1

PR0LEHA8 0E RE0E - 8UHAR|0 Pg.

Prob|emas de Rede
F|gura 1 - Corporerles de ura rede
F|gura 2 - Exerp|o de proo|eras de lrarsporle. 0|agrara de rede do caso LC0 8|c|c|elas cor GXPP\
TRAN8P0RTE
Pr|re|ra lorra de |rp|ererlar as reslr|oes: o rorlarle olerlado (soralr|o das capac|dades das lor|cas) deve ser |gua|ado ao lola|
derardado (soralr|o das derardas dos cerlros corsur|dores).
Reslr|ao das capac|dades das lor|cas cor durry
Reslr|ao dos cerlros corsur|dores cor durry
3egurda lorra de |rp|ererlar as reslr|oes: as reslr|oes var|ar de acordo cor o lola| da capac|dade das lor|cas e o lola| derardado
pe|os cerlros corsur|dores:
1. 0lerla lola| ser ra|or do que a derarda lola| (rer lodas as lor|cas produz|rao er p|era capac|dade, porr os cerlros
corsur|dores receoerao as quarl|dades que desejar).
Reslr|ao das capac|dades das lor|cas
Reslr|ao dos cerlros corsur|dores
2. A derarda lola| ser ra|or do que a olerla lola| (rer lodos os cerlros corsur|dores receoerao loda a quarl|dade que desejar,
porr as lor|cas produz|rao ludo o que puderer, ou seja, lraoa|rarao er p|era capac|dade).
Reslr|ao das capac|dades das lor|cas
Reslr|ao dos cerlros corsur|dores
6aso L6L |c|c|etas Ltda.
Taoe|a 2 - 0ados do caso LCL 8|c|c|elas Llda.
3o|uao ul|||zardo var|ve|s GXPP\(A|ternat|va A}
var|ve|s de dec|sao: Furao-oojel|vo
Reslr|oes de olerla (lor|cas)
Reslr|oes de derarda (corsur|dores)
Reslr|oes de rao-regal|v|dade
Reso|verdo o proo|era cor var|ve|s GXPP\ro Exce|
F|gura 3 - Vode|ager do proo|era de lrarsporle ro Exce|
Taoe|a 1 - Frru|as relererles ao Ll3 das reslr|oes do proo|era de lrarsporle
F|gura 1 - Parrelros e opoes da lerrarerla do 3o|ver do proo|era de lrarsporle
F|gura 5 - Resu|lados da ol|r|zaao do proo|era de lrarsporle
F|gura - Re|alr|o de resposlas do proo|era de lrarsporle LTC_8|c|c|elas
3o|uao ser ul|||zar var|ve|s GXPP\(A|ternat|va }
var|ve|s de dec|sao; Furao-oojel|vo
Reslr|oes de olerla
Reslr|oes de derarda
Reslr|oes de rao-regal|v|dade
Reso|verdo o proo|era pe|o rlodo a|lerral|vo ro Exce|
F|gura Z- Vode|ager a|lerral|va do proo|era de lrarsporle ro Exce|
Taoe|a 1 - Frru|as relererles ao Ll3 das reslr|oes do proo|era de lrarsporle
F|gura 8 - Parrelros e opoes da lerrarerla do 3o|ver do proo|era de lrarsporle
F|gura 9 - Resu|lados da ol|r|zaao do proo|era de lrarsporle
F|gura 10 - Re|alr|o de resposlas do proo|era de lrarsporle LTC_8|c|c|elas
Prob|ema de transporte como uma rede
F|gura 11 - 0|agrara de rede do caso LC0 8|c|c|elas ser GXPP\
F|gura 12 - 0|agrara de rede do caso LC0 8|c|c|elas cor GXPP\
Ex|sler duas rare|ras os|cas de reso|ver proo|era de lrarsporle ra lorra de rede:
1. A pr|re|ra cors|sle er |rser|r ura ur|dade GXPP\ que |gua|e a olerla e a derarda lola|s e que esleja ||gada a lodas as
ur|dades da derarda ou da olerla.
2. A segurda lorra de reso|ver proo|eras de d|slr|ou|ao segu|r a regra do l|uxo oa|arceado para cada r (ur|dade) de rede
cor |rlroduao da var|ve| durry.
Taoe|a 5 - Regra do F|uxo 8a|arceado
var|ve|s de dec|sao: lurao-oojel|vo
Reslr|oes de l|uxo
F|gura 13 - Vode|ager do caso LCT 8|c|c|elas coro proo|era de rede
Taoe|a - Frru|as ul|||zadas ras reslr|oes do caso LCT 8|c|c|elas ra lorra de rede
F|gura 11 - Cord|oes do 3o|ver para o caso LCT 8|c|c|elas ra lorra de rede
F|gura 15 - 3o|uao 0l|ra para o caso LCT 8|c|c|elas ra lorra de rede
F|gura 1 - Re|alr|o de resposla do para o caso LCT 8|c|c|elas ra lorra de rede
2
2
2
3
3

3
3
1

1

1
1
1

1
1
1
1
5
5
5




Z
Z
Z
Z
8
8
8
9
9
9
9
10
10
10
11
11
12
12
12
12

12

12
13
13
11
11
11
15
15
2
Problemas de Rede

De forma geral, modelos de rede so utilizados em casos especiais de problemas de programao linear, que so
mais bem analisados por meio de uma representao grfica. Importantes problemas de otimizao, como os de
distribuio logstica e de energia, produo e outros, so eficientemente resolvidos se modelados como problemas
de rede.

Modelos de rede facilitam a visualizao das relaes entre os componentes do sistema, melhorando o entendi-
mento do problema e de seus possveis resultados. Devido a essas vantagens, a modelagem de rede est sendo
cada vez mais utilizada nas mais diferentes reas, incluindo o mundo dos negcios.
Redes so diagramas compostos por uma coleo de vrtices ou ns ligados entre si por um conjunto de arcos
(Figura 1). Os ns so simbolizados por crculos e representam os pontos de juno que conectam os arcos. Os arcos
so representados por setas, que conectam os ns e revelam a direo do fluxo de um ponto a outro.
Os problemas modelados como redes geralmente apresentam nmeros associados aos ns e aos arcos (Figura
2). O significado de cada valor varia de acordo com o tipo de problema com o qual estamos lidando. Em problemas de
transportes modelados como redes, por exemplo, os nmeros associados aos ns podem representar a quantidade
de produtos ofertada ou demandada pelo n, ao passo que os valores associados aos arcos podem refletir o custo de
transporte, o tempo ou distncia, entre um n e outro.

F|gura 1 - Corporerles de ura rede
F|gura 2 - Exerp|o de proo|eras de lrarsporle
0|agrara de rede do caso LC0 8|c|c|elas cor GXPP\

Diversos problemas de tomada de deciso no mundo real esto categorizados como problemas de rede.
Entre eles; podemos citar:
Transporte.
Escala de produo.
Rede de distribuio.
Menor caminho.
Fluxo mximo.
Caminho critico.
Ns Arcos
RJ
(1}
[-2000]
[-3000]
[-1500]
[+2000]
[+2000]
[+1000]
[+1500]
8P
(2}
h
(3}
0
(7}
HA
(}
RE
(4}
8A
(5}
25
20
30
0
30
25
25
0
20
15
23
0
3
Transporte
Um tipo de problema real muito especial e comum de aplicao de programao linear conhecido como
problema de transporte. Essa classe de problemas recebeu tal nome porque seu mtodo de resoluo, denominado
mtodo de transporte, foi inicialmente utilizado para determinar o menor custo de transporte entre diversas fbricas de
um produto e vrios centros consumidores. O mtodo simplex de transporte resolve esse tipo de problema de
programao linear de uma maneira mais eficiente que o simplex tradicional. Para os leitores curiosos, sugerimos a
leitura do captulo referente aos problemas de transporte em Hillier & Lieberman (1995).
O mtodo de transporte foi especialmente utilizado antes da era da microcomputao. Com o advento dos
computadores pessoais, cada vez mais rpidos e com maior capacidade de processamento, diversos sistemas
automatizados de resoluo de problemas de programao linear tm sido lanados, e eles tornam dispensvel a
aplicao do mtodo de transporte em sua forma original. No entanto, a maneira como o problema pode ser
equacionado permanece a mesma.
O problema de transporte bsico aquele em que queremos determinar, dentre as diversas maneiras de dis-
tribuio de um produto, a que resultar no menor custo de transporte entre as fbricas e os centros de distribuio.
Por se tratar de um problema de programao linear, devemos considerar a hiptese de que o custo unitrio de
transporte de cada fbrica para cada destino constante, independentemente da quantidade transportada.
Matematicamente, queremos a minimizao do custo total de transporte, que dada por:

onde:

a quantidade de itens transportados da fbrica i para o destino j (variveis de deciso)

o custo unitrio de transporte da fbrica i para o destino j (constantes)

o nmero de fbricas
o nmero de destinos (centros de consumidores)
As restries desse tipo de problema so:
As fbricas no podem produzir mais do que suas capacidades instaladas.
Os centros consumidores no desejam receber volumes acima de suas demandas.
Existem duas maneiras para que essas restries sejam implementadas. Na primeira, o montante ofertado
(somatrio das capacidades das fbricas) deve ser igualado ao total demandado (somatrio das demandas dos
centros consumidores). Para operacionalizar essas restries de igualdade, as seguintes regras devem ser seguidas:
9 No caso de a oferta ser maior que a demanda, devemos introduzir um destino fantasma (dummy) que tenha
os custos de transporte unitrios de todas as fbricas para esse destino iguais a zero. A demanda desse
centro consumidor deve ser igual diferena entre o total ofertado e o total demandado.
9 No caso de a demanda ser maior que a oferta, devemos introduzir uma fonte de oferta fantasma (dummy)
que tenha os custos de transporte unitrios para todos os destinos iguais a zero e uma capacidade igual
diferena entre o total demandado e o total ofertado.
Ao inserir uma demanda ou uma oferta fantasma garantimos que todas as restries do problema sero dadas por
igualdades. Em outras palavras, o total fabricado ser igual demanda dos centros consumidores e vice-versa.
Matematicamente, essas restries sero representadas pelas equaes abaixo:
Restrio das capacidades das fbricas

O somatrio das quantidades enviadas de cada fbrica i para os n destinos deve ser igual ao total ofertado por
aquela fbrica

.
Restrio dos centros consumidores

O somatrio das quantidades recebidas pelo centro consumidor das m fbricas deve ser igual ao total demandado
por aquele destino

.
4
Somando todos os lados de todas as restries, temos:

Como os lados esquerdos das duas equaes representam o somatrio dos custos de todos os itens transportados
das fbricas para os destinos, podemos concluir que os lados direitos das equaes tambm devem ser iguais, isto :

Essa ltima igualdade uma condio necessria e suficiente para que qualquer problema de transporte tenha
soluo tima quando modelado utilizando variveis dummy.
A segunda forma de implementar as restries variam de acordo com o total da capacidade das fbricas e o total
demandado pelos centros consumidores.
No caso de a oferta total ser maior do que a demanda total, nem todas as fbricas produziro em plena
capacidade, porm os centros consumidores recebero as quantidades que desejam.
Matematicamente, isso pode ser representado por:
Restrio das capacidades das fbricas

Restrio dos centros consumidores

No caso de a demanda total ser maior do que a oferta total, nem todos os centros consumidores recebero toda a
quantidade que desejam, porm as fbricas produziro tudo o que puderem, ou seja, trabalharo em plena capaci-
dade. Matematicamente:
Restrio das capacidades das fbricas

Restrio dos centros consumidores

Como vimos a insero de variveis do tipo dummy no obrigatria, mas facilita a interpretao do resultado da
otimizao. Quando existe um desequilbrio entre oferta e demanda, podemos ter as seguintes aes e interpretaes
(Tabela 1) para as variveis dummy:
Taoe|a 1 - Aes e interpretaes para as variveis dummy
Capacidade > Demanda Demanda > Capacidade
Ao: busca de novos centros consumidores Ao: criao de nova fbrica
Interpretao: capacidade ociosa das fbricas Interpretao: demanda no atendida
Mostraremos agora a resoluo de um problema de transporte pelas duas formas apresentadas no item anterior,
utilizando o Solver do Excel.

5
Caso LCL Bicicletas Ltda.
A LCL Bicicletas Ltda. uma empresa fabricante de bicicletas que possui trs fbricas localizadas no Rio de
Janeiro, em So Paulo e em Belo Horizonte, A produo da empresa deve ser entregue em Recife, Salvador e
Manaus. Considerando os custos de transporte unitrios, a capacidade de produo das fbricas e a demanda dos
centros consumidores da Tabela 2. Determine quanto deve ser produzido e entregue por fbrica em cada centro
consumidor, de forma a minimizar os custos de transporte.
Taoe|a 2 - 0ados do caso LCL 8|c|c|elas Llda.
Centro Consumidor Recife Salvador Manaus
Capacidade
Fbrica (1) (2) (3)
Rio de Janeiro (1) 25 20 30 2.000
So Paulo (2) 30 25 25 3.000
B. Horizonte (3) 20 15 23 1.500
Demanda 2.000 2.000 1.000
8oluo utilizando variaveis dummy {Alternativa A}
O primeiro passo para a resoluo de um problema de otimizao a determinao das variveis de deciso. Nos
problemas de transporte, essas variveis so as quantidades que devem ser enviadas de cada fbrica para cada
centro consumidor (destino), mais as variveis dummy, caso estejamos resolvendo o problema usando o primeiro
mtodo apresentado, No nosso problema, o total ofertado (6.500 unidades) superior ao total demandado (5.000
unidades), de forma que um centro consumidor dummy deve ser criado com uma demanda de 1.500 unidades
(6.500 - 5.000). Assim, as variveis do problema so as quantidade de bicicletas remetidas de uma fbrica para um
centro distribuidor.
Variveis de deciso:

quantidade enviada do Rio de Janeiro para Recife

quantidade enviada do Rio de Janeiro para Salvador

quantidade enviada do Rio de Janeiro para Manaus

quantidade enviada do Rio de Janeiro para dummy

quantidade enviada de So Paulo para Recife

quantidade enviada de So Paulo para Salvador

quantidade enviada de So Paulo para Manaus

quantidade enviada de So Paulo para dummy

quantidade enviada de Belo Horizonte para Recife

quantidade enviada de Belo Horizonte para Salvador

quantidade enviada de Belo Horizonte para Manaus

quantidade enviada de Belo Horizonte para dummy

A funo-objetivo desse problema ser a minimizao do custo total de transporte, o que matematicamente pode
ser representado por:

ou na forma estendida:

Vale ressaltar que as variveis relativas ao centro consumidor dummy no aparecem na funo-objetivo, j que o
custo unitrio de transporte de qualquer fbrica at o centro igual a zero. Matematicamente, isso resulta em um
custo total de transporte igual a zero para esse centro consumidor, de acordo com a realidade do problema, uma vez
que nenhuma fbrica remeteria mercadorias para um centro consumidor inexistente.
6
Restries de oferta (fbricas)
Com a insero da varivel dummy, todas as restries so de igualdade. A capacidade de cada fbrica que no
for utilizada ser virtualmente enviada para o centro consumidor dummy. Portanto, as restries de oferta so:

ou seja:

Restries de demanda (consumidores)
Seguindo uma lgica similar aplicada nas restries de oferta, igualaremos a demanda de cada centro consumi-
dor, inclusive o dummy, ao total remetido por fbrica para aquele destino. As restries de demanda, portanto, sero:

ou seja:

Restries de no-negatividade
J que no faz sentido transportar quantidades negativas, temos de incluir uma restrio para que todas as quan-
tidades transportadas sejam maiores ou iguais a zero:

Resolvendo o problema com variaveis dummy no Excel
A Figura 3 apresenta uma modelagem do problema em planilha Excel, onde consideramos inicialmente que
nenhuma quantidade est sendo enviada das fbricas para os centros consumidores. Essas quantidades, que so as
variveis de deciso, esto representadas nas clulas B10 a E12 (incluindo as dummy). A clula B16 representa o
custo total de transporte, que a funo-objetivo a ser minimizada. Os LHS das restries so representados pelas
clulas F10 a F12 e B13 a El3, enquanto os RHS so representados pelas clulas G10 a G12 e B14 a E14. A Tabela
3 mostra as clulas e frmulas utilizadas na Figura 3. A Figura 4 apresenta os parmetros do Solver e suas opes. O
resultado da otimizao mostrado na Figura 5. A Figura 6 apresenta o relatrio de respostas do problema de
transporte LTC_Bicicletas (Alternativa A).

F|gura 3 - Vode|ager do proo|era de lrarsporle ro Exce| (A|ternat|va A)
7
Taoe|a 1 - Frru|as relererles ao Ll3 das reslr|oes do proo|era de lrarsporle (A|ternat|va A)
Funo-objet|vo 6|u|a Frmu|a

81 =30VARPR00uT0(81:0;810:012)
Restr|o 6|u|a Lh8 da restr|o

F10 =30VA(810:E10)

F11 =30VA(811 :E11)

F12 =30VA(812:E12)

813 =30VA(810:812)

C13 =30VA(C10:C12)

013 =30VA(010:012)

E13 =30VA(E10:E12)
F|gura 1 - Parrelros e opoes da lerrarerla do 3o|ver do proo|era de lrarsporle (A|ternat|va A)
F|gura 5 - Resu|lados da ol|r|zaao do proo|era de lrarsporle (A|ternat|va A)







8
F|gura - Re|alr|o de resposlas do proo|era de lrarsporle LTC_8|c|c|elas ( A|ternat|va A)
H|crosoft Exce| 12.0 Re|atr|o de resposta
P|an||ha: [|ct_b|c|c|etas.x|sxjP|an1

Re|atr|o cr|ado: 10|5|2010 11:17:58


C|u|a de desl|ro (Vir)


6|u|a Nome Va|or or|g|na| Va|or f|na|


S8S1 Cuslo Tola| Rec|le 0 110000


C|u|as ajuslve|s


6|u|a Nome Va|or or|g|na| Va|or f|na|


S8S10 R|o de Jare|ro Rec|le 0 0


SCS10 R|o de Jare|ro 3a|vador 0 2000


S0S10 R|o de Jare|ro Varaus 0 0


SES10 R|o de Jare|ro 0urry 0 0


S8S11 3ao Pau|o Rec|le 0 500


SCS11 3ao Pau|o 3a|vador 0 0


S0S11 3ao Pau|o Varaus 0 1000


SES11 3ao Pau|o 0urry 0 1500


S8S12 8e|o lor|zorle Rec|le 0 1500


SCS12 8e|o lor|zorle 3a|vador 0 0


S0S12 8e|o lor|zorle Varaus 0 0


SES12 8e|o lor|zorle 0urry 0 0


Reslr|oes


6|u|a Nome Va|or da c|u|a Frmu|a 8tatus Trans|gnc|a

S8S13 Erlregue Rec|le 2000 S8S13=S8S11 3er agrupar 0

SCS13 Erlregue 3a|vador 2000 SCS13=SCS11 3er agrupar 0

S0S13 Erlregue Varaus 1000 S0S13=S0S11 3er agrupar 0

SES13 Erlregue 0urry 1500 SES13=SES11 3er agrupar 0

SFS10 R|o de Jare|ro Faor|cado 2000 SFS10=S0S10 3er agrupar 0

SFS11 3ao Pau|o Faor|cado 3000 SFS11=S0S11 3er agrupar 0

SFS12 8e|o lor|zorle Faor|cado 1500 SFS12=S0S12 3er agrupar 0

8oluo sem utilizar variaveis dummy {Alternativa B}
Conforme vimos anteriormente, a segunda alternativa para resolver um problema de transporte em que a oferta
maior do que a demanda modelar o problema de forma que as demandas sejam plenamente atendidas e que as
fbricas possam operar abaixo de suas capacidades instaladas. Nessa modelagem alternativa (figura 7) no
necessria a incluso das variveis dummy, de maneira que as variveis de deciso do problema sero o nmero de
bicicletas remetidas de uma fbrica para um distribuidor.
Variveis de deciso:

quantidade enviada do Rio de Janeiro para Recife

quantidade enviada do Rio de Janeiro para Salvador

quantidade enviada do Rio de Janeiro para Manaus

quantidade enviada de So Paulo para Recife

quantidade enviada de So Paulo para Salvador

quantidade enviada de So Paulo para Manaus

quantidade enviada de Belo Horizonte para Recife

quantidade enviada de Belo Horizonte para Salvador

quantidade enviada de Belo Horizonte para Manaus

A funo-objetivo, nessa segunda forma de resoluo, igual primeira,pois nesta as variveis dummy
apresentavam custo de transporte igual a zero e, portanto,no apareciam na funo objetivo. Sendo assim a funo
objetivo :

ou na forma estendida:

9
Restries de oferta
Como a oferta maior do que a demanda, as restries de oferta sero todas do tipo menor ou igual. Essas
restries apresentam a condio de que as fbricas podem produzir quantidades menores ou iguais s suas
capacidades instaladas. So elas:

ou seja:

Restries de demanda
Com as fbricas possuem capacidade excedente, toda a demanda pode ser atendida. Sendo assim, as restries
de demanda sero todas igualdades:

ou seja:

Restries de no-negatividade
De forma anloga resoluo anterior, temos de incluir uma restrio para que todas as quantidades
transportadas sejam maiores ou iguais a zero, ou seja:

Resolvendo o problema pelo mtodo alternativo no Excel {Alternativa B}
A modelagem do problema mostrada na Figura 7. A minimizao do custo total de transporte, que a nossa
funo-objetivo, est representada pela clula B16. As clulas B10 a D12 esto representando as variveis de deci-
so (quantidades enviadas de cada fbrica para cada centro consumidor), enquanto as clulas B4 a D6 representam
os custos unitrios de transporte dessas quantidades para cada fbrica e centro consumidor. As clulas E10 a E12 e
B13 a D13 representam o LHS das restries, ao passo que as clulas F10 a F12 e B14 a D14 apresentam os RHS
das clulas. A Tabela 4 mostra as frmulas inseridas na clula da funo-objetivo e nas clulas que representam os
LHS das restries. Os parmetros do Solver e as opes selecionadas so mostrados na Figura 8, enquanto o
resultado da otimizao aparece na Figura 9. A Figura 10 apresenta o relatrio de respostas do problema de
transporte LTC_Bicicletas (Alternativa B).
Vale ressaltar que os resultados apresentados pelas duas modelagens do problema de transporte chegaram ao
mesmo valor timo da funo-objetivo, porm com solues timas distintas (compare as Figuras 5 e 9).
Isso ocorreu porque o problema possui solues timas mltiplas. O Solver do Excel, em virtude das modelagens
diferenciadas (com e sem varivel dummy), chegou a solues timas diferentes nas otimizaes (isso nem sempre
ocorre). A primeira soluo tima (Figura 5) indicou que 2.000 unidades deviam ser enviadas da fbrica do Rio de
Janeiro ao centro consumidor de Salvador, 500 unidades de So Paulo a Recife, 1.000 de So Paulo a Manaus e
1.500 de Belo Horizonte a Recife, resultando em um custo total de transporte de R$ 110.000,00. Partindo da segunda
modelagem, a soluo tima encontrada (Figura 9) indica que 1.500 unidades devem ser enviadas da fbrica do Rio
de Janeiro ao centro consumidor de Recife, 500 unidades do Rio de Janeiro a Salvador, 500 unidades de So Paulo a
Recife, 1.000 de So Paulo a Manaus e 1.500 de Belo Horizonte a Salvador, totalizando um custo de transporte
tambm de R$ 110.000,00.
Para provar que as duas solues so solues timas do problema e que no h distino prtica entre os resul-
tados das duas modelagens apresentadas, vamos inserir a soluo tima encontrada na primeira modelagem na pla-
nilha com a segunda modelagem e observar o que acontece com o valor da funo-objetivo.
Como podemos observar na Figura 9, ao inserirmos os mesmos valores encontrados na primeira otimizao na
segunda planilha, o valor da funo-objetivo no alterado, permanecendo um custo total de transporte igual a R$
110.000,00. Essa observao comprova que ambas so solues timas alternativas para esse problema de
transporte.
10
importante deixar claro que as diferenas de resultado entre as primeiras otimizaes ocorreram devido ao fato
de estarmos lidando com um problema especial que possui mltiplas solues timas, que j foi estudado nas sees
anteriores. Se o problema que estivermos tentando resolver apresentar somente uma soluo tima possvel, ela ser
certamente encontrada com base em ambas as modelagens, isto , com o sem a incluso de variveis do tipo
dummy.
F|gura Z- Vode|ager a|lerral|va do proo|era de lrarsporle ro Exce| (A|ternat|va )
Taoe|a 1 - Frru|as relererles ao Ll3 das reslr|oes do proo|era de lrarsporle (A|ternat|va )
Funo-objet|vo 6|u|a Frmu|a

81 =30VARPR00uT0(81:0;810:012)
Restr|o 6|u|a Lh8 da restr|o

E10 =30VA(810:010)

E11 =30VA(811 :011)

E12 =30VA(812:012)

813 =30VA(810:812)

C13 =30VA(C10:C12)

013 =30VA(010:012)
F|gura 8 - Parrelros e opoes da lerrarerla do 3o|ver do proo|era de lrarsporle (A|ternat|va )





11
F|gura 9 - Resu|lados da ol|r|zaao do proo|era de lrarsporle (A|ternat|va )


F|gura 10 - Re|alr|o de resposlas do proo|era de lrarsporle LTC_8|c|c|elas (A|ternat|va )
H|crosoft Exce| 12.0 Re|atr|o de resposta

P|an||ha: [Pasta2jP|an1

Re|atr|o cr|ado: 10|5|2010 10:54:01


C|u|a de desl|ro (Vir)


6|u|a Nome Va|or or|g|na| Va|or f|na|


S8S1 Cuslo Tola| Rec|le 0 110000


C|u|as ajuslve|s


6|u|a Nome Va|or or|g|na| Va|or f|na|


S8S10 R|o de Jare|ro Rec|le 0 1500


SCS10 R|o de Jare|ro 3a|vador 0 500


S0S10 R|o de Jare|ro Varaus 0 0


S8S11 3ao Pau|o Rec|le 0 500


SCS11 3ao Pau|o 3a|vador 0 0


S0S11 3ao Pau|o Varaus 0 1000


S8S12 8e|o lor|zorle Rec|le 0 0


SCS12 8e|o lor|zorle 3a|vador 0 1500


S0S12 8e|o lor|zorle Varaus 0 0

Reslr|oes


6|u|a Nome Va|or da c|u|a Frmu|a 8tatus Trans|gnc|a

S8S13 Erlregue Rec|le 2000 S8S13=S8S11 3er agrupar 0

SCS13 Erlregue 3a|vador 2000 SCS13=SCS11 3er agrupar 0

S0S13 Erlregue Varaus 1000 S0S13=S0S11 3er agrupar 0

SES10 R|o de Jare|ro Faor|cado 2000 SES10<=SFS10 Agrupar 0

SES11 3ao Pau|o Faor|cado 1500 SES11<=SFS11 3er agrupar 1500

SES12 8e|o lor|zorle Faor|cado 1500 SES12<=SFS12 Agrupar 0
12
Problema de transporte como uma rede
O problema em questo pode ser visualizado como um rede que une fbricas e revendas. Utilizando as
terminologias de rede, a Figura 11 representa graficamente o caso. Em uma primeira e rpida anlise, conclumos
com facilidade que as variveis de deciso do modelo sero a quantidades de bicicletas enviadas de cada fbrica
para cada distribuidor, e a funo-objetivo ser a minimizao do custo total desses envios. No entanto, o problema
apresenta um detalhe especial: o nmero de bicicletas demandadas menor que a capacidade de produo da
empresa.
F|gura 11 - 0|agrara de rede do caso LC0 8|c|c|elas ser GXPP\
Existem duas maneiras bsicas de resolver esse tipo de problema. A primeira consiste em inserir uma unidade
dummy que iguale a oferta e a demanda totais e que esteja ligada a todas as unidades da demanda ou da oferta. Se a
oferta for maior que a demanda, a varivel dummy ser colocada como uma unidade de demanda ligada as unidade
de oferta. De forma inversa, se a demanda for maior que a oferta, a varivel dummy representar um novo ponto de
oferta para atender demanda excedente. Em ambos os casos, todas as restries sero consideradas igualdades.
No nosso caso, como a oferta maior que a demanda, devemos introduzir uma unidade dummy com demanda 1.500
(diferena entre o total de oferta, 6.500 bicicletas, e o total de demanda, 5.000 bicicletas). A Figura 12, a seguir,
representa essa rede.

F|gura 12 - 0|agrara de rede do caso LC0 8|c|c|elas cor GXPP\
A segunda forma de resolver problemas de distribuio seguir a regra do fluxo balanceado para cada n
(unidade) de rede; seis no caso sem dummy e sete no caso com dummy. Por essa regra, no h necessidade de
insero de variveis tipo dummy; o desequilbrio entre oferta total e demanda total tratado por restries de maior
ou igual ou de menor ou igual. Vale ressaltar que, mesmo no sendo necessria a incluso de variveis dummy, elas
podem facilitar a interpretao do problema (capacidade ou demanda no atendida. A tabela 5, a seguir, resume a
regra de aplicao do fluxo balanceado.
Tabela 5 - Regra do Fluxo Balanceado
Hiptese do problema Tipo de restrio para cada n
Oferta Demanda Entradas Sadas Oferta ou Demanda
Oferta Demanda Entradas Sadas Oferta ou Demanda
Oferta Demanda
Entrada Sadas Oferta ou Demanda
RE
(4}
[+2000]
RJ
(1}
25
20
30
0
[-2000]
8A
(5}
[+2000]
30
25
25
0
8P
(2}
[-3000]
HA
(}
20
15
23
0
[+1000]
h
(3}
[-1500]
0
(7}
[+1500]
RJ
(1}
[-2000]
8A
(5}
[+2000]
8P
(2}
[-3000]
HA
(}
[+1000]
h
(3}
[-1500]
[+2000]
RE
(4}
8A
(5}
25
20
30
30
25
25
20
25
23
13
Resolveremos o problema utilizando a regra do fluxo balanceado com a introduo da varivel dummy. A figura 11
evidencia o valor do descompasso entre a capacidade de produo da empresa e o nmero de bicicletas requerido
pelos centos consumidores: h uma oferta de 6.500 e uma demanda de 5.000 bicicletas. Vale ressaltar que, com a
introduo do n dummy (7), igualamos a oferta total demanda total. Portanto, devemos utilizar restries de
igualdade para todos os ns.
De acordo com esse primeiro mtodo de modelagem, o problema que ser inserido na planilha Excel tem as
seguintes variveis de deciso, que representam o total de bicicletas enviadas de uma fbrica para um distribuidor.
Variveis de deciso:

quantidade enviada do Rio de Janeiro para Recife

quantidade enviada do Rio de Janeiro para Salvador

quantidade enviada do Rio de Janeiro para Manaus

quantidade enviada do Rio de Janeiro para dummy

quantidade enviada de So Paulo para Recife

quantidade enviada de So Paulo para Salvador

quantidade enviada de So Paulo para Manaus

quantidade enviada de So Paulo para dummy

quantidade enviada de Belo Horizonte para Recife

quantidade enviada de Belo Horizonte para Salvador

quantidade enviada de Belo Horizonte para Manaus

quantidade enviada de Belo Horizonte para dummy

A funo-objetivo desse problema ser a minimizao do custo total de transporte, o que matematicamente pode
ser representado por:

ou na forma estendida:

Vale ressaltar que as variveis relativas ao centro consumidor dummy no aparecem na funo-objetivo, j que o
custo unitrio de transporte de qualquer fbrica at o centro igual a zero. Matematicamente, isso resulta em um
custo total de transporte igual a zero para esse centro consumidor, de acordo com a realidade do problema, uma vez
que nenhuma fbrica remeteria mercadorias para um centro consumidor inexistente.
Montaremos as restries de acordo com a seguinte lgica: o nmero de bicicletas que chegam ao n menos o
montante que sai deve ser igual oferta (negativa) ou demanda (positiva) do n.
Restries de fluxo

n 1

n 2

n 3

n 4

n 5

n 6

n 7
Vale ressaltar que essas restries so idnticas s da forma tradicional (as trs primeiras devem ser multiplicadas
por -1, o que no altera a identidade).
A figura 13, a seguir, mostra uma das maneiras de o problema ser modelado no Excel. Para inserir a condio de
que o fluxo lquido de cada n (quantidade de bicicletas que chega menos a quantidade que sai) deve ser igual
respectiva demanda (positiva) ou oferta (negativa), utilizaremos a funo SomaSe do Excel. Esta funo serve para
somar as clulas especificadas por determinado critrio, que pode ser um nmero, uma expresso (>100, por
exemplo) ou um texto. No nosso problema, a funo SomaSe nos ajudar a calcular o fluxo lquido de cada n a partir
de seus critrios de identificao.
14
Figura 13 Modelagem do caso LCT Bicicletas como problema de rede
A clula J15 representa a funo-objetivo, a as clulas F4 a F15, as variveis de deciso do modelo. As clulas J4
a J10 representam os LHS das restries de fluxo, e as clulas K4 a K10, os RHS das clulas. A Tabela 6 mostra as
frmulas utilizadas nos LHS das restries e na clula que denota a funo-objetivo. Uma vez feita a modelagem,
devemos estabelecer os parmetros e as opes do Solver (Figura 14).
Tabela 6 Frmulas utilizadas nas restries do caso LCT Bicicletas na forma de rede
Funo-objetivo Clula Frmula

J15 =SOMARPRODUTO(E4:E15;F4:F15)
Restrio Clula Frmula referente as LHS da restrio

J4 =SOMASE($C$4:$C$15;H4;$F$4:$F$15)-SOMASE($A$4:$A$15;H4;$F$4:$F$15)

J5 =SOMASE($A$4:$A$15;H5;$F$4:$F$15)-SOMASE($C$4:$C$15;H5;$F$4:$F$15)

J6 =SOMASE($C$4:$C$15;H6;$F$4:$F$15)-SOMASE($A$4:$A$15;H6;$F$4:$F$15)

J7 =SOMASE($C$4:$C$15;H7;$F$4:$F$15)-SOMASE($A$4:$A$15;H7;$F$4:$F$15)

J8 =SOMASE($C$4:$C$15;H8;$F$4:$F$15)-SOMASE($A$4:$A$15;H8;$F$4:$F$15)

J9 =SOMASE($C$4:$C$15;H9;$F$4:$F$15)-SOMASE($A$4:$A$15;H9;$F$4:$F$15)

J10 =SOMASE($C$4:$C$15;H10;$F$4:$F$15)-SOMASE($A$4:$A$15;H10;$F$4:$F$15)
Figura 14 Condies do Solver para o caso LCT Bicicletas na forma de rede
15
A figura 15 apresenta a soluo do problema. Nela verificamos a forma mais econmica de a LCT Bicicletas
atender a seus centros consumidores. Vale notar que a soluo corresponde a uma das solues timas encontradas
anteriormente.
Figura 15 Soluo tima para o caso LCT Bicicletas na forma de rede
Como j sabamos de antemo, nem todas as fbricas esto produzindo em sua capacidade plena,pois a oferta
total maior que a demanda dos centros consumidores. Apenas So Paulo apresenta capacidade ociosa na soluo
tima do problema.
F|gura 1 - Re|alr|o de resposla do para o caso LCT Bicicletas na forma de rede
DZ
W>dZ^W
Z
C M
E s s

! C 1 L
C
E s s

l C 1 8! 8L


l C 1 8! SA


l C 1 8! MA


l C 1 8!


l C 1 S 8L


l C 1 S SA
l C 1 S MA

l C 1 S


l C 1 8P 8L


l C 1 8P SA


l C 1 8P MA


l C 1 8P

8


E s & ^ d

! C 8 ! !k S

! C S !k S

! C 8 P !k S

! u 8 !k S
! u S !k S

! u M !k S
! u !k S

Forle: Lacrlerrarcrer, 0ersor. Pesqu|sa 0perac|ona| na tomada de dec|ses. 3ao Pau|o: Pearsor Prerl|ce la||, 2009