Escolar Documentos
Profissional Documentos
Cultura Documentos
Biluka
1.1 O Desenvolvimento da Pesquisa Operacional Durante a Segunda Guerra Mundial, um grupo de cientistas foi convocado na Inglaterra para estudar problemas de estratgia e de ttica associados com a defesa do pas. O objetivo era decidir sobre a utilizao mais eficaz de recursos militares limitados. A convocao deste grupo marcou a primeira atividade formal de pesquisa operacional. Os resultados positivos conseguidos pela equipe de pesquisa operacional inglesa motivaram os Estados Unidos a iniciarem atividades semelhantes. Apesar de ser creditada Inglaterra a origem da Pesquisa Operacional, sua propagao deve-se principalmente equipe de cientistas liderada por George B. Dantzig, dos Estados Unidos, convocada durante a Segunda Guerra Mundial. Ao resultado deste esforo de pesquisa, concludo em 1947, deu-se o nome de Mtodo Simplex. Com o fim da guerra, a utilizao de tcnicas de pesquisa operacional atraiu o interesse de diversas outras reas. A natureza dos problemas encontrados bastante abrangente e complexa, exigindo, portanto uma abordagem que permita reconhecer os mltiplos aspectos envolvidos. Uma caracterstica importante da pesquisa operacional e que facilita o processo de anlise e de deciso a utilizao de modelos. Eles permitem a experimentao da soluo proposta. Isto significa que uma deciso pode ser mais bem avaliada e testada antes de ser efetivamente implementada. A economia obtida e a experincia adquirida pela experimentao justificam a utilizao da Pesquisa Operacional. Com o aumento da velocidade de processamento e quantidade de memria dos computadores atuais, houve um grande progresso na Pesquisa Operacional. Este progresso devido tambm larga utilizao de microcomputadores, que se tornaram unidades isoladas dentro de empresas. Isso faz com que os modelos desenvolvidos pelos profissionais de Pesquisa Operacional sejam mais rpidos e versteis, alm de serem tambm interativos, possibilitando a participao do usurio ao longo do processo de clculo.
Bibliografia utilizada: SILVA, Ermes Medeiros da, et al. Pesquisa Operacional. So Paulo: Atlas, 1995. LACHTERMACHER, Gerson. Pesquisa Operacional na tomada de decises. Rio de Janeiro: Campus, 2002. LISBOA, ERICO. Introduo Pesquisa Operacional. Disponvel em http://www.ericolisboa.eng.br
1.2 Fases de um Estudo em P.O. Um estudo em Pesquisa Operacional costuma envolver seis fases: v Formulao do problema; v Construo do modelo do sistema; v Calculo da soluo atravs do modelo; v Teste do modelo e da soluo; v Estabelecimento de controles da soluo; v Implantao e acompanhamento; que podem ser descritas como segue:
Formulao do Problema Nesta fase, o administrador do sistema e o responsvel pelo estudo em P.O. devero discutir, no sentido de colocar o problema de maneira clara e coerente, definindo os objetivos a alcanar e quis os possveis caminhos alternativos para que isso ocorra. Alm disso, sero levantadas as limitaes tcnicas do sistema e as relaes desse sistema com outros da empresa ou do ambiente externo, com a finalidade de criticar a validade de possveis solues em face destes obstculos. Dever ainda ser acordada uma medida de eficincia para o sistema que permita ao administrador ordenar as solues encontradas, concluindo o processo decisrio.
Construo do Modelo do Sistema Os modelos que interessam em P.O. so modelos matemticos, isto , modelos formados por um conjunto de equaes e inequaes. Um modelo uma representao de um sistema real, que pode j existir ou ser um projeto aguardando execuo. No primeiro caso, o modelo pretende reproduzir o funcionamento do sistema, de modo a aumentar sua produtividade. No segundo caso, o modelo utilizado para definir a
Teste do modelo e da soluo Esse teste realizado com dados empricos do sistema. Se houver dados histricos, eles sero aplicados no modelo, gerando um desempenho que pode ser comparado ao desempenho observado no sistema. Se o desvio verificado no for aceitvel, a reformulao ou mesmo o abandono do modelo ser inevitvel. Caso no haja dados histricos, os dados empricos sero anotados com o sistema funcionando sem interferncia, at que o teste possa ser realizado.
Estabelecimento de controles da soluo A construo e experimentao com o modelo identificam parmetros fundamentais para soluo do problema. Qualquer mudana nesses
Implementao e acompanhamento Nesta fase, a soluo ser apresentada ao administrador, evitando-se o uso da linguagem tcnica do modelo. O uso da linguagem do sistema em estudo facilita a compreenso e gera boa vontade para a implantao que est sendo sugerida. Essa implantao deve ser acompanhada para se observar o comportamento do sistema com a soluo adotada. Algum ajuste pode ser requerido.
Z = c 1 x 1 + c 2 x 2 + c 3 x 3 +....... + c n x n
Funo Objetivo
a 11 x 1 + a 12 x 2 + ... + a 1n x n b 1 (ou , ou =)
Sujeito a
Restries tcnicas
Restries de no negatividade
x 1 , x 2 , x n . A funo objetivo
ou funo de eficincia mede o desempenho do sistema, podendo ser a capacidade de gerar lucro ou a capacidade de minimizar perdas. As restries garantem que essas solues esto de acordo com as limitaes tcnicas impostas pelo sistema, h tambm as restries de no negatividade das variveis de deciso, o que dever acontecer sempre que a tcnica de abordagem for a de programao linear. A construo do modelo matemtico, no caso um modelo linear, parte mais complicada de nosso estudo. No h regra fixa para esse trabalho, mas podemos sugerir um roteiro que ajuda a ordenar o raciocnio. Roteiro a) Quais as variveis de deciso?
Aqui o trabalho consiste em explicitar as decises que devem ser tomadas e representar as possveis decises atravs de variveis chamadas de variveis de deciso. Se o problema de programao de produo, as variveis de deciso so as quantidades a produzir no perodo; se for um problema de programao de investimento, as variveis vo representar as decises de investimento, isto , quanto investir em cada oportunidade de investimento, e em que perodo. Nas descries sumrias de sistemas, isso fica claro lemos a questo proposta, isto , a pergunta do problema. b) Qual o objetivo?
Aqui devemos identificar o objetivo da tomada de deciso. Eles aparecem geralmente na forma de maximizao de lucros ou receitas, minimizao de custos, perdas etc. A funo objetivo a expresso que calcula o valor do objetivo (lucro, custo, receita, perda etc.), em funo das variveis de deciso.
Cada restrio imposta na descrio do sistema deve ser expressa com uma relao linear (igualdade ou desigualdade), montadas com as variveis de deciso. Exemplo 2 Certa empresa fabrica dois produtos P1 e P2. O lucro unitrio do produto P1 de 1000 unidades monetrias e o lucro unitrio de P2 de 1800 unidades monetrias. A empresa precisa de 20 horas para fabricar uma unidade de P1 e de 30 horas para fabricar uma unidade de P2. O tempo anual de produo disponvel para isso de 1200 horas. A demanda esperada para cada produto de 40 unidades anuais para P1 e 30 unidades anuais de P2. Qual o plano de produo para que a empresa maximize seus lucro nesses itens? Construa o modelo de programao linear para esse caso. a) Quais as variveis de deciso?
O que deve ser decidido o plano de produo, isto , quais as quantidades anuais que devem ser produzidas de P1 e P2. Portanto, as variveis de deciso sero x 1 e x 2 .
O objetivo maximizar o lucro, que pode ser calculado: Lucro devido a P1: 1000 . x 1 (lucro por unidade de P1 x quantidade produzida de P1) Lucro devido a P2: 1800 . x 2 (lucro por unidade de P2 x quantidade produzida de P2) Lucro total: L = 1000 x 1 +1800 x 2 Objetivo: maximizar L = 1000 x 1 +1800 x 2 c) Quais as restries?
As restries impostas pelo sistema so: - Disponibilidade de horas para a produo: 1200 horas. horas ocupadas com P1: 20x 1 (uso por unidade x quantidade produzida) horas ocupadas com P2: 30x 2 (uso por unidade x quantidade produzida) Total em horas ocupadas na produo: 20 x 1 + 30 x 2 Disponibilidade: 1200 horas Restrio descritiva da situao: 20 x 1 + 30 x 2 1200
20 x 1 + 30 x 2 1200
Sujeito a
x 1 40 x 2 30
x 1, x 2 0
1x 1 + 4 x 2 1000 5 x 1 + 2 x 2 30000
x 1, x 2 0
O processo de produo tal que, para fazer uma mesa a fbrica gasta 2 m2 de madeira e 2 H.h de mo-de-obra. Para fazer um armrio, a fbrica gasta 3 m2 de madeira e 1 H.h de mo de obra. Alm disso, o fabricante sabe que cada mesa d uma margem de contribuio para o lucro de $ 4 e cada armrio de $ 1. O problema encontrar o programa de produo que maximiza a margem de contribuio total para o lucro.
2) Uma pequena metalrgica deseja maximizar sua receita com a venda de dois tipos de finas fitas de ao que se diferenciam em qualidade no acabamento de corte. As fitas so produzidas a partir do corte de bobinas de grande largura. Existem duas mquina em operao. Uma das mquinas mais antiga e permite o corte dirio de 4000 m de fita. A outra, mais nova, corta 6000 m. A venda das chapas no mercado varia com a qualidade de cada uma. Fitas produzidas na mquina antiga permitem um lucro de 3 u.m. por mil metros de produo. Fitas cortadas na mquina moderna produzem um lucro de 5 u.m. por mil metros de produo. Cada mil metro de fita cortada na mquina antiga consome 3 homens X hora de mo-de-obra. Na mquina moderna so gastos apenas 2 homens X hora. Diariamente so disponveis 18 homens X hora para operao de ambas as mquinas. Determinar a produo que otimiza o lucro da metalrgica.
Mesa 6m 2
2
Cadeira 1m 1,5
2
Disponibilidade 30 m2 10
4) Giapetto fabrica dois tipos de brinquedos de madeira: soldados e trens. Um soldado vendido por 27 u.m. e usa 10 u.m de matria prima. Cada soldado que fabricado tem um custo adicional de 14 u.m. relativo a mo de obra. Um trem vendido por 21 u.m. e gasta 9 u.m. de matria prima. O custo de mo de obra adicional para cada trem de 10 u.m.. A fabricao destes brinquedos requer dois tipos de mo de obra: carpintaria e acabamento. Um soldado necessita de 2 horas para acabamento e 1 de carpintaria. Um trem necessita de 1 hora para acabamento e 1 hora de carpintaria. Cada semana, Giapetto pode obter qualquer quantidade de matria prima, mas tem a disposio at 100 horas de acabamento e 80 de carpintaria. A demanda por trens ilimitada, mas a venda de soldados de no mximo 40 por semana. Giapetto que maximizar seu lucro dirio (receitas-custos). Formular o modelo matemtico que poder ser usado por Giapetto para maximizar seu lucro semanal.
A representao grfica de uma equao linear com duas variveis uma reta. A representao grfica de uma inequao linear com duas variveis um dos semiplanos definidos pela reta correspondente equao. Exemplo 1: Representar graficamente a inequao: 1x 1 + 2 x 2 10 a. Construir a reta correspondente equao: 1x 1 + 2 x 2 = 10 (acompanhe no grfico) Precisamos de dois pontos: Fazendo x 1 = 0 teremos 2 x 2 = 10 x 2 = 5 Fazendo x 2 = 0 teremos x 1 = 10 b. Testar a inequao: 1x 1 + 2 x 2 10 Tomamos um ponto qualquer de uma das regies limitadas pela reta, por exemplo o ponto ( x 1 = 10 , x 2 = 5 ). Substituindo na inequao:
(10,5)
10
Exerccio. Representar graficamente a soluo do sistema:
x1
x 1 + 3 x 2 12 2 x 1 + x 2 16 x1 0 x2 0
x2
x1
Soluo: Escolhemos um valor arbitrrio para L, por exemplo, o valor 10. A equao: 10 = 2 x 1 + 5 x 2 fornece o conjunto de pontos ( x 1 , x 2 ) que do para L o valor 10. Vamos representar esses pontos:
2 x 1 + 5 x 2 = 10
Fazendo x 1 = 0 teremos 5 x 2 = 10 x 2 = 2 Fazendo x 2 = 0 teremos 2 x 1 = 10 x 1 = 5 Escolhemos um segundo valor para L, por exemplo, o valor 15, ento:
2 x 1 + 5 x 2 = 10
Fazendo x 1 = 0 teremos 5 x 2 = 15 x 2 = 3 Fazendo x 2 = 0 teremos 2 x 1 = 15 x 1 = 7,5
x2
L = mximo
5 L = 10
7,5
8 L = 15
x1
Verificamos do grfico que: 1. medida que atribumos valores a L, obtemos retas paralelas. 2. medida que o valor de L aumenta, a reta se afasta da origem do sistema de eixos. Podemos concluir que pelo ponto P do grfico teremos a paralela de maior valor que ainda apresenta um ponto na regio de solues. Portanto, o ponto P a soluo que maximiza L na regio de solues dadas. Como P = (0,6) e L = 2 x 1 + 5 x 2 , substituindo x 1 = 0 e x 2 = 6 teremos: L = 2.0 + 5.6 ou L mximo = 30.
x1 + x 2 5
Sujeito a
5 x 1 + x 2 10 x1 8
x 1, x 2 0
2 x 1 + 4 x 2 10
sujeito a :
6 x 1 + x 2 20 x 1 - x 2 30
x 1, x 2 0
2 x 1 + 4 x 2 + xF 1 = 10 6 x 1 + x 2 + xF 2 = 20 x 1 - x 2 + xF 3 = 30 x 1 , x 2 , xF 1 , xF 2 , xF 3 0
Podemos visualizar uma soluo formada pelas variveis de folga. Soluo bsica inicial: x 1 = 0, x 2 = 0, xF 1 = 10, xF 2 = 20, xF 3 = 30 Descrio do Mtodo para Maximizao 1 Parte: Teste de otimalidade para a soluo. Consiste em avaliar o efeito da permuta de uma varivel bsica por outro no bsica, com a conseqente formao de nova soluo. Se a entrada de uma varivel no bsica puder melhorar o desempenho do sistema, a soluo testa no tima. Essa avaliao possvel quando a funo objetivo est escrita somente em termos das variveis no bsicas. Voltando ao exemplo, funo objetivo est escrita na forma: maximizar Z = 3x 1 +5 x 2 e obtivemos, fazendo x 1 = 0 , x 2 = 0 , uma soluo bsica inicial formada pelas variveis de folga xF 1 = 10, xF 2 = 20, xF 3 = 30 . No caso, as variveis bsicas so xF 1 , xF 2 , xF 3 e as no bsicas x 1 , x 2 . Portanto, a funo objetivo est escrita com as variveis no bsicas. Examinando a funo objetivo e a soluo inicial x 1 = 0, x 2 = 0, z = 0 com
Z = 3x 1 +5 x 2 , temos:
Se x 1 entra na base com valor 1, o valor de Z passa de Z = 0 para Z = 3 , aumentando 3 unidades, exatamente o valor do coeficiente de x 1 . Se x 2 entra na base com valor 1, o valor de Z passa de Z = 0 para Z = 5 , aumentando 5 unidades, exatamente o valor do coeficiente de x 2 .
Z = 3 x 1 +5 x 2 Z - 3 x 1 -5 x 2 = 0
Os coeficientes positivos direita so negativos esquerda, portanto, coeficiente negativos esquerda indicam que o valor de Z pode ser aumentado com a entrada da varivel na base, e na proporo de seu coeficiente. Escrito dessa forma, a soluo testada s ser tima quando as variveis no bsicas apresentarem somente coeficientes positivos. 2 Parte: Clculo da nova soluo bsica a) Varivel que entra na base: entra na base a varivel com coeficiente negativo de maior valor absoluto. A idia melhorar rapidamente o valor de Z. Examinando a funo objetivo do exemplo:
2 x 1 + 4 x 2 + xF 1 = 10 6 x 1 + 1x 2 + xF 2 = 20 1x 1 - 1x 2 + xF 3 = 30
A ltima diviso (30/(-1))no pode ser considerada, pois Dara valor negativo para a varivel na prxima base, o que no possvel. Portanto, sai a varivel da primeira linha, no caso xF 1 . c) Elemento Piv: A coluna da varivel que entra e a linha da varivel que sai identificam um elemento comum chamado piv. d) Calculando a nova soluo: