Prévia do material em texto
DESCRIÇÃO Modelagem de problemas clássicos de programação linear: fabricação versus compra, problemas de mistura, planejamento, produção e estoques, transporte, transbordo e alocação. PROPÓSITO Discutir os problemas clássicos de programação linear a fim de entender a técnica de modelagem e a importância desse campo do conhecimento, essencial para a sua formação e atuação no processo de decisão de problemas complexos. PREPARAÇÃO Tenha em mãos uma calculadora ou um software editor de planilhas eletrônicas para que possa realizar as operações matemáticas necessárias. OBJETIVOS MÓDULO 1 Aplicar a técnica de modelagem em problemas clássicos de programação linear MÓDULO 2 Aplicar a técnica de modelagem nos problemas de transporte e transbordo MÓDULO 3 Aplicar a técnica de modelagem em problemas de alocação INTRODUÇÃO Os modelos são simplificações do objeto ou problema de decisão que representam. Você pode estar se perguntando: como a modelagem matemática pode auxiliar o processo de tomada de decisão, em especial em problemas complexos? A modelagem matemática possibilita examinar diferentes cenários, em geral, de forma mais rápida e barata do que analisar a situação na realidade. O foco deste conteúdo é a programação linear, uma das técnicas mais difundidas na Pesquisa Operacional (PO). Aqui, reforçaremos os conceitos sobre a construção de modelos de programação linear na modelagem de problemas clássicos de programação linear, abordando suas diferentes aplicações. Com isso, passaremos a dominar a técnica de modelagem e entenderemos melhor a importância desse campo do conhecimento, em especial, a sua aplicação no planejamento de redes logísticas, por meio do problema de transporte e transbordo, e de alocação, problemas clássicos de programação linear que merecem ser destacados! APRESENTAÇÃO DO TEMA No vídeo a seguir, o especialista apresenta o tema programação linear como ferramenta de gestão (Crédito Digital), reforçando a importância da modelagem e apresentando alguns problemas clássicos que podem ser solucionados pela programação linear. MÓDULO 1 Aplicar a técnica de modelagem em problemas clássicos de programação linear MODELAGEM DE PROBLEMAS DE PROGRAMAÇÃO LINEAR O processo de modelagem consiste em transformar a linguagem do problema em linguagem matemática. Para isso, devemos começar definindo as variáveis de decisão e, posteriormente, a função objetivo e as restrições, conforme os passos ilustrados abaixo: IDENTIFICAÇÃO DAS VARIÁVEIS DE DECISÃO IDENTIFICAÇÃO DA FUNÇÃO OBJETIVO IDENTIFICAÇÃO DO CONJUNTO DE RESTRIÇÕES ATENÇÃO O passo mais importante no desenvolvimento de modelos de programação linear consiste na definição correta das variáveis de decisão. Um equívoco na seleção das variáveis de decisão implica erros na identificação da função objetivo e do conjunto de restrições. Existem classes de modelos de programação linear que são adaptáveis a uma série de situações práticas, sendo considerados como “problemas típicos.” Esses modelos seguem padrões semelhantes, de modo que podemos considerar que formam diferentes “classes” de problemas. Assim, se soubermos modelar um destes problemas típicos, provavelmente conseguiremos modelar os demais problemas da mesma classe. Por isso, é tão importante conhecer esses padrões e entender a lógica por trás da construção destes modelos matemáticos (RODRIGUES et al., 2014). Neste módulo, serão abordados alguns dos principais modelos de programação linear considerados “típicos.” Devemos entender como funciona o padrão de modelagem para cada problema típico para que, então, possamos aplicar essa mesma lógica a outros problemas da mesma classe, ou seja, que seguem o mesmo padrão. DICA Estude e faça a maior quantidade de exercícios possível. Apenas com a prática você internalizará a lógica e desenvolverá seus modelos com maior facilidade. Trataremos, a seguir, dos problemas da mistura, do planejamento de produção e de estoques, e fazer versus comprar. Estes são problemas clássicos que podem ser aplicados em diferentes setores produtivos. PROBLEMA DA MISTURA Muitos modelos de programação linear representam situações em que o tomador de decisão deseja minimizar o custo para atender a determinadas condições (restrições). O problema da mistura, também conhecido como o problema da dieta, é um dos modelos clássicos que se encaixa neste tipo de padrão. Veja mais informações sobre o problema da dieta: O PROBLEMA DA DIETA O problema da dieta foi proposto pela primeira vez por Stiger (1945), tendo sido um dos primeiros problemas de otimização linear a ser implementado na prática com sucesso. Neste tipo de problema, o tomador de decisão deseja determinar níveis de utilização de matérias-primas na composição de uma ração alimentar, que deve respeitar certas características nutricionais, estando limitado à disponibilidade de matérias-primas e insumos, bem como ao atendimento da demanda. É importante destacar que este tipo de problema não se limita à dieta humana, sendo aplicado também à elaboração de rações para gado, peixe, aves etc. Entretanto, de forma mais ampla, o problema da mistura não se restringe apenas à composição de rações alimentares. O problema da mistura pode ser aplicado à produção de ligas metálicas, à especificação de combustíveis, à fabricação de remédios ou de produtos químicos em geral, à produção de adubos ou de papel. Em suma, o problema da mistura representa uma classe de modelos clássicos, que podem ser aplicados a diferentes setores. Neste tipo de problema, diferentes insumos devem ser misturados em uma proporção ideal para fabricar produtos para a comercialização. TEORIA NA PRÁTICA EXEMPLO - PROBLEMA DA DIETA Uma mãe está muito preocupada com a alimentação de seus filhos. Ela deseja que as crianças tenham uma alimentação equilibrada e, assim, consultou uma nutricionista que lhe recomendou que eles comam, no mínimo, 10mg de vitamina A, 70mg de vitamina C e 250mg de vitamina D por dia. Porém, além de se preocupar com a qualidade da alimentação, essa mãe também está preocupada com os custos. Ela deseja oferecer aos seus filhos essa dieta equilibrada, porém ao menor custo possível. Por isso, ela fez uma pesquisa e descobriu as informações nutricionais para diferentes tipos de alimento, conforme apresentado na tabela a seguir: Vitamina Leite (l) Carne (kg) Peixe (kg) Salada (100g) A 2 2 10 20 C 50 20 10 30 D 80 70 10 80 Atenção! Para visualizaçãocompleta da tabela utilize a rolagem horizontal Tabela de informações nutricionais em mg Fonte: Adaptado de Goldbarg e Luna (2005) A mãe também foi ao supermercado e verificou que um litro de leite custa R$2,00, um quilo de carne custa R$20,00, um quilo de peixe custa R$25,00 e para preparar 100g de salada ela gastaria R$3,00. Vamos usar nossos conhecimentos de programação linear para ajudar essa mãe a escolher a melhor dieta para seus filhos com o menor custo possível! RESOLUÇÃO DEFINIR VARIÁVEIS DE DECISÃO O primeiro passo para a modelagem deste exemplo de um clássico problema da dieta é a definição das variáveis de decisão. A variável de decisão deve ser xi, sendo x a quantidade de alimento do tipo “i” a ser consumida por dia. Logo, temos: x1 = litros de leite a serem consumidos por dia pelas crianças; x2 = quilos de carne a serem consumidos por dia pelas crianças; x3 = quilos de peixe a serem consumidos por dia pelas crianças; x4 = 100g de salada a serem consumidos por dia pelas crianças. IDENTIFICAR A FUNÇÃO OBJETIVO Em seguida, devemos identificar a função objetivo. Sabemos que a mãe deseja gastar o menor valor possível, de modo que este deve ser um problema de minimização! A mãe já fez a pesquisa de preços, então só nos falta montar a função objetivo: MIN Z= 2X1+20X2+25X3+3X4 Atenção! Para visualização completa da equação utilize a rolagem horizontal IDENTIFICAR O CONJUNTO DE INEQUAÇÕES Porém, não se esqueça de que a mãe também está preocupada com a qualidade nutricionalda alimentação de seus filhos e que a nutricionista indicou que as crianças devem comer, no mínimo, 10mg de vitamina A, 70mg de vitamina C e 250mg de vitamina D por dia. As informações nutricionais em mg de vitamina A, C e D dos alimentos leite, carne, peixe e salada são apresentadas na tabela de informações nutricionais, já apresentada. Assim, podemos identificar o conjunto de inequações que representam estas restrições. São elas: 2x1+2x2+10x3+20x4≥10→Vitamina A 50x1+20x2+10x3+30x4≥70→Vitamina C 80x1+70x2+10x3+80x4≥250 →Vitamina D Atenção! Para visualização completa da equação utilize a rolagem horizontal Não podemos nos esquecer das restrições de não negatividade para as variáveis de decisão. Logo, temos que: x1,x2,x3,x4≥0 Atenção! Para visualização completa da equação utilize a rolagem horizontal MODELO Enfim, temos que o modelo para este exemplo do problema da dieta é: Min Z= 2x1+20x2+25x3+3x4 Atenção! Para visualização completa da equação utilize a rolagem horizontal Sujeito a: 2x1+2x2+10x3+20x4≥10 50x1+20x2+10x3+30x4≥70 80x1+70x2+10x3+80x4≥250 x1,x2,x3,x4≥0 Atenção! Para visualização completa da equação utilize a rolagem horizontal PROBLEMA DO PLANEJAMENTO DE PRODUÇÃO E DE ESTOQUES Neste tipo de problema, deseja-se determinar níveis para atividades de produção, considerando que a capacidade de produção de cada atividade sofra restrições de caráter tecnológico e prático. O problema do planejamento de produção pode ser estático ou dinâmico. PROBLEMA ESTÁTICO No problema estático, considera-se a produção em determinado horizonte de programação finito, de modo que as formulações contemplam apenas um período, conforme verificaremos no exemplo a seguir: TEORIA NA PRÁTICA PROBLEMA DO PLANEJAMENTO DE PRODUÇÃO ESTÁTICO Uma fábrica de bicicletas está planejando seus níveis de produção para o próximo semestre. O custo unitário da produção da bicicleta infantil é de R$280,00, enquanto o custo unitário da produção da bicicleta para adultos é de R$620,00. São necessários seis trabalhadores para fazer um lote de 8 bicicletas infantis por dia, enquanto três trabalhadores conseguem fabricar 5 bicicletas de adulto por dia. Existem 200 pessoas disponíveis para a produção de bicicletas, podendo ser alocadas em qualquer um dos dois serviços. A fábrica tem capacidade máxima de produção de 300 bicicletas. Ainda, para atender à demanda existente, devem ser produzidos, no mínimo, 20 lotes de bicicletas infantis e 15 lotes de bicicletas de adultos. Formule o modelo de programação linear para minimizar o custo de produção da fábrica. RESOLUÇÃO O primeiro passo para a construção de qualquer modelo consiste em identificar as variáveis de decisão para o problema. Neste caso, a variável de decisão deve ser xi, sendo x a quantidade de bicicletas do tipo “i” a ser produzida por dia. Logo, temos: x1 = número de bicicletas infantis a serem produzidas por dia; x2 = número de bicicletas infantis a serem produzidas por dia. Em seguida, passamos à definição da função objetivo. A fábrica tem como meta minimizar o seu custo de produção diário. Assim, como o custo unitário da produção da bicicleta infantil é de R$280,00, e da bicicleta de adulto é de R$620,00, temos a seguinte função objetivo: Min Z= 280x1+620x2 Atenção! Para visualização completa da equação utilize a rolagem horizontal A fábrica emprega 200 funcionários por dia. São necessários seis trabalhadores para fazer um lote de 8 bicicletas infantis por dia, logo, cada trabalhador produziria 0,75 bicicletas por dia. Três trabalhadores fabricam 5 bicicletas de adulto por dia, logo, cada trabalhador produziria 0,625 bicicletas. Com esses dados, conseguimos definir a restrição da fábrica com relação à capacidade de mão de obra: 0,75x1+0,6x2 ≤200 Atenção! Para visualização completa da equação utilize a rolagem horizontal A fábrica tem capacidade máxima de produção de 300 bicicletas. Logo, a restrição com relação à capacidade da fábrica é: x1+x2 ≤300 Atenção! Para visualização completa da equação utilize a rolagem horizontal Além disso, para atender à demanda existente devem ser produzidos, no mínimo, 20 lotes de bicicletas infantis. Como cada lote é composto por 8 bicicletas infantis, devem ser produzidas, ao menos, 160 bicicletas infantis. x1 ≥160 Atenção! Para visualização completa da equação utilize a rolagem horizontal Por sua vez, devem ser produzidos 15 lotes de bicicletas de adultos, com 5 bicicletas em cada um, de modo que: x2 ≥75 Atenção! Para visualização completa da equação utilize a rolagem horizontal Enfim, temos que o modelo para este exemplo do problema de planejamento da produção estático é: Min Z= 280x1+620x2 Sujeito a: 0,75x1+0,6x2 ≤200 x1+x2 ≤300 x1 ≥160 x2 ≥75 Atenção! Para visualização completa da equação utilize a rolagem horizontal Repare que, neste caso, não são necessárias as restrições de não negatividade das variáveis de decisão devido às restrições para o atendimento mínimo da demanda. Neste exemplo, resolvemos um problema de planejamento de produção estático. Contudo, em situações reais, é mais comum realizar o planejamento para diferentes períodos de tempo. Nesses casos, são necessários modelos dinâmicos, ou seja, que utilizam formulações do tipo multiperíodo. PROBLEMA DINÂMICO Nos modelos de programação dinâmica, as disponibilidades de matéria-prima e de mão de obra, e até os lucros, podem variar ao longo do tempo. Também são considerados os níveis de estoque, visando sempre atender à demanda em todos os períodos, com o menor custo possível. A seguir, vamos desenvolver o modelo matemático para um problema de planejamento de produção dinâmico. TEORIA NA PRÁTICA PROBLEMA DO PLANEJAMENTO DE PRODUÇÃO DINÂMICO Uma fábrica de bicicletas está planejando seus níveis de produção para os próximos seis meses. A fábrica tem capacidade máxima de estocar 6.000 bicicletas. Os dados com relação à produção máxima mensal, ao custo unitário de produção e à demanda mensal são apresentados na tabela a seguir: Mês 1 2 3 4 5 6 Custo unitário de produção (R$) 240,00 250,00 265,00 285,00 280,00 260,00 Demanda (unidades) 1.000 4.500 6.000 5.500 3.500 4.000 Produção máxima 4.000 3.500 4.000 4.500 4.000 3.500 (unidades) Atenção! Para visualizaçãocompleta da tabela utilize a rolagem horizontal Dados de produção de bicicletas. Fonte: Adaptado de Ragsdale (2009). Sabe-se que o estoque inicial do semestre é de 2.750 unidades, e que o custo de estoque é equivalente a 1,5% do custo unitário de produção no mesmo mês. Desenvolva o modelo matemático para minimizar o custo total da fábrica no próximo semestre. RESOLUÇÃO O primeiro passo para a modelagem deste exemplo de um clássico problema de planejamento de produção dinâmico é a definição das variáveis de decisão. As variáveis de decisão devem ser xi, sendo x o número de unidades de bicicletas a serem produzidas no mês “i”, e ei, sendo e o inventário inicial do mês “i”. Logo, temos: xi = número de unidades a produzir no mês i, i=1 a 6 ei = inventário inicial mês i, i=1 a 6 COMENTÁRIO Repare que pela primeira vez estamos modelando um problema em que o índice da variável de decisão se refere ao período de tempo, pois estamos analisando a situação ao longo do tempo. Conhecendo o custo unitário de produção e o custo de estoque de cada mês, conseguimos determinar a função objetivo para a minimização dos custos da fábrica: Min Z= 240x1+250x2+265x3+285x4+280x5+260x6 + 3,6(e1+e2)/2 + 3,75(e2+e3)/2 + 3,98(e3+e4)/2+ 4,28(e4+e5)/2 + 4,20(e5+ e6)/2 + 3,9(e6+e7)/2 Atenção! Para visualização completa da equação utilize a rolagem horizontal Observe que o estoque inicial em dado mês equivale ao estoque final do mês anterior, e que estamos considerando o custo do estoque médio no mês. Assim, para o custo de estoque, consideramos que o nível de estoque é a média entre o valor de inventário inicial e final do mês. Atenção! Para visualização completa da equação utilize a rolagem horizontalem = ei + ei+1 2 A produção de unidades de bicicleta por mês deve ser, no mínimo, o suficiente para atender à demanda, porém não pode superar a produção máxima mensal. Logo, temos as seguintes restrições com relação aos níveis de produção. 2.000≤x1 ≤ 4.000 } mês 1 1.750 ≤ x2 ≤3.500 } mês 2 2.000 ≤ x3 ≤4.000 } mês 3 2.250 ≤ x4 ≤ 4.500 } mês 4 2.000 ≤ x5 ≤4.000 } mês 5 1.750 ≤ x6 ≤3.500 } mês 6 Atenção! Para visualização completa da equação utilize a rolagem horizontal Sabe-se também que a capacidade máxima de estoque na fábrica é de 6.000 unidades de bicicletas. Logo, o estoque final em cada mês não pode ser superior a essa capacidade máxima, de modo que esta restrição será do tipo ≤. Como o Estoque final = Estoque inicial + produção - unidades vendidas, temos: x1 + e1 - 1.000 < 6.000 } mês 1 x2 + e2 - 4.500 < 6.000 } mês 2 x3 + e3 - 6.000 < 6.000 } mês 3 x4 + e4 - 5.500 < 6.000 } mês 4 x5 + e5 - 3.500 < 6.000 } mês 5 x6 + e6 - 4.000 < 6.000 } mês 6 Atenção! Para visualização completa da equação utilize a rolagem horizontal Ainda em relação ao estoque, é necessário o balanço do inventário, representado pelas seguintes restrições: e1 = 2750 e2 = e1 + x1 – 1.000 e3 = e2 + x2 - 4.500 e4 = e3 + x3 - 6.000 e5 = e4 + x4 - 5.500 e6 = e5 + x5 - 3.500 e7 = e6 + x6 - 4.000 Atenção! Para visualização completa da equação utilize a rolagem horizontal Enfim, temos que o modelo para este exemplo do problema de planejamento da produção dinâmico é: Min Z= 240x1+250x2+265x3+285x4+280x5+260x6 + 3,6(e1+e)/2 + 3,75(e2+e3)/2 + 3,98(e3+e4)/2+ 4,28(e4+e5)/2 + 4,20(e5+ e6)/2 + 3,9(e6+e7)/2 Atenção! Para visualização completa da equação utilize a rolagem horizontal Sujeito a: 2.000≤x1 ≤ 4.000 } mês 1 1.750 ≤ x2 ≤3.500 } mês 2 2.000 ≤ x3 ≤4.000 } mês 3 2.250 ≤ x4 ≤ 4.500 } mês 4 2.000 ≤ x5 ≤4.000 } mês 5 1.750 ≤ x6 ≤3.500 } mês 6 x1 + e1 - 1.000 < 6.000 } mês 1 x2 + e2 - 4.500 < 6.000 } mês 2 x3 + e3 - 6.000 < 6.000 } mês 3 x4 + e4 - 5.500 < 6.000 } mês 4 x5 + e5 - 3.500 < 6.000 } mês 5 x6 + e6 - 4.000 < 6.000 } mês 6 e1 = 2750 e2 = e1 + x1 – 1.000 e3 = e2 + x2 - 4.500 e4 = e3 + x3 - 6.000 e5 = e4 + x4 - 5.500 e6 = e5 + x5 - 3.500 e7 = e6 + x6 - 4.000 Atenção! Para visualização completa da equação utilize a rolagem horizontal PROBLEMA FAZER X COMPRAR As organizações enfrentam, no seu dia a dia, o dilema de fazer ou comprar. AO SE DECIDIR ENTRE A FABRICAÇÃO INTERNA OU A AQUISIÇÃO DE DETERMINADO COMPONENTE NO MERCADO, AS EMPRESAS COSTUMAM REALIZAR A ANÁLISE ECONÔMICA, OU SEJA, COMPARAR OS CUSTOS DE FABRICAÇÃO AO CUSTO DE AQUISIÇÃO. DiSERIO; SAMPAIO, 2001 De acordo com Slack et al. (1997), fornecedores externos podem se especializar na produção de certos componentes e produzi-los a custos menores e com melhor qualidade que a própria empresa. Assim sendo, as empresas devem decidir entre “fazer ou comprar” determinado componente. Modelos de programação linear podem ser utilizados para auxiliar no processo decisório em relação à terceirização, tal como podemos verificar no exemplo a seguir. TEORIA NA PRÁTICA PROBLEMA FAZER X COMPRAR Uma fábrica de bicicletas acaba de receber um pedido de R$750.000,00. Foram encomendadas 3.000 bicicletas do modelo 1, 2.000 do modelo 2 e 1.000 do modelo 3. São necessárias 2 horas para a montagem da bicicleta do modelo 1 e 1 hora para sua pintura. Para a bicicleta do modelo 2, leva-se 1,5 horas para a montagem e 2 horas para a pintura. Para a bicicleta do modelo 3, são necessárias 3 horas de montagem e 1 hora de pintura. A fábrica tem disponibilidade de 10.000 horas para montagem e 6.000 horas para pintura até a entrega da encomenda. Os custos para a fabricação das bicicletas são: R$350,00 para a bicicleta 1, R$400,00 para a bicicleta 2 e R$430,00 para a bicicleta 3. A fábrica teme não ter tempo hábil para produzir toda a encomenda e, por isso, cotou o custo de terceirizar a sua fabricação. O custo para comprar uma bicicleta do modelo 1 seria de R$460,00, de R$540,00 para a bicicleta do modelo 2 e de R$ 580,00 para a bicicleta do modelo 3. Desenvolva o modelo de programação linear para minimizar o custo de produção da encomenda de bicicletas. RESOLUÇÃO A fábrica teme não ter tempo hábil para realizar a produção de bicicletas para a entrega e, por isso, precisa decidir entre fabricá-las ou comprá-las de outro fabricante. Assim, teremos dois tipos de variáveis de decisão na modelagem deste problema. xi = quantidade de bicicleta do modelo i a ser fabricada internamente; ci = quantidade de bicicleta do modelo i a ser comprada de concorrente. Logo, as variáveis de decisão para este exemplo são: x1 = quantidade de bicicleta do modelo 1 a ser fabricada internamente; x2 = quantidade de bicicletas do modelo 2 a ser fabricada internamente; x3 = quantidade de bicicletas do modelo 3 a ser fabricada internamente; c1 = quantidade de bicicletas do modelo 1 a ser comprada de concorrente; c2 = quantidade de bicicletas do modelo 2 a ser comprada de concorrente; c3 = quantidade de bicicletas do modelo 3 a ser comprada de concorrente. Conhecendo os custos de produção e de aquisição dos diferentes modelos de bicicletas, temos a seguinte função objetivo: Min Z= 350x1+400x2+430x3+ 460c1+540c2+580c3 Atenção! Para visualização completa da equação utilize a rolagem horizontal Foram encomendadas 3.000 bicicletas do modelo 1, 2.000 do modelo 2 e 1.000 do modelo 3, de modo que a restrição de demanda é representada pelas seguintes equações: x1 + c1 = 3.000 } demanda para o modelo 1 x2 + c2 = 2.000 } demanda para o modelo 2 x3 + c3 = 1.000 } demanda para o modelo 3 Atenção! Para visualização completa da equação utilize a rolagem horizontal A fábrica tem disponibilidade de 10.000 horas para montagem e 6.000 horas para pintura até a entrega da encomenda. Essas restrições são: 2x1 + 1,5x2 + 3x3 ≤10.000 } montagem 1x1 + 2x2 + 1x3 ≤ 6.000 } pintura Atenção! Para visualização completa da equação utilize a rolagem horizontal Além disso, há a condição de não negatividade das variáveis de decisão: x1, x2, x3, c1, c2, c3 >= 0 Atenção! Para visualização completa da equação utilize a rolagem horizontal Enfim, temos que o modelo para este exemplo do problema de fazer x comprar é: Min Z= 350x1+400x2+430x3+ 460c1+540c2+580c3 Atenção! Para visualização completa da equação utilize a rolagem horizontal Sujeito a: x1 + c1 = 3.000 x2 + c2 = 2.000 x3 + c3 = 1.000 2x1 + 1,5x2 + 3x3 ≤10.000 x1 + 2x2 + x3 ≤ 6.000 x1, x2, x3, c1, c2, c3 >= 0 Atenção! Para visualização completa da equação utilize a rolagem horizontal É importante ressaltar que a decisão sobre a terceirização é um pouco simplificada, pois focam-se apenas os aspectos econômicos. Contudo, a terceirização de determinados produtos ou serviços deve incluir outras considerações além de questões econômicas, devendo, além disso, considerar aspectos estratégicos como competências essenciais e vantagens competitivas. Ao delegar certos serviços a terceiros (outsourcing), a empresa pode se concentrar em sua competência central, mantendo-se competitiva no mercado. VERIFICANDO O APRENDIZADO 1. A FÁBRICA XYZ PRODUZ RAÇÕES PARA A ALIMENTAÇÃO DE GADO. AS RAÇÕES SÃO ELABORADAS A PARTIR DA MISTURA DE TRÊS DIFERENTES TIPOS DE GRÃOS: GRÃO 1, 2 E 3. TRÊS NUTRIENTES SÃO CONSIDERADOS NO PRODUTO FINAL: O NUTRIENTE A, B E C. SABE-SE QUE O GRÃO DO TIPO 1 CUSTA R$35,00 POR KG. UM QUILO DE GRÃO 1 POSSUI 30MG DE NUTRIENTE A, 10MG DE NUTRIENTE B E 43MG DE NUTRIENTE C. O GRÃO DO TIPO 2 CUSTA R$23,00 POR KG. ALÉM DISSO, 1KG DO GRÃO 2 POSSUI 28MG DO NUTRIENTE A, 17MG DO NUTRIENTE B E 40MG DO NUTRIENTE C. O GRÃO DO TIPO 3 POSSUI APENAS 70MG DO NUTRIENTE TIPO A, E 1KG DESTE TIPO DE GRÃO CUSTA R$78,00. A RAÇÃO PARA GADO DEVE CONTER, NO MÍNIMO, 1.250MG DE NUTRIENTE A, 380MG DO NUTRIENTE B E 980MG DO NUTRIENTE C. O ANALISTA DESEJA DETERMINAR A COMPOSIÇÃO DA RAÇÃO QUE MINIMIZE OS CUSTOS DE PRODUÇÃO, CONSIDERANDO QUE AS NECESSIDADES MÍNIMAS DOS NUTRIENTES SEJAM ATENDIDAS. LOGO,É POSSÍVEL AFIRMAR QUE: A) As variáveis de decisão que devem ser usadas na modelagem são: xa a quantidade de nutrientes A, xb a quantidade de nutrientes B e xc a quantidade de nutrientes C. B) A função objetivo do modelo é Máx Z=30xa+28xb+70xc, sendo xa a quantidade de nutrientes A, xb a quantidade de nutrientes B e xc a quantidade de nutrientes C. C) O modelo possui apenas duas restrições que garantem o suprimento mínimo da quantidade de nutrientes. D) As variáveis de decisão do modelo não precisam atender à condição de não negatividade. E) A função objetivo do modelo é Min Z= 35x1+23x2+78x3, sendo x1 = quilos de grão tipo 1 usado na produção de um quilo de ração, x2 = quilos de grão tipo 2 usado na produção de um quilo de ração, e x3 = quilos de grão tipo 3 usado na produção de um quilo de ração. 2. UMA FÁBRICA DE ELETRODOMÉSTICOS ESTÁ PLANEJANDO SEUS NÍVEIS DE ESTOQUE PARA AS PRÓXIMAS QUATRO SEMANAS. A LOJA TEM CAPACIDADE MÁXIMA DE ESTOQUE DE 100 GELADEIRAS. OS DADOS COM RELAÇÃO À PRODUÇÃO MÁXIMA SEMANAL, AO CUSTO UNITÁRIO DE PRODUÇÃO E À DEMANDA SEMANAL SÃO APRESENTADOS NA TABELA A SEGUIR. 30X1+28X2+70X3≥1250 10X1+17X2≥380 43X1+40X3≥980 X1,X2,X3,X4≥0 ATENÇÃO! PARA VISUALIZAÇÃO COMPLETA DA EQUAÇÃO UTILIZE A ROLAGEM HORIZONTAL MÊS 1 2 3 4 CUSTO UNITÁRIO DE PRODUÇÃO (R$) 1.240,00 1.300,00 1.265,00 1.285,00 DEMANDA (UNIDADES) 60 50 65 70 PRODUÇÃO MÁXIMA (UNIDADES) 100 100 100 100 ATENÇÃO! PARA VISUALIZAÇÃOCOMPLETA DA TABELA UTILIZE A ROLAGEM HORIZONTAL DADOS DE PRODUÇÃO DE GELADEIRAS. FONTE: RENATA ALBERGARIA DE MELLO BANDEIRA SABE-SE QUE O ESTOQUE INICIAL DO MÊS É DE 30 UNIDADES E QUE O CUSTO DE ESTOQUE É EQUIVALENTE A 2% DO CUSTO UNITÁRIO DE PRODUÇÃO DA SEMANA. AO DESENVOLVER O MODELO MATEMÁTICO PARA MINIMIZAR O CUSTO TOTAL DA FÁBRICA NO PRÓXIMO MÊS, CONSIDERAMOS QUE AS VARIÁVEIS DE DECISÃO DEVEM SER XI, SENDO X O NÚMERO DE UNIDADES DE GELADEIRAS A SEREM PRODUZIDAS NA SEMANA “I”, E EI, SENDO E O INVENTÁRIO INICIAL DA SEMANA “I”. ASSIM, A(S) RESTRIÇÃO(ÕES) REFERENTE(S) AO ESTOQUE NA SEMANA 3 É(SÃO) REPRESENTADA(S) PELA(S) SEGUINTE(S) EQUAÇÃO(ÕES): A) x3 + e3 - 65 < 100 B) e3 = e2 + x2 – 50 C) e4 = e3 + x3 – 65 D) x3 + e3 - 65 < 100 e e3 = e2 + x2 – 50 E) x3 + e3 - 65 < 100, e3 = e2 + x2 – 50 e e4 = e3 + x3 – 65 GABARITO 1. A fábrica XYZ produz rações para a alimentação de gado. As rações são elaboradas a partir da mistura de três diferentes tipos de grãos: grão 1, 2 e 3. Três nutrientes são considerados no produto final: o nutriente A, B e C. Sabe-se que o grão do tipo 1 custa R$35,00 por kg. Um quilo de grão 1 possui 30mg de nutriente A, 10mg de nutriente B e 43mg de nutriente C. O grão do tipo 2 custa R$23,00 por kg. Além disso, 1kg do grão 2 possui 28mg do nutriente A, 17mg do nutriente B e 40mg do nutriente C. O grão do tipo 3 possui apenas 70mg do nutriente tipo A, e 1kg deste tipo de grão custa R$78,00. A ração para gado deve conter, no mínimo, 1.250mg de nutriente A, 380mg do nutriente B e 980mg do nutriente C. O analista deseja determinar a composição da ração que minimize os custos de produção, considerando que as necessidades mínimas dos nutrientes sejam atendidas. Logo, é possível afirmar que: A alternativa "E " está correta. Como as rações são elaboradas a partir de três diferentes tipos de grãos, temos que as variáveis de decisão são: x1 = quilos de grão tipo 1 usado na produção de um quilo de ração; x2 = quilos de grão tipo 2 usado na produção de um quilo de ração; x3 = quilos de grão tipo 3 usado na produção de um quilo de ração. Como se deseja minimizar o custo de produção, conhecendo o custo do quilo de cada tipo de grão, temos a seguinte função objetivo: MIN Z= 35X1+23X2+78X3 Atenção! Para visualização completa da equação utilize a rolagem horizontal Logo, podemos afirmar que a resposta certa para o exercício é a alternativa E. Porém, vamos seguir na construção do modelo matemático para este problema. A ração deve conter, no mínimo, 1250mg de nutriente A, 380mg do nutriente B e 980mg do nutriente C. Assim, teremos três restrições com relação à quantidade dos diferentes tipos de nutrientes. São elas: 30x1+28x2+70x3≥1250→Nutriente A 10x1+17x2≥380→Nutriente B 43x1+40x3≥980→Nutriente C Atenção! Para visualização completa da equação utilize a rolagem horizontal Logo, temos que o modelo para este exercício é: MIN Z= 35X1+23X2+78X3 Atenção! Para visualização completa da equação utilize a rolagem horizontal Sujeito a: 30x1+28x2+70x3≥1250 10x1+17x2≥380 43x1+40x3≥980 x1,x2,x3,x4≥0 Atenção! Para visualização completa da equação utilize a rolagem horizontal 2. Uma fábrica de eletrodomésticos está planejando seus níveis de estoque para as próximas quatro semanas. A loja tem capacidade máxima de estoque de 100 geladeiras. Os dados com relação à produção máxima semanal, ao custo unitário de produção e à demanda semanal são apresentados na tabela a seguir. 30x1+28x2+70x3≥1250 10x1+17x2≥380 43x1+40x3≥980 x1,x2,x3,x4≥0 Atenção! Para visualização completa da equação utilize a rolagem horizontal Mês 1 2 3 4 Custo unitário de produção (R$) 1.240,00 1.300,00 1.265,00 1.285,00 Demanda (unidades) 60 50 65 70 Produção máxima (unidades) 100 100 100 100 Atenção! Para visualizaçãocompleta da tabela utilize a rolagem horizontal Dados de produção de geladeiras. Fonte: Renata Albergaria de Mello Bandeira Sabe-se que o estoque inicial do mês é de 30 unidades e que o custo de estoque é equivalente a 2% do custo unitário de produção da semana. Ao desenvolver o modelo matemático para minimizar o custo total da fábrica no próximo mês, consideramos que as variáveis de decisão devem ser xi, sendo x o número de unidades de geladeiras a serem produzidas na semana “i”, e ei, sendo e o inventário inicial da semana “i”. Assim, a(s) restrição(ões) referente(s) ao estoque na semana 3 é(são) representada(s) pela(s) seguinte(s) equação(ões): A alternativa "E " está correta. As variáveis de decisão são: xi = número de unidades a produzir na semana i, i=1 a 4 ei = inventário inicial na semana i, i=1 a 4 Conhecendo o custo unitário de produção e o custo de estoque de cada mês, conseguimos determinar a função objetivo para a minimização dos custos da fábrica, considerando o custo do estoque médio da semana Min Z= 1.240x1+1.300x2+1.265x3+1.285x4+24,8(e1+e2)/2+26(e2+e3)/2+25,3(e3+e4)/2+ 25,7(e4+e5)/2 Atenção! Para visualização completa da equação utilize a rolagem horizontal (es = ) : ei + ei+1 2 A produção de unidades de geladeira por semana deve ser, no mínimo, o suficiente para atender à demanda, porém não pode superar a produção máxima semanal. Logo, temos as seguintes restrições com relação aos níveis de produção: 60≤x1 ≤ 100 } semana 1 50 ≤ x2 ≤100 } semana 2 65 ≤ x3 ≤100 } semana 3 70 ≤ x4 ≤ 100 } semana 4 Atenção! Para visualização completa da equação utilize a rolagem horizontal Sabe-se também que a capacidade máxima de estoque na fábrica é de 100 geladeiras. Logo, o estoque final em cada semana não pode ser superior a tal capacidade máxima, de modo que esta restrição será do tipo ≤. Como o Estoque final = Estoque inicial + produção - unidades vendidas, temos: x1 + e1 - 60 < 100 } semana 1 x2 + e2 - 50 < 100 } semana 2 x3 + e3 - 65 < 100 } semana 3 x4 + e4 - 70 < 100 } semana 4 Atenção! Para visualização completa da equação utilize a rolagem horizontal Ainda em relação ao estoque, é necessário o balanço do inventário, que é representado pelas seguintes restrições: e1 = 30 e2 = e1 + x1 – 60 e3 = e2 + x2 - 50 e4 = e3 + x3 - 65 e5 = e4 + x4 - 70 Atenção! Para visualização completa da equação utilize a rolagem horizontal Enfim, temos que o modelo para este exemplo do problema de planejamento da produção dinâmico é: Min Z= 1.240x1+1.300x2+1.265x3+1.285x4+24,8(e1+e2)/2+26(e2+e3)/2+25,3(e3+e4)/2+ 25,7(e4+e5)/2 Atenção! Para visualização completa da equação utilize a rolagem horizontal Sujeito a: 60≤x1 ≤ 100 } semana 1 50 ≤ x2 ≤100 } semana 2 65 ≤ x3 ≤100 } semana3 70 ≤ x4 ≤ 100 } semana 4 x1 + e1 - 60 < 100 } semana 1 x2 + e2 - 50 < 100 } semana 2 x3 + e3 - 65 < 100 } semana 3 x4 + e4 - 70 < 100 } semana 4 e1 = 30 e2 = e1 + x1 – 60 e3 = e2 + x2 - 50 e4 = e3 + x3 - 65 e5 = e4 + x4 - 70 Atenção! Para visualização completa da equação utilize a rolagem horizontal Logo, as equações que representam as restrições referentes ao estoque na semana 3 são: x3 + e3 - 65 < 100 } semana 3 e3 = e2 + x2 - 50 e4 = e3 + x3 – 65 Atenção! Para visualização completa da equação utilize a rolagem horizontal MÓDULO 2 Aplicar a técnica de modelagem nos problemas de transporte e transbordo PROBLEMAS DE TRANSPORTE O problema de transportes é a aplicação de programação linear mais frequente na logística. Esse padrão de problema envolve decisões como o volume a ser transportado entre localidades, podendo envolver ou não decisões referentes ao desenho da cadeia e também problemas de localização. O problema de programação linear para o problema clássico de transportes consiste em definir o melhor caminho (ou rota) para fazer com que determinada quantidade de produtos de um ponto de suprimento chegue a um ponto de demanda. O objetivo pode ser minimizar as distâncias percorridas, o custo de transporte ou até mesmo maximizar os níveis de serviço ou o lucro com vendas. O problema de transporte é um modelo fluxo em grafo bipartido, de modo que não existem nós intermediários de transbordo ou transição para fluxo, conforme ilustrado . Imagem: Renata Albergaria de Mello Bandeira. Rede do problema de transportes. ATENÇÃO Na rede de transportes, os nós representam os pontos de suprimento e de demanda, enquanto os arcos representam a conexão entre os nós. Conforme pode ser observado, no problema de transportes, há m pontos de suprimento, cada um com capacidade de oferta máxima designada por Si, onde o índice i representa o ponto de suprimento em questão (i = 1,…, m). Existem ainda n pontos de demanda a serem abastecidos por estes pontos de suprimento. Cada ponto de demanda recebe pelo menos Dj unidades do produto a ser transportado, sendo que o índice j representa os pontos de demanda, tal que j = 1, …, n. Para cada unidade do ponto de fornecimento i remetida ao ponto de demanda j incorre um custo cij, que é o custo de fornecer o produto ao ponto de demanda j a partir do ponto de suprimento i. Assim sendo, para modelar o problema de transportes, consideramos a variável de decisão xij, que representa o número de unidades do produto específico despachadas do ponto de suprimento i para o ponto de demanda j. Considerando que a função objetivo seja minimizar o custo total de transporte, temos que a função objetivo é: Atenção! Para visualização completa da equação utilize a rolagem horizontal As condições de transporte estão sujeitas a restrições de fornecimento e de demanda. Logo, o total transportado para o ponto de demanda tem que, ao menos, atender à quantidade mínima demandada, enquanto o total transportado a partir do ponto de suprimento não pode ser superior à sua capacidade de oferta. Logo, as restrições para o problema clássico de transportes podem ser representadas pelas seguintes equações: Atenção! Para visualização completa da equação utilize a rolagem horizontal Em suma, o modelo matemático para o problema clássico de transporte é: Atenção! Para visualização completa da equação utilize a rolagem horizontal Sujeito a: Atenção! Para visualização completa da equação utilize a rolagem horizontal Para facilitar o entendimento do modelo matemático para o problema clássico de transportes, vamos resolver o exemplo a seguir: TEORIA NA PRÁTICA Min m ∑ i=1 n ∑ j=1 cijxij n ∑ j=1 xij ≤ si (i = 1, … , m) mn ∑ i=1 xij ≥ dj (j = 1, … , n) Min m ∑ i=1 n ∑ j=1 cijxij n ∑ j=1 xij ≤ si (i = 1, … , m) m ∑ i=1 xij ≥ dj (j = 1, … , n) xij ≥ 0 ∀i, j PROBLEMA DE TRANSPORTE Uma empresa fabricante de bicicletas conta com duas plantas, uma localizada em São Paulo e outra em Recife. A empresa atende ao público por meio de três revendedores, localizados em Porto Alegre, Brasília e Manaus. Imagem: Renata Albergaria de Mello Bandeira Rede do problema de transportes. Plantas Custos de envio por unidade OfertasMercados Porto Alegre Brasília Manaus SP 25 30 70 600 Recife 60 35 50 700 Demandas 450 500 300 Atenção! Para visualizaçãocompleta da tabela utilize a rolagem horizontal Distâncias para a rede do problema de transportes. Fonte: Renata Albergaria de Mello Bandeira Formule o problema de programação linear que minimize os custos de distribuição da empresa. RESOLUÇÃO Consideramos que i=1 para São Paulo e i=2 para Recife, enquanto j=1 para Porto Alegre, j=2 para Brasília e j=3 para Manaus. Logo, as variáveis de decisão são: x11= quantidade de produtos transportados de São Paulo para Porto Alegre; x12= quantidade de produtos transportados de São Paulo para Brasília; x13= quantidade de produtos transportados de São Paulo para Manaus; x21= quantidade de produtos transportados de Recife para Porto Alegre; x22= quantidade de produtos transportados de Recife para Brasília; x23= quantidade de produtos transportados de Recife para Manaus. A função objetivo para minimizar o custo total de transporte é: Minz Z=25X11+30X12+70X13+60X21+35X22+50X23 Atenção! Para visualização completa da equação utilize a rolagem horizontal O total transportado para Porto Alegre tem que ser, ao menos, igual a 450, para atender à demanda mínima da cidade. Para Brasília e Manaus, devem ser transportadas, no mínimo, 500 e 300 bicicletas, respectivamente. Assim, as restrições referentes à demanda são: X11+X21 ≥450 à restrição quanto → demanda para Porto Alegre; X12+X22 ≥500à restrição quanto → demanda para Brasília; X13+X23 ≥300à restrição quanto → demanda para Manaus. Atenção! Para visualização completa da equação utilize a rolagem horizontal O total transportado de São Paulo não pode ser superior a 600 unidades, pois trata-se da capacidade máxima de oferta da planta. Já o total transportado de Recife deve ser inferior a 700 unidades, que é a capacidade máxima de oferta desta planta. Assim, as restrições referentes à oferta são: X11+X12+X13+≤600à restrição quanto ao suprimento de São Paulo; X21+X22+X23≤700à restrição quanto ao suprimento de Recife. Atenção! Para visualização completa da equação utilize a rolagem horizontal O modelo matemático deste problema é: Minz Z=25X11+30X12+70X13+60X21+35X22+50X23 Atenção! Para visualização completa da equação utilize a rolagem horizontal Sujeito a: X11+X21 ≥450 X12+X22 ≥500 X13+X23 ≥300 X11+X12+X13≤600 X21+X22+X23≤700 X11, X12, X13, X21, X22, X23≥0 Atenção! Para visualização completa da equação utilize a rolagem horizontal SAIBA MAIS Os problemas de transporte são casos particulares de problemas de programação linear, de modo que sua resolução algébrica pode ser desenvolvida por algoritmos de programação linear. Entretanto, é possível aproveitar as particularidades do problema de transporte para resolvê-lo de forma mais eficiente que o caso geral do simplex. Assim, existem algoritmos específicos para a solução do problema de transporte, como o Método do Canto Noroeste e o Método de Vogel, porém não vamos abordá-los aqui. Caso você tenha interesse em aprofundar os seus conhecimentos, recomenda-se a leitura do capítulo 7 de Winston (2004). PROBLEMA DE TRANSBORDO O problema de transbordo segue lógica semelhante ao problema de transportes, porém este não é um modelo fluxo em grafo bipartido, pois existem nós intermediários de transbordo ou de transição para fluxo, conforme ilustrado na figura a seguir: Imagem: Renata Albergaria de Mello Bandeira Rede do problema de transbordo. Além de um conjunto de m nós, que representam os pontos de suprimentos, e n nós, que representam os pontos de demanda, a rede também dispõe de l pontos de transbordo. É importante que você saiba bem a diferença entre estes diferentes tiposde nó: PONTOS DE SUPRIMENTO São responsáveis pelo fornecimento de insumos, de modo que podem remetê-los para outros pontos, porém não podem recebê-los. PONTOS DE DEMANDA São os pontos de consumo, de modo que devem receber insumos de outros pontos, porém não podem recebê-los. PONTOS DE TRANSBORDO Podem tanto receber insumos de outros pontos quanto remeter insumos para outros pontos, ou seja, são locais onde é possível realizar a transferência da carga. Um centro de distribuição, por exemplo, pode funcionar como um ponto de transbordo em uma cadeia logística, recebendo insumos de diversas plantas ou diversos fornecedores, realizando a consolidação da carga e remetendo insumos para outras plantas, outros centros de distribuição ou clientes. Um depósito também é um bom exemplo de um ponto de transbordo. Uma particularidade do problema de transbordo é que aquilo que é transportado das unidades intermediárias (de transbordo) aos mercados consumidores não deve ultrapassar a quantidade de produto que chega a tais pontos. A quantidade que insumos que chega a um ponto de transbordo deve ser igual à quantidade de insumos que sai dele. Com essa restrição, garantimos o equilíbrio do fluxo neste nó, ou seja, o fluxo que entra deve ser igual a todo o fluxo que sai. Portanto, o modelo matemático para o problema de transbordo é semelhante ao do problema clássico de transporte, porém acrescenta-se a restrição de equilíbrio nos nós que representam pontos de transbordo. Temos que o modelo matemático para o problema de transbordo é: Atenção! Para visualização completa da equação utilize a rolagem horizontal Sujeito a: Min m ∑ i=1 n ∑ j=1 cijxij n ∑ j=1 xij ≤ si (i = 1, … , m) Atenção! Para visualização completa da equação utilize a rolagem horizontal Para facilitar o entendimento do modelo matemático para o problema clássico de transbordo, vamos resolver o exemplo a seguir: TEORIA NA PRÁTICA PROBLEMA DE TRANSBORDO Uma empresa fabricante de bicicletas conta com duas plantas, uma localizada em São Paulo e outra em Recife, e atende o público por meio de dois revendedores, localizados em Porto Alegre e Manaus. A empresa também dispõe de um centro de distribuição, localizado em Brasília, que pode ser usado como ponto de transbordo caso contribua para reduzir o custo total de transporte. Imagem: Renata Albergaria de Mello Bandeira Rede do problema de transbordo. Plantas/CD Custos de envio por unidade Ofertas Mercados/CD m ∑ i=1 xij ≥ dj (j = 1, … , n) m ∑ i=1 xik = n ∑ j=1 xkj (k = 1, … , l) →Equilíbrio nos nós de transbordo T xij ≥ 0 ∀i, j Porto Alegre Manaus Brasília SP 25 70 30 600 Recife 60 50 35 700 Brasília 45 65 0 Demandas 450 500 Atenção! Para visualizaçãocompleta da tabela utilize a rolagem horizontal Demandas e custos de transporte por unidade. Fonte: Renata Albergaria de Mello Bandeira RESOLUÇÃO Consideramos que i=1 para São Paulo, i=2 para Recife e i=3 para Brasília, enquanto j=1 para Porto Alegre, j=2 para Manaus e j=3 para Brasília. Logo, as variáveis de decisão são: x11= quantidade de produtos transportados de São Paulo para Porto Alegre; x12= quantidade de produtos transportados de São Paulo para Manaus; x13= quantidade de produtos transportados de São Paulo para Brasília; x21= quantidade de produtos transportados de Recife para Porto Alegre; x22= quantidade de produtos transportados de Recife para Manaus; x23= quantidade de produtos transportados de Recife para Brasília; x31= quantidade de produtos transportados de Brasília para Porto Alegre; x32= quantidade de produtos transportados de Brasília para Manaus. A função objetivo para minimizar o custo total de transporte é: Min Z=25X11+70X12+30X13+60X21+50X22+35X23+45X31+65X32 Atenção! Para visualização completa da equação utilize a rolagem horizontal O total transportado para Porto Alegre tem que ser, ao menos, igual a 450, para atender à demanda mínima da cidade. Para Brasília e Manaus, devem ser transportadas, no mínimo, 500 e 300 bicicletas, respectivamente. Assim, as restrições referentes à demanda são: X11+X21 +X31≥450 → restrição quanto à demanda para Porto Alegre; X12+X22 +X32≥500 → restrição quanto à demanda para Manaus. Atenção! Para visualização completa da equação utilize a rolagem horizontal O total transportado de São Paulo não pode ser superior a 600 unidades, pois esta é a capacidade máxima de oferta da planta. Já o total transportado de Recife deve ser inferior a 700 unidades, que é a capacidade máxima de oferta desta planta. Assim, as restrições referentes à oferta são: X11+X12+X13+≤600 → restrição quanto ao suprimento de São Paulo; X21+X22+X23≤700 → restrição quanto ao suprimento de Recife. Atenção! Para visualização completa da equação utilize a rolagem horizontal Lembre-se ainda da restrição de equilíbrio nos nós que representam pontos de transbordo. Tudo o que chega no centro de distribuição de Brasília deve ser igual ao que sai de Brasília, conforme indicado na equação a seguir: X11+ X23+=X31+X32 Atenção! Para visualização completa da equação utilize a rolagem horizontal O modelo matemático deste problema é: Min Z=25X11+70X12+30X13+60X21+50X22+35X23+45X31+65X32 Atenção! Para visualização completa da equação utilize a rolagem horizontal Sujeito a: X11+X21 +X31≥450 X12+X22 +X32≥500 X11+X12+X13+≤600 X21+X22+X23≤700 X11+ X23+=X31+X32 X11, X12 , X13, X21, X22, X23, X31,X32 ≥0 Atenção! Para visualização completa da equação utilize a rolagem horizontal PROBLEMA DE TRANSPORTE E TRANSBORDO A seguir, o especialista apresenta os problemas de transporte e de transbordo, abordando as particularidades deste tipo de problema de programação linear e a importância de sua aplicação no ambiente gerencial. VERIFICANDO O APRENDIZADO 1. UMA FÁBRICA DE BEBIDAS TEM TRÊS DEPÓSITOS (O1, O2 E O3) NA CIDADE DO RIO DE JANEIRO QUE SUPREM DUAS LOJAS (D1 E D2). AS DISTÂNCIAS, BEM COMO AS QUANTIDADES OFERTADAS DE CADA DEPÓSITO E A DEMANDA DE CADA LOJA, SÃO APRESENTADAS NA TABELA A SEGUIR: DEPÓSITOS DISTÂNCIA OFERTAS MERCADOS D1 D2 O1 15 35 60 O2 43 27 90 O3 6 38 200 DEMANDAS 150 200 ATENÇÃO! PARA VISUALIZAÇÃOCOMPLETA DA TABELA UTILIZE A ROLAGEM HORIZONTAL FONTE: RENATA ALBERGARIA DE MELLO BANDEIRA A FÁBRICA DESEJA PLANEJAR SUA DISTRIBUIÇÃO DE MODO A MINIMIZAR A DISTÂNCIA TOTAL DE TRANSPORTE. ASSIM, EM RELAÇÃO AO MODELO MATEMÁTICO QUE REPRESENTA ESTE PROBLEMA, É POSSÍVEL AFIRMAR QUE: A) Deve possuir três variáveis de decisão. B) Possui três inequações que representam as restrições com relação à demanda a ser atendida. C) Possui duas inequações que representam as restrições com relação à capacidade de suprimento. D) As restrições quanto à demanda devem ser do tipo ≤. E) As restrições quanto à capacidade de suprimento devem ser do tipo ≤. 2. UMA EMPRESA DE BEBIDAS TEM TRÊS FÁBRICAS (O1, O2 E O3) E UM CENTRO DE DISTRIBUIÇÃO (C1) NA CIDADE DO RIO DE JANEIRO QUE SUPREM DUAS LOJAS (D1 E D2). AS DISTÂNCIAS, BEM COMO AS QUANTIDADES OFERTADAS DE CADA DEPÓSITO E A DEMANDA DE CADA LOJA, SÃO APRESENTADAS NA TABELA A SEGUIR: FÁBRICAS E CENTRO DE DISTRIBUIÇÃO DISTÂNCIA OFERTAS MERCADOS E CENTRO DE DISTRIBUIÇÃO D1 D2 C1 60 01 15 35 11 90 02 43 27 21 200 03 6 38 15 C1 10 20 - DEMANDAS 150 200 ATENÇÃO! PARA VISUALIZAÇÃOCOMPLETA DA TABELA UTILIZE A ROLAGEM HORIZONTAL FONTE: RENATA ALBERGARIA DE MELLO BANDEIRA A FÁBRICA DESEJA PLANEJAR SUA DISTRIBUIÇÃO DE MODO A MINIMIZAR A DISTÂNCIA TOTAL DE TRANSPORTE. PARA DESENVOLVER O MODELO MATEMÁTICO QUE REPRESENTA ESTE PROBLEMA, CONSIDERAMOS A VARIÁVEL DE DECISÃO XIJ, QUE REPRESENTA O NÚMERO DE UNIDADES DO PRODUTO ESPECÍFICO DESPACHADAS DO PONTO DE SUPRIMENTO OU DO CENTRO DE DISTRIBUIÇÃO I PARA O PONTO DE DEMANDA OU CENTRO DE DISTRIBUIÇÃO J. ASSIM, É POSSÍVEL AFIRMAR QUE: A) Deve possuir 3 variáveis de decisão. B) Deve possuir 6 variáveis de decisão. C) Deve possuir 8 variáveis de decisão. D) Deve possuir11 variáveis de decisão. E) Deve possuir 12 variáveis de decisão. GABARITO 1. Uma fábrica de bebidas tem três depósitos (O1, O2 e O3) na cidade do Rio de Janeiro que suprem duas lojas (D1 e D2). As distâncias, bem como as quantidades ofertadas de cada depósito e a demanda de cada loja, são apresentadas na tabela a seguir: Depósitos Distância Ofertas Mercados D1 D2 O1 15 35 60 O2 43 27 90 O3 6 38 200 Demandas 150 200 Atenção! Para visualizaçãocompleta da tabela utilize a rolagem horizontal Fonte: Renata Albergaria de Mello Bandeira A fábrica deseja planejar sua distribuição de modo a minimizar a distância total de transporte. Assim, em relação ao modelo matemático que representa este problema, é possível afirmar que: A alternativa "E " está correta. As variáveis de decisão a serem adotadas neste modelo matemático são: X11= quantidade de produtos transportados de O1 para D1; X12= quantidade de produtos transportados de O1 para D2; X21= quantidade de produtos transportados de O2 para D1; X22= quantidade de produtos transportados de O2 para D2; X31= quantidade de produtos transportados de O3 para D1; X32= quantidade de produtos transportados de O3 para D2. Logo, o modelo matemático deste problema é: Minz Z=15X11+35X12+43X21+27X22+6X31+38X32 Atenção! Para visualização completa da equação utilize a rolagem horizontal Sujeito a: X11+X21 +X31 ≥150 X12+X22 +X321 ≥200 X21+X22 ≤90 X11+X12≤60 [As restrições de capacidade são do tipo ≤.] X31+X32 ≤200 X11, X12, X21, X22, X31, X32≥0 Atenção! Para visualização completa da equação utilize a rolagem horizontal 2. Uma empresa de bebidas tem três fábricas (O1, O2 e O3) e um centro de distribuição (C1) na cidade do Rio de Janeiro que suprem duas lojas (D1 e D2). As distâncias, bem como as quantidades ofertadas de cada depósito e a demanda de cada loja, são apresentadas na tabela a seguir: Fábricas e Centro de Distribuição Distância Ofertas Mercados e Centro de Distribuição D1 D2 C1 60 01 15 35 11 90 02 43 27 21 200 03 6 38 15 C1 10 20 - Demandas 150 200 Atenção! Para visualizaçãocompleta da tabela utilize a rolagem horizontal Fonte: Renata Albergaria de Mello Bandeira A fábrica deseja planejar sua distribuição de modo a minimizar a distância total de transporte. Para desenvolver o modelo matemático que representa este problema, consideramos a variável de decisão xij, que representa o número de unidades do produto específico despachadas do ponto de suprimento ou do centro de distribuição i para o ponto de demanda ou centro de distribuição j. Assim, é possível afirmar que: A alternativa "D " está correta. As variáveis de decisão a serem adotadas neste modelo matemático são: X11= quantidade de produtos transportados de O1 para D1; X12= quantidade de produtos transportados de O1 para D2; X13= quantidade de produtos transportados de O1 para C1; X21= quantidade de produtos transportados de O2 para D1; X22= quantidade de produtos transportados de O2 para D2; X23= quantidade de produtos transportados de O2 para C1; X31= quantidade de produtos transportados de O3 para D1; X32= quantidade de produtos transportados de O3 para D2; X33= quantidade de produtos transportados de O3 para C1; X41= quantidade de produtos transportados de C1 para D1; X42= quantidade de produtos transportados de C1 para D2. Assim, temos 11 variáveis de decisão e a função objetivo para o modelo deste problema é: Minz Z=15X11+35X12+11X13 +43X21+27X22+21X23+6X31+38X32+15X33+10X41+20X42 Atenção! Para visualização completa da equação utilize a rolagem horizontal MÓDULO 3 Aplicar a técnica de modelagem em problemas de alocação PROBLEMAS DE ALOCAÇÃO No problema de alocação, também denominado problema de designação ou de matching, existem dois conjuntos e devem ser formados pares entre os elementos destes dois conjuntos. O problema consiste em determinar a formação destes pares, ou seja, a combinação destes elementos de modo a minimizar o custo total de todas as alocações, respeitando as restrições existentes. ATENÇÃO O problema da alocação visa designar tarefas a designados, podendo ser pessoas, máquinas, veículos ou até mesmo fábricas. Neste tipo de problema, há um custo associado para o designado desempenhar cada tarefa. Assim, o objetivo final é determinar a combinação de alocações que minimiza o custo total. Também pode ser considerado que cada designado i tem determinado interesse em efetuar cada tarefa j, dado por pij. Logo, o objetivo é realizar a alocação de maneira que a soma dos interesses seja maximizada. ATENÇÃO Destaca-se que, no problema de alocação, o número de designados e de tarefas devem ser iguais. Assim, temos n designados e n tarefas. Cada tarefa deve ser atribuída a apenas um designado, que também só deve realizar uma única tarefa. Além disso, todas as tarefas devem ser executadas. O problema da alocação pode ser considerado um caso especial do modelo de transportes, no qual cada origem tem uma unidade disponível e cada destino requer também uma unidade. Assim, o problema de alocação é um problema de transporte balanceado, no qual todas as demandas e capacidades são iguais a 1. Desse modo, o problema de alocação utiliza variáveis binárias. A variável binária, ou booleana, pode assumir apenas dois valores, zero ou 1. No problema de alocação, a variável de decisão xij recebe o valor igual a “1” se decidirmos que a tarefa “i” será alocada para o designado “j”, sendo “0” se decidirmos o contrário. De tal forma, temos que o modelo matemático para o problema da alocação é: Atenção! Para visualização completa da equação utilize a rolagem horizontal Sujeito a: Xij ꞓ {0,1}, (i=1,...n; j=1,...,n) Xij=1, se o designado i for alocado para realizar a tarefa j. Xij=0, caso contrário. Atenção! Para visualização completa da equação utilize a rolagem horizontal SAIBA MAIS Os modelos de alocação podem ser adotados para auxiliar no processo de tomada de decisão em diversas situações reais, tal como na determinação da escala de vendedores para pontos de venda, na distribuição de atividades para membros de uma equipe ou na alocação de máquinas para resolver diferentes tarefas. Para facilitar o entendimento do modelo matemático para o problema clássico de alocação, vamos resolver o exemplo a seguir: MinZ =∑ i ∑ j cijxij ∑ j xij = 1 (i = 1, … , n) →cada designado é alocado a uma só tarefa. ∑ i xij = 1 (j = 1, … , n) →cada tarefa é alocada a apenas um trabalhador. TEORIA NA PRÁTICA A supervisora de uma equipe de limpeza em um hotel necessita formar equipes de camareiras para realizar a limpeza dos quartos na hora de troca de hóspedes. Os hóspedes que estão realizando check-out precisam sair do quarto até às 12h, enquanto os novos hóspedes podem realizar o check-in a partir de 14h. Assim, as esquipes têm pouco tempo para organizar e limpar todos os cômodos. Logo, a supervisora precisa organizar as equipes de modo que os serviços sejam realizados o mais rápido possível. A supervisora precisa formar a equipe para cuidar dos quartos do terceiro andar do hotel. As tarefas a serem realizadas são: arrumar as camas, limpar o banheiro, varrer o quarto e tirar o pó. As camareiras desempenham as tarefas, por quarto, nos seguintes tempos: Camareira Tarefa Arrumar cama Limpar banheiro Varrer quarto Tirar o pó Lara 2 min 5 min 7 min 3 min Ana 3 min 6 min 8 min 4 min Julia 4 min 4 min 6 min 5 min Talita 2 min 5 min 7 min 2 min Atenção! Para visualizaçãocompleta da tabela utilize a rolagem horizontal Tempo para execução das tarefas Fonte: Renata Albergaria de Mello Bandeira Formule o problema de programação linear que minimize o tempo de arrumação do quarto. RESOLUÇÃO Neste problema de alocação, a variável de decisão xij recebe o valor igual a “1” se decidirmos que a tarefa “i” será alocada para o designado “j”, sendo “0” se decidirmos o contrário. De tal forma, temos: x11= 1, se Lara arruma a cama; zero,caso contrário; x12= 1, se Lara limpa banheiro; zero, caso contrário; x13 =1, se Lara varre o quarto; zero, caso contrário; x14=1, se Lara tira o pó; zero, caso contrário; x21= 1, se Ana arruma a cama; zero, caso contrário; x22= 1, se Ana limpa banheiro; zero, caso contrário; x23= 1, se Ana varre o quarto; zero, caso contrário; x24= 1, se Ana tira o pó; zero, caso contrário; x31= 1, se Julia arruma a cama; zero, caso contrário; x32= 1, se Julia limpa banheiro; zero, caso contrário; x33= 1, se Julia varre o quarto; zero, caso contrário; x34= 1, se Julia tira o pó; zero, caso contrário; x41= 1, se Talita arruma a cama; zero, caso contrário; x42= 1, se Talita limpa banheiro; zero, caso contrário; x43= 1, se Talita varre o quarto; zero, caso contrário; x44= 1, se Talita tira o pó; zero, caso contrário. O modelo matemático para o problema da alocação é: Min Z= 2X11+5X12+7X13+3X14+3X21+6X22+8X23+4X24+4X31+4X32+6X33+5X34+2X41+5X42+7X43+2X44 Atenção! Para visualização completa da equação utilize a rolagem horizontal Sujeito a: X11+X12+X13+X14=1 X21+X22+X23+X24=1 X31+X32+X33+X34=1 Cada trabalhador desempenha apenas uma tarefa. X41+X42+X43+X44=1 X11+X21+X31+X41=1 X13+X23+X33+X43=1 X12+X22+X32+X42=1 Cada tarefa é alocada para apenas um trabalhador. X14+X24+X34+X44=1 X11, X12, X13, X14, X21, X22, X23, X24, X31, X32, X33, X34, X41, X42, X43, X44 ꞓ {0,1} Atenção! Para visualização completa da equação utilize a rolagem horizontal SAIBA MAIS Assim como o problema de transportes, o problema da alocação também é um caso particular de problemas de programação linear, de modo que sua resolução algébrica pode ser desenvolvida por algoritmos de programação linear. Porém, tal como o problema de transportes, possui particularidades específicas que podem ser aproveitadas para resolvê-lo de forma mais eficiente. Assim como para a solução do problema de transporte, com o Método do Canto Noroeste e o Método de Vogel, também existem algoritmos específicos para a solução do problema de alocação, a exemplo do algoritmo húngaro. Porém, não vamos abordá-los aqui. Caso você tenha interesse em aprofundar os seus conhecimentos, recomenda-se a leitura do capítulo 7 de Winston (2004). EXEMPLO DE PROBLEMA DE ALOCAÇÃO No vídeo a seguir, o especialista apresenta um problema de alocação e desenvolve a resolução detalhadamente, até a obtenção do resultado final. VERIFICANDO O APRENDIZADO 1. UM TREINADOR NECESSITA FORMAR UM TIME DE NADADORES PARA COMPETIR EM UMA PROVA OLÍMPICA DE 400 METROS MEDLEY. OS NADADORES APRESENTAM AS SEGUINTES MÉDIAS DE TEMPO EM CADA ESTILO: NADADOR TEMPO (S) / 100M LIVRE PEITO GOLFINHO COSTAS 1 54 54 51 53 2 51 57 52 52 3 50 53 54 56 4 56 54 55 53 ATENÇÃO! PARA VISUALIZAÇÃOCOMPLETA DA TABELA UTILIZE A ROLAGEM HORIZONTAL FONTE: RENATA ALBERGARIA DE MELLO BANDEIRA O TREINADOR DESEJA DESIGNAR OS NADADORES PARA OS DIFERENTES ESTILOS, A FIM DE OBTER O MENOR TEMPO POSSÍVEL PARA COMPLETAR O MEDLEY. SOBRE O MODELO MATEMÁTICO QUE REPRESENTA ESTE PROBLEMA, É POSSÍVEL AFIRMAR QUE: A) As variáveis de decisão que devem ser usadas na modelagem são: x1 que representa o nadador alocado ao nado livre, x2 que representa o nadador designado para o peito, x3 que representa o nadador alocado para o golfinho, e x4 que indica o nadador alocado para o estilo de costas. B) As variáveis de decisão que devem ser usadas na modelagem são: x1 que representa o estilo designado para o nadador 1, x2 que representa o estilo designado para o nadador 2, x3 que representa estilo designado para o nadador 3, e x4 que indica o estilo alocado para o nadador 4. C) As variáveis de decisão usadas no modelo devem ser inteiras, porém não precisam ser binárias. D) O modelo matemático possui 16 variáveis de decisão, que são variáveis binárias. E) Não é possível tratar este problema como um problema de alocação, pois o número de tarefas (estilos) a serem alocadas é igual ao número de designados (nadadores). 2. UM TREINADOR NECESSITA FORMAR UM TIME DE NADADORES PARA COMPETIR EM UMA PROVA OLÍMPICA DE 400 METROS MEDLEY. OS NADADORES APRESENTAM AS SEGUINTES MÉDIAS DE TEMPO EM CADA ESTILO: NADADOR TEMPO (S) / 100M LIVRE PEITO GOLFINHO COSTAS 1 54 54 51 53 2 51 57 52 52 3 50 53 54 56 4 56 54 55 53 ATENÇÃO! PARA VISUALIZAÇÃOCOMPLETA DA TABELA UTILIZE A ROLAGEM HORIZONTAL O TREINADOR DESEJA DESIGNAR OS NADADORES PARA OS DIFERENTES ESTILOS, A FIM DE OBTER O MENOR TEMPO POSSÍVEL PARA COMPLETAR O MEDLEY. CONSIDERE QUE A VARIÁVEL DE DECISÃO DO MODELO MATEMÁTICO PARA ESTE PROBLEMA SEJA XIJ, QUE RECEBE O VALOR IGUAL A “1” SE DECIDIRMOS QUE O ESTILO “I” SERÁ ALOCADO AO DESIGNADO “J”, SENDO “0” SE DECIDIRMOS O CONTRÁRIO. LOGO, É POSSÍVEL AFIRMAR QUE: A) A equação X11+X12+X13+X14=1 restringe que o estilo 1 será desempenhado por apenas um nadador. B) A equação X11+X12+X13+X14=1 restringe que o nadador 1 desempenha apenas um estilo. C) A equação X11+X12+X13+X14=1 restringe que o estilo 1 pode ser desempenhado por todos os nadadores. D) A equação X11+X21+X31+X41=1 restringe que o nadador 1 pode desempenhar todos os estilos. E) A equação X11+X21+X31+X41=1 não é uma restrição do modelo. GABARITO 1. Um treinador necessita formar um time de nadadores para competir em uma prova olímpica de 400 metros medley. Os nadadores apresentam as seguintes médias de tempo em cada estilo: Nadador Tempo (s) / 100m Livre Peito Golfinho Costas 1 54 54 51 53 2 51 57 52 52 3 50 53 54 56 4 56 54 55 53 Atenção! Para visualizaçãocompleta da tabela utilize a rolagem horizontal Fonte: Renata Albergaria de Mello Bandeira O treinador deseja designar os nadadores para os diferentes estilos, a fim de obter o menor tempo possível para completar o medley. Sobre o modelo matemático que representa este problema, é possível afirmar que: A alternativa "D " está correta. Neste problema de alocação, a variável de decisão xij recebe valor igual a “1” se decidirmos que o estilo “i” será alocado ao designado “j”, sendo “0” se decidirmos o contrário. De tal forma, temos: X11= 1, se o nado livre é alocado ao nadador 1; zero, caso contrário; X12= 1, se o estilo de peito é alocado ao nadador 1; zero, caso contrário; X13 =1, se o estilo de golfinho é alocado ao nadador 1; zero, caso contrário; X14=1, se o estilo de costas é alocado ao nadador 1; zero, caso contrário; X21= 1, se o nado livre é alocado ao nadador 2; zero, caso contrário; X22= 1, se o estilo de peito é alocado ao nadador 2; zero, caso contrário; X23= 1, se o estilo de golfinho é alocado ao nadador 2; zero, caso contrário; X24= 1, se o estilo de costas é alocado ao nadador 2; zero, caso contrário; X31= 1, se o nado livre é alocado ao nadador 3; zero, caso contrário; X32= 1, se o estilo de peito é alocado ao nadador 3; zero, caso contrário; .X33= 1, se o estilo de golfinho é alocado ao nadador 3; zero, caso contrário; X34= 1, se o estilo de costas é alocado ao nadador 3; zero, caso contrário; X41= 1, se o nado livre é alocado ao nadador 4; zero, caso contrário; X42= 1, se o estilo de peito é alocado ao nadador 4; zero, caso contrário; X43= 1, se o estilo de golfinho é alocado ao nadador 4; zero, caso contrário; X44= 1, se o estilo de costas é alocado ao nadador 4; zero, caso contrário. Logo, temos 16 variáveis de decisão binárias, o que faz com que a alternativa D seja a resposta correta. O modelo matemático para este problema da alocação é: Min Z= 54X11+54X12+51X13+53X14+51X21+57X22+52X23+52X24+50X31+53X32+54X33+56X34+56X41+54X42+55X43+53X44 Atenção! Para visualização completa da equação utilize a rolagem horizontal Sujeito a: X11+X12+X13+X14=1 X21+X22+X23+X24=1 Cada nadador desempenha apenas um estilo. X31+X32+X33+X34=1 X41+X42+X43+X44=1 X11+X21+X31+X41=1 X13+X23+X33+X43=1 Cada estilo é alocado para apenas um nadador. X12+X22+X32+X42=1 X14+X24+X34+X44=1 X11, X12, X13, X14, X21, X22, X23, X24, X31, X32, X33, X34, X41, X42, X43, X44 ꞓ {0,1} Atenção! Para visualização completa da equação utilize a rolagem horizontal2. Um treinador necessita formar um time de nadadores para competir em uma prova olímpica de 400 metros medley. Os nadadores apresentam as seguintes médias de tempo em cada estilo: Nadador Tempo (s) / 100m Livre Peito Golfinho Costas 1 54 54 51 53 2 51 57 52 52 3 50 53 54 56 4 56 54 55 53 Atenção! Para visualizaçãocompleta da tabela utilize a rolagem horizontal O treinador deseja designar os nadadores para os diferentes estilos, a fim de obter o menor tempo possível para completar o medley. Considere que a variável de decisão do modelo matemático para este problema seja xij, que recebe o valor igual a “1” se decidirmos que o estilo “i” será alocado ao designado “j”, sendo “0” se decidirmos o contrário. Logo, é possível afirmar que: A alternativa "B " está correta. A equação X11+X12+X13+X14=1 restringe que o estilo 1 será desempenhado por apenas um nadador, pois determina que apenas uma das variáveis X11, X12, X13 e X14 pode receber o valor 1. As demais passam a ser zero, para que a soma seja igual a 1. CONCLUSÃO CONSIDERAÇÕES FINAIS Vimos como a Pesquisa Operacional pode auxiliar no apoio a processos de decisão, em especial para problemas complexos. Ao longo dos módulos, aprendemos sobre modelos matemáticos e como estes podem nos ajudar na análise de decisão, em especial por permitirem avaliar a solução do problema em diferentes cenários a um menor tempo e custo. Além disso, colocamos estes conceitos em prática à medida que aprendemos a construir modelos matemáticos para problemas de programação linear. Entretanto, é preciso ter em mente que a modelagem não é uma tarefa simples, principalmente para aqueles que estão iniciando neste campo do conhecimento. Assim, para nos familiarizarmos com a técnica de modelagem e podermos construir modelos com mais facilidade, é preciso praticar por meio de exercícios. A prática é essencial para nos ajudar a entender e a dominar a lógica por trás da modelagem matemática. Outro ponto que também facilita a internalização deste conhecimento é entender que alguns modelos, conhecidos como problemas típicos, seguem padrões semelhantes. Portanto, se entendemos a lógica por trás dessa “categoria” de problemas, conseguiremos modelar os demais problemas desta mesma classe. Por isso, é importante conhecer esses padrões! No módulo 1, apresentamos os problemas clássicos da mistura, do planejamento de produção e de estoques, e fazer versus comprar. Dedicamos os módulos 2 e 3 para entender a lógica do problema de transporte e de seus casos particulares. O destaque para o problema de transporte ocorre porque trata-se do modelo de programação linear mais aplicado na área da logística. Abordamos, ainda, no módulo 2 o problema de transbordo, enquanto no módulo 3 tratamos especificamente do problema de alocação. Até o momento, aprendemos a solucionar os modelos matemáticos por meio da aplicação do Método Gráfico. Contudo, tal método é restrito a problemas mais simples, com até duas variáveis de decisão. AVALIAÇÃO DO TEMA: REFERÊNCIAS DiSERIO, L.; SAMPAIO, M. Projeto da cadeia de suprimento: uma visão dinâmica da decisão fazer versus comprar. In: Revista de Administração de Empresas, v. 41, n. 1, p. 54-66, 2001. GOLDBARG, M. C.; LUNA, H. P. Otimização combinatória e programação linear. 2. ed. São Paulo: Campus, 2005. LACHTERMACHER, G. Pesquisa operacional na tomada de decisões. Rio de Janeiro: LTC, 2016. RAGSDALE, C. T. Modelagem e análise de decisão. São Paulo: Cengage Learning, 2009. RODRIGUES, L. H.; AHLERT, F.; LACERDA, D. P.; CAMARGO, L. F. R.; LIMA, P. Pesquisa operacional: programação linear passo a passo: do entendimento do problema à interpretação da solução. São Leopoldo: Unisinos, . SLACK, N.; CHAMBERS, S.; HARLAND, C.; HARRISON, A.; JOHNSTON, R. Administração da produção. São Paulo: Atlas, 1997. STIGER, G. J. The cost of Subsistence. Journal of Farm Economics 27(2), p. 303-314, 1945. WINSTON, W. L.; GOLDBERG, J. B. Operations research: applications and algorithms. Vol. 3. Boston: Cengage Learning, 2004. EXPLORE+ Para obter mais conhecimento sobre os conteúdos discutidos, sugerimos a seguinte leitura: WINSTON, W. L.; GOLDBERG, J. B. Operations research: applications and algorithms. Vol. 3. Boston: Cengage Learning, 2004. CONTEUDISTA Renata Albergaria de Mello Bandeira CURRÍCULO LATTES javascript:void(0); javascript:void(0);