Unidade II. Unidade II

Tamanho: px
Começar a partir da página:

Download "Unidade II. Unidade II"

Transcrição

1 Unidade II Unidade II Programação Linear A Programação Linear (PL) é, segundo Contador (1998), um dos mais nobres modelos da Pesquisa Operacional. Dos modelos da Pesquisa Operacional aos problemas organizacionais, a Programação Matemática é responsável por cerca de 60%. Desse percentual, parte deve se à PL. O objetivo desta unidade, portanto, é apresentar a PL, de maneira prática e utilitária, evitando conceituações matemáticas mais elaboradas. Contador (1998) estima que um curso de PL medianamente avançado cumpre um total de 45 horas efetivas de aula, ou seja, um semestre de três horas aulas semanais, o que não nos é disponibilizado, motivo pelo qual não nos aprofundaremos nas considerações matemáticas mais complexas. 5 Modelagem do Problema Para apresentar os conceitos da Programação Linear, utilizaremos um exercício adaptado, apresentado originalmente pelo professor Contador (1998), a partir dos trabalhos do professor Zaccarelli, cujo enunciado é o seguinte: Uma fábrica produz s de dois tamanhos diferentes, s e pequenas, que apresentam lucros unitários de respectivamente $500 e $200. Ela deseja saber quantas unidades de cada um desses aparelhos deverá fazer para que o lucro obtido pela operação seja máximo. As capacidades de produção da fábrica são as seguintes: 6 gabinetes s por hora; 15 gabinetes s por hora; 24 placas mãe por hora; 20 placas de por hora; Cada é composta por: 1 gabinete ; 3 placas mãe; 26 2 placas de ;

2 Pesquisa Operacional Cada pequena é composta por: 1 gabinete ; 1 placa mãe; 1 placa de ; Podemos resumir esses dados na seguinte tabela: Tabela 1 Componentes Cpu Cpu pequena Produção horária Placa-mãe Modelar o problema significa definir: as variáveis de entrada; a Função Objetivo; as restrições, para, a partir delas, montar um sistema de equações e inequações. No nosso caso temos: Variáveis de entrada = o número de s a serem produzidas, ou seja: = número de s s a serem montadas. = número de s pequenas a serem produzidas. O objetivo é maximizar o lucro, portanto a Função Objetivo é: FO = lucro = As restrições são relativas à capacidade produtiva de cada componente: gabinete : 6 gabinete : 15 placas-mãe: placas de :

3 Unidade II Evidentemente, o modelo de PL impõe outra restrição lógica, pois não se pode produzir uma quantidade negativa de s; portanto: 0 e 0 Os valores de e que maximizam o lucro dessa operação serão obtidos pela resolução desse sistema de equações e inequações, ou seja, os valores que atendem simultaneamente a todas elas. Existem alguns métodos de solução: Método Gráfico, aplicável a problemas com duas variáveis de entrada; Método Simplex, método geral, aplicável a problemas com qualquer quantidade de variáveis de entrada; Método Computacional, aplicável a um tipo específico de problema, mas com qualquer quantidade de variáveis de entrada. 6 Tipos de solução 6.1 Solução gráfica A solução gráfica consiste em plotar todas as restrições em um único diagrama ortogonal no qual o eixo horizontal representará as quantidades produzidas de s s e o eixo vertical, as quantidades produzidas de s pequenas: 25 = s pequenas = s s Figura 1 28

4 Pesquisa Operacional Lembrete Sistema de Coordenadas no plano cartesiano ou espaço cartesiano é um esquema reticulado necessário para especificar pontos num determinado espaço com dimensões. Cartesiano é um adjetivo que se refere ao matemático francês e filósofo Descartes que, entre outras coisas, desenvolveu uma síntese da álgebra com a geometria euclidiana. O plano cartesiano contém dois eixos perpendiculares entre si. A localização de um ponto P no plano cartesiano é feita pelas coordenadas do plano (abscissa e ordenada x e y). Nos quadrantes I e III, os sinas de x, y são os mesmos (+,+) e (, ), respectivamente, já nos quadrantes II e IV, os sinas de x, y são opostos (,+) e (+, ), respectivamente. Observe que utilizaremos o primeiro quadrante do sistema cartesiano, ou seja, valores de ambos os eixos positivos. Isso porque não teria sentido a produção de uma quantidade negativa de s. Assim, teoricamente, qualquer ponto nesse diagrama ortogonal seria solução para o nosso problema. No entanto, veremos que, devido às restrições, pouco a pouco reduziremos os resultados possíveis. A primeira restrição é a dos gabinetes s: não é possível a produção de mais do que seis gabinetes por hora nem a produção de uma quantidade negativa de gabinetes, ou seja: 0 6 Graficamente, teríamos: 29

5 Unidade II 25 = s pequenas gabinete : > 0 e < = s s Figura 2 Perceba que só podem ser aceitos como soluções para esse problema os pontos coordenados à esquerda da reta desenhada. Restrição semelhante ocorre com os gabinetes s: = s pequenas gabinete : > 0 e < gabinete : > 0 e < = s s Figura 3 Perceba que só podem ser aceitos como soluções para esse problema os pontos coordenados abaixo da reta desenhada. 30

6 Pesquisa Operacional Até esse momento, as restrições já reduziram as soluções possíveis aos pontos coordenados circunscritos pelos eixos e pelas duas retas desenhadas. Em sequência, temos as restrições da quantidade de placas mãe produzidas, ou seja: Observe que, se for igual a zero, deverá ser menor ou igual a 24 para manter a inequação e, se for igual a zero, deverá ser menor ou igual a 8. Note as resoluções a seguir: Em , se = 0, tem-se Em 3x1+ x2 24, se x2 = 0, tem se 3x x1 x1 8 3 Portanto, a inequação tem dois pontos característicos pelos quais podemos traçar a reta que a caracteriza: (0; 24) e (8; 0). Graficamente temos: 25 = s pequenas gabinete : > 0 e < < gabinete : > 0 e < = s s Figura 4 Perceba que qualquer ponto coordenado à direita desta reta não é permitido, pois desobedeceria a inequação. Retiramos mais um pedaço do campo de soluções permitidas. A última restrição é a da placa de. Seguindo o mesmo raciocínio das placas mãe, determinamos a reta característica: ; se = x1+ x2 20; se x2 = 0 2x x2 x

7 Unidade II Os pontos característicos que definem a reta são (0;20) e (10;8), e graficamente: 25 = s pequenas gabinete : > 0 e < < < 20 gabinete : > 0 e < = s s Figura 5 Mais uma parte das soluções possíveis foi retirada, restando um polígono de soluções possíveis. Veja a seguir: 25 = s pequenas gabinete : > 0 e < < B C D 10 5 E 2 + < 20 gabinete : > 0 e < 15 0 A = s s Figura 6 32 Qualquer ponto desta área sombreada (em amarelo) é solução para o problema, continuando a existir, portanto, infinitas soluções, mas somente uma delas apresenta lucro máximo. É fácil entender qual é a solução ótima. Em cada lado do polígono, há um recurso que é utilizado ao máximo. Como num vértice há dois recursos utilizados ao máximo simultaneamente, a solução ótima estará num dos vértices do polígono. Este é o teorema fundamental da Programação Linear.

8 Pesquisa Operacional Para ficar mais claro: no lado (aresta) definido pelos pontos BC, estamos produzindo o máximo possível de gabinetes. Já no ponto C, além de estarmos produzindo o máximo de gabinetes possíveis, estamos também produzindo o máximo possível de placas de. Antes tínhamos infinitas soluções possíveis, mas com esse teorema restaram apenas seis soluções que podem ser ótimas e, por tentativas, podemos definir qual é essa solução ótima. Veja a tabela a seguir: Tabela 2 VÉRTICE GRANDE PEQUENA LUCRO A = 0 B = C 2, = D = E = F = Portanto, o ponto de máximo lucro é o ponto D. Consequentemente, deve se montar quatro s s por hora e doze pequenas por hora, o que gerará um lucro de $ 4.400,00 por hora. Para se atingir esse lucro máximo, serão produzidos: 4 gabinetes s por hora; 12 gabinetes s por hora; 24 placas mãe por hora; 20 placas de por hora. Observação Sobrarão, por hora, dois gabinetes s e três s. Não haverá sobras de placas mãe e placas de. 6.2 Solução pelo algoritmo Simplex Perceba que esse processo gráfico tem muitas limitações, a começar pelo fato de que só pode ser usado para duas variáveis de entrada. Foi necessário o desenvolvimento de um método mais completo para realizar esses cálculos, que é conhecido como Simplex. 33

9 Unidade II O Método Simplex, ao contrário do Método Gráfico, trabalha com equações, e não com inequações. Desse modo, as inequações devem ser transformadas em equações, e isso é feito com a adição de variáveis. Vamos, portanto, determinar as variáveis que podem aparecer em um problema desse tipo. Utilizaremos as definições estabelecidas por Contador (1998): de entrada é a aquela que deve ser otimizada e surge naturalmente do enunciado do problema. No caso do exercício das s, que continuaremos usar como exemplo, as variáveis de entrada são o número de s s ( ) e o número de s pequenas ( ). é o valor numérico de uma restrição e, por convenção, é colocado à direita do sinal da inequação. No nosso exemplo, são as quantidade limitantes produzidas para cada componente. de folga ou residual, utilizada quando a desigualdade for do tipo, é uma variável não negativa, somado ao lado esquerdo da desigualdade, e numericamente igual à diferença entre o termo e os valores à esquerda da desigualdade. Corresponde, numa determinada solução, à parcela não aproveitada de recursos. No nosso exemplo, são as eventuais sobras de componentes (gabinetes ou placas) de excesso, utilizada quando a desigualdade for do tipo, é uma variável negativa, subtraída do lado esquerdo da desigualdade e numericamente igual à diferença entre o valor do termo e o valor das variáveis que estão à esquerda da desigualdade. No nosso exemplo, não existirão valores desse tipo, pois é um problema de maximização. artificial é uma variável adicionada à esquerda em todas as restrições que não contenham uma variável de folga, sendo utilizada, portanto, nas restrições que se apresentam originalmente com sinal ou =. A variável artificial é necessária porque a solução inicial do Simplex é obtida igualando a zero todas as variáveis de entrada e todas as de excesso, o que corresponde a fazer cada variável de folga e cada variável artificial igual ao valor do termo da equação da qual a variável em questão aparece. No nosso exemplo, não existem variáveis desse tipo, visto serem inequações do tipo. Dessa forma, no nosso exemplo, as inequações seriam transformadas em equações, da seguinte forma: Inequações: gabinete : 6 gabinete : 15 placas-mãe: placas de :

10 Pesquisa Operacional Equações: gabinete : x = 6 gabinete : x = 15 placas-mãe: x = 24 placas de video: x = 20 Importante notar que na frente de cada variável colocamos seu coeficiente correspondente, mesmo quando não há necessidade, por ser zero ou um. Fizemos isso, para evidenciar os coeficientes que serão utilizados no algoritmo Simplex. Esse equacionamento tem seis valores desconhecido (as incógnitas ; ; ; ; x 5 ; ) e apenas quatro equações (as relacionadas anteriormente). Logo, o sistema de equações é indeterminado, tem infinitas soluções viáveis, e não apenas uma. Lembre se de que, em Matemática, só conseguimos resolver um sistema de equações quando o número delas for igual ao número de incógnitas. Nesse caso, portanto, temos infinitas soluções viáveis (as soluções mostradas na área hachurada do gráfico mostrado anteriormente). A solução ótima será pesquisada atribuindo valores arbitrários a um número de incógnitas igual ao número total delas subtraído pelo número de equações. No nosso exemplo, atribuiremos valores arbitrários a duas incógnitas (resultado da subtração de seis incógnitas por duas equações). Essa resolução exige conhecimentos matemáticos que de modo geral não são do domínio de alunos da graduação de Administração; por conseguinte, iremos apresentá la de forma descritiva, utilizando o problema das s como ilustração e apresentando o método passo a passo. 1º passo: estabelecer a planilha do algoritmo Lembrete Um algoritmo é uma sequência finita de instruções bem definidas e não ambíguas; cada uma delas pode ser executada mecanicamente num período de tempo finito e com uma quantidade de esforço finita. O conceito de algoritmo é frequentemente ilustrado pelo exemplo de uma receita culinária, embora muitos algoritmos sejam mais complexos. Eles podem repetir passos (fazer iterações) ou necessitar de decisões (tais como comparações ou lógica) até que a tarefa seja completada. Um algoritmo corretamente executado não resolverá um problema se estiver implementado incorretamente ou se não for apropriado ao problema. 35

11 Unidade II É uma planilha de diversas linhas e colunas, na qual é reservada uma coluna para cada variável e mais quatro colunas de cálculos. Acompanhe a planilha para o nosso exemplo e o significado de cada coluna: Tabela 3 Base de entrada pequena residual Placa mãe Placa de x 5 b dividido pela coluna de trabalho a incluir ou a excluir A coluna base contém as variáveis que estão sendo consideradas numa determinada tentativa. No nosso caso, teremos quatro variáveis em cada tentativa. Para as outras duas será atribuído o valor zero. As seis colunas seguintes são reservadas para cada uma das variáveis envolvidas. No nosso caso as duas variáveis de entrada ( e ) e as quatro variáveis residuais (,, x 5 e ). A antepenúltima coluna é reservada para os termos s das equações (no nosso exercício as restrições de produção). A penúltima coluna é destinada a receber uma divisão entre as variáveis s, e a coluna de trabalho (veremos essa coluna mais adiante, durante a descrição do processo). A última coluna relacionará a variável que entrará e a que sairá na próxima tentativa. Existe um conjunto de linhas reservadas para cada tentativa: uma linha para cada equação e uma linha de controle (no caso, denominada lucro, nosso objetivo). Tabela 4 Base de entrada pequena residual Placa mãe Placa de x 5 b dividido pela coluna de trabalho a incluir ou a excluir Placa mãe x 5 Controle/lucro 36

12 Pesquisa Operacional A planilha mostrada anteriormente está preparada para se atribuir o valor zero para as variáveis e. É nossa primeira tentativa. Ao igualar as variáveis de entrada a zero, automaticamente igualamos as variáveis residuais ou de folga ao termo. Veja como exemplo a primeira equação: Em + = 6, se = 0, então = 6 O mesmo ocorre nas demais equações e variáveis. 2ª passo: início do preenchimento da planilha Colocamos em cada uma das linhas os coeficientes das equações citadas anteriormente. A tabela fica da seguinte forma: Tabela 5 Base de entrada pequena residual Placa mãe Placa de x 5 b dividido pela coluna de trabalho a incluir ou a excluir Placa mãe x Controle/lucro Na linha de controle, colocamos o lucro respectivo com sinal trocado, ou seja 500 para, 200 para pequena e zero para as demais colunas: 37

13 Unidade II Tabela 6 Base de entrada pequena residual Placa mãe Placa de x 5 b dividido pela coluna de trabalho a incluir ou a excluir Placa mãe x Controle/lucro Como dissemos, nessa primeira tentativa atribuímos valor zero às variáveis e. Na segunda tentativa, entraremos na tabela com uma delas e sair com uma das que fizeram parte na primeira tentativa (,, x 5 e ). Isso é feito da seguinte maneira: localizar a coluna que apresentar o maior valor negativo na linha de controle, no nosso caso a coluna, que apresenta o valor 500. Essa coluna passa a ser denominada coluna de trabalho (ela irá variar de tentativa para tentativa). Costuma se assinalar a coluna por um retângulo. Essa variável é a que entrará na próxima tentativa. Colocamos essa informação na última coluna; dividir o termo pelo valor correspondente na coluna de trabalho. Na linha de gabinete, por exemplo, dividiremos 6 por 1, obtendo o valor 6 que será colocado na penúltima coluna; a variável que sairá na tentativa seguinte é aquela que corresponder à linha que apresentar menor valor positivo na coluna de termo ; no exemplo, o valor 6 correspondente à variável ; O coeficiente que estiver no cruzamento da linha que sairá com a coluna de trabalho chama se pivô ou elemento pivotal e vai nos servir para os cálculos seguintes. Veja como deve ficar a planilha: 38

14 Pesquisa Operacional Tabela 7 Base de entrada pequena residual Placa mãe Placa de x 5 b dividido pela coluna de trabalho a incluir ou a excluir Placa mãe x Controle/lucro Coluna de trabalho Pivô 3º passo: determinação da tentativa seguinte Para a segunda tentativa, substituiremos a linha na base, dando lugar à linha que deve entrar. Todas as outras linhas, inclusive a de controle, devem permanecer com a base inalterada. Os valores da linha que entra são obtidos pela divisão dos valores da linha que sai pelo valor do pivô. Nesse caso, como o valor do pivô é 1, os valores permanecerão os mesmos. Tabela 8 Base de entrada pequena residual Placa mãe Placa de x 5 b dividido pela coluna de trabalho a incluir ou a excluir entra Placa mãe x sai

15 Unidade II Controle/lucro Placa mãe x 5 Controle/lucro Os valores das demais linhas, inclusive do termo, é obtido pela chamada regra do retângulo. Antes de aprendermos a usar a regra do retângulo, notemos que nas colunas que também são linhas (no nosso exemplo, no momento, as colunas,, x 5 e ) aparecerão apenas números zero ou um. Quando uma coluna cruza com uma linha correspondente à mesma variável, o valor será um. Veja a seguir: Tabela 9 Base de entrada pequena residual Placa mãe Placa de x 5 b dividido pela coluna de trabalho a incluir ou a excluir Placa mãe x Controle/lucro Placa mãe x Controle/lucro 40

16 Pesquisa Operacional E, quando uma coluna cruza com uma linha correspondente a outra variável, o valor será zero. Veja novamente: Tabela 10 Base de entrada pequena residual Placa mãe Placa de x 5 b dividido pela coluna de trabalho a incluir ou a excluir Placa mãe x Controle/lucro Placa mãe x Controle/lucro Apenas os valores das colunas referentes às variáveis que estão assumindo valor zero (que estão fora ) e da coluna do termo é que deverão ser calculados pela regra do retângulo. Para entendermos a regra do retângulo, utilizaremos o quadro a seguir, com as linhas e colunas numeradas à semelhança do Excel: 41

17 Unidade II Tabela A B C D E F G H I J K Base de entrada pequena residual Placa mãe Placa de 3 x 5 b Placa mãe x Controle/lucro Placa mãe x Controle/lucro dividido pela coluna de trabalho a incluir ou a excluir Queremos calcular o valor da célula D12. Para isso, usaremos o retângulo definido pelo pivô (célula C5) e pelo valor correspondente anterior (célula D6). O valor pedido será obtido pela formulação: Novo valor = Valor anterior (produtos dos elementos da diagonal oposta) pivô No nosso exemplo, seria: D12 = D6 (C6 D5) C5, ou seja, 1 (0 0) 1 = 1 Para fixar esse conceito, façamos agora o cálculo do termo correspondente à placa mãe. Veja a tabela a seguir: 42

18 Pesquisa Operacional Tabela A B C D E F G H I J K Base de entrada pequena residual Placa mãe Placa de 3 x 5 b Placa mãe x Controle/lucro Placa mãe x Controle/lucro dividido pela coluna de trabalho a incluir ou a excluir Observe, em amarelo, o retângulo definido, valor correspondente ao desejado na base anterior e o pivô. O cálculo é feito utilizando se a formulação vista, ou seja: I13 = I7 (C7 I5) C5, ou seja, 24 (3 6) 1 = 6 Os demais valores são calculados de modo idêntico, ficando a planilha do seguinte modo: 43

19 Unidade II Tabela 13 Base de entrada pequena residual Placa mãe Placa de x 5 b dividido pela coluna de trabalho a incluir ou a excluir Entra Placa mãe x Sai Controle/lucro Placa mãe x Controle/lucro Repetimos então os cálculos feitos na tentativa anterior, passo a passo. O resultado será: Tabela 14 Base de entrada pequena residual Placa mãe Placa de x 5 b dividido pela coluna de trabalho a incluir ou a excluir Entra Placa mãe x Sai Controle/lucro

20 Pesquisa Operacional Entra Placa mãe x Sai Controle/lucro Podemos partir então para a terceira tentativa, substituindo primeiro a linha de x 5 por : Tabela 15 Base de entrada pequena residual Placa mãe Placa de x 5 b dividido pela coluna de trabalho a incluir ou a excluir Entra Placa mãe x Sai Controle/lucro Entra Placa mãe x Sai x 5 Controle/lucro pequena Controle/lucro 45

21 Unidade II Em seguida, preenchemos os valores das colunas que não estão zeradas na tentativa: Tabela 16 Base de entrada pequena residual Placa mãe Placa de x 5 b dividido pela coluna de trabalho a incluir ou a excluir Entra Placa mãe x Sai Controle/lucro Entra Placa mãe x Sai x 5 Controle/lucro pequena Controle/lucro

22 Pesquisa Operacional Calculemos, então, pela regra do retângulo, os valores correspondentes às três colunas restantes: Tabela 17 Base de entrada pequena residual Placa mãe Placa de x 5 b dividido pela coluna de trabalho a incluir ou a excluir Entra Placa mãe x Sai Controle/lucro Entra x2 Placa mãe x Sai x 5 Controle/lucro pequena Controle/lucro

23 Unidade II Por fim, calculemos quem entra e quem sai para a próxima tentativa: Tabela 18 Base de entrada pequena residual Placa mãe Placa de x 5 b dividido pela coluna de trabalho a incluir ou a excluir Entra Placa mãe x Sai Controle/lucro Entra Placa mãe x Sai x 5 Controle/lucro Entra pequena Sai Controle/lucro

24 Pesquisa Operacional Essas tentativas serão repetidas sucessivamente e tantas vezes quantas necessárias até que, na linha de controle, todos os números sejam positivos ou nulos. No nosso exemplo, só será necessária mais uma tentativa: Tabela 19 Base de entrada pequena residual Placa mãe Placa de x 5 b dividido pela coluna de trabalho a incluir ou a excluir Entra Placa mãe x Sai Controle/lucro Entra Placa mãe x Sai x 5 Controle/lucro pequena Entra Sai Controle/lucro pequena Controle/lucro

25 Unidade II Observe a última coluna da última tentativa. Ela nos oferece a alternativa ótima para esse problema de programação linear: Tabela 20 Item Qtd. Programa de produção: s s. 4 s pequenas. 12 Sobras (recursos residuais) s s 2 s s 3 x 5 Placas mãe 0 Placas de Solução computacional utilizando ferramenta Solver do MS Excel O problema envolvendo a produção de s é de maximização: queremos o máximo lucro. Vamos aproveitá lo mais uma vez como exemplo para apresentarmos a resolução pelo Método Computacional. Você deve ter percebido que o algoritmo Simplex, como seria de se esperar, é uma sequência repetitiva de cálculos, situação ideal para as chamadas planilhas eletrônicas, como o MS Excel. Vamos, portanto tornar a resolver o exemplo das s, utilizando o referido programa da Microsoft. Antes de iniciarmos o cálculo, observe que muitas vezes o pacote Solver (necessário para esses cálculos) não está disponível na planilha. Caso isso ocorra na sua máquina, siga os seguintes passos. Clique no botão do símbolo Office: Na tela que aparecerá escolha Opções do Excel: Figura 7 Figura 8 50

26 Pesquisa Operacional Opte então pela opção Suplementos, disponível do lado esquerdo da tela que se abriu. Figura 9 Essa opção disponibilizará vários suplementos, entre eles o Solver. Ative o e terá a ferramenta disponível. Figura 10 Observação Caso você não tenha conseguido a ativação do Solver por meio dos passos acima, será necessária a reinstalação do MS Excel, utilizando se a opção Instalação completa. Estando com a ferramenta Solver disponível, podemos iniciar o processo de programação linear. Para tanto, o primeiro passo será a elaboração de uma planilha inicial com os dados fundamentais do problema. Acompanhe, na imagem a seguir, a montagem da planilha necessária para o nosso exemplo: 51

27 Unidade II Figura 11 Nas células B3 e C3, aparecerão as variáveis de entrada, ou seja, as respostas solicitadas (quantidade de s s e pequenas a serem produzidas). Inicialmente, elas são preenchidas com zeros. Nas demais células, colocamos os dados iniciais do problema: nas células B4 e C4, são colocados os lucros unitários, respectivamente da e da pequena; nas células B7 a C8, são colocadas as composições dos produtos, ou seja, o número de componentes máximos de cada umas das s; nas células E8 a E10, são colocadas as restrições, ou seja, a quantidade máxima de unidades que podem ser produzidas por hora de cada componente. Nas células sombreadas, são colocadas as fórmulas de cálculo, conforme a seguir. Na célula D5, é colocada a Função Objetivo: FO = lucro = , que nessa planilha de Excel, ficará assim: B4*B3 + C4*C3 Nas células D7 a D10, serão colocadas as quantidades a serem utilizadas de cada componente, ou seja, a quantidade de s a serem produzidas (célula B4 para e C4 para pequena), multiplicada pela quantidade de componentes utilizados em cada. A seguir, mostram se as fórmulas e como elas devem ser estabelecidas no Excel: 52

28 Pesquisa Operacional gabinete (célula D7): 1 no Excel B7 * B3 gabinete (célula D8): 1 no Excel C8 * C3 placas-mãe (célula D9): 3 + no Excel B9* B3 + C9* C3 placas de (célula D10): 2 + no Excel B10 * B03 + C10*C3 Montada a planilha, podemos resolver o problema por meio da utilização da ferramenta computacional. No MS Excel, essa ferramenta é o Solver, que deve ser acessado pelos seguintes comandos: Dados/ Solver. Figura 12 O quadro Parâmetros do Solver abrirá. Nele, deveremos preencher as seguintes informações: No quadro correspondente a Definir célula de destino:, colocar o endereço da célula na qual está a Função Objetivo. No nosso caso, é a celular D4. Faça isso clicando sobre o quadro e em seguida clicando com o botão da esquerda do mouse pressionado sobre a célula escolhida. Na linha de baixo do quadro, escolha a opção Máx, pois esse é um problema no qual queremos maximizar o lucro. Existem outros casos nos quais as opções serão Min ou Valor de. Descendo no quadro mais uma linha, encontramos o quadro Células Variáveis. Nesse quadro, apresentaremos as células nas quais estão as variáveis de decisão. No nosso exemplo, as células B4 e C4. Faça isso clicando e arrastando o mouse sobre as células, com o botão da esquerda pressionado. 53

29 Unidade II O quadro ficaria assim: Figura 13 O próximo passo é adicionar as restrições. Isso será feito clicando no botão Adicionar do quadro Parâmetros do Solver. Quando fizermos isso, aparecerá o quadro a seguir: Nesse quadro, devemos indicar três aspectos: Figura 14 Referência de célula. É a célula que contém a fórmula da respectiva restrição. No nosso caso, são as células de D7 a D10. Escolher o sinal adequado. O sinal padrão (default) que aparece é o <=. Clicando na seta ao lado podemos alterar o sinal, de acordo com o desejado. No nosso caso, desejamos o sinal <=, portanto não é necessária a alteração. Na caixa Restrição, setar a célula na qual está a restrição. Observe como fica o quadro para a restrição dos gabinetes s: 54

30 Pesquisa Operacional Figura 15 Clique então no botão Adicionar e coloque as demais restrições, uma a uma, de modo análogo. Após adicionar a última restrição, clique no botão OK. O quadro Parâmetros do Solve tornará a aparecer e terá o seguinte aspecto: Figura 16 Nesse ponto, temos todas as informações para o Excel efetuar os cálculos, evidentemente, como já vimos antes, por tentativas. Para se iniciar os cálculos, devemos estabelecer algumas opções de cálculo. Isso é feito clicando se sobre o botão Opções no quadro de Parâmetros, o que fará surgir o quadro Opções do Solver, mostrado a seguir. Nesse nosso exemplo, manteremos todas as definições padrão, acrescentando apenas as opções: Presumir modelo linear: estamos diante de um caso de Programação Linear, portanto o modelo matemático deve ser linear. Presumir não negativos: o Excel assume nessa opção a presunção de que os valores das células são no mínimo zero, ou seja, de não existem números negativos (o que é óbvio; não há nesse exemplo a possibilidade da produção de uma quantidade negativa de peças). Usar escala automática: essa opção será sempre selecionada nos casos de Programação Linear. Com isso, dispensam se preocupações com a diferença entre as zas de entrada e os valores de saída do problema. 55

31 Unidade II Figura 17 Feitas as opções, clicamos no botão OK, retornando ao quadro Parâmetros do Solve. Devemos conferir as diversas informações introduzidas e em seguinda pressionar o botão Resolver. O Solver fará as tentativas de resolução e, após encerrado o processo de cálculo, apresentará o quadro Resultados do Solver. Veja que, no nosso caso, o Solver encontrou uma solução para o problema que atende a todas as condições e restrições fixadas. Figura 18 Observe que a planilha montada inicialmente agora apresenta valores nas células que estavam zeradas, apresentando o número de s s a serem montadas (4), o número de s pequenas a serem montadas (12) e o lucro total R$ 4.400,00. 56

32 Pesquisa Operacional Figura 19 Já no quadro Resultados do Solver, no lado direito, existem três opções de relatórios. Selecionamos os três, clicando com o botão esquerdo do mouse sobre cada um deles. Além disso, mantivemos a opção Manter solução do Solver e aí clicamos em OK. A planilha fica, então, com o seguinte aspecto: Figura 20 Observe que, na barra inferior, apareceram os três relatórios mencionados. Vamos analisar cada um deles. Relatório de respostas O relatório (vide cópia a seguir) apresenta como valor final a solução ótima para o lucro auferido total, no valor de R$ 4.400,00, que será obtido com a montagem de 4 s s e 12 s pequenas, conforme mostram as células ajustáveis. No campo Valor original, aparecem os zeros inicialmente assumidos. As restrições apresentas sob o nome Transigência mostram as sobras que ocorrerão. O status Agrupar siginifica que não apresentaram sobras. Na coluna Fórmula, aparecem as restrições informadas. 57

33 Unidade II Figura 21 Relatório de limites Nesse relatório, a primeira informação é uma repetição do valor máximo obtido na Função Objetivo, que, nesse exemplo, é o lucro auferido total. Já o grupo de informações nomeado como Ajustável, simula o que ocorreria com a Função Objetivo caso as quantidades produzidas fossem produzidas na quantidade inferior possível. Perceba que se fossem produzidas zero s s, o lucro seria de R$ 2.400,00 e caso fossem produzidas zero s pequenas, o lucro seria de R$ 2.000,00; resultados estes óbvios. Esse problema é de maximização; logo, os limites superiores são os limites ótimos. Isso sempre ocorre em problemas de maximização. Nos problemas de minimização, a situação será oposta; os limites mínimos serão os ótimos. Figura 22 58

34 Pesquisa Operacional Observe que esse relatório apresenta importância quando aumentamos o número de variáveis do problema. Imagine por exemplo que a empresa tivesse vinte produtos diferentes e quisesse descontinuar um deles. Qual seria a consequência para o lucro total? Isso poderia ser respondido por um relatório desse tipo. Relatório de sensibilidade Quando queremos observar os impactos de determinada alteração nos parâmetros de um problema, podemos usar o relatório de sensibilidade. Note que esse relatório tem dois campos. O primeiro campo, Células ajustáveis, nos informa quais as variações toleráveis nos objetivos individuais para que não se altere a solução. Assim podemos notar que se o lucro unitário de uma variar entre R$ 400,00 e R$ 600,00 (cem reais para mais ou para menos) a solução ótima não se alterará. Da mesma forma, é tolerável uma variação no lucro unitário das s pequenas entre R$ 167,67 e R$ 250,00. Figura 23 O segundo campo, Restrições, nos informa, no campo Sombra Preço, quanto perdemos na Função Objetivo por não ter uma unidade a mais de determinada variável restritiva. Assim, se tivéssemos uma placa mãe a mais, poderíamos aumentar o lucro em R$ 100,00. Observe, que a as colunas Permissível Acréscimo e Permissível Decréscimo têm as mesmas características em ambas as situações. 7 Problemas envolvendo minimização da Função Objetivo 7.1 Algoritmo Simplex O problema de minimização, ao contrário do problema de maximização, tem pelo menos umas de suas restrições do tipo. Assim sendo, se no problema de maximização é necessário utilizarem se variáveis de folga, nos casos de minimização devemos introduzir variáveis de excesso nas restrições do tipo. 59

35 Unidade II Como foi mencionado anteriormente, variável de excesso é uma variável não negativa, subtraída do lado esquerdo da desigualdade, e é numericamente igual à diferença entre o valor do termo e o valor das variáveis que estão à esquerda da desigualdade. Por outro lado, variável artificial é uma variável adicionada à esquerda em todas as restrições que não contenham uma variável de folga, sendo utilizada nas restrições que têm originalmente o sinal. Em um problema de minimização, sempre aparecerão algumas variáveis artificiais. Como a solução básica inicial do Simplex é obtida igualando a zero todas as variáveis de entrada, a variável artificial torna se necessária para que a solução básica inicial não seja constituída pelas variáveis de excesso, que, como é subtraída na equação, acarretaria solução básica de valores negativos, o que contraria a lógica do Simplex. Esse procedimento corresponde a fazer, na solução básica inicial, as variáveis de entrada e de excesso iguais a zero e, consequentemente, as variáveis de folga e as artificiais iguais ao valor do termo da equação. Observe, no entanto, que, na solução ótima, as variáveis artificiais devem ser iguais a zero. Para que isso ocorra, atribui se, na Função Objetivo, um coeficiente M. Esse valor é altíssimo em relação a essas variáveis (por exemplo, um custo altíssimo), e dessa forma o Simplex irá, na solução ótima, imputar zero às variáveis artificiais. Contador (1998) relaciona as alterações necessárias no algoritmo Simplex de maximização para se resolver um problema de minimização. São elas: introduzir as variáveis de excesso e artificial; transformar a Função Objetivo de minimizar para maximizar e trocar o seu sinal, pois minimizar uma função equivale a maximizar sua simétrica; mudar a maneira de calcular a linha de controle da primeira solução básica (isso será explicado no próximo exemplo); a variável que entrará na base seguinte é aquela da coluna que apresentar maior valor positivo na linha de controle (perceba que é o procedimento oposto ao problema de maximização); a variável que sairá da base é aquela que apresentar o menor valor não negativo na coluna termo dividido pela coluna de trabalho (outra alteração em relação ao problema de maximização). Explicaremos esse cálculo utilizando um exemplo apresentado pelo professor José Celso Contador (1998): Um fabricante de ração deseja produzir um determinado tipo de ração, conforme especificação do Ministério da Agricultura, e pelo mínimo custo. O Ministério especifica apenas quatro nutrientes A, B, C e D, exigindo que um quilo de ração contenha: 60 no mínimo, 120g do nutriente A;

36 Pesquisa Operacional no mínimo, 360g do nutriente B; no máximo, 360g do nutriente C; exatamente 180g do nutriente D. O fabricante dispõe de três alimentos: milho, alfafa e silagem. E cada quilo desses alimentos contém os seguintes pesos em quilos dos nutrientes: Tabela 21 Nutriente Milho Alfafa Silagem A 0,1 0,2 0,1 B 0,4 0,4 0,3 C 0,2 0,2 0,1 D 0,1 0,2 0,1 Outros 0,2 0,4 Total 1,0 1,0 1,0 Sabendo se que o quilo do milho custa $ 0,50, o da alfafa $ 0,20 e o da silagem $ 0,10, determinar qual a mistura que proporciona mínimo custo da ração especificada. a) Modelagem do problema Representaremos as quantidades num quilo de ração de milho, alfafa e silagem, respectivamente, pelas letras x, y e z. A Função Objetivo, portanto, será: Custo da ração = 0,5x + 0,2y + 0,1z É evidente que nosso objetivo é minimizar o valor do custo da ração; portanto, devemos determinar os valores de x, y e z que resultem no menor custo possível (a solução ótima). Esse cálculo, no entanto, só tem sentido à luz das restrições, que são as seguintes: Para o nutriente A: 0,1x + 0,2y + 0,1z 0,12 kg Para o nutriente B: 0,4x + 0,4y + 0,3z 0,36 kg Para o nutriente C: 0,2x + 0,2y + 0,1z 0,36 kg Para o nutriente D: 0,1x + 0,2y + 0,1z = 0,18 kg 61

37 Unidade II Os nutrientes que não são especificados não constituem restrição física, mas precisam ser mostrados numa equação para manter a lógica do sistema matemático. São as restrições lógicas: Outros nutrientes: 0,2x + 0y + 0,4z 0 kg Por último, é necessário que os três alimentos juntos (milho, alfafa e silagem) perfaçam um quilo: x + y + z = 1kg Nesse ponto, precisamos fazer uma consideração. Trabalhar no Simplex com números fracionários não é recomendável. Por isso, vamos fazer um artifício matemático: multiplicar as inequações por 10 (o que não as altera) e posteriormente os termos s e a Função Objetivo por 10 também. Esse último artifício afeta o resultado final, ou seja, quando chegarmos ao resultado, deveremos dividi lo por 10, voltando à situação original. Portanto, as inequações ficarão com os seguintes formatos: Para o nutriente A: 1x + 2y + 1z 12 kg Para o nutriente B: 4x + 4y + 3z 36 kg Para o nutriente C: 2x + 2y + 1z 36 kg Para o nutriente D: 1x + 2y + 1z = 18 kg Outros nutrientes: 2x + 0y + 4z 0 kg x + y + z = 10kg Perceba que existem algumas redundâncias que permitem eliminar inequações, o que é muito bom, porque simplificará os cálculos. As inequações para o nutriente A e para o nutriente D são redundantes. Ficaremos com a mais restritiva, ou seja, a inequação do nutriente D (se a inequação for igual a 18 será automaticamente maior do que 12, daí a redundância). Outra redundância é a inequação para outros nutrientes. Também pode ser eliminada, pois se os valores de x, y e z têm que ser positivos, a inequação será automaticamente positiva. Ficamos, assim, com quatro inequações: Para o nutriente B: 4x + 4y + 3z 36 kg Para o nutriente C: 2x + 2y + 1z 36 kg 62

38 Pesquisa Operacional Para o nutriente D: 1x + 2y + 1z = 18 kg x + y + z = 10kg b) Modelo formal Lembre se de que para transformar uma inequação do tipo em equações, é necessário introduzir uma variável de folga. Como já definido anteriormente, variável de folga ou residual é uma variável não negativa somada ao lado esquerdo da desigualdade e numericamente igual à diferença entre o termo e os valores à esquerda da desigualdade. Corresponde, numa determinada solução, à parcela não aproveitada dos recursos. Simbolizaremos essas variáveis como R i. Já para transformar as inequações do tipo em equações, é necessário introduzir uma variável de excesso. Como já definido anteriormente, variável de excesso é uma variável não negativa, subtraída do lado esquerdo da desigualdade e numericamente igual à diferença entre o valor do termo e o valor das variáveis que estão à esquerda da desigualdade. Simbolizaremos essas variáveis como E i. Além dessas duas variáveis, é necessário introduzir variáveis artificiais, que são variáveis adicionadas à esquerda em todas as restrições que não contenham uma variável de folga, sendo utilizadas, portanto, nas restrições que têm originalmente o sinal ou =. Como vimos, a variável artificial é necessária porque, na solução inicial do Simplex, são igualadas a zero todas as variáveis de entrada e de excesso, o que corresponde a fazer as variáveis de folga e as artificiais iguais ao termo, em cada uma das equações na qual a variável aparece. Simbolizaremos as variáveis artificiais como A i. Feitas essas considerações, teremos as seguintes equações para serem trabalhadas no Simplex: Para o nutriente B: 4x + 4y+ 3 z E 1 + A 1 = 36 kg Para o nutriente C: 2x + 2y + 1z + R 2 = 36 kg Para o nutriente D: 1x + 2y + 1z + A 3 = 18 kg x + y + z + A 4 = 10kg Usando o problema, vamos tentar entender o significado da variável de excesso. A especificação da ração estabelece que ela deve conter no mínimo 360 gramas do nutriente B por quilo. Como o fabricante pode oferecer um valor maior, a variável de excesso representa a quantidade de nutriente B que exceder os 360 gramas. A Função Objetivo passa a ter a seguinte forma, considerando a multiplicação por 10, como orientado anteriormente: min (5x + 2y + 1z + 0R 2 + 0E 1 + MA 1 + MA 2 + MA 3 ) 63

39 Unidade II Da forma como foi apresentado, o Simplex é um algoritmo de maximização. Como o exemplo é de minimização, utilizaremos o mesmo procedimento, mas trocaremos o sinal da Função Objetivo, pois minimizar uma função corresponde a maximizar a função simétrica dela: max ( 5x 2y 1z 0R 2 0E 1 MA 1 MA 2 MA3) Resumindo, o modelo formal desse problema de ração é: max ( 5x 2y 1z 0R 2 0E 1 MA 1 MA 2 MA 3 ) Submetido às restrições: 4x + 4y + 3z 1E 1 + 0R 2 + 1A 1 + 0A 3 + 0A 4 = 36 kg 2x + 2y + 1z + 0E 1 + 1R 2 + 0A 1 + 0A 3 + 0A 4 = 36 kg 1x + 2y + 1z + 0E 1 + 0R 2 + 0A 1 + 1A 3 + 0A 4 = 18 kg 1x + 1y + 1z + 0E 1 + 0R 2 + 0A 1 + 0A 3 + 1A 4 = 10 kg Vemos, então, que todas as variáveis são não negativas (positivas ou zero). c) Montagem do Simplex Estabelecidas as equações, podemos montar o Simplex passo a passo: O simplex terá as seguintes colunas: Tabela 22 Base Função objetivo de entrada Residual/ Excesso artificial Controle M M M Coeficiente x y z E 1 R 2 A 1 A 2 A 4 b da função objetivo Valor da função objetivo dividido pela coluna de trabalho a incluir ou a excluir 1º passo: variáveis da primeira base A primeira base (primeira tentativa) é constituída pelas variáveis residuais e pelas artificiais, e seu valor é igual ao respectivo termo. Os coeficientes das equações são colocados nos locais adequados, conforme já fizemos anteriormente. 64

40 Pesquisa Operacional Tabela 23 Base Função objetivo de entrada Residual/ Excesso artificial Controle M M M Coeficiente x y z E 1 R 2 A 1 A 2 A 4 b da função objetivo Valor da função objetivo dividido pela coluna de trabalho a incluir ou a excluir A M R O A M A M Controle 2º passo: linha de controle A linha de controle da primeira base é obtida pela soma dos produtos dos coeficientes da respectiva coluna pelos valores da coluna Função Objetivo, menos o valor do coeficiente da variável da coluna na Função Objetivo (isso é um produto matricial, cujos detalhes matemáticos não fazem parte do nosso programa). Veja a seguir: na coluna da variável x: [4( M) + 2(0) + 1( M) + 1( M)] ( 5) = (5 6M) na coluna da variável y: [4( M) + 2(0) + 2( M) + 1( M)] ( 2) = (2 7M) na coluna da variável z: [3( M) + 1(0) + 1( M) + 1( M)] ( 1) = (1 5M) na coluna da variável E 1 : [ 1( M) + 0(0) + 0( M) + 0( M)] (0) = (M) Nas demais colunas, esses cálculos resultarão zero. Veja a seguir: Tabela 24 Base Função objetivo de entrada Residual/ Excesso artificial Controle M M M Coeficiente x y z E 1 R 2 A 1 A 2 A 4 b da função objetivo Valor da função objetivo dividido pela coluna de trabalho a incluir ou a excluir A M R O A M A M Controle 5-6M 2-7M 1-5M M

41 Unidade II A coluna Valor da FO (Função Objetivo) é obtida pela multiplicação da coluna Independente pela coluna Coeficiente da Função Objetivo. O valor na linha de controle é a soma desses produtos. 36( M) + 36(0) + 18( M) + 10( M)= 64M Em outras palavras, esse valor é aquele da primeira solução básica, obtida diretamente na Função Objetivo. Como, numa solução básica, as variáveis que não estão na base são iguais a zero e as outras são iguais aos respectivos termos s, a Função Objetivo acaba reduzida à expressão anterior. Veja a seguir se fizéssemos pela Função Objetivo, como o resultado seria idêntico: 5(0) 2(0) 1(0) 0R A 0E 1 36M 18M 10M= 64M Nesse momento do cálculo, a planilha do Simplex estará assim: Tabela 25 Base Função objetivo de entrada Residual/ Excesso artificial Controle M M M Coeficiente x y z E 1 R 2 A 1 A 2 A 4 b da função objetivo Valor da função objetivo dividido pela coluna de trabalho a incluir ou a excluir A M 36M Entra R O 0 A M 18M Sai A M 10M Controle 5-6M 2-7M 1-5M M M 64M 3º passo: variável que entrará na base seguinte É aquela da coluna que apresentar o maior valor negativo na linha de controle. No nosso exemplo, será a variável Y. 66

42 Pesquisa Operacional Tabela 26 Base Função objetivo de entrada Residual/ Excesso artificial Controle M M M Coeficiente x y z E 1 R 2 A 1 A 2 A 4 b da função objetivo Valor da função objetivo dividido pela coluna de trabalho a incluir ou a excluir A M 36M Entra R O 0 y A M 18M Sai A M 10M Controle 5-6M 2-7M 1-5M M M 64M 4º passo: variável que vai sair da base Será a que apresentar o menor valor não negativo na coluna termo dividido pela coluna de trabalho. Vale lembrar que é necessário calcular a coluna de trabalho, que é aquela coluna de divisão correspondente à variável que entrará. Tabela 27 Base Função objetivo de entrada Residual/ Excesso artificial Controle M M M Coeficiente x y z E 1 R 2 A 1 A 2 A 4 b da função objetivo Valor da função objetivo dividido pela coluna de trabalho a incluir ou a excluir A M 36M Entra R O 0 y A M 18M Sai A M 10M Controle 5-6M 2-7M 1-5M M M 64M Está encerrada a primeira base. Como fizemos no exercício das s, repetiremos as tentativas (bases) até que só restem números não negativos na linha de controle. Veja como ficaram os cálculos nesse exemplo: 67

43 Unidade II Tabela 28 Base Função objetivo de entrada Residual/ artificial inde- Excesso pen M M M dente Coeficiente x y z E 1 R 2 A 1 A 2 A 4 b da função objetivo Controle Valor da função objetivo dividido pela coluna de trabalho a incluir ou a excluir A M 36M Entra R y A M 18M Sai A M 10M Controle 5-6M 2-7M 1-5M M M 64M Y 1 1 3/4 1/4 0 1/ Entra R /2 1/2 1 1/ E 1 A /2 1/2 0 1/ M 0 0 Sai A /4 1/4 0 1/ M M 4 A 3 Controle 3+M 0 (M-2)/4 (2-3M)/4 0 (7M 2)/ M Y 1/2 1 1/ / Entra R Z E Sai A / /2 1 1 M M 2 A 3 Controle (8+M)+2 0 M/2 0 0 M 1+1,5M 0 18 M 18 M Y R E A Controle M M 1 M Dessa forma, a solução do problema é a seguinte: FO = 18 (custo mínimo = 5 x x 8 +1 =18), considerando que x = 0; y = 8 e z = 2. A variável de folga E 1 será igual a 2 (sobra 2); a variável de excesso, igual a 18, e as artificiais, logicamente iguais a zero. Observe, no entanto, que a solução anterior é matemática. Para trabalharmos com números inteiros, multiplicamos os termos s e a Função Objetivo por 10; agora, para voltarmos ao original, devemos dividir por 10: 68

44 Pesquisa Operacional A ração será, por quilo, composta de: x = 0 kg de milho; y = 0,8 kg de alfafa; z = 0,2 kg de silagem. E o custo da ração será de: (0,8 kg de alfafa a $ 0,20 por kg) = (0,2 kg de silagem a $0,10 por kg) = 1,8 por kg de ração. 7.2 Solução computacional No exemplo das s, vimos a resolução computacional de um problema de maximização da Função Objetivo. Muitos casos práticos envolvem um problema de minimização, ou seja, uma situação em que queremos que a Função Objetivo assuma o menor valor possível. Nesses casos, pelo menos uma das restrições é do tipo. Como anteriormente, vamos usar um exemplo para explicar os cálculos envolvidos, mas desta vez vamos nos concentrar na solução computacional, hoje em dia muito mais adequada e amplamente utilizada. Vamos imaginar a seguinte situação: Um investidor tem R$ ,00 para aplicar no mercado financeiro, podendo escolher entre duas opções: um fundo de ações e um fundo de renda fixa. Cada quota do fundo de ações custa R$ 160,00 e proporciona uma taxa de retorno de 9%. Por outro ladro, cada quota do fundo de renda fixa custa R$ 215,00 e proporciona uma taxa de retorno de 5%. O objetivo do cliente é minimizar o risco, mas pretende obter o retorno de pelo menos R$ ,00. Para aquisição de uma quota, o fundo de ações apresenta um índice de risco igual a 5, enquanto uma quota do fundo de renda fixa apresenta um índice de risco igual a 2. O último desejo do cliente é que pelo menos 650 quotas do fundo de renda fixa sejam adquiridas. O que se deseja é determinar quantas quotas de cada um dos investimentos disponíveis devem ser adquiridas, para que se atinja o objetivo de minimizar o índice de risco total da carteira desse investidor. Perceba que o processo de cálculo é semelhante aos casos de maximização. A diferença está no equacionamento matemático de uma e da outra situação. Quando utilizamos os recursos computacionais, essa diferença fica muito mais minimizada. 69

Opte então pela opção Suplementos disponível do lado esquerdo da tela que se abriu.

Opte então pela opção Suplementos disponível do lado esquerdo da tela que se abriu. 2.4 - Solução computacional utilizando ferramenta solver do MS Excel O problema envolvendo a produção de CPUs é um problema de maximização: queremos o máximo lucro. Vamos aproveitá-lo mais uma vez como

Leia mais

Unidade II PESQUISA OPERACIONAL. Profa. Ana Carolina Bueno

Unidade II PESQUISA OPERACIONAL. Profa. Ana Carolina Bueno Unidade II PESQUISA OPERACIONAL Profa. Ana Carolina Bueno Programação linear É um subitem da programação matemática. É um dos modelos utilizados em pesquisa operacional. Consiste em otimizar (maximizar

Leia mais

Programação Linear M É T O D O S : E S T A T Í S T I C A E M A T E M Á T I C A A P L I C A D A S D e 1 1 d e m a r ç o a 2 9 d e a b r i l d e

Programação Linear M É T O D O S : E S T A T Í S T I C A E M A T E M Á T I C A A P L I C A D A S D e 1 1 d e m a r ç o a 2 9 d e a b r i l d e Programação Linear A otimização é o processo de encontrar a melhor solução (ou solução ótima) para um problema. Existe um conjunto particular de problemas nos quais é decisivo a aplicação de um procedimento

Leia mais

Resolvendo algebricamente um PPL

Resolvendo algebricamente um PPL Capítulo 6 Resolvendo algebricamente um PPL 6.1 O método algébrico para solução de um modelo linear A solução de problemas de programação linear com mais de duas variáveis, não pode ser obtida utilizando-se

Leia mais

Pesquisa Operacional. Prof. José Luiz

Pesquisa Operacional. Prof. José Luiz Pesquisa Operacional Prof. José Luiz Resolver um problema de Programação Linear significa basicamente resolver sistemas de equações lineares; Esse procedimento, apesar de correto, é bastante trabalhoso,

Leia mais

Programação Linear. MÉTODOS QUANTITATIVOS: ESTATÍSTICA E MATEMÁTICA APLICADAS De 30 de setembro a 13 de novembro de 2011 prof. Lori Viali, Dr.

Programação Linear. MÉTODOS QUANTITATIVOS: ESTATÍSTICA E MATEMÁTICA APLICADAS De 30 de setembro a 13 de novembro de 2011 prof. Lori Viali, Dr. Programação Linear São problemas complexos, muitas vezes de difícil solução e que envolvem significativas reduções de custos, melhorias de tempos de processos, ou uma melhor alocação de recursos em atividades.

Leia mais

IMPLEMENTAÇÃO E RESOLUÇÃO DE MODELOS MATEMÁTICOS UTILIZANDO A PLANILHA EXCEL

IMPLEMENTAÇÃO E RESOLUÇÃO DE MODELOS MATEMÁTICOS UTILIZANDO A PLANILHA EXCEL IMPLEMENTAÇÃO E RESOLUÇÃO DE MODELOS MATEMÁTICOS UTILIZANDO A PLANILHA EXCEL 1. INTRODUÇÃO Este tutorial apresenta, passo-a-passo, o processo de implementação e resolução de modelos matemáticos na planilha

Leia mais

PESQUISA OPERACIONAL 11. SOLUÇÃO ALGEBRICA O MÉTODO SIMPLEX ( ) DEFINIÇÕES REGRAS DE TRANSFORMAÇÃO. Prof. Edson Rovina Página 16

PESQUISA OPERACIONAL 11. SOLUÇÃO ALGEBRICA O MÉTODO SIMPLEX ( ) DEFINIÇÕES REGRAS DE TRANSFORMAÇÃO. Prof. Edson Rovina Página 16 11. SOLUÇÃO ALGEBRICA O MÉTODO SIMPLEX Página 16 Após o problema ter sido modelado, pode-se resolvê-lo de forma algébrica. A solução algébrica é dada pelo método simplex elaborado por Dantzig. Antes da

Leia mais

Simplex. Investigação Operacional José António Oliveira Simplex

Simplex. Investigação Operacional José António Oliveira Simplex 18 Considere um problema de maximização de lucro relacionado com duas actividades e três recursos. Na tabela seguinte são dados os consumos unitários de cada recurso (A, B e C) por actividade (1 e 2),

Leia mais

Pesquisa Operacional

Pesquisa Operacional Faculdade de Engenharia - Campus de Guaratinguetá Pesquisa Operacional Fabrício Maciel fabricio@feg.unesp.br Departamento de Produção 1 Programação linear Sumário Modelagem e limitações da Programação

Leia mais

PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR MÉTODO SIMPLEX. Prof. Angelo Augusto Frozza, M.Sc.

PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR MÉTODO SIMPLEX. Prof. Angelo Augusto Frozza, M.Sc. PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR MÉTODO SIMPLEX Prof. Angelo Augusto Frozza, M.Sc. MÉTODO SIMPLEX A ideia geral é Em vez de enumerar todas as soluções básicas (pontos extremos) do problema de PL,

Leia mais

Métodos de Pesquisa Operacional

Métodos de Pesquisa Operacional Métodos de Pesquisa Operacional Programação Linear é a parte da Pesquisa Operacional que trata da modelagem e resolução de problemas formulados com funções lineares. Programação Linear } Métodos de Resolução

Leia mais

No exemplo há duas variáveis básicas: ST e LX. Serão agora representadas, em um gráfico bidirecional, tanto as restrições como a função objetivo.

No exemplo há duas variáveis básicas: ST e LX. Serão agora representadas, em um gráfico bidirecional, tanto as restrições como a função objetivo. RESOLUÇÃO PELO MÉTODO GRÁFICO No exemplo há duas variáveis básicas: ST e. Serão agora representadas, em um gráfico bidirecional, tanto as restrições como a função objetivo. O modelo é: Maximizar: Sujeito

Leia mais

Exemplo de um problema de transporte, com 3 fontes e 3 destinos. Custos unitários de transporte para o exemplo de problema de transporte

Exemplo de um problema de transporte, com 3 fontes e 3 destinos. Custos unitários de transporte para o exemplo de problema de transporte TRANSPORTE 6 Um problema bastante comum que muitas vezes pode ser modelado como um problema de programação linear é o problema de transporte. Este problema envolve o transporte de alguma carga de diversas

Leia mais

Programação Linear. (3ª parte) Informática de Gestão Maria do Rosário Matos Bernardo 2016

Programação Linear. (3ª parte) Informática de Gestão Maria do Rosário Matos Bernardo 2016 Programação Linear (3ª parte) Informática de Gestão 61020 Maria do Rosário Matos Bernardo 2016 Conteúdos Excel Solver Instalação do Solver Resolução de problemas de programação linear Problema de minimização

Leia mais

Programação Linear. (2ª parte) Informática de Gestão Maria do Rosário Matos Bernardo 2016

Programação Linear. (2ª parte) Informática de Gestão Maria do Rosário Matos Bernardo 2016 Programação Linear (2ª parte) Informática de Gestão 61020 Maria do Rosário Matos Bernardo 2016 Conteúdos Representação e resolução gráfica dos problemas de programação linear Problema de minimização Problema

Leia mais

Aula 04 INTRODUÇÃO. Prezado(a) Aluno(a),

Aula 04 INTRODUÇÃO. Prezado(a) Aluno(a), Aula 04 Computação para Engenharia Civil INTRODUÇÃO Prezado(a) Aluno(a), Após três módulos, já conseguimos nos adiantar muito no estudo da ferramenta Excel. Espero que tenham percebido o potencial desta

Leia mais

Definir e resolver um problema usando o Solver

Definir e resolver um problema usando o Solver Página 1 de 5 Excel > Analisando dados > Teste de hipóteses Definir e resolver um problema usando o Solver Mostrar tudo O Solver faz parte de um pacote de programas algumas vezes chamado de ferramentas

Leia mais

Calc. Interface, Formatação e Cálculos

Calc. Interface, Formatação e Cálculos Calc Interface, Formatação e Cálculos INTERFACE Tal como no Writer, a Interface do Calc composta pela organização dos menus e atalhos que compõem o programa, que dão acesso às suas funcionalidades. É interessante

Leia mais

Resolução de PL usando o método Simplex

Resolução de PL usando o método Simplex V., V.Lobo, EN / ISEGI, 28 Resolução de PL usando o método Simplex Método Simplex Algoritmo para resolver problemas de programação linear George Dantzig, 947 Muito utilizado Facilmente implementado como

Leia mais

C.N.C. Programação Torno

C.N.C. Programação Torno C.N.C. Programação Torno Módulo I Aula 04 Plano Cartesiano Coordenadas Absolutas e Incrementais A reta numérica Um exemplo de reta numérica, com alguns números representados nela. Observe as distâncias

Leia mais

Pesquisa Operacional

Pesquisa Operacional Pesquisa Operacional Análise de Sensibilidade Algébrica Profa. Sheila Morais de Almeida DAINF-UTFPR-PG abril - 016 1 Análise de Sensibilidade Algébrica Variações do Lado Direito Variações na Função Objetivo

Leia mais

Marina Andretta. 10 de outubro de Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis.

Marina Andretta. 10 de outubro de Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Solução básica viável inicial Marina Andretta ICMC-USP 10 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211

Leia mais

Método Simplex dual. Marina Andretta ICMC-USP. 24 de outubro de 2016

Método Simplex dual. Marina Andretta ICMC-USP. 24 de outubro de 2016 Método Simplex dual Marina Andretta ICMC-USP 24 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização

Leia mais

Pesquisa Operacional Aula 4 Solução Gráfica em Programação Linear

Pesquisa Operacional Aula 4 Solução Gráfica em Programação Linear Pesquisa Operacional Aula 4 Solução Gráfica em Programação Linear Prof. Marcelo Musci aula@musci.info www.musci.info Aplicável para modelos com 02 variáveis de decisão Útil para a ilustração de alguns

Leia mais

PESQUISA OPERACIONAL APLICADA A LOGÍSTICA

PESQUISA OPERACIONAL APLICADA A LOGÍSTICA PESQUISA OPERACIONAL APLICADA A LOGÍSTICA Pós-Graduação em Logística e Supply Chain Valdick Sales 1 APRESENTAÇÃO Valdick sales Graduado em Ciência da Computação pela UFPE. Pós-Graduado em Redes e Banco

Leia mais

Método Simplex V 1.1, V.Lobo, EN / ISEGI, 2008

Método Simplex V 1.1, V.Lobo, EN / ISEGI, 2008 .,.Lobo, EN / ISEGI, 8 Método Simplex Resolução de PL usando o método Simplex Algoritmo para resolver problemas de programação linear George Dantzig, 97 Muito utilizado Facilmente implementado como programa

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Linear (PL) Aula 10: Método Simplex Técnica das variáveis artificias Método das penalidades ( Big M ). Método das duas fases. 2 Modificando o Exemplo Protótipo. Suponha-se que é modificado

Leia mais

Vânio Correia Domingos Massala

Vânio Correia Domingos Massala Optimização e Decisão 06/0/008 Método do Simplex Vânio Correia - 5567 Domingos Massala - 58849 INSTITUTO SUPERIOR TÉCNICO Generalidades do Método do Simplex Procedimento algébrico iterativo para resolver

Leia mais

Material Teórico - Módulo Matrizes e Sistemas Lineares. Sistemas Lineares - Parte 2. Terceiro Ano do Ensino Médio

Material Teórico - Módulo Matrizes e Sistemas Lineares. Sistemas Lineares - Parte 2. Terceiro Ano do Ensino Médio Material Teórico - Módulo Matrizes e Sistemas Lineares Sistemas Lineares - Parte 2 Terceiro Ano do Ensino Médio Autor: Prof Fabrício Siqueira Benevides Revisor: Prof Antonio Caminha M Neto 1 A representação

Leia mais

O Método Simplex. Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto

O Método Simplex. Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto O Método Simplex Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto O Método Simplex para Problemas de Maximização Max Z(X) = 5X 1 + 2X 2 sujeito a X 1 = 0 X 2

Leia mais

Programação Linear. Dual Simplex: Viabilidade Dual Método Dual Simplex

Programação Linear. Dual Simplex: Viabilidade Dual Método Dual Simplex Programação Linear Dual Simplex: Viabilidade Dual Viabilidade Dual Considere o par de problemas primal (P) dual (D). Agora já sabemos como encontrar a solução de um desses PPL a partir da solução do outro.

Leia mais

Otimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana

Otimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana Otimização Linear Profª : Adriana Departamento de Matemática adriana@fc.unesp.br wwwp.fc.unesp.br/~adriana Forma geral de um problema Em vários problemas que formulamos, obtivemos: Um objetivo de otimização

Leia mais

Pesquisa Operacional. Prof. José Luiz

Pesquisa Operacional. Prof. José Luiz Pesquisa Operacional Prof. José Luiz Prof. José Luiz Função Linear - Introdução O conceito de função é encontrado em diversos setores da economia, por exemplo, nos valores pagos em um determinado período

Leia mais

Programação Linear. (4ª parte) Informática de Gestão Maria do Rosário Matos Bernardo 2016

Programação Linear. (4ª parte) Informática de Gestão Maria do Rosário Matos Bernardo 2016 Programação Linear (4ª parte) Informática de Gestão 61020 Maria do Rosário Matos Bernardo 2016 Conteúdos Análise de sensibilidade Relatório de reposta Relatório de sensibilidade Relatório de limites Desafio:

Leia mais

PROGRAMAÇÃO LINEAR 1. A TEORIA DA PROGRAMAÇÃO LINEAR 2. MÉTODO GRÁFICO 3. MÉTODO SIMPLEX 4. ANÁLIDE DE SENSIBILIDADE 5. APLICAÇÕES

PROGRAMAÇÃO LINEAR 1. A TEORIA DA PROGRAMAÇÃO LINEAR 2. MÉTODO GRÁFICO 3. MÉTODO SIMPLEX 4. ANÁLIDE DE SENSIBILIDADE 5. APLICAÇÕES UNIVERSIDADE FEDERAL DA BAHIA - UFBA ESCOLA POLITÉCNICA DEPARTAMENTO DE ENGENHARIA MECÂNICA DEM CURSO DE ENGENHARIA DE PRODUÇÃO PROGRAMAÇÃO LINEAR PESQUISA OPERACIONAL PARTE II 1. A TEORIA DA PROGRAMAÇÃO

Leia mais

planilhas-excel, como forma de reduzir o tempo gasto na realização das atividades apresentadas

planilhas-excel, como forma de reduzir o tempo gasto na realização das atividades apresentadas Apêndice A Instruções para a construção das planilhas Esse documento foi elaborado para ajudar o professor e o aluno na montagem de planilhas-excel, como forma de reduzir o tempo gasto na realização das

Leia mais

Hewlett-Packard FUNÇÃO EXPONENCIAL. Aulas 01 e 06. Elson Rodrigues, Gabriel Carvalho e Paulo Luiz

Hewlett-Packard FUNÇÃO EXPONENCIAL. Aulas 01 e 06. Elson Rodrigues, Gabriel Carvalho e Paulo Luiz Hewlett-Packard FUNÇÃO EXPONENCIAL Aulas 01 e 06 Elson Rodrigues, Gabriel Carvalho e Paulo Luiz Ano: 2015 Sumário Equação Exponencial 1 Equação Exponencial 1 Exemplo 1 1 Método da redução à base comum

Leia mais

Otimização. Utilizando o OpenOffice-Calc para Solução de Problemas de Otimização. Paulo Henrique Ribeiro Gabriel

Otimização. Utilizando o OpenOffice-Calc para Solução de Problemas de Otimização. Paulo Henrique Ribeiro Gabriel Otimização Utilizando o OpenOffice-Calc para Solução de Problemas de Otimização Paulo Henrique Ribeiro Gabriel phrg@ufu.br Faculdade de Computação Universidade Federal de Uberlândia 2016/1 Paulo H. R.

Leia mais

Métodos e Medidas II

Métodos e Medidas II Métodos e Medidas II Disciplina: 1 Prof. Álvaro José Periotto ajperiotto@uem.br 3. Método Gráfico (conjunto de soluções/ponto ótimo) 1. Entendimento do Enunciado 2 Início Entendimento do Enunciado do P.P.L.

Leia mais

PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR MÉTODO SIMPLEX. Prof. Angelo Augusto Frozza, M.Sc.

PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR MÉTODO SIMPLEX. Prof. Angelo Augusto Frozza, M.Sc. PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR MÉTODO SIMPLEX Prof. Angelo Augusto Frozza, M.Sc. ROTEIRO Esta aula tem por base o Capítulo 3 do livro de Taha (2008): Motivação Conceitos Matemáticos Iniciais

Leia mais

Programação Linear/Inteira

Programação Linear/Inteira Unidade de Matemática e Tecnologia - RC/UFG Programação Linear/Inteira Prof. Thiago Alves de Queiroz Aula 2 Thiago Queiroz (IMTec) Aula 2 Aula 2 1 / 46 Hipóteses de Linearidade Existem algumas hipóteses

Leia mais

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse:

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina.com.br Programação Linear: a técnica mais importante da Pesquisa Operacional - 2 GRAPH é marca registrada

Leia mais

Unidade: Modelo Simplex e Modelo Dual. Unidade I:

Unidade: Modelo Simplex e Modelo Dual. Unidade I: Unidade: Modelo Simplex e Modelo Dual Unidade I: 0 Unidade: Modelo Simplex e Modelo Dual Segundo Wikipédia (2008), em teoria da otimização matemática, o algoritmo simplex de George Dantiz é uma técnica

Leia mais

Aula 01 Microsoft Excel 2016

Aula 01 Microsoft Excel 2016 Aula 01 Microsoft Excel 2016 Prof. Claudio Benossi Prof. Rodrigo Achar Prof. Wagner Tufano São Paulo SP 2018 1 01 Informações sobre a interface Aprender a trabalhar com o Excel pode ser o divisor de águas

Leia mais

Otimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana

Otimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana Otimização Linear Profª : Adriana Departamento de Matemática adriana@fc.unesp.br wwwp.fc.unesp.br/~adriana Revisão Método Simplex Solução básica factível: xˆ xˆ, xˆ N em que xˆ N 0 1 xˆ b 0 Solução geral

Leia mais

PESQUISA OPERACIONAL. Prof. Carlos Norberto Vetorazzi Jr.

PESQUISA OPERACIONAL. Prof. Carlos Norberto Vetorazzi Jr. PESQUISA OPERACIONAL Prof. Carlos Norberto Vetorazzi Jr. 1. INTRODUÇÃO Definições : Método científico de tomada de decisão Conjunto de técnicas e ferramentas de apoio à decisão, através da modelagem matemática

Leia mais

Formação Continuada Nova Eja. Plano de Ação II INTRODUÇÃO

Formação Continuada Nova Eja. Plano de Ação II INTRODUÇÃO Nome: Armando dos Anjos Fernandes Formação Continuada Nova Eja Plano de Ação II Regional: Metro VI Tutor: Deivis de Oliveira Alves Este plano de ação contemplará as unidades 29 e 30. Unidade 29 I - Matrizes

Leia mais

Otimização Combinatória - Parte 4

Otimização Combinatória - Parte 4 Graduação em Matemática Industrial Otimização Combinatória - Parte 4 Prof. Thiago Alves de Queiroz Departamento de Matemática - CAC/UFG 2/2014 Thiago Queiroz (DM) Parte 4 2/2014 1 / 33 Complexidade Computacional

Leia mais

Problema de Transporte (Redes) Fernando Nogueira Problema de Transporte 1

Problema de Transporte (Redes) Fernando Nogueira Problema de Transporte 1 Problema de Transporte (Redes) Fernando Nogueira Problema de Transporte 1 O Problema de Transporte consiste em determinar o menor custo (ou o maior lucro) em transportar produtos de várias origens para

Leia mais

PESQUISA OPERACIONAL INTRODUÇÃO À DISCIPLINA HISTÓRICO CARACTERÍSTICAS

PESQUISA OPERACIONAL INTRODUÇÃO À DISCIPLINA HISTÓRICO CARACTERÍSTICAS PESQUISA OPERACIONAL INTRODUÇÃO À DISCIPLINA HISTÓRICO CARACTERÍSTICAS ORIGENS 1938: convocação de cientistas para a análise de situações militares. Segunda Guerra: alocar recursos escassos nas operações

Leia mais

Apostila 1 - Excel Recursos das planilhas eletrônicas para elaboração de conteúdos digitais para o ensino da matemática no ensino médio

Apostila 1 - Excel Recursos das planilhas eletrônicas para elaboração de conteúdos digitais para o ensino da matemática no ensino médio Ação PROEXT2015: Desenvolvimento e implementação de software educacional para a área de matemática, voltado para escolas de ensino médio da Rede Pública de Educação Básica dezembro de 2016 a novembro de

Leia mais

Investigação Operacional

Investigação Operacional Investigação Operacional Programação Linear Licenciatura em Engenharia Civil Licenciatura em Engenharia do Território Problema Uma firma fabrica dois produtos P e P em três máquinas M, M e M. P é processado

Leia mais

Programação Linear (PL) Solução algébrica - método simplex

Programação Linear (PL) Solução algébrica - método simplex Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão Pesquisa Operacional Simplex Prof. Dr. José Arnaldo Barra Montevechi Programação Linear (PL) Solução algébrica - método simplex

Leia mais

APOSTILA Uso do Programa EXCEL

APOSTILA Uso do Programa EXCEL 1 APOSTILA Uso do Programa EXCEL Vanessa Monteiro Cesnik LabPOT Laboratório de Psicologia Organizacional e do Trabalho 2 Apresentação do Excel Pasta de trabalho: é um arquivo de excel. Planilha: é uma

Leia mais

Pesquisa Operacional aula 3 Modelagem PL. Profa. Alessandra Martins Coelho

Pesquisa Operacional aula 3 Modelagem PL. Profa. Alessandra Martins Coelho Pesquisa Operacional aula 3 Modelagem PL Profa. Alessandra Martins Coelho agosto/2013 Exercício Considerando que x j representa as variáveis de decisão, classificar os problemas a seguir em uma das categorias:

Leia mais

1 Geometria Analítica Plana

1 Geometria Analítica Plana UNIVERSIDADE ESTADUAL DO PARANÁ CAMPUS DE CAMPO MOURÃO Curso: Matemática, 1º ano Disciplina: Geometria Analítica e Álgebra Linear Professora: Gislaine Aparecida Periçaro 1 Geometria Analítica Plana A Geometria

Leia mais

Curso: Especialização em Engenharia de Processos e de Sistemas de Produção - Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Curso: Especialização em Engenharia de Processos e de Sistemas de Produção - Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística A influência dos desejos dos vendedores da planilha reflete-se na maneira que o Solver determina se o modelo é linear ou não linear. Por default o Solver assume que o modelo é não linear. Desde sua introdução

Leia mais

O método Simplex Aplicado ao Problema de Transporte (PT).

O método Simplex Aplicado ao Problema de Transporte (PT). Prof. Geraldo Nunes Silva (Revisado por Socorro Rangel) Estas notas de aula são Baseadas no livro: Hillier, F. S. e G. J. Lieberman. Introdução à Pesquisa Operacional, Campus, a ed., 9 Agradeço a Professora

Leia mais

Instituto Federal de Educação, Ciência e Tecnologia Rio Grande do Sul Campus Rio Grande CAPÍTULO 4 GEOMETRIA ANALÍTICA

Instituto Federal de Educação, Ciência e Tecnologia Rio Grande do Sul Campus Rio Grande CAPÍTULO 4 GEOMETRIA ANALÍTICA Instituto Federal de Educação, Ciência e Tecnologia Rio Grande do Sul Campus Rio Grande CAPÍTULO 4 GEOMETRIA ANALÍTICA 4. Geometria Analítica 4.1. Introdução Geometria Analítica é a parte da Matemática,

Leia mais

Prof.: Eduardo Uchoa.

Prof.: Eduardo Uchoa. Análise de sensibilidade Prof.: Eduardo Uchoa http://www.logis.uff.br/~uchoa/poi 1 Análise de Sensibilidade Uma vez que já se tenha resolvido um PL, existem técnicas para avaliar como pequenas alterações

Leia mais

COMO SELECIONAR PROJETOS COM

COMO SELECIONAR PROJETOS COM COMO SELECIONAR PROJETOS COM Qual o melhor método para se selecionar projetos Como utilizar o recurso Solver para se selecionar um projeto Autor: Francisco Cavalcante(f_c_a@uol.com.br) Administrador de

Leia mais

Portal da OBMEP. Material Teórico - Módulo de Geometria Anaĺıtica 1. Terceiro Ano - Médio

Portal da OBMEP. Material Teórico - Módulo de Geometria Anaĺıtica 1. Terceiro Ano - Médio Material Teórico - Módulo de Geometria Anaĺıtica 1 Equação da Reta Terceiro Ano - Médio Autor: Prof Angelo Papa Neto Revisor: Prof Antonio Caminha M Neto 1 Condição de alinhamento de três pontos Consideremos

Leia mais

Material Teórico - Módulo de Geometria Anaĺıtica 1. Terceiro Ano - Médio. Autor: Prof. Angelo Papa Neto Revisor: Prof. Antonio Caminha M.

Material Teórico - Módulo de Geometria Anaĺıtica 1. Terceiro Ano - Médio. Autor: Prof. Angelo Papa Neto Revisor: Prof. Antonio Caminha M. Material Teórico - Módulo de Geometria Anaĺıtica 1 Equação da Reta Terceiro Ano - Médio Autor: Prof Angelo Papa Neto Revisor: Prof Antonio Caminha M Neto 1 Condição de alinhamento de três pontos Consideremos

Leia mais

Interface. Movimentação na planilha

Interface. Movimentação na planilha EXCEL Excel é uma das melhores planilhas existentes no mercado. As planilhas eletrônicas são programas que se assemelham a uma folha de trabalho, na qual podemos colocar dados ou valores em forma de tabela

Leia mais

INTRODUÇÃO AOS MÉTODOS NUMÉRICOS. Solução de Sistemas Lineares

INTRODUÇÃO AOS MÉTODOS NUMÉRICOS. Solução de Sistemas Lineares INTRODUÇÃO AOS MÉTODOS NUMÉRICOS Solução de Sistemas Lineares Introdução Uma variedade de problemas de engenharia pode ser resolvido através da análise linear; entre eles podemos citar: determinação do

Leia mais

Escola de Engenharia de Lorena EEL/USP Curso de Engenharia de Produção. Resolução Gráfica. Prof. Fabrício Maciel Gomes

Escola de Engenharia de Lorena EEL/USP Curso de Engenharia de Produção. Resolução Gráfica. Prof. Fabrício Maciel Gomes Escola de Engenharia de Lorena EEL/USP Curso de Engenharia de Produção Resolução Gráfica Prof. Fabrício Maciel Gomes Aplicável para modelos com 02 variáveis de decisão Útil para a ilustração de alguns

Leia mais

ADMINISTRAÇÃO DE MATERIAIS

ADMINISTRAÇÃO DE MATERIAIS 2010 PAULO SÉRGIO GONÇALVES Email: professor.pgoncalves@gmail.com Autor: Paulo Sérgio Gonçalves Roteiro para solução de exercícios propostos Índice geral: Introdução:... 3 CAPÍTULO 2... 3 5.- Roteiro da

Leia mais

Podemos concluir que o surgimento do número fracionário veio da necessidade de representar quantidades menores que inteiros, por exemplo, 1 bolo é um

Podemos concluir que o surgimento do número fracionário veio da necessidade de representar quantidades menores que inteiros, por exemplo, 1 bolo é um FRAÇÕES Podemos concluir que o surgimento do número fracionário veio da necessidade de representar quantidades menores que inteiros, por exemplo, 1 bolo é um inteiro, mas se comermos um pedaço, qual seria

Leia mais

BANCO DE EXERCÍCIOS - 24 HORAS

BANCO DE EXERCÍCIOS - 24 HORAS BANCO DE EXERCÍCIOS - HORAS 9º ANO ESPECIALIZADO/CURSO ESCOLAS TÉCNICAS E MILITARES FOLHA Nº GABARITO COMENTADO ) A função será y,5x +, onde y (preço a ser pago) está em função de x (número de quilômetros

Leia mais

Apostila de Excel 2007

Apostila de Excel 2007 1 Apostila de Excel 2007 Índice 1-Guias do excel... 3 1.1 Início... 3 1.2 Inserir... 4 1.3 Layout de Página... 5 1.4 Formulas... 6 1.5 Dados... 7 1.6 Revisão... 8 1.7 Exibição... 9 2 Conceito de células...

Leia mais

SOLUÇÕES NÍVEL 1 2ª. FASE 2017

SOLUÇÕES NÍVEL 1 2ª. FASE 2017 SOLUÇÕES NÍVEL 1 2ª. FASE 2017 N1Q1 Solução item a) Como a casa pintada está na linha 3, Ana sorteou o número 3 e, como ela também está na coluna 4, concluímos que Pedro sorteou o número 1, pois 4 3 =

Leia mais

Lindo e Solver (Tutorial)

Lindo e Solver (Tutorial) UNIVERSIDADE FEDERAL FLUMINENSE TEP Departamento de Engenharia de Produção TPP Programa de Mestrado e Doutorado em Engenharia de Produção Lindo e Solver (Tutorial) Professor: Marcos Roboredo email: mcroboredo@id.uff.br

Leia mais

Pode fazer download do ficheiro deste tutorial Excel do enunciado e soluções aqui.

Pode fazer download do ficheiro deste tutorial Excel do enunciado e soluções aqui. Com o Solver (também conhecido como Solucionador ou Programação Linear), pode encontrar um valor óptimo para uma fórmula numa célula chamada célula de destino. Ele ajusta os valores nas células especificadas

Leia mais

Método de Hardy-Cross Capitulo 11- Programação linear engenheiro Plínio Tomaz 18 dezembro de Programação linear 11-1

Método de Hardy-Cross Capitulo 11- Programação linear engenheiro Plínio Tomaz 18 dezembro de Programação linear 11-1 1 Programação linear 11-1 2 Capítulo 11-Programação linear 11. Introdução Na resolução de um problema de redes de água é muito importante os cálculos hidráulicos, mas os custos também o são. Geralmente

Leia mais

Exemplo: Maximização de lucros em uma chocolateria que produz os seguintes produtos: (1) Chocolate Pyramide (2) Chocolate Pyramide Nuit

Exemplo: Maximização de lucros em uma chocolateria que produz os seguintes produtos: (1) Chocolate Pyramide (2) Chocolate Pyramide Nuit Universidade Tecnológica Federal do Paraná Professor Murilo V. G. da Silva Notas de aula Estrutura de Dados 2 (Aula 09) Conteúdos da Aula: [DPV06 7.1, 7.2, 7.3] [Observação: Estas notas de aula são apenas

Leia mais

Unidade 2: Navegação e Edição Básica

Unidade 2: Navegação e Edição Básica Unidade 2: Navegação e Edição Básica 2.0 Introdução Na Unidade 1: O Painel de Controle do Excel foram descritos os vários componentes da interface do Excel. Esta segunda unidade mostra os usos mais básicos

Leia mais

Otimização Aplicada à Engenharia de Processos

Otimização Aplicada à Engenharia de Processos Otimização Aplicada à Engenharia de Processos Aula 4: Programação Linear Felipe Campelo http://www.cpdee.ufmg.br/~fcampelo Programa de Pós-Graduação em Engenharia Elétrica Belo Horizonte Março de 2013

Leia mais

Hewlett-Packard FUNÇÃO EXPONENCIAL. Aulas 01 a 06. Elson Rodrigues, Gabriel Carvalho e Paulo Luiz

Hewlett-Packard FUNÇÃO EXPONENCIAL. Aulas 01 a 06. Elson Rodrigues, Gabriel Carvalho e Paulo Luiz Hewlett-Packard FUNÇÃO EXPONENCIAL Aulas 01 a 06 Elson Rodrigues, Gabriel Carvalho e Paulo Luiz Sumário Equação Exponencial... 1 Equação Exponencial... 1 Exemplo 1... 1 Método da redução à base comum...

Leia mais

Optimização / Matemática II

Optimização / Matemática II Optimização / Matemática II Frequência / 1º Exame 1º Ano 2º Semestre 2012 / 2013 Licenciaturas de Gestão, Finanças e Contabilidade, Gestão do Marketing, Gestão e Engenharia Industrial e Economia 27-05-2013

Leia mais

Pesquisa Operacional. Introdução à Pesquisa Operacional Programação Linear

Pesquisa Operacional. Introdução à Pesquisa Operacional Programação Linear Pesquisa Operacional Introdução à Pesquisa Operacional Programação Linear 1 Sumário Modelagem e limitações da Programação Linear. Resolução Gráfica. Forma padrão de um modelo de Programação Linear. Definições

Leia mais

Métodos Numéricos - Notas de Aula

Métodos Numéricos - Notas de Aula Métodos Numéricos - Notas de Aula Prof a Olga Regina Bellon Junho 2007 Introdução Sistemas Lineares Sistemas lineares são sistemas de equações com m equações e n incógnitas formados por equações lineares,

Leia mais

G A B A R I T O G A B A R I T O

G A B A R I T O G A B A R I T O Prova Anglo P-2 G A B A R I T O Tipo D-8-05/2011 01. B 07. A 13. C 19. B 02. D 08. C 14. A 20. C 03. A 09. B 15. D 21. C 04. D 10. D 16. B 22. D 05. C 11. A 17. D 00 06. B 12. C 18. B 00 841201711 PROVA

Leia mais

Álgebra Linear Semana 01

Álgebra Linear Semana 01 Álgebra Linear Semana 01 Diego Marcon 27 de Março de 2017 Conteúdo 1 Estrutura do Curso 1 2 Sistemas Lineares 1 3 Formas escalonadas e formas escalonadas reduzidas 4 4 Algoritmo de escalonamento 5 5 Existência

Leia mais

Pesquisa Operacional

Pesquisa Operacional Pesquisa Operacional Casos Especiais do Método Simplex e Gráfica Profa. Sheila Morais de Almeida DAINF-UTFPR-PG setembro - 2015 1 Casos Especiais do Método Simplex Degeneração Múltiplas soluções ótimas

Leia mais

CEDERJ - CENTRO DE EDUCAÇÃO SUPERIOR A DISTÂNCIA DO ESTADO DO RIO DE JANEIRO

CEDERJ - CENTRO DE EDUCAÇÃO SUPERIOR A DISTÂNCIA DO ESTADO DO RIO DE JANEIRO CEDERJ - CENTRO DE EDUCAÇÃO SUPERIOR A DISTÂNCIA DO ESTADO DO RIO DE JANEIRO MATERIAL DIDÁTICO IMPRESSO CURSO: Física DISCIPLINA: Informática para o Ensino de Física CONTEUDISTA: Carlos Eduardo Aguiar

Leia mais

Material Teórico - O Plano Cartesiano e Sistemas de Equações. Sistemas de Equações do Primeiro Grau com Duas Incógnitas

Material Teórico - O Plano Cartesiano e Sistemas de Equações. Sistemas de Equações do Primeiro Grau com Duas Incógnitas Material Teórico - O Plano Cartesiano e Sistemas de Equações Sistemas de Equações do Primeiro Grau com Duas Incógnitas Sétimo Ano do Ensino Fundamental Prof Francisco Bruno Holanda Prof Antonio Caminha

Leia mais

Manual. Sistema Venus 2.0. (Módulo Produção e PCP)

Manual. Sistema Venus 2.0. (Módulo Produção e PCP) Manual Do Sistema Venus 2.0 (Módulo Produção e PCP) 1 1. Introdução: Neste módulo você tem as funcionalidades referentes ao setor de produção da empresa, ele é o termômetro da empresa, no que se refere

Leia mais

Primeiro Exercício programa: Como o Google ordena páginas. MAP-2121 para EPUSP

Primeiro Exercício programa: Como o Google ordena páginas. MAP-2121 para EPUSP Primeiro Exercício programa: Como o Google ordena páginas MAP-2121 para EPUSP 1 Instruções gerais Os exercícios computacionais pedidos na disciplina Cálculo Numérico têm por objetivo fundamental familiarizar

Leia mais

Combinando inequações lineares

Combinando inequações lineares Combinando inequações lineares A multiplicação por um número > 0 não altera uma inequação 2x x 5 4x 2x 0 2 2 A soma de duas inequações (com o mesmo sentido) produz uma inequação válida x 3x + x 3 2 + 5x

Leia mais

Material Teórico - Inequações Produto e Quociente de Primeiro Grau. Sistemas de inequações. Primeiro Ano do Ensino Médio

Material Teórico - Inequações Produto e Quociente de Primeiro Grau. Sistemas de inequações. Primeiro Ano do Ensino Médio Material Teórico - Inequações Produto e Quociente de Primeiro Grau Sistemas de inequações Primeiro Ano do Ensino Médio Autor: Prof. Fabrício Siqueira Benevides Revisor: Prof. Antonio Caminha M. Neto 5

Leia mais

Cálculo Numérico. Santos Alberto Enriquez-Remigio FAMAT-UFU 2015

Cálculo Numérico. Santos Alberto Enriquez-Remigio FAMAT-UFU 2015 Cálculo Numérico Santos Alberto Enriquez-Remigio FAMAT-UFU 2015 1 Capítulo 1 Solução numérica de equações não-lineares 1.1 Introdução Lembremos que todo problema matemático pode ser expresso na forma de

Leia mais

EAD DETERMINANTES CONCEITO:

EAD DETERMINANTES CONCEITO: 1 EAD DETERMINANTES CONCEITO: Dada uma Matriz Quadrada de ordem n, dizemos que Determinante de ordem n é um número associado a essa Matriz conforme determinadas leis. Representamos o Determinante de uma

Leia mais

Para começar, vamos começar vendo alguns exemplos do uso da SOMASE na gestão de empresas:

Para começar, vamos começar vendo alguns exemplos do uso da SOMASE na gestão de empresas: Este conteúdo faz parte da série: Excel Fórmulas Avançadas Ver 10 posts dessa série Esse é o meu segundo post da série Como gerir melhor usando uma função do Excel (veja o meu post sobre a PROCV função

Leia mais

Capítulo 2 - Primeiros Cálculos

Capítulo 2 - Primeiros Cálculos Capítulo 2 - Primeiros Cálculos Para iniciarmos este capítulo, vamos criar a planilha abaixo: Primeiro cria-se a planilha, efetua-se os cálculos e depois aplica-se a formatação: de fontes e alinhamentos

Leia mais

Investigação Operacional E-FÓLIO A. Ano lectivo 2015/2016. Proposta de Resolução

Investigação Operacional E-FÓLIO A. Ano lectivo 2015/2016. Proposta de Resolução Investigação Operacional - 07 E-FÓLIO A Ano lectivo 0/0 Proposta de Resolução. Variáveis: Sejam percentagem de M / Kg de mistura percentagem de M / Kg de mistura percentagem de M / Kg de mistura Tomando

Leia mais

Suporte ao uso do software Origin R para disciplinas de laboratório de Física

Suporte ao uso do software Origin R para disciplinas de laboratório de Física Suporte ao uso do software Origin R para disciplinas de laboratório de Física IFGW, Unicamp 20 de março de 2006 Resumo Este guia visa apresentar conceitos básicos para utilização do software Origin R que

Leia mais

Figura 1 - Planilha Relatório de Notas 1

Figura 1 - Planilha Relatório de Notas 1 Microsoft Excel Aula 2 Objetivo Explorar e fixar: Seleção de células, linhas e colunas Inclusão de colunas Inclusão de linhas Uso das funções SE, MÁXIMO, MÉDIA, MÍNIMO, ContSe, SOMA Ordenação de dados

Leia mais