EAD 350 Pesquisa Operacional Aula 04 Parte 1 Resolução de Exercícios

Documentos relacionados
EAD 350 Pesquisa Operacional Aula 03 Parte 2

EAD 350 Pesquisa Operacional Aula 01 Parte 2

EAD 350 Pesquisa Operacional Aula 01 Parte 2

EAD 350 Pesquisa Operacional Aula 06 Parte 2 Programação Inteira Programação Binária

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

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

Tópicos Especiais em Computação I

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

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

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

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

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

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Métodos de Pesquisa Operacional I

Pesquisa Operacional Aula 3 Modelagem em PL

PROGRAMAÇÃO LINEAR E APLICAÇÕES

PESQUISA OPERACIONAL - LISTA DE EXERCÍCIOS 1

Aplicações de PL possíveis até o momento

Prof. Dr. Álvaro José

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

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

MAXIMIZAÇÃO DO FATURAMENTO DE UMA EMPRESA DO SETOR ENERGÉTICO COM BASE NA PROGRAMAÇÃO LINEAR

Métodos e Medidas II

Pesquisa Operacional. Introdução à Pesquisa Operacional Programação Linear

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

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

Lindo e Solver (Tutorial)

Formulação e problemas típicos

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

Matemática. C. Requejo (UA) Métodos de Investigação Operacional MIO / 34

Aula 08: Modelagem Otimização Linear e Inteira Túlio A. M. Toffolo

MARGEM DE CONTRIBUIÇÃO E FATOR DE LIMITAÇÃO. Atividades Práticas

Problemas de Mistura. Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto 5 modelos

Programação Matemática

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

Cap. 2 Pesquisa Operacional na Tomada de Decisão

Programação Linear. Gabriel Ferreira Gabriel Tutia Gabriel Yida Thiago Ferraz

Max z= c 1 x 1 + c 2 x 2 + c 3 x c n x n. b 3. c ij : Coeficientes de Custos x j : Variáveis de Decisão. b i : Quantidade Disponível

Programação Matemática - Otimização Linear

Universidade Estadual de Mato Grosso do Sul Sistemas de Informação. Tópicos Especiais em Computação I TEC I Prof. Fabio Henrique N.

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

PROGRAMAÇÃO LINEAR. Tipo de problemas: cálculo do plano óptimo de distribuição de mercadorias; minimiação de desperdícios no corte de materiais;

Pesquisa Operacional

Matemática computacional: métodos numéricos, programação linear, otimização

Pesquisa Operacional

Programação Linear - Parte 1

Universidade Federal de Itajubá

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

Matemática Aplicada Nt Notas de aula

Pesquisa Operacional Aula 4 Solução Gráfica em Programação Linear

PCC173 - Otimização em Redes

Gestão de Operações II. Prof. Marcio Cardoso Machado. Método Gráfico para Solução de Problemas de Programação Linear

GSCI - GSIG. 2 Programação Linear. Prof. Ricardo Villarroel Dávalos, Dr. Eng.

Sumário. Modelagem. Introdução. Processo de Modelagem 3/30/2016

EAD 350 Pesquisa Operacional Aula 01 Parte 1 Histórico & Conceito de PO

CURSO DE LOGÍSTICA INTEGRADA DE PRODUÇÃO. Ferramentas de Apoio à Decisão Prof. Dr. Fabrício Broseghini Barcelos PARTE 02

Pesquisa Operacional. Ementa. Prof. Edézio

Pesquisa Operacional. 4x1+3x2 <=1 0 6x1 -x2 >= 20 X1 >= 0 X2 >= 0 PESQUISA OPERACIONAL PESQUISA OPERACIONAL PESQUISA OPERACIONAL PESQUISA OPERACIONAL

Aula 1. Utilização de Planilhas Eletrônicas em Processos. Prof. M.Sc. Aécio Flávio de Paula Filho

PESQUISA OPERACIONAL APLICADA A LOGÍSTICA

B-727 Electra Bandeirante SP Rio ,4 SP P.Alegre ,8 Tonelagem

Problemas envolvendo. Prof. Félix Monteiro Pereira

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

Complementos de Investigação Operacional. Folha nº 2 Programação Multiobjectivo 2006/07

ARA Pesquisa Operacional

PESQUISA OPERACIONAL I

Fundamentos de Investigação Operacional /11 - Exercícios de Formalização 1

Aula 01: Introdução Otimização Linear e Inteira Túlio A. M. Toffolo

Pesquisa Operacional. Modelos de Programação Linear. 15/10/13 UFVJM DECOM Luciana Assis

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

α ( u 1 - u 2 ) = u 3 - u 2.

Programação Linear/Inteira

Pesquisa Operacional (PO)

LISTA DE EXERCÍCIOS 1 PESQUISA OPERACIONAL MODELAGEM

Programação Linear (PL)

Problemas de Mistura. Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto 5 modelos

Aula 09: Modelagem / Variáveis inteiras

ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO Departamento de Engenharia Hidráulica e Sanitária PHA Análise de Sistemas Ambientais - 09/2017

Professor: Rodrigo A. Scarpel

Problemas de Mistura. Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto 5 modelos

Programação Matemática Lista 3

Questões para Prova Integrada Institucional Curso: Administração de Empresas Semestre: 2osem/3osem Disciplina: Matemática Aplicada à Administração

Aula 03: Algoritmo Simplex (Parte 2)

DECISÕES ESTRATÉGICAS DE CURTO PRAZO: Programação Linear

Introdução à Pesquisa Operacional

ORÇAMENTO EMPRESARIAL Unidade Orçamento Empresarial Valor: /

Prof. Denise Benino - UNINOVE

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

Pesquisa Operacional e Métodos Quantitativos II

Aulas 2 e 3 - Modelos de Programação Linear

EAD Simulação. Aula 5 Parte 1: Tipo de Variável & Distribuição de Probabilidade. Profa. Dra. Adriana Backx Noronha Viana

INTRODUÇÃO À ENGENHARIA

UNIVERSIDADE DE SÃO PAULO ESCOLA DE ENGENHARIA DE LORENA. ENGENHARIA ECONÔMICA Exercícios Propostos Prof. Dr. Francisco Chaves

de fevereiro de 2002

Modelagem de problemas de programação linear

Introdução à Pesquisa Operacional - Otimização Linear

PESQUISA OPERACIONAL. UNIDADE 2 Visão Geral do Modelo

UNIVERSIDADE DE SÃO PAULO ESCOLA DE ENGENHARIA DE LORENA. ENGENHARIA ECONÔMICA Exercícios Propostos Prof. Dr. Francisco Chaves

CONTABILIDADE DE CUSTOS. Aula 3 - UNIDADE 2 - CUSTOS PARA AVALIAÇÃO DE ESTOQUES: CUSTEIO POR ABSORÇÃO. 2.1 Custos diretos e custos indiretos

Transcrição:

EAD 350 Pesquisa Operacional Aula 04 Parte 1 Resolução de Exercícios Profa. Adriana Backx Noronha Viana (Adapt. Material Prof. Cesar Alexandre de Souza) backx@usp.br FEA/USP

Aula 3 Enunciado 4 Uma pequena manufatura produz dois modelos, Standard e Luxo, de um certo produto. Cada unidade do modelo Standard requer 3 horas de polimento e 1 hora de pintura. Cada unidade do modelo Luxo exige 1 hora de polimento e 4 horas de pintura. A fábrica dispõe de 2 polidores, numa base de 40 horas semanais e de um pintor, numa base de 20 horas semanais. As margens de lucro são R$24,00 e R$32,00, respectivamente, para cada unidade de Standard e Luxo. Não existem restrições de demanda para ambos os modelos. Encontre a produção semanal que maximize o lucro do fabricante.

Uso de Solver - Excel Variáveis Decisórias x 1 : quantidade a ser produzida de Standard por semana x 2 : quantidade a ser produzida de Luxo por semana Função Objetivo Restrições Max Z = 24x 1 + 32x 2 3x 1 + 1x 2 80 1x 1 + 4x 2 20 x j 0 j=1, 2 Tempo de mão-de-obra semanal para polimento Tempo de mão-de-obra semanal para pintura

Planilha Coeficientes da função objetiva Variáveis decisórias Valor ótimo Coeficientes de restrições Totais de recursos necessários Totais de recursos disponíveis LE Lado Esquerdo LD Lado Direito

Fórmulas Coeficientes da função objetiva Variáveis decisórias Valor ótimo Coeficientes de restrições Totais de recursos necessários Totais de recursos disponíveis

Parâmetros do Solver

Parâmetros do Solver - Restrições

Opções do Solver

Resultados do Solver Variáveis decisórias Valor ótimo

Relatório de Sensibilidade Resultado Final: x 1 = 20 (quantidade a ser produzida de Standard por semana); x 2 = 0 (quantidade a ser produzida de Luxo por semana); Valor do lucro é R$480,00; o valor de mão-de-obra para polimento não foi utilizado no máximo (sobra de 20 horas), enquanto que para pintura está sendo utilizado no máximo.

Aula 3 Enunciado 5 Uma empresa pretende fabricar dois produtos, A e B. O volume de vendas de A será de no mínimo 80% do total de vendas de ambos (A e B). Contudo, a empresa não poderá vender mais do que 100 unidades de A por dia. Ambos os produtos usam uma matéria prima cuja disponibilidade máxima diária é 240 quilos. As taxas de utilização da matéria prima são 2 quilos por unidade de A e 4 quilos por unidade de B. Os preços unitários de venda estimados pelo departamento de marketing para A e B são $20 e $ 50 respectivamente. Determine o mix de produto que otimize o faturamento da empresa a) Elabore o modelo matemático para o problema descrito. b) Determine a solução pelo método gráfico. c) O departamento de marketing estima que há uma margem de erro de 20% para mais ou menos em relação aos preços unitários estimados. A solução encontrada é robusta relativamente a essa margem de erro? Porque sim ou porque não? (para esse item, é necessário fazer a análise de sensibilidade para os parâmetros da função Z)

Aula 3 Enunciado 5 Modelo matemático Variáveis Decisórias x A : quantidade a ser vendida de A por dia x B : quantidade a ser vendida de B por dia Função Objetivo Max Z = 20x A + 50x B Restrições 2 x A + 4 x B 240 x A 100 x A 0 x B 0 Matéria-prima disponível por dia Venda máxima de X A 0,2x A - 0,8 x B 0 Venda mínima de de X A

Aula 3 Enunciado 5 Solução pelo método gráfico 70 60 2x A + 4x B =240 50 x A =100 y: B 40 30 Solução 20 10 0 0,2x A - 0,8 x B =0 região de soluções viáveis 80; 20 0 20 40 60 80 100 120 140 x: A

Aula 3 Enunciado 5 Variáveis decisórias Valor ótimo Análise de sensibilidade

Aula 3 Enunciado 6 Programação da Produção Uma empresa de engenharia está considerando o tempo disponível de máquinas para a produção de três produtos: 1, 2 e 3. As horas requeridas para cada unidade de produto e o tempo disponível em uma semana por máquina são: Produto Máquina 1 2 3 Tempo horas/semana A 4 h 1 h 1,5 h 100 h B 2 h 1,5 h - 50 h C 1 h - 0,5 h 25 h Os produtos 1 e 2 podem ser vendidos em qualquer quantidade, mas o produto 3 pode ser vendido até no máximo 10 unidades por semana. O lucro unitário é de R$10, R$3 e R$4 para os produtos 1, 2 e 3 respectivamente. Qual será o mix de produtos que a empresa deve fabricar para obter o lucro máximo?

Aula 3 Enunciado 6 (Modelo) Variáveis Decisórias x 1 : produto 1 vendido em unidades por semana x 2 : produto 2 vendido em unidades por semana x 3 : produto 3 vendido em unidades por semana Função Objetiva Max Lucro = 10x 1 + 3x 2 + 4x 3 Restrições 4x 1 + x 2 + 1,5x 3 100 máquina A 2x 1 + 1,5x 2 50 máquina B x 1 + 0,5x 3 25 máquina C x j 0 j=1, 2, 3 x 3 10 produto 3

Resultados do Solver Variáveis decisórias Valor ótimo

Aula 4 Enunciado 7: Problema da Mistura Sabe-se que os alimentos, leite, carne e ovo fornecem as quantidades de vitaminas dadas abaixo: Vitamina Leite (l) Carne (kg) Ovo (dúzia) Quantidade diária mínima A 0,25mg 2,00mg 10,00mg 1,00mg C 25,00mg 20,00mg 10,00mg 50,00mg D 2,50mg 200,00mg 10,00mg 10,00mg Custo unitário R$2,20 R$17,00 R$4,20 Deseja-se calcular quais as quantidades de leite, carne e ovo, a fim de satisfazer as quantidades diárias mínimas de vitaminas a um custo mínimo.

Aula 4 Enunciado 7: Problema da Mistura Variáveis Decisórias x 1 : quantidade diária de leite x 2 : quantidade diária de carne x 3 : quantidade diária de ovo Função Objetiva Min Custo = 2,20x 1 + 17,00x 2 + 4,20x 3 Restrições 0,25x 1 + 2,00x 2 + 10,00x 3 1,00 (Vitamina A) 25,00x 1 + 20,00x 2 + 10,00x 3 50,00 (Vitamina C) 2,50x 1 + 200,00x 2 + 10,00x 3 10,00 (Vitamina D) x j 0 j=1, 2, 3

Aula 4 Enunciado 8: Problema da Mistura Uma refinaria fabrica dois tipos de gasolina (1 e 2) a partir de dois tipos de petróleo bruto (A e B). Os custos, os preços de venda e matéria-prima para fabricar as gasolinas são: Petróleo Máxima quantidade disponível Custo unitário A 100 6 B 200 3 Gasolina Mínima % A requerida Preço de venda unitária 1 60 8 2 30 5 Deseja-se saber a quantidade de cada gasolina que deve ser fabricada de tal maneira que o lucro seja máximo.

Aula 4 Enunciado 8 Variáveis decisórias x A1 +x A2 < 100 xa1: quantidade de petróleo A p/ produzir gasolina 1 xa2: quantidade de petróleo A p/ produzir gasolina 2 xb1: quantidade de petróleo B p/ produzir gasolina 1 xb2: quantidade de petróleo B p/ produzir gasolina 2 (Custo: 6) P A 60% X A1 30% (Preço: 8) X B1 G 1 x A1 +x B1 X A2 x B1 +x B2 < 200 P B (Custo: 3) X B2 G 2 (Preço: 5) x A2 +x B2

Aula 4 Enunciado 8: Modelo Função Objetiva Max L= 8(x A1 +x B1 ) + 5(x A2 +x B2 ) - 6(x A1 +x A2 ) - 3(x B1 +x B2 ) Restrições x A1 + x A2 < 100 x B1 + x B2 < 200 x A1 / (x A1 + x B1 ) > 0,6 0,4 x A1-0,6 x B1 > 0 x A2 / (x A2 + x B2 ) > 0,3 0,7 x A2-0,3 x B2 > 0 x ij > 0

Atividade Virtual 3 Identifique um problema de P.O dentro do contexto estudado (com no mínimo três variáveis); Pode ser um problema criado ou adaptado de livro de PO; Pode ser feito individualmente, em duplas ou trios. Apresente: Nome dos integrantes Enunciado Modelo matemático Resolução (Solver) Crie pelo menos cinco questões I 2 INTELIGENTES & INTERESSANTES; Apresente o gabarito COM EXPLICAÇÃO e RESOLUÇÃO