Modelagem para Apoio à

Tomada de Decisão

Prof. João Luiz Becker

joao.becker@fgv.br
 Conteúdo Programático

• Introdução à modelagem e à tomada de decisão

• Introdução à modelagem de otimização
• Introdução à modelagem em planilhas
• Modelagem de programação linear
• Modelagem de redes
• Modelagem de otimização usando variáveis
inteiras

2
Questões relevantes de hoje
• O que é programação matemática?
• Quais são as características de um modelo de
otimização?
• Qual a peculiaridade de um modelo de PL?
• Quais são os principais passos do processo
de modelagem de PL?
• Como resolver modelos de PL graficamente?
• Quais são as principais anomalias
encontradas em modelos de PL mal
formulados?
 Pendências da aula 1

• Questões 1 a 27 Cap.1 Ragsdale (p. 11)

• Registro de aprendizado do Cap. 1
Introdução à otimização e à
programação linear
cap. 2 Ragsdale
• Todos enfrentamos decisões sobre o uso
de recursos limitados, como:
• Petróleo
• Espaços para depositar rejeitos
• Tempo
• Dinheiro
• Trabalhadores
Programação matemática
• PM é um campo da Administração
(business analytics) que busca a maneira
ótima, ou mais eficiente, de usar recursos
limitados para atingir objetivos de um
indivíduo, de uma empresa, ou de uma
organização qualquer
• Também é chamada de
otimização
 Algumas aplicações
• Determinar o mix de produtos
de uma empresa
• Organização da produção

• Logística
• Planejamento financeiro
Características de problemas
de otimização
• Decisões

• Restrições
• Objetivos
Forma geral de um modelo
de otimização
• MAX (ou MIN): 𝑓0 𝑥1 , 𝑥2 , … , 𝑥𝑛

𝑓1 𝑥1 , 𝑥2 , … , 𝑥𝑛 ≤ 𝑏1
𝑓2 𝑥1 , 𝑥2 , … , 𝑥𝑛 ≤ 𝑏2
• Sujeito a:
⋮
𝑓𝑚 𝑥1 , 𝑥2 , … , 𝑥𝑛 ≤ 𝑏𝑚

NOTA: se as funções 𝑓0 , 𝑓1 , … , 𝑓𝑚 são

lineares, o problema é chamado de um
problema de programação linear (PL)
Forma geral de um modelo
de PL

• MAX (ou MIN): 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛

• Sujeito a:
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 ≤ (=)(≥)𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 ≤ (=)(≥)𝑏2
⋮
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 ≤ (=)(≥)𝑏𝑚
Exemplo
 Exemplo

Aqua-Spa Hydro-Lux
Bombas necessárias 1 1
Mão-de-obra necessária 9 horas 6 horas
Tubulação necessária 12 pés 16 pés
Lucro unitário $350 $300

• Existem disponíveis 200 bombas, 1.566

horas de trabalho e 2.880 pés de tubulação
 Passos na formulação de
modelos de PL
1. Entenda o problema
2. Identifique as variáveis de decisão
– 𝑥1 = número de Aqua-Spas a produzir
– 𝑥2 = número de Hydro-Luxes a produzir
3. Coloque a função objetivo como uma
função linear das variáveis de decisão
– MAX: 350𝑥1 + 300𝑥2
 Passos na formulação de
modelos de PL
4. Coloque as restrições como combinações
lineares das variáveis de decisão
– 1𝑥1 + 1𝑥2 ≤ 200 Bombas
– 9𝑥1 + 6𝑥2 ≤ 1.566 Mão-de-obra
– 12𝑥1 + 16𝑥2 ≤ 2.880 Tubulação
5. Identifique quaisquer limites nas variáveis
de decisão
– 𝑥1 ≥ 0
– 𝑥2 ≥ 0
Modelo de PL para a Blue
Ridge Hot Tubs

• MAX: 350𝑥1 + 300𝑥2

1𝑥1 + 1𝑥2 ≤ 200
Sujeito a: 9𝑥1 + 6𝑥2 ≤ 1.566
12𝑥1 + 16𝑥2 ≤ 2.880
𝑥1 ≥ 0
𝑥2 ≥ 0
Resolvendo modelos de PL
uma abordagem intuitiva
• Ideia: cada Aqua-Spa (𝑥1 ) gera o maior lucro
unitário ($350), de modo que vamos produzir o
máximo possível de Aqua-Spas
• Quantas unidades seriam?
– Façamos 𝑥2 = 0
• Primeira restrição: 1𝑥1 ≤ 200
• Segunda restrição: 9𝑥1 ≤ 1.566 ou 𝑥1 ≤ 174
• Terceira restrição: 12𝑥1 ≤ 2.880 ou 𝑥1 ≤ 240
• Se 𝑥2 = 0, o valor máximo de 𝑥1 é 174 e o lucro
total é $350 × 174 + $300 × 0 = $60.900
• Essa solução é viável, mas é ótima?
Resolvendo modelos de PL
uma abordagem gráfica

• As restrições de um modelo de PL
definem a sua região de viabilidade
• O melhor ponto na região de viabilidade é
a solução ótima do modelo
• Para modelos com duas variáveis, é fácil
fazer um gráfico da região de viabilidade e
encontrar a solução ótima
 Colocando a primeira
restrição no gráfico
X2
250
(0, 200)
200
Linha limite da restrição de bombas
X1 + X2 = 200
150

100

50
(200, 0)
0
0 50 100 150 200 250 X1
 Colocando a segunda
restrição no gráfico
X2
(0, 261)
250
Linha limite da restrição de mão-de-obra
200 9X1 + 6X2 = 1566

150

100

50
(174, 0)
0
0 50 100 150 200 250 X1
 Colocando a terceira
restrição no gráfico
X2
250
(0, 180)
200

150
Linha limite da restrição de tubulação
12X1 + 16X2 = 2880
100

Região viável
50

(240, 0)
0
0 50 100 150 200 250 X1
 Colocando a curva de nível
da função objetivo no gráfico
X2

250

200

(0, 116.67) Função objetivo

150
350X1 + 300X2 = 35000

100

50 (100, 0)

0
0 50 100 150 200 250 X1
Uma segunda curva de nível
da função objetivo
X2
250

(0, 175) Função objetivo

200 350X1 + 300X2 = 35000
Função objetivo
150 350X1 + 300X2 = 52500

100

50 (150, 0)

0
0 50 100 150 200 250 X1
 Usando uma curva de nível
para localizar a solução ótima
X2
250

Função objetivo
200
350X1 + 300X2 = 35000

150
Solução ótima
100
Função objetivo
350X1 + 300X2 = 52500
50

0
0 50 100 150 200 250 X1
Calculando a solução ótima
• A solução ótima ocorre onde as restrições de
bombas e de mão-de-obra se interceptam
• Isso ocorre quando
– 𝑥1 + 𝑥2 = 200 e (1)
– 9𝑥1 + 6𝑥2 = 1.566 (2)
• De (1) tem-se 𝑥2 = 200 − 𝑥1 (3)
• Substituindo (3) em (2) tem-se
9𝑥1 + 6 200 − 𝑥1 = 1.566, que se reduz a 𝑥1 = 122
• Então a solução ótima é 𝑥1 = 122 e
𝑥2 = 200 − 𝑥1 = 78
• O lucro total é $350 × 122 + $300 × 78 = $66.100
 Enumerando os pontos
X2 extremos
250 Nota: essa técnica não funciona se a
solução é ilimitada
Valor do objetivo = $54,000
200 (0, 180)

Valor do objetivo = $64,000

150
(80, 120)

Valor do objetivo = $66,100

100
(122, 78)

50
Valor do objetivo = $0 Valor do objetivo = $60,900
(0, 0) (174, 0)
0
0 50 100 150 200 250 X1
Resumo da solução gráfica
de modelos de PL
• Coloque no gráfico a linha limite de cada
restrição
• Identifique a região viável
• Localize a solução ótima usando uma das
seguintes maneiras
– Colocando no gráfico as curvas de nível da
função objetivo
– Enumerando todos os pontos extremos
Entendendo como as coisas
mudam

• Veja a Fig2-8.xlsm
 Condições especiais em
modelos de PL

• Várias anormalidades podem ocorrer em

modelos de PL
– Várias soluções ótimas
– Restrições redundantes
– Soluções ilimitadas
– Inviabilidade
Exemplo de várias soluções
X
2 ótimas
250
Curva de nível da função objetivo
200 450X1 + 300X2 = 78300

150

100

Múltiplas soluções ótimas

50

0
0 50 100 150 200 250 X1
 Exemplo de restrições
X2 redundantes
250 Linha limite da restrição de tubulação

200
Linha limite da restrição de bombas

150

Linha limite da restrição de mão-de-obra

100

Região viável
50

0
0 50 100 150 200 250 X1
Exemplo de solução ilimitada
X2
1000 Função objetivo
X1 + X2 = 600 -X1 + 2X2 = 400

800
Função objetivo
X1 + X2 = 800

600

400

200

X1 + X2 = 400
0
0 200 400 600 800 1000 X1
Exemplo de inviabilidade
X2
250

200 X1 + X2 = 200

Região viável para a

150 segunda restrição

100

Região viável
50 para a primeira
restrição
X1 + X2 = 150
0
0 50 100 150 200 250 X1
X2
250

200 X1 + X2 = 200

Região viável para a

150 segunda restrição

100

Região viável
50 para a primeira
restrição
X1 + X2 = 150
0
0 50 100 150 200 250 X1
Para a próxima aula:

Entregar questões 1 a 5, 10,

14, 18, 20, 23 e 26 do Cap. 2
do Ragsdale (p. 31)

Entregar relato pessoal de

aprendizado do cap. 2