Métodos e Medidas II

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

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

Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL

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

Pesquisa Operacional Aula 4 Solução Gráfica em Programação Linear

PESQUISA OPERACIONAL. Fabiano F. T. dos Santos. Instituto de Matemática e Estatística

Pesquisa Operacional

Métodos de Pesquisa Operacional

Programação Linear (PL)

Programação Linear. (1ª parte) Informática de Gestão Maria do Rosário Matos Bernardo 2016

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

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 - Parte 5

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Programação Matemática

Recursos críticos disponíveis: Madeira 300 metros Horas de trabalho 110 horas

OTIMIZAÇÃO. O processo de otimização normalmente involve a procura de pontos de máximos e mínimos de uma função.

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

Pesquisa Operacional. Introdução à Pesquisa Operacional Programação Linear

Pesquisa Operacional aplicada ao Planejamento e Controle da Produção e de Materiais Programação Linear

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

Pesquisa Operacional. Prof. José Luiz

EAD 350 Pesquisa Operacional Aula 04 Parte 1 Resolução de Exercícios

Pesquisa Operacional. Introdução à Pesquisa Operacional Programação Linear

α ( u 1 - u 2 ) = u 3 - u 2.

Otimização. Modelagem e Solução Gráfica. Paulo Henrique Ribeiro Gabriel Faculdade de Computação Universidade Federal de Uberlândia

Faculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu

Pesquisa Operacional Aula 3 Modelagem em PL

Professor: Rodrigo A. Scarpel

Métodos e Medidas II

Modelagem Matemática de Problemas de Programação Linear

COS360. Luidi Simonetti

Teoremas de dualidade

sujeito a: 30x x (madeira) 5x x (horas de trabalho) x 1, x 2 0

Área disponível para semear: A km 2 Tipo de plantação: trigo ou sevada Quantidade disponível de inseticida = P e fertilizante = F

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

VERSÃO RESPOSTAS PROVA DE MÉTODOS QUANTITATIVOS

Pesquisa Operacional Modelos, Conceitos Básicos para PL. Prof. Ricardo Santos

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

Programação Linear (PL) Solução algébrica - método simplex

Programação Linear - Parte 1

FACULDADE PITÁGORAS DE LINHARES Prof. Esp. Thiago Magalhães

Otimização Aplicada à Engenharia de Processos

DECISÕES ESTRATÉGICAS DE CURTO PRAZO: Programação Linear

USO DO SOLVER PARA MAXIMIZAR O LUCRO EM UMA PRODUÇÃO DE GASOLINA

PROPOSTA DE MAXIMIZAÇÃO DE LUCROS ATRAVÉS DE UM MODELO MATEMÁTICO COM USO DA PROGRAMAÇÃO LINEAR EM UMA DOCERIA DE FORTALEZA, CEARÁ

INTRODUÇÃO À ENGENHARIA

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

Programação Matemática

OTIMIZAÇÃO. O processo de otimização normalmente involve a procura de pontos de máximos e mínimos de uma função.

AULA 03 MODELOS DE PROGRAMAÇÃO LINEAR. Eduardo Camargo de Siqueira PESQUISA OPERACIONAL TECNÓLOGO EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS

Universidade Federal do Pará Curso de Licenciatura em Matemática PARFOR Lista de Exercícios Referentes a Prova Substitutiva de Geometria Analítica

Apontamentos III. Espaços euclidianos. Álgebra Linear aulas teóricas. Lina Oliveira Departamento de Matemática, Instituto Superior Técnico

Pesquisa Operacional

Programação Linear. Dualidade

Otimização Aplicada à Engenharia de Processos

Programação Linear/Inteira

PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 2ª FASE 20 DE JULHO 2018 CADERNO 1

GE-814: Introdução à Avaliação Operacional

Investigação Operacional

EAD 350 Pesquisa Operacional Aula 03 Parte 1 Revisão Preço-Sombra e Análise de Sensibilidade

Tópicos Especiais em Computação I

Programação Linear. Gabriel Ferreira Gabriel Tutia Gabriel Yida Thiago Ferraz

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

b) Determinar as raízes de f(x) = g(x) quando m = 1/2. c) Determinar, em função de m, o número de raízes da equação f(x) = g(x).

(b) { (ρ, θ);1 ρ 2 e π θ } 3π. 5. Representar graficamente

Capítulo Modelagem matemática

Equação de 1º Grau. ax = -b

Faculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu

Resolvendo algebricamente um PPL

Universidade Federal de Goiás Instituto de Matemática e Estatística

PROGRAMAÇÃO LINEAR 11º ANO MATEMÁTICA A

Seno e Cosseno de arco trigonométrico

PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 2ª FASE 20 DE JULHO 2018 CADERNO 1

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

MAT-2454 Cálculo Diferencial e Integral II EP-USP

GEOMETRIA ANALÍTICA E CÁLCULO VETORIAL GEOMETRIA ANALÍTICA BÁSICA. 03/01/ GGM - UFF Dirce Uesu Pesco

Geometria Analítica I

EAD 350 Pesquisa Operacional Aula 03 Parte 2

Resumo com exercícios resolvidos do assunto:

Geometria analítica - Programação linear

Unidade 6 Aplicações do estudo das derivadas

ESPAÇOS VETORIAIS EUCLIDIANOS

MATEMÁTICA E RACIOCÍNIO LÓGICO

Slide 1. c 2000, 1998 José Fernando Oliveira, Maria Antónia Carravilla FEUP

1 Otimização com restrições I: Condições de Primeira Ordem

Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL

Combinando inequações lineares

Matemática Aplicada Nt Notas de aula

1 Vetores no Plano e no Espaço

Pesquisa Operacional

Aula 7 Equação Vetorial da Reta e Equação Vetorial do plano

PESQUISA OPERACIONAL. UNIDADE 2 Visão Geral do Modelo

Problemas envolvendo. Prof. Félix Monteiro Pereira

Transcrição:

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. Computacional Resolução e Análise Fim Estoque = 50 Kg ALFA Estoque = 30 Kg BETA Lucro unitário = R$5,00 350 g 300 g 300 g 180 g Luxo Lucro unitário = R$3,70 Standard

2. do PPL 3 Início Entendimento do Enunciado do P.P.L. Computacional Resolução e Análise Max LUCRO = 5,00. LX + 3,70. ST Sujeito a: {Alfa} 350. LX + 300. ST 50000 {Beta} 300. LX + 180. ST 30000 LX, ST 0 Fim 3. Resolução do PPL Método Gráfico 4 O Método Gráfico, aplicável somente quando o PPL tem apenas 2 variáveis, é trabalhado no plano cartesiano com um fator de escala. Procura-se enfatizar o 1º quadrante, em função das exigências de não-negatividade das variáveis.

3. Resolução do PPL Método Gráfico 5 Cada restrição matemática (desigualdade) define uma região (no plano cartesiano), cuja reta base é a correspondente igualdade linear. Ex: A restrição de uso do ingrediente ALFA define a região do semi-plano com reta base: 300 ST + 350 LX = 50000 Para representá-la graficamente precisamos obter 2 de seus pontos: fazendo ST=0, temos LX=50000/350 ou LX=142 para LX=0, temos ST=50000/300 ou ST=166 3. Resolução do PPL Método Gráfico 6 De maneira análoga, a restrição de uso do ingrediente BETA define a região do semi-plano com reta base: 180 ST + 300 LX = 30000 Com a estratégia de atribuir valor a uma variável e calcular a outra, obtemos 2 pontos para a representação gráfica: para ST=0, temos LX=30000/300 ou LX=100 para LX=0, temos ST=30000/180 ou ST=166 Observe que os pontos do plano cartesiano que satisfazem às restrições de não-negatividade e, simultaneamente, às 2 restrições que limitam o uso dos ingredientes ALFA e BETA, estão na região do 1º quadrante e abaixo da reta azul (BETA).

3. Resolução do PPL Método Gráfico 7 A Programação Linear visa uma solução extrema (de máximo lucro ou de mínimo custo), portanto as alternativas viáveis candidatas a solução ótima estão associadas aos pontos extremos da Região Viável. Pontos extremos (alternativas viáveis) candidatos à solução ótima. Observe que cada ponto extremo pode ser determinado em função de posicionar-se no cruzamento de 2 retas ou no cruzamento de 1 reta com 1 dos eixos. Assim, o cálculo exato de suas coordenadas resulta de um sistema de 2 equações (de retas) à 2 variáveis. Região Viável Para determinar qual ponto extremo é ótimo precisaremos com a ajuda da função objetivo 3. Resolução do PPL Método Gráfico 8 A função objetivo induz um vetor (gradiente) no plano cartesiano, que indica a direção de maxização. No caso em estudo, o objetivo é Maximizar LUCRO = 3,70 ST + 5,00 LX e, portanto, o vetor gradiente (3,70, 5,00) indica a direção de Maximização. Considerando a escala trabalhada, esse vetor será representado por uma seta que sai da origem na direção do ponto (37, 50).

3. Resolução do PPL Método Gráfico 9 Para (ST,LX)=(0,0) o LUCRO = 0,00. Deslocando na região viável na direção do vetor gradiente, percebe-se que o LUCRO Maximiza. Para (ST,LX)=(0,100) o LUCRO = 500,00 Como ainda é possível deslocar na região viável na direção do vetor gradiente pode-se obter LUCRO ainda maior. Observe que para (ST,LX)=(166,0) o LUCRO é 614,00 e qualquer deslocamento na direção do vetor gradiente nos tira da região viável! Conclui-se, então, que esse ponto extremo é a solução ótima do PPL. 4. Análise dos Resultados 10 Vimos que a solução ótima do PPL é (ST,LX)=(166,0); O estudo pretende estabelecer o planejamento ótimo da produção. Plano de Produção: Até o esgotamento do estoque de matéria prima ALFA ou BETA, produzir: LX = 166 unidades (embalagens) de produtos LUXO ST = 0 unidades (embalagens) de produtos STANDARD

4. Análise dos Resultados 11 Sobre o objetivo: Maximizar LUCRO TOTAL = 5,00. LX + 3,70. ST LUCRO TOTAL = 5,00 (166) + 3,70 ( 0 ) = 614,00 Sobre as restrições ao uso de matéria prima: parcela do lucro correspondente a fabricação de produtos LUXO O ponto ótimo (ST,LX)=(166,0) está sobre a reta base relativa à matéria prima ALFA. Logo satisfaz a igualdade 300 ST + 350 LX = 50000 Portanto, esse plano de produção esgota a matéria prima ALFA O ponto ótimo (ST,LX)=(166,0) também está sobre a reta base relativa à matéria prima BETA. Logo satisfaz a igualdade 180 ST + 300 LX = 30000 Portanto, esse plano de produção também esgota a matéria prima BETA