Post on 11-Jan-2016
description
1
Pesquisa Operacional
22
Apresentação
Everaldo de Barros
• Mestre em Engenharia Aeronáutica-Mecânica - ITA
• Mestre em Técnicas Aeronáuticas e Espaciais – SUPAERO/França
• Doutor em Engenharia Mecânica – UNESP
• Pesquisador DCTA
• Prof. Titular da Faculdade Anhanguera de Taubaté
3
Capítulos 1-2
Programação Linear
4
1. Programação linear
Pesquisa Operacional – aspectos históricos
O nome “Pesquisa Operacional” surgiu pela 1a vez durante a
Segunda Guerra Mundial.
Foi resultado de estudos realizados por equipes
interdisciplinares de cientistas contratados para resolver
problemas militares.
A técnica se consolidou em 1947, com a equipe liderada por
George B. Dantzig (Rand Corporation no projeto SCOOP-
Scientific Computation of Optimum Programs) trabalhando para
Força Aérea Americana desenvolvendo técnicas para a
distribuição ótima de tropas.
5
1. Programação linear
Pesquisa Operacional – definição
É um método científico que fornece instrumentos para a
tomada de decisões.
6
1. Programação linear
Aspectos históricos
O nome “Pesquisa Operacional” surgiu pela 1a vez durante a
Segunda Guerra Mundial.
Foi resultado de estudos realizados por equipes
interdisciplinares de cientistas contratados para resolver
problemas militares.
A técnica se consolidou em 1947, com a equipe liderada por
George B. Dantzig (RAND CORPORATION no projeto SCOOP-
Scientific Computation of Optimum Programs) trabalhando para
Força Aérea Americana (EUA) desenvolvendo técnicas para a
distribuição ótima de tropas
.
7
1. Programação linear
Modelos de programação matem ática
A escassez de certo produto ou matéria-prima ocorre pela
dificuldade de produção e/ou obtenção, entre outras razões.
Tal dificuldade exige que esses recursos escassos sejam
empregados de forma mais eficiente e eficaz.
Busca-se, portanto, maximizar ou minimizar uma
quantidade (lucro, custo, receita, número de produtos, entre
outros), chamada de fun ção objetivo , que depende de um
ou mais recursos escassos.
8
Modelos de programação matem ática
Em problemas reais de otimização, busca-se maximizar ou
minimizar uma quantidade específica, chamada objetivo, que
depende de um número finito de variáveis de entrada.
As variáveis de entrada podem ser:
• Independentes uma das outras.
• Relacionadas uma com as outras por meio de uma ou mais
restrições.
1. Programação linear
9
Áreas de aplicação da programação linear
• Administração da produção
• Análise de investimentos
• Alocação de recursos limitados
• Planejamento regional
• Logística
- Custo de transporte
- Localização de rede de distribuição
• Alocação de recursos em marketing entre diversos meios de comunicação.
1. Programação linear
10
Programação matem ática
Um problema de programação matemática é um problema
de otimização no qual o objetivo e as restrições são expressos
como funções matemáticas e relações funcionais.
≥=≤
=
nnn
n
n
n
b
b
b
xxxg
xxxg
xxxg
xxxfz
:
),...,,(
:
),...,,(
),...,,(
:a Sujeito
),...,,( :Otimizar
2
1
21
212
211
21
1. Programação linear
11
Programação matem ática
≥=≤
=
nnn
n
n
n
b
b
b
xxxg
xxxg
xxxg
xxxfz
:
),...,,(
:
),...,,(
),...,,(
:a Sujeito
),...,,( :Otimizar
2
1
21
212
211
21
xj - representa as quantidades das variáveis de decisão utilizadas (j = 1, 2,...,n)
bi - representa a quantidade disponível de determinado recurso (i = 1, 2,...,m)
f(x) - função-objetivo
g(x) - funções utilizadas nas restrições do problema (i = 1, 2,..., m)
1. Programação linear
12
Variáveis de decisão
• x1 , x2,...,xn , são as chamadas Variáveis de Decisão.
• As variáveis de decisão são aqueles valores que representam o
cerne do problema, e que podemos escolher (decidir) livremente.
• As variáveis de decisão representam as opções que um
administrador têm para atingir um objetivo. Ex.:
- Quanto produzir para maximizar o lucro?
- Quanto comprar de uma ação para minimizar o risco da carteira?
1. Programação linear
13
Problema de programação linear (PPL)
Um problema de programação matemática é linear se a
função-objetivo e cada uma das funções que representam as
restrições forem lineares, isto é, na forma abaixo:
nnn xcxcxcxxxf +++= ...),...,,( 221121
g x x x a x a x a xi n i i in n( , , . . . , ) . . .1 2 1 1 2 2= + + +
),...,,(21 n
xxxf
1. Programação linear
14
Problema de programação NÃO linear
A presença de qualquer das expressões abaixo tornam o
problema não linear:
( ) 1 para 1 ≠nx n
( ) a basequalquer para log 1xa
aa x devalor qualquer para 1
1. Programação linear
15
Programação linear
Exemplos:
0,
60020180
2042
s.r.
max
21
21
21
21
≥≤+
≤+
+
xx
xx
xx
xx
0,
60020180
2032
s.r.
2min
21
21
21
21
≥=+
≥+
+
xx
xx
xx
xx
1. Programação linear
16
PPL na forma padrão
1. Programação linear
0x,...x,x,x
bxa...xaxa
bxa...xaxa
bxa...xaxa
xc...xcxcZ
n321
mnmn22m11m
2nn2222121
1nn1212111
nn2211
≥≤+++
≤+++≤+++
+++= :a Sujeito
Maximizar
não negativos
17
PPL na forma padrão
1. Programação linear
0,
60020180
2032
s.r.
2min
21
21
21
21
≥=+
≥+
+
xx
xx
xx
xx
0,
60020180
2042
s.r.
max
21
21
21
21
≥≥≥≥≤≤≤≤+
≤≤≤≤+
+
xx
xx
xx
xx
0,
60020180
2042
s.r.
max
21
21
21
21
≥≥≥≥≤≤≤≤+
≤≤≤≤+
+
xx
xx
xx
xx
PPL na forma não padrão
18
Formulação do PPL
A formulação de qualquer problema a ser resolvido segue alguns passos
básicos:
• Quais as variáveis de decisão ?
• Qual o objetivo ? Aqui devemos identificar o objetivo da tomada de decisão, que deve ser
único. Por exemplo, maximização de lucro, minimização de tempo, custo. Tal
objetivo será representado por uma função objetivo.
• Quais as restrições ?Cada restrição imposta na descrição do sistema deve ser expressa como
uma relação linear (igualdade ou desigualdade), definidas com as variáveis de
decisão.
1. Programação linear
19
Exercícios
Exercícios. Apresente modelos de PL para as situações descritas.
≥=≤
=
nnn
n
n
n
b
b
b
xxxg
xxxg
xxxg
xxxfz
:
),...,,(
:
),...,,(
),...,,(
:a Sujeito
),...,,( :Otimizar
2
1
21
212
211
21
xj - variáveis de decisão
f(x) - função-objetivo
g(x) - restrições
20
Exercício 1. Um pintor faz quadros artesanais para vender numa feira que
acontece todo noite. Ele faz quadros grandes e desenhos pequenos, e os vende
por R$ 5,00 e R$ 3,00, respectivamente. Ele só consegue vender 3 quadros
grandes e 4 quadros pequenos por noite. O quadro grande é feito em 1 hora
(grosseiro) e o pequeno é feito em 1 hora e 48 minutos = 1,8 hora (detalhado).
O desenhista desenha 8 horas por dia antes de ir para a feira. Quantos quadros
de cada tipo ele deve pintar para maximizar a sua receita?.
Solução: uma forma de facilitar o processo de modelagem consiste em responder
às perguntas na seguinte sequência:
• O que decide ?
• Para que decide ?
• Com que restrições ?
Exercícios. Apresente modelos de PL para as situações descritas.
21
Solução.
• Precisamos traduzir a decisão do pintor em um modelo de programação
linear para resolvê-lo.
• Variáveis de decisão: x1 e x2 as quantidades de quadros grandes e pequenos
que ele faz por dia, respectivamente.
• O objetivo do pintor é aumentar sua receita ao máximo.
• Restrições do problema:
- venda de quadros grandes e pequenos;
- tempo de pintura.
Exercícios. Apresente modelos de PL para as situações descritas.
22
Modelo para a tomada de decisão:
• Variáveis de decisão x1 – no. quadros grandes
x2 – no. quadros pequenos
• Função-objetivo max Z = 5x1 + 3x2
• Restrição de venda de quadros grandes x1 ≤ 3
• Restrição de venda de desenhos x2 ≤ 4
• Restrição de tempo x1 + 1,8x2 ≤ 8 (1h48 min = 1,8h)
• Não negatividade x1, x2 ≥ 0
Exercícios. Apresente modelos de PL para as situações descritas.
23
Exercício 2. Um alfaiate tem, disponíveis, os seguintes tecidos: 16 metros de
algodão, 11 metros de seda e 15 metros de lã.
Para um terno são necessários: 2 metros de algodão, 1 metro de seda e 1metro de lã.
Para um vestido, são necessários: 1 metro de algodão, 2 metros de seda e3 metros de lã.
Se um terno e vendido por $300,00 e um vestido por $500,00, quantas pecas decada tipo o alfaiate deve fazer, de modo a maximizar o seu lucro?
Solução:
• Variáveis de decisão
• Função objetivo
• Restrições
Exercícios. Apresente modelos de PL para as situações descritas.
24
Solução.
• Variáveis de decisão: x1 e x2 as quantidades de ternos e vestidos que o alfaite
produz.
• O objetivo do alfaiate é maximizar o seu lucro.
• Restrições do problema:
- algodão;
- seda;
- lã.
Exercícios. Apresente modelos de PL para as situações descritas.
25
Modelo para a tomada de decisão:
• Variáveis de decisão x1 – no. ternos
x2 – no. vestidos
• Função-objetivo max Z = 300x1 + 500x2
• Restrição de algodão 2x1 +x2 ≤ 16
• Restrição de seda x1 + 2x2 ≤ 11
• Restrição de lã x1 + 3x2 ≤ 15
• Não negatividade x1, x2 ≥ 0
Exercícios. Apresente modelos de PL para as situações descritas.
26
Exercício 3. Sabe-se que uma pessoa necessita em sua alimentação diária de
um mínimo de 15 unidades de proteínas e 20 unidades de carboidratos.
Supondo que, para satisfazer esta necessidade, ela disponha dos produtos soja
e feijão. Um kg do soja contém 3 unidades de proteínas, 10 unidades de
carboidratos custa R$ 2,00. Um kg de feijão contém 6 unidades de proteínas, 5
unidades de carboidratos e custa R$ 3,00. Que quantidade deve-se comprar de
cada produto de modo que as exigências de alimentação sejam satisfeitas a um
custo mínimo ?
Exercícios. Apresente modelos de PL para as situações descritas.
27
Solução.
• Variáveis de decisão:
x1 - quantidade de soja
x2 - quantidade de feijão
• O objetivo é minimizar o custo da alimentação.
• Restrições do problema:
- proteínas;
- carboidratos .
Exercícios. Apresente modelos de PL para as situações descritas.
28
Modelo para a tomada de decisão:
• Variáveis de decisão x1 – quantidade de soja
x2 – quantidade de feijão
• Função-objetivo min Z = 2x1 + 3x2
• Restrição de qtide. proteínas (mínima) 3x1 + 6x2 ≥ 15
• Restrição de qtide. carboidratos 10x1 + 5x2 ≥ 20
• Não negatividade x1, x2 ≥ 0
Exercícios. Apresente modelos de PL para as situações descritas.
29
Exercício 4. Uma companhia de aluguel de caminhões possuía-os de dois tipos:
• o tipo A com 2 m3 de espaço refrigerado e 4 m3 de espaço não refrigerado;
• o tipo B com 3 m3 refrigerados e 3 m3 não refrigerados.
Uma fábrica precisou transportar 90 m3 de produto refrigerado e 120 m3
de produto não refrigerado. Quantos caminhões de cada tipo ela deve alugar, de
modo a minimizar o custo, se o aluguel do caminhão A era R$ 0,30 por km e o do B,
R$ 0,40 por km. Elabore o modelo de programação linear.
Exercícios. Apresente modelos de PL para as situações descritas.
30
Solução.
• Variáveis de decisão:
x1 – caminhão tipo A
x2 – caminhão tipo B
• O objetivo é minimizar o custo da alimentação.
• Restrições do problema:
- espaço refrigerado ;
- espaço não refrigerado.
Exercícios. Apresente modelos de PL para as situações descritas.
31
Modelo para a tomada de decisão:
• Variáveis de decisão x1 – caminhão tipo A
x2 – caminhão tipo B
• Função-objetivo min Z = 0,30x1 + 0,40x2
• Restrição do espaço refrigerado 2x1 + 3x2 ≤ 90
• Restrição do espaço não refrigerado 4x1 + 3x2 ≤ 120
• Não negatividade x1, x2 ≥ 0
Exercícios. Apresente modelos de PL para as situações descritas.
32
Exercício 5 (PLT ex. 6 p. 26). A indústria Alumilâminas S/A iniciou suas operações em
janeiro de 2001 e já vem conquistando espaço no mercado de laminados brasileiro,
tendo contratos fechados de fornecimento para todos os 3 tipos diferentes de
lâminas de alumínio que fabrica: espessura fina, média ou grossa. Toda a produção
da companhia é realizada em duas fábricas, uma localizada em São Paulo e a outra
no Rio de Janeiro. Segundo os contratos fechados, a empresa precisa entregar
16 ton de lâminas finas, 6 ton de lâminas médias e 28 ton de lâminas grossas.
Devido à qualidade dos produtos da Alumilâminas S/A, há uma demanda extra para
cada tipo de lâmina.
• Fábrica de SP: custo de produção/dia de R$ 100.000,00 para uma capacidade
produtiva de 8 ton de lâminas finas, 1 ton de médias e 2 ton de lâminas grossas.
• Fábrica do RJ: custo de produção/dia R$ 200.000,00 para uma produção de 2 ton
de lâminas finas, 1 ton médias e 7 ton de lâminas grossas.
Quantos dias cada uma das fábricas deverá operar para atender os
pedidos ao menor custo possível ?
Exercícios. Apresente modelos de PL para as situações descritas.
33
Exercício 6 (PLT ex. 7 p. 26). Um pizzaiolo trabalha 8 horas por dia e faz
16 pizzas por hora, caso faça somente pizzas, e 9 calzones por hora, se fizer
somente calzones. Ele gasta 40 g de queijo para preparar uma pizza e 60 g de
queijo para fazer um calzone.
Sabendo que o total disponível de queijo é de 5 kg por dia, e que a pizza é
vendida a R$ 18,00 e o calzone a R$ 22,00, pergunta-se:
Quantas unidades de pizzas e calzones uma pizzaria deve vender diariamente
para maximizar a sua receita, considerando que ela tem três pizzaiolos ?
Exercícios. Apresente modelos de PL para as situações descritas.
34
Exercício 7 (PLT ex. 8 p. 26). A Esportes Radicais S/A produz pára-quedas e asa-
deltas em duas linhas de montagem. A primeira linha de montagem tem
100 horas semanais disponíveis para a fabricação dos produtos, e a segunda
linha tem um limite de 42 horas semanais.
Cada um dos produtos requer 10 horas de processamento na linha 1, enquanto
que na linha 2 o para-quedas requer 3 horas e a asa-delta requer 7 horas.
Sabendo que o mercado está disposto a comprar toda a produção da empresa,
bem como que o lucro pela venda de cada pára-quedas é de R$ 60,00 e o lucro
para cada asa-delta vendida é R$ 40,00, encontre a programação de produção
que maximize o lucro da Esportes Radicais S/A.
Exercícios. Apresente modelos de PL para as situações descritas.
35
Exercício 7. (CORRAR, Luiz J. ex. 6 p. 333). A indústria Maximóveis fabrica dois tipos de produtos: cadeiras e mesas, que as seguintes margens de contribuição por unidade:
Exercícios. Apresente modelos de PL para as situações descritas.
Produto Margem de contribuição/un. (R$)
Cadeiras 10
Mesas 8
Os produtos são processados por dois departamentos: montagem e acabamento. Ao passar por esses deptos., cada unidade do produto consome determinado no horas:
DepartamentoConsumo de horas pelos produtos
Cadeira Mesa
Montagem 3 3
Acabamento 6 8
Os deptos. apresentam limitação na capacidade produtiva:
Depto Capacidade máx (horas)
Montagem 30
Acabamento 48
Qual é a melhor combinação possível de cadeiras e mesas a serem produzidas para obter a maior margem de contribuição total ?
36
Curso de AdministraçãoPesquisa Operacional