Unidade 2

Pesquisa Operacional
Unidade 2
Formulação e Resolução de Problemas
Diretor Executivo
DAVID LIRA STEPHEN BARROS
Gerente Editorial
CRISTIANE SILVEIRA CESAR DE OLIVEIRA
Projeto Gráfico
TIAGO DA ROCHA
Autoria
PALOMA RAYANNE SILVA BEZERRA
AUTORIA
Paloma Rayanne Silva Bezerra
Olá. Sou formada em Administração pela Universidade Estadual da
Paraíba (UEPB) e mestra em Administração pela Universidade Federal de
Campina Grande (UFCG). Possuo experiência e interesses de pesquisa
no que se refere a Estudos Organizacionais, a Empreendedorismo, e ao
Desenvolvimento Sustentável. Sou apaixonada pelo que faço e adoro
compartilhar conhecimentos, especialmente, com àqueles que estão
iniciando em suas profissões. Por isso fui convidada pela Editora Telesapiens
a integrar seu elenco de autores independentes. Estou muito feliz em poder
ajudar você nesta fase de muito estudo e trabalho. Conte comigo!
ICONOGRÁFICOS
Olá. Esses ícones irão aparecer em sua trilha de aprendizagem toda vez
que:
OBJETIVO: DEFINIÇÃO:
para o início do houver necessidade
desenvolvimento de de se apresentar um
uma nova compe- novo conceito;
tência;
NOTA: IMPORTANTE:
quando forem as observações
necessários obser- escritas tiveram que
vações ou comple- ser priorizadas para
mentações para o você;
seu conhecimento;
EXPLICANDO VOCÊ SABIA?
MELHOR: curiosidades e
algo precisa ser indagações lúdicas
melhor explicado ou sobre o tema em
detalhado; estudo, se forem
necessárias;
SAIBA MAIS: REFLITA:
textos, referências se houver a neces-
bibliográficas e links sidade de chamar a
para aprofundamen- atenção sobre algo
to do seu conheci- a ser refletido ou dis-
mento; cutido sobre;
ACESSE: RESUMINDO:
se for preciso aces- quando for preciso
sar um ou mais sites se fazer um resumo
para fazer download, acumulativo das últi-
assistir vídeos, ler mas abordagens;
textos, ouvir podcast;
ATIVIDADES: TESTANDO:
quando alguma quando o desen-
atividade de au- volvimento de uma
toaprendizagem for competência for
aplicada; concluído e questões
forem explicadas;
SUMÁRIO
Visão geral da modelagem e resolução de problemas............... 10
Teoria dos Jogos .......................................................................................... 21
Introdução à Teoria dos Jogos .............................................................................................. 21
Teoria das Filas ............................................................................................. 32

Introdução à Teoria das Filas...................................................................................................32
Teoria dos Grafos ........................................................................................49

Introdução à Teoria dos Grafos ............................................................................................ 49
Pesquisa Operacional 7
02
UNIDADE
8 Pesquisa Operacional
INTRODUÇÃO
Você sabia que a área de Pesquisa Operacional (PO) é uma
das mais demandas na indústria? A principal responsabilidade da
PO é fornecer apoio ao processo de decisão por meio de diferentes
instrumentos. Entre as alternativas oferecidas por esse campo do
conhecimento, destaca-se o desenvolvimento de modelos ou processo
de modelagem modelo. É uma representação matemática, simbólica ou
descritiva de um conjunto de eventos dentro de um cenário específico.
Esse processo pode ser realizado de diferentes formas, sobretudo por
meio de simulação de cenários baseada em computadores (este é o
mais utilizado no cenário contemporâneo). Somado a essa alternativa,
existem outros instrumentos que podem auxiliar no desenvolvimento
de projeções, como é o caso da Teoria de Filas, que busca a otimização
de arranjos em situações de aglomeração e de espera, apoiando-se
em técnicas matemáticas. Outros recursos são oferecidos pela Teoria
dos Jogos, que envolve a formulação matemática para a estratégia
e a análise dos conflitos; e a Teoria dos Grafos se fundamenta em
redes e diagramas que podem ser usados para diferentes propósitos
(principalmente na gestão de projetos). Entendeu? Ao longo desta
unidade letiva você vai mergulhar neste universo!
OBJETIVOS
Olá. Seja muito bem-vindo à Unidade 2. Nosso objetivo é auxiliar
você no desenvolvimento das seguintes competências profissionais até o
término desta etapa de estudos:
1. Aplicar os procedimentos básicos de modelagem e de resolução

de problemas a diversas situações da vida prática.
2. Compreender o conceito e a aplicação prática da Teoria dos Jogos

no processo de resolução de problemas.
3. Aplicar Teoria das Filas e seus conceitos na Pesquisa Operacional.
4. Discernir sobre os objetivos da Teoria dos Grafos, visando sua

aplicação na resolução de problemas.
Visão geral da modelagem e resolução de

problemas
OBJETIVO:
Ao término deste capítulo você será capaz de entender

como funciona o processo de modelagem. Isto será
fundamental para o exercício de sua profissão, sobretudo
nos processos de resolução de problemas. As pessoas
que tentaram resolver problemas complexos sem a devida
instrução quanto ao processo de modelagem tiveram
problemas quanto aos resultados. E então? Motivado para
desenvolver esta competência? Então vamos lá. Avante!
Segundo Longaray (2013), a Pesquisa Operacional é a mais

expressiva representante das abordagens direcionadas ao processo
decisório. Ela oferece um arcabouço de ferramentas matemáticas e
estatísticas, a exemplo da programação linear, da otimização combinatória
e da simulação, que são utilizados para os mais variados tipos de decisão.
A Pesquisa Operacional aplica modelos como aporte científico para

a estruturar as decisões. Isso pressupõe que um praticante da Pesquisa
Operacional precisa dominar as características essenciais da modelagem
de problemas (LONGARAY, 2013). Na unidade anterior, falamos sobre
modelagem de maneira simplória, pois focamos nos tipos de ferramentas
computacionais que são utilizadas para esquematizar cenários, atividades,
decisões etc. Você recorda dessa abordagem? O que você imagina a
respeito da definição desse tipo de modelo? Vamos conhecer um pouco
mais sobre os principais elementos que constituem um modelo?
Um modelo é uma representação matemática, simbólica ou

descritiva, de um conjunto de eventos físicos, ou aspectos subjetivos,
considerados relevantes para determinado decisor em um contexto
específico (LONGARAY, 2013). Segundo Longaray (2013), os modelos
concebidos matematicamente são mais aplicados pelos praticantes
das técnicas da Pesquisa Operacional. Em sua forma mais resumida, um
modelo matemático é formado pelos seguintes elementos: variáveis,
restrições, critérios, objetivo(s), descritas a seguir.
• As variáveis de um problema são classificadas como controláveis

e não controláveis, conforme segue:
• Variáveis controláveis – são aquelas sobre as quais o decisor pode

operar para alcançar seus objetivos.
• Variáveis não-controláveis – são aquelas sobre as quais não é

possível ter controle, mas que interferem nas consequências ou
nos resultados de uma decisão.
• O objetivo diz respeito à uma função matemática que aponta o

que se quer obter em determinada decisão.
• Restrições – expressam as relações matemáticas presentes entre

as variáveis do problema e as limitações levantadas no cenário de
uma decisão.
• Critérios – consistem em uma função matemática que mensura o

desempenho de uma ação ou preferência.
Dados os principais elementos de um modelo matemático, você

precisa compreender o que constitui um algoritmo. O Algoritmo diz respeito
à estrutura lógica que revela as relações matemáticas entre as variáveis
e constantes do problema, formada pelo objetivo, pelas restrições e pelo
critério do modelo. É assim chamada de algoritmo (LONGARAY, 2013).
Figura 1 – Pessoas analisando objetivos e dados
Fonte: Freepik
Para reforçar esses elementos, a figura 1 ilustra pessoas analisando

um conjunto de elementos que podem ser inseridos em um processo de
modelagem, a exemplo de um alvo (simulando o objetivo), de gráficos,
de textos etc.
Exemplo: Para proporcionar melhor compreensão, observe a

seguinte adaptação do exemplo ilustrado por Longaray (2013):
• João trabalha na sede da empresa Alpha, instalada em São Paulo (SP).
• Deverá viajar a negócios para o Rio de Janeiro (RJ) nas próximas cinco
semanas, nos seguintes dias: segundas, terças e quartas-feiras.
• O custo da viagem aérea regular (ida e volta) é R$ 400 e existe um

desconto de 20%, caso a passagem inclua pelo menos um final de
semana.
• A passagem somente de ida custa 75% do preço da passagem

regular.
Considerando que existe somente uma ponte aérea, com voos no

início da manhã, e a fim de economizar uma diária de hospedagem, João
deve ir para o Rio de Janeiro sempre às segundas-feiras e o retorno deve
ser obrigatoriamente às quartas-feiras, em função dos compromissos na
cidade de São Paulo.
Baseado nessas informações e nas características descritas para

cada elemento que constitui um modelo, vamos apontar os elementos
de um modelo identificado a partir da situação exemplificada para João.
Aproveite essa oportunidade para refletir: primeiro observe as perguntas
(primeira coluna do Quadro 1); na sequência, desenvolva sua resposta
para as questões; e observe os elementos fornecidos como gabarito (isto
é, as respostas esperadas).
Quadro 1 – Modelo proposto baseado no exemplo
Pergunta Resposta
O número de passagens regulares, o número

Quais são as variáveis
de passagens de ida e o número de passagens
controláveis desta situação?
promocionais a serem compradas.
Quais são as variáveis não

Não existem variáveis não controláveis neste contexto.
controláveis desta situação?
Adquirir passagens aéreas que possibilitem cumprir

a agenda de compromissos no Rio de Janeiro,
Qual é o objetivo do modelo?
assegurando o menor custo possível para a
organização.
Viajar para o Rio de Janeiro, de forma compulsória, na

Quais são as restrições
segunda-feira, e, retornar para São Paulo na quarta-
presentes?
feira.
Qual critério deve ser usado? O preço da passagem aérea.
Fonte: Elaborado pela autora com base em Longaray (2013).
Com base no exemplo, conseguiu compreender o que constitui um

modelo matemático, bem como identificar seus elementos na prática?
Para fixar melhor o conteúdo, teremos outras oportunidades para reflexão
e prática. Aguarde! A partir de agora, vamos compreender um pouco
sobre as classes de modelos usados no campo da Pesquisa Operacional.
Segundo Longaray (2013), os modelos da Pesquisa Operacional são

organizados em dois grupos: os modelos de otimização e os modelos de
simulação. No que se refere aos modelos de otimização, compreende-se
que tratam de uma representação matemática de determinada situação
problemática, com a finalidade de definir o melhor resultado possível para
a decisão (LONGARAY, 2013).
Segundo Andrade (2017), os procedimentos para construção dos

modelos de otimização são:
1. Definição do problema – diz respeito ao reconhecimento do

administrador sobre um problema para o qual é indicada a procura
da melhor solução e pela pesquisa dos valores ótimos das variáveis
de decisão. Andrade (2017) destaca que, no geral, aplicar técnicas
de otimização será mais útil que as de simulação, para buscar uma
solução ótima, ou com resultado aproximado, quanto:
• Há muitas variáveis de decisão ou quando essas variáveis

assumem valores em uma ampla faixa de viabilidade, o que torna
os modelos de simulação lentos.
• Há restrições nos recursos ou nas variáveis que tornam complexa

a seleção dos valores das variáveis.
• Existem algumas variáveis que devem ter seus valores calculados

de maneira exata, respeitando as restrições ou evitando grandes
variações no resultado.
2. Identificação das variáveis relevantes – inclui o conjunto de

variáveis relevantes para um modelo de otimização.
3. Formulação da função – reflete o critério de otimização das

variáveis de decisão e escrita em forma matemática.
4. Formulação das restrições – diz respeito ao reconhecimento das

limitações intrínsecas aos elementos do sistema em análise.
5. Escolha do método – inclui a seleção do tipo do modelo

matemático, das análises e questões às quais o modelo deve
fornecer subsídios, bem como do software.
6. Aplicação do método de solução – corresponde ao exercício

matemático que pode ser realizado manualmente ou por
computador.
7. Avaliação da solução – ao obter a solução, esta deve ser avaliada

à luz das expectativas e experiências do administrador, antes de
ser implementada.
Diante do exposto, podemos entender que os modelos de

otimização balanceiam consequências positivas e negativas relacionadas
a um processo de decisão. Ou seja, sugere a avaliação e a seleção de
alternativas ótimas baseado na análise dos prós e contras, conforme
simboliza a figura 2.
Figura 2 – Comparação de consequências de uma decisão
Fonte: Freepik
Em relação aos modelos de simulação no campo da Pesquisa

Operacional, entende-se que são representações matemáticas de um
sistema físico ou abstrato, com o propósito de observar o comportamento
desse sistema quando os valores das variáveis que o compõem são
modificados. Esse tipo de modelo não fornece a melhor alternativa
possível, mas oferece um conjunto de alternativas viáveis para apoiar a
resolução de um problema. Sobre os modelos de simulação, Longaray
(2013) faz as seguintes considerações:
• Fazem uso de ferramentas estatísticas, a exemplo da distribuição

de Poisson, as tabelas de números aleatórios, as séries temporais,
entre outros.
• Os usuários têm de realizar tantas simulações quantas forem

necessárias até obter um número suficiente de alternativas que
expressam um desempenho aceitável para o sistema estudado.
• Cabe ao decisor selecionar qual é a alternativa mais desejável no

contexto analisado.
• Os modelos baseados em métodos probabilísticos, como a Teoria

das Filas e a técnica de simulação de Monte Carlo, são exemplos
clássicos de técnicas da Pesquisa Operacional que usam modelos
de simulação.
Diante dessas características, a figura 3 mostra uma análise de

gráficos que pode simbolizar a comparação de cenários e resultados
diferentes, o que constitui uma das principais características da simulação.
Figura 3 – Comparação de diferentes desempenhos
Fonte: Freepik
Para Andrade (2017), os procedimentos para a construção dos

modelos de simulação incluem os seguintes passos:
1. Definição do problema – essa fase inclui as seguintes etapas:

(a) detalhamento das informações de que o decisor precisa; (b)
acentuação do procedimento do sistema que interessa mais de
perto ao analista; (c) levantamento das questões que devem ser
respondidas.
2. Identificação das variáveis importantes a seguir.
a. Variáveis endógenas – são variáveis que revelam aspectos de

interesse do sistema, identificados no primeiro passo.
b. Variáveis exógenas – representam valores relevantes determinados

por influências externas ao sistema e abrangem também variáveis
que estão sob controle e decisão direta do gerente.
3. Critérios de avaliação – são os indicadores de desempenho

do sistema analisado que formam os critérios de avaliação e
comparação das soluções alternativas.
4. Formalização das equações do modelo – desenvolvimento das

relações entre as variáveis são escritas em termos matemáticos.
5. Codificação do modelo – quando os modelos são grandes

e complexos devem ser programados para a resolução por
computadores por especialistas no assunto.
6. Teste do modelo – são procedimentos realizados com o objetivo

de ajustar o modelo ao que se espera dele e validá-lo, de forma
a promover sua aceitação. Essa etapa, às vezes, pode envolver a
análise de dados passados para se verificar a conformidade dos
resultados obtidos com os resultados obtidos na vida real.
7. Aplicação do modelo – essa fase deve permitir gerar respostas

para as questões identificadas na primeira etapa. Nesta etapa,
também é possível realizar uma análise de sensibilidade. Esta será
tratada em outra unidade, mas basicamente busca responder a
seguinte questão: “O que aconteceria ao realizar algum ajuste ou
alteração no modelo...?”.
Para Lachtermacher (2016), os modelos podem ser usados como

instrumentos consistentes para a avaliação e a divulgação de diferentes
políticas organizacionais. Nesse sentido, as seguintes vantagens podem
ser obtidas quando um decisor realiza um processo de modelagem para
apoiar a tomada de decisão:
• Os modelos obrigam os decisores a tornarem explícitos seus

propósitos.
• Os modelos permitem identificar e o armazenar diferentes

decisões que influenciam os objetivos.
• Os modelos permitem identificar e o armazenar os relacionamentos

entre as decisões.
• Os modelos permitem levantar as variáveis a serem consideradas,

bem como em que termos elas serão quantificáveis.
• Os modelos conduzem ao reconhecimento de limitações.
• Os modelos possibilitam o compartilhamento de suas ideias e sua

compreensão para facilitar o trabalho de grupo.
Para Andrade (2017), os modelos também são classificados

conforme a natureza de sua contribuição para o processo decisório das
organizações. Os tipos principais de modelos são: modelos prescritivos,
modelos preditivos, modelos descritivos, modelos de análise estatística.
Eles são descritos a seguir.
No que se refere aos modelos prescritivos – geralmente, são

modelos de otimização que podem responder à seguinte solução: indicar
a melhor coisa que pode ocorrer. Ou seja, eles podem sinalizar para os
gerentes os valores das variáveis independentes que podem gerar o valor
ótimo para uma variável dependente Y.
IMPORTANTE:
Como vimos, os modelos de otimização são fundamentados

em relações matemáticas. E podem ser representadas
genericamente como: Y = 5f(x1, x2, ... , xn), em que x1, x2, ..., xn
são variáveis independentes e estão sob controle da
gestão. Por sua vez, a variável dependente representa a
meta ou o objetivo almejado(a). Além disso, importante
destacar que os modelos prescritivos exigem do analista
o conhecimento da relação funcional que conecta as
variáveis independentes x1 à variável dependente Y
(ANDRADE, 2017).
Em relação aos modelos preditivos, Andrade (2017) afirma que são

modelos de simulação que têm a finalidade de estimar valores futuros
para o objetivo, sinalizando o que poderá ocorrer. Em alguns casos,
a relação funcional entre as variáveis independentes e dependente
reconhecida (veja o exemplo do modelo de simulação a seguir). Em outros
casos, sugere-se a realização de uma análise estatística para estimar essa
relação funcional.
Com relação aos modelos descritivos, Andrade (2017) afirma que

eles também assumem a forma de modelos de simulação, mas existe uma
incerteza a respeito dos valores futuros para as variáveis independentes.
Eles normalmente ajudam a entender o que pode acontecer se uma
tendência continuar, assim, produzem cenários futuros cuja possibilidade
de concretização é definida a partir de probabilidades subjetivas.
Por sua vez, os modelos de análise estatística são fundamentados

em todos os métodos estatísticos (descritivo, diferencial, inferencial,
bayesiano, de regressão, multivariado, entre outros) que constituem os
módulos analíticos de softwares amplamente usados pelas organizações.
Eles são geralmente aplicados para compreender o que está acontecendo
(ANDRADE, 2017).
Segundo Andrade (2017), o processo para realizar uma decisão é o

mesmo: o indivíduo percebe e explora o problema (realizando uma análise
sobre o escopo, a importância, o valor, as consequências da ação ou da
inação etc.); na sequência, desenvolve alternativas de resolução e define
critérios para a seleção de uma alternativa; por sua vez, avalia as opções
e obtém uma conclusão. No que se refere aos papéis desses modelos no
contexto de decisão, Andrade (2017) aponta:
• Observação da estrutura do sistema real em análise.
• Representação das informações e suas relações.
• Análise e avaliação do valor de cada opção.
• Ferramenta de comunicação e discussão com outros indivíduos.

RESUMINDO:
E então? Gostou do que lhe mostramos? Aprendeu

mesmo tudinho? Agora, só para termos certeza de
que você realmente entendeu o tema de estudo deste
capítulo, vamos resumir tudo o que vimos. Você deve
ter aprendido que um modelo é uma representação
matemática, simbólica ou descritiva, de um conjunto
de eventos físicos, ou aspectos subjetivos relevantes
para um decisor em um cenário específico. Os modelos
mais utilizados no campo da Pesquisa Operacional são
formados por: variáveis, restrições, critérios, objetivo. Por
sua vez, a estrutura que reúne esses elementos é chamada
de Algoritmo. Os modelos da pesquisa operacional são
organizados em duas classes: (i) modelos de otimização,
inclui uma representação matemática de determinada
situação problemática, com a finalidade de definir o melhor
resultado possível para a decisão. Os procedimentos para
construção dos modelos de otimização são: definição
do problema, identificação das variáveis, formulação da
função, formulação das restrições, escolha do método,
aplicação do método de solução, e avaliação da solução;
(ii) modelos de simulação, não fornece a melhor alternativa
possível, mas oferece um conjunto de alternativas viáveis
para a resolução de um problema. Os procedimentos
para a construção dos modelos de simulação incluem os
seguintes passos: definição do problema, identificação das
variáveis importante, critérios de avaliação, formalização
das equações do modelo, codificação do modelo teste
do modelo, aplicação do modelo. Por sua vez, quanto à
natureza, os principais modelos usados para o processo
decisório das organizações podem ser: modelos
prescritivos, modelos preditivos, modelos descritivos,
modelos de análise estatística.
Teoria dos Jogos

OBJETIVO:
Ao término deste capítulo você será capaz de entender o

conceito e a aplicação da Teoria dos Jogos no processo de
resolução de problemas. As pessoas que compreendem
esse assunto podem demonstrar maior facilidade na
compreensão e na resolução de problemas. E então?
Motivado para desenvolver esta competência? Então
vamos lá. Avante!
Introdução à Teoria dos Jogos

Para começar, você precisa conhecer como se deu o processo de
evolução da Teoria dos Jogos, sobretudo as principais referências que
contribuíram para o surgimento desse conceito. Segundo Fiani (2015),
vários autores foram precursores da Teoria dos Jogos. Talvez o primeiro a
desenvolver elementos importantes do método que seria formalizado e
aplicado posteriormente na solução de um jogo tenha sido o matemático
francês Antoine Augustin Cournot (1801-1877), que publicou em 1838
seu livro Recherches sur les Principes Mathématiques de la Théorie des
Richesses. Nesta obra, ele apresentou o modelo de duopólio que hoje
leva seu nome. Naquele modelo, duas organizações fabricando um
bem homogêneo definiram que quantidade cada uma iria produzir,
entendendo que a quantidade que a outra produzisse afetaria seus
desempenhos financeiros (lucros). Ele apresentou uma solução em que
as duas organizações decidiam produzir quantidades compatíveis entre si.
No século XX, o método aplicado por Cournot foi considerado por

alguns economistas um precursor da análise de equilíbrio em jogos não
cooperativos e também uma aplicação do mesmo método que John Nash.
Desse modo, existem algumas menções na literatura a um equilíbrio de
Cournot-Nash. Roger B. Myerson argumenta que isso é um equívoco, pois
ainda que possamos considerar Cournot o fundador da análise moderna
do oligopólio, não existe fundamento para considerá-lo o fundador da
Teoria dos Jogos. Para Myerson a solução de duopólio, embora apresente
propriedades do método que seria mais tarde aplicado em jogos não

cooperativos, não se pretendeu uma teoria geral das relações estratégicas
entre jogadores, o que caracterizaria a análise de Cournot como fundadora
da Teoria dos Jogos. Por outro lado, Robert J. Leonard destaca que houve
uma nova interpretação de Cournot com base nos trabalhos de Nash, o
que torna ainda mais questionável a primazia de Cournot sobre Nash na
criação da Teoria dos Jogos.
Outro precursor relevante do advento da Teoria dos Jogos foi o

matemático Ernst Friedrich Ferdinand Zermelo (1871-1953). Ele demonstrou
que o jogo de xadrez sempre tinha uma solução, isto é, a partir de qualquer
posição das peças no tabuleiro, um dos agentes tem sempre um curso
de ação vitorioso, independente da ação do outro jogador. Para facilitar a
compreensão, a figura 4 mostra um tabuleiro de xadrez.
Figura 4 – Tabuleiro de xadrez
Fonte: Freepik
Um terceiro precursor é o matemático francês Félix Edouard Justin

Emile Borel (1871-1956). Ele foi o primeiro a formular o conceito de estratégia,
à qual denominou “método de jogo”, e que definiu como um “código que
estabelece para cada situação possível o que o jogador deve fazer”.
Apesar desses precursores, a origem da Teoria dos Jogos está

vinculada ao nome do matemático John von Neumann (1903-1957). Em
sua primeira publicação sobre o assunto demonstrou que a solução
para jogos de soma zero pode ser estabelecida com base em técnicas
matemáticas.
Importante destacar que, como instrumento de análise das

interações entre indivíduos e organizações na sociedade, especialmente
na economia, os jogos de soma zero se mostram restritivos. Era preciso
identificar ferramentas teóricas para analisar uma diversidade maior de
modelos de interação estratégica. Esses instrumentos seriam elaborados,
a partir de 1950, por John F. Nash, Jr., John C. Harsanyi e Reinhard Selten,
o que resultou em uma premiação com o Nobel de Economia em 1994.
Segundo Chiavenato (2014) a Teoria dos Jogos sugere uma

formulação matemática direcionada para a estratégia e a análise dos
conflitos.
DEFINIÇÃO:
A definição de conflito abrange oposição de forças, de

interesses ou de pessoas que resulta uma ação dramática.
Uma situação de conflito acontece quando um indivíduo
ganha e outro perde, uma vez que os objetivos visados são
indivisíveis, antagônicos e incompatíveis (CHIAVENATO, 2014).
Em outras palavras, a Teoria dos Jogos é aplicada a conflitos (jogos)

que envolvem disputa de interesses entre dois ou mais intervenientes, no
qual cada jogador pode exercer uma variedade de ações, definidas pelas
regras do jogo. A quantidade de estratégias disponíveis é finita e, portanto,
enumerável. Uma estratégia aponta o que será realizado em determinada
situação. Ao reconhecer todas as estratégias dos jogadores, pode-se
estimar os possíveis resultados (CHIAVENATO, 2014). Para proporcionar
melhor compreensão, a figura 5 ilustra uma oposição de interesses e
objetivos entre pelo menos dois indivíduos, o que configura uma das
principais características do conflito, conforme pode ser observado em
sua definição.
Considerando o exposto sobre conflitos, vamos refletir um pouco?

Você já se encontrou em uma situação de conflito? Quais os interesses e
objetivos distintos que você consegue levantar a respeito dessa situação?
De que forma este conflito foi solucionado? Utilizaram alguma ferramenta
da literatura? Você acha que a Teoria dos Jogos pode ser aplicada neste
caso? Vou te ajudar a identificar, de forma técnica e embasada na literatura
especializada deste campo do conhecimento, quais as características das

situações que necessitam de aplicação da Teoria dos Jogos. Vamos lá?
Figura 5 – Ilustração de duas pessoas disputando
Fonte: Freepik
Sobre esse assunto, Chiavenato (2014) destaca que a Teoria dos

Jogos é aplicável quando:
a. A quantidade de participantes é finito.
b. Os participantes possuem um número finito de estratégias.
c. Os participantes reconhecem as estratégias ao seu alcance.
d. Os participantes conhecem as estratégias ao alcance do

adversário, ainda que desconheça qual será o curso de ação
selecionado por ele.
e. Os jogadores envolvidos intervêm de cada vez e o jogo possui

“zero-soma”, ou seja, completamente competitivo: os benefícios
de uma parte são as perdas da outra, e vice-versa. Quando os
jogadores escolhem suas respectivas estratégias, o resultado do
jogo indicará as perdas ou os ganhos finitos, que dependem das
estratégias selecionadas. Os resultados de todas as combinações
de ações são calculáveis. A figura 6 ilustra uma maratona de
empresários para simbolizar a competitividade existente no dia
a dia, principalmente no cenário de negócios em que pessoas
buscam assegurar a sobrevivência em um mercado marcado por
constantes mudanças em diferentes áreas (economia, sociedade,
meio ambiente etc.).
Figura 6 – Empresários competindo
Fonte: Freepik
Como você deve ter observado, os jogos são disputas que

envolvem diferentes indivíduos, propósitos, curso de ação, entre outras
características. E para facilitar a sua compreensão acerca dos elementos
envolvidos em um jogo, no contexto da Teoria dos Jogos, Chiavenato
(2014) descreve uma terminologia própria dessa área, a saber:
• Jogador – representa cada participante envolvido.
• Partida ou disputa – quando cada participante seleciona um curso

de ação.
• Estratégia – regra de decisão pela qual o participante define seu

curso de ação. Os jogadores nem sempre conhecem as estratégias
dos adversários.
• Estratégia mista – ocorre quando o jogador usa todos os cursos

de ação possíveis, em uma proporção fixa. Nesse sentido, para
proporcionar melhor compreensão, a figura 7 mostra um conjunto
de flechas, que simbolizam a diversidade de caminhos, estratégias,
cursos de ação disponíveis para um jogador, considerando que
ele possui estratégias mistas, isto é, mais de uma alternativa.
Figura 7 – Conjunto de flechas
Fonte: Pixabay
• Estratégia pura – acontece quando o jogador usa somente um

curso de ação. Para proporcionar melhor compreensão sobre essa
estratégia, a figura 8 mostra uma flecha ou seta, que simboliza
a disponibilidade de apenas uma estratégia (curso de ação) para
determinado jogador.
Figura 8 – Seta indicando caminho único
Fonte: Freepik
• Matriz – se refere à tabela que apresenta os resultados de todas

as disputas possíveis.
• Os números da matriz significam os valores ganhos pelo jogador.
• Os valores negativos expressam perdas.

• Teoria é estática – trabalha somente com valores dados, fixos e

independentes do resultado do jogo, diferente das situações
concretas que são dinâmicas (ou seja, não possuem valores fixos).
Por sua vez, Fiani (2015) destaca que um jogo possui as seguintes
características:
• Situações de interações entre agentes racionais que se posicionam

de forma estratégica e podem ser analisadas de maneira formal
como um jogo. Dessa forma, um jogo é uma representação formal
que possibilita a análise das situações onde agentes se relacionam
entre si atuando racionalmente. A figura 9 mostra duas pessoas
pensando para ilustrar que um jogo necessita da articulação de
indivíduos racionais para que seja possível a identificação de
objetivos e metas, o levantamento de estratégias etc.
Figura 9 – Pessoas refletindo
Fonte: Freepik
Para compreender melhor essa característica, precisamos entender

o que o Fiani (2015) quis dizer quanto utilizou os seguintes elementos:
• Modelo formal – significa que a Teoria dos Jogos inclui técnicas

de descrição e análise, há regras predefinidas para mostrar e
analisar um jogo. Dessa forma, a exploração dessas técnicas é um
elemento fundamental para a compreensão da teoria.
• Interações – diz respeito ao impacto que as ações de cada agente

causam para os demais participantes.
• Agentes (jogadores) – pode ser qualquer indivíduo ou grupo de

indivíduos (empresas, governos, sindicatos, partidos políticos etc.)
com capacidade de decidir para afetar os demais.
Exemplo: Um indivíduo sozinho pode ser um jogador, a exemplo

de um empregado que decide se vai ou não solicitar um aumento a seu
patrão; ou um grupo de pessoas pode ser um agente, a exemplo de um
grupo de empregados que decidem fazer greve para solicitar melhores
salários (FIANI, 2015).
• Racionalidade – considerar que os agentes são racionais significa

dizer que os indivíduos aplicam os meios mais apropriados aos
objetivos.
• Comportamento estratégico – compreende-se que cada jogador,

ao escolher a sua própria decisão, considerado o fato de que os
jogadores interagem entre si e que, assim, sua decisão terá impacto
sobre os demais indivíduos, da mesma forma, as decisões dos
outros jogadores terão consequências sobre ele. Para facilitar a
compreensão, a figura 10 ilustra uma rede de pessoas reforçando
que, em um jogo, as pessoas estão interligadas de forma que
podem impactar ou serem impactadas por qualquer estratégia
executada.
Figura 10 – Pessoas conectadas
Fonte: Freepik
Diante do exposto, os jogadores realizam decisões estratégicas,

no sentido preciso de que suas decisões não incluam somente seus
objetivos e suas alternativas de escolha, mas também os objetivos e as
possibilidades relacionados aos demais jogadores.
Apesar das características levantadas, é importante destacar que

há jogos que não incluem decisões estratégicas (FIANI, 2015). Muito
provavelmente você já ouviu falar ou tem conhecimento a respeito desse
tipo de jogo: Jogos de sorte. Nesse sentido, a figura 11 mostra uma roleta
em um cassino (que é um exemplo de jogo de sorte).
Figura 11 – Roleta em um cassino
Fonte: Pixabay
Considerando esse exemplo, você percebe que não há

considerações de natureza estratégica em apostar na roleta, caso não
exista manipulação dos resultados? Ou seja, os indivíduos dependem da
sorte, de algo que vai acontecer por acaso.
Diante do exposto, você compreende quais são os principais

elementos de um jogo? E que nem todos os jogos envolvem estratégia?
Compreender essa diferença entre jogos que envolvem estratégias
definidas de forma racional e jogos que dependem de sorte, certamente
vai lhe ajudar a fixar melhor o que constitui um jogo no campo da Teoria
dos Jogos.
Levando em consideração que você já refletiu a respeito desses

aspectos, a partir de agora, vamos fazer algumas considerações
importantes para que compreenda as principais contribuições
proporcionada pela Teoria dos Jogos. Vamos continuar?
Segundo Fiani (2015), o estudo de Teoria dos Jogos oferece duas

principais vantagens, a saber:
A primeira vantagem diz respeito ao fato de que a Teoria
dos Jogos ajuda a compreender teoricamente o processo
de decisão de pessoas que interagem entre si, com base
na compreensão da lógica da situação em que estão
inseridos.
Destacamos o termo “teoricamente”, pois envolve o estudo, por

meio de abstrações, de como se desenvolve um processo de tomada
de decisão. A utilização de abstrações significa remover da análise todos
os fatores particulares e acidentais que podem interferir no resultado do
processo explorado, o que não significa esses fatores não possam ser
relevantes para o resultado final em uma situação concreta (FIANI, 2015).
Desse modo, a Teoria dos Jogos permite identificar a lógica do

processo de interação analisado, respeitando as hipóteses dessa teoria e
usando um modelo adequado às circunstâncias do caso. Assim, não basta
apenas conhecer a teoria, mas também saber os limites do conhecimento
oferecidos pela teoria (FIANI, 2015).
A segunda vantagem está associada ao auxilio oferecido pela

Teoria dos Jogos para desenvolver o raciocínio estratégico, analisando
as possibilidades de interação entre os agentes, em particular aquelas
direcionadas à intuição. Esta é uma excelente forma de desenvolver um
raciocínio estratégico, pois quando indivíduos ou organizações estão
engajados em processos de interação estratégica, existem algumas
possibilidades que dificilmente seriam percebidas sem o apoio da Teoria
dos Jogos.
Com base no exposto, você consegue observar que a Teoria dos

Jogos possibilita uma leitura mais precisa de um processo de decisão,
oferecendo a oportunidade de os indivíduos se posicionarem de forma
mais estratégica? Esta é uma boa oportunidade para refletir! Além dessa
compreensão, você precisa entender a respeito de sua aplicação no

cenário de negócios.
Para Chiavenato (2014), a Teoria dos Jogos é usada principalmente

em análises de concorrência em mercados competitivos, por exemplo:
disputa de clientes ou consumidores quando existe uma forte competição;
disputa de recursos financeiros no cenário financeiro ou de capitais;
disputa por recursos de produção no mercado de fornecedores ou de
matérias-primas etc.
RESUMINDO:
E então? Gostou do que lhe mostramos? Aprendeu mesmo

tudinho? Agora, só para termos certeza de que você
realmente entendeu o tema de estudo deste capítulo,
vamos resumir tudo o que vimos. Você deve ter as principais
referências que contribuíram para a evolução da Teoria dos
Jogos, como: Antoine Augustin Cournot, Ernst Friedrich
Ferdinand Zermelo, Félix Edouard Justin Emile, John von
Neumann, entre outros. A Teoria dos Jogos sugere uma
formulação matemática para a estratégia e a análise dos
conflitos, onde a estratégia diz respeito ao curso de ação e
o conflito é caracterizado por uma oposição de interesses
ou de pessoas que resulta uma ação dramática. No que se
refere aos principais elementos da Teoria dos Jogos, você
deve compreender os seguintes termos: jogador, partida,
estratégia (pura ou mista), Matriz e Teoria estática. Além
disso, entender o que significa as principais características
de um jogo: interações entre agentes, racionalidade,
comportamento estratégico, modelo, forma etc. Apesar
dessas características, também foi destacado que alguns
jogos não incluem decisões estratégicas, como é o caso
dos jogos de sorte. Por fim, você deve entender que as
principais vantagens da Teoria dos Jogos estão relacionadas
à melhor compreensão de um processo decisório e ao
apoio oferecido quanto ao estabelecimento de estratégia;
ademais, que a Teoria dos Jogos é usada principalmente
em análises de concorrência em mercados competitivos.
Teoria das Filas

OBJETIVO:

como funciona a Teoria das Filas, sobretudo no contexto da
Pesquisa Operacional. Isto será fundamental para o exercício
de sua profissão. As pessoas que tentaram administrar
operações, serviços e outras atividades sem a devida
instrução tiveram problemas quanto ao uso otimizado
do tempo e de outros recursos. E então? Motivado para
desenvolver esta competência? Então vamos lá. Avante!
Introdução à Teoria das Filas

No primeiro capítulo desta Unidade, você deve ter compreendido
que os modelos são utilizados no campo da Pesquisa Operacional para
estruturar as decisões. Quando tratamos desse assunto, é indispensável
considerar o que significa a Teoria das Filas, que corresponde a um
dos caminhos possíveis para desenvolver um modelo em determinado
contexto. De acordo com Prado (2017), a modelagem de sistemas pode
ser realizada por meio de duas abordagens diferentes entre si: a Teoria
das Filas e a simulação.
• Teoria das Filas: se refere a um método analítico que trata o

assunto por meio de fórmulas matemáticas.
• Simulação: corresponde a uma técnica que, usando o computador

digital, procura desenvolver um modelo que melhor represente o
sistema explorado.
O nosso foco neste capítulo seja a Teoria das Filas, mas é

importante destacar que o método de simulação é o mais utilizado nos
últimos anos. Ela permite simular o funcionamento de um sistema real.
Os atuais programas de computador possibilitam desenvolver modelos
nos quais é possível observar em uma tela o comportamento do sistema
em estudo, ou seja, podemos consultar o funcionamento de um banco,
uma fábrica, um porto, um escritório, entre outros. Diante disso, antes de
realizar alterações em uma organização real, conseguimos interagir com

uma organização virtual (PRADO, 2017).
Embora exista a possibilidade de realizar simulações por meio de

recursos computacionais e este seja o caminho mais utilizado nos últimos
anos, é importante explorar ou compreender as principais características
de técnicas clássicas da Pesquisa Operacional que fazem uso de modelos
de simulação baseados em métodos probabilísticos, como é o caso da
Teoria das Filas.
Segundo Chiavenato (2014) a Teoria das Filas consiste na otimização

de arranjos em situações de aglomeração e de espera, apoiando-se em
técnicas matemáticas variadas. Ela cuida dos pontos de estrangulamento
e dos tempos de espera, isto é, das demoras constatadas em algum
ponto de serviço. A figura 12 mostra pessoas aguardando em uma fila para
ilustrar uma situação de espera que pode ser estudada com o auxílio de
técnicas matemáticas.
Figura 12 – Pessoas de negócios aguardando em fila
Fonte: Freepik
A maior parte dos trabalhos de Teoria das Filas volta-se para

problemas de gargalos e esperas, envolvendo ligações telefônicas,
problemas de tráfego, cadeias de suprimentos e logística, bem como o
atendimento a clientes em instituições bancárias. Seus principais pontos
de interesse são: (a) o tempo de espera dos clientes, (b) a quantidade de
clientes na fila, bem como (c) a razão entre o tempo de espera e o tempo
de prestação de serviço (CHIAVENATO, 2014).
IMPORTANTE:
Ter de esperar não se limita a esses transtornos pessoais

de relativa importância. O tempo que uma população
perde em filas é um importante fator na qualidade de
vida das pessoas e na eficiência da economia de uma
região. Veja o caso dos Estados Unidos: estima-se que os
norte-americanos gastem 37.000.000.000 horas por ano
aguardando em filas. Se esse período fosse gasto de forma
produtiva, resultaria em aproximadamente 20 milhões de
pessoas-ano de trabalho útil por ano (HILLIER, 2006).
Segundo Chiavenato (2014) a Teoria das Filas proporciona muitos

aportes à Administração, tais como:
• Teoria das Restrições – esta destaca que as maiores filas estão na

frente dos gargalos que obstruem e atrasam o processo produtivo.
Tais gargalos funcionam como restrições ao sistema. Essas
restrições estabelecem o andamento do sistema produtivo, e não
os seus pontos de eficiência. O importante ao gestor é diagnosticar
as restrições e agir sobre elas no sentido de minimizar os gargalos,
subordinando a eficiência dos processos aos pontos de gargalo ou
engarrafamento.
• Just-in-time (JIT) – corresponde a um sistema de controle de

inventário que programa os materiais a fim de que cheguem com
precisão no tempo em que sejam necessários à linha de produção.
Seu objetivo é desenvolver processos produtivos simples e
enxutos, sem itens em estoque, com uma quantidade mínima de
materiais em processamento e com uma linha de filas eficientes e
sem gargalos ou restrições.
• Kanban (cartão em japonês) – consiste em um método para

otimizar o uso e a reposição de inventários para evitar esperas ou
excesso de materiais em estoque ou em processamento.
Ao entender que a Teoria das Filas possibilita a otimização de

arranjos em situações de aglomeração e de espera, com base em
técnicas matemáticas, bem como que ela traz contribuições significantes
para o campo da administração (que pode envolver pessoas tomando
decisões em diferentes níveis organizacionais e é indispensável para
diferentes tipos de profissionais), é necessário reconhecer os principais
elementos de uma fila. Sobre esse aspecto, Chiavenato (2014) aponta que
uma situação de fila é composta pelos seguintes elementos:
• Clientes ou operações.
• Passagem ou ponto de serviço por onde passam os clientes ou as

operações.
• Processo de entrada (input).
• Uma disciplina quanto à fila.
• Uma organização de serviço.
Diante disso, a situação de fila ocorre quando clientes ou usuários

desejam prestação de serviço; cada indivíduo se aproxima do ponto de
serviço e ocorre um período de prestação de serviço, que é finalizado
quando o cliente se retira. Por sua vez, os demais clientes aguardam a sua
vez, ou seja, formam uma fila (CHIAVENATO, 2014).
Reconhecidos esses elementos, vamos refletir um pouco sobre o

conceito de filas? Considerando as situações do dia a dia, provavelmente
qualquer pessoa sabe reconhecer ou descrever o que é uma fila, correto?
Mas existem algumas situações que fazem um convite à uma reflexão e
poucas pessoas têm conhecimento sobre o assunto. De toda forma, esta
é uma oportunidade de aprender e/ ou refletir. Vamos lá.
Ampliando a definição de filas, Prado (2017) destaca os seguintes

aspectos:
• Normalmente, entramos em uma fila para pagar as compras

em um supermercado (figura 13), para adquirir um ingresso em
um cinema, para pagar o pedágio em uma estrada, entre outras
situações. Acredito que esse tipo de fila você já enfrentou, não? Ela
envolve eventos que vivenciamos no dia a dia.
Figura 13 – Fila de supermercado
Fonte: Freepik
• Filas existem também em cenários de produção, a exemplo de

lingotes aquecidos em uma aciaria, aguardando pelo serviço de
lingotamento ou caminhões em uma mineração; aguardando, junto
a uma carregadeira, o tempo de serem carregados com minério.
Você já presenciou ou observou ao assistir um jornal, um filme ou
outro vídeo situações como essas? Estas situações podem não ser
atípicas para algumas pessoas que trabalham nesse segmento;
de toda forma, é importante que você compreenda que essas
situações também envolvem filas. Um exemplo desse tipo de fila
é demonstrado na figura 14.
Figura 14 – Caminhos em indústria de armazéns com edifícios de armazenamento
Fonte:Freepik
• Filas podem ser algo abstrato, a exemplo de uma lista no

computador relacionada a pedidos de manufatura em uma
indústria de geladeiras, uma pilha de papéis associadas a
solicitações de reparos de máquinas estragadas dentro de uma
empresa, entre outras situações. Um exemplo desse tipo de fila
(pilha de papéis) é mostrado na figura 15.
Figura 15 – Pilha de papéis sobre a mesa
Fonte: Freepik
• Existem filas que não são vistas como “enfileiradas”, ou seja, são
dispersas. Por exemplo, indivíduos em uma barbearia, aguardando
pela vez de cortar o cabelo; aviões sobrevoando um aeroporto,
aguardando o momento para aterrissar; navios parados no mar,
esperando o momento de atracar no porto para descarregar; entre
outras situações. A figura 16 traz um exemplo desse tipo de fila,
considerando o caso de navio cargueiro em um porto.
Figura 16 – Cargueiro
Fonte: Pixabay
• Filas em computadores também ganharam relevância nos últimos

anos. Neste caso, temos filas de programas aguardando por espaço
na memória para serem atendidos pela UCP (unidade central de
processamento), para procurar um registro de dados em um disco
magnético, ou para acessar a um servidor por intermédio da rede.
A figura 17 traz um programador usando um computador, como
forma de proporcionar melhor compreensão a respeito desse tipo
de fila.
Figura 17 – desenvolvedor trabalhando com sistema de informação
Fonte: Freepik
Então, ficou explícita a variedade de filas que podem fazer parte do

nosso cotidiano? Compreendeu as características dos principais tipos de
Filas? Aproveite esta oportunidade para refletir sobre o assunto. De toda
forma, geralmente, as filas não são agradáveis. Certamente, você não
deseja entrar em uma fila e aguardar pelo serviço; no geral, desejamos
chegar ao local de serviço e ser imediatamente atendido, não é mesmo?
E se a espera é longa, alguns indivíduos ficam irritados, não é mesmo?
Diante do exposto, podemos entender que essas ineficiências

também ocorrem por causa de outros tipos de espera, além daquelas
de indivíduos aguardando em uma fila. Por exemplo: uma máquina
aguardando para serem reparadas pode causar perdas para a produção;
um Veículo esperando para ser descarregados pode atrasar embarques

seguintes; um avião esperando para decolar ou pousar pode impactar
os horários de voos; atrasos em transmissões de telecomunicações pode
acarretar problemas técnicos com os dados; executar um serviço depois
da data combinada pode resultar na perda de futuros negócios etc.
(HILLIER, 2014).
Quando estamos em uma fila, no geral, comparamos o desempenho

da nossa fila com o das outras e geralmente somos conduzidos a pensar
como uma das leis de Murphy: Lei de Murphy: a fila que anda é a outra, e
não adianta trocar de fila porque a fila que anda é a outra (PRADO, 2017).
Você já passou por alguma situação como essa? Já refletiu sobre os efeitos
que esse tempo de espera pode acarretar na nossa experiência como
cidadãos ou como consumidores? Ou até mesmo, para as organizações?
Em função de nossas experiências não satisfatórias, somos

influenciados a assumir algumas posições, como destaca Prado (2017):
não comprar em um supermercado, transferir a conta bancária para
outra agência ou banco etc. Observando essas atitudes pelo ângulo das
empresas, podemos afirmar que elas significam perda de negócio. Por
exemplo, em uma fábrica quando existe fila em um equipamento, além
de aumentar os tempos do ciclo de produção, podem aumentar os custos
e atrasos no atendimento aos pedidos.
Diante desse contexto, a teoria das filas é útil para diferentes tipos
de organizações, pois estuda a espera de diversas maneiras, conforme
Hillier (2006) ela usa modelos de filas para expressar diferentes tipos de
sistemas de filas; é utilizada principalmente para indicar de que maneira
um sistema de filas deve funcionar, especialmente o tempo de espera
médio que ocorrerá, em diferentes circunstâncias.
Os modelos de filas são úteis para definir como operar um sistema

de filas da maneira eficiente. Proporcionar capacidade de atendimento
em excesso para operar o sistema abrange custos demasiados. Por
outro lado, não fornecer uma capacidade de atendimento suficiente gera
espera excessiva e diferentes consequências. Nesse sentido, os modelos
ajudam a encontrar um equilíbrio entre o custo de serviço e o tempo de
espera (HILLIER, 2006).
Dado a importância da Teoria das Filas no ambiente de negócios, a

partir de agora você vai conhecer algumas fórmulas usadas para mensurar
o desempenho de sistemas de filas em estado estacionário, Carter, Price e
Rabadi (2018) se baseia em um tipo de diagrama de transição denominado
de modelo de processo de nascimento e morte. Onde:
• Os estados são caracterizados pela quantidade de clientes no

sistema e, assim, correspondem ao conjunto de não negativos
inteiros. Este número inclui o número na fila mais a quantidade em
serviço.
• Nascimento é a chegada de um cliente, enquanto a morte refere-

se a uma partida.
• Somente um nascimento ou morte pode ocorrer por vez. Portanto,

as transições ocorrem para o próximo estado superior ou próximo
estado inferior.
• As taxas em que ocorrem nascimentos e mortes são prescritas

pelos parâmetros das distribuições exponenciais que expressam
a chegada e padrões de serviço.
• A taxa média de chegada de clientes é quase universalmente

expressada por λ, enquanto a taxa média de serviço (taxa de
partida) é representada por µ, onde λ e µ correspondem aos
parâmetros de distribuição exponencial.
Todas as transições possíveis podem ser ilustradas usando o

diagrama de taxas (figura 18), onde: uma chegada causa uma transição
de um estado i para o estado i + 1, e a conclusão de um serviço muda o
estado do sistema de i para i - 1, para um determinado i (CARTER, PRICE
e RABADI, 2018).
Figura 18 – Diagrama de taxas
Fonte: Elaborado pela autora com base em Carter, Price e Rabadi (2018).
Este diagrama pode ser usado para derivar as fórmulas que

descrevem o desempenho de sistemas de enfileiramento simples. E
para começar, você precisa compreender o significado dos símbolos
que compõem esses sistemas, conforme especificado por Carter, Price e
Rabadi (2018) – A, B, C, D, E e F; onde:
• A e B são denotam a distribuição do tempo entre chegadas e a

distribuição do tempo de serviço, respectivamente.
• C é denota o número de servidores ou canais paralelos.
• D e E denotam, respectivamente, a capacidade do sistema e o

tamanho da origem da chamada.
• F é expressa a disciplina da fila.
Para denotar padrões de chegada e serviço são usados os seguintes

códigos:
• M = chegadas exponenciais e tempos de serviço.
• D = tempos constantes (determinísticos).
• EK= Distribuições Erlang com parâmetro k.
• GI = Distribuição geral independente de tempos entre chegadas.
• G = tempos de serviço geral.
O código para disciplina de fila pode ser FCFS (first-come, first-

served), que significa primeiro a chegar, primeiro a ser servido; SIRO (service
in random order) que significa serviço em ordem aleatória ou qualquer
outro esquema de prioridade designado. Então, por exemplo: um sistema
de filas descrito como M, M, 1, ∞, ∞, FCFS é um sistema de servidor único
com padrões exponenciais de chegadas e partidas, fila infinita capacidade
e fonte de chamadas, bem como uma disciplina de fila de atendimento
por ordem de chegada (CARTER, PRICE e RABADI, 2018).
Essa notação descreve as características básicas de um sistema

de filas, mas compreender definições e notações adicionais é necessário
para descrever diferentes medidas de desempenho. Essas medidas
de desempenho são as principais causas para o desenvolvimento de
modelos analíticos de sistemas de filas. Nesse sentido, Carter, Price e

Rabadi (2018) também aponta outras abreviações universais:
• λ = Taxa de chegada (quantidade esperada de chegadas por

unidade de tempo).
• µ = Taxa de partida para clientes de cada servidor no sistema

(quantidade esperada de clientes concluindo o serviço e saindo
do sistema por unidade de tempo).
• s = número de servidores paralelos.
• ρ = λ / sµ = Fator de utilização da instalação de serviço (a fração

esperada de tempo dos servidores estão ocupados), onde: ρ < 1
para que o sistema consiga atingir o estado estacionário; caso
contrário, a carga do cliente no sistema aumenta cada vez mais.
• Pn = probabilidade de estado estacionário do sistema estar no

estado n (ou seja, de existir exatamente a quantidade n de clientes
no sistema).
• L = Quantidade esperada de clientes no sistema.
• Lq = Quantidade esperada de clientes na fila.
• W = Tempo de espera previsto para cada cliente no sistema

(abrange o tempo gasto em fila e o tempo de serviço).
• Wq = Tempo de espera gasto na fila.
Certos relacionamentos foram estabelecidos entre L, c, e Wq.

Baseado na Fórmula de Little (Little 1961) apud Carter, Price e Rabadi
(2018), entende-se que: L = λW e também que Lq = λWq. Além disso,
porque o tempo de espera no sistema é igual ao tempo esperado na
fila somado ao tempo de serviço esperado, temos: W = Wq . + 1/µ. Desse
modo, caso seja possível calcular qualquer uma das quatro medidas de
desempenho, esses relacionamentos podem ser usados para calcular os
demais. Entretanto, para isso, é necessário calcular as probabilidades Pn.
Para isso, Carter, Price e Rabadi (2018) focaram nos diagramas de processo
de nascimento e morte.
No que se refere às medidas de desempenho em estado

estacionário, Carter, Price e Rabadi (2018) destaca que:
Quando consideramos um estado no diagrama de taxas exibido

na figura 18, e assumimos que o sistema chegou ao estado estacionário,
então a taxa média na qual as transições são realizadas deve ser igual à
taxa média na qual as transições são executadas fora do estado. É possível
escrever uma equação para cada estado que representa este fato e que
é responsável por todas as formas pelas quais as transições para dentro
e para fora do estado podem acontecer. O conjunto de equações que
resulta disso são denominados de equações de equilíbrio de fluxo, que
podem ser escritos conforme segue:
Seja o estado 0, o caso mais simples, pois existe somente um

caminho que leva e um caminho que conduz para fora. A taxa média fora
do estado 0 equivale a probabilidade de estar no estado 0 vezes a taxa de
saídas do estado 0, P0λ. A taxa média é a probabilidade de estar no estado
1 vez a taxa de transições do estado 1 para o estado 0, P1µ. Dessa forma, a
equação para o estado 0 é P0λ . = P1µ.
Para os demais estados, existem dois arcos que conduzem para

dentro e dois arcos que conduzem para fora. Ainda assim, o princípio da
taxa de entrada = o princípio da taxa de saída é válido e podemos escrever
para o estado 1:
• Taxa em: P0λ + P2µ
• Classifique em: P1λ + P1µ
• Portanto: P0λ + P2µ = P1λ + P1µ
O mesmo ocorre para o estado 2: P1λ + P3µ = P2λ + P2µ. E para o

estado n: Pn-1λ + Pn+1µ = Pnλ + Pnµ.
Resolvendo a equação do estado 0 para P1 em termos de P0,

podemos avançar para a equação do estado 1 e resolver para P2 em
termos de P0, e resolva sucessivamente para todo Pn conforme segue:
P1 = (λ/µ) P0
P2 = (λ/µ) P1 = (λ/µ)2 P0
P3 = (λ/µ) P2 = (λ/µ)2 P1 = (λ/µ)3 P0
...
Pn = (λ/µ) Pn-1 = (λ/µ)2 P0
Desse modo, para o modelo de nascimento e morte em que

as chegadas são caracterizadas pelo parâmetro λ e todas as partidas
pelo parâmetro µ, qualquer um de pi pode ser calculado em termos dos
parâmetros λ e µ e a probabilidade P1. Para obter o valor de P0, basta verificar
que a soma de todos os P1 precisa ser igual a um: p0 + p1 + p2 + … + pn + … = 1.
Então:
1 = p0 + (λ/µ) p0 + (λ/µ)2 p0 + ... + (λ/µ)n p0 + ... = p0 [1 + (λ/µ) p0 + (λ/µ)2

+ ... + (λ/µ)n + ...]
A série entre colchetes é convergente, se (λ/µ) < 1, para a quantidade:

1/(1 - λ/µ). Portanto, 1 = p0 1/(1 - λ/µ) e p0 = 1 - λ/µ
Carter, Price e Rabadi (2018) relembra que ρ = λ/sµ é a probabilidade

de um serviço estar sendo usado a qualquer momento. Para uma
instalação de serviço em que o mesmo µ representa os tempos de
serviço, independentemente da quantidade de clientes que querem o
serviço, s = 1. Desse modo:
• ρ = λ/µ é a probabilidade de uma instalação de serviço ocupada;
• 1 - (λ/µ) = 1 - ρ é a probabilidade de uma instalação de serviço ociosa.
Isso revela a probabilidade de existir zero clientes no sistema, então

é razoável que p0 = 1 - (λ/µ).
Todas as probabilidades de estado do sistema em termos de λ e µ

podem ser expressadas conforme segue:
pn = (λ/µ)n p0
pn = (λ/µ)n [1 - λ/μ] ou pn = pn (1 - p)
Ao definir o esperado número de clientes, entendemos que:
L= (n . pn)
= [nxpn (1 - p)]
= (1 - p) [1p1 + 2p2 + ... + npn + ...]
= (1 - p) [1 + p + p2 + p3 + p4 + ...] [1 + p2 + p3 + p4 + ...]
= (1 - p) ( p n) ( pn - 1).
Desde que: xn = 1/(1-X) para |x| < 1. Portanto, L = p/(1-p)
Com base no exposto, Carter, Price e Rabadi (2018) destacam que

a fórmula de Little L = λW pode ser usada para obter o tempo esperado
no sistema W. Como W = Wq + 1/µ, podemos então calcular o tempo
esperado que um cliente passa na fila, Wq. E a partir disso podemos obter
o comprimento esperado da fila Lq usando Lq = λWq.
A probabilidade de que exista ao menos k empregos no sistema é

obtida da seguinte forma:
1- pk = 1 - pn (1 - p)
1 - (1-p) (1-pk)/(1-p) = pk
As fórmulas apresentadas até o momento são aplicadas somente

em sistemas de filas que estão no estado ESTACIONÁRIO (CARTER, PRICE
e RABADI, 2018).
Além disso, Carter, Price e Rabadi (2018) assume que:
• Quando a taxa de chegada λ é menor que a taxa de serviço µ o

sistema se estabilizará.
• Como ρ se aproxima de 1, tanto W quanto Wq tornam-se grandes.
• Para ρ > 1, as chegadas ocorrem mais rápido do que uma instalação

de serviço constantemente ocupada pode acompanhar a demanda.
• Para ρ = 1, a sequência é indefinida. Entretanto, ao observar as

equações de estado originais, contata-se que (λ/µ) = 1 implica que
p0 = p1 = p2 = p3 = ... . Existem infinitos estados, igualmente prováveis,
o que significa que a probabilidade real de estar em qualquer
estado é zero no limite.
• O sistema tem uma capacidade infinita. Caso contrário, os clientes

encontrariam eventualmente um sistema completo, e embora
chegassem ao sistema conforme o parâmetro de chegada λ, não
seriam autorizados a aderir ao sistema à taxa λ. E a taxa efetiva
de chegada variaria com o tempo. Diante disso, as fórmulas pn
continuam válidas. Mas caso N denote a capacidade do sistema,
a equação de estado estacionário para o estado N é: pN–1λ = pNµ
e pN = (λ/µ)pN-1 = (λ/µ)N p0
• Importante destacar que não existe estado N + 1. Dessa

forma, temos um conjunto finito de estados e a soma de suas
probabilidades devem ser igual a 1: p0 + p1 + p2 + ... + pN = 1. Então,
p0 [1 + (λ/µ) + (λ/µ)2 + (λ/µ)3 + ... + (λ/µ)N] = 1.
Por sua vez, a série entre parênteses é uma progressão geométrica

que agrega: 1 - (λ/µ)N+1 /1 - (λ/µ)
• Quando λ é diferente de µ; Portanto:
p0 (1 - (λ/µ)N+1) / (1 - (λ/µ) ou p0 = (1 - p) / 1 - pN+1
• Quando λ é igual a µ, obtemos λ/µ = 1 e p0 = 1/1+N. Outras medidas

do sistema podem ser calculadas como antes. Quando ρ é
diferente 1: L = p[1 - (N + 1)pN + NpN+1] / (1 - p)(1 - pN+1)
• Quando ρ é igual a 1, L = N / 2. E caso um cliente chegue a um

sistema cheio (com probabilidade pN), ele não entrará no sistema.
Portanto, a taxa de chegada efetiva λe é:
λe = λ(1 - pn)
W = L/λe
Wq = Lq/λe
W = Wq + 1/µ
É interessante notar que:
• Essas fórmulas também são válidas quando λ > µ. Caso a taxa de

chegada aumente em relação à taxa de serviço, o sistema perde
mais clientes.
• Embora determinado sistema apresente uma taxa de chegada

maior que a taxa de serviço, existe uma probabilidade de o sistema
ficar vazio.
Foram derivadas medidas de desempenho para sistemas de servidor

único (M/M/1). Em caso de vários sistemas de servidor (onde s > 1), a taxa
de serviço real depende da quantidade de clientes; caso exista apenas um
cliente, o serviço é prestado à taxa µ. Se houver dois clientes e s ≥ 2, a taxa
de serviço é 2µ. E caso s = 3, a taxa de serviço do sistema é 3µ. Mas se
houver facilidades de serviço s, a taxa máxima de serviço do sistema é sμ,
ainda que exista mais clientes (CARTER, PRICE e RABADI, 2018).
Os autores afirmam que nos resultados obtidos por meio de modelo

de processo de nascimento e morte para um sistema M / M / s, para s>
1, as taxas de serviço são sensíveis à quantidade atual do cliente. Partindo
do pressuposto de que ρ < 1, ou seja λ < sµ, pode-se apresentar que:
p0 = 1 / (λ/µ)n/n! + (λ/µ)s 1 /s! 1 - (λ/sµ)
Pn = {(λ/µ)/μ)n p0/n!} para 0 ≤ n ≤ s;
Pn = {(λ/µ)n p0)/(s!sn-s)} para n > s.
Por sua vez, a quantidade esperada na fila pode ser obtida por:
Lq = (p0(λ/µ)sp)/(s!(1-p)2
Onde e: ρ = λ /sµ
Lq = λWq
W = Wq + 1/µ
L = λW = Lq + λ/µ
Diante do exposto, agora você tem conhecimento a respeito

de Modelos de enfileiramento simples, inclusive dos fundamentos
matemáticos vinculados a esses modelos.
RESUMINDO:

realmente entendeu o tema de estudo deste capítulo,
vamos resumir tudo o que vimos. Você deve ter aprendido
que a modelagem de sistemas pode ser realizada por
meio de duas abordagens principais: a Teoria das Filas e
a simulação. Nesta ocasião, focamos na Teoria das Filas
que é um método analítico que trata o assunto por meio
de fórmulas matemáticas. A Teoria das Filas consiste na
otimização de arranjos em situações de aglomeração
e de espera, apoiando-se em técnicas matemáticas
(CHIAVENATO, 2014). Essa teoria proporciona muitos
aportes à Administração, como: Teoria das Restrições,
Just-in-time (JIT), Kanban etc. Uma fila é composta pelos
seguintes elementos: clientes ou operações, passagem ou
ponto de serviço, input, disciplina da fila e organização de
serviço. Além disso, há uma variedade de filas que podem
fazer parte do nosso cotidiano, uma fila pode ser algo
abstrato, pode estar relacionado à produção etc. Existem as
ineficiências de filas podem ocorrer por diferentes motivos,
além daquelas que incluem indivíduos aguardando em uma
fila; elas podem gerar resultados negativos para as pessoas
e para as empresas. Diante disso, a Teoria das Filas é útil
para diferentes tipos de organizações, pois estuda a espera
de diversas maneiras e, em função de sua relevância para o
cenário profissional, foram apresentadas algumas fórmulas
que podem ser usadas para mensurar o desempenho de
sistemas de filas.
Teoria dos Grafos

OBJETIVO:

como funciona a Teoria dos Grafos. Isto será fundamental
para o exercício de sua profissão. As pessoas que tentaram
conduzir atividades profissionais sem a devida instrução
tiveram problemas vinculados à condução e coordenação
de atividades, uso otimizado de tempo e outros recursos
etc. E então? Motivado para desenvolver esta competência?
Então vamos lá. Avante!
Introdução à Teoria dos Grafos

Segundo Chiavenato (2014), a Teoria dos Grafos se fundamenta em
redes e diagramas que são usados para diferentes finalidades. Ela oferece
técnicas de planejamento e programação por redes, a exemplo do COM
(Critical Path Method), Pert (Programm Evaluation Review Technique)
etc. O Pert e o CPM são diagramas de flechas que apontam o caminho
crítico, bem como estabelecem uma relação direta entre os fatores de
tempo e custo, apontando o “ótimo econômico” de um projeto. Esse
“ótimo econômico” é obtido por meio de uma determinada sequência
das atividades de um projeto que possibilita o uso otimizado os recursos
disponíveis. A figura 19 mostra um exemplo de um Diagrama de Rede.
Figura 19 – Diagrama de Rede
Fonte:Elaborado pela autora com base em Moreira (2008)
Segundo Moreira (2008) em um Diagrama: (i) as atividades têm

início e fim; (ii) cada seta corresponde a uma atividade e esta é expressada
por uma letra; (iii) cada círculo (“nó”) expressa um evento; e (iv) cada
seta é direcionada para um círculo que representa um evento final. Para

proporcionar melhor compreensão a respeito do diagrama exemplificado,
considere as seguintes descrições: cada seta corresponde a uma atividade
que é representada por uma letra. Nesse sentido, o Diagrama possui as
atividades: A, B, C, D, E, F, G e H. Cada “nó” simboliza o início e o final
de uma atividade, desse modo, a atividade “A” foi iniciada no “círculo 1” e
finalizada no “círculo 2”.
Conforme Chiavenato (2014), as redes ou diagramas de flechas são

usados em projetos que incluem várias atividades e etapas, recursos,
órgãos, prazos e custos mínimos. Esses elementos são articulados,
coordenados e sincronizados. As redes ou diagramas de flechas geram
as seguintes vantagens:
• Permitem a execução do projeto no prazo mais curto e obtendo

um menor custo.
• Possibilitam o inter-relação entre as etapas e as operações do

projeto.
• Facilitam a boa alocação dos recursos, bem como sua redistribuição

em caso de alterações.
• Oferecem caminhos para a execução do projeto e auxiliam a

tomada de decisão.
• Apontam tarefas ou operações “críticas” que não possibilitam folga de

tempo para a sua execução. Nesse sentido, as tarefas ou operações
“críticas” impactam o prazo para o término do projeto global.
• Estabelecem responsabilidades de departamentos ou pessoas

engajadas no projeto.
Segundo Harris, Hirst e Mossinghoff (2008), um gráfico é formado

por dois conjuntos finitos “V” e “E”, onde “V” é chamado de vértice (vértices
plurais) e os elementos de “E” são denominados arestas (pares não
ordenados de vértices). Considere, por exemplo, os seguintes conjunto
“V” e “E” que juntos formam o gráfico da figura 20:
• V = {a, b, c, d, e, f, g, h}
• E = {{a, d}, {a, e}, {b, c}, {b, e}, {b, g}, {c, f}, {d, f}, {d, g}, {g, h}}.
Figura 20 - Representação visual do gráfico G
Fonte: Elaborado pela autora com base em Harris, Hirst e Mossinghoff (2008)
De maneira genérica, um grafo consiste em um diagrama que é

formado de pequenos círculos (vértices) e curvas (arestas), no qual cada
aresta conecta dois vértices. Nesse sentido, quando falamos de um
gráfico neste capítulo, quase sempre estamos abordando esse diagrama.
Harris, Hirst e Mossinghoff (2008) destaca que estruturas

semelhantes podem ser obtidas ao alterar a definição de diferentes
maneiras. Observe os seguintes exemplos:
a. Gráfico direcionado ou dígrafo (figura 21) – obtido por meio da

substituição do conjunto E por um conjunto de pares ordenados
de vértices. Nesse caso, cada borda do dígrafo possui uma
orientação específica.
Figura 21 – Dígrafo
Fonte: Elaborado pela autora com base em Harris, Hirst e Mossinghoff (2008).
b. Multigrafo (figura 22) – obtido com a repetição de elementos no

conjunto de arestas, tecnicamente substituindo o conjunto E com
um multiset.
Figura 22 – Multigrafo
c. Pseudógrafo (figura 23): obtido caso as arestas liguem um vértice

a si mesmo (“loops”).
Figura 23 - Pseudógrafo
d. Hipergrafos (figura 24) – obtido quando as arestas são subconjuntos

arbitrários de vértices (ao invés de somente pares).
Figura 24 - Hipergrafo com 7 vértices e 5 arestas
e. Ao permitir que V ou E seja um conjunto infinito, obtemos gráficos

infinitos (HARRIS, HIRST e MOSSINGHOFF, 2008). Mas o foco desta
seção são os gráficos finitos e simples.
Nesse sentido, Harris, Hirst e Mossinghoff (2008) apresenta um

conjunto de termos básicos da teoria dos grafos e conceitos.
Segundo esses autores, o conjunto de vértices de um grafo G é

representado por V (G), enquanto o conjunto de arestas é representado
por E (G).
• Esses conjuntos podem ser chamados de “V” e “E”, caso o contexto

torne o gráfico particular objetivo.
• Por conveniência, uma aresta como {u, v} pode ser denotada por uv.
• A ordem de um gráfico G é a cardinalidade de seu conjunto de

vértices.
• O tamanho de um gráfico G é a cardinalidade de seu conjunto de

arestas.
Com base em Harris, Hirst e Mossinghoff (2008, p.3), dados dois

vértices u e v:
• Se u/v ∈ E, então u e v são denominados adjacentes. Neste caso,

u e v são os vértices finais da aresta u/v.
• Se uv ∉ E, então u e v não são adjacentes.
• Se uma aresta e tem um vértice v como vértice final, v é incidente

com e.
• A vizinhança aberta de um vértice v, representado por N (v),

corresponde ao conjunto de vértices adjacentes a v: N (v) =
{x ∈ V | vx ∈ E}.
• A vizinhança fechada de um vértice v, representado por N [v],

corresponde ao conjunto {v} ∪ N (v).
Dado um conjunto S de vértices, definimos a vizinhança de S,

representada por N (S), para ser a união das vizinhanças dos vértices em S.
Do mesmo modo, a vizinhança fechada de S, representada por

N [S], é definida como S ∪ N (S) (HARRIS, HIRST e MOSSINGHOFF, 2008).
Segundo Harris, Hirst e Mossinghoff (2008), o grau de v, representado

por deg (v), corresponde ao número de arestas incidentes com v.
• Nos gráficos simples, isso equivale à cardinalidade da vizinhança

(aberta) de v.
• O grau máximo de um gráfico G, representado por ∆(G), é

estabelecido como ∆(G) = máx {deg (v) | v ∈ V (G)}.
• O grau mínimo de um gráfico G, representado por δ(G), é

estabelecido como sendo δ(G) = min {deg (v) | v ∈ V (G)}.
• A sequência de graus de um gráfico de ordem n é a sequência de

n termos dos graus do vértice. Normalmente, a sequência desses
termos é escrita em ordem decrescente.
Para proporcionar melhor compreensão, vamos ilustrar alguns

desses conceitos com base no grafo G (Figura 20), assim, considere as
seguintes informações: G tem ordem 8 e tamanho 9; os vértices a e e são
adjacentes, enquanto os vértices a e b não são adjacentes; N (d) = {a, f, g},
N [d] = {a, d, f, g}; ∆ (G) = 3, δ(G) = 1; e a sequência de graus é 3, 3, 3, 2, 2, 2, 2, 1.
No que se refere ao primeiro teorema da teoria dos grafos, Para

Harris, Hirst e Mossinghoff (2008) afirmam que em um grafo G, a soma
dos graus dos vértices corresponde a duas vezes o número de arestas.
Consequentemente, a quantidade de vértices com grau ímpar é par.
Seja S = ∑v∈Vdeg(v). Perceba que, ao contar S, consideramos cada

aresta duas vezes. Desse modo, S = 2|E| (a soma dos graus é duas vezes a
quantidade de arestas). Dado que S é par, o número de vértices com grau
ímpar é par (HARRIS, HIRST e MOSSINGHOFF, 2008)
Ao tratar sobre perambulação e conectividade, Harris, Hirst e

Mossinghoff (2008) afirmam que um passeio em um gráfico G diz respeito
a uma sequência de vértices V1, V2 … Vk, tal que: Vi Vi+1 ∈ E para i = 1, 2 … k-1
• Esse passeio é às vezes chamado de caminhada V1 - Vk, onde e

V1 e Vk , são os vértices finais da caminhada.
• Se os vértices de um passeio são distintos, a caminhada é chamada

de caminho.
• Se as bordas de um passeio são distintas, a caminhada é chamada

de trilha.
• Um caminho fechado, ou ciclo, é um caminho V1 … Vk, onde K ≥ 3

junto com a aresta VkV1.
• Quando uma trilha inicia e termina no mesmo vértice é denominada

de trilha fechada ou de circuito.
• A extensão de uma caminhada (caminho, trilha, ciclo, circuito)

equivale ao seu número de bordas, incluindo as repetições.
Para proporcionar melhor compreensão, essas definições serão

ilustradas baseado na figura 25. Observe as seguintes sequencias no
gráfico de Figura 1.7:
• a, c, f, c, b, d é um passeio de comprimento 5.
• b, a, c, b, d representa uma trilha de comprimento 4.
• d, g, b, a, c, f representa um caminho de comprimento 6.
• g, d, b, c, a, b, g é um circuito.
• e, d, b, a, c, f, e é um ciclo.
Figura 25 – Perambulação e conectividade
É possível que uma caminhada, trilha ou caminho apresente

comprimento 0, mas o menor comprimento possível de um circuito ou
ciclo é 3 (HARRIS, HIRST e MOSSINGHOFF, 2008).
Harris, Hirst e Mossinghoff (2008) também apresentam o segundo

teorema associado ao contexto estudado. Segundo os autores, um gráfico
G com vértices u e v, todo percurso u - v contém um caminho u - v. Confira:
• Seja W uma caminhada u - v em G. Esse teorema pode ser provado

por indução no comprimento de W. Se W tiver comprimento 1 ou 2,
é fácil observar que W deve ser um caminho. No caso de indução,
considere que o resultado seja verdadeiro para todos os passeios
de comprimento menor que k, e que W tenha comprimento k,
considere que W é u = w0, w1, w2 … wk - 1, wk = u
• Se os vértices forem distintos, então o próprio W é o caminho

u - v desejado. Caso contrário, seja w o menor inteiro, como que
Wj = Wr para algum r > j. Considere W1 uma caminhada
u = w0 … wj, we + 1, wk = v.
• Quando a caminhada tem comprimento estritamente menor que k

e a hipótese de indução implica que w1 contém um caminho u - v.
Isso significa que W contém um caminho u - v e a prova está completa.
Harris, Hirst e Mossinghoff (2008, p.3) também introduziram

operações diferentes em gráficos: exclusão de vértices e exclusão de
arestas. Considere um grafo G e um vértice v ∈ V(G), deixamos G - v
denotar o gráfico excluindo v e todas as arestas incidentes com v de G.
• Se S é um conjunto de vértices, deixamos G - S representar

o gráfico obtido excluindo cada vértice de S e todas as arestas
incidentes relacionadas.
• Se e for uma aresta de G, então G - e corresponde ao gráfico obtido

excluindo somente a aresta e, mantendo seus vértices finais.
• Se T é um conjunto de arestas, então G - T é o gráfico obtido

ao excluir cada aresta de T e de G. A figura 26 ilustra esses
procedimentos.
Figura 26 – Gráficos desconectados
Um gráfico é conectado se cada par de vértices puder ser unido por

um caminho. Observe abaixo que o G1 está conectado, enquanto G2 e G3
não estão conectados (ou desconectados).
• Cada parte máxima conectada de um gráfico é denominada de

componente conectado. Na figura 27 (Gráfico G1), temos:
• G1 = 1 componente,
Figura 27 – Gráfico com 1 componente conectado
• G2 = 3 componentes (figura 28),

Figura 28 – Gráfico com 3 componentes conectado
• G3 = 2 componentes (figura 29).

Figura 29 – Gráfico com 2 componente conectado
• Quando a remoção de um vértice v de G faz com que a quantidade

de componentes aumente, v é denominado de vértice de corte.
Observe que no gráfico G da Figura 30, o vértice d é um vértice de
corte, enquanto o vértice c não.
• Quando o grafo G - e tiver mais elementos do que G, uma aresta

e em G é denominada ponte. Observe que na Figura 30, a aresta
é a única ponte.
Figura 30 – Exemplo de operação de exclusão e ponte única
Um subconjunto S de vértices de um gráfico G é chamado de

conjunto de corte de vértice, caso o gráfico G - S esteja desconectado
(HARRIS, HIRST e MOSSINGHOFF, 2008).
Caso todos os vértices sejam adjacentes a todos os outros vértices,

o gráfico é considerado completo (HARRIS, HIRST e MOSSINGHOFF, 2008).
Se um gráfico possui pelo menos um par não adjacente de vértices,

ele não está completo (HARRIS, HIRST e MOSSINGHOFF, 2008).
Gráficos completos não possuem conjuntos de corte, dado que

G − S está ligado para todos os subconjuntos S do conjunto de vértices
(HARRIS, HIRST e MOSSINGHOFF, 2008).
Harris, Hirst e Mossinghoff (2008) afirmam que todo gráfico

incompleto possui um conjunto de corte. E para um gráfico G que não
está completo, a conectividade de G, representada por k (G), é o tamanho
mínimo de um conjunto de corte de G.
• Se G for um gráfico conectado não completo de ordem n, então

1 ≤ k (G) ≤ n – 2.
• Se G for desconectado, então k (G) = 0.
• Se G for completo de ordem n, dizemos que k (G) = n - 1.

Além disso, Harris, Hirst e Mossinghoff (2008, p. 3) destacam que

para um número inteiro positivo k, afirmamos que um gráfico é conectado
por k se k ≤ k (G). Desse modo, “1-conectado” significa apenas “conectado”.
Observe fatores que decorrem dessa definição:
• Um gráfico é conectado, se e somente se k (G) ≥ 1.
• κ (G) ≥ 2, se e somente se, G estiver conectado e não possuir vértices

cortados.
• Cada gráfico 2-conectado possui no mínimo um ciclo.
• Para cada gráfico G, k(G) ≤ δ(G).
RESUMINDO:

realmente entendeu o tema de estudo deste capítulo, vamos
resumir tudo o que vimos. Você deve ter aprendido que a
Teoria dos Grafos se fundamenta em redes e diagramas
que podem ser usados para diferentes propósitos. Redes
ou diagramas de flechas são frequentemente usados em
projetos que incluem diversas atividades, recursos, órgãos,
prazos e custos mínimos. Com ajuda dos diagramas, todos
elementos envolvidos em um projeto são articulados,
coordenados e sincronizados para alcançar os objetivos
almejados. Eles proporcionam diferentes vantagens para
as organizações, como execução de um projeto com
prazos e custos menores, relacionamento entre várias
metas e objetivos, ajudam na alocação de recursos
etc. Diante disso, também mostramos alguns conceitos
fundamentais para compreender esse tema, como é o caso
do primeiro teorema da teoria dos grafos, perambulação
e conectividade, entre outros. Para proporcionar melhor
entendimento desses conceitos, complementamos a
abordagem com algumas representações visuais.
REFERÊNCIAS
ANDRADE, E. L. Introdução à pesquisa operacional: métodos e
modelos para análise de decisões. Rio de Janeiro: LTC, 2017.
CARTER, M; PRICE, C. C; RABADI, G. Operations Research: A

Practical Introduction. Boca Raton: CRC Press, 2018.
CHIAVENATO, I. Introdução à Teoria Geral da Administração. Barueri:

Manole, 2014.
FIANI, R. Teoria dos Jogos. São Paulo: GEN Atlas, 2015.
HARRIS, J. M; HIRST, J. L; MOSSINGHOFF, M. J. Combinatorics and

Graph Theory. [s. l.]:. Springer Science Business Media, 2008.
HILLIER, F. S. Introdução à pesquisa operacional. São Paulo:

McGraw-Hill, 2006.
LACHTERMACHER, G. Pesquisa Operacional na Tomada de

Decisões. Rio de Janeiro: LTC, 2016.
LONGARAY, A. A. Introdução à Pesquisa Operacional. São Paulo:

Saraiva, 2013.
PRADO, D. Teoria das filas e da simulação (Pesquisa operacional).

Belo Horizonte: Falconi Editora, 2017.

Unidade 2

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Unidade 2

Enviado por

Direitos autorais:

Formatos disponíveis

Pesquisa Operacional

Teoria das Filas ............................................................................................. 32

Teoria dos Grafos ........................................................................................49

1. Aplicar os procedimentos básicos de modelagem e de resolução

2. Compreender o conceito e a aplicação prática da Teoria dos Jogos

3. Aplicar Teoria das Filas e seus conceitos na Pesquisa Operacional.

4. Discernir sobre os objetivos da Teoria dos Grafos, visando sua

Visão geral da modelagem e resolução de

Ao término deste capítulo você será capaz de entender

Segundo Longaray (2013), a Pesquisa Operacional é a mais

A Pesquisa Operacional aplica modelos como aporte científico para

Um modelo é uma representação matemática, simbólica ou

• As variáveis de um problema são classificadas como controláveis

• Variáveis controláveis – são aquelas sobre as quais o decisor pode

• Variáveis não-controláveis – são aquelas sobre as quais não é

• O objetivo diz respeito à uma função matemática que aponta o

• Restrições – expressam as relações matemáticas presentes entre

• Critérios – consistem em uma função matemática que mensura o

Dados os principais elementos de um modelo matemático, você

Para reforçar esses elementos, a figura 1 ilustra pessoas analisando

Exemplo: Para proporcionar melhor compreensão, observe a

• João trabalha na sede da empresa Alpha, instalada em São Paulo (SP).

• O custo da viagem aérea regular (ida e volta) é R$ 400 e existe um

• A passagem somente de ida custa 75% do preço da passagem

Considerando que existe somente uma ponte aérea, com voos no

Baseado nessas informações e nas características descritas para

Quadro 1 – Modelo proposto baseado no exemplo

O número de passagens regulares, o número

Quais são as variáveis não

Adquirir passagens aéreas que possibilitem cumprir

Viajar para o Rio de Janeiro, de forma compulsória, na

Qual critério deve ser usado? O preço da passagem aérea.

Fonte: Elaborado pela autora com base em Longaray (2013).

Com base no exemplo, conseguiu compreender o que constitui um

Segundo Longaray (2013), os modelos da Pesquisa Operacional são

Segundo Andrade (2017), os procedimentos para construção dos

1. Definição do problema – diz respeito ao reconhecimento do

• Há muitas variáveis de decisão ou quando essas variáveis

• Há restrições nos recursos ou nas variáveis que tornam complexa

• Existem algumas variáveis que devem ter seus valores calculados

2. Identificação das variáveis relevantes – inclui o conjunto de

3. Formulação da função – reflete o critério de otimização das

4. Formulação das restrições – diz respeito ao reconhecimento das

5. Escolha do método – inclui a seleção do tipo do modelo

6. Aplicação do método de solução – corresponde ao exercício

7. Avaliação da solução – ao obter a solução, esta deve ser avaliada

Diante do exposto, podemos entender que os modelos de

Figura 2 – Comparação de consequências de uma decisão

Em relação aos modelos de simulação no campo da Pesquisa

• Fazem uso de ferramentas estatísticas, a exemplo da distribuição

• Os usuários têm de realizar tantas simulações quantas forem

• Cabe ao decisor selecionar qual é a alternativa mais desejável no

• Os modelos baseados em métodos probabilísticos, como a Teoria

Diante dessas características, a figura 3 mostra uma análise de

Para Andrade (2017), os procedimentos para a construção dos

1. Definição do problema – essa fase inclui as seguintes etapas:

2. Identificação das variáveis importantes a seguir.

a. Variáveis endógenas – são variáveis que revelam aspectos de

b. Variáveis exógenas – representam valores relevantes determinados

3. Critérios de avaliação – são os indicadores de desempenho

4. Formalização das equações do modelo – desenvolvimento das

5. Codificação do modelo – quando os modelos são grandes

6. Teste do modelo – são procedimentos realizados com o objetivo

7. Aplicação do modelo – essa fase deve permitir gerar respostas