Pesquisa Operacional

SLIDE 02 - Resolução pelo Método Gráfico (SIMPLEX)

 CARACTERÍSTICAS GERAIS DOS PROBLEMAS:

OBJETIVO GERAL:
Encontrar a melhor distribuição possível dos recursos
escassos entre as diversas atividades ou tarefas, de forma a
atingir um valor ótimo do objetivo estabelecido

CARACTERÍSTICAS:
1. Existência de um OBJETIVO que pode ser explicitado
em termos das variáveis de decisão
2. Existência de RESTRIÇÕES relativas aos recursos, tanto
na disponibilidade quanto na forma de utilização.
MODELAGEM DE PROBLEMAS DE
PROGRAMAÇÃO LINEAR

DEFINIÇÃO DAS VARIÁVEIS

Que queremos saber?

RELAÇÕES MATEMÁTICAS
DAS RESTRIÇÕES
A que condições
devemos obedecer?
EQUAÇÃO DA FUNÇÃO-
OBJETIVO
Como o objetivo pode ser escrito
em termos das variáveis?
MODELO COMPLETO
 EXEMPLO 1: PROBLEMA DE MISTURA

PROPOSIÇÃO:
Uma refinaria produz três tipos de gasolina: verde, azul e comum. Cada tipo requer
gasolina pura, octana e aditivo que são disponíveis nas quantidades de 9.600.000,
4.800.000 e 2.200.000 litros por semana, respectivamente. As especificações de cada
tipo são:
• um litro de gasolina verde requer 0,22 litro de gasolina pura, 0,50 litro de
octana e 0,28 litro de aditivo;
• um litro de gasolina azul requer 0,52 litro de gasolina pura, 0,34 litro de
octana e 0,14 litro de aditivo;
• um litro de gasolina comum requer 0,74 litro de gasolina pura, 0,20 litro
de octana e 0,06 litro de aditivo.
Como regra de produção, baseada em demanda de mercado, o planejamento da
refinaria estipulou que a quantidade de gasolina comum deve ser no mínimo igual a
16 vezes a quantidade de gasolina verde e que a quantidade de gasolina azul seja no
máximo igual a 600.000 litros por semana. A empresa sabe que cada litro de gasolina
verde, azul e comum dá uma margem de contribuição para o lucro de $ 0,30, $ 0,25 e
$ 0,20 respectivamente e seu objetivo é determinar o programa de produção que
maximiza a margem total de contribuição para o lucro.
MODELO:

DEFINIÇÃO DAS VARIÁVEIS:

x1 : quantidade de gasolina verde a produzir

x2 : quantidade de gasolina azul a produzir
x3: quantidade de gasolina comum a produzir.
MODELO COMPLETO:
Encontrar valores para x1, x2 e x3 de forma a:
MAXIMIZAR L = 0,30.x1 + 0,25.x2 + 0,20.x3
respeitando as restrições:
0,22.x1 + 0,52.x2 + 0,74.x3  9.600.000
0,50.x1 + 0,34.x2 + 0,20.x3  4.800.000
0,28.x1 + 0,14.x2 + 0,06.x3  2.200.000
16.x1 - x3  0
x2  600.000
x1 0
x2 0
x3  0
 EXEMPLO 2: PROGRAMAÇÃO DA PRODUÇÃO DE CIMENTO
PROPOSIÇÃO:
Processo simplificado de fabricação de cimento
DEPÓSITO DE
CLÍNQUER

AF250
MOINHO DE MOINHO DE
CRU SILO E ENSACA-
PRÉ- CIMENTO CP320
E SILO FORNO DEIIRA
HOMOGE-
NEIZADOR DE FARINHA

GESSO
ADITIVO
BRITADOR
ESCÓRIA DE ALTO-FORNO

JAZIDA

FÓRMULA DE FABRICAÇÃO:
PRODUTOS: COMPONENTES CP 320 AF 250
• cimento portland 320: CP320 Clínquer 85% 50%

• cimento alto-forno 250: AF250 Escória de Alto Forno 7% 45%

Gesso 3% 3%
Aditivo 5% 2%
DADOS COMPLEMENTARES:

LIMITAÇÕES:
Produção de clínquer: 1.100.000 t/ano
Produção dos dois tipo de cimento: 1.100.000 t/ano
Venda de clínquer a outros fabricantes de cimento: máximo de 200.000 t/ano
Compra de escória de usinas siderúrgicas: máximo de 180.000 t/ano
Compra de gesso e aditivo (cada um): máximo de 50.000t/ano.

CONTRIBUIÇÕES MARGINAIS E PREÇOS:

contribuição marginal do CP320: $ 41,00/t
contribuição marginal do AF250: $ 37,80/t
contribuição marginal do clínquer: $ 34,40/t
preço da escória de siderúrgica: $ 22,10/t
preço do gesso: $ 34,20/t
preço do aditivo: $ 1,90/t.
A contribuição marginal é calculada como a receita líquida menos os custos fixos e variáveis,
exceto escória, gesso e aditivo.

O OBJETIVO DA EMPRESA É CALCULAR A PRODUÇÃO TOTAL ANUAL QUE

MAXIMIZA O LUCRO TOTAL.
MODELO COMPLETO:

Achar x1, x2 e x3 de forma a:

MAXIMIZAR L = 38,33.x1 + 26,79.x2 + 34,40.x3
sujeito a:
x1 + x2  1.100.000
x3  200.000
0,85.x1 + 0,50.x2 + x3  1.100.000
0,07.x1 + 0,45.x2  180.000
0,03.x1 + 0,03.x2  50.000
0,05.x1 + 0,02.x2  50.000
x1  0
x2  0
x3  0
Exercício 06
Exercício 07
CONCEITOS BÁSICOS DO MÉTODO SIMPLEX

PROBLEMA EXEMPLO:

Uma marcenaria produz: MESA e ARMÁRIO

Usa dois recursos: MADEIRA com disponibilidade igual a 12 m2
MÃO-DE-OBRA com disponibilidade igual a 8 H.h
1 MESA gasta: 2 m2 de madeira e 2 H.h mão-de-obra
1 ARMÁRIO gasta: 3 m2 de madeira e 1 H.h de mão-de-obra
MARGENS UNITÁRIAS: Mesa = $ 4
Armário = $ 1
OBJETIVO: Calcular quanto produzir de cada produto para
maximizar a margem de contribuição total
MODELO COMPLETO:

MAXIMIZAR L= 4.x1 + 1.x2

LUCRO DA MESA LUCRO DO ARMÁRIO

sujeito a: 2.x1 + 3.x2  12

UTILIZAÇÃO DE MADEIRA DISPONIBILIDADE

2.x1 + x2  8

UTILIZAÇÃO DE MÃO-DE-OBRA DISPONIBILIDADE

com x1 e x2  0
Espaço de Soluções Possíveis

No método gráfico, o É uma região no gráfico

primeiro passo é encontrar onde estarão os valores
a região de possíveis que as variáveis de decisão
soluções. O que isso podem assumir sem que as
significa? restrições sejam violadas.
 exemplo

max z = x1 + 3x2

Sujeito a:
 Espaço de Soluções
Possíveis

Como temos duas variáveis de

decisão, a região de possíveis
soluções será representada em
plano de duas dimensões, cada
dimensão representando uma
das variáveis.
Se não existisse nenhuma restrição, a região de possíveis soluções seria
representada pela Figura 1 a seguir, ou seja, todo o plano formado
pelas retas x1 e x2.
Vamos ver o efeito das restrições na definição da região de
possíveis soluções?

Começaremos com as duas restrições mais fáceis: as restrições

de não-negatividade.
Para a restrição x1 ≥ 0, os valores de x1 devem ser maiores ou iguais a
zero. Ou seja, a região de possíveis soluções deve estar no semiplano
abaixo:
Para a restrição x2 ≥ 0, os valores de x2 devem ser maiores ou iguais a
zero. Ou seja, a região de possíveis soluções deve estar no semiplano
abaixo:
Agora vamos analisar as restrições de demanda. Vamos iniciar por x1 ≤
15. Por essa restrição, os valores de x1 devem ser menores ou iguais a
quinze. Ou seja, a região de possíveis soluções deve estar no semiplano
abaixo:
Para a restrição x2 ≤ 10, os valores de x2 devem ser menores ou iguais a
dez. Ou seja, a região de possíveis soluções deve estar no semiplano
abaixo:
Agora vamos analisar a restrição de capacidade, dada pela expressão
8x1 + 20x2 ≤ 160. Como você deve ter percebido pelos exemplos
anteriores, cada restrição é uma reta que delimita um semiplano. Essa
reta será:
8x1 + 20x2 = 160

Para podermos traçar essa reta no plano basta encontrar dois pontos.
Vamos encontrar o ponto em que a reta toca o eixo x1 e o ponto em
que a reta toca o eixo x2.
Quando x1 = 0 (eixo x2). Encontramos que x2 = 8.
Quando x2 = 0 (eixo x1). Encontramos que x1 = 20.
Com esses dois pontos a restrição fica assim:
Agora vamos juntar todas as restrições. O espaço de possíveis soluções
é o espaço ilustrado no gráfico a seguir:
Interpretando a região do gráfico da solução

O que essa região significa?

Significa que os valores possíveis de solução estão nessa região. E a solução ótima
também está nessa região.

Já temos a região de possíveis soluções e agora precisamos encontrar a solução

ótima.
 Encontrando a solução ótima pelo gráfico (método SIMPLEX)

A função objetivo é dada por z = x1 + 3x2

Para cada valor de z, podemos definir uma reta cujos valores de x1 e x2 determinam
esse valor de z. Vamos traçar algumas dessas retas.

Para isso vamos precisamos de dois pontos: o que cruza o eixo x1 e o que cruza o eixo x2.
Encontrando a solução ótima pelo gráfico (método SIMPLEX)

Primeira reta: z = 9.
Se x1 = 0, então x2 = 3. Se x2 = 0, então x1 = 9.
Esses dois pontos determinam a reta z = 9.

Segunda reta: z = 15.

Se x1 = 0, então x2 = 5. Se x2 = 0, então x1 = 15.
Esses dois pontos determinam a reta z = 15.

Terceira reta: z = 24
Se x1 = 0, então x2 = 8. Se x2 = 0, então x1 = 24.
Esses dois pontos determinam a reta z = 24.
Encontrando a solução ótima pelo gráfico (método SIMPLEX)

Todas essas três retas estão representadas no gráfico abaixo. Repare que
essas retas são paralelas e crescem conforme se afastam da origem
(sentido no qual a função objetivo cresce).
Encontrando a solução ótima pelo gráfico (método SIMPLEX)

O gráfico a seguir, representa o ponto ótimo do modelo. Para valores

de z superiores a 24, a reta não passará pela região de possíveis
soluções.
Encontrando a solução ótima pelo gráfico (método SIMPLEX)

A solução ótima estará em um dos vértices da região de possíveis soluções. E cada

vértice é formado pela interseção de duas retas. No nosso exemplo, o ponto ótimo
é a interseção de duas retas:

8x1 + 20x2 = 160

x1 = 0 e x 2 = 8
Encontrando a solução ótima pelo gráfico da região do SIMPLEX

O ponto ótimo satisfaz as equações dessas duas retas. Portanto, basta

resolver o seguinte sistema de equações lineares:
Exercício 08
 REFERÊNCIAS BIBLIOGRÁFICAS

ANDRADE, E. L. de. Introdução a pesquisa operacional: métodos e modelos para análise de decisões. 5.ed. Rio de
Janeiro: LTC, 2015.

BARBOSA, M.A; DECKMANN, R. A. Iniciação a pesquisa operacional no ambiente de gestão. Curitiba: InterSaberes,
2015.

MORABITO, R. et al. Pesquisa operacional para curso de engenharia. 2. ed. Rio de Janeiro: Elsevier-ABEPRO, 2015

ARENALES, M. et al. Pesquisa Operacional. 2. ed. Rio de Janeiro: Elsevier, 2015.

GOLDBARG, M.C; LUNA, H. P. L.; GOLDBARG, E. Programação linear e fluxo de rede. Rio de Janeiro: Elsevier, 2014.

LACHTERMACHER, G. Pesquisa operacional na tomada de decisões. 5.ed. Rio de Janeiro: LTC, 2016.

LONGARAY, A.A. Introdução à pesquisa operacional. São Paulo: Saraiva, 2013.

HILLIER, F. S.; LIEBERMAN, G. J. Introdução a pesquisa operacional. Porto Alegre: Bookman, 2013