Universidade Federal Rural da Amazônia - UFRA

Curso de Bacharelado em Engenharia de Produção

Campus de Parauapebas

Pesquisa Operacional I

Semestre: 2023.2 (6º Período)

C.H. Semanal: 4 horas
C.H. Total: 68 horas

Professor: Me. Fabrício Menezes Mares

 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Plano de Ensino
LEMBRA?

INFLUENCIA

COMPÕE

MODELO

DETERMINÍS

ESTOCÁSTIC

BIBLIOGRAF.
 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Tomada de Decisão
• Definição da Situação-Problema (fase mais importante)
LEMBRA?
• Solução viável versus Solução ótima
INFLUENCIA • Modelagem matemática é pedra fundamental da P.O.
COMPÕE • Fatores intangíveis (não quantificáveis), comportamento
humano devem ser considerados na decisão final
MODELO
1º Quais são as alternativas para a tomada de decisão?
DETERMINÍS Mapeamento de todas as opções disponíveis

ESTOCÁSTIC 2º Sob quais restrições a decisão é tomada?

Verificação das limitações que influenciam a decisão
BIBLIOGRAF.

3º Qual o critério objetivo para avaliar as alternativas?

Determinação do critério balizador para a escolha de uma alternativa em vez de outra
 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Modelagem para a Tomada de Decisão
• P.O. é uma “ferramenta matemática” que auxilia no processo de
LEMBRA?
tomadas de decisão em situações reais. Permite:
INFLUENCIA • Resolver problemas reais
• Tomar decisões com base em dados e correlações quantitativos
COMPÕE
• Diminuir custos e aumentar lucros
MODELO • Encontrar uma solução ótima

DETERMINÍS
Em geral sempre são aproximações
ESTOCÁSTIC
Conseguida pela “aglomeração” de
BIBLIOGRAF. diversas variáveis do mundo real em uma
única variável do mundo real considerado

Fonte: Taha (2007)

 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Construir um Modelo
A construção de um modelo consiste em desenvolver uma equação matemática
LEMBRA?
ou um conjunto delas, considerando uma série de parâmetros
INFLUENCIA O uso de modelos matemáticos não se restringe apenas às aplicações de Engenharia
COMPÕE

MODELO Saúde Física Biologia Biotecnologia Ensino Softwares

Química
DETERMINÍS Diagnóstico de Melhoramento Melhoria no Incorporados
doenças Acepções de teorias genético processo de ao algoritmo
ESTOCÁSTIC ensino- (resultado
aprendizagem direto)
BIBLIOGRAF.

Fonte: Taha (2007)

 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Modelagem de Sistemas
LEMBRA?

INFLUENCIA

COMPÕE

MODELO

DETERMINÍS

ESTOCÁSTIC

BIBLIOGRAF.

Fonte: Goldbarg et al. (2015)

 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Técnicas de P.O.
Em P.O. não há uma única técnica para resolver todos as situações problemas ou
LEMBRA? modelos matemáticos
INFLUENCIA
Na prática a complexidade do modelo determina a
COMPÕE natureza do método de solução
MODELO

DETERMINÍS • Programação Linear (mais utilizada)

• Programação Inteira
ESTOCÁSTIC
• Programação Dinâmica
BIBLIOGRAF. • Otimização em Redes
• Programação Não-Linear
Fonte: Taha (2007)
 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Aplicação da P.O.
Implementação da Pesquisa Operacional:
LEMBRA?
• Definição do Problema
INFLUENCIA • Construção do Modelo
COMPÕE • Solução do Modelo
• Validação do Modelo
MODELO
• Implementação da Solução
DETERMINÍS

ESTOCÁSTIC
Problemas de P.O. nem sempre está relacionada à análise matemática. O “bom-
BIBLIOGRAF. senso”, o elemento humano e o perfil psicológico devem ser considerados
 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Influências do Ser Humano
LEMBRA?
Biogênicas Psicológicos

INFLUENCIA Estados de tensão

COMPÕE
Fisiológicos: Psicológicos:
MODELO • Fome • Reconhecimento
DETERMINÍS
• Sede • Estima
• Desconforto • Integração
ESTOCÁSTIC

BIBLIOGRAF.
“O que serve pra um
cliente pode não
servir para o próximo”
 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Modelagem para a Tomada de Decisão
Composição de um modelo:
LEMBRA?
Variáveis de Decisão São incógnitas a serem determinados pela solução do modelo:
INFLUENCIA

COMPÕE Contínuas  Assumem quaisquer valores (conjunto não enumerável)

Ex: quantidade ótima a ser produzida em litros, kg, %, etc
MODELO

DETERMINÍS Discretas  Valores contáveis (conjunto enumerável - finito)

Ex: nº ideal de funcionários/turno, unidades a fabricar, etc
ESTOCÁSTIC

BIBLIOGRAF. Binária (dummy)  1 (caract. e interesse presente); 0 (caso contrário)

Ex: nº ideal de funcionários/turno, unidades a fabricar, etc
 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Modelagem para a Tomada de Decisão
Composição de um modelo:
LEMBRA?
Valores fixos previamente conhecidos do problema e contidos
Parâmetros
INFLUENCIA no modelo matemático

COMPÕE Ex: demanda de cada produto para um mix produtivo; custo variável
para produzir um móvel; custo por funcionário contratado, etc
MODELO
Função matemática que determina o valor-alvo que se
DETERMINÍS Função objetivo pretende alcançar ou a qualidade da solução, em função das
variáveis de decisão e dos parâmetros
ESTOCÁSTIC
Maximização  lucro, receita, utilidade,
BIBLIOGRAF.
nível de serviço, riqueza, expect. de vida, etc
Minimização  custo, risco, erro, prejuízo,
déficit, etc
 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Modelagem para a Tomada de Decisão
Composição de um modelo:
LEMBRA?
Conjunto de equações e inequações que as variáveis de decisão
Restrições
INFLUENCIA devem satisfazer (considerar as limitações do sistema)

COMPÕE Ex: capacidade máxima de produção; risco máximo que o investidor

está disposto a se submeter; número máximo de veículos disponíveis
MODELO

DETERMINÍS

ESTOCÁSTIC

BIBLIOGRAF.
 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Processo de Modelagem e Resolução de Problemas
Fases de estudo da pesquisa Operacional:
LEMBRA?

INFLUENCIA
• Uma vez construído o modelo, a
COMPÕE próxima fase consiste na solução do
mesmo por meio das técnicas de P.O.
MODELO
• A solução obtida precisa ser validada
DETERMINÍS
de forma que o objetivo em questão
tenha sido atingido.
ESTOCÁSTIC • Porém às vezes é necessário a revisão
de uma das fases anteriores até que as
BIBLIOGRAF. conclusões extraídas do modelo
sejam validadas

Fonte: Belfiore e Favero (2013)

 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

1º Definição do Problema
PLANO
Definição do escopo do problema sob investigação: Descrição das Alternativas; Determinação
do Objetivo do Estudo; e Especificação das Limitações (restrições)
LEMBRA?
2º Construção do Modelo
INFLUENCIA
É uma tentativa de traduzir a definição do problemas por meio de relações matemáticas
(equações e inequações)
COMPÕE
3º Solução do Modelo
MODELO Utiliza as técnicas de P.O. para a solução do modelo, considerando a sua sensibilidade (trata-
se de verificar o comportamento da solução ótima quando se muda os parâmetros do modelo)
DETERMINÍS
4º Validação do Modelo
ESTOCÁSTIC Verifica se o modelo faz ou não o que diz fazer. Um modelo é considerado válido se for capaz
de representar ou prever, com precisão aceitável, o comportamento do sistema em estudo
BIBLIOGRAF.
5º Implementação da Solução
Tradução dos resultados em instruções operacionais inteligíveis para as pessoas. Deve ser
controlada e acompanhada, a fim de detectar e corrigir possíveis mudanças nos valores.
 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO Hora do Game

LEMBRA?
Após conhecer todos os elementos de uma fila e saber das suas influências

INFLUENCIA

COMPÕE

MODELO

DETERMINÍS

ESTOCÁSTIC

BIBLIOGRAF.
 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Ferramentas da P.O.
Ferramentas de estudo da pesquisa Operacional:
LEMBRA?

INFLUENCIA • São aqueles em que todas as variáveis

envolvidas em sua formulação são
COMPÕE constantes e conhecidas
MODELO

DETERMINÍS • Utilizam uma ou mais variáveis

aleatórias em que pelo menos de suas
ESTOCÁSTIC características operacionais é definida
por meio de funções de probabilidade
BIBLIOGRAF.

• Vem sendo desenvolvidas como

resultado do avanço computacional Fonte: Belfiore e Favero (2013)
 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Ferramentas da P.O.
Modelo geral de programação matemática:
LEMBRA?

INFLUENCIA
x: são variáveis de decisão
COMPÕE
a: são parâmetros
MODELO b: termo independente, constante
ou qtd de recursos disponíveis na
DETERMINÍS m-ésima restrição

ESTOCÁSTIC

BIBLIOGRAF.

Restrição de não negatividade Fonte: Belfiore e Favero (2013)

 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Ferramentas da P.O. (Modelos Determinísticos)
Características para se identificar um problema de:
LEMBRA?
A função objetivo e todas as restrições do modelo são
Programação Linear
INFLUENCIA representadas por funções lineares das variáveis de decisão

COMPÕE Função Linear  envolve apenas constantes e termos com variáveis

de primeira ordem. Caso contrário a função é dita não linear
MODELO

DETERMINÍS Graficamente, uma função linear será

representada por uma reta
ESTOCÁSTIC

BIBLIOGRAF. Além disso, todas as variáveis de

decisão devem ser contínuas
 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Ferramentas da P.O. (Modelos Determinísticos)
Características para se identificar um problema de:
LEMBRA?
Programação Não Pelo menos a função objetivo ou uma das restrições será
INFLUENCIA Linear representada por função não linear das variáveis de decisão

COMPÕE Função Linear  envolve apenas constantes e termos com variáveis

de primeira ordem. Caso contrário a função é dita não linear
MODELO

DETERMINÍS Graficamente, uma função não linear

pode assumir diferentes caracterizações
ESTOCÁSTIC

BIBLIOGRAF. Além disso, todas as variáveis de

decisão devem ser contínuas
 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Ferramentas da P.O. (Modelos Determinísticos)
Características para se identificar um problema de:
LEMBRA?
Todas as variáveis de decisão do modelo são discretas. Se parte
Programação Inteira
INFLUENCIA for discreta e parte contínua têm-se Programação Inteira Mista

COMPÕE Todas as variáveis de decisão do modelo são binárias. Se parte

Programação Binária
for binária e parte contínua têm-se Programação Binária Mista
MODELO
Programação Inteira
Se num mesmo modelo têm-se variáveis discretas e binárias
DETERMINÍS Binária

ESTOCÁSTIC Podem ainda ser classificados como lineares ou não lineares

BIBLIOGRAF. Programação Inteira A função objetivo e as restrições são representadas por
ou Binária Linear funções lineares das variáveis de decisão
Programação Inteira Pelo menos a função objetivo ou uma das restrições são
ou Binária NãoLinear representadas por função não linear das variáveis de decisão
 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Ferramentas da P.O. (Modelos Determinísticos)
Características para se identificar um problema de:
LEMBRA?
Programação em São modelados por uma estrutura de gráfico ou rede que
INFLUENCIA Redes consiste em diversos nós

COMPÕE Observação  cada nó deve estar conectado a um ou mais arcos

Ex.: problema de transporte, designação, caminho mínimo
MODELO

DETERMINÍS

ESTOCÁSTIC

BIBLIOGRAF.
 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Ferramentas da P.O. (Modelos Determinísticos)
Características para se identificar um problema de:
LEMBRA?
Programação Utilizada quando o problema principal precisa ser decomposto
INFLUENCIA Dinâmica em subproblemas

COMPÕE Função do tempo  ao contrário dos modelos estáticos, que

consideram apenas um dado momento.
MODELO

DETERMINÍS Na programação dinâmica

determinística, todas as variáveis
ESTOCÁSTIC
envolvidas são não aleatórias
BIBLIOGRAF.
 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Ferramentas da P.O. (Modelos Estocásticos)
Características para se identificar um problema de:
LEMBRA?
Estuda um sistema de formação de filas por meio de análises
Teoria de Filas
INFLUENCIA matemáticas
Oferecer um serviço
COMPÕE razoavelmente satisfatório:
Tempo médio de espera, Servidor Clientes/operação partindo
MODELO
comprimento médio da fila
DETERMINÍS
Servidor Clientes/operação partindo
ESTOCÁSTIC
Clientes/operação (. . .)
BIBLIOGRAF. chegando
Servidor Clientes/operação partindo
Eventos
discretos
 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Ferramentas da P.O. (Modelos Estocásticos)
Características para se identificar um problema de:
LEMBRA?
Modelos de Simulação é o segundo melhor procedimento depois da
INFLUENCIA Simulação observação de um sistema real

COMPÕE É uma imitação computadorizada do comportamento aleatório de

um sistema com a finalidade de medir o seu desempenho
MODELO

DETERMINÍS

ESTOCÁSTIC

BIBLIOGRAF.
 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Ferramentas da P.O. (Modelos Estocásticos)
Características para se identificar um problema de:
LEMBRA?
Programação É uma variação da programação dinâmica determinística. Pelo
INFLUENCIA Dinâmica menos uma variável envolvida será aleatória

COMPÕE Cadeia de Markov  a probabilidade condicional de evento futuro

independe do evento passado, dependendo apenas do presente
MODELO

DETERMINÍS

ESTOCÁSTIC

BIBLIOGRAF.
 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO
Ferramentas da P.O. (Modelos Estocásticos)
Características para se identificar um problema de:
LEMBRA?
É uma teoria matemática que estuda o processo de tomada de
Teoria dos Jogos
INFLUENCIA decisão entre dois ou mais indivíduos que interagem entre si

COMPÕE
A decisão de um participante dependerá dos demais e vice-versa
MODELO

DETERMINÍS Atualmente, muito aplicada em

Diferentes microeconomia, finanças e estratégias
ESTOCÁSTIC cenários
podem ser
BIBLIOGRAF.
simulados e
observados
 Curso de Bacharelado em Engenharia de Produção
Campus de Parauapebas

PLANO Atividade 01
Escaneie o QRcode e responda às questões relacionadas aos conteúdos
LEMBRA? abordados durante a aula
INFLUENCIA

COMPÕE

MODELO

DETERMINÍS

ESTOCÁSTIC

BIBLIOGRAF.
 Bibliografia
PLANO Básica:
 BELFIORE, P.; FÁVERO, L. P. Pesquisa operacional para cursos de engenharia. Rio de Janeiro:
LEMBRA? Elsevier, 2013.
INFLUENCIA  HILLIER, F. S; LEMOS, H. L. Introdução à pesquisa operacional. 9. Ed. Porto Alegre: AMG, 2013.
 ANDRADE, E. L. de. Introdução à pesquisa operacional: métodos e modelos para análise de
COMPÕE decisões. 5. Ed. Rio de Janeiro: LTC, 2015.

MODELO
Complementar:
 ANDRADE, E. L. Introdução à pesquisa operacional. Rio de Janeiro: LTC, 2004;
DETERMINÍS  COLIN, E. C, Pesquisa Operacional: 170 aplicações em estratégias, finanças, logística,
produção, marketing e vendas. Rio de Janeiro: LTC, 2007.
ESTOCÁSTIC
 TAHA, H. A. Pesquisa operacional. 8. Ed. São Paulo, SP: Pearson, 2007.
BIBLIOGRAF.  LEAL NETO, J. S. Pesquisa operacional. 1. Ed. São Paulo: Contentus, 2020.
 BARBOSA, M. A. Iniciação à pesquisa operacional no ambiente de gestão. 3. Ed. Curitiba:
Intersaberes, 2015.