1

Dércio José Simbine

Seminário de Investigação Operacional

(Licenciatura em Ensino de Matemática com Habilidades em Estatística)

Universidade Rovuma

Nampula

2023
 2

Dércio José Simbine

Seminário de Investigação Operacional

(Licenciatura em Ensino de Matemática com Habilidades em Estatística)

Trabalho de caracter avaliativo referente a cadeira de

Investigação Operacional, Curso de Licenciatura em
Ensino de Matemática com Habilidades em Estatística, 4º
ano, semestre II. Cadeira leccionada pelo:

Mestre Dionísio Diamantino Estevão Júlio Marques

Universidade Rovuma

Nampula

2023
 3

Índice
I. Introdução............................................................................................................................... 4

1.1. Objectivo Geral: ............................................................................................................... 4

1.2. Objectivos específicos: .................................................................................................... 4

2. Metodologia ............................................................................................................................ 4

II. RESOLUÇÃO DAS QUESTÕES ......................................................................................... 5

1. Evolução Histórica da Investigação Operacional (IO) ....................................................... 5

2. Objeto de Estudo da Investigação Operacional .................................................................. 5

3. Razões para o Interesse Atual na Otimização ..................................................................... 5

4. Interesse dos Norte-Americanos pela Investigação Operacional........................................ 6

5. Principais Problemas que a IO Procura Resolver ............................................................... 7

6. Características Fundamentais da Pesquisa Operacional ..................................................... 7

7. Elementos de um Modelo de Programação Linear ............................................................. 8

8. Ramos Importantes da Investigação Operacional (IO): ...................................................... 8

9. Principais Passos na Investigação Operacional .................................................................. 9

10. Principais elementos de um modelo matemático de um Problema de Optimização ...... 10

III. Conclusao ........................................................................................................................... 13

IV. Referencias Bibliograficas ................................................................................................. 14

 4

I. Introdução

A Investigação Operacional (IO), também conhecida como Pesquisa Operacional, é uma

disciplina interdisciplinar que se dedica a encontrar soluções eficientes e otimizadas para uma
ampla variedade de problemas complexos de tomada de decisão. Ela utiliza técnicas
matemáticas, estatísticas e analíticas para abordar questões práticas e ajudar a melhorar a
eficiência e a eficácia das operações em diversas áreas, como logística, produção, transporte,
finanças, saúde, entre outras.

A IO tem suas raízes na Segunda Guerra Mundial, quando matemáticos e cientistas foram
chamados para resolver problemas logísticos e estratégicos complexos. Após a guerra, a
disciplina se expandiu para aplicações civis, e hoje desempenha um papel fundamental em uma
sociedade cada vez mais complexa e orientada por dados. Sendo assim, com este trabalho,
pretendo responder algumas questões com o objectivo de:

1.1. Objectivo Geral:

 Conhecer a Investigação Operacional.

1.2. Objectivos específicos:

 Apresentar o historial da evolução da Investigação Operacional;

 Indicar o Objecto do estudo da Investigação Operacional;
 Indicar as razoes de optarmos por Optimização;
 Mencionar os principais problemas que a IO procura resolver;
 Mencionar as caraterísticas da Pesquisa Operacional;
 Mencionar os elementos da Programação Linear;
 Mencionar os ramos da IO;
 Mencionar os elementos de um modelo matemático de um problema de optimização;

2. Metodologia

Para elaboração deste trabalho foi feito uma revisão bibliográfica. Onde foi usado o método
indutivo, que é um método responsável pela generalização, isto é, partimos de algo particular
para uma questão mais ampla, mais geral.
 5

II. RESOLUÇÃO DAS QUESTÕES

1. Evolução Histórica da Investigação Operacional (IO)

A Investigação Operacional tem suas raízes na Segunda Guerra Mundial, quando matemáticos
e cientistas foram chamados para resolver problemas complexos de logística e estratégia militar.
Inicialmente, a IO se concentrou em questões militares, como o planejamento de operações
militares e o uso eficiente de recursos em tempo de guerra. No entanto, após a guerra, seu
escopo se expandiu para aplicações civis.

Nas décadas de 1950 e 1960, a IO se desenvolveu como uma disciplina matemática, com o
desenvolvimento de técnicas como programação linear e programação inteira. Com o tempo, a
IO também incorporou outras disciplinas, como estatística, simulação, teoria dos jogos e análise
de decisão.

Na era moderna, a IO se tornou uma ferramenta fundamental em uma ampla gama de

aplicações, desde otimização de cadeias de suprimentos e logística até planejamento de
transportes, alocação de recursos em empresas e até mesmo em áreas como medicina e finanças.

2. Objeto de Estudo da Investigação Operacional

A Investigação Operacional é uma ciência multidisciplinar que se concentra na aplicação de

métodos matemáticos e técnicas analíticas para resolver problemas de tomada de decisão em
organizações e sistemas complexos. Seu objeto de estudo é a melhoria da eficiência e eficácia
das operações e processos em várias áreas, incluindo logística, produção, finanças, saúde e
muitas outras. Ela busca otimizar recursos limitados, minimizar custos e maximizar o
desempenho, ajudando as organizações a tomar decisões mais informadas e melhores.

3. Razões para o Interesse Atual na Otimização

A sociedade atual se interessa muito pela otimização por várias razões:

 Complexidade dos Problemas: Os problemas enfrentados pela sociedade, empresas e

organizações se tornaram mais complexos, exigindo soluções eficientes para otimizar
recursos limitados;
 Tecnologia Avançada: O avanço da tecnologia da informação permitiu o
processamento rápido de grandes quantidades de dados e o desenvolvimento de
algoritmos sofisticados para a otimização;
 6

 Pressão Econômica: Em um ambiente de competição global, as organizações precisam

encontrar maneiras de economizar recursos e melhorar sua eficiência para
permanecerem competitivas;
 Sustentabilidade Ambiental: A otimização desempenha um papel crucial na
minimização do impacto ambiental, ajudando a tomar decisões que reduzam o
desperdício de recursos e a emissão de poluentes;
 Melhoria da Qualidade de Vida: A otimização é aplicada em setores como saúde,
transporte e energia para melhorar a qualidade de vida das pessoas, garantindo um
melhor atendimento médico, transporte eficiente e energia sustentável.

Nota: Em resumo, a otimização é fundamental para lidar com os desafios complexos da

sociedade moderna, melhorar a eficiência e a eficácia das operações e promover um uso mais
inteligente dos recursos.

4. Interesse dos Norte-Americanos pela Investigação Operacional

Os norte-americanos demonstraram um interesse significativo na Investigação Operacional

(IO) por várias razões, especialmente durante e após a Segunda Guerra Mundial:

 Necessidade Militar: Durante a guerra, os militares dos Estados Unidos enfrentaram

desafios logísticos e estratégicos complexos que exigiam soluções eficientes. A IO foi
usada para otimizar a alocação de recursos, o planejamento de operações militares e a
logística, desempenhando um papel crucial na vitória dos Aliados;
 Desenvolvimento Tecnológico: Os Estados Unidos estavam na vanguarda do
desenvolvimento de tecnologias de computação e análise de dados, o que facilitou a
aplicação da IO. A emergência dos primeiros computadores eletrônicos permitiu a
resolução de problemas complexos de otimização de forma mais eficaz;
 Aplicações Civis: Após a guerra, a IO começou a ser aplicada em setores civis, como
transporte, produção, finanças e saúde. Empresas e organizações viram o potencial da
IO para melhorar a eficiência e tomar decisões mais informadas, o que impulsionou
ainda mais o interesse na disciplina;
 Universidades e Pesquisa: Universidades e instituições de pesquisa nos Estados
Unidos desempenharam um papel fundamental no desenvolvimento e na disseminação
da IO como uma disciplina acadêmica, contribuindo para o aumento do interesse na
área.
 7

5. Principais Problemas que a IO Procura Resolver

A Investigação Operacional (IO) busca resolver uma ampla gama de problemas complexos,
mas dois dos principais tipos de problemas que ela se concentra em resolver são:

 Problemas de Otimização: A IO é frequentemente usada para resolver problemas de

otimização, nos quais é necessário encontrar a melhor solução possível a partir de um
conjunto de alternativas. Isso pode incluir a otimização de alocação de recursos,
roteamento de veículos, programação de produção e muitos outros. O objetivo é
maximizar ou minimizar uma função objetivo, sujeita a restrições;
 Problemas de Tomada de Decisão: A IO também lida com problemas de tomada de
decisão, nos quais é necessário escolher entre várias alternativas com base em critérios
específicos. Isso envolve a análise de decisões sob incerteza e a aplicação de técnicas
como a análise de decisão multicritério para escolher a melhor alternativa.

6. Características Fundamentais da Pesquisa Operacional

A Pesquisa Operacional (PO) é uma abordagem analítica para a tomada de decisões que se
destaca por várias características fundamentais:

 Interdisciplinaridade: A PO é uma disciplina interdisciplinar que utiliza conhecimentos

de matemática, estatística, ciência da computação, economia e outras áreas para resolver
problemas complexos de tomada de decisão.
 Modelagem Matemática: Uma característica-chave da PO é a criação de modelos
matemáticos que representam com precisão o problema em questão. Esses modelos são
construídos com equações matemáticas que descrevem as relações entre as variáveis do
problema.
 Otimização: A PO frequentemente se concentra na otimização, buscando encontrar a
melhor solução possível de acordo com algum critério, como maximizar lucros,
minimizar custos ou otimizar o uso de recursos.
 Análise Quantitativa: A PO baseia-se em análises quantitativas, usando técnicas
matemáticas para resolver problemas e tomar decisões de forma objetiva e
fundamentada em dados.
 8

 Tomada de Decisão Científica: A PO fornece uma estrutura para tomar decisões

baseadas em evidências e análises rigorosas, ajudando a evitar decisões subjetivas e
intuitivas.
 Abordagem Sistemática: A PO segue uma abordagem sistemática, dividindo o processo
em etapas claras, como modelagem, solução e interpretação dos resultados.
 Aplicabilidade Generalizada: A PO pode ser aplicada em uma ampla variedade de
setores e contextos, desde logística e transporte até finanças, saúde e gestão de recursos
naturais.

7. Elementos de um Modelo de Programação Linear

Um modelo de programação linear é uma representação matemática de um problema de

otimização que segue certas características fundamentais. Aqui estão os elementos-chave de
um modelo de programação linear:

 Função Objetivo: É uma equação que define a grandeza que se deseja maximizar ou
minimizar, geralmente representada como uma expressão linear das variáveis de
decisãoç
 Variáveis de Decisão: São as incógnitas do problema, representadas por letras, que
representam as quantidades a serem determinadas. Por exemplo, se estivermos
otimizando a produção de produtos A e B, as variáveis de decisão podem ser x e y,
respectivamenteç
 Restrições: São as equações ou desigualdades que limitam as possíveis soluções do
problema. Elas descrevem as limitações físicas ou financeiras que devem ser
respeitadasç
 Coeficientes: Cada equação na função objetivo e nas restrições possui coeficientes que
representam a relação entre as variáveis. Esses coeficientes refletem a contribuição de
cada variável para a função objetivo ou a satisfação das restriçõesç
 Domínio das Variáveis: As variáveis de decisão podem ter restrições quanto aos
valores que podem assumir, geralmente definidas como limites inferior e superior.

8. Ramos Importantes da Investigação Operacional (IO):

A Investigação Operacional (IO) é uma disciplina abrangente que abrange diversos ramos e
áreas de aplicação. Alguns dos ramos mais importantes e desenvolvidos da IO incluem:
 9

 Programação Linear e Não Linear: Lida com a otimização de funções lineares ou não
lineares sujeitas a restrições. É amplamente aplicada em problemas de alocação de
recursos e planejamento.
 Teoria dos Jogos: Estuda situações estratégicas onde a decisão de um indivíduo afeta
as decisões de outros. É aplicada em economia, ciência política e resolução de conflitos.
 Simulação: Envolve a criação de modelos computacionais para imitar o comportamento
de sistemas complexos. É usado para prever resultados em cenários de incerteza.
 Otimização Combinatória: Concentra-se na otimização de soluções discretas, como
roteamento de veículos, escalonamento de tarefas e problemas de corte.
 Análise de Decisão Multicritério: Lida com problemas em que múltiplos critérios
devem ser considerados na tomada de decisões. É aplicada em avaliação de projetos e
seleção de alternativas.
 Pesquisa Operacional Aplicada: Essa área aplica técnicas de IO em setores
específicos, como logística, transporte, saúde, finanças e energia.
 Teoria das Filas: Estuda o comportamento de sistemas de filas e é usada em problemas
de dimensionamento de atendimento ao cliente e otimização de processos de espera.
 Engenharia de Sistemas: Aplica conceitos de IO na otimização de sistemas
complexos, como sistemas de transporte urbano, sistemas de comunicação e sistemas
de defesa.
 Análise de Redes: Lida com problemas relacionados à análise de redes, como o fluxo
de informações ou produtos em redes de transporte, comunicação e sociais.

9. Principais Passos na Investigação Operacional

A resolução de problemas por meio da Investigação Operacional envolve vários passos que
podem variar dependendo do problema específico, mas os principais passos gerais incluem:

i. Formulação do Problema: O primeiro passo é definir claramente o problema e seus

objetivos. Isso envolve identificar as variáveis de decisão, a função objetivo e as
restrições.
ii. Modelagem Matemática: O próximo passo é criar um modelo matemático que
represente o problema de forma precisa. Isso envolve a tradução das informações do
problema em equações e desigualdades matemáticas.
 10

iii. Solução do Modelo: Uma vez que o modelo matemático está completo, é necessário
encontrar uma solução. Isso pode ser feito usando técnicas matemáticas, algoritmos de
otimização ou simulação, dependendo do tipo de problema.
iv. Interpretação dos Resultados: Depois de obter uma solução, é importante interpretar
os resultados em termos do problema original. Isso envolve analisar o impacto das
decisões tomadas e verificar se atendem aos objetivos.
v. Implementação e Monitoramento: Se a solução for aceitável, ela pode ser
implementada na prática. É importante monitorar o desempenho da solução ao longo do
tempo e fazer ajustes, se necessário.
vi. Relatório e Comunicação: Por fim, os resultados e as recomendações devem ser
comunicados de forma clara e eficaz aos interessados, geralmente por meio de relatórios
técnicos e apresentações.

Esses passos garantem uma abordagem sistemática e baseada em evidências para a resolução
de problemas por meio da Investigação Operacional, permitindo a tomada de decisões mais
informadas e eficazes.

10. Principais elementos de um modelo matemático de um Problema de Optimização

Os modelos matemáticos de problemas de otimização são estruturados em elementos-chave que

definem o problema e suas restrições. Aqui estão os principais elementos de um modelo
matemático de um problema de otimização, com descrições detalhadas:

Variáveis de Decisão: As variáveis de decisão são os elementos do modelo que representam

as quantidades a serem determinadas ou otimizadas. Elas são símbolos ou letras que
representam quantidades desconhecidas. Por exemplo, se estivermos otimizando a produção de
dois produtos, A e B, as variáveis de decisão podem ser representadas por 𝑥 e 𝑦, onde:

𝑥 = quantidade produzida do produto A.

𝑦 = quantidade produzida do produto B.

As variáveis de decisão são o foco da otimização, e suas escolhas afetam o resultado do

problema.

Função Objetivo: A função objetivo define a grandeza que se deseja maximizar ou minimizar
com base nas variáveis de decisão. Geralmente é expressa como uma equação matemática e
 11

depende das variáveis de decisão. Por exemplo, se estivermos maximizando os lucros, a função
objetivo pode ser representada por Z, onde:

𝑍 = 3𝑥 + 5𝑦

Neste caso, estamos tentando maximizar os lucros, que são calculados como 3 vezes a
quantidade produzida de A mais 5 vezes a quantidade produzida de B.

Restrições: As restrições são as condições ou limitações que as variáveis de decisão devem

obedecer. Elas são expressas como equações ou desigualdades e definem as limitações físicas,
financeiras ou operacionais do problema. Por exemplo, se tivermos uma restrição de recursos
limitados para a produção, ela pode ser expressa como:

2𝑥 + 3𝑦 ≤ 10

Essa restrição indica que a quantidade de A e B produzida deve ser limitada a um total de 10
unidades, devido à disponibilidade de recursos.

Domínio das Variáveis: O domínio das variáveis de decisão especifica os valores permitidos
que as variáveis podem assumir. Por exemplo, pode haver limites inferiores e superiores para a
quantidade de produtos que podem ser produzidos. No exemplo anterior, o domínio das
variáveis pode ser definido como:

𝑥 ≥ 0 (a quantidade de A não pode ser negativa).

𝑦 ≥ 0 (a quantidade de B não pode ser negativa).

Tipo de Problema de Otimização: O modelo também deve especificar se o problema é de

maximização ou minimização. Isso é determinado pela direção da função objetivo. No exemplo
anterior, estamos lidando com um problema de maximização de lucros.

Objetivos e Critérios: Além da função objetivo, os objetivos específicos do problema e os

critérios de desempenho devem ser claramente definidos. Isso pode incluir a consideração de
múltiplos critérios em problemas multicritério.

Condições de Viabilidade: Em alguns casos, o modelo pode incluir condições de viabilidade

adicionais que devem ser satisfeitas. Por exemplo, em um problema de alocação de recursos,
pode ser necessário garantir que a soma das alocações seja igual a um valor fixo.
 12

Parâmetros: Os modelos podem incluir parâmetros, que são valores constantes que afetam o
problema, mas não são variáveis de decisão. Esses valores podem representar custos, taxas,
demandas, capacidades, etc. É importante definir esses parâmetros com precisão.

Esses elementos formam a estrutura básica de um modelo matemático de um problema de

otimização. A partir desses elementos, é possível construir equações matemáticas que
representam o problema e usar técnicas de otimização para encontrar a melhor solução dentro
das restrições definidas.
 13

III. Conclusao

A Investigação Operacional (IO), é amplamente reconhecida como uma disciplina científica e

uma abordagem analítica para a tomada de decisões. Nesta vertatente, pusde concluir que a IO
utiliza uma abordagem científica para resolver problemas complexos de tomada de decisão. Ela
se baseia em princípios matemáticos, estatísticos e analíticos para modelar, analisar e otimizar
sistemas e processos; é uma disciplina interdisciplinar que integra conceitos e técnicas de várias
áreas, incluindo matemática, estatística, ciência da computação, economia e engenharia. Ela
aplica conhecimentos de diversas disciplinas para resolver problemas do mundo real; Uma
característica fundamental da IO é a modelagem matemática, onde os problemas são traduzidos
em equações e desigualdades matemáticas. Isso permite uma representação precisa e
quantitativa dos problemas; A IO é frequentemente associada à otimização, buscando encontrar
soluções ótimas para problemas com restrições e recursos limitados. Ela ajuda na tomada de
decisões embasadas em dados, visando maximizar ou minimizar objetivos específicos. A IO
continua a evoluir com o desenvolvimento de novas técnicas e tecnologias, incluindo
aprendizado de máquina e análise de big data, ampliando ainda mais sua capacidade de abordar
problemas desafiadores.
 14

IV. Referencias Bibliograficas

Wayne L. Winston - "Introdução à Pesquisa Operacional"

Frederick S. Hillier e Gerald J. Lieberman - "Introdução à Pesquisa Operacional"

Hamdy A. Taha - "Pesquisa Operacional"

R. K. Gupta - "Pesquisa Operacional: Teoria e Aplicações"

Robert J. Vanderbei - "Pesquisa Operacional: Algoritmos e Aplicações"