PROGRAMAÇÃO LINEAR

Aplicada a Pesquisa Operacional

André Gustavo de À. Santos

 SUMÁRIO

Programação Linear e Pesquisa Operacional

11 Fases da Pesquisa Operacional 1. 0.1.1.0 cer e e see e eo

Modelos Matemáticos em Programação Linear T

20.1 Genceralizaçãodo Modelo em Programação Linear 10.0... ps)

Resolução Gráfica de Modelos 11

3.1 Representação Gráfica de Uma Incquação. 201. 4020202 020202 204/04 04 404 1
3.1.1 Conjuntos CoOnVexos 0.040.002.
002 race se e e e RA oa 13
3.1.2 Discussão Gráficade Modelos 0.1.0 0000.0 02022 ea 18
31.3 OMétodo Gráfico. 20.10.1212 020020202 2 a a es e a e BR Ra ada 14
3.14 Esboçoda Função Objetivo 201100 002002024022002
0202 as 20
3.1.5 Interpretação Gráfica Vértice à Vértice 0... 1202020101... 22

Método Simplex 23
11 Descrição de um Método para Maximização 23
4.1.1 Aplicação do Método Simplex: Problema de Alocação (Rádios
Standard e Rádios Luxo): 1. 0.102.200
0204 2 2 2 2 e e e a a 30
4.3 Soluções Degeneradas, Tlimitadas e Múltiplas 2.01...
02 0202002200 0200 34
4,2.1 Critérios Para Aplicação do Simplex 40
4.2.2. De Volta Para Modelo Original 41
4.9,3 Método da Função Objetivo Auxiliar 10.010. .202 0200202 22/0204 0200 41

Dualidade 46
5.1 Problema Primal x Problema Dual. 1.2.0.0. 4/22 aa 47
5.1.1 Algoritmo de Transformação do Primal Para Dual 1... 1.2... 50
5.1.2 Análise Econômica do Dual: 1121000002 222 eee. 55
GG Análise de Sensibilidade
6.0.1 Aplicação da Análise de Sensibilidade: Intervalo de Estabilidade
do Recurso [. 2101.0100 eo a RR a RR A e 62
60,2 Aplicação da Análise de Sensibilidade: Intervalo de Estabilidade
do Recurso TE 100 0 uia ce ce ce er a oe cer oe ENE E Ea 63
6.0.3 Aplicação da Análise de Sensibilidade: Intervalo de Estabilidade
para os Coeficientes da Função Objetivo 0.102 0020202000 0200200
6.0.4 Aplicação da Análise de Sensibilidade: Mudança no Coeficiente
de uma Restrição. 0..000.20/202002 2 e e e e e

7 Transportes
T.l Relação entre Redes é Transporte . cc... 02 02 eee a a eo
7.2 Sistemas Equilibrados e Não Equilibrados
T.3 Modelo para Transporte . 006.0... 0202 02 204 a a a e e e e aa a a oa
74 Solução Básica Inicial para Transportes 2.0. .0.000002020/20/
02402 502 200
72

8 Pesquisa Operacional no Excel - Solver

9 Coletânea de Exercícios
cAPÍTULO 1

PROGRAMAÇÃO LINEAR E PESQUISA OPERACIONAL

O estudo de Pesquisa Operacional teve seu início durante a Segunda Guerra Mundial,
seu desenvolvimento
se deu com o intuito principal de decidir sobre a forma mais eficaz
de utilização dos recursos limitados durante a guerra. Portanto, o que denominamos de
Pesquisa Operacional é à atividade desenvolvida com o intuito de suprir necessidades
urgentes na alocação de recursos escassos nos operações militares.
O primeiro programa formal de estudos da Pesquisa Operacional ocorreu em 1948, no
Massachusetts Institute of Technology nos Estados Unidos, que culminou com um apri-
moramento das técnicas e grandes avanços na resolução de problemas de programação
línear. É Nesse cenário, que surge um dos 5 algoritmos mais importantes do mundo,
o Método Simple, desenvolvido por George Dantzig em 1947, que com o auxílio da
Programação Linear, tem o intuito de resolver problemas diversos relacionados a ali-
mentação, industrias petrolíferas e moveleiras, agricultura, manufatura, siderurgia, me-
talurgia e transportes.
es
1.1. Fases da Pesquisa Operacional
Não existe um número de fases específico para a resolução de um problema em Pes-
quisa Operacional, isso depende da complexidade do problema que 6 decisor tem em
mão, contudo, geralmente, o que se deseja é marimiízar ou minimizar alguma coisa,
portanto, o objetivo é chegar na solução que otimiza o problema, a seguir, serão apre-
sentadas algumas etapas que são essenciais nesse processo, com à certeza de que tal
exposição dará um norte do caminho à ser seguido pelo leitor.
a) Definição do Problema: é uma fase que se baseia em três aspectos:
(1) Identificação das variáveis de decisão
(11) Descrição e definição dos objetivos, bem como o reconhecimento das limitações
(111) Restrições e exigências do sistema.
A resolução do problema começa pela definição dos objetivos que pode ser de: maxi-
mização ou minimização de alguma coisa. O segundo ponto é determinar as variáveis
de decisão que estão relacionadas aos objetivos, Por último, deve ser identificada as

limitações do problema ou exigências do mesmo.

b) Construção do Modelo: o modelo deve estar atrelado a definição do problema.
essa é a fase que exige mais atenção do decisor, uma vez que à qualidade de todo o
processo depende desta etapa. Os modelos matemáticos são muito utilizados pelas
empresas em seus processos decisórios,
c) Solução do Modelo: O objetivo aqui é encontrar uma solução para o modelo
proposto através de técnicas especificas, tais como:
v Análise Gráfica
v Método Simplex
v Análise de Sensibilidade
“ Dualidade
Simulação, dentre outras.
d) Validação do Modelo: Um modelo é válido quando for capaz de predizer um
comportamento aceitável do sistema e uma resposta para à qualidade da decisão a
ser tomada. Um sistema pode ser validado por meio da análise de dados retirados
do próprio sistema, bem como da utilização desses dados para verificar se o sistema
reproduziu comportamento parecido.
e) Implementação do Modelo: Nessa fase, a solução será apresentada ao admi-
nistrador. À implementação deve ser acompanhada observando comportamento do
sistema como solução adotada, algum ajuste pode ser requerido.
CAPÍTULO 2

MODELOS MATEMÁTICOS EM PROGRAMAÇÃO

LINEAR

Os modelos matemáticos são representações simplificadas da realidade, por isso, não

traduz fielmente um problema de pesquisa operacional, contudo, proporciona o5 parfmetros
necessários para o entendimento eficaz dos conceitos mais elementares de PL. No in-
tuito de lançar luz aos primeiros passos a serem seguidos no processo de modelagem,
VAMOS Sugerir aqui um roteiro com base nos seguintes procedimentos:
1) Determinação das Variáveis de Decisão: Para identificar as variáveis de de-
cisão recomenda-se passar pelas seguintes etapas:
“ Identifique qual o objetivo do problema, faça a pergunta: O que se deseja
marimiízar ou minimizar? As respostas são os variáveis de decisão.

v Seja preciso com as unidades, tais como: tmaocda, tempo etc,

Obs. Cuidado para não confundir as variáveis de decisão com os parâmetros do pro-
blema ou com 6 número de máquinas da fábrica ou mesmo com a quantidade de cada
recurso usado na fabricação de um produto etc.
2) Determinação das Restrições: Nestrições típicas incluem à existência de li-
miles sobre quantidades de recursos disponíveis (colaboradores, máquinas, orçamento,
matérias primas, etc.) Cada restrição imposta na descrição do sistema deve ser ex-
pressa como uma relação lincer fiqualdade ou desigualdade), montadas com os variáveis
de decisão. É importante enfatizar que todas as expressões mencionadas devem estar
de acordo com à hipótese principal da PL, pois todos as reloções entre variáveis dever

ser lineares. lss56 implica diretamente na proporcionalíidade das contribuições envolvi-

das, pois a contribuição individual de cada variável é estritamente proporcional a seu
valor, assim como a aditividade dessos contribuições, pois o total de todas as variáveis
é igual a soma das contribuições individuais, independentemente dos valores delas.
=)
3) Determinação da Função Objetivo: Em relação é função objetivo, a Pro-
graumação Operacional busca encontrar o melhor que pode ser realizado com o que se
tem disponível, ou seja, se busca maximizar algo como lucro ou eficiência ou mintmni-

zar algo como custo ou tempo, Nos modelos de Programação Linear existe apenas um
objetivo, mas é possível, em outras áreas de P.O estudos com múltiplos objetivos. À
JSunção objetivo mede à eficiência do sistema para cada solução proposta.
Para melhor elucidação do que foi dito, vamos ver um exemplo de um problema de
alocação em Programação Linear como motivador:

Alocação de Recursos: Uma fábrica de rádios possui duas linhas de produção:

rádios standard e rádios luxo. Com relação aos rádios standard, sabe-se que sua linha
de produção comporta um máximo de 24 operários, sendo que um operário produz um
rádio por dia e cada rádio fornece um lucro de R$ 30,00. Para os rádios luxo, a linha
de produção comporta um máximo de 32 operários sendo que dois operários produzem
um rádio por dia e cada rádio fornece um lucro de R$ 40,00. Além disso, a fábrica
possui um total de 40 operários a serem alocados nas duas linhas de produção. Dê um
madelo que maximize 6 lInero diário da fábrica.
Solução: Definido o problema, vamos construir o modelo seguindo o roteiro sugerido
anteriormente;
a) Determinação das variáveis de decisão: Qual o objetivo do problema? À res-
posta é natural, Marimiízar o lucro diário da produção de rádios standard e luxo. Note
que a resposta fornece as variáveis de decisão:
é 1 > Quantidade de produção diária dos rádios standard;
Y ra — Quantidade de produção diária dos rádios luxo;
Observe que cada variável de decisão assume valores inteiros e não negativos, pois elas
representam unidades de produtos. Portanto, 7) > O e xa 320.
b) Determinação das restrições: Nessa fase, devemos estabelecer as restrições do
problema. Para isso, voltemos ao texto para responder as perguntas (1) e (2).
(1) Qual a capacidade máxima diária da linha de produção dos rádios standard? já sa-
bemos que, com relação aos rádios stondord, a linha de produção comporta um márimo
de 24 operários, sendo que um operário produz um rádio por dia, ou seja:

1 rádio por dia | Restrição | Recursos Disponíveis (mão de obra) |

Ti < 24 |
(2) Qual a capacidade máxima diária da linha de produção dos rádios luxo? Com
relação aos rádios stondard, a linha de produção comporta um márimo de 32 operários,
sendo que são necessários dois operários para produzir um rádio por dia, ou seja:

1 rádio por dia | Restrição | Recursos Disponíveis (mão de obra) |

2ro < 32 |
O problema ainda informa que à fábrica possui um total de 40 operários a serem
alocados nas duas linhas de produção. O que nos fornece à seguinte restrição:

Soma das Produções | Restrições | Recursos Disponíveis (mão de obra)

x + rs < 40

O próximo passo é determinar à soma das contribuições para o lncro da fábrica na

produção dos dois tipos de rádio,

ec) Determinação da Função Objetivo: Queremos maximizar o lucro diário da

produção de rádios standard e luxo, Cada rádio standard contribui com um lncro de
R$ 30,00 e cada rádio luxo contribui com um lucro de R$ 40,00, então L(x,,%3) =
Ox, + 4x2.
Em resumo, o modelo é dado por:
MarZ = Or, + Or;

TE 24

2x, < 32
sujeito a :
Tr, +2r< 40

7130.7430

2.0.1. Generalização do Modelo em Programação Linear

Com base no que foi mostrado anteriormente. suponha agora que existem m recursos
usados numa produção de 7 produtos com as seguintes características:
Mar&(T,Ta,..., Tp) = eum + es + cet,

ar + atra desce ação, E hq

o Agir, + aastros + asi, < bh
Sujeito a:

Aa + Guaira + + + imitn E bm
com +; = O
onde
v cjéoluero na venda de uma unidade do produto 7 =1,2,3,...,0
vv hétn quantidade de recursos disponíveis é = 1,2,3,..., m
Y né a quantidade de recursos é usada para produzir uma unidade do produto j
é r1;60 nível de produção do produto
De uma forma geral, podemos escrever o modelo padrão para maximização como:

MazZ = SF ejx;
jel
o
Sujeita a: 3º agr; <€ by Vi=1,2,3,...,7m sendo x; > O
j=1

com
Fá a, bi, e; en

vYiejsão mímeros naturais tais que | > <mel>j<n

vY Th São chamadas de variáveis de decisão;
VW El Tno. TT.) é a função objetivo:

é Sar, <b, são as restrições técnicas da função objetivo;

j=l

vY 1; 2 O são chamadas de condição de não neqotividade; / m e nº são respectiva-

mente, o número de variáveis de decisão e o número de restrições do modelo.

10
CAPÍTULO 3

RESOLUÇÃO GRÁFICA DE MODELOS

Como já vimos anteriormente, a programação linear dispõe de várias técnicas na busca

da solução ótima, como: Análise Gráfica, Método Simplex, Análise de Sensibilidade,
Dualidade, Simulação, dentre outras. Neste capítulo, iremos discutir acerca do Método
Gráfico,
Para resolver um problema de Programação Linear pelo método gráfico, é necessário
que o problema apresente no máximo três variáveis de decisão, caso contrário, não é
possível a aplicação do método. Nesse livro, vamos abordar apenas a resolução gráfica
de modelos que possuem duas variáveis, por entender que, embora muito simplificado,
permite um entendimento sólido dos conceitos que envolvem a Programação Linear.
O método consiste em representar através da intersecções das regiões de cada restrição,
bem como as intersecções das suas retas limites o conjunto de soluções viáveis do
problema num sistema de cixos ortogonais.
Os pontos pertencentes a essa região serão os candidatos « solução ótima. Chamaremos
à região onde situam-se o conjunto solução para o problema de região de soluções
viáveis. O conjunto formado pelos pontos (1, ra) deve satisfazer ao grupo de restrições
do modelo, Seu desempenho será avaliado à partir da análise gráfica da função objetivo.

3.1. Representação Gráfica de Uma Inequação

Antes de apresentarimos o Método Gráfico para resolução de modelos em PL, vamos
relembrar como podemos esboçar 6 gráfico de uma inequação.
Inicialmente, considere a inequação dr, + 2, > 16, então;

dr, + Ir = 16 ou dr, + 2ra > 16

1
e O segundo passo é relaxar à inequação e construir o gráfico de dr, + 2r; = 16, mas
para isto, devemos pôr 3 em função de +;
é Dai temos: dr, + 274 = 16 = 2r; = =x, + 16, portanto, 23 = =27, + 8.
O gráfico então será:

Figura 3.1:

A reta 13 = —2r, +58 é o limite da desigualdade. Como à inequação tem sinal do tipo
>, tem-se que todos os pontos da reta pertencem ao conjunto de valores que satisfazem
à inequação, bem como todos os valores situados na região onde 447 + 233 > 16.
Considere agora o sistema de inequações lineares:

à E=yS5
sujeito à : « Observeque = W < Dm py <€ - sr +isy>r-õe
2r+y>10

Ir+y>l10=sp7<-2r+10.
O gráfico que representa esse sistema é:

Figura 3.2:

12
A região de soluções viáveis é à intersecção das regiões delimitadas pelas retas, isto
significa que, qualquer ponto nessa região satisfaz as duas desigualdades simultanca-
mente, além disso, todos os pontos da reta y = * = 5 pertencem à essa região, já os
pontos da reta y = 2x7 + 10 não fazem parte do conjunto solução do sistema.

3.1.1. Conjuntos Convexos

Teorema: Um conjunto 8 é convero se, é somente se, ele contém todas 05 combinações
converas dos seus elementos. Em outras palavras, podemos dizer que, um conjunto
é convexo se dois pontos pertencentes à esse conjunto podem ser ligados por um seg-
mento de reta, desde que todos 08 pontos do segmento pertençam ao conjunto.

Ram Polígono Convexo

Figura 3.3:

Podemos observar que na figura 2.3 (polígono não convexo) os pontos do segmento
BD não fazem parte do conjunto,

3.1.2 Discussão Gráfica de Modelos

Nem sempre um problema de PL apresenta solução ótima, então é necessário discutir

os resultados possíveis que podem ocorrer num problema de PL. Para isso, considere-
mos 3 casos;
Caso 1: Na figura (2.4), já sabemos, que à região sombreada é chamada de região de
soluções viáveis, tal região é delimitada por três restrições lineares do modelo. As retas
pontilhadas (paralelas a FO, e FO3 ) são chamadas de curvas de nível das funções ob-
jetivos FO, e FO3. O ponto P(a.b) está representando o ponto do polígono convexo
mais distante da origem do sistema de cixos coordenados. As restrições do modelo
estão denotadas por Ta, Ra e Rá respectivamente.

13
 Figura 3,4:

“ Observe que à medida que o valor de FO, aumenta à reta se afasta da origem do
sistema de eixos coordenados, varrendo toda a região de soluções viáveis do problema,
cessa varredura se dá com as curvas de nível da FC, até encontrar o ponto P(a,b)
(vértice do polígono). Como 6 ponto P(a,b) é o ponto mas distante da origem do
plano cartesiano, isso nos faz concluir que P(a,b) é solução ótima para 6 problema, ou
seja, é a solução que maximiza o modelo,
v“ Por outro lado, podermos perceber, que a reta que representa a função objetivo FO,
coincide com a restrição 1a (ambas possuem o mesmo coeficiente angular), represen-
tada pelo segmento AP, o que nos permite afirmar que, nesse caso, o problema terá
infinitas soluções, pois entre dois pontos À e B de um segmento AB existe sempre um
ponto C€ entre À e B;
v Quanto a reta s, veja que a mesma não cruza a região de viabilidade, logo não pode
conter solução ótima.
Caso 2: Solução degenerado ou problema inviável ocorre no caso em que não existe
nenhum ponto (£1,+) no plano cartesiano que satisfaça simultaneamente as restrições
i e j, conforme se observa na figura (2.5).

Caso 3: Quando à solução pode ser melhorada, mas não existem restrições que limi-
tem esta solução (o método não converge), isto é, o valor da função objetivo eresce
indefinidamente na região de viabilidade, chamamos de solução indefinida,
Observe que, não há como definir a solução, pois à mesma tende para o infinito.

3.1.3 / O Método Gráfico

Agora, vamos a partir do Problema de Alocação dos rádios standard e luxo, discutido
na seção 1.2 do capítulo 1 resolver o seu modelo usando o Método Gráfico, isso nos
permitirá entender 6 processo de produção dos rádios de forma analítica. O modelo
obtido no problema foi:

14
Figura 3.5:

15
MarZ = 30r + 40y

rE<2
24 < 32
sujedo 6 ;
r+2N<9<A0
r> O, y>0

a) Traçado da inequação + < 24: Observe que x = 24 não é função, seu gráfico
é uma reta perpendicular ao cixo 7 (qualquer valor de y terá sempre a mesma abscissa
x = 24). Ponto de intersecção no eixo das abscissas é (24,0).

Figura 3.7:

À reta x = 24 indica o limite da produção diária de rádios standard. Já + < 24 indica

a região delimitada pela produção de rádios standard,

b) Traçado da inequação y < 16: À reta y = 16 indica o limite de produção

diária de rádios luxo e y < 16 à região delimitada dessa produção.

Nosse caso, temos o oposto da situação anterior, 4 = 16 é uma função denominada

Sunção constante, todos os pontos da sua abscissa estão associados ao mesmo valor

16
S | TA | | — Retaquerepresenta o limite

Figura 3.8:

17
uy =16, seu gráfico é uma reta horizontal,

c) Traçado da inequação x + 2y < 40 ; Para que essa reta seja traçada, basta que
se tenham dois pontos sobre o eixos coordenados, pela lógica temos que se + 2y < 40
então 7 +27 < 40 ou ++ 2y = 40 . Tomemos à função afim + +29 = 40. Tem-se então
que para y = (0 a raiz da função é 7 = 40, * = O temos 4 = 20, logo, os dois pontos
pelo qual a reta passa são (40,0) e (0,20), 6 que nos dá a reta:

Cada par de pontos da reta x + 2y = 40 representa o uso máximo do limite de 40

funcionários na produção dos rádios standard e luxo.

Pondo todos 05 gráficos no mesmo plano cartesiano tem-se:

observe que as intersecções de todas as regiões das restrições nos dá e conjunto de todas
as soluções que são viáveis para o modelo, isto é, tomando qualquer ponto dentro da
região de vinbilidade, o ponto irá satisfazer o modelo, pois de acordo com a discussão
da solução gráfica a solução ótima está mun dos vértices: AÇO, 0), B(O0,16), C(8,16),
D(24,8), E(40,0). Dessa forma, temos o seguinte gráfico:

18
Reta limite da produção do —
par (standard, luxo) que utiliza
à capacidade máxima
de 40.
operários

Figura 3.9:

Figura 3.10:

19
 Figura 3.11:

3.1.4 Esboço da Função Objetivo

A função objetivo está escrita na forma da equação geral da reta, isto é, 27 = eyr+eay.
Para esbocçarmos e gráfico o da Função objetivo, devemos escrevé-la sol a forma reduzida
da reta, ou seja, y = =. + - com ca É O,
Assim, utilizaremos o coefici te nte angular da reta, que representará uma família de re-
tas (curvas de nível) com mesma direção.
Consideremos, como exemplo, à função objetivo do probléma de alocação dos rádios
standard e luxo, já modelado anteriormente.
A função objetivo é L = 30x + 404. Sua equação reduzida da reta é y = - + ã

O valor à = E. representa uma família de retas negativamente inclinada.

o esboço da função objetivo no gráfico do modelo está representado na Figura 11.

Observe que a tangente do ângulo AGF do triângulo AAFG é igual ao coeficiente

angular da rota que representa a função objetivo, isto é, tá(o) = T
caoteto oposto
Da geometria, sabemos que tó(a) = -. dessa forma: cateto oposto = 3 e
hipotenusa
cateto adjacente = 4, Portanto, à reta corta 6 eixo 7 em + = 4, o que nos dá (4,0) ce o
eixo 4 em 4 = 3, assim temos (0,3), assim:

20
 Figura 3.12:

vy Fazendo a função objetivo passar pelo ponto FO, 10), tem-se L = 30-04 40-10
A i F ; EL à
o que nos dá L = 400. Como na função objetivo 6 termo independente é To então

= Ez +10,
v Fazendo a função objetivo passar pelo ponto B(0, 16), tem-se L = 30-04 4140-160
que nos dá L = 640, Então, a função objetivo será y = —=x +16.
v Fazendo a função objetivo passar pelo ponto €(8, 16), tem-se L = 30- 8 + 40-16 0
que nos dá L = 880, Dessa forma, a função objetivo será y = e + 22,

“ De forma análoga temos D(24,8). que nos dá L = 1040 e y = = +26 e também

E(24,0), que nos dá L = 7H ey= -— +18,

Podemos então, enunciar 6 primeiro teorema de Programação linear:
Teorema: Tl. Se um problema de programação linear tem solução ótima, então esta
solução está em, pelo menos, um ponto da região faciível.
T2. Se à região factível de um problema de programação linear é não vazia, então
existe uma solução ótima,
T3. A região factível de um problema de programação linear é um conjunto convexo.
T4. À região factível de um problema de programação linear tem um mimero finito de
pontos extremos (vértices).
3.1.5 Interpretação Gráfica Vértice a Vértice
Com base em todas essas informações, podemos, por meio gráfico, realizar uma análise
económica vértice a vértice do poliedro de soluções viáveis, ou mesmo tomar qual-
quer ponto pertencente n essa região para estudar à produção diária de rádios standard
e luxo. O ponto de partida é 6 vértice que apresenta os menores valores para as variáveis
de decisão + e y, que no caso é o par (standard, luxo) = (x,y) = (0,0). À partir desse
ponto, caminha-se no sentido horário até o último vértice da pesquisa, faremos a seguir
à interpretação do problema proposto;
é Análise do vértice A/(0,0): Nesse momento, ainda não há produção na fábrica
de rádios.
é Ánálise do vértice B(0,16): À fábrica começa a produção de rádios luxo com
16 unidades diárias, mas ainda não produz rádios standard nessa fase da produção. À
fábrica aloca à capacidade máxima de operários na linha de produção de rádios luxo.
« Análise do vértice C(8,16): Inicia a produção de rádios standard com & unidades
diária e mantém-se a produção de rádios luxo em 16 unidades diária, para isso, são
necessários 8 operários e 32 operários nas linhas de produção de rádios standard e luxo
respectivamente,
CAPÍTULO 4

MÉTODO SIMPLEX

O Simplex é um método iterativo que percorre 08 pontos extremos do conjunto de

soluções compatíveis do problema. Este método é formado por um grupo de critérios

para escolha de soluções básicas que melhorem o desempenho do modelo. Para ser
iniciado é necessário se conhecer uma solução compatível básica (chamada solução ini-
cial). O Método Simplex então, faz a mudança do ponto inicial para o ponto extremo
adjacente que melhore o valor da função objetivo. O procedimento adotado para o
ponto extremo inicial é repetido para este segundo ponto extremo. O processo fina-

liza quando, estando num ponto extremo, todos os pontos extremos à ele adjacentes,
fornecem valores piores para à função objetivo.

4,1 Descrição de um Método para Maximização

a) Teste de Otimalidade:
Considere o modelo MarZ = O, 2x, + 214 + dr,

1, + 2, < AO)

o dae, + 1 < 50
sujeito a :
ny +X=X<15
71 > O, > 0,14 3O
Observe que para Z = 0 temos 0,27, + 274 + dry = 0 e que se x, entra na base
com valor igual a 1, sendo 3 = 7; = 0, £ passa de Z = O para Z£ = 0,2 décimos de
unidade, o que aumenta Z em exatamente (1,2 que é 6 coeficiente de x.
Situação semelhante vai ocorrer com ra e +47, cada variável contribuirá na proporção
do valor do seu coeficiente, Isso nos leva a crê que se 05 coeficientes das variáveis forem
negativos o valor de £ pode ser aumentado com a entrada de uma variável na base
proporcionalmente ao valor do seu coeficiente, isto é, escrevendo a função objetivo na
forma Z = 0,27, = 2r1 = dr, = O a solução testada somente será ótima quando, e
somente quando as variáveis de decisão não apresentarem coeficientes negativos,
b) Variáveis de Folga: Toda inequação do tipo ax + by < c pode ser completada
atése obter uma equação linear, bastando apenas acrescentar uma variável f é Z com
f = 0 denominada " variável de folga"na inequação obtendo ax +by+ f=c. De forma
análoga, toda inequação do tipo ax + by > e pode ser completada até se obter uma
equação linear, nesse caso, acrescentamos uma variável f e NR com f > O denominada
"variável de excesso”. Observe que nesse caso, à variável de excesso entra com coefici-
ente negativo resultando em ar +by = f=ec.
No caso da maximização, as variáveis de folga representam as sobras dessas restrições,
isto é, a diferença entre o segundo e 0 primeiro membro. Às variáveis de folga /; são
sempre positivas. Cada variável de folga será introduzida em uma restrição técnica do
madelo e irá representar a diferença entre o segundo membro e o primeiro membro da
restrição na qual ela será introduzida. No exemplo anterior tem-se:
fh=MN-(r +27) n+2n+f/=XN
ví fi=M-(ir +71) => Sn+rn+l.=50
'

Fá fa =15-(n) +73 — 14) =s nn +E—=rw+ fa = 15

Como no problema proposto o modelo é de maximização, então tem=se 6 seguinte:

Z£ = 0,27, = 2r, = At = 0

1, +2r, + f, = 20

el Sr + 1, + fa =50
sujeito à :
TT, +T3— Ta + fa = 15

T7, >= 0,17; >= 0,17; > 0,1 >0,64>0,f.>0

c) Solução Básica Inicial: À função objetivo é escrita com as variáveis não básicas
e as variáveis de folga são denominadas variáveis básicas, assim; 1, 12 € Ta serão cha-
macdas de variáveis não básicas e portanto +, = 0,7 = 0,14 = 0. Já f1, fa e fa são
chamadas de variáveis básicas, e além disso formam a solução básica inicial do
modelo, pois f7 = 20, f;=50 e fi=15,

24
d) Tabela Simplex: A tabela é construída com os coeficientes do modelo. as colunas
são indicadas por €,, as linhas por L;, além disso, 6; representa os termos indepen-
dentes, Na primeira linha Ly consta os coeficientes da função objetivo, observe que
como não há variáveis de folga na função objetivo, então completa-se com zeros, além
disso, tem-se que o termo independente da função objetivo é zero. nas demais linhas
Li, La, La e La constam os coeficientes das restrições técnicas, os coeficientes das suas
respectivas variáveis de folga e os termos independentes de cada restrição,

SERSBISILSILSSESTESALSS
Á E ta [ea | Dh [fa | fa |

L|/0)|/3 DIi1|[Oo
Li |O l 1/-1/0

e) Cálculo da Nova Solução Básica:

i) Variável que entra na base: Identifique à variável que entra na base pelo coe-
ficiente negativo de maior valor absoluto da função objetivo na tabela. À coluna da
variável que entra na base será a coluna pivô.
ii) Variável que sai: À variável básica que primeiro se anulará com a entrada da
variável não básica é aquela que pertence à à linha pivô. Essa linha é obtida identi-
ficando o menor quociente obtido da divisão dos termos independentes das restrições
tecnicas pelos elementos da coluna pivô.
it) Elemento pivô: O elemento pivô é obtido pela interseção da coluna pivô (da
variável que entra) com à linha pivô (da variável que saí). Se esse elemento for igual a
L. então 6 elemento é chamado de elemento pivô, se não, transforme o elemento em 1
utilizando as operações elementares sobre às linhas de uma matriz.
texthliv) Obtendo à Solução Ótima: De acordo com a tabela temos as seguintes in-
formações:
(1) Variáveis não básicas: +, = 0,194 = De 1, = O
(II) Variáveis básicas: fy = 20,64 =50e fa=15
(M)Z=0
Inicialmente, devemos identificar à variável que entra e a variável básica que sai da
base, Consequentemente iremos determinar a coluna e a a linha pivô, respectivamente,
Já sabemos que para determinar à variável que entra na base devemos identificar o
coeficiente negativo de maior valor absoluto da função objetivo. no caso temos —4r,,
pois | — 4) = 4. Dessa forma, tem-se que à variável que entra na base é 7 e à coluna
pivô é Cr. Agora, devemos determinar à primeira variável básica que se anula com à
entrada de +.
E)
[=
Para isso. identifique o menor quociente obtido da divisão dos termos independen=
tes b; pelos elementos da coluna pivô, exceto claro, zero e números negativos.
No caso em comento temos: T = 50, Logo, a linha pivô é Lz e o elemento pívó é 1,
O próximo passo é construir uma matriz a partir da tabela e transformar os elementos
da coluna pivô em zero. Esse procedimento fará a variável 33 se tornar variável básica
e consequentemente transformará à variável fa em variável não básica, isto é, fa = O.

1 —1/5 —2 —4 0 0 0 O
UU) l 2 01002
U) 3 [U) 101050
[Ud | 1-1 00115

Ta — L, +ALz

Ea — La +La
1 59/5 =2 O O 4 O 200
[is | 20100 20

Que nos dá a nova solução básica

| & ECO |6]| E

CRRSNENEIPINRE/ARIARL
L|1/11,8/-2/0/0/4/0|/200
La | O 1 2 /0/1/0/0 /20
La | O 3 DI1/0/1)/ 0/50
LO 4 1/0 /0/1/1]|65

(1) Variáveis não básicas: 1, = 0, ra = De fa = 0

(11) Variáveis básicas: f7 = 20,54 = BD e f; = 65
(II) Z = 200
£= 200 é uma solução melhor do que £ = 0, contudo, como a função objetivo ainda
possui coeficiente negativo na variável xa, isso indica que 2 = 200 ainda não é a solução
ótima, dessa forma, devemos repetir todo processo inicial,
Variável que entra na base: 2, pois | — 2) = 2 (coeficiente negativo de maior valor
absoluto) e portanto coluna pivô C.
Primeira variável básica que se anula com a entrada de 3: Lembre-se que tal
variável é encontrada pelo menor quociente obtido da divisão dos termos independen-
tes bh; pelos elementos da coluna pivô, exceto, zero e múmeros negativos, Assim temos:
=". 10 e T 65. Logo, a linha pivô será Lo, pois o menor coeficiente obtido é 10.

26
O elemento que deve ser transformado no elemento pivô será obtido de O, & La que
no caso é 2,
O próximo passo é construir uma matriz a partir da tabela e em primeiro lugar, trans-
formar o elemento pivô em 1, Em seguida, repetiremos o procedimento anterior trans-
formando os elementos da coluna pivó em zero. Nesse novo procedimento à variável x,
se tornará não básica e à variável f, se tornará variável básica, isto é, fy = 0.

1 59/5 —2 0 0 4 O 200
[RS | 20100 20
o A 01010 50
no SA 10 011 65

1
Ez — ae

159/58 -2 O O 4 0 200
O 1/2 101/200 10
O 3 01 0 1050
U) 4 10 0 11 G5

Ta — LL, +20

Ea — La — La

164/50001 40
O 1/2 10 1/2 00 10
O 3 01 0 10
O 7/2 00 1/2 11

Nos dando assim à nova solução básica

|) Ia a & QI &
PREESEIE CENTRE R/SS/AR
LI 1/18/0100 | 4/0/2320

Ltlo|3 | o/1/0/ /1/0/ 50

Lil0 /a35/0/0/-056/1/1) /15
(1) Variáveis não básicas: 1, = 0, =0c f=0
(11) Variáveis básicas: 17 = 10, 74 = 50 e fa = 55
(11) Z = 220
Observe que à função objetivo não possui cocficiente negativo em nenhuma de suas
variáveis, assim, podemos dizer que à solução ótima para o problema é £ = 220 para
X14 = 10, 1 = 50 e fá = 55.
bMarZ = 2x) + ES + dia

E, + E + E 100

2x7, + 14 < 210

sujedo a ;
r, SO
7 >O0O,7 > O, >O0
Solução (b):
i)M arg — 2x8, — des = dr= 0

7 + T+ T+ /,=100

27, +14 + fa =210

sujeito a: 4
vv, + fa =80

7 = Or > Or 2 0,1 = 0, A >0,f>O0

CEISENESSFISEAAFINR)
2/-3/-4/0 /0/0/ 0
[ 1 1 /1/1/0/0//100
0/3 /1/0/0/1/0) 210
D/J1/0/0/0/0/11|80

De acordo com à tabela temos as seguintes informações:

(1) Variáveis nho básicas: 1, = O, 1: = 0 e 1; =D
(II) Variáveis básicas: f7 = 100, f, = 210 e f, = 80
(M)Z=0
Como já sabemos, devemos identificar a variável que entra e a variável básica que sai
da base, isso nos mostrará também a coluna e a linha pivô, respectivamente,
O coeficiente negativo de maior valor absoluto da função objetivo nos mostra à variável
que entra na base, no caso temos —4dr,, pois |-4/=4,
Dessa forma, tem-se que a variável que entra na base é 27 e à coluna pivó é C)
Agora, devemos determinar a primeira variável básica que se anula com a entrada de
Ts.
Fara isso, vamos identificar o menor quociente obtido da divisão dos termos indepen-
dentes b; pelos elementos da coluna pivó, exceto elementos iguais a zero e números
negativos.
No caso temos apenas 108 = 100 o que significa que f7 é a primeira variável básica à
se anular com à entrada de 3. Logo, a linha pivô é L3. Como Cq = L2 = 1, então o
elemento pivô é 1.

28
O próximo passo, como já sabemos, é construir uma matriz a partir da tabela e trans-
formar os elementos da coluna pivô em zero. Esse procedimento fará à variável x; se
tornar mão básica e consequentemente transformará à variável fy em variável básica,
isto é, fa = O,
1 =2 -3 14 000 0
[UU | 1 1100100
o? 1 0010210
nl O 0001 580

LL, — L, + 1L;

120400400
11100100
=
=

10010210
ho

00001 80
=

A nova solução básica é:

E [6 [a CEE] CC
FEESSE SSE CSN/SPB/SE/SR'
h)1/2/1/0/4 /0/0/ /400
&)o 1/1 /1/1 /0/0 /10
ti )o / 2/1 /0/0/1/0 210
Lilo / 1/0 /0/0 /0/1] 58
(1) Variáveis não básicas: 77 = 0,17 = 0, 7 = O
(II) Variáveis básicas: 2 = 100, fa = 210 e f; = 80
(II) Z = 400
A função objetivo não possui coeficiente negativo em nenhuma de suas variáveis, pode-
mos dizer então que à solução ótima para o problema é £ = 400, se 174 = 100, f; = 210.
4.1.1 Aplicação do Método Simplex: Problema de Alocação
(Rádios Standard e Rádios Luxo):

Recordemos agora o problema de alocação dos rádios standard e luxo. aplicaremos o

Método Simplex e faremos uma interpretação económica quadro a quadro, dessa forma,
vamos mostrar que à solução dada no Método Gráfico será a mestna solução apresen-
tada pelo Método Simplex. o problema está descrito abaixo:
Uma fábrica de rádios possui duas linhas de produção: rádios standard e rádios luxo.
Com relação aos rádios standard, sabe-se que sua linha de produção comporta um
máximo de 24 operários, sendo que um operário produz um rádio por dia e cada rádio
fornece um lucro de R$ 30,00. Para os rádios luxo, a linha de produção comporta
um máximo de 32 operários, sendo que dois operários produzem um rádio por dia e
cada rádio fornece um lucro de R$ 40,00. Além disso, a fábrica possui um total de 40
operários a serem alocados nas duas linhas de produção,
Já sabemos que o modelo que maximiza o lucro diário da fábrica é:
MarZ = Or) + Ur.

rn< 24

2x < 32
sujeito a :
x, +27, < 40

rx > 0,14 20
Z = 30r, = 40%; = O

mn +fi=s2
211 + fi =32
sujeito a:
rv, +27 + fa = 40

n>Or>0,>0,6>0,4>0
a) Solução Básica Inicial:
(1) Variáveis nho básicas: 7, = 0,73 = O
(11) Variáveis básicas: fy = 40, ; = 246 f; = 16
(M)Z=0
bh) Cálculo da Nova Solução Básica:
A variável que entra na base é 2a, pois | = 40) = 40, além disso, a coluna pivô é C3.
A variável que sai da base é « primeiro que se anula com a entrada de ++, no caso f;,
pois: » = 16 é o menor quociente obtido da divisão dos termos independentes pelos
elementos da coluna pivó (exceto números negativos e zero). A linha pivó nesse caso é
Lo e o elemento Pivó é Cy + la =.

30
Tabela Simplex:

Ly 1 /-30/-40) 0/0

1 30 400 0 0 0
O 1 0 100%
O 0 1 01016
0 1 2 00140)
La — Es — 2E3

L, — L, + 40La

1 —30 0 0 40 0 610
OD 1 01 0 0 24
DO 10 1 0 16
O 1 00-21 8

A Nova Solução Básica será:

(1) Variáveis não básicas: 17 = 0, fa = O
(II) Variáveis básicas: 1: = 16, | = He fi =8
(III) Z = 640
Veja que nesse momento não há produção de rádios standard, pois x, = 0, contudo,
houve uma produção de 16 unidades diárias de rádios luxo. Note que Z passou de Z£
= 0 para £ = 640. Esta é uma solução melhor do que a anterior, mas não é a solução
última, pois a primeira linha Ly, que corresponde a função objetivo, ainda possui um
cocfliciente negativo, Isto significa, que todo processo anterior deve ser repetido, na
busca de uma nova solução básica.

31
a) Cálculo da Nova Solução Básica
À variável que entra na base é 7, pois | = 30) = 30. À coluna pivô é Cs.
À variável que sai da base é a primeira que se anula com à entrado de x; € fa, pois:
—=8éo menor quociente obtido da divisão dos termos independentes pelos elementos
da coluna pivó (exceto múmeros negativos e zero). Note que a linha pivó será então L,.
Elemento Pivô: Ca = La = 1.

1 —30 0 0 40 0 GO
O 1 01 0 -3 &
OO 1001 0 16
0 1 00 -2 1 &

La — La
— Ly

L] — LL, + 30L,

1000-200 30 880
0001 3 —1 16
0010 1 0 16
0100 —2 1 8

b) A Nova Solução Básica será:

(1) Variáveis nho básicas: f; = 0, f; =D
(II) Variáveis básicas: 17 = 8, 14 = l6G
e fy = 16
(III) É = 880
Agora a fábrica está produzindo & unidades diárias de rádios standard e mantem a
produção de 16 unidades diárias de rádios luxo (em relação a análise anterior). Nesse
momento, estão alocados 8 operários na produção dos rádios standard e à produção
de rádios luxo está em sua capacidade máxima (32 operários). f, = 16 indica à sobra
de 16 unidades de rádios standard. Nesse cenário, Z passou de 2 = 640 para 2 = 880,
que é uma solução bem melhor que a anterior, mas não ótima devido 2 primeira linha
(dá função objetivo) apresentar ainda cocficiente negativo. Devemos então repetir o
procedimento anterior,
c) Cálculo da Nova Solução Básica: À variável que entra na base é fa. pois
| — 20) = 20 e a coluna pivô é Cr.
A variável que sai da base é a primeira que se anula com à entrada de fa é fi, pois:

FT 8 é o menor quociente obtido da divisão dos termos independentes pelos elemen-

tos da coluna pivô. A linha pivô será Lo e o elemento Pivô Ci, = Lx = 2. Devemos
então coleulor o novo elemento pavô

100 30 0 =20 850

010 10 —-3 8
00011 2 16
001 1." 1 16

100 30 O —20 88
nD10 1 0 —-2 à

000-1/21/2 1 8
001 00 16

Após o cálculo do novo clemento pivó, retornámos ao procedimento inicial

a) Cálculo da Nova Solução Básica

IDO O O —20 880

10 1 O —2 8
000 1/2 1/2 1
001 po 1 16

Éh — LL] + 200;

La — La + 2L3

La — La = Lo

100 Wo 20 1040
000 1/21 1/2 8
0011/20 1/2 8
D10 10 o 3H

33
Agora, à nova solução básica é:
(1) Variáveis não básicas: fy = 0,f;=0
(II) Variáveis básicas: 1, = HJ, =8e fo=8
(111) é = 1040
Se a fábrica alocar 24 operários para produção de rádios standard e 16 operários na li-
nha de produção de rádios luxo haverá uma sobra de 8 unidades de rádios luxo (fa = 8)
e não haverá sobra de rádios standard, dessa forma, Z passou de Z = 880 para £ =
1040, e esta é à solução ótima, pois a primeira linha LL, que corresponde à função
objetivo, não apresenta nenhum valor negativo,
Análise Econômica: À produção que maximiza o lucro para R$ 1040,00 fica estabe-
lecida da seguinte forma: devem ser produzidas 24 unidades diárias de rádio standard e
& unidades de rádios luxo por dia. À quantidade de operários alocados nas duas linhas
de produção deve ser 24 operários para a linha de produção de rádios standard e 16
operários para a linha de produção de rádios luxo, isso garante o máximo de operários
trabalhando nas duas linhas de produção (40 operários), além disso, não houve sobras
na produção de rádios standard, o que respalda essa afirmação é o fato de que f7 = 0.
A sobra de & unidades na produção de rádios lnxo pode estar relacionada com a quan-

tidade de operários alocados nessa produção, isto pode ser considerado um fator para
esse limite.

4.2 Soluções Degeneradas, Ilimitadas e Múltiplas

Na utilização do Método Simplex podem surgir 4 casos especiais:

e Degeneração;
Múltiplas Soluções;
» Solução Wimitada;
Solução Inviável;

a) Problema de Degeneração: No desenvolvimento do Simplex, à linha pivó é à

restrição que apresenta o menor quociente não negativo, na divisão dos termos indepen-
dentes pelos coeficientes positivos da variável que entra (regra da razão mínima).Ocorre,
que pode haver resultados iguais na aplicação da regra (empate), e nessas condições,
a escolha da variável que sai se dá de forma arbitrária, assim, a solução ótima pode
apresentar uma variável básica com valor nulo (igual à zero). Uma característica im-
portante da degeneração é 6 fato de que, à saída de uma variável básica nula provoca
o aparecimento de outra variável básica nula na solução seguinte, sem alteração do
valor da função objetivo. Na prática, à degencração indica que existe uma restrição
redundante (recursos supérfluos) no modelo, isto é, uma restrição que, se retirada,

31
não influencia no espaço das soluções do problema. fazendo uma análise gráfica, tal
restrição não interfere na região de viabilidade, podendo ser retirada sem comprometi-
mento da solução ótima,.
Vamos observar um exemplo:

MarZg = Xr, + Or.

1 +inss
sujeito a: € 1, +2Qrn <

Ti => 0, E) > LU

ZE —-tr-In=0

E) +diri+fi=8

sujeito à: 4 1, +2r + fa=4

TT, > O, ta >=0,/ =0,f =

a) Solução Básica Inicial (SBT):

(1) Variáveis não básicas: 1, = O, 77 = 0
(II) Variáveis básicas: fy = 8, fa = 4
(IM) Z=
Variáveis que entra e sai da base:
e Variável que entra na base (VEB): 2, pois -2 é o coeficiente negativo de maior valor
absoluto.
é Variável que sai da base (VSB): 07 ou fa, pois há empate no critério da razão mínima:

8 4
-=2c-=2
1 “3
= Elemento Pivô: Cq + La = 4

& [6 ||| Es] CC

CRESNE:SEINSIÍRA
LL / 1 /-8/-9/0 /0|/0
Es | 0/1 4 1/0 |/8
L| 0/1 2/0 1 |

gg — a
 vY Cúlculo da Nova Solução:

l —t —-8 O 8410 U
O 1/4 1 1/40
DD 1 2 0 1
lh =: La + Hz

LL — 4 — 2a

1 -3/4 O 9/4 O
O 1/4 1 1/4 O
oO 1/2 0 =1/2 1

La =— 2a

1 —3/4 0 9/4 0 18
O 1/4 1 1/4 O 2
[ 1 o 132 Ú

rm — Ih + Ly

La =— La — àLa

1003/2 3/2
2.o

0011/21
rw

010 2
a) Nova Solução:
(1) Variáveis não básicas: x; = 0,11 = 2
(II) Variáveis básicas: f7 = 0, fa = 0
(M) £ = 18

36
 Veja que 1, = O (variável básica), o que indica a solução degenerada. O fato de 6
decisor saber à priore que uma das restrições é redundante (recursos supériluos), traz
grande vantagem na tomada de decisão, A informação também pode levar à descober-
tas de distorções e irregularidades na modelagem do problema. Vejamos 6 problema
graficamente. Observe que a restrição x, + dr, < 8 (reta vermelha) pode ser removida

Figura 4.1:

sem comprometer a região de viabilidade (abaixo da reta verde). Dizemos que 6 ponto
(0,2) é superdeterminado,

c) Problema de Múltiplas Soluções: Se no quadro final simplex resultar numa

solução ótima com coeficiente de uma variável não básica igual a zero, significa que ela
poderá entrar na base sem alterar o valor da função objetivo, gerando outra solução
ótima. Neste caso, teremos soluções múltiplas. pois qualquer combinação linear
dessas duas soluções também será solução ótima. Observe 6 exemplo abaixo:

MurZ = 2r, + dra

7, +2r<S5

sujeito a: 4 fr, +r.<A

rr, >= 0.1; > UI)

Zn -timn=0

s7
 rn+2n+f=5
sujeitoad: € rn + xa +fa=4
720,74 20, f1 20,120

a) Solução Básica Inicial (SBI):

(1) Variáveis não básicas: 17 = 0,7: = O
(II) Variáveis básicas: fy = 5, fa =4
(M)Z =
Variáveis que entra e sai da base:
e Variável que entra na base (VEB): 12, pois «4 é o coeficiente negativo de maior valor
absoluto.
* Variável que sai da base (VSB):/f,
«e Elemento Pivô: C4 = Lo =2

6 6/6 6) CC,
CRENSE/SERIBE/2R]
L|/1/-2/-4/0/0 | 0
Li |O 1 /2|/1 njI5
La; |O 1 LO l |

La
— La

v“ Cálculo da Nova Solução:

1 23 4 O O O
O 1/2 1 1/20 5/2
uu A) 1 no 1 4

lL] — LL, +4L;

La — La = La

1 0 0 3 010
1/2 1 1/2 0 5/2
o

O 1/2 0 1/2 1 3/2

Observe que o coeficiente de x, é igual à zero, isso indica que x, pode entrar na
solução básica sem alterar o valor da função objetivo, contudo, sua entrada provocará
mudanças nos valores das outras variáveis,
Vamos mostrar isto fazendo +, entrar na base e forçando à saída de fa.

35
 1 0 0 3 010
O 1/21 1/2 O 6/2
o 1/2 0 1/2 1 3/2

La — 214

1 0 0 2 010
O 1/2 11/20 5/2
0 1 012
L+— La—dly

a) Nova Solução:
(1) Variáveis não básicas: 1, = 3,7: =]
(Il) Variáveis básicas: fy = 0, fa = 0
(IM) ZE = 10
É importante notar que o Método Simplex fornece apenas 06 extremos do intervalo das
múltiplas soluções. Na solução da iteração 1,7, = Or, = 5/2, significa que o ponto onde
a restrição corta o eixo 2 é (0;2,5) na iteração 29,77 = 3,7 = 1, isto é, o ponto ótimo
[vértice do poliedro convexo) é 6 ponto (3,1). Portanto, todas as múltiplas soluções
para o problema se encontram entre cases dois pontos.
 Observe 6 gráfico do problema:

Figura 4.2:

bh) Problema da Solução Ilimitada: Quando à variável que entra na base não
possui em sua coluna nenhum coeficiente positivo o problema possui solução ilimi-
tada. Devemos então, buscar 2 última solução básica antes da solução ter se tornado
ilimitada,

4.2.1. Critérios Para Aplicação do Simplex

Os modelos de programação linear apresentados até aqui (maximização) possuem as
seguintes características:
e À função objetivo deve ser maximizada
e Todas as variáveis de decisão são não negativas
e Existe uma solução básica inicial
Isso significa que, para aplicação do Método Simplex, todas as características mencio-
nadas devem ser satisfeitas, dessa forma, podemos perceber, que precisamos de técnicas
específicas para tratar de problemas que se referem à:
« Minimização da Função Objetivo
« Variáveis Livres
« Solução Básica Inicial

140
v Para tratar de problemas que envolvem à minimização da função objetivo, devemos
multiplicá-la por =1, assim, obter-se=4 uma função equivalente para maximização.
v Quando as restrições do modelo forem do tipo (=), devemos acrescentar uma variável
com coeficiente negativo igual a -1 denominada de variável de excesso,
v' As restrições do tipo (=), não recebem nem variáveis de folga nem variáveis de ex-
CEsSO,.
“ Se houver variável livre no modelo, significa que a condição de não negatividade
não está satisfeita, nesses casos, podemos substituí-la pela diferença de duas outras
variáveis não negativas, polis um mimero qualquer sempre pode ser escrito como à di-
ferença de dois números positivos.
“ Sempre que houver restrições do tipo (>) on ( =), devemos acrescentar nossas
restrições o que denominamos de variáveis artificiais 1, eunjo objetivo é forçar uma
solução básica inicial para aplicação do Método Simplex.

4.2.2 De Volta Para Modelo Original

Quando inserimos variáveis artificiais no modelo para produzir uma solução básica ini-
cial, perdemos a originalidade do mesmo com relação as suas variáveis iniciais, por isso
devemos buscar uma forma de retornar ao modelo original. As técnicas mais uti
para retornar ao medelo original são:

é Método do Big M e
» Método da Função Objetivo Auxiliar/ Método das duas Fases
Ambos 05 métodos têm o mesmo objetivo, eliminar as variáveis auxiliares do mo-
delo mantendo a solução básica inicial, isto é, transformá-las de variáveis básicas em
variáveis não básicas, em outras palavras, devemos fazer m = mm =nT=:-s=n=0

eÃ=O,

4.2.3 Método da Função Objetivo Auxiliar

O Método da Função Objetivo Auxiliar é aplicado em problemas de minimização, ou

problemas que apresentam restrições do tipo (>) e (=) no mesmo modelo. O método
consiste na introdução de variáveis auxiliares 1, nas restrições do modelo estudado,
para que assim, seja possível a existência de uma solução básica inicial, critério
essencial para início dos procedimentos da aplicação do Método Simplex. Para melhor
entendermos, vamos descrever o5 passos para aplicação do método em um exemplo.
Considere 6 modelo dado por:
Ming = 3, + 2x.

41
 27 +31: > 10

sujeitoà: 4 +, + bra > 15

7, > 0,7 > 0

Para aplicação do Método Simplex, façamos uma breve discussão:

A função objetivo é de minimização, então devemos multiplicá-la por -1:
MinZ = 3r, + 2r7,- (1) == —Z=—3r — 2x, e portanto —F +3r,y +27; =Déêa
função objetivo equivalente para maximização.
As restrições são do tipo (>), então devemos introduzir as variáveis de excesso f; com
os coeficientes negativos (-1) e f; > O em cada restrição. Além disso, ainda pelo fato
de as restrições serem do tipo (>) devemos também inserir nas restrições técnicas as
variáveis 17; auxiliares em cada uma das restrições. Então:
Min(=2) + ir, +2r: = O

mM +12 -f+m=l0
sujeito à: 4 1, +5ra = fi+m=15

7, > 0,17 >0,7>0,64>0,n >0,m>0

Depois de realizada a discussão, devemos construir a função objetivo auxiliar A,

formada pela soma das variáveis auxiliares.
A=m+tm+tgm+e
tim

No modelo em estudo temos então A = mm + e.

A função À deve ser escrita em termos das variáveis originais para compor o novo
objetivo a ser minimizado,
Assim, o próximo passo é escrever cada uma das variáveis artificiais das restrições
têcnicas em função das variáveis originais, visando substituí-las na função objetivo au-
xiliar A.
« Restrição 1: 171 = =29r, = 7. + f, + 10
e Restrição 2: 17 = =r, — Sra + fa +15,
Agora, devemos substituir 1 € 13 na função objetivo auxiliar A.
À = Im — 1 + fi +UW0+ xr, = Bra + fo +15
que nos dá À = —3r, — Gra + fo + fa +25
Lembre-se que MinA = Mar(=A) = 3r, + Gra = ff, = fa 25,

42
e Fique Atento!: O objetivo inicial não é determinar a solução ótima, mas eliminar
as variáveis auxiliares, portanto, é necessário ficar atento na escolha da variável que
entra na base, esta deve ser àquela que expulsa uma das variáveis auxiliares do qua-
dro simplex. Isso deverá ocorrer enquanto houver variável auxiliar no modelo, quando
todas forem eli 1adas, devemos abandonar o quadro simplex e retornar ao quadro
original com à solução básica inicial mantida. Ressaltamos que, isso ocorrerá quando:

msem=sâmR= e =m=0eAs=0

Pode haver casos em que 2 função auxiliar À apresenta solução ótima quando todas
as variáveis auxiliares já são iguais a zero, neste caso, o problema é impossível de
ser resolvido, isto é, não existe solução. Além disso, é possível que as variáveis não
básicas não possuam condições de expulsar uma variável básica auxiliar, nesse caso,
não haverá solução básica, e consequentemente, o problema não apresentará solução.
Agora sim, estamos prontos para aplicar o Método Simplex no problema proposto de
minimização. A Tabela Simplex com a função objetivo auxiliar A é:

IOGA G|G8&|&
Variáveis | Z| x || h)flejmim]| ho
F.O original | -1| 3/ 2/ 0) 0/ 0/0 /0 [&
(RL) DI 2/1/-1)/ 0/1/0 [10/28
(R2) ola1 [so /2/0/1/ /15 4
F.O auxiliar | -1 | -3|/ -G | 1 1) 0/0 |[-25 /L,

Vamos escolher qualquer variável que entre na base com o objetivo de eliminar uma
variável auxiliar qualquer, isto é, provocar sua saída, no problema proposto temos que:
é Se à variável x, entrar na base primeiro, então sai a variável básica auxiliar 7,
e Se a variável xs entrar na base primeiro, então sai a variável básica auxiliar 15

Sabendo disso, vamos começar mostrando uma solução básica inicial com às variáveis
artificiais:
(1) Variáveis não básicas: 1; = 0.1; = 0, = 0,4, =0
(II) Variáveis básicas: m = 10,174 = 15
(UM Z=0
Cálculo da Nova Solução Básica:
é À variável que entra na base é 2, pois | = 6) = 6 e a coluna pivô é Ca.
e À variável que sai da base é a primeira que se anula com 6 entrada de +32. no caso é
1h, pois estamos considerando: = =3é o menor quociente obtido da divisão dos ter-
mos independentes pelos elementos da coluna pivô (exceto números negativos e zero)
e a linha pivô será La,

48
e Elemento Pivô: Cg - La = 5 (5 é 0 elemento que deverá ser transformado no ele=
mento pivô).
f à 1 - :
Aplicaremos a operação elementar L4 — =L,y na tabela anterior, visando transformar
Jd
o elemento pivô em 1, para assim iniciarmos o processo com as matrizes,

SBESALSIRSEESNESSESARS
Variáveis E mpb | felmice| &
F.O original | -14 | 3|/ 23) 0) 0/ 0/0 /0|&
(RI) Dj) 2 1 -1/ 0/1 /0/10|E
(R2) ni a)
É
0O/-1/ 0/1 15 | &a
F.O auxiliar | =1 | -3 | -6 1 1/ 0/0 |[-25|/L,

ht ih

O que nos dá:

—-l 3 2 0 000 à
O 2 1-1 010 10
0 1 1 0-10601 à
—! —3 6 1 100 -—2%

L) — Ll, — 21;

La —la—-L,
L, — LL, +6L.,

—l 13/50 O 29/50 —9/5 —6

O 9/50 1 1/51 1/58 7
O 1/81 01/50 1/5 3
—1 —9/5 0 1 -1/50 6/5 —7
Da última matriz podemos tirar n6 seguintes informações:
* Variáveis não básicas: 1 = fi=f.=m=0
e Variáveis básicas: 1 = Sm =7
« Variável que entra na base: x,, coluna pivô C;
e Variável básica que sai da base: 1,
» Elemento Pivô: 3
e Z=—G (não convém)
: ” 5 ; bd FP À
Aplicando à operação elementar L5 — qe? na linha pivô (na última matriz), temos:

—=1 18/85 0 90 2/5 O —23/5 -6G

O 1 0 -—5/9 1/90 5/90 —1/9 35/9
O 1/8 1 O 1/5 O 1/5 8
—1 9/5 0 1 —1/5 0 6/5 —7

14
 LE; — La — Elo

La — Es + Fo

1 0013/90 1/90 13/90 1/9 145/09

010-5/9 1/9 65/90 —1/9 35/9
001 1/9 9/90 1/9 2/9 0/9
100 0 " 1 1 "
Está matriz nos dá a nova solução básica,
Ágora, temos as seguintes informações:
* Variáveis não básicas: fy = fo=mesm=0
s Variáveis básicas: 7, = 3,88, 157 = 2,8
Observe que, agora, a solução básica está formada com as variáveis originais, pois
m=m=0 Assim, podemos abandonar o último quadro e reescrever a nova tabela
Simplex sem as variáveis auxiliares e sem a função objetivo auxiliar.

CIO| &) EC Cs
ENE) fa bi
Ly /-<1/0/0/13/98) 1/9 /-145/9
La | 0 /1/0/-5/9/1/90| 35/9
La | 0 /0|/1|/1/9/-2/9) 20/90

Veja que não há coeficientes negativos na função objetivo, isto significa que n solução

= 145 145, ES so 20)

=Z= = = E = q é solução ótima se, e somente se, 177 = q SP
 E
"OUTER TUITKEMT nuno
OBSBZI mm ap ves fenh ojapou o oequa OBS um no DEFEITO ap o [eunId
Oojopou o E 7? Os! end ojapom op aquonhbosqus E |enp ojapous [8 LIT o13p
OB op opeunuronap ojopot oo um OPULHOSSE 9S-WM “end Ojppot opa) BI,
1=f
0 ír opuas ui cccRITT = 7 A q Z fr [Te enolnos
15=f
Frfa RX = guy
no
1=f
0 Er opuas ti cccIRITO 1 A 'q = xPnTE:e enalng
5
fra TZ = Zoo
“EULIO]
21 mtas ep SOJUDSA OES sojapon STE] anh somenson: Pr TIUILAHT opor ap [4 RATÁDO E)
D ABSUIT OBSEITEIÍROL UM GETZ no OENEZININEI E Tmasuo vp anhb euiaggord um
AAVYAMYAd
G OINLIdVYI
 O modelo dual associado ao primal será escrito como:

MinW = 9 by,
im)
nm

Sujeita a:3” aan 2 e; Vij=1,2,3,...,m sendo 7; >= O

ou

Mar = > bit;

Sujeita n:3º aut <ceoVi=1,9%..., tm sendo nu; = O

=)

Analisando 05 modelos primal e dual, pode-se concluir que:

e Os termos independentes das restrições do primal, são os coeficientes da função ol-
jetivo do dual;
é Os coeficientes da função objetivo do primal, são 05 termos independentes do dual;
é O número de variáveis do primal, corresponde ao número de restrições do dual. Isto
é, o dual tem tantas variáveis quantas restrições há no primal;
e Na transformação do primal para o dual, o dual perde uma variável existente no
primal;
é Os resultados do primal e do dual são iguais:
«é O dual do problema dual resulta no primal;
é O dual será indicado no quadro Simplex pelos coeficientes das variáveis de folga
(ou excesso) na linha da função objetivo da situação final, e irá representar os custos
internos que vamos denominar de preços sombra.

5.1. Problema Primal x Problema Dual:

Us

Dado um problema de programação Linear do tipo MarZ =X" cr, Na forma ma-
fel
tricial temos;
MaxrZ = CX
Sujeita a: AX < B com X >.
Então a forma matricial do sen modelo dual será:
Min = BY
Sujeita a; A'Y > C com Y >= 0.
Veja que, o modelo dual associado ao modelo primal é determinado pela transposta da
matriz dos coeficientes das variáveis 1; do modelo dual com sinal >=. Além disso, os
cocficientes c; do modelo primal, passam a ser os termos independentes do modelo dual.

47
Vejamos um exemplo:

MarZg = dx + Ox + 5a

277 + ara + dt < 23

sujeito à: 4 1, +3ra + dr, < 19

r,> 0.1 >D.r,>0

« Representação Matricial do Primal

Max Z =| 4 6 5] o

Sujeito a:

Como já sabemos:
e Os termos independentes das restrições do primal, são os coeficientes da função ob-
jetivo do dual, isto é:

[a 16]
e Os coclicientes da função objetivo do primal, correspondem aos termos independentes
do dual, o que nos dá:

|
«e Os termos independentes do primal, agora são os coeficientes da função objetivo do
dual;

[21 16]
e À matriz dos coeficientes das restrições do dual, corresponde à transposta da matriz
do primal, ou seja:
IS)
[LB

e]
-
&&
e O número de restrições do dual, corresponde ao múmero de variáveis do primal com
a perda de uma variável, no caso 3.

[2]
Mini =[2 16])- | |
Ha
21 E
Sujeito a: | 5 3 [2 | > É
3 a JL, 5

Isto é:

MinW = 23, + 197

22n + 2A
a + dia > 6
Sujeito 6: ”
din + Als 25
naz0n=0
Então temos:

Naodelo Primal

MurZ = dr, + Gra + 5,

2r, + 5r, + Sr, < 23

Sujeito à: 4 x, + ira + dir < 19

nn? O, Fa => [RES >=0

49
Modelo Dual

MinW = 28, + 19

2 +24
siãa 51 + 26
sujeito a :
Im + de 25
120720

5.1.1. Algorítmo de Transformação do Primal Para Dual

O algoritmo que será apresentado para transformar um modelo primal em um modelo
dual será denominado de Método Indiano, ele facilitará em muito o processo que envolve
transformação de prolalemas primais em problemas duais, para aplicação do algoritmo,
voltemos ao problema anterior, obter o modelo duol correspondente ao modelo primal:

MarZ = 4x, + Gra + Sta

Br, + Bra
+ dry < 23
Sujeito à: 4 x, + dra + < 19
x > Ora > Or. 30
» Construa à matriz ampliada do conjunto de restrições técnicas

» Introduza os coeficientes e o termo independente da função objetivo na última linha

da matriz.
Note que, se 2 = (0 (solução básica inicial), então dr, + Gr. + Sra = O.

2583853
A = 183419
165 0

B Caleule A'

2 14
2] 5 36
] 3 4 os
23 19 O
Que corresponde ao modelo dual
MinW = 23y, + 197

Mm +n2A
o Sm + Sia = 6
sujeito a ;
Sm +4digã = 5

m=0,71>0
Vejamos um exemplo:
Uma fábrica de embalagens produz dois tipos de caixas, cereais e sabão em pó. Nas
caixas de cereais são gastos GOdm? de papelão e 0,20 homem-hora' e nas caixas de sabão
em pó gastam-se 100dm? de papelão e 0,25 homem-hora, À empresa pode contar dia-
riamente, com 100m? de papelão e, atualmente, possui 5 funcionários que trabalham G
horas por dia. Sabendo-se que a contribuição para o lucro das caixas de cereais e das
caixas de sabão em pó é de R$ 5,00 e R$ 8,00 respectivamente, responda:
à) Qual o modelo que maximiza 6 lucro da fábrica?
b) Quantas caixas de cereais e de sabão em pó a fábrica deve produzir para obter
o lucro máximo? Qual é esse lucro?
ec) Com quais valores cada recurso utilizado deve contribuir para formação do lucro
na venda de cada caixa? Faça uma análise cconômica”?

Solução (a): Inicialmente, vamos fazer a MODELAGEM, Chamaremos de níveis

de produção dos ceiros de cereais e sabão em pó de x, é 2 respectivamente. Para
produção diária das caixas de cereais são gastos GOdm* de papelão e para as caixas
de sabão em pó 100dmº*, como existe uma disponibilidade máxima diária de 100m?,
tem-se que GOx, + 1003 < 10.000 (100m? — 10.000drma) que é a restrição (R1). À
segunda restrição é composta pelo recurso Homerm-hora, Para as caixas de cereal e
sabão em pó necessitam-ese de 0,20 e 0,25 homens-hora respectivamente, isso nos leva
a segunda restrição (R2): 0,20, + 0,25 € 30. Às contribuições individuais para o
lucro da fábrica são R$ 5,00 para as caixas de cereais e R$ 8,00 para as caixas de sabão
em pó, e portanto, à função objetivo é MarZ = 51, + Sr: = 0. Em resumo, 6 modelo
pode ser escrito,

!Unidado comvencionada e subjetiva que mede n quantidade de trabalho realizada por uma pessoa
durante uma liora,
MODELO PRIMAL
MarZ = ar, + 8a

Gr, + 1003 < 10,000

Sujeito a : 4 20, + 254 < 3000
11 20,130

b) Vamos aplicar o Método Simplex para responder à pergunta: Quantas caixas de

cereais e de sabão em pó a fábrica deve produzir para obter o lucro máximo?
De Mar = 5r, + Era temos £ = Sr, = Era = O.
Inserindo as variáveis de folga f7 e fa nas restrições temos:

Gr, + 1003 + f7 = 10.000

20x, + 2ra + fa = 3.000
7, > 0,720, >20,f>20

Podemos observar que:

v À solução básica inicial é dada por:

PE " é r,=0
e Variáveis não búsicas:
Ta = [1

= 10,000
e Variáveis básicas: h
fa = 3.000
Y À variável que entra na base? é x3 e portanto à coluna pivô é Ca.
/ À variável que sai da base' é f, e então a linha pivô é La.
vY O elemento pivô é dado por 3 = La = 100

? Aquela que possui cooficiente negativo de maior valor absoluto

identificada pela divisão dos termos independente com elementos da coluna pivô

52
 Dadas todas as informações necessárias, vamos às iterações que nos mostrará à
nova solução.
v Cálculo da Nova Solução:

Ly /1|/-5/-8 /0|/0 [

La | 0 [20/25 /0/1 3000

1
La — Too"?

1 = -& 0 0 O
O 3/5 1 1/1000 O 100
o 20 25 U 1 3.000

ti — LL, + BL

La — La — 2851,

1 1/5 O 8/1000 O 800

O a/5 1 1/100 0 100
O 5 O —1/4 1 500

Desse ultimo quadro (matriz), podemos notar que a solução ainda não é ótima", dessa
lorma, devemos continuar as iterações na busca da solução ótima, mas antes, vamos
analisar o último quadro:
v A solução básica é:
IR do ; 7 =0
e Variáveis não básicas:
1=0

A
& Variáveis básicas:
Tv4 = 100
fa = 500
v À variável que entra na base é x, e a coluna pivô é Cs,
v' À variável que sai da base é f. e a linha pivô é La.
v O elemento pivô é Ca = Li =5
ão ; si E 1
Multiplicando toda a linha La por =, isto é L1 — =Ly temos:
5) 5

1Poja ainda existe cocficlkente negativo na função objetivo (primeira linho da matriz).

[-
EB)
“ Cálculo da nova solução básica:

1 —1/5 0 8/100/ 0 800

O 3/5 1 1/1000 O 100
O 1 0 —1/20 1/5 100

Ly — L, + ia

La — La — Fo

100 7/100 1/25 820

001 3/0100 —3/25 40
0101/20 1/5 100

No novo quadro Simplex podemos ver que para a fábrica conseguir um lucro máximo
de R$ 820,00 diariamente, é necessário produzir 40 caixas de cerenis e 100 caixas de
sabão em pó.
No item (ec) a pergunta é: Com quais valores cada recurso ntilizado deve contribuir
para formação do lucro na venda de cada caixa? Isso nos remete ao que denominamos
de preços sombra.
Na Dualidade o principal objetivo é identificar 6 valor de oportunidade de cada re-
curso produtivo envolvido na produção de bem. O gestor decide por meio da Dualidade
se existe a necessidade de produção de um bem, ou mesmo, se mantém em estoque 05
recursos envolvidos no processo produtivo. Chamamos de Preços Sombra, 05 valores
duais, que tem o significado de ser a contribuição unitária de cada recurso utilizado
para formação do lucro que é produzido na venda do bem, ou seja, os preços sombra
são 08 valores por unidade dos recursos adicionais,
Então, para análise dos preços sombras, precisamos do MODELO DUAL:
Tal modelo pode ser obtido da transposta da matriz ampliada do primal:

60 100 10,000
A=|/ 2 25 3000
5 8 D

60 20 5
At = MO 25 &
10.000 3.000 O

54
Então o modelo dual será:

MinW = 10.000, + 3.000

GO + 2045 >= 5
Sujeito 6: 1007, + 2545 > E

n>=0,12>0

5.1.2 Análise Econômica do Dual:

Do quadro final Simplex do primal, podemos construir um quadro final Dual Simplex
da seguinte forma:

Wiyvjve| ss se) B
1 /0/0/100/40| $20
tjo 7/100
o 1/25 |
é O valor de 17 (0,07) foi obtido do coeficiente f7, e representa, portanto, 6 valor de
oportunidade do recurso R1, isto é, cada unidade do recurso R1 tem 2 capacidade de

gerar um lucro de R$ 0,07.

e O valor de 43 (0,04) foi obtido do coeficiente fo, e representa, portanto, o valor de
oportunidade do recurso R2, isto é, cada unidade do recurso R2 tem à capacidade de
gerar um lucro de R$ 0,07.
Os valores de 1 e 1º são, portanto, o valor de oportunidade por unidade do recurso R1
e R2, isto é, à capacidade de os recursos gerarem lucro nessa situação. Veja que, na
solução ótima, os valores coincidem com o lucro atribuído aos produtos pelo mercado,
ou seja, o valor de oportunidade do mercado.
Cada uma das restrições compara 6 valor de oportunidade atribuída aos produtos pelos
recursos, com o valor de oportunidade atribuído aos produtos pelo mercado. Vamos
fazer uma verificação pela primeira restrição do modelo dual:
» Caixas de Cereal: A restrição 60 + 2073 > 5 nos mostra que para produzir uma
caixa de cereal são necessários 60dm? de papelão mais 20 homens //hora, estes recurso
são denominados valor interno(lado esquerdo da desigualdade). O valor (5) (lado
direito
da desigualdade), indica o valor de oportunidade atribuído pelo mercado,
este valor também é conhecido como valor externo. Quando a remuneração do
mercado (valor externo) cobre o valor interno, o produto pode ser fnbricado.
E)
[=
 Se o valor de mercado for menor que o valor interno, o produto poderá ser ou não
Inbricado. Mas fique atento, se o valor interno superar 6 valor externo, então algo
de errado pode está ocorrendo dentro da empresa, como: problemas na negociação de
preços dos recursos produtivos junto aos fornecedores, ou a empresa pode estar atuando
com margens de lucros muito pequenas.
Vejamos o que está ocorrendo na Fábrica de caixas de cereal e sabão em pó em relação à
primeira restrição GO + 207: > 5. Substituindo os valores (preços sombra) no modelo
tem-se:

GO(O, 07) + 20(0, 04) > 5 3 5>5

O resultado nos mostra que 6 valor interno é igual ao valor externo, quando isso
acontece, significa que o bem deve ser fabricado, portanto, as caixas de cereal devem
ser fabricadas.
De forma análoga, na segunda restrição, tem-se que 6 valor interno é igual 206 valor ex-
terno, e portanto as caixas de sabão em pó também podem ser fabricadas. À decisão de
lnbricar ou não um bem deve ser tomada com base no desempenho do modelo quanto
ao preço sombra, se ao substi o preço sombra no modelo 6 resultado indicar que o
valor interno é menor ou iqual do que o valor externo, sugere-se fabricar o
bem, no entanto, se o valor interno é maior do que o valor externo, sugere-se
que o produto não seja fabricado”,
Exemplo 2: Considere uma empresa que fabrica porta e portões de ferro cujo mo-
delo que maximiza os lucros da empresa é:

MarZg = 200r, + 500,

Ar, + 30x, < 120

Sujeito à: 4 207, + WO < 80

TZ > DD, Ta = [

Sendo Ry: Recurso Ferro (Restrição 1) e RR: Horas mão de obra e à situação
final do quadro Simplex

a le |) oh |&)|) b
nm

133,38 | O | 16,66 | O | 2.000

0) 067 / 1/0080 4
O) 13,883) O | -088 | 1 40

"Note que, em termos de mercado, dificilmente 6 produto não serin fnbricado, pois isso poderia
resultar em perdas significativas para à empresa, como clientes insatisfeitos e perda de participação
de mercado, Cabe no decisor annlisar o cenário atual para decidir sobre 6 fnbrico ou não do produto,

56
Perguntáa-se:
a) Qual o modelo Dual?
b) Qual o quadro Dual Simplex (situação final)?
ec) Qual o valor de oportunidade do recurso ff. Explique.
dj) Qual 6 valor de oportunidade do recurso Rh. Explique.
e) Se você fosse o Engenheiro de Produção dessa fábrica, você produziria portões de
ferro? Por que?
[) Quanto as portas de ferro, vale a pena 2 produção desse bem? Por qué?
Solução: O modelo Primal é: MarZ = 200r, + 500ra

20r, + S0xa < 120

Sujeito 6: 4 20x, + 10x < 80

+ > O,1; > [)

O modelo Dual é dado pela matriz transposta da matriz ampliada do primal, isto
&

nn 30 120
A=|/ 20 10 80
200 500 O

20 20 200
A'=| 30 10 500
120 80 O

logo: MinW = 1207, + SOys

20 + 2047 = 200
Sujeito e: 4 30 + 106 >= 500
n=0,n4>0
O quadro final Dual Simplex é:

Win) ve ss |s EB
1 /[0/40/0/4)| 2000
1 Ú) 16,66
UU 1 198,38

O valor de oportunidade do recurso 7 (ferro) é R$ 16.66. isto é, cada unidade do

recurso 1, se aumentada, tem capacidade de gerar R$ 16,66 de lucro para empresa.

57
Já o recurso R3 (mão de obra),não é escasso”. Neja que de fato o resultado é
lógico, se 12 = 0, então existem 40 horas de mão de obra disponíveis para uso.
Agora, vamos comparar o valor de oportunidade atribuída ao produto pelos recursos
de cada uma das restrições com o valor atribuído aos produtos pelo mercado,
e Da primeira restrição do Dual temos: 204, + 2073 >= 200. Veja que a restrição dual
indica quanto de cada recurso é utilizado na fabricação de uma porta de ferro, isto é,
para produzir uma porta de ferro, são necessários 20 unidades do recurso ferro e 20
horas de mão de obra, Substituindo os valores de oportunidade de cada recurso temos:

20(16, 66) + 20(0) > 200 => 333,2 > 200

Isso significa que 6 valor interno (lado esquerdo da desigualdade) supera o valor ex-
terno (lado direito da desigualdade), nesse caso, sugere-se não fabricar portas de ferro,
pois algum problema pode está ocorrendo na empresa, como estabelecimento de uma
margem muito pequena de lucro.
« Da segunda restrição do Dual temos: 30m + lOys = 500, ou seja, para fabricar
um portão de ferro, são necessários 30 unidades de ferro e 10 horas de mão de obra.
Substituindo os valores de oportunidade de cada recurso temos:

30016, 66) + 10(0) = 500 = 499,8 > 500

Isso significa que 6 valor de mercado cobre 6 valor interno, e dessa forma, 6 produto
pode ser fabricado,
Conclusão: Pode-se Ínbricar 05 portões de ferro, mas é necessário eautela na decisão
de fabricar portas de ferro, recomenda-se 6 não fabrico desse produto.
Agora, imagine que a empresa decida realizar um estudo para verificar o impacto que
a Ínbricação de uma unidade de porta de ferro (r,) causaria na resultado final da
fabricação dos portões (4) e como o lucro da empresa (Z) seria afetado com essa
inbricação.
Para isso, vamos procurar na coluna de 2 o elemento pivô (1). Como o produto a ser
fnbricado será z,, devemos localizar na linha do elemento pivô o valor correspondente
em 5, que no caso é 0,67. Este valor representa a variação que r+ sofrerá com a
fabricação de x,, então, Ara = =0,67 (variação negativa), pois 2 + 0,67 = 4, o que
resulta em 73 = 3,33, Daí tem-se que se, £ = 200r, + 500r; = /Z = 200,01) +
500(3,33) |. Z = 1.865.
Esse resultado, mostra que se uma unidade de porta de ferro for fabricada, haverá um
prejuízo para 2 empresa de R$ 135,00, Isso se chama Análise de Sensibilidade, é
o que estudaremos no próximo capítulo.
"Não escassez significa um bem que não é desejado, Não há procura por esse bem no mercado.
Mntemnticamente isso ocorre quando uma variável de decisão do Dual é não básica (igunl 6 zero), pois
se isto acontece, é devido no valor da variável de folga no quadro final do primal, que indica sobra de
POCOS,

58
CAPÍTULO O

ANÁLISE DE SENSIBILIDADE

Segundo Lachtermacher (2009) uma das hipótese

dos problemas de programação linear
é à certeza sobre os valores dos coeficientes da função objetivo e das constantes das
restrições, Na modelagem de um problema em Pesquisa Operacional, à inclusão de da-
dos cujos valores são dependentes do mercado podem sofrer variações com o tempo ou
com a inserção de novas informações. Por isso , à pesquisa da estabilidade da solução
adotada em face dessas variações é muito importante. Nesse estudo, veremos que à

solução otimizada é dependente dos coeficientes da função objetivo (geralmente lucro,

receita ou custo), dos coeficientes e das constantes das restrições (geralmente necessi-
dades por produto e disponibilidade de um recurso). Como quase nunca temos certeza
destes valores na vida real, devemos saber o quanto à solução otimizada está depen-
dente de uma determinada constante ou coeficiente, Se for observada uma alto grau de
dependência, devemos tomar um grande cuidado na determinação dessa solução. Para
isso, realizaremos uma análise pós-olimização que tem o intuito de verificar as
possíveis variações para cima e para baixo dos valores dos coeficientes da função
objetivo, dos coeficientes e das constantes das restrições, sem que os preços
sombra sejam alterados, Este estudo é denominado de Análise de Sensibilidade,
Para realização dele, devemos responder basicamente a três perguntas:

v Qual o efeito de uma mudança num coeficiente da função objetivo?

v Qual o efeito de uma mudança nmuuna constante (termo independente) de uma res-
trição?
xy Qual o efeito de uma mudança num coeficiente de uma restrição”?
 Existem dois tipos básicos de análise de sensibilidade.

Y O primeiro estabelece limites inferiores e superiores para todos os coeficientes da

função objetivo e para as constantes das restrições,
vY O segundo verifica se mais de uma mudança simultânea em um problema altera a
sua solução ótima.

Para melhor compreenção do que foi exposto, vamos resolver 6 problema da fabrica de
tijolos.
Uma fabrica produz dois tipos de tijolos para construção cívil: tijolo baiano e tijolo
comum. A fábrica gasta 2 unidades do recurso 1 e 4 unidade dos recurso 11 na fa-
bricação dos tijolos do tipo baiano. Na fabricação dos tijolos do tipo comum são gastos
5 unidades do recurso | é 5 unidades do recurso 11. À contribuição para o lucro dos
tijolos baiano e comum é R$ 10,00 e R$ 14,00, respectivamente. À fábrica dispõe de
400 unidades do recurso 1 e 600 unidades do recurso Il. Deseja-se saber quais as quan-
tidades que devem ser produzidas para que o lucro da empresa seja máximo.

O modelo que maximiza o lucro da fábrica é;

MarZ = l10r, + lr,

Fr, + bra < 400

Sujeito à: dx, + 5x. < GOO)

as, >= 0,17 > O

O quadro que Simplex inicial é:

SIRSRRTSASRESARO)
PRESNEISFISE/ARL
Li |1/10/-14/ 0 [0 à
Lx | O 2 5 1 oO | 400
Ex |O 4 5 |O 1 | 600

Após todas as iterações para determinação da solução ótima tem-se o seguinte quadro
final:

Cr 6/6] CG, | & [8

PRESSEZSBEÍ fa
LA 0/0) 3/5/11/5) 1,560
E | 0 /0|/1|/2/8|/1/5 40
Ea | O 1/0 |/-1/2/1/2 100
Analisando o último quadro, podemos afirmar que:
“ Para maximizar os lucros da fábrica de tijolos em R$ 1.560 u.m é necessário a
produção diária de 100 unidades de tijolo baiano e 40 unidades de tijolo comum.
v O valor de oportunidade (preço sombra) do tijolo baiano é de R$ 0,60 n.m e do tijolo
comum é de R$ 2,20 u.m. Portanto à capacidade dos tijolos bainno e comum de gerar
lucro para a fábrica é de R$ 0,60 u.m e R$ 2,20 u.m respectivamente.
v É importante observar se 6 valor de oportunidade atribuído aos produtos pelos
recursos é maior, menor ou igual ao valor de oportunidade atribuído nos produtos pelo
mercado. Para isso precisamos do modelo dual:

2 5 400
A=| 4 5 600
10 4 O

2 4 1
A'=| 5 5 1
400 G00 O

O modelo dual é;

MinW = 400, + GOO

21 + 10
RA

Sujeito e: é Say + Si = 1
VW

nn Z0,n=0
Da primeira restrição temos 27, + dás > 10 = 2(0,60) + 4(2,20) = 10,00, e por-
tanto, o valor de oportunidade de mercado é igual no valor de oportunidade atribuído
ao produto pelo recurso, recomenda-se a fabricação dos tijolos do tipo baiano.
De forma anúloga podemos interpretar a situação na segunda restrição, pois: 51, +
Bi > 14 = 5(0,60) + 5(29,290) = 14, o nos mostra que 66 tijolos do tipo comum
também podem ser fabricados.
Mas, se quisermos saber, qual o intervalo de estabilidade dos recursos 1 e 1 (termos
independentes)?
Esse estudo deve ser realizado separadamente, portanto, inicialmente, vamos ver como
identificar um intervalo estável para 6 recurso [, isto é, vamos identificar os valores
máximo e minimo no qual podemos crescer e decrescer este recurso sem alterar o preço
sombra,

61
Para isso, vamos considerar apenas as restrições do modelo primal

2, + ra € 400
Sujeito à : 4 dr, + 5x2 < GO00

Ti => 0, ra > (

6.0.1. Aplicação da Análise de Sensibilidade: Intervalo de Es-

tabilidade do Recurso 1
Se queremos estabelecer o intervalo de variação do recurso 1, devemos tomar a primeira
restrição do primal:

27, + ra < 400

Para identificar o intervalo de variação do recurso 1 devemos obter 608 pontos (7,0) e
(O, xa) na segunda restrição:
e Para 17, = O temos 4(0) + &ro = GO0 2, xa = 120 e portanto (0,120)
«e Para r2 = 0 temos 4, + 5(0) = G0O0 x, = 150 e portanto (150,0)
[Esses valores são os limites aceitáveis para o recurso 1, dessa forma, substituindo os
pontos encontrados na restrição que representa o recurso L temos:
« Para (0,120) = 2(0) + 5(120) = 600
e Para (150,0) = 2(150) + 5(0) = 300
Esse dois valores são os limites admissíveis para 6 crescimento das quantidades do
recurso 1, logo, seu intervalo de variação será:

300 < by < 600

Como 6 recurso | disponível é de 400 umidades, o valores podem decrescer de 100 uni-
dades ou aumentar de 200 unidades que o preço sombra não se alterará e 6 valor de 2
permanecerá maximizado.

Obs: Esse método é baseado em análise Ecométrica, pois, mantendo-se a reta que

representa a segunda restrição fixa, à reta que representa a primeira restrição só po-
derá se deslocar até os pontos (0, 120) e (150,0), devido à tal deslocamento somente
ser possível enquanto houver intersecção entre as duas retas.
6.0.2 Aplicação da Análise de Sensibilidade: Intervalo de Es-
tabilidade do Recurso 11
Vamos obter o intervalo de variação do recurso 11 de forma análoga ao recurso 1.
Tomando à segunda resirição temos:

day + Sra < GOO

vamos obter os limites aceitáveis de variação fazendo:

e 1, = O na primeira restrição: 2(0) + 5x3 = 400 /, x = 80 daí (0,80)
e 1; = O na primeira restrição: 27, + 5(0) = 400 ;/, 7, = 200 daí (200,0)
Substituindo os pontos na segunda restrição temos:
« Para (0,80) = 4(0) + 5(80) = 400
e Para (200,0) = 4(200) + 5(0) = 800
Então, o intervalo de variação para o recurso 11 será;

400 < by < 800

Como 6 recurso 11 disponível é de 600 unidades, os valores só podem crescer até 200

unidades e decrescer até 200 unidades sem alterar o preço sombra.

6.0.3 Aplicação da Análise de Sensibilidade: Intervalo de Es-

tabilidade para os Coeficientes da Função Objetivo

Assim como utilizamos à ideia de análise geométrica baseada nas retas que representa-
vam as restrições, quando estabelecemos um intervalo de estabilidade para os recursos
(termos independentes), faremos o mesmo para determinar os intervalos de variação dos
coeficientes da função objetivo, contudo, nesse caso, devemos garantir que, enquanto o
coeficiente angular da função objetivo estiver entre os coeficientes angulares das retas
que determinam à solução ótima (restrições), a solução ótima não se alterará.
Para isso, vamos considerar o problema proposto da fábrica de tijolos, em que a função
objetivo é MarZ = 10x, + lda.
Sabemos que as restrições do problema são:

2x, + Era < 400

41, + Era < GOO

n> O, 7 >0O

Us)
 Vamos, inicialmente, descobrir 05 coeficientes angulares de cada uma das retas que
representam as restrições:

2 2
* Ir + Sra = 400 = 53 = —2r, + 400 ;'(,1º = <=, + 400, Logo a = —=.
E DE

4
e dr, + 5ra = 600 = Gra = —4Ar, + 600 (ra = Zi + 600. Logo
À = —-.
5

Agora devemos calcular o coeficiente da função objetivo sabendo que:

[—0, 80 < Coeficiente da F.O < —0,4)

De uma forma geral, a função objetivo com duas variáveis de decisão pode ser escrita
como & = cy, + Casta, é portanto

Ls | FF.
Tg = —=— + —
Ca ts

pe a
a
Vamos tomar a função objetivo do problema

10 Fi 10
& = 0x, + dra (14 = TI + donde À = NT

Assim, para obter 6 intervalo de estabilidade do coeficiente da função objetivo, proce-

demos da seguinte forma:

0,80 < —2 < 0,40

Ca

Inicialmente vamos supor que c, sofrerá alteração:

——
< —), 4
=— > —U,80

Para cs = 14 temos:

Cc
[ — 0,80 <—=——
< TES< —).O, 40

E 5 09,802 —m > 11,20 1,.04 < 11,20

14

Y -— < 043 <S-56/,0 2356

I,6€c,<11,20

[E
Interpretação dos resultados: É sabido que os coeficientes da função objetivo é à
contribuição individual de cada variável para o lucro, que no caso provém da fabricação
de tijolos, dessa forma, podemos dizer que o intervalo da contrilmição para o lucro da
venda de tijolos do tipo baiano é 5,6 < ec, < 11,20, ou seja, 105,6 < e, < 11, 20-10,
ao que nos leva a 4,40 < e, < 1,20, isto é, é, pode decrescer em 4,40 unidades om au-
mentar em 1,20 unidades que o lucro permanecerá o mesmo. O lucro em ambas às
situações permaneceria o mesmo, pois os valores em questão se encontram dentro do
intervalo 5,6 < e, < 11,20. Isso garante que o intervalo de estabilidade é legítimo,

Agora faremos c+ sofrer à alteração:

Para e, = 10 temos:

10
—0,80 < =— < —O,40
[2]

10
/ == >= =0,80 = 10 >= =0, 805, .(, 129,5 8 6
o)

10
é —— < —0,4 = —10 < —0,404 (25 3 o
Co

12,5€04<2

Interpretação dos resultados:

Nesse caso, o intervalo da contribuição para 6 lucro da venda de tijolos do tipo comum
emiIEsos 25 . Isto é. pode decrescer até o limite de 1,5 unidades ou aumentar
até o limite de 11 unidades que o lucro permanecerá o mesmo, pois, se a contribuição
para o lucro na fabricação de tijolos do tipo comum é de R$ 14,00, então, se fizermos
14 = 129,5 € 64 < 25 — 14 teremos 1,5 < 6 < 11. Portanto, o limite minimo permitido
é 1,5 unidades e 6 limite máximo permitido é de 11 unidades, O lucro em qualquer das
situações permaneceria 6 mesmo por se encontrarem dentro do intervalo de estabilidade,
assim, não há alteração dos preços sombra, o que legitima o intervalo de estabilidade
encontrado.

6.0.4 Aplicação da Análise de Sensibilidade: Mudança no Co-

eficiente de uma Restrição

)
CAPÍTULO 7

TRANSPORTES

O problema de transportes é um problema de fluxo de redes, que esquematicamente é

representado por meio de grafos . Grafo é uma representação esquemática de pontos
que são ligados por is, 08 pontos são geralmente denominados por nós e as linhas
de arcos. Nós são círculos em cujo interior é inserido um número ou letra que os
iclentifica, elos são ligados pelos arcos. Sobre 08 arcos são colocados valores represen-

tativos de suas capacidades, distâncias, tempo, Num problema de transporte é muito

comum que tais valores representem os custos de distribuição. Aliás falar em problemas
de transportes significa resolver problemas de distribuição. Os grafos bipartidos são
aqueles que geralmente mais aparecem em problemas de transporte, pois esses grafos
possuem dois nós com características distintas.
7.1 Relação entre Redes e Transporte
Num modelo de distribuíção é necessário identificar duas informações muito importan-
tes: O ofertante e o demandante. O ofertante é aquele produz, distribui aquilo que
foi produzido, o demandante é aquele que procura, necessita do que foi produzido pelo
ofertante, Nosso esquema então será:

Origens = Oforios Destino — Dernandos |

Figura 7.1:

« Da lado esquerdo encontram-se os nós 1, 2 e 3 que representam as origens.

« Respectivamente, no lado das origens 1, 2 e 3, localizam-se as ofertas 50, 100 e 120.
é O somatório da oferta é igual a 2370.
«é Do lado direito estão localizados os nós 1 e 2 que correspondem aos destinos.
é Às demandas 100 e 170 encontram-se ao lado dos nós 1 e 2 (destinos).
é O somatório das ofertas e das demandas são iguais a 270,
«e Os custos dos transportes da origem é para os destinos j estão representados pelos
Cir. isto é: o custo do transporte da origem 1 para o destino 1 é dado por Cy, = 10, 6
custo de distribuição da origem 1 para o destino 2 é de Cy; = 12. De forma análoga,
os custos de transportes das origens 2 (azul) são Ca, = 20,C1w = 8 e 3 (verde) são
E =6fe Cas = 15.

e À quantidade minima a ser transportada (05 caminhos) de cada origem + para cada
destino 3 está representada pelos arcos vermelhos, azuis e verdes.

67
7.2 Sistemas Equilibrados e Não Equilibrados
Dois casos podem ocorrer quando da necessidade de resolver um problema de distri-
buição: o sistema pode estar em equilibrio ou desequilibrado. Quando o sistema se
encontra equilibrado, as quantidades existentes na origem e no destino são iguais, isto
é, o somatório da oferta é igual ao somatório da demanda. No caso do sistema se
encontrar desequilibrado, as quantidades na origem é no destino são diferentes.
e Caso 1: Sistema Equilibrado À quantidade ofertada é igual a quantidade deman-
dada, isto é:

E Oferta = 3" Demanda |

na figura 6.1 podemos observar que o sistema está equilibrado, pois

3 Oferta = =. Demanda = 2970

» Caso 2: Sistema Não Equilibrado:; À quantidade ofertada é diferente da quan-

tidade demandada, podem ocorrer duas situações:

E Oferta > FE» Demanda |

Ou

E Oferta < 3” Demanda |

Quando à quantidade ofertada é maior do que a quantidade demandada, acrescenta-se

uma demanda fantasma no destino com eusto zero e a carga obtida de 3º O ferta —
3 Demanda, completando assim com a quantidade necessária para 6 equilíbrio da de-
manda,

Origens = Ofertas ]

Figura 7.2:

Gs
De forma análoga, se a quantidade do que se procura é maior do que a quantidade ofer=
tada, então acrescenta-se uma origem fantasma de valor Sº Demanda — $” O ferta,
que irá equilibrar o sistema,

| Origens = Ofertas Destino = Demandas ]

Fora |« (o
E man-da Zi, GE) o

[Ear e sm] | 2 Bemanda = 370

Figura 7,3;

Em verdade, nº quantidades que são transportadas para o destino fantasma, ficam

depositadas na origem e tem 6 único intuito de equilibrar o sistema, o mesmo vale
para a origem fantasma, suas quantidades são mantidas nos depósitos originários e são
acrescentadas com o objetivo de manter o sistema balanceado.

7.3 Modelo para Transporte

à. Variáveis de Decisão: O significado das variáveis de decisão mum modelo de
transporte são 15 quantidades a serem transportadas de uma origem í para
um destino ; que denotaremos por ;;. Cada arco no esquema de redes representa
uma das variáveis de decisão.

b. Função Objetivo: À função objetivo, no modelo de transporte, é dada pela

soma dos produtos dos custos individuais C€,; de cada transporte realizado da origem
para um destino 7. O objetivo é minimizar os custos de transporte. De acordo com o
esquema apresentado na figura 6.1 temos à seguinte função objetivo:

MinZ = l0r,, + 12r13 + 20r5, + 8x + Gra, + lts

Go)
 Podemos dizer então que à função objetivo é um somatório duplo das cargas a serem
transportadas em que os indices representam as origens e os destinos. De uma forma
geral, a função objetivo ligada ao transporte pode ser escrita da seguinte forma:

LN)
MinZ =X"Xx;
ij

em que 1 indica a origem e j o destino.

c. Restrições: Às restrições do problema de transporte estão relacionadas as capa-
cidades das quantidades existentes na origem (disponibilidade) e no destino (necessi-
dade). No problema em comento temos que,as quantidades retiradas das origens devem
ser a disponibilidade existente em cada uma delas

FS) + Tia = a

Restrições de Disponibilidade: é 2, + ra = 100

Fai + rio = 120

As quantidades transportadas para cada destino devem ser a necessidade em cada

um deles

FR 1 + TH + 14 = 100
Restrições de Demanda: ' ' !
12 + Taz + TH = 1TO

De uma forma geral, as restrições podem ser escrita da seguinte forma;

Et ="

Lts
j=
FG > Ois=1,9,8,...,mAjs=1,2,83,...,7

Como em qualquer modelo de PL, não podemos esquecer a condição de não nega-
tividade: ;; > 0. Em resumo, o modelo geral é:

mor
MinZ=5"3"xy4
é j

Sujeito a: EE TES b;

com rt; >= O

Do problema proposto inicialmente tem-se:

MinZ = Wir + 12x7173 + Uta, + Era + Gray + 15%

Ty + ER + Em = 100
Fo + Fa + Eq, = 170

Fu + Ti = 50
Sujeito a: . É
Fay + Es = 100
Ti + FT = VA)

ty 20

7.14 Solução Básica Inicial para Transportes

Vamos agora descobrir, como determinar uma solução básica inicial viável para num
problema de transportes. Serão apresentados três algoritmos para isso: Método do
Canto Noroeste, Método do Custo Mínimo e o Método de Vogel ou das Pe-
nalidades. Cada método tem característica própria, mas fazem uso de ideias similares.
Considere 6 problema à seguir:
A prefeitura de Salvador está atualmente fazendo obras em três pontos diferentes da
cidade. O material para essas obras é transportado dos depósitos do Subúrbio Fer-
roviário de Salvador, Lauro de Freitas é São Cactano, de onde são retiradas 57, 76 e 93
toneladas de material respectivamente. As Obras são nos bairros da Barra, Itapuã e Rio
Vermelho , que necessitam, diariamente, de 41, 80 e 105 toneladas, respectivamente.
Os custos unitários para o transporte desse material, bem como as disponibilidades e
necessidades encontram-se na tabela

Barra | Itapuã | Rio Vermelho | Disponibilidades

Sub. Ferroviário T Ex 4 57
Lauro de Freitas | 5 | 3 G 76
São Caetano 6 5 1 ES
Necessidades 41 so 105 226

Tl
T.4.1 Método do Canto Noroeste

Este método tem o intuito de alocar carga a partir da primeira célula situada no canto
noroeste. O processo consiste em descarregar 6 máximo possível de carga de acordo
com à demanda da primeira coluna e as ofertas da primeira linha, repetindo o processo
da esquerda para direita até que toda a carga disponível no primeiro depósito tenha
sido distribuída. Em seguida, repetimos o processo para as linhas seguintes, até que
toda carga seja distribuída. O processo finaliza quando toda a capacidade de oferta
satisfaz a toda demanda existente. Vejamos sua aplicação.

Barra | Itapuá | Rio Vermelho | Disponibilidades

Sub. Ferroviário T 8 4 57
Lauro de Freitas 5 3 G TG
São Caetano 6 5 4 Es)
Necessidades 41 so 105 226

Barra | Itapuã Rio Vermelho | Disponibilidades

Sub. Ferroviário 41 16 67H60
Lauro de Freitas GA 12 TE VPO
São Caetano os 8 O
Necessidades HO 88640 +05 93 0 226
CAPÍTULO 8

| prsous OPERACIONAL NO EXCEL - SOLVER

CAPÍTULO 9

COLETÁNEA DE EXERCÍCIOS

1. Problema de Dosagem em Formulação de Petróleo: Uma re-

finaria de petróleo deseja encontrar a mancira ótima de cumprir um contrato de for-=

necimento de gasolina comum. Segundo este contrato, deve-se fornecer diariamente

um mínimo de 1.000 barris de gasolina de aviação e gasolina e 2.000 barris de ga-
solina comum. A unidade que se responsabilizará pela entrega tem uma capacidade
máxima de produção de 10.000 barris por dia, indistintamente. As gasolinas devem ser
transportadas até seus depósitos, cujas distâncias das unidades são 10 30 quilómetros
respectivamente, À capacidade máxima de transporte da refinaria é de 186.000 barris
x quilômetros. Sabendo-se que a gasolina de aviação dá um lucro de R$1,00 e a comum
R$2,00, pede-se o esquema de produção que maximiza o lucro da refinaria com relação
ao contrato citado,

2. Problema de Alocação de Recursos: Uma fábrica de computado-

res produz 2 modelos de computador: Basic e Premium. O modelo Basic fornece um
lncro de R$180,00 é 6 modelo Premium um lucro de 300,00. O modelo Hasic requer,
na sua produção um gabinete pequeno e uma unidade de disco. O modelo Preminm
requer 1 gabinete grande e 2 unidades de disco, Existem no estoque; 60 unidades do
gabinete pequeno e 50 unidades do gabinete grande, além disso, há 150 unidades de
disco. Qual deve ser 6 esquema de produção que maximiza o lucro da empresa”?
3. Estudo de Caso: A Vergaço do Norte, empresa localizada no município
de Canoas, estado do Rio Grande do Sul, após análise de mercado, identificou à possi-
bilidade de produzir dois tipos de vergalhão: O vergalhão GG-50 e o vergalhão CA-25.
Ambos são fornecidos em barras retas ou dobradas nas bitolas, contudo, o primeiro
possui superfície nervurada e o segundo superfície lisa. O lucro de cada unidade de
vergalhão dos tipos GG-50 e CA-25 é de R$ 16,00 e R$ 4,00 respectivamente. Os tem-
pos necessário para produzir uma unidade dos vergalhões GG-50 e CA-25 é de 4 horas e
6 horas respectivamente, Para produzir um vergalhão do tipo GG-50 são necessários 4
funcionários, enquanto que para produzir um vergalhão do tipo CA-25 são necessários
2 funcionários. Além disso, uma pesquisa de mercado encomendada pela empresa indi-
cou que a demanda diária para vergalhões do tipo GG=-50 é de 40 unidades, enquanto
que a demanda diária dos vergalhões CA=25 é de 56 unidades. À empresa dispõe de
até 24 horas diárias e no máximo 16 funcionários por dia para à produção desses dois
produtos, Sabendo disso;
a) Determine um maodelo de programação linear que indique cada tipo de vergalhão
que deve ser produzido.
b) Dê uma solução ótima que maximize o lucro da empresa.
€) faça à interpretação económica do problema.
4. Problema:Dado o modelo de programação linear:

MarZ = x, +0,30x4 + das

FT, +La+EZEIO

a Dr, + 14 + dry < 12

Sujeito 6
FT + Ira = Ar < 9

TF] > O, ra >= [REA = [1

onde x; representa as decisões de produção dos produtos PR, £ o lucro devido a cessa
atividade, as restrições, o uso dos recursos 1; e a tabela final de solução pelo Simplex:
FAR Fa ta h Ff fa [3
10,50 | 0,45) 0,00 | 0,00 | 0,75 | 0,00 | 9,00
O 0,50 | 0,75 ) 0,00 | 1,00 | -0,25 | 0,00 | 7,00
0 | 0,50 / 0,25 | 1,00 | 0,00 | 0,25 [| 0.00 | 3,00
O | 1,50 | 3,25 | 0,00 | 0,00 | 0,25 | 1,00 | 12,00 |

Pergunta-se:
a) Qual o intervalo de estabilidade para o coeficiente de +47

75
b) Qual o intervalo de estabilidade para o coeficiente de f?
c) O que significa 6 intervalo obtido no item (a)?
d) Como podemos interpretar o resultado obtido em (b)?
e) Qual o intervalo de estabilidade para o coeficiente de +17?
É) Qual o intervalo de estabilidade para o coeficiente de 27
E) Suponha que um novo produto P;, use duas unidades do recurso 1, uma unidade do
recurso 11 e três unidades do recurso TI. Qual deverá ser seu luero unitário para sua
incorporação no programa?
h) Qual o limite para o aun nto da disponibilidade do recurso Ra que mantém à in-
formação contida em seu custo de oportunidade?
i) E para o recurso Ry?