Escolar Documentos
Profissional Documentos
Cultura Documentos
AULA 10
2
Validando um modelo
3
Modelos infactíveis
• Um modelo é infactível quando as restrições são contraditórias entre si
• Exemplo: um modelo com as seguintes restrições seria infactível:
• Seria errado, entretanto, dizer que qualquer uma dessas restrições é infactível
→ o problema está na incompatibilidade mútua entre as três restrições
• Assumindo-se que uma solução factível (mas não necessariamente ótima)
esteja disponível é possível avaliar um conjunto de restrições substituindo essa
solução no conjunto de restrições → restrições violadas devem ser
reconsideradas
5
Modelos ilimitados
• Um modelo (de PL no caso) é dito ilimitado se a função objetivo pode ser otimizada
sem limite, isto é:
• Problema de maximização: a função objetivo pode crescer indefinidamente
• Problema de minimização: a função objetivo pode decrescer indefinidamente
• Exemplo: o problema de PL abaixo é ilimitado pois 𝑥𝑥1 + 𝑥𝑥2 pode crescer
indefinidamente sem violar a restrição
maximizar 𝑥𝑥1 + 𝑥𝑥2
sujeito a 2𝑥𝑥1 + 𝑥𝑥2 ≤ 1
• Enquanto um modelo infactível é possível de ocorrer por estarmos tentando obter
algo que não pode ser obtido, é muito improvável que um modelo ilimitado
represente um problema real
• Vários solvers irão apresentar a solução obtida até identificar que o problema é
ilimitado → geralmente, esse tipo de solução não tem utilidade, mas pode ajudar a
identificar o erro
6
Modelos ilimitados
• Um modelo infactível tem restrições que são muito restritivas enquanto um
modelo ilimitado ou tem restrições vitais não representadas ou é
insuficientemente restritivo
• Alguma restrição física pode não ter sido modelada: restrição de balanço, por
exemplo
• Será discutido nos próximos slides o modelo dual que fornece interpretações
econômicas importantes:
• Se um modelo (primal) é ilimitado → o correspondente modelo dual é infactível
• Se um modelo (primal) é infactível → o correspondente modelo dual é ilimitado ou
infactível
7
Modelos solucionáveis
• Se o modelo não for nem infactível e nem ilimitado, então ele é solucionável
• Deve-se verificar se a solução de tal tipo de modelo é razoável
• Se a solução não for razoável, deve existir algo de errado com o modelo
• A primeira abordagem seria analisar a solução ótima usando o senso comum
• Outra abordagem seria comparar a solução obtida com o que seria esperado na
prática
• Para um problema de maximização:
• Se o valor da função objetivo é menor que o esperado, podemos suspeitar que o modelo é
muito restritivo, ou seja, as restrições são muito fortes
• Se o valor da função objetivo é maior que o esperado, podemos suspeitar que o modelo é
insuficientemente restritivo, ou seja, as restrições são fracas ou algumas não foram
consideradas
• Para um problema de minimização as conclusões seriam as inversas
8
Exemplo: Mix de produtos
• Uma fábrica pode produzir 5 tipos de produtos: PROD1, PROD2,...,PROD5
• Dois processos são utilizados para produzir esses produtos: esmerilhamento e perfuração
• Após deduzir os custos das matérias primas, cada unidade de cada produto fornece as seguintes
contribuições ao lucro:
PROD1 PROD2 PROD3 PROD4 PROD5
£550 £600 £350 £400 £200
• Cada unidade requer um certo tempo em cada processo. Esses tempos são dados a seguir em horas.
Um traço indica que o processo não é necessário:
PROD1 PROD2 PROD3 PROD4 PROD5
Esmerilhamento 12 20 - 25 15
Perfuração 10 8 16 - -
• Adicionalmente, a montagem final de cada unidade de cada produto usa 20 horas de trabalho de um
empregado
• A fábrica possui 3 máquinas de esmerilhamento e 2 máquinas de perfuração e opera 6 dias por
semana em 2 turnos de 8 hora em cada dia. 8 trabalhadores estão empregados na montagem, cada
um trabalhando em um turno por dia
• O problema é encontrar o quanto de cada produto deve ser fabricado de maneira a se maximizar o
lucro total
9
Modelos solucionáveis
• Exemplo: considere o problema do mix de produtos
• Quando o modelo é resolvido, obtém-se a contribuição máxima ao lucro
• Suponha que essa contribuição é menor que um valor conhecido que poderia ser atingido
• Exemplo: valor obtido na semana anterior (assumindo que não existam mudanças nos dados)
• Nesse caso, pode-se suspeitar que o modelo é muito restritivo
• Para descobrir quais são as restrições muito restritivas, basta substituir a solução conhecida
no modelo
• Essas restrições serão violadas, e, portanto, podem ter sido modeladas de maneira inadequada
• Pode ser que exista alguma capacidade de produção que está sendo desconsiderada e esteja
sendo utilizada pelos trabalhadores
• O modelo estaria sendo útil para descobrir coisas que estavam passando despercebidas
10
Modelos solucionáveis
• Considere agora no problema do mix de produtos, a situação inversa, em que a solução
ótima tem uma função objetivo maior que o que sabidamente se poderia produzir
• Nesse caso o modelo é pouco restritivo
• A abordagem aqui seria submeter a solução proposta pelo modelo a um exame crítico
• A solução poderia ser apresentada de maneira informal como uma proposta de política de operação e o
gerente de operações poderia informar por que a proposta é impossível de ser implementada
• Então seria possível usar essa informação para modificar as restrições ou adicionar novas restrições ao
modelo
• Existem casos em que isso não é possível de ser realizado: onde construir uma fábrica
• Testar o modelo é mais difícil
• Obter soluções usando o bom senso
• Essas soluções podem ajudar a revelar erros no modelo e como eles podem ser corrigidos
• Geralmente é adequado resolver o modelo várias vezes, com diferentes dados → validação
11
Modelos solucionáveis
• Construir e validar um modelo deve ser um processo de duas vias, que gradualmente converge para
um modelo cada vez mais preciso do problema sendo modelado
• Geralmente é possível construir modelos com detecção de erros
• Exemplo: suponha que desejássemos definir a seguinte restrição:
• Se existisse algum risco dela ser muito restritiva, tornando o modelo infactível, poderíamos permitir
que ela fosse violada com um custo alto, reescrevendo-a como
Problema de Problema de
minimização maximização
≥0 ↔ ≤
Variáveis ≤0 ↔ ≥ Restrições
Irrestrita ↔ =
≥ ↔ ≥0
Restrições ≤ ↔ ≤0 Variáveis
= ↔ Irrestrita
21
Preços sombra
• Os valores das variáveis duais são preços sombra
• Representam efeitos de pequenas variações nos coeficientes no lado direito das restrições,
isto é, custos marginais
• Exemplo:
• Se aumentarmos a capacidade de esmerilhamento em um pequeno valor ∆, então o lucro total irá
aumentar em £ 6,25 × ∆
• Se reduzirmos a capacidade de esmerilhamento em um pequeno valor ∆, então o lucro total irá reduzir em
£ 6,25 × ∆
• De maneira geral, existirão limites dentro dos quais ∆ pode estar (discutidos na próxima aula)
• Válido para pequenas variações em um coeficiente do lado direito por vez
• A capacidade de esmerilhamento pode ser aumentada até 384 horas por semana e cada
hora de capacidade irá contribuir com £6,25 por semana: lucro extra de £600
• Pode ser útil para decidir se vale a pena aumentar a capacidade de esmerilhamento ou a
capacidade de mão-de-obra que leva a um aumento de £23,75 por hora na função objetivo
• Para a restrição não ativa de perfuração, aumentar a capacidade não aumenta o lucro
• Preços sombra são exemplos de custos de oportunidade
22
Aplicações
• Restrições de capacidade de produção
• Exemplo do mix de produtos
• Disponibilidades de matéria prima
• O preço sombra indicará o valor de se adquirir mais matéria-prima ou reduzir a
quantidade disponível
• Demandas de mercado e limitações
• O preço sombra indicará o valor de aumentar ou reduzir a produção (custo do esforço de
vendas extra)
• Restrições de balanço
• Nesse caso, pode não ser clara ou útil a interpretação
• Estipulações de qualidade
• Problema de mistura 23
Exemplo: Mistura
• Um alimento é fabricado refinando-se óleos crus e misturando-os. Os óleos crus vêm em duas categorias:
Óleos vegetais VEG1
VEG2
Óleos não vegetais OIL1
OIL2
OIL3
• Óleos vegetais e não vegetais requerem diferentes linhas de produção para o refino. Em qualquer mês, não é
possível refinar mais de 200 toneladas de óleo vegetal e mais de 250 toneladas de óleos não vegetais. Não
existe perda de massa no processo de refinamento e o custo de refinamento pode ser ignorado
• Existe uma restrição tecnológica na viscosidade do produto final. Nas unidades adequadas em que é medida a
viscosidade, ela deve ficar entre 3 e 6. Assume-se que a viscosidade varia linearmente de acordo com a
quantidade de cada óleo na mistura. Os custos por tonelada e viscosidades dos óleos crus são:
VEG1 VEG2 OIL1 OIL2 OIL3
Custo £110 £120 £130 £110 £115
Viscosidade 8,8 6,1 2,0 4,2 5,0
24
Exemplo: Mistura
• Variáveis: 𝑥𝑥1 , 𝑥𝑥2 , ⋯ , 𝑥𝑥5 representam as quantidades (toneladas) de VEG1, VEG2, OIL1, OIL2 e OIL3, que devem ser compradas, refinadas e misturadas em um mês. 𝑦𝑦
representa a quantidade de produto que deve ser fabricada
• Função objetivo:
maximizar −110𝑥𝑥1 − 120𝑥𝑥2 − 130𝑥𝑥3 − 110𝑥𝑥4 − 115𝑥𝑥5 + 150𝑦𝑦
• Restrições:
• Finalmente, é necessário garantir que a quantidade total de produto final é igual à soma dos ingredientes. Isso é feito pela restrição de continuidade:
𝑥𝑥1 + 𝑥𝑥2 + 𝑥𝑥3 + 𝑥𝑥4 + 𝑥𝑥5 − 𝑦𝑦 = 0
• Não é possível utilizar valores negativos de ingredientes e nem produzir valores negativos de produto final:
• Suponha que o coeficiente do lado direito não seja 0, mas sim ∆. É possível reescrever a restrição
como mostrado a seguir:
∆
8,8𝑥𝑥1 + 6,1𝑥𝑥2 + 2𝑥𝑥3 + 4,2𝑥𝑥4 + 5𝑥𝑥5 − 6 + 𝑦𝑦 ≤ 0
𝑦𝑦
• Para interpretar o efeito de se relaxar ou apertar o limite de viscosidade máxima de 6, deve ser
levado em conta o valor de 𝑦𝑦 na solução
• Uma redução ou aumento unitário na viscosidade resultará em um aumento ou redução de 𝑦𝑦 no
lado direito
26
Preços sombra
27
Custos reduzidos
• No modelo do mix de produtos foi verificado que as contribuições ao lucro de PROD1 e PROD2 eram iguais aos
valores atribuídos obtidos a partir do preço sombra de cada restrição
• Para PROD3, PROD4 e PROD5, os custos atribuídos excediam as respectivas contribuições aos lucros
• Os custos atribuídos eram acima do valor da contribuição ao lucro:
• PROD3: £125
• PROD4: £231,25
• PROD5: £368,75
• Se desejássemos produzir PROD3, deveríamos aumentar o seu preço unitário em pelo menos £125 para que
fosse vantajoso produzir
• Esse aumento de preço iria permitir que a contribuição ao lucro do PROD3 fosse equilibrada com os preços
atribuídos pelo uso de recursos escassos
• Esses preços reduzidos estão disponíveis com a solução do problema quando solvers são utilizados
• No problema de mistura, os preços reduzidos representariam a redução de preço necessária para que um
ingrediente seja comprado e incorporado à mistura
• Por outro lado, uma outra interpretação dos custos reduzidos seria: se insistíssemos em produzir uma pequena
quantidade de PROD3, o lucro seria reduzido proporcionalmente de acordo com o custo reduzido
• Existem limites para que essa interpretação seja válida
• Os custos reduzidos resultam da perda de oportunidade de se fabricar outro produto mais lucrativo,
representando, novamente, um custo de oportunidade 28
Soluções ótimas alternativas
• Quando existirem soluções ótimas alternativas
a interpretação pode não funcionar
• Exemplo:
29
Soluções ótimas alternativas
• Nesse caso, qualquer solução no segmento de
reta AC é uma solução ótima alternativa,
inclusive os pontos A e C
• Note que considerar que apenas a segunda
restrição estaria ativa na solução não é
suficiente: deve-se ter atenção para a primeira
ou a terceira restrição, dependendo da
solução, para não escolher pontos da reta fora
do intervalo AC
• O algoritmo simplex irá fornecer o ponto A ou
o C como solução e indicar que existem
soluções ótimas alternativas:
• Restrição ativa com preço sombra igual a zero
• Uma variável com valor zero com um custo
reduzido de zero 30
Solução degenerada
• Pode ocorrer também uma solução única
determinado por mais de um valor atribuído
31
Solução degenerada
• Três restrições ativas no mesmo ponto (em duas dimensões, esperaríamos 2 restrições ativas em B)
• Então a primeira ou a terceira restrição podem ser consideradas como não ativas (com valor atribuído
igual a 0) levando a ambiguidade nos preços sombra
• Para esse caso não é correto aumentar o coeficiente 3 do lado direito da primeira restrição usando o
preço sombra de 1. O limite superior do valor do lado direito (com o preço sombra de 1) é 3. O
coeficiente já está no limite superior
• Nesse caso:
• O valor superior do preço sombra (para aumentos dos coeficientes do lado direito) é o mínimo valor atribuído
possível
• O valor inferior do preço sombra (para reduções dos coeficientes do lado direito) é o máximo valor atribuído
possível
1
• Limite superior dos preços sombra: 𝑦𝑦1 = 0, 𝑦𝑦2 = , 𝑦𝑦3 = 0
2
1
• Limite inferior dos preços sombra: 𝑦𝑦1 = 1, 𝑦𝑦2 = 1, 𝑦𝑦3 =
2
• Quando um solver é utilizado, são apresentados os valores das variáveis duais correspondentes a uma
única solução
• Pode levar a interpretações erradas
• É proibitivo computacionalmente obter todas as soluções ótimas alternativas do problema dual 32