Está en la página 1de 19

i i

Objetivos
1 Introduzir elementos básicos da modelagem ma-
temática
2 Modelar problemas gerenciais matematicamente

i i
i i

Pesquisa Operacional I | 1 Modelagem

O PROCESSO DE MODELAGEM 5.1

A modelagem matemática consiste na tentativa de se des-


crever matematicamente o comportamento de um determinado
fenômeno. Para que um modelo represente fielmente uma dada
realidade, ou fragmento desta, os seus dados necessitam ser con-
sistentes e o seu resultado coerente com o objetivo ao qual se
pretende atingir.
As técnicas de otimização podem se apresentar fortemente
fundamentadas pelas ferramentas de apoio a decisão e é nesse
cenário que gestores otimizam seus objetivos através dos recur-
sos oferecidos pelas técnicas de modelagem e de simulação. A
intuição se faz presente em todas as etapas da tomada de de-
cisão, desde a formulação do problema em seu contexto até a
tomada de decisão propriamente dita, o que pode sinalizar sua
relevância no processo em função da sua capacidade de sinteti-
zar a situação através da leitura do todo, enquanto a lógica e a
razão dos modelos matemáticos realizam essa análise de forma
fragmentada.
A etapa de formulação do problema e construção do mo-
delo matemático consiste na representação de um determinado
problema real em forma de equações e inequações matemáticas.
Esta representação contém alguns elementos fundamentais e que
sempre estarão presentes em todos os problemas. Estes elemen-
tos são:

i. As constantes do modelo, que são chamadas de parâmetros.


Exemplos de parâmetros são os custos e receitas de itens
envolvidos no problema, as disponibilidades máximas e/ou
necessidades mı́nimas de cada recurso, dentre outros. Es-
tes dados são obtidos na fase de coleta de dados.

ii. As variáveis de decisão do problema. Estas correspon-


dem ao conjunto de n decisões quantificáveis que são re-
presentadas em formas de variáveis de decisão, a saber
x1 , x2 , . . . , xn , cujos respectivos valores devem ser deter-
minados.

iii. A medida de desempenho apropriada para o problema, o


qual denominamos função objetivo. Esta pode ser oti-
mizada no sentido de sua maximização (por exemplo, au-
mentar o lucro) ou minimização (por exemplo, diminuir

48 C E D E R J

i i
i i

5 1 MÓDULO 1
custo) do problema.

iv. As restrições do problema. As expressões matemáticas


para representar as limitações em recursos são denomina-
das restrições do problema. As restrições são escritas em

AULA
função das variáveis de decisão.

A partir do modelo matemático definido com os elementos


acima, o problema passa a ser escolher adequadamente os valo-
res das variáveis de decisão de forma a maximizar (ou minimi-
zar) a função objetivo e obedecer a todas as restrições estabele-
cidas.
Um modelo matemático contendo os elementos acima, e pe-
quenas variações deles, tipifica os modelos usados na Pesquisa
Operacional. No contexto desta disciplina, nosso foco é mo-
delar matematicamente os problemas e resolvê-los. Todos os
modelos desenvolvidos envolverão somente funções lineares e
por esse motivo, denominaremos daqui em diante, os problemas
como problemas de programação linear (PPL).

Definição 5.1 (Mapa ou Função Linear). blablabla

Uma função F : Rn → R é dita linear se para quaisquer dois


vetores x, y ∈ Rn possui as seguintes propriedades:

• F(x + y) = F(x) + F(y)

• F(αx) = αF(x), para α ∈ R.

De outro modo, uma função linear é do tipo (x1 , x2 , · · · , xn ) →


a1 x1 + a2 x2 + · · · + an xn .
Exemplos de funções lineares são: x1 + 3x2 e x1 − 2x2 −
5x3 + 0.3x4 . Exemplos de funções não-lineares são: x12 + x23 e
ex1 + cos(x2 ) + x3 , e esses tipos de funções estão fora do escopo
desta disciplina. Abordaremos somente problemas com funções
lineares.
Desta forma, podemos definir um problema de programação
linear como abaixo.

C E D E R J 49

i i
i i

Pesquisa Operacional I | 1 Modelagem

Definição 5.2 (Problemas de Programação Linear - PPL).


blablabla

Dizemos que um modelo matemático é de programação li-


near se todas as funções envolvidas no modelo são funções
lineares.

A seguir, apresentamos o enunciado de vários problemas e


construiremos juntos os correspondentes modelos matemáticos.
Isso será um bom começo para desenvolvermos a arte de mo-
delar problemas mas não é suficiente. Aconselha-se que outras
referências citadas no Guia da Disciplina sejam consultadas.

 É importante ressaltar que não há uma regra para mode-


lar qualquer problema. A criatividade é bem-vinda; ex-
periência e vivência em modelar vários problemas dife-
rentes é fundamental. Por esse motivo, é importante que
você pratique bastante e faça todos os exercı́cios.

 

Exemplo 5.1. 
blablabl

Considere uma fábrica de produtos de vidro de alta quali-


dade, entre os quais janelas e portas de vidro. A empresa possui
três fábricas industriais. As esquadrais de alumı́nio e ferragens
são feitas na Fábrica 1, as esquadrias de madeira são produzidas
na Fábrica 2 e, finalmente, a Fábrica 3 produz o vidro e monta
os produtos. Em consequência da queda nos ganhos, a direção
decidiu modernizar a linha de produtos da empresa. Produtos
não rentáveis estão sendo descontinuados, liberando capacidade
produtiva para o lançamento de dois novos produtos com grande
potencial de vendas:

• Produto 1: uma porta de vidro de 2.5m com esquadria de


alumı́nio.

• Produto 2: uma janela duplamente adornada com esqua-


drias de madeira de 1.20 × 1.80m.

O produto 1 requer parte da capacidade produtiva das Fábricas


1 e 3, mas nenhuma da Fábrica 2. O produto 2, precisa apenas

50 C E D E R J

i i
i i

5 1 MÓDULO 1
das Fábricas 2 e 3. A divisão de marketing concluiu que a em-
presa poderia vender tanto quanto fosse possı́vel produzir des-
ses produtos por essas fábricas. Entretanto, pelo fato de ambos
os produtos poderem estar competindo pela mesma capacidade
produtiva na Fábrica 3, não está claro qual mix dos dois produtos
seria o mais lucrativo. Portanto, foi constituı́da uma equipe de

AULA
PO para estudar essa questão.
A equipe de PO começou promovendo discussões com a alta
direção para identificar os objetivos da diretoria para tal estudo.
Essas discussões levaram à seguinte definição do problema:
Determinar quais devem ser as taxas de produção de modo
a maximizar o lucro total, sujeito à restrições impostas pelas
capacidades produtivas limitadas disponı́veis nas três fábricas.
(Cada produto será fabricado em lotes de 20, de forma que a
taxa de produção é definida como o número de lotes produzi-
dos por semana.) É permitida qualquer combinação de taxas de
produção que satisfaça essas restrições, inclusive não produzir
nada de um produto e o máximo possı́vel do outro.
A equipe de PO também identificou os dados que precisavam
ser coletados:

1. Número de horas de tempo de produção disponı́vel por


semana em cada fábrica para esses novos produtos. (A
maior parte do tempos nessas fábricas já está comprome-
tida com os produtos atuais, de modo que a capacidade
disponı́vel para novos produtos é bastante limitada.)
2. Número de horas de tempo de produção usado em cada
fábrica para cada lote produzido de cada novo produto.
3. Lucro por lote produzido de cada novo produto. Foi esco-
lhido o lucro por lote produzido como uma medida apro-
priada após a equipe de PO ter concluı́do que o incremento
de lucro de cada lote adicional produzido ser aproximada-
mente constante independentemente do número de lotes
produzidos. Pelo fato de nenhum custo adicional incorrer
para o inı́cio da produção e a comercialização de tais pro-
dutos, o lucro total de cada um deles é aproximadamente
esse lucro por lote vezes o número de lotes produzidos.

A obtenção das estimativas razoáveis dessas quantidades exi-


giu o apoio de pessoal-chave em várias unidades da empresa. A

C E D E R J 51

i i
i i

Pesquisa Operacional I | 1 Modelagem

Tabela 5.1 sintetiza os dados reunidos.

Tabela 5.1: Dados para o Exemplo 1.1


Tempo de Produção por Lote
Tempo de Produção
(em horas)
Fábrica Disponı́vel por Semana
Produto
(em horas)
1 2
1 1 0 4
2 0 2 12
3 3 2 18
Lucro por lote R$ 3000 R$ 5000

A equipe de PO reconheceu imediatamente que se tratava de


um problema de programação linear clássico tipo mix de pro-
dutos e então empreendeu a formulação do modelo matemático
correspondente.
Solução: Apresentamos a solução nos seguintes passos:

A. Definição das variáveis de decisão:


x1 = número de lotes do produto 1 produzido semanalmente
x2 = número de lotes do produto 2 produzido semanalmente

B. Definição da função objetivo:


Z = lucro total por semana (em milhares de reais) obtido pela
produção dos produtos 1 e 2.
Assim, a função objetivo é descrita como:

Maximizar Z = 3x1 + 5x2 .

C. Definição das restrições:


As restrições impostas pelo problema são de disponibilidade de
tempo de produção das fábricas 1, 2 e 3. A Tabela 5.1 indica
que cada lote de produto 1 fabricado por semana usa uma hora
de tempo de produção por semana na Fábrica 1, ao passo que
estão disponı́veis 4 (quatro) horas semanais. Essa restrição é
expressa matematicamente pela desigualdade

x1 ≤ 4.

De forma similar, a Fábrica 2 impõe a restrição

2x2 ≤ 12.

52 C E D E R J

i i
i i

5 1 MÓDULO 1
Observe que cada lote dos produtos 1 e 2 fabricados por se-
mana ocupam 3 e 2 horas de tempo de produção por semana na
Fábrica 3, enquanto somente 18 horas de produção estão dis-
ponı́veis. Essa restrição pode ser expressa matematicamente
por:

AULA
3x1 + 2x2 ≤ 18.

Para finalizar, precisamos adicionar as restrições de não-negatividade:

x1 ≥ 0, x2 ≥ 0

uma vez que produções negativas não fazem sentido.

!
As restrições de não-negatividade estarão presentes na mai-
oria dos problemas apresentados ao longo do curso.

!
As restrições de não-negatividade reduzem o estudo do pro-
blema ao primeiro quadrante para o caso de duas variáveis
de decisão.

Em resumo, o problema de programação linear definido pode


ser entendido como escolher os valores de x1 e x2 de forma a:

Maximizar Z = 3x1 + 5x2


Sujeito às restrições
x1 ≤ 4
+ 2x2 ≤ 12
3x1 + 2x2 ≤ 18
x1 ≥ 0, x2 ≥ 0

 O problema acima tem somente duas variáveis e o con-


junto de restrições pode ser representado no plano defi-

C E D E R J 53

i i
i i

Pesquisa Operacional I | 1 Modelagem

nindo uma região que chamaremos de região viável. Isso


é assunto para mais tarde, mas vale a pena ficar atento.

 

Exemplo 5.2. 
blablabl

Uma determinada empresa firmou um contrato para entrega


de janelas de casa para os próximos seis meses. As demandas
para cada mês são de 100, 250, 190, 140, 220 e 110 unidades,
respectivamente. O custo de produção por janela varia de mês
para mês, dependendo do custo da mão-de-obra, do material e
de utilidades. A empresa estima que o custo de produção por
janela nos próximos seis meses seja 50, 45, 55, 48, 52 e 50, res-
pectivamente. Para aproveitar a vantagem das variações no custo
de fabricação, a empresa pode optar por produzir mais do que o
necessário em determinado mês e reter as unidades excedentes
para entregar em meses posteriores. Entretanto, isso incorrerá
em custos de armazenagem de R$ 8 por janela, por mês, con-
siderando o estoque no final do mês. Ao final do horizonte de
planejamento deseja-se que o estoque seja zero. Formule um
modelo de programação linear para determinar a programação
ótima de produção como o menor custo possı́vel.
Solução:
Apresentamos a solução nos seguintes passos:

A. Definição das variáveis de decisão: neste caso, o primeiro bloco


de variáveis de decisão corresponde ao quanto será produzido
a cada mês do horizonte de planejamento. Assim, as variáveis
são descritas como:
x1 = número de janelas produzidas no mês 1
x2 = número de janelas produzidas no mês 2
x3 = número de janelas produzidas no mês 3
x4 = número de janelas produzidas no mês 4
x5 = número de janelas produzidas no mês 5
x6 = número de janelas produzidas no mês 6
O quanto ficará armazenado em estoque ao final de cada mês
é também uma decisão do problema porque está intimamente
relacionada com a demanda e a quantidade produzida. Desta
forma, estas decisões também são descritas num segundo bloco
de variáveis de decisão da seguinte forma:

54 C E D E R J

i i
i i

5 1 MÓDULO 1
E1 = estoque de janelas ao final do mês 1
E2 = estoque de janelas ao final do mês 2
E3 = estoque de janelas ao final do mês 3
E4 = estoque de janelas ao final do mês 4
E5 = estoque de janelas ao final do mês 5

AULA
E6 = estoque de janelas ao final do mês 6

B. Definição da função objetivo: neste caso, a função objetivo é de


minimizar todos os custos envolvidos. De acordo com o enun-
ciado, estes custos são: custo de estoque, custo de produção,
Z = custo total envolvido na produção = custo de produção +
custo de estoque
Assim, a função objetivo é descrita como:

Minimizar Z = 50x1 + 45x2 + 55x3 + 48x4 + 52x5 + 50x6 +


8(E1 + E2 + E3 + E4 + E5 )

C. Definição das restrições: as restrições impostas pelo problema


são de atendimento de demanda. Isso significa, que para um
determinado mês a quantidade produzida deve ser no mı́nimo a
demanda do mês. Caso a produção seja excedente, o excedente
é armazenado na variável estoque. Assim, pode-se perceber
que o estoque ao final do mês 1 é igual a quantidade produzida
menos a quantidade demandada, o que matematicamente pode
ser escrito como:

E1 = x1 − 100.

Para os meses 2 a 5, observe que o estoque do mês anterior é


transmitido para o mês seguinte. Ou seja, no inı́cio do mês 2, a
disponibilidade de produtos é dada pela quantidade em estoque
advindo do mês anterior mais a quantidade a ser produzida, que
é representada matematicamente por x2 + E1 .
Assim, o estoque ao final do mês 2 é dado pela diferença entre a
disponibilidade de produtos do mês menos a demanda do mês,
que pode ser escrito matematicamente por:

E2 = x2 + E1 − 250.

As restrições para os meses 3, 4 e 5 são similares:

E3 = x3 + E2 − 190

C E D E R J 55

i i
i i

Pesquisa Operacional I | 1 Modelagem

E4 = x4 + E3 − 140
E5 = x5 + E4 − 220.

Como no último mês não há estoque restante (ou seja, E6 = 0),
a restrição fica da seguinte forma:

0 = x6 + E5 − 110.

Para finalizar, precisamos adicionar as restrições de não-negatividade,


que de forma mais geral podem ser escritas como:

xi ≥ 0, Ei ≥ 0, para i = 1, 2, 3, 4, 5, 6,

uma vez que produções e estoque negativos não fazem sentido.

56 C E D E R J

i i
i i

 

5 1 MÓDULO 1

Exemplo 5.3. 
blablabl

Uma indústria vende dois produtos P1 e P2 , ao preço por to-


nelada de R$70, 00 e R$60, 00, respectivamente. A fabricação
dos produtos é feita em toneladas e consome dois tipos de re-
cursos, que chamaremos de R1 e R2 . Esses recursos estão dis-

AULA
ponı́veis nas quantidades de 10 e 16 unidades, respectivamente.
A produção de 1 tonelada de P1 consome 5 unidades de R1 e
2 unidades de R2 , e a produção de 1 tonelada de P2 consome 4
unidades de R1 e 5 unidades de R2 . Formule um problema de
programação linear para determinar quantas toneladas de cada
produto devem ser fabricadas para se obter o maior faturamento
possı́vel.
Solução: Apresentamos a solução nos seguintes passos:

A. Definição das variáveis de decisão:


Observe que a decisão a ser tomada é a quantidade em tonela-
das a ser produzida dos produtos 1 e 2. Importante notar que as
disponibilidades dos recursos são dadas. Portanto, estas consti-
tuem parâmetros do problema, e não decisões a serem tomadas.
Desta forma, temos duas variáveis de decisão são:
x1 = quantidade, em toneladas, fabricadas do produto 1 x2 =
quantidade, em toneladas, fabricadas do produto 2

B. Definição da função objetivo:


Os custos unitários de fabricação dos produtos 1 e 2 são R$70, 00
e R$60, 00, respectivamente. Assumimos que tudo que é fabri-
cado é vendido. Assim, atribuı́mos a Z o valor da função obje-
tivo como:
Z = preço por tonelada vendida do produto vezes a quantidade
produzida do produto.
Matematicamente, a função objetivo é descrita como:

Maximizar Z = 70x1 + 60x2 .

C. Definição das restrições:


As restrições dizem respeito às disponibilidades dos recursos
utilizados na produção. Veja que os processos de fabricação dos
produtos 1 e 2 consomem o recurso 1 e o total consumido está
limitado a disponibilidade deste recurso que é de 10 toneladas.
Assim, a primeira restrição é escrita como:

C E D E R J 57

i i
i i

Pesquisa Operacional I | 1 Modelagem

5x1 + 4x2 ≤ 10

e restrição de utilização do recurso 2 é dada por:

2x1 + 5x2 ≤ 16.

Para finalizar, precisamos adicionar as restrições de não-negatividade:

x1 ≥ 0, x2 ≥ 0.

 

Exemplo 5.4. 
blablabl

Um hospital trabalha com um atendimento variável em de-


manda durante as 24 horas do dia. As necessidades distribuem-
se segundo a Tabela 5.2 exibe os turnos de trabalho com os
horários e o número mı́nimo de enfermeiros em cada turno.

Tabela 5.2: Tabela de Turnos e Horários


Turnos Horários Necessidade mı́nima
1 08:00 - 12:00 50
2 12:00 - 16:00 60
3 16:00 - 20:00 50
4 20:00 - 00:00 40
5 00:00 - 04:00 30
6 04:00 - 08:00 20

O horário de trabalho de um enfermeiro é de 8 horas quando


ele entra nos turnos 1, 2, 3, 4 e 6. O enfermeiro que entra no
turno 5 trabalha apenas quatro horas. Considere que cada en-
fermeiro recebe R$100 por hora de trabalho no perı́odo diurno
(08 às 20h) e R$125 no perı́odo noturno (20 às 08 h).Elaborar
o modelo de programação linear que minimize o gasto com a
mão-de-obra.
Solução:
Apresentamos a solução nos seguintes passos:

A. Definição das variáveis de decisão:


A decisão a ser tomada é o número de enfermeiros alocados
no inı́cio de cada perı́odo. Desta forma, temos 6 variáveis de
decisão que são:

58 C E D E R J

i i
i i

5 1 MÓDULO 1
x1 = quantidade de enfermeiros alocados no inı́cio do turno 1
x2 = quantidade de enfermeiros alocados no inı́cio do turno 2
x3 = quantidade de enfermeiros alocados no inı́cio do turno 3
x4 = quantidade de enfermeiros alocados no inı́cio do turno 4
x5 = quantidade de enfermeiros alocados no inı́cio do turno 5

AULA
x6 = quantidade de enfermeiros alocados no inı́cio do turno 6

B. Definição da função objetivo:


O custo de alocação de enfermeiros num dado turno pode ser
escrito como:

Quantidade de horas × Custo por hora × quantidade de


enfermeiros alocados no perı́odo.

Desejamos minimizar a quantidade de enfermeiros em cada turno.


Assim, a função objetivo Z pode ser escrita como:

Z = 8×100×(x1 +x2 +x3 )+4×125×x5 +8×125×(x4 +x6 ).

E finalmente fica:

Minimizar
Z = 800x1 + 800x2 + 800x3 + 1000x4 + 500x5 + 1000x6 .

C. Definição das restrições:


As restrições dizem respeito às necessidades mı́nimas de enfer-
meiros em cada turno, ou seja, o total de enfermeiros alocados
em cada turno deve ser maior ou igual ao número mı́nimo esta-
belecido na Tabela 5.2.
Observe que no turno 1, a disponibilidade de enfermeiros é dada
pelo número de enfermeiros que entraram no turno 6 mais os
enfermeiros que entraram no turno 1 que é dado por x6 + x + 1.
Assim, a restrição de necessidade mı́nima no turno 1 fica:

x1 + x6 ≥ 50.

As restrições para os turnos 2, 3, 4 e 5 são similares ao turno 1:

x1 + x2 ≥ 60

x2 + x3 ≥ 50

C E D E R J 59

i i
i i

Pesquisa Operacional I | 1 Modelagem

x3 + x4 ≥ 40

x4 + x5 ≥ 30

Uma vez que os enfermeiros que entraram no turno 5 trabalham


somente 4 horas, temos que no turno 6 aparecem somente os
enfermeiros que ingressaram neste turno.

x6 ≥ 20

Para finalizar, precisamos adicionar as restrições de não-negatividade:

xi ≥ 0 para i = 1, . . . , 6.


Exemplo 5.5. 
blablabl

A Chidfair Company possui três fábricas que produzem car-


rinhos de bebê que devem ser remetidos para quatro centros de
distribuição (CDs). As fábricas 1, 2 e 3 produzem, respectiva-
mente, 12,17, 11 remessas por mês. Cada centro de distribuição
precisa receber 10 remessas por mês. O custo unitário de trans-
porte entre cada fábrica e os respectivos centros de distribuição
é dada abaixo.
CD1 CD2 CD3 CD4 Produção
F1 10 2 20 11 12
F2 12 7 9 16 17
F3 4 14 16 18 11
Demanda 10 10 10 10 40

Quanto deve ser remetido de cada fábrica para cada um dos cen-
tros de distribuição para minimizar o custo total de transporte?
Formule um modelo de programação linear que resolva o pro-
blema.
Solução:
Apresentamos a solução nos seguintes passos:

A. Definição das variáveis de decisão:


Temos 12 decisões a serem tomadas, que consistem em deter-
minar as quantidades transportadas das fábricas para os centros
consumidores.

60 C E D E R J

i i
i i

5 1 MÓDULO 1
xi, j = é a quantidade transportada da fábrica i para o centro de
distribuição j, onde i = 1, 2, 3 e j = 1, 2, 3, 4.

B. Definição da função objetivo:


O custo é dado pela quantidade transportada vezes o custo unitário
de transporte. Dessa forma, a função objetivo é

AULA
Minimizar

Z = 10x1,1 + 2x1,2 + 20x1,3 + 11x1,4 + 12x2,1 +


+ 7x2,2 + 9x2,3 + 16x2,4 + 4x3,1 + 14x3,2 + 16x3,3 + 18x3,4

C. Definição das restrições:


Temos dois tipos de restrição. As primeiras são aquelas de aten-
dimento de demanda dos CDs. Todos os CDs devem receber
exatamente a quantidade demandada. Matematicamente escre-
vemos isso como:

x1,1 + x2,1 + x3,1 = 10


x1,2 + x2,2 + x3,2 = 10
x1,3 + x2,3 + x3,3 = 10
x1,4 + x2,4 + x3,4 = 10.

As próximas restrições são aquelas de capacidade produtiva das


fábricas, ou seja, devem ser transportadas exatamente as quan-
tidade produzidas em cada fábrica, que é representado matema-
ticamente como:

x1,1 + x1,2 + x1,3 + x1,4 = 12


x2,1 + x2,2 + x2,3 + x2,4 = 17
x3,1 + x3,2 + x3,3 + x3,4 = 11

Para finalizar, precisamos adicionar as restrições de não-negatividade:

xi, j ≥ 0 para i = 1, 2, 3 e j = 1, 2, 3, 4.

Exercı́cio 5.1.

1. Uma empresa fabrica dois produtos, A e B. O volume de


vendas de A é no mı́nimo 80% do total de vendas de am-
bos (A e B). Contudo, a empresa não pode vender mais do
que 100 unidades de A por dia. Ambos os produtos usam

C E D E R J 61

i i
i i

Pesquisa Operacional I | 1 Modelagem

uma matéria-prima cuja disponibilidade máxima diária é


240 lb. As taxas de utilização da matéria prima são 2
lb por unidade de A e 4 lb por unidade de B. Os lucros
unitários para A e B são R$20 e R$50, respectivamente.
Formule o problema como um problema de mix de pro-
duto.
Solução: Essa questão está na AD1 e a solução será divulgada
posteriormente.

2. Uma refinaria produz três tipos de gasolina: verde, azul e


comum. Cada tipo requer gasolina pura, octana e aditivo
que são disponı́veis nas quantidades de 9.600.000 litros,
4.800.000 litros e 2.200.000 litros por semana, respectiva-
mente. As especificações de cada tipo são:

• 1 litro de gasolina verde requer 0,22 litro de gasolina


pura, 0,5 litro de octana e 0,28 litro de aditivo;
• 1 litro de gasolina azul requer 0,52 litro de gasolina
pura, 0,34 litro de octana e 0,14 litro de aditivo;
• 1 litro de gasolina comum requer 0,74litro de gaso-
lina pura, 0,20 litro de octana e 0,06 litro de aditivo.

Como regra de produção, baseada em demanda de mer-


cado, o planejamento da refinaria estipulou que a quan-
tidade de gasolina comum deve ser, no mı́nimo, igual a
16 vezes a quantidade de gasolina verde e que a quan-
tidade de gasolina azul seja no máximo igual a 600.000
litros por semana. A empresa sabe que cada litro de gaso-
lina verde, azul e comum dá uma margem de contribuição
para o lucro de R$0,30, R$0,25 e R$0,20 respectivamente,
e seu objetivo é determinar o programa de produção que
maximiza a margem total de contribuição para o lucro.
Formule o problema como um problema de programação
linear.
Solução:

3. A cidade de Progress está estudando a viabilidade de in-


troduzir um sistema de ônibus para transporte de massa
que aliviará o problema da mistura de nevoeiro com fumaça
pela redução do trânsito no centro da cidade. O estudo
procura o número mı́nimo de ônibus que possa dar conta
das necessidades de transporte. Após colher as informações
necessárias, o engenheiro da prefeitura percebeu que o

62 C E D E R J

i i
i i

5 1 MÓDULO 1
número mı́nimo de ônibus necessários variava de acordo
com a hora do dia, e que o número de ônibus requeridos
poderia ser aproximado para valores constantes em inter-
valos sucessivos de 4 horas. A Figura 5.1 abaixo resume
as constatações do engenheiro. Devido à manutenção diária
obrigatória, cada ônibus pode circular apenas 8 horas su-

AULA
cessivas por dia. Formule um problema de programação

Figura 5.1: Número mı́nimo de ônibus em funcionamento por horário

linear de modo que o número de ônibus em funcionamento


em cada turno que atenda à demanda seja mı́nimo e que
ao mesmo tempo minimize o número total de ônibus em
funcionamento.

4. Um fabricante de geladeira precisa decidir quais modelos


deve produzir em uma nova fábrica recentemente insta-
lada. O departamento de marketing e vendas realizou uma
pesquisa de mercado que indicou que, no máximo, 1500
unidades do modelo de luxo e 6000 unidades do modelo
básico podem ser vendidas no próximo mês. A empresa
já contratou um certo número de empregados e, com isso,
dispõe de uma força de trabalho de 25000 homens-hora
por mês. Cada modelo de luxo requer 10 homens-hora e
cada modelo básico requer 8 homens-hora para ser mon-
tado. Além disso, uma mesma linha de montagem é com-
partilhada pelos dois modelos e considere que a capaci-
dade de produção desta linha seja de 4500 geladeiras por
mês. O lucro unitário do modelo de luxo é de $100,00,
e do modelo básico é de $50,00. Deseja-se determinar
quanto produzir de cada modelo de modo a maximizar o
lucro da empresa.

C E D E R J 63

i i
i i

Pesquisa Operacional I | 1 Modelagem

5. Considere uma fábrica de pré-moldados que produz dois


tipos de vigas, cujas demandas para as próximas três se-
manas são conhecidas, conforme a Tabela 5.3.
Os produtos utilizam os mesmos tipos de recursos, porém
em quantidades diferentes. Suponha, por simplicidade,
que apenas um centro de trabalho esteja disponı́vel para
a produção dos dois itens, cuja disponibilidade é de 40
horas por perı́odo e que a produção de uma unidade do
item 1 consuma 15 minutos e uma unidade do item 2 con-
suma 20 minutos. Os custos de produção por perı́odo são
conhecidos e dados pela Tabela 5.4.
Admite-se que a produção possa ser antecipada e esto-
cada para ser utilizada nos perı́odos seguintes. Os custos
de estocagem são dados na Tabela 5.5 (por exemplo, uma
unidade do item 1 pode ser produzida no perı́odo 2 e guar-
dada em estoque para atender a demanda no perı́odo 3, por
$3,00/unidade). Deseja-se definir um plano da produção
de modo que os pedidos sejam atendidos ao menor custo
de produção e estocagem. Os estoques iniciais dos dois
produtos são nulos e deseja-se que seus estoques ao final
do horizonte de planejamento também sejam nulos.

Tabela 5.3: Demanda de Vigas


Demanda de Vigas Perı́odo 1 Perı́odo 2 Perı́odo 3
Item 1 100 90 120
Item 2 40 50 80

Tabela 5.4: Custos de Produção


Custos de Produção Perı́odo 1 Perı́odo 2 Perı́odo 3
Item 1 20 20 30
Item 2 20 20 30

6. A Investe e Futuro possui um capital de 14000 reais para


investir numa carteira de 4 projetos, tendo estudado a ren-
tabilidade dos mesmos. Na Tabela 5.6 apresenta-se, para

64 C E D E R J

i i
i i

5 1 MÓDULO 1
Tabela 5.5: Custos de Estocagem
Custos de Estocagem Perı́odo 1 Perı́odo 2
Item 1 2 3
Item 2 2,5 3,5

AULA
cada projeto/investimento, o montante de capital a investir
e a rentabilidade esperada.

Tabela 5.6: Tabela de Investimento


Projeto Capital Rentabilidade
1 5000 16000
2 7000 22000
3 4000 12000
4 3000 8000

Formule um modelo de programação linear que maximiza


a rentabilidade esperada.

7. Desafio da semana
Uma empresa produz uma vasta variedade de bicicletas.
Estamos interessados em determinar um plano de produção
para bicicleta de corrida cuja produção requer materiais
especiais e equipamentos de produção. No máximo, um
lote de bicicleta é produzido por mês, por conta da baixa
demanda e importantes economias de escala nos custos de
confecção do produto. Por causa da necessidade de ins-
talar equipamentos especiais e ferramentas no começo de
cada lote de produção, há um alto custo de set-up, e por
isso não há sentido em produzir muito freqüentemente. O
custo de produção de um lote é aproximadamente dado
pelo custo de set-up mais o custo marginal, que corres-
ponde ao tempo exigido para a produção de cada bici-
cleta. Para a bicicleta de corrida, o custo de set-up é de
R$ 5000 e o custo marginal é de R$ 100. Assim, o custo
de produzir uma bicicleta de corrida é R$ 5100, e R$ 6000
para a produção de um lote de 10 bicicletas. As restrições
de capacidade são ignoradas no planejamento deste único
produto, pois trabalhadores podem ser contratados tempo-
rariamente caso seja necessário.

C E D E R J 65

i i