Aulas de P.O. por Prof.

Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Justificativa

PESQUISA OPERACIONAL PROF. EDILSON M. DE ASSIS

1

Atualmente, no mundo dos negcios buscam-se modelos de atividades e comportamentos necessrios ao fortalecimento das organizaes, voltados a oferecer a satisfao a seus proprietrios, trabalhadores, fornecedores e consumidores.

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

A disputa pela conquista de maiores fatias do mercado consumidor, o enfrentamento da concorrncia, a busca pela qualidade do servio ou do produto e melhoria do ambiente social tornaram-se desafios constantes em todos os ramos da atividade humana. Maximizar os resultados e minimizar os dispndios, solucionando os problemas da melhor maneira possvel por meio de modelos matemticos tornou-se um imperativo no mundo competitivo em que vivemos.
3

CONHECIMENTOS NECESSRIOS: OPERAES MATEMTICAS BSICAS OPERAES COM FRAES EQUAES E INEQUAES GRFICO CARTESIANO FUNO LINEAR
4

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Bibliografia (deste material) Andrade, E. L. Introduo Pesquisa Operacional.CTC Editora,1998. Ehrlich, Pierre J. Pesquisa operacional: curso introdutrio. So Paulo: Atlas, 1991. Lachtermacher, Gerson. Pesquisa Operacional na tomada de decises. Editora Campus. Rio de Janeiro,2002.
5

Bibliografia (deste material) Oberstone, Joelee. Management Science concepts, insights and applications. West Publishing Company. St.Paul.1990. Silva, E.M.; Silva, E.M.; Gonalves V.; Murolo, A.C. Pesquisa Operacional: Programao Linear e Simulao. 3a edio. Editora Atlas,1998.

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Pesquisa Operacional
Conceito A Pesquisa Operacional trata da busca da melhor utilizao tcnica, econmica, social ou poltica de recursos e processos, por meio da aplicao de mtodos cientficos, visando a maior satisfao do usurio. De um ponto de vista mais especfico a Pesquisa Operacional cuida da modelagem matemtica aplicada rea de negcios.
7

Pesquisa Operacional
Introduo A cincia da administrao (Management Sciences) a rea de estudos que utiliza computadores, estatstica e matemtica para resolver problemas de negcios sendo considerada uma subrea da Pesquisa Operacional. H poucos anos as sociedades que estudavam separadamente as duas reas de estudo se fundiram e aqui no Brasil foi criada a SOBRAPO Sociedade Brasileira de Pesquisa Operacional.
8

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Pesquisa Operacional
Introduo O desenvolvimento de um trabalho de P.O envolve equipes multi-disciplinares para a aplicao dos mtodos cientficos a problemas reais encontrados nos sistemas de produo de bens e servios, como ferramenta auxiliar para a tomada de decises, em quaisquer setores e nveis da economia
9

Pesquisa Operacional
Histrico Na dcada de 50, professores da USP, ITA e PUC-RJ, com formao no exterior, criaram os primeiros cursos de graduao que incluam disciplinas de P.O, como o de Engenharia da Produo, e que foram includas tambm em outros cursos, j existentes, como os de Economia, Engenharia, Matemtica e Estatstica.
10

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Pesquisa Operacional
Histrico A partir de 1960, a criao de cursos de psgraduao na rea de P.O e a aquisio dos primeiros computadores multiplicaram as possibilidades de sua aplicao. Vrias empresas comearam a utilizar a P.O, estreitando um proveitoso relacionamento com as Universidades. O primeiro exemplo desta relao foi o da PUC-RJ com as empresas SOCIL e Anhanguera, para o desenvolvimento de programas de minimizao de custo de raes para animais, usando Programao Linear. 11

Pesquisa Operacional
Os principais setores a empregar tcnicas de P.O, na poca, foram: 1 - Siderurgia (CSN, Cia. Vale do Rio Doce) 2 - Eletricidade (Cia Nacional de Energia Eltrica) 3 - Transportes (FRONAPE) 4 - Petrleo (PETROBRS, ESSO) 5 - Telecomunicaes Em funo da grande aplicabilidade de seus conceitos, incluindo grandes projetos em obras estatais, foi criada, em 1968, a Sociedade Brasileira de Pesquisa Operacional SOBRAPO 12

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Pesquisa Operacional
Histrico A dcada de 70 consolidou a P.O, no Brasil, com um maior interesse das empresas e um maior contingente de profissionais habilitados na rea, permitindo a formao de grupos prprios de P.O, visando a soluo de problemas tticos e o planejamento estratgico, naquelas empresas.
13

Pesquisa Operacional
Histrico Nos anos seguintes, embora consolidada, a P.O. aplicada ao planejamento estratgico de empresas, perdia o sentido frente situao imprevisvel da economia nacional. Ao mesmo tempo, no entanto, houve grande incremento do instrumental cientfico, com o desenvolvimento de softwares e dos microcomputadores.
14

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Pesquisa Operacional
Histrico Na dcada de 90 a P.O ganha um novo impulso, nesta dcada, nas reas de: administrao (tomada de decises), visando a qualidade dos processos de produo e atendimento (servios, desenvolvimento de linhas de produtos, comercializao e marketing).
15

Pesquisa Operacional
Trabalhos por rea em 24 simpsios da SOBRAPO Transportes 21,0% Energia 19,0% Economia e Finanas 11,5% Logstica 9,0% Planejamento e Controle da Produo 8,0% Telecomunicaes 8,0% Siderurgia 6,5% Agropecuria 5,0%

16

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Fases de um Estudo em P.O. Um estudo em Pesquisa Operacional costuma envolver seis fases: 1. Formulao do problema; 2. Construo do modelo do sistema; 3. Clculo da soluo; 4. Teste do modelo e da soluo; 5. Estabelecimento de controles da soluo; 6. Implementao e acompanhamento;
17

FASE 1
Formulao do Problema 1.Colocar o problema de maneira clara e coerente. 2.Definir os objetivos a alcanar e quais os possveis caminhos alternativos para que isso ocorra. 3.Levantar as limitaes tcnicas do sistema e as relaes desse sistema com outros ou ambiente externo 4.Criar uma medida de eficincia para o sistema.
18

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

FASE 2
Construo do Modelo do Sistema Os modelos so matemticos, isto , modelos formados por um conjunto de equaes e inequaes. Uma das equaes do conjunto serve para medir a eficincia do sistema para cada soluo proposta a funo objetivo. As inequaes geralmente descrevem as limitaes ou restries tcnicas do sistema. As variveis que compem as equaes so de dois tipos:
19

FASE 2
Construo do Modelo do Sistema As variveis que compem as equaes so de dois tipos: Varives controladas ou de deciso so variveis cujo valor est sob controle do administrador. Variveis no controladas - so as variveis cujos valores so atribudos por sistemas fora do controle do administrador

20

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

FASE 2
Construo do Modelo do Sistema As variveis que compem as equaes so de dois tipos: Varives controladas ou de deciso so variveis cujo valor est sob controle do administrador. Variveis no controladas - so as variveis cujos valores so atribudos por sistemas fora do controle do administrador

FASE 3
Clculo da soluo feito atravs de tcnicas matemticas especficas. A construo do modelo deve levar em considerao disponibilidade de uma tcnica para o clculo da soluo.

21

22

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

FASE 4
Teste do modelo e da soluo Se houver dados histricos, eles sero aplicados no modelo, gerando um desempenho que pode ser comparado ao observado no sistema. Se o desvio verificado no for aceitvel, reformular o abandonar o modelo Se no houver dados histricos, os dados sero anotados com o sistema funcionando sem interferncia at que permitam que o teste possa ser realizado. 23

FASE 5
Estabelecimento de controles da soluo Para a construo e experimentao do modelo so criados parmetros. Qualquer mudana nesses parmetros dever ser controlada para garantir a validade da soluo adotada. Caso alguns desses parmetros sofra desvio alm do permitido, o clculo de nova soluo ou mesmo a reformulao do modelo poder ser necessria.

24

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

FASE 6
Implementao e acompanhamento Nesta fase, a soluo ser apresentada ao administrador, evitando-se o uso da linguagem tcnica. O uso da linguagem simples facilita a compreenso e a boa vontade para a implantao que est sendo sugerida. Importante acompanhar o comportamento do sistema. 25

TEORIA DAS FILAS

26

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Teoria das Filas

Introduo Teoria das filas o estudo matemtico das linhas de espera. O primeiro trabalho importante feito neste campo foi realizado pelo engenheiro A. K. Erlang. Erlang modelou a flutuao na demanda dos servios de telefonia e a capacidade da companhia telefnica lidar com esta demanda.
27

Teoria das Filas

Introduo Linhas de espera so um fenmeno comum. Elas ocorrem toda vez que a demanda instantnea por um servio excede a capacidade de atendimento. Em negcios, freqentemente tem que se tomar decises sobre o nvel de servio a oferecer. Oferecer um servio de nvel excepcionalmente alto muito custoso.
28

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Teoria das Filas

Introduo Por outro lado, no oferecer servios suficientemente eficazes, provoca longas filas de espera e perdas financeiras. Assim a meta do administrador deve ser encontrar o equilbrio entre a demanda e a oferta de um servio.

Teoria das Filas

Exemplos de aplicao A Teoria das Filas uma das mais antigas tcnicas da cincia de administrao. Sua aplicao data do incio do sculo XX. A seguir, alguns casos de aplicao: Servio de embarque de passageiros em aeroportos (1979) Alocao de leitos em albergues pblicos (1981)
30

29

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Teoria das Filas

Exemplos de aplicao Anlise de falta de combustveis (1974) Projeto de um sistema de denncias por telefone do Centro de Abusos Contra a Criana do Estado de Nova Iorque (1979) Desenvolvimento de unidades de servio de emergncia (1975) Anlise do tempo de viagem de rdiopatrulhas da cidade de Nova Iorque (1987)
31

Teoria das Filas

Considerao sobre estado estvel importante manter em mente que em todos os casos aqui tratados, assumese que o sistema opera em estado estvel. De fato, a grande maioria dos sistemas de espera opera em estado estvel ou prximo destas condies. Esta simplificao muito til pois a anlise de transientes muito difcil e nos casos mais complexos pode ser matematicamente intratvel. 32

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Teoria das Filas

O Sistema de Fila A figura abaixo detalha um sistema de fila. Entrada Fila (clientes) Unidade de Atendimento Sada

Teoria das Filas

Definies: Cliente - unidade de chegada que requer atendimento. Ex.: pessoas, peas, mquinas, etc. Fila (linha de espera) - nmero de clientes esperando atendimento. No inclui o cliente que est sendo atendido. Canal de Atendimento - processo ou sistema que realiza o atendimento do cliente. Pode ser canal nico ou mltiplo. 34

33

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Teoria das Filas

Exemplos de Sistemas de Filas Situao Processo de Entrada Processo de Sada Banco Usurios chegando ao banco Usurio atendido pelo caixa Atendimento em pizzaria Pedido para entrega de pizza Pizzaria envia pizzas para o cliente
35

Teoria das Filas

Exemplos de Sistemas de Filas Banco de Sangue Chegada de bolsa com sangue Bolsa usada por paciente Estaleiro de Navios Navio necessitando reparo enviado para o estaleiro Navio reparado volta o para o mar

36

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Teoria das Filas

Parmetros de operao das filas Taxa mdia de chegada - taxa (clientes / unidade de tempo) segundo a qual os clientes chegam para ser atendidos. Taxa mdia de atendimento - taxa (clientes / unidade de tempo) segundo a qual um canal de atendimento pode efetuar o atendimento de um cliente. Fator de utilizao para uma unidade de atendimento proporo do tempo em que os atendentes esto ocupados. 37

Teoria das Filas

n Nmero de clientes no sistema c Nmero mximo de clientes permitidos em um sistema de fila com comprimento finito s Nmero de atendentes ou servidores.

38

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Teoria das Filas

Po Probabilidade de que nenhum cliente esteja no sistema. Pn Probabilidade de que exatamente n clientes estejam no sistema L Nmero mdio de clientes no sistema - nmero de clientes aguardando na fila mais os que esto sendo atendidos Lq Nmero mdio de clientes na fila nmero de clientes que aguardam atendimento.
39

Teoria das Filas

W Tempo mdio do cliente no sistema tempo mdio gasto pelo cliente na fila esperando para ser atendido mais o tempo de atendimento. Wq Tempo mdio de um cliente na Fila tempo mdio do cliente na fila esperando para ser atendido.

40

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Teoria das Filas

Ln Nmero mdio de clientes em fila no vazia - nmero mdio de clientes esperando em filas excluindo-se os tempos em que a fila est vazia. Wn Tempo mdio de espera para fila no vazia tempo que um cliente aguarda em fila se ele tiver de esperar.

Caractersticas
Tamanho da populao (finita ou infinita) Infinita Se a probabilidade de um cliente chegar no significativamente alterada quando um ou mais membros da populao esto sendo atendidos a populao dita infinita. A maioria dos sistemas de filas tem populao infinita. Exemplo: pessoas que visitam Disneylndia.
42

41

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Caractersticas
Finita Uma populao considerada finita Se a probabilidade de um cliente chegar alterada quando um ou mais membros da populao esto sendo atendidos. Exemplo: pessoas de bom gosto que compram CDs de Tiririca.

Caractersticas
Padro de chegada da populao ( com horrio pr-determinado ou aleatrio). Pr-determinado No h necessidade de se criar um modelo analtico. Se o padro aleatrio ento necessrio especificar o tipo de distribuio de probabilidade dos tempos entre chegadas ao sistema consecutivas.
44

43

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Caractersticas
Padro de chegada da populao ( com horrio pr-determinado ou aleatrio). Aleatrio necessrio especificar o tipo de distribuio de probabilidade dos tempos entre chegadas ao sistema consecutivas. O tipo mais comum de padro de chegada a distribuio de Poisson. Neste caso, as chegadas ao sistema ocorrem aleatoriamente, mas com uma certa mdia .
45

Caractersticas
Tamanho da fila (finito ou infinito) A fila caracterizada pelo mximo nmero de clientes que pode conter. Este nmero pode ser considerado finito ou infinito e isto vai depender das limitaes fsicas do sistema (espao disponvel). mais fcil trabalhar analiticamente filas de comprimento infinito.

46

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Caractersticas
A disciplina da fila A disciplina da fila a ordem pela qual os clientes que chegam ao sistema so selecionados para serem atendidos. Tipos : FCFS, LCFS, SIRO

Caractersticas
FCFS - first come, first served (o primeiro a chegar o primeiro a ser atendido). o tipo mais comum LCFS - last come, first served (o ltimo a chegar o primeiro a ser atendido). Ex: uma pilha de pratos esperando para serem lavados. O ltimo prato a ser colocado o primeiro a ser lavado.
47 48

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Caractersticas
SIRO - service in random (atendimento em ordem aleatria). order

Caractersticas
Nmero de canais de (singular ou mltiplo n) atendimento

Exemplo: Um ptio de uma concessionria na qual os carros esperam para serem comprados. A ordem de compra aleatria.

O atendimento pode ser processado por meio de um nico atendente ou por meio de dois ou mais canais de atendimento. No primeiro caso diz-se que o atendimento feito por um canal e no segundo diz-se canal mltiplo.

49

50

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Caractersticas
Teorema Para qualquer sistema de filas no qual exista uma distribuio em regime constante, so vlidas as seguintes relaes: L = .W Lq = .Wq Ln = .Wn
51

Notao de filas
Cada Sistema de Filas descrito por 6 caractersticas: (1 / 2 / 3) : (4 / 5 / 6) (1) Tipo de tempos de chegada (2) Tipo de tempos de antendimento (3) Nmero de canais de atendimento (4) Nmero mximo de usurios no sistema. (5) Tamanho da populao que usa o sistema. (6) Disciplina da fila: FCFS, LCFS, SIRO
52

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Notao de filas
(1) Tipo de tempos de chegada (intervalos de tempo de chegada so indepedentes e...) M aleatrios com distribuio exponencial D - determinsticos E - aleatrios tendo distribuio de Erlang G com distribuio genrica (pode englobar as anteriores)
53

Notao de filas
(2) Tipo de tempos de atendimento (intervalos de tempo de chegada so indepedentes e...) M aleatrios com distribuio exponencial D - determinsticos E - aleatrios tendo distribuio de Erlang G com distribuio genrica (pode englobar as anteriores)
54

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Notao de filas
(3) Nmero de canais de atendimento n (4) Nmero mximo de usurios no sistema. c (5) Tamanho da populao que usa o sistema. (6) Disciplina da fila FCFS, LCFS, SIRO ou G (genrica)
55

Sistema (M / M / 1) : ( / / FCFS) Sistema de um canal com comprimento infinito de fila. Este o modelo bsico para servidor simples. o mais comum de todos. Intervalo entre chegadas exponencial = M Tempo de atendimento exponencial = M Canais de atendimento = 1 Capacidade do sistema = Tamanho da populao = Disciplina da fila = FCFS
56

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Sistema (M / M / 1) : ( / / FCFS) Frmulas

Sistema (M / M / 1) : ( / / FCFS) Exemplo: Pacientes chegam a um posto mdico para receber a inoculao de uma vacina numa taxa de 100 pessoas por hora seguindo a distribuio de Poisson. Cada pessoa consome 15 segundos de uma nica enfermeira que aplica a vacina. Os tempos de servios realizados seguem a distribuio exponencial. Responda:
57 58

=
Po = 1 Pn = Po. n L=

2 Lq = . ( )
W= 1

Wq =

. ( )

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Sistema (M / M / 1) : ( / / FCFS) Exemplo (continuao): a) Qual a chance de que um paciente que acaba de chegar, no tenha que esperar? b) Qual a chance de haver exatamente trs pacientes no sistema? c) Qual o nmero mdio de pacientes no sistema? d) Qual o nmero mdio de pacientes esperando na fila? (no inclua o paciente recebendo a vacina).
59

Sistema (M / M / 1) : ( / / FCFS) Exemplo (continuao): e) Em mdia, quanto tempo um paciente gasta para chegar, receber a inoculao e sair? f) Qual o tempo mdio de espera antes que o paciente possa estar com a enfermeira?

60

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Sistema (M / M / 1) : ( / / FCFS) Soluo: a) Qual a chance de que um paciente que acaba de chegar, no tenha que esperar?

Sistema (M / M / 1) : ( / / FCFS) Soluo: b) Qual a chance de haver exatamente trs pacientes no sistema?

=
Po = 1

= 0,417 = 0,417 = 0,583 = 0,583

61

Pn = Po. n

P3 = 0,042 P3 = 0,042

62

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Sistema (M / M / 1) : ( / / FCFS) Soluo: c) Qual o nmero mdio de pacientes no sistema?

Sistema (M / M / 1) : ( / / FCFS) Soluo: d) Qual o nmero mdio de pacientes esperando na fila? (no inclua o paciente recebendo a vacina).

L=

L = 0,714 L = 0,714 clientes clientes

2 Lq = . ( )

Lq = 0,298 Lq = 0,298 clientes clientes

63

64

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Sistema (M / M / 1) : ( / / FCFS) Soluo e) Em mdia, quanto tempo um paciente gasta para chegar, receber a inoculao e sair?

Sistema (M / M / 1) : ( / / FCFS) Soluo f) Qual o tempo mdio de espera antes que o paciente possa estar com a enfermeira?

W=

W = 0,007143 h ou W = 0,007143 h ou W = 25,7 segundos W = 25,7 segundos

Wq =

. ( )

Wq = 0,002976 h ou Wq = 0,002976 h ou Wq = 10,7 segundos Wq = 10,7 segundos

65

66

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Sistema (M / M / 1) : (c / / FCFS) Sistema de um canal com comprimento finito de fila. O comprimento da fila agora limitado. Este tipo de restrio no usual mas possvel considerar os limites fsicos de um sistema de filas. Intervalo entre chegadas exponencial = M Tempo de atendimento exponencial = M Canais de atendimento = 1 Capacidade do sistema = c Tamanho da populao = Disciplina da fila = FCFS 67

Sistema (M / M / 1) : (c / / FCFS)

Observao Quando c clientes esto no sistema, se chegar algum outro cliente, este vai embora e no volta mais.

68

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Sistema (M / M / 1) : (c / / FCFS) Frmulas

Sistema (M / M / 1) : (c / / FCFS) Exemplo: Os pacientes chegam numa taxa de 100 pessoas por hora seguindo a distribuio de Poisson. Cada pessoa consome 15 segundos de uma nica enfermeira que aplica a vacina. Os tempos de servios realizados seguem a distribuio exponencial. Devido ao pequeno tamanho da sala de espera, a capacidade das instalaes igual a trs pessoas.
70

Lq = L (1 Po ) W= L . (1 Pc ) Lq . (1 Pc )

1 Po = 1 c +1 Pn = Po. n com n c ( c + 1) . c +1 L= 1 1 c +1

Wq =

69

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Sistema (M / M / 1) : (c / / FCFS) Exemplo (continuao): Qual o efeito desta restrio quando comparamos este novo sistema com o anterior? As perguntas so as mesmas. Responda:

Sistema (M / M / 1) : (c / / FCFS) Exemplo (continuao): a) Qual a chance de que um paciente que acaba de chegar, no tenha que esperar? b) Qual a chance de haver exatamente trs pacientes no sistema? c) Qual o nmero mdio de pacientes no sistema? d) Qual o nmero mdio de pacientes esperando na fila? (no inclua o paciente recebendo a vacina).
72

71

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Sistema (M / M / 1) : (c / / FCFS) Exemplo (continuao): e) Em mdia, quanto tempo um paciente gasta para chegar, receber a inoculao e sair? f) Qual o tempo mdio de espera antes que o paciente possa estar com a enfermeira?

Sistema (M / M / 1) : (c / / FCFS) Soluo: a) Qual a chance de que um paciente que acaba de chegar, no tenha que esperar?

= 0,417 (no mudou) = 0,417 (no mudou) Era Po= 0,583 Era Po= 0,583 Po= 0,601 Po= 0,601
74

Po =
73

1 1 c +1

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Sistema (M / M / 1) : (c / / FCFS) Soluo: b) Qual a chance de haver exatamente trs pacientes no sistema? Era P3 = 0,042 Era P3 = 0,042

Sistema (M / M / 1) : (c / / FCFS) Soluo: c) Qual o nmero mdio de pacientes no sistema? Era L = 0,714 Era L = 0,714

Pn = Po. n

P3 = 0,104 P3 = 0,104

( c + 1) . c +1 L= 1 1 c +1

L = 0,59 L = 0,59 clientes clientes

76

75

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Sistema (M / M / 1) : (c / / FCFS) Soluo: d) Qual o nmero mdio de pacientes esperando na fila? (no inclua o paciente recebendo a vacina). Era Lq = 0,298 Era Lq = 0,298

Sistema (M / M / 1) : (c / / FCFS) Soluo e) Em mdia, quanto tempo um paciente gasta para chegar, receber a inoculao e sair? Era W = 25,7 segundos Era W = 25,7 segundos

Lq = L (1 Po )

Lq = 0,191 Lq = 0,191
77

W=

L . (1 Pc )

W = 0,00616 h ou W = 0,00616 h ou W = 22,2 segundos W = 22,2 segundos

78

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Sistema (M / M / 1) : (c / / FCFS) Soluo f) Qual o tempo mdio de espera antes que o paciente possa estar com a enfermeira? Era Wq = 10,7 segundos Era Wq = 10,7 segundos

Exerccios propostos 1- Num sistema de atendimento composto de um nico servidor e uma nica fila oriunda de populao infinita, os clientes chegam numa taxa de 3 pessoas/min. Sabendo que so atendidas 5 pessoas/min. e que sistema segue distribuio de Poisson, calcule: a) O nmero mdio de clientes no sistema b) O nmero mdio de clientes na fila c) A probabilidade do sistema estar ocioso
79 80

Wq =

Lq . (1 Pc )

Wq=0,002 h ou Wq=0,002 h ou Wq = 7,19 segundos Wq = 7,19 segundos

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Exerccios propostos d) A probabilidade do sistema estar ocupado e) O tempo mdio de espera no sistema f) O tempo mdio de espera na fila

Exerccios propostos 2 - Resolva o exerccio anterior considerando que o sistema agora tem capacidade limitada a c=4.

81

82

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Programao Linear
Uma das tcnicas mais utilizadas em Pesquisa Operacional a programao linear. Exemplo:

MODELAGEM EM PROGRAMAO LINEAR

Funo objetivo a ser maximizada: Lucro = 2x1 + 3x2 Restries: Tcnicas 4x1+3x2 10 6x1-x2 20 No negatividade x1 0 x2 0

83

84

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Roteiro
1 Conhecimento do problema Tabela 2 Variveis de deciso x1, x2, .... 3 Funo objetivo Equao 4 Restries Inequaes e ou equaes 5 Modelo Funo objetivo e restries
85

Exemplo
1 Certa empresa fabrica dois produtos P1 e P2. Os lucros unitrios dos produtos P1 e P2 so R$1.000 e R$1.800 respectivamente. A empresa precisa de 20 h para fabricar uma unidade de P1 e de 30 h para P2. O tempo anual de produo disponvel de 1.200 h. A demanda anual esperada para cada produto de 40 unidades para P1 e 30 para P2. Qual o plano de produo para que a empresa maximize seu lucro nesses itens? Construa o modelo de programao linear para esse caso. 86

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Soluo
1 Conhecimento do problema

Soluo
2 Variveis de deciso x1 = quantidade anual a produzir de P1 x2 = quantidade anual a produzir de P2 3 Funo objetivo O objetivo maximizar o lucro: Lucro total: L = 1 000x1 + 1800x2 Objetivo: maximizar L = 1 000x1 + 1800x2
87 88

Produtos P1 P2 Total disponvel

Horas Lucro Demanda necessrias 20 30 1200 1000 1800 40 30

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Soluo
4 Restries a) Disponibilidade de horas para a produo: 1200 h Horas ocupadas com P1: 20x1 Horas ocupadas com P2: 30x2 Total em horas ocupadas na produo: 20x1 + 30x2 disponibilidade: 1.200 horas. Restrio: 20x1 + 30x2 1200
89

Soluo
4 Restries b) Disponibilidade de mercado para os produtos (demanda) Disponibilidade para P1: 40 unidades Restrio: x1 40 Disponibilidade para P2: 30 unidades Restrio: x2 30
90

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Soluo
5 Modelo Funo objetivo e restries Maximizar L = 1000x1 + 1800x2 Sujeito a: 20x1 + 30x2 1200 x1 40 x2 30 x10 x20
91

Exemplo
2 Para uma boa alimentao, o corpo necessita de vitaminas e protenas. A necessidade mnima de vitaminas de 32 un. por dia e a de protenas de 36. Uma pessoa tem disponvel carne e ovos para se alimentar. Cada unidade de carne contm 4 un. de vitaminas e 6 un. de protenas. Cada unidade de ovo contm 8 un. de vitaminas e 6 de protenas. Qual a quantidade diria de carne e ovos que deve ser consumida para suprir as necessidades de vitaminas e protenas com o menor custo possvel ?
92

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Soluo final
Minimizar C = 3x1 + 2,5x2 Sujeito a: 4x1 + 8x2 32 6x1+6x2 36 x10 x20

Exerccios
1 Um sapateiro faz 6 sapatos por hora, se fizer somente sapatos, e 5 cintos por hora, se fizer somente cintos. Ele gasta 2 unidades de couro para fabricar 1un de sapato e 1 un de couro para fabricar um cinto. Sabendo-se que o total disponvel de couro de 6 un e que o lucro unitrio por sapato de R$5 e o do cinto de R$2, pede-se o modelo do sistema de produo do sapateiro, se o objetivo maximizar seu lucro por hora.
93 94

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Exerccios
2 Certa empresa fabrica 2 produtos P1 e P2. O lucro por unidade de P1 de R$100 e o de P2 de R$150. A empresa necessita de 2h para fabricar uma unidade de P1 e 3h para P2. O tempo mensal disponvel para essas atividades de 120 h. As demandas esperadas para os 2 produtos P1 e P2 no devem ultrapassar 40 un e 30 un por ms respectivamente. Construa o modelo do sistema de produo mensal com o objetivo de maximizar o lucro da empresa 95

Exerccios
3 Um vendedor de frutas pode transportar 800 caixas de frutas para sua regio de vendas. Ele necessita transportar 200 caixas de laranjas a R$20 de lucro por caixa, pelo menos 100 caixas de pssegos a R$10 e no mnimo 200 caixas de tangerinas a R$30. De que forma ele dever carregar o caminho para obter o lucro mximo? Construa o modelo do problema.
96

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Exerccios
4 Uma emissora de rdio transmite 2 programas A e B. O programa "A" com 20 minutos de msica e 1 min de propaganda conquista 30.000 ouvintes, enquanto o programa "B", com 10 min de msica e 1 min de propaganda conquista 10.000 ouvintes. No decorrer de uma semana, o patrocinador exige no mnimo, 5 min para sua propaganda e diz que no h verba para mais de 80 min de msica. Quantas vezes por semana cada programa deve ser irradiado para obter maior audincia? Construa o.modelo do sistema. 97

Exerccios
5 Uma empresa fabrica 2 modelos de cintos de couro. O modelo M1 requer o dobro do tempo de fabricao do modelo M2. Se todos os cintos fossem do modelo M2, a empresa poderia produzir 1.000 unidades por dia. A disponibilidade de couro permite fabricar 800 cintos de ambos os modelos por dia. Os cintos usam fivelas diferentes cujas disponibilidades dirias so 400 para M1 e 700 para M2. Os lucros unitrios so de R$4 para M1 e R$3 para M2. Construa, o modelo que maximiza o lucro dirio da empresa. 98

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Exerccios
6 Uma empresa est com disponibilidade de 3 recursos produtivos: R1, R2 e R3. Um estudo sobre o uso desses recursos indicou a possibilidade de se fabricar dois produtos: P1 e P2. Sabe-se que P1 daria um lucro de R$120 por unidade e P2 R$150. O departamento de produo forneceu a seguinte tabela de uso de recursos. Que produo mensal de P1 e P2 traz o maior lucro para a empresa? Construa o modelo do sistema. 99

Exerccios
6 (continuao) Produtos P1 P2 Disponibi lidade de recursos Recurso Recurso Recurso R1 R2 R3 2 3 5 4 2 3 100 90 120

100

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Exerccios
7 Um fazendeiro est estudando a diviso de sua propriedade nas seguintes atividades produtivas: A (Arrendamento) - Destinar alqueires para a plantao de cana-de-acar, a uma usina local, que paga pelo aluguel da terra R$300 por alqueire por ano. P (Pecuria) - Usar outra parte para a criao de gado de corte. Isto requer adubao (100 kg/Alq) e irrigao (100.000 l de gua/Alq) por ano. O lucro estimado nessa atividade de R$400 por alqueire por ano. 101

Exerccios (continuao)
S (Plantio de Soja) - Usar uma terceira parte para o plantio de soja. Essa cultura requer 200 kg por alqueire de adubos e 200.000 l de gua/Alq para irrigao por ano. O lucro estimado nessa atividade de R$500,00/alq no ano. Disponibilidade de recursos por ano: 12.750.000 l de gua; 14.000 kg de adubo; 100 alqueires de terra. Quantos alqueires dever destinar para cada atividade para proporcionar o melhor retorno? Construa o modelo de deciso. 102

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Exerccios
8 O departamento de marketing de uma empresa estuda a forma mais econmica de aumentar em 30% as vendas de seus dois produtos P1 e P2. As alternativas so: a) Investir em um programa institucional com outras empresas do mesmo ramo.Esse programa requer um investimento mnimo de R $3.000 e deve proporcionar um aumento de 3% nas vendas de cada produto, para cada R$1.000 investidos.
103

Exerccios
8 (continuao) b) Investir diretamente na divulgao dos produtos. Cada R$1.000 investidos em P1 retornam um aumento de 4% nas vendas, para P2 o retorno de 10%. A empresa dispe de R$ 10.000 para esse empreendimento. Quanto dever destinar a cada atividade? Construa o modelo do sistema descrito.
104

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Mtodo Grfico
Conceito

SOLUO POR MTODO GRFICO

Consiste em representar o sistema num grfico cartesiano e encontrar a soluo por meio de um grfico contendo algumas retas e regies

105

106

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Mtodo Grfico
Seja o exemplo: Maximizar L = 4x1 + x2 Sujeito a: 2x1 + 3x2 12 (a) 2x1 +x2 8 (b) x1, x2 0 Para resolver: 1 Traar os grficos das regies (a) e (b) conforme a seguir 2 Traar a funo objetivo 3 Encontrar a soluo
107

Mtodo Grfico
1 Reta (a)
2x1 + 3x2=12 x1 = 0 x2= x2= 4 x1= 0 6
8

x2
4

0 0 2 4

x1 6
108

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Mtodo Grfico
1 Regio (a)
2x1 + 3x2 12 x1 = 0 x2= 0 x2= 4 x1= 6
8

Mtodo Grfico
1 Reta (b)
2x1 + x2=8 x1 = 0 x2= x2= 8 x1= 0 4
8

x2
4

x2
4 0 0
109

0 0 2 4

x1 6

x1 6
110

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Mtodo Grfico
1 Regio (b)
2x1 + x2 8 x1 = 0 x2= x2= 8 x1= 0 4
8

Mtodo Grfico
1 Regies (a) e (b) juntas

x2 x2
4 x2
0 4

(a)

(b)

0 0 2 4

x1 6

Regio de soluo

x1 6
111 112

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Mtodo Grfico
2 Funo objetivo
L=4x1+x2=4 x1 = 0 x2= 0 x2= 4 x1= 1
8

Mtodo Grfico
3 Encontrar a soluo A soluo um ponto da regio de soluo com o maior L (para maximizao)
Soluo: x1=4 X2=0 L=4.4+0=16
8

L=4x1+x2=8 x1 = 0 x2= 0 x2= 8 x1= 2 As retas so paralelas: L maior, reta mais afastada
113

x2
4

L=

L=

L= 8
L= 4
0 2 4
x1

x2

8
L=

4 0

4
0 0 2 4

x1

6
114

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Mtodo Grfico
Problema Fundamental A soluo ocorre sempre em pelo menos um vrtice da figura

Exerccios
Resolver usando mtodo grfico: 1 - Maximizar L = x1 + 4x2 Sujeito a: 2x1 + 3x2 12 2x1 +x2 8 x1, x2 0 2 - Maximizar L = 6x1 + 5x2 Sujeito a: 2x1 + 3x2 12 2x1 +x2 8 x1, x2 0
115 116

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Exerccios
3 - Maximizar Lucro = 2x1 + 3x2 Sujeito a: -x1 + 2x2 4 x1 + 2x2 6 x1 + 3x2 9 x1, x2 0 4 - Maximizar Receita = 0,3x1 + 0,5x2 Sujeito a: 2x1 + x2 2 x1 + 3x2 3 x1, x2 0
117

Exerccios
5 - Maximizar Lucro = 2x1 + 3x2 Sujeito a: x1 + 3x2 9 -x1 + 2x2 4 x1 + x2 6 x1, x2 0 6 - Minimizar Custo = 10x1 + 12x2 Sujeito a: x1 + x2 20 x1 + x2 10 5x1 + 6x2 54 x1, x2 0
118

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Exerccios
7 - Minimizar Z = 7x1 + 9x2 Sujeito a: -x1 + x2 2 x1 5 x2 6 3x1 + 5x2 15 5x1 + 4x2 20 x1, x2 0

Exerccios
8 -Duas fbricas ,AeB, produzem 3 diferentes tipos de papel. A companhia que controla as fbricas tem um contrato para produzir 16 toneladas de papel fino, 6t de papel mdio e 28t de grosso. Existe uma demanda para cada tipo de espessura. O custo de produo na fbrica A de R$1.000 e o da B R$2.000 por dia. A fbrica A produz 8t de papel fino, 1t de mdio e 2t de grosso por dia; a fbrica B produz 2t de papel fino, 1t de mdio e 7t de grosso. Quantos dias cada fabrica deve operar para suprir os pedidos mais economicamente?
119 120

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Exerccios
9 - Uma companhia de transporte tem dois tipos de caminhes: O tipo "A" tem 2 m de espao refrigerado e 3m no refrigerados; o tipo "B" tem 2m refrigerados e 1 m3 no refrigerados. O cliente quer transportar um produto que necessita de 16m refrigerados e 12 m no refrigerados. A companhia calcula em 1.100 l. o combustvel para uma viagem com o caminho "A" e 750 l para o caminho B. Quantos caminhes de cada tipo devero ser usados no transporte para o menor consumo de combustvel? 121

Exerccios
10 - Uma companhia fabrica dois produtos P1 e P2 que utilizam os mesmos recursos produtivos: matria-prima, forja e polimento. Cada unidade de P1 exige 4 h de forjaria, 2 h de polimento e utiliza 100 u de matriaprima. Cada unidade de P2 requer 2 h de forjaria, 3 h de polimento e 200 u. de matria-prima. O preo de venda de P1 R$1.900 o de P2, R$2.100. Toda produo tem mercado garantido. As disponibilidades so de: 20 h de forja; 10 h de polimento e 500 unidades de matria-prima, por dia. 122

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Exerccios
10 continuao... Determinar as quantidades a produzir de P1 e P2 que otimizem a receita diria

MTODO SIMPLEX
123 124

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Mtodo SIMPLEX
Embora seja possvel encontrar a resoluo de um problema de programao linear resolvendo sistemas de equaes lineares e calculando o valor da funo objetivo (mesmo sem grfico, usando o problema fundamental) isto no deve ser feito pois muito trabalhoso. O Mtodo Simplex uma maneira mais simples de encontrar as solues sem utilizar grficos 125

Mtodo SIMPLEX
O mtodo Simplex capaz de apontar: Qual o sistema de equaes deve ser resolvido; Qual o prximo sistema a ser resolvido fornecendo uma soluo melhor que os anteriores; Que a soluo atual a soluo tima, se for o caso.
126

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Mtodo SIMPLEX
Seja o exemplo: Maximizar L = 4x1 + x2 Sujeito a: 2x1 + 3x2 12 2x1 +x2 8 x1, x2 0 Soluo: 1 Preparao da funo objetivo Basta passar todos os membros para a esquerda. L 4x1 x2 = 0
127

Mtodo SIMPLEX
Soluo: 2 Reescrever cada restries com variveis de folga: 2x1 + 3x2 12 Note que o lado esquerdo menor ou igual ao direito, acrescentando a folga fica: 2x1 + 3x2 +x3 = 12 2x1 +x2 8 com a folga fica: 2x1 +x2 + x4 = 8 Observe que cada restrio requer a sua folga e que para a folga deve subtrair
128

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Mtodo SIMPLEX
Soluo: 3 Sistema modificado Maximizar L 4x1 x2 + 0x3 + 0x4 = 0 Sujeito a: 2x1 + 3x2+ x3 + 0x4 = 12 2x1 +x2 + 0x3 + x4 = 8 x1, x2, x3, x4 0
BASE Variveis de folga L BASE x3 x4 L

Mtodo SIMPLEX
4 Dispositivo prtico
b Lado Coeficientes das direito restries igualdade Coef. Funo obj.modif. 0 x1 2 2 -4 x2 3 1 -1 x3 1 0 0 x4 0 1 0 b 12 8 0 Todas variveis

129

130

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Mtodo SIMPLEX
5 Soluo inicial A soluo inicial para o problema obtida fazendo as variveis originais do modelo: x1 e x2 iguais a zero e calculando as demais. x3=12 x4=8 (variveis bsicas 0) L=0 Igual ao mostrado no 1 quadro !
BASE x3 x4 L x1 2 2 -4 x2 3 1 -1 x3 1 0 0 x4 0 1 0 b 12 8 0

Mtodo SIMPLEX
5 Segunda soluo (a) A primeira varivel a entrar na base, ou seja, a ficar 0 a que mais contribui no lucro x1. Isto indica a coluna piv. Observe o valor mais negativo da linha L.
BASE x3 x4 L
131

x1 2 2 -4

x2 3 1 -1

x3 1 0 0

x4 0 1 0

b 12 8 0
132

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Mtodo SIMPLEX
5 Segunda soluo (b) A varivel a sair da base, ou seja, a ficar =0 a que permite que x1 cresa mais e atenda s restries. Sabe-se que x2=0 Por: 2x1 + 3x2+ x3 = 12 fazendo x3=0 temos x1=12/2=6 Mas por 2x1 +x2 + x4 = 8 fazendo x4=0 temos x1=8/2=4 (se x1 for 6 no d para atender a segunda restrio) Logo x4 deve sair da base e portanto indica a linha piv (4 menor que 6)
133

Mtodo SIMPLEX
5 Segunda soluo (c) Veja no quadro a coluna e a linha piv BASE x1 x3 2 x4 2 L -4 x2 3 1 -1 x3 1 0 0 x4 0 1 0 b 12 8 0 b/col. piv 12/2=6 8/2=4

Coluna Piv

Linha Piv

Menor valor 4<6

134

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Mtodo SIMPLEX
5 Segunda soluo (c) No segundo quadro x4 sai para x1 entrar na base A linha piv dividida pelo elemento piv num processo similar ao escalonamento
BASE x3 x1 L x1 2 2/2=1 -4 x2 3 1/2 -1 x3 1 0/2=0 0 x4 0 1/2 0 b 12 8/2=4 0
135

Mtodo SIMPLEX
5 Segunda soluo (d) No terceiro as demais linhas, exceto a piv so recalculadas: Lx3 = -2 .Lpiv + Lx3 L = 4.Lpiv + L

BASE x3 x1 L

x1 2 1 -4

x2 3 1/2 -1

x3 1 0 0

x4 0 1/2 0

b 12 4 0
136

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Mtodo SIMPLEX
5 Segunda soluo (d) No terceiro as demais linhas, exceto a piv so recalculadas: Lx3 = -2.[1 0 4]+[2 3 1 0 12]=[0 2 1 -1 4] Lx3 = 4.[1 0 4]+[-4 -1 0 0 0]=[0 1 0 2 16]
BASE X3 X1 L x1 0 1 0 x2 2 1/2 1 x3 1 0 0 x4 -1 1/2 2 b 4 4 16
137

Mtodo SIMPLEX
5 Segunda soluo (e) Na ltima linha no h valores negativos. A soluo tima foi encontrada: x3=4 x1=4 (variveis bsicas) x2=0 x4=0 (variveis no bsicas fora da base) L=16
BASE X3 X1 L x1 0 1 0 x2 2 1/2 1 x3 1 0 0 x4 -1 1/2 2 b 4 4 16
138

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Mtodo SIMPLEX
ATENO Se na ltima linha existirem valores negativos, os passos 5(a) at 5(e) devem ser aplicados at no haver mais negativos Exemplo:

Mtodo SIMPLEX

Resolva pelo processo SIMPLEX Maximizar L = 3x1 + 5x2 Sujeito a: x1 4 x2 6 3x1 + 2x2 18 x1, x2 0
140

139

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Mtodo SIMPLEX
Sistema original Maximizar L = 3x1 + 5x2 Sujeito a: x1 4 x2 6 3x1 + 2x2 18 x1, x2 0 Sistema modificado Maximizar L 3x1 5x2 +0x3+0x4+0x5 = 0 Sujeito a: x1 + 0x2 +1x3+0x4+0x5 = 4 0x1 + x2 +0x3+1x4+0x5 = 6 3x1 + 2x2 +0x3+0x4+1x5 = 18 x1,x2,x3,x4,x5 0 141 Quadro 1 Base x3 x4 x4 L x1 1 0 3 -3

Mtodo SIMPLEX
b/col. Piv 4/0= 6 9

x2 0 1 2 -5

x3 1 0 0 0

x4 0 1 0 0

x5 0 0 1 0

b 4 6 18 0

142

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Mtodo SIMPLEX
Quadro 2 - Idntico Base x3 x2 x5 L x1 1 0 3 -3 x2 0 1 2 -5 x3 1 0 0 0 x4 0 1 0 0 x5 0 0 1 0 b 4 6 18 0 b/col. Piv 4/0= 6 9 Quadro 3 Base x3 x2 x5 L

Mtodo SIMPLEX
x1 1 0 3 -3 x2 0 1 0 0 x3 1 0 0 0 x4 0 1 -2 5 x5 0 0 1 0 b 4 6 6 30

H -3 (nmero negativo), repetir o processo.

143 144

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Mtodo SIMPLEX
Quadro 4 Base x3 x2 x4 L x1 1 0 3 -3 x2 0 1 0 0 x3 1 0 0 0 x4 0 1 -2 5 x5 0 0 1 0 b 4 6 6 30 b/col. Piv 4 6/0 ! 2 Quadro 5 Base x3 x2 x1 L

Mtodo SIMPLEX
x1 1 0 1 -3 x2 0 1 0 5 x3 1 0 0 0 x4 0 1 -0,67 10 x5 0 0 0,33 0 b 4 6 2 60

145

146

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Mtodo SIMPLEX
Quadro 6 (ltimo) Base x3 x2 x1 L x1=2 x1 0 0 1 0 x2=6 x2 0 1 0 0 x3=2 x3 1 0 0 0 x4 1 -0,67 3 x4=0 x5 0 0,33 1 x5=0 b 2 6 2 36 L=36
147

Exerccios com resposta

Resolva utilizando o mtodo SIMPLEX 1 - Maximizar Receita = 10x1 + 12x2 Sujeito a: x1 + x2 100 2x1 + 3x2 270 x1, x2 0 Quadro 1

0,667 -0,33

Base x3 x4 R

x1 1 2 -10

x2 1 3 -12

x3 1 0 0

x4 0 1 0

b 100 270 0

b/col piv 100 90

148

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Exerccios com resposta

Quadros 2 e 3

Exerccios com resposta

Quadros 4 e 5

Base x3 x2 R x3 x2 R

x1 1 0,667 -10 0,333 0,667 -2

x2 1 1 -12 0 1 0

x3 1 0 0 1 0 0

x4 0 0,333 0 -0,333 0,333 4

b 100 90 0 10 90 1080

b/col piv

30 135
149

Base x1 x2 R x1 x2 R

x1 1 0,667 -2 1 0 0

x2 0 1 0 0 1 0

x3 3 0 0 3 -2 6

x4 -1 0,333 4 -1 1 2

b 30 90 1080 30 70 1140
150

x1=30 x2=70 x3=0 x4=0 x5=0 L=1140

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Exerccios
2 - Maximizar Receita = 2x1 + 3x2 + 4x3 Sujeito a: 2x1 4 x1 + x2 + x3 100 2x1 + x2 210 x1 80 x1, x2, x3 0 Base x4 x5 x6 L x3 x5 x6 L
151

Exerccios
x1 x2 x3 1 1 1 2 1 0 80 0 0 -2 -3 -4 1 1 1 2 1 0 80 0 0 2 1 0 x4 x5 x6 b b/colpiv 1 0 0 100 100 0 1 0 210 210/0 ! 0 0 1 80 80/0 ! 0 0 0 0 1 0 0 100 0 1 0 210 0 0 1 80 4 0 0 400

x1=0 x2=0 x3=100 x4=0 x5=210 x6=80 L=400 152

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Exerccios
3 - Maximizar Receita = 0,2x1 + 2x2 + 4x3 Sujeito a: x1 + 2x2 20 3x1 + x3 50 x1 + x2 x3 15 x1, x2, x3 0

Exerccios
Base x1 x2 x3 x4 x4 1 2 0 1 x5 3 0 1 0 x6 1 1 -1 0 Z -0,2 -2 -4 0 x4 1 2 0 1 x3 3 0 1 0 X6 4 1 0 0 Z
153

x5 x6 0 0 1 0 0 1 0 0 0 0 1 0 1 1 4 0

b 20 50 15 0 20 50 65 200

b/col piv 20/0! 50 -15 0 10 50/0! 65

154

11,8 -2

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Exerccios
Base x1 x2 0,5 x3 3 x6 4 Z 11,8 x2 0,5 x3 3 x6 3,5 Z 12,8 x2 1 0 1 -2 1 0 0 0 x3 0 1 0 0 0 1 0 0 x4 0,5 0 0 0 0,5 0 -0,5 1 x5 0 1 1 4 0 1 1 4 x6 0 0 1 0 0 0 1 0 b 10 50 65 200 10 50 55 220

Exerccios
4 - Maximizar Z = 5x1 - 3x2 + 4x3 x4 Sujeito a: x1 + x2 + x3 + x4 600 2x1 + x3 280 x2 + 3x4 150 x1, x2, x3 0

x1=0 x2=10 x3=50 x4=0 x5=0 x6=55 Z=220 155

156

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Exerccios
Base x1 x2 x3 x4 x5 x6 x7

Exerccios
b/col piv 600 600 280 140 150 150/0 0 600 600 140 140 150 0 157 b
Ba x1 x2 se

x3 x4 x5 x6 1 -0,5 0 0,5 0 0 0 2,5 1 -0,5 0 1 0 0 0 2,5

x7 0 0 1 0 0 0 1 0

x5 x6 x7 Z x5 x1 x7 Z

1 2 0 -5 1 1 0 -5

1 1 0 1 1 0 3 -4 1 1 0 0,5 1 0 3 -4

1 0 3 1 1 0 3 1

1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 0,5 0 0 0 1 0 0 0

x5 x1 x7 Z x5 x3 x7 Z

0 1 0 0 0 2 0 0

1 0,5 1 0 0,5 0 1 0 3 3 -1,5 1 1 0,5 1 0 1 0 1 0 3 3 -1,5 1

b/col piv 460 920 140 280 150 150/0 700 460 280 150 700 158 b

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Exerccios
Base x1 x5 -1 x3 2 x7 0 Z 3 x2 1 0 1 3 x3 0 1 0 0 x4 1 0 3 1 x5 1 0 0 0 x6 -1 1 0 4 x7 0 0 1 0 b 320 280 150 1120

Exerccios
5 - Maximizar Z = 2x1 + 4x3 Sujeito a: x1 + 2x2 + x3 8000 2x1 6000 x2 + x3 620 x1, x2, x3 0

x1=0 x2=0 x3=280 x4=0 x5=320 x6=0 x7=150 Z=1120

159 160

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Exerccios
Base x1 x2 x3 x4 x5 x6 x4 x5 x6 Z x4 x5 x3 Z 1 2 0 -2 1 2 0 -2 2 0 1 0 1 0 1 4 1 0 1 -4 0 0 1 0 1 0 0 0 1 0 0 0 0 1 0 0 0 1 0 0 b/col piv 0 8000 8000 0 6000 6000/0! 1 620 620 0 0 -1 7380 7380 0 6000 3000 1 620 620/0! 4 2480 161 b Base x4 x1 x3 Z x4 x1 x3 Z

Exerccios
b x1 x2 x3 x4 x5 x6 0 -1 7380 1 1 0 1 1 0 0 0 0,5 0 3000 0 1 620 0 1 1 0 -2 4 0 0 0 4 2480 0 1 0 1 -0,5 -1 4380 1 0 0 0 0,5 0 3000 0 1 620 0 1 1 0 0 4 0 0 1 4 8480

x1=3000 x2=0 x3=620 x4=4380 x5=0 x6=0 L=400 162

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Exerccios propostos
6 - Maximizar Z = 9x1 + 3x2 Sujeito a: 2x1 + x2 14 2x1 + 3x2 24 x1, x2 0 7 - Maximizar Z = 5x1 + 5x2 Sujeito a: 8x1 + 4x2 32 x1 + 2x2 8 x1, x2 0

Exerccios
8 - Maximizar Receita = 16x1 + 12x2 Sujeito a: 2x1 4 2x1 + 3x2 12 2x1 + x2 8 x1, x2 0 9 - Maximizar Z = 3x1 + 5x2 + x3 Sujeito a: 2x1 + 4x2 + x3 16 6x1 + 2x2 24 2x2 6 x1, x2, x3 0
163 164

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Exerccios
10 - Uma pequena manufatura produz dois modelos, standard e luxo, de um certo produto. Cada unidade do modelo standard requer 3horas de lixao e 1h de polimento. Cada unidade do modelo luxo exige 1h de lixao e 4h de polimento. A fbrica dispe de duas lixadoras e trs polidoras cada uma trabalhando 40 horas semanais. Os lucros so R$24 e R$32 para os modelos standard e luxo respectivamente. No existem restries de demanda.Elabore o modelo maximiza o lucro do fabricante e resolva por SIMPLEX 165

Simplex Aspectos Singulares

Artifcios para colocar o modelo na forma padro estudada: 1 A minimizao de Z igual maximizao de Z. Ex: Min Z=2x1+3x2 Max z=-2x1-3x2 2 As desigualdades ou podem ser trocadas multiplicando por -1. Ex: 2x1 -3 -2x1 3 3 Uma equao pode ser substituda por duas desigualdades opostas. Ex:5x1+2x2=7 5x1+2x2 7 ; 5x1+2x2 7
166

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Interpretao Econmica
Seja o modelo abaixo (j calculado) Maximizar L = 3x1 +5x2 Sujeito a: x1 + x3 = 4 (recurso A) x2 + x4 = 6 (recurso B) 3x1 + 2x2 + x5 = 18 (recurso C) x1,x2,x3,x4,x5 0 Onde: x1= qtd de produto 1 a ser feita x2= qtd de produto 2 a ser feita x3= folga da utilizao do recurso A x4= folga da utilizao do recurso B x5= folga da utilizao do recurso C

INTERPRETAO ECONMICA ANLISE DE SENSIBILIDADE

167

168

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Interpretao Econmica
O quadro final : Base x3 x2 x1 L x1 0 0 1 0 x2 0 1 0 0 x3 1 0 0 0 x4 x5 0,667 -0,33 1 0 -0,67 0,33 3 1 b 2 6 2 36

Anlise de Sensibilidade
Anlise para escassez de uma unidade de x4 x4=1 Clculo da variao em x3 Base x3 x2 x1 L x1 0 0 1 0 x2 0 1 0 0 x3 1 0 0 0 x4 x5 0,667 -0,33 1 0 -0,67 0,33 3 1 b 2 6 2 36
170

x1=2 x2=6 x3=2 x4=0 x5=0 L=36 Vamos interpretar os coeficientes das variveis fora da base =0 e os coeficientes da ltima linha L 169

Aulas de P.O. por Prof. Edilson Machado de Assis

Aulas de P.O. por Prof. Edilson Machado de Assis

Anlise de Sensibilidade
Para x4 (para folga de 1 unidade x4=1, x5=0):

Anlise de Sensibilidade
Anlise para escassez de uma unidade de x4 x4=1 Clculo da variao em x2 Base x3 x2 x1 L
171

2 x3 + .x 4 = 2 para x4=1 temos: 3 2 4 x3novo = 2 x3novo = 3 3

x3 = x3novo x3 = x3 = 2 3 4 2 3

x1 0 0 1 0

x2 0 1 0 0

x3 1 0 0 0

x4 x5 0,667 -0,33 1 0 -0,67 0,33 3 1

b 2 6 2 36
172