Pontifícia Universidade Católica do Rio Grande do Sul

Escola de Negócios
Disciplina de Pesquisa Operacional
Prof. Alessandro Souza

Definição do Trabalho I – áreas da PO

Objetivo: proporcionar aos alunos a análise das técnicas de Pesquisa Operacional (PO) e de
como é realizado seu uso no cotidiano, bem como suas evoluções.

Detalhamento: o trabalho deve ser realizado individualmente/ duplas, devendo conter:

1) a apresentação do conceito/ definição de cada técnica, com referências de livros ou
sites confiáveis;
2) a apresentação dos principais problemas em que cada técnica é utilizada, com
referências de livros ou sites confiáveis;
3) 01 enunciado de problema, para cada técnica, que se aplica ao contexto.

Prazo de entrega: ver Plano de Aula.

Critérios de avaliação:
a) 2.5 pontos: conceitos (0,1 para cada);
b) 2.5 pontos: principais utilizações (0,1 para cada);
c) 5.0 pontos: enunciados (0,2 para cada).

Observações importantes:
a) As referências utilizadas nos conceitos devem ser confiáveis. Livros impressos ou
online são confiáveis. Blogs, depende do autor;
b) Quaisquer dúvidas sobre confiabilidade de referências e como referenciar podem ser
solucionadas diretamente com o professor, até 01 dia antes do prazo de entrega;
c) Trabalhos SEM referências no texto (conceito, utilizações ou enunciado) ou no final
(seção de referências) terão 50% de desconto na nota;
d) PODE ser utilizada uma única referência para conceito/ utilizações/ enunciados;
contudo, é fortemente incentivado o uso de mais de uma referência;
e) Wikipedia NÃO é referência confiável.

Características de um trabalho considerado nota ZERO:

 Ausência de referências no texto (conceito e exemplo) E no final, na seção de
referências (plágio);
 Trabalho copiado de colega (deste semestre ou de anterior) ou da Internet (plágio);
 Trabalho em grupo acima do limite de trio (violação de restrição);
 Outros critérios que podem levar ao enquadramento nos fatores acima listados,
conforme avaliação do professor.
Exemplo resumido de como ficaria uma técnica apresentada no trabalho:

1) Programação Linear

Conceito: De maneira geral, a Programação Linear é composta de problemas de otimização,

nos quais a função-objetivo e as restrições são todas lineares (SILVA et al, 1999). É um
método para atingir a melhor saída num modelo matemático, cujos requisitos são
representados por relações lineares (SCHRIJVER, 1998).

Utilizações: Problemas de fluxo de rede; maximização de lucro; minimização de custo;

problemas de transporte; problemas de mistura ou eficiência, entre outros (SILVA et al,
1999).

Enunciado: A Direção de Marketing do IKEA sugere o lançamento de um novo modelo de

mesa e de estante em substituição aos modelos atuais. Aquela Direção não vê dificuldade
de colocação no mercado para as estantes, enquanto aconselha que a produção mensal de
mesas não ultrapasse as 160 unidades. Após estudos levados a cabo pela Direção de
Produção, conclui-se que: (1) A disponibilidade mensal do Departamento de Estampagem é
de 720 horas-máquina; (2) A disponibilidade mensal do Departamento de Montagem e
Acabamento é de 880 horas-homem; (3) Cada mesa necessita de 2 horas-máquina de
Estampagem e 4 horas-homem de Montagem e Acabamento; (4) Cada estante necessita de
4 horas-máquina de Estampagem e 4 horas-homem de Montagem e Acabamento. Por outro
lado, as margens brutas unitárias estimadas são de 60 euros para as mesas e 30 euros para
as estantes. A empresa pretende determinar o plano de produção mensal para estes novos
modelos que maximiza a margem bruta (SCHRIJVER, 1998).

Como fica a referência no final:

SCHRIJVER, A. Theory of Linear and Integer Programming. New Jersey:John Wiley

& Sons, 1998. 

SILVA, E. M. et al. Pesquisa operacional: programação linear. São Paulo: Atlas, 1999.
Formato de entrega: o trabalho deverá ser entregue via Moodle, em formato PDF,
conforme o padrão abaixo:
 Estrutura: Capa + máximo de 50 páginas de conteúdo + máximo de 10 páginas
de referências;
 Configuração da página:
o margens superior e esquerda 03 cm;
o margens inferior e direita 02 cm;
o fonte Times, tamanho 12;
o espaçamento simples entre as linhas;
o texto com alinhamento justificado.

TABELA DE AVALIAÇÃO

a) Mais de 50 páginas de conteúdo OU mais de 10 páginas de referências: ZERO;

b) Ausência de referências no texto E no final (página de referências): ZERO;
c) Trabalho copiado OU plagiado: ZERO;
d) Trabalho com uma única referência: ZERO;
e) Menos de 25 conceitos: -0.1 para cada conceito a menos;
f) Menos de 25 utilizações: -0.1 para cada utilização a menos;
g) Menos de 25 enunciados: -0.2 para cada exemplo a menos;
h) Tipo ou tamanho da fonte fora do padrão: -0.5 por cada parágrafo que contiver o
erro;
i) Erro de alinhamento: -0.5 por cada parágrafo que contiver o erro;
j) Erro de margem: -0.5 por cada página que contiver o erro;
k) Trabalho sem referência no texto OU no final: -50% da nota;
l) Trabalho NÃO entregue em PDF: -50% da nota.

Os itens K e L, se necessários, serão aplicados ao final da correção, após a aplicação dos

critérios anteriores.
 Lista de técnicas
Nº Técnicas
1 Programação inteira.
2 Programação quadrática.
3 Simulação de Monte Carlo.
4 Teoria dos Jogos.
5 Teoria dos Grafos.
6 Teoria das Filas.
7 AHP (Analytic Hierarchy Process).
8 Teoria da Decisão.
9 Árvore de Decisão.
10 Cadeias de Markov.
11 Aprendizado de máquina - regressão linear.
12 Aprendizado de máquina – regressão logística.
13 Aprendizado de máquina – análise discriminante linear.
14 Aprendizado de máquina – Naive Bayes.
15 Aprendizado de máquina – SVM (Support Vector Machine).
16 Aprendizado de máquina – Random Forest.
17 Aprendizado de máquina – AdaBoost.
18 Aprendizado de máquina – árvores com aumento de gradiente.
19 Aprendizado de máquina – rede neural artificial (ANN).
20 Aprendizado de máquina – rede neural recorrente (RNN).
21 Aprendizado de máquina – K-means Clustering.
22 Aprendizado de máquina – K-Nearest Neighbors (KNN) Classification.
23 Aprendizado de máquina – modelo de mistura gaussiana.
24 Aprendizado de máquina – agrupamento hierárquico.
25 Aprendizado de máquina – sistema de recomendação.