Escolar Documentos
Profissional Documentos
Cultura Documentos
Investigação Operacional - Aula 1
Investigação Operacional - Aula 1
1
As 7 etapas do
processo de modelação
1. Definir o problema
2. Observar o sistema e recolher informação
3. Formular um modelo matemático
4. Validar o modelo.
5. Escolher uma decisão com base no modelo
6. Apresentar a análise
7. Implementar e monitorar continuamente
2
As 7 etapas do processo de
modelação
3
1. Definir o problema
• Identificar:
– o agente de decisão (quem exerce controle)
– os seus objectivos (e.g. minimizar custos)
– as decisões alternativas com que são confrontados (i.e., as
variáveis controláveis)
– os parâmetros que, não sendo controláveis, influenciam o
resultado das decisões (as variáveis incontroláveis).
• Discutir:
– o tempo disponível para o estudo
– o involvimento do agente de decisão (e organização) no estudo
4
2. Observar o sistema e
recolher informação
• Estabelecer o diagnóstico inicial:
– observar e analisar a forma como o sistema real opera:
– recolher informação
– conceber um sistema idealizado.
• Elaboração de um relatório que:
– estrutura o conhecimento que se adquiriu do sistema
– co-responsabiliza os elementos da organização
5
3. Formular um modelo
matemático
• Objectivo:
– Reproduzir as relações entre as componentes do
problema (objectivo, variáveis de decisão, variáveis
incontroláveis, restrições).
• Passos essenciais:
– Identificar a estrutura de relações causa-efeito.
– Quantificar essas relações de forma determinística ou
probabilística.
6
3. Formular um modelo matemático
7
3. Formular um modelo matemático
8
3. Formular um modelo matemático
– método dedutivo
– método de simulação
– método de inferência estatística
9
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
10
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
12
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
13
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
14
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
Método de simulação
15
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
Método de simulação (exemplo)
• Uma empresa possui cinco linhas de produção em paralelo que funcionam
sem interrupção.
• Uma equipa de manutenção repara avarias nas linhas de produção pela ordem
em que ocorrem (FIFO). A equipa funciona 5 dias por semana, 3 turnos por
dia.
16
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
17
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
Método de simulação
• Objectivos:
– Reproduzir a sequência de acontecimentos pelos quais o sistema passa.
– Recolher informação com base na qual se pode medir a eficiência do
sistema.
• Vantagens:
– Possui enorme flexibilidade (“simula-se tudo o que se quiser”)
• Desvantagens:
– Requer grande esforço computacional para estimar o valor esperado da
medida de utilidade face a apenas uma concretização das variáveis de
decisão.
– A busca de melhores decisões é um processo difícil de sistematizar.
18
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
20
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
Método de inferência estatística
(exemplo)
• Pretende-se construir um modelo descritivo que explique o
preço da mercadoria nos vários meses até Junho para auxiliar o
planeamento da aquisição do referido produto durante o período
de Janeiro a Junho.
21
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
22
4. Validar o modelo
23
4. Validar o modelo
• Objectivo: detectar insuficiências que são apenas
detectáveis no contexto da definição global do modelo.
• Métodos de validação (sem ser exaustivo):
– análise de sensibilidade
– simulação.
• Nota: o modelo pode ser adequado ou inadequado
conforme os valores das variáveis incontroláveis,
estimados ou conhecidos no momento da decisão.
24
4. Validar o modelo
Análise de sensibilidade
• Averiguar como é que a alteração de valores das
variáveis incontroláveis influencia a solução proposta
pelo modelo.
• Averiguar como é que desvios à solução proposta pelo
modelo influencia a utilidade (eficiência) do sistema
representado.
25
4. Validar o modelo
Análise de sensibilidade
26
4. Validar o modelo
Recurso à simulação
• Retomemos o exemplo da mercearia. Uma forma de
validar o modelo descritivo que se utilizou seria
simular (pode-se simular quase tudo) a entrada de
clientes, os seus tempos de espera e as desistências.
• Após diversas simulações, registar valores médios
de: comprimento médio da fila, tempo de espera
médio e percentagem de desistentes.
• Os valores obtidos devem ser muito semelhantes
aos obtidos com o modelo.
27
5. Escolher uma decisão
com base no modelo
• Determinar os valores das variáveis controláveis
que, satisfazendo as restrições do modelo,
conduzem ao valor máximo da medida de
utilidade ou eficiência.
• Em geral há três formas de busca de soluções
óptimas:
– métodos analíticos
– métodos de optimização
– métodos heurísticos
28
5. Escolher uma decisão
Métodos analíticos
• Métodos de Análise Infinitésimal
(diferenciação, procura de máximos e
mínimos, extremos condicionados,etc.)
• Permitem obter uma representação explicita
da solução.
• Leque de aplicações muito restrito.
29
5. Escolher uma decisão
30
5. Escolher uma decisão
Métodos de optimização
• Processo sistemático de gerar aproximações
sucessivas para a solução.
• Garantia de convergência ao fim de um número
finito ou infinito de passos.
• Esforço computacional pode ser demasiado elevado.
• Normalmente, convergência para a solução do
problema é assegurada apenas quando o modelo
possui uma propriedade adicional - convexidade.
32
5. Escolher uma decisão
Métodos heurísticos
• São frequentes os problemas que não podem ser
resolvidos por métodos de optimização.
• Os métodos heurísticos são também métodos
iterativos, mas que se baseiam em regras de “senso
comum”.
• Em geral, não é possível garantir convergência para a
solução do problema mas é possível encontrar uma boa
solução rapidamente.
36
5. Escolher uma decisão
37
5. Escolher uma decisão
38
6. Apresentar os resultados
• Os elementos da organização a quem se destina a análise
devem ser envolvidos desde o início e não apenas nesta
fase.
• A esses elementos deve ser facultado um atractivo e
sistema de apoio à decisão e simples de manipular
que lhes permita averiguar o comportamento do modelo
em diversas circunstâncias (“what if ...”).
• Preferencialmente, o benefício da adopção do modelo
deve ser demonstrado de forma prospectiva ou
retrospectiva.
39
7. Implementar e
monitorar continuamente
• Os elementos da organização que vão utilizar o modelo
devem também ser envolvidos desde o início e não
apenas nesta fase.
• O analista é responsável:
– pela implementação do novo sistema até que este se torne
rotina.
– pela monitorização do sistema de forma que o modelo
permaneça válido e eficaz ao longo do tempo.
• Um caso de sucesso, mesmo que de pequena dimensão,
é chave para a análise de outros problemas.
40