PESQUISA

OPERACIONAL

Sirnei César Kach

Construção e aplicação
dos modelos matemáticos
Objetivos de aprendizagem
Ao final deste texto, você deve apresentar os seguintes aprendizados:

„„ Desenvolver um modelo matemático.

„„ Avaliar as possibilidades do uso de um modelo matemático.
„„ Ordenar as etapas de uma modelagem.

Introdução
Basicamente, são três os tipos de modelos matemáticos que a pesquisa
operacional disponibiliza para análise e suporte na tomada de decisão
sobre problemas: os físicos, entre os quais podemos destacar o de aero-
naves e das casas, principais referências para quem estuda esse conceito;
os análogos, representados por relações que empregam os mapas rodo-
viários, obviamente traçando as rodovias em questão e definindo, com
isso, determinadas rotas (p. ex., um marcador do tanque de gasolina ou
outro ponto de apoio pode, por intermédio de uma escala circular, mostrar
a quantidade de gasolina existente no tanque, o que terá alguma relação
direta na demanda do trajeto previsto a ser seguido); e os simbólicos ou
matemáticos, como na modelagem para alinhamento de decisões no
nível gerencial, em que as grandezas são representadas por variáveis de
decisão e as relações entre essas variáveis, por expressões matemáticas.
Em todos os casos, a correta estruturação dos modelos obrigatoria-
mente exige dados e, sequencialmente, informações de base quantificada
(LACHTERMACHER, 2016, p. 4).
Nesse sentido, vale ressaltar a importância de considerar que a res-
posta da ação sobre o problema tem uma relação direta com a adequação
dos dados no desenvolvimento do modelo matemático levando em
conta a correta análise dos dados, bem sua gestão e controle e das dife-
rentes possibilidades de aplicação dos modelos matemáticos, o que vai
desde aquisições, controle de estoques até programação da produção
2 Construção e aplicação dos modelos matemáticos

e entregas. Assim, de forma adequada, o resultado aponta que todo

alinhamento contribui para a assertividade dos planos de ação, ou seja,
quanto mais meticulosas a análise e a organização dos dados, melhor o
resultado. E isso complementa o conceito de otimização buscado por
toda empresa, já que atuar de forma otimizada é sinônimo de eficiência,
considerado uma regra fundamental para a saúde de um negócio. Já a
adequação do modelo variará conforme o tipo de demanda e o perfil
de processo em estudo, pois se estrutura com base nas informações do
cenário em estudo.
Neste capítulo, você conhecerá mais sobre o desenvolvimento de
modelos matemáticos, suas formas de estruturação e aplicação, bem
como os resultados esperados a partir deles, contexto do qual faz parte
entender muito bem o cenário e quais as possibilidades de aplicação do
modelo, pois deverá ter sua eficácia comprovada pela necessidade de
estruturação, para, com isso, garantir seu resultado. Contudo, é importante
a percepção das etapas de modelagem, compreendendo como se dá
esse encaminhamento, ao observarmos sua estruturação fundamentada
em base quantitativa de análise, estruturação e construção de soluções
para processos em demanda. Assim, e com base nas características desse
encaminhamento, tem-se a clareza da metodologia e da eficiência da
modelagem aplicada como análise e solução de problemas. Por fim,
desenvolverá a capacidade de fazer a análise inicial do problema, definirá
o modelo matemático alinhando a estrutura que condicionará a melhor
solução, algo relevante para o resultado sobre o problema em questão,
e aplicará a sequência correta de estruturação do modelo matemático,
garantindo sua padronização e eficácia.

1 Modelo matemático e sua estruturação

Além de seguir uma base de dados que traduz informações, desenvolver um
modelo matemático é um processo construtivo de determinada confiabilidade,
pois trata de informações quantitativas. É sabido que, na assertividade de
ações, a base matemática sempre promove uma condição mais adequada e
que garante a eficiência das decisões. E, sem dúvida, um bom planejamento
constitui um diferencial no processo a fim de complementar a modelagem
escolhida para resolução. Entre as verificações, a quantitativa possibilita
assertividade, porém podemos transformar as informações qualitativas,
no caso por atributos, em quantitativas, parametrizando essa identificação
 Construção e aplicação dos modelos matemáticos 3

e, com isso, melhorando aquilo que, teoricamente, não é quantificado já na

coleta. Criar essa condição melhorada do que o cenário mostra é fundamental
para uma efetiva estruturação e aplicação da modelagem para um melhor
encaminhamento de ações.
Conforme Arenales (2015), fazer ciência aplicada com segurança consiste na
capacidade de observar e descrever fenômenos naturais, sociais e econômicos
sobre determinados cenários e/ou necessidades de resolução, delineamento
sobre o qual matemática terá uma importância fundamental, possibilitando
uma garantia maior de assertividade nessa interpretação. A partir da obser-
vação de fenômenos, processos ou sistemas (físicos, químicos, biológicos ou
econômicos), buscam-se métodos ou formas de geri-los ou coordená-los de
maneira adequada, o que pode ocorrer pelo uso e pela definição adequada
de ações por relações matemáticas que dão origem aos definidos modelos
matemáticos, ou seja, entender o sistema em estudo e, a partir disso, descre-
ver a forma mais adequada de modelo matemático como base de auxílio na
resolução daquilo que se necessita.
Segundo Arenales (2015), a expressão “modelo” é usada como objeto
abstrato, que procura imitar as principais características de um objeto real
para representá-lo matematicamente, ou seja, além de criar essa represen-
tação, utiliza um conceito de alta relevância e efetividade: a matemática.
A formulação de um modelo matemático para simplificações razoáveis do
sistema ou problemas reais precisa ser considerada em diferentes níveis, cuja
validação depende do fato de a solução do modelo matemático ser coerente
com o contexto original, representando fielmente o que o cenário apresenta.
Assim, o modelo matemático é uma representação simplificada ou abstrata
do problema real, porém clara no que tange às informações para modelagem,
devendo ser suficientemente detalhado, para identificar os principais elementos
do problema e, ao mesmo tempo, simples, para que possa ser resolvido por
métodos de resolução e programas de computador de que dispõem as pessoas
envolvidas ou a empresa.
A estruturação ou formulação de um modelo matemático, ainda conforme
Arenales (2015), compreende a condição de transportar uma situação-problema
em seus detalhes e comportamentos em um cenário real para uma metodologia
com base matemática, na qual se determina, pela definição do perfil, como
se organizam os dados e, por conseguinte, as informações, possibilitando
verificar com base quantitativa aquilo que está ocorrendo na prática. Com essa
opção de método, facilita-se o encaminhamento de uma solução, transferindo
a informação do problema com aplicação e uso de simbologias-padrão e
adequadas além das orientações básicas, estruturando a função matemática,
4 Construção e aplicação dos modelos matemáticos

embasada por variáveis de decisão que oferecerão o alinhamento final no

processo de tomada de decisão.
Na Figura 1, apresentamos a representação da abordagem de um problema
e sua proposta de solução. Embora possa haver ajustes e complementações no
decorrer do processo, dando condição de uma definição usamos como base
a modelagem matemática.

Sistema ou problema real Modelo matemático

Formulação/modelagem

Avaliação/julgamento Dedução/análise

Interpretação/referência

Conclusões reais ou
Conclusões do modelo
decisões

Figura 1. Processo simplificado da abordagem e solução de um problema com modelo

matemático.
Fonte: Adaptada de Arenales (2015).

Na estruturação do conceito de modelagem a partir de uma situação

real, definem-se as variáveis e as relações matemáticas para descrever o
comportamento relevante do sistema ou problema real em estudo (Arenales,
2015). A dedução ou análise do cenário possibilita ou exige a aplicação de
técnicas matemáticas e tecnologia da informação, promovendo um impor-
tante diferencial na verificação de resultados, com formas mais adequadas e
fáceis de resolver o modelo matemático e visualizar as conclusões que sugere.
A interpretação ou inferência sobre o estudo argumenta que as conclusões
retiradas do modelo têm significado suficiente para inferir conclusões ou
decisões para o problema real, dando amparo matemático e lógico para o não
encaminhamento e controle das ações previstas. A avaliação ou julgamento
sobre o cenário e as ações propostas em relação ao que se concluiu ou, ainda,
a decisões inferidas mostra que elas não são adequadas e que a definição do
problema e sua modelagem matemática precisam de revisão — aqui, o ciclo
 Construção e aplicação dos modelos matemáticos 5

se repete. Nesse momento, entendemos a aplicação de um ciclo de revisão ou

simplesmente melhoria contínua daquilo que inicialmente foi visto como um
importante agregador para a ação prévia definida. Nesse sentido, podemos citar
os modelos matemáticos, modelos de programação direcionados à otimização
matemática [p. ex., programação linear (otimização linear), programação
linear inteira (otimização discreta), programação em redes (otimização em
redes) e programação não linear (otimização não linear)], além dos modelos
de teoria de filas, para estudar a congestão em sistemas e determinar medidas
de avaliação de desempenho e políticas ótimas de operação.

É muito importante sempre procurar realizar a análise de cenário com uma base
quantitativa e uma coleta de dados rigorosa, seguindo um método-padrão, fatores
fundamentais para a eficiência na decisão a ser tomada. Avaliar o problema, estudar
os dados e agir com precisão são fundamentais para uma modelagem adequada e
eficiente em termos de soluções aos problemas. Não há espaço para suposições quando
se pretende utilizar a modelagem matemática como fator de suporte nas decisões.

Novamente considerando as percepções de Arenales (2015), a pesquisa

operacional e a programação matemática tratam de problemas de decisão,
utilizando modelos matemáticos que procuram representar graficamente o
problema real. Variáveis definidas como incógnitas são definidas e relações
matemáticas entre essas variáveis estabelecidas de modo a descrever o com-
portamento do sistema em verificação. Já o modelo é resolvido quando se
determinam valores para as incógnitas, produzindo soluções, as quais, por sua
vez, dependem de dados do problema. O passo seguinte consiste na validação
do modelo, após verificar se as soluções obtidas pela resolução foram eficazes
nas diferentes situações alternativas eventualmente relacionadas a problemas
de demandas, custos, etc. A solução do modelo apoia o processo de tomada de
decisões, mas, em geral, também devemos considerar diversos outros fatores
pouco tangíveis, e não quantificáveis, para a decisão final, como soluções
que não levem em conta que o comportamento humano pode falhar, pois os
modelos não são tomadores de decisão, e sim apenas norteadores. Assim,
cabe ao analista (humano) tomar a decisão, o que demonstra a importância
de entender o cenário e a proposta do modelo.
6 Construção e aplicação dos modelos matemáticos

A abordagem para resolução de um problema envolve várias fases baseadas

no diagrama da Figura 1, que podemos determinar como (Figura 2):

1. definição do problema;
2. construção do modelo;
3. solução do modelo;
4. validação do modelo;
5. implementação da solução.

Desse modo, a fase (1) define o escopo do problema em estudo, enquanto

a fase (2) traduz a fase (3) em relações matemáticas ou lógicas de simulação,
ou, ainda, uma combinação delas. A fase (3) utiliza métodos de solução e
algoritmos conhecidos para resolver o modelo da fase (2). A fase (4) verifica se
o modelo proposto representa de forma adequada o que o problema significa.
A eficácia da solução depende da precisão com que esse modelo representa o
problema, sua tradução com base em dados corretos. Um modelo mais preciso,
mesmo que resolvido de forma aproximada, pode ser bem mais útil do que um
modelo menos preciso, resolvido de maneira exata. Além disso, vale ressaltar
a qualidade da solução do modelo, levando em conta a qualidade dos dados
de entrada do modelo (garbage in, garbage out, ou seja, entra lixo, sai lixo).
Por fim, a fase (5) trata especificamente da implementação da solução na
prática, traduzindo os resultados do modelo em decisões (ARENALES, 2015).

1 2 3

4 5

Itens finais: 1, 2 e 3
Itens intermediários: 4, 5,
6, 7 e 8
6

7 8

Figura 2. Diagrama de uma modelagem matemática.

Fonte: Adaptada de Arenales (2015).
 Construção e aplicação dos modelos matemáticos 7

O sistema de planejamento das necessidades de materiais (MRP, do inglês

material requirement planning) é empregado pelo setor de planejamento e con-
trole de produção (PCP) para determinar quanto e quando produzir ou comprar
componentes e matérias-primas para manufatura de itens finais. Na Figura 2
(Arenales, 2015), está representada a árvore dos itens componentes 4, 5, 6, 7 e 8,
usados para produzir os itens finais 1, 2 e 3. Essa estrutura do produto apresenta
quatro níveis, em que o nível 1 corresponde aos itens finais 1, 2 e 3. Já o nível
2 está associado aos componentes 4 e 5, o nível 3 ao componente 6 e, por fim,
o nível 4 aos componentes 7 e 8. A lógica do MRP segue definida como fase I,
na qual se suponha que a demanda externa dos itens finais seja conhecida ao
longo de um horizonte de planejamento de T períodos, além do fato de que um
lote de um item componente esteja disponível no mesmo período em que foi
produzido ou encomendado. Calculam-se, então, os tamanhos dos lotes dos itens
finais em cada período do horizonte de planejamento que promovem demandas
internas dos itens componentes 4 e 5 do nível 2. Na sequência, calculam-se os
tamanhos dos lotes dos componentes 6 no nível 3 e os tamanhos dos lotes dos
itens componentes 7 e 8 no nível 4 em cada período. O cálculo dos tamanhos dos
lotes de todos os itens ignora restrições de capacidade, como horas de trabalho
e horas de máquinas disponíveis.
Ainda segundo Arenales (2015), como principal referência nessa demanda,
na fase II calcula-se a capacidade utilizada para a produção dos lotes de cada
item e nos respectivos períodos. Se essa capacidade for maior que a capacidade
disponível em um ou mais períodos, retorna-se à fase I e se alteram os planos
de produção. Esse procedimento iterativo e interativo entre as duas fases pros-
segue até que se encontre uma solução que respeite a capacidade disponível.

2 Análise de cenários com uso de modelos

matemáticos para resolução de problemas
A análise de cenários constitui o primeiro passo para verificar o que realmente
está ocorrendo e como se dará a ação sobre a demanda em questão. Coletar
os dados e tratá-los já são partes muito efetivas sobre o que pode estar por vir
em termos de ação eficaz, seja na otimização do processo, seja na resolução
de um problema com impacto em perdas ou qualidade da operação. O modelo
matemático complementa o processo dando suporte com base na análise feita,
quando os dados analisados repassam uma ideia do contexto e, com isso,
o modelo é adequado conforme as opções que a pesquisa operacional oferece.
8 Construção e aplicação dos modelos matemáticos

Assim, ao tomarmos a decisão observando características do modelo corre-

lacionando com os dados do problema, fazemos uma leitura que oportuniza
a melhor ação em favor da otimização da situação em estudo.
Nos fundamentos da otimização e em relação à abrangência de suas apli-
cações, segundo Arenales (2015), um dos principais métodos de solução muito
aplicado atualmente é o método simplex. Os modelos de otimização linear
têm sido amplamente utilizados na prática. Muitas situações reais podem ser
representadas por modelos lineares, que comumente representam subproblemas
de casos mais complexos. Mesmo considerando a proposição desses modelos
há mais tempo, em 1947 se iniciou a demarcação da relevância em termos de
uso e aplicações de sucesso na área da otimização, quando da publicação do
método simplex. Nesse contexto, seguiram-se diversas e intensas pesquisas de
novos métodos e implementações eficientes em situações demandantes. Ainda,
com suas aplicações em diversas áreas, como agricultura, planejamento da
produção industrial, logística, telecomunicações e finanças, deu-se respaldo à
adequação de demandas e seus resultados, o que evidencia sucesso e garantia
de seu conceito como algo responsável pela solução ou otimização de processos.
Outro marco importante relacionado à otimização pela pesquisa operacional,
mais precisamente em programação linear, também ocorreu em 1984, com a
publicação do método então chamado de método de pontos interiores, que,
como todo e qualquer novo sistema de controle e gestão, precisou de muitas
evidências de sucesso, com comparativo de resultados e comprometimento de
pessoas envolvidas com foco em otimização. Atualmente, os modelos do tipo
simplex e do tipo pontos interiores são os principais métodos utilizados em
ferramentas computacionais para a resolução de problemas de otimização linear.

É preciso se atentar para cenários em que se ocorre alguma variável a ser mensurada
e apontada por conta de uma característica definida divergente, como parâmetro de
qualidade. O mapeamento e o tratamento adequado dos dados destacam-se como
fundamentais e relevantes para entender o problema, inclusive auxiliando na definição
do modelo matemático mais adequado.
 Construção e aplicação dos modelos matemáticos 9

Segundo Goldbarg, Luna e Goldbarg (2015), a representação abstrata de

elementos específicos do espaço em que está inserido é uma habilidade que
o ser humano vem praticando há milhares de anos, buscando soluções com
base de decisões confiáveis. Desde os primórdios, as civilizações usam essas
habilidades para representar e compreender o mundo. Modelos matemáticos ou
formas diversas de comunicar ideias, coordenar ações e antecipar problemas
por meio de previsões quantitativas do que poderia surgir do meio ambiente
foram essenciais para a preservação da espécie humana e dos demais seres
existentes. Ao desenvolver a técnica e aplicá-la para isolar elementos da rea-
lidade e representá-los de forma particular e distinta do todo, o homem criou
a modelagem, a qual, mesmo precisando de ajustes — como de fato ocorreu
—, partiu de uma base fundamentada e com procedência de confiança para
analisar diferentes situações e demandas de solução. Nesse sentido, a mode-
lagem passou a ser uma tarefa que comporta identificar componentes de uma
dada realidade e, com isso, representá-los de forma facilitar um dado raciocínio
ou comunicação, ou seja, particionar, detalhar e expor de maneira clara o
problema acabam se tornando a primeira condição de adequar a realidade e
entender daquilo que o modelo propõe fazer. Assim, ao criarmos uma base
relacionada ao modelo matemático, promovemos inúmeras possibilidades de
analisar e verificar o cenário.
Portanto, modelos são primordialmente elementos de simplificação e de
comunicação (GOLDBARG; LUNA; GOLDBARG, 2015), pois suas carac-
terísticas também servem a outros objetivos, como aprendizagem, deduções,
induções ou mesmo o simples desfrute do artefato construído. Dessa forma,
o conceito de modelo passa a ser considerado uma forma de representação
substitutiva da realidade e tem um significado sutilmente menor que o expresso
no verbo “modelar”, o qual introduz a ideia da descoberta dos elementos
fundamentais que possibilitam a simulação da realidade representada por
ilustrações com diagramas, números ou outras formas, uma atividade conclu-
sivamente bem mais ampla que o resultado final do processo. Um modelo é
considerado um veículo para uma visão estruturada da realidade, transferida
de uma realidade abstrata para uma representação que pode ser numérica
ou ilustrativa, condição mais adequada no que tange à representatividade e
ao entendimento do que se deseja mostrar para aplicação na análise geral.
Os modelos são ferramentas construídas pelo cérebro para entender o que
10 Construção e aplicação dos modelos matemáticos

está no mundo, inclusive o próprio cérebro. Lidar com modelos constitui uma
atividade tão natural que pode independer, inclusive, da consciência sobre a
dificuldade ou mesmo a complexidade do que se está fazendo, embora isso
contribua de alguma forma para facilitar a interpretação do cenário ou do
problema em questão.
Imagens, gráficos, diagramas, fluxos ou equações matemáticas conse-
guem representar elementos do mundo real muito mais complexos, todavia
transmitindo informações suficientes para possibilitar alcançar conclusões
decisivas sobre o comportamento de entidades reais. Obviamente, essa re-
presentatividade pode exigir algum conhecimento complementar no sentido
da análise e da interpretação correta do que está representado, o momento
de aplicar a pesquisa operacional com base no modelo quase definido como
ferramenta de interpretação de uma realidade para representações de sua
condição (GOLDBARG; LUNA; GOLDBARG, 2015).
De acordo com Goldbarg, Luna e Goldbarg (2015), alguns modelos são
estruturados em vários níveis de complexidade, inclusive aqueles que for-
malizam o funcionamento do próprio modelo, mas sempre com o objetivo de
organizar as informações. A geometria euclidiana é um modelo que satisfaz a
um conjunto de axiomas, ou se, constitui um modelo de contexto axiomático,
que vai desde as transformadas de Laplace e sua Mécanique Céleste até a teoria
quântica e o átomo de Bohr. Certamente, existem modelos que não lidam com
elementos concretos, mas que, no contexto epistemológico, por exemplo, estão
aparelhados para representar tanto objetos concretos quanto imaginários. Em
resumo, os modelos são. em geral, estruturas abstratas de construção cognitivas
que visam a facilitar o raciocínio, as conclusões e a tomada de decisão inserida
no conceito principal da pesquisa operacional. Assim, trazer um dado abstrato
de sentido visual para uma representatividade, dando condição de análise,
caracteriza uma transferência de cenários para embasamento e suporte para
a adequada condição de tomar uma decisão e encaminhar uma solução por
meios concretos e relevantes (de análise ou decisão).
 Construção e aplicação dos modelos matemáticos 11

A atuação de quem busca entender a situação em estudo segue uma di-

nâmica correlacionada a conceitos de pesquisa científica. Seguir um padrão
como necessidade básica de coerência e orientação torna-se fundamental, como
mostrado na Figura 3, que apresenta uma sequência lógica de interpretação
e definições que dão suporte a esse controle de verificação da evolução da
análise de cenário em questão.

Figura 3. Modelo circular da atividade científica na análise de cenários.

Fonte: Adaptada de Goldbarg, Luna e Goldbarg (2015).

Goldbarg, Luna e Goldbarg (2015) aponta ainda que o fluxo do particular

para o geral, e do geral para o particular, é peculiar à atividade científica ilus-
trada para obter uma melhor percepção sobre a análise. Na condição dedutiva
do que se estuda, o principal instrumento conceitual é a lógica, enquanto, na
face indutiva, a ferramenta central é a probabilidade. Assim, criamos dois
principais meios de decisão na correlação de conceitos: os qualitativos e os
quantitativos.
No Quadro 1, podemos identificar uma correlação de diferentes percepções
sobre modelos matemáticos como opção de fator suporte na tomada de decisão.
12 Construção e aplicação dos modelos matemáticos

Quadro 1. Definição de modelo matemático sob diferentes percepções

Definição Complementação

Representação de uma Definição fundamental de modelo

entidade interpretada pelo
cérebro humano empregando
um sistema físico ou conceitual

Cada interpretação de Aspecto da transformação abstrata como

um sistema formal criado interpretação necessária à configuração de
axiomaticamente um modelo

Modelos são representações Modelar é uma atividade cognitiva de alto

simplificadas da realidade
que preservam determinadas
situações e definem enfoques
relevantes
nível que busca alguma vantagem pela
representação simplificada dos elementos
e fenômenos que o cérebro lida. Assim, a
atividade de modelagem procura o equilíbrio
entre o benefício da simplificação e o ônus
da redução do alcance da aplicação da
representação realizada

Os modelos estão sempre A representação abstrata visa a alcançar uma

“errados”, porém o cuidado
de sua aplicação pode levar
a objetivos efetivos sobre o
que se espera em termos de
suporte nas soluções
dada vantagem sobre a simples observação
direta do fenômeno natural. Mesmo
uma fotografia filtra certas informações e
ressalta outras. A capacidade de substituir
a realidade nos aspectos julgados mais
importantes constitui a característica do
modelo que o torna desejável. A capacidade
de simplificação útil reside na chave da
construção de modelos operacionalmente
factíveis e viáveis, e não sua perfeita
aderência à realidade

Fonte: Adaptado de Goldbarg; Luna e Goldbarg (2015).

São vários os critérios de medida da adequação ou aderência do modelo

à realidade representada, a qual pode ser aperfeiçoada de forma interativa
(GOLDBARG; LUNA; GOLDBARG, 2015). A verificação da representativi-
dade naquilo a que chamamos modelo constitui uma etapa indispensável em
qualquer procedimento científico para coleta, análise e tomada de decisão.
Como os modelos se afastam, obrigatoriamente, do fenômeno representado,
validar um modelo é testar sua eficácia, criando uma capacidade de bem re-
 Construção e aplicação dos modelos matemáticos 13

presentar o que se propõe a representar, ou seja, transferir dados e informações

de certa forma abstratas para uma condição visual representativa da situação.
Sua eficiência reside na capacidade de dispor de uma construção e operação
factível diante de restrições reais de uso de recursos, como tempo, espaço de
memória ou número de variáveis envolvidas, complementando o processo de
encaminhamentos, visando à otimização como um todo.

3 Sequência para estruturação de

uma modelagem
No contexto da definição de um método para solução de problemas, já ficou
claro que seguir determinada metodologia é fundamental para a assertividade
das ações, contexto em que observar cenários e encaminhá-los da melhor
maneira é, comprovadamente, base científica de estudo, contemplado pelo
tratamento de dados e pela aplicação de um modelo conforme as caracterís-
ticas do problema e o esperado para otimizar seus resultados. Uma tomada de
decisão acertada leva em conta benefícios sobre custos da ação e resultados
melhores que impactam no desempenho e nas percepções externas sobre a
otimização dos processos da empresa que emprega o modelo matemático na
sustentabilidade da pesquisa operacional aplicada.
Segundo Lachtermacher (2016), no momento em que os gestores encontram
situações em que uma decisão deve ser tomada entre uma série de alternativas
conflitantes e concorrentes, duas opções básicas se apresentam:

„„ usar apenas a intuição gerencial;

„„ realizar um processo de modelagem da situação e considerar diversas
simulações dos mais diversos cenários de maneira a estudar mais profun-
damente o problema e criar uma condição assertiva para ações efetivas.

Até pouco tempo atrás, a primeira opção se constituía na única alternativa

viável, visto que não existiam dados, informações sobre os problemas ou poder
computacional para resolvê-los, pois os processos, de modo geral, tinham
pouca ação gestora no sentido de controlar resultados por meio de dados (LA-
CHTERMACHER, 2016). Porém, com o aumento e a disponibilidade maior
de acesso à tecnologia de informação, como bancos de dados mais robustos,
esta deixou de ser a única opção para os tomadores de decisão. Um número
cada vez maior de empresas e tomadores de decisão (senão a maioria) passou a
optar pela segunda alternativa, isto é, pela elaboração de modelos para auxiliar
14 Construção e aplicação dos modelos matemáticos

esse processo utilizando a modelagem como principal referência de suporte

à decisão. Nesse cenário, devemos ressaltar outros dois fatos relevantes para
o processo de análise:

„„ a quantidade de informações disponíveis cresceu exponencialmente

nos últimos anos, sobretudo pela evolução da internet das coisas e da
própria internet, o que nos levou a um momento totalmente novo, em que
se torna impossível montar modelos pela grande quantidade de dados
disponível. Assim, é importante separar as informações relevantes das
irrelevantes, modelando a situação para que possamos analisá-la de
forma sólida e efetiva em termos de variáveis e aporte para as decisões
de forma assertiva;
„„ muitos gerentes deixaram de utilizar sua intuição completamente, o que
é bastante prejudicial para o processo de tomada de decisão, pois uma
base de conhecimentos pode estar sendo desperdiçada, ou seja, embora
tenhamos chegado a um momento que a base de dados é fundamental,
a questão intuitiva complementa a matemática, principalmente em
situações adversas.

A intuição gerencial se constrói com base em experiências vividas, nas quais um

gestor, ao analisar determinado cenário, desde o momento em que busca os dados,
verifica o comportamento do processo e tenta imaginar soluções, considerando todas
as hipóteses. A partir da conclusão da análise quantitativa e qualitativa, ele poderá
encaminhar decisões, pois estará levando em conta tanto o modelo quanto as “arestas”,
muitas vezes percebidas pela experiência e pelas lições aprendidas anteriormente.

Na Figura 4 (GOLDBARG; LUNA; GOLDBARG, 2015), identificamos

como se dá o fluxo das trocas de informações e verificações que darão carac-
terísticas específicas da estruturação do processo de construção do modelo
matemático ideal para o caso em análise. Toda a organização das ideias e
principais formas de resolução prossegue no fluxo e faz com que a organização,
por si só, possibilite um bom encaminhamento, observando-se metodologi-
camente a sequência para uma solução sólida e coerente com base nos dados
do processo ou do problema posto.
 Construção e aplicação dos modelos matemáticos 15

Figura 4. Fluxograma ideal para a construção do modelo matemático.

Fonte: Adaptada de Goldbarg, Luna e Goldbarg (2015).

Para Goldbarg, Luna e Goldbarg (2015), essa forma de representação nos

mostra a percepção que o problema precisa propor para a garantia de uma
verificação efetiva e confiável:

„„ definição clara do problema com coleta de dados e análise das

informações;
„„ construção do modelo inicial (com base nas características e nas infor-
mações sobre o caso em estudo);
„„ após essa conclusão, valida-se um modelo a ser utilizado. Aqui, validar
refere-se a tomar uma decisão sobre qual modelo aplicar, e não neces-
sariamente que será eficaz na primeira aplicação;
„„ realiza-se a simulação do modelo que foi validado;
„„ se o resultado não for eficaz ou pretende-se desgastar mais o propósito
de solução para o que o modelo é planejado, reformula-se o modelo;
„„ após uma ou várias reformulações do modelo validado para o caso,
ele é aplicado determinado como referência nesse caso em estudo
especificamente.
16 Construção e aplicação dos modelos matemáticos

Claramente, quando falamos de modelos matemáticos voltados à otimiza-

ção, utilizar modelos anteriores e de sucesso é algo necessário, inclusive para
aplicar o conceito de otimização na própria análise de problemas e, com isso,
ganhar produtividade no processo decisório sobre novas demandas.

Para complementar o conhecimento sobre conceitos introdutórios da pesquisa ope-

racional com as principais definições dos modelos matemáticos, além de sua correta
forma de escolha, operação e aplicação, sugerimos que consulte a obra:
HILLIER, F. S.; LIEBERMAN, G. J. Introdução à pesquisa operacional. 9. ed. Porto Alegre:
AMGH, 2021.

Padrões para construção de modelos

Apesar de não explorarmos técnicas subjetivas ou estéticas de construção
de modelos matemáticos nesse contexto, reconhecemos que o estado da arte
ainda não possibilita um algoritmo preciso, específico, autocontido e efi-
ciente. Objetivamente, sua finalidade principal consiste em solucionar os
passos indispensáveis para o sucesso da modelagem de um sistema genérico
e atingir resultados satisfatórios. De acordo com Ackoff e Sasieni (1971 apud
GOLDBARG; LUNA; GOLDBARG, 2015, p. 15) poderão ser considerados
cinco padrões de construção de modelos:

Padrão 1: quando a estrutura do sistema é suficientemente simples e evidente

para ser compreendida por inspeção; assim, o modelo pode ser construído
com facilidade, o que não significa que não impede que seja muito difícil ou
até mesmo impossível avaliar as variáveis não controladas e diversos outros
parâmetros, ainda considerando que o número de variáveis controladas pode
também impossibilitar a solução prática do problema.
 Construção e aplicação dos modelos matemáticos 17

Padrão 2: quando a estrutura do sistema é relativamente aparente, mas a

representação simbólica não é vista dessa maneira. A busca de um sistema
análogo à estrutura para esse caso já conhecido constitui uma boa opção.
O sistema análogo poderá auxiliar na descoberta das propriedades do sistema
em estudo. No modelo em que se aplicam os conceitos de máximos ou mínimos
de uma função matemática, são pesquisados por meio de uma analogia que
varia conforme cada situação estudada.

Padrão 3: quando a estrutura do sistema não é aparente, contudo, uma análise

estatística dele pode atender ao desejado e indicar, por meio desses dados, sua
real condição. Nesse caso, o sistema é considerado uma caixa-preta por meio da
qual conhecemos, com segurança, as respostas para determinados estímulos.

Padrão 4: quando a estrutura do sistema não é aparente nem se pode isolar

os efeitos das diversas variáveis por meio de uma análise estatística. Nessa
hipótese, uma boa política consistirá no projeto de experimentos de modo a
determinar variáveis e correlações relevantes e reduzir o caso ao Padrão 3.

Padrão 5: quando verificamos as situações do Padrão 4, as experimentações

possíveis sobre o modelo são limitadas para o fim desejado. Será o fim da linha?
Nesse caso, existem ainda os modelos de Conflitos e Jogos de Operações e,
caso isso ainda não seja o suficiente, evocaremos a criatividade.
Para Fiani (2015), é relevante conhecer o conjunto de ações de cada in-
tegrante do processo, usando como exemplo o modelo dos jogos, no qual o
jogador constitui um passo fundamental na análise de um processo de interação
estratégica. Com efeito, as possibilidades de interação estratégica dependem
de todas as ações relevantes disponíveis para os jogadores. Cada jogador
considera não apenas todas as ações relevantes de que dispõe, mas também
todas as ações relevantes disponíveis para os demais jogadores. Caso algum
não considerasse alguma ação significativa para o desenvolvimento do jogo à
sua disposição, ou à disposição dos demais jogadores, seria irracional, pois ele
não estaria levando em conta todas as informações disponíveis antes de tomar
sua decisão. Isso não significa que ele não possa descartar determinadas ações
como inadequadas aos seus objetivos, dadas as possibilidades de resposta dos
demais jogadores, visto sua função ser justamente essa. Dentro do jogo, em
que as movimentações acontecem com base em informações ou necessida-
18 Construção e aplicação dos modelos matemáticos

des, avaliar e decidir sobre o que fazer tornam-se relevantes e, sem dúvida,
impactantes no cenário depois das ações tomadas e encaminhadas. Contudo,
não basta apenas considerar as ações possíveis sobre o cenário, mas também
entender o impacto delas sobre o processo, melhorando, assim, a condição de
escolha: embasada em informações coerentes e fortes, a decisão certamente
será mais assertiva, o mostra sua relação direta com o conceito de jogos,
já que os jogadores tomam suas decisões ao mesmo tempo ou sucessivamente.
Ainda segundo Fiani (2015), um bom exemplo é o caso dos bancos —
a decisão a ser tomada torna-se mais difícil se cada banco precisa escolher o
que fazer em relação ao seu empréstimo sem conhecer a decisão do outro, em
comparação a se um deles tem a chance de decidir conhecendo a escolha do
outro. Conhecendo a respeito da concorrência, sua decisão será mais asser-
tiva, pois esta passa de apenas aleatória para condição defensiva, superior à
concorrência. Isso se chama ação proativa, que deve se dar sobre as tendências
de ocorrência, principalmente quanto às falhas ou aos defeitos de modo geral.
Outro caso relevante nessa proposta para construção do modelo ideal ocorre
quando uma empresa líder decide depois da concorrente com perfil inovador.
Se a líder decide o preço de seu produto depois de saber que a inovadora efe-
tivamente lançou seu novo produto, disporá de mais informação no momento
de decidir e, eventualmente, pode acabar obtendo uma situação melhor ao
final do “jogo” do que se fosse obrigada a decidir ao mesmo tempo que a
inovadora decide lançar seu produto (FIANI, 2015). Nesse tipo de situação,
a líder precisaria escolher sua ação sem saber qual será a escolha da inovadora,
apresentando, dessa forma, menos informação. Em resumo, podemos perceber
que diferentes processos de interação sobre aquilo que estamos avaliando
demandam diferentes representações, sempre com base nas diversas tomadas
de decisão. O pretexto comparativo com jogos torna possível perceber como
as peças se movimentam dentro do cenário em análise, já que o foco principal
consiste em desenvolver um modelo matemático de forma clara, pelo menos
com condição adequada de trazer aquela informação até então abstrata para
uma condição de melhor percepção, constitui, sem dúvida, um diferencial
relevante para entender melhor o que acontece e, com isso, gerar respaldo na
tomada de decisões sobre o problema em questão.
 Construção e aplicação dos modelos matemáticos 19

Considere uma situação em que se deve desenvolver um modelo de otimização

do processo de montagem, considerando o atendimento a demanda anual. Em um
primeiro momento, pode-se questionar como elaborar um plano de produção que
respeite as limitações da empresa e do mercado, promovendo, ainda, o melhor re-
sultado financeiro para a empresa e a satisfação do cliente. Para a fabricação do skid,
são necessários dois recursos principais: mão de obra e fornecedor do processo de
pintura, para os quais a empresa apresenta as limitações descritas no quadro a seguir.

Recursos Disponibilidade

Mão de obra (minutos) 2,880 minutos/dia

Fornecedor do processo de pintura 48 unidades pintadas por semana

Para se chegar à quantidade de tempo necessária de mão de obra, consideraram-se

2 turnos de trabalho, com 3 funcionários trabalhando, com uma carga horária diária
de 480 minutos cada turno. As quantidades necessárias de tempo em cada um dos
processos para montagem do skid estão representadas a seguir.

Etapa Quantidade de funcionários Tempo

Soldagem 1 60 minutos por conjunto

Calibração 2 3 minutos por conjunto

Pintura Fornecedor externo 100 minutos por conjunto

Para encontrar o lucro do produto, a empresa forneceu três dados importantes.

O custo médio para soldar e calibrar um skid (R$ 70,00), o número de funcionários
envolvidos diretamente nos processos de soldagem e calibração (3 por turno), além
do fato de que todo o transporte no processo de pintura é feito pela própria empresa.
Desse modo, com base na demanda anual de 2.000 skid, foi possível calcular o lucro,
estimando os salários dos funcionários, o custo da pintura e o gasto com transporte,
conforme os seguintes quadros.
20 Construção e aplicação dos modelos matemáticos

Valor Custo Custo

Compo- Quan- Unidade
unitário mensal por uni-
nente tidade por mês
(r$) (R$) dade (R$)

Funcio- 6 6.000,00 36.000,00 192 187,50

nário

Transporte 10 via- 800,00 8.000,00 192 41,67

gens/
mês

Adicional 3 funcio- 12,47 823,02 192 4,29

noturno nários

Solda 192 horas/ 60,00/h 11.520,00 192 60,00

mês

Calibração 192 10,00 1.920,00 192 10,00

unidades/
mês

Pintura 192 1.000,00 192.000,00 192 1.000,00

unidades/
mês

Energia 352 horas/ 18,05 6.355,39 192 33,10

e água mês

Compo- — — 60.000,00 192 312,50

nentes
metálicos

Impostos — — — — 2.000,00

Total 4.500,00

Preço de venda/unidade Custo de produção Lucro

R$ 10.000,00 R$ 4.500,00 R$ 5.500,00

 Construção e aplicação dos modelos matemáticos 21

Com os dados estimados pelo grupo e os fornecidos pela RD, foi possível construir um
modelo matemático, como mostra o quadro a seguir, buscando otimizar o processo de
montagem, minimizando o custo. Função Objetivo: Minimizar os custos de Produção.

F.O MIM – (60* × 11 + 90* × 12+15* × 22) + (A*PA + B*PB) + (3*800)

Restrições

A+B = X11 + X12

A+B = X21 + X22

X11 + X12 = X21 + X22

X11 + X12 >= 48 unidades

1* × 11 <= 8 horas

1* × 12 <= 8 horas

Com o auxílio de uma planilha eletrônica, moldou-se o problema, para que fosse
resolvido por meio da ferramenta Solver, utilizando o algoritmo simplex. Após a
resolução obtida pelo Solver e obedecendo a todas as restrições, obtiveram-se os
seguintes resultados:

Quantidade
Tempo de Hora/
Etapas do requerida Custo por
produção homem
processo em horas/ unidade
disponível disponível
unidades

Soldar unidade 1 8 8 R$ 60,00

manhã

Soldar unidade 1 8 8 R$ 90,00

noite

Calibrar 0,5 8 16 R$ 10,00

unidade
manhã

Calibrar 0,5 8 16 R$ 15,00

unidade noite

Pintar unidade 1 8 — R$ 1.000,00

produção
22 Construção e aplicação dos modelos matemáticos

Demanda Manhã Noite

Demanda semanal de solda 48 0

Demanda semanal de calibragem 48 0

Demanda semanal de calibragem — — 48

Quantidade de A 48 356,5 —

Quantidade de B 0 312,5 —

Análise dos resultados para esse problema

Nesse cenário, a empresa funciona em dois turnos, com jornada diária de 16 horas.
A modelagem matemática desenvolvida apontou que o atual esquema de produção
aumenta o custo, pois o segundo turno, por conta da legislação trabalhista, tem um valor
maior de hora/homem trabalhada, tanto na etapa de solda quanto na de calibração.
Após todas as análises necessárias e com o auxílio da modelagem, observamos que a
distribuição de tempo que minimiza o custo é ótima quando se utiliza toda a demanda
de tempo no período da manhã, refletindo uma produção semanal de 48 unidades.
Por fim, avaliou-se o impacto de diminuir o tempo de solda para 30 minutos/unidade
com a inclusão de mais um funcionário no turno da manhã. Essa simulação indicou que
otimizar essa etapa diminui o custo final da unidade, pois, para cada hora trabalhada,
duas unidades do produto ficariam prontos, com o consumo da mesma quantidade de
recursos. Os resultados gerais indicaram que a empresa tem espaço para otimização
da linha de montagem, possibilitando a diminuição dos seus custos operacionais.
Fonte: Adaptado de Basílio et al. (2016, p. 5).

ARENALES, M. Pesquisa operacional para cursos de engenharia. 2. ed. Rio de Janeiro:

Elsevier, 2015.
BASÍLIO, B. Desenvolvimento de modelos matemáticos para otimização do processo
de montagem do SKID. In: CONGRESSO BRASILEIRO DE EDUCAÇÃO EM ENGENHARIA,
64., 2016, Natal. Anais [...]. Natal: UFRN, 2016. Disponível em: http://www.abenge.org.br/
cobenge/arquivos/3/anais/anais/161145.pdf. Acesso em 28 ago. 2020.
FIANI, R. Teoria dos jogos com aplicações em economia, administração e ciências sociais.
4. ed. Rio de Janeiro: Elsevier, 2015.
GOLDBARG, M. C.; LUNA, Henrique P.; GOLDBARG, E. F. Programação linear e fluxos em
rede. Rio de Janeiro: Elsevier, 2015.
 Construção e aplicação dos modelos matemáticos 23

HILLIER, F. S.; LIEBERMAN, G. J. Introdução à pesquisa operacional. 9. ed. Porto Alegre:

AMGH, 2012.
LACHTERMACHER, G. Pesquisa operacional na tomada de decisão. 5. ed. Rio de Janeiro:
LTC, 2016.

Leituras recomendadas
COX III, J. F.; SCHLEIER, J. G. Handbook da teoria das restrições. 1. ed. Porto Alegre: Book-
man, 2013.
MACHLINE, C. et al. Manual da administração da produção. 6. ed. Rio de Janeiro: FGV, 1985.
RODRIGUES, R. Pesquisa operacional. 1. ed. Porto Alegre: Sagah, 2017. E-book.

Os links para sites da web fornecidos neste capítulo foram todos testados, e seu fun-
cionamento foi comprovado no momento da publicação do material. No entanto, a
rede é extremamente dinâmica; suas páginas estão constantemente mudando de
local e conteúdo. Assim, os editores declaram não ter qualquer responsabilidade
sobre qualidade, precisão ou integralidade das informações referidas em tais links.