Apostila PO

UNIVERSIDADE DO OESTE DE SANTA CATARINA UNOESC CAMPUS DE XANXER DISCIPLINA: PESQUISA OPERACIONAL PROF.
: CRISTIANO AGOSTI
APOSTILA DE PESQUISA OPERACIONAL
Xanxer /SC - Agosto de 2003.
SUMRIO
1.PESQUISA OPERACIONAL ("OPERATIONS RESEARCH") ....................................................... 1 1.1.CONCEITO ........................................................................................................................................... 1 1.2. HISTRICO ......................................................................................................................................... 1 1.3. PO NAS UNIVERSIDADES BRASILEIRAS...................................................................................... 2 1.4. REAS DE APLICAO ETCNICAS UTILIZADAS .................................................................... 4 1.5. PESQUISA OPERACIONAL NA AGROPECURIA BRASILEIRA ............................................... 5 1.6. OUTROS EXEMPLOS ......................................................................................................................... 6 2. TEORIA DA DECISO ........................................................................................................................ 8 2.1. ELEMENTOS DE UM PROBLEMA DE DECISO........................................................................... 8 2.3. CLASSIFICAO DOS PROBLEMAS DE DECISO...................................................................... 8 2.4. EXERCCIOS SOBRE TEORIA DA DECISO ................................................................................. 9 3. PROGRAMAO LINEAR............................................................................................................... 13 3.1. FASES DE UM ESTUDO EM P.O..................................................................................................... 13 3.2. EXEMPLO DE UM PROBLEMA DE PL. ......................................................................................... 15 3.3. EXERCCIOS DE PROGRAMAO LINEAR................................................................................ 15 4. MTODO GRFICO .......................................................................................................................... 19 4.1. EXEMPLO DE UM PROBLEMA DE PL COM RESOLUO GRFICA..................................... 20 4.2. EXERCCIOS DE PROGRAMAO LINEAR USANDO O MTODO GRFICO ...................... 22 5. PROGRAMAO LINEAR NO EXCEL ......................................................................................... 24 5.1. EXEMPLO COM O EXCEL .............................................................................................................. 24 5.2. CONFIGURANDO O EXCEL............................................................................................................ 25 5.3. ENTENDENDO OS RESULTADOS OBTIDOS ............................................................................... 27 6. MTODO SIMPLEX........................................................................................................................... 29 6.1. EXERCCIOS SOBRE O MTODO SIMPLEX ................................................................................ 30 7. PROBLEMA DO TRANSPORTE ...................................................................................................... 32 7.1. O MODELO LINEAR DO TRANSPORTE ....................................................................................... 32 7.2. SOLUO PARA O PROBLEMA DO TRANSPORTE................................................................... 33 7.3. PRIMEIRA PARTE DA SOLUO DE TRANSPORTE ................................................................. 33 7.3.1. MTODO DO CANTO NOROESTE.............................................................................................. 34 7.3.2. MTODO DE VOGEL OU MTODO DAS PENALIDADES ...................................................... 34 7.4. SEGUNDA PARTE DA SOLUO DE TRANSPORTE ................................................................. 34 7.5. O PROBLEMA DA DEGENERESCNCIA...................................................................................... 35 7.6. IMPOSSIBILIDADE DE TRANSPORTE.......................................................................................... 35 7.7. EXERCCIOS SOBRE PROBLEMAS DE TRANSPORTES ............................................................ 35 8. PROBLEMAS DA DESIGNAO .................................................................................................... 38 8.1. EXERCCIOS SOBRE DESIGNICAO ......................................................................................... 38 9. PERT/CPM ........................................................................................................................................... 41 9.1. HISTRICO........................................................................................................................................ 41 9.2. CONCEITO DE PERT/CPM .............................................................................................................. 41 10. JOGO DE EMPRESAS...................................................................................................................... 44 10.1. OBJETIVOS DOS JOGADORES..................................................................................................... 44 10.2. CRITRIO DE PONTUAO ......................................................................................................... 44 10.3. DECISES ESTRATGICAS.......................................................................................................... 45 10.4. SELEO DOS JOGADORES ........................................................................................................ 45 10.5. VALOR DO CAPITAL..................................................................................................................... 45 10.6. VALOR DA FOLHA DE PAGAMENTO ........................................................................................ 45 10.7. VALOR EM PUBLICIDADE ........................................................................................................... 46 10.9. PERCENTUAL DO LUCRO ............................................................................................................ 46 10.10.QUANTIDADE PREVISTA DE VENDA....................................................................................... 46 10.11. RESULTADO PARCIAL ............................................................................................................... 46 10.12. REDUO DOS GASTOS GERAIS DE FABRICAO ............................................................ 47 10.13. PREOS DE MATRIA-PRIMA................................................................................................... 47 10.14. POLTICA DE COMPRAS............................................................................................................. 47 10.15. CONTROLE DE QUALIDADE ..................................................................................................... 47 10.16. ABATIMENTO............................................................................................................................... 48 10.17. REGRAS DE CALCULO ............................................................................................................... 48 10.18. PARAMETRIZAO .................................................................................................................... 54
11. GRFICO DE GANTT...................................................................................................................... 55 11.1. CONCEITO....................................................................................................................................... 55 11.2. FUNO........................................................................................................................................... 55 11.3. COMO FAZER O GRFICO DE GANTT ...................................................................................... 55 11.4. REGRAS DE SEQUENCIAMENTO ............................................................................................... 55 11.5. CARACTERSTICAS PARA O USURIO..................................................................................... 55 11.6. COMO CALCULAR......................................................................................................................... 56 11.7. EXERCCIO SOBRE GRFICO DE GANTT................................................................................. 56 12. SIMULAO ..................................................................................................................................... 59 12.1. METODOLOGIA PARA A SIMULAO DE SISTEMAS ........................................................... 59
1.PESQUISA OPERACIONAL ("OPERATIONS RESEARCH") 1.1.CONCEITO No h definio unnime para Pesquisa Operacional (P.O). A P.O , mais, um conceito (abstrao, idia), muito abrangente, sobre a busca da melhor utilizao (tcnica, econmica, social, poltica) de recursos (escassos) e processos (diversos), atravs da aplicao de mtodos cientficos, visando a maior satisfao (utilidade, prazer) do cliente (usurio, pblico), definidos num contexto (conjunto, totalidade). 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. 1.2. HISTRICO Em comemorao passagem de seus 25 anos de existncia, a Sociedade Brasileira de Pesquisa Operacional (SOBRAPO) publicou, em 1993, o resultado de uma pesquisa junto a empresas e instituies brasileiras de ensino, com o objetivo de fornecer um retrato do uso e do ensino da Pesquisa Operacional em nosso pas: SOBRAPO. Vinte e Cinco Anos de Pesquisa Operacional no Brasil. Rio de Janeiro, Sociedade Brasileira de Pesquisa Operacional, 1993. 139 p. (Edio Comemorativa). Nos anos 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. A partir de 1960, a criao de cursos de ps-graduao 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, atravs de Programao Linear. Mas os principais setores a empregar tcnicas de P.O, na poca, foram os de siderurgia (CSN, Cia. Vale do Rio Doce), eletricidade (Cia Nacional de Energia Eltrica), transportes (FRONAPE), petrleo (PETROBRS, ESSO) e telecomunicaes, alm de grandes projetos e obras estatais. Em funo disso, foi criada, em 1968, a Sociedade Brasileira de Pesquisa Operacional (SOBRAPO). A dcada seguinte consolidou a P.O, no Brasil, com o maior interesse das empresas e o 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. Em 1978, a SOBRAPO organizou o 1 Seminrio de P.O Aplicada Agropecuria (SEPOAGRO), em Campinas (S.P.), sendo o segundo realizado em Viosa dois anos depois. 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
Pesquisa Operacional 1 Prof. Cristiano Agosti
tempo, no entanto, houve grande incremento do instrumental cientfico, com o desenvolvimento de softwares e dos microcomputadores. Profissionais da rea, citados na edio comemorativa dos 25 anos da SOBRAPO (1993), acreditam que 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). 1.3. PESQUISA OPERACIONAL - PO NAS UNIVERSIDADES BRASILEIRAS UNICAMP - Universidade Estadual de Campinas (SP) Desenvolve, desde 1975, aplicaes de modelos de simulao no planejamento de recursos hdricos (Faculdade de Engenharia Civil) e de P.O na agricultura, formando um grupo de consultores independentes (UNISOMA) e vrios convnios com empresas como a PETROBRS, ELETROBRS, TELEBRS e IBM, dentre outras. INPE - Instituto Nacional de Pesquisas Espaciais (SP) Criou cursos de ps-graduao, a partir de 1978, em vrias linhas, dentre elas: o desenvolvimento de softwares, pesquisas relacionadas inteligncia artificial e P.O (otimizao combinatria, aplicada em reas da Coordenao de Observao da Terra, processos estocsticos e simulao). Utiliza os resultados destas pesquisas, por exemplo, em trabalhos de roteamento de distribuio de gua para comunidades do Cear (Governo do Estado), estudos de confiabilidade do primeiro satlite brasileiro, por meio de simulao, e otimizao dos processos de operao de fbricas de circuitos impressos. ITA - Instituto Tecnolgico da Aeronutica (SP) Desde 1961, mantm cursos de ps-graduao em Eng da Produo e, a partir de 1973, em P.O., desenvolvendo processos estocsticos e planejamento da produo aplicados s reas de planejamento energtico, transportes areos e planejamento da produo de empresas, como a EMBRAER. IME - Instituto Militar de Engenharia A P.O parte do curso de Eng de Sistemas. O Instituto relaciona-se com a Marinha, o Exrcito e com diversas empresas, aplicando suas pesquisas em projetos nas reas de comunicao via satlite, problemas de localizao e de roteamento (otimizao) e de qualidade em sistemas (gesto em Qualidade Total e qualidade de softwares). USP - Universidade de So Paulo (SP) Mantm cursos de P.O em nvel de ps-graduao desde a dcada de 60. Os principais ncleos de P.O esto na Escola Politcnica (Departamento de Eng da Produo, Eng Naval e Eng de Transportes), Faculdade de Economia e Administrao e Instituto de Matemtica e Estatstica (Centro de Computao e Matemtica Aplicada). Relaciona-se com empresas
como a INFRAERO, MARINHA, DERSA e DOCAS, alm de atuar junto aos mercados financeiros e Bolsa de Valores (bolsa de mercado futuro, atravs de simulao, cenrios e anlises de risco). UFRJ - Universidade Federal do Rio de Janeiro (RJ) A COPPE (Coordenao dos Programas de Ps-graduao de Engenharia) criou o Programa de Eng da Produo em 1967, com as reas de Gerncia da Produo e de Pesquisa Operacional. Os Programas de Eng de Sistemas, Computao, Administrao, Eng de Transportes e o Instituto de Matemtica tambm incluem a P.O. . As reas de concentrao terica destes grupos so: programao matemtica, grafos, combinatria, aplicaes estatsticas, simulao, otimizao, cincias da computao (desenvolvimento de softwares e algortmos). A COPPE relaciona-se com diversas empresas pblicas (Telerj, Cepel, governos estaduais) e privadas (IBM). Sua contribuio terica ao desenvolvimento da P.O pode ser atestada pelo nmero de Teses defendidas (331, at 1992). PUC - Pontifcia Universidade Catlica (RJ) Inclui a P.O em seus cursos de Eng Industrial, Eng Eltrica, Informtica, Eng da Produo e de Sistemas. As aplicaes esto nas reas de finanas (anlises de investimentos de risco e mercado de capitais), gerncia da produo (logstica, localizao, planejamento empresarial e controle de qualidade) e na rea de transportes (redes, planejamento de operaes). Desenvolve os aspectos metodolgicos, como a modelagem, para problemas de grande porte, na rea de programao matemtica, bem como estudos de previso (redes neurais), de anlise de sries temporais e de inteligncia artificial nos processos de deciso. Relaciona-se com diversas empresas, como a PETROBRS, Cia. Vale do Rio Doce, DATAPREV, MBR, Estaleiro Mau, Rede Globo, Bamerindus e Brahma. UFV - Universidade Federal de Viosa (MG) A P.O desenvolveu-se, a partir dos anos 60, com a criao da disciplina de Programao Linear a cargo do Departamento de Matemtica, no curso de mestrado em Economia Rural. Com a aquisio do primeiro computador, na dcada de 70, disciplinas de Programao Linear e No-Linear foram incorporadas tambm a outros cursos (Eng Florestal, de Alimentos, Eng Agrcola e de Zootecnia). Nos anos 80, foi criado o curso de graduao em Informtica e novas disciplinas de P.O foram includas nos diversos cursos de graduao. A UFV desenvolveu sistemas de Programao Linear e Otimizao em Redes(PROL, PROLIN - para microcomputadores, e REDE) para aplicao em problemas de localizao, tipo e tamanho de baterias de fornos para carvo vegetal, planejamento florestal, avaliao gentica de espcies, gerenciamento de laticnios e para atividades de controle na central de processamento de dados, dentre outras. Outras Universidades Muitas outras Instituies brasileiras mantm cursos de graduao e de ps-graduao em que as aplicaes das tcnicas de P.O so enfatizadas. o caso da U.F. de Juiz de Fora, que criou o Grupo de Estudos de Simulao, que atua em anlises de impacto por simulao; o
Ncleo de Pesquisas Econmicas, atuando em anlises e previses da produo industrial de M.G., atravs de sries temporais. A Faculdade de Eng Eltrica desenvolve com a EMBRAPA softwares para a agropecuria e um projeto de informatizao da pecuria leiteira (tcnicas de anlise de Cluster; para classificar dados de questionrios, entrevistas e bases de dados da EMBRAPA). A U.F. do Cear atua junto a diversas empresas de petrleo, energia, telecomunicaes e siderurgia, dentre outras. Na rea de alimentos, desenvolve com a FRUTOP um sistema de otimizao da produo, atualizando o modelo atravs da gerao de dois cenrios mensais, visando determinar a alocao de mquinas, quantidade matria-prima, dimensionamento e diviso da mo-de-obra, por turnos e por mquina, e planejamento da produo, por produto e por mquina. 1.4. REAS DE APLICAO ETCNICAS UTILIZADAS Resumo das reas e tcnicas de P.O mais citadas nos 24 Simpsios da SOBRAPO, at 1992, em cerca de 1000 trabalhos. Fonte:SOBRAPO (1993) rea Transportes Energia Economia e Finanas Logstica Planejamento e Controle da Produo Telecomunicaes Siderurgia Agropecuria Administrao Sade Educao Outras Tcnica Utilizada Programao Matemtica Grafos SriesTemporais/Modelos de Previso Estatstica Otimizao Processos Estocsticos Tcnicas de Anlise Combinatria Teorias de Deciso e de Jogos Sistemas Especialistas Heursticas Fluxos em Rede Teoria de Filas
Pesquisa Operacional
% de Trabalhos 21 19 11,5 9 8 8 6,5 5 4 2,5 2 3,5 % de Trabalhos 26 14 14 11 9 6 4,5 4 3 3 2 2

4 Prof. Cristiano Agosti
Redes Neurais
1,5
1.5. PESQUISA OPERACIONAL NA AGROPECURIA BRASILEIRA A P.O tem sido aplicada no setor agropecurio, no Brasil, embora no com o mesmo destaque de outros setores, como transportes, energia, telecomunicaes e finanas. Existem trs mbitos para aplicao das tcnicas de P.O. neste setor: a) Unidades de produo agropecuria (fazendas, empresas rurais); b) Agroindstrias; c) Planejamento estratgico e desenvolvimento de polticas agropecurias. a) Aplicaes da P.O em Unidades de Produo Agropecuria Neste mbito, a P.O. aplica-se a situaes melhor definidas, de modo geral, j que os problemas podem ser limitados a um ambiente ou contexto, isto , possvel caracterizar uma unidade de produo e identificar mais facilmente as variveis que podero compor o modelo (disponibilidade de rea, tipo de clima e solo, capacidade de produo, definio de tecnologias em funo do perfil e das preferncias do produtor e do mercado etc.). Essa viso "micro"; e segmentada em relao aos outros mbitos de aplicao da P.O. no diminui, no entanto, os riscos e incertezas do negcio agropecurio, mas facilita a formulao dos problemas, a tomada de decises e a validao das solues implementadas. Aplicaes da P.O em Agroindstrias Exemplo: SADIA Em 1990, a SADIA contratou uma consultoria (UNISOMA) para implantar um controle integrado de suas atividades de produo (aves, sunos e raes), transformao de carnes e comercializao. Como parte do programa, foram desenvolvidos os seguintes projetos: a) Formulao de raes: todas as fbricas usam o software MULTIFOR, de formulao otimizada de misturas, que usa a Programao Linear com estrutura de bloco angular, possibilitando a soluo de problemas de grande porte (4.000 equaes e 6.000 variveis) em microcomputadores. O mesmo utilizado pela PERDIGO e pela M.CASSAB. b) Planejamento Integrado da Produo Avcola: O "PIPA"; foi implantado em sete unidades de integrao (tipo de operao comercial entre os produtores e a indstria), responsveis pelo abate de 25 milhes de aves, por ms. O sistema permite 4.000 equaes e at 30.000 variveis e visa otimizar: datas de alojamento e de abate de cada lote de aves, respeitando as capacidades dos abatedouros e o perfil dos produtos, em diversas faixas de peso; previso de suprimento de matria-prima; compra e estoque de ingredientes em mltiplos perodos; planejamento de vendas para os mercados interno e externo; roteamento de entregas de pintinhos de 1 dia aos produtores integrados; controle de atividades dos abatedouros.
A base de dados deste sistema inclui anlises estatsticas de curvas de crescimento dos lotes, consumo de rao, mortalidade em diversas fases, rendimento dos cortes e outras, que so continuamente atualizadas para servirem de dados de entrada para as otimizaes. c) Estudos de mercado Criao de cenrios atravs de combinaes de dados dos mercados interno e externo, desenvolvimento e redefinio de "famlias"; ou linhas de produtos, atendimento aos clientes, avaliao de oportunidades e anlises conjuntas de preferncias de mercado. A SADIA tenciona implantar sistemas na rea de gerenciamento (com os programas de Qualidade Total e de reengenharia). d) A empresa consultora Alm dos trabalhos desenvolvidos para a SADIA, a UNISOMA, empresa de consultoria em modelagem matemtica para processos produtivos, formada em 1984 por ex-professores da UNICAMP, tem adaptado a microcomputadores alguns sistemas de apoio a processos decisrios, nos quais esto includos pacotes comerciais de Estatstica, de Programao Matemtica, de Simulao e de Otimizao: CSS e SAS-IBM (estatstica), GAMS, SIMULA, GPSS (linguagens de programao e simulao), OSL-IBM (Otimizao), MPSXIBM e OMNI (Programao Matemtica) e RISK. 1.6. OUTROS EXEMPLOS a) COOPERSUCAR So Paulo o 1 produtor nacional de cana-de-acar. A Cooperativa de produtores do Estado iniciou, em 1984, a aplicao de tcnicas de P.O (Programao Linear Inteira Mista) nas seguintes atividades: planejamento da colheita; reforma de canaviais; transporte.
A perspectiva usar mais as tcnicas de Simulao e Inteligncia Artificial. b) Transportes Distncia mxima economicamente vivel para o Transporte de Cana-De-Aucar da rea de Produo para a Usina Receptora: Um Estudo De Caso (Brunoro, 1996). Esse estudo mostra o problema da perda de renda do produtor com transporte de cana. A distncia entre o mercado consumidor e a localizao produtiva aumenta linearmente os custos e, da mesma forma, baixa os rendimentos, podendo torn-los nulos. Estudos a respeito remontam ao economista alemo Von Thnen no ano de 1826, nos quais ele monta um sistema de equaes em equilbrio esttico de distribuio das atividades agrcolas sobre o espao geogrfico. Para se minimizar o custo-transporte deve-se localizar a rea de produo prxima usina, aumentar a produtividade ou o corte de outros custos.
Devido escassez de dados histricos, o autor afirma ser a construo do modelo de Programao Linear o resultado mais importante de seu trabalho. O trabalho objetivou verificar o efeito das variveis renda e risco nas possveis combinaes de atividades e na alocao de recursos produtivos. c) Empresa Agrcola Subsdios ao Processo de Deciso: Um Estudo de Caso em uma Empresa Agrcola na Regio do Tringulo e Alto Paranaba, MG (OLIVEIRA, 1994). Neste trabalho foram utilizados: Programao Linear, derivada da anlise de "portfolio", desenvolvida por Markowitz (1952), que permite selecionar o nvel das diversas exploraes; neste caso o nvel foi quantificado em termos de rea ocupada, dadas as restries, visando maximizar uma funo objetivo, a renda; O autor objetivou verificar o efeito das variveis renda e risco nas possveis combinaes de atividades e na alocao de recursos produtivos. d) Empresa Florestal Um Modelo de Planejamento para uma Empresa Florestal (ANDRADE JNIOR et al, 1982). Na composio dos custos do ao produzido, o carvo participa com cerca de 40% do custo total, considerando-se, inclusive, o custo da mo-de-obra direta. Foi desenvolvido pelos autores uma modelagem objetivando minimizar um oramento no horizonte de 19 anos, sendo os oramentos anuais atualizados com uma taxa de juros ao ano. O modelo utiliza 6681 linhas e 12994 variveis. As incertezas decorrentes do horizonte de 19 anos, adequado ao ciclo florestal, sero abordadas atravs de atualizaes dos coeficientes da matriz, com processamentos peridicos. d) Programa Integrado de Transporte de Soja (CARNIERI et All, 1983) O trabalho refere-se ao transporte de soja em gros dos armazns das cooperativas para as fbricas de leo e farelo ou para o Porto de Paranagu. A margem de lucro que os preos da soja permitiam poca era pequena, tornando o custo de transporte (de 5 a 15% do valor da mercadoria) um valor elevado. Na mdia dos casos estudados obteve-se cerca de 15% de economia, em relao ao custo total. PLANEJAMENTO ESTRATGICO E DESENVOLVIMENTO DE POLTICAS AGROPECURIAS. O setor agropecurio, no Brasil, sempre foi penalizado pela falta de polticas e excesso de controle do Governo. Resta ao empresariado rural ajustar-se aos riscos e incertezas inerentes aos negcios agropecurios e tambm trabalhar em equipe para conquistar, politicamente, melhores condies para produzir e comercializar seus produtos. Vislumbra-se na anlise das cadeias produtivas, do setor agropecurio, um excelente campo para aplicao das tcnicas de P.O., com vistas a agregar valor ao produto agrcola, pelo aumento de eficincia nas atividades e nos processos inerentes aos diversos mercados que compem essas cadeias.
2. TEORIA DA DECISO Conceito: conjunto especfico de tcnicas que auxiliam o tomador de deciso a reconhecer as particularidades do seu problema e a estrutur-lo. Deciso: um curso de ao escolhido como o meio mais efetivo a sua disposio, para obter os objetivos procurados (resolver o problema detectado). Natureza das informaes disponveis: Conhecida com certeza, Estimada Pouco ou nada precisa. Exigncias do Tomador de deciso: Raciocnio, Bom senso, Julgamento (histrico/experincia). 2.1. ELEMENTOS DE UM PROBLEMA DE DECISO a) Alternativas: So as possveis solues do problema. b) Estados da natureza: So as ocorrncias futuras que podem influir sobre as alternativas, fazendo com que elas possam apresentar mais de um resultado. Algumas vezes uma distribuio de probabilidade rege a ocorrncia de cada estado da natureza. c) Resultados: So as conseqencias das alternativas. Uma alternativa pode ter mais de um resultado. preciso selecionar os resultados relevantes para o problema em questo. 2.2. MATRIZ DE DECISO (modelo) Alternativas A1 A2 A3 A An Estados da Natureza EN1 EN2 EN ENk R11 R12 R R1k R21 R22 R R2k R31 R32 R R3k R R R R Rn1 Rn2 R Rnk
2.3. CLASSIFICAO DOS PROBLEMAS DE DECISO Deciso tomada sob risco: so aquelas onde podemos, objetiva ou subjetivamente, atribuir probabilidades de ocorrncia aos estados da natureza. a) V.E.A.: a soma do produtos, dos resultados da alternativa pelas respectivas probabilidades dos estados da natureza a eles associados; b) V.E.I.P.: o ganho excedente sobre a deciso tomada com o conhecimento da deciso perfeita. Quanto mais apurada essa informao mais cara ela ser. Ela nos diz "At quanto pode-se pagar por essa informao?";
Deciso tomada sob incerteza: so aquelas onde desconhecemos e no podemos atribuir probabilidade aos estados da natureza. Conhecemos os estados possveis, mas no temos para eles probabilidades estabelecidas. a) Critrio Maximin: o mximo entre os nmeros. Para cada alternativa, anotamos o pior resultado, comparando todas as alternativas entre si, escolhemos aquela que conduz a menos ruim. b) Critrio Maximax: o mximo dos mximos. Dados os mehores resultados de cada alternativa, escolhe-se aquela com o melhor entre os melhores; c) Critrio de Laplace: utiliza todos os dados da matriz de deciso supondo iguais todas a probabilidades dos estados da natureza; d) Critrio do mnimo arrependimento: procura minimizar o arrependimento pela escolha de um alternativa errada. O arrependimento o que se perde por no ter escolhido a melhor alternativa quando considerado um estado da natureza. 2.4. EXERCCIOS SOBRE TEORIA DA DECISO 1) Uma empresa necessita tomar uma deciso pois suas vendas esto crescendo, deste modo ela poder usar as instalaes existentes para aumentar a produo (at um certo limite) ou construir novas instalaes incrementando esta produo. Como estados da natureza ela poder ter uma demanda baixa, mdia ou alta com probabilidades respectivas de 20%, 30% e 50%. Sabendo-se que se a empresa optar pelo uso de instalaes existentes ela ter: prejuzo de $100.000 com baixa demanda, lucro de $100.000 com mdia demanda e lucro de $200.000 com alta demanda. Se ela optar em construir novas instalaes as perspectivas so: prejuzo de $300.000 se a demanda for baixa, lucro de $0 se a demanda for mdia e lucro de $400.000 se a demanda for alta. Pede-se: a) A matriz de deciso. b) Cacule o VEA, qua a soluo escolhida? 2) Uma organizao financeira pode optar pelas seguintes alternativas: vender suas aes ou continuar com as aes esperando uma elevao nos preos para a venda posterior. Como as aes esto em baixa um comprador props um pagamento de $150.000 para a venda imediata mais um adicional de $1.000.000 se as aes num prazo de um ano atingirem o aumento esperado. Se a empresa resolver no vender as aes o prejuzo ser de $400.000 se as aes no subirem em um ano, mas se elas atingirem o aumento esperado ela ter um lucro de $1.500.000 vendendo-as posteriormente. Supondo-se que os estados naturais as aes no subirem e as aes subirem tem probabilidade respectiva de 70% e 30%. Pede-se: a) A matriz de deciso. b) Calculo do VEA. Qual a soluo escolhida? c) Pelo VEIP, qual o preo mximo a ser pago pela informao? Se no houver probabilidade para os estados naturais, pede-se: d) Qual a melhor soluo pelo critrio Maximin? e) Qual a melhor soluo pelo critrio Maximax?
f) Qual a melhor soluo pelo critrio Laplace? g) Qual a melhor soluo pelo critrio do Mnimo Arrependimento? 3) Um atacadista trabalha com a venda de determinada fruta. Estas so compradas no Domingo e vendidas toda segunda-feira. O atacadista paga $200 por centena de fruta e revende por $400 a mesma centena. Para facilitar os calculos, vamos admitir que a demanda das frutas assuma os valores de 50, 100 e 150 centenas. O atacadista poder comprar qualquer uma destas quantidades, mas no sabe de antemo quais sero as suas demandas, conhecendo apenas a sua probabilidade (estimada pelo histrico do atacadista). Vamos admitir que se por acaso o atacadista comprar mais frutas do que vende na Segunda-feira ele perde completamente as frutas no vendidas. Sabendo-se que o atacadista estima em 35%, 45% e 20% respectivamente, a probabilidade de que a demanda seja 50, 100 e 150 centenas. Dentro desta situao pede-se: a) A matriz de deciso. b) A melhor deciso tomada sob risco (VEA). c) O valor esperado da informao perfeita (VEIP). Supondo que o atacadista esteja iniciando no ramo, e no tenha histrico das demandas, portanto as probabilidades de ocorrncia dos estados da natureza sejam desconhecidos. Pedese: d) e) f) g) A melhor deciso tomada pelo critrio Maximin. A melhor deciso tomada pelo critrio Maximax. A melhor deciso tomada pelo critrio Laplace. A melhor deciso tomada pelo critrio do Mnimo Arrependimento.
4) Voc um tomador de deciso, que est diante de quatro alternativas e trs estados da natureza. Analisando o seu problema, voc consegue montar a matriz de deciso abaixo, onde os resultados indicam as despesas (em milhes de u.m., unidades monetrias, anuais) sob cada alternativa e estado da natureza. alternativas A1 A2 A3 A4 Estados da Natureza EN1 EN2 EN3 25 12 18 8 20 34 14 30 16 20 15 25
Supondo as probabilidades dos estados da natureza sendo: EN1 de 30%, EN2 de 25% e EN3 de 45%. Calcule: a) Escolha a melhor alternativa sob risco (VEA). b) Qual o valor esperado da informao perfeita (VEIP). Suponha agora que so desconhecidas as probabilidades de ocorrncia dos estados da natureza. Qual a melhor deciso, utilizando:
c) O critrio de Laplace. d) O critrio do Mnimo Arrependimento. 5) Voc deve tomar uma deciso de quatro alternativas e trs estados da natureza. Analisando o seu problema, voc consegue montar a matriz de deciso abaixo, onde os resultados indicam as despesas (em mil UM mensais) sob cada alternativa e estado da natureza. Estados da Natureza alternativas EN1 EN2 EN3 9 16 22 A1 12 13 20 A2 15 10 17 A3 19 14 14 A4 Supondo as probabilidades dos estados da natureza sendo: EN1 de 45%, EN2 de 30% e EN3 de 25%. Calcule: a) Escolha a melhor alternativa sob risco (VEA). b) Qual o valor esperado da informao perfeita (VEIP). Suponha agora que so desconhecidas as probabilidades de ocorrncia dos estados da natureza. Qual a melhor deciso, utilizando: c) d) e) f) O critrio Maximin. O critrio Maximax. O critrio de Laplace. O critrio do Mnimo Arrependimento.
6) Uma empresa produz os produtos X e Y, que devido as restries internas e externas podem ser produzidos nas seguintes quantidades: 50 unidades de X, ou 25 unidades de X e 30 unidades de Y, ou 40 unidades de Y.
As probabilidades de venda so de respectivamente 30%, 45% e 25%. Sabendo-se que o custo de produo de $15,00 para X e $20,00 para Y e o preo de venda X = $25,00 e Y = $34,00. Pede-se: a) Escolha a melhor alternativa sob risco (VEA). b) Qual o valor esperado da informao perfeita (VEIP). Suponha agora que so desconhecidas as probabilidades de ocorrncia dos estados da natureza. Qual a melhor deciso, utilizando: c) O critrio Maximin. g) O critrio Maximax. h) O critrio de Laplace.
d) O critrio do Mnimo Arrependimento. 7) Um supermercadista trabalha com a venda de determinado produto. Estes so comprados no sbado e vendidos tada segunda-feira. O supermercadista paga $1200 por caixa de produto e revende por $1500 a mesma caixa. Para facilitar os calculos, vamos admitir que a demanda do produto assuma os valores de 80, 120, e 160 caixas. O supermercadista poder comprar uma destas quantidades, mas no sabe de antemo quais sero as suas demandas, conhecendo apenas a sua probabilidade (estimada pelo histrico). Se por acaso o supermercadista comprar mais produtos do que vende na segunda-feira ele perde completamente os produtos no vendidos. Sanbendo-se que o supermercadista estima em 40%, 15% e 45% respectivamente, a probabilidade de que a demanda seja 80, 120 e 160 caixas. Dentro desta situao pede-se: a) A matriz de deciso. b) A melhor deciso tomada sob risco (VEA). c) O valor esperado da informao perfeita (VEIP). Supondo que o supermercadista esteja iniciando no ramo, e no tenha histrico das demandas, portanto as probabilidades de ocorrncia dos estados da natureza sejam deconhecidos. Pede-se: d) A melhor deciso tomada pelo critrio de Laplace. e) A melhor deciso pelo critrio do Mnimo Arrependimento. 8) Uma organizao, que trabalha no ramo de compra e venda pode realizar junto ao seu forncedor a compra de 5 ou 10 lotes do produto XH. Sabendo-se que as suas possibilidades de venda tambm so de 5 ou 10 lotes com probabilidades respectivas de 30% e 70%. Pede-se: a) A matriz de deciso. b) A melhor deciso tomada sob risco (VEA). c) O valor esperado da informao perfeita (VEIP). Suponha que as probabilidades dos estados de natureza so deconhecidas. Qual a melhor deciso, utilizando: d) O critrio Maximin. e) O critrio Maximax. f) O critrio de Laplace. OBS: o custo do produto XH de $10/lotes e o preo de venda do produto XH de $15/lote.
12
Prof. Cristiano Agosti
3. PROGRAMAO LINEAR uma tcnica da Pesquisa Operacional, denominao esta justificada porque considera-se que as restries e condies impostas aos problemas de que se trata so expressas em termos Lineares. Programao Linear consiste em dispor os dados de um problema cujas incgnitas guardem relaes lineares, pede a forma de um sistema de equaes e/ou inequaes composto de uma equao chamada objetivo para qual deseja-se obter um resultado mximo ou mnimo sujeito a restries ou condicionamento constituido por vrias equaes ou inequaes. Quando o nmero de incgnitas igual a 2 ou 3 o sistema admite uma soluo grfica. Muito complicada no 2o caso por se tratar de um problema no espao tri-dimensional. Os problemas com 4 ou mais incgnitas pertencendo a um espao n-dimensional s admitem solues algbricas atravs do calculo matricial. Os trs principais grupos de problemas que podem ser resolvidos por Programao Linear so os seguintes: a) Misturas de ingredientes com composio e preos conhecidos para atender a determinadas especificaes (de composio ou de estoque) a custo mnimo ou lucro mximo: Noes balanceadas para animais, refeies, abastecimento de comunidades ou tropas, combustveis e lubrificantes, fertilizantes e corretivos, defensivos agrcolas, perfumes e cosmticos, ligas metlicas, Industria de alimentos, etc. b) Transporte, distribuio ou alocao, em que se procura determinar as quantidades a transportar segundo as vias alternativas possveis a freqncia ou perodos de transporte e as especificaes quanto a operao levando em conta os custos (fretes, riscos capital empatado, prmios e multas, embalagem, armazenamento, capacidade dos meios, etc). A poltica de Transporte e o fator a maximizar ou minimizar (custos, quantidades, tempo, etc). Entre as reas de utilizao cita-se: abastecimento, distribuio de produtos, transporte de cargas ou pessoas, etc.. c) Programas de Produo ou limitao de recursos nos setores agricolas, industrial ou de servios, como o seguinte modelo tpico: Uma empresa oferece vrias alternativas de servios ou pode fabricar ou produzir vrios bens; Conhece-se as quantidades de insumos necessrios para a produo de uma unidade do bem ou servio: mo-de-obra, rea, material, equipamento, fora, etc Conhece-se as restries do mercado quanto aos limites inferiores e superiores de produo ou demanda do bem ou servio; Conhece-se as disponibilidades dos insumos por parte da empresa; Conhece-se o valor ou lucro unitrio dos bens ou servios a serem produzidos; Deseja-se obter o melhor programa de produo que pode ser: maximizar os lucros, maximizar o volume de produo, maximizar ou minimizar o emprego de determinado insumo, minimizar o tempo ocioso de pessoas ou equipamentos, etc 3.1. FASES DE UM ESTUDO EM P.O. Um estudo em Pesquisa Operacionar costuma envorver seis fases:
formulao do problema; construo do modelo do sistema; clculo da soluo atravs do modelo; teste do modelo e da soluo; estabelecimento de controles da soluo; implantao e acompanhamento:
Formulao do Problema: nesta fase, o administrador do sistema e o responsvel polo estudo em PO devero discutir, no sentido de colocar o problema de maneira clara e coerente, definindo os objetivos a alcanar e quais os possveis caminhos alternativos para que isso ocorra. Alm disso, sero levantadas as limitaes tcnicas do sistema e as relaes desse sistema com outros da empresa ou do ambiente externo, com a finalidade de criticar a validade de possveis solues em face destes obstculos. Dever ainda ser acordada uma medida de eficincia para o sistema, que permita ao administrador ordenar as solues encontradas, conclundo processo decisrio. Construo do Modelo do Sistema: os modelos que interessam em Pesquisa Operacional so os modelos 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. E a funo objetivo ou funo de eficincia. As outras equaes geralmente descrevem as limitaes ou restries tcnicas do sistema. Um bom modelo aquele que tem desempenho suficientemente prximo do desempenho da realidade e de fcil experimentao. Essa proximidade desejada varivel, dependendo do objetivo proposto. Um bom modelo para um ob]etivo pode ser pssimo para outro. A fidelidade de um modelo e aumentada medida que ele incorpora caractersticas da realidade, com a adio de novas variveis. Isso aumenta sua complexidade, dificultando a experimentao, o que nos leva a considerar o fator custo-beneficio quando pensamos em melhorar o desempenho de um modelo. Clculo da soluo atravs do modelo: feito atravs de tcnicas matemticas especficas. A construo do modelo deve levar em considerao a disponibilidade de uma tcnica para o clculo da soluo. Teste do modelo e da soluo: esse teste realizado com dados empiricos do sistema. Se houver dados histricos, eles sero aplicados no modelo, gerando um desempenho que pode ser comparado ao desempenho observado no sistema. Se o desvio verificado no for aceitvel, a reformulao ou mesmo o abandono do modelo ser inevitvel. Caso no haja dados histricos, os dados emplricos sero anotados com o sistema funcionando sem interferncia, at que o teste possa ser realizado. Estabelecimento de controles da soluo: a construo e experimentao com o modeto identificam parmetros fundamentais para soluo do problema. 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 rei ormufao do modelo poder ser necessria.
Implementao e acompanhamento: nesta fase, a soluo ser apresentada ao administrador, evitando-se o uso da linguagem tcnica do modelo. O uso da linguagem do sistema em estudo facilita a compreenso e gera boa vontade para a implantao que est sendo sugerida. Essa implantao deve ser acompanhada para se observar o comportamento do sistema com a soluo adotada. Algum ajuste pode ser requerido. 3.2. EXEMPLO DE UM PROBLEMA DE PL. Um fabricante deseja maximizar a receita bruta. A tabela abaixo mostra as composies das ligas, seus preos e as limitaes na disponibilidade de matria-prima. Resolva graficamente. Cobre Zinco Chumbo Preo Unit. De venda Resposta: Variveis de deciso: Xa - qtde. de liga A a ser produzida. Xb - qtde. de liga B a ser produzida. O objetivo maximizar o valor das vendas totais Z. Portanto, o objetivo : Max Z = 30Xa + 50Xb Restries: 2Xa + Xb <=16 {restrio de cobre} Xa + 2Xb <=11 {restrio de zinco} Xa + 3Xb <=15 {restrio de chumbo} Onde: Xa e Xb >= 0 {no podemos fabricar quantidade negativa de liga} 3.3. EXERCCIOS DE PROGRAMAO LINEAR 1) Suponha que voc o gerente do Armazm ABC, que todo ms envia o produto X para ser vendido a varejo em trs cidades Ararangu, So Jos e Joaaba. Assuma que as quantidades enviadas para essas cidades so as seguintes: Ararangu: X1 unidades. So Jos X2 unidades. Joaaba: X3 unidades. a) Qual as variveis de deciso? b) Desenvolva um modelo para determinar o total mensal de unidades do produto enviados para o conjunto das trs cidades.
Liga tipo A 2 1 1 30
Liga tipo B 1 2 3 50
Matria-prima 16 11 15
c) Suponha que a demanda de Ararangu nunca superior a 5000 unidades, incorpore esta restrio ao sistema. d) Suponha que a demanda de So Jos sempre maior que o dobro da demanda de Joaaba, incorpore esta restrio. e) Suponha que o Armazm ABC jamais ter mais que 20000 unidades do produto para enviar ao conjunto das trs cidades. Como se expressa esta restrio? 2) No problema anterior, suponha que o Armazm ABC, por acordo com seus varejistas. tenha sobre si todos os encargos com custo de transporte; o Armazm quer enviar quantidades de produto tais que esse custo total de transporte seja mmmo, respeitadas as seguintes condies adicionais: a) Ararangu no pode receber menos que 4.000 unidades do produto. b) So Jos no pode receber menos que 10000 unidades do produto. c) Os custos de transporte por unidade de produto so os seguintes: R$ 1 00,00 para Ararangu R$ 120,00 para So Jos R$ 80,00 para Joaaba Montar as restries adicionais e a expresso do custo total que se quer minimizar (funo objetivo). 3) Uma empresa produz dois produtos X e Y utilizando trs equipamentos distintos um torno (T), uma prensa (P) e uma furadeira (F). Cada mquina conta com 180, 240 e 600 horas disponveis, respectivamente, sendo que cada produto obrigado a passar por todas elas, O produto X passa trs horas em T, duas horas em P e seis horas em F. O produto Y passa duas horas em T, quatro em P e cinco em F. Sabendo que vende X por $ 60,00, Y por $80,00 e que o custo de X de $39,00 e o de V de $60,00: a) Quais as variveis de deciso? b) Desenvolva a funo objetivo que maximiza os lucros c) Quais as restries? 4) Considere uma planta de manufatura capaz de produzir dois produtos P e Q, cujo lucro por unidade seja $6,00 e $8,00, respectivaniente. O processo produtivo envolve duas operaes corte e furao. Para a operao de corte h 2 mquinas disponveis e para a operao de furao h 3 mquinas em disponibilidade. Considerando que cada mquina opera 200horas/ms e que para produzir uma unidade do produto P sejam necessrias 8 horas de corte e 4 de furao e para a produo de uma unidade do produto Q sejam consumidas 4 horas de corte e 10 horas de furao. Pede-se: a) Quais as variveis de deciso? b) Desenvolva um modelo matemtico que permita a determinao do mix de produtos que maximize o lucro total durante um ms (funo objetivo e restries). 5) Obtenha uma mistura de produtos que contenha os nutrientes necessrios e apresente o mnimo custo. Suponha que um agricultor queira adubar sua plantao e disponha de dois tipos de adubo. O adubo tipo A possui 6g de fsforo, 2g de nitrognio e 16g de potssio
para cada kg, a um custo de $20,00/kg. O adubo B possui 4g de fsforo, 6g de nitrognio e 4g de potssio para cada kg, o custo de $16,00/kg. Sabe-se que necessrio 1 kg de adubo para fertilizar 10 m2 de terra e que o solo em que esto as suas plantaes necessita de pelo menos 6g de fsforo, 3g de nitrognio e 8g de potssio a cada 10 m2 de terra. Desenvolva um modelo matemtico para solucionar este problema. (a.variveis de deciso, b. fuino objetivo, c. restries). 6) Considere um sistema de manufatura capaz de produzir os produtos: P, Q, R e S. O preo de venda por unidade , respectivamente, $8,00; $10,00; $12,00 e $14,00. Com base nas tabelas abaixo: a) Defina as variveis de deciso. b) Desenvolva um modelo matemtico que maximize os ganhos de produo deste sistema de manufatura (funo objetivo e restries). Produto P Q R S Tabela 1: Custo de Fornecimento $MP 1 $MP2 $MP3 $ Outros 2 1 2 2 3 2 2 4 3 3 Fonte: Depto Financeiro $ Total 3 4 7 10
Tabela 2: Matriz de Produo Produto Maq. A Maq. B 10 P 4 Q 3 2 R 6 5 S 600 200 Total mensal de horas Fonte : Depto de produo Produto P Q R S
Maq. C 1 3 120
Tabela 3 Demanda de Mercado Demanda/ms unid.) Preo de venda ($) 10 8 20 10 30 12 40 14 Fonte: Depto Comercial
7) Uma planta industrial fabrica garrafas plsticas com ou sem rtulo. As garrafas com rtulo so vendidas $10,50 o lote, enquanto que as garrafas sem rtulo tem uni preo de venda de $8,00 por lote. Para produzir um lote de garrafas com rtulo so consumidos 5kg de plstico a $1,00/kg, 0,5 m2 de papel a $2,00! m2 e 1 frasco de tinta a $1,00/frasco. Para produzir um lote de garrafas sem rtulo so consumidos 4kg de plstico a $1,00/kg. A fabricao de um lote de garrafas com rtulo exige 15 minutos da
mquina de sopro, 10 minutos na operao de serigrafia, 5 minutos no recorte e 7 nnutos de colagem. A produo de um lote de garrafas sem rtulo necessita de 20 minutos na mquina de sopro. A empresa opera num regime de 40 horas semanais e dispe de 2 mquinas de sopro, 1 mquina de serigrafia e 1 mquina para recorte e colagem (na mesma mquina). Sabendo-se que no almoxarifado existe um estoque de 1200kg de plstico, 200 m de papel e 180 frascos de tinta e considerando-se que no haver reposio antes de urna semana, determine: a) As variveis de deciso. b) Atravs da modelagem matemtica a equao que maximiza o lucro semanal da empresa (funo objetivo). c) Quais as restries do sistema? 8) Uma empresa fabrica os produtos A e B que so vendidos a $20 e $30 por unidade, respectivamente. Para a fabricao de uma unidade de A so necessrias 1 hora da mquina 1 e 3 horas de mquina 2, enquanto que para fabricar uma umdade de B so necessrias 3 horas de mquina 1 e 4 horas de mquina 2. A empresa trabalha 40 horas semanais e possui trs mquinas 1 e quatro mquinas 2. Para produzir 1 unidade de A Gasta-se $ 12/unidade e para B 120/unidade. Pede-se: a) Quais as variveis de deciso? b) Desenvolva a funo objetivo que maximiza os lucros. c) Quais as restries? 9) Uma empresa produz os produtos Xl, X2, X3 e X4. Com base nas tabelas abaixo: a) Quais as variveis de deciso? b) Desenvolva a funo objetivo que maxiniiza os lucros. c) Quais as restries? Tabela 1 : Custo de Produo $MPI $MP2 $MP3 $ MP4 3 1 2 2 4 3 4 3 Fonte: Depto Financeiro
Produto X1 X2 X3 X4
$ Outros 3 1 2 1
Tabela 2: Matriz de Produo Produto Maq ABC Maq. BCD Xl 8 X2 6 X3 5 4 X4 8 10 Total mensal de horas 400 400 Fonte: Depto de produo
Pesquisa Operacional 18
Maq. CDE 2 5 100

Produto X1 X2 X3 X4
Tabela 3 Demanda de Mercado Demanda/ms (unid.) Preo de venda ($) 22 10 18 10 15 14 25 13 Fonte Depto Comercial
10) Voc est sendo contratado por uma grande empresa multinacional com um salrio magnifico. Para isto voc deve, apenas com o seu conhecimento, formular o mix ideal de produo para os lucros desta empresa. Como a empresa possui um soflware que calcula estes valores, seu unico problema montar as equaes para alimentar o programa e aguardar as congratulaes e o baita salrio de seu novo emprego (afinal voc estudou com afinco a disciplina de Pesquisa Operacional). A seguir esto as tabelas com os dados necessrios para este simples clculo Produto P Q Valores monetrios de matrias-primas e produtos Preo de venda $ Custo MP 1 $ Custo MP 2 $ Outros custos $ 100 20 20 5 90 10 20 10 Fonte: Depto. Custos Demanda semanal do mercado Produto Demanda unidade/semana 100 P 80 Q Fonte: Depto de Vendas
Produto P Q
Tempos de Produo em horas(*) Maquina A(h) Maquina B(h) 10 12 20 15 Fonte: Depto. Custos
Maquina C(h) 12 10
(*) voc dispe de 2 mquinas A, 1 mquina E e 1 mquina C, cada mquina trabalha 2400 horas por semana. Portanto, calcule: a) Quais as variveis de deciso? b) Qual a funo objetivo? c) Quais as restries?
19
4. MTODO GRFICO o mtodo restrito a resoluo de problemas com 2 variveis, neste mtodo temos cada restrio definindo uma rea no plano cartesiano, que contem infinitos pontos. O problema deve ser ento selecionar um ponto que ao mesmo tempo esteja contido nesta rea e satisfaa a funo-objetivo. O mtodo garante que os pontos de interseco das retas limites a rea de interesse so os possveis pontos que satisfazem a funo-objetivo. ROTEIRO BSICO PARA RESOLUO DE PROBLEMAS PELO MTODO GRFICO 1) Identificar as variveis de deciso. 2) Montar a funo-objetivo. 3) Montar as equaes de restrio. 4) Determinar no mnimo 2 pontos para cada reta de restrio. 5) Plotar os pontos e traar as retas no plano cartesiano. 6) Selecionar (marcar) a rea vivel. Obs, se a restrio for: = , sobre a reta >= , acima da reta e a direita <=, abaixo e a esquerda da reta 7) Verificar a rea comum entre todas as restries. 8) Achar o ponto timo do problema. 9) Formular a resposta. Obs.: Ao aplicarmos o mtodo grfico em algumas situaes podemos chegar a situaes com solues ilimitadas como tambm no acharmos solues para nosso problema. o caso dos modelos de grficos abaixo. O grfico que no posse rea comum entre as retas considerado sem soluo.
Tipos de solues grficas 4.1. EXEMPLO DE UM PROBLEMA DE PL COM RESOLUO GRFICA Um fabricante deseja maximizar a receita bruta. A tabela abaixo mostra as composies das ligas, seus preos e as limitaes na disponibilidade de matria-prima. Resolva graficamente.
Cobre Zinco Chumbo Preo Unit. De venda Resposta:
Liga tipo A 2 1 1 30
Liga tipo B 1 2 3 50
Matria-prima 16 11 15
Variveis de deciso: Xa - qtde. de liga A a ser produzida. Xb - qtde. de liga B a ser produzida. O objetivo maximizar o valor das vendas totais Z. Portanto, o objetivo : Max Z = 30Xa + 50Xb Restries: 2Xa + Xb <=16 {restrio de cobre} Xa + 2Xb <=11 {restrio de zinco} Xa + 3Xb <=15 {restrio de chumbo} Onde: Xa e Xb >= 0 {no podemos fabricar quantidade negativa de liga}
21
4.2. EXERCCIOS DE PROGRAMAO LINEAR USANDO O MTODO GRFICO 1) Resolver Graficamente. Max Z = 2x1 + x2 sujeito a x1 + 4x2 <= 24 x1 2x22 <= 14 2x1 - x2 <= 8 x1 - x2 <= 3 x1 >= 0, x2 >= 0 2) Resolver Graficamente.
Max Z = 2x1 + x2 sujeito a x1 + 4x2 <= 24 x1 2x2 <= 14 2x1 - x2 <= 8 x1 - x2 <= 3 x1 >= 0, x2 >= 0 3) Um fazendeiro tem que decidir o quanto vai plantar de milho e de alfafa. Os lucros so de $ 20.000,00 por alqueire de milho e de S 10.000,00 por alqueire de alfafa. Suponha que suas limitaes sejam: terra disponvel = 8 alqueires; gua disponvel para irrigao = 80000 litos; deseja plantar no mximo 4 alqueires de milho; cada alqueire de milho requerer 10000 litros de gua para irrigao; cada alqueire de alfafa requerer 20000 litros de gua para irrigao. a) Formule o problema como de programao linear; b) Resolva-o graficamente. 4) Resolva graflcamente, mostrando claramente a regio dos pontos viveis (regio permissvel) e a reta da funo objetivo. Max Z = -10x + 15y sujeito a x>=2 x + y<=12 x<=8 2x + 5y<=40 y>=l 5) Resolver Graficamente. min Z = -x1 + 2x2 sujeito a -x1 + x2 <= 1 6x1 + 4x2 <= 24 x1 >= 0 x2 >= 2 6) Resolver Graficamente. min Z = 2x1 + x2 sujeito a 4x1 - 5x2 <= 40 5x1 + 8x2 <= 40 9x1 - 6x2 >= 0 x1 >= 0 x2 >= 2
5. PROGRAMAO LINEAR NO EXCEL No real mundo, ns somos confrontados freqentemente com vrios modos de realizar um certo objetivo, alguns modos que so melhor em uma certa ocasio que outros. Por exemplo, h muitas combinaes de produtos que uma mquina pode fabricar, e ns podemos estar interessados achar a combinao que conduz a lucro de mximo. As variveis em situaes da vida real esto sujeitas a restries. No primeiro lugar, necessrio na maioria das instncias que as variveis no assumam valores negativos. Certas combinaes de variveis no so permissveis. Por exemplo, uma mistura de produto que exige para uma mquina operar mais de 24 horas no permissvel, nem isto permissvel programar produo a nveis que excedem capacidade da mquina. Os problemas s vezes podem ser to complicados podendo ter mais de 10 restries e mais de 6 variveis. O Excel tem uma caracterstica de otimizao poderosa chamado Solver o qual calcula soluo baseado em clulas ajustveis, restries e otimizaes que devem ser calculadas. Com esta ferramenta podemos resolver sistemas grandes que envolvem at 200 variveis e 500 restries em segundos, montando uma planilha eletrnica. 5.1. EXEMPLO COM O EXCEL Ns temos que usar um exemplo para demonstrar o poder do Solver. Temos uma fbrica que faz copos para beber e que usa uma nica mquina. A mquina est disponvel durante 60 hr/semana. Toda a produo semanal armazenada em um armazm e ao trmino de cada semana ela transportada para as revendas. Voc produz dois produtos, copos de suco e copos de vinho, a mquina leva 6 horas para produzir 100 caixas com copos de suco, e 5 horas para produzir 100 caixas com copos de vinho. Cada caixa com copos de suco opuca 10 metros cbicos ao ser amazenada e cada caixa com copos de vinho ocupam 20 metros cbicos. Sabemos que o armazm suporta no mximo 15.000 metros cbicos. O lucro lquido por cada caixa com copos de suco de $5.00 e $4.50 por caixa com copos de vinho. O departamento de marketing estima que a empresa pode vender todas as caixa com copos de vinho que forem produzidas, mas poder vender um mximo de 800 caixas com copos de suco por semana. Voc tem que determinar um plano de produo que respeita todas as restries e que maximize o lucro lquido total. Formulao algbrica: Cosiderando que: J = nmero de caixas com copos de suco produzidas por semana W = nmero de caixas com copos de vinho por semana. Ns queremos maximizar lucro total, em $: 5J + 4.5*W {funo objetivo} sujeito a {restries}:
Tempo de mquina, em horas: (6/100)*J + (5/100)*W <=60 Espao do armazm, em metros cbicos: 10*J + 20*W <=15.000 Demanda de copos de suco, em caixas: J <= 800 J, W >= 0 5.2. CONFIGURANDO O EXCEL Ns precisamos modelar o problema e por em uma planilha eletrnica primeiro. O diagrama mostrado abaixo um dos muitos modos de se modelar o problema. Ser interessante montar um espao na tabela excel para especificar as restries, o que ir permitr mudaas futuras de valores. Tambm ser interessante dar nomes as clulas para que o resultado produzido pelo Solver tenha um significados mais representativo. Passos para a montagem do Modelo de Programao Linear no Excel considerando o problema anterior: a) Montar uma Planilha coma as informao do Problema, como na tabela abaixo:
Tipo de Horas trabalhadas para Espao ocupado por Preo por Nm de caixas Total de lucro Espao Total de horas ero Copo cada caixa comcopos cada caixa comcopos caixa produzidas das caixas Total trabalhadas Suco 0,06 10 5 200 1000 2000 12 Vinho 0,05 20 4,5 200 900 4000 10 Total: 1900 6000 22 Restries Espao total: Nmero mximo de copos de suco: Total de Horas: 15000 800 60
b) Atribuir um valor aleatrio para o nmero de caixas produzidas de suco e vinho, no caso iremos atribuir 200 para ambos. c) Criar as frmulas para os campos calculados: F2 {=D2*E2} F3 {=D3*E3} F4 {=SOMA(F2:F3)} G2 {=C2*E2} G3 {=C3*E3} G4 {=SOMA(G2:G3)} H2 {=B2*E2} H3 {=B3*E3} H4 {=SOMA(G2:G3)} d) Atribuir nomes as clulas e intervalos principais para facilitar o entendimento nos prximos passos: F4 - lucro_total
E2:E3 - caixas_produzidas C8 - max_copos_sucos E2 - caixas_suco C7 - espaco_total G4 - espaco_total_utilizado H4 - total_horas_trabalhadas C9 - total_horas e) Utilizar a opo Solver no Excel, menu ferramentas. Em Clula Configurao{Set Target Cell}: clicar na planilha na clula F4 pois ela que queremos maximizar; Clula modificadas: clicar na planilha e selecionar o intervalo $E$2:$E$3; Adicionar as restries do problema: $E$2 <= $C$8 $E$2:$E$3 >= 0 $G$4 <= $C$7 $H$4 <= $C$9 A tela dos Parametros do solver devero ficar como a figura abaixo. Se as informaes estiverem corretas basca ento clicar sobre o boto Solver.
Aps clicar no boto solver a seguinte tela ir aparecer:
26
Aqui ns podemos configurar o tipo de relatrio selecionando as opes em Reports, bem como salvar o cenrio criado para eventuais conferencias de resultados e tambm retornar com os valores originais clicando sobre a opo Restore Original Values. E calcular nossa soluo mantendo a opo Keep Solver Solution selecionado. Selecione ento Keep Solver Solution e como relatrios escolha os 3 tipos: Answer, Sensitivity, Limits. Aps o OK o resultado dever aparecer como a tabela abaixo:
Tipo de Horas trabalhadas para Espao ocupado por Preo por Copo cada caixa com copos cada caixa com copos caixa Suco 0,06 10 5 Vinho 0,05 20 4,5 Total: Restries Espao total: Nmero mximo de copos de suco: Total de Horas: 15000 800 60 Nmero de Total de lucro Total de horas caixas das caixas Espao Total trabalhadas 642,8571429 3214,285714 6428,571429 38,57142857 428,5714286 1928,571429 8571,428571 21,42857143 5142,857143 15000 60
5.3. ENTENDENDO OS RESULTADOS OBTIDOS O Solver pode resumir seus resultados de 3 modos diferentes que lhe proporcionam vises diferentes de anlise. Os resultados podem ser apresentados em Relatrio de Resposta, Relatrio de Sensibilidade, ou Relatrio de Limites. O Relatrio de Resposta mostra a clula objetivo, as variveis, e as restries. Tambm inclui valor de sobras para cada restrio.
Target Cell (Max) Cell Name $F$4 Total: Total de lucro das caixas
Original Value Final Value 1900 5142,857143
Adjustable Cells Cell Name $E$2 Suco Nmero de caixas $E$3 Vinho Nmero de caixas
Original Value Final Value 200 642,8571429 200 428,5714286
Constraints Cell Name $H$4 Total: Total de horas trabalhadas $G$4 Total: Espao Total $E$2 Suco Nmero de caixas $E$2 Suco Nmero de caixas $E$3 Vinho Nmero de caixas
Cell Value 60 15000 642,8571429 642,8571429 428,5714286
Formula $H$4<=$C$9 $G$4<=$C$7 $E$2<=$C$8 $E$2>=0 $E$3>=0
Status Binding Binding Not Binding Not Binding Not Binding
Slack 0 0 157,1428571 642,8571429 428,5714286
27
O Relatrio de Limites mostra quanto podem ser aumentados os valores das variveis ou podem ser diminudos sem violar as restries de seu problema.
Target Cell Name $F$4 Total: Total de lucro das caixas Value 5142,857143
Adjustable Cell Name $E$2 Suco Nmero de caixas $E$3 Vinho Nmero de caixas
Value 642,8571429 428,5714286
Lower Target Limit Result 0 1928,571429 0 3214,285714
Upper Target Limit Result 642,8571429 5142,857143 428,5714286 5142,857143
O Relatrio de Sensibilidade mostra a informao de sensibilidade sobre a clula objetivo. Ser mostrada a informao detalhada deste relatrio em classes.
Adjustable Cells Cell Name $E$2 Suco Nmero de caixas $E$3 Vinho Nmero de caixas Constraints Cell Name $H$4 Total: Total de horas trabalhadas $G$4 Total: Espao Total Final Value Lagrange Multiplier 60 78,57143242 15000 0,028571416 Final Value 642,8571429 428,5714286 Reduced Gradient 0 0
28
6. MTODO SIMPLEX um calculo numrico que pesquisa os vrtices do poliedro de restries. Atravs de iteraes temos: A soluo tima. A indicao da inexistncia de soluo. Baseia-se no fato de que o mximo ou o mnimo da funo objetivo ocorre num vrtice do poliedro convexo de restries. Roteiro bsico para aplicao do Mtodo Simplex: Esquema:
minimizao FASE I MAXIMIZAO (FASE II) FASE II MAXIMIZAO
A B C
Montar a funo Objetivo. Montar as inequaes de Restries Transformar as inequaes de Restrio em equaes observando o seguinte: Sinal <= : acrescentar uma varivel de folga Xi. Sinal >= : acrescentar uma varivel de folga Xi negativa e uma artificial Yi. Sinal = : acrescentar uma varivel de artificial Yi.
FASE I : usada quando existirem variveis artificiais. 1) Criar a equao W que o valor negativo da soma das restries que contiverem variveis artificiais. 2) Montar o quadro (tablo) para a fase 1 e preenche-lo: Na linha superior colocar todas as variveis e criar uma coluna b contendo os valores a direita das restries. Colocar todas as restries. Criar a linha Z, onde para cada varivel artificial, folga e coluna b os valores devero ser zero. Criar a linha W, que dever conter os valores negativos da soma das restries que possuirem varivel artificiais. Obs.: nas colunas de variveis artificiais o valor de W ser igual a zero. 3) Fazer do 2o ao 6o passo da FASE II (onde l-se linha Z leia-se linha W). 4) Verificar se b = 0 na linha W. Se no for voltar ao 3o passo.
Se o valor de b for igual a zero ento montar um novo quadro, excluindo as variveis artificiais e a linha W, caindo na FASE II: Obs.: Para minimizao: passo 8, Para Maximizao: passo 7. Se b no zerar e no houverem valores positivos na linha W, ento no h soluo possvel. FASE II: 1) Montar o quadro para a fase II e preeche-lo: Na linha superior colocar todas as variveis e criar uma coluna b contendo os valores a direita das restries. 2) Escolher o valor mais negativo da linha Z. A coluna que o contiver ser chamada coluna Piv. 3) Dividir os valores de b pelos correspondentes na coluna piv (apenas para as restries). Tomar o menor resultado positivo e maior que zero encontrado. A linha que o contiver ser chamada linha Piv. A interseco da coluna piv com a linha piv indica o elemento Piv. 4) Montar um novo quadro j figurando a varivel que entrou na base no lugar do que saiu. 5) Calcular os valores da linha que entrou na base (LB). Frmula: LB = linha piv . elemento piv 6) Calcular as demais linhas, sempre respeitando a coluna correspondente: Novo valor = valor da linha que entrou na base (LB) * valor negativo antigo da coluna piv + valor antigo da linha. 7) Verificar se h algum valor negativo na linha Z. Se houver reiniciar o passo 2 seno passar para o passo 8. 8) Esta a soluo tima. Lembrar que min Z = Max Z, ento se for minimizao devemos inverter o sinal de Z, caso contrrio Z fica como est. 6.1. EXERCCIOS SOBRE O MTODO SIMPLEX 1) Resolva pelo mtodo Simplex o problema: Max Z = x1 - 3x2 + 2x3 sujeito a x1 - 2x2 x3 <= 5 x1 x2 >= 2 x2 + 2x3 <= 4 x1, x2, x3 >= 0 2) Resolva pelo mtodo Simplex o problema:
Min Z = 3x1 + 2x2 + x3 sujeito a x1 + 2x3 >= 10 2x1 + 3x2 + x3 >= 17 x1, x2, x3 >= 0 3) Resolva pelo mtodo Simplex o problema: Max Z = 2x1 + 5x2 + 7x3 sujeito a x1 + 3x2 + 6x3 <= 12 2x1 + 3x2 <= 9 x3 <= 2 x1, x2, x3 >= 0 4) Resolva pelo mtodo Simplex o problema: Min Z = 2x1 + x2 + 3x3 sujeito a 2x1 + 3x2 + x3 <= 2 3x1 4x2 5x3 <= -2 x1, x2, x3 >= 0 5) Resolva pelo mtodo Simplex e graficamente o problema: Max Z = 2x1 + x2 sujeito a x1 + 2x2 >= 4 4x1 + 3x2 <= 4 4x1 + 9x2 >= 36 x1, x2 >= 0
31
7. PROBLEMA DO TRANSPORTE Temos que transportar produtos das vrias origens onde esto estocados para vrios destinos onde so necessrios. Conhecemos os custos unitrios de transporte de cada origem para cada destino (Cij - custo unitrio de transporte da origem i para o destino j). Devemos decidir quanto transportar de cada origem para cada destino (Xij- quantidade a ser transportada da origem I para o destino j. O objetivo completar a transferncia dos produtos com o menor custo possvel. Em princpio, vamos supor que a quantidade disponvel nas origens seja exatamente igual ao total das necessidades nos destinos.
Esta situao podemos representar pelo quadro abaixo:
7.1. O MODELO LINEAR DO TRANSPORTE Xij - varivel de deciso Funo Objetivo: min C = 10x11 + 12x12 + 20x21 + 8x22 + 6x31 + 15x32
Custo Qtde. A ser transportada da Origem 1 para o destino 1 32 Prof. Cristiano Agosti
Restries de Origens: x11 + x12 = 50 x21 + x22 = 100 x31 + x32 = 120
Restries de Destinos: x11 + x21 + x31 = 100 x12 + x22 + x32 = 170
Obr.: sistemas no equilibrados acontece quando a necessidade a ser transportada diferente da necessidade do destino, o que muito comum acontecer, neste caso cria-se uma linha fantasma respresentando a quantidade excedente ou faltante.
Sistema no equilibradado
Sistema anterior agora equilibrado 7.2. SOLUO PARA O PROBLEMA DO TRANSPORTE A soluo do problema do transporte, como todo problema representado por um modelo de programao linear, pode ser obtida pelo mtodo SimpIex. Entretanto, devido a suas caractersticas especiais, podemos descrever um mtodo que, embora mantenha fazes e critrios do Simplex, tem os clculos simplificados. Uma soluo bsica para o problema um conjunto de valores a transportar que obedecem a duas condies: Satisfazem as restries de origem e destino; no apresentam circuitos entre as variveis bsicas. Por circuitos devemos entender uma poligonal fechada construda no sentido das linhas ou colunas, ligando variveis bsicas.
7.3. PRIMEIRA PARTE DA SOLUO DE TRANSPORTE 7.3.1. MTODO DO CANTO NOROESTE A partir da clula superior esquerda transportamos o mximo possveI da origem ao destino correspondente. Esse procedimento zera a disponibilidade da linha ou da coluna da clula. O prximo transporte ser feito na clula contigua ( direita ou abaixo) que tenha disponibilidade de linha e coluna correspondente. O mtodo do canto noroeste garante a no-formao de circuitos entre as variveis bsicas, alm de satisfazer as condies de contorno (restries de origem e destino). 7.3.2. MTODO DE VOGEL OU MTODO DAS PENALIDADES Penalidade em uma linha ou coluna a diferena positiva entre os dois custos de menor valor na linha ou coluna. A idia desse mtodo fazer o transporte com prioridade na linha ou coluna que apresenta a maior penalidade. Como o transporte feito na clula de menor custo, tenta-se evitar com isso o transporte na clula de custo maior, evitando-se assim incorrer num aumento de custo igual penalidade calculada. Descrio do mtodo: a) calcular a penalidade para cada linha ou coluna. Escolher a linha ou coluna para transporte, que tenha a maior penalidade. Caso haja empate, escolha arbitrariamente uma delas; b) transportar o mximo possvel na linha ou coluna escolhida, elegendo a clula de menor custo unitrio de transporte. Esse procedimento zera a oferta ou demanda da clula correspondente. Alinha ou coluna que tenha sua disponibilidade zerada deve ser eliminada; c) retornar ao item a, at que todos os transportes tenham sido realizados. 7.4. SEGUNDA PARTE DA SOLUO DE TRANSPORTE Obtida uma soluo inicial para o quadro de transportes, o passo seguinte verificar se essa soluo pode ou no ser melhorada. Como no mtodo Simplex, isso pode ser avaliado observando-se os coeficientes das variveis no bsicas na funo objetivo, que dever estar escrita em termosdessas variveis. Descrio: a) Escrever a funo objetivo em termos das variaveis no bsicas. Para tanto, deve-se multiplicar cada restrio de linha pelo nmero -Ui e cada restrio de coluna pelo nmero -Vj, e somar as novas linhas e colunas na funo objetivo de tal maneira que os coeficientes das variveis bsicas sejam todos nulos. Teremos, ento: Se Xij bsico Cij - Ui - Vj = 0 Essas igualdades compem um sistema de m + n -1 equaes com m + n incgnitas. A soluo do sistema pode ser obtida atribuindo-se um valor arbritrio a uma da incgnitas e calculando-se o valor das outras.
Com esses valores, calculamos os coeficientes das variveis no bsicas: Soluo II1IC Essas igualdades compem um sistema de ir + o 1 equaes Xij no bsico - coeficiente = Cij - Ui - Vj Se todos esses valores forem positivos, a soluo tima. Se houver coeficiente negativo, a varivel correspondente entra na base para melhorar o valor do objetivo. b) entrar com a varivel cujo coeficiente negativo tenha o maior valor absoluto; c) montar um circuito de compensao entre as variveis bsicas, a partir da varivel que entra. Esse circuito feito partindo-se da varivel que entra e seguindo-se alternativamente na direo da linha e da coluna, subtraindo e somando o valor da entrada at o retorno varivel de entrada. Com isso as restries de linha e coluna ficam satisfeitas. d) escolher para a varivel que entra o maior valor possvel, sem tornar nenhuma varivel bsica negativa. Esse valor corresponde ao menor valor das clulas onde a varivel que entra estiver sendo subtraida. Teremos, ento, uma nova soluo bsica. e) voltar ao item a, at que a soluo seja tima, isto , no apresente no no coeficiente negativo nas variveis no bsicas. 7.5. O PROBLEMA DA DEGENERESCNCIA Pode ocorrer, entretanto, que haja menos variveis bsicas do que o necessrio na soluo, o que resulta menos equaes do que as desejadas uas trs ou mais equaes a menos que o nmero de variveis). Dizemos nesse caso que a soluo degenerada. Ao calcular os valores de U e V do sistema para o critrio de otimalidade, no conseguimos um conjunto nico de valores para U e V. A soluo para o caso criar variveis bsicas auxiliares, quantas forem necessrias para que o nmero de equaes seja apenas um a menos o nmero de variveis. Essas variveis bsicas auxiliares devem ter um valor to prximo de zero que no alteram as condies de contorno do problema. O cuidado que devemos tomar ao acrescentar varives bsicas auxiliares que elas no formem circuitos com as variveis bsicas orginais. 7.6. IMPOSSIBILIDADE DE TRANSPORTE Pode ocorrer que determinado transporte de uma origem para um destino no possa ser realizado. Neste caso, colocamos como custo de transporte, naquela clula da tabela de custos, um smbolo M, que representa um nmero muito grande. Desta forma: Ao construir a soluo bsica inicial, evitamos esta clula, onde no possvel o transporte. Como o nmero M muito grande, ao calcular os coeficientes das variveis no bsicas o coeficiente desta clula nunca ser negativo, o que impede o aparecimento, na clula, de uma varivel bsica trazendo como consequncia a ausncia daquele transporte. 7.7. EXERCCIOS SOBRE PROBLEMAS DE TRANSPORTES
1) No quadro de transporte a seguir, a quarta linha mostra as necessidades no destinas e a quarta coluna as disponibilidades nas origens. Os outros dados representam custos unitrios de transporte das origens para os respectivos destinos. 10 12 16 50 15 25 14 40 20 18 24 60 40 100 10
Determinar o plano de transporte que minimiza o custo total das transferncias. Use o mtodo do canto noroeste para a soluo inicial. 2) Resolva o problema anterior, usando o mtodo de Vogel para o calculo da soluo inicial. 3) No quadro de transporte a seguir, a quarta linha mostra as necessidades no destinas e a quarta coluna as disponibilidades nas origens. Os outros dados representam custos unitrios de transporte das origens para os respectivos destinos. 10 12 16 100 15 25 14 50 20 18 24 60 100 80 20
Determinar o plano de transporte que minimiza o custo total das transferncias. Use o mtodo do canto noroeste para a soluo inicial. 4) Uma companhia tem trs instalaes industriais que podem produzir, cada uma delas, trs diferentes produtos P1, P2 e P3. Os custos em cada instalao variam de acordo com a tabela: Instalaes 1 2 3 Demanda dos produtos unidades/semana Custos Unitrios P1 P2 P3 8 4 10 9 6 10 12 10 11 1000 900 800 Capacidade em unidade/semana 800 1000 1200
Se o preo de venda de cada produto de 20, 25 e 30 respectivamente, qual o plano de produo que maxima o lucro? 5) Um comerciante compra ovos em trs granjas para revend-los em trs cidades distintas. Ele monta contratos de fornecimento com os granjeiros e compromete essa mercadoria
em contratos de fornecimento com supermercados das cidades, de modo que a produo alocada nas granjas tem destino certo nas cidades. As quantidades contratadas nas granjas (em cartelas de 30 ovos) e nas cidades e os custos e retornos dessa operao esto nas tabelas: G1 G2 G3 C1 C2 C3 Produo Contratada 170 150 200 Demanda Contratada 200 200 120 Preo de Compra 400 380 360 Preo de Venda 500 520 510
Os custos de distribuio das granjas para as cidades por cartela de ovos esto na tabela: G1 G2 G3 C1 10 12 15 C2 18 20 12 C3 16 14 15
a) Estabelecer um plano de distribuio com o menor custo possvel; b) Estabelecer um plano de distribuio com o maior lucro possvel; c) Estabelecer um plano de distribuio com a maior receita possvel.
37
8. PROBLEMAS DA DESIGNAO A designao um caso particular do modelo de transportes. aquele em que cada origem tem uma unidade disponvel e cada destino necessita tambm de uma unidade. o caso de escalar vendedores para regies de vendas, mquinas para diversos locais etc... Roteiro para resoluo de Problemas de Designao. 1) O nmero de linhas dever ser igual ao de colunas. Se no for acrescentar linhas ou colunas fantasmas, ou seja, seus valores devero ser igual a Zero. 2) Subtrair o menor elemento de cada linha pelos restantes da mesma linha. 3) Do quadro resultante subtrair o menor elemento de cada coluna pelos outros elementos desta mesma coluna. 4) Fazer o teste de otimidade. a) Traar um nmero mnimo de retas que cubra todos os zeros do quadro. b) As retas devem ser horizontais ou verticais c) Se o nmero de retas traadas for menor que o nmero de linhas ou colunas ento ir para o item 5, caso contrrio se o nmero de retas for igual ao nmero de linhas ou colunas ento a Soluo tima ir para item 6. 5) Tomar o menor elemento no coberto pelas retas traadas e subtrai-los dos demais elementos no cobertos pelas retas. Somar esse elemento aos que se encontram na interseco das retas. Todos os demais permanecem inalterados. Voltar ao item 4. 6) Para encontrar a designao tima substituir os zeros pelos valores dispostos no primeiro quadro. Informar o custo ou lucro total. O caso da Maximizao Caso a tabela de transferncia traga retornos que devem ser maximizados, o modelo dever ser substituido por outro de minimizao. Isso pode ser feito transformando o quadro num quadro de perdas (complamento em relao a um valor fixo), ou seja, devemos pegar o mair elemento do primeiro quadro e subtrair de todos os elementos criando um quadro de perdas. 8.1. EXERCCIOS SOBRE DESIGNICAO 6) Resolva o problema de designao: 1 2 3 4 Destinos 1 10 23 8 9 2 4 5 6 7 3 12 10 10 8 4 6 4 9 7
Origens
7) Resolva o problema de designao: 1 2 3 4 Destinos 1 6 8 10 9 2 4 3 6 5 3 7 9 12 6

Origens
38
8) Resolva o problema de designao, onde o smbolo X indica a impossibilidade da designao da origem para o destino correspondente: 1 2 3 Destinos 1 6 X 8 2 4 9 3 3 5 6 4 4 8 10 12
Origens
9) Quatro locais L1, L2, L3 e L4 necessitam de um equipamento. Existem quatro equipamentos disponveis, um em cada um dos depsitos D1, D2, D3 e D4. A quilometragem entre os locais necessitados e os depsitos esto no quadro: Local Depsitos L1 L2 L3 L4 D1 100 120 130 140 D2 80 70 120 90 D3 100 80 100 110 D4 90 90 120 80 Determine um programa de expedio de quilometragem mnima. 10) Resolva o problema anterior, supondo que no seja possvel expedir do armazm 1 p/ o local 3. 11) Uma fbrica possui quatro locais L1, L2, L3 e L4 para receber trs novos equipamentos (E1, E2 e E3). A operao desses equipamentos gera um fluxo de materiais cujo custo de manuseio depende do local da instalao, e esto no quadro a seguir: L1 L2 L3 L4 Destinos E1 10 4 8 6 E2 6 4 9 10 E3 5 7 8 9
Origens
12) Uma empresa deseja operar diretamente em quatro regies. Para isso, contratou e treinou quatro vendedores. A empresa tem conhecimento dos mercados dessas regies atravs de representantes. A partir dessas informaes, o departamento de R.H. montou um quadro de eficincia para os vendedores baseado no perfil profissional de cada um deles. O resultado e outras informaes relevantes esto nos quadros abaixo. Baseados nestas estimativas, designar os vendedores para as regies de modo a maximizar o retorno mensal total de vendas:
39
Regio 1 2 3 4
Vendas 100 150 120 250
Potencial de vendas mensais em milhares de u.m. :
Regio 1 2 3 4
1 60 70 80 60
Capacidade para cada vendedor em cada regio em %: Vendedor 2 3 4 80 70 65 60 80 60 40 60 70 90 95 85
40
9. PERT/CPM 9.1. HISTRICO O sistema PERT (Program Evaluation and Review Technique), que segunda a ABNT, foi o termo inicialmente empregado para caracterizar o tempo probabilstico como atributo de clculo. O sistema CPM (Critical Path Method), que segundo a ABNT, foi o termo inicialmente empregado por caracterizar o tempo determinstico como atributo de calculo. No havendo vantagagem prtica em consider-los como dois sistemas diferentes. Hoje em dia, tais sistemas se acham integrados sob a denominao PERT/CPM. 9.2. CONCEITO DE PERT/CPM Consiste em figurar o projeto numa rede ou grafo, onde se apresentam as aes de acordo com as respectivas relaes de correspondencia, de modo que o conjunto mostre a sequencia em que todas as atividades de empreendimento devam ser executadas. Isto traz grandes vantagens para o planejamento, a programao, a coordenao e o controle do projeto. Principais caractersticas do PERT/CPM 1) Abordagem de um projeto de um ponto de vista sistmico, j que: Fornece uma viso de totalidade do Projeto (devido a necessidade de relacionar todas as atividades envolvidas no Projeto) Ressalta as entradas (diretrizes e recusos), o processo (execuo as atividades) e as sadas (resultado final). Conduz a montagem de um esquema de feedback, que abastea e permita administrao decidir, em funo dos dados e informaes de diversos setores, sobre o andamento do projeto. 2) D enfase aos objetivos. 3) Visa otmizao da chamada Regra dos 5P (poltica, performance, prazo, preo e perigo). 4) uma ferramenta interdisciplinar e de comunicao (bastando analisar as prprias origens da tcnica). 5) Estabelece claramente as relaes entre clientes e fornecedores. Ob.: O modelo PERT/CPM, tal como a Pesquisa Operacional, no cria situaes, mas revela situaes, evitando ou minimizando os efeitos advindos de um ocorrncia no prevista ou acidental ao longo do projeto. Portando um ferramenta que ajuda a decidir, mas no a deciso.
Conceitos Bsicos
Nome Projeto
Atividade Evento Atributo
Representao Grfica Conjunto de aes e processos Rede, diagrama ou envolvendo recursos humanos, grafo materiais financeiros, etc.., organizados para a realizao de um objetivo, concretamente defindo a partir de uma situao conhecida. a identificao de uma etapa de Em flechas ou setas: um projeto que consome tempo e Nome ou cdigo da recursos. atividade. Incio ou trmino de uma ou mais Oval atividade (obs.: portanto no consome recurso) toda caracterstica quantitativa Nmero especfica de uma atividade, indicando qualquer dos recursos necessrios sua efetivao (exemplo: tempo, material, mode-obra)
Atividade A B
Conceito
Exemplo Lanamento de uma rede de abastecimento de guas.
Servio de escavao Incio (ou trmino) do servio de escavao 3 semanas para executar a escavao
Exemplo em Flechas:
Evento fim de B
Evento inicio da atividade A
Evento fim de A e incio de B
Exemplo de Rede de Flechas:

A B C D
A rede composta das atividades: A, B, C e D. 1 : Evento incio do projeto e evento incio das ativdades A, B e C
2
: Evento fim das atividades B e C, bem como evento inicio da atividade D.

42 Prof. Cristiano Agosti
: Evento fim das atividades A e D.
A rede de flechas, composta das atividades A, B, C e D, representa um projeto composto destas quatro atividades. Observamos que as atividades A, B e C podem ser iniciadas ao mesmo tempo, enquanto que A e D amarram o fim do projeto, ou seja, o projeto conclui-se com o trmino das atividade A e D. Calculo de Datas Uma vez estimados os valores das duraes das atividades, passamos ao clculo das datas ao longo do Projeto. Data Mais Cedo(DMC): a menor data em que o evento pode ocorrer, desde que as atividades anterirores se desenvolvam nas duraes previstas. Data Mais Tarde(DMT): a maior data em que o evento pode ocorrer, sem atrasar a concluso do empreendimento. Usurio que decide. Folga de Evento (FE): a disponibilidade de tempo medida pela diferena entre as Data Mais Tarde e Mais Cedo de um evento. FE = DMT DMC Evento Crtico(EC): aquele que apresenta a menor folga de evento. Atividade Crtica (AC): a atividade compreendida entre eventos crticos e correspondendo maior durao entre eles, limitada pelos valores de datas mais cedo de incio e fim. a atividade de menor folga em um projeto. (est sempre entre dois eventos crticos) Caminho Crtico (CC): todo caminho de maior durao em um projeto, compondo-se, embora no necessariamente, de um sequencia de atividade crticas. Concluses: a) Um projeto pode ter mais de um caminho crtico, podendo toda a rede, no caso limite, ser crtica. b) As folgas dos eventos das atividades fora do caminho crtico so sempre maiores do que as folgas dos eventos crticos. c) A folga dos eventos do caminho crtico constante e igual menor folga de evento da rede. d) Qualquer atraso em uma das atividades do caminho crtico (caso no haja folga nos eventos crticos) acaretar uma atraso no projeto. e) A data mais cedo do evento fim a soma das duraes das atividades do caminho crtico.
43
10. JOGO DE EMPRESAS O jogo tem como objetivo treinar universitrios, pessoas da rea administrativa e de vendas e empresrios na gesto de negcios. um jogo simples e rpido, mas mesmo assim completo no que diz respeito aos vrios aspectos que interferem na estratgia do dia-a-dia de uma organizao. O desempenho de cada jogador depende de suas decises, das decises tomadas por seus concorrentes e tambm de raciocnio rpido. De qualquer forma, quanto melhor o grupo, mais alto ser o nvel e mais difcil ser vencer. No existe uma frmula mgica para ganhar sempre. O objetivo final do jogo no somente proporcionar momentos de lazer aos participantes. tambm o de mostrar como funciona na prtica o mecanismo de uma empresa e trein-los a conviver neste ambiente que, se por um lado exato e lgico, por outro e subjetivo e estratgico, pois sempre surgiro fatores imprevisveis que abalam qualquer tipo de planejamento. Podem participar de 2 a 8 jogadores, cada um representando uma empresa. As empresas disputaro em um mercado comum a venda de seus produtos com o objetivo principal de obter o maior lucro. Mas alm do lucro outros fatores contam na pontuao para definir o vencedor. 10.1. OBJETIVOS DOS JOGADORES So (cinco) os objetivos dos jogadores: 1. Obter o maior volume de vendas em quantidade; 2. Maior lucro orado; 3. Melhor administrao do caixa, ou seja no deix-lo negativo: 4. Maior lucro real; 5. Melhor retorno do lucro sobre o capital inicial. 10.2. CRITRIO DE PONTUAO Para cada um dos 5 objetivos o jogo utiliza o seguinte critrio para pontuao: Colocao 1 2 3 4 10.3. DECISES ESTRATGICAS O jogo feito em uma seqncia de jogadas que envolve deciso, estratgia e, em alguns lances, raciocnio rpido. Cada jogada feita em uma tela e o tempo mdio para sua realizao de alguns minutos. Ao todo so 10 jogadas. Aps as 5 primeiras decisesde cada jogador apresentado um Resultado Parcial. Todos os jogadores trabalham no mesmo microcomputador, revezandose a cada 5 (cinco) jogadas. Em algumas delas conveniente no deixar os adversrios verem o que est sendo decidido.
Pontos a receber 5 3 2 1
Os valores apresentados no Jogo podem ser modificados para permitir uma variao nas estratgias adotadas. 10.4. SELEO DOS JOGADORES So apresentadas a foto de oito economistas e administradores. Os jogadores escolhem aquele que ser o seu representante no jogo. Devem ser escolhidos no mnimo 2 jogadores. A partir deste momento, sempre que a referida foto estiver na tela, cabe a ele tomar a deciso. Aps a escolha dos jogadores, inicia-se o jogo, e nesta tela, escolhe-se quem ser o primeiro a tomar as decises. Aps cada jogador ter feito suas jogadas, volta-se para a tela do capital, onde escolhido o segundo jogador a decidir. E assim se processa at o ltimo jogador. Aps as cinco primeiras decises apresentado um resultado parcial. A seguir, dentro do mesmo esquema! toma-se mais cinco decises que levam ao resultado final do jogo. As 10 (dez) decises a serem tomadas pelos jogadores so as seguintes: 10.5. VALOR DO CAPITAL Nesta primeira deciso o jogador define o Capital Inicial que o acionista ir investir em sua empresa. O jogo fornece e16 (dezesseis) opes de Capital Inicial, variando de 85.000,00 (oitenta e cinco mil) a 115.000,00 (cento e quinze mil). O Capital servir para pagar o imobilizado da empresa, que no jogo foi estipulado em 100.00000 (cem mil), mais o valor ser necessrio para financiar o estoque. Como todos os desembolsos so feitos apenas aps os recebimentos do capital e das receitas, o clculo utilizado para decidir o Capital inicial para uma empresa : CAPITAL = IMOBILIZADO + ESTOQUE FINAL LUCRO
-
Tanto o estoque final como o lucro no so totalmente conhecidos neste momento, e dependem da estratgia a ser adotada. 10.6. VALOR DA FOLHA DE PAGAMENTO Nesta deciso o jogador decide o valor a ser investido na Folha. Como sabemos, quem tem boa remunerao presta um bom servio. Por este motivo o valor a ser investido na Folha ir influenciar na qualidade de seu produto e conseqentemente nas vendas, nas perdas e no custo da mercadoria vendida da empresa que voc est administrando. O jogo oferece 3 opes para investir na Folha. A primeira, de 1.000,00 (um mil), a segunda de 2.000,00 (dois mil) e a ultima opo de 3.00000 (trs mil). Investindo 1.000,00 voc ter uma perda adicional de 3 (trs) peas de seu produto, 2.000.00 voc ter urna perda adicional de 1 (uma) pea e sua empresa ter um acrscimo de 10% (dez por cento) sobre as vendas. Decidindo por 3.000,00 voc no perde nenhuma pea e tem um aumento de 20% (vinte por cento) nas vendas de seu produto. Pea perdida deixa de ser faturada. Por outro lado, quanto maior o valor da Folha, maior ser o seu Custo da Mercadoria Vendida.
45
10.7. VALOR EM PUBLICIDADE Na deciso do gasto em Publicidade o jogo oferece 10 (dez) opes variando de O a 4.500,00 (quatro mil e quinhentos). O critrio utilizado pelo jogo na deciso de Publicidade o seguinte: para cada 100,00 (cem) investido em Publicidade voc vende 1 (uma) pea a mais. 10.9. PERCENTUAL DO LUCRO Nesta deciso voc define qual ser a percentagem do lucro sobre o Capital que voc deseja. O jogo oferece 8 (oito) opes de percentagem que variam de 1% a 12% ao ms. No jogo, o Lucro ir definir o Preo de Venda do seu produto. Para definir o Lucro voc deve basear-se em uma srie de fatores. No Brasil, por exemplo paga-se hoje para qualquer tipo de investimento, taxas de juros altas em relao ao resto de outros pases, no s para atrair capital externo e equilibrar nossa balana de pagamentos, mas tambm para restringir o consumo evitando assim a volta da inflao (estamos em julho 98). A taxa atual de 20% ao ano, ou seja 1,66% ao ms, no considerando juros compostos. Voc deve basear-se tambm em outros indicadores de mercado. A poupana, por exemplo, rende em torno de 1,2% ao ms, um CDB chega a 3 %, a Bolsa 4%, o agiota ganha de 6% a 10%, as lojas cobram 6%, um imvel (risco baixo) 1%. Por outro lado no exterior uma taxa de 8% AO ANO considerada alta. Claro que o seu lucro no pode fugir muito destes patamares. A sua deciso est relacionada aos demais participantes. E ela que determinar o preo de venda e conseqentemente influir na quantidade vendida. Assim se voc for muito ambicioso (lucro alto) poder ter uma decepo nas vendas, da mesma forma que se for conservador (lucro baixo) dificilmente ganhar o jogo pois o lucro interfere em 3 critrios de pontuao. E como umjogo de poker ou, se formos mais longe, a realidade da maioria dos mercados, onde preciso ser perspicaz e adivinhar a deciso dos concorrentes, definindo assim o melhor ndice no s quanto ao lucro mas tambm na deciso seguinte que trata da quantidade prevista. 10.10.QUANTIDADE PREVISTA DE VENDA Nesta deciso o Jogo oferece 16 (dezesseis) Previso de Vendas do seu produto. Para tomar esta deciso o jogador necessita um pouco de feeling, pois no no sabe qual o preo de seus concorrentes (outros jogadores) e o preo um dos fatores que mais influi na quantidade vendida. No jogo, para cada percentual que seu Preo for menor que o maior Preo de mercado voc vender 2 (duas) peas a mais. Influem ainda na quantidade vendida os gastos com Publicidade, com a Folha de Pagamento h que se considerar que, pelo simples fato de existir, cada empresa j vende uma quantidade mnima de vente peas. 10.11. RESULTADO PARCIAL Aps essa deciso, apresentado o Resultado Parcial, j com a quantidade vendida e lucro orado de cada empresa. Com base nesses dois critrios, apresentada a classificao das empresas at o momento.
10.12. REDUO DOS GASTOS GERAIS DE FABRICAO Nesta parte do jogo, repete-se o processo ocorrido no inicio do Jogo, ou seja, seleciona-se quem o prximo a jogar. Na deciso voc necessita de raciocnio rpido para analisar quais das 5 (cinco) frmulas apresentadas pelo Jogo so as 3 (trs) que resultam no valor mais alto. soma destas 3 ser a Reduo nos Gastos Gerais de Fabricao de sua empresa, mas o tempo para essa deciso limitado. Portanto, pense rpido. Quanto maior for o seu resultado maior ser a economia de sua empresa. Originalmente. o GGF de 2.000, sendo que a reduo, em casos especiais, pode at suprimir totalmente essa despesa. 10.13. PREOS DE MATRIA-PRIMA O Jogo oferece 5 (cinco) opes de valores de matria-prima que variam de 103,00 a 115,00. Nesta deciso voc faz a funo de um representante do fornecedor de matrias-primas, oferecendo um preo aos seus concorrentes. No deixe o seu concorrente (outro jogador) ver esta sua deciso porque automaticamente cada empresa comprar pelo menor preo ofertado. Ao vender matria-prima, sua empresa ganha uma comisso equivalente quantidade de peas compradas pelo seu cliente, multiplicada pelo valor ofertado menos 100, que o preo minimo estipulado. Cada empresa compra uma quantidade de Matria-Prima igual de Produtos Acabados Vendidos. Lembre-se que voc est fazendo o papel de representante, logo esta oferta independente do material que voc est comprando. 10.14. POLTICA DE COMPRAS O Jogo oferece 3 (trs) opes para decidir. Voc pode adotar uma Poltica de Compras para 1 ms, 2 meses ou 3 meses. Praticando uma poltica de compras com grandes quantidades ganha-se descontos com o fornecedor, porm, no trmino do Jogo sua empresa precisa financiar o saldo em estoque. Por outro lado, se adotar uma Poltica de Compras Just-in-Time, ou seja, comprar para um ms, deixa de receber descontos de seu fornecedor, no precisando de capital para financiar o estoque. O Jogo fornece descontos dependendo da opo decidida. Veja tabela a seguir: Poltica de compras 1 ms 2 meses 3 meses 10.15. CONTROLE DE QUALIDADE Nesta etapa do Jogo voc estar envolvido com a qualidade do seu produto. O Jogo apresenta na tela 30 icones que esto representando o seu produto. Voc deve identificar o mais rpido possvel qual aquele que apresenta um defeito.
Desconto oferecido 0 10% 20%
multiplica-se o total pelo preo do seu produto:
O Jogo oferece is segundos para achar o produto com defeito. Cada segundo equivalie a uma pea perdida. A esta quantidade somado um adicional, adicional este que depende do valor decidido na Folha. Pea perdida no faturada, pois a quantidade produzida foi baseada nas vendas. Exemplificando, se o preo de venda de seu produto for 600,00 reais, e sua deciso na Folha foi de 2.000.00 e voc levou 5 segundos para achar o produto com defeito, o resultado ser o seguinte: por voc ter investido 2.000,00 na Folha adiciona-se 1 produto nas perdas e Perda pela Folha: 1 Perda pelo Tempo: 5 Preo do Produto: 600,00
Perda no Faturamento = (1 + 5) x 600,00 = 3.600,00 Caso voc tivesse decidido 3.000,00 na Folha de Pagamento no haveria perda adicional e se a deciso fosse 1.000,00 na Folha haveria uma perda adicional de 3 produtos. 10.16. ABATIMENTO Esta a ultima deciso do Jogo. Nela voc define o abatimento a ser concedido ao seu cliente. Ele sempre reclama de alguma coisa e exije um abatimento para quitar a duplicata. O tempo disponvel para a discusso aleatrio, variando de 7 a 45 segundos. Conforme o tempo evolue, o cliente cede no abatimento que comea em 15% e pode chegar at 0%. Caso o tempo se esgote e a negociao no foi fechada, o desconto passa a ser o inicial, ou seja, 15%. Aps esta deciso apresentado o resultado final com todos os valores envolvidos no jogo, e a pontuao que define a classificao geral das empresas. 10.17. REGRAS DE CALCULO As regras de clculo utilizadas no jogo so as seguintes: PREO DE VENDA (PV) PV = Custo Unitrio de Fabricao + (Desp. Administrativas / Previso de Vendas) + (Publicidade / Previso de Vendas) + Imposto sob Preo de Venda + (Lucro Desejado/Previso de Vendas) Exemplo:
Descrio Folha Previso de vendas Lucro Capital Publicidade Matria Prima (MP)
Valor 2000 100 5% 105.000 2000 100

48
Origem Deciso do jogador Deciso do jogador Deciso do jogador Deciso do jogador Deciso do jogador Valor Fixo pelo Jogo*
Gastos Gerais de fabricao Imposto Desp. Administrativas
2000 Valor Fixo pelo Jogo* 0,18 Valor Fixo pelo Jogo* 10.000 Valor Fixo pelo Jogo*
* Os valores fixados pelo jogo podero ser alterados utilizando a parametrizao Primeiramente, calcula-se o Custo Unitrio de Fabricao e o Lucro Desejado:
Custo Unitrio de Fabricao: Matria Prima + (Folha/Previso de Vendas) + (Gastos Gerais de Fabricao/Previso de Vendas)
Custo Unitrio de Fabricao:100 + (2.000/100) + (2.000/100) = 140 Lucro Desejado: (LUCRO /100) x Capital Lucro Desejado: (5 / 100) x 105.000 = 5.250 Agora que j possumos os valores do Custo Unitrio de Fabricao e o Lucro Desejado, iremos calcular o Preo de Venda do produto: Preo de Venda = Custo Unitrio de Fabricao + (Desp. Administrativas/Previso de Vendas) + (Publicidade/Previso de Vendas) + Imposto x Preo de Venda + (Lucro Desejado/Previsode Vendas)
PV 140 + (10.000/100) + (2.000/100) + (0,18.x PV) + (5.250/100) PV = 140 + 100 + 20 + (0,18 PV) + 52,50 PV -(0,18 PV) = 312,50 0.82 PV = 312,50
PV = 312,50 / 0,82 PV = 38109
QUANTIDADE PELO PREO (QP): a quantidade de peas vendidas em funo do preo mais alto em relao ao preo mais baixo. Quantidade pelo Preo = (((Preo Mais Alto/Preo de Venda)-1) x 100) x 2 Quantidade pelo Preo = ((635/381)-1) x 200 = 133 QUANTIDADE TOTAL VENDIDA
a quantidade de peas vendidas por sua empresa. Quantidade Vendida = (Quantidade Mnima + (Publicidade / Peas por Anncio) + Quantidade pelo Preo) x Acrscimo pela Folha
Exemplo: Descrio Quantidade Mnima Publicidade Peas por Anncio Preo mais Alto Preo de Venda Quantidade que cada % de preo vende Folha Menor valor da Folha Valor da Folha para a % Que a Qualidade vende Porcentagem que a Qualidade vende Valor 20 2000 100 635,00 381,00 2 Origem Valor Fixo pelo jogo* Deciso do jogador Valor Fixo pelo jogo* Calculado pelo jogo Calculado pelo jogo Valor Fixo pelo jogo*
2000 Deciso do jogador 1000 Valor Fixo pelo jogo* 1000 Valor Fixo pelo jogo* 10 Valor Fixo pelo jogo*
* Os valores fixados pelo jogo podero ser alterados utilizando a parametrizao ** Pelo simples fato de sua empresa existir ela vende 20 peas Quantidade Vendida = (Quantidade Minima + (Publicidade/Peas po Anncio) + Quantidade pelo Preo) x (1+(FOLHA-Menor Valor da Folha)/ (Valor da Folha para a % que a qualidade vende x Porcentagem que a Qualidade Vende))
Quantidade Vendida =
(20 +(2.000 / 100)) + 133) x (1+ (2.000- 1.000)/(1.000 x 10)) = (20 + 20 + 133) x 1,1 = 190
FATURAMENTO O Faturamento de uma empresa a Quantidade Vendida multiplicada pelo Preo de Venda. Faturamento = Quantidade Vendida x Preo de Venda Valor Origem Quantidade Vendida 1901 Calculado pelo Jogo Preo de Venda 381 Calculado pelo Jogo
Exemplo:
Faturamento = 190 x 381 = 72390 CUSTO DA MERCADORIA VENDIDA (CMV) Custo da Mercadoria Vendida = Folha + Gastos Gerais de Fabricao + (Preo Unitrio da Matria Prima x Quantidade Vendida) Descrio Valor Origem Folha 2000 Deciso do jogador Gastos Gerais de Fabricao 2000 Valor fixo pelo jogo Matria Prima 100 Valor fixo pelo jogo Qtde. Vendida 190 Calculado pelo jogo
Custo da Mercadoria Vendida = 2.000+2.000+(100 x 190) = 23.000 LUCRO ORADO Lucro Orado = Faturamento - Custo da Mercadoria Vendida Despesas Administrativas - Despesas de Vendas - Publicidade
Para calcularmos o valor do Lucro Orado, primeiramente necessitamos do valor das Despesas de Vendas: Despesas de Vendas = Imposto x Faturamento Exemplicando, Descrio Imposto Qtde. Vendida Preo de venda Valor 0,18 190 381 Origem Valor fixo pelo jogo Calculado pelo jogo Calculado pelo jogo
Despesas de Vendas = 018 x (190 x 381) = 13.030 Agora calcularemos o Lucro Orado, Descrio Faturamento Custo da Mercadoria vendida Despesas Adm. Despesas de Vendas Publicidade
-
Valor 72390 23000 10000 13030 2000

-
Origem Calculado pelo jogo Calculado pelo jogo Valor fixo pelo jogo Calculado pelo jogo Deciso do jogador
Lucro Orado = Faturamento Custo da Mercadoria Vendida

-
Despesas Administrativas Despesas de Vendas Publicidade

-
51
Lucro Orado = 72.390-23.000--10000-13.030-2.000 = 24.360
COMISSO Comisso baseada na deciso de venda da Matria-Prima, onde voc faz o papel de um representante de um fornecedor e, dependendo da melhor oferta de preo, voc pode ou no vender matria-prima aos outros jogadores. Comisso = Quantidade Vendida pelo seu cliente x (Oferta - Valor da Matria-Prima) Exemplo: Descrio Qtde. Vendida pelo cliente Oferta Matria-prima Valor Origem 44 Calculado pelo jogo 115 Deciso do jogador 100 Valor fixo pelo jogo
Comisso = Quantidade Vendida pelo seu cliente x (Oferta - Valor da Matria-Prima) Comisso = 44 x (115- 100) = 660 Quando um jogador vende para mais que um cliente, receber a soma das comisses, exemplo: Quem ofereceu Jogador 1 Jogador 1 Jogador 2 Jogador 2 Jogador 3 Jogador 3 Para quem ofereceu Jogador 2 Jogador 3 Jogador 1 Jogador 3 Jogador 1 Jogador 2 Por quanto ofereceu 106 106 109 109 103 103
Visualizando a tabela conclumos que o jogador 3 receber a comisso referente somatria das vendas de matria-prima para os jogadores 1 e 2, pois ofereceu para ambos o preo mais baixo. LUCRO REAL Para calcular o Lucro Real de sua empresa so necessrias 3 (tres) informaes: 1.Quantidade Real de Peas Produzidas (deduzidas as perdas); 2.Valor do Faturamento; 3.Valor do Custo Real de Fabricao. O clculo utilizado para o Lucro Real o seguinte: Descrio Valor Origem Comisso 660 Calculado pelo jogo Despesas Administrativas 10.000 Valor Fixo pelo jogo Publicidade 2.000 Deciso do Jogador Imposto (Desp. com Vendas) 18% Valor Fixo pelo jogo
Abatimento no Recebimento 15 Deciso do jogador Preo de Venda 381 Calculado pelo jogo Quantidade Vendida 190 Calculado pelo jogo Preo de compra 103 Deciso do outro jogador Folha 2.000 Deciso do jogo Gastos Gerais de Fabricaao 2.000 Valor Fixo pelo jogo Reduo dos Gastos 900 Deciso do jogador Perdas 16 Deciso do jogador Poltica de compras, logo 2 Deciso do jogador Desconto pata as Compras 10 Calculado pelo jogo Lucro Real = (Faturamento+Comisso)- Custo da Mercadora Vendida - Despesa de Vendas Publicidade - Despesa Administrativa Os clculos para cada uni dos valores anteriores so os seguintes: 1. Quantidade Real entregue Quantidade Real Entregue = Quantidade Quantidade Real Entregue =190-16 174 2. Valor do Faturamento Faturamento = Quantidade Entregue x Preo de venda Faturamento = 174 x 381 = 66.294 3.Valor do Custo Real de Fabricao Custo Real de Fabricao = Preo de Compra x ((100 Desconto para as Compras)/ 100) x Quantidade Produzida + Folha + (Gastos Gerais de Fabricao - Reduo dos Gastos) Custo Real de Fabricao = 103 x ((100 - 0) = 20.713. Agora que j possumos o valor da Quantidade Real de Fabricao, vamos calcular o Lucro Real: Lucro Real = Faturamento + Comisso - Custo Real de fabricao Despesas Administrativas - Publicidade - ((Imposto / 100) x Faturamento) - (Faturamento x(Abatimento sobre recebimento)/100)) Lucro Real = (66.294 + 660 ) - 20.713 - 10.000 - 2.000 - 100) x 66.294)- ((15 / 100) x 66.294) = 34.241 11.932,92 9.944,10 = 12.363,98. Veja entao que o lucro caiu de 24.360,00, que foi o para 12.363,98 que o real. Retorno sobre o capital (se lucro negativo, retomo = O): Para calcular o retorno sobre o capital no Jogo basta aplicar o seguinte clculo:
Retorno s/ Capital = (Lucro Real / Capital) x 100 Exemplo: Retorno s/ Capital = (12.36398 / 105.000) x 100 = 11.77% ADMINISTRAO DO CAIXA Finalmente, iremos calcular o Caixa, lembrando que um dos objetivos para vencer o Jogo no deix-lo negativo. Primeiramente iremos calcular o Estoque Final em valor: (Quantidade Comprada - Consumo) x (Preo de Compra - Desconto sobre as Compras) Consumo = Quantidade Vendida, pois cada PA leva uma MP, ou seja, 190. Quantidade Comprada = 2 x 190 = 380 Preo de Compra com Desconto = 103 x ((100 - 10)/100) = 92,70 Saldo Final em Estoque (380- 190) x 92,70 = 17.613.00 Saldo do Caixa: (Capital + Lucro Real) - (Imobilizado + Estoque) Exemplo: (105.000,00 + 12.363,98) -(100.000,00 + 17.613,00) = -249,02 249,02. perda de pontos depende do valor do caixa negativo. Valor < - 10000 < - 5000 < - 3000 <0 10.18. PARAMETRIZAO Parametrizao foi projetada para permitir alterao dos valores do jogo, seja para aproxim-los de alguma situao especifica, seja para mudar as regras caso algumas estratgias fiquem viciadas. Dependendo dos novos valores atribudos, a conseqncia decada Jogada pode mudar totalmente.
Pontos -5 -3 -2 -1
11. GRFICO DE GANTT 11.1. CONCEITO E um instrumento para a visualizao de um programa de produo, auxiliando na anlise de diferentes alternativas de sequenciamento deste programa. 11.2. FUNO So utilizados para selecionar, a partir de informaes sobre os lotes e estado do sistema produtivo, qual dos lotes ter prioridade no processamento e/ou carregamento. 11.3. COMO FAZER O GRFICO DE GANTT Eixo vertical: representa ordens de programao ou recursos. Eixo horizontal: representa o tempo (min, horas, dia, meses). Informaes: representa quanto tempo o recurso ser utilizado nesta determinada operao. Smbolos: respresentam os diferentes objetos analisados. Softwares: Ms-project, Preactor, System Modeling.
11.4. REGRAS DE SEQUENCIAMENTO Lotes = atividades = 1) PEPS: primeiro que entra o primeiro que sai, FIFO. Pe.: os lotes sero processados de acordo com sua chegada ao recurso. 2) MTP: menor tempo de processamento. Os lotes sero processados de acordo com os menores tempos de processamento no recurso. 3) MDE: menor data de entrega. Os lotes sero processados de acordo com as menores datas de entrega. 4) IPI: ndice de prioridade. Os lotes sero processados de acordo com o valor de prioridade atribuida ao cliente ou ao produto. 5) ICR: ndice crtico. Os lotes sero processados de acordo com o menor valor de: data de entrega/ tempo de processamento. 6) IFO: ndice de folga. Os lotes sero processados de acordo com o menor valor de: data de entrega - tempo de processamento. 11.5. CARACTERSTICAS PARA O USURIO Simplicidade, Transparncia, Interatividade, Gerar prioridades palpveis, Facilitar o processo de avaliao.
55
11.6. COMO CALCULAR Lead Time: o tempo total. A soma dos tempos at o trmino das operaes. Atraso Total: tempo que realmente levou para o trmino da operao, menos o tempo que deveria ser levado para o trmino da operao Tempo de espera: tempo que o lote ficou esperando para ser processado no recurso seguinte, pois havia um outro lote sendo processado. Ociosidade: tempo que uma ou mais mquinas ficam paradas esperando o lote ser processado. Como conveno no se considera a primeira operao. 11.7. EXERCCIO SOBRE GRFICO DE GANTT 1) Um processo produtivo deve ter a seguinte seqncia de produAo: Setor A, Setor B e Setor C. Os produtos e os respectivos tempos de produo que levam em cada setor esto especificados abaixo. Pede-se: a) Construa uni grfico de Gantt. b) Calcule o Lead time total, ociosidade total, tempo de espera e o atraso para cada Opo. c) Qual a seqncia de produo que minimiza o Lead time total, ociosidade total, tempo de espera e o atraso. Tempo de processo (horas) Setor A Setor B Setor C 2 5 10 4 2 8 Fonte: Depto Produo
P1 P2
2) Uma empresa necessita produzir 3 produtos: P1, P2 e P3, que utilizam as mquinas 1, 2, 3 e 4 por tempos determinados na tabela abaixo. Pede-se: a) Construa um grfico de Gantt. b) Calcule o Lead time total, ociosidade total, tempo de espera e o atraso para cada opo. c) Qual a seqncia de produo que minimiza o lead time total, ociosidade total, tempo de espera e o atraso. Tempo de processamento (horas) Mq. 1 Mq. 2 Mq. 3 Mq. 4 2 8 2 1 4 3 1 1 8 -1 1 Fonte : Depto Produo
P1 P2 P3
3) Suponha que a empresa do exemplo anterior compre mais uma mquina 1. Pede-se: a) Construa a nova tabela de processamento. b) Construa um grfico de Gantt.
c) Calcule o lead time total, ociosidade total, tempo de espera e o atraso para cada opo. d) Qual a seqncia de produo que minimiza o lead time total, ociosidade total, tempo de espera e o atraso. 4) Trs ordens de produo precisam ser processadas na mquina A e embaladas na mquina B. Os tempos de processamento (incluindo set-up), as datas em que os produtos devem ser entregues (em n de horas a partir da programao) e as prioridades atribuidas a cada ordem (pela importncia do cliente) so apresentados na tabela abaixo. Pede-se a) Qual a seqncia das ordens de produo pelas regras PEPS, MTP, MDE, IPI, ICR e IFO. b) Faa um grfico de Gantt para representar as seqncias de produo de cada regra. c) Calcule para cada regra o lead time total, ociosidade total, tempo de espera e o atraso. d) Qual regra voc utilizaria, supondo que o custo/hora do Lead Time, ociosidade, tempo de espera e atraso seja o mesmo e igual a $1,00? Ordens OP 1 OP 2 OP 3 Dados de Produo Mq A (h) Mq B (h) Entrega (h) Prioridade 4 4 13 3 7 5 12 2 3 8 17 1 Fonte: Depto produo
5) Cinco ordens de fabricao precisam ser estampadas na mquina A e em seguida, usinadas na mquina B. Os tempos de processamento (incluindo os set-up), as datas de entrega (em n de horas a partir da programao) e as prioridades atribuidas a cada ordem so apresentadas na tabela abaixo. Pede-se: a) Qual a seqncia das ordens de produo pelas regras: PEPS, MTP, MDE, IPI, ICR. E IFO. b) Faa um grfico de Gantt para representar as seqncias de produo de cada regra. c) Calcule para cada regra o lead time total, ociosidade total, tempo de espera e o atraso. d) Qual regra voc utilizaria, supondo que o custo/hora do lead time , ociosidade, tempo de espera e atraso seja o mesmo e igual a $1,00? Ordens OF 1 OF 2 OF 3 OF 4 OF 5 Mq A (h) 5 8 4 2 4 Dados de Produo Mq B (h) Entrega (h) Prioridade 5 15 4 6 20 1 5 13 3 4 10 2 3 9 5 Fonte: Empresa X
6) Quatro ordens de produo precisam ser processadas na mquina A e embaladas na mquina B. Os tempos de processamento (incluindo set-up), as datas em que os produtos devem ser entregues (em n de horas a partir da programao) e as prioridades atribuidas a cada ordem (pela importncia do cliente) so apresentados na tabela abaixo. Pede-se:
a) b) c) d)
Qual a seqncia das ordens de produo pelas regras: MTP, MDE, IPI e IFO. Faa um grfico de Gantt para representar as seqncias de produo de cada regra. Calcule para cada regra o lead time total, ociosidade total, tempo de espera e o atraso. Qual regra voc utilizaria? Ordens OP 1 OP 2 OP 3 OP 4 Dados de Produo Mq A (h) Mq B (h) Entrega (h) Prioridade 5 8 15 1 12 -13 2 2 8 14 4 9 2 11 3 Fonte: Depto. produo
7) Trs ordens de produo precisam ser processadas na mquina A e embaladas na mquina B. Os tempos de processamento (incluindo set-up), e as datas em que os produtos devem ser entregues (em n0 de horas a partir da programao) so apresentados na tabela abaixo. Pede-se: a) Qual a seqncia das ordens de produo pelas regras : MTP, MTP e IFO. b) Faa um grfico de Gantt para representar as seqncias de produo de cada regra. c) Calcule para cada regra o lead time total, ociosidade total, tempo de espera e o atraso. Qual regra voc utilizaria? Ordens OP 1 OP 2 OP 3 Dados de Produo Mq A (h) Mq B (h) Entrega (h) 5 3 18 7 9 16 6 8 15 Fonte: Depto. produo
58
12. SIMULAO O objetivo deste captulo apresentar conceitos bsicos de simulao. O termo simular encontra inmeras aplicaes na vida prtica. Na engenharia ele tem sido usado para designar as situaes nas quais se tenta compreender as caractersticas de um sistema pelo conhecimento de outro que lhe similar. A definio geralmente aceita : Simulao a tcnica de soluo de um problema pela anlise de um modelo que descreve o comportamento do sistema usando um computador digita. O termo simulao de sistemas utilizado em diversos ramos da engenharia para aplicaes bastante diferentes. O termo sistemas tem sido usado em tantas situaes que uma definio suficientemente ampla e, ao mesmo tempo, concisa de modo que continue til. Fugindo, ento, desta polmica sistema pode ser considerado como "uma agregao de objetos que alguma interao ou interdependencia. O termo modelo aqui empregado para significar a representao de um sistema. O que leva as pessoas a optarem pelo uso da simulao em situaoes nas quais outras tcnicas, tais como - Programao Linear ou Estatstica, poderiam tambm ser utilizadas? comum encontrar como resposta a esta afirmativa de que a tcnica mais adequada. Por se tratar de uma tcnica que, uma vez dominada, pode ser facilmente aplicada, tambm possvel encontrar respostas do tipo a nica tcnica que domino, uma clara demonstrao de grande confiana no poderio da simulao. Por outro lado, uma vez identificado um cenrio que necessita ser dimensionado (ou redimensionado), o que nos leva a usar a simulao? A resposta: a) Inviabilidade da interferncia com o sistema real. Trata-se daquela situao em que tentar alterar o sistema existente, sem ter uma certeza de que a alterao vai dar certo, pode significar um alto risco de prejuzo. Por exemplo, podemos citar o caso de alterar o Layout de uma fbrica ou o fluxo do trnsito de uma cidade. b) O sistema em estudo no existe, como por exemplo, quando se estuda a construo de uma nova fbrica. 11.1. METODOLOGIA PARA A SIMULAO DE SISTEMAS De uma maneira sucinta podemos dizer que a metodolo9ia mais empregada para o estudo de sistemas constituda das seguintes etapas: ETAPA 1: Construo do modelo da situao atual: Nesta etapa tentamos reproduzir em um modelo computaciona situaes existentes no sistema atual. Trata-se de construir um modelo, fornecer alguns dados e obter outros que sejam identicos ao sistema atual uso da em estudo: o modelo construdo deve reproduzir fielmente o sistema que est sendo estudado. o objetivo ter uma base-de-partida fiel para a etapa seguinte. ETAPA 2: Incluso de alteraes no modelo da situao atual para refletir a situao futura desejada: Nesta etapa efetuamos alteraes no modelo da etapa 1. Por exemplo, podemos estar estudando uma minerao na qual devemos aumentar a produo. Aqui, iremos colocar em funcionamento algumas novas maquinas de escavao e verificar qual ser a necessidade de outros equipamentos.
BIBLIOGRAFIA ERLICH, Pierre Jacques. Pesquisa Operacional: Curso Introdutrio. 7a edio. Atlas. So Paulo. 1991. SILVA, Ermes Medeiros. Pesquisa Operacional para os cursos de: Economia, Administrao e Cincias Contbeis. SUAN, James & Stevens. Pesquisa Operacional: Uma abordagem bsica. So Paulo. 1979. HILLIER, Frederick S. e LIEBERMAN, Gerald J. Introduo Pesquisa Operacional. 3a edio. Editora Campus Ltda. So Paulo, 1988. CUKIERMAN, Zigmundo Salomo. O Modelo PERT/CPM Aplicado a Projetos. 5a edio. Qualitymark Editora. Rio de Janeiro, 1993. SHAMBLIN, J.E., Pesquisa Operacional, uma Abordagem Bsica. Editora Atlas. So Paulo. PRADO, Darci, Programao Linear. Editora DG PRADO, Darci, Teoria das Filas e da Simulao. Editora DG PRADO, Darci, Usando o Arena em Simulao. Editora DG TORTELLO, Joo. Microsoft Project 98 Passo a Passo. Editora Makron Books

Apostila PO

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Apostila PO

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSIDADE DO OESTE DE SANTA CATARINA UNOESC CAMPUS DE XANXER DISCIPLINA: PESQUISA OPERACIONAL PROF.

APOSTILA DE PESQUISA OPERACIONAL

Xanxer /SC - Agosto de 2003.

% de Trabalhos 21 19 11,5 9 8 8 6,5 5 4 2,5 2 3,5 % de Trabalhos 26 14 14 11 9 6 4,5 4 3 3 2 2

Prof. Cristiano Agosti

Maq. CDE 2 5 100

Prof. Cristiano Agosti

Cobre Zinco Chumbo Preo Unit. De venda Resposta:

Prof. Cristiano Agosti

Aps clicar no boto solver a seguinte tela ir aparecer:

Prof. Cristiano Agosti

Original Value Final Value 1900 5142,857143

Original Value Final Value 200 642,8571429 200 428,5714286

Cell Value 60 15000 642,8571429 642,8571429 428,5714286

Formula $H$4<=$C$9 $G$4<=$C$7 $E$2<=$C$8 $E$2>=0 $E$3>=0

Status Binding Binding Not Binding Not Binding Not Binding

Slack 0 0 157,1428571 642,8571429 428,5714286

Prof. Cristiano Agosti

Value 642,8571429 428,5714286

Lower Target Limit Result 0 1928,571429 0 3214,285714

Upper Target Limit Result 642,8571429 5142,857143 428,5714286 5142,857143

Prof. Cristiano Agosti

Prof. Cristiano Agosti

Esta situao podemos representar pelo quadro abaixo:

Prof. Cristiano Agosti

7) Resolva o problema de designao: 1 2 3 4 Destinos 1 6 8 10 9 2 4 3 6 5 3 7 9 12 6

Prof. Cristiano Agosti

Prof. Cristiano Agosti

Vendas 100 150 120 250

Potencial de vendas mensais em milhares de u.m. :

Capacidade para cada vendedor em cada regio em %: Vendedor 2 3 4 80 70 65 60 80 60 40 60 70 90 95 85

Prof. Cristiano Agosti

Atividade Evento Atributo

Exemplo Lanamento de uma rede de abastecimento de guas.

Evento inicio da atividade A

Evento fim de A e incio de B

Exemplo de Rede de Flechas:

: Evento fim das atividades B e C, bem como evento inicio da atividade D.

: Evento fim das atividades A e D.

Prof. Cristiano Agosti

Prof. Cristiano Agosti

Desconto oferecido 0 10% 20%

multiplica-se o total pelo preo do seu produto:

Valor 2000 100 5% 105.000 2000 100

Gastos Gerais de fabricao Imposto Desp. Administrativas

PV = 312,50 / 0,82 PV = 38109

Valor 72390 23000 10000 13030 2000

Lucro Orado = Faturamento Custo da Mercadoria Vendida

Despesas Administrativas Despesas de Vendas Publicidade

Prof. Cristiano Agosti

Lucro Orado = 72.390-23.000--10000-13.030-2.000 = 24.360

Prof. Cristiano Agosti

Prof. Cristiano Agosti

S-ar putea să vă placă și