Prévia do material em texto
3 A PESQUISA OPERACIONAL COMO FERRAMENTA EFICAZ PARA OS PROBLEMAS ORGANIZACIONAIS: Uma aplicação prática da Programação Linear, dos métodos da Pesquisa Operacional e do so ftware LINDO para otimizar a atividade operacional de uma empresa do ramo de comércio de materiais de construção Antonio Carlos dos Santos Fiais Bacharel em Ciências Contábeis – UNEB Bacharel em Administração – UNEB Pós-Graduação em Direito Tributário e Consultoria Fisco Contábil – FMNASSAU Mestrado em Auditoria e Gestão empresarial – Conclusão parcial - UNEATLANTICO Salvador/BA Junho/2019 http://cbs.wondershare.com/go.php?pid=3022&m=db 4 Sumário 1. Introdução 2. Objetivos 3. Metodologia 4. A empresa 5. Organograma 6. Programação linear 7. Resolução software LINDO 8. Interpretação 9. Lindo na transposta 10. Intepretação 11. Considerações finais Referências 5 1. Introdução A Pesquisa Operacional originou-se na década de 40, nos EUA, onde se aplicou os conhecimentos científicos e matemáticos nas regiões militares durante a 2ª Guerra Mundial. Técnicas estas, que auxiliavam os generais para a tomada de decisão, visando indicar a melhor estratégia que atingiria seu inimigo. Atualmente, a Pesquisa Operacional é desenvolvida e aplicada na maioria das grandes empresas, abrangendo diversos setores como por exemplo Recursos Humanos, no momento do recrutamento e seleção, no desenvolvimento de funcionários e etc. Na área Financeira, buscando a redução de custos e aumento a lucratividade, na Logística, objetivando encontrar a rota mais adequada e rápida para o transporte dos seus, insumos, produtos e etc. Diante de uma aceleração constante, em mudanças de precisão no mercado, as empresas devem estar aptas a estas mudanças e evoluções. Uma empresa não pode tomar suas decisões hoje de forma aleatória e ou instintivas. Torna-se necessário a aplicação de um método eficaz. Método esse já existente como a pesquisa operacional já adotada em várias empresas em diversos segmentos, proporcionando resultados exatos, através de cálculos matemáticos. Com isso dar-se a melhora nos resultados satisfatórios em termos qualitativos e ou quantitativos, aplicando tanto na área industrial, comercial e serviços em instituições públicas e privadas, em que é possível ser utilizado no cálculo de uma minimização de custos, ou maximização de lucros. Com estes resultados é possível utilizar melhor todos os recursos da organização. Uma forma prática de mostrar a importância da pesquisa operacional é aplicando direta em uma empresa no segmento da construção civil com a finalidade de maximização de lucros. 6 2. Objetivos - Otimizar os resultados da empresa em termos qualitativos e ou quantitativos; - Aproveitar melhor o espaço do depósito da empresa para armazenar os seus produtos de forma eficaz; - Possibilitar maior lucratividade através da programação linear; - Provocar a redução dos custos da empresa através dos métodos da Pesquisa Operacional. 3. Metodologia Na utilização da Programação Linear e do método da Pesquisa Operacional, software LINDO, busquei otimizar a atividade operacional da empresa através do aumento da lucratividade, onde buscaremos a melhor maneira de fazer com que a empresa aproveite melhor o seus espaço físico onde dê prioridade ao produto que lhe proporcione maior lucratividade. Buscou- se também através dos métodos da Pesquisa Operacional a forma de fazer com que a empresa obtenha o menor custo possível para o desempenho de suas atividades operacionais. 4. A Empresa A Empresa GG Materiais de Construção (nome fantasia), cuja razão social é Gilmar Souza Coelho, é uma empresa de pequeno porte sediada desde 1997 na rua Reinaldo Praxeles nº 40 no bairro do Arenoso na cidade de Salvador/Bahia, sob CNPJ de nº 02.109.603/0001-51, atuante neste mercado há aproximadamente 15 anos, atingindo todo o bairro do Arenoso, como também os bairros adjacentes: Cabula VI, Narandiba, Tancredo Neves, Santo Inácio e Alto da Cachoeirinha, com a pretensão de abrir uma filial no bairro de Mussurunga, visualizando o crescimento do bairro de São Cristovão e adjacências. 7 A GG tem como principais produtos de atuação a areia, a brita e o arenoso, itens estes que correspondem a 30% do faturamento geral da empresa, divididos em 11%, 8% e 11% repectivamente. Os outros 70% restante cabem aos itens ferragens, hidráulicos, químicos, cimento, tijolos, itens de acabamento, elétricos, portas, janelas, basculantes, ferramentas e outros. A areia tem como característica material mineral que se apresenta em formas de grãos, o arenoso também é mineral e se apresenta em forma de grãos mais finos, a brita que também é mineral, é resultado da quebra em pedaços pequenos de rochas através do britamento de pedras nas pedreiras, suas unidades de medida é em metro cúbico. A GG atua na venda destes produtos, ofertando preço e qualidades de acordo com a necessidade de seus clientes, chegando até ser liberado de pagamento de alguns fretes conforme o valor negociado. Serviço este sendo terceirizado por não possuir uma frota própria de transporte, julga não ser necessário uma vez que, o custo-benefício não compensa manter uma estrutura de entrega. 8 5. Organograma da empresa 9 6. Programação Linear “Os problemas de Programação Linear (PL) buscam a distribuição eficiente de recursos limitados para atender um determinado objetivo, em geral, maximizar lucros ou minimizar custos. Em se tratando de PL, esse objetivo é expresso através de uma função linear, denominada de "Função Objetivo".” (PAMPLONA, Edson de Oliveira, MONTEVECHI, José Arnaldo Barra, 2005) Sabe-se que todos os recursos das empresas são limitados, dai o porque da grande necessidade de um bom planejamentos. Planejamento este que se dá através da utilização de funções matemáticas, onde é possível calcular o quanto a empresa pode utilizar melhor os seus recursos possibilitando a otimização dos mesmos. Com o objetivo de obter sucesso no mercado a GG Material de Construção, possui três principais produtos de venda: areia, arenoso e brita. Seus preços correspondem respectivamente R$ 29,17, R$ 61,17 e R$ 38,00. A empresa dispõe de 37m² para armazenar estes produtos, sendo 12m² para armazenar areia, 15m² de brita e 10m² para o arenoso. O faturamento médio mensal é de R$ 30.000,00, sendo que 30% corresponde a venda destes produtos; 11% (R$ 3.300,00) para areia, 8% (R$ 2.400,00) para brita e 11% (R$ 3.300,00) para a arenoso. Afim de maximizar os seus lucros qual a estratégia de mais adequada que a empresa precisa montar? 7. Resolução software LINDO “O LINDO (Linear, Interactive and Discrete Optmizer) é um software desenvolvido pela Lindo Systems Inc. de Chicago, Illinois, EUA, para a resolução de modelos de programação linear, quadrática ou inteira.” (RIBEIRO, Úrsula, 2009) 10 !TITLE Aplicação do Lindo Na GG Materiais de Constr ução !UNEB - Universidade do Estado da Bahia !Disciplina: Pesquisa Operacional I !Alunos: Ailton Costa, Antonio Fiais, Eide de Santa na, José Pereira, Rita Maria !................................................................................... max29X1+61X2+38X3 !Areia=R$ 29/m3, Brita=R$ 61/m3 e Arenoso=R$ 38/m3 ST x1<= 12 !Espaço x2<= 15 !Espaço x3<= 10 !Espaço X1<= 55 !Demanda X2<= 22 !Demanda X3<= 55 !Demanda END LP OPTIMUM FOUND AT STEP 3 OBJECTIVE FUNCTION VALUE 1) 1643.000 VARIABLE VALUE REDUCED COST X1 12.0000000.000000 X2 15.000000 0.000000 X3 10.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 29.000000 3) 0.000000 61.000000 11 4) 0.000000 38.000000 5) 43.000000 0.000000 6) 7.000000 0.000000 7) 45.000000 0.000000 NO. ITERATIONS= 3 RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE A LLOWABLE COEF INCREASE DECREASE X1 29.000000 INFINITY 29.000000 X2 61.000000 INFINITY 61.000000 X3 38.000000 INFINITY 38.000000 RIGHTHAND SIDE RANGES ROW CURRENT ALLOWABLE A LLOWABLE RHS INCREASE DECREASE 2 12.000000 43.000000 12.000000 3 15.000000 7.000000 15.000000 4 10.000000 45.000000 10.000000 5 55.000000 INFINITY 43.000000 6 22.000000 INFINITY 7.000000 7 55.000000 INFINITY 45.000000 8. Interpretação LP OPTIMUM FOUND AT STEP 3 – Representa o número de vezes que foi feito o cálculo do Simplex para se chegar ao resultado positivo. No caso da GG Material de Construção ao resultado na terceira tentativa. 12 Abaixo temos o valor encontrado na função objetiva, onde corresponde ao Lucro máximo que no caso é de R$ 1.643,00. OBJECTIVE FUNCTION VALUE 1) 1643.000 VARIABLE VALUE REDUCED COST X1 12.000000 0.000000 X2 15.000000 0.000000 X3 10.000000 0.000000 • VARIABLE - Identificação da variável de decisão X1 (Areia), X2 (Brita) e X3 (Arenoso). • VALUE – Representam o valor das variáveis de decisão. X1=12 significa que devem ser vendidos 12m³ de areia. X2 significa que devem ser vendidos 15m³ de brita. X3 significa que devem ser vendidos 10m³ de arenoso. • REDUCED COST - Custo reduzido de uma variável. Corresponde ao valor em que o coeficiente da função objetiva da variável deve ser aumentado para que sua solução seja diferente de zero. No caso, da nossa empresa, não há sugestão para aumento, pois os valores foram zero. ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 29.000000 3) 0.000000 61.000000 4) 0.000000 38.000000 5) 43.000000 0.000000 6) 7.000000 0.000000 7) 45.000000 0.000000 • ROW - Os números 2, 3, 4, 5, 6 e 7, representam o resultado das linhas referentes as restrições técnicas. 13 • SLACK OR SURPLUS (Variável de folga) - Variável de folga. Corresponde ao valor que sobra para chegarmos aos recursos impostos na restrição referente a cada linha especificada. Assim, no caso da GG Material de Construção, há variável de folga nas linhas 5, 6 e 7. Na linha 5 que corresponde a X1 <= 55 (demanda de areia na modelagem digitada na entrada). Como serão vendidos apenas 12m³ de areia, sobrarão 43m³ de areia sem vender, pois 55-43=12. Na linha 6 que corresponde a X2 <=22 (demanda de brita na modelagem digitada na entrada. Como serão vendidos apenas 15m³ de brita, sobrarão 7m³ de brita sem vender, pois 22-7=15. Na linha 7 que corresponde a X3 <=55 (demanda de arenoso na modelagem digitada na entrada. Como serão vendidos apenas 10m³ de arenoso, sobrarão 45m³ de arenoso sem vender, pois 55-45=10. • DUAL PRICES – Representa o aumento na função objetiva a cada unidade aumentada no recurso empresarial. Por exemplo, a primeira restrição técnica é X1<=12(espaço) e está na segunda linha da modelagem (o número 2 na parte denominada row). Se o espaço aumentar de 12m² para 13m², a função objetiva aumentará mais R$ R$ 29 (o lucro passaria de R$ 1.643 para R$ 1.672). Na segunda restrição técnica é X2<=15 (espaço) e está na terceira linha da modelagem (o número 3 na parte denominada row. Se o espaço aumentar de 15m² para 16m², a função objetiva aumentará mais R$ 61 (o lucro passaria de R$ 1.643 para R$ 1.704. Na terceira restrição técnica X2<=10 (espaço) e está na quarta linha da modelagem (o número 4 na parte denominada row. Se o espaço aumentar de 10m² para 11m², a função objetiva aumentaria mais R$ 38 (o lucro passaria de R$ 1.643 para R$ 1.681. NO. ITERATIONS = 3 – Corresponde ao número de vezes que o algoritmo Simplex encontrou o resultado. Neste caso na terceira vez. De acordo com o quadro abaixo o lucro por unidade de X1, X2 e X3 podem variar de 0 a R$ 29, de 0 a R$ 61 e de 0 a R$ 38, tendo como base os recursos disponíveis. RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES 14 VARIABLE CURRENT ALLOWABLE A LLOWABLE COEF INCREASE DECREASE X1 29.000000 INFINITY 29.000000 X2 61.000000 INFINITY 61.000000 X3 38.000000 INFINITY 38.000000 • Conforme quadro abaixo o espaço total do depósito da GG Material de Construção que é de 37m² , pode variar de 37m² a 58m² = 95-37. • A demanda máxima de areia a que a GG Material de Construção pode atender é de 55m³ por mês e pode variar de 43³ a 55³. • A demanda máxima de brita areia a que a GG Material de Construção pode atender é de 22m³ por mês e pode variar de 7m³ a 22m³. • A demanda máxima de arenoso que a GG Material de Construção pode atender é de 55m³ por mês e pode variar de 45m³ a 55m³. RIGHTHAND SIDE RANGES ROW CURRENT ALLOWABLE A LLOWABLE RHS INCREASE DECREASE 2 12.000000 43.000000 12.000000 3 15.000000 7.000000 15.000000 4 10.000000 45.000000 10.000000 5 55.000000 INFINITY 43.000000 6 22.000000 INFINITY 7.000000 7 55.000000 INFINITY 45.000000 9. Transposta A GG Material de Construção possui hoje 03 funcionários, João, Paulo, marcos. Ela tem em rol de departamentos, produtos químicos, hidráulico, 15 elétrico que correspondem uma demanda de 210, 300 e 450 itens, sendo que a produção individual de seus funcionários corresponde a 240, 360 e 360. João atende a 40 p/ química, 35 p/ hidráulica e 80 p/ elétrica, Paulo atende 60 p/ química, 70 p/ hidráulica e 98 p/ elétrica, enquanto marcos atende 65 p/ química, 77 p/ hidráulica e 59 p/ elétrica. Como a GG Material de Construção pode dispor do menor tempo possível, para investir tempo em outros departamentos? Rotas Internas J 40 Q 35 240 60 210 P 70 H 98 360 80 300 65 77 M 59 E 360 45 Tabela PARA DE QUIMICO HIDRÁULICO ELETRICO PRODUÇÃO JOAO 40 35 80 240 PAULO 60 70 98 360 MARCOS 65 7759 360 DEMANDA 210 300 450 960 Modelagem MIN ( t ) = 40XJQ + 35XJH + 80XJE + 60XPQ + 70XPH + 98XPE + 65XMQ + 77XMH + 59XME RT XJA + XJH + XJE = 240 XPQ + XPH + XPE = 360 XMQ + XMH + XME = 360 16 XJQ + XPQ + XMQ = 210 XJH + XPH + XMH = 300 XJE + XPE + XME = 450 Designação PARA DE QUIMICO HIDRÁULICO ELETRICO PRODUÇÃO JOAO 40 35 80 240 PAULO 60 70 98 360 MARCOS 65 77 59 360 DEMANDA 210 300 450 960 PARA DE QUÍMICO HIDRÁULICO ELÉTRICO JOAO 40 35 80 35 PAULO 60 70 98 60 MARCOS 65 77 59 59 PARA DE QUIMICO HIDRÁULICO ELETRICO JOAO 5 0 55 PAULO 0 10 38 MARCOS 6 18 0 0 0 0 17 DE PARA TEMPO UNIT DEMANDA PRODUÇÃO J H 35 300 X 35 = 10.500 240 X 35 = 8.400 P Q 60 210 X 60 = 12.600 360 X 60 = 21.600 M E 59 450 X 59 = 26.550 360 X 59 = 21.240 TOTAL 49.600 51.240 10. LINDO da transposta MIN40XJQ+35XJH+80XJE+60XPQ+70XPH+98XPE+65XMQ+77XMH+59XME ST XJA+XJH+XJE=240!DEMANDA DA PRODUÇÃO DE JOÃO XPQ+XPH+XPE=360!DEMANDA DA PRODUÇÃO DE PAULO XMQ+XMH+XME=360!DEMANDA DA PRODUÇÃO DE MARCOS XJQ+XPQ+XMQ=210!DEMANDA DE DEPARTAMENTO QUIMICO XJH+XPH+XMH=300!DEMANDA DE DEPARTAMENTO HIDRÁULICO XJE+XPE+XME=450!DEMANDA DE DEPARTAMENTO ELÉTRICO END LP OPTIMUM FOUND AT STEP 2 OBJECTIVE FUNCTION VALUE 1) 55260.00 VARIABLE VALUE REDUCED COST XJQ 0.000000 0.000000 XJH 240.000000 0.000000 XJE 0.000000 17.000000 XPQ 210.000000 0.000000 XPH 60.000000 0.000000 XPE 90.000000 0.000000 XMQ 0.000000 44.000000 18 XMH 0.000000 46.000000 XME 360.000000 0.000000 XJA 0.000000 15.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 15.000000 3) 0.000000 -20.000000 4) 0.000000 19.000000 5) 0.000000 -40.000000 6) 0.000000 -50.000000 7) 0.000000 -78.000000 NO. ITERATIONS= 2 RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE XJQ 40.000000 INFINITY 15.000000 XJH 35.000000 15.000000 INFINITY XJE 80.000000 INFINITY 17.000000 XPQ 60.000000 15.000000 INFINITY XPH 70.000000 46.000000 15.000000 XPE 98.000000 17.000000 44.000000 XMQ 65.000000 INFINITY 44.000000 XMH 77.000000 INFINITY 46.000000 XME 59.000000 44.000000 INFINITY XJA 0.000000 INFINITY 15.000000 RIGHTHAND SIDE RANGES ROW CURRENT ALLOWABLE ALLOWABLE 19 RHS INCREASE DECREASE 2 240.000000 0.000000 210.000000 3 360.000000 0.000000 210.000000 4 360.000000 0.000000 210.000000 5 210.000000 INFINITY 0.000000 6 300.000000 210.000000 0.000000 7 450.000000 210.000000 0.000000 11. Interpretação LP OPTIMUM FOUND AT STEP 2 OBJECTIVE FUNCTION VALUE 1) 55260.00 VARIABLE VALUE REDUCED COST XJQ 0.000000 0.000000 XJH 240.000000 0.000000 XJE 0.000000 17.000000 XPQ 210.000000 0.000000 XPH 60.000000 0.000000 XPE 90.000000 0.000000 XMQ 0.000000 44.000000 XMH 0.000000 46.000000 XME 360.000000 0.000000 XJA 0.000000 15.000000 • LP OPTIMUM FOUND AT STEP 2 – Número de Interações. Ou seja para encontrarmos resposta, foram feitas pela PL (Programação Linear ) duas interações. • OBJECTIVE FUNCTION VALUE – Valor da função objetiva. Representa o tempo mínimo total que é de 55260, ou seja, o valor ótimo de minimização do tempo é de 55260. • VARIABLE – Indica a origem e o destino. • VALUE – Indica a quantidade que deve ser levada. No nosso exemplo, XJH = 240 significa que o funcionário João tem uma produção de 240 unidades para o departamento Hidráulico. 20 • REDUCED COST – Custo reduzido de uma variável. Corresponde ao valor a ser aumentado no coeficiente da função objetiva da variável para que sua solução seja diferente de zero. No exemplo da GG Materiais de Construção: O valor correspondente à linha é XJE é 17. Isso significa que o valor, na função objetiva, deve ser aumentado de ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 15.000000 3) 0.000000 -20.000000 4) 0.000000 19.000000 5) 0.000000 -40.000000 6) 0.000000 -50.000000 7) 0.000000 -78.000000 NO. ITERATIONS= 2 RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE XJQ 40.000000 INFINITY 15.000000 XJH 35.000000 15.000000 INFINITY XJE 80.000000 INFINITY 17.000000 XPQ 60.000000 15.000000 INFINITY XPH 70.000000 46.000000 15.000000 XPE 98.000000 17.000000 44.000000 XMQ 65.000000 INFINITY 44.000000 XMH 77.000000 INFINITY 46.000000 XME 59.000000 44.000000 INFINITY XJA 0.000000 INFINITY 15.000000 RIGHTHAND SIDE RANGES ROW CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE 2 240.000000 0.000000 210.000000 3 360.000000 0.000000 210.000000 4 360.000000 0.000000 210.000000 5 210.000000 INFINITY 0.000000 6 300.000000 210.000000 0.000000 7 450.000000 210.000000 0.000000 21 REFERÊNCIAS BIBLIOGRÁFICAS PEREIRA, Aliger dos Santos. Pesquisa operacional. Editora Aymará, Curitiba, 2010. SILVA, Ermes Medeiros da. Pesquisa operacional: programação linear. 3ª ed. Editora Atlas, São Paulo, 1998. RIBEIRO, Úrsula Lisboa Fernandes. Pesquisa operacional. Curso Administração, 2009. Disponível em: <http://www.pucrs.campus2.br/~ursula/po.html> . Acessado em 24 fev. 2012. MUSIS, Carlos Ralph de. Introdução a pesquisa operacional. Disponível em: <http://www.torresnetworking.com/Fatec_arquivos/po.pdf>. Acessado em 23 fev. 2012. PAMPLONA, Edson de Oliveira, MONTEVECHI, José Arnaldo Barra. Engenharia econômica II. Cap. 05 – Introdução da programação linear. Disponível em: <http://www.ebah.com.br/content/ABAAABnnEAL/engenharia- economica-2>. Acessado em 18 fev. 2012. SASSE, Fernando Dekke. In deserto vita. As origens da pesquisa operacional. Disponível em: http://santoantao.blogspot.com/2007/05/as-origens-da-pesquisaoperacional.html. Acessado em 18 fev. 2012.