INTRODUÇÃO À PESQUISA

OPERACIONAL

• Prof.: Guido Pantuza Jr.

• Engenheiro de Produção
• Mestre em Engenharia Mineral

• guido.junior@ifmg.edu.br
 Qual o Papel do Engenheiro?

• Tomar Decisões

• Resolver Problemas
 Qual o Papel do Engenheiro?

• Quantos funcionários eu preciso?

 Qual o Papel do Engenheiro?

• Quem vai executar a tarefa?

• De qual fornecedor vou comprar?

• Qual equipamento devo comprar?

 Qual o Papel do Engenheiro?

• Qual material utilizar?

• Quanto devo produzir de cada produto?

• Como balancear a linha de produção?

 Qual o Papel do Engenheiro?

• Qual processo de fabricação utilizar?

• Qual a sequencia de produção?

• Qual roteiro de fabricação?

• Determinação do arranjo físico

 Qual o Papel do Engenheiro?

• Objetivo:

• Aumentar o Lucro

• Reduzir Gastos
 Tomada de Decisão
• Tentativa e erro / Sorte

• Sem fundamento científico

Tomada de Decisão
 Pesquisa Operacional

• Inglaterra

• Royal Air Force

• 1945 – 2° Guerra Mundial

 Pesquisa Operacional

• Qual o avião mais indicado para cada missão?

• Quantos aviões em cada missão?

• Problemas de logística

• Tática e de estratégia militar

 Pesquisa Operacional

Simulação Otimização
 Pesquisa Operacional

Otimização

Busca o melhor resultado

Programação Matemática

Heurística
 Pesquisa Operacional

Simulação

Modelo computacional gráfico

Utiliza softwares específicos

Arena

Promodel
 Otimização

• Programação matemática:

• Fundamentados na matemática

• Métodos exatos:

garantem a geração da solução ótima

 Otimização

• Programação matemática:

• Classificação do modelo:

• Não Linear

• Linear
 Otimização

• Programação matemática:

• Programação Linear:

• Real = Programação Linear (PL)

• Inteiro = Programação Inteira (PI)

• Misto = Programação Inteira Mista (PIM)

 Programação Matemática

• Parâmetros de Entrada

• Variáveis de decisão

• Função objetivo

• Restrições
 Programação Matemática
• Exemplo:

• Dilema:

• Juliana Paes Sheila Carvalho

 Programação Matemática
• Exemplo:

• Eu queria sair com as duas.

• Mas elas são ciumentas, tem que ser uma de cada vez.

• Elas são caras (e com salário de professor), não posso sair

todo dia.

• Para utilizar meu dinheiro (recurso) da melhor forma

possível.

• Maximizando minha felicidade.

 Programação Matemática
• Exemplo:

• SE:

• X1 = quantas vezes vou sair com a Juliana.

• X2 = = quantas vezes vou sair com a Sheila.

• X1 e X2 são as variáveis de decisão

 Programação Matemática
• Exemplo:

• A Juliana gosta de cerveja, por isso, para sair com

ela gasto R$ 500,00.

• A Sheila gosta de espumante, por isso para sair

com ela gasto R$ 600,00.

• O meu salário é de R$ 3500,00.

 Programação Matemática
• Exemplo:

• 500.X1 + 600.X2 <= 3500

gasto total total disponível

mensal por mês

• Esta é uma restrição

 Programação Matemática
• Exemplo:

• Mas dinheiro não é o único problema.

• Também tenho que trabalhar, e só tenho disponível

60 horas por mês para diversão.

• A Sheila mora na Bahia, a viagem dura 11 horas

• A Juliana mora no Rio, a viagem dura 5 horas.

 Programação Matemática
• Exemplo:

• 5.X1 + 11.X2 <= 60

gasto total total disponível

mensal por mês

• Esta é outra restrição

 Programação Matemática
• Exemplo:

• Desejo maximizar a minha felicidade.

• A Sheila é dançarina e eu adoro dançar,

• a sua nota é 11.

• A Juliana, não dança muito bem mas ...

• A sua nota é 9.
 Programação Matemática
• Exemplo:

• Objetivo  Max f(x) = 9.X1 + 11.X2

• Esta é a função objetivo

 Programação Matemática
• Exemplo:

• Max f(x) = 9.X1 + 11.X2 (Objetivo)

• 500.X1 + 600.X2 <= 3500 (Dinheiro)

• 5.X1 + 11.X2 <= 60 (Tempo)
 Exercício 01
• Uma fábrica produz três tipos de chapas metálicas:
A, B e C.
• Elas são primeiramente cortadas e depois lixadas.
• A prensa (responsável pelo corte) dispõe de 36000
minutos por mês.
• As chapas, A e B, levam um minuto para ser prensada.
• A a chapa C leva o dobro do tempo.
 Exercício 01
• O total de tempo disponível na seção de lixa é de 72000
minutos por mês.
• Lixar a chapa A exige 180 minutos.
• Lixar a chapa B exige 220 minutos.
• Lixar a chapa C exige 440 minutos.
• O lucro das chapas A, B e C respectivamente são (R$):
50, 60, 100.
 Exercício 01
• Formule o problema de modo a maximizar o lucro.
 Exercício 01

Fo : max z  50 A  60 B  100C
Sujeito a :
A B  2C  3600
180 A  220 B  440C  7200

A, B, C 
 Como montar o modelo
1. Definir os conjuntos

1. Definir os parâmetros (o que é conhecido)

2. Definir as variáveis (O que queremos descobrir)

3. Formular a função objetivo

4. Formular as restrições
 Exercício 02

• A LCL Motores recebeu recentemente $90.000,00 em

pedidos de seus 3 tipos de motores. Cada motor necessita

de um determinado número de horas de trabalho no setor de
montagem e de acabamento. A LCL pode terceirizar parte
de sua produção. A tabela a seguir resume esses dados:
 Exercício 02

Modelo 1 2 3 Total
3000 2500
Demanda 500 unid. 6000 unid.
unid. unid.
0,5
Montagem 1 h/unid. 2 h/unid 6000 h
h/unid.
2,5
Acabamento 1 h/unid 4 h/unid. 10000h
h/unid.
Custo de
$ 50 $ 90 $ 120 -
Produção
terceirização $ 65 $ 92 $ 140 -
 Exercício 02

• A LCL Motores deseja determinar quantos motores devem

ser produzidos em sua fábrica e quantos devem ser

terceirizados de forma a atender à demanda de pedidos.

• Formule o problema
 Exercício 02
• Conjuntos:

• Mot = conjunto de motores; Mot = {1,2,3}.

• Parâmetros:

• Di = demanda pelo motor i .

• Mi = tempo necessário para montagem do motor i.

• Ai = tempo necessário para acabamento do motor i.

• Ci = custo de produção do motor i.

• Ti = custo de terceirizar o motor i.

 Exercício 02
• Variáveis de decisão:
• Xi = quantos motores do modelo i serão produzidos.

• Yi = quantos motores do modelo i serão terceirizados.

 Exercício 02
 
max  90000    ci xi  ti yi 
 iMot 
s.a :
 M x  6000
iMot
i i


iMot
Ai xi  10000

 (y
iMot
i  xi )  6000

x, y  i  Mot
 Exercício 03

• Um Engenheiro é o responsável pela alocação de tarefas ao

tornos de sua área.

• Ele possui 2 tornos Automáticos e 1 torno CNC.

• Existem 8 tarefas a serem executadas durante a semana.

• Todas as tarefas devem ser executas.

• A seguir encontram-se os tempos de processamento.

 Exercício 03

• Como alocar as tarefas reduzindo tempo total de execução?

Tarefas (h)
Torno A B C D E F G H
CNC 1 3 2 2 4 5 8 1,5
AUT 1 2 4 3 2,5 6 7 10 3
AUT 2 2 4 3 2,5 6 7 10 3
 Exercício 03
• Conjuntos:

• To = conjunto de tornos i; To = {1,2,3}.

• Ta = conjunto de tarefas j; Ta = {1,...,8}.

• Parâmetros:

• Tij = tempo de processamento da tarefa j pelo torno i.

 Exercício 03
• Variáveis de decisão:

1se a tarefa j é executada pelo torno i

xij  
 0 casco contrário
 Exercício 03
min  
s.a :
x
iTo
ij  1 j  Ta

x
jTa
ij  1 i  To

 t x 
iTo
i i

jTa

xij  j  Ta e i  To
 Exercício 04

• Um fabricante de tiras metálicas recebeu um pedido para

produzir 2000 tiras de tamanho 2 cm × 4 cm e 1000 tiras de

4 cm × 7 cm.

• As tiras podem ser produzidas a partir de chapas maiores

disponíveis nos tamanhos de 10 cm × 3000 cm e 11 cm ×

2000 cm.
 Exercício 04

•O departamento técnico encarregado de planejar o

atendimento ao pedido decidiu que os padrões de corte
mostrados na figura a seguir são adequados para produzir as
tiras encomendadas.

• Formule um modelo de programação linear que permita

minimizar o material usado (ou minimizar as perdas) no

atendimento à encomenda.
 Exercício 04
Padrão 01 Padrão 02

4 cm 7 cm 1 cm 2 cm 7 cm
P
2 cm E
4 cm R
D
2 cm
A

2cm 2cm 2 cm 4 cm 4 cm
7 cm

2 cm

4 cm
2 cm

Padrão 03 Padrão 04
 Exercício 04

Padrão Perda (2x4) (1x7)

1 0 2 1
2 4 1 1
3 0 2 1
4 0 5 0
Demanda 2000 1000
 Exercício 04
• Conjuntos:

• P = conjunto de padrões i; P = {1,2,3,4}.

• T = conjunto de tiras j; T = {1,2}.

• Parâmetros:

• pei = perda usando o padrão i

• Qij = quantidade de tiras j usando o padrão i.

• Dj = demanda pela tira j.

 Exercício 04

• Variáveis de decisão:

• Xi = número de vezes que o padrão i será utilizado.

 Exercício 04

min   pei xi
iP

s.a :
xq
i P
i ij  dj j  T

xi  i  P
 Resolvendo...

• Mas, como resolver?

 Resolvendo...
• Programação Linear

• Algoritmo Simplex

• George Dantizig

Filho de Russo e uma Francesa (Matemáticos)

Matemático americano,
1914 - 2005
 Algoritmo Simplex
X2 Max f(x) = 9.X1 + 11.X2 (Objetivo)

500.X1 + 600.X2 <= 3500 (Dinheiro)

5.X1 + 11.X2 <= 60 (Tempo)

Tempo

Dinheiro
X1
 Algoritmo Simplex

• Pesquise como resolver

algebricamente com o
método simplex
 Resolvendo...
• Programação Inteira

• Algoritmo Branch and Bound

• A. H. Land e A. G. Doig em 1960

Branch and Bound
Max z  5 x1  8 x2
x1  x2  6
5 x1  9 x2  45
x1 , x2  Z 
Branch and Bound
Max z  5 x1  8 x2
x1  x2  6
5 x1  9 x2  45
x1 , x2  Z 

X1 = 2,25
X2 = 3,75
 Branch and Bound
Max z  5 x1  8 x2
X1 = 2,25  x1  x2  6

X2 = 3,75 P1  
 5 x1  9 x2  45

 x2  4

Max z  5 x1  8 x2
 x1  x2  6

P2  
 5 x1  9 x2  45
 x2  3
 Branch and Bound
P0 Max z  5 x1  8 x2
x1 =2,25 x 2 =3,75
z=41,25 x1  x2  6
x2 4,0 x 23,0 5 x1  9 x2  45
P2 P1 x1 , x2  Z 
x1 =1,8 x 2 =4,0 x 1 =3,0 x 2 =3,0
z=41 z=39

x1 2,0 x 1 1,0

P3 P4
Inviável x1 =1,0 x 2 =4,44
z=40,56
x2 5,0 x 1 4,0

P5 P6
x 1 =0 x 2 =5 x 1 =1,0 x 2 =4,0
z=40 z=37
 Como faço isso?

• Softwares Comerciais: • Softwares Livres:

• Cplex (IBM) • Coin-OR

• Lingo (Benge) • GLPK

• Solver (Excel) • UFFLP

E o MATLAB e SCILAB ?
 Exemplo
• Exemplo 01:

• Max f(x) = 9.X1 + 11.X2 (Objetivo)

• 500.X1 + 600.X2 <= 3500 (Dinheiro)

• 5.X1 + 11.X2 <= 60 (Tempo)
 Exercício

• Resolva os exercícios anteriores

 Exercício 05
• Uma fábrica produz três tipos de chapas metálicas:
A, B e C.
• Elas são primeiramente cortadas e depois conformadas.
• A prensa (responsável pelo corte) dispõe de 36000
minutos por mês.
• As chapas, A e B, levam um minuto para ser prensada.
• A a chapa C leva o dobro do tempo.
 Exercício 05
• O total de tempo disponível na seção de conformação é
de 72000 minutos por mês.
• A conformação da chapa A exige 180 minutos.
• A conformação da chapa B exige 220 minutos.
• A conformação da chapa C exige 440 minutos.
• O lucro das chapas A, B e C respectivamente são (R$):
50, 60, 100.
 Exercício 05
• Formule o problema de modo a maximizar o lucro.
 Exercício 05

Fo : max z  50 A  60 B  100C
Sujeito a :
A B  2C  3600
180 A  220 B  440C  7200

A, B, C 
 Exercício 06

• A LCL Motores recebeu recentemente $90.000,00 em

pedidos de seus 3 tipos de motores. Cada motor necessita

de um determinado número de horas de trabalho no setor de
montagem e de acabamento. A LCL pode terceirizar parte
de sua produção. A tabela a seguir resume esses dados:
 Exercício 06

Modelo 1 2 3 Total
3000 2500
Demanda 500 unid. 6000 unid.
unid. unid.
0,5
Montagem 1 h/unid. 2 h/unid 6000 h
h/unid.
2,5
Acabamento 1 h/unid 4 h/unid. 10000h
h/unid.
Custo de
$ 50 $ 90 $ 120 -
Produção
terceirização $ 65 $ 92 $ 140 -
 Exercício 06

• A LCL Motores deseja determinar quantos motores devem

ser produzidos em sua fábrica e quantos devem ser

terceirizados de forma a atender à demanda de pedidos.

• Formule o problema
 Exercício 06
• Conjuntos:

• Mot = conjunto de motores; Mot = {1,2,3}.

• Parâmetros:

• Di = demanda pelo motor i .

• Mi = tempo necessário para montagem do motor i.

• Ai = tempo necessário para acabamento do motor i.

• Ci = custo de produção do motor i.

• Ti = custo de terceirizar o motor i.

 Exercício 06
• Variáveis de decisão:
• Xi = quantos motores do modelo i serão produzidos.

• Yi = quantos motores do modelo i serão terceirizados.

 Exercício 06
 
max  90000    ci xi  ti yi 
 iMot 
s.a :
 M x  6000
iMot
i i


iMot
Ai xi  10000

 (y
iMot
i  xi )  6000

x, y  i  Mot
 Exercício 07

• Um Engenheiro é o responsável pela alocação de tarefas ao

tornos de sua área.

• Ele possui 2 tornos Automáticos e 1 torno CNC.

• Existem 8 tarefas a serem executadas durante a semana.

• Todas as tarefas devem ser executas.

• A seguir encontram-se os tempos de processamento.

 Exercício 07

• Como alocar as tarefas reduzindo tempo total de execução?

Tarefas (h)
Torno A B C D E F G H
CNC 1 3 2 2 4 5 8 1,5
AUT 1 2 4 3 2,5 6 7 10 3
AUT 2 2 4 3 2,5 6 7 10 3
 Exercício 07
• Conjuntos:

• To = conjunto de tornos i; To = {1,2,3}.

• Ta = conjunto de tarefas j; Ta = {1,...,8}.

• Parâmetros:

• Tij = tempo de processamento da tarefa j pelo torno i.

 Exercício 07
• Variáveis de decisão:

1se a tarefa j é executada pelo torno i

xij  
 0 casco contrário
 Exercício 07
min  
s.a :
x
iTo
ij  1 j  Ta

x
jTa
ij  1 i  To

 t x 
iTo
i i

jTa

xij  j  Ta e i  To
 Exercício 08

• Um fabricante de tiras metálicas recebeu um pedido para

produzir 2000 tiras de tamanho 2 cm × 4 cm e 1000 tiras de

4 cm × 7 cm.

• As tiras podem ser produzidas a partir de chapas maiores

disponíveis nos tamanhos de 10 cm × 3000 cm e 11 cm ×

2000 cm.
 Exercício 08

•O departamento técnico encarregado de planejar o

atendimento ao pedido decidiu que os padrões de corte
mostrados na figura a seguir são adequados para produzir as
tiras encomendadas.

• Formule um modelo de programação linear que permita

minimizar o material usado (ou minimizar as perdas) no

atendimento à encomenda.
 Exercício 08
Padrão 01 Padrão 02

4 cm 7 cm 1 cm 2 cm 7 cm
P
2 cm E
4 cm R
D
2 cm
A

2cm 2cm 2 cm 4 cm 4 cm
7 cm

2 cm

4 cm
2 cm

Padrão 03 Padrão 04
 Exercício 08

Padrão Perda (2x4) (1x7)

1 0 2 1
2 4 1 1
3 0 2 1
4 0 5 0
Demanda 2000 1000
 Exercício 08
• Conjuntos:

• P = conjunto de padrões i; P = {1,2,3,4}.

• T = conjunto de tiras j; T = {1,2}.

• Parâmetros:

• pei = perda usando o padrão i

• Qij = quantidade de tiras j usando o padrão i.

• Dj = demanda pela tira j.

 Exercício 08

• Variáveis de decisão:

• Xi = número de vezes que o padrão i será utilizado.

 Exercício 08

min   pei xi
iP

s.a :
xq
i P
i ij  dj j  T

xi  i  P
 Pausa...

• Para Mais Exercícios ....

• Agora valendo um brinde

 Exercício 09
• Uma cadeia de lojas deseja planejar sua política de

compras de um determinado material para um

período de seis meses. O consumo diário previsto
para os seis meses é o apresentado no quadro
abaixo

Mês 1 2 3 4 5 6
Consumo Diário (t) 2 3 3 4 5 3
 Exercício 09
• Mensalmente é feito um pedido do material à fábrica,

que faz a entrega no início do primeiro dia de cada

mês. Esse material é estocado. No início de cada dia,
um caminhão passa pelo estoque, apanha a
quantidade a ser consumida naquele dia e faz a
distribuição pelas diversas lojas.
 Exercício 09
• Os custos de estocagem são de 200 por tonelada e

por dia, e são calculados levando-se em conta a

quantidade estocada durante o dia. A capacidade de
estocagem é de 150 toneladas. O custo do material
varia de mês a mês segundo a seguinte tabela:

Mês 1 2 3 4 5 6
Custo (p/ 90000 80000 88000 87000 96000 93000
tonelada)
 Exercício 09
• Determine a política de compras de modo a minimizar os

custos de estocagem e de compra do material,

considerando o mês com 30 dias.

• Variáveis de decisão:

• xj = quantidade, em toneladas, adquiridas no início do mês j,

j = 1,..., 6;

• ytj = quantidade em estoque no dia t, t = 1,..., 30, do mês j, j

= 1,..., 6.
 Exercício 09

30 6 6
min  200 y   Custo x
t 1 j 1
tj
j 1
j j

S . a : ytj  x j  ConsumoDiáriot  t  t  1,...,30 e j 1,..., 6

0  ytj 150  t  1,...,30 e j 1,..., 6
xj  0  j 1,..., 6
 Exercício 10
• Programação da produção: Dimensionamento de lotes (um
único item)

• Uma empresa recebe uma encomenda para entregar um produto ao

longo de um período de tempo. São dadas para cada mês: a
demanda desse produto, o custo de produção e o custo de
estocagem.

• Considere que o estoque no início é de 3 unidades.

• Elabore um modelo de PLI que minimize o custo total de produção

e estocagem.
Exercício 10
 Exercício 08
• Conjuntos:

• M = conjunto de meses i; P = {1,...,6}.

• Parâmetros:

• demi = demanda do mês i

• ci = custo de produção no mês i.

• cei = custo de estocagem no mês i.

 Exercício 08

• Variáveis de decisão:

• Xi = quantidade produzida no mês i.

• Ei = estoque do mês i.
 Exercício 08

min   (cei ei  ci xi )
iM

s.a :
x1  e0  demi  e1
xi  ei 1  demi  ei i  M | i  1
 Desvantagens

• Modelagem pode ser mais complexa

• Em problemas combinatórios (NP-Difícil), podem

exigir um tempo proibitivo para encontrar a solução
ótima
 Heurísticas

• Heurísticos:

• Fundamentados na Inteligência Artificial

• Métodos aproximados

• A modelagem pode ser mais fácil

• Boas soluções podem ser obtidas rapidamente

 Heurísticas

• Algoritmos Genéticos (Evolutivos)

• VNS

• Simulated Anneling

• ILS

• Busca Tabu

• Neurônios Artificiais
 Algoritmos Genéticos
• Baseado na teoria da evolução de Darwin

• A partir de uma população inicial

• Procura preservar as melhores características

• Operadores Genéticos: crossover e mutação

Operadores genéticos

CROSSOVER

MUTAÇÃO
 Nomenclatura do AG
AG Problema de Otimização

Indivíduo Solução de um problema

População Conjunto de soluções

Cromossomo Representação de uma solução

Gene Parte da representação de uma

solução
Alelo Valor que um gene pode assumir
Crossover / Mutação Operadores de busca
 Estrutura de um AG básico
Critérios de Sim Liste os
Gere uma Avalie a parada melhores
população população satisfeitos? indivíduos
inicial Não

Selecione
os pais

Crossover
Reprodução

Mutação

Defina a
população Avalie a
sobrevivente população
 Avaliação de cromossomos

• Feita pela função de aptidão (fitness)

• Função Objetivo
 Fase de seleção
• Torneio binário (Binary tournament selection):

• Selecionar dois indivíduos aleatoriamente

• O primeiro pai é o indivíduo com maior aptidão

• Selecionar, aleatoriamente, outros dois pais

• O segundo pai é o indivíduo com maior aptidão nessa nova seleção

• Aleatório

• Roleta russa
 Fase de reprodução

• Operador crossover clássico (one point crossover):

• Descendentes são formados a partir da reunião de segmentos

de cada pai
• p1 = ( 0 1 1 | 1 0 0 )
• p2 = ( 1 0 1 | 0 1 0 )

• O1 = ( 0 1 1 | 0 1 0 )
• O2 = ( 1 0 1 | 1 0 0 )
 Fase de reprodução
• Dois ou mais cromossomos passam por um processo de

mutação e/ou recombinação para gerar novos cromossomos

filhos (offsprings)

• Operador mutação clássico

•p=(0101)

•p=(0111)
 Sobrevivência

• Como selecionamos os cromossomos que devem sobreviver?

• Sobrevivem os que possuem os melhores níveis de aptidão?

• É importante permitir também a sobrevida de cromossomos

menos aptos, do contrário o método ficaria preso em ótimos

locais

• Elitismo

• Aleatório, Torneio, Roleta Russa, Misto, ...

 Seleção dos sobreviventes

60
50 1
40 2
fitness

30
3
20
10 4
0
1 2 3 4
Cromossomos
 Seleção dos sobreviventes

60
50 1
40 2
fitness

30
3
20
10 4
0
1 2 3 4
Cromossomos
 Seleção dos sobreviventes

60
50 1
40 2
fitness

30
3
20
10 4
0
1 2 3 4
Cromossomos
Seleção dos sobreviventes
Seleção dos sobreviventes
Seleção dos sobreviventes
Seleção dos sobreviventes
Simulação
 Simulação

Modelo

Representação

Realidade

Simplificado

Experimento
 Simulação

 Compreender o comportamento do sistema;

 Desenvolver hipóteses considerando o

modelo;

 Usar o modelo para prever o comportamento

futuro.
 Terminologia
• Entidades

-Objeto de estudo

• Entidades permanentes

• Entidades temporárias

• Classes
- Grupos de entidades.
 Terminologia

• Atributos:
-Características de uma entidade.

• Variáveis
- São informações das entidades ou
atividades que variam durante o processo.

Conceito pode variar

 Terminologia

• Eventos

-É o instante em que ocorre mudança no estado

do sistema.
 Terminologia

• Exemplo:

-Inativo

-Ativo
 Terminologia

• Atividade

- São as operações e são iniciados em cada evento.

 Terminologia

• Exemplo:
 Terminologia

• Processo

- Sequência de eventos na ordem cronológica

que eles acontecem.
 Terminologia

• Exemplo:
 Terminologia
• Relógio da Simulação
- Representa o instante corrente da simulação.
 Terminologia
• Recurso

- O recurso é o que a entidade necessita para

realizar alguma atividade
 Terminologia

• Exemplo:

• Entidade?

• Atividade?

• Recurso?
 Representação do modelo

• Diagrama de Ciclo de atividades – DCA

• Representação gráfica

• São três elementos básicos:

 Elementos do modelo
• Entidades
 Elementos do modelo

• Atividades

• Filas
 Construção do DCA
• Características

• Alternância entre filas e atividades

• Além dos três elementos básicos no DCA também pode

ser mencionado o elemento fonte/sumidouro
Exemplo
 Exemplo S01

• Num bar, os clientes chegam da rua para tomar chope, numa

quantidade que varia aleatoriamente em função da sede de

cada um.

• Eles aguardam até que tenha uma mesa disponível.

• A quantidade de copos que cada cliente toma é definida quando

da sua chegada, através do atributo SEDE.

• Chegando ao bar, um cliente aguardará sua vez de ser servido.

 Exemplo S01

• Após ser servido ele poderá beber.

• Este ciclo irá se repetir até que o cliente tenha

sua sede saciada.

• Depois da sede saciada ele vai embora.

 Exemplo S01
Aguardando Mesa Aguardando
Atendimento
Cliente
Sentando

Cliente
Bebendo

Cliente
Satisfeito
Sim Não
• Entidades
• Cliente
 Exercício S01

• Mas também temos o garçom.

 Exemplo S01
Aguardando Mesa Aguardando
Atendimento
Cliente
Sentando

Atendimento

Garçom Parado

Cliente
Bebendo

Sim Cliente
Satisfeito
• Entidades: Cliente Garçom Não
 Exercício S02

•O setor da manutenção realiza serviços de

montagem, lubrificação e inspeção. Para tanto, este
setor conta com 4 equipes, duas para montagem, uma
para lubrificação (Trian, 5min, 10min, 6min) e uma para
inspeção (Normal, 6min, 1,5min).

• Os equipamentos, ao chegarem no setor, passam

por uma triagem inicial.
 Exercício S02

• Esta triagem é realizada por um único funcionário

(Normal, 10 min, 2min), e são encaminhados para

realização dos serviços.

• Os equipamentos, que necessitam de inspeção e

lubrificação, são executados segundo a menor fila

de espera. Após sua realização são, então,
encaminhados ao outro serviço, se necessário.
 Exercício S02

• Cerca de 10% necessitam de lubrificação, 5% de

Montagem, 90% dos que necessitam montagem

também precisam de lubrificação, 80% necessita
de inspeção, 20% dos que são montados passam
pela inspeção, 90% dos passam pela lubrificação
são inspecionados.
 Exercício S02
Aguardando Triagem Aguardando Inspeção

Triagem INSP.

Aguardando Lubrificação

Lub.

Aguardando Montagem

Mont.

Equipamentos
 Exercício S03
• Uma empresa de mineração opera 7 escavadeiras. As

escavadeiras trabalham em operação contínua,

interrompendo seu funcionamento apenas para manutenção
corretiva.

• O tempo entre falhas é descrito por uma distribuição

exponencial negativa com média 7 dias.

• A manutenção é feita por uma única equipe e sua duração é

também é exponencialmente distribuída com média de 1 dia.

 Exercício S03
• A manutenção é feita por uma única equipe e sua duração é

também é exponencialmente distribuída com média de 1 dia.

• Deseja-se simular este problema para avaliar o tempo que as

escavadeiras ficam paradas por falta de manutenção.

• Também deseja-se estimar a ocupação média da equipe de

manutenção e avaliar o impacto do aumento no número de

equipes para duas.
 Exercício S03
Legenda
Operação
Escav
Equipe

Escav Escav
Ag Mnt Pronta

Manutenção

Eqp
Ociosa
 Resolvendo

• Monte Carlo

• Abordagem das Três Fases

• Abordagem por Processo

• Abordagem por Eventos

• Abordagem por Atividade

 Três Fases

•“A”:

• Checar o tempo de todas as atividades em

progresso.

• Avançar o relógio de simulação.

 Três Fases

•“B”:

•Para as atividades que terminaram:

•mover as entidades para as respectivas filas.

 Três Fases
•“C”:

•Procurar as atividades: iniciar as que tem

condição de começar.

•Mover as entidades das filas para a atividade.

•Ccalcular o tempo de término da atividade.

Três Fases
 A B C
 checar o tempo  determinar as  Procurar as entidades e iniciar as que tem
de todas atividades que condição de COMEÇAR
atividades TERMINARAM e mover  Mover as entidades das filas para ATIVIDADES
 determinar as entidades para as  Amostrar e calcular o tempo de TÉRMINO da
quem ocorre respectivas FILAS atividade
primeiro
 avançar o
relógio

0 -x- chegada começa, termina em 1

1 termina chegada chegada começa, termina em 1+20=21
encher começa (N=4), termina em 1+5=6
6 termina encher beber começa, termina em 6+7=13
13 termina beber beber começa, termina em 13+7=20
lavar começa, termina em 13+5=18
Fase: A T=00
Fase: C
B T=00
Fase: B
A
C T=03
T=00
Fase: C T=03
Fase: B
A T=06
Fase: C T=06
Fase: C
B
A T=07
Fase: A T=09
Fase: B T=09
Fase: C T=09
Fase: C
B
A T=10
T=07
Fase: A
B T=12
 Fase: C T=12

Hic
!
 Vamos Fazer
os exercícios!!!
 Exercício S04
• O processo de montagem de um produto segue as seguintes

etapas: o pedido é recebido e um operador faz os primeiros

preparativos e passa o produto para o processo de montagem.

• Após a montagem o produto é enviado ao setor de expedição

onde é enviado ao cliente. Ultimamente, tem havido várias

reclamações sobre defeitos.

• Em vista disso, foi decidido implantar um posto de inspeção

após a montagem do produto

 Exercício S04
• Esta inspeção será feita por um novo funcionário. Caso um

produto não seja aprovado pela inspeção este produto retorna

ao setor de montagem.

• O tempo entre chegadas dos pedidos segue uma distribuição

exponencial com média 11.3 (minutos).

• O processo de preparação do pedido segue uma distribuição

normal com média 12 e desvio-padrão de 1.64.

 Exercício S04
• A montagem do produto segue uma distribuição

triangular com mínimo 10, moda 11.5 e máximo 14.

• O tempo gasto pela inspeção será fixado em 7.5

minutos e em média 85% dos produtos passam pela

inspeção sem problemas

• Simule este modelo por 1000 minutos durante 24

horas por dia e colete as estatísticas em minutos.

 Exercício S05
• Um sistema possui duas máquinas (A e B)com suas
respectivas filas.

• Dois tipos de entidades entram no sistema: Tipo I e Tipo II. Na

fila da máquina A, somente são aceitas entidades do Tipo I.

• Já a máquina B, aceita os dois tipos de entidades.

• Sempre que uma entidade do Tipo I entra no sistema se a fila

da máquina A estiver menor que a fila da outra máquina então

ela é processada na máquina A, caso contrário na máquina B.
 Exercício S05
• As entidades chegam a cada 10 minutos seguindo uma

distribuição exponencial, sendo 50% das entidades do Tipo I e

os outros 50% do Tipo II.

• O tempo de processamento na máquina A segue uma

distribuição normal com média 8 e desvio padrão de 2

minutos.
 Exercício S05
• O tempo de processamento na máquina B segue uma média

de 6.5 minutos com desvio padrão de 2 minutos também

seguindo uma distribuição normal.

• Simule este sistema por 10 dias funcionando 24 horas por dia.

Colete as estatísticas em minutos.

 Exercício S06
• O setor de manutenção, responsável pelos motores

elétricos, recebe uma ordem de serviço, em média a

cada 45 minutos seguindo uma distribuição
exponencial.

• Os tipos de serviços possuem as seguintes

características:
 Exercício S06

Tempo de
% das
Tipo de Ordem atendimento
chamadas
(min.)
15% do total de
Lubrificação TRIA(10; 11; 13)
chamadas

85% das não

Troca de rolamento NORMAL(25; 1)
falsas

Inspeção de 15% das não

TRIA(18; 21; 30)
correia falsas
 Desafio
• Uma empresa possui uma oficina de manutenção de 5

máquinas que são utilizadas para operação dentro de sua área

industrial. Dentro da oficina existem duas estações de reparo,
estação A e B.

• Em cada uma destas estações, existe apenas 1 operador

disponível para execução dos trabalhos.

• A probabilidade de uma máquina necessitar de reparos na

estação A é de 75% e na estação B de 25%.

 Desafio
• Uma máquina, após reparada vai para uma inspeção final,

onde existe um único operador que realiza o trabalho.

• Após a inspeção, 90% das máquinas são liberadas para

operação e 10% retornam para nova manutenção. Esta nova

manutenção sempre ocorre na mesma estação onde a
máquina foi reparada inicialmente.
 Desafio
• Além da manutenção das máquinas da empresa, esta oficina

também está estudando a possibilidade de realizar serviços

para terceiros, isto é, manutenção em máquinas de outras
empresas.
 Desafio
• As máquinas externas sempre seriam reparadas na estação B
e, após o reparo, também seriam inspecionadas pelo mesmo
operador que inspeciona as máquinas internas e seriam
liberadas (neste caso a taxa é de 82% dos casos) ou retidas
para nova manutenção (18% dos casos).
• A nova manutenção, neste caso, sempre aconteceria na
estação B.
• Os tempos relacionados a este sistema foram levantados
estão nos seguintes arquivos:
 Desafio
• 1 – Inspeção: TInsp_min.txt (dados em minutos)

• 2 – Reparo Estação A: TRepA_min.txt (dados em minutos)

• 3 – Reparo Estação B: TRepB_min.txt (dados em minutos)

• 4 – Intervalo entre falhas: IntFalhas_horas.txt (dados em

horas)

• 5 – Intervalo entre chegadas de máquinas externas:

IntCheg_horas.txt (dados em

• horas)
 Erros comuns

• Pouco conhecimento com o uso do pacote;

• Coleta de dados insuficientes;

• Falta de um objetivo claro;

• Construção de modelos detalhados;

• Conclusões após poucas replicações.

Dúvidas, reclamações, sugestões,
casamentos, churrascos, ....

Prof.: Guido Pantuza Jr.

Engenheiro de Produção
Mestre em Engenharia Mineral

guido.junior@ifmg.edu.br