Pesquisa

Operacional
 Material Teórico
Programação linear

Responsável pelo Conteúdo:

Prof. Esp. Roberto Seraglia Martins

Revisão Textual:
Prof. Ms. Claudio Brites
 Programação linear

• Introdução
• Problemas lineares
• Solução

OBJETIVO DE APRENDIZADO
· Os principais objetivos desta Unidade são conhecer modelos de
programação linear; características e formulações dos modelos;
exemplos de modelagem para resolver problemas empresariais;
Método Simplex; análise de sensibilidade; e programação
linear inteira.

ORIENTAÇÕES
Leia atentamente o conteúdo desta Unidade, que lhe possibilitará
conhecimentos sobre a programação linear.

Você também encontrará aqui uma atividade composta por questões de

múltipla escolha relacionadas com o conteúdo estudado. Além disso, terá
a oportunidade de trocar conhecimentos e debater questões no fórum
de discussão.

É extremante importante que você consulte os materiais complementares,

pois são ricos em informações, possibilitando-lhe o aprofundamento de seus
estudos sobre esse assunto.
UNIDADE Programação linear

Contextualização
A Programação Linear visa discutir aspectos relacionados ao processo de
maximização do resultado nas indústrias, privilegiando o uso da margem de
contribuição, instrumento do custeio variável.

O estudo compreende a identificação de um problema onde se torna necessária

a escolha da melhor combinação, por exemplo, de produtos a serem fabricados
num ambiente de múltiplas restrições.

A programação linear é proposta como alternativa para encontrar o melhor mix

de produção, ou seja, aquele que maximize o resultado.

Finalmente, é apresentado um exemplo em que os conceitos são aplicados e os

impactos na margem de contribuição total da empresa são analisados.

Dessa forma, a programação linear é capaz de fornecer uma combinação de

produtos que proporciona resultados maiores do que o uso isolado da margem de
contribuição.

Saiba mais acessando o link abaixo:

Explor

https://goo.gl/BDqPVs

6
Introdução
Quando tratamos de problemas e possíveis soluções, estamos buscando uma
saída que é a otimização, ou seja, uma forma eficiente de utilizar os recursos para
se atingir um objetivo.

Falamos de otimização de recursos pois esses, na prática, sempre estão

associados à natureza financeira e econômica, como equipamentos, mão de obra,
matéria prima e o capital.

A Pesquisa Operacional tem como característica:

Fazer uma busca minuciosa por toda a organização, buscando otimização de

operações pautada na aplicação de técnicas e métodos científicos a partir do
desenvolvimento e da utilização de métodos analíticos, operações e integração
de equipes.

A tomada de decisão sempre é um processo difícil e a Pesquisa Operacional

surge para dar subsídios para a melhor escolha, buscando sempre alcançar objetivos
e a otimização.

A otimização vem sempre ligada a uma busca de quantidades, maximizando-as

ou minimizando-as, e finitas variáveis a serem consideradas.

Quando podemos expressar nosso problema organizacional de otimização

com funções matemáticas e sinais (Figura 2), dizemos que são problemas de
programação matemática.

Problemas de programação matemática são classificados de acordo com a

técnica que se usa para montá-los, analisá-los e resolvê-los.

Problemas lineares
Programação linear
A Programação Linear (PL) fundamenta-se na busca pela solução de problemas
que possam ser parametrizados por expressões lineares.

A Programação Linear tem a tarefa de trabalhar com a função objetivo,

respeitando as restrições de modelo; em outras palavras, ela pode maximizar
ou minimizar uma função linear observando o sistema linear de desigualdades e
igualdades. As restrições determinam o que chamamos de conjunto viável para
chegarmos à solução ótima!

7
7
UNIDADE Programação linear

Complicou?

Simplificando:

Temos um objetivo que é encontrar a melhor distribuição dos recursos de modo a

alcançar um valor ótimo.

Considerando:

Que nosso Objetivo será transcrito como variável de decisão do problema.

E que existem restrições para a aplicação dos recursos, que podem ser fundadas na
forma de utilização ou na disponibilidade dos mesmos.

Esquematizando Definição
de Variáveis

Onde queremos chegar?

Relações Matemáticas
Restrições

Quais são as condiçõesa serem obedecidas?

Equação
Função Objetivo

Como escrever o problema com variáveis?

MODELO

Como podemos observar na concepção, não existe uma forma estática para
montar o modelo de um problema, pois a modelagem envolve aspectos particulares
que são modelados com a observação e prática de aplicação, contando com
experiência, boa análise e síntese.

Na formulação de um modelo, é considerada muito importante a escolha

adequada das variáveis de decisão. Quando as variáveis de decisão são bem
selecionadas, a função objetivo e as restrições podem ser obtidas sem muita
dificuldade. Os problemas na determinação da função objetivo e as restrições
aparecem devido a uma escolha incorreta das variáveis de decisão.

8
Problemas típicos
A Pesquisa Operacional pode ser aplicada na resolução de uma gama muito
grande de problemas de natureza tática e não estratégica.

TÁTICO X ESTRATÉGICO

Avaliando o alcance Medindo a extensão e

x
do problema:
Quando sua resolução produz
um efeito de curta duração,
sendo que essa solução pode
ser redesenhada com facilidade,
temos um problema TÁTICO.
orientação do problema:
Quanto maior for a abrangência da
solução na organização, uma lista
maior de metas e objetivos, mais
ESTRATÉGICO esse problema será
para o grupo.

São exemplos:
· Cadastro de rotas;
· Filas de espera;
· Reposição ou substituição;
· Movimentação de Estoques;
· Alocação de recursos;

Vamos exercitar?

Uma indústria de massas produz três tipos de biscoitos: quadrado, redondo

e oval.

Cada tipo requer farinha pura, açúcar e aditivos que estão disponíveis
nas quantidades de: 9.600.000, 4.800.000 e 2.200.000 quilos por mês
respectivamente.

As receitas de cada tipo de biscoito são:

· Um quilo de biscoito quadrado requer 0,22 quilos de farinha pura, 0,50
quilos de açúcar e 0,28 quilos de aditivos;
· Um quilo de biscoito redondo requer 0,52 quilos de farinha pura, 0,34
quilos de açúcar e 0,14 quilos de aditivos;
· Um quilo de biscoito oval requer 0,74 quilos de farinha pura, 0,20 quilos
de açúcar e 0,06 quilos de aditivos.

Como programação de produção, com base na demanda de mercado, o

planejamento da indústria estipulou que:
· a quantidade de biscoito oval deve ser, no mínimo, igual a 16 vezes a
quantidade de biscoito quadrado; e

9
9
UNIDADE Programação linear

·· que a quantidade de biscoito redondo deve ser, no máximo, igual a

600.000 quilos por mês;
·· A empresa sabe que cada quilo de biscoito quadrado, redondo e oval
dá uma margem de contribuição para o lucro de $0,30, $0,25 e $0,20,
respectivamente;
·· e seu objetivo é determinar o programa de produção que maximiza a
margem total de contribuição para o lucro.

Definição das variáveis:

X1: quantidade de biscoito quadrado a produzir

X2: quantidade de biscoito redondo a produzir

X3: quantidade de biscoito oval a produzir

Modelo completo:
Encontrar valores para x1, x2 e x3 de modo a:

MAXIMIZAR
L = 0,30 × x1 + 0,25 × x2 + 0,20 × x3

Respeitando as restrições:

0,22 × x1 + 0,52 × x2 + 0,74 × x3 ≤ 9.600.000

0,50 × x1 + 0,34 × x2 + 0,20 × x3 ≤ 4.800.000

0,28 × x1 + 0,14 × x2 + 0,06 × x3 ≤ 2.200.000

16 × x1 - x3 ≤ 0

X2 ≤ 600.000

x1 ≥ 0

X2 ≥ 0

X3 ≥ 0

10
 Analisando esse exemplo como base, podemos afirmar que as grandezas
envolvidas num sistema de Programação Linear obedecem às características gerais:
· proporcionalidade – exemplo: se 1 quilo do biscoito quadrado possui
0,50 quilos de açúcar, 3 quilos de biscoito quadrado possuirão 1,50 quilos
de açúcar;
· aditividade – exemplo: se 1 quilo de biscoito redondo requer 0,52 quilos
de farinha pura, e 1 quilo de biscoito oval requer 0,74 quilos de farinha
pura, logo 1 quilo da mistura deve conter 1,26 quilos de farinha pura;
· fracionamento – exemplo: 1 quilo de biscoito oval requer 0,74 quilos de
farinha pura, 0,20 quilos de açúcar e 0,06 quilos de aditivos.

Outro exemplo delicioso:

Uma sorveteria vai fazer a programação mensal de mão de obra e material para
a produção de sorvete. Ela deve considerar a produção de três tipos de sorvete
utilizando 200 quilos de material por dia com disponibilidade de mão de ora de
150 horas.

Cone Massa Picolé

Mão de obra 7 3 6
Material 4 4 5
Lucro 4 2 3

Formule um modelo de Programação Linear para determinar a produção de

cada um dos tipos de sorvete maximizando o lucro da sorveteria.

Definição das variáveis:

X1: quantidade de cone a produzir

X2: quantidade de massa a produzir

X3: quantidade de picolé a produzir

Modelo completo:
Encontrar valores para x1, x2 e x3, de modo a:

MAXIMIZAR LUCRO TOTAL

Max Lucro = 4 × x1 + 2 × x2 + 3 × x3

11
11
UNIDADE Programação linear

Respeitando as restrições:

Mão de obra

7 × x1 + 3 × x2 + 6 × x3 ≤ 150

Material

4 × x1 + 4 × x2 + 5 × x3 ≤ 200

E;

x1 ≥ 0

X2 ≥ 0

X3 ≥ 0

Está esquentando?
Vamos avaliar duas linhas de produção que produzem três diferentes formatos
de garrafas.

A organização se comprometeu a entregar 16 toneladas de garrafa 350mL, 6

toneladas de garrafa 1500mL e 28 toneladas de garrafa 3000mL.

Existe uma demanda para cada tipo de garrafa.

O custo de produção na primeira linha é de R$ 1.000 e o da segunda linha é

de R$ 2.000 por dia.

A primeira linha produz 8 toneladas de garrafa 350mL, 1 tonelada de garrafa

1500mL e 2 toneladas de garrafa 3000mL por dia. A segunda linha produz 2
toneladas de garrafa 350mL, 1 tonelada de garrafa 1500mL e 7 toneladas de
garrafa 3000mL.

Quantos dias cada linha deverá operar para suprir os pedidos de forma
mais econômica?

Garrafa 350mL Garrafa 1500mL Garrafa 3000mL

Linha 1 8 1 2
Linha 2 2 1 7
Total 16 6 28

12
 Variáveis de decisão
x1 = dias de produção da linha 1

x2 = dias de produção da linha 2

Restrições Sujeito a:
8 x1 + 2 x2 ≥ 16

1 x1 + 1 x2 ≥ 6

2 x1 + 7 x2 ≥ 28

x1 ≥ 0

x2 ≥ 0

Objetivo do Problema:

Custo Mínimo!

Min. Custo = 1000 x1 + 2000 x2.

Agora ficou fácil!

Um produtor rural pode distribuir 800 caixas de vegetais para sua região. Ele
necessita distribuir 200 caixas de brócolis, lucrando R$20 por caixa, pelo menos
100 caixas de aipo, lucrando R$10 por caixa, e até 200 caixas de couve-flor,
lucrando R$30 por caixa.

De que forma deverá ele carregar o caminhão para obter o lucro máximo?

Caminhão
Brócolis 200
Aipo 100
Couve-flor 200
Total 800

Variáveis de decisão
x1 = quantidades de aipo a carregar

x2 = quantidades de couve-flor a carregar

13
13
UNIDADE Programação linear

Restrições Sujeito a:
x1 + x2 ≤ 600

x1 ≥ 100

x2 ≤ 200

x1 ≥ 0

x2 ≥ 0

Como o produtor deverá distribuir suas caixas para obter o lucro máximo?

Max.Lucro = 10 x1 + 30 x2 + 4000

Último!
Um ourives faz 6 brincos por hora, se fizer somente brincos. E produz 5 pingentes
por hora, se fizer somente pingentes. Ele gasta 2 unidades de ouro para fabricar 1
unidade de brinco e 1 unidade ouro para fabricar uma unidade de pingente.

Sabendo que o total disponível de ouro é apenas 10 unidades e que o lucro

unitário por brinco é de 5 unidades monetárias, e o do pingente é de 2 unidades
monetárias, responda:

Qual o modelo do sistema de produção do ourives para maximizar seu lucro

por hora?

Tempo Ouro
Brincos 10 2
Pingentes 12 1
Total 60 10

Variáveis de decisão
x1 = quantidades de brincos a produzir por hora

x2 = quantidades de pingentes a produzir por hora

Restrições Sujeito a:
10 x1 + 12 x2 ≤ 60

2 x1 + 1 x2 ≤ 10

x1 ≥ 0

x2 ≥ 0

14
Solução

Max.Lucro = 5 x1 + 2 x2

Limitações
Existem situações nas organizações em que encontramos um número tão grande
de variáveis e restrições que fica impossível viabilizar uma resolução manual.
Nesses casos, recomenda-se a utilização de softwares específicos para a resolução
de Programação Linear

Softwares computacionais
A utilização de ferramentas computacionais para a resolução de problemas de
Programação Linear de grande porte é considerada pela grande quantidade de
variáveis e restrições.

Ao abrir o computador hoje em dia, deparamo-nos com várias opções disponíveis

no mercado para a resolução desse problema nas organizações. Temos, assim,
desde programas que necessitam do suporte de potentes sistemas operacionais até
outros que podem ser utilizados em computadores pessoais.

Método Gráfico
Um problema de Programação Linear pode ser resolvido pelo Método Gráfico
sempre que o modelo em estudo apresentar duas variáveis.

As variáveis serão X1 e X2 e os eixos também serão nomeados X1 e X2

Existem problemas de Programação Linear que apresentam:

· Uma solução ótima;
· Nenhuma solução ótima;
· Infinitas soluções.

O Método Gráfico se apresenta como solução muito limitada pois grande

parte dos problemas de Programação Linear contém mais de duas variáveis e
muitas restrições.

15
15
UNIDADE Programação linear

Exemplo:

Vamos representar graficamente a solução de um sistema:

X1 + 3x2 ≤ 12

2 x1 + x2 ≥ 16

x1 ≥ 0

x2 ≥ 0

Suas retas correspondentes:

1- X1 + 3x2 ≤ 12 → se X1 = 0 x2 = 4

Se x2 = 0 e X1= 12

2- 2 x1 + x2 ≥ 16 → se X1 = 0 x2= 16

se x2 = 0 e X1 = 8

x2 Essa é a área de possíveis

Soluções, que respeita
as restrições impostas
pelo modelo

x1

Função-objetivo:

Max. L = 2 x1 + 5 x2

16
 Vamos atribuir valores aleatoriamente a L, começando com o número 10

1. Se L for igual a 10, então x1 = 5 e x2 = 2 .

2. Se L for igual a 15, então x1 = 7,5 e x2 = 3

À medida que formos aumentando o valor de L, obteremos retas paralelas.

Podemos então perceber que, dentro da área de possíveis soluções, o ponto P e
a reta paralela de maior valor. Portanto, esse ponto é a solução do problema que
maximiza o valor de L na região de restrições dadas.

Método Simplex
Como vimos, problemas de Programação Linear com mais de duas variáveis
não podem ser resolvidos pelo Método Gráfico. Dessa forma, surge o Método
Simplex como proposta para a resolução desses casos.

O Método Simplex foi desenvolvido para, a partir de algoritmos, encontrar

algebricamente a solução para um problema de Programação Linear.

Existem duas etapas importantes na aplicação desse método:

· O teste de otimalidade da solução, ou seja, a identificação de uma
solução ótima;
· A melhoria da solução, a obtenção de outra solução viável melhor do que
a encontrada antes.

Análise de sensibilidade
Essa é uma técnica utilizada para avaliar os impactos que o programa sofre
quando são impostas modificações nas condições iniciais de modelagem.

Em outras palavras, é o estudo de um modelo de programação matemática

submetido a mudanças em suas condições iniciais.

17
17
UNIDADE Programação linear

Material Complementar
Indicações para saber mais sobre os assuntos abordados nesta Unidade:

Livros
Introdução à pesquisa operacional: método e modelos para análise de decisões.
ANDRADE, Eduardo Leopoldino de. Introdução à pesquisa operacional: método
e modelos para análise de decisões. 5. ed. Rio de Janeiro: LTC, 2015.
Introdução à pesquisa operacional.
HILLIER, Frederick S.; LIEBERMAN, Gerald J. Introdução à pesquisa operacional.
9. ed. Porto Alegre: AMGH, 2013.
Introdução à pesquisa operacional
LONGARAY, André Andrade. Introdução à pesquisa operacional. São Paulo:
Saraiva, 2013.

Leitura
Desenvolvimento e Otimização de Modelos Matemáticos por meio da Linguagem
SILVA, A, F. DA; MARINS, F. A. S.; SILVA, G. M.; LOPES, P.R. M. DE A.
Desenvolvimento e Otimização de Modelos Matemáticos por meio da Linguagem.
São Paulo: GAMS, 2011.

18
Referências
ANDRADE, Eduardo Leopoldino de. Introdução à pesquisa operacional: método
e modelos para análise de decisões. 5. ed. Rio de Janeiro: LTC, 2015.

ARENALES, M.; ARMENTANO, V.; MORABITO, R.; YANASSE, H. Pesquisa

operacional para cursos de engenharia: modelagem e algoritmos. Rio de
Janeiro: Campus, 2007

BELFIORI, P.; FÁVERO, L. P. Pesquisa Operacional para cursos de Engenharia.

Rio de Janeiro: Campus, 2013.

FOGLIATTI, M. C.; MATTOS, N. M. C. Teoria de Filas. São Paulo: Editora

Interciência, 2007.

GOLDBARG, M. C.; LUNA, H. P. L. Otimização combinatória e programação

linear. Rio de Janeiro: Campus, 2000.

HILLIER, F. S. e LIEBERMAN, G. J. Introdução à Pesquisa Operacional. 9. ed.

São Paulo: McGrawHill / Bookman, 2013.

LACHTERMACHER, G. Pesquisa Operacional na Tomada de Decisão

(modelagem em Excel). 4. ed. Rio de Janeiro: Campus, 2009.

MARINS, F. A. S. Introdução à Pesquisa Operacional. São Paulo: Editora

Cultura Acadêmica, 2011. Disponível em http://www.culturaacademica.com.br/
catalogo-detalhe.asp?ctl_id=158

MIRSHAWKA, V. Aplicações de pesquisa operacional. São Paulo: Editora

Nobel, 1981.

PIZZOLATO, N. D. e GANDOLPHO, A. A. Técnicas de Otimização. Rio de

Janeiro: Editora LTC, 2009.

19
19