2 = Quantidade de veículos do modelo Vulcano

80
 UNIDADE 3

Primeira etapa: utilizando as variáveis de folga

Inicialmente, você precisa escrever as equações do modelo do problema na forma canônica do Mé-
todo Simplex, então, a função objetivo de minimização deverá apresentar a forma de uma função de
maximização. Assim, estabelecemos a equivalência entre estas funções.
min( Z )  35000  x1  28000  x2
max(W )  35000  x1  28000  x2

a representação da forma canônica para o método simplex fica:

W  35000  x1  28000  x2

às restrições, então, acrescentamos as variáveis de folga e as artificiais, se houver necessidade.

22  x1  14  x2  xF1  480
x1  x2  xF2  S1  10

ao perceber que houve necessidade de acrescentar a variável artificial a uma das restrições, então,
essa variável também precisa aparecer na equação da função objetivo com um coeficiente M (por este
motivo, o método se chama Método do M Grande).

W  35000  x1  28000  x2  M 1  S1  0

como as três equações estão no formato adequado, o Quadro Simplex pode ser construído.

Segunda etapa: construção do Quadro Simplex

Z x1 x2 xF1 xF2 b b
F. O. 1 35000 28000 0 0 M1 0
1ª R. 0 22 14 1 0 0 480
2ª R. 0 1 1 0 -1 1 10
Tabela 7 - Quadro do simplex original / Fonte: o autor.

Terceira etapa: determinação da solução básica inicial

Você já viu que a solução básica inicial consiste em considerar as variáveis de decisão iguais a zero e,
quando tem a presença da variável artificial, a variável de folga que está na mesma equação da artificial
também será considerada igual a zero. Portanto, considerando x1 = 0, x2 = 0 e xF2 = 0, encontram-se
os valores de xF1 e S1.

81
UNICESUMAR

Para xF1:
22  x1  14  x2  xF1  480
22  0  14  0  xF1  480
xF1  480

para S1:
x1  x2  xF2  S1  10
0  0  02  S1  10
S1  10

a solução básica inicial deste exemplo é dada por:

variáveis não básicas : x1 = 0, x 2 = 0, xF2 = 0

variáveis básicas : xF1 = 480 e S2 = 10

Quarta etapa: determinar a variável que entra na base e a variável que sai da base

Quando há a variável artificial, aquela que entra na base é escolhida de forma que a variável que saia da
base seja a artificial. Se x1 for escolhida, a divisão entre os termos da coluna b e os coeficientes de x1 são:


480 ÷ 22  21,8 2a linha numérica  xF1 

10 ÷1 = 10 3a linha numérica  S1 
isso resulta na escolha da terceira linha numérica, que é a linha de S1. Se x2 for escolhida, então, a
divisão dos termos da coluna b e os coeficientes de x2 são:


480  14  34, 3 2 a linha numérica  xF1 

10  1  10 3a linha numérica  S1 
este cálculo resulta na escolha da terceira linha numérica, também. Para este exemplo, tanto a escolha
de x1 quanto de x2 permite a retirada da variável S1 da base. Depois de retirar S1 da base, o Quadro
Simplex deve ser recalculado até que seja encontrada a solução ótima. Então, a escolha de x1 ou x2
para entrar na base primeiro pode fazer, apenas, o problema ficar mais longo ou mais curto.
Escolhi a variável x2 para entrar na base e, assim, a variável S1 sairá. A terceira linha numérica será
a linha pivô e o elemento pivô será o número 1, como apresentado na Tabela 8.

W x1 x2 xF1 xF2 S1 b
F. O. 1 35000 28000 0 0 M1 0
1ª R. 0 22 14 1 0 0 480
2ª R. 0 1 1 0 -1 1 10
Tabela 8 - Escolha das variáveis / Fonte: o autor.

82
 UNIDADE 3

Para calcular a nova linha pivô, basta dividir a terceira linha numérica pelo elemento pivô. Observe,
na Tabela 9, que a terceira linha numérica já está no formato da nova linha pivô, sendo utilizada para
determinar as novas linhas primeira e segunda do Quadro Simplex.

W x1 x2 xF1 xF2 S1 b

Linha pivô
0 1 1 0 -1 1 10
(terceira)

÷1
Nova linha pivô
0 1 1 0 -1 1 10
(terceira)

Tabela 9 - Nova linha pivô / Fonte: o autor.

Na Tabela 10, está apresentado o cálculo da nova primeira linha. Como o objetivo é tornar o coeficiente
de x2 igual a zero, então, a linha pivô será multiplicada por -28000 e somada à primeira linha original.

W x1 x2 xF1 xF2 S1 b
Linha pivô
0 1 1 0 -1 1 10
(terceira)
(x -28000) 0 -28000 -28000 0 28000 -28000 -280000
+ primeira linha 1 35000 28000 0 0 M1 0
Nova primeira
1 7000 0 0 28000 M1 -280000
linha
Tabela 10 - Nova primeira linha / Fonte: o autor.

Aqui, cabe uma observação: no Método do M Grande, a multiplicação de qualquer valor ao M, assim
como a soma ou subtração de qualquer valor de M, resultará sempre em M. Lembre-se de que M é
um coeficiente genérico da variável artificial S, portanto, não tem valor conhecido e, depois, será,
automaticamente, eliminado.
O cálculo da nova segunda linha seguirá o mesmo princípio. Como o objetivo é zerar o coeficiente
de x2 na segunda linha, então, a linha pivô será multiplicada por -14, como se vê na Tabela 11.

W x1 x2 xF1 xF2 S1 b
Linha pivô
0 1 1 0 -1 1 10
(terceira)
(x -14) 0 -14 -14 0 14 -14 -140
+ segunda linha 0 22 14 1 0 0 480
Nova segunda
0 8 0 1 14 -14 340
linha
Tabela 11 - Nova segunda linha / Fonte: o autor.

83
UNICESUMAR

Com todas as linhas recalculadas, podemos escrever o novo Quadro Simplex.

W x1 x2 xF1 xF2 S1 b

Nova primeira linha 1 7000 0 0 28000 M1 -280000

Nova segunda linha 0 8 0 1 14 -14 340

Nova terceira linha 0 1 1 0 -1 1 10

Tabela 12 - Novo Quadro Simplex / Fonte: o autor.

Como o objetivo desta primeira iteração do Método Simplex era tornar S1 igual a zero, ou seja, retirá-
-lo da base, podemos eliminar a coluna de S1 e reescrever o Quadro Simplex sem a variável artificial.

W x1 x2 xF1 xF2 b

Nova primeira linha 1 7000 0 0 28000 -280000

Nova segunda linha 0 8 0 1 14 340

Nova terceira linha 0 1 1 0 -1 10

Tabela 13 - Novo Quadro Simplex sem a variável artificial / Fonte: o autor.

Quinta etapa: determinação da nova solução básica

Com o novo Quadro Simplex, podemos, então, escrever a nova solução básica. Na primeira iteração
do método, x2 entrou na base e S1 saiu, dessa forma, a solução básica ficou assim:
variáveis não básicas : x1  0 e xF2  0
variáveis básicas : x2  10 e xF1  340
W  280000

lembre-se: x1 ainda não entrou na base, portanto, continua sendo igual a zero, e xF2 saiu da base,
tornando-se igual a zero. Para encontrar os valores de x2, xF1 e W, basta escrever o Quadro Simplex
na forma de equações e substituir os valores de x1 = 0 e xF2 = 0, observe:
para W:
W  7000  x1  0  x2  0  xF1  28000  xF2  280000
W  7000  0  0  x2  0  xF1  28000  0  280000
W  280000

84
 UNIDADE 3

para xF1:

0  W  8  x1  0  x2  xF1  14  xF2  340

0  W  8  0  0  x2  xF1  14  02  340
xF1  340

para x2:
0  W  x1  x2  0  xF1  xF2  10
0  W  0  x2  0  xF1  0  10
x2  10

Sexta etapa: teste da nova solução

Para terminar o Método Simplex Tabular, lembre-se de que os coeficientes das variáveis não básicas não
devem ser negativos na primeira linha. Observando o novo Quadro Simplex (Tabela 13), verifica-se que
os coeficientes de x1 e xF2 são positivos (7000 e 28000), respectivamente, portanto, a solução encontrada
é a ótima para o problema descrito no Exemplo 2. Antes de escrevermos a resposta encontrada, quero
ressaltar que, ao resolver o Método M Grande, o objetivo principal é eliminar a variável artificial S e
não otimizar a resposta, porém esta etapa de eliminação de S já pode resultar em uma convergência
da solução à ótima. Se algum dos coeficientes das variáveis não básicas for negativo, deve-se executar
as Etapas 4, 5 e 6 novamente, quantas vezes for necessário para atingir o ótimo.
Como o problema já foi otimizado, encontramos que, para produzir os dois modelos de veículos
com custo mínimo, deve-se fabricar 10 unidades do modelo Vulcano (x2 = 10) e nenhuma unidade
do modelo Ceres (x1 = 0), com esta produção, sobram 340h de trabalho (xF1 = 340), não faltando
veículos para a concessionária (xF2 = 0).
Quando você escreve o problema de minimização, na forma do Simplex, ele é trocado por um
problema de maximização, portanto, a variável encontrada na função objetivo foi W = -280000, mas
o custo era representado por Z. A relação estabelecida ao trocar Z por W era que Z = -W. Logo, o custo
encontrado para esta produção otimizada foi de R$ 280.000,00.
Neste exemplo, assim como no Exemplo 1, se houver necessidade de produzir um número mínimo
de unidades do modelo Ceres, deve-se especificar esta informação em uma das restrições do problema.
Na Unidade 3, você poderá explorar mais esses exemplos.

85
UNICESUMAR

Outro ponto importante dentro da Programação Linear é a dualidade, ou como se costuma dizer, a
análise do dual e do primal. Hillier e Lieberman (2013) apresentam o conceito de dualidade como
algo fundamental para a Programação Linear, descoberto desde os primórdios do desenvolvimento
da mesma. Um problema original (primal) apresenta, associado a ele, outro problema, chamado de
dual, que é simétrico ao original, conduzindo para a mesma solução.
O conceito de primal e dual é importante na análise das respostas dos problemas de Programação
Linear. Em alguns casos, transformar um problema original em seu dual reduz e facilita os cálculos.
Para isso, alguns passos devem ser seguidos.
Primeiro, há a necessidade de definir quantas variáveis farão parte do dual. O que define este número
é a quantidade de restrições do problema primal. A representação dessas variáveis se dá pela letra y.
Em segundo lugar, estabelece-se a quantidade de restrições do dual, este valor será igual à quantidade
de variáveis do modelo primal.
Em seguida, a função objetivo (D) é criada, sendo o inverso da função objetivo primal (Z). Por
exemplo, se a função objetivo primal for de maximização, a do dual será de minimização. Os coeficientes
da função objetivo dual serão os valores dos termos independentes b das restrições do modelo primal.
Em quarto lugar, elaboram-se as restrições do problema dual, sendo o lado direito das equações
(termo independente) iguais aos coeficientes da função objetivo do primal. Os coeficientes da primei-
ra função objetivo do dual serão os valores dos coeficientes da primeira variável do primal e, assim,
sucessivamente. Os sinais de desigualdade do dual serão o inverso dos apresentados no primal. Para
melhor compreensão, veja o Exemplo 3.

03. EXEMPLO Elabore um modelo dual ao programa linear apresentado.

min( Z )  2  x1  5  x2

sujeito a:
x1  9  x2  10
5  x1  13  x2  45
12  x1  6  x2  93
x1  0; x2  0

como o modelo primal apresenta três restrições, então, o modelo dual terá três va-
riáveis: y1, y2 e y3. O primal apresenta duas variáveis, então, ele terá duas restrições.
A função objetivo será de maximização e os seus coeficientes terão os valores dos
termos independentes das restrições do primal.
max( D)  10  y1  45  y2  93  y3

os coeficientes das restrições são os valores dos coeficientes das colunas das res-
trições do primal, os termos independentes serão os coeficientes da função objetivo.

86
 UNIDADE 3

y1  5  y2  12  y3  2
9  y1  13  y2  6  y3  5
y1  0; y2  0; y3  0
dessa forma, o modelo pode ser resolvido pelo Método Simplex.

Observe como o Método Simplex Tabular permite ampliar a quantidade de variáveis no modelo de
Programação Linear e resolvê-lo. No entanto esse é um método demorado e que exige muitos cuidados
na hora de utilizá-lo. Por esta razão, softwares foram desenvolvidos para resolver este tipo de problema.
Nas próximas unidades, você aprenderá a utilizar o Solver do Excel com o objetivo de resolver esses
problemas de Programação linear.

Todos os esforços, até o momento, se concentraram em construir o modelo de Programação Linear

Ouça este podcast que fala sobre Frederick Taylor,

considerado, por muitos, o pai da administração científica.
Neste podcast, você ouvirá um pouco de sua história e
como ele conseguiu melhorar as empresas que trabalhou
utilizando os conceitos de Pesquisa Operacional.

que representa o problema e encontrar maneiras de resolvê-lo. O objetivo principal é determinar a

quantidade de cada variável de decisão que permita ter o melhor resultado para a função objetivo. As
variáveis de folga que foram introduzidas, nesta unidade, não devem ser esquecidas ao analisar um
problema, pois elas possuem significado, representando as sobras de recursos ao sistema produtivo.
Embora você veja que, ao utilizar um software, terá a possibilidade de resolver, com agilidade, um
problema, e que cada um dos conceitos, aqui, vistos será útil na pós-otimização, ou seja, na análise dos
resultados encontrados.
Todos estes conhecimentos adquiridos, até o momento, lhe ajudarão a ter uma visão mais ampla
dos problemas do dia a dia, em sistemas produtivos. Sem contar que conseguir encontrar uma solução
para o problema modelado é o objetivo de todo problema de Pesquisa Operacional.

87
 Esta unidade teve, como ponto forte, a aplicação do Método Simplex Tabular. Por este motivo,
um Mapa Mental foi criado para que você leia as informações presentes e preencha as lacunas
de acordo com o que se pede. Veja o mapa, a seguir.

Descrição da Imagem: na imagem, há um retângulo no centro onde está escrito “Simplex Tabular”. Desse retângulo
saem outros dois outros, um onde se lê “Maximização”, que está em cima, e outro, onde se lê “Minimização”, que
está embaixo. Do retângulo “Maximização” partem mais seis retângulos, no primeiro, da esquerda para a direita,
MAPA MENTAL

está escrito “Utilizando as variáveis de folga”, no segundo, está escrito “Construção do Quadro Simplex”, no sexto
está escrito “Teste da nova solução”. Os demais retângulos estão em branco. Do retângulo “Minimização” saem
outros seis retângulos, no primeiro, da esquerda para a direita, está escrito “Utilizando as variáveis de folga”, no
terceiro, se lê “Determinação da solução básica inicial” e todos os demais estão em branco para preenchimento.
Do retângulo “Minimização” também sai um balão no formato de nuvem onde está escrito “Transformar minimi-
zação em maximização” e do retângulo “Simplex Tabular” sai um balão no formato de nuvem onde está escrito
“Acrescentar variáveis artificiais em restrições de igualdade (=) e maior ou igual (>=)”.

88
1. Em Pesquisa Operacional, é comum utilizar sistemas de equações lineares para repre-
sentar o modelo do problema de otimização. Resolva os dois sistemas apresentados
e encontre as soluções adequadas.
a) 3  x1  75  x2  8

12  x1  84  x2  64

b) 7  x1  35  x2  84

 x1  8  x2  13

2. A representação de sistemas de equações lineares como matriz auxilia na elaboração

de algoritmos de resolução de problemas com Programação Linear. Elabore as matri-
zes dos sistemas de equações apresentados e encontre o elemento da matriz pedido.
5  x1  7  x2  13  x3  250

a) 9  x1  22  x2  46  x3  1200 , encontre o valor dos elementos a23 e a33.
 x  84  x  12
 1 2

2  x1  3  x2  9
b)  , encontre o valor dos elementos a11 e a22.
27  x1  16  x2  130

3. Para resolver um problema de otimização com o Método Simplex, é necessário escrever

o modelo que representa o problema, na forma canônica, ou seja, na forma adequada
para que o método possa ser aplicado. Com base nos modelos de Programação Linear

AGORA É COM VOCÊ

apresentados, escreva-os na forma correta para resolver com o Método Simplex.
a) max( Z )  35  x1  17  x2

b) max( Z )  3  x1  25  x2

Sujeito a: Sujeito a:
2  x1  8  x2  30 x1  x2  15
11  x1  5  x2  12 9  x1  81  x2  250
x1  0, x2  0 x1  0, x2  0

c) min( Z )  12  x1  60  x2

d) min( Z )  33  x1  9  x2

Sujeito a: Sujeito a:
10  x1  18  x2  30 6  x1  93  x2  2200
45  x1  2  x2  130 16  x1  77  x2  300
x1  0, x2  0 x1  0, x2  0

89
 4. Uma empresa produz pijamas femininos e camisolas, utilizando, como matérias-pri-
mas, malha e renda. Cada unidade do pijama consome 1,5 m de malha e 50 cm de
renda e cada unidade da camisola consome 1,3 m de malha e 1 m de renda. O pijama
é vendido a R$ 85,00 e a camisola a R$ 110,00 a unidade. Há disponibilidade na fábrica
de aquisição de 130 m de malha e 15 m de renda por semana. Elabore um modelo de
programa linear e resolva-o pelo Método Simplex Tabular, a fim de maximizar a receita
da empresa em uma semana.

5. Uma concessionária de automóveis pretende fazer uma campanha publicitária no rádio

e na televisão para lançar um novo modelo de sua marca. O objetivo é atingir mais de
6000000 (6 milhões) de pessoas durante uma semana. Ela utilizará o horário nobre da
televisão e o horário noturno da rádio. Segundo as emissoras, cada propaganda no
horário nobre atinge 200000 pessoas e, no horário noturno da rádio, 110000 pessoas.
Cada propaganda na TV sairá por R$ 15.000,00 e no rádio por R$ 9.000,00. Sabendo
que o número máximo de propagandas na TV deva ser de 21, elabore um modelo de
Programação Linear para minimizar os custos com propaganda e resolva-o pelo Mé-
todo Simplex Tabular.
AGORA É COM VOCÊ

90
91
MEU ESPAÇO
 MEU ESPAÇO

92
4
Método Simplex
e Solver Para
Maximização
Dr. Fernando Pereira Calderaro

Na quarta unidade do livro de Pesquisa Operacional, você aprenderá

a utilizar uma ferramenta poderosa na solução de problemas de
Programação Linear, o suplemento Solver do Excel®. Na unidade,
serão apresentados, apenas, problemas de maximização, aplicados
nas mais diversas áreas e, em todos eles, você verá que o grau de
complexidade do problema não mais limitará a sua capacidade
de resposta e de solução, pois o Solver poderá ajudá-lo(a). Bons
estudos e bom aprendizado!
UNICESUMAR

Imagine que você acabou de ser contratado(a) por uma empresa que fabrica dez tipos de produtos dife-
rentes, consumindo algumas matérias-primas em comum e, também, tem etapas do processo em comum.
Você recebe a missão de avaliar o mix de produção que gere o maior lucro para a empresa. A esta altura
da disciplina, já sabe que a tentativa e o erro são um processo possível de utilizar, mas pouco eficiente e
sem garantias de que o resultado encontrado seja, de fato, o melhor. Em uma tabela do Método Simplex
Tabular, você terá, no mínimo, 11 variáveis, a da função objetivo mais as 10 variáveis de decisão, sem
contar as variáveis de folga e artificiais que podem haver. O trabalho para resolver este problema será
hercúleo, mas, como você já terá feito esta disciplina, saberá que pode resolvê-lo em menos de um dia,
desde que tenha as informações necessárias, não é mesmo?
É importante ressaltar que, mesmo utilizando um software para resolver o problema de Programação
Linear, continua sendo um problema de análise, obtenção de dados, representação do problema real
como um modelo matemático e avaliação da resposta encontrada. O software, apenas, automatizará o
cálculo, permitindo que a velocidade de solução seja ampliada inúmeras vezes, favorecendo a solução
de problemas complexos.
Dessa forma, você poderá resolver, com facilidade e agilidade, problemas com 10 ou mais variáveis,
além de poder alterar o modelo sempre que necessário, de forma rápida e objetiva. Você verá que, com
poucas células da planilha eletrônica, será possível representar qualquer problema e, em fração de se-
gundos, obter a sua solução, além de avaliar relatórios que o próprio software apresenta, melhorando a
sua capacidade de análise.
Leia o Exemplo 1 proposto, a seguir, e elabore o modelo de Programação Linear que o represente.

01. EXEMPLO Uma indústria metalúrgica produz artigos para móveis, sendo fabricadas dobradiças
para portas de madeira, dobradiças para portas de guarda-roupa, corrediças telescó-
picas, cantoneiras, sapata niveladora, pistão a gás e fecho rolete. A indústria estabelece,
como recursos limitantes, o aço para a fabricação das peças, o tempo consumido no
processo de corte, na usinagem, na pintura e na montagem. Com o objetivo de facilitar a
análise dos dados, a Tabela 1 foi criada para apresentar o consumo de cada recurso para
cada 100 unidades bem como o lucro obtido na venda de cada centena de unidades.

Produto/ Corte/ Usinagem Montagem

Aço (m2) Pintura (s) Lucro (R$)
Recurso Furação (s) (s) (s)

Dobradiça
0,60 300 150 120 0 460,00
porta
Dobradiça
0,55 250 170 100 0 48,00
guarda-roupa
Corrediça
1 180 190 180 200 415,00
telescópica
Cantoneira 0,06 100 80 90 0 56,00
Sapata
0,08 120 100 90 130 148,00
niveladora
Pistão a gás 0,405 350 150 260 600 630,00
Fecho roleta 0,06 220 100 150 150 165,00

Tabela 1 - Consumo de recursos e lucro. Todos os valores tomam, como base, 100 unidades de produto fabricado e vendido
Fonte: o autor.

94
 UNIDADE 4

São conhecidas as demandas mínimas de dobradiça de guarda-roupa (700 unidades), cantoneiras (1.200
unidades), sapatas niveladoras (300 unidades) e fecho rolete (250 unidades) bem como a disponibilidade
de 100m2 de aço e de 8h de trabalho diário para cada setor.
Utilizando as informações da Tabela 1 e as restrições apresentadas, elabore um modelo de Progra-
mação Linear para a maximização do lucro diário, também, para representá-lo. O modelo desenvolvido
deste problema será utilizado, mais adiante, nesta unidade.
Utilize os conhecimentos adquiridos na Unidade 3 para começar a escrever o modelo. Defina, a prin-
cípio, as variáveis de decisão que você tem e, então, siga rumo à função objetivo e às restrições.
Antes de avançar em nossos estudos, pense sobre as facilidades de utilizar um software para resolver
problemas mais complexos, ou seja, com mais variáveis de decisão. Reflita, criticamente, e tente anotar
as principais consequências de confiar, plenamente, nos resultados apresentados pelo software.
Neste momento, você está apto(a) a descobrir como o Solver do Excel® pode lhe ajudar a resolver
problemas de Programação Linear. Inicialmente, veremos como a estrutura do suplemento funciona e,
depois, você terá contato com alguns tipos de problema resolvê-los utilizando esta ferramenta.

DIÁRIO DE BORDO

95
UNICESUMAR

A Pesquisa Operacional apresentou expressivo avanço com o desenvolvimento de algoritmos com-

putacionais que permitiram a elaboração e a resolução de problemas mais complexos. Diversos au-
tores, como Hillier e Lieberman (2013), Lachtermacher (2007), Longaray (2014) e Silva et al. (2010)
apresentam capítulos voltados à solução de problemas de Pesquisa Operacional utilizando o Método
Simplex do Solver no Excel®.
É importante ressaltar que o uso das planilhas eletrônicas ainda exige que o usuário elabore o mo-
delo, monte o algoritmo e faça a análise de pós-otimização. Agora, você terá um pequeno tutorial de
como habilitar o Solver para, então, utilizá-lo na solução de problemas. Ele já vem instalado como um
suplemento do programa, mas, na maioria das vezes, não está habilitado, havendo a necessidade de,
simplesmente, de torná-lo disponível na planilha. Como trabalharemos com um software que apre-
senta diversas versões, alguns nomes e formatos da planilha podem apresentar pequenas divergências
em relação ao que você estiver utilizando, mas saiba que a sequência de ações é a mesma e a maneira
de resolver os problemas de Programação Linear, também. As etapas para habilitar o Solver no Excel®
são as seguintes:
a) Abra uma planilha do programa e clique em “Arquivo”, na parte superior esquerda da planilha.

Figura 1 - Selecionando “Arquivo” no Excel® / Fonte: o autor.

Descrição da Imagem: na imagem, aparece uma janela do Excel® onde há a parte superior da planilha com a barra
de ferramentas. No canto superior esquerdo, há a palavra “Arquivo” da barra de ferramentas, circulada em vermelho,
indicando o local onde se deve clicar com o mouse.

96
 UNIDADE 4

Figura 2 - Imagem após clicar em “Arquivo” para selecionar “Opções” / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a janela de “Arquivo” do Excel®. Do lado esquerdo, há uma coluna, em
verde, com as opções a serem selecionadas. Ao final da barra, está escrita a palavra “Mais...”, o cursor está sobre essa
palavra e abriu-se uma opção à direita, com as palavras “Comentários” e “Opções”, esta última deve ser selecionada.

b) Em seguida, clique em Opções do Excel e selecione a aba Suplementos. Vá em Gerenciar,

selecione Suplementos do Excel e clique em Ir.

Figura 3 - Aba “Suplementos” dentro de “Opções do Excel” / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a janela de “Opções do Excel” selecionada. No canto esquerdo, estão os
botões que podem ser selecionados e o botão “Suplementos” foi selecionando, há uma marcação em vermelho ao seu
redor, aparecendo, do lado direito da imagem, uma janela para “Suplementos”. Na parte de baixo da imagem, há uma
linha onde está escrito “Gerenciar”, à frente de “Gerenciar”, está escrito “Suplementos do Excel” que está sublinhado
em vermelho. Á frente de “Suplementos do Excel” aparece a palavra “Ir” que está circulada em vermelho.

97
UNICESUMAR

Figura 4 - Imagem de “Gerenciar: Suplementos do Excel” / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a janela “Opções do Excel” com a aba “Suplementos” selecionada, mas
dando destaque à parte inferior da janela onde aparece “Gerenciar: Suplementos do Excel”.

c) Ao abrir a janela dos suplementos, marque a caixa da opção Solver e clique em OK. Pronto, o
Solver já está instalado.

Figura 5 - Caixa da opção “Solver” selecionada / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a janela de “Suple-

mentos” do Excel® aberta. Há uma região no canto esquerdo
da imagem com os suplementos que podem ser ativados no
programa. O penúltimo suplemento que aparece, de cima para
baixo, é o “Solver” que está selecionado. Do lado direito da
imagem, há os botões “OK” (que deve ser clicado), “Cancelar”,
“Procurar...” e “Automação...”.

O complemento Solver aparecerá na barra de ferramentas, na opção Dados.

Figura 6 - O “Solver” aparece na aba “Dados” da barra de ferramentas / Fonte: o autor.

Descrição da Imagem: na imagem, aparece uma planilha do Excel® com foco na parte de cima, com a aba “Dados”
selecionada e, no canto superior direito, aparece o suplemento “Solver”.

98
 UNIDADE 4

Habilitando o Solver, uma vez, ele já ficará disponível para qualquer planilha nova que você abrir,
portanto, esse processo precisa ser realizado, apenas, uma vez.
Resolver um problema de otimização utilizando o Solver do Excel® é bem simples, rápido e, tam-
bém, é uma forma elegante de trabalhar com a programação linear. Para ilustrar o funcionamento do
Solver, considere o Exemplo 2.

02. EXEMPLO (maximização): Uma empresa de móveis produz dois tipos de escrivaninha para
computador. O modelo Oxford apresenta uma gaveta e apoio alto para impressora, e
o modelo London apresenta quatro gavetas sem apoio para impressora. Sabe-se que
as duas são produzidas em MDF, sendo que o modelo Oxford consome cerca de 4m2
de MDF, e o modelo London consome 3m2 deste material. O tempo de fabricação
do Oxford é de 12h, enquanto o do London é de 16h. Você quer fazer uma otimi-
zação neste setor da produção para maximizar o lucro mensal. A empresa vende às
lojas o modelo London com lucro de R$ 230,00 e o Oxford com lucro de R$ 270,00.
Durante o mês, a empresa tem disponibilidade de 192h de trabalho bem como uma
quantidade de matéria-prima para a fabricação das escrivaninhas de 80m2 de MDF.
Elabore o modelo de maximização dos lucros para uma Programação Linear
e resolva-o utilizando a ferramenta Solver do Excel®.
O modelo para este problema já foi desenvolvido na Unidade 3 e é representado
pelo conjunto de equações:
Max( Z )  270  x1  230  x2

sujeito a:
R1 4  x1  3  x2  80
R2 12  x1  16  x2  192
R3 x1  0
R4 x2  0

lembrando que as variáveis de decisão foram definidas como:

x1 = Quantidade de escrivaninhas do modelo Oxford
x2 = Quantidadde de escrivaninhas do modelo London

depois de estabelecido o modelo, há a necessidade de escrevê-lo na planilha eletrô-

nica. Assim como o Método Simplex Tabular, o que vai para a planilha são os valores
numéricos dos coeficientes de cada equação e os números que representam os termos
independentes. Na planilha, você deve colocar as informações essenciais, como: quais
são os dados de entrada, as variáveis de decisão, a que se refere cada restrição e quais
são os seus limites.

99
UNICESUMAR

Figura 7 - Descrição dos elementos que comporão a planilha do Exemplo 2 / Fonte: o autor.

Descrição da Imagem: na imagem, aparece uma planilha do Excel® com a montagem do Exemplo 2. Aparece, na
imagem, os dados de entrada, na coluna A estão escritos os títulos “Variável de decisão”, “Lucro unitário” para os dados
de entrada, “Quantidade de MDF” e Horas de trabalho” para as restrições. Aparecem, também, os nomes das variáveis
de decisão, “Oxford” e “London”, a célula do “Lucro Total” e as células do “Utilizado” e “Disponibilidade”.

Observe, na Figura 7, onde são escritas as informações importantes do problema, identificamos os

dados de entrada do lado esquerdo, que são as definições das variáveis de decisão e quais serão as
restrições. Nas colunas C, D, E e F aparecem os nomes das variáveis de decisão (modelo Oxford e
modelo London) e as células em branco para que os valores numéricos dos coeficientes sejam escritos.

Figura 8 - Dados do modelo acrescentados à planilha / Fonte: o autor.

Descrição da Imagem: na imagem, aparece uma planilha do Excel® com a montagem do Exemplo 2. Há, na imagem,
os dados de entrada, na coluna A estão escritos os títulos “Variável de decisão”, “Lucro unitário” para os dados de en-
trada, “Quantidade de MDF” e “Horas de trabalho” para as restrições. Aparecem, também, os nomes das variáveis de
decisão, “Oxford” e “London”, a célula do “Lucro Total” e as células do “Utilizado” e “Disponibilidade”. Abaixo de “Oxford”
e “London” aparece o valor zero na linha da “Variável de decisão” bem como os valores 270 para “Oxford” e 230 para
“London” na linha do “Lucro unitário”. Aparecem, também, os coeficientes das restrições: 4 abaixo de “Oxford” na linha
da “Quantidade de MDF (m2)”, 12 abaixo de “Oxford” na linha “Horas de trabalho (h)”, 3 abaixo de “London” na linha da
“Quantidade de MDF (m2)” e 16 abaixo de “London” na linha de “Horas de trabalho (h)”. Abaixo de “Disponibilidade”,
aparece 80 para “Quantidade de MDF (m2)” e 192 para “Horas de trabalho (h)”.

Na Figura 8, você pode ver que os valores dos coeficientes que aparecem no modelo foram colocados
nas células da planilha. Na linha 7, você tem a representação da função objetivo que trata de maximi-
zar o lucro, aparecendo o valor 270 abaixo da palavra “Oxford”, pois esse é o valor do lucro que cada

100
 UNIDADE 4

unidade desse modelo fornece, abaixo da palavra “London” está o valor 230, representando o lucro
unitário desse modelo de escrivaninha:
Max( Z )  270  x1  230  x2

as células C6 e D6 representam as quantidades de cada modelo de escrivaninha que são produzidas e

comercializadas. No início do problema, você coloca o número zero em ambas as células. Lembre-se
de que, para resolver o Método Simplex, necessita uma solução inicial e, assim como na forma tabular,
você considera, inicialmente, a produção zero de cada variável de decisão.
As linhas 10 e 11 representam as restrições da quantidade de MDF disponíveis e de horas de tra-
balho, respectivamente. Observe que a disposição dos coeficientes obedece à sequência definida nas
equações de restrição do modelo:
4  x1  3  x2  80
12  x1  16  x2  192

as células pintadas de cinza receberão as fórmulas de cálculo das quantidades para o lucro e as quan-
tidades utilizadas de recursos. Selecione a célula E7 que representa o valor do lucro total e coloque
o sinal de igual (=), escreva a função “somarproduto”, pode ser em letras maiúsculas ou minúsculas,
abra um parêntese e selecione as duas células C6 e D6, coloque ponto e vírgula “;” e selecione as células
C7 e D7, feche o parêntese e aperte “Enter” no teclado, aparecerá o número zero na célula. A função
“somarproduto” fará a multiplicação da célula C6*C7 e da célula D6*D7, somando-as no final, o que
representa o lucro das unidades vendidas de cada modelo da escrivaninha.

Figura 9 - Função “somarproduto” aplicada à célula do lucro / Fonte: o autor.

Descrição da Imagem: na imagem, aparece uma planilha do Excel® com a montagem do Exemplo 2. Na imagem, há
os dados de entrada, na coluna A estão escritos os títulos “Variável de decisão”, “Lucro unitário” para os dados de
entrada, “Quantidade de MDF” e “Horas de trabalho” para as restrições. Aparecem, também, os nomes das variáveis
de decisão, “Oxford” e “London”, a célula do “Lucro Total” e as células de “Utilizado” e “Disponibilidade”. Abaixo de
“Oxford” e “London”, aparece o valor zero na linha da “Variável de decisão” e os valores 270 para “Oxford” e 230 para
“London” na linha do “Lucro unitário”. Aparecem, também, os coeficientes das restrições: 4 abaixo de “Oxford”, na linha
da “Quantidade de MDF (m2)”, 12 abaixo de “Oxford” na linha “Horas de trabalho (h)”, 3 abaixo de “London” na linha da
“Quantidade de MDF (m2)” e 16 abaixo de “London” na linha de “Horas de trabalho (h)”. Abaixo de “Disponibilidade”,
aparece 80 para “Quantidade de MDF (m2)” e 192 para “Horas de trabalho (h)”. Nesta imagem, se destaca a célula
abaixo do “Lucro total” em que está a fórmula “somarproduto” em cujo interior se encontram as células das variáveis
de decisão e dos lucros unitários.

Repita o mesmo procedimento para as células E10 e E11, coloque o sinal de igual (=) na célula E10
e escreva a função “somarproduto”, abra um parêntese, selecione as células C6 e D6, coloque ponto e
vírgula “;” selecione as células C10 e D10, feche o parêntese e aperte “Enter”.

101
UNICESUMAR

Figura 10 - Função “somarproduto” aplicada à célula da primeira restrição / Fonte: o autor.

Descrição da Imagem: aparece uma planilha do Excel® com a montagem do Exemplo 2. Na imagem, os dados de en-
trada, na coluna A estão escritos os títulos “Variável de decisão”, “Lucro unitário” para os dados de entrada, “Quantidade
de MDF” e “Horas de trabalho” para as restrições. Aparecem, também, os nomes das variáveis de decisão “Oxford”
e “London”, a célula do “Lucro Total” e as células de “Utilizado” e “Disponibilidade”. Abaixo de “Oxford” e “London”,
aparece o valor zero na linha da “Variável de decisão” e os valores 270 para “Oxford” e 230 para “London” na linha do
“Lucro unitário”. Aparecem, também, os coeficientes das restrições: 4 abaixo de “Oxford”, na linha da “Quantidade de
MDF (m2)”, 12 abaixo de “Oxford” na linha “Horas de trabalho (h)”, 3 abaixo de “London” na linha da “Quantidade de
MDF (m2)” e 16 abaixo de “London” na linha de “Horas de trabalho (h)”. Abaixo de “Disponibilidade”, aparece 80 para
“Quantidade de MDF (m2)” e 192 para “Horas de trabalho (h)”. Na célula do “Lucro total” aparece o número zero. Nesta
imagem, se destaca a célula abaixo do “Utilizado” em que está a fórmula “somarproduto” em cujo interior se encontram
as células das variáveis de decisão e dos consumos unitários de quantidade de MDF

Para a célula E11, faça o mesmo procedimento: selecione a célula, coloque o sinal de igual (=), escreva
a função “somarproduto”, abra um parêntese, selecione as células C6 e D6, coloque ponto e vírgula “;”
selecione as células C11 e D11, feche o parêntese e aperte “Enter”.

Figura 11 - Função “somarproduto” aplicada à célula da segunda restrição / Fonte: o autor.

Descrição da Imagem: na imagem, aparece uma planilha do Excel® com a montagem do Exemplo 2. Na imagem, os
dados de entrada, na coluna A estão escritos os títulos “Variável de decisão”, “Lucro unitário” para os dados de entrada,
“Quantidade de MDF” e “Horas de trabalho” para as restrições. Aparecem, também, os nomes das variáveis de decisão
“Oxford” e “London”, a célula do “Lucro Total” e as células de “Utilizado” e “Disponibilidade”. Abaixo de “Oxford” e “Lon-
don”, aparece o valor zero na linha da “Variável de decisão” e os valores 270 para “Oxford” e 230 para “London” na linha
do “Lucro unitário”. Aparecem, também, os coeficientes das restrições: 4 abaixo de “Oxford”, na linha da “Quantidade
de MDF (m2)”, 12 abaixo de “Oxford” na linha “Horas de trabalho (h)”, 3 abaixo de “London” na linha da “Quantidade de
MDF (m2)” e 16 abaixo de “London” na linha de “Horas de trabalho (h)”. Abaixo de “Disponibilidade”, aparece 80 para
“Quantidade de MDF (m2)” e 192 para “Horas de trabalho (h)”. Na célula do “Lucro total” aparece o número zero. Nesta
imagem, se destaca a célula abaixo do “Utilizado” em que está a fórmula “somarproduto” em cujo interior se encontram
as células das variáveis de decisão e dos consumos unitários de horas de trabalho.

102
 UNIDADE 4

Estas duas últimas etapas servem para determinar as quantidades utilizadas de cada recurso, MDF e
horas de trabalho, quando forem estimadas as quantidades produzidas de cada modelo de escrivaninha.
Como o modelo já está escrito na planilha, para resolvê-lo, acionaremos o Solver. Selecione a célula
da função objetivo, ou seja, a célula que tem o valor do lucro E7. Vá até a aba “Dados” e clique no “Solver”.

Figura 12 - Solver na aba “Dados’ / Fonte: o autor.

Descrição da Imagem: na imagem, aparece uma planilha do Excel® com a montagem do Exemplo 2. Na imagem, os
dados de entrada, na coluna A estão escritos os títulos “Variável de decisão”, “Lucro unitário” para os dados de entrada,
“Quantidade de MDF” e “Horas de trabalho” para as restrições. Aparecem, também, os nomes das variáveis de decisão
“Oxford” e “London”, a célula do “Lucro Total” e as células de “Utilizado” e “Disponibilidade”. Abaixo de “Oxford” e “Lon-
don”, aparece o valor zero na linha da “Variável de decisão” e os valores 270 para “Oxford” e 230 para “London” na linha
do “Lucro unitário”. Aparecem, também, os coeficientes das restrições: 4 abaixo de “Oxford”, na linha da “Quantidade de
MDF (m2)”, 12 abaixo de “Oxford” na linha “Horas de trabalho (h)”, 3 abaixo de “London” na linha da “Quantidade de MDF
(m2)” e 16 abaixo de “London” na linha de “Horas de trabalho (h)”. Abaixo de “Disponibilidade”, aparece 80 para “Quan-
tidade de MDF (m2)” e 192 para “Horas de trabalho (h)”. Na célula do “Lucro total” aparece o número zero, assim como
nas células do “Utilizado”. Nesta imagem, se destaca o botão do “Solver” que será selecionado para resolver o problema.

Aparecerá uma janela do Solver, como apresentado na Figura 13.

Figura 13 - Janela do Solver / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a janela do Solver

sem nenhum preenchimento. Na parte de cima da janela, há um
campo onde está escrito “Definir objetivo”, à sua frente, há um
espaço em branco para preenchimento. Logo abaixo, há o campo
“Para” e três opções aparecem à frente, “Max” (de maximização),
“Min” (de minimização) e “Valor de” (definir um valor específico
para a função objetivo. Logo abaixo, há um campo para as variá-
veis de decisão chamado “Alterando células variáveis”. Mais abai-
xo, há uma região em branco com o título “Sujeito às Restrições”, à
sua direita, há os botões “Adicionar”, “Alterar”, “Excluir”, “Redefinir
Tudo” e “Carregar/Salvar”. Abaixo do campo de restrições, há uma
opção marcada, onde se lê “Tornar Variáveis Irrestritas Não Nega-
tivas”. Abaixo dessa região, há o campo de seleção do “Método de
Solução” e, nele, aparece “GRG Não Linear”. Abaixo, na imagem,
aparecem as palavras “Resolver” e “Fechar”.

103
UNICESUMAR

Na janela do Solver, o importante é preencher “Definir Objetivo”,“Alterando Células Variáveis” e “Sujeito

às Restrições”. Você também precisa selecionar se o problema é de maximização (Max) ou minimização
(Min). A célula de maximização já está selecionada e, em “Definir Objetivo”, marque a célula E7, que,
para nós, representa o lucro total que se deseja otimizar.
Em “Alterando Células Variáveis” estarão as células da planilha que contêm as variáveis de decisão.
Em nossa planilha, são as células C6 e D6, então, clique na seta de “Alterando Células Variáveis” e se-
lecione, na planilha, as duas células; clique, novamente, na seta (Figura 14).

Figura 14 - Selecionando as variáveis de decisão / Fonte: o autor.

Descrição da Imagem: na imagem, aparece uma planilha do Excel® com a montagem do Exemplo 2. Na imagem, os
dados de entrada, na coluna A estão escritos os títulos “Variável de decisão”, “Lucro unitário” para os dados de entrada,
“Quantidade de MDF” e “Horas de trabalho” para as restrições. Aparecem, também, os nomes das variáveis de decisão
“Oxford” e “London”, a célula do “Lucro Total” e as células de “Utilizado” e “Disponibilidade”. Abaixo de “Oxford” e “Lon-
don”, aparece o valor zero na linha da “Variável de decisão” e os valores 270 para “Oxford” e 230 para “London” na linha
do “Lucro unitário”. Aparecem, também, os coeficientes das restrições: 4 abaixo de “Oxford”, na linha da “Quantidade
de MDF (m2)”, 12 abaixo de “Oxford” na linha “Horas de trabalho (h)”, 3 abaixo de “London” na linha da “Quantidade de
MDF (m2)” e 16 abaixo de “London” na linha de “Horas de trabalho (h)”. Abaixo de “Disponibilidade”, aparece 80 para
“Quantidade de MDF (m2)” e 192 para “Horas de trabalho (h)”. Na célula do “Lucro total” aparece o número zero, assim
como nas células do “Utilizado”. Nesta imagem, se destaca o botão do “Solver” que será selecionado para resolver o
problema. Aparece, nesta planilha, o processo de seleção das células das variáveis de decisão para os parâmetros do
Solver, as quais serão inseridas em “Alterando Células Variáveis”, que, nesta planilha, representam as células C6 e D6.

A janela do Solver ficará como apresentado na Figura 15.

104
 UNIDADE 4

Figura 15 - Janela do Solver com as variáveis de decisão se-

lecionadas / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a janela

do Solver sem nenhum preenchimento. Na parte de
cima da janela, há um campo onde está escrito “Defi-
nir Objetivo”, à sua frente, há um espaço preenchido
com a célula E7. Logo abaixo, há o campo “Para” e três
opções aparecem à frente, “Max” (de maximização),
“Min” (de minimização) e “Valor de” (definir um valor
específico para a função objetivo). A opção “Max” está
selecionada. Logo abaixo, há um campo para as variá-
veis de decisão que tem o nome de “Alterando Células
Variáveis” com as células C6 e D6 preenchidas. Mais
abaixo, há uma região em branco com o título “Sujeito
às Restrições”, à sua direita há os botões “Adicionar”,
“Alterar”, “Excluir”, “Redefinir Tudo” e “Carregar/Sal-
var”. Abaixo do campo de restrições, há uma opção
marcada onde se lê “Tornar Variáveis Irrestritas Não
Negativas”. Abaixo dessa região, há o campo “Seleção
do Método de Solução” e, nele, aparece “GRG Não Li-
near”. Abaixo, na imagem, aparecem as palavras “Re-
solver” e “Fechar”.

Agora, vá em “Sujeito às Restrições” e clique em “Adicionar”. Aparecerá a janela das restrições, como
mostrado na Figura 16.

Figura 16 - Janela para acrescentar as restrições do problema / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a janela “Adicionar Restrição”, ainda, sem preenchimento. Do lado esquerdo,
aparece o campo “Referência de Célula”, no centro, o sinal da restrição, que, na imagem, aparece menor ou igual, do
lado direto, há o campo em branco onde se lê o título “Restrição”.

A “Referência da Célula” representa a quantidade utilizada, enquanto a “Restrição” representa o limite

para o recurso. O sinal que fica no meio (<=) pode ser escolhido de acordo com as restrições do pro-
blema que se deseja resolver. Em nosso problema, as duas restrições são do tipo menor-igual:
4  x1  3  x2  80
12  x1  16  x2  192

cada restrição pode ser acrescentada, individualmente, então, selecione “Referência da Célula” e clique
na célula E10 da planilha para escolher a quantidade utilizada da primeira restrição, depois, selecione
“Restrição”, clique na célula F10 para representar o limite da primeira restrição e aperte “Adicionar”,
note que a janela continuará aberta. Então, selecione, novamente “Referência da Célula”, clique, agora,

105
UNICESUMAR

em E11, para acrescentar a quantidade utilizada da segunda restrição, depois, selecione “Restrição” e
clique na célula F11 para acrescentar o limite da segunda restrição. Como não há mais restrições para
acrescentar, clique em “OK”.

Figura 17 - Janela das restrições com os dados da segunda restrição / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a planilha do Exemplo 2, preenchida, e, em primeiro plano, a janela “Adi-
cionar Restrição”. No campo “Referência da Célula” está selecionada a célula E11 referente ao utilizado de “Horas de
Trabalho”. No campo “Restrição”, aparece a célula F11 referente à disponibilidade de “Horas de Trabalho” e, no meio,
o sinal de menor ou igual.

Observe, na Figura 18, que as restrições aparecem no quadro que estava em branco, abaixo de “Sujeito
às Restrições”.

Figura 18 - Janela do Solver com as restrições alocadas

Fonte: o autor.

Descrição da Imagem: na imagem, aparece a ja-

nela do Solver, sem nenhum preenchimento. Na
parte de cima da janela, há um campo onde está
escrito “Definir Objetivo”, à sua frente, há um es-
paço preenchido com a célula E7. Logo abaixo, há
o campo “Para” e três opções aparecem à frente:
“Max” (de maximização), “Min” (de minimização) e
“Valor de” (para definir um valor específico para a
função objetivo). A opção “Max” está selecionada.
Logo abaixo, há um campo para as variáveis de
decisão, chamado “Alterando Células Variáveis”,
com as células C6 e D6 preenchidas. Mais abaixo,
há uma região em branco com o título “Sujeito às
Restrições” onde aparecem as células E10 <= F10 e
E11 <= F11, à sua direita, há os botões “Adicionar”,
“Alterar”, “Excluir”, “Redefinir Tudo” e “Carregar/
Salvar”. Abaixo do campo de restrições, há uma
opção marcada onde se lê “Tornar Variáveis Irres-
tritas Não Negativas”. Abaixo dessa região, há o
campo de seleção do “Método de Solução” e, nele,
aparece “GRG Não Linear”. Abaixo, na imagem,
aparecem as palavras “Resolver” e “Fechar”.

106
 UNIDADE 4

Observe, na Figura 18, o campo “Tornar Variáveis Irrestritas Não Negativas”: com ele marcado, você
está inserindo as restrições de não-negatividade. Isto fará com que o problema seja resolvido excluindo
as respostas negativas que possam surgir às variáveis de decisão. Para finalizar, clique onde aparece
“GRG Não Linear” e selecione “LP Simplex”, isso fará com que você selecione o Método Simplex para
Programação Linear com o objetivo de resolver o problema, como apresentado na Figura 19.

Figura 19 - Seleção do Método Simplex para solução do

problema / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a

janela do Solver preenchida com a célula E7 no
campo “Definir Objetivo”. No campo “Alterando
Células Variáveis”, aparecem as células de C6:D6,
e, no campo “Sujeito às Restrições”, aparecem as
células E10 <= F10 e E11 <= F11. No campo “Se-
lecionar um Método de Solução” é selecionado o
método LP Simplex, e o campo “Tornar Variáveis
Irrestritas Não Negativas” permanece selecionado.

Feito isso, clique em “Resolver”. Assim que você clicar, aparecerá uma janela com a mensagem de que
o programa encontrou uma solução, enquanto que, na planilha, já aparecem os valores calculados
(Figura 20). Deixe marcada a opção “Manter Solução do Solver” e clique em “OK”.

Figura 20 - Solução do problema / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a planilha do Excel® do Exemplo 2, após a execução do Solver, com as respos-
tas do problema. Abaixo de “Oxford”, aparece 16 e, abaixo de “London”, aparece zero na linha “Variável de decisão”. Abaixo
de “Lucro total” aparece o valor de 4.320, nas células abaixo de “Utilizado”, aparece 64 na linha “Quantidade de MDF (m2)”
e 192 na linha “Horas de Trabalho (h)”. Do lado direito da imagem, aparece um quadro de “Resultados do Solver” com a
mensagem “O Solver encontrou uma solução. Todas as Restrições e condições de adequação foram satisfeitas”, abaixo dessa
mensagem, aparecem duas opções: “Manter Solução do Solver”, que está selecionada, e “Restaurar Variáveis Originais”. Do
lado direito dessas opções, aparecem os títulos “Relatórios”, “Resposta”, “Sensibilidade” e “Limites”. Abaixo, há os botões
“OK”, “Cancelar” e “Salvar Cenário...”.

107
UNICESUMAR

Observe que, na planilha, aparecem os valores 16 para a célula C6 e zero para a célula D6. Estas são
as quantidades que devem ser produzidas de escrivaninhas dos modelos Oxford e London, respecti-
vamente. Com esta produção e comercialização, a empresa terá um lucro de R$ 4.320,00 (célula E7)
sendo utilizados 64m2 de MDF (célula E10) e 192h de trabalho (célula E11).
O passo a passo apresentado para escrever o problema no Excel® é o mesmo para qualquer outro
tipo de otimização com Programação Linear e Método Simplex, mas o que pode mudar são, apenas,
os tipos de restrição utilizados.
Agora, lhe ajudarei a entender e a aplicar o Solver em diferentes tipos de problemas de
maximização.

O problema do mix de produção com foco na maximização está associado ao cálculo das quantidades
que devem ser produzidas com o objetivo de ter o lucro ou a receita máxima, respeitando as restrições
do problema. Tanto o Exemplo 1, que resolveremos, agora, quanto o Exemplo 2, resolvido, anterior-
mente, são problemas de mix de produção.

Solução:
O modelo de Programação Linear para o Exemplo 1 será dado por:

x1 = Dobradiça de porta
x 2 = Dobradiça de Guarda- Roupa
x 3 = Corrediça Telescópica
x 4 = Cantoneira
x 5 = Sapata Niveladora
x 6 = Pistão a Gás
x 7 = Fecho Rolete

108
 UNIDADE 4

Max( Z )  460  x1  48  x2  415  x3  56  x4  148  x5  630  x6  165  x7

Sujeito a :

Aço (m 2 ): 0, 6  x1  0, 55  x2  1  x3  0, 06  x4  0, 08  x5  0, 405  x6  0, 06  x7  100

Corte/ Furação (s): 300  x1  250  x2  180  x3  100  x4  120  x5  350  x6  220  x7  28.800
Usinagem (s): 150  x1  170  x2  190  x3  80  x4  100  x5  150  x6  100  x7  28.800
Pintura (s): 120  x1  100  x2  180  x3  90  x4  90  x5  260  x6  150  x7  28.800
Montagem (s): 200  x3  130  x5  600  x6  150  x7  28.800
Mínimo de Dobradiça Guarda-- Roupa (100 unid): x2  7
Mínimo de Cantoneira (100 unid): x4  12
Mínimo de Sapata Niveladora (100 unid): x5  3
Mínimo de Fecho Rolete (100 unid): x7  2, 5

na Figura 21, é apresentada uma sugestão de montagem do problema no Excel®.

Figura 21 - Sugestão de montagem do problema do Exemplo 1 / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a planilha estruturada para o problema do Exemplo 1. Na coluna A, apa-
rece, abaixo dos dados de entrada, as células “Variáveis de decisão (100 unidades)” e Lucro (R$/100unid)”. Abaixo de
“Restrições”, aparece, na linha 10, “Aço (m2)”, na linha 11, “Corte/Furação(s)”, na linha 12, “Usinagem(s)”, na linha 13,
“Pintura(s)”, na linha 14, “Montagem(s)”, na linha 15, “Mínimo de Dobradiça GR (100 unid)”, na linha 16, “Mínimo de
Cantoneira (100 unid)”, na linha 17, “Mínimo de Sapata Niveladora (100 unid)”, na linha 18, “Mínimo de Fecho Rolete (100
unid)”. Na linha 5, aparecem os nomes das variáveis de decisão. Na coluna C, “Dobradiça Porta”, na coluna D, “Dobradiça
Guarda-Roupa”, na coluna E, “Corrediça Telescópica”, na coluna F, “Cantoneira”, na coluna G, “Sapata Niveladora”, na
coluna H, “Pistão a Gás” e, na coluna I, “Fecho Rolete”. Na linha 6, abaixo dessas variáveis, aparecem os campos para
receber os valores das variáveis de decisão. Na linha 7, abaixo de cada variável, aparecem os lucros unitários. Na coluna
J, linha 7, está o campo que receberá o Lucro Total. Abaixo de todas essas variáveis de decisão estão os coeficientes
das restrições, nas linhas de cada restrição, junto às disponibilidades de recursos.

Aplicando este problema ao Solver, inserindo as restrições, a função objetivo e as variáveis de decisão,
encontramos o resultado apresentado na Figura 22.

109
UNICESUMAR

Figura 22 - Solução do Exemplo 1 / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a planilha estruturada para o problema do Exemplo 1. Na coluna A, aparece,
abaixo dos dados de entrada, as células “Variáveis de decisão (100 unidades)” e Lucro (R$/100unid)”. Abaixo de “Restrições”,
aparece, na linha 10, “Aço (m2)”, na linha 11, “Corte/Furação(s)”, na linha 12, “Usinagem(s)”, na linha 13, “Pintura(s)”, na linha
14, “Montagem(s)”, na linha 15, “Mínimo de Dobradiça GR (100 unid)”, na linha 16, “Mínimo de Cantoneira (100 unid)”, na
linha 17, “Mínimo de Sapata Niveladora (100 unid)”, na linha 18, “Mínimo de Fecho Rolete (100 unid)”. Na linha 5, aparecem
os nomes das variáveis de decisão. Na coluna C, “Dobradiça Porta”, na coluna D, “Dobradiça Guarda-Roupa”, na coluna
E, “Corrediça Telescópica”, na coluna F, “Cantoneira”, na coluna G, “Sapata Niveladora”, na coluna H, “Pistão a Gás” e, na
coluna I, “Fecho Rolete”. Na linha 6, abaixo dessas variáveis, aparecem os campos para receber os valores das variáveis de
decisão. Na linha 7, abaixo de cada variável, aparecem os lucros unitários. Na coluna J, linha 7, está o campo que receberá
o Lucro Total. Abaixo de todas essas variáveis de decisão estão os coeficientes das restrições, nas linhas de cada restrição,
junto às disponibilidades de recursos. O resultado da otimização apresenta 11,77 para “Dobradiça Porta”, 7 para “Dobradiça
Guarda-Roupa”, 79,83 para “Corrediça Telescópica”, 12 para “Cantoneira”, 3 para “Sapata Niveladora”, 20,11 para “Pistão a
Gás” e 2,5 para “Fecho Rolete”. Lembrar que cada valor desses deve ser multiplicado por 100 para a obtenção do valor real.
O lucro total obtido é de R$ 53.080,00.

Observe que o modelo otimizado apresentou a sugestão de produção de 1.177 unidades de Dobradiça
de Porta, 700 unidades de Dobradiça de Guarda-Roupa, 7.983 unidades de Corrediça Telescópica,
1.200 unidades de Cantoneira, 300 unidades de Sapata Niveladora, 2.011 unidades de Pistão a Gás e
250 unidades de Fecho Rolete, levando a um lucro diário de R$ 53.080,00. Haverá, nesta dinâmica,
o consumo de 100m2 de aço (total), 28.800 segundos do Corte/Furação (total), 22.651 segundos da
Usinagem (sobra de 6.154 segundos), 23.437 segundos da Pintura (sobra de 5.363 segundos) e 28.800
segundos da Montagem (total). Agora, comentaremos, um pouco, o problema de transporte.

Observe como a possibilidade de utilizar um software para executar os cálculos da otimização

abriu um leque de possibilidades à solução de problemas, com grau de complexidade variável
e em diferentes áreas do conhecimento.

110
 UNIDADE 4

Os problemas que envolvem transporte têm, como função principal, avaliar a quantidade de carga que
deve ser transportada entre rotas diferentes ou o tipo de transporte utilizado, sendo de maximização.
O objetivo é avaliar a maior quantidade a ser transportada ou o maior lucro. Entenderemos melhor
resolvendo o Exemplo 3.

03. EXEMPLO Uma empresa precisa enviar caixas de suco concentrado de duas fábricas para três
centros de distribuição (CDs). Há um custo associado ao transporte das caixas de
suco e um preço de venda praticado em cada centro de distribuição. Os valores do
custo de envio são apresentados na Tabela 2 bem como a demanda mensal de cada
centro de distribuição (CD) e a capacidade de envio de cada fábrica por mês (valores
em caixas de 6 unidades de 1L).

Fábrica/CD CD1 CD2 CD3 Capacidade

Fábrica 1 3,25 3,15 3,30 10.000

Fábrica 2 2,95 3,20 2,85 8.500
Demanda 6.500 8.000 3.500

Tabela 2 - Custos de envio de cada rota (R$/caixa com 6 unidades de 1L), demandas dos centros de dis-
tribuição e capacidade ofertada pelas fábricas / Fonte: o autor.

O preço de venda praticado na região do CD1 é de R$ 55,00/caixa, no CD2 é de R$

52,50/caixa e, no CD3, R$ 54,20/caixa. Elabore um modelo de Programação Linear
para maximização do lucro e resolva-o utilizando o Solver do Excel®.

Solução:
O modelo de Programação Linear para este problema envolve 6 variáveis de de-
cisão, que calculam a quantidade transportada de cada fábrica para cada centro de
distribuição. Como o objetivo é maximizar o lucro, devemos calcular, tomando como
base de custo, apenas, o transporte para efeitos de análise. Sendo assim, podemos
escrever o lucro de cada rota, como apresentado na Tabela 3.

Fábrica/CD CD1 CD2 CD3

Fábrica 1 51,75 49,35 50,90

Fábrica 2 52,05 49,30 51,35
Tabela 3 - Lucro de envio de cada rota (R$/caixa com 6 unidades de 1L) / Fonte: o autor.

111
UNICESUMAR

Assim, podemos escrever o modelo:

x11 = Fábrica1para Centro de Distribuição1
x12 = Fábrica1para Centroo de Distribuição 2
x13 = Fábrica1para Centro de Distribuição 3
x 21= Fábrica 2 para Centro de Distribuição1
x 22 = Fábrica 2 para Centro de Distribuição 2
x 23 = Fábrica 2 para Centro de Distribuição 3
Max( Z )  51, 75  x11  49, 35  x12  50, 90  x13  52, 05  x21  49, 30  x22  51, 35  x23

Sujeito a :

Demanda CD1 (cx): x11  x21  6.500

Demanda CD 2 (cx): x12  x22  8.500
Demanda CD 3 (cx): x13  x23  3.500
Capacidade Fábrica 1 (cx): x11  x12  x13  10.000
Capacidade Fábrica 2 (cx): x21  x22  x23  8.500

a montagem deste modelo de Programação Linear pode ser feita no formato de tabela, como apre-
sentado na Figura 23.

Figura 23 - Sugestão para montagem do Exemplo 3 / Fonte: o autor.

Descrição da Imagem: na imagem, aparece uma planilha com a montagem do Exemplo 3. Esta planilha é dividida em
duas tabelas, a primeira tabela se inicia na célula B4 e termina na célula E6. Na linha 4 desta tabela, aparecem os títulos
“Fábrica/CD”, “CD1”, “CD2” e “CD3”. Na coluna B, abaixo de “Fábrica/CD”, está escrito “Fábrica 1” e “Fábrica 2”, entre as
células C5 e E6, estão os custos unitários de envio. A segunda tabela se inicia na célula B8 e termina na célula H13. Na
linha 8 desta segunda tabela, aparecem os títulos “Fábrica/CD”, “CD1”, “CD2”, “CD3”, “Envio”, “Sinal” e “Capacidade”. Na
coluna B, aparecem os títulos “Fábrica/CD”, “Fábrica 1”, “Fábrica 2”, “Recebimento”, “Sinal” e “Demanda”. Entre as células
C9 e E10, aparecem as células que recebem os valores das variáveis de decisão. Também estão inclusos os valores de
capacidade de cada fábrica bem como a demanda de cada CD. Na célula C14, aparece o lucro total.

112
 UNIDADE 4

Na configuração apresentada na Figura 23, as células das variáveis de decisão vão de C9 a E10, o envio
da Fábrica 1 é calculado pela função SOMA aplicada às células C9:E9, e o envio da Fábrica 2 pela fun-
ção SOMA aplicada às células C10:E10. Os recebimentos de cada centro de distribuição também são
calculados pela soma das células da coluna de cada CD, ou seja, para o CD1, é dado pela soma entre as
células C9 e C10. A função objetivo Lucro Total é calculada aplicando a função SOMARPRODUTO às
células C5:E6 e C9:E10. A execução do Solver dará, como resposta, os valores apresentados na Figura 24.

Figura 24 - Solução para o Exemplo 3 / Fonte: o autor.

Descrição da Imagem: na imagem, aparece uma planilha com a solução do Exemplo 3. Esta planilha é dividida em
duas tabelas, a primeira tabela se inicia na célula B4 e termina na célula E6. Na linha 4 desta tabela, aparecem os títulos
“Fábrica/CD”, “CD1”, “CD2” e “CD3”. Na coluna B, abaixo de “Fábrica/CD”, está escrito “Fábrica 1” e “Fábrica 2”, entre as
células C5 e E6 estão os custos unitários de envio. A segunda tabela se inicia na célula B8 e termina na célula H13. Na
linha 8 desta segunda tabela, aparecem os títulos “Fábrica/CD”, “CD1”, “CD2”, “CD3”, “Envio”, “Sinal” e “Capacidade”. Na
coluna B, aparecem os títulos “Fábrica/CD”, “Fábrica 1”, “Fábrica 2”, “Recebimento”, “Sinal” e “Demanda”. Entre as células
C9 e E10, aparecem as células que recebem os valores das variáveis de decisão. Também estão inclusos os valores
de capacidade de cada fábrica bem como a demanda de cada CD. Na célula C14, aparece o lucro total. No campo das
variáveis de decisão, aparecem 1500 para “Fábrica 1” e “CD1”, 8000 para a “Fábrica 1” e “CD2”, zero para a “Fábrica 1”
e “CD3”, 5000 para a “Fábrica 2” e “CD1”, zero para a “Fábrica 2” e “CD2” e 3500 para a “Fábrica 2” e “CD3”. O lucro total
estimado é de R$ 912.400,00.

Observe que não haverá envio da Fábrica 1 para o CD3 e da Fábrica 2 ao CD2. Toda a capacidade de
produção da Fábrica 2 será utilizada e haverá sobra de 500 caixas da Fábrica 1. O lucro total estimado
será de R$ 912.400,00. Vale ressaltar que os custos de fabricação e de armazenamento não foram con-
tabilizados neste cálculo, por este motivo, podemos chamar de “lucro parcial”. Vamos discutir, um
pouco, os problemas de orçamento de capital?

113
UNICESUMAR

Nos problemas de orçamento de capital, pode-se definir a quantidade de recursos investida em cada
aplicação financeira com o objetivo de ter o maior retorno em Valor Presente Líquido (VPL). Observe
o Exemplo 4 que ilustra essa aplicação.

04. EXEMPLO Adaptado de Colin (2018): Uma empresa tem projeção de um orçamento disponí-
vel para investir em outras empresas estimado em R$ 220.000.000,00 para período
atual (Ano 0), R$ 200.000.000,00 para o Ano 1 e R$ 180.000.000,00 para o Ano 3.
Há disponibilidade de participar de sete investimentos possíveis, cada um tem a sua
cota de participação e o retorno financeiro dado em Valor Presente Líquido (VPL),
como mostrado na Tabela 4.

Investimento Ano 0 Ano 1 Ano 2 VPL

A 40 48 22 30
B 61 80 72 45
C 45 38 20 35
D 18 25 40 33
E 55 0 56 60
F 65 94 50 80
G 19 13 25 18
TOTAL 303 298 285 301
Tabela 4 - Cotas de participação em cada investimento e Valor Presente Líquido, valores em milhões de
reais / Fonte: o autor.

O investimento deve manter a proporcionalidade nos três anos, ou seja, a fração do

investimento adotada no Ano 0 deve ser repetir nos Anos 1 e 2. A empresa investi-
dora tem a opção de adquirir a cota completa ou uma fração da mesma. Elabore um
modelo de Programação Linear para maximizar o VPL e resolva-o no Solver para
obter quanto deve ser investido em cada investimento.

Solução:
Para este modelo, definimos:

x A = Fração aplicada no investimento A

x B = Fração aplicada no investimento B
xC = Fração aplicada no investimento C
x D = Fração aplicada no investimento D
x E = Fração aplicada no investimento E
x F = Fração aplicada no investimento F
xG = Fração aplicada no investimento G

114
 UNIDADE 4

Max( Z )  30  x A  45  xB  35  xC  33  xD  60  xE  80  xF  18  xG

Sujeito a :

Capacidade de investimento no Ano 0 (milhões de reais):

40  x A  61  xB  45  xC  18  xD  55  xE  65  xF  19  xG  220
Capacidade de innvestimento no Ano 1 (milhões de reais):
48  x A  80  xB  38  xC  25  xD  0  xE  94  xF  13  xG  200
Capacidade de investimento no Ano 2 (milhões de reais):
22  x A  72  xB  20  xC  40  xD  56  xE  50  xF  25  xG  180
Fração de cota máxima : xi  1(i = A, B, C, D, E,, F e G)
Não- negatividade : xi  0 (i = A, B, C, D, E, F e G)

Substituindo, no Excel®, estas equações (Figura 25), podemos resolvê-lo e encontrar

os resultados apresentados na Figura 26.

Figura 25 - Sugestão de montagem do Exemplo 4 / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a planilha com a montagem do Exemplo 4. Na linha 3, aparecem os nomes
das variáveis de decisão: A, B, C, D, E, F, e G, abaixo delas, na linha 4, aparecem as células em branco para receber os
valores após a solução do problema. Na linha 5, aparecem os valores de VPL para cada variável de decisão e, na célula
J5, está a função objetivo do VPL total. Na coluna A, aparecem, a partir da linha 7, as restrições do problema com os
títulos “Investimento Ano 0”, “Investimento Ano 1”, “Investimento Ano 2”, “Fração máx A”, “Fração máx B”, “Fração máx C”,
“Fração máx D”, “Fração máx E”, “Fração máx F” e “Fração máx G”. À frente dessas restrições, aparecem os coeficientes
das equações e as suas capacidades.

115
UNICESUMAR

Figura 26 - Solução do Exemplo 4 / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a planilha com a solução do Exemplo 4. Na linha 3, aparecem os nomes
das variáveis de decisão: A, B, C, D, E, F, e G, abaixo delas, na linha 4, aparecem as células com a solução do problema,
sendo 1 para A, 0 para B, 1 para C, 0,8 para D, 1 para E, 1 para F e 0 para G. Na linha 5, aparecem os valores de VPL para
cada variável de decisão e, na célula J5, está a função objetivo do VPL total. Na coluna A, aparecem, a partir da linha 7,
as restrições do problema com os títulos Investimento títulos “Investimento Ano 0”, “Investimento Ano 1”, “Investimento
Ano 2”, “Fração máx A”, “Fração máx B”, “Fração máx C”, “Fração máx D”, “Fração máx E”, “Fração máx F” e “Fração máx
G”. À frente dessas restrições, aparecem os coeficientes das equações e suas capacidades. O VPL total é de 231,4.

Observando a Figura 26, verifica-se que os investimentos B e G não receberão nenhum aporte financeiro,
os investimentos A, C, E e F receberão o proporcional à cota total nos três anos, e o investimento D rece-
berá 80% da cota nos três anos, havendo um retorno, em VPL, de R$ 231.400.000,00. A nossa discussão
partirá, neste momento, para os problemas de Fluxo na Indústria de Processo – Maximização.

Você deve ter percebido que ter à mão um software para executar os cálculos com mais velo-
cidade, não tornou os problemas mais fáceis, mas sim, o processo de cálculo. Toda a análise e
o entendimento do problema para a seleção das variáveis de decisão e a criação das equações
do modelo continuam exigindo boa compreensão do que está acontecendo no sistema estuda-
do. No entanto novas possibilidades se abrem a estudos avançados de processos produtivos,
sistemas logísticos e financeiros.

O problema de Fluxo na Indústria de Processo traz certa semelhança com o problema de mix de produção,
no entanto o primeiro se debruça sobre a capacidade produtiva de cada setor do processo, considerando
o quanto é possível obter em cada etapa. Vamos ao Exemplo 5 para ficar mais claro o seu entendimento.

116
 UNIDADE 4

05. EXEMPLO Um laticínio recebe leite cru, in natura, submetendo-o ao processo de desnatamen-
to e produzindo creme de leite, leite desnatado, manteiga e queijo. Um fluxograma
simplificado do processo é apresentado na Figura 27.

Figura 27 - Fluxograma simplificado do laticínio / Fonte: o autor.

Descrição da Imagem: na imagem, aparece o fluxograma do laticínio. Há um retângulo centralizado e à esquerda,

escrito: “Centrifugação”. Nesse retângulo, entra uma seta onde se lê: “Leite in natura”. Desse retângulo sai uma seta
para cima que se divide em duas partes, a parte que continua para cima traz escrito: “Leite desnatado”, e a parte da
seta que se direciona para frente e à direita se conecta com o retângulo “Fábrica de queijo”. Do retângulo “Centrifu-
gação” também sai uma seta para baixo que se divide em duas partes, a que continua para baixo traz escrito: “Creme
de leite”, e a que segue para frente e à direita se conecta com um retângulo em que se lê: “Fabricação de manteiga”.
Do retângulo “Fábrica de queijo” saem duas setas, uma para cima, onde se lê: “Soro”, e outra para a frente, onde se
lê: “Queijo”. Do retângulo “Fabricação de manteiga” também saem duas setas, uma para baixo, onde se lê: “Leitelho”
e uma para a frente, onde se lê: “Manteiga”.

Sabe-se que a fração do creme de leite que sai da centrifugação corresponde a 3,5% da massa de leite
in natura que entra da centrifugação, a relação entre a massa de queijo e de soro produzido é de 1 kg
de queijo para cada 8 kg de soro (massa de queijo igual a 12,5% da massa de soro), e a quantidade de
manteiga que sai da fabricação dela corresponde a 61,5% da massa de creme de leite que entra nessa
mesma fabricação de manteiga. O preço praticado para o leite desnatado é de R$ 2,71/kg, para o creme
de leite, R$ 12,00/kg, para o queijo, R$3 5,00/kg, para a manteiga, R$ 38,00/kg.
Elabore um modelo de Programação Linear com foco na otimização da receita do laticínio, sabendo
que a capacidade de processamento da centrifugação é de 50.000 kg de leite por dia, a fábrica de queijo
tem capacidade de produção de 4.000 kg de queijo por dia e a fabricação de manteiga, 850 kg por dia.

117
UNICESUMAR

Solução:
O modelo de Programação Linear terá, como variáveis de decisão, as quantidades
de material em processamento entre cada etapa e, como restrições, os balanços de
massa de cada etapa bem como as capacidades de cada setor.

x1 = Massa de Leite in Natura que entra na Centrifugação

x 2 = Maassa de Leite Desnatado que sai da Centrifugação
x3 = Massa de Leite Desnatado para comercialização
x 4 = Massa de Leite Desnatado para Fábrica de Queijo
x5 = Massa de Creme de Leite que sai da Centrifugação
x6 = Massa de Creme de Leite para venda
x7 = Massa de Creme de Leite para Fabricação de Manteiga
x8 = Massa de Soro que sai da Fábrica de Queijo
x9 = Massa de Queijo que sai da Fábrica de Queijo
x10 = Massa de Leitelho que sai da Fabricação de Manteiga
x11 = Massa de Manteiga que sai da Fabricação de Manteiga

na Figura 28, estão apresentadas as variáveis de decisão posicionadas no fluxo-

grama de processo.

Figura 28 - Fluxograma do laticínio com as variáveis de decisão / Fonte: o autor.

Descrição da Imagem: na imagem, aparece o fluxograma do laticínio com as variáveis de decisão anotadas nas setas.
Há um retângulo centralizado e à esquerda, escrito “Centrifugação”. Nesse retângulo, entra uma seta onde se lê: “Leite
in natura (X1)”, desse retângulo sai uma seta para cima (X2) que se divide em duas partes, a parte que continua para
cima traz escrito: “Leite desnatado (X3)” e a parte da seta que se direciona para frente e à direita se conecta com o
retângulo “Fábrica de queijo (X4)”. Do retângulo “Centrifugação” também sai uma seta para baixo (X5) que se divide em
duas partes. A que continua para baixo (X6) traz escrito: “Creme de leite”, e a que segue para frente e à direita se conecta
com um retângulo em que se lê: “Fabricação de manteiga (X7)”. Do retângulo “Fábrica de queijo” saem duas setas, uma
para cima (X8), onde se lê: “Soro” e outra para a frente (X9), onde se lê: “Queijo”. Do retângulo “Fabricação de manteiga”
também saem duas setas, uma para baixo (X10) onde se lê: “Leitelho” e uma para a frente (X11), onde se lê “Manteiga”.

118
 UNIDADE 4

A função objetivo será escrita, apenas, para as variáveis que representam os produtos comercializados,
ou seja, leite desnatado (x3), creme de leite (x6), queijo (x9) e manteiga (x11), tomando, como coeficientes
da função objetivo, os preços de venda, por quilo, de cada um. As equações de restrição são dos balan-
ços de massa por setor e para venda bem como as relações entre as correntes citadas no enunciado e
a capacidade de produção de cada setor, como apresentado nas equações, a seguir.
Max( Z )  2, 71  x3  12  x6  35  x9  38  x11

Sujeito a :

Balanço de Massa na Centrifugação (kg) x1  x2  x5  x1  x2  x5  0

Balanço de Massa para uso do Leite Desnatado (kg) x2  x3  x4  x2  x3  x4  0
Balanço de Massa para uso do Creme de Leite (kg) x5  x6  x7  x5  x6  x7  0
Balanço de Massa na Fabricação de Queijo (kg) x4  x8  x9  x4  x8  x9  0
Balanço de Massa na Fabricação de Manteiga (kg)) x7  x10  x11  x7  x10  x11  0
Capacidade da Centrifugação (kg) x1  50.000
Capacidade da Fábrica de Queijo (kg) x9  4.000
Capacidade da Fabricação de Manteiga (kg) x11  850
Relação entre Leite e Creme de Leite (kg) x5  0, 035  x1  x5  0, 035  x1  0
Relação entre Queijo e Soro (kg) x9  0, 125  x8  x9  0, 125  x8  0
Relação entre Manteiga e Creme de Leite (kg) x11  0, 615  x7  x11  0, 615  x7  0

na Figura 29, é apresentada uma sugestão de preenchimento da planilha para a solução deste problema.

Figura 29 - Sugestão de preenchimento da planilha para o Exemplo 5 / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a planilha com a montagem do problema do Exemplo 5. Na linha 3, iniciando
na coluna C, aparecem os títulos das variáveis de decisão, começando em X1 e terminando em X11, abaixo desses títulos
aparecem as células em branco para receber as variáveis de decisão. Na linha 5, abaixo das células de X3, X6, X9 e X11,
aparecem as receitas unitárias destes produtos. Na célula N5, foi colocada a função objetivo de receita total. Na coluna
A, a partir da linha 7, são apresentadas as restrições, aparecendo os títulos “BM centrifugação (kg)”, “BM uso de leite
desnatado (kg)”, “BM uso de creme de leite (kg)”, “BM Fabricação queijo (kg)”, “BM Fabricação manteiga (kg)”, “Capacida-
de centrifugação (kg)”, “Capacidade fabricação de queijo (kg)”, “Capacidade fabricação de manteiga (kg)”, “Relação leite/
creme de leite”, “Relação queijo/soro”,” Relação manteiga/creme de leite”. À frente dessas células estão os coeficientes
das equações de restrição bem como os seus limites.

119
UNICESUMAR

Aplicando estes dados ao Solver, encontramos as soluções na Figura 30.

Figura 30 - Solução do Exemplo 5 / Fonte: o autor.

Descrição da Imagem: na imagem aparece a planilha com a solução do problema do Exemplo 5. Na linha 3, iniciando
na coluna C, aparecem os títulos das variáveis de decisão, começando em X1 e terminando em X11, abaixo desses títu-
los aparecem as células com os valores de 50.000 para X1, 48.250 para X2, 12.250 para X3, 36.000 para X4, 1.750 para
X5, 367,886 para X6, 1.382,11 para X7, 32.000 para X8, 4.000 para X9, 532,114 para X10 e 850 para X11. A receita total
encontrada foi de R$209.912,13. Na linha 5, abaixo das células de X3, X6, X9 e X11, aparecem as receitas unitárias destes
produtos. Na célula N5, foi colocada a função objetivo de receita total. Na coluna A, a partir da linha 7, são apresenta-
das as restrições, aparecendo os títulos: “BM centrifugação (kg)”, “BM uso de leite desnatado (kg)”, “BM uso de creme
de leite (kg)”, “BM Fabricação queijo (kg)”, “BM Fabricação manteiga (kg)”, “Capacidade centrifugação (kg)”, “Capacidade
fabricação de queijo (kg)”, “Capacidade fabricação de manteiga (kg)”, “Relação Leite/creme de leite”, “Relação queijo/
soro”, “Relação manteiga/creme de leite”. À frente dessas células estão os coeficientes das equações de restrição bem
como os seus limites.

Observe que a solução mostra que devem ser vendidos 12.250 kg de leite desnatado, aproximadamente,
387,9 kg de creme de leite, 4000 kg de queijo e 850 kg de manteiga, utilizando toda a capacidade da
centrífuga (50000 kg de leite in natura). A receita diária estimada para esta solução apresentada é de
R$ 209.912,13.

Agora, você pode ouvir este podcast em que falo, um pouco,

sobre dois engenheiros e inventores do período antes da
Pesquisa Operacional, Lanchester e Edison, que desenvolveram
alguns cálculos para estudos de táticas de guerra.

120
 UNIDADE 4

Neste momento, no final da quarta unidade do livro de Pesquisa Operacional, você

já acumulou experiência suficiente para criar os seus próprios modelos e resolver
problemas que encontre pelo seu caminho. Todo o nosso foco esteve em analisar
a situação proposta, extrair as informações, realmente, relevantes, combiná-las es-
crevendo equações matemáticas e, então, resolvê-las e avaliar a solução encontrada,
sem perder o foco no problema real. Com os exemplos que você estudou, a sua
mente deve ter se aberto para novas possibilidades do uso da Programação Linear,
entendendo que o mix de produção é, apenas, mais um dentre os muitos tipos de
problemas que podem ser resolvidos com a Programação Linear. Observe como a
utilização do Solver favoreceu o processo de solução dos problemas, acelerando a
busca pela resposta e permitindo que o problema fosse representado de maneira
objetiva, pronta para receber qualquer modificação. Em seu dia a dia, você poderá
lançar mão destas técnicas e resolver uma gama enorme de problemas, fornecendo
informações aos gestores responsáveis por tomar decisões ou fazer o planejamento
estratégico. Aproveite e resolva os exercícios propostos para fundamentar os conhe-
cimentos adquiridos na unidade.

121
 Aqui, na Unidade 4, você aprendeu a utilizar o Solver para resolver problemas de maximização.
Para lhe ajudar a fixar o conteúdo, preparei um Mapa Mental, o qual você deve completar o
preenchimento. A seguir, estão os principais conceitos sobre a maximização com Solver.

Descrição da Imagem: na imagem, há um Mapa Mental com um retângulo no centro, onde está escrito “Solver
maximização”. A partir desse retângulo estão conectados outros sete retângulos. No primeiro da esquerda para a
direita, está escrito: “Preencher a planilha com as informações do problema”, no segundo, está escrito: “Selecionar
a célula da função objetivo dentro do Solver” e, no quarto, está escrito: “Inserir as células das variáveis de decisão
no Solver”. Os demais retângulos estão em branco para preenchimento do aluno.
MAPA MENTAL

122
1. Um produtor rural vende alimentos orgânicos para um hipermercado a 80 km de sua
propriedade. O seu veículo tem capacidade para transportar 250 caixas, e ele pretende
levar três produtos: batata inglesa, batata doce e cenoura. Por experiência de vendas
passadas, esse produtor sabe que pode levar, no mínimo, 60 caixas de batata inglesa, 50
caixas de batata doce e 45 caixas de cenoura, porém, em relação às caixas de cenoura,
compensa levar, ao máximo, 80. O lucro que ele obtém com cada caixa é de R$ 38,00
para a batata inglesa, R$ 40,00 para batata doce e R$ 35,00 para a cenoura. Utilizando
um modelo de Programação Linear, determine a quantidade que esse produtor pode
transportar para otimizar os lucros.

2. Uma indústria de bebidas fabrica sucos em caixas de 1L de quatro sabores diferentes:

maçã, laranja, uva e pêssego. Ao avaliar os custos de produção e o preço de venda, a
empresa chegou à conclusão de que os lucros obtidos para cada tipo de suco são: R$
0,72/L para maçã, R$ 0,65/L para laranja, R$ 0,93/L para uva e R$ 0,85/L para pêssego.
Cada sabor de suco passa por quatro etapas do processo até ser enviada à expedição,
e o tempo consumido em cada etapa, por sabor de suco, é apresentado na Tabela 1.

Produto/
A B C D
Processo
Maçã 1,15 1,15 1,5 1,2

Laranja 1,25 1,25 1,5 0,85

AGORA É COM VOCÊ

Uva 1,5 2,80 1,5 1,35

Pêssego 1,0 2,10 1,5 1,5

Tabela 1 - Tempo consumido (h) em cada etapa do processo para cada 1000L de suco produzido / Fonte: o autor.

Devido às condições de disponibilidade de matéria-prima e às condições da fábrica,

sabe-se que, em uma semana de operação, a empresa não consegue fabricar mais do
que 25m3 de suco de maçã, 70m3 de suco de laranja, 30m3 de suco de uva e 20m3 de
suco de pêssego. Sabe-se que as disponibilidades de cada etapa são, para A, de 144h
úteis por semana, a etapa B, 160h úteis por semana, a etapa C, 150h úteis por semana
e a etapa D, 130h úteis por semana. Elabore um modelo de Programação Linear que
maximize os lucros e resolva-o utilizando o Solver do Excel®. Apresente as sobras de
recursos, se houver.

123
 3. Uma metalúrgica fabrica três tipos de peça para atender à demanda de um cliente
específico, sendo produzidos tampa, suporte e plaqueta. Cada unidade do material
consome uma quantidade de matéria-prima e de tempo em etapas de processo. Tais
consumos são apresentados na Tabela 2 com todos os valores equivalentes a um se-
mestre de produção.

Consumo por produto

Recurso Disponibilidade
Tampa Suporte Plaqueta

Matéria-prima 0,35 0,22 0,15 15.000 kg

Injetora 0,004 0,007 0,009 800h

Furadeira 0,008 0,011 0,014 920h

Acabamento 0,02 0,012 0,009 680h

Margem de
5,20 6,00 7,20
contribuição (R$)
Tabela 2 - Dados de consumo, de disponibilidade de recursos e margem de contribuição por produto / Fonte: o autor.

Sabe-se, também, que a demanda mínima de suporte, no período, é de 10.000 unidades,

a demanda mínima de tampas é de 18.000 unidades e a demanda máxima de plaquetas
é de 45.000 unidades. Elabore um modelo de Programação Linear para maximizar a
margem de contribuição da empresa no semestre.
AGORA É COM VOCÊ

124
125
MEU ESPAÇO
 MEU ESPAÇO

126
5
Método Simplex
e Solver Para
Minimização
Dr. Fernando Pereira Calderaro

Na quinta unidade do livro de Pesquisa Operacional, o suplemento

Solver será utilizado para resolver problemas de minimização. A estru-
turação dos problemas seguirá as mesmas regras, a diferença será vista
na função objetivo, que, em vez de buscar o maior valor (maximização)
buscará o menor valor (minimização). Você observará que a facilidade
de resolver problemas mais complexos, mesmo com minimização, será
significativa e, diferentemente da solução pelo Método Simplex Tabular,
com o Solver, não precisará alterar a forma da função objetivo. Outro
ponto importante a ressaltar, e que você deve ter observado na Unidade
4: quando surgirem restrições de limite inferior (≥) ou de igualdade (=),
as variáveis artificiais não precisarão ser adicionadas ao modelo que
vai para o programa, uma vez que ele já as utiliza, automaticamente,
na solução do problema. Bons estudos e bom aprendizado!
UNICESUMAR

Você imagina que uma empresa deve dar mais atenção à maximização dos lucros ou à minimização
dos custos? Com os seus conhecimentos de gestão, desenvolvidos, até o momento, na disciplina e no
curso, você entende que é mais interessante aumentar lucros ou reduzir custos?
Quando as empresas atuam, fortemente, na gestão de processos produtivos, um dos pontos primor-
diais são os custos envolvidos em todas as etapas. Por este motivo, a maioria das análises de processo
envolvem entendê-lo e atuar na redução dos custos, ou seja, têm, por objetivo, minimizá-los. Podemos
dizer que estes tipos de problema são os mais comuns, sempre buscando reduzir custos, distâncias ou
tempo. Sendo assim, você terá a oportunidade de trabalhar com mais alguns exemplos de problemas
em Programação Linear que lhe fornecerão experiência para lidar com diversos tipos de situação.
Devido à importância dos problemas de minimização, nesta unidade, você entenderá como a
Programação Linear poderá ajudá-lo(a) a avaliar, muitas vezes, o mesmo tipo de problema sob óticas
diferentes. Note que podem ser encontrados resultados distintos para um mesmo problema se o seu
objetivo for de maximização ou de minimização.
Para que você entenda os diferentes resultados que podem surgir dentro de um mesmo pro-
blema, dependendo do foco dado à função objetivo, retomemos o Exemplo 1 da Unidade 4.
Leia o Exemplo 1 proposto, a seguir, e elabore o modelo de Programação Linear que o represente.

01. EXEMPLO Uma indústria metalúrgica produz artigos para móveis, sendo fabricados dobradiças
para portas de madeira, dobradiças para portas de guarda-roupa, corrediças telescó-
picas, cantoneiras, sapata niveladora, pistão a gás e fecho rolete. A indústria estabelece,
como recursos limitantes, o aço para fabricação das peças, o tempo consumido no
processo de corte, na usinagem, na pintura e na montagem. Para facilitar a análise
dos dados, a Tabela 1 foi criada para apresentar o consumo de cada recurso para cada
100 unidades bem como o custo de produção de cada centena de unidades. Veja:

Corte/
Produto/ Aço Usinagem Pintura Montagem Lucro
(m2) Furação (s) (s) (s) (R$)
Recurso
(s)
Dobradiça
0,60 300 150 120 0 175,00
porta
Dobradiça
0,55 250 170 100 0 22,50
guarda-roupa
Corrediça
1 180 190 180 200 275,00
telescópica
Cantoneira 0,06 100 80 90 0 18,50
Sapata
0,08 120 100 90 130 33,80
niveladora
Pistão a gás 0,405 350 150 260 600 280,00
Fecho rolete 0,06 220 100 150 150 27,80
Tabela 1 - Consumo de recursos e custo. Todos os valores tomam, como base, 100 unidades de produto
fabricado e vendido / Fonte: o autor.

128
 UNIDADE 5

São conhecidas as demandas mínimas de dobradiça de porta (900 unidades), de dobradiça de guar-
da-roupa (700 unidades), corrediça telescópica (500 unidades), cantoneiras (1.200 unidades), sapatas
niveladoras (300 unidades), pistão a gás (350 unidades) e fecho rolete (250 unidades) bem como a
disponibilidade de 100m2 de aço e de 8h de trabalho diário para cada setor.
Utilizando as informações da Tabela 1 e as restrições apresentadas, elabore um modelo de Progra-
mação Linear voltado à minimização do custo diário para representá-lo. O modelo desenvolvido desse
problema será utilizado, mais adiante, nesta unidade.
Para iniciar o problema proposto, anteriormente, utilize as mesmas regras apresentadas nas unidades
anteriores e anote os seus resultados.
Antes de continuarmos, analise e escreva, em seu Diário de Bordo, quais as consequências de es-
crever uma função objetivo como maximização ou como minimização. Será que a mudança de foco
na função objetivo, altera, de alguma forma, a estrutura e a análise do modelo?

DIÁRIO DE BORDO

Trabalhemos, agora, com problemas de minimização, utilizando a

planilha eletrônica e o suplemento Solver.

129
UNICESUMAR

Resolver um problema de minimização utilizando o Solver é muito mais simples do que pelo Método
Simplex Tabular. Lembre-se de que, para resolver um problema de minimização, você precisava trans-
formá-lo em outro de maximização. Na planilha, isso não é mais necessário, pois o Solver apresenta a
função de minimização pronta para ser utilizada. Ilustraremos as maneiras de resolver esse problema,
vejamos um exemplo:

02. EXEMPLO Uma indústria automotiva produz dois modelos de carros flex com motor 1.6, o
Ceres e o Vulcano, em uma de suas unidades. Você, como gerente de produção, quer
estimar a melhor maneira de produzi-los com custos reduzidos, tendo, por base, um
mês de produção. O modelo Ceres é mais robusto e completo, tem um custo total de
produção de R$ 35000,00, já o modelo Vulcano é mais simples e básico, apresentando
um custo total de produção de R$ 28000,00. Ambos utilizam a mesma linha de mon-
tagem, sendo que o Ceres demora 22h/unidade para ser montado, e cada unidade
do Vulcano fica pronto em 14h. A fábrica trabalha em dois turnos por dia, todos os
dias da semana, apresentando uma disponibilidade total de 480h para montagem
em um mês. A fábrica precisa entregar à concessionária, pelo menos, 10 veículos ao
mês. Elabore um modelo de minimização de custos para uma programação linear
e resolva-o utilizando o Solver do Excel®.
O modelo encontrado para este problema foi o seguinte:
x1 =Unidades do modelo Ceres
x 2 = Unidades do modelo Vulcano
Min( Z )  35000  x1  28000  x2

Sujeito a :

Disponibilidade de tempo (h): 22  x1  14  x2  480

Fabricação total mínima (unidades): x1  x2  10
Não Negatividade : xi  0 (i = 1,2)

para iniciar a solução do problema, escreva-o em uma planilha em branco. Siga

os passos apresentados, anteriormente, e você terá uma planilha como a apre-
sentada na Figura 1.

130
 UNIDADE 5

Figura 1 - Sugestão de montagem do Exemplo 2 / Fonte: o autor.

Descrição da Imagem: na imagem, é apresentada uma planilha do Excel® com as células variando de A1 a G9. Nas
células da coluna A, são apresentados os nomes “Variáveis de decisão em unidades”, “Custo unitário em reais por
unidade” e as restrições do problema, que são: “Disponibilidade de tempo em horas” e “Produção total mínima em
unidades”. Na célula C3, aparece o nome do modelo Ceres, e, na célula D3, o nome do modelo Vulcano. As células C4
e D4 estão coloridas em verde para receber os resultados do problema. Nas células C5 e D5, estão os lucros unitários
de cada modelo com os valores R$ 35.000,00 na célula C5 e R$ 28.000,00 na célula D5, na célula E4, aparece o termo
“Custo total”, e a célula E5 é colorida em amarelo para receber o resultado do custo total minimizado pelo Solver, mos-
trando R$ 0,00. Nas células de C8 a D9, estão os coeficientes das restrições do problema, aparecendo os valores 22 na
célula C8, 14 na célula D8, 1 na célula C9 e 1 na célula D9. Nas células E8 e E9, aparecem o consumo de recursos que
ainda está zerado, na célula F8, aparece o sinal de menor ou igual, e, na célula F9, o sinal de maior ou igual, havendo,
na célula G8, o limite de disponibilidade de tempo de 480 horas. Na célula G9, está o limite de produção total mínima
de 10 unidades.

Observe, na Figura 1, que foram descritas as variáveis de decisão (modelo Ceres e Vulcano), foram
acrescentadas as restrições de horas de trabalho e a quantidade que precisa ser produzida e entregue
para a concessionária. Nas células C5 e D5, são apresentados os valores dos custos de produção para
cada unidade de veículo. Nas células E5, E8 e E9 foram colocadas, também, as fórmulas de cálculo
para o custo total bem como as quantidades utilizadas de recursos (função “somarproduto”). Depois
de representar o problema na planilha, selecione a E5 e clique em “Solver” na aba “Dados”.
Ao abrir a janela do Solver, selecione a opção “Min”, pois, agora, você tem um problema de minimi-
zação. Em “Alterando Células Variáveis”, clique na seta vermelha e selecione, na planilha, as células C4
e D4 das variáveis de decisão (Figura 2).

131
UNICESUMAR

Figura 2 - Janela do Solver com as variáveis de decisão acres-

centadas / Fonte: o autor.

Descrição da Imagem: na imagem, há uma janela

para inserção dos parâmetros do Solver onde é acres-
centada a célula da função objetivo no campo “Definir
Objetivo”, sendo marcada a célula E5. Está selecionada
a opção “Min”, de minimização. No campo “Alterando
Células Variáveis”, estão as células C4 e D4 das variáveis
de decisão.

Clique em “Adicionar” em “Submeter às Restrições”, para que você possa completar a janela do Solver.
Não esqueça que, neste exemplo, há duas restrições, sendo uma de limite superior (≤) e outra de limite
inferior (≥). A primeira restrição é de horas trabalhadas, a qual é de limite superior (≤), então, clique
em “Referência de Célula” e selecione a célula E8 para as quantidades utilizadas. Em seguida, clique em
“Restrição” e selecione a célula G8 para a disponibilidade, mantenha o sinal ≤ e clique em “Adicionar’.
Na Figura 3, esta operação é ilustrada.

Figura 3 - Adição da primeira restrição à janela de restrições / Fonte: o autor.

Descrição da Imagem: na imagem, aparece, além da planilha apresentada na Figura 1, uma janela para adição de
restrição, estando, no campo “Referência da Célula”, selecionada a célula E8, a qual representa o calculado da dispo-
nibilidade de tempo. Também é selecionado o sinal de menor ou igual, e, no campo “Restrição”, é selecionada a célula
G8, que representa o valor 480 do limite da restrição de “Disponibilidade de tempo”.

132
 UNIDADE 5

Depois, clique, novamente, em “Referência de Célula” e selecione a célula E9, então, clique em “Restri-
ção”, selecione a célula G9, modifique o sinal da desigualdade para maior igual (≥), como mostrado
na Figura 4, e clique em “OK”.

Figura 4 - Modificando o sinal da desigualdade / Fonte: o autor.

Descrição da Imagem: na imagem, aparece, apenas, a janela “Adicionar Restrição”, havendo, no campo “Referência
de Célula”, a seleção da célula E9, o sinal escolhido é maior ou igual, e, no campo “Restrição”, aparece a célula G9, que
representa o limite de Produção Total Mínima.

Na janela do Solver, aparecerão as restrições como as desigualdades das equações do modelo. Altere
o método de solução para LP Simplex (Figura 5).

Figura 5 - Janela do Solver com as restrições do problema

Fonte: o autor.

Descrição da Imagem: naimagem, aparece a janela

“Parâmetros do Solver” já com as restrições adicionadas
e com a seleção do método de solução como LP Simplex.
No campo “Definir Objetivo” está a célula E5, no campo
“Para” está selecionada a opção “Min”, no campo “Alte-
rando Células Variáveis”, aparecem as células C4:D4, e,
no campo “Sujeito às Restrições”, aparecem as células
E8 <= G8 e E9 <= G9.

Na janela do Solver, clique em “Resolver”. Clique em “OK” na caixa de mensagens que aparece e você
terá a resposta para o Exemplo 2.

133
UNICESUMAR

Figura 6 - Respostas do Exemplo 2 / Fonte: o autor.

Descrição da Imagem: na imagem, é apresentada a planilha montada do problema, como descrita na Figura 1, com a
solução. Aparece, na célula C4, o valor zero, indicando a produção do modelo Ceres. Na célula D4, o valor 10, indicando
a produção do modelo Vulcano, e, na célula E5, o valor R$ 280.000,00, que representa o custo mínimo. Na célula E8,
aparece o valor 140, indicando o tempo consumido em horas do processo, enquanto na célula E9, aparece o valor 10,
indicando que a produção total mínima é de 10 unidades.

Observe que, para a produção do Exemplo 2, o menor custo é conseguido com a produção de 10
unidades do modelo Vulcano (célula D4) e nenhuma unidade do modelo Ceres (célula C4). O custo
total é de R$ 280.000,00 (E5) com a utilização de 140h de trabalho (E8) e envio para a concessionária
de 10 unidades de veículo (E9). A minimização também pode ser aplicada aos clássicos problemas de
mix de produção.
O problema do mix de produção com foco na minimização está associado ao cálculo das quantidades
que devem ser produzidas com o objetivo de ter o menor custo possível, respeitando as restrições do
problema. Tanto o Exemplo 1, que resolveremos, agora, quanto o Exemplo 2, resolvido, anteriormente,
são problemas de mix de produção.

Solução:
O modelo de Programação Linear para o Exemplo 13 será dado por:

x1 = Dobradiça de porta
x 2 = Dobradiça de Guarda- Roupa
x3 = Corrediçaa Telescópica
x 4 = Cantoneira
x 5 = Sapata Niveladora
x6 = Pistão a Gás
x7 = Fecho Rolete

Max( Z )  175  x1  22, 5  x2  275  x3  18, 5  x4  33, 8  x5  280  x6  27, 8  x7

Sujeito a :

Aço (m 2 ): 0, 6  x1  0, 55  x2  1  x3  0, 06  x4  0, 08  x5  0, 405  x6  0, 06  x7  100

Corte/ Furação (s): 300  x1  250  x2  180  x3  100  x4  120  x5  350  x6  220  x7  28.800
Usinagem (s): 150  x1  170  x2  190  x3  80  x4  100  x5  150  x6  100  x7  28.800
Pintura (s): 120  x1  100  x2  180  x3  90  x4  90  x5  260  x6  150  x7  28.800
Montagem (ss): 200  x3  130  x5  600  x134
6  150  x7  28.800
Mínimo de Dobradiça Porta (100 unid): x1  9
 Max( Z )  175  x1  22, 5  x2  275  x3  18, 5  x4  33, 8  x5  280  x6  27, 8  x7
UNIDADE 5
Sujeito a :

Sujeito a:
Aço (m 2 ): 0, 6  x1  0, 55  x2  1  x3  0, 06  x4  0, 08  x5  0, 405  x6  0, 06  x7  100
Corte/ Furação (s): 300  x1  250  x2  180  x3  100  x4  120  x5  350  x6  220  x7  28.800
Usinagem (s): 150  x1  170  x2  190  x3  80  x4  100  x5  150  x6  100  x7  28.800
Pintura (s): 120  x1  100  x2  180  x3  90  x4  90  x5  260  x6  150  x7  28.800
Montagem (ss): 200  x3  130  x5  600  x6  150  x7  28.800
Mínimo de Dobradiça Porta (100 unid): x1  9
Mínimo de Dobradiça Guarda- Roupa (100 unid): x2  7
Mínimo de Corrediça Telescópica (100 unid): x3  5
Mínimo de Cantoneira (100 unid): x4  12
Mínimo de Sapata Niveladora (100 unid): x5  3
Mínimo de Pistão a gás (100 unid): x6  3, 5
Mínimo de Fecho Rolete (100 unid): x7  2, 5
Na Figura 7, é apresentada uma sugestão de montagem do problema no Excel®.

Figura 7 - Sugestão de montagem do problema do Exemplo 1 / Fonte: o autor.

Descrição da Imagem: na imagem, é apresentada a planilha montada para solução do problema apresentado no
Exemplo 1. Na primeira coluna, estão os indicadores das variáveis de decisão que estão em 100 unidades, o custo, em
reais, por 100 unidades e todas as restrições apresentadas no problema. Na segunda coluna, estão todas as informa-
ções associadas à “Dobradiça de Porta”, na terceira coluna, estão as informações sobre a “Dobradiça do Guarda-Roupa”,
na quarta coluna, as informações da “Corrediça Telescópica”, na quinta coluna, os dados da “Cantoneira”, na sexta
coluna, os dados da “Sapata Niveladora”, na sétima coluna estão os dados do “Pistão a gás”, e, na oitava coluna, estão
os dados do “Fecho Rolete”. Na terceira linha da segunda coluna até a oitava coluna estão os valores de custo, que
são, respectivamente, R$ 460,00 para dobradiça da porta, R$ 48,00 para dobradiça do guarda-roupa, R$ 415,00 para
a corrediça telescópica, R$ 56,00 para a cantoneira, R$ 148,00 para a sapata niveladora, R$ 630,00 para o pistão a gás
e R$ 165,00 para o fecho rolete. Na segunda coluna, para a dobradiça da porta, os coeficientes às restrições são 0,6
(Aço), 300 (Corte/furação), 150 (Usinagem), 120 (Pintura), 0 (Montagem) e 1 (Mínimo de dobradiça da porta). Na terceira
coluna, para a dobradiça de guarda-roupa, os coeficientes às restrições são: 0,55 (Aço), 250 (Corte/furação), 170 (Usi-
nagem), 100 (Pintura), 0 (Montagem) e 1 (Mínimo de dobradiça GR). Na quarta coluna, para a corrediça telescópica, os
coeficientes às restrições são: 1 (Aço), 180 (Corte/furação), 190 (Usinagem), 180 (Pintura), 200 (Montagem) e 1 (Mínimo
de corrediça telescópica). Na quinta coluna, para a cantoneira, os coeficientes às restrições são: 0,06 (Aço), 100 (Corte/
furação), 80 (Usinagem), 90 (Pintura), 0 (Montagem) e 1 (Mínimo de cantoneira). Na sexta coluna, para a sapata nivela-
dora, os coeficientes às restrições são: 0,08 (Aço), 120 (Corte/furação), 100 (Usinagem), 90 (Pintura), 130 (Montagem)
e 1 (Mínimo de sapata niveladora). Na sétima coluna, para o pistão a gás, os coeficientes às restrições são 0,405 (Aço),
350 (Corte/furação), 150 (Usinagem), 260 (Pintura), 600 (Montagem) e 1 (Mínimo de pistão a gás). Na oitava coluna,
para o fecho rolete, os coeficientes às restrições são: 0,06 (Aço), 220 (Corte/furação), 100 (Usinagem), 150 (Pintura),
150 (Montagem) e 1 (Mínimo de fecho rolete). Na coluna 9, todos os valores estão zero, e, na coluna 10, para as dispo-
nibilidades de recursos, os valores são 100 (Aço), 28800 para Corte/furação, Usinagem, Pintura e montagem, 9 para
mínimo da dobradiça porta, 7 para mínimo da dobradiça GR, 5 para mínimo da corrediça telescópica, 12 para mínimo
de cantoneira, 3 para mínimo de sapata niveladora, 3,5 para mínimo de pistão a gás e 2,5 para Mínimo de fecho rolete.

135
UNICESUMAR

Aplicando este problema ao Solver, inserindo as restrições, função objetivo e variáveis de decisão,
encontramos o resultado apresentado na Figura 8.

Figura 8 - Solução do Exemplo 1 / Fonte: o autor.

Descrição da Imagem: na imagem, são apresentados os resultados da planilha do Exemplo 1, aparecendo as quantidades
a serem produzidas de cada material, o custo total otimizado e os consumos de recursos. Na linha 2, para as variáveis de
decisão, aparecem os valores 9 para dobradiça da porta, 7 para dobradiça do guarda-roupa, 5 para a corrediça telescópica,
12 para a cantoneira, 3 para a sapata niveladora, 3,5 para o pistão a gás e 2,5 para o fecho rolete. Abaixo do custo total,
aparece o valor R$ 10.284,50. Na coluna de consumo, aparecem os valores 17 para Aço, 8685 para Corte/Furação, 5525 para
Usinagem, 5315 para Pintura, 3865 para Montagem, 9 para Mínimo de dobradiça porta, 7 para Mínimo de dobradiça GR, 5
para mínimo de corrediça telescópica, 12 para Mínimo de cantoneira, 3 para Mínimo de sapata niveladora, 3,5 para Mínimo
de pistão a gás e 2,5 para Mínimo de fecho rolete.

Observe que o modelo otimizado apresentou a sugestão de produção de 900 unidades de dobradiça
de porta, 700 unidades de dobradiça de guarda-roupa, 500 unidades de corrediça telescópica, 1.200
unidades de cantoneira, 300 unidades de sapata niveladora, 350 unidades de pistão a gás e 250 unidades
de fecho rolete, levando a um custo mínimo de R$ 10.284,50.
Note que estes valores são as exigências mínimas de produção. Isto é importante, pois, ao observar as
sobras de recursos, temos o consumo de 17m2 de aço (sobra de 83m2), 8.685 segundos do corte/furação
(sobra de 20.115 segundos), 5.525 segundos da usinagem (sobra de 23.275 segundos), 5.315 segundos
da pintura (sobra de 23.485 segundos) e 3.865 segundos da montagem (sobra de 24.935 segundos).
Ao estabelecer um problema de minimização de custos a um mix de produção, há o risco de o Solver
indicar produção “zero” de todos os itens, então, se não tivéssemos acrescentado restrições de demanda
mínima, a otimização levaria a um custo nulo com nenhuma produção. Por este motivo, deve-se tomar
cuidado na descrição do problema para evitar tais respostas. O correto é verificar, de fato, a demanda
mínima ou a exigência do mercado a determinado produto e esse valor entrar como uma restrição do
problema. Outra aplicação da minimização é para problemas de transporte.

136
 UNIDADE 5

Os problemas de transporte com minimização se dedicam, na maioria das vezes, ao cálculo do custo
mínimo ou da distância mínima percorrida. Entenderemos melhor resolvendo o Exemplo 3.

03. EXEMPLO Uma grande empresa possui três fábricas e quatro centros de distribuição (CD) que
fazem o fornecimento aos clientes dela. Cada CD tem uma demanda mensal bem
como cada fábrica tem uma capacidade mensal de fabricação. Os custos de envio
de cada fábrica até cada CD e os custos unitários de fabricação de cada produto são
conhecidos e apresentados na Tabela 2.

Fábrica/CD CD1 CD2 CD3 CD 4 Custos fabricação Capacidade

Fábrica 1 0,25 0,35 0,20 0,19 2,25 11.500

Fábrica 2 0,41 0,32 0,29 0,30 2,15 13.000

Fábrica 3 0,35 0,29 0,25 0,32 2,30 14.000

Demanda 8.500 9.150 10.200 8.900

Tabela 2 - Custos de envio de cada rota (R$/unidades), custos de fabricação, demandas dos CDs e capa-
cidade ofertada pelas fábricas / Fonte: o autor.

Elabore um modelo de Programação Linear para a minimização do custo e resolva-o

utilizando o Solver do Excel®.

Solução:
O modelo para este problema pode ser descrito como:

x11 = Fábrica1para Centro de Distribuição 1

x12 = Fábrica1para Centroo de Distribuição 2
x13 = Fábrica1para Centro de Distribuição 3
x14 = Fábrica1para Centro de Distribuição 4
x 21 = Fábrica 2 para Centro de Distribuição 1
x 22 = Fábrica 2 para Centro de Distribuição 2
x 23 = Fábrica 2 para Centro de Distribuição 3
x 24 = Fábrica 2 para Centro de Distribuição 4
x 31 = Fábrica 3para Centro de Distribuição 1
x 32 = Fábrica 3para Centro de Distribuição 2
x 33 = Fábrica 3para Centro de Distribuição 3
x 34 = Fábrica 3para Centro de Distribuição 4

137
UNICESUMAR

a função objetivo deve contemplar o custo total, que será dado pelo cálculo do custo de envio e do
custo de fabricação, sendo assim, podemos definir, inicialmente, as equações para os custos de envio
e de fabricação:
Custo de envio : 0,25  x11  0, 35  x12  0, 20  x13  0, 19  x14  0, 41  x21  0, 32  x22  0, 29  x23 
+0,30  x24  0, 35  x31  0, 29  x32  0, 25  x33  0, 32  x34
Custo de Fabricação : 2,25  x11  2, 25  x12  2, 25  x13  2, 25  x14 
2, 15  x21  2, 15  x22  2, 15  x23  2, 15  x24  2, 30  x31  2, 30  x32  2, 30  x33  2, 30  x34

sendo assim, o nosso modelo fica:

Min( Z )  Custo de envio + Custo de Fabricação

Sujeito a :

Demanda CD1 (cx): x11  x21  x31  8.500

Demanda CD 2 (cx): x12  x22  x32  9.150
Demanda CD 3 (cx): x13  x23  x33  10.200
Demanda CD 4 (cx): x14  x24  x34  8.900
Capacidade Fábrica 1 (cx): x11  x12  x13  x14  11.500
Capacidade Fábrica 2 (cx): x21  x22  x23  x24  13.000
Capacidade Fábrica 3 (cx): x31  x32  x33  x34  14.000

A montagem deste modelo de Programação Linear pode ser feita no formato de tabela, como apre-
sentado na Figura 9.

Figura 9 - Sugestão para montagem do Exemplo 3 / Fonte: o autor.

Descrição da Imagem: na imagem, é apresentada uma planilha para a solução do problema do Exemplo 3. A planilha
é dividida em duas tabelas: na primeira tabela, são apresentados os custos unitários de envio das três fábricas para
os quatro centros de distribuição, além dos custos de fabricação para as três fábricas. Na segunda tabela da planilha,
estão os campos para a solução das variáveis de decisão com a finalidade de receber os valores transportados entre
cada fábrica e cada centro de distribuição. Também aparecem as capacidades máximas de fabricação de cada fábrica
bem como as demandas mínimas de cada centro de distribuição.

138
 UNIDADE 5

Na configuração apresentada na Figura 9, as células das variáveis de decisão vão de C9 a F11, o envio
da Fábrica 1 é calculado pela função SOMA aplicada às células C9:F9, o envio da Fábrica 2 é calculado
pela função SOMA aplicada às células C10:F10 e o da Fábrica 3 pela soma das células de C11:F11. Os
recebimentos de cada centro de distribuição são calculados, também, pela soma das células da coluna de
cada CD, ou seja, para o CD1, são dados por meio da soma entre as células C9 e C11. O custo de envio é
calculado aplicando a função SOMARPRODUTO para as células C9 a F11 e C4 a F6, enquanto o custo
de fabricação é calculado pela aplicação da função SOMARPRODUTO entre as células G4 a G6 e G9
a G11. O custo total, que será minimizado, é calculado somando as duas células de custo de envio e de
custo de fabricação. A execução do Solver dará, como resposta, os valores apresentados na Figura 10.

Figura 10 - Solução para o Exemplo 3 / Fonte: o autor.

Descrição da Imagem: na imagem, é apresentada a planilha de solução do problema do Exemplo 3. Nessa planilha,
aparecem o envio de 8.500 unidades da Fábrica 1 para o CD1, 3.000 unidades da Fábrica 1 para o CD4, 7.100 unidades
da Fábrica 2 para o CD2, 5.900 unidades da Fábrica 2 para o CD4, 2.050 unidades da Fábrica 3 para o CD2 e 10.200
unidades da Fábrica 3 para o CD3. O custo total encontrado é de R$ 91.881,50.

Observe que não haverá envio da Fábrica 1 para o CD2 e o CD3, da Fábrica 2 para o CD1 e o CD3 e
da Fábrica 3 para o CD1 e o CD4. Toda a capacidade de produção das Fábricas 1 e 2 será utilizada e
haverá sobra de 1.750 unidades da Fábrica 3. O custo total estimado será de R$ 91.881,50.

Neste momento, você, provavelmente, observou que os problemas de maximização e minimi-

zação são, praticamente, resolvidos da mesma maneira com o Solver, e que problemas mais
complexos podem ser resolvidos em passos simples.

A minimização também pode ser utilizada para avaliar problemas de orçamento de capital.

139
UNICESUMAR

Uma opção de aplicação de problemas de minimização para problemas de orçamento de capital ou

investimento financeiro é selecionar a melhor maneira de distribuir determinada renda entre aplica-
ções que possuam a menor taxa de administração ou o menor risco de aplicação. Observe o Exemplo
4 que ilustra essa aplicação.

04. EXEMPLO Um cliente possui R$ 400.000,00 para aplicar em diferentes tipos de investimento,
querendo dividi-los em Fundos de Ações (FA) e Renda Fixa (RF). O custo unitário
de Fundos de Ações é de R$ 120,00 com uma taxa de retorno do investimento de
7%, cada cota de Renda Fixa custa R$ 200,00 e tem uma taxa de retorno de 3%. O
objetivo é minimizar o risco do investimento e ter um retorno de, pelo menos, R$
20.000,00. O risco de cada Fundo de Ação é 5 e de cada cota de Renda Fixa é 2. Calcule
a quantidade de cotas que devem ser adquiridas de cada tipo de investimento para
que o risco seja mínimo e as condições sejam satisfeitas.

Solução:
Para este modelo, definimos:
x FA = Quantidade de cotas adquiridas de Fundo de Ações
x RF = Quaantidade de cotas adquiridas em Renda Fixa

Min( Z )  5  xFA  2  xRF

Sujeito a :

Investimento total: 120  xFA  200  xRF  400.000

Retorno financeiro esperado: 7%  120  xFA  5%  200  xRF  20.000
Nª o-negatividade: xi  0 (i = FA e RF)

observe que a restrição de retorno financeiro é uma combinação de produtos, considerando que
o retorno será dado em termos percentuais sobre o valor investido em cada tipo de aplicação.
Substituindo, no Excel®, estas equações (Figura 11), podemos resolvê-lo e encontrar os resultados
apresentados na Figura 12.

140
 UNIDADE 5

Figura 11 - Sugestão de montagem do Exemplo 4 / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a planilha montada para a solução do problema do Exemplo 4, na primeira
coluna da planilha, estão os nomes de variáveis de decisão em unidades, o risco por cota e as restrições de investimento
total e de retorno. Há, também, a descrição dos campos para receber os resultados da otimização aos investimentos
FA e RF bem como os coeficientes que compõem as restrições do problema.

Figura 12 - Solução do Exemplo 4 / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a planilha com a solução para o problema do Exemplo 4. Nessa planilha,
os resultados mostram que a quantidade investida no fundo FA deve ser de 1.666,67 unidades e a quantidade investida
no fundo RF deve ser de 1.000 unidades, havendo uma pontuação total de risco de 10.333,33.

Observando a Figura 12, verifica-se que a combinação de cotas para ter o menor risco é adquirindo
1.666 cotas de Fundos de Ação e 1.000 cotas de Renda Fixa. O retorno será de, exatamente, R$ 20.000,00
com pontuação de risco de 10.333.

Na maior parte dos exemplos estudados em Pesquisa Operacional com Programação Linear
que envolvem minimização, o objetivo é encontrar os valores para as variáveis de decisão que
minimizam o custo total, mas podemos ter problemas com informações de custo utilizadas
como auxiliares para o cálculo de lucro com objetivos à maximização.

141
UNICESUMAR

Assim como comentado na Unidade 4, os proble-

mas de Fluxo na Indústria são semelhantes aos
problemas de mix de produção envolvendo as
capacidades de processos intermediários. A mi-
nimização envolve redução de custos, de tempo
de processo ou de defeitos.

Descrição da Imagem: a imagem apresenta uma refinaria de petróleo, mostrando os equipamentos de destilação
com tubulações, tanques de armazenamento e colunas de destilação.

Veja, no Exemplo 5, uma maneira de utilizar a minimização.

05. EXEMPLO Uma empresa possui três tipos de máquinas para processar peças, cada uma com
um tipo de produtividade produtividade e uma taxa de defeitos. A Máquina 1 tem
capacidade de produção de 30 peças por hora com uma taxa de defeito de 13,33%
e um custo unitário de R$ 1,40 por hora. A Máquina 2 tem capacidade de 25 peças
por hora com uma taxa de defeito de 8% e um custo unitário de R$ 1,25 por hora.
A Máquina 3 possui produtividade de 20 peças por hora com uma taxa de defeitos
de 10% com um custo unitário de R$ 1,10 por hora. A demanda da fábrica é de
6.400 unidades por dia (8h diárias de trabalho). A empresa tem disponibilidade de
aquisição de até 12 Máquinas 1, 15 Máquinas 2 e 10 Máquinas 3. Formule o modelo
de Programação Linear que minimize o custo de uso das máquinas atendendo à
produtividade necessária.

Solução:
O modelo de Programação Linear terá, como variáveis de decisão, a quantidade
de máquinas de cada tipo que devem ser adquiridas.

142
 UNIDADE 5

x1 = Quantidade de máquinas 1
x 2 = Quantidade de máquinas 2
x3 = Quuantidade de máquinas 3

como a função objetivo é de minimização de custo e cada máquina operará 8h por

dia, calculamos o custo diário de cada máquina: R$ 11,20 para cada Máquina 1, R$
10,00 para cada Máquina 2 e R$ 8,80 para cada Máquina 3. Se a produção diária é
de 6.400 unidades, em 8h de trabalho, teremos a necessidade de produção de 800
peças por hora de peças boas, logo, devemos descontar a porcentagem de defeitos da
capacidade de cada máquina. Aplicando o percentual de defeitos de cada máquina,
calculamos a produtividade real de cada uma, sendo, para a Máquina 1, de 26 peças/h,
para a Máquina 2, de 23 peças/h, para a Máquina 3, de 18 peças/h. Assim, o modelo
assumirá o formato:
Min( Z )  11, 2  x1  10  x2  8, 8  x3

Sujeito a :

Produção diária (unid. peças) 26  x1  23  x2  18  x3  800

Máximo de máquinas 1: x1  12
Máximo de máquinas 2: x2  15
Máximo de máquinas 3: x3  10
Não negatividade : xi  0 (i=1,2 e 3)

Na Figura 13, é apresentada uma sugestão de preenchimento da planilha para a solução desse problema.

Figura 13 - Sugestão de preenchimento da planilha para o Exemplo 5 / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a planilha para resolver o problema do Exemplo 5. Foram acrescentadas,
na primeira coluna, os nomes de variáveis de decisão e o custo unitário, em reais, por unidade, sendo R$ 11,20 para
Maq. 1, R$ 10,00 para Maq. 2 e R$ 8,80 para Maq. 3. Com as restrições do máximo de máquinas utilizadas e da produ-
ção diária mínima, foram colocados os valores limites e os sinais das restrições. O limite para a produção diária é 800,
para a Máquina 1, o máximo é de 12, para a Máquina 2, o máximo é de 15, e, para a Máquina 3, o máximo é de 10.

143
UNICESUMAR

Aplicando estes dados ao Solver, encontramos as soluções apresentadas na Figura 14.

Figura 14 - Solução do Exemplo 5 / Fonte: o autor.

Descrição da Imagem: na imagem, é apresentada a planilha do Exemplo 5 com a solução do problema, sendo encon-
trados os valores de 12 unidades para a Máquina 1, 15 unidades para a Máquina 2 e 7,9 unidades para a Máquina 3.
O custo total encontrado foi de R$ 354,31.

Observando a Figura 14, o sistema minimizado apresenta a aquisição de 12 Máquinas 1, 15 Má-

quinas 2 e em torno de 8 Máquinas 3, atingindo a produção necessária de 800 peças com um custo
diário de R$ 354,31.

Agora, ouça um podcast que preparei para você, o qual aborda a

importância do radar como ferramenta fundamental na Segunda
Guerra Mundial. Você conhecerá, também, alguns contextos
históricos deste período da história.

Inúmeros outros problemas de minimização podem ser resolvidos utilizando as técnicas de Programa-
ção Linear. Veja, agora, no Exemplo 6, um caso de redução na emissão de poluentes por uma empresa,
visando, sempre, ao custo mínimo, em termos de uso de tecnologia.

144
 UNIDADE 5

06. EXEMPLO A Steel Corp . produz aço e diversas outras ligas metálicas fornecendo insumos para o
país e exportando mais da metade de sua produção. Neste processo, ela utiliza altos-
-fornos grandes que são responsáveis pela fusão das matérias-primas da fabricação
de ligas metálicas, utilizando-os, praticamente, durante as 24h do dia. Esse processo
emprega a queima de combustível e, por este motivo, gera alguns poluentes, como:
material particulado, óxidos de enxofre e nitrogênio bem como alguns hidrocarbo-
netos. A legislação ambiental local e as exigências dos clientes estrangeiros levaram
a Steel Corp. a adotar melhorias em seus altos-fornos, visando a minimizar a quanti-
dade desses poluentes emitidos na atmosfera. Os engenheiros da fábrica calcularam
as reduções mínimas que devem ocorrer para cada um dos poluentes, então, estes
valores são apresentados na Tabela 3.

Redução mínima de poluentes

Poluente
(mil toneladas/ano)

Material particulado 90

Óxido de enxofre e nitrogê-

200
nio

Hidrocarbonetos 150

Tabela 3 - Valores mínimos de redução na emissão de poluentes da Steel Corp. em milhares de toneladas
por ano / Fonte: o autor.

Além da quantidade mínima de redução de poluentes, os engenheiros analisaram que

três medidas seriam efetivas para atingir este objetivo. A primeira delas seria aumentar
o comprimento das chaminés, aumentando, assim, a eficiência dos lavadores de gases;
a segunda seria a instalação de filtros melhores nas chaminés; a terceira seria o uso
de combustíveis melhorados, com aditivos que favorecessem a queima, reduzindo
os poluentes emitidos.
Para analisar qual das opções seria a mais interessante, os dois modelos de alto-forno
que a empresa possui passaram por uma avaliação individual quanto ao uso de cada
uma dessas melhorias, e os resultados esperados da redução da emissão de cada po-
luente são apresentados na Tabela 4. Os valores apresentados na tabela são referentes
ao uso máximo de tecnologia para cada recurso apresentado, ou seja, para: a maior
altura possível das chaminés, o filtro com melhor eficiência de remoção de poluentes
do mercado e o combustível com a maior quantidade de aditivos auxiliares de queima.

145
UNICESUMAR

Chaminés mais altas Filtros novos Melhores combustíveis

Poluente Alto-forno 1 Alto-forno 2 Alto-forno 1 Alto-forno 2 Alto-forno 1 Alto-forno 2
Material
15 10 30 22 20 16
particulado
Óxidos de
enxofre e 32 45 22 33 60 54
nitrogênio
Hidrocarbonetos 40 50 33 28 32 24
Tabela 4 - Redução na quantidade de poluentes emitidos (milhares de toneladas/ano), considerando o máximo de tecnologia
utilizado em cada alto-forno / Fonte: o autor.

Ao estudar os impactos máximos de adoção de cada tecnologia nos altos-fornos, os engenheiros per-
ceberam que um método isolado não teria o efeito desejado, logo, admitiram que uma combinação
de métodos devia ser escolhida, havendo a possibilidade de uso parcial da capacidade máxima da
tecnologia. Para avaliar, economicamente, a escolha destes processos, foi elaborada uma tabela com os
custos anuais das tecnologias aplicadas a cada um dos altos-fornos, sendo admitidos os custos anuais
operacionais e de manutenção, o investimento inicial dividido em uma série temporal dentro da vida
útil da tecnologia utilizada e as perdas de processo em caso de obsolescência da tecnologia. Em resumo,
na Tabela 5, estão apresentados os custos encontrados em milhões de dólares anuais.

Método de redução de poluição Alto-forno 1 Alto-forno 2

Chaminés mais altas 7 10

Filtros novos 9 6
Melhores combustíveis 10 8

Tabela 5 - Custo anual total para o uso das tecnologias na redução da emissão de poluentes (milhões de US$) / Fonte: o autor.

Após todo o levantamento dos dados, os engenheiros formaram um grupo de Pesquisa Operacional
com a finalidade de determinar qual fração (zero a 1) de cada tecnologia deve ser utilizada para cada
alto-forno, buscando, assim, atender às exigências mínimas de redução de poluentes e, ao mesmo tempo,
com o menor custo anual possível. Em posse destes dados, elabore um modelo de Programação Linear
e resolva-o utilizando o Solver. Apresente a fração de tecnologia utilizada em cada caso e o custo anual
minimizado para os recursos de redução de emissão de poluentes.

Solução:
Para esse problema, as variáveis de decisão devem representar a fração de tecnologia utilizada de cada
método de redução de poluição aplicada a cada um dos altos-fornos existentes. Sendo assim, teremos:

146
 UNIDADE 5

x1 = Chaminés mais altas para Alto Forno 1

x 2 = Chaminés mais alltas para Alto Forno 2
x 3 = Filtros novos para Alto Forno 1
x 4 = Filtros novos para Alto Forno 2
x5 = Melhores combustíveis para Alto Forno 1
x6 = Melhores combustíveis para Alto Forno 2

a função objetivo do problema é de minimização do custo anual e baseia-se nas variáveis de decisão
apresentadas. As restrições do problema estarão associadas à quantidade mínima de emissão de po-
luentes que deve ser reduzida, sendo que também é necessário apresentar, no modelo, a restrição de
que os valores das variáveis de decisão estão limitados ao intervalo zero a 1, sendo zero o não uso da
tecnologia e 1 o uso de 100% da capacidade máxima dela, qualquer valor entre zero e 1 representa
frações de tecnologia que podem ser utilizadas. Dessa forma, as equações da função objetivo e das
restrições podem assumir a forma:
Min( Z )  7  x1  10  x2  9  x3  6  x4  10  x5  8  x6

Sujeito a :

Material Particulado (mil toneladas/ ano): 15  x1  10  x2  30  x3  22  x4  20  x5  16  x6  90

Óxidos Enxofre/ Nitrogênio (mil toneladas/ ano)): 32  x1  45  x2  22  x3  33  x4  60  x5  54  x6  200
Hidrocarbonetos (mil toneladas/ ano): 40  x1  50  x2  33  x3  28  x4  32  x5  24  x6  150
Limites Tecnológicos xi  1 (i=1 a 6 )
Não negatividade : xi  0 (i=1 a 6 )

com as equações do modelo, uma planilha de solução do problema pode ser criada. Uma sugestão de
preenchimento é apresentada na Figura 15.

147
UNICESUMAR

Figura 15 - Sugestão de preenchimento da planilha para o Exemplo 6 / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a planilha para resolver o problema do Exemplo 6. Foram acrescentados,
na primeira coluna, os nomes de variáveis de decisão e o custo unitário em milhões de dólares por unidade, com as
restrições do mínimo de cada poluente que deve ser reduzido em milhares de toneladas por ano. Foram colocados os
valores limites e os sinais das restrições.

As restrições de limite tecnológico para xi maior ou igual a 1 foram inseridas, diretamente, na janela do
Solver, no campo de restrições, selecionando as células das variáveis de decisão de C4:H4. Ao resolver
esse problema, a solução leva ao resultado apresentado na Figura 16.

Figura 16 - Solução do Exemplo 6 / Fonte: o autor.

Descrição da Imagem: na imagem, é apresentada a planilha do Exemplo 6 com a solução do problema, sendo encon-
trados os valores de 1 unidade completa da tecnologia chaminé alta para o Alto-Forno 1, 0,227 unidades de chaminé
alta para o Alto-Forno 2, 0,491 unidades para filtros novos no Alto-Forno 1, 1 unidade de filtros novos para o Alto-Forno
2, 1 unidade para combustível melhor no Alto-Forno 1 e 1 unidade para combustível melhor no Alto-Forno 2. O custo
total encontrado foi de US$ 37,69 milhões de dólares.

Os resultados encontrados na Figura 16 nos mostram que a chaminé do Alto-Forno 1 deve ser elevada
à altura máxima possível, já a chaminé do Alto-Forno 2 deve ser elevada a uma altura que corresponda
a 22,7% da altura máxima possível. Também se observa, com relação aos filtros, que o Alto-Forno 1
pode utilizar um filtro novo com eficiência de 49,1% se comparado ao melhor filtro disponível, o Alto-
-Forno 2 deve utilizar o melhor filtro disponível e, para ambos os altos-fornos, deve-se adotar o melhor
combustível possível. Essa combinação de tecnologias gerará uma redução anual de 90 mil toneladas
na emissão de material particulado, 200 mil toneladas de óxidos de enxofre e nitrogênio e 151,5 mil
toneladas de hidrocarbonetos. O custo total anual estimado com essas mudanças é de US$ 37.690.000,00.

148
 UNIDADE 5

Outra aplicação possível é na determinação da escala de serviço de empresas com vistas à redução
de custos, quando é preciso contratar funcionários para atender a alguma demanda mínima especi-
ficada, por conta, muitas vezes, da qualidade do serviço prestado. Veja, no Exemplo 7, como resolver
um problema deste tipo para uma empresa aérea.

07. EXEMPLO A Strong Wings Airways está aumentando a quantidade de voos e precisa contratar
mais comissários de bordo para, em suas viagens, atender o público. Apesar da neces-
sidade de mais mão de obra com o objetivo de manter a qualidade do atendimento,
a Strong Wings sabe que precisa ficar de olho no aumento de custo, mantendo-o o
menor possível, para que a sua competitividade no mercado não seja prejudicada.
Com a finalidade de avaliar a melhor maneira de contratar estes funcionários, a
empresa definiu cinco turnos de trabalho: o Turno 1 vai das 6h às 14h, o Turno 2
vai das 8h às 16h, o Turno 3 funciona das 12h às 20h, o Turno 4 é das 16h às 24h e o
Turno 5 funciona das 22h às 6h. Devido a questões legais, os funcionários trabalham
8h diárias dentro de seus turnos. Para selecionar a quantidade de comissários neces-
sário em cada período de trabalho, a Strong Wings criou uma tabela com os períodos
diários e a quantidade de comissários que deve estar disponível para atender aos voos
daquele período. Junto a estas informações, a empresa acrescentou o custo diário com
cada funcionário (já considerando a média salarial por turno e as obrigações legais).
Todos estes valores são apresentados na Tabela 6.

Participação dos funcionários

Demanda mínima
Período Turnos de comissários
por período
1 2 3 4 5
6h – 8h SIM 38
8h – 10h SIM SIM 69
10h – 12h SIM SIM 52
12h – 14h SIM SIM SIM 90
14h – 16h SIM SIM 62
16h – 18h SIM SIM 75
18h – 20h SIM SIM 84
20h – 22h SIM 48
22h – 24h SIM SIM 55
24h – 6h SIM 18

Custo diário por

300 270 325 360 380
comissário (R$)

Tabela 6 - Necessidade mínima de comissários de bordo por período, custos unitários e participação dos
funcionários de cada turno por período / Fonte: o autor.

149
UNICESUMAR

Com o objetivo de determinar a quantidade de comissários de bordo que precisam

ser contratados em cada turno visando ao menor custo possível com pessoal, elabore
um Programa Linear e resolva-o, calculando e apresentando a quantidade que deve
ser contratada por turno bem como o custo diário nestas condições.

Solução:
As variáveis de decisão desse problema estão relacionadas à quantidade de comis-
sários de bordo que devem ser contratados, por turno, pela empresa, para atender à
demanda mínima de qualidade e com o menor custo diário possível. Sendo assim,
as variáveis de decisão serão:

x1 = Quantidade de comissários de bordo no Turno 1

x 2 = Quantidaade de comissários de bordo no Turno 2
x 3 = Quantidade de comissários de bordo no Turno 3
x 4 = Quantidade de comissários de bordo no Turno 4
x5 = Quantidade de comissários de bordo no Turno 5

a função objetivo se baseará no custo diário mínimo com pessoal, e as restrições

serão escritas considerando a quantidade mínima de comissários que devem estar
presentes em cada período estabelecido na Tabela 6. Dessa maneira, teremos:
Min( Z )  300  x1  270  x2  325  x3  360  x4  380  x5

Sujeito a :

6h - 8h x1  38
8h - 10h x1  x2  69
10h - 12h x1  x2  52
12h - 14h x1  x2  x3  90
14h - 16h x2  x3  62
16h - 18h x3  x4  75
18h - 20h x3  x4  84
20h - 22h x4  48
22h - 24h x4  x5  55
24h - 6h x5  18
Nª onegatividade: xi  0 (i=1 a 5 )

o modelo pode, então, ser escrito no Excel®, sendo apresentado, na Figura 17, um
exemplo de preenchimento desse modelo.

150
 UNIDADE 5

Figura 17 - Sugestão de preenchimento da planilha para o Exemplo 7 / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a planilha para resolver o problema do Exemplo 7. Foram acrescentados,
na primeira coluna, os nomes de variáveis de decisão e o custo unitário, em reais, por comissário, com as restrições
do mínimo de comissários que precisam fazer parte de cada período analisado. Foram colocados os valores limites e
os sinais das restrições.

Resolvendo o problema utilizando o Solver, encontramos as soluções apresentadas na Figura 18.

Figura 18 - Solução do Exemplo 7 / Fonte: o autor.

Descrição da Imagem: na imagem, é apresentada a planilha do Exemplo 7 com a solução do problema, sendo encon-
trados os valores de 38 comissários no Turno 1, 31 comissários no Turno 2, 36 comissários no Turno 3, 48 comissários
no Turno 4 e 18 comissários no Turno 5, gerando um custo diário de R$ 55.590,00.

Observando as respostas apresentadas na Figura 18, verifica-se que haverá a contratação de 38 comis-
sários para o Turno 1, 31 comissários para o Turno 2, 36 comissários para o Turno 3, 48 comissários
para o Turno 4 e 18 comissários para o Turno 5. Dessa maneira, haverá 38 comissários disponíveis no
horário das 6h às 8h, 69 comissários no horário das 8h às 10h e das 10h às 12h, 105 comissários no
horário das 12h às 14h, 67 comissários das 14h às 16h, 84 comissários nos horários das 16h às 18h e
da 18h às 20h, 48 comissários das 20h às 22h, 66 comissários das 22h às 24h e 18 comissários das 24h
às 6h. O custo diário total será de R$ 55.590,00.

151
UNICESUMAR

No final desta quinta unidade do livro de Pesquisa Operacional,

você já teve contato com diversos problemas envolvendo tanto
maximização quanto minimização. Todos os exemplos resolvidos,
até agora, se restringiram à busca de solução para cada problema,
dessa forma, em seu dia a dia, como profissional, você poderá uti-
lizar os conceitos de minimização para avaliar, com mais precisão,
problemas deste tipo, os quais, ao se somarem aos problemas de ma-
ximização, permitirão tomadas de decisão assertivas no ambiente
de trabalho. Na próxima unidade, faremos uma análise de sensibi-
lidade sobre cada problema resolvido, determinando as restrições
que limitam as respostas, testando, também, opções de alternativas
de solução. Será possível simular algumas situações com novos li-
mites para as restrições bem como observar o seu comportamento.
Aproveite e resolva os exercícios propostos e, assim, fundamentar
os conhecimentos adquiridos na unidade.

152
Agora, você pode preencher o Mapa Mental proposto, por meio de uma sequência de ações para
resolver um problema de minimização utilizando o Solver. Leia os campos preenchidos e complete
os demais de acordo com a sequência utilizada no preenchimento do Solver .

Descrição da Imagem: na imagem, há um Mapa Mental com um campo central, onde está escrito: “Solver minimi-
zação” e, também, há mais sete campos. No primeiro campo, está escrito: “Preencher a planilha com as informações
do problema”, no terceiro, está escrito: “Selecionar o tipo de problema de minimização”, no quinto, está escrito:
“Inserir as restrições do problema no Solver”, no sétimo campo, está escrito: “Clicar em ‘Resolver’ para obter a
solução otimizada”. O segundo, o quarto e o sexto campo estão vazios para que sejam preenchidos.

MAPA MENTAL

153
 1. Você é responsável pela compra de matéria-prima para o preparo de uma marca de
ração voltada a cães adultos, e há a necessidade de cuidar das especificações do pro-
duto. Um fornecedor lhe ofereceu um tipo de farinha de carne e ossos composta por
50% de proteína e 12% de gordura, além de um tipo de farinha feita de vísceras de aves
com 65% de proteína e 10% de gordura, ambos por quilograma de produto. Você sabe
que essas matérias-primas devem representar, na composição da ração, no máximo,
60% de proteínas e 11% de gordura. Os custos são R$ 1,30/kg da farinha de carne e
ossos e R$ 1,10/kg da farinha de vísceras. Elabore um modelo de Programação Linear
para determinar a quantidade de cada farinha na composição de 1 kg de ração, a fim
de minimizar os custos de produção a essas matérias-primas e, em seguida, resolva-o
no Excel®. Faça uma análise da solução.

2. Uma indústria de cimento utiliza o calcário como matéria-prima elementar de seus

produtos e, por ser de origem natural, o calcário pode apresentar diferentes compo-
sições. Basicamente, ele é avaliado pelo teor de CaO (óxido de cálcio) e MgO (óxido
de magnésio). Você tem dois tipos de calcário para utilizar como matéria-prima base
para o cimento: o calcário tipo A apresenta em torno de 58,0% de CaO e 4,0% de MgO,
enquanto o calcário do tipo B apresenta 65,0% de CaO e 9,0% de MgO. Sabendo que o
limite máximo aceitável para a quantidade de MgO é de 6,5% e que o mínimo de CaO
necessário na composição é de 52,0%, estime qual quantidade de cada tipo de calcário
pode ser utilizada (por quilograma de cimento) para resultar em um custo mínimo,
sendo que o custo do calcário do tipo A é de R$ 0,20/kg e o do tipo B é de R$ 0,12/kg.
AGORA É COM VOCÊ

Utilize um modelo de Programação Linear e, em seguida, analise os resultados.

154
3. Agora, você analisará a mesma indústria de cimento na seguinte situação: além dos
calcários tipo A e B da questão anterior, você acrescentará argila ao preparo do clínquer
(matéria-prima básica do cimento) e considerará outros compostos desta mistura,
além do CaO (óxido de cálcio) e do MgO (óxido de magnésio). Outros compostos são
relevantes no preparo do cimento, tais como Al2O3 (óxido de alumínio), Fe2O3 (óxido
de ferro) e SiO2 (dióxido de silício). O calcário do tipo A apresenta 58,0% de CaO, 4,0%
de MgO, 1,8% de Al2O3, 0,92% de Fe2O3 e 6,0% de SiO2. O calcário do tipo B apresenta
65,0% de CaO, 9,0% de MgO, 1,1% de Al2O3, 0,66% de Fe2O3 e 6,7% de SiO2. A argila que
será adicionada contém 63% de SiO2, 16,7% de Al2O3, 8,8% de Fe2O3 e 7,0% de CaO. Os
limites que você pode ter de cada um desses compostos no clínquer final, são apre-
sentados na Tabela 1.

Composto CaO MgO Al2O3 Fe2O3 SiO2

Mínimo (%) 52,0 0,0 3,8 1,7 18,0

Máximo (%) 67,0 6,5 6,0 7,0 24,0

Tabela 1 - Quantidades-limite para cada componente do clínquer / Fonte: o autor.

Estime a melhor composição do clínquer que dê o menor custo possível, considerando

o preço do calcário tipo A (R$ 0,20), do tipo B (R$ 0,12) e da argila (R$ 0,17), sabendo,
também, que a quantidade de argila não deve exceder 25% (250 g em 1 kg) da massa
final. Utilize um modelo de Programação Linear e analise os resultados. Por quanto

AGORA É COM VOCÊ

você deveria vender um saco de cimento de 50 kg, para obter um lucro de 75% sobre
o valor do custo, considerando o cimento formado pelo clínquer moído?

155
 4. Um criador de suínos utiliza uma ração especial para alimentar os seus animais, pagando
R$ 3,80 por quilograma, mas, devido ao aumento dos custos de produção, ele está bus-
cando alternativas para essa ração e, ao conversar com um zootecnista, especialista na
alimentação de suínos, recebeu a informação de que pode utilizar milho e farelo de soja
complementados por um extrato mineral nutritivo aos animais. Cada animal consome,
em média, 3,5 kg diários de alimento, e, atualmente, esse criador possui 700 cabeças
em etapa de engorda. No entanto os três substitutos da ração devem ser misturados
de maneira a fornecer a quantidade mínima de energia metabolizável, proteínas e
vitaminas que os suínos necessitam. Na Tabela 2, é apresentado um levantamento da
quantidade desses nutrientes presentes nos três substitutos bem como a necessidade
diária mínima total e o custo dos substitutos.

Farelo de Extrato Necessidade

Milho (1 kg)
Soja (1 kg) nutritivo (1 kg) mínima diária

Energia Metabolizável
3.400 2.900 0 10800 kcal
(kcal)

Proteínas (g) 32 460 90 630 g

Vitaminas (g) 40 35 300 160 g

Custo (R$/kg) 1,10 2,10 3,20

Tabela 2 - Informações sobre a quantidade de nutrientes presentes nos substitutos da ração, a necessidade mínima
diária e os custos dos substitutos / Fonte: o autor.
AGORA É COM VOCÊ

Elabore um modelo de programação linear que represente esse problema para a formu-
lação de 3,5 kg de alimento combinando o milho, o farelo de soja e o extrato nutritivo,
com vistas a minimizar o custo em alimentação. Calcule a economia diária do produtor
ao substituir a ração comprada pelos três substitutos apresentados.

156
157
MEU ESPAÇO
 MEU ESPAÇO

158
6
Análise de
Sensibilidade e
Pós-Otimização
Dr. Fernando Pereira Calderaro

Nesta sexta unidade do livro de Pesquisa Operacional, veremos

como ampliar as análises dos problemas de Programação Linear.
Trata-se da Análise de Sensibilidade, aplicada para avaliar o com-
portamento do modelo de Programação Linear, caso haja algu-
ma alteração na função objetivo ou nas restrições do problema. É
muito útil para analisar diferentes cenários e comportamentos do
problema real.
UNICESUMAR

Você já imaginou resolver um problema com Programação Linear e obter um conjunto de informa-
ções que permite analisá-lo sob diferentes pontos de vista? Será possível avaliar, entre as restrições do
problema que são, totalmente, consumidas, qual impactará mais a função objetivo?
A análise de sensibilidade permite esta avaliação do problema, algo interessante para propor me-
lhorias ou ampliação das restrições, calculando as vantagens financeiras da mudança. Quando você
consegue analisar um problema sob diferentes cenários, há ganho expressivo em capacidade de tomada
de decisão. Desde o início do livro, dissemos que a Pesquisa Operacional atua na solução e análise
de problemas, e que a Programação Linear é uma das ferramentas utilizadas para resolvê-los. Até a
Unidade 5, nos detivemos em entender os tipos de problema em que podemos aplicar a Programação
Linear, a construção do modelo e os métodos de solução. Porém, nesta unidade, entenderemos como
analisar as respostas encontradas.
Para iniciarmos o nosso trabalho com a análise de sensibilidade, observe o que se pede no Exemplo
1, apresentado, a seguir.

01. EXEMPLO Uma fábrica produz três modelos de caminhões: o Cruzader, o Hércules e o Althus.
A fábrica adquire as peças de outras empresas, faz o chassi, pinta e monta cada uni-
dade. O lucro obtido na venda de cada unidade do Cruzader é de R$ 65.000,00, cada
unidade do Hércules gera lucro de R$ 71.000,00 e cada unidade do Althus gera lucro
de R$ 69.000,00. Os tempos gastos em cada etapa de produção dos caminhões são
apresentados na Tabela 1.

Modelo Fabricação do chassi (h) Pintura (h) Montagem (h)

Cruzader 7 5 9
Hércules 8 6 10
Althus 8 6 8

Tabela 1 - Uso de recursos para a fabricação de uma unidade de cada modelo de caminhão / Fonte: o autor.

Há disponibilidade de 680h mensais para a Fabricação do Chassi, 340h mensais à Pintura e 520h men-
sais para a Montagem. Devido à demanda e à disponibilidade de peças, há a possibilidade de construir,
no máximo, 30 unidades do Althus e 20 unidades do Cruzader. Elabore um modelo de Programação
Linear para a maximização do lucro e, em seguida, resolva-o no Solver do Excel®. Após a solução, altere
a disponibilidade de tempo da Fabricação do Chassi para 681, resolva, novamente, e anote os resultados.
Em seguida, retorne o valor do tempo de Fabricação do Chassi para 680h e altere o tempo dispo-
nível da Pintura para 341h, resolva, novamente, o modelo e anote os resultados. Finalize retornando o
tempo da Pintura para 340h e altere a disponibilidade da Montagem para 521h, resolva, novamente,
o modelo e anote os seus resultados. Compare os resultados obtidos e faça uma análise das alterações
no valor da função objetivo.

160
 UNIDADE 6

Depois de resolver o Exemplo 1, você deve ter percebido que é possível alterar o valor da função obje-
tivo se algum dos limites das restrições for modificado. Agora, escreva, em seu Diário de Bordo, a sua
impressão sobre as consequências de poder avaliar o seu modelo com estas variações.

DIÁRIO DE BORDO

Chegou o momento de entender como podemos avaliar o comportamento do modelo de Programação

Linear desenvolvido para os problemas estudados. A partir deste ponto, você aprenderá a analisar as
respostas da sua função objetivo de acordo com as modificações em pontos-chave do modelo.
De acordo com Hillier e Lieberman (2013), a análise de sensibilidade serve para avaliar as res-
postas da função objetivo dadas algumas modificações em parâmetros tanto da própria função ob-
jetivo quanto das restrições do problema. Tal análise permite encontrar os parâmetros, que, ao serem
modificados, impactam o resultado da função objetivo e os parâmetros que pouco influenciarão os
resultados da mesma.
Ao escrever um modelo, são utilizados valores de lucro, custo, receita, consumo de recursos
por unidade de produto e são impostos limites às restrições, ou seja, algumas quantidades são pré-
-fixadas de acordo com as condições do problema em estudo (SILVA et al., 2010).

161
UNICESUMAR

Vale lembrar que o modelo construído é válido às condições estabelecidas no problema. Qualquer
alteração no problema deve ser considerada e, assim, uma modificação deve ser feita. Por este motivo,
executando a análise de sensibilidade, você poderá prever como se comportará a sua função objetivo
se algum dos parâmetros do modelo sofrer modificação devido a fatores propositais ou relacionados
à incerteza. Colin (2018) define os fatores propositais como as modificações planejadas pela empresa,
variações da capacidade de produção, ou seja, são decisões conscientes. Já os fatores relacionados à
incerteza são aqueles fora de controle, geralmente, fatores externos, como demanda real de produtos,
preço de commodities ou valores de frete.
Geralmente, a análise de sensibilidade é executada analisando variações na função objetivo ou nas
restrições do problema, alterando os coeficientes das equações ou as disponibilidades dos recursos.
De fato, qualquer resultado das equações de restrição (lado direito das equações e inequações) pode
ser modificado e isso é o que você aprenderá, a seguir.
É importante pontuar que todas as alterações feitas para a análise de sensibilidade devem ser exe-
cutadas uma a uma, ou seja, altera-se o valor de um parâmetro mantendo os demais constantes. Jamais
deve-se alterar mais de um deles para analisar o comportamento do problema, pois você não saberá
qual dos parâmetros tem mais influência no resultado. Lembre-se que qualquer modificação nos parâ-
metros do modelo pode significar investimentos a serem executados em vida real, logo, é fundamental
conhecer, por meio de análises, quais parâmetros são, realmente, relevantes, o seu impacto na função
objetivo e, então, avaliar se os investimentos necessários são, de fato, compensatórios.

Antes de iniciarmos a nossa análise de pós-otimização, ouça

um podcast que preparei para você e que aborda alguns
aspectos das batalhas aéreas na Segunda Guerra Mundial bem
como a importância de não ter medo de avaliar diferentes
possibilidades e combinações.

Iniciaremos, agora, a análise dos resultados da otimização, focando em uma das partes importantes
do modelo: a função objetivo.
A função objetivo é aquela que expressa a relação entre as variáveis de decisão que você quer otimi-
zar, seja maximizando, seja minimizando. Pelo que já viu, até o momento, percebe-se que essa função
tem, como temas principais, o lucro, o custo, a receita, a distância, a produtividade ou o rendimento
financeiro. Essa é uma função que não tem uma igualdade ou desigualdade específica, como ocorre
com as restrições do problema, portanto, as únicas modificações que podem ser feitas na função ob-
jetivo são em seus coeficientes.

162
 UNIDADE 6

Quando estudou o Método Simplex Tabular, você definiu variáveis básicas e variáveis não básicas
para a solução do método. Lembre-se de que as variáveis básicas eram aquelas diferentes de zero e as
variáveis não básicas eram as iguais a zero. Para entender melhor essa análise, veja o Exemplo 2.

02. EXEMPLO Considere um processo produtivo cujo objetivo seja maximizar o lucro da produção
de três itens genéricos A, B e C, em quilogramas, e que a função objetivo seja dada por:

Max( Z )  33  x1  22  x2  29  x3

sendo:

x1 =Quantidade de A (kg)
x 2 = Quantidade de B (kg)
x 3 = Quantidade de C (kg)

Sujeito a :

Processo 1(min): 3, 5  x1  6, 5  x2  4, 2  x3  600

Processo 2 (min): 4, 8  x1  5, 1  x2  3, 9  x3  600
Processo 3(min): 2, 7  x1  2, 5  x2  3, 0  x3  600

xi  0 (i  1, 2, 3)

A solução desse modelo levou a uma produção ótima de 27,65 kg de A, 0 kg de B e 119,82 kg de C, com
um consumo de 600 min. do processo 1, 600 min. do processo 2 e 434,1 min. do processo 3. Observe
que a otimização levou à não produção de B, logo, podemos dizer que as variáveis x1 e x3 são básicas
(diferentes de zero) e a variável x2 é uma variável não básica (igual a zero). Se resolvêssemos o problema
pelo Método Simplex Tabular, os coeficientes dessas variáveis seriam zero, -17,55 e zero, respectivamente.
Neste caso, o coeficiente -17,55 indica que o lucro do produto B precisaria aumentar em R$ 17,55 para
que uma solução do modelo levasse à produção de B, ou seja, para que a fabricação de B seja vantajosa,
o seu lucro unitário deve ser de R$ 39,55. A análise sob o ponto de vista das variáveis básicas (x1 e x3)
serão realizadas quando utilizarmos os relatórios do Excel®, mas é importante saber que ela se baseia
em avaliar qual o intervalo de otimalidade da variável, isto é, até qual valor de lucro unitário podemos
aumentar ou diminuir o lucro unitário atual, sem interferir na solução ótima encontrada.
Mas, não é, apenas, na função objetivo que a análise de sensibilidade pode ser feita. Posso dizer que,
até mesmo, na maioria dos casos, ela é executada, também, nas restrições do problema.

163
UNICESUMAR

Quando a análise de sensibilidade se volta para as restrições do problema, é comum alterar o lado
direito do sinal (de desigualdade ou igualdade) das equações de restrição, ou seja, os valores dos limites
estabelecidos dos recursos ou o lado esquerdo do sinal, nos coeficientes das variáveis. Ao modificar o
lado direito das equações ou inequações de restrição, você está admitindo o mesmo consumo unitário
de recursos, mas com um limite disponível diferente. Ao alterar qualquer coeficiente das restrições,
mantendo o lado direito inalterado, admitimos que o consumo de recursos unitário foi modificado.
Pode-se inferir que investimentos em tecnologia ou melhorias de processo podem levar a essas mo-
dificações, logo, também envolvem a aplicação de recursos.
É possível executar essa análise, manualmente, modificando os valores e resolvendo o modelo a
cada alteração e, também, pela observação dos impactos na função objetivo. No entanto a maneira
mais fácil de avaliar este comportamento é utilizar o próprio Excel® como fonte de informações.
Assim como a solução de um problema de Programação Linear, o uso de software acelera os pro-
cessos de cálculo e permite que você faça uma análise de sensibilidade mais rápida, podendo testar
diversos cenários.
O Solver do Excel® fornece relatórios pós-otimização. Em tais relatórios, é possível encontrar diver-
sos parâmetros de análise tanto à função objetivo quanto às restrições do problema, assim, a análise
se torna mais ágil, ampliando a discussão sobre a solução encontrada.
Para entender como fazer a análise pelo Excel®, utilizemos o Exemplo 2. O modelo do problema
já foi descrito, podemos inseri-lo no software e aplicar o Solver. Uma sugestão para o preenchimento
da planilha é apresentada na Figura 1.

Figura 1 - Sugestão de preenchimento da planilha para o Exemplo 2 / Fonte: o autor.

Descrição da Imagem: na imagem, aparece uma parte de planilha do Excel® com a implementação do modelo. Apa-
recem as células das variáveis de decisão para os itens A, B e C com seus respectivos lucros unitários, com os valores
R$ 33,00 para A, R$ 22,00 para B e R $29,00 para C. Tais valores são utilizados na composição da célula do lucro total
(função objetivo) que aparece como R$ 0,00. Também são escritas as restrições para os processos 1, 2 e 3 com os
coeficientes das equações de restrição e o limite de recursos disponibilizado. Nas restrições do Processo 1, aparecem
os números 3,5 para A, 6,5 para B, 4,2 para C, uso de zero, sinal de menor ou igual e limite de 600. Nas restrições do
Processo 2, aparecem os números 4,8 para A, 5,1 para B, 3,9 para C, zero para uso, sinal de menor ou igual e 600 de
limite. Nas restrições do Processo 3, aparecem os números 2,7 para A, 2,5 para B, 3 para C, zero para uso, sinal de
menor ou igual e 600 de limite.

164
 UNIDADE 6

Após o preenchimento dos parâmetros no Solver, clique em “Resolver” e selecione os três relatórios
que aparecem: “Respostas”, “Sensibilidade” e “Limites”, como apresentado na Figura 2 e, em seguida,
clique em “OK”.

Figura 2 - Seleção dos relatórios do Solver para o Exemplo 2 / Fonte: o autor.

Descrição da Imagem: na Figura 2, aparece a tela de resultados do Solver, nela, estão selecionados os relatórios de
“Resposta”, “Sensibilidade” e “Limites” para serem apresentados na planilha.

Você terá a solução do problema na planilha, e serão abertas mais três abas, uma para cada relatório
selecionado, como pode ser visto nas Figuras de 3 a 6.

165
UNICESUMAR

Figura 3 - Solução para o Exemplo 2 / Fonte: o autor.

Descrição da Imagem: na Figura 3, aparece a planilha do Excel® utilizada para implementar o modelo com a solução
encontrada de 27,65 kg para A, 0 kg para B e 119,82 kg para C, com um lucro total de R$ 4.387,10.

Na Figura 4, encontramos o relatório de resposta para o Exemplo 2, que deve ter aparecido em uma
das abas da planilha que você está utilizando para resolver o problema. Veja que algumas informações
apresentadas são os resultados obtidos na própria planilha de solução do problema.

Figura 4 - Relatório de respostas para o Exemplo 2 / Fonte: o autor.

Descrição da Imagem: na Figura 4, aparece o relatório de resposta após a solução do problema apresentado no Solver.
Há três regiões distintas, a primeira, com informações sobre a célula do objetivo (função objetivo). No campo “Valor
Original”, aparece R$ 0,00, e, no campo “Valor Final”, aparece R$ 4.387,10. A segunda, logo abaixo, com informações
sobre células variáveis (variáveis de decisão). No campo “Valor Original”, aparece zero às variáveis A, B e C, no campo
“Valor Final”, aparecem os valores 27,64976959 para A, zero para B e 119,8156682 para C. Na terceira, logo abaixo da
segunda, estão as informações sobre as restrições do problema. No campo “Valor da Célula” aparece 600 para A e B e
434,1013825 para C, no campo “Margem de Atraso” aparece zero para A e B e 165,8986175 para C.

166
 UNIDADE 6

Na Figura 5, é apresentado o relatório de sensibilidade, o qual aparecerá, também, em uma nova aba
na planilha que você está utilizando para resolver o problema. Observe que, neste caso, o relatório
foca em dados das variáveis de decisão e das restrições do problema.

Figura 5 - Relatório de sensibilidade para o Exemplo 2 / Fonte: o autor.

Descrição da Imagem: na Figura 5, é apresentado o relatório de sensibilidade do Exemplo 2. O relatório é dividido em

duas regiões: a primeira, com dados das células variáveis (variáveis de decisão), contendo, no “Valor Final”, os valores
de 27,64976959 para A, zero para B e 119,8156682 para C, e, logo abaixo, dados sobre as restrições do problema. No
campo “Sombra Preço” aparecem os valores 1,612903226 para A, 5,698924731 para B e zero para C.

Por último, na Figura 6, é apresentado o relatório de limites, que se detêm a apresentar informações
sobre a célula da função objetivo e sobre as células das variáveis de decisão que foram descritas na
planilha de cálculos.

167
UNICESUMAR

Figura 6 - Relatório de limites para o Exemplo 2 / Fonte: o autor.

Descrição da Imagem: na Figura 6, aparece o relatório de limites do Solver, com duas regiões bem definidas. A pri-
meira, com dados da célula da função objetivo, cujo valor aparece R$ 4.387,10 e, a segunda, com dados da célula das
variáveis de decisão, cujo valor aparece 27,64976959 para A, zero para B e 119,8156682 para C.

O relatório de respostas apresenta o valor original das variáveis de decisão e os valores após a otimização
no campo “Células Variáveis”. Como o resultado da otimização também aparece na planilha de cálculos,
essas células, apenas, confirmam o resultado. Observamos, para esse problema, que a otimização leva
à sugestão de produção de 27,65 kg de A, 0 kg de B e 119,82 kg de C. Aparece, também, na planilha,
o resultado da função objetivo de R$4.387,10 e, no campo “Restrições”, há uma informação muito
importante, chamada de “Margem de Atraso”: essas células apresentam os valores das variáveis de
folga das restrições, isto é, apresentam as sobras de recursos. Para nosso problema, das três restrições,
o Processo 1 e o Processo 2 estão com uso dos 600 min. disponíveis, não havendo sobra. Já o Processo
3 tem apenas 434,10 min. de uso com uma sobra de 165,90 min.
Observe que o relatório de respostas tem, como ponto forte, a apresentação das variáveis de folga
do problema. Na Figura 5, observamos o relatório de sensibilidade e, no campo “Células Variáveis” são
apresentados os valores finais das variáveis de decisão em “Final Valor”, enquanto nas células referentes
ao “Reduzido Custo” há os valores que servem para avaliar o impacto das modificações dos coeficientes
das variáveis da função objetivo.
Como já discutido, observe que aparecem os valores zero para as variáveis Quantidade de A e
Quantidade de C e -17,55 para a Quantidade de B. Isso significa que, para que a produção de B seja
uma solução possível ao problema, há a necessidade de aumento do lucro unitário de B em R$ 17,55.

168
 UNIDADE 6

Nas células “Permitido Aumentar” e “Permitido Reduzir” aparecem os limites superior e inferior do
intervalo de otimalidade para cada variável de decisão, ou seja, para o Produto A, o seu lucro unitário
pode aumentar em R$ 2,69 ou reduzir em R$ 8,83, sem que haja modificação na quantidade encontrada
para todas as variáveis de decisão com a otimização atual.
Podemos testar essa análise substituindo o lucro unitário do Produto B para R$ 39,55 e, ao resol-
vermos o problema, novamente, o resultado é apresentado na Figura 7.

Figura 7 - Solução do Exemplo 2 com alteração do lucro unitário de B / Fonte: o autor.

Descrição da Imagem: na Figura 7, aparece a planilha de solução do Exemplo 2 com o resultado da otimização após
a alteração do valor do lucro unitário do item B para R$ 39,55, o que leva o lucro total a um valor de R$ 4.387,19 e a
uma produção de 62,92 kg de A, 58,43 kg de B e nada de C.

Nota-se, na Figura 7, que a solução mudou, havendo sugestão para a fabricação de A e B, em vez de C.
Obviamente, verifica-se que, ao alterar qualquer dado do problema, nova solução é gerada, cabendo
outras análises.
No relatório de sensibilidade da solução original (Figura 5), um ponto muito importante está no
campo “Restrições” e é chamado de Sombra Preço. Os valores que aparecem nestas células relacionam-se
às modificações que ocorrem na função objetivo quando se acrescenta uma unidade à cada restrição
do problema. Observa-se, então, um Sombra Preço de 1,61 para o Processo 1, 5,70 para o Processo 2
e zero para o Processo 3. Deve ficar claro que, para todas as restrições com utilização máxima, haverá
um Sombra Preço diferente de zero e, para as restrições com sobra de recurso, haverá um Sombra
Preço igual a zero.
A interpretação desse Sombra Preço é que, ao disponibilizar 601h para o Processo 1, haverá acrés-
cimo R$ 1,61 no lucro total (função objetivo). Se for disponibilizada 601h para o Processo 2, haverá
acréscimo no lucro total de R$ 5,70. Se houver a disponibilidade de 601h para o Processo 3, não haverá
variação na função objetivo, isso fica claro, pois o Processo 3 tem sobra de recursos.
Ainda no campo de Restrições, temos Permitido Aumentar e Permitido Reduzir, formando, tam-
bém, um intervalo de valores para o lado direito das restrições que não alterariam a resposta para as
variáveis de decisão do problema otimizado.

169
UNICESUMAR

Não se esqueça de que as variações executadas devem ser feitas uma a uma, ou seja, estes resultados
apresentados pelos relatórios se referem a cada alteração, individualmente. Para observar a influência
dessas mudanças do lado direito das restrições, tomemos o problema original (com o coeficiente da
função objetivo de R$ 22,00) e altere, apenas, a restrição de tempo disponível do Processo 1 para 601h.
Ao executar o programa, a solução será obtida como a apresentada na Figura 8.

Figura 8 - Solução do Exemplo 2 com 601h de disponibilidade para o Processo 1 / Fonte: o autor.

Descrição da Imagem: na Figura 8, aparece a planilha de solução do Exemplo 2 depois de retornar o valor do lucro
unitário de B para 22,00 e alterar a disponibilidade do Processo 1 para 601h, o que leva a produção a ser de 27,06 kg
de A, 0 kg de B e 120,55 kg de C com lucro total de R$ 4.388,71.

Observe que o lucro obtido na nova otimização é de R$ 4.388,71, que, ao ser comparado com o lucro
anterior de R$ 4.387,10, haverá um acréscimo de R$ 1,61, como apresentado no relatório de sensibili-
dade. Retornando a disponibilidade do Processo 1 para 600h e alterando a disponibilidade do Processo
2 para 601h, o resultado do Solver será como apresentado na Figura 9.

Figura 9 - Solução do Exemplo 2 com 601h de disponibilidade para o Processo 2 / Fonte: o autor.

Descrição da Imagem: na Figura 9, aparece a planilha de solução do Exemplo 2 depois de alterar a disponibilidade
do Processo 2 para 601h, o que leva a produção a ser de 28,29 kg de A, 0 kg de B e 119,28 kg de C com lucro total de
R$ 4.392,80.

170
 UNIDADE 6

O resultado encontrado na nova otimização apresenta lucro total de R$ 4.392,80, que, ao ser comparado
com os R$ 4.387,10 haverá acréscimo de R$ 5,70, como apresentado no relatório de sensibilidade. Se
você modificar a disponibilidade do Processo 3 para 601h, o resultado obtido será como o apresentado
na Figura 10.

Figura 10 - Solução do Exemplo 2 com 601h de disponibilidade para o Processo 3 / Fonte: o autor.

Descrição da Imagem: na Figura 10, aparece a planilha de solução do Exemplo 2 depois de alterar a disponibilidade
do Processo 3 para 601h, o que leva a produção a ser de 27,65 kg de A, 0 kg de B e 119,82 kg de C com lucro total de
R$ 4.387,10.

Como o Processo 3 tem sobra de tempo, percebe-se que, ao aumentar a disponibilidade de tempo
do Processo 3 para 601h, não haverá diferença nos valores encontrados para as variáveis de decisão
e o lucro total. Lembre-se de que o Sombra Preço do Processo 3 era de zero, indicando que não
haveria alteração na função objetivo. Dessa forma, você pode verificar que os relatórios de resposta
e sensibilidade são muito úteis para analisar o comportamento do modelo de Programação Linear
utilizado na otimização.
O relatório de limites apresenta o valor da função objetivo caso cada uma das variáveis de decisão
assumisse o seu Inferior Limite ou Superior Limite. Observe, na Figura 6, que, se considerarmos a
quantidade do Produto A igual a zero, mantendo as demais quantidades inalteradas, a função objetivo
assumirá o valor de R$ 3.474,65, se a quantidade do Produto C for igual a zero, a função objetivo as-
sumirá o valor de R$ 912,44. Os valores para Superior Limite coincidem com os valores encontrados
pela otimização, isso nos mostra que não há espaço para o aumento das quantidades produzidas das
variáveis de decisão, pois, há, pelo menos, um recurso que está em seu uso total.

171
UNICESUMAR

Você deve ter percebido que a aplicação da análise de sensibilidade permite avaliar, de forma
mais completa, o problema resolvido, tornando a aplicação da Programação Linear para solução
de problemas de Pesquisa Operacional uma ferramenta muito forte, a qual apresenta uma
solução ótima e dados para avaliar possíveis alterações no problema.

Para reforçar essas análises, faremos mais alguns exercícios.

Retornemos ao Exemplo 1. Vistas as técnicas de análise de sensibilidade, podemos, agora, resolver o
Exemplo 1 e analisá-lo com os relatórios obtidos pelo Solver. Na Figura 11, é apresentada uma sugestão
de planilha para solução do Exemplo 1.

Figura 11 - Sugestão de Planilha para o Exemplo 1 / Fonte: o autor.

Descrição da Imagem: na imagem, aparece uma parte de planilha do Excel® com a implementação do modelo.
Aparecem as células das variáveis de decisão para os itens Cruzader, Hércules e Althus com os seus respectivos lucros
unitários para composição da célula do lucro total (função objetivo) com valor R$ 0,00. Os lucros unitários são: R$
65.000,00 para Cruzader, R$ 71.000,00 para Hércules e R$ 69.000,00 para Althus. Também são escritas as restrições
às etapas “Fabricação do Chassi”, “Pintura” e “Montagem” em horas e “Máximo” de Althus e “Máximo” de Cruzader, em
unidades. Também aparecem os coeficientes das equações de restrição e o limite de recursos disponibilizados. Em
“Fabricação de Chassi”, aparecem os números 7 para Cruzader, 8 para Hércules, 8 para Althus, zero para Uso, menor
ou igual para sinal e 680 para limite. Nas restrições de “Pintura”, aparecem os coeficientes 5 para Cruzader, 6 para
Hércules, 6 para Althus, zero para uso, menor ou igual para sinal e 340 para limite. No campo “Montagem”, aparecem os
coeficientes 9 para Cruzader, 10 para Hércules, 8 para Althus, zero para uso, menor ou igual para sinal e 520 para limite.
Na restrição de “Máximo” de Althus, aparece 1, apenas, para Althus, zero para uso, menor ou igual para sinal, 30 para
limite. No campo “Máximo” de Cruzader, aparece 1 para Cruzader, zero para uso, menor ou igual para sinal e 20 para
limite.Preenchendo os parâmetros do Solver e resolvendo-os, encontramos os resultados apresentados na Figura 12.

172
 UNIDADE 6

Figura 12 - Solução do Exemplo 1 / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a solução do Exemplo 1 na planilha, onde fica indicada a produção de 20
unidades do Cruzader, 10 unidades do Hércules e 30 unidades do Althus com lucro total de R$ 4.080.000,00.

Observa-se que a solução otimizada sugere a produção de 20 unidades do Cruzader, 10 unidades do

Hércules e 30 unidades do Althus, com lucro total de R$ 4.080.000,00 mensais. O consumo de recursos
é de 460h para a fabricação de chassi, 340h para a pintura e 520h para a montagem. Estão contabili-
zados, também, a produção máxima mensal de caminhões do modelo Althus e Cruzader. O relatório
de respostas é apresentado na Figura 13.

Figura 13 - Relatório de respostas para o Exemplo 1 / Fonte: o autor.

Descrição da Imagem: na Figura 13, aparece o relatório de resposta após a solução do Exemplo 1 apresentado no
Solver. Há três regiões distintas. A primeira com informações sobre a célula do objetivo (função objetivo), a segunda,
logo abaixo, com informações sobre células variáveis (variáveis de decisão) e a terceira, logo abaixo da segunda, com
informações sobre as restrições do problema.

173
UNICESUMAR

A Margem de Atraso apresentada para a fabricação do chassi é de 220h, ou seja, há sobra de tempo no
processo. As demais restrições estão com Margem de Atraso nula, evidenciando uso total do limite
disponibilizado. Na Figura 14, é apresentado o relatório de sensibilidade para a solução do problema.

Figura 14 - Relatório de sensibilidade do Exemplo 1 / Fonte: o autor.

Descrição da Imagem: na Figura 14, é apresentado o relatório de sensibilidade do Exemplo 1. O relatório é dividido
em duas regiões. A primeira, com dados das células variáveis (variáveis de decisão) e, logo abaixo, dados sobre as
restrições do problema.

Pelo relatório de sensibilidade, observa-se uma situação interessante: mesmo a pintura tendo o seu
tempo total utilizado, não haverá influência na função objetivo se houver disponibilidade de mais
horas no setor. Por outro lado, se houver alteração nas horas disponíveis para a montagem, haverá
mudanças na função objetivo.
O relatório de sensibilidade da Figura 14 mostra que a função objetivo variará em R$ 7.100,00
para menos ao reduzir as horas disponíveis da montagem até uma variação de 100h para menos. No
entanto este efeito não é observado se houver aumento das horas da montagem, uma vez que o Per-
mitido Aumentar para esta restrição é zero. Haverá impacto na função objetivo com alterações nas
quantidades dos modelos Althus e Cruzader, com redução de R$ 12.200,00 para cada unidade reduzida
do modelo Althus e ganho de R$ 1.100,00 para cada unidade do modelo Cruzader fabricado a mais
até o aumento de 11 unidades desse modelo. Sendo assim, a opção mais vantajosa para aumentar o
lucro total é conseguir fabricar mais unidades do modelo Cruzader. Vamos resolver um problema de
logística para aplicar a análise de sensibilidade.

174
 UNIDADE 6

A análise de sensibilidade surge como um complemento à solução do problema, sendo funda-

mental quando se deseja ampliar as discussões sobre os resultados obtidos. Vale lembrar que
a Programação Linear busca uma solução ótima, aquela que leva a função objetivo para o seu
valor máximo ou mínimo. Ao utilizar a análise de sensibilidade, você tem a opção de verificar
como as variáveis e os parâmetros influenciam a função objetivo, propor melhorias e avaliar,
economicamente, quais mudanças são viáveis.

03. EXEMPLO Uma empresa possui duas fábricas de fertilizante e envia o seu produto para quatro
centros de distribuição (CD). Há um custo associado ao transporte para cada centro,
uma demanda mínima e uma capacidade máxima para cada centro de distribuição
bem como uma capacidade produtiva de cada fábrica, cujos valores são apresentados
na Tabela 2.

Capacidade produtiva
Fábrica/CD CD 1 CD 2 CD 3 CD 4
(ton.)
F1 R$ 12,00 R$ 10,50 R$ 11,50 R$ 10,80 2.750
F2 R$ 9,50 R$ 11,00 R$ 12,00 R$ 9,50 3.250
Demanda mínima (ton.) 1.000 1.500 1.350 1.500
Capacidade máxima (ton.) 1.500 1.500 1.500 1.500

Tabela 2 - Custos de envio (R$/ton.), capacidades e demandas dos CDs e das fábricas em toneladas de fertilizante / Fonte: o autor.

Elabore um modelo de Programação Linear para a minimização do custo total de

transporte, se a empresa tem a intenção de atender à demanda mínima dos centros de
distribuição, resolva-o no Solver e analise o comportamento do problema utilizando
os relatórios de resposta e sensibilidade.

Solução:
O modelo de Programação Linear terá, como variáveis de decisão, a quantidade
transportada entre cada rota.
x11 = Quantidade enviada da Fábrica 1 ao CD 1
x12 = Quantidade enviada da Fábrica 1 ao CD 2
x13 = Quantidade enviada da Fábrica 1 ao CD 3
x14 = Quantidade enviada da Fábrica 1 ao CD 4
x21 = Quantidade enviada da Fábrica 2 ao CD 1
x22 = Quantidade enviada da Fábrica 2 ao CD 2
x23 = Quantidade enviada da Fábrica 2 ao CD 3
x24 = Quantidade enviada da Fábrica 2 ao CD 4

175
UNICESUMAR

como a função objetivo é de minimização de custo, essa função será determinada

pelo custo de envio por rota escolhida e haverá restrição quanto à capacidade de envio
total que não pode exceder a capacidade das duas fábricas. Como o foco é atender à
demanda mínima, utilizaremos, apenas, esta condição para escrever a restrição das
quantidades a serem enviadas para cada CD. Assim, o modelo assumirá o formato:

Min( Z )  12  x11  10, 5  x12  11, 5  x13  10, 8  x14  9, 5  x21  11  x22  12  x23  9, 5  x24

Sujeito a :

Capacidade da Fábrica 1 : x11  x12  x13  x14  2.750

Capacidade da Fábrica 2 : x21  x22  x23  x24  3.250
Demanda Mínima CD 1 : x11  x21  1.000
Demanda Mínima CD 2 : x12  x22  1.500
Demanda Mínima CD 3 : x13  x23  1.350
Demanda Mínima CD 4 : x14  x24  1.500
Não negatividade : xij  0 (i  1, 2, 3 e 4 / j  1, 2, 3 e 4)

na Figura 15, é apresentada uma sugestão de preenchimento para este modelo.

Figura 15 - Sugestão de preenchimento do Exemplo 3 / Fonte: o autor.

Descrição da Imagem: na Figura 15, é apresentada uma planilha com células que possuem, na primeira coluna, os
títulos de cada componente do modelo: as fábricas representadas como “F1” e “F2”, “Envio”, “Sinal”, “Demanda mínima”
e “Capacidade máxima”. Na primeira linha, aparecem os títulos dos componentes do modelo: “CD1”, “CD2”, “CD3”,
“CD4”, “Produção”, “Sinal” e “Capacidade produtiva”. Aparecem os valores das restrições de capacidade produtiva de
F1 e F2 e os valores das demandas e das capacidades máximas de CD1, CD2, CD3 e CD4. Na décima linha, é escrita a
célula do custo total.

176
 UNIDADE 6

Para compor a célula do custo total, foi criada uma tabela auxiliar na planilha do Excel® contendo
os valores dos custos unitários para que esses possam ser utilizados na descrição da função objetivo,
como é possível ver na Figura 16.

Figura 16 - Tabela auxiliar com custos de cada rota do Exemplo 3 / Fonte: o autor.

Descrição da Imagem: na imagem, aparece uma tabela vinda do Excel®, nela, aparece, na primeira linha, os nomes
“Fábrica/CD”, “CD1”, “CD2”, “CD3”, “CD4”, e, na primeira coluna, aparecem os nomes “Fábrica/CD”, “F1” e “F2”. Nas linhas
2 e 3, iniciando na coluna 2, estão os custos unitários para cada rota.

Ao inserir os parâmetros e restrições no Solver e resolvê-lo, obtemos os resultados apresentados na

Figura 17.

Figura 17 - Solução do Exemplo 3 com o Solver / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a solução do Exemplo 3 na planilha, onde fica indicado o transporte de
0 toneladas de F1 a C1, 1400 toneladas de F1 a CD2, 1350 toneladas de F1 a CD3, zero toneladas de F1 a CD4, 1000
toneladas de F2 a CD1, 100 toneladas de F2 a CD2, zero toneladas de F2 a CD3 e 1500 toneladas de F2 a CD4, ao custo
total de R$ 55.075,00.

177
UNICESUMAR

Observando a solução, verificamos que serão transportadas 1.000 toneladas da Fábrica 2 ao CD 1,

1.400 toneladas da Fábrica 1 ao CD 2, 100 toneladas da Fábrica 2 ao CD 2, 1.350 toneladas da Fábrica
1 até o CD3 e 1.500 toneladas da Fábrica 2 até o CD 4, atendendo às demandas mínimas de cada CD.
Haverá o consumo de toda a capacidade da Fábrica 1 e de, apenas, 2.600 toneladas da Fábrica 2, o custo
mínimo encontrado será de R$ 5.507,50. Com os relatórios de respostas e sensibilidade apresentados
nas Figuras 18 e 19, esta análise pode ser expandida com relação às restrições.

Figura 18 - Relatório de respostas com foco nas restrições do problema / Fonte: o autor.

Descrição da Imagem: relatório de resposta do Exemplo 3, mostrando que a Margem de Atraso para a fábrica F2 é
de 650 toneladas, e as demais margens de atraso, da Fábrica F1 e dos CDs, são zero.

Na Figura 18, o relatório de resposta mostra que a Margem de Atraso é de 650 para a produção da
Fábrica 2, ou seja, sobram 650 toneladas da capacidade da Fábrica 2, e, como a Margem de Atraso é
zero para a Fábrica 1, esta envia toda a sua produção.

Figura 19 - Relatório de sensibilidade com foco nas restrições / Fonte: o autor.

Descrição da Imagem: relatório de sensibilidade para a solução do Exemplo 3 com foco no Sombra Preço apresentado,
sendo de 9,5 para “Envio CD1”, 11 para “Envio CD2”, 12 para “Envio CD3”, 9,5 para “Envio CD4”, -0,5 para “Produção F1”
e zero para “Produção F2”.

178
 UNIDADE 6

Na Figura 19, observamos que o Sombra Preço para as restrições é de 9,5 para a demanda de CD1,
11 para a demanda de CD2, 12 à demanda de CD3, 9,5 à demanda de CD4, -0,5 para a capacidade de
produção da Fábrica 1 e zero para a Fábrica 2. Isso significa que, a cada tonelada a mais de demanda
dos CDs, teríamos acréscimo no custo total de R$ 9,50, R$ 11,00, R$ 12,00 e R$ 9,50 para cada CD,
respectivamente. Haverá redução no custo de R$ 0,50 para cada tonelada aumentada da capacidade
da Fábrica 1, sem influência no custo se a capacidade da Fábrica 2 for aumentada.
Com o objetivo de analisar o efeito das variações do custo unitário de transporte para que as rotas
com zero material transportado sejam viáveis, podemos analisar o relatório de sensibilidade com
relação às variáveis de decisão (células variáveis), como apresentado na Figura 20.

Figura 20 - Relatório de sensibilidade com foco nas variáveis de decisão / Fonte: o autor.

Descrição da Imagem: relatório de sensibilidade com foco nas células variáveis (variáveis de decisão), em que se
observa um valor de Reduzido Custo de 3 para a rota “F1CD1”, 1,8 para a rota “F1CD4” e zero para as demais rotas.

Observando a Figura 20, verificamos que se o custo da rota F1 para CD1 for reduzido em R$ 3,00/
tonelada, haverá alterações na solução do problema. Também se observa, na rota F1 para CD4, um
impacto no resultado do problema, caso o custo seja reduzido em R$ 1,80/tonelada. O mesmo relatório
mostra que a rota F2 para CD3 é pouco interessante, uma vez que não há perspectiva de alteração na
solução do problema, caso haja qualquer redução em seu custo de transporte.
Note como as análises do problema se ampliam, permitindo que não, apenas, encontremos uma
solução ótima, mas avaliemos o comportamento das variáveis e das restrições presentes no modelo
estudado. Neste ponto da disciplina, você já tem plenas condições de aplicar os conhecimentos da
Programação Linear de maneira íntegra e ampla, auxiliando no processo de tomada de decisão.

179
UNICESUMAR

Neste ponto do curso, você deve ter percebido que atuar como
otimizador de processo traz rico conhecimento sobre o problema
estudado, havendo a necessidade de levantar dados históricos, sem-
pre que possível, para construir o modelo de Programação Linear.
Depois de construído o modelo, a sua solução levará à geração de
novos dados, dados estes que, ao serem modificados na planilha,
levam a uma simulação de resultados, gerando novos conhecimen-
tos e permitindo novas oportunidades de alterações no processo.
Como as restrições do problema, geralmente, representam re-
cursos consumidos, você consegue avaliar o quanto ganha na fun-
ção objetivo ao disponibilizar mais recursos, como: mão de obra,
matéria-prima, horas de disponibilidade em máquinas e processos.
Logo, os ganhos na função objetivo (maximização de lucro ou re-
dução de custo, por exemplo) devem compensar os custos gerados
pela disponibilização de mais recursos no processo. Tais análises
também permitem incorporar modificações nos coeficientes tanto
das restrições quanto da função objetivo que podem ser originadas
pelo próprio mercado ou por melhorias do processo.
Retornando ao Exemplo 1 que você resolveu no início da unida-
de, perceba como é possível verificar o comportamento da função
objetivo ao alterar as quantidades de recursos disponíveis. Lá, no
início, você foi instruído(a) a fazer as modificações, manualmente,
uma a uma, e, durante a unidade, percebeu que utilizar os relató-
rios disponibilizados pelo Solver também permite fazer o mesmo
tipo de análise, todavia com mais agilidade, pois, em um relatório,
as variações e as suas consequências podem ser vistas de maneira
agrupada, facilitando, inclusive, o processo de tomada de decisão
com relação a qual atitude tomar.
Em seu dia a dia, essa prática acelera o processo de busca pela
solução de um problema, além de fornecer uma gama de possibi-
lidades que podem ser escolhidas, uma vez que os relatórios apre-
sentam as alterações da função objetivo para cada variação possível
nas restrições e nos coeficientes da função objetivo.

180
Agora, para lhe ajudar a fixar o conteúdo da unidade, preencha o Mapa Mental proposto que
apresenta uma sequência de ações relacionadas à análise de sensibilidade. Complete os campos
em branco com as possibilidades que a análise de sensibilidade oferece na solução de problemas.

Descrição da Imagem: na imagem, há um Mapa Mental com um campo central onde está escrito: “Análise de
sensibilidade”. Há mais seis campos, no primeiro, está escrito: “Selecionar os relatórios do Solver”, no segundo
campo, está escrito: “Avaliar a Margem de Atraso do relatório de resposta”, no quarto campo, está escrito: “Avaliar
o custo reduzido no relatório de sensibilidade”, no sexto campo, está escrito: “Avaliar objetivo resultado e o limite
superior e inferior no relatório de limites”. O terceiro e o quinto campo estão vazios para que sejam preenchidos.

MAPA MENTAL

181
 1. Uma indústria fabricante de calcário agrícola possui duas fábricas: uma localizada no
Centro-Oeste (F1) brasileiro e outra na região Sudeste (F2). Para facilitar o atendimen-
to aos clientes, a empresa definiu a alocação de três centros de distribuição (CDs).
Um localizado na região Sul (CD1), outro na região Nordeste (CD2) e outro na região
Norte (CD3). Cada fábrica tem um custo de produção e, para enviar a cada centro de
distribuição, também são cobrados fretes diferentes. Os valores dos custos associa-
dos bem como das demandas e capacidades de produção mensais das fábricas são
apresentados na Tabela 1.

Custo de Capacidade pro-

Fábrica/CD CD 1 CD 2 CD 3
fabricação dutiva (ton.)
F1 R$ 0,60 R$ 0,65 R$ 0,62 R$ 1.150,00 50.000
F2 R$ 0,58 R$ 0,67 R$ 0,64 R$ 1.320,00 60.000
Demanda mínima (ton.) 55.000 20.000 15.000
Tabela 1 - Custos de envio e produção em R$/tonelada / Fonte: o autor.

O preço de venda do calcário é de R$ 2.350,00/tonelada, e a empresa deseja definir a

melhor maneira de enviar calcário para cada centro de distribuição com o maior lucro
possível. Sendo assim, elabore um modelo de Programação Linear para representar o
problema, resolva-o, apresente a solução ótima e, utilizando os relatórios de sensibili-
dade e resposta, avalie o comportamento da função objetivo (lucro) devido às variações
dos parâmetros das equações e das limitações de capacidade e de demanda.
AGORA É COM VOCÊ

2. Considere a mesma problemática da Questão 1, no entanto, admita, agora, que os cen-

tros de distribuição apresentam a capacidade máxima de armazenamento de calcário,
sendo 62.000 toneladas para o CD1, 40.000 toneladas para o CD2 e 40.000 toneladas
para o CD3. Reescreva o modelo com estas restrições e faça uma nova análise dos
resultados encontrados.

182
3. Uma empresa fabrica três mix de ração para granjas, utilizando os processos de pesa-
gem dos componentes, mistura e empacotamento. Para a pesagem, a empresa dispõe
de 5 máquinas, para a mistura, são 11 máquinas e, para o empacotamento, 3 máquinas,
cada máquina das etapas tem condições de operar durante 40h semanais. Devido ao
tipo de insumo utilizado na fabricação de cada mix de ração, o tempo consumido em
cada etapa do processo de fabricação é associado ao tipo de mix. Na Tabela 2, são
apresentados os tempos consumidos por tonelada de mix de ração fabricado.

Mix A Mix B Mix C

Pesagem (h) 6,8 4,1 1,3
Mistura (h) 4,2 8,6 3,2
Empacotamento (h) 0,5 0,9 1,8
Tabela 2 - Consumo de horas de cada processo para a fabricação de uma tonelada de cada mix de ração
Fonte: o autor.

A empresa tem um lucro unitário de R$ 1.200,00 para a venda de cada tonelada de

ração do Mix A, R$ 1.700,00 para o Mix B e R$ 2.200,00 para o Mix C. As demandas
mensais mínimas são de 1.000 kg do Mix A, 120.000 kg do Mix B e 200.000 kg do Mix
C. Admita que um mês possui quatro semanas e, considerando que a empresa busca
otimizar os seus lucros, avalie:
a) O melhor mix de produção das rações. Identifique quantas toneladas de cada mix de
ração devem ser produzidas (utilize duas casas decimais para apresentar a resposta),

AGORA É COM VOCÊ

verifique o consumo de recursos apontando a presença de sobra de tempo nas etapas
do processo.
b) Utilizando o relatório de sensibilidade, analise o quanto deve ser alterada a função
objetivo no acréscimo de uma hora em cada etapa de processo.
c) Se a empresa adquirir mais quatro máquinas de empacotamento a um custo de R$
1.800.000,00 cada uma, pagando à vista, sem financiamento, o novo lucro mensal
permitirá pagar as máquinas em menos de seis meses? Quais os novos valores do
Sombra Preço, nesta situação, e o consumo de recursos? Há, mesmo, a necessidade
de quatro máquinas a mais, no empacotamento, para atingir o novo nível de produção?

183
 4. Duas unidades fabris de um grupo empresarial fabricam produtos químicos que são
enviados a até dois depósitos. Há um centro de distribuição localizado entre as fábricas
e os depósitos, o qual pode ser utilizado para enviar mercadoria. As rotas disponíveis
para esta movimentação são apresentadas na Figura 1.

Figura 1 - Rede de distribuição para as duas fábricas / Fonte: o autor.

Descrição da Imagem: na imagem, aparecem, à esquerda, dois círculos. O de cima traz escrito: “F1”, o de
baixo, “F2”. Uma seta conecta F2 a F1. De F2 parte uma seta para a direita em direção a um círculo em que
está escrito: “D2”. Também de F2 sai uma seta chegando em um círculo no centro da imagem, escrito: “CD”.
Do círculo CD parte uma seta em direção ao canto superior direito da imagem, conectando a um círculo com
a inscrição “D1”. Uma seta sai do círculo D1 chegando a D2, e outra seta sai do círculo D2 chegando a D1.
AGORA É COM VOCÊ

São conhecidos os custos de envio para cada rota em R$/tonelada de produto, a ca-
pacidade de produção mensal das fábricas e a demanda mensal de cada depósito
bem como a quantidade que pode ser movimentada em algumas rotas. Sabe-se que
a capacidade de produção da Fábrica 1 é de 250 toneladas/mês e da Fábrica 2 é de
400 toneladas/mês, sendo a demanda do Depósito D1 igual a 450 toneladas/mês e do
depósito D2 de 200 toneladas/mês. Na Tabela 3, são apresentados os valores de custos
de envio e as capacidades de transporte em cada rota.

Custo de envio (R$/ton.) Capacidade de transporte (ton./mês)

F1 → CD 580,00 ---
F2 → F1 200,00 100
F2 → CD 250,00 ---
F2 → D2 890,00 ---
CD → D1 150,00 300
D1 → D2 220,00 ---
D2 → D1 280,00 ---
Tabela 3 - Custos de envio e capacidade de transporte para cada rota / Fonte: o autor.

184
 Elabore um modelo de Programação Linear para atender à demanda dos depósitos com
o menor custo possível. Avalie os relatórios de sensibilidades e resposta apontando os
valores das Margens de Atraso e do Sombra Preço.

5. Considerando o problema apresentado na Questão 4, se for liberada uma rota entre

CD e depósito D2, a um custo de envio de R$ 240,00/tonelada, escreva um novo modelo
de Programação Linear e, em seguida, analise se haverá alteração na condição ótima
de transporte.

AGORA É COM VOCÊ

185
 MEU ESPAÇO

186
7
Programação
Linear Inteira
Dr. Fernando Pereira Calderaro

Nesta sétima unidade do livro de Pesquisa Operacional, trabalhare-

mos com a particularização da Programação Linear, a qual envolve
variáveis de decisão com números inteiros. Na prática, isso é muito
comum, pois imagine que você está analisando a quantidade de
produtos que devem ser produzidos em um mix de produção: a
resposta deve ser em números inteiros, uma vez que não é possível
fabricar frações de produtos, a não ser que você esteja trabalhando
com massa ou volume.
UNICESUMAR

Como gestor(a) de processos, você pode se deparar com a necessidade de alocar pessoal dentro das
funções de produção. Esta prática se torna mais fácil quando a empresa adota conceitos como po-
livalência e policompetência, ou seja, cada funcionário tem capacitação para exercer mais de uma
atividade dentro da organização. Na construção de um modelo de Programação Linear, para executar
este cálculo, você não pode obter, como solução, um número de funcionários ou de horas parciais. Da
mesma maneira, se precisar alocar pessoas para a execução de um projeto, haverá a necessidade de
obter, como solução, números inteiros às variáveis de decisão, que representam a quantidade de cada
funcionário. Você deve ter observado, nos resultados obtidos nas unidades anteriores, que a maioria
deles são números decimais, ou seja, após a execução do Solver, as células das variáveis de decisão
são preenchidas com os valores obtidos pelo programa, e a única exigência que fazíamos para esses
resultados é que eles não podiam ser negativos. Mas, se for necessário que a solução seja de números
inteiros, como fazer esta consideração? Será que há meios de condicionar o Solver ou outro software
para apresentar resultados, apenas, inteiros? Ou você terá que fazer as aproximações, manualmente, e
avaliar a melhor escolha? Então, como tornar as minhas variáveis inteiras?
Não seria uma tarefa difícil aproximar, manualmente, os resultados das variáveis de decisão para valores
inteiros, avaliar se as restrições continuam sendo respeitadas e anotar o resultado da função objetivo para
problemas com pequena quantidade de variáveis. No entanto, para problemas maiores, você teria que alterar
todas as variáveis, podendo haver um número maior de possibilidades de modificações e resultados diferentes
para a função objetivo, o que lhe levaria a ter que comparar todas as respostas.
É por este motivo que foram criados alguns algoritmos que condicionam as respostas das variáveis
de decisão a valores inteiros. No processo de cálculo, o software, e, em nosso caso, o Solver, fará buscas,
apenas, em valores inteiros, ele não arredondará, ao final, o resultado, ele já iniciará o processo de busca
da solução partindo de valores inteiros, então, o resultado satisfará à sua necessidade, otimizando a
função objetivo e mantendo as variáveis de decisão inteiras.
Esses algoritmos foram incorporados à Programação Linear, o que criou uma variação conhecida
como Programação Linear Inteira, a qual é o caminho se você quiser resolver um problema com
variáveis de decisão inteiras. Você verá que, no Solver, é muito simples transformar um problema de
Programação Linear convencional em um problema de Programação Linear Inteira.
Resolver tais problemas permite organizar melhor o sistema produtivo, levando em consideração
não, apenas, o mix de produção, mas também a distribuição da mão de obra. Isso amplia as possibi-
lidades de solução de problema.
Para iniciar os nossos estudos, considere um exemplo de mix de produção que você já está acostu-
mado(a) a resolver. Antes do exemplo, lembre-se de que, na solução de problemas anteriores de mix
de produção, mesmo aqueles cujos produtos são definidos em unidades, os resultados obtidos foram
inteiros, isso pode acontecer em uma solução convencional do sistema linear, mas não é uma regra. Ou
seja, na maioria das vezes em que resolvermos um problema de Programação Linear não o definindo
como inteiro, as chances das variáveis de decisão apresentarem valores fracionários é grande. Agora,
vamos ao problema!

188
 UNIDADE 7

Exemplo 1: Uma indústria fabrica três produtos, que serão chamados, genericamente, de A, B e C,
consumindo quatro recursos: R1, R2, R3 e R4. Os tempos consumidos de cada recurso por unidade de
produto são apresentados na Tabela 1.

Produto R1 (min.) R2 (min.) R3 (min.) R4 (min.)

A 12 15 9 10
B 10 13 11 15
C 12 10 13 12
Tabela 1 - Uso de recursos para a fabricação dos produtos A, B e C / Fonte: o autor.

A disponibilidade mensal do recurso R1 é de 510h, do recurso R2 é de 450h, do recurso R3, 620h,

e, do recurso R4, 390h. Sabe-se que o lucro obtido com cada unidade de A é de R$ 25,80, para cada
unidade de B, R$31,50, enquanto que, para cada unidade de C, é de R$ 22,10. Resolva este problema
com o Solver do Excel® para a maximização do lucro e anote os valores como aparecem na planilha.
Observe que o problema anterior se parece muito com os que você já viu nas unidades anteriores:
a sua sequência de montagem é a tradicional, deve-se anotar quais são as variáveis de decisão bem
como definir e escrever a função objetivo e as restrições. Implementar na planilha e executar o Solver,
analisar, criticamente, os resultados encontrados quanto aos valores das variáveis de decisão e ver se
estes valores satisfazem, completamente, à sua necessidade.
Desde o início dos estudos em Pesquisa Operacional, você sabe que o objetivo principal é encontrar
ferramentas que auxiliem o processo de tomada de decisão. Construímos, até aqui, um caminho que
permitiu utilizar técnicas matemáticas de otimização para resolver diversos tipos de problema e nos
deparamos, nesta unidade, com o refinamento dessa análise, que é a Programação Inteira. Anote, em
seu Diário de Bordo, a importância de trabalhar não, apenas, com a Programação Linear convencional,
mas também com a Programação Inteira em relação aos resultados esperados das variáveis de decisão.

DIÁRIO DE BORDO

189
UNICESUMAR

Analisemos, então, como identificar se um problema exige cálculos com a Programação Inteira em
vez da Programação Linear convencional.
Segundo Hillier e Lieberman (2013), a hipótese da divisibilidade pode limitar algumas respostas
com a Programação Linear, sendo que, em muitos casos práticos, as variáveis de decisão só fazem
sentido se forem números inteiros. É o caso de alocar pessoal, máquinas e veículos para certas ativi-
dades, o que exige quantidades numéricas inteiras.
Em suma, os modelos de Programação Linear Inteira são desenvolvidos da mesma forma que os
modelos de Programação Linear. São criadas as restrições do problema, a função objetivo e a solução
aceita é aquela com números inteiros. O Solver do Excel® apresenta uma função dentro das restrições
que permite definir as variáveis de decisão como números inteiros.
Ao resolver um problema com Programação Linear, o conjunto de soluções para as variáveis de
decisão é considerado contínuo, aceitando qualquer valor inteiro ou decimal. A Programação
Linear Inteira tem, como conjunto-solução, apenas variáveis discretas, ou seja, inteiras. Para casos em
que são aceitas solução inteiras e decimais em diferentes variáveis de decisão, dizemos que temos um
problema de Programação Linear Mista Inteira.
As aplicações da Programação Linear Inteira são muitas, podendo destacar Problemas de Investi-
mento, Problemas com Custo Fixo, Alocação de Armazéns, Sequenciamento de Tarefas e Roteamento
de Veículos, por exemplo.
Na Programação Linear Inteira Binária, as possíveis respostas para as variáveis de decisão são
os numerais zero e 1, que podem representar fenômenos do tipo sim e não, presença ou ausência,
verdadeiro ou falso, abre e fecha e similares (COLIN, 2018).
Este tipo de solução tem um caráter excludente quando a variável de decisão apresenta número 1,
então, o recurso é utilizado, quando apresentar o número zero, o recurso não será utilizado. Note que
essa solução preza por, apenas, selecionar um recurso e excluir outro, não havendo dimensionamento
quantitativo do recurso, ou o utiliza ou não. Diferentemente de um mix de produção cujo objetivo
é encontrar a quantidade de cada produto que deve ser fabricada, na Programação Linear Inteira, o
interesse é, apenas, definir qual recurso será utilizado.
Para entender melhor o funcionamento da Programação Linear Inteira, resolveremos alguns exemplos.
Para iniciar os nossos exemplos com Programação Inteira, voltemos ao Exemplo 1 que você resolveu
no início da unidade.

01. EXEMPLO Se necessário, leia, novamente, o enunciado apresentado no início do livro. O modelo
de Programação Linear Inteira tem o formato:

x1 = Quantidade fabricada de A
x 2 = Quantidade fabricada de B
x3 = Quantidade fabricada de C

190
 UNIDADE 7

Max( Z )  25, 8  x1  31, 5  x2  22, 1  x3

Sujeito a :

Capacidade do Recurso R1: 12  x1  10  x2  12  x3  30.600

Capacidade do Recurso R 2 : 15  x1  13  x2  10  x3  27.000
Capacidade do Recurso R 3 : 9  x1  11  x2  13  x3  37.200
Capacidade do Recurso R 4 : 10  x1  15  x2  12  x3  23.400

Números Inteiros xi   (i=1,2 e 3 )

Não negatividade : xi  0 (i=
=1,2 e 3 )

Provavelmente, você resolveu este problema sem considerar números inteiros para
as variáveis de decisão. Na Figura 1, encontra-se uma sugestão de construção da
planilha do problema no Solver.

Figura 1 - Sugestão de preenchimento da planilha do Exemplo 1 / Fonte: o autor.

Descrição da Imagem: na imagem, há uma planilha com a montagem do Exemplo 1. Na coluna A, aparecem os títulos
“Variáveis de decisão” (linha 3), “Quantidades (unid)” (linha 4), “Lucro unitário (R$/unid)” (linha 5), “Restrições” (linha 7),
“R1 (min)” (linha 8), “R2 (min)” (linha 9), “R3 (min”) (linha 10) e “R4 (min)” (linha 11). Na linha 3, colunas C, D e E, aparecem
os nomes das variáveis de decisão, A, B e C, abaixo destes nomes, na linha 4, aparecem as células em branco para
receber os valores das variáveis de decisão, e, abaixo dessas células, na linha 5, aparecem os lucros unitários. Na célula
F5, aparece o lucro total. Da célula C8 a E11, aparecem os coeficientes das equações de restrição, e, nas colunas F, G
e H, aparecem os consumos, o sinal e as capacidades das restrições.

Note que a capacidade dos quatro recursos está apresentada em minutos, para ser compatível com os
valores de consumo para cada unidade de produto. Ao preencher o Solver e resolvê-lo acrescentando
as restrições, você encontrará uma solução decimal, como apresentado na Figura 2.

191
UNICESUMAR

Figura 2 - Solução para o Exemplo 1 / Fonte: o autor.

Descrição da Imagem: na imagem, há uma planilha com uma solução do Exemplo 1. Na coluna A, aparecem os títulos
“Variáveis de decisão” (linha 3), “Quantidades (unid)” (linha 4), “Lucro unitário (R$/unid)” (linha 5), “Restrições” (linha
7), “R1 (min)” (linha 8), “R2 (min)” (linha 9), “R3 (min)” (linha 10) e “R4 (min)” (linha 11). Na linha 3, nas colunas C, D e E,
aparecem os nomes das variáveis de decisão, A, B e C, abaixo desses nomes, na linha 4, aparecem as células com os
valores das variáveis de decisão, sendo 1.061,05 para A, 852,632 para B e zero para C. Abaixo dessas células, na linha
5, aparecem os lucros unitários. O lucro total, nesta solução, é de R$ 54.233,05. Na célula F5, aparece o lucro total. Da
célula C8 a E11, aparecem os coeficientes das equações de restrição, e, nas colunas F, G e H, aparecem os consumos,
o sinal e as capacidades das restrições.

A solução apresentada na Figura 2 tem 1.061,05 unidades A e 852,632 unidades B, havendo zero unidades
de C. Tal configuração leva ao lucro total de R$ 54.233,05 e ao consumo total dos recursos R2 e R4. No en-
tanto, se os produtos A, B e C estão em unidades, os seus valores devem ser inteiros. Sendo assim, você pode
acrescentar esta informação na descrição das restrições do Solver, como apresentado na Figura 3.

Figura 3 - Restrição de número inteiro para o Exemplo 1 / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a janela “Adicionar Restrição” do Solver com as células C4:E4 aparecendo
em “Referência da Célula”, “int” aparecendo como o sinal da restrição e “número inteiro” escrito no campo “Restrição”.

Basta selecionar as células em que estão as variáveis de decisão que devem ser calculadas e buscar a
opção “int” como sinal, então, aparecerá “número inteiro” como restrição. Esta marcação permite que
o Solver trabalhe, apenas, com números inteiros na busca da solução. Ao executar a solução do Solver,
você encontrará novos valores para as variáveis de decisão, como apresentado na Figura 4.

192
 UNIDADE 7

Figura 4 - Solução para o Exemplo 1 com restrição de números inteiros / Fonte: o autor.

Descrição da Imagem: na imagem, há uma planilha com uma solução do Exemplo 1. Na coluna A, aparecem os títulos
“Variáveis de decisão” (linha 3), “Quantidades (unid)” (linha 4), “Lucro unitário (R$/unid)” (linha 5), “Restrições” (linha
7), “R1 (min)” (linha 8), “R2 (min)” (linha 9), “R3 (min)” (linha 10) e “R4 (min)” (linha 11). Na linha 3, nas colunas C, D e
E, aparecem os nomes das variáveis de decisão, A, B e C, abaixo desses nomes, na linha 4, aparecem as células com
os valores das variáveis de decisão, sendo 1.061 para A, 852 para B e zero para C, abaixo dessas células, na linha 5,
aparecem os lucros unitários. O lucro total, nesta solução, é de R$ 54.211,80. Na célula F5, aparece o lucro total. Da
célula C8 a E11, aparecem os coeficientes das equações de restrição, e, nas colunas F, G e H, aparecem os consumos,
o sinal e as capacidades das restrições.

REALIDADE
Note que a solução, agora, é de números inteiros, aparecendo, nas
AUMENTADA
variáveis de decisão, os valores 1061 unidades para A, 852 unidades
para B e zero unidades para C, com lucro total de R$ 54.211,80. É
importante deixar claro que, ao selecionar números inteiros para as
variáveis de decisão, o Excel® não apresentará os relatórios de sen-
sibilidade e de limites, apenas, o relatório de resposta. No entanto,
para avaliar as alterações na função objetivo, você pode realizar as
modificações, diretamente, na planilha.
Veja esta realidade aumentada de uma etapa de processo produ-
tivo onde duas linhas de produtos diferentes convergem em uma
mesma máquina. Observe como acontece o uso de recurso, que,
aqui, é representado pelo tempo de uso diário da máquina.

Linha de Produção

193
UNICESUMAR

No Exemplo 2, adaptado de Colin (2018), você verá como aplicar a Programação Inteira em um
problema que envolva logística, determinando a quantidade que deve ser transportada por cada rota.

02. EXEMPLO Uma indústria farmacêutica está planejando a distribuição de insumos para a fabrica-
ção de vacinas a alguns países africanos. São seis tipos de insumos, cada um com uma
margem de contribuição, uma demanda e uma exigência mínima. Os insumos são
enviados para um distribuidor local que faz a entrega a cada laboratório requisitante.
As informações sobre cada tipo de insumo são apresentadas na Tabela 2.

Tipos de vacinas
Informações
1 2 3 4 5 6
Margem de contribuição (US$/caixa) 1.500 4.250 2.700 1.410 3.600 1.520
Volume (cm /caixa)
3
350 800 520 200 630 250
Demanda (caixas) 1.600 1.200 1.800 1.400 1.900 1.100
Exigência (caixas) 500 400 0 600 50 300
Tabela 2 - Dados para a distribuição dos insumos de vacinas / Fonte: o autor.

O objetivo da empresa é encontrar a quantidade de caixas que devem ser enviadas

por transporte aéreo, respeitando a exigência de cada insumo e o volume total a ser
transportado de 1.500 L, maximizando a margem de contribuição total.

Solução:
O modelo de Programação Linear Inteira pode ser escrito como:

x1 = Quantidade de caixas transportada do insumo 1

x 2 = Quantidade de caixas transportada do insumo 2
x 3 = Quantidade de caixas transportada do insumo 3
x 4 = Quantidade de caixas transportada do insumo 4
x 5 = Quantidade de caixas transportada do insumo 5
x 6 = Quantidade de caixas transportada do insumo 6

194
 UNIDADE 7

Max( Z )  1.500  x1  4.250 x2  2.700  x3  1.410  x4  3.600  x5  1.520  x6

Sujeito a :

Volume máximo (mL) : 350  x1  800  x2  520  x3  200  x4  630  x5  250  x6  1.500.000
Demanda do Insumo 1: x1  1.600
Demandaa do Insumo 2 : x2  1.200
Demanda do Insumo 3 : x3  1.800
Demanda do Insumo 4 : x4  1.400
Demanda do Insumo 5 : x5  1.900
Demanda do Insumo 6 : x6  1.100
Exigência do Insumo 1: x1  500
Exigência do Insumo 2 : x2  400
Exigência do Insumo 3 : x3  0
Exigência do Insumo 4 : x4  600
Exigência do Insumo 5 : x5  50
Exigência do Insumo 6 : x6  300

Números Inteiros xi   (i  1 a 3 )
Não negatividade : xi  0 (i  1 a 3 )

na Figura 5, é apresentada uma opção para o preenchimento da planilha do

Exemplo 2.

Figura 5 - Sugestão de preenchimento do Exemplo 2 / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a estrutura do problema do Exemplo 2. Na coluna A, aparecem os títulos
“Variáveis de decisão” (linha 2), “Quantidade (caixas)” (linha 3), “Margem (US$/caixa)” (linha 4), “Restrições” (linha 6),
“Volume (cm3/caixa)” (linha 7), “Demanda (caixas)” (linha 8), “Exigência (caixas)” (linha 9). Na linha 2, da coluna C até
a coluna H, aparecem os nomes das variáveis de decisão “1”, “2”, “3”, “4”, “5” e “6”, abaixo dessas células, na linha 3,
aparecem as células em branco para receber os valores das variáveis de decisão, e, abaixo dessas células, aparecem
as margens unitárias para as variáveis de decisão. Na célula I4, está a função objetivo “Margem Total”. Da célula C7 à
célula H9, aparecem os coeficientes das equações de restrição.

195
UNICESUMAR

As restrições de demanda e exigência foram acrescentadas tomando, como base, as células das variá-
veis de decisão e as células com os limites necessários. Ao resolver o problema, encontramos a solução
apresentada na Figura 6.

Figura 6 - Solução para o Exemplo 2 / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a estrutura do problema do Exemplo 2. Na coluna A, aparecem os títulos
“Variáveis de decisão” (linha 2), “Quantidade (caixas)” (linha 3), “Margem (US$/caixa)” (linha 4), “Restrições” (linha 6),
“Volume (cm3/caixa)” (linha 7), “Demanda (caixas)” (linha 8), “Exigência (caixas)” (linha 9). Na linha 2, da coluna C até a
coluna H, aparecem os nomes das variáveis de decisão “1”, “2”, “3”, “4”, “5” e “6”, abaixo dessas células, na linha 3, apa-
recem as células com os valores das variáveis de decisão após a otimização, sendo encontrados 500 para 1, 400 para
2, zero para 3, 1.400 para 4, 714 para 5 e 1.100 para 6. Abaixo dessas células, aparecem as margens unitárias para as
variáveis de decisão. A margem total encontrada foi de US$ 8.666.400,00. Na célula I4, está a função objetivo “Margem
Total”. Da célula C7 à célula H9, aparecem os coeficientes das equações de restrição.

Ao resolver o problema, teremos a otimização com o envio de 500 caixas do Insumo 1, 400 caixas do
Insumo 2, zero caixas do Insumo 3, 1.400 caixas do Insumo 4, 714 caixas do Insumo 5 e 1100 caixas
do Insumo 6, com uma margem de contribuição total de US$ 8.666.400,00 transportando um volume
total de 1.499,82 L.
A seguir, você verá alguns exemplos de Programação Inteira Binária.
Como já vimos, a Programação Inteira Binária é escrita com valores zero e 1 para as variáveis de
decisão e, para ficar mais claro, vejamos alguns exemplos.

Perceba que a Programação Linear apresenta inúmeras aplicações e pode ser utilizada em
problemas que exijam tanto variáveis inteiras quanto decimais. Até o momento, você consegue
perceber que a Pesquisa Operacional pode se inserir em um amplo contexto da Engenharia?

196
 UNIDADE 7

03. EXEMPLO Uma indústria está organizando a manutenção diária de alguns equipamentos e
precisa direcionar os seus funcionários, de forma mais eficiente, ao menor custo pos-
sível. Há sete equipamentos e cinco funcionários, e, na Tabela 3, são apresentados os
equipamentos que precisam passar por manutenção bem como os custos envolvidos
na manutenção executada por cada funcionário.

Custo de manutenção por funcionário

Atividade
1 2 3 4 5
Bomba d’água 19 15 22 17 20
Extrusora 55 40 65 47 60
Forno 110 80 90 120 75
Ar-condicionado 28 33 25 30 22
Correia transportadora 41 52 46 38 55
Furadeira 92 88 105 96 110
Balança 35 48 40 39 51
Tabela 3 - Custos de manutenção por funcionário e equipamento (R$) / Fonte: o autor.

Elabore um modelo de Programação Linear Inteira Binária para selecionar qual

funcionário deve executar cada atividade. Considere que um funcionário será desti-
nado a, apenas, uma atividade e, que, no dia, algum equipamento poderá ficar sem a
manutenção, a qual poderá ser executada no dia subsequente. Tenha, como objetivo,
reduzir o custo total de manutenção.
Solução:
As variáveis de decisão são dadas pela combinação entre cada atividade (equi-
pamento) e cada funcionário, assim, teremos as variáveis xij, com i representando a
atividade de manutenção e j, o funcionário utilizado. Sendo assim, as variáveis de
decisão ficam como apresentadas na Tabela 4.

Custo de manutenção por funcionário

Atividade
1 2 3 4 5
Bomba d’água X11 X12 X13 X14 X15
Extrusora X21 X22 X23 X24 X25
Forno X31 X32 X33 X34 X35
Ar-condicionado X41 X42 X43 X44 X45
Correia transportadora X51 X52 X53 X54 X55
Furadeira X61 X62 X63 X64 X65
Balança X71 X72 X73 X74 X75

Tabela 4 - Variáveis de decisão para o problema da manutenção / Fonte: o autor.

197
UNICESUMAR

A função objetivo é dada pelo produto entre os custos de cada manutenção multiplicado pelas variáveis
que representam cada um dos funcionários.

Min( Z )  19  x11  15  x12  22  x13  17  x14  20  x15  55  x21  40 x22  65  x23  47  x24  60  x25 
110  x31  80  x32  90  x33  120  x34  75  x35  28  x41  33  x42  25  x43  30  x44  22  x45 
41 x51  52  x52  46  x53  38  x54  55  x55  92  x61  88  x62  105  x63  96  x64  110  x65 
35  x71  48  x72  40  x73  39  x74  51  x75

Sujeito a :

Bomba d'água : x11  x12  x13  x14  x15  1

Extrusora : x21  x22  x23  x24  x25  1
Forno : x31  x32  x33  x34  x35  1
Ar- Condicionado : x41  x42  x43  x44  x45  1
Correiia Transportadora : x51  x52  x53  x54  x55  1
Furadeira : x61  x62  x63  x64  x65  1
Balança : x71  x72  x73  x74  x75  1
Funcionário 1: x11  x21  x31  x41  x51  1
Funcionário 2 : x12  x22  x32  x42  x52  1
Fun
ncionário 3 : x13  x23  x33  x43  x53  1
Funcionário 4 : x14  x24  x34  x44  x54  1
Funcionário 5 : x15  x25  x35  x45  x55  1

Números Inteeiros xij  Binários (i  1 a 7, j  1 a 5)

Não negatividade : xij  0 (i  1 a 7, j  1 a 5)

as restrições para cada um dos equipamentos que devem passar por manutenção servem para que,
apenas, um funcionário seja selecionado ao trabalho, já as restrições dos funcionários servem para que
cada um deles seja selecionado para, pelo menos, uma atividade. Nas Figuras 7 e 8, são apresentadas
sugestões de preenchimento da planilha à solução do problema do Exemplo 3.

198
 UNIDADE 7

Figura 7 - Exemplo de preenchimento de planilha com custos do Exemplo 3 / Fonte: o autor.

Descrição da Imagem: na imagem, há uma tabela com os custos unitários apresentados na planilha de solução do
Exemplo 3. Na coluna B, aparecem os títulos “Bomba d’água” (linha 5), “Extrusora” (linha 6), “Forno” (linha 7), “Ar-condi-
cionado” (linha 8), “Correia transportadora” (linha 9), “Furadeira” (linha 10) e “Balança” (linha 11). Na linha 4, da coluna
C até a G, aparecem os nomes das variáveis de decisão: “1”, “2”, “3”, “4 “e “5”. Da célula C5 até G11, estão os custos
unitários do problema.

Figura 8 - Exemplo de preenchimento de planilha para as variáveis de decisão do Exemplo 3 / Fonte: o autor.

Descrição da Imagem: na imagem, há uma tabela na planilha de solução do Exemplo 3. Na coluna B, estão os títulos
“Bomba d’água” (linha 15), “Extrusora” (linha 16), “Forno” (linha 17), “Ar-condicionado” (linha 18), “Correia transporta-
dora” (linha 19), “Furadeira” (linha 20) e “Balança” (linha 21). Na linha 14, da coluna C até a coluna G, estão os nomes
das variáveis de decisão: 1”, “2”, “3”, “4 “e “5”. As células de C15 até G21 estão em branco para receber valor após a
solução do problema. Nas colunas H, I e J, aparecem as restrições de atividade de manutenção, e, nas linhas 23 a 2,5
as restrições de funcionários de manutenção. Na célula C27, está o a função objetivo “Custo Total”.

199
UNICESUMAR

Ao inserir as restrições no Solver e resolvê-lo, encontramos a seguinte resposta, como apresentada na

Figura 9.

Figura 9 - Solução para o Exemplo 3 / Fonte: o autor.

Descrição da Imagem: na imagem, há uma tabela na planilha de solução do Exemplo 3. Na coluna B, estão os títulos
“Bomba d’água” (linha 15), “Extrusora” (linha 16), “Forno” (linha 17), “Ar-condicionado” (linha 18), “Correia transportado-
ra” (linha 19), “Furadeira” (linha 20) e “Balança” (linha 21). Na linha 14, da coluna C até a coluna G, estão os nomes das
variáveis de decisão: 1”, “2”, “3”, “4 “e “5”. Nas células de C15 até G21, que receberam o valor das variáveis de decisão
após a otimização, as células C15 (Bomba d’água – Funcionário 1), D16 (Extrusora – Funcionário 2), E18 (Ar-condicio-
nado – Funcionário 3), F19 (Correia transportadora – Funcionário 4) e G20 (Furadeira – Funcionário 5) tem valor 1, as
demais estão zeradas. Nas colunas H, I e J, aparecem as restrições de atividade de manutenção, e, nas linhas 23 a 25,
as restrições de funcionários de manutenção. Na célula C27, está o a função objetivo “Custo Total” que apresentou
valor R$ 122,00.

Na otimização do problema, observa-se que o Funcionário 1 será destinado à Bomba d’água, o Fun-
cionário 2 será destinado à Extrusora, o Funcionário 3 para o Ar-Condicionado, o Funcionário 4 para
a Correia Transportadora e o Funcionário 5 para a Furadeira. A manutenção do Forno e da Balança
ficarão para o dia posterior. O custo total deste dia de manutenção será de R$ 122,00.
Uma das atribuições do(a) engenheiro(a), no projeto de uma instalação industrial, é analisar a
localização mais adequada para a empresa, ou, até mesmo, a algum centro de distribuição. Esta análise
é feita, muitas vezes, pelo volume transportado entre fornecedores e clientes, custos de implantação
em determinados locais e custos de movimentação e transporte, também. A seleção do local mais
adequado pode ser feita utilizando a Programação Linear Inteira Binária. Veja, no Exemplo 4, uma
maneira de fazê-lo.

200
 UNIDADE 7

É importante ressaltar que a Programação Linear Inteira é aplicada quando há a necessida-

de de obter variáveis inteiras. Se o seu problema não precisa ter valores inteiros, resolva-o
permitindo a presença de variáveis decimais e gere os relatórios de resposta e sensibilidade
para auxiliar o seu processo de análise de sensibilidade. Caso seja necessário utilizar variáveis
inteiras, analise cada situação como em um processo de simulação, variando os parâmetros
de interesse bem como observando os resultados encontrados.

04. EXEMPLO Uma cooperativa agropecuária pretende instalar três centros de distribuição para
atender os seus clientes no estado do Mato Grosso. Ao todo, a empresa tem cinco
cidades clientes — Aripuanã, Poconé, Colider, Água Boa e Tangará da Serra. Há cinco
cidades com potencial para instalação dos centros de distribuição — Rondonópolis,
Sinop, Juína, Cáceres e São Félix do Araguaia. Cada possível local de instalação do cen-
tro de distribuição tem um custo de instalação e uma capacidade de armazenamento
e movimentação anual. Há, também, o custo de transporte entre cada possível centro
de distribuição e cada cliente. Os custos logísticos estão apresentados na Tabela 5.

Custo logístico de transporte (R$/ton.)

Tangará
Localidade Aripuanã Poconé Colider Água Boa
da Serra
Rondonópolis 9,20 3,30 7,50 4,80 4,50
Sinop 6,60 5,10 2,10 6,20 7,40
Juína 2,20 7,10 4,20 6,70 3,90
Cáceres 5,70 1,80 8,60 4,30 2,80
S. Félix do Araguaia 7,20 6,80 3,60 3,20 5,10
Demanda (1000 ton.) 200 350 400 320 500
Tabela 5 - Custos de transporte e demandas dos consumidores / Fonte: o autor.

Na Tabela 6, você pode ver o custo de implantação de cada centro de distribuição,

dado em milhões de reais, e a capacidade estimada para cada um deles, em milhares
de toneladas.

201
UNICESUMAR

Localidade Custo de implantação Capacidade (1000 ton.)

(milhões de R$)
Rondonópolis 6 550
Sinop 5 450
Juína 8 650
Cáceres 7 600
S. Félix do Araguaia 6 700
Tabela 6 - Custo de instalação dos centros de distribuição e capacidades / Fonte: o autor.

Com base nas informações apresentadas, elabore um modelo de Programação Linear

Inteira para selecionar os três locais voltados à implantação dos centros de distribui-
ção bem como para definir as quantidades que devem ser transportadas em cada
rota, com o objetivo de ter o menor custo total, incluindo implantação e transporte.

Solução:
As variáveis de decisão deste problema são de dois grupos. O primeiro, variáveis
binárias para definir quais locais serão escolhidos para instalar os centros de distribui-
ção, o segundo, variáveis inteiras para definir a quantidade de material transportado
entre os centros de distribuição escolhidos. Sendo assim, podemos representar as
variáveis binárias, como xi, e as variáveis inteiras de yij. Na Tabela 7, são apresentadas
essas variáveis.

Tangará
Localidade Instalação Aripuanã Poconé Colider Água Boa
da Serra
Rondonópolis X1 Y11 Y12 Y13 Y14 Y15
Sinop X2 Y21 Y22 Y23 Y24 Y25
Juína X3 Y31 Y32 Y33 Y34 Y35
Cáceres X4 Y41 Y42 Y43 Y44 Y45
S. Félix do Araguaia X5 Y51 Y52 Y53 Y54 Y55
Tabela 7 - Variáveis de decisão utilizadas no problema do Exemplo 4 / Fonte: o autor.

Antes de escrever a função objetivo, note que o custo de implantação está em milhões de reais e o
custo de transporte, em reais, por tonelada, portanto, para padronizar o valor em moeda, é interes-
sante que todo o custo esteja, apenas, em reais (R$). A capacidade e as demandas estão apresentadas
em milhares de toneladas, logo, a demanda de Aripuanã, por exemplo, é de 200.000 toneladas. Neste
momento, observe que as variáveis de decisão Yij representam os milhares de toneladas que devem ser
transportados para cada cliente. Ao multiplicar o valor transportado em milhares de toneladas por
1000, você encontra o total transportado em toneladas que, então, é multiplicado pelo custo unitário
de envio. Sendo assim, o modelo ficará:

202
 UNIDADE 7

 9, 2  y11  3, 3 y12  7, 5  y13  4, 8  y14  4, 5  y15  

 
 6, 6  y21  5,1 y22  2,1  y23  6, 2  y24  7, 4  y25  
Min( Z )   6  x1  5  x2  8  x3  7  x4  6  x5  106   2, 2  y31  7,1 y32  4, 2  y33  6, 7  y34  3, 9  y35   103
 
 5, 7  y41  1, 8 y42  8, 6  y43  4, 3  y44  2, 8  y45  
 7, 2  y  6, 8 y  3, 6  y  3, 2  y  5,1  y 
 51 52 53 54 55 

Sujeito a :

Demanda de Aripuanã: y11  y21  y31  y41  y51  200

Demanda de Poconé: y12  y22  y32  y42  y52  350
Demanda de Colider: y13  y23  y33  y43  y53  400
Demanda de Água Boa: y14  y24  y34  y44  y54  320
Demanda de Tangará da Serra: y15  y25  y35  y45  y55  500
Capacidade do CD1: y11  y12  y13  y14  y15  550  x1
Capacidade do CD2: y21  y22  y23  y24  y25  450  x2
Cappacidade do CD3: y31  y32  y33  y34  y35  650  x3
Capacidade do CD4: y41  y42  y43  y44  y45  600  x4
Capacidade do CD5: y51  y52  y53  y54  y55  700  x5
Total de CDs: x1  x2  x3  x4  x5  3

Números Inteiiros xi  Binários (i = 1a 5)

Números Inteiros yij   (i = 1a 5, j = 1 a 5)
Não negatividade: yij , xi  0 (i = 1a 5, j = 1 a 5)

Observe que as restrições de capacidade dos centros de distribuição estão atreladas à escolha ou não
daquele local para instalação do CD. Isso permite que o sistema seja resolvido respeitando a condição
de selecionar três locais e computar o atendimento da demanda com esses locais. Uma sugestão de
preenchimento da planilha para a solução do Exemplo 4 é apresentada nas Figuras 10 e 11.

203
UNICESUMAR

Figura 10 - Exemplo de preenchimento de planilha com custos do Exemplo 4 / Fonte: o autor.

Descrição da Imagem: na imagem, aparece uma tabela na planilha para solução do Exemplo 4. Na coluna B, estão
os títulos: “Rondonópolis” (linha 6), “Sinop” (linha 7), “Juína” (linha 8), “Cáceres” (linha 9), “São Félix do Araguaia” (linha
10) e “Demanda Total” (milhares de toneladas) (linha 11). Na linha 3, está escrito: “Custo logístico entre armazéns e
destinos” (R$/t). Na linha 4, a partir da coluna C, aparecem os títulos “Custo de construção (milhões de R$)” (coluna C),
“Capacidade (kt)” (coluna D), “Aripuanã” (coluna E), “Poconé” (coluna F), “Colider” (coluna G), “Água Boa” (coluna H) e
“Tangará da Serra” (coluna I). Dentro da tabela, aparecem os coeficientes das restrições do problema.

Figura 11 - Exemplo de preenchimento de planilha para as variáveis de decisão do Exemplo 4 / Fonte: o autor.

Descrição da Imagem: na imagem, há uma planilha com a montagem do problema do Exemplo 4. Na coluna B, apare-
cem os títulos “Opção da Localidade do Armazém” (linha 14), “Rondonópolis” (linha 16), “Sinop” (linha 17), “Juína” (linha
18), “Cáceres” (linha 19), “São Félix do Araguaia” (linha 20), “Envio” (linha 21) e “Demanda Total (milhar de toneladas)”
(linha 23). Na linha 14, partindo da coluna C, aparecem os nomes “Instalação” (coluna C), “Aripuanã” (coluna D), “Poconé”
(coluna E), “Colider” (coluna F), “Água Boa” (coluna G), “Tangará da Serra” (coluna H), “Envio” (coluna I) e “Capacidade”
(kt) (coluna K). Aparecem, também, os limites das restrições do problema, as células para cálculo do envio e as células
para receber os valores das variáveis de decisão de C16 a H20. Há, também, o custo total na célula C26.

Após inserir os dados no Solver e resolver o problema, teremos as soluções apresentadas na Figura 12.

204
 UNIDADE 7

Figura 12 - Solução para o Exemplo 4 / Fonte: o autor.

Descrição da Imagem: na imagem, há uma planilha com a montagem do problema do Exemplo 4. Na coluna B, apa-
recem os títulos “Opção da Localidade do Armazém” (linha 14), “Rondonópolis” (linha 16), “Sinop” (linha 17), “Juína”
(linha 18), “Cáceres” (linha 19), “São Félix do Araguaia” (linha 20), “Envio” (linha 21) e “Demanda Total (milhar de tone-
ladas)” (linha 23). Na linha 14, partindo da coluna C, aparecem os nomes “Instalação” (coluna C), “Aripuanã” (coluna
D), “Poconé” (coluna E), “Colider” (coluna F), “Água Boa” (coluna G), “Tangará da Serra” (coluna H), “Envio” (coluna I) e
“Capacidade” (kt) (coluna K). Aparecem, também, os limites das restrições do problema, as células para cálculo do
envio e as células para receber os valores das variáveis de decisão de C16 a H20. Nessas células, aparece 1 na coluna
de “Instalação” em C16, C19 e C20, indicando instalação em Rondonópolis, Cáceres e São Félix do Araguaia. Aparece
350 na célula E16, 20 na célula G16, 100 na célula H16, 200 em D19, 400 em H19, 400 em F20 e 300 em G20, levando
ao custo total de R$ 25.361.000,00.

Pela otimização, observe que os locais selecionados para instalar os centros de distribuição foram:
Rondonópolis, Cáceres e São Félix do Araguaia. De Rondonópolis serão enviadas 350.000 toneladas
para Poconé, 20.000 toneladas para Água Boa e 100.000 toneladas para Tangará da Serra. De Cáceres
serão enviadas 200.000 toneladas para Aripuanã e 400.000 toneladas para Tangará da Serra, de São
Félix do Araguaia serão enviadas 400.000 toneladas para Colider, e 300.000 toneladas para Água Boa.
Os custos totais serão de R$ 25.361.000,00.

Agora, ouça um podcast sobre a Batalha do Atlântico

Norte, que teve papel fundamental na mudança de
curso da Segunda Guerra Mundial.

205
UNICESUMAR

No Exemplo 5, você verá como avaliar um planejamento de produção considerando a possibilidade

de fabricar ou adquirir componentes de terceiros, buscando o menor custo possível.

05. EXEMPLO Uma empresa precisa de cinco componentes para fabricar determinado produto
e está analisando a possibilidade de começar a produzi-los em vez de comprá-los.
Para o processo de fabricação, a empresa precisará de seis máquinas em uma linha de
produção, e um estudo da Engenharia de Produto levantou os tempos consumidos
em cada máquina para uma unidade de componente fabricado bem como o custo de
produção que isso acarretaria. Na Tabela 8, são apresentados os tempos consumidos,
os custos de produção e de aquisição de cada unidade de componente.

Componente Uso de máquina (min./unid.) Custo (R$/unid.)

M1 M2 M3 M4 M5 M6 Produção Compra
1 1,8 2,5 2,1 3,2 1,9 2,2 1,85 2,32
2 2,5 3,3 1,9 3,0 1,5 2,7 2,10 2,54
3 2,9 1,5 2,0 1,9 2,7 2,2 3,12 4,10
4 1,4 2,5 1,8 2,3 1,6 2,0 2,52 3,15
5 1,8 2,1 2,0 1,6 1,9 2,1 2,15 2,66

Tabela 8 - Uso de máquina para a produção de componentes, custos de produção e compra / Fonte: o autor.

A disponibilidade de tempo das máquinas, mensalmente, é de 10.800 min. para a

Máquina 1, 9.500 min. para a Máquina 2, 10.000 à Máquina 3, 9.800 à Máquina 4,
9.300 para a Máquina 5 e 10.000 à Máquina 6. A demanda mensal é de 1.800 unidades
do Componente 1, 2.200 unidades para o Componente 2, 1.700 unidades ao Compo-
nente 3, 1.900 unidades ao Componente 4 e 2.600 unidades para o Componente 5.
Utilizando os dados apresentados pela empresa, analise dois cenários de otimi-
zação com vistas à redução do custo mensal. Apresente os custos de produção e de
compra em cada condição:
a) A empresa pode produzir ou comprar qualquer quantidade de produto, sendo possível
que ela fabrique uma quantidade de componente e adquira o restante. Dica: utilize
Programação Inteira.
b) A empresa só produzirá o componente se puder fabricar toda a demanda, caso con-
trário, toda a demanda será comprada. Dica: utilize Programação Inteira Binária.
c) Compare o custo mensal da empresa ao adquirir todos os componentes, o custo mensal do
item A e do item B. Discuta qual deles apresenta menor valor e se torna mais interessante.
Solução:
a) Neste problema, o objetivo principal é encontrar a quantidade de itens que devem ser
comprados ou fabricados pela empresa tendo, assim, o menor custo mensal. Se avaliarmos
a Tabela 8, verificamos que o custo de produção é menor do que o de aquisição, logo, se
todos os componentes pudessem ser fabricados, este seria o melhor caminho. No entanto

206
 UNIDADE 7

o processo não tem recursos suficientes para produzir toda a demanda, então, um modelo
de Programação Linear pode ajudar a encontrar a melhor quantidade a ser produzida e
fabricada. As variáveis de decisão, neste caso, serão divididas entre variáveis de fabricação
(xi) e variáveis de compra (yj). A função objetivo terá que contemplar os dois custos juntos:
o custo total de fabricação e o custo total de compra de componentes. Dentre as restrições,
podemos utilizar, para as variáveis de fabricação, o consumo de tempo nas máquinas e,
para as variáveis de compra e fabricação, juntas, as restrições de demanda, pois a demanda
deve ser atendida independentemente de ser por fabricação ou compra. Como se trata
de componentes físicos que não são divisíveis, precisamos definir as variáveis de decisão
como números inteiros, de maneira que o nosso modelo seja, então, um modelo de Pro-
gramação Inteira. O modelo será composto pelas seguintes equações:

Produção do Componente 1 = x1
Produção do Componente 2 = x 2
Produção do Componente 3 = x 3
Produção do Componente 4 = x 4
Produção do Componente 5 = x 5
Compra do Componente 1 = y1
Compra do Componente 2 = y 2
Compra do Componente 3 = y3
Compra do Componente 4 = y 4
Compra do Componente 5 = y5

Min( Z )  1, 85  x1  2, 10  x2  3, 12  x3  2, 52  x4  2, 15  x5    2, 32  y1  2, 54  y2  4, 10  y3  3, 15  y4  2, 66  y5 

Sujeito a :

Capacidade da Máquina M1: 1, 8  x1  2, 5  x2  2, 9  x3  1, 4  x4  1, 8  x5  10.800

Capacidade da Máquina M 2 :
Capacidade da Máquina M 3 :
Capacidade da Máquina M 4 :
Capacidade da Máquina M 5 :
Capacidade da Máquina M 6 :
Demanda do Componente 1 :
Demanda do Componente 2 :
Demanda do Componente 3 :
Demanda do Componente 4 :
Demanda do Componente 5 :
2, 5  x1  3, 3  x2  1, 5  x3  2, 5  x4  2, 1  x5  9.500
2, 1  x1  1, 9  x2  2, 0  x3  1, 8  x4  2, 0  x5  10.000
3, 2  x1  3, 0  x2  1, 9  x3  2, 3  x4  1, 6  x5  9.800
1, 9  x1  1, 5  x2  2, 7  x3  1, 6  x4  1, 9  x5  9.300
2, 2  x1  2, 7  x2  2, 2  x3  2, 0  x4  2, 1  x5  10.000
x1  y1  1.800
x2  y2  2.200
x3  y3  1.700
x4  y4  1.900
x5  y5  2.600

Números Inteiros xi e y j   (i  1 a 5, j  1 a 5)
Não negatividade : xi , y j ,  0 (i  1 a 5, j  1 a 5)

207
UNICESUMAR

esse modelo pode ser implementado no Excel® para que possamos resolvê-lo no Solver. Na Figura 13,
você verá uma sugestão de preenchimento da planilha com os dados do problema, então, observe que
a linha 4 representa o conjunto de células que recebem os valores das variáveis de decisão de produ-
ção (xi) e a linha 5 representa o conjunto de células que recebem os valores das variáveis de decisão
de compra (yj). Na célula H6, foi implementado o custo de produção, o qual depende das variáveis de
decisão de produção e os custos de produção. Na célula I6 está o custo de compra, que, por sua vez,
depende das variáveis de decisão de compra e dos custos de compra. Na célula I7, é feita a soma entre
os dois custos anteriores, a qual será a função objetivo do problema. As restrições de uso de máquina
são escritas dependendo, apenas, das variáveis de decisão de produção (linha 4), já as restrições de
demanda são escritas em função das duas variáveis de decisão, produção (linha 4) e compra (linha 5).

Figura 13 - Exemplo de preenchimento de planilha do Exemplo 5, item A / Fonte: o autor.

Descrição da Imagem: na imagem, está a planilha estruturada com o problema do Exemplo 5, item A. Na coluna A,
estão os títulos “Variáveis de decisão” (linha 3), “Produção” (linha 4), “Compra” (linha 5), “Custo de produção (R$/unid)”
(linha 6), “Custo de compra (R$/unid)” (linha 7), “Restrições” (linha 9), “Máquina M1 (min)” (linha 10), “Máquina M2 (min)”
(linha 11), “Máquina M3 (min)” (linha 12), “Máquina M4 (min)” (linha 13), “Máquina M5 (min)” (linha 14), “Máquina M6
(min)” (linha 15), “Demanda 1” (linha 16), “Demanda 2” (linha 17), “Demanda 3” (linha 18), “Demanda 4” (linha 19) e
“Demanda 5” (linha 20). Na linha 2, na coluna C, está escrito “Componente”, na linha 3, a partir da coluna C, aparecem
os nomes das variáveis de decisão: “1”, “2”, “3”, “4” e “5”. Na linha 4 das colunas C a G, estão as células em branco para
as variáveis de produção, e, na linha 5, das colunas C a G, estão as células em branco para as variáveis de compra.
Abaixo dessa célula, na linha 6, estão presentes os custos de produção, e, na linha 7, os custos de compra. Na célula
H6, está apresentado o custo de produção, na célula I6, o custo de compra, e, na célula I7, o custo total. Da célula C10
até a célula G20, estão os coeficientes das restrições do problema, da célula H10 até H20, estão as células dos cálculos
dos recursos, da célula I10 a I20, estão os sinais das restrições, e, da célula J10 a J20, estão os limites das restrições.

208
 UNIDADE 7

Ao acrescentar os dados no Solver, como mostra a Figura 14, e resolvê-lo, você encontrará os resultados
apresentados na Figura 15.

Figura 14 - Preenchimento do Solver do Exemplo 5, item A / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a janela do Solver preenchida para o Exemplo 5 do item A. Nela, aparece
o campo “Definir Objetivo” com a célula I7. Está selecionada a opção “Min”, no campo “Alternando Células Variáveis”
estão as células C4:G5. Em “Sujeito às Restrições” estão as células C4:G5 = números inteiros, H10:H15 <= J10:J15 e
H16:H20 = J16:J20. A opção “Tornar Variáveis Irrestritas Não Negativas” está selecionada bem como o “Método de
Solução” de LP Simplex.

209
UNICESUMAR

Figura 15 - Planilha do Exemplo 5, item A, após a execução do Solver / Fonte: o autor.

Descrição da Imagem: na imagem, está a planilha estruturada com o problema do Exemplo 5, item A. Na coluna A,
estão os títulos “Variáveis de decisão” (linha 3), “Produção” (linha 4), “Compra” (linha 5), “Custo de produção (R$/unid)”
(linha 6), “Custo de compra (R$/unid)” (linha 7), “Restrições” (linha 9), “Máquina M1 (min)” (linha 10), “Máquina M2 (min)”
(linha 11), “Máquina M3 (min)” (linha 12), “Máquina M4 (min)” (linha 13), “Máquina M5 (min)” (linha 14), “Máquina M6
(min)” (linha 15), “Demanda 1” (linha 16), “Demanda 2” (linha 17), “Demanda 3” (linha 18), “Demanda 4” (linha 19) e
“Demanda 5” (linha 20). Na linha 2, na coluna C, está escrito “Componente”, na linha 3, a partir da coluna C, aparecem
os nomes das variáveis de decisão: “1”, “2”, “3”, “4” e “5”. Na linha 4 das colunas C a G, estão as células para as variáveis
de produção apresentando zero para o Componente 1, 214 para o Componente 2, 1.700 para o Componente 3, 1.900
para o Componente 4 e 710 para o Componente 5. Na linha 5, das colunas C a G, estão as células para as variáveis de
compra com os valores 1.800 para o Componente 1, 1.986 para o Componente 2, zero para o Componente 3, zero para
o Componente 4 e 1.890 para o Componente 5. Abaixo dessa célula, na linha 6, estão presentes os custos de produção,
e, na linha 7, os custos de compra. Na célula H6, está apresentado o custo de produção de R$ 12.067,90, na célula I6,
o custo de compra de R$ 14.247,84, e, na célula I7, o custo total de R$ 26.315,74. Da célula C10 até a célula G20, estão
os coeficientes das restrições do problema, da célula H10 até H20, estão as células dos cálculos dos recursos, da célula
I10 a I20, estão os sinais das restrições e da célula J10 a J20, estão os limites das restrições.

Observando a Figura 15, verificamos que o menor custo será conseguido com a produção de 214
unidades do Componente 2, 1.700 unidades do Componente 3, 1.900 unidades do Componente 4 e
710 unidades do Componente 5, gerando um custo de produção mensal de R$ 12.067,90. Também
se prevê a compra de 1.800 unidades do Componente 1, 1.986 unidades do Componente 2 e 1.890
unidades do Componente 5, gerando um custo de compra de R$ 14.247,84. O custo total mensal desta
dinâmica é de R$ 26.315,74. A limitação de produção ocorre na quantidade de tempo consumida na
máquina M5, onde os 9.300 min. serão consumidos.
b) Nesta dinâmica de planejamento, como a empresa só produzirá se conseguir atender a toda a
demanda do produto no processo de fabricação, podemos considerar como variáveis de decisão
a possibilidade de produzir (1) ou não (0) e comprar (1) ou não (0) toda a demanda. Dessa
forma, o modelo de Programação Inteira Binária pode ser expresso por:

210
 UNIDADE 7

Decisão de Produção do Componente 1 = x1

Decisão de Produção do Componente 2 = x 2
Decisão de Produção do Componente 3 = x 3
Decisão de Produção do Componente 4 = x 4
Decisão de Produção do Componente 5 = x 5
Decisão de Compra do Componente 1 = y1
Decisão de Compra do Componente 2 = y 2
Decisão de Compra do Componente 3 = y3
Decisão de Compra do Componente 4 = y 4
Decisão de Compra do Componente 5 = y5

Min( Z )  1, 85 1.800  x1  2, 10  2.200  x2  3, 12  1.700  x3  2, 52  1.900  x4  2, 15  2.600  x5  

  2, 32  1.800  y1  2, 54  2.200  y2  4, 10  1.7700  y3  3, 15  1.900  y4  2, 66  2.600  y5 

Sujeito a :

Capacidade daa Máq M1:
Capacidade da Máq M 2 :
Capacidade da Máq M 3 :
Capacidade da Máq M 4 :
Capacidade da Máq M 5 :
Capacidade da Máq M 6 :
Demanda do Comp 1:
Demanda do Comp 2 :
Demanda do Comp 3 :
Demanda do Comp 4 :
Demanda do Comp 5 :
1, 8 1.800  x1  2, 5  2.200  x2  2, 9 1.700  x3  1, 4 1.900  x4  1, 8  2.600  x5  10.800
2, 5  1.800  x1  3, 3  2.200  x2  1, 5  1.700  x3  2, 5  1.900  x4  2,1  2.600  x5  9.500
2, 1 1.800  x1  1, 9  2.200  x2  2, 0 1.700  x3  1, 8  1.900  x4  2, 0  2.600  x5  10.000
3,22 1.800  x1  3, 0  2.200  x2  1, 9 1.700  x3  2, 3 1.900  x4  1, 6  2.600  x5  9.800
1, 9  1.800  x1  1, 5  2.200  x2  2, 7  1.700  x3  1, 6  1.900  x4  1, 9  2.600  x5  9.300
2, 2  x1  2, 7  x2  2, 2  x3  2, 0  x4  2, 1  x5  10.000
1.800  x1  1.800  y1  1.800
2.200  x2  2.200  y2  2.200
1.700  x3  1.700  y3  1.700
1.900  x4  1.900  y4  1.900
2.600  x5  2.600  y5  2.600

Números Inteiros xi e y j  Binários (i = 1a 5, j = 1 a 5 )

Não negatividade : xi , y j ,  0 (i = 1a 5, j = 1 a 5)

observe que, nessa dinâmica, consideramos a demanda mensal de produtos como um valor constante
que aparece em todas as equações, pois a decisão que será tomada é produzir ou não e comprar ou não
valores que serão apresentados pelas variáveis de decisão binárias criadas. Na Figura 16, você encontra
uma sugestão de preenchimento da planilha para a solução desse problema.

211
UNICESUMAR

Figura 16 - Exemplo de preenchimento de planilha do Exemplo 5, item B / Fonte: o autor.

Descrição da Imagem: na imagem, aparece uma planilha para a solução do Exemplo 5, item B. Na coluna A, estão os
títulos “Variáveis de decisão” (linha 3), “Quantidade (unid)” (linha 4), “Marcador Produção” (linha 5), “Produção” (linha 6),
“Marcador Compra” (linha 7), “Compra” (linha 8), “Custo de produção (R$/unid)” (linha 9), “Custo de compra (R$/unid)”
(linha 10), “Restrições” (linha 12), “Máquina M1 (min)” (linha 13), “Máquina M2 (min)” (linha 14), “Máquina M3 (min)” (linha
15), “Máquina M4 (min)” (linha 16), “Máquina M5 (min)” (linha 17), “Máquina M6 (min)” (linha 18), “Demanda 1” (linha 19),
“Demanda 2” (linha 20), “Demanda 3” (linha 21), “Demanda 4” (linha 22) e “Demanda 5” (linha 23). Na linha 2, coluna C,
está escrito: “Componente”, na linha 3, a partir da coluna C, aparecem os nomes das variáveis de decisão “1”, “2”, “3”,
“4” e “5”. Na linha 4, aparecem as demandas de cada componente, na linha 5 das colunas C a G, estão as células em
branco para as variáveis de produção que receberão zero ou 1, na linha 6, estão as células que representam o produto
das células da linha 4 com a linha 5, ou seja, a produção, de fato. Na linha 7, das colunas C a G, estão as células em
branco para as variáveis de compra que receberão zero ou 1, e, na linha 8, estão as células que representam o produto
das células da linha 4 com a linha 7, ou seja, a quantidade comprada. Abaixo dessa célula, na linha 9, estão presentes
os custos de produção, e, na linha 10, os custos de compra. Na célula H9, está apresentado o custo de produção, na
célula I9, o custo de compra, e, na célula I10, o custo total. Da célula C13 até a célula G23, estão os coeficientes das
restrições do problema, da célula H13 até a H23, estão as células dos cálculos dos recursos, da célula I13 a I23, estão
os sinais das restrições, e, da célula J13 a J23, estão os limites das restrições.

Na planilha estruturada da Figura 16, você observa que foram criadas duas linhas onde se leem “Marca-
dor Produção” e “Marcador Compra”, que, na verdade, representam as células binárias onde aparecerão
os números zero ou 1. Abaixo dessas células, estão as quantidades que serão produzidas ou compradas
e são o resultado do produto entre a demanda e o marcador. Pensando em nossas variáveis, a célula
C6 representa o produto 1.800x1 e a célula C8 representa o produto 1.800y1. Essa foi uma maneira
de expressar, em separado, a quantidade produzida e comprada, além de facilitar a escrita da função
objetivo e das células calculadas das restrições do problema. Na Figura 17, você pode ver como a janela
do Solver pode ser preenchida.

212
 UNIDADE 7

Figura 17 - Preenchimento do Solver do Exemplo 5, item B / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a janela do Solver preenchida para o Exemplo 5, item B. Nela, aparece o
campo “Definir Objetivo” com a célula I10 e está selecionada a opção “Min”. No campo “Alternando Células Variáveis”,
estão as células C5:G5 e C7:G7. Em “Sujeito às Restrições”, estão as células C5:G5 = binário, C7:G7 = binário, H13:H18
<= J13:J18 e H19:H23 = J19:J23. A opção “Tornar Variáveis Irrestritas Não Negativas” está selecionada bem como o
“Método de Solução” de LP Simplex.

Depois de implementar, no Solver, a planilha do Exemplo 5, item B, e resolvê-la, obtemos, como solução,
a planilha apresentada na Figura 18.

213
UNICESUMAR

Figura 18 - Planilha do Exemplo 5, item B, após a execução do Solver / Fonte: o autor.

Descrição da Imagem: na imagem, aparece uma planilha para a solução do Exemplo 5, item B. Na coluna A, estão os
títulos “Variáveis de decisão” (linha 3), “Quantidade (unid)” (linha 4), “Marcador Produção” (linha 5), “Produção” (linha 6),
“Marcador Compra” (linha 7), “Compra” (linha 8), “Custo de produção (R$/unid)” (linha 9), “Custo de compra (R$/unid)”
(linha 10), “Restrições” (linha 12), “Máquina M1 (min)” (linha 13), “Máquina M2 (min)” (linha 14), “Máquina M3 (min)”
(linha 15), “Máquina M4 (min)” (linha 16), “Máquina M5 (min)” (linha 17), “Máquina M6 (min)” (linha 18), “Demanda 1”
(linha 19), “Demanda 2” (linha 20), “Demanda 3” (linha 21), “Demanda 4” (linha 22) e “Demanda 5” (linha 23). Na linha
2, coluna C, está escrito: “Componente”, na linha 3, a partir da coluna C, aparecem os nomes das variáveis de decisão
“1”, “2”, “3”, “4” e “5”. Na linha 4, aparecem as demandas de cada componente, na linha 5, das colunas C a G, estão as
células para as variáveis de produção onde aparece 1 abaixo dos Componentes 3 e 4, na linha 6, estão as células que
representam o produto das células da linha 4 com a linha 5, ou seja, a produção que será de 1.700 unidades para o
Componente 3 e 1.900 unidades para o Componente 4. Na linha 7, das colunas C a G, estão as células para as variáveis
de compra onde aparece 1 abaixo dos Componentes 1, 2 e 5, e, na linha 8, estão as células que representam o produ-
to das células da linha 4 com a linha 7, ou seja, a quantidade comprada de 1.800 unidades do Componente 1, 2.200
unidades do Componente 2 e 2.600 unidades do Componente 5. Abaixo dessa célula, na linha 9, estão presentes os
custos de produção, e, na linha 10, os custos de compra. Na célula H9, está apresentado o custo de produção de R$
10.092,00, na célula I9, o custo de compra de R$ 16.680,00, e, na célula I10, o custo total de R$ 26.772,00. Da célula C13
até a célula G23, estão os coeficientes das restrições do problema, da célula H13 até H23, estão as células dos cálculos
dos recursos, da célula I13 a I23, estão os sinais das restrições, e, da célula J13 a J23 estão os limites das restrições.

Observando a planilha da solução do problema, apresentada na Figura 18, observamos que a quantidade
fabricada pela empresa será de 1.700 unidades do Componente 3 e 1.900 unidades do Componente
4, levando ao custo mensal de fabricação de R$ 10.092,00. Os demais componentes serão comprados,
teremos 1.800 unidades do Componente 1, 2.200 unidades do Componente 2 e 2.600 unidades do
Componente 3 ao custo mensal de compra de R$ 16.680,00. O custo total mensal, nesta dinâmica,
será de R$ 26.772,00. Haverá sobra de recursos, ou seja, sobra de tempo operacional nas máquinas,
podendo ser utilizada a outras finalidades.

214
 UNIDADE 7

c) Na situação atual, a empresa adquire toda a demanda de seus fornecedores, logo, o seu custo
total mensal é de:
Custo total mensal  2, 32  1800
.  2, 54  2.200  4, 10  1700
.  3, 15 19
. 00  2, 66  2.600
Custo total mensal  R$29.635, 00

Assim, teremos, em sequência, o custo mais alto na situação atual de R$ 29.635,00, o segundo maior
custo na situação apresentada no item B, ou seja, produção condicionada a atender toda a demanda
necessária do componente com um custo de R$ 26.772,00 e o menor custo na situação apresentada
no item A com uma produção flexível que permita aproveitar o máximo possível do processo com um
custo de R$ 26.315,74. Em ambas as situações em que a empresa pretende produzir parte dos compo-
nentes, haverá economia: serão R$ 2.863,00 a menos no item B e R$ 3.319,26 no item A.
Economicamente falando, a situação apresentada no item A é a que gera menor custo mensal, no
entanto deve-se atentar àquilo que a empresa está buscando, se ela entende que todos os componen-
tes devem vir de um mesmo lote de fabricação, afinal, misturar componentes de dois processos pode
não ser interessante para o controle de qualidade do produto final. Obviamente, a empresa deve estar
atenta à qualidade do produto adquirido do fornecedor, mas esta se torna uma situação que deve ser
analisada in loco, pela similaridade dos componentes fabricados e comprados.
Espero que, com esses problemas, você tenha entendido melhor o funcionamento deles com a
Programação Linear Inteira, binária ou não, além de poder entrar em contato com diferentes maneiras
de utilizar a Programação Linear.
A Programação Linear Inteira se mostra muito útil para resolver problemas que exigem variáveis
discretas, ou seja, números inteiros e pontuais. Como não são gerados relatórios de sensibilidade e
limites, a análise de sensibilidade pode ser feita alterando os coeficientes que são de interesse. É possí-
vel, também, mesclar os tipos de variáveis que você precisa encontrar, permitindo que algumas sejam
contínuas (possam assumir valores decimais) e exigindo que outras sejam inteiras, configurando,
assim, um problema de Programação Linear Mista. Mesmo nesta condição, o Excel® não liberará os
relatórios de sensibilidade e limites, pois, apenas, uma variável inteira já limita as possibilidades de
análise direta do software.
Todas as unidades já vistas em nosso curso se basearam na Programação Linear em suas mais
diversas formas, sendo possível entender que há vasta aplicação para esta técnica. Pode-se dizer que,
praticamente, todas as técnicas utilizadas, até o momento, partem do mesmo princípio: entender o
problema que se deseja resolver, modelá-lo para dispor de um conjunto de equações lineares, tendo
clareza de qual deve ser a função objetivo e de quais são as restrições, realmente, relevantes para que
o problema seja entendível e resolvido dentro das hipóteses adotadas. Após a definição do modelo, a
implementação no Solver é consequência das restrições escritas, e a solução é imediata, caso não haja
nenhuma inconsistência nas restrições utilizadas. Em posse deste conhecimento, você terá plenas
condições de atuar em sua vida profissional com diferencial dentro de qualquer área.

215
 Agora, complete o Mapa Mental disponibilizado, a seguir, o qual aborda a Programação Inteira
Binária. Observe que grande parte da sequência de atividades para resolver um problema de
Programação Linear Inteira é semelhante a de um problema de Programação Linear comum.

Descrição da Imagem: na imagem, há um retângulo no centro, onde se lê: “Programação Inteira Binária” e, des-
se retângulo, saem outros 7 retângulos, no primeiro, está escrito: “Preencher a planilha com as informações do
problema”, no segundo: “Selecionar a célula da função objetivo dentro do Solver”, no quarto retângulo: “Inserir as
células das variáveis de decisão no Solver”, e, no quinto retângulo, está escrito: “Inserir as restrições do problema no
Solver. Incluir números inteiros ou binários”. Os demais retângulos estão em branco para preenchimento do aluno.
MAPA MENTAL

216
1. Retorne ao Exemplo 4, mas, considere, agora, que a cooperativa ampliou a quantidade
de recursos disponíveis para a instalação de mais um centro de distribuição, totalizando
quatro centros instalados. O objetivo da empresa continua sendo instalar os CDs com
o menor custo possível. Resolva, novamente, o problema apresentado no Exemplo 4 e
avalie os resultados encontrados, por exemplo, quais locais foram selecionados para
instalar os CDs, a quantidade movimentada entre as rotas, a capacidade ociosa dos
CDs e o potencial de ampliação das vendas/comercialização com a presença de quatro
centros em vez de três.

2. Um operador logístico de porto marítimo precisa descarregar quatro navios, dispondo

de seis docas para a execução da atividade. Cada doca tem um tempo de descarrega-
mento por navio devido ao tipo de carga e à capacidade dos próprios terminais. Na
Tabela 1, são apresentados os tempos consumidos em cada doca.

Doca/navio Navio 1 Navio 2 Navio 3 Navio 4

Doca 1 10 15 28 18
Doca 2 13 10 19 13
Doca 3 21 18 15 21
Doca 4 15 8 22 15
Doca 5 18 14 20 13
Doca 6 12 11 25 14
Tabela 1 - Tempo consumido no descarregamento (h) de cada navio por doca disponível / Fonte: o autor.

AGORA É COM VOCÊ

Elabore um modelo de Programação Linear Inteira Binária para determinar onde cada
navio deve aportar para executar o descarregamento, visando a consumir o menor
tempo total possível à atividade.

3. Partindo do problema proposto na Questão 2, admita, agora, que as colunas da Tabela

1 representam não mais um navio, e sim, um tipo de navio com determinada capaci-
dade e carga, ou seja, no lugar do Navio 1, você terá Navio do tipo 1, no lugar do Navio
2, terá Navio do tipo 2, e assim por diante. Os tempos presentes na Tabela 1 indicam
a quantidade de horas necessárias para executar o descarregamento de cada tipo de
navio, no entanto a empresa tem que atender ao descarregamento de 15 navios do
tipo 1, 25 navios do tipo 2, 19 navios do tipo 3 e 22 navios do tipo 4. O tempo dispo-
nível para executar esse descarregamento é de 168h por doca. Elabore um modelo
de Programação Linear Inteira para determinar quantos navios de cada tipo serão
descarregados em cada doca, no tempo mínimo.

217
 MEU ESPAÇO

218
8
Teoria dos
Jogos – Princípios
Dr. Fernando Pereira Calderaro

Na oitava unidade do livro de Pesquisa Operacional, o assunto é

Teoria dos Jogos (intuitivamente, o nome é bem sugestivo). Desde
o início, a Pesquisa Operacional foi definida como um conjunto de
técnicas que auxiliam o(a) profissional a tomar decisões, a encontrar
o melhor caminho, aquele que deve ser seguido para obter o maior
resultado, assim, nesta unidade, teremos uma nova ferramenta em
mãos. Você já aprendeu como a Programação Linear e as suas va-
riantes — a Programação Inteira e a Programação Binária — podem
representar, matematicamente, problemas de mix de produção,
logística e alocação de recursos, entre outros. Nesta unidade, com
a Teoria dos Jogos, você verá uma abordagem nova para a análise
de interações entre empresas.
UNICESUMAR

Você já deve estar pensando nos jogos esportivos, games os quais

viu ou teve contato; de fato, a ideia é muito semelhante. Lembre-se
de seu esporte favorito e mentalize tudo o que ocorre em uma par-
tida. Já imaginou utilizar a mesma ideia de um jogo no mundo dos
negócios? Como a atitude de uma empresa frente ao lançamento
de um produto novo no mercado está relacionada à troca de pneus
em uma corrida de Fórmula 1?
Associar a dinâmica da troca de pneus em uma corrida de Fór-
mula 1 à escolha de uma empresa em lançar, ou não, um produto
novo em um mercado em que ela não participa é o que espero fazer
você entender nas próximas páginas. No entanto você já deve ter
em mente que as corridas de Fórmula 1 são compostas por diversas
voltas, e cabe à equipe decidir se coloca pneus duros ou macios e
quando deve ser o melhor momento para efetuar a troca. Isso se
trata de uma escolha que não deve ser aleatória, mas pensada, pla-
nejada e, muitas vezes, é uma estratégia alterada no meio da corrida,
devido à posição do carro da equipe e dos adversários. As equipes
observam o clima, se a chuva está chegando, assim, podem optar
por aguardar mais algumas voltas e colocar um pneu para pista
molhada, por exemplo. Veja que são diversas opções e cada uma terá
uma consequência, podendo levar a um resultado bom ou ruim, em
alguns momentos, pode-se ganhar posições ou perdê-las. De modo
geral, perceba que cada caminho decidido por uma equipe pode
ter resultados diferentes, principalmente, por ela estar inserida em
um ambiente onde há mais equipes com o mesmo objetivo: tirar
vantagem de suas estratégias, alcançar o pódio e marcar pontos.
No mundo dos negócios, não é diferente. Imagine um grupo
de empresas que possuem produtos similares concorrendo pela
atenção e preferência do consumidor. Cada uma tem, também,
opções de ações (estratégias) que podem ser adotadas para tentar
levar vantagem sobre os concorrentes. Promoções, inovações em
tecnologia, associar serviços aos produtos, personalização, enfim,
várias alternativas podem ser escolhidas por uma empresa para
tentar rivalizar com vantagem, mas os seus concorrentes também
podem fazer o mesmo: promover mudanças que levem o cliente a
ter preferência por seus produtos. Se traçarmos um paralelo com
a Fórmula 1, as empresas podem, igualmente, analisar o clima do
mercado consumidor, identificando riscos ou oportunidades de
acordo com o mercado financeiro, as variações da economia, as

220
 UNIDADE 8

variações climáticas e outros fatores mais amplos que afetem a todos, de maneira equânime.
Sendo assim, escolha um esporte que você goste, qualquer um. Assista a uma partida ou relembre
de uma partida qualquer, deixe de lado o seu componente emocional de torcedor, avalie tudo de longe,
como um(a) observador(a), de maneira objetiva. Se necessário, pesquise sobre o esporte para relembrar
algumas regras principais. Procure identificar, nessa partida, quais são os concorrentes, se são equi-
pes ou seres individuais, quais são os prêmios pela vitória, quais estratégias foram adotadas ao longo
da partida e o que você considera que as estratégias escolhidas, de ambas as partes, poderiam ter de
benefício para cada jogador. Avalie as consequências dessas escolhas e faça breves anotações sobre a
partida. Estas observações são importantes para que você possa entender que a dinâmica de interação
de jogos depende de alguns fatores bem como da análise do comportamento dos concorrentes.
Procure associar o comportamento dos jogadores com o resultado obtido no final do jogo e escreva
se você entende que as escolhas foram bem-feitas, ou, ao menos, qual foi o competidor mais benefi-
ciado com as ações escolhidas. Entende que a(s) estratégia(s) escolhida(s) pelos jogadores poderiam
ajudá-los a atingir o objetivo do jogo? De alguma maneira, você acredita que o comportamento de um
dos jogadores tenha afetado o seu componente?
Utilize o seu Diário de Bordo para anotar como as estratégias selecionadas pelos jogadores do es-
porte que você escolheu afetaram o resultado, em seguida, anote as suas impressões sobre as perguntas,
anteriormente, feitas.

DIÁRIO DE BORDO

221
UNICESUMAR

Chegou o momento de você começar a associar o que foi dito no início de nossa unidade, relacio-
nando-as. Sendo assim, introduziremos, agora, a Teoria dos Jogos. Vamos lá?
A Teoria dos Jogos se desenvolveu, basicamente, durante a Segunda Guerra Mundial, assim como
a própria Pesquisa Operacional, sendo um ramo da Matemática Aplicada para auxiliar processos
de tomada de decisão (FIANI, 2015). O seu estudo sistemático iniciou-se em 1944, com John Von
Neumann e Oskar Mogenstern publicando A Teoria dos Jogos e o Comportamento Econômico,
ampliando o campo de aplicação da teoria em Economia. Já em 1950, John Forbes Nash Junior
publicou quatro artigos importantes, dando origem ao chamado Equilíbrio de Nash, e em 1994, o
prêmio Nobel de Economia foi concedido a John Nash, John Harsanyi e Reinhard Selten por suas
contribuições à Teoria dos Jogos (HILLIER; LIEBERMAN, 2013).
Basicamente, uma disputa ou competição entre duas pessoas, empresas ou países pode configurar
um jogo. Se há dois agentes (jogadores) que lutam para alcançar o melhor objetivo, individualmente,
você pode analisar essa disputa utilizando a Teoria dos Jogos.
Fiani (2015) apresenta um exemplo clássico para ilustrar a teoria. Trata-se da Batalha do Mar de
Bismarck, em 1942, durante a Segunda Guerra Mundial. Nessa batalha, o exército japonês queria fazer
uma manobra de reposicionamento de tropas, movendo parte do seu efetivo para Papua-Nova Guiné,
porém o trajeto marítimo envolvia muitos riscos, pois os aviões dos Aliados patrulhavam, constante-
mente, a região, podendo realizar bombardeios sobre as tropas em movimento. Seriam três dias pelo
mar que o exército japonês teria para navegar até chegar ao seu destino.
Havia dois caminhos a serem seguidos: a rota norte e a rota sul. A diferença entre ambas era a
previsão de mau tempo para a rota Norte, o que diminuiria a visibilidade dos aviões Aliados, e o bom
tempo da rota sul, o qual facilitaria os bombardeios.
O exército Aliado só conseguia patrulhar uma rota por vez, o seu serviço de inteligência apontava
que o Japão faria a movimentação de tropas, mas não sabiam por qual rota. Havia quatro possibilida-
des: se o exército japonês escolhesse a rota sul, os aliados poderiam enviar a primeira patrulha para
as rotas norte ou sul, se a patrulha fosse para o sul e encontrasse a frota japonesa no primeiro dia, os
Aliados teriam três dias de ataque. Se a patrulha fosse, primeiro, à rota norte, não encontraria nada,
no dia seguinte, iria à rota sul e encontraria a frota japonesa, permitindo dois dias de ataque. Se os
japoneses fossem pela rota norte (de menor visibilidade), as patrulhas dos Aliados também poderiam
iniciar as suas buscas pelas rotas norte ou sul, caso fossem ao sul, não encontrariam a frota japonesa,
perderiam um dia. No dia seguinte, iriam para a rota norte e encontrariam os japoneses, mas, como
a visibilidade era, provavelmente, ruim, os bombardeios poderiam ser executados em, apenas, um
dia. Se as patrulhas partissem, diretamente, ao norte, encontrariam o exército japonês no primeiro
dia, e os bombardeios teriam dois dias de ataque devido à visibilidade ruim.
A combinação destas possibilidades pode ser representada em uma tabela, como mostrado na Tabela 1:
a escolha dos dois exércitos foi a rota norte, para os japoneses, seria a possibilidade que permitiria a menor
quantidade de dias de bombardeio (um ou dois). Em relação aos Aliados, seria uma alternativa que permitiria
dois dias de bombardeio, independentemente da escolha dos japoneses. Historicamente, o exército japonês
teve muitas baixas, de maneira que poucos soldados chegaram ao destino planejado.

222
 UNIDADE 8

Comboio japonês
Forças Aliadas
Rota Sul Rota Norte

Busca rota sul no primeiro dia Três dias de bombardeio. Um dia de bombardeio.

Busca rota norte no primeiro dia Dois dias de bombardeio. Dois dias de bombardeio.

Tabela 1 - Opções dos exércitos na Batalha do Mar de Bismarck / Fonte: adaptada de Fiani (2015).

Cada exército não sabia qual seria a escolha de seu oponente, mas precisava tomar uma decisão e
ambos precisaram se basear nas melhores possibilidades para cada um. Esta é a essência da Teoria
dos Jogos: quando se está competindo, seja na área militar, seja na empresarial ou esportiva e necessita
tomar uma decisão, sem saber, ao certo, qual será a escolha do seu adversário, deve-se levantar todas
as possíveis recompensas que cada jogador terá (você e o seu adversário), de acordo com as decisões
escolhidas, para, então, tomar a decisão final. A Tabela 1 é uma forma utilizada para representar um
jogo, a qual será visto, com mais detalhes, nas próximas seções.
A mais expressiva vantagem de estudar essa teoria é que você desenvolve uma capacidade de
raciocínio estratégico quando explora as possibilidades de interação dos agentes envolvidos no jogo
(FIANI, 2015). Assim como a Programação Linear, a Teoria dos Jogos precisa de um modelo de
tomada de decisão, a diferença é que, na primeira, esse modelo era representado por equações
matemáticas e, na segunda, os modelos serão representados por tabelas ou diagramas que permi-
tem visualizar a sequência das escolhas e as suas consequências para cada jogador. Então, faremos
a definição mais formal sobre a Teoria dos Jogos e apresentaremos alguns elementos essenciais.

223
UNICESUMAR

A princípio, você precisa entender os principais tipos de jogo e as partes que o compõem. Tenho certeza
de que, a partir deste ponto do nosso livro, entenderá que a análise realizada, no início da unidade, em
uma partida que você escolheu, tem muitas semelhanças com as características dos jogos que serão
apresentadas.
Quando existirem dois ou mais agentes inteligentes que competem, entre si, para obter o máximo
de ganho, de maneira que as suas decisões devam ser tomadas em um ambiente de incertezas, temos
um problema de jogos, o qual poderá ser resolvido pela teoria da qual estamos falando. Segundo An-
drade (2015), algumas situações como: lançamento de campanhas publicitárias, campanhas políticas,
lançamentos de novos produtos e estratégias militares são exemplos de problemas de jogos. Inclusive,
algumas definições importantes são apresentadas por Andrade (2015). São elas:
• Cada oponente é chamado de jogador.
• As estratégias são definidas como as possibilidades de decisão que existem para cada jogador,
sendo elas finitas ou infinitas.
• As estratégias resultam em prêmios para os jogadores.
• As interações estratégicas, ou, jogos, podem ser simultâneos, ocorrendo quando os joga-
dores tomam decisões sem saber o que o outro jogador escolherá, ou, sequenciais, quando
o jogador toma a decisão depois da escolha de seu oponente.
• Quando, em um jogo, o ganho de um jogador resulta, automaticamente, na perda do outro
jogador, dizemos que estamos em um jogo de soma zero.
• Os ganhos possíveis ou os prêmios que cada jogador pode receber, dependendo da estra-
tégia escolhida, podem ser resumidos em uma matriz de resultados que ajuda a entender
a dinâmica do jogo, de maneira que as linhas representam o ganho do jogador em foco, e
as colunas, o ganho de seus oponentes.

Outras características encontradas na Teoria dos Jogos são relevantes, como as interações, a
racionalidade e o comportamento estratégico. Essas características são apresentadas por Fiani
(2015) e mostradas, a seguir:
• Um jogo é um modelo formal: a Teoria dos Jogos envolve técnicas de análise e descrição,
existem regras preestabelecidas para representar e estudar um jogo.
• Interações: cada jogador, ao tomar uma decisão, afeta os demais.
• Agentes: representa um indivíduo ou um grupo de indivíduos que apresentam a capacidade
de tomar decisões e afetar os demais. Geralmente, chamamos os agentes de jogadores.
• Racionalidade: ao assumir que os agentes são racionais, supõe-se que todos empregam os
meios mais adequados para atingir os seus objetivos individuais.
• Comportamento estratégico: este comportamento ocorre quando um jogador tem ciência
de que, ao tomar a própria decisão, esta influenciará os demais jogadores. Da mesma forma,
sabe que as decisões tomadas por seus competidores trarão consequência sobre ele.

224
 UNIDADE 8

Os jogos que podem ser representados pela Teoria dos Jogos são divididos em alguns tipos.
Fudenberg e Tirole (1991) apresentam estas subdivisões:
• Jogo estático de informação completa: neste tipo de jogo, um jogador conhece todas as
opções que os seus oponentes podem tomar, mas não sabe, com certeza, qual delas o seu
adversário escolherá. Todas as estratégias são escolhidas, simultaneamente, por este motivo,
cada jogador toma a sua decisão ignorando as decisões dos demais.
• Jogo dinâmico de informação completa e perfeita: os jogadores executam as suas ações
de maneira não simultânea, o próximo jogador sabe qual foi a escolha de seu antecessor.
As ações do jogo obedecem a uma sequência estabelecida de acordo com cada situação.
• Jogo dinâmico de informação completa e imperfeita: apresenta as mesmas característi-
cas do anterior, mas, em alguns momentos, um dos jogadores toma a decisão, mesmo não
sabendo as ações do adversário.
• Jogo repetido finito: este tipo de jogo apresenta um número de rodadas definida, sabendo
quando ele terminará. É um tipo interessante quando se pretende induzir uma cooperação
entre os jogadores.
• Jogo repetido infinito: diferentemente do jogo anterior, neste, os jogadores não sabem
quando o jogo terminará. Há possibilidade de cooperação entre si, mas depende de o quanto
cada um está disposto a cooperar.

A representação de jogos se dá por meio de modelos, sendo eles uma forma de descrever o
problema em estudo. Cada competição deve ser modelada permitindo uma representação dos
elementos essenciais do jogo, que, por sua vez, devem possibilitar a apresentação das possíveis
recompensas de cada jogador, assim, você pode escolher a melhor opção para cada um. Lembre-se
de que todo modelo (inclusive, os utilizados na Teoria dos Jogos) são representações simplificadas
da realidade, servindo de guia ao entendimento dos fenômenos envolvidos no âmbito econômico,
social e empresarial.
Alguns pontos são essenciais para conseguir representar, adequadamente, um jogo. Lembre-se
de que os jogos são modelos de interações estratégicas, sendo o resultado do reconhecimento,
por parte dos jogadores, de que as suas ações afetam uns aos outros (FIANI, 2015). Os jogadores
são indivíduos ou organizações que possuem autonomia para tomar decisões em uma interação
estratégica. O objetivo de cada participante é obter o melhor resultado possível por meio de sua
ação ou de seu movimento.
A ação (movimento) é uma escolha que determinado jogador pode fazer em dado momento do
jogo, diversas ações estão disponíveis durante a partida, originando um conjunto de ações que gera
uma recompensa (pay-off), a qual é aquilo que todo jogador recebe ao término do jogo, de acordo
com as suas escolhas e as dos demais jogadores. A recompensa de cada participante é representada
por uma função de recompensa, a qual é um número que simboliza o que cada jogador receberá
devido a cada escolha.

225
UNICESUMAR

Quando se elabora um modelo de jogo, duas situações se

destacam: quando os jogadores não conhecem, antecipadamente,
a decisão dos demais (jogos simultâneos) e quando conhecem
(jogos sequenciais). Em linhas gerais, os jogos simultâneos são
representados no formato de tabela, com as estratégias e recompen-
sas que cada jogador pode receber. Os sequenciais são representa-
dos pela árvore de jogos, um conjunto de linhas conectadas por
resultados que podem ser obtidos pela escolha das estratégias de
REALIDADE cada jogador. A partir de agora, vejamos alguns exemplos destes
AUMENTADA
dois formatos de jogos.
Vejamos, então, como proceder à montagem dos jogos simultâ-
neos e dos jogos sequenciais.
Os jogos simultâneos, geralmente, são representados na for-
ma estratégica ou normal. Esta representação ocorre utilizando
uma tabela que apresenta as recompensas de cada jogador, de
acordo com a estratégia escolhida.
Veja, nesta realidade aumentada, alguns movimentos do jogo
Batalha Naval. Observe que as escolhas do posicionamento das
embarcações e de onde fazer o disparo seguem estratégias desen-
volvidas por cada jogador.
Fiani (2015) apresenta um exemplo para ilustrar a representa-
Batalha Naval ção na forma estratégica. Trata-se do problema de renovação dos
empréstimos de dois bancos, observe:

01. EXEMPLO Neste problema, adaptado de Fiani (2015), supõe-se que uma empresa, no início
de suas atividades, tomou R$ 5 milhões emprestados do Banco A e R$ 5 milhões
emprestados do Banco B, fazendo um total de R$ 10 milhões em empréstimos.
Considere, também, que a empresa não tenha capital próprio e que disponha,
apenas, do capital retirado dos bancos. Devido aos maus negócios, ela passou a
ter um capital atual de R$ 6 milhões, insuficiente para cobrir os empréstimos. O
jogo é configurado quando os dois bancos devem decidir se renovam, ou não, o
empréstimo para a empresa.
Supondo que ambos os bancos devem decidir entre duas opções, apenas, renovar
ou não renovar o empréstimo, devemos lembrar que, se renovarem, eles recebem o
pagamento dos juros, se não renovarem, a empresa deve reembolsar o principal do
empréstimo. Se conseguir o empréstimo, a empresa poderá atuar por, somente, mais
um ano e, então, decretar falência, de maneira que os bancos dividiriam os ativos
entre si.

226
 UNIDADE 8

Dessa forma, se os dois bancos renovarem o empréstimo, a empresa paga, para

cada um, R$ 1 milhão de juros mais R$ 3 milhões da divisão do ativo total de R$ 6
milhões, perfazendo um total de R$ 4 milhões para cada banco. Se um dos bancos
não renovar o empréstimo e, o outro sim, a empresa precisará decretar falência, de-
volvendo o empréstimo de R$ 5 milhões ao banco que não renovou e, apenas, R$ 1
milhão ao banco que renovou. Se ambos os bancos não renovarem os empréstimos,
a empresa também decreta falência e partilha os ativos, resultando em R$ 3 milhões
para cada um.
Todas estas informações podem ser representadas em uma tabela contendo os
ganhos de cada banco. Este tipo de representação é chamado de forma estratégica
ou normal e está na Tabela 2.

Banco B
Banco A
Renova Não renova
Renova 4,4 1,5
Não renova 5,1 3,3
Tabela 2 - Jogo na forma estratégica ou normal / Fonte: Fiani (2015).

Observe que essa representação permite observar as recompensas de cada jogador (banco) de
acordo com suas ações (renovar ou não renovar). Na tabela, as linhas representam as estratégias
de um jogador, enquanto as colunas representam as estratégias do outro jogador. Para este exemplo,
os primeiros valores antes da vírgula representam os lucros do Banco A, e os valores após a vírgula
indicam os lucros do Banco B. Nesta interação entre ambos, cada banco toma a sua decisão sem
saber o que o outro fará e não se preocupa com as consequências futuras, apenas, com o seu lucro
imediato, então, isso configura nosso problema como um jogo simultâneo.
Se o problema for observado pela ótica do Banco A, o maior lucro será obtido não renovando o
empréstimo e torcendo para que o Banco B o renove, ganhando R$ 5 milhões. Para o Banco B, a me-
lhor opção, também, é não renovar o empréstimo, desde que o Banco A renove, porém, o mais seguro,
para ambos os bancos, é não renovar o empréstimo, pois os dois receberão R$ 3 milhões. Perceba que
o ganho dos dois bancos é maior para ambos se eles renovarem o empréstimo, mas, como o jogo é
simultâneo e nenhum banco sabe qual será a decisão de seu concorrente, ao renovar, cada um corre o
risco de receber, somente, R$ 1 milhão, se o outro banco não fizer a renovação.
Os jogos simultâneos não apresentam as informações futuras ou os desdobramentos de decisões
tomadas em sequência, por este motivo, quando o processo de interação estratégica se desenvolve
em etapas sucessivas, deve-se representar o jogo na forma estendida. Esta é conhecida como jogos
sequenciais e, nela, observam-se as recompensas de cada jogador em diversas situações, sendo que
cada um pode tomar decisões com base nas decisões passadas de seu oponente.

227
UNICESUMAR

O conceito dos jogos sequenciais é semelhante ao já visto para jogos simultâneos, no entanto
a diferença principal acontece no movimento dos jogadores. A interação entre eles só ocorrerá
quando um iniciar o processo tomando uma decisão, dessa maneira, o outro jogador escolherá
uma estratégia com base na escolha de seu adversário. Se o jogo apresentar diversas rodadas, aquele
que tomou a iniciativa do jogo poderá adotar nova estratégia, assim que o seu oponente escolher o
caminho o qual seguirá. Esta dinâmica prossegue até que o jogo termine, ou seja, até o momento
quando não houver mais estratégias viáveis ou possíveis a cada competidor.
Com o objetivo de ilustrar este tipo de jogo, Fiani (2015) apresenta um exemplo do lançamento de
um veículo para competir com uma empresa que lidera o mercado.

Veja como a Teoria dos Jogos requer uma análise apurada e o bom conhecimento do problema
estudado, assim como a Programação Linear. Mas, como foi visto, em alguns casos, há escassez
de informações, então, deve-se trabalhar com o que está disponível. É como se tivéssemos um
modelo “imperfeito”, mas útil.

02. EXEMPLO Neste exemplo, adaptado de Fiani (2015), supõe-se que uma empresa automobi-
lística não tenha um modelo de van no mercado, enquanto a sua concorrente já
produz um modelo que é bem-sucedido. Essa empresa, que pode ser chamada de
Inovadora, deve decidir se lança, ou não, o seu novo modelo no mercado. A que
já produz a van pode ser chamada de Líder e tem duas opções: manter o preço
ou reduzir o preço de seu modelo existente, para competir com o modelo novo
da Inovadora.
A particularidade deste tipo de jogo é que a empresa Inovadora decidirá se
lançará, ou não, o modelo de van antes de a empresa Líder decidir se aumentará
ou reduzirá o preço do modelo que já está no mercado. Dessa forma, as situações
podem se desdobrar da seguinte maneira: caso a Inovadora decidir lançar o seu
modelo, e a Líder reduzir o preço de sua van, ambas recebem R$ 2 milhões de
lucro porque há uma competição acirrada do mercado. Se a Inovadora lançar o
seu modelo, e a Líder manter o preço de sua van, esta última terá lucro de R$
1 milhão, enquanto a Inovadora terá o lucro de R$ 4 milhões, por aumentar a
participação no mercado.
Se a Inovadora não lançar o seu modelo de van no mercado, novamente, a empresa
Líder pode decidir entre manter ou reduzir o preço. Se manter, o seu lucro será de
R$ 4 milhões, contudo o da empresa Inovadora ficará em R$ 1 milhão. Caso a Líder

228
 UNIDADE 8

reduzir o preço, o seu lucro cairá para R$ 3 milhões, e o lucro da Inovadora será de
R$ 1 milhão, também. Estas informações podem ser descritas na forma estendida,
como apresentado na Figura 1.

Figura 1 - Jogo sequencial na forma estendida / Fonte: Fiani (2015).

Descrição da Imagem: na imagem, há uma árvore de jogos. Ela se inicia com a palavra “Inovadora”, desta palavra saem
duas linhas, uma para cima e outra para baixo, ambas estão conectadas a dois círculos, onde está escrito: “Líder”. Na
linha de cima, está escrito: “Lança van”, e, na linha de baixo, está escrito: “Não lança van”. Do círculo de cima saem mais
duas linhas, uma para cima (onde está escrito: “Mantém preço”) e outra para baixo (onde está escrito: “Reduz preço”),
a linha de cima termina com a ponta de uma seta e, à sua frente, está um parêntese com os números 4 e 1. A linha de
baixo também termina com a ponta de uma seta e, à sua frente, há um parêntese com os números 2 e 2. Do círculo
de baixo saem duas linhas, uma para cima (onde está escrito: “Mantém preço”) e outra para baixo (onde está escrito:
“Reduz preço”), ambas terminam com a ponta de uma seta e, à frente da linha de cima, está um parêntese com os
números 1 e 4, à frente da linha de baixo, está um parêntese com os números 1 e 3.

Esta representação também é conhecida como árvore de jogos, sendo composta por ramos e nós.
Cada nó representa uma etapa do jogo e cada ramo representa a ação possível para cada jogador.
Neste problema, a empresa Inovadora tomará a decisão primeiro, por este motivo, analisemos sob
o ponto de vista dela. Os valores antes da vírgula representam os lucros na Inovadora, enquanto
os valores depois da vírgula representam os lucros da Líder.
Os maiores lucros da empresa Inovadora ocorrem com o lançamento da van, podendo receber
R$ 4 milhões ou R$ 2 milhões. Se decidir não lançar, os seus lucros serão de, apenas, R$ 1 milhão,
portanto, esta será a sua decisão, assim, cabe à empresa Líder reduzir o preço de sua van do
mercado para ficar com um lucro de R$ 2 milhões em vez de R$ 1 milhão.
Na Teoria dos Jogos, deve-se sempre levantar o máximo de informações possíveis para poder
compor o seu modelo de jogo e, assim, reconhecer quais seriam as recompensas que você e os seu(s)
concorrente(s) teriam. Quando as estratégias são elaboradas e as recompensas representadas, na
forma normal ou estendida, é possível visualizar as melhores e piores opções para cada jogador,
dentre as estratégias existentes, pode haver as estritamente dominantes bem como as estritamente
dominadas. Quando não há o predomínio de nenhuma estratégia, aplica-se o Equilíbrio de Nash,
o qual permite selecionar a melhor alternativa.

229
UNICESUMAR

Podemos, aqui, recapitular alguns pontos interessantes. Primeiro, a Teoria dos Jogos pode ser
aplicada quando existe uma interação estratégica entre dois ou mais jogadores, todos possuin-
do, como objetivo principal, a vitória, ou seja, o lucro. Podemos dividir os problemas de Teoria
dos Jogos em dois grandes grupos quanto à forma de ação dos jogadores, aos jogos simultâneos
e aos jogos sequenciais. Para a avaliação dos jogos simultâneos, pode-se aplicar o Equilíbrio
de Nash para identificar ou a(s) melhor(es) opções a ambos os jogadores, simultaneamente.

É interessante conhecer, agora, o conceito das estratégias estritamente dominantes e estritamente

dominadas. Então, classificaremos os tipos de estratégia estritas que foram mencionadas, em seguida,
resolveremos um exemplo para ilustrar este caso.
• Estratégias estritamente dominantes: são aquelas estratégias que predominam sobre as
outras, isto é, aquelas que apresentam as melhores recompensas, independentemente do
que o seu adversário escolher, isso facilita muito a análise do jogo.
• Estratégias estritamente dominadas: são as estratégias que apresentam as piores opções
para cada jogador, sendo, necessariamente, descartadas. Se houver estratégias dominantes,
as demais serão as dominadas.

Aqui, você trabalhará com jogos simultâneos. Lembre-se de que são aqueles jogos em que todos os jogadores
devem tomar decisões ao mesmo tempo, sem conhecer as verdadeiras intenções de seus oponentes. Veja, no
Exemplo 3, adaptado de Fiani (2015), como identificar as estratégias estritamente dominantes.

03. EXEMPLO Uma empresa de sabão em pó chamada Limpo decide se lançará, ou não, uma
marca de sabão biodegradável para competir com uma marca de sabão de sua
concorrente, a empresa Bonito. Esta deve decidir se aumenta, ou não, os seus gas-
tos em publicidade para manter a sua fatia de mercado. Suponha que você tenha
levantado todas as informações dos possíveis lucros de cada empresa, sendo estes
valores representados na Tabela 3.

Bonito
Limpo Aumentar gastos com Não aumentar gastos com
publicidade publicidade
Lançar o produto biodegradável 5,5 7,3
Não lançar o produto biodegradável 2,4 2,7
Tabela 3 - Representação na forma estratégica do Exemplo 3 / Fonte: adaptada de Fiani (2015).

230
 UNIDADE 8

Os números do lado esquerdo da vírgula representam os lucros da empresa Limpo, enquanto os nú-
meros do lado direito da vírgula representam os lucros da empresa Bonito. Observando as estratégias
sob a visão da empresa Limpo, se ela lançar o produto biodegradável, os seus lucros poderão ser de R$
5 ou 7 milhões e, se não lançar o produto, os seus lucros seriam de R$ 2 milhões. Independentemente
da decisão da empresa Bonito, aumentar, ou não, os gastos com publicidade, a melhor opção para a
empresa Limpo é lançar o produto biodegradável.
Nesta situação, lançar o produto biodegradável é uma estratégia estritamente dominante sobre
a estratégia de não lançar esse produto. Da mesma forma, a estratégia não lançá-lo é uma estratégia
dominada pela estratégia lançar o produto biodegradável.
A presença de opções que são bem melhores do que as demais facilita muito a tomada de decisão
acerca de qual atitude tomar em um jogo.
O Equilíbrio de Nash é uma técnica utilizada para analisar um jogo quando não existem
estratégias dominantes, tampouco dominadas, ou quando se deseja encontrar todos os equilíbrios
possíveis. Uma definição para o Equilíbrio de Nash é dada por Fiani (2015) e considera que esse
equilíbrio é constituído quando, em uma combinação de estratégias, cada uma delas representa a
melhor escolha possível em relação à estratégia dos demais jogadores, e isso é válido para todos
os participantes.
Colin (2018) estabelece algumas regras que podem ser utilizadas para identificar os equilíbrios
existentes. De forma bem simples, pode-se identificar a melhor resposta ao Jogador I para cada
uma das estratégias do Jogador II. Em seguida, identifica-se a melhor estratégia ao Jogador II de
acordo com as estratégias do Jogador I e, por fim, determina-se um ponto em comum para ambos
os jogadores. Você verá um exemplo que ajudará a entender a aplicação desse equilíbrio.
No Exemplo 4, adaptado de Fiani (2015), o Equilíbrio de Nash é utilizado para analisar o jogo.

04. EXEMPLO Neste exemplo, vamos supor que há uma empresa que deseja entrar no mercado
siderúrgico nacional exportando os seus produtos para o país. Essa empresa será
chamada de Entrante Potencial, havendo uma organização nacional que já domina
grande parcela desse mercado, chamada de Dominante. Para a Entrante Potencial,
há três possibilidades: “não exportar” para o país, “exportar em pequena escala”
ou “exportar em larga escala”. A empresa Dominante pode tomar duas atitudes:
“investir” com o objetivo de expandir a sua capacidade produtiva e aumentar
a sua participação no mercado nacional reduzindo os preços de seus produtos
devido ao aumento do volume de vendas, ou “não investir” e permanecer com a
mesma capacidade produtiva.
Ambas devem tomar as suas decisões desconhecendo a decisão feita por sua
rival. Na Tabela 4, são apresentadas as estratégias com as suas recompensas,
representadas pelo número zero quando não houver mudança na lucratividade, 1
quando houver aumento, 2 se o aumento for muito significativo e -1 se a empresa
perde mercado ou leva prejuízo.

231
UNICESUMAR

Empresa Entrante Potencial

Dominante
Exporta em pequena Exporta em larga
Não exporta
escala escala
Investe 2,1 1,0 0,-1

Não investe 1,0 2,1 -1,2

Tabela 4 - Representação na forma estratégica do Exemplo 4 / Fonte: adaptada de Fiani (2015).

Lembre-se de que os números do lado esquerdo da vírgula representam os ganhos do jogador que tem
as estratégias das linhas (empresa Dominante) e que os números do lado direito da vírgula representam
os ganhos do jogador que tem as estratégias nas colunas (Entrante Potencial).
Observando a Tabela 4, é possível deduzir que a melhor alternativa à Empresa Dominante seria
“investir”, desde que a Entrante Potencial “não exporte” ou “não investir” desde que a Entrante
Potencial “exporte em pequena escala”, pois, assim, o mercado ficaria ocupado, não havendo
mais espaço para novas concorrências. Em relação à Entrante Potencial, a melhor opção de todas
é “exportar em larga escala”, somente, se a Dominante “não investir”, mas corre o risco de levar
prejuízo caso a Dominante “invista”. Como não há uma estratégia estritamente dominante, pode-se
aplicar o Equilíbrio de Nash.
O objetivo principal do Equilíbrio de Nash é encontrar alguma combinação de estratégias em que
cada jogador adote a melhor resposta ao que os seus oponentes estão fazendo, sendo válido para todos
os jogadores ao mesmo tempo.
Uma das maneiras de identificar esse equilíbrio é fixar a estratégia de determinado jogador e marcar
a melhor opção para o outro jogador e fazer isso, repetidamente, para todas as estratégias disponíveis.
Por exemplo, ao fixar uma estratégia que está na coluna, escolhe-se a melhor opção entre as linhas que
formam essa coluna (para o jogador que tem as suas estratégias representadas pelas linhas), procedendo
da mesma maneira fixando as estratégias das linhas, uma a uma, e marcando, para cada estratégia fixada,
a melhor opção nas colunas que compõem as escolhas do outro jogador.
Para o Exemplo 4, ao fixar a primeira coluna que é representada pela estratégia “não exporta”
da Entrante Potencial, a melhor escolha à Empresa Dominante é “investe”. Ao fixar a segunda
coluna da estratégia “exporta em pequena escala”, a melhor escolha à Empresa Dominante seria
“não investe”, fixando a terceira coluna “exporta em larga escala”, a melhor opção para a Empresa
Dominante é “investe”. Estas escolhas poderiam ser demarcadas pela letra “l” representando as
melhores opções ao jogador que está nas linhas, como é apresentado na Tabela 5.

Empresa Entrante Potencial

Dominante
Não exporta Exporta em pequena escala Exporta em larga escala

Investe (l) 2,1 1,0 (l) 0,-1

Não investe 1,0 (l) 2,1 -1,2

Tabela 5 - Escolha das melhores estratégias da Empresa Dominante ao fixar as estratégias da Entrante Potencial / Fonte: o autor.

232
 UNIDADE 8

O passo seguinte é fixar as estratégias das linhas para a Empresa Dominante e, então, escolher
a melhor opção à Entrante Potencial de cada linha. Então, se a Dominante “investe”, a melhor
opção para a Entrante Potencial é “não exporta”. Ao fixar a estratégia “não investe” à Dominante,
a melhor escolha para a Entrante Potencial é “exporta em larga escala”. Estas escolhas podem
ser marcadas com a letra “c” para representarem as melhores escolhas ao jogador da coluna. Na
Tabela 6, são apresentadas essas estratégias assinaladas.

Empresa Entrante Potencial

Dominante
Não exporta Exporta em pequena escala Exporta em larga escala

Investe (l) 2,1(c) 1,0 (l) 0,-1

Não investe 1,0 (l) 2,1 -1,2 (c)

Tabela 6 - Escolha das melhores estratégias da Empresa Dominante ao fixar as estratégias da Entrante Potencial e, também,
da Entrante Potencial ao fixar as estratégias da Empresa Dominante / Fonte: o autor.

Realizando estes procedimentos, você consegue identificar a estratégia que representa o Equilíbrio de
Nash, por meio da observação da célula que apresenta as duas letras “l” e “c”, pois isso indica a melhor
opção para ambas as empresas, sendo, portanto, a estratégia mais segura, de maneira que a escolha
independa da estratégia adotada por sua rival. Neste exemplo, a melhor opção é a Empresa Dominante
“investe” e a Entrante Potencial “não exporta”.
O Equilíbrio de Nash pode ser utilizado em qualquer jogo simultâneo, ainda que haja uma
estratégia dominante no problema. É importante dizer que qualquer estratégia que o Equilíbrio
de Nash aponte como a mais adequada, ou, até mesmo, uma análise que você faça por inspeção,
apenas, sugere, uma possível escolha. Qualquer das estratégias presentes na dinâmica do jogo
pode ser selecionada e, se houver a opção de arriscar uma estratégia mais ousada, não há problema
algum, desde que tudo seja feito com consciência.

Ouça, agora, um podcast sobre a visão da Teoria dos Jogos para

a fusão da Sadia e da Perdigão que criou a BRF Brasil Foods, uma
das maiores empresas alimentícias das Américas e a segunda
maior empresa de alimentos do Brasil.

233
UNICESUMAR

Vejamos, agora, no Exemplo 5, mais um problema de jogos competitivos.

05. EXEMPLO A empresa Farmacus comercializa o Trizilopam e está se preparando para a entrada
de um novo produto no mercado que concorrerá, diretamente, com o seu. A empresa
entrante é a Vittus, a qual lançará o Vimifolan. A Farmacus domina o mercado e o seu
produto tem muita lucratividade e, para mantê-la, pretende avaliar a melhor maneira
de neutralizar a entrada do produto da Vittus. A Farmacus espera que a Vittus lance o
seu produto a um preço baixo, no entanto, para verificar a estratégia mais adequada,
a equipe de planejamento fez um levantamento do Valor Presente Líquido (VPL) que
a Farmacus e a Vittus podem ter de acordo com as possíveis estratégias. Uma matriz
para estes resultados é apresentada na Tabela 7.

Preço de entrada do Vimifolan

Muito baixo
Baixo Moderado Alto
Sem mudança de preço (315,185) (528,154) (579,121) (633,105)
Vimifilon com preço
mais atrativo do que (422,150) (519,150)
Trizilopan
Preço do Vimifilon com preço
Trizilopan pouco atrativo do que (460,141) (533,122) (651,121)
Trizilopan
Trizilopan assume van-
tagem de preço com (435,60) (516,109) (577,114) (672,110)
Vimifilon
Tabela 7 - Matriz dos VPLs, em milhões de reais, para cada produto farmacêutico / Fonte: o autor.

Observa-se, pela Tabela 7, a presença de quatro estratégias por fabricante farma-

cêutico. Os campos em branco, sem valores, indicam combinações de estratégias
inviáveis. Os primeiros valores à esquerda da vírgula referem-se às recompensas para
a Farmacus com o Trizilopan, à direita da vírgula, as recompensas da Vittus com o
Vimifilon. Utilizando o Equilíbrio de Nash, avalie a melhor combinação estratégica
para as empresas.

Solução:
Para aplicar o Equilíbrio de Nash, você pode reproduzir a Tabela 7 e anotar as melhores opções para
cada farmacêutica. Inicialmente, fixaremos as estratégias de cada coluna para o preço do Vimifolan, em
seguida, anotaremos qual a melhor opção para a venda do Trizilopan marcando a linha selecionada
com a letra “L”, como apresentado na Tabela 8.

234
 UNIDADE 8

Preço de entrada do Vimifolan

Muito Baixo
Baixo Moderado Alto
Sem mudança de Preço (315,185) (528,154) (579,121) (633,105)
Vimifilon com preço mais
(422,150) (519,150)
atrativo do que Trizilopan
Preço do (460,141) (533,122) (651,121)
Trizilopan Vimifilon com preço pouco
atrativo do que Trizilopan L L L
Trizilopan assume vantagem (672,110)
(435,60) (516,109) (577,114)
de preço com Vimifilon L
Tabela 8 - Seleção das melhores estratégias das linhas para o preço do Trizilopan / Fonte: o autor.

Depois de marcar as estratégias das linhas, agora, as fixaremos e avaliaremos as mais adequadas para
as colunas, ou seja, para os preços do Vimifilon. Marquemos uma letra “C” em cada coluna com a
estratégia escolhida, como apresentado na Tabela 9.

Preço de entrada do Vimifolan

Muito baixo
Baixo Moderado Alto
(315,185)
Sem mudança de preço (528,154) (579,121) (633,105)
C
Vimifilon com preço mais atrativo do (519,156)
(422,150)
Preço do que Trizilopan C
Trizilopan Vimifilon com preço pouco atrativo do (460,141) (533,122) (651,121)
que Trizilopan L/C L L
Trizilopan assume vantagem de preço (577,114) (672,110)
(435,60) (516,109)
com Vimifilon C L
Tabela 9 - Seleção das melhores estratégias das colunas para o preço do Vimifilon / Fonte: o autor.

Observando a Tabela 9, você pode identificar que há uma combinação de estratégias em que aparecem,
simultaneamente, as letras L e C. Logo, pelo Equilíbrio de Nash, as estratégias mais prováveis para as
duas empresas serão: a Vittus lançar o seu produto, o Vimifilon, a um preço muito baixo, e a Farmacus
ajustar o preço do Trizilopan para que a diferença entre eles seja a menor possível. Dessa forma, a
Farmacus terá um VPL de R$ 460.000.000,00, enquanto a Vittus terá um VPL de R$ 141.000.000,00.
Em alguns momentos, os jogos são representados de forma simultânea e podem, então, apresentar
mais de um Equilíbrio de Nash, o que tornaria a técnica de aplicação duvidosa ou inconclusiva. Há
algumas maneiras de contornar esta situação: uma delas é a que você verá na próxima unidade, onde
adotaremos a Programação Linear para determinar a combinação de estratégias que teria maior pro-
babilidade de ocorrer, logo, a Teoria dos Jogos se aliará à Programação Linear e à Estatística para que o
problema seja resolvido. Mas, há, também, a possibilidade de representar o jogo simultâneo na forma
de um jogo sequencial e analisar os resultados de maneira reversa. Assim, uma das empresas assumiria
o papel de tomar a frente nas decisões estratégicas, modificando de simultânea para sequencial a forma
de interação. Veja como esta relação pode ser feita no Exemplo 6.

235
UNICESUMAR

06. EXEMPLO Duas empresas do ramo de alimentos estão preparando novos produtos para lançar
no mercado. Ambas trabalham com a possibilidade de lançar um iogurte com alto
teor de proteína ou iogurte zero lactose para pessoas com intolerância ao ingrediente.
As empresas sabem que haverá rentabilidade, apenas, se uma delas lançar o iogurte
zero lactose, pois o mercado não tem demanda suficiente para absorver a produção
de ambas. O gerente da Lactis estabeleceu uma dinâmica de concorrência a este lan-
çamento com a empresa Milks, definindo, de acordo com as escolhas estabelecidas,
os possíveis ganhos de ambas. Ele pretende avaliar se há a necessidade de acelerar o
processo de lançamento de um dos produtos ou se é possível manter o cronograma
de lançamento sob o risco de coincidir a sua campanha com a da Milks. Na Tabela
10, são apresentadas as recompensas esperadas para cada empresa.

Milks
Zero lactose
Alta proteína
Zero lactose -3,-3 15,8
Lactis
Alta proteína 8,15 -3,-3
Tabela 10 - Recompensas para cada combinação estratégica escolhida para a Lactis e a Milks
Fonte: o autor.

Avalie o comportamento deste jogo, na forma simultânea, e defina o Equilíbrio de

Nash. Caso seja necessário, transforme-o em um jogo sequencial e estabeleça como
deve ser o processo de ação da Lactis com relação a este tipo de jogo concorrencial.

Solução:
Cm o objetivo de aplicar o Equilíbrio de Nash, utilizamos a Tabela 10 e fazemos as considerações
sobre as estratégias mais adequadas para cada empresa. Se fixarmos a estratégia “zero lactose” para a
Lactis, a Milks pode escolher “zero lactose”, obtendo um retorno de -3, ou, “alta proteína”, obtendo um
retorno 8, o que, neste caso, é a estratégia mais interessante, logo, marcaremos a letra C nela. Ao fixar
a estratégia “alta proteína” para a Lactis, observa-se que a Milks pode escolher “zero lactose”, obtendo
retorno de 15, ou, “alta proteína”, com retorno de -3. Obviamente, a primeira estratégia se torna a mais
interessante, então, assinalamos a letra C para ela. Assim, as marcações à escolha da Milks são apre-
sentadas na Tabela 11.
Zero lactose Milks
Alta proteína
Zero lactose -3,-3 15,8 C
Lactis
Alta proteína 8,15 C -3,-3
Tabela 11 - Marcações para a estratégia da Milks dadas as escolhas da Lactis / Fonte: o autor.

236
 UNIDADE 8

Agora, fixaremos as estratégias da Milks e verificaremos as melhores opções para a Lactis. Se a Milks optar por
“zero lactose”, a Lactis pode escolher, também,“zero lactose”, tendo retorno de -3, ou,“alta proteína”, com retorno
de 8, sendo esta última estratégia a mais viável, logo, assinalamos L para esta célula. Caso a Milks opte por “alta
proteína”, e a Lactis por “zero lactose”, terá retorno de 15, no entanto, se optar por “alta proteína”, terá retorno de -3,
logo, a primeira estratégia se torna a mais viável, assinalamos, então, uma letra L para esta célula. As marcações
da Lactis junto às da Milk são apresentadas na Tabela 12.
Milks
Zero lactose
Alta proteína
Zero lactose -3,-3 L 15,8 C
Lactis
Alta proteína L 8,15 C -3,-3
Tabela 12 - Marcações para a estratégia da Lactis dadas as escolhas da Milks / Fonte: o autor.

Pelo Equilíbrio de Nash, verificamos que a escolha recai sobre a célula onde aparecem as duas letras C e L,
no entanto, neste problema, temos duas células com essas marcações, que são aquelas onde aparecem estra-
tégias alternadas para as duas empresas. Fica evidente que, se as duas lançarem o mesmo tipo de produto,
terão prejuízo por saturarem o mercado com produtos sem demanda suficiente. Mas qual deve ser, então, a
escolha da Lactis? Caso o jogo seja tratado como simultâneo, perceberíamos que, para a Lactis, lançar “zero
lactose” é mais interessante, mas, para a Milks, também. Isso tornaria elevado o risco de ambas terem prejuízo.
Neste caso, é interessante avaliar o problema como um jogo sequencial, tomando a Lactis a primeira
empresa a tomar a decisão, pois é ela que está analisando a combinação de estratégias mais viáveis. Na
Figura 2, são apresentadas estas possibilidades.

Figura 2 - Jogo sequencial, na forma estendida, para o Exemplo 5 / Fonte: o autor.

Descrição da Imagem: na imagem, há uma árvore de jogos. Ela se inicia com a palavra “Lactis”, desta palavra saem
duas linhas, uma para cima e outra para baixo, ambas estão conectadas a dois círculos, onde está escrito: “Milks”. Na
linha de cima, está escrito: “Zero lactose”, na linha de baixo, está escrito: “Alta proteína”. Do círculo de cima saem mais
duas linhas, uma para cima, onde está escrito: “Zero lactose”, outra para baixo, onde está escrito: “Alta proteína”. A
linha de cima termina com a ponta de uma seta e, à sua frente, está um parêntese com os números -3 e -3. A linha de
baixo também termina com a ponta de uma seta e, à sua frente, há um parêntese com os números 15 e 8. Do círculo
de baixo saem duas linhas, uma para cima, onde está escrito: “Zero lactose”, e, outra para baixo, onde está escrito: “Alta
proteína”, ambas terminam com a ponta de uma seta e, à frente da linha de cima, está um parêntese com os números
8 e 15, à frente da linha de baixo, há um parêntese com os números -3 e -3.

237
UNICESUMAR

Sendo o jogo analisado de forma sequencial, podemos fazer o pro-

cesso reverso. De trás para a frente, o melhor resultado para a Lactis
é (15,8), que vem da escolha da Milks para “alta proteína”, logo, a
estratégia “zero lactose” da Milks é eliminada, como apresentado
na Figura 3.

Figura 3 - Jogo sequencial, na forma estendida, para o Exemplo 5, com eliminação

da estratégia “zero lactose” para a Milks / Fonte: o autor.

Descrição da Imagem: na imagem, há uma árvore de jogos. Ela se inicia com

a palavra “Lactis”, desta palavra saem duas linhas, uma para cima e outra para
baixo, ambas estão conectadas a dois círculos, onde está escrito: “Milks”. Na
linha de cima, está escrito: “Zero lactose”, na linha de baixo, está escrito: “Alta
proteína”. Do círculo de cima saem mais duas linhas, uma para cima, onde está
escrito: “Zero lactose”, outra para baixo, onde está escrito: “Alta proteína”. A
linha de cima termina com a ponta de uma seta e, à sua frente, está um parên-
tese com os números -3 e -3. A linha de baixo também termina com a ponta de
uma seta e, à sua frente, há um parêntese com os números 15 e 8. Do círculo
de baixo saem duas linhas, uma para cima, onde está escrito: “Zero lactose”,
e, outra para baixo, onde está escrito: “Alta proteína”, ambas terminam com
a ponta de uma seta e, à frente da linha de cima, está um parêntese com os
números 8 e 15, à frente da linha de baixo, há um parêntese com os números
-3 e -3. Há um “X” em vermelho sobre a linha que sai do círculo da Milks, a qual
termina nos números -3 e -3.

Retornando mais um passo na análise das estratégias, verifica-se

que a opção “alta proteína” da Milks é, apenas, vantajosa para a Lac-
tis, se esta decidir fazer os seus iogurtes como “zero lactose”, dessa
maneira, a estratégia “alta proteína” é eliminada, como apresentado
na Figura 4.

238
 UNIDADE 8

Figura 4 - Jogo sequencial, na forma estendida, para o Exemplo 5, com eliminação

da estratégia “alta proteína” para a Lactis / Fonte: o autor.

Descrição da Imagem: na imagem, há uma árvore de jogos. Ela se inicia

com a palavra “Lactis”, desta palavra saem duas linhas, uma para cima e
outra para baixo, ambas estão conectadas a dois círculos, onde está escrito:
“Milks”. Na linha de cima está escrito “Zero Lactose” e na linha de baixo está
escrito “Alta Proteína”. Do círculo de cima saem mais duas linhas, uma para
cima, onde está escrito: “Zero lactose”, outra para baixo, onde está escrito:
“Alta proteína”. A linha de cima termina com a ponta de uma seta e, à sua
frente, está um parêntese com os números -3 e -3. A linha de baixo também
termina com a ponta de uma seta e, à sua frente, há um parêntese com
os números 15 e 8. Do círculo de baixo saem duas linhas, uma para cima,
onde está escrito: “Zero lactose”, e, outra para baixo, onde está escrito: “Alta
proteína”, ambas terminam com a ponta de uma seta e, à frente da linha
de cima, está um parêntese com os números 8 e 15, à frente da linha de
baixo, há um parêntese com os números -3 e -3. Há um “X” em vermelho
sobre a linha que sai do círculo da Milks, a qual termina nos números -3 e -3
e, também, um “X” em vermelho na linha que sai da “Lactis” com a palavra
“Alta proteína”.

Mas deve ficar evidente, nessa análise, que esse jogo só funcionará se a
Lactis tomar a iniciativa e lançar, primeiro, o seu produto zero lactose,
forçando a Milks a lançar o produto alta proteína para que não tenha
prejuízo, assim, o jogo simultâneo seria convertido em um jogo sequen-
cial, havendo a necessidade de que a Lactis altere o planejamento para
antecipar a campanha de lançamento de seus produtos.
Note como é interessante esta abordagem. Não há obrigatorie-
dade de que os jogos simultâneos sejam executados dessa forma,
contudo, a depender da análise estabelecida, se há vantagens no
lançamento de produtos, antecipadamente, então, por que não o
fazer? Ao analisar um problema de interação de jogos competitivos,
caso seja constatada a possibilidade de ampliar a capacidade de
ganho alterando o cronograma de ações da empresa (claro, se isso
for possível), tal antecipação se torna uma vantagem estratégica.

239
UNICESUMAR

Todos os exemplos estudados, nesta unidade, foram aplicados a relações de negócios. Se voltarmos
ao exemplo do esporte, então, no futebol: há dois “jogadores”, cada time pode ser considerado um
jogador, a equipe representa uma entidade. O objetivo é a vitória, alcançada pelos gols, digamos que o
gol é o meio que leva à vitória. As estratégias utilizadas podem ser várias, uma equipe pode optar por
recuar a marcação, deixar o adversário atacar e fazer contra-ataques rápidos que podem levar ao gol.
Outra estratégia seria avançar a marcação no campo do adversário, forçando erros e buscando tomar
a posse de bola com o objetivo de finalizar ao gol. Ambas as estratégias têm riscos, a primeira, por
facilitar a proximidade do adversário com o campo de defesa, permite chutes em média distância ou
faltas perigosas, a segunda pode levar ao risco de contra-ataque, uma vez que a marcação está adian-
tada. Veja que uma das equipes pode optar por qualquer uma das estratégias citadas, e os resultados
esperados podem ser determinados pelas características de seu adversário, o que não significa que,
naquela partida, o adversário se comportará da maneira esperada, o resultado real será descoberto,
somente, ao longo da partida. Traçando um paralelo com as estratégias de negócio, se você atuar em
um setor da empresa que avalia, estrategicamente, as interações com a concorrência, também poderá
esperar comportamentos de seus concorrentes. O conhecimento das possíveis ações da concorrência
facilita muito uma análise estratégica via Teoria dos Jogos, então, note que você pode descrever um
momento ou um período de análise concorrencial tanto por jogo simultâneo quanto por jogo sequen-
cial, sendo fundamental estabelecer quem são os jogadores envolvidos, quais as estratégias que podem
ser adotadas por ambos e os possíveis resultados esperados em cada interação. Dessa maneira, você
poderá justificar, analiticamente, o porquê de propor a adoção de determinada estratégia, valendo-se
de ferramentas que auxiliem a escolher, de forma mais objetiva, as ações a serem tomadas.

240
Agora, faça um Mapa Mental explicando os tipos de jogos existentes. Coloque os elementos
necessários para criar um jogo e, também, um pequeno algoritmo para resolver um problema
de jogo simultâneo, utilizando o Equilíbrio de Nash. Fique à vontade para utilizar um rascunho
manual ou explorar a tecnologia, por meio de aplicativos iterativos, como o Canva ou o Goconqr.
Para que você consolide as principais informações apresentadas nesta unidade, lhe convido a
terminar de preencher o Mapa Mental apresentado, a seguir.

Descrição da Imagem: na imagem, há um retângulo central onde se lê “Teoria dos Jogos”. Acima desse retângulo,
há uma ramificação que leva a um retângulo onde está escrito: “Elementos dos jogos”, e, desse retângulo saem mais

MAPA MENTAL
três ramificações. A da esquerda leva a um retângulo com a palavra “Jogadores”, a do centro leva a um retângulo
vazio para preenchimento, a da direita conduz a um retângulo onde se lê: “Recompensas”. Do retângulo central
“Teoria dos Jogos” sai uma ramificação para baixo, em direção a um retângulo com a frase: “Representação dos
jogos”, desse retângulo saem duas ramificações, uma para a esquerda, onde está escrito: “Jogos sequenciais”, uma
para baixo, está vazia para preenchimento. Desse retângulo vazio sai uma ramificação para a direita, conectando
um retângulo com a frase: “Equilíbrio de Nash”, desse retângulo saem três ramificações, uma para cima, conectada
a um retângulo onde está escrito: “1. Montar a tabela do jogo”, outra para a frente, conectada a um retângulo com
a frase: “2. Avaliar as combinações estratégicas por linha e coluna”, e uma ramificação para baixo, conectada a um
retângulo vazio para preenchimento.

241
 1. Duas grandes empresas, como a Microsoft e a Sony, atuam no mercado de games com
os seus respectivos consoles: o Xbox e o Playstation, traçando, desde o ano de 2001, a
concorrência pela preferência dos amantes de games. Ambas atuam em inovações de
tecnologia e conectividade, com a intenção de atrair, cada vez mais, a atenção de seus
usuários, buscando ganhar mais adeptos entre os da concorrência. Estas duas empresas
podem traçar planos de ação para atingir os seus objetivos e é possível estabelecer uma
relação de jogo competitivo a ambas. Em uma situação de competição empresarial, cada
uma pode adotar uma estratégia que possa lhe favorecer, pode-se, então, montar um
jogo para analisar todas as estratégias possíveis. Com base em seus conhecimentos
aprendidos na unidade, aponte os elementos fundamentais que compõem um jogo.

2. Quando se atua na concorrência entre empresas, é comum se deparar com grande

quantidade de informações e de características que podem definir a melhor maneira
de avaliar o modelo concorrencial adotado. Sabe-se que, em determinados mercados,
há grande quantidade de pequenas empresas competindo por fatias mercadológicas
cada vez maiores entre si e, em outros mercados, há uma empresa que predomina, re-
presentando mais de 50% dos consumidores, enquanto as demais dividem o percentual
restante. Em cada um desses casos, a maneira de estabelecer um jogo concorrencial
pode ser diferente, dependendo do tipo de relação existente em uma competição em-
presarial, você pode se deparar com jogos simultâneos ou sequenciais, e a análise sobre
o tipo de jogo mais adequado dependerá, justamente, do comportamento do mercado
e da predominância ou homogeneidade de força entre os concorrentes. Sabendo disto,
AGORA É COM VOCÊ

descreva as características desses dois tipos de jogos: simultâneo e sequencial.

3. A empresa de aviões Air Force pretende lançar um modelo de caça militar para competir
com um modelo já existente da Space Force, então, ela deve escolher entre lançar o
modelo e não lançar o modelo novo. Já a Space Force poderá manter o preço de suas
aeronaves ou reduzi-lo para diminuir o impacto da competição. Se a Air Force lançar
o modelo novo, e a Space Force mantiver o preço, o lucro da primeira empresa será
de R$ 3 bilhões, enquanto o da segunda empresa será de R$ 1 bilhão. Caso a Air Force
lance o modelo novo, mas a Space Force reduzir o preço de seus aviões, o lucro de
ambas será de R$ 2 bilhões. Caso a Air Force opte por não lançar o modelo, e a Space
Force reduzir o preço de seus aviões, o lucro da primeira empresa será de R$ 1 bilhão,
enquanto o da segunda empresa será de R$ 2 bilhões. Na última situação, se a Air
Force não lançar o modelo novo, mas a Space Force não reduzir o preço de seus aviões,
o lucro da primeira empresa será de R$ 1 bilhão, e o da segunda empresa será de R$
3 bilhões. Elabore o modelo deste jogo simultâneo, na forma estratégica, em seguida,
selecione a melhor opção à Air Force. Com base em sua escolha, aponte qual deve ser
a estratégia escolhida pela Space Force.

242
4. Leia os excertos, a seguir, do artigo que trata de uma disputa comercial entre a cana-
dense Bombardier e a brasileira Embraer e analise o quadro com as recompensas de
cada uma para a venda de jatos à Polônia.
“A canadense Bombardier ocupa atualmente o status de principal concorrente da
Embraer no mercado de produção de jatos regionais, além de ocupar o terceiro lugar
entre as maiores empresas de aviões civis no mundo e o primeiro lugar em termos
de fabricação de trens [...]. A Embraer (Empresa Brasileira de Aeronáutica) ocupa, no
âmbito internacional o quarto lugar na produção de aviões comerciais. Nacionalmente
a Embraer ocupou o sétimo lugar em 2002 entre as empresas não financeiras, segundo
a pesquisa da edição especial da revista Conjuntura Econômica da Fundação Getúlio
Vargas [...]”. (p. 9-10)
“É nítida a intenção estratégica de ambas as empresas de adentrar o mercado europeu
na produção de jatos regionais. Um caso recente, acontecido no final de 2002, foi à
competição entre ambas pela preferência no fornecimento de 21 jatos para a empresa
polonesa PLL LOT (Polskie Linie Lotnicze, LOT), em uma operação que chegaria a US$
600 milhões [...]. Teoricamente, somente uma das empresas poderá fornecer os 21
jatos para a LOT. Porém nada impede que um acordo seja proposto levando em conta
a estratégia das duas empresas, para ganhar o contrato sobre referência. Os pay-offs
(resultados) possíveis na competição entre a Embraer e a Bombardier são ilustrados
na matriz de ganhos do jogo a seguir, (em US$ milhões):

Embraer Bombardier

AGORA É COM VOCÊ

Não coopera Coopera
Não coopera 200, 200 600, 0
Coopera 0, 600 300, 300
Tabela 1 - Vendas de jato para a empresa polonesa PLL LOT / Fonte: adaptada de Carvalho e Wlailton (2005).

Conforme descrito [na Tabela 1], temos os pay-offs representando a remuneração das
empresas em US$ milhões, cujo resultado depende da interação entre as estratégias
adotadas por cada empresa [...]”.
CARVALHO, E.; WLAILTON, C. Cooperar ou Não Cooperar: A Disputa entre a Embraer e a
Bombardier na Venda de Jatos Regionais. In: ENCONTRO DE ESTUDOS EM ESTRATÉGIA
(3ES), 2., 2005, Rio de Janeiro. Anais [...]. Rio de Janeiro: Anpad, 2005. p. 9-10 (adaptado).
Após a leitura dos excertos, analise a Tabela 1 com os pay-offs de cada empresa e en-
contre o Equilíbrio de Nash.

243
 5. As empresas Motorby e FreeStep são fabricantes de motos para uso popular com
produtos que possuem motores à combustão de 12 cv (cavalos) até 42 cv. Ambas
competem no mesmo mercado consumidor e pretendem lançar um novo produto,
na tentativa de ampliar a participação no mercado. A estratégia das duas empresas
baseia-se na escolha de lançar um modelo de moto à combustão com mais potência
(90 cv) ou partir para o ramo de motos elétricas. O gerente de negócios da Motorby está
analisando esta concorrência e decidiu representá-la por um jogo simultâneo, definindo,
por meio da escolha, pelas duas empresas, de cada estratégia, os possíveis ganhos. Os
valores atribuídos para cada combinação estratégica são apresentados na Tabela 2:

FreeStep
90 cv
Elétrica
90 cv -1,-1 6,11
Motorby
Elétrica 11,6 -1,-1
Tabela 2 - Recompensas para cada combinação estratégica escolhida para a Motorby e a FreeStep / Fonte: o autor.

O gerente observou que a possibilidade de ambas as empresas lançarem o mesmo tipo

de produto pode levar a prejuízo para ambas, mas também verificou que há predileção
atual do mercado consumidor por motos elétricas. Pelo fato de esse gerente não sa-
ber quando a FreeStep lançará o seu novo modelo, nem mesmo qual tipo de moto ela
planeja lançar, ele solicitou que o departamento de estudos em Pesquisa Operacional
faça uma análise do jogo e proponha uma estratégia mais adequada. Dessa maneira,
AGORA É COM VOCÊ

analise o jogo apresentado pela perspectiva do Equilíbrio de Nash. Caso necessário,

transforme o jogo simultâneo em um jogo sequencial e avalie como a Motorby deve
proceder, sabendo que, se necessário, ela pode antecipar o lançamento de um de seus
produtos.

244
245
MEU ESPAÇO
 MEU ESPAÇO

246
9
Teoria dos Jogos
Dr. Fernando Pereira Calderaro

Nesta nona unidade do livro de Pesquisa Operacional, continuare-

mos a falar sobre a Teoria dos Jogos, no entanto trabalharemos com
exemplos de jogos sequenciais e combinaremos a Programação
Linear com essa teoria. Sim, é possível unir estas duas ferramentas
para resolver problemas de gerenciamento de processos e recursos.
O nosso foco principal será a união entre a Programação Linear e
a Teoria dos Jogos, mas a nossa primeira missão é trabalhar, um
pouco mais, com jogos sequenciais.
UNICESUMAR

Você sabe que a Programação Linear é bem objetiva, afinal, escreve o seu modelo utilizando as equações
e inequações, compondo a função objetivo e as restrições, escolhendo, devidamente, as variáveis de
decisão. Na Teoria dos Jogos, o que você viu, na unidade anterior, foi que há um pouco de observação
crítica dos valores: é analisada cada combinação de estratégias geradoras de recompensas e, então, é
escolhida aquela combinação que melhor se adapta a cada um dos resultados encontrados. Agora,
imagine aliar ambas: a objetividade da Programação Linear com a capacidade de combinação estra-
tégica da Teoria dos Jogos. Imaginou?
Ao unir problemas de Teoria dos Jogos com a Programação Linear, você ganha um forte aliado:
qualquer software que resolva problemas deste tipo de programação, e, como vimos em nosso livro,
poderemos utilizar o Excel® para resolver problemas de Teoria dos Jogos. Imagine como a capacidade
analítica de situações gerenciais se ampliam, assim como qualquer alteração nas condições do problema
pode ser, rapidamente, alterada na planilha e, assim, uma nova solução é encontrada. Ao combinar a
Teoria dos Jogos com a Programação Linear, você poderá criar variáveis de decisão para representar
o seu problema, buscando os valores das mesmas. Além do mais, restrições podem ser acrescentadas,
o que lhe auxiliará a condicionar melhor as respostas possíveis ou desejadas.
Antes de falarmos da Teoria dos Jogos e da Programação Linear juntas, comecemos com os jogos
sequenciais. Considere o problema proposto no Exemplo 1.

Exemplo 1: Duas empresas competem no mesmo mercado de artigos esportivos, comercializando kits
de calça, camiseta, meia e boné para praticantes de atividade física não profissional. Próximo do Natal,
a empresa Sporting analisa a possibilidade de oferecer 20% de desconto em seus kits, com a intenção de
acelerar as vendas. No entanto, a sua concorrente, a Timing, está atenta às ações da Sporting para atuar,
também, no mercado, caso seja necessário. Admite-se, aqui, que a Timing poderá tomar uma decisão,
caso a Sporting ofereça, ou não, o desconto. Sabendo disso, a Sporting juntou informações para avaliar
se a estratégia é adequada e quais outras medidas podem ser adotadas, como um jogo sequencial. As
condições estabelecidas bem como os ganhos previstos para cada uma são apresentados na Tabela 1.

Estratégia Sporting Estratégia Timing Ganhos Sporting Ganhos Timing

20% de desconto Sem desconto R$ 15.000.000,00 R$ 20.000.000,00

20% de desconto 10% de desconto R$ 10.000.000,00 R$ 25.000.000,00
Sem desconto Sem desconto R$ 9.000.000,00 R$ 20.000.000,00
Sem desconto 10% de desconto R$ 5.000.000,00 R$ 30.000.000,00

Tabela 1 - Possíveis estratégias adotadas para cada empresa bem como a estimativa de seus resultados financeiros
Fonte: o autor.

248
 UNIDADE 9

Partindo das informações apresentadas na Tabela 1, desenhe a árvore de jogos para este problema e
analise a melhor opção à empresa Sporting.
Para iniciar a construção da árvore de jogos, não se esqueça de definir o jogador que inicia o pro-
cesso de decisão e, em seguida, anote as estratégias que cada um pode ter bem como as recompensas
de cada jogador ao final da árvore de jogos.
Agora que você escreveu a árvore para o Exemplo 1, descreva, em seu Diário de Bordo, as etapas
necessárias para elaborar um jogo sequencial e anote como ele se diferencia dos jogos simultâneos.

DIÁRIO DE BORDO

249
UNICESUMAR

Na Unidade 8, a maneira de estruturar uma árvore para os jogos sequenciais foi apresentada bem
como a informação de que, nesta dinâmica de jogo, cada jogador atuará em sequência ao outro, ou
seja, após a escolha de uma estratégia pelo Jogador 1, o Jogador 2 escolhe a estratégia que lhe será mais
conveniente, por este motivo, esta interação é chamada de jogos sequenciais.
Na estruturação da árvore de jogos, cada estratégia é representada por uma linha ou uma seta, em
cada nó, há um jogador, e, ao final da sequência de estratégias, são apresentadas as recompensas para
cada um. Voltemos ao Exemplo 1.

01. EXEMPLO Se necessário, reveja o enunciado, anteriormente, apresentado.

Solução:
Na Tabela 1, são apresentadas as estratégias possíveis para cada uma das empresas,
a Sporting e a Timing, bem como os ganhos associados a cada uma. Com a finalidade
de escrever as informações contidas na tabela para a representação da árvore de jogos,
devemos iniciar por um dos jogadores. Como a análise é realizada pela Sporting e a
Timing é a empresa reativa, ou seja, aquela que tomará uma decisão após a Sporting, o
primeiro nó será dela, e os dois nós seguintes serão da Timing. Na tentativa de facilitar
a escrita, podemos adotar os valores das recompensas já em milhões de reais. Sendo
assim, a representação da árvore de jogos para este problema é apresentada na Figura 1.

Figura 1 - Árvore de jogos para o Exemplo 1 / Fonte: o autor.

Descrição da Imagem: na imagem, há uma árvore de jogos, ela se inicia com a palavra “Sporting”, desta palavra saem
duas linhas, uma para cima e outra para baixo, ambas estão conectadas a dois círculos, onde está escrito: “Timing”.
Na linha de cima, está escrito “20% de desconto”, na linha de baixo, está escrito: “Sem desconto”. Do círculo de cima
saem mais duas linhas, uma para cima, onde está escrito: “Sem desconto” e outra para baixo, onde está escrito “10%
de desconto”. A linha de cima termina com a ponta de uma seta e, à sua frente, está um parêntese com os números
15 e 20. A linha de baixo também termina com a ponta de uma seta e, à sua frente, há um parêntese com os números
10 e 25. Do círculo de baixo saem duas linhas, uma para cima, onde está escrito: “10% de desconto”, outra para baixo,
onde está escrito: “Sem desconto”, ambas terminam com a ponta de uma seta e, à frente da linha de cima, está um
parêntese com os números 5 e 30, à frente da linha de baixo, está um parêntese com os números 9 e 20.

250
 UNIDADE 9

Avaliando o jogo sequencial pela perspectiva da Sporting, a

estratégia de lançar os seus kits com 20% de desconto é mais
interessante do que mantê-los sem desconto, pois o retorno fi-
nanceiro é maior, independentemente do que a Timing decida
fazer. A Sporting pode ter R$ 15.000.000,00 de faturamento se a
Timing decidir manter o preço de seus kits ou pode faturar R$
REALIDADE
10.000.000,00, caso a concorrente lance os kits dela com 10% de
AUMENTADA
desconto. Caso a Sporting decida lançar os kits sem desconto,
ela poderia faturar R$ 5.000.000,00 ou R$ 9.000.000,00, valores
inferiores aos retornos com desconto.
Na dinâmica desse jogo, pode-se perceber, também, que a
estratégia de oferecer 10% de desconto nos kits é a mais atrati-
va para a Timing, levando a Sporting a crer que a sequência de
estratégias adotada para o final de ano será a de oferecer o des-
conto de 20% e esperar que a Timing também ofereça desconto
de 10%. Neste caso, a Sporting esperaria um faturamento de R$
10.000.000,00, enquanto a Timing aguardaria um faturamento
de R$ 25.000.000,00.
E aí, achou interessante adquirir conhecimento por meio de um
recursos tecnológico? Então, acesse mais, aqui, e verifique outra Árvore de Jogos

possibilidade tecnológica para conhecimento. Vamos lá?

02. EXEMPLO Uma fábrica de chocolates, a Chocobell, está avaliando a possibilidade de ampliar
as suas ações de marketing por meio de investimentos em mídias sociais. A pro-
posta do pessoal responsável pela promoção dos produtos da empresa é investir
cerca de R$5 0.000,00 mensais. No entanto, a sua concorrente, a Cacauzeiro,
também analisa a possibilidade de investir em propagandas. Sabendo disso, o
gerente de vendas da Chocobell solicitou aos funcionários do setor de Pesquisa
Operacional que estabelecessem um jogo sequencial com as possíveis estratégias
à própria empresa e à Cacauzeiro, mostrando os ganhos de capital para cada uma
delas. Os dados levantados são apresentados na Tabela 2.

Estratégia Chocobell Estratégia Cacauzeiro Ganhos Chocobell Ganhos Cacauzeiro

Investir em marketing Investir em marketing R$ 4.500.000,00 R$ 7.200.000,00

Investir em marketing Não investir em marketing R$ 8.250.000,00 R$ 6.300.000,00
Não investir em marketing Investir em marketing R$ 3.150.000,00 R$ 9.220.000,00
Não investir em marketing Não investir em marketing R$ 3.000.000,00 R$ 3.000.000,00

Tabela 2 - Estratégias para a Chocobell e a Cacauzeiro com estimativas de ganhos financeiros / Fonte: o autor.

251
UNICESUMAR

Elabore a árvore de jogos sequenciais para o problema apresentado e encontre a

opção mais interessante à Chocobell.

Solução:
Seguindo as informações apresentadas na Tabela 2, considerando o primeiro nó
para a Chocobell, os demais nós para a Cacauzeiro bem como os retornos financeiros
em milhões de reais, teremos a seguinte árvore de jogos:

Figura 2 - Árvore de jogos sequenciais para as interações entre a Chocobell e a Cacauzeiro / Fonte: o autor.

Descrição da Imagem: na imagem, há uma árvore de jogos. Ela se inicia com a palavra “Chocobell”, desta palavra saem
duas linhas, uma para cima e outra para baixo, ambas estão conectadas a dois círculos, onde está escrito: “Cacauzeiro”.
Na linha de cima, está escrito; “Investir”, na linha de baixo, está escrito: “Não investir”. Do círculo de cima saem mais
duas linhas, uma para cima, onde está escrito: “Investir”, outra para baixo, onde está escrito: “Não investir”. A linha de
cima termina com a ponta de uma seta e, à sua frente, está um parêntese com os números 4,5 e 7,2. A linha de baixo
também termina com a ponta de uma seta e, à sua frente, há um parêntese com os números 8,25 e 6,3. Do círculo de
baixo saem duas linhas, uma para cima, onde está escrito: “Não investir”, outra para baixo, onde está escrito: “Investir”,
ambas terminam com a ponta de uma seta e, à frente da linha de cima, está um parêntese com os números 3 e 3, à
frente da linha de baixo, está um parêntese com os números 3,15 e 9,22.

Observando a Figura 2, verifica-se, para a Chocobell, que a estratégia mais vantajosa é a de investir
em marketing, independentemente da decisão da Cacauzeiro. No entanto ela deve se preparar, pois,
provavelmente, a Cacauzeiro também aumentará os seus investimentos em marketing, o que poderá
levar ao retorno financeiro de R$ 4.500.000,00 à Chocobell e R$ 7.200.000,00 à Cacauzeiro.

Ao analisar um problema de Teoria dos Jogos, e identificando a presença de estratégias do-

minantes, há maior facilidade na solução do problema quando não se consegue visualizar
estratégias dominantes, então, a Programação Llinear pode ser útil.
Fonte: O Autor.

252
 UNIDADE 9

A partir deste ponto da Unidade 9, aliaremos a Programação Linear com a Teoria dos Jogos, e você
aprenderá como avaliar um problema, essencialmente, da teoria citada, com o uso de planilha e de
conceitos da Programação Linear.
Todos os jogos que vimos, até o momento, são considerados de soma zero ou soma constante, pois,
quando um perde, o outro ganha. Ainda podemos destacar que os jogos vistos, sejam simultâneos,
sejam sequenciais, apresentam “ponto de sela”, a qual é a única combinação de estratégias que garante
o melhor resultado a ambos os jogadores, dentro da dinâmica do jogo. A presença de um ponto de
sela em um jogo torna-o estável de tal maneira que não é possível um jogador alterar a sua estratégia,
unilateralmente, beneficiando-se em detrimento do outro (COLIN, 2018).
Mas, em algumas situações, não há o ponto de sela, de maneira que não se encontra uma solução
que atenda aos interesses do Jogador 1 e do Jogador 2, ao mesmo tempo, e o jogo torna-se instável.
A instabilidade acontece porque combinações estratégicas podem retornar resultado melhor do que
o escolhido, caso uma das estratégias seja alterada. Segundo Colin (2018), se o jogo não possuir um
ponto de sela, a própria Teoria dos Jogos recomenda que cada jogador defina uma distribuição de
probabilidade a cada uma de suas estratégias possíveis.
São criadas, então, variáveis representando estas distribuições de probabilidade. Considere que o
Jogador 1 tenha m estratégias disponíveis e o Jogador 2, por sua vez, n estratégias disponíveis. O conjunto
de variáveis xj (j = 1, 2,..., n) representa a probabilidade de o Jogador 2 utilizar a estratégia j. Da mesma
forma, o conjunto de variáveis yi (1, 2,..., m) representa a probabilidade de o Jogador 1 escolher a estra-
tégia i. Matematicamente, como as duas variáveis representam distribuições de probabilidade, então:
n m
 
x j , yi  0,  x j  1 e  yi  1
j 1 i 1

neste contexto, diz-se que o jogo será resolvido por estratégias mistas, em que haverá a determinação
da probabilidade de escolha, mas as decisões de cada jogador serão baseadas em estratégias puras, ou
seja, ele escolherá, apenas, uma estratégia.
Em linhas gerais, os pagamentos a um dos jogadores são considerados para escrever a matriz de
pagamento e, dessa forma, quanto maiores são os ganhos de um jogador, maiores são as perdas do
outro. Supondo que a matriz de ganhos seja escrita tendo, como referência, os ganhos do Jogador 1: se
ele I maximizar os seus pagamentos mínimos (maximin), então, o Jogador 2 deve minimizar as suas
perdas máximas (minimax). Observe como são dois comportamentos antagônicos e esta ideia será
utilizada na construção do modelo de Programação Linear.

253
UNICESUMAR

Considere uma matriz de pagamentos A para o Jogador 1, sendo apresentada, nas linhas
da matriz, a estratégia i do Jogador 1, e, nas colunas da matriz, a estratégia j do Jogador 2.

 a11 a12  a1n 

a a22  a2 n 
A   21
     
 
 am1 am2 … amn 

a matriz A pode ser dividida em n vetores, contendo m linhas:

A   a1 a2  an 

cada elemento desta nova matriz representa um conjunto de estratégias possíveis para
o Jogador 1 (linhas), fixando uma estratégia do Jogador 2 (colunas). Assim, pode-se
definir cada vetor coluna dessa matriz como:

 a1 j 
 
 a2 j 
aj  
 
 
 a mj 

e os vetores probabilidade são definidos como:

 x1   y1 
x  y 
x 2 e y 2
    
   
x n  yn

fixando o ponto de vista do Jogador 1, podemos representar o pagamento dele se o

Jogador 2 escolher a Estratégia 1:

E  r1   a11 y1  a21 y2    am1 ym  yT a1

note que o ganho associado é determinado pela combinação entre os ganhos de

cada combinação de estratégias multiplicado pela probabilidade de ela ocorrer.
Adotando uma estratégia genérica j para o Jogador 2, o ganho esperado ao Jogador
1 seria generalizado para:

E  r j   a1 j y1  a2 j y2    amj ym  yT a j

254
 UNIDADE 9

aplicando a estratégia maximin (maximizar os ganhos mínimos), o pagamento mínimo pode ser
descrito por:


v  min yT a1 , yT a2 ,  yT an 
a variável v representa o pagamento mínimo, que deve ser maximizado, logo:

 
max v  min yT a1 , yT a2 ,  yT an 
este modelo, escrito nos moldes da Programação Linear, nos leva a:

max v
Sujeito a:
v ≤ yT a1
v ≤ yT a2

v ≤ yT an

esta estrutura, escrita para os Jogadores 1 e 2, assume o formato dos seguintes modelos de Programação
Linear:
• Para o Jogador 1:
max v
Sujeito a :
a11 y1  a21 y2  … am1 ym  v  0
a12 y1  a22 y2  … am2 ym  v  0

a1n y1  a2 n y2  … amn ym  v  0
y1  y2  … ym  1
yi  0  i  1, … , m 
v irrestrita em sinal

255
UNICESUMAR

• Para o Jogador 2:
min v
Sujeito a:
a11 x1  a12 x2  … a1n xn  v  0
a21 x1  a22 x2  … amn xn  v  0

am1 x1  am2 x2  … amn xn  v  0
x1  x2  … xn  1
xj  0  j  1, … , n 
v irrestrita em sinal

as restrições que garantem que as variáveis xj e yi representam distribuições de

probabilidade são:
y1  y2   ym  1

e
x1  x2   xn  1

discutidos os fundamentos matemáticos que relacionam a Teoria dos Jogos com

a Programação Linear, façamos alguns exemplos, a seguir, onde apresentaremos a
aplicação da Teoria dos Jogos com a Programação Linear.

03. EXEMPLO A NetCo, uma empresa do setor de telecomunicações, está analisando algumas estra-
tégias de investimentos em propaganda para ampliar a sua participação no mercado
(market share), mas ela tem ciência de que a sua concorrente, a FastData, também
fará investimentos em propaganda. Na intenção de avaliar a melhor opção de inves-
timento, a NetCo acionou a equipe de Pesquisa Operacional para criar uma dinâmica
de jogo simultâneo com a FastData e, assim, encontrar a melhor opção. Na Tabela 3,
são apresentados o Valor Presente Líquido (VPL) para cada combinação estratégica
obtida, tomando, como referência, a NetCo. As estratégias da FastData foram obtidas
por experiências de anos anteriores.

FastData (kR$/dia)
Investimento 0 90 140 210
12 21 10 5 (2)
NetCo
24 32 25 (2) 6
(kR$/dia)
32 55 40 (10) 23
Tabela 3 - Dados de VPL para a NetCo, em milhares de reais (kR$) / Fonte: o autor.

256
 UNIDADE 9

Elabore um modelo de Programação Linear para identificar a probabilidade de

que cada estratégia seja utilizada pelas empresas.

Solução:
Uma das maneiras de identificar se, realmente, há a necessidade de aplicar es-
tratégias mistas de solução do problema é verificar se há ponto de sela. Isto é feito
aplicando a estratégia maximin e minimaxe, respectivamente, à NetCo e à FastData.
Para cada uma das três estratégias possíveis à NetCo, os menores ganhos que ela
tem são: -2 (ao selecionar investimento 12) ou 24 e -10 (ao selecionar investimento
32), logo, a seleção do investimento 32 não é interessante, pois o seu maximin = -2.
Por outro lado, para a FastData, o maior “prejuízo” causado a cada estratégia sele-
cionada é de 21 (ao escolher investimento zero), 10 (ao escolher investimento 90),
-10 (ao escolher investimento 150) e -2 (ao escolher investimento 210), portanto, o
seu minimax = -10. Observe que são células diferentes, logo, não há uma estratégia
predominante às duas empresas.
Sendo assim, a utilização de estratégias mistas levará ao uso das variáveis de dis-
tribuição de probabilidade. Na Tabela 4, estão apresentadas essas variáveis junto aos
valores existentes da Tabela 3.
FastData (kR$/dia)
0 90 140 210
Investimento
Probabilidade x0 x90 x140 x210
NetCo 12 y12 21 10 5 (2)
(kR$/dia) 24 y24 32 25 (2) 6
32 y32 55 40 (10) 23
Tabela 4 - Variáveis representando as distribuições de probabilidade / Fonte: o autor.

Nesta nomenclatura, y12 representa a probabilidade de a NetCo fazer um investimento mensal de R$

12.000,00 em propaganda, enquanto x90 representa a probabilidade de a FastData investir R$ 90.000,00
mensais. Seguindo a estrutura apresentada para o modelo de Programação Linear, considerando a
NetCo parâmetro (Jogador 1), termos o seguinte modelo:
max v
Sujeito a :
21 y12  32 y24  55 y32  v  0
10 y12  25 y24  40 y32  v  0
5 y12  2 y24  10 y32  v  0
2 y12  6 y24  23 y32  v  0
y12  y24  y32  1
yi  0  i  12, 24 , 32 
v irrestrita em sinal

257
UNICESUMAR

utilizando, agora, as equações para a FastData:

min v
Sujeito a :
21x0  10 x90  5 x140  2 x210  v  0
32 x0  25 x90  2 x140  6 x210  v  0
55 x0  40 x90  10 x140  23 x210  v  0
x0  x90  x140  x210  1
xj  0  j  0, 90,140, 210 
v irrestrita em sinal

o modelo será escrito no Excel® com as restrições para os dois jogadores, mas tomará, como base, a
maximização de v, dado para o Jogador 1, uma vez que não é possível maximizar e minimizar, simul-
taneamente, um problema. Na Figura 3, é apresentada uma sugestão de preenchimento da planilha
no Excel®.

Figura 3 - Sugestão de preenchimento da planilha para o Exemplo 3 / Fonte: o autor.

Descrição da Imagem: na planilha, aparece, na célula A1, o valor 0,0, e, na célula B1, o nome “Valor do Jogo”. Na coluna
A, das linhas 6 a 8, aparece escrito: “NetCo (kR$/dia)”, e, das linhas 10 a 12, aparece “Restrições Linhas”. Na coluna B,
linha 4, está escrito: “Investimento”, abaixo dessas células, aparecem os valores 12, 24 e 32, nas linhas 6, 7 e 8, res-
pectivamente. Na coluna C, linha 5, está escrito: “Variáveis”, abaixo dessa célula, nas linhas 6, 7 e 8, as células estão
sem preenchimento. Na linha 3, da coluna D até a coluna G, está escrito “FastData (kR$/dia)”, na célula D4, aparece o
valor zero, na célula E4, o valor 100, na célula F4, aparece o valor 150, na célula G4, o valor 200. Na coluna D, estão os
valores 21 (linha 6), 32 (linha 7) e 55 (linha 8), na coluna E, estão os valores 10 (linha 6), 25 (linha 7) e 40 (linha 8), na
coluna F, estão os valores 5 (linha 6), -2 (linha 7) e -10 (linha 8), e, na coluna G, estão os valores -2 (linha 6), 6 (linha 7) e
23 (linha 8). Na coluna H, linha 4, está escrito: “Valor do Jogo”, e aparece o valor 0,0 na linha 5 da coluna H. Das linhas
6 a 8, aparecem o valor -1, na coluna H. Na linha 9, da coluna D até a coluna G, aparece o número -1.

258
 UNIDADE 9

Observe que as células de C6 a C8 representam as variáveis de probabilidade yi e as células de D5 a

G5 representam as variáveis de probabilidade xj. As células “Valor do Jogo” representam a variável
v, sendo que, apenas, a célula C9 será utilizada como uma das variáveis de decisão, e as células A1 e
H5 são cópias da célula C9 (=C9). As restrições anotadas de C10 a G12 estão relacionadas à NetCo,
enquanto as restrições de I5 a K8 estão associadas à FastData. O preenchimento do Solver será como
apresentado na Figura 4.

Figura 4 - Preenchimento do Solver / Fonte: o autor.

Descrição da Imagem: na imagem, aparece a janela do Solver. O campo “Definir Objetivo” está preenchido com a
célula C9, o campo “Para” está assinalado com Máx, no campo “Alterando Células Variáveis”, aparecem as células C6 a
C9 e D5 a G5. O campo “Sujeito às Restrições” está preenchido com C10 igual C12, C6 a C8 maior ou igual a zero, D10
a G10 maior ou igual a D12 até G12, D5 a G5 maior ou igual a zero, I5 igual a K5, I6 a I8 menor ou igual a K6 até K8. No
campo “Selecionar Método de Solução”, está escolhido o LP Simplex.

259
UNICESUMAR

Observando a Figura 4, você identifica que as células C6 a C9 e D5 a G5 entram como variáveis de

decisão e todas as restrições são inseridas no modelo. Ao clicar em Solver, você resolverá o problema de
forma simultânea, encontrando os valores para todas as variáveis de decisão. Note que o campo “Tor-
nar Variáveis Irrestritas Não Negativas” está desmarcado e, nas restrições apresentadas aos modelos, a
variável v é considerada irrestrita em sinal, podendo assumir valores negativos. As variáveis de decisão
representam probabilidades, estas não devem ser negativas, logo, são acrescentadas as restrições de não
negatividade, diretamente, nas restrições. As células das variáveis de decisão são configuradas como
percentuais para representarem a probabilidade de escolha de cada estratégia. Ao resolver o problema,
teremos os resultados apresentados na Figura 5.

Figura 5 - Solução para o problema apresentado no Exemplo 3 / Fonte: o autor.

Descrição da Imagem: na planilha, aparece, na célula A1, o valor 2,38, e, na célula B1, o nome “Valor do Jogo”. Na
coluna A, das linhas 6 a 8, aparece escrito: “NetCo (kR$/dia)”, das linhas 10 a 12 aparece “Restrições Linhas”. Na coluna
B, linha 4, está escrito: “Investimento”, abaixo dessas células, aparecem os valores 12, 24 e 32, nas linhas 6, 7 e 8, res-
pectivamente. Na linha 3, da coluna D até a coluna G, está escrito “FastData (kR$/dia)”, na célula D4, aparece o valor
zero, na célula E4, o valor 100, na célula F4, aparece o valor 150, na célula G4, o valor 200. Na linha 5, da coluna D até
a coluna G, aparecem os valores 0,0%, 0,0%, 62,5% e 37,5%. Na coluna D, estão os valores 21 (linha 6), 32 (linha 7) e 55
(linha 8), na coluna E, estão os valores 10 (linha 6), 25 (linha 7) e 40 (linha 8), na coluna F, estão os valores 5 (linha 6),
-2 (linha 7) e -10 (linha 8), na coluna G, estão os valores -2 (linha 6), 6 (linha 7) e 23 (linha 8). Na coluna H, linha 4, está
escrito “Valor do Jogo”, e aparece o valor 2,38 na linha 5 da coluna H. Das linhas 6 a 8 aparecem o valor -1 na coluna
H. Na linha 9, da coluna D até a coluna G, aparece o número -1.

O resultado do modelo sugere que há grande probabilidade (82,50%) de a NetCo utilizar um inves-
timento diário de R$ 12.000,00 e uma probabilidade de 62,50% de a FastData selecionar um investi-
mento diário de R$ 150.000,00 em propaganda. Esta modelagem define que algumas estratégias seriam,
totalmente, inviáveis, levando ao risco de perdas elevadas, que são: investir R$ 24.000,00 para a NetCo
e não investir nada ou investir R$ 100.000,00 para a FastData.

260
 UNIDADE 9

Diferentemente da aplicação convencional da Programação Linear para problemas de maxi-

mização e minimização, vistos nas primeiras unidades do livro, os resultados apresentados
para a Programação Linear associada à Teoria dos Jogos são probabilidades de escolha de
estratégias,. qQuanto maior o percentual encontrado, maiores são as chances de cada jogador
escolher a estratégia. Dessata forma, a combinação dos percentuais mais elevados das duas
estratégias (, uma para cada jogador), leva às escolhas mais prováveis para ambos os jogadores
e seus possíveis ganhos.
Fonte: O Autor

Vejamos mais um exemplo para entender melhor esta dinâmica de trabalho.

04. EXEMPLO A concessionária MaxCar está analisando algumas políticas de venda para o final de
ano e pode adotar algumas estratégias de venda. No entanto ela sabe que a Placa5,
a sua concorrente, também pode escolher estratégias de venda para ampliar o seu
potencial competitivo. Na Tabela 5, são apresentadas as perspectivas de lucro, em
milhares de reais, em um mês de estratégias de venda para a MaxCar.

Placa5 (kR$/mês)
Tanque cheio e Pagamento da Desconto de 5% Um ano de
Estratégia um ano de IPVA primeira parcela no valor do veí- revisão gra-
pago em 120 dias culo tuita
Um ano de IPVA
80 105 5 0
pago
MaxCar Desconto de 7%
no valor do veí- 120 92 (10) 30
(kR$/mês) culo
Central multimí-
75 10 (20) (7)
dia gratuita
Tabela 5 - Dados de ampliação de receita para a MaxCar, em milhares de reais (kR$) / Fonte: o autor.

Elabore um modelo de Programação Linear utilizando os dados da Tabela 5 para resolver esse jogo.
Apresente os percentuais de escolha para cada estratégia possível.

261
UNICESUMAR

Solução:
O modelo de Programação Linear pode ser expresso por:
Para a MaxCar:
max v
Sujeito a:
80 y1  120 y2  75 y3  v  0
105 y1  92 y2  10 y3  v  0
5 y1  10 y2  20 y3  v  0
0 y1  30 y2  7 y3  v  0
y1  y2  y3  1
yi  0  i  1, 2 , 3 
v irrestriita em sinal
sendo que as variáveis yi indicam a probabilidade de a MaxCar selecionar alguma
de suas estratégias.
Para a Placa5, o modelo assumiria a seguinte forma:

min v
Sujeito a:
80 x1  105 x2  5 x3  0 x4  v  0
120 x1  92 x2  10 x30  30 x4  v  0
75 x1  10 x2  20 x3  7 x4  v  0
x1  x2  x3  x4  1
xj  0  j  1, 2, 3, 4 
v irresstrita em sinal

neste modelo, xj representa a probabilidade de a Placa5 escolher uma de suas estra-

tégias.
Na Figura 6, é apresentada uma sugestão de preenchimento para o modelo do
Exemplo 4.

262
 UNIDADE 9

Figura 6 - Exemplo de preenchimento da planilha para o Exemplo 4 / Fonte: o autor.

Descrição da Imagem: na planilha, aparece, na célula A1, o valor 0,0, e, na célula B1, o nome “Valor do Jogo”. Na coluna
A, das linhas 6 a 8, aparece escrito “MaxCar (kR$/mês)”, das linhas 10 a 12, aparece “Restrições Linhas”. Na coluna B,
linha 4, está escrito: “Estratégia” e, abaixo dessas células, aparece escrito: “IPVA pago”, “Desconto de 7%” e “Multimídia”
nas linhas 6, 7 e 8, respectivamente. Na coluna C, linha 5, está escrito “Variáveis”, abaixo desta célula, nas linhas 6, 7 e
8, aparecem as células em branco. Na linha 3, da coluna D até a coluna G, está escrito “Placa5 (kR$/mês)”, na célula D4,
está escrito: “Tanque e IPVA”, na célula E4, está escrito: “120 dias”, na célula F4, está escrito: “Desconto de 5%”, na célula
G4, está escrito: “Revisão”. Na linha 5, da coluna D até a coluna G, as células estão vazias. Na coluna D, estão os valores
80 (linha 6), 120 (linha 7) e 75 (linha 8), na coluna E, estão os valores 105 (linha 6), 92 (linha 7) e 10 (linha 8), na coluna
F, estão os valores 5 (linha 6), -10 (linha 7) e -20 (linha 8), e, na coluna G, estão os valores zero (linha 6), 20 (linha 7) e -7
(linha 8). Na coluna H, linha 4, está escrito: “Valor do Jogo” e aparece o valor 0,0 na linha 5 da coluna H. Das linhas 6 a
8 aparecem o valor -1 na coluna H. Na linha 9, da coluna D até a coluna G, aparece o número -1.

Ao resolver este problema com o Solver, a solução encontrada é apresentada como na Figura 7.

Figura 7 - Solução para o Exemplo 4 / Fonte: o autor.

Descrição da Imagem: na planilha, aparece, na célula A1, o valor 3,33, e, na célula B1, o nome “Valor do Jogo”. Na coluna
A, das linhas 6 a 8, aparece escrito “MaxCar (kR$/mês)”, das linhas 10 a 12, aparece “Restrições Linhas”. Na coluna B,
linha 4, está escrito: “Estratégia” e, abaixo dessas células, aparece escrito: “IPVA pago”, “Desconto de 7%” e “Multimídia”
nas linhas 6, 7 e 8, respectivamente. Na coluna C, linha 5, está escrito: “Variáveis”, abaixo desta célula, nas linhas 6,
7 e 8, aparecem os valores 88,89%, 11,11% e 0,0%. Na linha 3, da coluna D até a coluna G, está escrito: “Placa5 (kR$/
mês)”, na célula D4, está escrito “Tanque e IPVA”, na célula E4, está escrito 120 dias, na célula F4, está escrito: “Desconto
de 5%”, na célula G4, está escrito: “Revisão”. Na linha 5, da coluna D até a coluna G, as células apresentam os valores
0,0%, 0,0%, 66,67% e 33,33%. Na coluna D, estão os valores 80 (linha 6), 120 (linha 7) e 75 (linha 8), na coluna E, estão
os valores 105 (linha 6), 92 (linha 7) e 10 (linha 8), na coluna F, estão os valores 5 (linha 6), -10 (linha 7) e -20 (linha 8), e,
na coluna G, estão os valores zero (linha 6), 20 (linha 7) e -7 (linha 8). Na coluna H, linha 4, está escrito: “Valor do Jogo”
e aparece o valor 3,33 na linha 5 da coluna H. Das linhas 6 a 8 aparecem o valor -1, na coluna H. Na linha 9, da coluna
D até a coluna G, aparece o número -1.

263
UNICESUMAR

Observando a Figura 7, verifica-se que a estratégia mais relevante para a MaxCar é ofertar um ano
de IPVA pago, enquanto que, para a Placa5, a estratégia que reduziria as suas perdas é oferecer 5% de
desconto em seus veículos.

Agora, chegou o momento de ouvir mais um podcast de Pesquisa

Operacional. Neste podcast, você ouvirá uma análise da entrada da
Gol no mercado de linhas aéreas, sob a visão da Teoria dos Jogos.

Observe a maneira que a Programação Linear pode auxiliar na solução de problemas em Teoria dos
Jogos, servindo como uma ferramenta importantíssima para resolvê-los, por meio da formulação de
estratégias via Teoria dos Jogos.
A Teoria dos Jogos pode ser utilizada para formular, estrategicamente, a interação entre empresas,
sendo que uma empresa pode decidir se competirá ou cooperará com os seus adversários. Em situações
em que se deseja ampliar o mercado consumidor de dado produto, a cooperação pode ser interessante,
a fim de estimular o consumo do produto em questão.
Segundo Costa (2007), a cooperação deve ser escolhida por uma empresa se o jogador tiver certeza
de que a recompensa final será maior para todos os jogadores bem como garantias de que os demais
jogadores honrarão a cooperação. Se a intenção for aumentar a sua própria participação no mercado,
a competição é a melhor alternativa.
A rede de valor da empresa pode ser utilizada pela Teoria dos Jogos para analisar esta dinâmica
de interações entre uma empresa e os demais jogadores. Essa rede de valor nada mais é do que um
diagrama onde estão representados os principais jogadores com que a empresa se relaciona, como é
apresentado na Figura 8.

264
 UNIDADE 9

Figura 8 - Rede de valor de uma empresa / Fonte: adaptada de Costa (2007).

Descrição da Imagem: na imagem, aparece um retângulo centralizado, com a palavra “Empresa”, acima desse retân-
gulo, está outro com a palavra “Clientes”, ambos são conectados por uma seta de duas pontas. Abaixo do retângulo
“Empresa” está um retângulo escrito “Fornecedores”, ambos se conectam por uma seta de duas pontas. À esquerda
do retângulo “Empresa” aparece um retângulo escrito “Concorrentes”, estando conectados por uma seta de duas pon-
tas. Á direita do retângulo “Empresa” há outro escrito “Complementares”, ambos estão ligados por uma seta de duas
pontas. Os retângulos “Clientes” e “Complementares” estão conectados por uma seta de duas pontas e, abaixo dessa
seta, está escrito: “Jogo cooperativo”. Os retângulos “Fornecedores” e “Complementares” se conectam por uma seta
de duas pontas e, acima dessa seta, está escrito: “Jogo cooperativo”. Os retângulos “Fornecedores” e “Concorrentes”
estão conectados por uma seta de duas pontas e, acima dela, está escrito: “Jogo cooperativo”. Os retângulos “Clientes”
e “Concorrentes” estão ligados por uma seta de duas pontas e, abaixo dela, está escrito: “Jogo competitivo”.

Na rede de valor representada na Figura 8, pode-se observar que uma empresa precisa se relacionar
com os seus clientes, fornecedores, complementares e concorrentes. Verifica-se que há uma relação de
cooperação entre clientes, fornecedores e complementares, pois todos apresentam interesses comuns
quanto à oferta de produto e de serviços e, também, uma relação de competição com os seus concor-
rentes, uma vez que, geralmente, os jogadores querem tomar maiores fatias do mercado.
Outra ferramenta que pode ser utilizada na formulação estratégica é a Matriz de Jogos Estratégicos,
como apresentado na Figura 9. Essa matriz é subdividida em posturas dos jogadores e forças que eles
possuem, como veremos, a seguir.
A postura rival é uma competição retaliatória entre as empresas, também conhecida como Soma
Zero ou Minimax. Nesta situação, a vitória de uma empresa implica a derrota da outra. São exemplos
deste tipo de competição: uma concorrência pública ou privada ou um leilão.
A postura associativa pode configurar um jogo Cooperativo de Pareto, sendo conhecido como um
jogo ganha-ganha, por ser cooperativo, é utilizado no meio empresarial, militar, político e, até mesmo,
familiar. Nestas condições, os jogadores realizam um acordo explícito entre os jogadores de maneira
que todos respeitem as regras preestabelecidas. O equilíbrio desse jogo é chamado de Ótimo de Pareto,
sendo que nenhum jogador pode melhorar os seus resultados sem prejudicar os demais.

265
UNICESUMAR

Figura 9 - Matriz de Jogos Estratégicos / Fonte: adaptada de Costa (2007).

Descrição da Imagem: na imagem, aparece uma Matriz de Jogos Estratégicos. São nove retângulos dispostos em linhas
de três retângulos, uma em cima da outra. Do lado esquerdo da imagem, ao lado do primeiro retângulo da primeira
linha, está escrito: “Hegemônico”, do lado esquerdo, ao lado do primeiro retângulo da segunda linha, está escrito:
“Equilíbrio” e, ainda do lado esquerdo, ao lado do primeiro retângulo da terceira linha, está escrito: “Fraco”. Na parte
de baixo, no final da imagem, aparece escrito “Postura dos jogadores”, acima destas palavras, mas, abaixo da matriz,
aparece escrito “Rival”. Embaixo do último retângulo da segunda coluna, está escrito: “Individualista”, e “Associativa”
embaixo do último retângulo da terceira coluna. Na segunda linha da matriz, está escrito: “Retaliatório Minimax ou
Soma Zero” no primeiro retângulo, “Competitivo de Nash” no segundo retângulo, “Cooperativo de Pareto” no terceiro
retângulo. Na segunda coluna, aparece “Líder de Stackelberg” no primeiro retângulo, “Competitivo de Nash” no segundo
retângulo e “Seguidor de Stackelberg” no terceiro retângulo. Há uma seta curva, à direita, ligando os retângulos “Líder
de Stackelberg” e “Seguidor de Stackelberg”.

Na postura individualista, três formas diferentes de jogos podem acontecer: Líder de Stackelberg,
Seguidor de Stackelberg e Competitivo de Nash.
O jogo Competitivo de Nash é aplicado em situações de livre mercado com grande quantidade de for-
necedores e clientes, de forma que nenhum jogador tenha condições de dominar ou ser dominado pelos
seus concorrentes. É exemplo deste tipo de jogo a competição entre restaurantes em uma grande cidade.
Os jogos Líder de Stackelberg e Seguidor de Stackelberg são classificados como hierárquicos, sendo
uma relação entre um jogador líder e outro seguidor. Há, nestes casos, um oponente mais forte e um
oponente mais fraco, situação que pode ocorrer entre uma montadora e os seus fornecedores de peças.
A Teoria dos Jogos permite analisar o comportamento de dois jogadores que interagem entre si
visando às recompensas. As interações podem ser simultâneas ou sequenciais e, quando as decisões
são tomadas em conjunto, temos os jogos simultâneos, quando as decisões ocorrem uma após a outra,
temos os jogos sequenciais.

266
 UNIDADE 9

Os jogos simultâneos são representados pela forma normal, ou seja, aquela em tabela que permite
colocar as recompensas de cada jogador e avaliar o Equilíbrio de Nash. Os jogos sequenciais são re-
presentados pela árvore de jogos e têm as suas recompensas anotadas ao final de toda a sequência de
interações.
O objetivo, em todos os casos, é identificar a estratégia mais segura, aquela que retornará a melhor
solução. Quando há dificuldade em encontrar a melhor solução por estratégias puras, como o Equilíbrio
de Nash, pode-se lançar mão das estratégias mistas utilizando a Programação Linear para encontrar
a solução do problema. Vale lembrar que, neste caso, as variáveis de decisão são as probabilidades de
escolher determinada estratégia, considerando a mais vantajosa ou aquela que levará a menos prejuízo.
Independentemente da técnica utilizada, todas servem para embasar decisões que devem ser toma-
das nas empresas com mais assertividade e segurança. Desde o início de nossos estudos, o argumento
principal utilizado era fornecer condições de estudar um problema e trazer meios de analisá-lo, para
escolher a melhor forma de abordá-lo. Desde a Programação Linear utilizada para inúmeras aplicações
(mix de produção, logística e alocação de recursos) até a Teoria dos Jogos com a análise de interações
estratégicas. E, obviamente se necessário, misturar as duas.
Você já aprendeu que a Teoria dos Jogos é útil para analisar as melhores estratégias que dois jo-
gadores, empresas, geralmente, podem escolher em uma relação competitiva. Sabemos que não há
uma escolha perfeita, assim, a aplicação dessa teoria não torna obrigatória uma escolha, mas serve de
sugestão e permite definir opções com mais potencial de sucesso. Aliar a Programação Linear à Teoria
dos Jogos permite ampliar a capacidade de análise deste tipo de problema, trazendo uma avaliação
mais quantitativa dessa teoria. Você observou, ao resolver o problema proposto no início da unidade,
que, em alguns momentos, há a necessidade de estruturar o jogo como uma sequência de ações que
se desenrolam de forma temporal, ou seja, uma em seguida à outra. Há uma intenção de avaliar as
melhores estratégias que devem ser escolhidas e, geralmente, nos jogos sequenciais, cada empresa dá
um passo de cada vez. Apesar de você observar esta dinâmica não simultânea, as empresas precisam
estar preparadas para selecionar a melhor estratégia a cada etapa do jogo sequencial, caso contrário,
pode não haver tempo hábil à execução da estratégia. Por este motivo, conhecer, da melhor maneira
possível, o jogo estabelecido e estruturá-lo de forma adequada (simultâneo ou sequencial), lhe ajudará
a tomar decisões mais rápidas e com mais assertividade. Entender, também, que, em alguns momentos,
você se deparará com um jogo cuja estratégia mais adequada não está muito clara, pois não há uma que
predomine sobre as outras. Deve-se, então, trabalhar com a probabilidade de ocorrência das estratégias,
o que pode ser feito utilizando a Programação Linear, assim, é possível avaliar o percentual de ocorrência
de cada combinação estratégica bem como determinar aquela que tem maiores chances de acontecer.

267
 Para que você consolide as principais informações apresentadas nesta unidade, lhe convido a
terminar de preencher o Mapa Mental apresentado, a seguir:

Descrição da Imagem: na imagem, aparece um retângulo onde se lê: “Teoria dos Jogos e PL”, desse retângulo sai
outro, para baixo, onde está escrito: “Jogos sequenciais” e, desse retângulo, saem outros três retângulos dispostos
à sua direita, de cima para baixo. No retângulo de cima, está escrito: “1. Criar a árvore do jogo”, no segundo, que
está no centro, há espaço vazio para preenchimento, e, no terceiro, que está abaixo, se lê: “3. Escolher a estratégia
mais adequada”. Do retângulo “Teoria dos Jogos e PL” também sai um retângulo para cima, onde está escrito:
“Programação Linear”, dele saem outros seis retângulos, dispostos da esquerda para a direita. No primeiro retân-
gulo, à esquerda, está escrito “1. Criar a matriz de pagamento”, no segundo retângulo, logo acima, está escrito: “2.
Atribuir as variáveis de probabilidade para cada jogador”, no terceiro retângulo, indo para a direita, está escrito:
“3. Estruturar as restrições do problema”, no quarto retângulo, há espaço vazio para preenchimento, no quinto
retângulo, está escrito: “5. Resolver o problema como uma maximização”, no sexto retângulo, se lê: “6. Anotar as
probabilidades encontradas e escolher uma estratégia”.
MAPA MENTAL

268
1. Duas empresas estão em uma concorrência de mercado produzindo caixas Tetra Pack
para laticínios. A empresa Paper está analisando uma possibilidade de ampliação de sua
capacidade produtiva, e a empresa Fiber deve decidir se também aumenta ou mantém
a produção atual. A decisão da Fiber será tomada, apenas, quando a Paper decidir qual
caminho tomará. Na Figura 1, é apresentada a forma estendida deste jogo sequencial.

Figura 1 - Representação estendida do jogo sequencial da Questão 1 / Fonte: o autor.

Descrição da Imagem: na imagem, há uma árvore de jogos, ela se inicia com a palavra “Paper”, desta
palavra saem duas linhas, uma para cima e outra para baixo, ambas estão conectadas a dois círculos, onde
está escrito: “Fiber”. Na linha de cima, está escrito: “Aumenta”, na linha de baixo, está escrito: “Mantém”. Do
círculo de cima saem mais duas linhas, uma para cima, onde está escrito: “Aumenta” e outra para baixo,
onde está escrito “Mantém”. A linha de cima termina com a ponta de uma seta e, à sua frente, está um
parêntese com os números -100 e -100. A linha de baixo também termina com a ponta de uma seta e, à
sua frente, há um parêntese com os números 600 e 100. Do círculo de baixo saem duas linhas, uma para

AGORA É COM VOCÊ

cima, onde está escrito: “Aumenta”, outra para baixo, onde está escrito: “Mantém”, ambas terminam com
a ponta de uma seta e, à frente da linha de cima, está um parêntese com os números 100 e 600, à frente
da linha de baixo, um parêntese com os números 200 e 200.

Após a leitura da figura, determine qual a melhor estratégia para ambas as empresas.

269
 2. A NoteCom, empresa do ramo de Tecnologia da Informação, planeja aquecer as vendas
de seus notebooks para uso doméstico, por este motivo, definiu três estratégias possí-
veis: enviar uma mochila junto com o produto, oferecer dois anos de armazenamento
de 2 TB na nuvem ou dois anos de antivírus completo, gratuitamente, e renovação com
25% de desconto. No entanto a NoteCom sabe que a sua concorrente, a Infoponto,
adotará medidas para alavancar as vendas. As possíveis estratégias da Infoponto são:
enviar mouse e teclado junto com o produto, personalizar a tampa do notebook com
uma foto escolhida pelo comprador, envio de um HD externo de 250 GB de brinde ou
garantia estendida de três anos, sem custo adicional. Para efeitos de comparação, o
departamento de Planejamento Estratégico da NoteCom acionou o setor de Pesquisa
Operacional para avaliar a melhor estratégia a ser escolhida, e o setor elaborou uma
tabela com o Valor Presente Líquido (VPL) às combinações de estratégias, como apre-
sentado na Tabela 1.

Infoponto (kR$/mês)
Estratégia E n v i a r Personalizar Envio de HD G a r a n t i a
mouse e tampa com externo de e s t e n d i -
teclado foto 250 GB da de três
anos
NoteCom Enviar mochila 35 10 (15) 8
(kR$/mês) Armazenamento de 2 TB 60 40 25 (5)
Dois anos de antivírus 55 30 (10) 15
Tabela 1 - Valor Presente Líquido (VPL) para a NetCon, em milhares de reais mensais (kR$/mês) / Fonte: o autor.
AGORA É COM VOCÊ

Elabore um modelo de Programação Linear utilizando os dados da Tabela 1 para re-

solver este jogo. Apresente os percentuais de escolha para cada estratégia possível.

270
3. Duas empresas fazem voos aéreos internacionais e competem pelo mesmo mercado.
Uma delas, a Pam Airlines, está adotando novas estratégias para ampliar a sua quan-
tidade de passageiros. A primeira estratégia é oferecer 50% desconto na passagem
para compras de ida e volta, a segunda estratégia é oferecer uma passagem gratuita
a cada quatro passagens adquiridas para o mesmo percurso e a terceira estratégia é
utilizar o programa de milhas aéreas oferecendo o dobro de milhas às primeiras dez
passagens adquiridas por cliente. No entanto a Pam Airlines sabe que a sua concor-
rente, a Cap Airlines, também pode adotar algumas estratégias de mercado com a
intenção de competir com as suas medidas. Por este motivo, a Pam Airlines solicitou
um estudo sobre as recompensas de cada empresa no jogo competitivo, tendo, como
base, medidas adotadas, em outros momentos, pela Cap Airlines. O Departamento
Estratégico da empresa entende que as possíveis medidas adotadas pela Cap Airlines
são: oferecer desconto de 30% em três passagens consecutivas ao mesmo destino,
oferecer 1000 milhas a mais às primeiras quatro passagens adquiridas por cliente,
oferecer a passagem de volta gratuita para três destinos à escolha do cliente, num
período de seis meses, e oferecer desconto de 20% às bagagens acima de 32 kg. Com
estas informações, foi elaborada uma tabela com o Valor Presente Líquido (VPL) para
cada combinação estratégica, tendo, como base, os resultados da Pam Airlines. Estes
valores são apresentados na Tabela 2.

Cap Airlines (kR$/mês)

Estratégia Oferecer des- O f e r e c e r Oferecer pas- Oferecer 20%

AGORA É COM VOCÊ

conto de 30% 1000 milhas sagem de volta de desconto
na passagem gratuita na bagagem
Pam Airlines Oferecer 50% 460 230 (30) 150
(kR$/mês) de desconto
Oferecer pas- 210 (40) 50 60
sagem gratuita
Oferecer o do- (20) 60 (90) 25
bro de milhas
aéreas
Tabela 2 - Valor Presente Líquido (VPL) para a Pam Airlines, em milhares de reais mensais (kR$/mês) / Fonte: o autor.

Elabore um modelo de Programação Linear utilizando os dados da Tabela 2 para resolver

este jogo e encontre as probabilidades de escolha de cada estratégia para cada empresa.

271
 Unidade 1
GASS, S. I.; ASSAD, A. A. An Annotated Timeline of Operations Research: An Informal History.
Boston: Kluwer Academic Publishers, 2005.

HILLIER, F. S.; LIEBERMAN, G. J. Introdução à Pesquisa Operacional. Porto Alegre: McGraw-

-Hill, 2013.

LACHTERMACHER, G. Pesquisa Operacional na tomada de decisões. Rio de Janeiro: Elsevier,

2007.

LONGARAY, A. A. Introdução à Pesquisa Operacional. São Paulo: Saraiva, 2014.

MARINS, F. A. S. Introdução à Pesquisa Operacional. São Paulo: Cultura Acadêmica, 2011.

SILVA, E. M. et al. Pesquisa Operacional para os cursos de Administração e Engenharia. São

Paulo: Atlas, 2010.

TAHA, H. A. Pesquisa Operacional. São Paulo: Pearson, 2008.

Unidade 2
COLIN, E. S. Pesquisa Operacional: 170 aplicações em Estratégia, Finanças, Logística, Produção,
Marketing e Vendas. 2. ed. São Paulo: Atlas, 2018.

GASS, S. I.; ASSAD, A. A. An Annotated Timeline of Operations Research: An Informal History.

Boston: Kluwer Academic Publishers, 2005.

HILLIER, F. S.; LIEBERMAN, G. J. Introdução à Pesquisa Operacional. Porto Alegre: McGraw-Hill,

2013.

LACHTERMACHER, G. Pesquisa Operacional na tomada de decisões. Rio de Janeiro: Elsevier, 2007.

LONGARAY, A. A. Introdução à Pesquisa Operacional. São Paulo: Saraiva, 2014.

REFERÊNCIAS

Unidade 3
AXLER, S. Pré-Cálculo: Uma Preparação para o Cálculo. Rio de Janeiro: LTC, 2016.

HILLIER, F. S.; LIEBERMAN, G. J. Introdução à Pesquisa Operacional. Porto Alegre: McGraw-Hill,

2013.

LACHTERMACHER, G. Pesquisa Operacional na tomada de decisões. Rio de Janeiro: Elsevier, 2007.

LONGARAY, A. A. Introdução à Pesquisa Operacional. São Paulo: Saraiva, 2014.

SILVA, E. M. et al. Pesquisa Operacional para os cursos de Administração e Engenharia. São

Paulo: Atlas, 2010.

STEINBRUCH, A.; WINTERLE, P. Introdução à Álgebra Linear. São Paulo: Pearson Education, 1997.

272
Unidade 4
COLIN, E. S. Pesquisa Operacional: 170 aplicações em Estratégia, Finanças, Logística, Produção,
Marketing e Vendas. 2. ed. São Paulo: Atlas, 2018.

HILLIER, F. S.; LIEBERMAN, G. J. Introdução à Pesquisa Operacional. Porto Alegre: McGraw-

-Hill, 2013.

LACHTERMACHER, G. Pesquisa Operacional na tomada de decisões. Rio de Janeiro: Elsevier,

2007.

LONGARAY, A. A. Introdução à Pesquisa Operacional. São Paulo: Saraiva, 2014.

SILVA, E. M. et al. Pesquisa Operacional para os cursos de Administração e Engenharia. São

Paulo: Atlas, 2010.

Unidade 5
COLIN, E. S. Pesquisa Operacional: 170 aplicações em Estratégia, Finanças, Logística, Produção,
Marketing e Vendas. 2. ed. São Paulo: Atlas, 2018.

HILLIER, F. S.; LIEBERMAN, G. J. Introdução à Pesquisa Operacional. Porto Alegre: McGraw-

-Hill, 2013.

LACHTERMACHER, G. Pesquisa Operacional na tomada de decisões. Rio de Janeiro: Elsevier,

2007.

LONGARAY, A. A. Introdução à Pesquisa Operacional. São Paulo: Saraiva, 2014.

SILVA, E. M. et al. Pesquisa Operacional para os cursos de Administração e Engenharia. São

Paulo: Atlas, 2010.

REFERÊNCIAS

273
 Unidade 6
COLIN, E. S. Pesquisa Operacional: 170 aplicações em Estratégia, Finanças, Logística, Produção,
Marketing e Vendas. 2. ed. São Paulo: Atlas, 2018.

HILLIER, F. S.; LIEBERMAN, G. J. Introdução à Pesquisa Operacional. Porto Alegre: McGraw-

-Hill, 2013.

LACHTERMACHER, G. Pesquisa Operacional na tomada de decisões. Rio de Janeiro: Elsevier,

2007.

SILVA, E. M. et al. Pesquisa Operacional para os cursos de Administração e Engenharia. São

Paulo: Atlas, 2010.

Unidade 7
COLIN, E. S. Pesquisa Operacional: 170 aplicações em Estratégia, Finanças, Logística, Produção,
Marketing e Vendas. 2. ed. São Paulo: Atlas, 2018.

HILLIER, F. S.; LIEBERMAN, G. J. Introdução à Pesquisa Operacional. Porto Alegre: McGraw-

-Hill, 2013.

LACHTERMACHER, G. Pesquisa Operacional na tomada de decisões. Rio de Janeiro: Elsevier,

2007.

SILVA, E. M. et al. Pesquisa Operacional para os cursos de Administração e Engenharia. São

Paulo: Atlas, 2010.

Unidade 8
ANDRADE, E. L. Introdução à Pesquisa Operacional: Métodos e Modelos para Análise de De-
cisões. Rio de Janeiro: LTC, 2015.

COLIN, E. S. Pesquisa Operacional: 170 aplicações em Estratégia, Finanças, Logística, Produção,

REFERÊNCIAS

Marketing e Vendas. 2. ed. São Paulo: Atlas, 2018.

FIANI, R. Teoria dos Jogos. Rio de Janeiro: Elsevier, 2015.

FUDENBERG, D.; TIROLE, J. Game Theory. Massachusetts: The MIT Press, 1991.

HILLIER, F. S.; LIEBERMAN, G. J. Introdução à Pesquisa Operacional. Porto Alegre: McGraw-

-Hill, 2013.

LACHTERMACHER, G. Pesquisa Operacional na tomada de decisões. Rio de Janeiro: Elsevier,

2007.

SILVA, E. M. et al. Pesquisa Operacional para os cursos de Administração e Engenharia. São

Paulo: Atlas, 2010.

274
Unidade 9
ANDRADE, E. L. Introdução à Pesquisa Operacional: Métodos e Modelos para Análise de De-
cisões. Rio de Janeiro: LTC, 2015.

COLIN, E. S. Pesquisa Operacional: 170 aplicações em Estratégia, Finanças, Logística, Produção,

Marketing e Vendas. 2. ed. São Paulo: Atlas, 2018.

COSTA, E. A. Gestão Estratégica: Da empresa que temos para a empresa que queremos. São Paulo:
Saraiva, 2007.

FIANI, R. Teoria dos Jogos. Rio de Janeiro: Elsevier, 2015.

FUDENBERG, D.; TIROLE, J. Game Theory. Massachusetts: The MIT Press, 1991.

HILLIER, F. S.; LIEBERMAN, G. J. Introdução à Pesquisa Operacional. Porto Alegre: McGraw-

-Hill, 2013.

LACHTERMACHER, G. Pesquisa Operacional na tomada de decisões. Rio de Janeiro: Elsevier,

2007.

SILVA, E. M. et al. Pesquisa Operacional para os cursos de Administração e Engenharia. São

Paulo: Atlas, 2010.

REFERÊNCIAS

275
 Unidade 1
1. A Pesquisa Operacional não se atém, apenas, ao campo qualitativo ou quantitativo, ela adota
as duas visões. Quando o problema é analisado (situação gerencial) aspectos qualitativos são
considerados e dados são obtidos. Em seguida, as informações da situação gerencial são con-
vertidas em um modelo matemático que gera uma solução (campo quantitativo), a qual é levada
até o nível de tomada de decisão que pode utilizar tanto os resultados obtidos (quantitativo)
quanto a intuição e a experiência (qualitativo), sendo desejável uma combinação de ambos.

2. C. A coleta de informações para entender o problema que se deseja modelar é uma ação reali-
zada no início do estudo de um problema em Pesquisa Operacional, logo, esta ação ocorre na
etapa de Formulação do Problema. É, justamente, onde você passa a entender os principais
elementos que fazem parte do problema, considerando aqueles que são relevantes e aqueles
que podem ser desprezados na análise. A comparação dos resultados do modelo com os dados
históricos está ligada ao Teste do Modelo, momento em que você já tem o modelo pronto, es-
crito, matematicamente, e fará sua validação, confrontar os resultados do modelo com dados
reais conhecidos para garantir que o seu uso gerará respostas satisfatórias para o processo de
tomada de decisão.

3. A disponibilidade total de tempo na mistura é de 45 h = 2700 min.

CONFIRA SUAS RESPOSTAS

Cenário 1:
1000
. L
Hotp int   10 produções
100 L
Consumo de tempo  10 produções  255 min  250 min
Tempo res tan te para Coldp int  2.700 min  250 min  2.450 min
2.450 min
Pr odução de Coldp int   70 produções  7.000 L
35 min/ produção
Lucro1  1525 .  70  153.500  R$153.500, 00
.  10  1975

Cenário 2:
. L
1500
Coldp int   15 produções
100 L
Consumo de tempo  15 produções  35 min  525 min
Tempo res tan te para Hotp int  2.700 min  525 min  2.175 min
2.175 min
Pr odução de Hotp int   87 produções  8.700 L
25 min/ produção
Lucro2  1525 .  15  162.300  R$162.300, 00
.  87  1975

Cenário 3:
2.500 L
Coldp int   25 produções
100 L
Consumo de tempo  25 produções  35 min  875 min
Tempo res tan te para Hotp int  2.700 min  875 min  182
. 5 min
1825
. min
Pr odução de Hotp int   73 produções  7.300 L
25 min/ produção
Lucro3  1525 .  25  162.300  R$160.700, 00
.  73  1975

276
 Lucro2 > Lucro3 > Lucro1
4. Para avaliar o lucro, precisamos calcular a receita e descontar dos custos. É possível, uma vez que
são conhecidos as receitas e os custos unitários, calcular o lucro unitário para cada tipo de motor
e, então, utilizar este valor para estimar o lucro total, dessa forma, os lucros unitários seriam:
Lucro2 HP  Re ceita2 HP  Custo2 HP  R$850, 00  R$320, 00  R$530, 00
Lucro6,5HP  Re ceita6,5HP  Custo6,5HP  R$1980
. , 00  R$1150
. , 00  R$830, 00
Lucro15HP  Re ceita15HP  Custo15HP  R$10.200, 00  R$7.320, 00  R$2.880, 00

Caso 1: com as quantidades de 10 unidades do motor de 2 HP e 20 unidades do motor de 6,5 HP,

calculamos o tempo total consumido, descontamos do tempo disponível e, então, identificamos
a quantidade de motores de 15H P que podem ser montados.

Consumo de tempo montagem  10  25  20  110  2.450 min

Sobra de tempo  11.500 min  2.450 min  9.050 min

há, então, um consumo de 2.450 min. e uma sobra de 9.050 min. para a produção de motores
de 15HP, dessa forma, poderemos montar:

CONFIRA SUAS RESPOSTAS

9.050
Quantidade de motores de 15HP   25, 14 motores de 15HP  25 motores de 15HP
360

nesta dinâmica de produção, serão fabricados 10 motores de 2 HP, 20 de 6,5 HP e 25 de 15H

P, o lucro total será de:

Lucro1  530  10  830  20  2.880  25  93.900  R$93.900, 00

o lucro, no Caso 1, será de R$ 93.900,00.

Caso 2: as quantidades definidas, aqui, são de 80 unidades de motores de 2 HP, 10 unidades de

motores de 6,5 HP e o restante de motores de 15 HP. Assim, avaliamos o consumo de tempo e
o tempo de sobra para a produção dos motores de 15 HP.

Consumo de tempo montagem  80  25  10  110  3.100 min

Sobra de tempo  11.500 min  3.100 min  8.400 min

há um consumo de 3.100 min. e uma sobra de 8.400 min. que serão utilizados para fabricar
os motores de 15 HP, assim, a quantidade daqueles de 15 HP que podem ser fabricados são:

8.400
Quantidade de motores de 15HP   23, 33 motores de 15HP  23 motores de 15HP
360

a dinâmica de produção será de 80 unidades de motores de 2HP, 10 unidades de 6,5 HP e 23

unidades de 15 HP, levando a um lucro de:

Lucro2  530  80  830  10  2.880  23  116.940  R$116.940, 00

o lucro, no Caso 2, será de R$ 116.940,00.

277
 Caso 3: nesta situação, é proposta a produção de 60 unidades de motores de 6,5 HP, 10 motores
de 15 HP e o restante do tempo, utilizado na fabricação de motores de 2 HP. Assim, avaliamos
o consumo de tempo e aquele de sobra para a produção dos motores de 2 HP.

Consumo de tempo montagem  60  110  10  360  10.200 min

Sobra de tempo  11500
. min  10.200 min  1300
. min

o consumo de tempo está, agora, em 10.200 min., levando a uma sobra de, apenas, 1.300 min,
que serão utilizados na fabricação dos motores de 2 HP. A quantidade de 2 HP fabricados será de:

.
1300
Quantidade de motores de 2=
HP = 52 motores de 2 HP
25

a dinâmica de produção será de 52 unidades de motores de 2 HP, 60 unidades de 6,5 HP e 10

unidades de 15 HP, o que levará a um lucro de:

Lucro3  530  52  830  60  2.880  10  106.160  R$106.160, 00

o lucro do Caso 3 será de R$ 106.106,00.
CONFIRA SUAS RESPOSTAS

Considerando as três situações, observa-se que o Caso 2 é o mais lucrativo, com um valor de
R$ 116.940,00. A título de curiosidade, a situação ótima, neste caso, seria a produção de 272
unidades do motor de 2 HP e 10 unidades de cada um dos motores de 6,5 HP e 15 HP, neste
cenário, o lucro seria de R$ 181.260,00.

5. Para resolver este problema, precisamos, a princípio, encontrar a quantidade de viagens neces-
sárias para suprir a demanda de cada depósito. Isto pode ser feito dividindo a demanda em m3
pela quantidade que cada caminhão consegue transportar: 12 m3.

240
=
Demanda do depósito 1 = 20 caminhões
12
180
Demanda do depósito 2 = = 15 caminhões
12
204
=
Demanda do depósito 3 = 17 caminhões
12
a quantidade de caminhões representa a quantidade de viagens realizadas. Como o custo é
dado por viagem, esse valor passa a ser o parâmetro de análise do problema.

a) Como as pedreiras têm capacidade suficiente para atender toda a demanda dos depósitos,
podemos avaliar a rota para cada depósito, escolher a de menor custo e registrar o envio. Por
exemplo, para o Depósito 1, se a Pedreira 1 enviar as pedras para ele, o custo é de R$ 85,00 por
caminhão/viagem; se a Pedreira 2 fizer o envio de pedras ao Depósito 1, o custo já se torna R$
81,00 por caminhão/viagem. Obviamente, neste caso, é mais econômico atender à demanda
do Depósito 1 com a Pedreira 2. O mesmo raciocínio aplicado aos Depósitos 2 e 3 nos leva a
entender que será mais econômico atender ao Depósito 2 com a Pedreira 1, o Depósito 3 com
a Pedreira 2. Sendo assim, as quantidades enviadas por rota seriam:

278
 Depósito 1 (D1) Depósito 2 (D2) Depósito 3 (D3)
Pedreira 1 (P1) 0 15 0
Pedreira 2 (P2) 20 0 17

Essa quantidade transportada levará aos seguintes custos:

Custo total  15 R$93, 00  20  R$81, 00  17  R$85, 00  R$4.460, 00

O custo total semanal de transporte fica em R$ 4.460,00.

b) Com uma capacidade limitante para cada depósito, precisamos analisar se a mesma dinâmica
desenvolvida no item A poderá ser executada ou não. A capacidade da Pedreira 1 é de 360 m3/
semana e, da Pedreira 2, 270 m3/semana. Transformando estas quantidades em caminhões/
viagens, temos:

360
=
Capacidade da pedreira 1 = 30 caminhões
12
270
Capacidade da pedreir=
a 2 = 22, 5 caminhões

CONFIRA SUAS RESPOSTAS

12
para que as condições sejam as mesmas da letra A, seria necessário que a Pedreira 2 tivesse
capacidade para enviar 37 caminhões, mas, como pode enviar, apenas, 22 caminhões (despre-
zamos 0,5 caminhões que sobram), haverá necessidade de que a Pedreira 1 envie os 15 cami-
nhões que faltam para atender às demandas, sejam do Depósito 1 ou do Depósito 3. Podemos,
então, observar que o custo de envio de caminhões da Pedreira 1 ao Depósito 1 é menor, sendo
assim, priorizamos atender toda a demanda do Depósito 1 (20 caminhões) com a Pedreira 1. Os
dois caminhões restantes são enviados para o Depósito 3. Como a necessidade do Depósito 3
é de 17 caminhões, o Depósito 1 envia os 15 caminhões restantes ao Depósito 3, assim como
envia 15 caminhões para o Depósito 2, atendendo toda a sua demanda. Observe, então, que a
Pedreira 1 enviará os 30 caminhões que tem de capacidade e conseguirá suprir a necessidade
de demanda dos depósitos. A distribuição dos caminhões pode ser vista na tabela.

Depósito 1 (D1) Depósito 2 (D2) Depósito 3 (D3)

Pedreira 1 (P1) 0 15 15
Pedreira 2 (P2) 20 0 2

Essa quantidade transportada levará aos seguintes custos:

Custo total  15 R$93, 00  15 R$88, 00  20  R$81, 00  2  R$85, 00  R$4.5505, 00

O custo total semanal de transporte fica em R$ 4.505,00. O aumento de custo é de R$ 45,00
semanais.

279
 Unidade 2
1. Variáveis de decisão

x1 = cintos de couro

x2 = botas de couro
função objetivo

max( Z )  75 x1  120  x2

sujeito às restrições

R1 : 0, 12  x1  x2  3
R2 : 25 x1  150  x2  1000
R3 : 0, 5 x1  4  x2  25
R4 : x1  3
R5 : x1  0
CONFIRA SUAS RESPOSTAS

R6 : x2  0
sendo:

R1 a restrição para a quantidade de couro (em m2).

R2 a restrição para a quantidade de cola (em mL).

R3 a restrição para a quantidade de linha (em unidades de carretéis).

R4 a restrição para a produção mínima de cintos (em unidades de cintos).

R5 e R6 as restrições de não negatividade.

2. Variáveis de decisão

x1 = modelo italiano

x1 = modelo inglês

função objetivo

min( Z )  135 x1  95 x2

sujeito às restrições
R1 : 4  x1  4, 8  x2  40
R2 : 3, 5 x1  4, 3  x2  35
R3 : x1  4
R4 : x1  0
R5 : x2  0

280
 sendo:

R1 a restrição para a quantidade de linho (em m).

R2 a restrição para a quantidade de poliéster (em m).

R3 a restrição para a produção mínima de ternos do modelo italiano (em unidades de ternos).

R4 e R5 as restrições de não negatividade.

3. Podemos definir como variáveis de decisão:

x1  Lote de garrafas A 10 unidades 
x2  Lote de garrafas B 10 unidaades 
a função objetivo assume a forma:

max( Z )  250  x1  350  x2

com as seguintes restrições (não esquecendo das restrições de não-negatividade):

CONFIRA SUAS RESPOSTAS

1, 2  x1  2, 5  x2  150 (disponibilidade de aço inoxidável em m 2 )
13  x1  20  x2  390 (disponibilidade do Corte/ Dobra em minutos)
15  x1  17, 7  x2  390 (disponibilidade da Montagem/ Acabamento em minutos)
x1  0, x2  0 (não negatividade)

Para a construção da solução gráfica, escrevemos as restrições com igualdade e encontramos

dois pares (x1,x2) para representar cada reta de restrição, como apresentado na Tabela 1.

Restrição Pares ordenados

Aço (0, 60) (125, 0)
Corte/dobra (0, 19,5) (30, 0)
Montagem/acabamento (0, 22,03) (26,0)

Tabela 1 - Pontos para criação das retas de restrição no gráfico de solução / Fonte: o autor.

Para avaliar a função objetivo, adotaremos alguns valores para (x1,x2), como pode ser observado
na Tabela 2.

Função objetivo (Z) Pares ordenados

0 (0,0)
1.750 (0,5) (7,0)
3.500 (0,10) (14,0)
Tabela 2 - Cálculo de Z para construção das curvas de nível e avaliação da função objetivo do problema
Fonte: o autor.

A solução, na forma gráfica, fica como apresentado na Figura 1:

281
CONFIRA SUAS RESPOSTAS

Figura 1 - Representação gráfica da solução do Exercício 3 / Fonte: o autor.

Descrição da Imagem: na Figura 1, há um gráfico com dois eixos, o eixo horizontal tem a variável x1 e o eixo
vertical tem a variável x2. Há uma região limitada por dois segmentos de reta, o primeiro segmento sai do ponto
x1 = 0 e x2 = 19,5 e segue até o ponto x1 = 12,83 e x2 = 11,16. O segundo segmento de reta parte de x1 = 12,83 e
x2 = 11,16 e segue até x1 = 26 e x2 = 0. A região entre os eixos x1, x2 e os três segmentos de reta é hachurada. Há
mais quatro segmentos de reta para representar as curvas de nível para Z = 0, Z = 1.750, Z = 3.500 e Z = (a,b).
Há uma seta apontando para cima indicando aumento do valor de Z.

Igualando as duas equações de restrição de corte/dobra, montagem/acabamento, encontramos:

( x1, x2 )  (a, b)
390  13  x1 390  13  a
13  x1  20  x2  390  x2  
20 20
390  15 x1 390  15 a
15 x1  17, 7  x2  390  x2  
17, 7 17, 7
390  13  a 390  15 a
  6.903  230, 1 a  7.800  300  a
20 17, 7
69, 9  a  897  a  12, 83
390  13  12, 83
x2   11, 16
20

282
 os valores encontrados para x1 e x2 são 12,83 e 11,16, respectivamente. Como não podemos
fabricar pedações de lote, fazemos um arredondamento matemático e consideramos 13 lotes
de garrafas do modelo A e 11 lotes de garrafas do modelo B. Sendo assim, é possível encontrar
o consumo de recursos e o lucro obtido:

1, 2  13  2, 5  11  43, 1 (consumo de aço inoxidável em m 2 )

13  13  20  11  389 (consumo do Corte/ Dobra em minutos)
15  13  17, 7  11  389, 7 (consumo da Montagem/ Acabamento em minutos)

Lucro  250  13  350  11  R$7.100

Observamos que há grande disponibilidade de aço inoxidável, mas o consumo de tempo nos
processos está no limite, praticamente, nos 390 min. restantes.

Unidade 3

CONFIRA SUAS RESPOSTAS

1.

43 1 217 1
=a) x1 = ; x2= b) x1 = ; x2
12 4 21 3
2.

 | 
5 7 13
|
250 
 
a)  | 
9  22 46 1200  a23  46 a33  0
 | 
 | 
1 84 0 12 
 | 
 | 
2 3 9 
 |  a 2
b) a22  16
 |  11
27 16 130 
 | 
3.

Z  35  x1  17  x2  0
a) 2  x1  8  x2  xF1  30
11  x1  5  x2  xF2  12

283
 Z  3  x1  25  x2  M 1  S1  M 2  S2  0
b) x1  x2  S1  15
9  x1  81  x2  xF1  S2  250

W  12  x1  60  x2  M 1  S1  0
c) 10  x1  18  x2  xF1  30
45  x1  2  x2  xF2  S1  130

W  33  x1  9  x2  M 1  S1  M 2  S2  0
d) 6  x1  93  x2  xF1  S1  2200
16  x1  77  x2  xF2  S2  300

4. Sistema para o Método Simplex

Z  85  x1  110  x2  0
1, 5  x1  1, 3  x2  xF1  130
CONFIRA SUAS RESPOSTAS

0, 5  x1  x2  xF2  15
Produção de 30 unidades de pijama, nenhuma unidade de camisola, com sobra de 85 m de
malha e sem sobra de renda, com receita de R$ 2550,00.

5. Sistema para o Método Simplex

W  15000  x1  9000  x2  M 1  S1  0
200000  x1  110000  x2  xF1  S1  6000000
x1  xF2  21
Pelo resultado direto na tabela, teríamos 21 propagandas na TV e 16,36 propagandas no rádio,
atingindo as 6000000 de pessoas com um custo de cerca de R$ 462.272,73. Considerando que
só podem ser realizadas propagandas inteiras, deve-se considerar, então, 21 propagandas na
TV e 17 propagandas no rádio, e o custo ficaria de:

Z  15000  x1  9000  x2  15000  21  9000  17  468000

Z  R$468.000, 00

Unidade 4
1. Modelo do problema:

x1 =caixas de batata inglesa

x 2 =caixas de batata doce
x3 =caixas de cenoura

284
 Max( Z )  38  x1  40  x2  35 x3

Sujeito a :

Capacidade de transporte x1  x2  x3  250

Mínimo de caixas de batata inglesa x1  60
Mínimo de caixas de batata doce x2  50
Mínimo de caixas de cenoura x3  45
Máximo de caixas de cenoura x3  80
Não negatividade x1  0; x2  0; x3  0

Solução: a otimização propõe levar 60 caixas de batata inglesa, 145 caixas de batata doce e 45
caixas de cenoura, transportando a capacidade máxima do veículo (250 caixas) com um lucro
de R$ 9.655,00.

CONFIRA SUAS RESPOSTAS

2. Para este modelo, temos as seguintes variáveis de decisão:

x1 = Volume produzido de suco de maçã (m 3 )

x2 = Volume produzido de suco de laranja (m 3 )
x3 = Volume produzido de suco de uva (m 3 )
x4 = Volume produzido de suco de pêssego (m 3 )

Max( Z )  720  x1  650  x2  930  x3  850  x4

Sujeito a :

Disponibilidade da Etapa A (h) : 1, 15 x1  1, 25 x2  1, 5x3  1 x4  144

Disponibilidade da Etapa B (h) : 1, 15 x1  1, 25 x2  2, 80 x3  2, 10  x4  160
Disponibilidade da Etapa C (h) : 1, 5 x1  1, 5 x2  1, 5x3  1, 2  x4  150
Disponibilidade da Etapa D (h) : 1, 2  x1  0, 85 x2  1, 35x3  1, 5x4  130
Capacidade de produção de suco de maçã (m 3 ) : x1  25
Capacidade de produção de suco de laranja (m 3 ) : x2  70
Capacidade de produção de suco de uva (m 3 ) : x3  30
Capacidade de produção de suco de pêssego (m 3 ) : x2  20
Não - negatividade : xi  0 (i  1, 2, 3, 4 )

Aplicando o modelo ao Solver, encontramos como solução: produção de 25.000L de suco de

maçã, 41.774L de suco de laranja, 13.226L de suco de uva e 20.000L de suco de pêssego, com um
lucro total semanal de R$ 74.453,23. Haverá um consumo de 120,8h na etapa A (sobra de 23,2h),
160h na etapa B (sobra zero), 150h na etapa C (sobra zero) e 113,4h na etapa D (sobra de 16,6h).

285
 3. Para este modelo, temos as seguintes variáveis de decisão:

x1 =Quantidade de tampas (unid)

x 2 =Quantidade de Suporte (unid)
x 3 =Quantidade de plaquetas (unid)

Max( Z )  5, 20  x1  6, 00  x2  7, 20  x3

Sujeito a :

Disponibilidade de Matéria - Pr ima (kg ) : 0, 35 x1  0, 22  x2  0, 15x3  15.000

Disponibilidade da Injetora (h) : 0, 004  x1  0, 007  x2  0, 009 x3  800
Disponibilidade da Furadeira (h) : 0, 008  x1  0, 011 x2  0, 014 x3  920
Disponibilidade do Acabamento (h) : 0, 02  x1  0, 012  x2  0, 009 x3  680
Demanda mínima de Tampa (unid ) : x1  18.000
CONFIRA SUAS RESPOSTAS

Demanda mínima de Suporte (unid ) : x2  10.000

Demanda máxima de Plaquetas (unid ) : x3  45.000
Não - negatividade : xi  0 (i  1, 2, 3)

Aplicando o modelo ao Solver, encontramos como solução: fabricação de 18.000 unidades de

tampa, 10.000 unidades de suporte e 22.222 unidades de plaqueta, havendo uma margem de
contribuição total de R$ 313.600,00. Haverá consumo de 11.833,33 kg de matéria-prima (sobra
de 3.166,67 kg), 342h na injetora (sobra de 458h), 565,11h na furadeira (sobra de 354,89h) e
680h no acabamento (sobra zero).

Unidade 5
1. Modelo do problema:
x1 = Farinha de carne e ossos
x2 = Farinha de vísceras de aves

Min( Z )  1, 3  x1  1, 1 x2

Sujeito a :

Quantidade de proteínas (%) 50  x1  65 x2  60

Quantidade de gorduras (%) 12  x1  10  x2  11
Massa de ração (kg ) : x1  x2  1
Não negatividade : xi  0 (i  1e 2)

286
 a otimização leva à utilização de 333 g de farinha de carne e ossos e de 667 g de farinha de
vísceras de aves para cada quilograma de ração, com um custo de R$ 1,17/kg de ração. Essa
composição garante 60% de proteína e 10,67% de gordura para essas matérias-primas.

2. Modelo do problema:

x1 = Calcário tipo A
x2 = Calcário tipo B

Min( Z )  0, 2  x1  0, 12  x2

Sujeito a :

Quantidade mínima de CaO (%) 58  x1  65 x2  52

Quantidade máxima de MgO (%) 4  x1  9  x2  6, 5
Massa de cimento (kg ) : x1  x2  1
Não negatividade : xi  0 (i  1e 2)

CONFIRA SUAS RESPOSTAS

a otimização do problema sugere a utilização de 50% de calcário do tipo A e 50% de calcário
do tipo B, conseguindo, com essa mistura, um custo de R$ 0,16/kg de cimento. Essa mistura
permite fazer um tipo de cimento composto por 61,5% de CaO e 6,5% de MgO, atendendo às
especificações (restrições do problema).

3. Modelo do problema:
x1 = Calcário tipo A
x2 = Calcário tipo B
x3 = Argila

Min( Z )  0, 2  x1  0, 12  x2  0, 17  x3

Sujeito a :

Quantidade mínima de CaO (%) 58  x1  65 x2  7  x3  52

Quantidade máxima de CaO (%)
Quantidade mínima de MgO (%)
Quantidade máxima de MgO (%)
Quantidade mínima de Al2O3 (%)
Quantidade máxima de Al2O3 (%)
Quantidade mínima de Fe2O3 (%)
Quantidade máxima de Fe2O3 (%)
Quantidade mínima de SiO2 (%)
Quantidade máxima de SiO2 (%)
Massa de cimento (kg ) :
Quantidade máxima de arg ila (kg ) :
Não negatividade :
58  x1  65 x2  7  x3  67
4  x1  9  x2  0
4  x1  9  x2  6, 5
1, 8  x1  1, 1 x2  16, 7  x3  3, 8
1, 8  x1  1, 1 x2  16, 7  x3  6
0, 92  x1  0, 66  x2  8, 8  x3  1, 7
0, 92  x1  0, 66  x2  8, 8  x3  7
6  x1  6, 7  x2  63  x3  18
6  x1  6, 7  x2  63  x3  24
x1  x2  x3  1
x3  0, 25
xi  0 (i  1e 2)

287
 a otimização do problema sugere a utilização de cerca de 123 g de calcário do tipo A (12,3%),
667 g de calcário do tipo B (66,7%) e 210 g de argila (21,0%), resultando em um custo de R$
0,14/kg de clínquer. Essa mistura fornecerá um tipo de cimento composto por 52,0% de CaO,
6,5% de MgO, 4,45% de Al2O3, 2,4% de Fe2O3 e 18,4% de SiO2. Considerando o cimento como
esse clínquer moído, cada quilograma de cimento tem um custo de R$ 0,14, portanto, o preço
de venda com 75% a mais do valor daria R$ 0,245 ≈ R$ 0,25/kg. Um saco de 50 kg seria, então,
vendido a R$ 12,50.

4. Modelo do problema:

x1 =Quantidade de Milho (kg)

x 2 =Quantidade de Farelo de Soja (kg)
x 3 = Quantidade de Extrato Nutritivo (kg)

Min( Z )  1, 1 x1  2, 1 x2  3, 2  x3

Sujeito a :

Quantidade mínima de Energia Metabolizável (kcal ) 3.400  x1  2.900  x2  10.800

CONFIRA SUAS RESPOSTAS

Quantidade mínima de Pr oteínas (kg ) 0, 082  x1  0, 035 x2  0, 09  x3  0, 63

Quantidade mínima de Vita min as (kg ) 0, 04  x1  0, 035 x2  0, 65 x3  0, 16
Total de ração (kg ) x1  x2  x3  1
Não negatividade : xi  0 (i  1e 2)

ao resolver o problema, encontramos uma combinação de 2,55 kg de milho, 0,91 kg de farelo de

soja e 0,04 kg de extrato nutritivo para compor os 3,5 kg de ração necessária para cada animal,
diariamente. Essa mistura levará a um custo de R$ 4,84/3,5 kg ou R$ 1,38/kg. Considerando as
condições atuais, o produtor consome, diariamente, de alimentos:

3, 5kg
Consumo de ração diário  700 cabeças   2.450 kg
cabeça
o custo atual com a ração comprada e o novo custo com a mistura são:

R$3, 80
Custo atual diário  2.450 kg   R$9.310, 00
kg
R$1, 38
Custo com mistura diário  2.450 kg   R$3.381, 00
kg

a economia gerada será de:

Economia diária  R$9.310, 00  R$3.381, 00  R$5.929, 00

288
Unidade 6
1. Modelo do problema:

x11 = Quantidade transportada da Fábrica 1 até o CD1

x12 = Quantidade transportada da Fábrica 1 até o CD2
x13 = Quantidade transportada da Fábrica 1 até o CD 3
x21 = Quantidade transportada da Fábrica 2 até o CD1
x22 = Quantidade transportada da Fábrica 2 até o CD2
x23 = Quantidade transportada da Fábrica 2 até o CD 3

a função lucro será dada pelo cálculo da receita descontada dos custos de envio e fabricação.
Tais equações são:

Re ceita : 2.350   x11  x12  x13  x21  x22  x23 

Custos de Fabricação : 1.150   x11  x12  x13   1320
.   x21  x22  x23 
Custo deTransporte : 0, 6  x11  0, 65 x12  0, 62  x13  0, 58  x21  0, 67  x22  0, 64  x23

Max( Z )  Re ceita   Custos de Fabricação  Custo deTransporte 

CONFIRA SUAS RESPOSTAS

Sujeito a :

Capacidade da Fábrica 1 (ton) x11  x12  x13  50.000

Capacidade da Fábrica 2 (ton) x21  x22  x23  60.000
Demanda Mínima do CD1 (ton) : x11  x21  55.000
Demanda Mínima do CD2 (ton) : x12  x22  20.000
Demanda Mínima do CD 3 (ton) : x13  x23  15.000
Não negatividade : xij  0 (i  1a 2, j  1a 3)

ao inserir as informações no Solver, a solução ótima apresentada é de 15.000 toneladas trans-

portadas da Fábrica 1 para o CD1, 20.000 toneladas da Fábrica 1 para o CD2, 15.000 toneladas
da Fábrica 1 ao CD3 e 60.000 toneladas da Fábrica 2 ao CD1, não havendo transporte da Fábrica
2 para os CDs 2 e 3. Nesta dinâmica, o lucro otimizado obtido é de R$121.733.900,00.

Com relação às restrições, pelo relatório de resposta, observa-se que há sobra de 20.000 tone-
ladas na quantidade enviada para o CD1. Como o objetivo é de maximização do lucro, haverá a
tendência de enviar toda a capacidade das fábricas, obviamente, esta solução só será possível
se houver capacidade suficiente para que o CD1 receba essas 20.000 toneladas a mais. Pelo
relatório de sensibilidade, observa-se pelo Preço Sombra que, se a demanda do CD2 aumentar
em uma tonelada, haverá redução do lucro em R$ 0,05 e, se a demanda do CD3 aumentar em
uma tonelada, haverá redução do lucro em R$ 0,02. Se a capacidade produtiva da Fábrica 1
aumentar em uma tonelada, haverá acréscimo do lucro total em R$ 1.199,40 e, se a capacidade
da Fábrica 2 for aumentada em uma tonelada, o acréscimo do lucro total será de R$ 1.029,42.

289
 2. Modelo do problema:

x11 = Quantidade transportada da Fábrica 1 até o CD1

x12 = Quantidade transportada da Fábrica 1 até o CD2
x13 = Quantidade transportada da Fábrica 1 até o CD 3
x21 = Quantidade transportada da Fábrica 2 até o CD1
x22 = Quantidade transportada da Fábrica 2 até o CD2
x23 = Quantidade transportada da Fábrica 2 até o CD 3

a função lucro será dada pelo cálculo da receita descontada dos custos de envio e fabricação,
tais equações são:

Re ceita : 2.350   x11  x12  x13  x21  x22  x23 

Custos de Fabricação : 1.150   x11  x12  x13   1320
.   x21  x22  x23 
Custo deTransporte : 0, 6  x11  0, 65 x12  0, 62  x13  0, 58  x21  0, 67  x22  0, 64  x23

Max( Z )  Re ceita   Custos de Fabricação  Custo deTransporte 

Sujeito a :
CONFIRA SUAS RESPOSTAS

Capacidade da Fábrica 1 (ton) x11  x12  x13  50.000

Capacidade da Fábrica 2 (ton) x21  x22  x23  60.000
Demanda Mínima do CD1 (ton) : x11  x21  55.000
Demanda Mínima do CD2 (ton) : x12  x22  20.000
Demanda Mínima do CD 3 (ton) : x13  x23  15.000
Demanda Máxima do CD1 (ton) : x11  x21  62.000
Demanda Máxima do CD2 (ton) : x12  x22  40.000
Demanda Máxima do CD 3 (ton) : x13  x23  40.000
Não negatividade : xij  0 (i  1a 2, j  1a 3)

resolvendo com o Solver, encontramos 2.000 toneladas da Fábrica 1 ao CD1, 20.000 toneladas
da Fábrica 1 ao CD2, 28.000 toneladas da Fábrica 1 ao CD3 e 60.000 toneladas da Fábrica 2 ao
CD1, não haverá transporte entre a Fábrica 2 e o CD2 e CD3. Haverá lucro de R$ 121.733.640,00.

Observando o relatório de resposta, verifica-se que a quantidade enviada para o CD1 é equi-
valente à capacidade máxima e 7.000 toneladas acima da demanda mínima, a quantidade en-
viada para o CD2 é 20.000 toneladas inferior à capacidade máxima e igual à demanda mínima
e 12.000 toneladas inferior à capacidade máxima do CD3, mas 13.000 toneladas acima de sua
demanda mínima. O relatório de sensibilidade mostra que uma tonelada a mais na capacidade
máxima do CD1 levaria a um acréscimo de R$ 0,02 no lucro total, se a demanda mínima do CD2
aumentar em uma tonelada, haverá decréscimo no lucro total em R$ 0,03. Se a capacidade de
produção da Fábrica 1 for aumentada em uma tonelada, o lucro total será aumentado em R$
1.199,38, mas se a capacidade da Fábrica 2 aumentar em uma tonelada, haverá acréscimo no
lucro de R$ 1.029,40.

290
3. Modelo do problema:

x1 = Mix A
x 2 = Mix B
x 3 = Mix C

Max( Z )  1200
.  x1  1700
.  x2  2.200  x3

Sujeito a :

Pesagem (h) 6, 8  x1  4, 1 x2  1, 3  x3  800

Mistura (h) 4, 2  x1  8, 6  x2  3, 2  x3  1760
Empa cot amento (h) 0, 5 x1  0, 9  x2  1, 8  x3  480
Quantidade mínima de A (ton) 1 x1  1
Quantidade mínima de B (ton) 1 x2  120
Quantidade mínima de C (ton) 1 x3  200
Não negatividade : xi  0 (i  1, 2 e 3)

CONFIRA SUAS RESPOSTAS

a) Resolvendo o modelo no Solver, a otimização fornece uma produção mensal de 1,35 toneladas
do Mix A, 128,89 toneladas do Mix B e 201,85 toneladas do Mix C, levando a um lucro mensal de
R$ 664.791,97. Com este mix de produção, todo o tempo disponível nos processos de pesagem,
empacotamento e envase é utilizado e, observa-se, também, a produção de 350 kg a mais do
Mix A, 28.890 kg a mais do Mix B e 1.850 kg a mais do Mix C, se comparado à demanda mínima.

b) O relatório de sensibilidade mostra que a disponibilização de 1h a mais na pesagem deve

elevar o lucro mensal em R$ 63,47, se aumentar em 1h a disponibilidade de tempo para a
mistura, o lucro mensal se elevará em R$ 54,43 e, se houver disponibilidade de 1h a mais no
empacotamento, haverá aumento do lucro mensal em R$ 1.079,61.

c) Ao adquirir mais quatro máquinas para o empacotamento, a empresa disponibiliza mais 160h
semanais ou 640h mensais para este setor, elevando o tempo disponível do empacotamento
para 1.120h, logo, o modelo sofre uma pequena alteração nesta restrição, passando a assumir
a forma:

Max( Z )  1200
.  x1  1700
.  x2  2.200  x3

Sujeito a :

Pesagem (h) 6, 8  x1  4, 1 x2  1, 3  x3  800

Mistura (h) 4, 2  x1  8, 6  x2  3, 2  x3  1760
Empa cot amento (h) 0, 5 x1  0, 9  x2  1, 8  x3  1120
Quantidade mínima de A (ton) 1 x1  1
Quantidade mínima de B (ton) 1 x2  120
Quantidade mínima de C (ton) 1 x3  200
Não negatividade : xi  0 (i  1, 2 e 3)

291
 resolvendo este novo modelo maximizando os lucros, o novo mix de produção é de 1 tonelada
do Mix A, 120 toneladas do Mix B e 226,19 toneladas do Mix C mensais, o que leva o lucro mensal
ao valor de R$ 702.812,50, uma elevação de 38.020,53 comparado à situação anterior. Como o
investimento é de R$ 7.200.000,00 (quatro máquinas), ao dividir esse investimento pelo novo
lucro mensal, o resultado é 10,24 meses, superior aos seis meses estipulados.

Nesta nova condição, o preço sombra fica em -R$ 1.687,50 para o mínimo do Mix A, -R$ 4.212,50
para o Mix B, R$ 687,00 para o consumo da mistura e zero para as demais restrições. Nisto, ob-
serva-se que, se as demandas mínimas de A e B aumentarem, o lucro será reduzido, se houver
mais tempo disponível na mistura, o lucro aumentará. O consumo de recursos fica com sobra
de 7,15h na pesagem, 604,36h no empacotamento e consumo total do tempo da mistura. Como
cada máquina fornece 160h mensais, ao dividir a sobra de horas pelo tempo disponibilizado
por cada máquina, encontramos 3,78 máquinas, ou seja, há três máquinas sobrando, logo,
apenas uma máquina a mais é suficiente para atender à nova condição otimizada. Neste caso,
se a aquisição for de, apenas, uma máquina, o investimento se reduz a R$ 1.800.000,00, o qual
pode ser recuperado em 2,56 meses.

4. Modelo do problema:
x F1-CD = Rota F1 - CD
x F2-F1 = Rota F2 - F1
CONFIRA SUAS RESPOSTAS

x F2-CD = Rota F2 - CD
x F2-D2 = Rota F2 - D2
xCD-D1 = Rota CD - D1
x D1-D2 = Rota D1 - D2
x D2-D1 = Rota D2 - D1

Min( Z )  580  xF 1CD  200  xF 2 F 1  250  xF 2CD  890  xF 2 D2  150  xCD  D1  220  xD1 D2  280  xD2 D1

Sujeito a :

Produção F1 (ton/ mês) xF 1-CD - xF 2- F 1  250

Produção F 2 (ton/ mês) xF 2- F 1  xF 2-CD  xF 2- D2  400
Demanda D1 (ton/ mês) xCD- D1  xD2- D1 - xD1- D2  450
Demanda D 2 (ton/ mês) xF 2- D2  xD1- D2 - xCD- D1  200
Demanda CD (ton/ mês) xF 1-CD  xF 2-CD - xCD- D1  0
Capacidade rota F 2 - F1 xF 2- F 1  100
Capacidade rota CD- D1 xCD- D1  300
Não negatividade : xi  0

292
 ao resolver este problema no Solver, encontramos um envio de 250ton./mês entre F1 e CD, 50
ton./mês entre F2 e CD, 350 ton./mês entre F2 e D2, 300 ton./mês entre CD e D1 e 150 ton./mês
entre D2 e D1. Esta distribuição leva a um custo mensal de transporte de R$ 556.000,00. Pelo
relatório de resposta, observa-se uma margem de atraso de 100 ton./mês para a capacidade
de transporte entre F2 e F1, ou seja, esta rota não foi utilizada. Todas as demais restrições
apresentam margem de atraso zero. Pelo relatório de sensibilidade, verifica-se que o preço
sombra é de -R$ 280,00 para a demanda de D2, -R$ 920,00 para a demanda de CD, R$ 1500,00
para a produção de F1, R$ 1170,00 para a produção de F2 e -R$ 770,00 para a capacidade de
transporte de CD a D1.

5. Com a nova rota, a estrutura de distribuição assume a forma:

CONFIRA SUAS RESPOSTAS

Essa nova rota altera as restrições de demanda de CD e demanda de D2, pois é criada uma nova
variável de decisão chamada, aqui, de xCD-D2, logo, o modelo passa a ser escrito como:

x F1-CD = Rota F1 - CD
x F2-F1 = Rota F2 - F1
x F2-CD = Rota F2 - CD
x F2-D2 = Rota F2 - D2
xCD-D1 = Rota CD - D1
x D1-D2 = Rota D1 - D2
x D2-D1 = Rota D2 - D1
xCD-D2 = Rota CD - D2

Min( Z )  580  xF 1CD  200  xF 2 F 1  250  xF 2CD  890  xF 2 D2  150  xCD  D1  220  xD1 D2  280  xD2 D1  240  xCD  D2

Sujeito a :

Produção F1 (ton/ mês) xF 1CD  xF 2 F 1  250

Produção F 2 (ton/ mês) xF 2 F 1  xF 2CD  xF 2 D2  400
Demanda D1 (ton/ mês) xCD  D1  xD2 D1  xD1 D2  450
Demanda D 2 (ton/ mês) xF 2 D2  xD1 D2  xCD  D2  xCD  D1  200
Demanda CD (ton/ mês) xF 1CD  xF 2CD  xCD  D1  xCD  D2  0
Capacidade rota F 2 - F1 xF 2 F 1  100
Capacidade rota CD- D1 xCD  D1  300
Não negatividade : xi  0

293
 ao resolver este novo modelo, encontramos um envio de 250 ton./mês entre F1 e CD, 400 ton./
mês entre F2 e CD, 300 ton./mês entre CD e D1, 150 ton./mês entre D2 e D1, 350 ton./mês entre
CD e D2. O novo custo fica em R $416.000,00, redução de R$ 140.000,00 mensais. Pela nova
otimização, a rota F2 a F1 continua não sendo utilizada.

UNIDADE 7
1. O modelo do problema sofre, apenas, uma alteração na restrição da quantidade total de centros
de distribuição que deverão ser construídos.

 9, 2  y11  3, 3 y12  7, 5  y13  4, 8  y14  4, 5  y15  

 
 6, 6  y21  5,1 y22  2,1  y23  6, 2  y24  7, 4  y25  
Min( Z )   6  x1  5  x2  8  x3  7  x4  6  x5  106   2, 2  y31  7,1 y32  4, 2  y33  6, 7  y34  3, 9  y35   103
 
 5, 7  y41  1, 8 y42  8, 6  y43  4, 3  y44  2, 8  y45  
 7, 2  y  6, 8 y  3, 6  y  3, 2  y  5,1  y 
 51 52 53 54 55 

Sujeito a :
CONFIRA SUAS RESPOSTAS

Demanda de Aripuanã : y11  y21  y31  y41  y51  200

Demanda de Poconé : y12  y22  y32  y42  y52  350
Demanda de Colider : y13  y23  y33  y43  y53  400
Demanda de Água Boa : y14  y24  y34  y44  y54  320
Demanda de Tan gará da Serra : y15  y25  y35  y45  y55  500
Capacidade do CD1 : y11  y12  y13  y14  y15  550  x1
Capacidade do CD 2 : y21  y22  y23  y24  y25  450  x2
Capacidade do CD3 : y31  y32  y33  y34  y35  650  x3
Capacidade do CD 4 : y41  y42  y43  y44  y45  600  x4
Capacidade do CD5 : y51  y52  y53  y54  y55  700  x5
Total de CDs : x1  x2  x3  x4  x5  4

Números Inteiros xi  Binários (i  1 a 5)

Números Inteiros yij   (i  1 a 5, j  1 a 5)
Não negatividade : yij , xi  0 (i  1 a 5, j  1 a 5)

a solução do problema leva à opção de construção dos centros de distribuição em Rondonópo-

lis, Sinop, Cáceres e São Félix do Araguaia. A quantidade transportada é de 350.000 toneladas
de Rondonópolis para Poconé, 50.000 toneladas de Sinop até Aripuanã, 400.000 toneladas de
Sinop para Colider, 100.000 toneladas de Cáceres para Aripuanã, 500.000 toneladas de Cáce-
res até Tangará da Serra, 50.000 toneladas de São Félix do Araguaia para Aripuanã e 320.000
toneladas de São Félix do Araguaia até Água Boa. Os centros de Rondonópolis, Sinop e Cáceres
movimentarão toda a capacidade de armazenamento, e o centro de distribuição de São Félix
do Araguaia transportará 370.000 toneladas de um total de 700.000 toneladas de capacida-
de, havendo, então, a capacidade ociosa de 330.000 toneladas, o que representa, também, a
capacidade de ampliação das vendas. O custo mínimo encontrado é de R$ 29.679.000,00. Se
você comparar o custo encontrado com o custo de R$ 25.361.000,00 do Exemplo 4, haverá
aumento de R$ 4.318.000,00. Note que a cidade escolhida para estabelecer o quarto centro de
distribuição é Sinop, cujo custo de implantação é de R$ 5.000.000,00. Logo, você pode verificar

294
 que a instalação de um local novo aumenta o custo de instalação, mas há redução no custo
de transporte, fazendo com que o custo final não seja ampliado, exatamente, com o valor de
implantação do novo local.

2. Modelo do problema:

Doca/Navio Navio 1 Navio 2 Navio 3 Navio 4

Doca 1 X11 X12 X13 X14
Doca 2 X21 X22 X23 X24
Doca 3 X31 X32 X33 X34
Doca 4 X41 X42 X43 X44
Doca 5 X51 X52 X53 X54
Doca 6 X61 X62 X63 X64

A função objetivo será dada pelo cálculo do tempo total de execução do descarregamento dos
quatro navios:

Min( Z )  10  x11  15 x12  28  x13  18  x14  13  x21  10 x22  19  x23  13  x24 
21 x31  18  x32  15 x33  21 x34  15 x41  8  x42  22  x43  15 x44

CONFIRA SUAS RESPOSTAS

18  x51  14  x52  20  x53  13  x54  12  x61  11 x62  25 x63  14  x64 

Sujeito a :

Uso da Doca 1 x11  x12  x13  x14  1

Uso da Doca 2 x21  x22  x23  x24  1
Uso da Doca 3 x31  x32  x33  x34  1
Uso da Doca 4 x41  x42  x43  x44  1
Uso da Doca 5 x51  x52  x53  x54  1
Uso da Doca 6 x61  x62  x63  x64  1
Decarregamento do Navio 1: x11  x21  x31  x41  x51  x61  1
Decarregamento do Navio 2: x12  x22  x32  x42  x52  x62  1
Decarregamento do Navio 3: x13  x23  x33  x43  x53  x63  1
Deecarregamento do Navio 4: x14  x24  x34  x44  x54  x64  1

Números Inteiros xij  Binários (i = 1 a 6, j = 1 a 4)

Não negatividade : xij  0 (i = 1 a 6, j = 1 a 4)

ao resolver o problema, você encontra que o Navio 1 descarregará na Doca 1, o Navio 2 descar-
regará na Doca 4, o Navio 3 o fará na Doca 3, e o Navio 4 fará o serviço na Doca 2, consumindo
o tempo total de 46h.

295
 3. Modelo do problema:

Doca/Navio Navio tipo 1 Navio tipo 2 Navio tipo 3 Navio tipo 4

Doca 1 X11 X12 X13 X14
Doca 2 X21 X22 X23 X24
Doca 3 X31 X32 X33 X34
Doca 4 X41 X42 X43 X44
Doca 5 X51 X52 X53 X54
Doca 6 X61 X62 X63 X64

A função objetivo será dada pelo cálculo do tempo total de execução do descarregamento dos
quatro navios:

Min( Z )  10  x11  15 x12  28  x13  18  x14  13  x21  10 x22  19  x23  13  x24 
21 x31  18  x32  15 x33  21 x34  15 x41  8  x42  22  x43  15 x44
18  x51  14  x52  20  x53  13  x54  12  x61  11 x62  25 x63  14  x64 
CONFIRA SUAS RESPOSTAS

Sujeito a :

Uso da Doca 1 10  x11  15  x12  28  x13  18  x14  168

Uso da Doca 2 13  x21  10  x22  19  x23  13  x24  168
Uso da Doca 3 21  x31  18  x32  15  x33  21  x34  168
Uso da Doca 4 15  x41  8  x42  22  x43  15  x44  168
Uso da Doca 5 18  x51  14  x52  20  x53  13  x54  168
Usso da Doca 6 12  x61  11  x62  25  x63  14  x64  168
Decarregamento do Navio 1: x11  x21  x31  x41  x51  x61  15
Decarregamento do Navio 2: x12  x22  x32  x42  x52  x62  25
Decarregamento do Navio 3: x13  x23  x33  x43  x53  x63  19
Decarregamento do Navio 4: x14  x24  x34  x44  x54  x64  22

Números Inteiros xij   (i = 1 a 6, j = 1 a 4)

Não negatividade : xij  0 (i = 1 a 6, j = 1 a 4)

resolvendo o problema, você encontra 15 navios do tipo 1 descarregando na Doca 1, 3 navios

do tipo 2 descarregando na Doca 2, 21 navios do tipo 2 na Doca 4, 1 navio do tipo 2 na Doca 6,
7 navios do tipo 3 na Doca 2, 11 navios do tipo 3 na Doca 3, 1 navio do tipo 3 na Doca 5, e, por
fim, dos navios do tipo 4, 11 descarregarão na Doca 5, e 11 na Doca 6. O tempo total gasto no
descarregamento será de 974h.

296
Unidade 8
1. Os principais elementos utilizados para representar um jogo são os próprios jogadores (às vezes,
chamados de agentes) que devem tomar decisões, por este motivo, agem, racionalmente, e
devem escolher uma estratégia em busca da melhor recompensa (também chamado de pay-off).

2. Os jogos simultâneos são os que ocorrem quando os jogadores tomam decisões ao mesmo
tempo, sem saber quais serão as decisões tomadas por seus concorrentes. Os jogos sequenciais
ocorrem quando um dos jogadores deve tomar a decisão primeiro, e os demais escolherão a
estratégia baseando-se na decisão tomada pelo jogador anterior.

3. A representação estratégica para esse jogo é apresentada, a seguir:

Space Force
Air Force
Reduz o preço Mantém o preço
Lança o modelo 2,2 3,1
Não lança o modelo 1,2 1,3
Tabela 1 - Representação estratégica / Fonte: o autor.

CONFIRA SUAS RESPOSTAS

A melhor opção para a Air Force é “lançar o modelo”, pois o seu lucro será maior, de qualquer
maneira, em relação a “não lançar o modelo”. Com base nestas perspectivas, a Space Force deve
optar por “reduzir o preço” de suas aeronaves para diminuir o seu prejuízo.

4. Ao aplicar o Equilíbrio de Nash aos dados do problema, a matriz de ganhos ficaria da seguinte forma:

Bombardier
Embraer
Não coopera Coopera
Não coopera (l) 200, 200 (c) (l) 600, 0
Coopera 0, 600 (c) 300, 300
Tabela 2 - Aplicabilidade do Equilíbrio de Nash / Fonte: o autor.

Portanto, observa-se que o Equilíbrio de Nash ocorre quando ambas as empresas decidem não
cooperar.

5. Para executar o Equilíbrio de Nash, fixamos as estratégias da Motorby e assinalamos a melhor

opção para a FreeStep com a letra C, depois, fixamos as estratégias da FreeStep e assinalamos a
melhor opção para a Motorby com a letra L. O resultado desta análise é apresentado na Tabela 2:

FreeStep
90 cv Elétrica
Motorby 90 cv -1,-1 (L) 6,11 (C)
Elétrica (L) 11,6 (C) -1,-1
Tabela 2 - Recompensas para cada combinação estratégica escolhida para a Motorby e a FreeStep / Fonte: o autor.

Observa-se que o problema apresenta dois Equilíbrios de Nash, o que torna inconclusiva a
análise, logo, torna-se interessante representá-lo como um jogo sequencial, reescrevendo o
modelo utilizando a árvore de jogos, como apresentado na Figura 1:

297
 90 cv
(-1, -1)
FreeStep

90 cv
Elétrica (6,11)
Motorby
90 cv (11,6)
Elétrica

FreeStep (-1, -1)

Elétrica

Figura 1 - Jogo sequencial na forma estendida para a Questão 5, com eliminação da estratégia “alta proteína” para
a Lactis / Fonte: o autor.

Descrição da Imagem: na imagem, há uma árvore de jogos. Ela se inicia com a palavra “Motorby”, desta
palavra saem duas linhas, uma para cima, outra para baixo, ambas estão conectadas a dois círculos, onde
está escrito: “FreeStep”. Na linha de cima, está escrito: “90 cv”, e, na linha de baixo, está escrito: “Elétrica”.
Do círculo de cima saem mais duas linhas, uma para cima, onde está escrito “90 cv”, outra para baixo, onde
está escrito: “Elétrica”. A linha de cima termina com a ponta de uma seta e, à sua frente, está um parêntese
com os números -1 e -1. A linha de baixo também termina com a ponta de uma seta e, à sua frente, há
um parêntese com os números 6 e 11. Do círculo de baixo saem duas linhas, uma para cima, onde está
escrito: “90cv”, outra para baixo, onde está escrito “Elétrica”, ambas terminam com a ponta de uma seta
e, à frente da linha de cima, há um parêntese com os números 11 e 6, à frente da linha de baixo, está um
parêntese com os números -1 e -1.
CONFIRA SUAS RESPOSTAS

Ao transformar o problema em um jogo sequencial, automaticamente, admite-se que um dos

jogadores tomará uma decisão primeiro, neste caso, a Motorby se torna o jogador que inicia a
“partida”, se ela o fizer, perceberá que, para que ter o maior retorno, é necessário que a FreeStep
escolha lançar a moto com motor à combustão de 90 cv e a própria empresa escolha lançar a
moto elétrica, antecipadamente, forçando a FreeStep a lançar a moto de 90 cv para não ter pre-
juízo. Na Figura 2, são apresentadas as estratégias descartadas na dinâmica do jogo sequencial.

90 cv
(-1, -1)
FreeStep

90 cv
Elétrica (6,11)
Motorby
90 cv (11,6)
Elétrica

FreeStep (-1, -1)

Elétrica

Figura 2 - Jogo sequencial, na forma estendida, para a Questão 5, com eliminação da estratégia 90 cv para a
Motorby / Fonte: o autor.

Descrição da Imagem: na imagem, há uma árvore de jogos. Ela se inicia com a palavra “Motorby”, desta
palavra saem duas linhas, uma para cima, outra para baixo, ambas estão conectadas a dois círculos, onde
está escrito: “FreeStep”. Do círculo de cima saem mais duas linhas, uma para cima, onde está escrito “90
cv”, outra para baixo, onde está escrito: “Elétrica”. A linha de cima termina com a ponta de uma seta e, à
sua frente, está um parêntese com os números -1 e -1. A linha de baixo também termina com a ponta de
uma seta e, à sua frente, há um parêntese com os números 6 e 11. Do círculo de baixo saem duas linhas,
uma para cima, onde está escrito: “90 cv”, outra para baixo, onde está escrito “Elétrica”, ambas terminam
com a ponta de uma seta e, à frente da linha de cima, há um parêntese com os números 11 e 6, à frente
da linha de baixo, está um parêntese com os números -1 e -1. Há uma “X” em vermelho sobre a linha que
sai do círculo da FreeStep e termina nos números -1 e -1. Há, também, um “X” em vermelho na linha que
sai da “Motorby”, com a palavra “90 cv”.

298
 Dessa maneira, lançando, antecipadamente, o modelo de moto elétrica, a Motorby pode ter um
retorno de 11, uma vez que é preferível para a FreeStep ter um retorno de 6 do que um prejuízo
de 1.

Unidade 9
1. Considerando que a Paper toma a decisão primeiro, é mais vantajoso para ela aumentar a sua
capacidade produtiva, conhecendo a decisão da Paper, é mais conveniente para a Fiber manter
a sua produção para que não tenha prejuízo.

2. O modelo de Programação Linear pode ser expresso por:

Para a NoteCom:

max v
Sujeito a :
35 y1  60 y2  55 y3  v  0
10 y1  40 y2  30 y3  v  0

CONFIRA SUAS RESPOSTAS

15 y1  25 y2  10 y3  v  0
8 y1  5 y2  15 y3  v  0
y1  y2  y3  1
yi  0  i  1, 2 , 3 
v irrestriita em sinal

Sendo que as variáveis yi indicam a probabilidade de a NoteCom selecionar alguma de suas

estratégias.

Para a Infoponto, o modelo assumiria a seguinte forma:

min v
Sujeito a :
460 x1  230 x2  30 x3  150 x4  v  0
210 x1  40 x2  50 x30  60 x4  v  0
20 x1  60 x2  90 x3  25 x4  v  0
x1  x2  x3  x4  1
xj  0  j  1, 2, 3, 4 
v irrestrita em sinal

neste modelo, xj representa a probabilidade de a Infoponto escolher uma de suas estratégias.

Na Figura 8, é apresentada uma sugestão de preenchimento para o modelo da Questão 2.

299
 Figura 1 - Exemplo de preenchimento da planilha para a Questão 2 / Fonte: o autor.

Descrição da Imagem: na planilha, aparece, na célula A1, o valor 0,0, e, na célula B1, o nome “Valor do Jogo”.
Na coluna A, das linhas 6 a 8, aparece escrito “NoteCom (kR$/mês)”, e, das linhas 10 a 12, aparece “Restrições
Linhas”. Na coluna B, linha 4, está escrito “Estratégia” e, abaixo destas células, aparece escrito “Enviar Mochila”,
“Armazenamento de 2 TB” e “2 anos de antivírus” nas linhas 6, 7 e 8, respectivamente. Na coluna C, linha 5, está
escrito: “Variáveis”, abaixo desta célula, nas linhas 6, 7 e 8, aparecem as células em branco. Na linha 3, da coluna
D até a coluna G, está escrito: “Infoponto (kR$/mês)”, na célula D4, está escrito: “Mouse + teclado”, na célula E4,
se lê: “Personalizar tampa”, na célula F4, está escrito: “Envio de HD 250 GB”, na célula G4, se lê: “Garantia esten-
CONFIRA SUAS RESPOSTAS

dida”. Na linha 5, da coluna D até a coluna G, as células estão vazias. Na coluna D, estão os valores 35 (linha 6),
60 (linha 7) e 55 (linha 8), na coluna E, estão os valores 10 (linha 6), 40 (linha 7) e 30 (linha 8), na coluna F, estão os
valores -15 (linha 6), 25 (linha 7) e -10 (linha 8), e, na coluna G, estão os valores 8 (linha 6), -5 (linha 7) e 15 (linha
8). Na coluna H, linha 4, está escrito: “Valor do Jogo” e aparece o valor 0,0 na linha 5 da coluna H. Das linhas 6 a
8 aparece o valor -1, na coluna H. Na linha 9, da coluna D até a coluna G, aparece o número -1.

Ao resolver este problema com o Solver, a solução encontrada é apresentada como na Figura 2.

Figura 2 - Solução para a Questão 2 / Fonte: o autor.

Descrição da Imagem: na planilha, aparece, na célula A1, o valor 5,91, e, na célula B1, o nome “Valor do
Jogo”. Na coluna A, das linhas 6 a 8, aparece escrito “NoteCom (kR$/mês)”, e, das linhas 10 a 12, aparece
“Restrições Linhas”. Na coluna B, linha 4, está escrito “Estratégia” e, abaixo destas células, aparece escrito
“Enviar Mochila”, “Armazenamento de 2 TB” e “2 anos de antivírus”, nas linhas 6, 7 e 8, respectivamente. Na
coluna C, linha 5, está escrito: “Variáveis’, abaixo desta célula, nas linhas 6, 7 e 8, aparecem os valores 0,0%,
45,45% e 54,55%. Na linha 3, da coluna D até a coluna G, está escrito: “Infoponto (kR$/mês)”, na célula D4,
está escrito: “Mouse + teclado”, na célula E4, se lê: “Personalizar tampa”, na célula F4, está escrito: “Envio
de HD 250 GB”, na célula G4, está escrito: “Garantia estendida”. Na linha 5, da coluna D até a coluna G,
as células apresentam os valores 0,0%, 0,0%, 36,36% e 63,64%. Na coluna D, estão os valores 35 (linha 6),
60 (linha 7) e 55 (linha 8), na coluna E, estão os valores 10 (linha 6), 40 (linha 7) e 30 (linha 8), na coluna F,
estão os valores -15 (linha 6), 25 (linha 7) e -10 (linha 8), na coluna G, estão os valores 8 (linha 6), -5 (linha 7)
e 15 (linha 8). Na coluna H, linha 4, se lê: “Valor do Jogo” e aparece o valor 5,91 na linha 5 da coluna H. Das
linhas 6 a 8, aparecem o valor -1, na coluna H. Na linha 9, da coluna D até a coluna G, aparece o número -1.

300
 Observando a Figura 2, verifica-se que a estratégia mais relevante para a NoteCom é oferecer
dois anos de antivírus (54,55%), enquanto que, para a Infoponto, a estratégia que reduziria as
suas perdas seria oferecer garantia estendida aos clientes (63,64%).

3. O modelo de Programação Linear pode ser expresso por:

Para a Pam Airlines:

max v
Sujeito a:
460 y1  210 y2  20 y3  v  0
230 y1  40 y2  60 y3  v  0
30 y1  50 y2  90 y3  v  0
150 y1  60 y2  25y3  v  0
y1  y2  y3  1
yi  0  i  1, 2 , 3

CONFIRA SUAS RESPOSTAS

v irrrestrita em sinal

sendo que as variáveis yi indicam a probabilidade de a Pam Airlines selecionar alguma de suas
estratégias.

Para a Cap Airlines, o modelo assumiria a seguinte forma:

min v
Sujeito a:
35x1  10 x2  15x3  8 x4  v  0
60 x1  40 x2  25x30  5x4  v  0
55x1  30 x2  10 x3  15x4  v  0
x1  x2  x3  x4  1
xj  0  j  1, 2, 3, 4 
v irresttrita em sinal
neste modelo, xj representa a probabilidade de a Cap Airlines escolher uma de suas estratégias.

Na Figura 3, é apresentada uma sugestão de preenchimento para o modelo da Questão 3.

301
 Figura 3 - Exemplo de preenchimento da planilha para a Questão 3 / Fonte: o autor.

Descrição da Imagem: na planilha, aparece, na célula A1, o valor 0,0, e, na célula B1, o nome “Valor do
Jogo”. Na coluna A, das linhas 6 a 8, aparece escrito “Pam Airlines (kR$/mês)”, e, das linhas 10 a 12, aparece
“Restrições Linhas”. Na coluna B, linha 4, está escrito: “Estratégia” e, abaixo destas células, aparece escrito
“Oferecer 50% de desconto”, “Oferecer passagem gratuita” e “Dobro de milhas aéreas”, nas linhas 6, 7 e
8, respectivamente. Na coluna C, linha 5, está escrito “Variáveis”, abaixo desta célula, nas linhas 6, 7 e 8,
aparecem as células em branco. Na linha 3, da coluna D até a coluna G, está escrito: “Cap Airlines (kR$/
CONFIRA SUAS RESPOSTAS

mês)”, na célula D4, está escrito: “Desconto de 30%”, na célula E4, está escrito: “Oferecer 1000 milhas”, na
célula F4, se lê: “Passagem de volta gratuita”, na célula G4, está escrito: “20% de desconto na bagagem”.
Na linha 5, da coluna D até a coluna G, as células estão vazias. Na coluna D, estão os valores 460 (linha 6),
210 (linha 7) e -20 (linha 8), na coluna E, estão os valores 230 (linha 6), -40 (linha 7) e 60 (linha 8), na coluna
F, estão os valores -30 (linha 6), 50 (linha 7) e -90 (linha 8), e, na coluna G, estão os valores 150 (linha 6),
60 (linha 7) e 25 (linha 8). Na coluna H, linha 4, está escrito “Valor do Jogo” e aparece o valor 0,0 na linha
5 da coluna H. Das linhas 6 a 8, aparece o valor -1, na coluna H. Na linha 9, da coluna D até a coluna G,
aparece o número -1.

Ao resolver este problema com o Solver, a solução encontrada é apresentada como na Figura 4.

302
Figura 4 – Solução com o Solver para a Questão 3 / Fonte: o autor.

Descrição da Imagem: na planilha, aparece, na célula A1, o valor 29,43, e, na célula B1, o nome “Valor do
Jogo”. Na coluna A, das linhas 6 a 8, aparece escrito “Pam Airlines (kR$/mês)”, e, das linhas 10 a 12, aparece
“Restrições Linhas”. Na coluna B, linha 4, está escrito: “Estratégia” e, abaixo destas células, aparece escrito
“Oferecer 50% de desconto”, “Oferecer passagem gratuita” e “Dobro de milhas aéreas”, nas linhas 6, 7 e
8, respectivamente. Na coluna C, linha 5, está escrito: “Variáveis”, abaixo desta célula, nas linhas 6, 7 e 8,
aparecem os valores 25,71%, 74,29% e 0,0%. Na linha 3, da coluna D até a coluna G, está escrito: “Cap
Airlines (kR$/mês)”, na célula D4, está escrito: “Desconto de 30%”, na célula E4, está escrito: “Oferecer 1000

CONFIRA SUAS RESPOSTAS

milhas”, na célula F4, se lê: “Passagem de volta gratuita”, na célula G4, está escrito: “20% de desconto na
bagagem”. Na linha 5, da coluna D até a coluna G, as células apresentam os valores 0,0%, 22,86%, 77,14%
e 0,0%. Na coluna D, estão os valores 460 (linha 6), 210 (linha 7) e -20 (linha 8), na coluna E, estão os valores
230 (linha 6), -40 (linha 7) e 60 (linha 8), na coluna F, estão os valores -30 (linha 6), 50 (linha 7) e -90 (linha
8), na coluna G, estão os valores 150 (linha 6), 60 (linha 7) e 25 (linha 8). Na coluna H, linha 4, está escrito:
“Valor do Jogo” e aparece o valor 29,43 na linha 5 da coluna H. Das linhas 6 a 8, aparecem o valor -1, na
coluna H. Na linha 9, da coluna D até a coluna G, aparece o número -1.

Observando a Figura 4, pode-se perceber que a estratégia escolhida pela Pam Airlines seria ofe-
recer uma passagem gratuita a cada quatro passagens adquiridas ao mesmo percurso (74,29%),
e, para a Cap Airlines, oferecer a passagem de volta gratuita para três destinos à escolha do
cliente, num período de seis meses (77,14%).

303
 MEU ESPAÇO

304