Aula 4º

Problema do transporte e suas

variantes

Prezados(as) alunos(as),
Nesta quarta aula, estudaremos os conceitos do problema
do transporte, e suas variantes, como o balanceamento
do transporte o problema da designação e o problema do
transbordo. Também inclui em nosso material da aula 4 uma
seção de resolução dos problemas utilizando o Solver do Excel,
para ajudar no dia a dia dos profissionais que tratem desses
temas em suas rotinas, como em logística, programação da
produção, etc.
Bons estudos!

Objetivos de aprendizagem

Ao término desta aula, vocês serão capazes de:

•  entender o que é o problema do transbordo;

•  aprender sobre as principais variantes do problema do transbordo;
•  usar o Excel Solver para resolver problemas de do transporte;
•  entender o problema da designação (método húngaro);
•  aprender sobre o problema do transbordo.
 Pesquisa Operacional 34
A empresa transportadora encarregada do transporte
Seções de estudo dos carros cobra 8 centavos por milha por carro. Os custos de
transporte por carro nas diferentes rotas, arredondados para o
valor mais próximo, são dados na Tabela 2.
1 - Definição do problema de transporte
2 - O problema de designação (método húngaro) Tabela 2: custos de transporte por carro
3 - O problema de transbordo
Custos de transporte por carro  
Denver (1) Miami (2)
1 -Definição do problema de transporte
Los Angeles (1) 80 215
Detroit (2) 100 108
De acordo com Thaha (2008), o problema geral pode ser Nova Orleans (3) 102 68
representado pela rede na Figura 1. Há m origens e n destinos,
cada um representado por um nó. Os arcos representam as Fonte: Taha (2008).

rotas que ligam as origens aos destinos. O arco (i, j), que liga
A formulação do problema de PL da questão é dada por:
a origem i ao destino j, nos dá duas informações: 1) o custo
Minimizar z: = 80x11 + 215x12 + 100x21 + 108x22 +
de transporte por unidade, cij; e 2) a quantidade enviada, xij.
102x31 + 68x32
.A quantidade de suprimento na origem i é a e a quantidade
sujeito a:
de demanda no destino a e b.. O objetivo do problema e
x11 + x12 = 1.000 (Los Angeles)
determinar as incógnitas x que minimizarão o custo total de
x21 + x22 = 1.500 (Detroit)
transporte e, ao mesmo tempo, satisfarão todas as restrições
x31 + x32 = 1.200 (Nova Orleans)
de suprimento e demanda.
x11 + x21 + x31 = 2.300 (Denver)
Figura 1: Representação do problema do transporte com
x12 + x22 + x32 = 1.400 (Miami)
nós e arcos
xíj ≥ 0; i =1,2,3; j = 1,2
Todas essas restrições são equações porque o suprimento
total das três origens (= 1.000 + 1.500 + 1.200 = 3.700 carros)
é igual a demanda total dos dois destinos (= 2.300 + 1.400 =
3 700 carros).
Tabela 3: representação da solução pelo algoritmo
simplex

Denver Miami Suprimento

Fonte: Taha (2008).
  80   215
Los Angeles 1.000
x11   x12  
1.1 - Exemplo de um problema do   100   108
transporte Detroit
x21   x22  
1.500

Para exemplificar, veremos um exemplo resolvido   102   68

Nova Orleans 1.200
adaptado de Taha (2008). A American Auto tem três fábricas: x31   x32  
uma em Los Angeles, uma em Detroit e outra em Nova Demanda 2.300 1.400  
Orleans, e duas grandes centrais de distribuição: uma em
Denver e outra em Miami. As capacidades das três fábricas Fonte: Taha (2008).
para o próximo trimestre são 1.000, 1.500 e 1.200 carros. As A solução ótima na Figura 2 recomenda o embarque de
demandas trimestrais nas duas centrais de distribuição são 1.000 carros de Los Angeles para Denver, 1.300 de Detroit
2.300 e 1.400 carros. O mapa de distâncias entre as fábricas e para Denver, 200 de Detroit para Miami e 1,200 de Nova
as centrais de distribuição é dado na Tabela 1. Orleans para Miami. O custo mínimo de transporte associado
é calculado como 1.000 x $ 80 + 1.300 x $ 100 + 200 x $ 108
Tabela 1: mapa das distâncias entre as fábricas e depósitos
+ 1.200 x $ 68 = $ 313.200.
Figura 2: representação gráfica da solução ótima.
Mapa das distâncias
Denver Miami
Los Angeles 1.000 2.690
Detroit 1.250 1.350
Nova Orleans 1.275 850

Fonte: Taha (2008). Fonte: Taha (2008).

 35
1.2 - Balanceamento do problema   102   68   0
de transporte. Nova Orleans 1.200
O algoritmo de transporte é baseado na premissa de   1.100    
que o problema é balanceado, o que significa que a demanda Demanda 1.900 1.400 400  
total é igual ao fornecimento total. Se o problema não for
Fonte: Taha (2008).
balanceado, sempre podemos adicionar uma origem fictícia
ou um destino fictício para restaurar o equilíbrio (também O caso em que o fornecimento ultrapassa a demanda pode
chamada de “dummy”). ser demonstrado ao se considerar que a demanda em Denver
No modelo da American Auto, suponha que a capacidade é apenas 1.900 carros. Nesse caso, precisamos adicionar uma
da fábrica de Detroit seja 1.300 carros (em vez de 1.500). O central de distribuição fictícia para “receber”, o suprimento
suprimento total (= 3.500 carros) é menor do que a demanda excedente. Novamente, o custo unitário de transporte para a
total (= 3.700 carros), o que significa que parte da demanda central de distribuição fictícia é zero, a menos que exijamos
em Denver e Miami não será satisfeita. que a fábrica esgote seu suprimento, completamente. Nesse
Como a demanda ultrapassa o fornecimento, uma origem caso, devemos designar um alto custo unitário de transporte
(fábrica) fictícia com uma capacidade de 200 carros (= 3.700 - da fábrica designada ao destino fictício.
3.500) é adicionada para equilibrar o problema de transporte.
O custo unitário de transporte da fábrica fictícia para os dois 1.3 - Utilizando o método
destinos é zero porque a fábrica não existe. computacional – solver
A Tabela 4 dá o problema balanceado acompanhado
de sua solução ótima. A solução mostra que a fábrica fictícia A Figura 3 mostra um exemplo de como montar o
despacha 200 carros para Miami. O que significa que Miami problema apresentado anteriormente em uma planilha do
terá 200 carros a menos do que sua demanda de 1.40%) carros. Excel para ser resolvido com o Solver. Lembrando que esse é
Tabela 4: problema balanceado acompanhado de sua apenas um exemplo de montagem.
solução ótima
Figura 3: Solução do problema do transporte modelado
Denver Miami Suprimento
em Excel.
  80   215
Los Angeles 1.000
1.000    
  100   108
Detroit 1.300
1.300    
  102   68
Nova Orleans 1.200
  1.200  
  0   0
Fictícia 200
  200  
Demanda 2.300 1.400  
Fonte: Taha (2008).

Podemos garantir que um destino específico não sofra

escassez designando um custo unitário de transporte muito Fonte: o autor.

alto da origem fictícia até aquele destino. Por exemplo, uma

multa de $ 1.000 na célula fictícia de Miami evitará escassez Como vimos anteriormente, o problema pode ser
em Miami. Claro que não podemos usar esse “truque” em balanceado para achar outras soluções. As figuras 4 e 5
todos os destinos, porque com certeza ocorrerá escassez em mostram como pode ser modelado em planilha do Excel os
alguma parte do sistema. cenários apresentados nesta aula.

Figura 4: problema balanceado

Tabela 5: garantia de um fornecimento para um destino
específico

Denver Miami Fictício Suprimento

  80   215   0
Los Angeles 1.000
1.000      
  100   108   0
Detroit 1.500
900   300   400   Fonte: o autor.
 Pesquisa Operacional
Figura 5: problema resolvido com garantia de um
fornecimento para um destino específico
Fonte: o autor.
2 -O problema de designação (método
húngaro)
De acordo com Taha (2008), a melhor pessoa para a
tarefa é uma descrição adequada do problema de designação.
A situação pode ser ilustrada pela designação de trabalhadores
com graus variáveis de habilidade a determinadas tarefas.
Uma tarefa que combine com a habilidade de um trabalhador
custa menos do que uma tarefa para a qual o trabalhador não
seja tão habilidoso. O objetivo do problema é determinar a
designação de menor custo de trabalhadores a tarefas.
O problema geral de designação com n trabalhadores e n
tarefas é representado na Tabela 6. O elemento c ij representa
o custo de designar o trabalhador i à tarefa j (i, j = 1, 2,…,
n). Não há nenhum prejuízo em termos de generalidade se
considerarmos que o número de trabalhadores é sempre igual
ao número de tarefas, uma vez que sempre podemos adicionar
trabalhadores fictícios ou tarefas fictícias para satisfazer essa
premissa.
Tabela 6 – Problema da designação
Fonte: Taha (2008).
Para Taha (2008), o problema de designação é, na
realidade, um caso especial do problema de transporte no
qual os trabalhadores representam as origens e as tarefas
representam os destinos. A quantidade fornecida (demandada)
em cada origem (destino) é exatamente igual a 1. O custo de
‘transportar’ o trabalhador i para a tarefa j é cij. Na verdade, o
problema de designação pode ser resolvido diretamente como
um problema de transporte comum. De qualquer maneira, o
fato de todas as quantidades fornecidas e demandadas serem
iguais a 1 levou ao desenvolvimento de um algoritmo de
36
solução simples denominado método húngaro. Embora o
novo método de solução pareça não ter relação alguma com
o problema de transporte, na realidade a raiz do algoritmo
é o método simplex, exatamente como a do problema de
transporte (TAHA, 2008).
Ainda de acordo com Taha (2008), usaremos o seguinte
exemplo para apresentar a mecânica do novo algoritmo. Os
três filhos de Joe Klyne (John, Karen e Terri) querem ganhar
algum dinheiro para gastar durante uma excursão da escola até
o zoológico local. O Sr. Klyne escolheu três tarefas para seus
filhos: 1) cortar a grama; 2) pintar a porta da garagem; e 3)
lavar os carros da família. Para evitar a concorrência prevista
entre os irmãos, ele pediu que seus filhos apresentassem
propostas (fechadas) do que eles consideravam que fosse
um pagamento justo para cada uma das três tarefas. Ficou
combinado que os três concordariam com a decisão do pai
sobre quem executaria qual tarefa. A Tabela 7 resume as
propostas recebidas. Com base nessas informações, como o
Sr. Klyne deve designar as tarefas? O problema de designação
será resolvido pelo método húngaro.
Tabela 7 – Problema da designação do Sr. Klyne
Fonte: Taha (2008).
Etapa 1. Na matriz de custo original, identifique o
mínimo de cada linha e o subtraia de todas as entradas da
linha.
Tabela 8 – Etapa 1 do método húngaro
Fonte: Taha (2008).
Etapa 2. Na matriz resultante da etapa 1, identifique o
mínimo de cada coluna e o subtraia de todas as entradas da
coluna.
Tabela 9 – Etapa 2 do método húngaro
Fonte: Taha (2008).
 37
Etapa 3. Identifique a solução ótima como a designação então a adicione a todas as entradas na interseção de
viável associada com os elementos zero da matriz obtida na duas linhas;
etapa 2. 3. Se não for possível encontrar nenhuma designação
Sejam pi e qj os custos mínimos associados com a linha i viável entre as entradas zero resultantes, repita a
e a coluna j, como definido nas etapas 1 e 2, respectivamente. etapa 2a. Caso contrário, passe para a etapa 3 a fim
Os mínimos de linha da etapa 1 são calculados de acordo com de determinar a designação ótima.
a matriz de custo original, como mostra a Tabela 8.
Em seguida, subtraia o mínimo da linha de cada linha Tabela 11 – modelo de designação
respectiva para obter a matriz reduzida da Tabela 9.
A aplicação da etapa 2 resulta nos mínimos de coluna
da Tabela 9. Subtraindo esses valores das respectivas colunas,
obtemos a matriz reduzida da Tabela 10.

Tabela 10 – Etapa 3 do método húngaro

Fonte: Taha (2008).

Tabela 12 – matriz de designação reduzida

Fonte: Taha (2008).

As células com entradas zero sublinhadas dão a solução

ótima, o que significa que John pintará a porta da garagem,
Karen cortará a grama e Terri lavará os carros da família. O
custo total para o Sr. Klyne é 9 + 10 + 8 = $ 27. Essa quantia
também será sempre igual a (p1 + p2 + p3 ) + (q1 + q2 + q3 ) =
Fonte: Taha (2008).
(9 + 9 + 8) + (0 + 1 + 0) = $ 27 (TAHA, 2008).
As etapas do método húngaro apresentadas funcionam Tabela 13 – aplicação da etapa 2a
bem no exemplo precedente porque as entradas zero na
matriz final produzem uma designação viável (no sentido de
que uma tarefa distinta é designada a cada filho). Em alguns
casos, os zeros criados pelas etapas 1 e 2 podem não resultar
em uma solução viável diretamente e serão necessárias mais
etapas para achar a designação ótima (viável). O exemplo
seguinte demonstra essa situação (TAHA, 2008).
Suponha que a situação discutida no exemplo anterior
seja estendida para quatro filhos e quatro tarefas. A Tabela 11
resume os elementos de custo do problema. A aplicação das
etapas 1 e 2 à matriz da Tabela 11 (usando p1 = 1, p2 = 7, p3 Fonte: Taha (2008).
= 4, p4 = 5, q1 = 0, q2 = 0, q3 = 3 e q4 = 0) dá como resultado
a matriz reduzida da Tabela 12. As localizações das entradas Tabela 14 – Designação ótima
zero não permitem designar tarefas únicas a todos os filhos.
Por exemplo, se designarmos a Tarefa 1 ao Filho 1, então a
coluna 1 será eliminada e o Filho 3 não terá uma entrada zero
nas três colunas restantes. Esse obstáculo pode ser superado
com a adição das seguintes etapas ao procedimento delineado
no exemplo anterior (TAHA, 2008).
Etapa 2a. Ainda de acordo com Taha (2008), se não for
possível garantir nenhuma designação viável (com todas as
entradas zero) pelas etapas 1 e 2,
1. Trace o número mínimo de linhas horizontais e Fonte: Taha (2008).
verticais na última matriz reduzida que abrangerá
todas as entradas zero; A aplicação da etapa 2a à última matriz produz as células
2. Selecione a menor entrada não abrangida, subtraia sombreadas da Tabela 13. A menor entrada não sombreada
essa entrada de todas as entradas não abrangidas e (mostrada em caracteres itálicos) é igual a 1. Essa entrada é
adicionada à interseção de células em negrito e subtraída das
 Pesquisa Operacional
células sombreadas restantes para produzir a matriz da Tabela
14. A solução ótima (mostrada pelos zeros não sublinhados)
recomenda a designação do Filho 1 à Tarefa 1, do Filho 2 à
Tarefa 3, do Filho 3 à Tarefa 2 e do Filho 4 à Tarefa 4. O custo
ótimo associado é 1 + 10 + 5 + 5 = $ 21. O mesmo custo
também é determinado pela soma dos pi e qj e pela entrada
que foi subtraída depois que as células sombreadas foram
determinadas, isto é, (1 + 7 + 4 + 5) + (0 + 0 + 3 + 0) + (1)
= $ 21.
3 - O problema de transbordo
De acordo com Taha (2008), o problema de transbordo
reconhece que pode ser mais barato despachar mercadorias
com a utilização de nós intermediários ou transientes antes
de chegar ao destino final. Esse conceito é mais geral do que
o do problema de transporte normal, no qual são permitidas
apenas expedições diretas entre uma origem e um destino.
Esta seção mostra como um problema de transbordo pode ser
convertido em (e resolvido como) um problema de transporte
normal usando a noção de tampão.
Por exemplo: duas fábricas de automóveis, P1 e P2, estão
ligadas a três revendedoras, D1, D2 e D3, por meio de duas
centrais de trânsito, T1 e T2, de acordo com a rede mostrada
na Figura 6. As quantidades fornecidas pelas fábricas P1 e
P2 são 1.000 e 1.200 carros, e as quantidades demandadas
nas revendedoras D1, D2 e D3 são 800, 900 e 500 carros.
Os custos de expedição por carro (em centenas de dólares)
entre pares de nós são mostrados nas ligações (ou arcos) que
conectam os nós da rede.
Figura 6 - Rede de transbordo entre as fábricas e as
revendedoras
38
Demanda em um nó de demanda puro = Demanda
original
Fornecimento em um nó de transbordo = Fornecimento
original + Quantidade tampão
Demanda em um nó de transbordo = Demanda original
+ Quantidade tampão
A quantidade tampão deve ser suficientemente grande
para permitir que todas as unidades de fornecimento (ou
de demanda) originais passem por qualquer um dos nós de
transbordo. Seja B a quantidade tampão desejada; então
B = Fornecimento (ou demanda) total
= 1.000 + 1.200 (ou 800 + 900 + 500) = 2.200 carros
Usando o tampão B e os custos unitários de expedição
dados na rede, construímos o problema de transporte normal
equivalente, como mostra a Tabela 15. A solução do problema
de transporte resultante é mostrada na Figura 7. Observe o
efeito do transbordo: a revendedora D2 recebe 1.400 carros,
conserva 900 carros para satisfazer sua demanda e envia os
500 carros restantes para a revendedora D3.
Tabela 15 - Dados do problema de transbordo
Fonte: Taha (2008).
Figura 7 - Solução de um problema de transbordo

Fonte: Taha (2008).

Ocorre transbordo na rede da Figura 6 porque seria Fonte: Taha (2008).

concebível que a quantidade total de carros fornecida, de 2.200
(= 1.000 + 1.200), pelos nós P1 e P2 passasse por qualquer um
dos nós da rede antes de chegar a seus destinos nos nós D1, Retomando a aula
D2 e D3. Quanto a isso, cada nó da rede que tenha arcos de
entrada, bem como de saída (T1, T2, D1 e D2), age como uma
origem e também como um destino, e é denominado nó de
transbordo. Os nós restantes são nós de fornecimento puros Ao chegar ao final da quarta aula, vamos recordar o
(P1 e P2) ou nós de demanda puros (D3). que aprendemos:
O problema de transbordo pode ser convertido em um
problema de transporte normal com seis origens (P1, P2, T1,
T2, D1 e D2) e cinco destinos (T1, T2, D1, D2 e D3). As
quantidades fornecidas e demandadas nos diferentes nós são 01 - Definição do problema de transporte
calculadas por:
Fornecimento em um nó de suprimento puro = Nessa seção, estudamos a definição do problema do
Fornecimento original transporte a também um exemplo resolvido. Vimos que esse
 39
é uma classe específica de problemas, que busca, por exemplo,
o menor custo de transporte entre várias rotas disponíveis
para serem usadas. Na sequência, aprendemos a balancear
problemas de transporte, e, finalmente, aprendemos a resolver
esse tipo de problema usando o Excel Solver.

02 - O problema de designação (método húngaro)

Nessa seção, vimos que o problema de designação, ou

método húngaro, consiste em um problema do transporte
onde nós podemos indicar um recurso preferencial a
ser utilizado, adicionando alguns passos na metodologia
apresentada na seção 01, para que nosso problema seja
resolvido com a indicação desejada.

03 - O problema de transbordo

Finalmente, nessa última seção, vimos o último caso

especial do problema do transporte, que é o problema do
transbordo, que consiste em um problema do transporte, em
que nós acrescentamos um caminho intermediário entre o
fornecedor e o destino final, e testamos qual é a rota mais
econômica.

Vale a pena

Vale a pena ler

Hillier, F.S. e Lieberman G.J., Introdução à Pesquisa
Operacional, 8ª. edição. São Paulo: McGraw-Hill, 2006.
Lachtermacher, G. Pesquisa operacional na tomada de
decisões, 5ª. edição. São Paulo: Prentice Hall, 2016.
Taha, H. A. Pesquisa Operacional. 8ª edição. São Paulo:
Pearson, 2008.

Minhas anotações