INTRODUO PESQUISA OPERACIONAL 1 - INTRODUO Apresentao Esta apostila derivada de uma compilao de diversas fontes, como: notas de aula

la do professor Otoniel Marcelino de Medeiros (grande parte), parafrases e citaes de trechos de

livros (principalmente do Lieberman), e uma contribuio mnima minha. Carlo Ralph De Musis, M.Sc.
1.1 - O QUE PESQUISA OPERACIONAL A Pesquisa Operacional uma cincia aplicada cujo objetivo a melhoria da performance em organizaes, ou seja, em sistemas produtivos usurios de recursos materiais, financeiros, humanos e ambientais (os chamados "meios de produo"). Ela trabalha atravs da formulao de modelos matemticos a serem resolvidos com o auxlio de computadores, sendo feita em seguida a anlise e a implementao das solues obtidas. Dessa forma, a tcnica precedida pela modelagem e seus resultados so sujeitos anlise de sensibilidade. A modelagem tem muito de arte e exige o desenvolvimento de uma capacidade (em grande parte no lgica) de interao com o problema, seus agentes e seu meio ambiente. O modelo matemtico, que uma simplificao, dificilmente pode levar em conta muitos aspectos no qualificveis que aparecem no exame do problema e por isso a anlise de sensibilidade deve ser realizada para avaliar o seu significado e a sua influncia. Enfim, a implementao da deciso reata o contato com a realidade do problema e com o meio no qual ele se encontra inserido. O campo de atuao da PO se estende da produo de matrias-primas e bens de consumo ao setor de servios e s aplicaes de interesse social como as relacionadas sade, educao e psico-sociologia, no que concerne a modelos organizacionais e descritivos. Esta multiplicidade de aplicaes aponta para a necessidade de se evitar a estreiteza da especializao, o que levou a rea a adotar uma orientao metodolgica, facultando a seus alunos, tanto como a seus docentes/pesquisadores, uma ampla gama de oportunidades em termos de novos problemas. Esta orientao foi adotada no trabalho didtico associado formao de mestres, resultando da uma formao bastante ecltica que procura abranger os diversos aspectos do mercado de trabalho no que se refere ao instrumental terico. Segundo Hillier/Lieberman no seu livro Introduo Pesquisa Operacional, Em resumo, pesquisa operacional diz respeito `a tomada de deciso tima em, e modelao de, sistemas determinsticos que se originam na vida real. 1.2 - ORIGEM DA PESQUISA OPERACIONAL A pesquisa operacional (PO) teve suas origens na II Guerra Mundial, como resultado do trabalho de equipes multidisciplinares na busca de solues para problemas operacionais e de alocao de recursos escassos. Aps o final do conflito, essas tcnicas comearam a ser aplicadas a diversos problemas de gerenciamento de atividades produtivas e anlise de situaes complexas envolvidas nessas atividades, o que permitiu grande economia no uso dos meios de produo e popularizou o seu uso nesta rea de conhecimento. Em vista disso, a engenharia de produo, dentre todas as especialidades tecnico-cientficas, a que mais extenso uso faz da PO. Ao longo dos anos a teoria e as aplicaes da PO se diversificaram, fazendo dela, hoje em dia, um campo em franca expanso cujos usos abrangem indstria, comrcio, servios e setores governamentais. 1.3 - O IMPACTO DA PESQUISA OPERACIONAL A Pesquisa Operacional tem tido um grande impacto crescente na administrao de empresas nos anos recentes. Tanto o nmero quanto a variedade de suas aplicaes

continuam a crescer rapidamente. Algumas de suas tcnicas envolvem idias bastante sofisticada em cincias polticas, matemtica, economia, teoria da probabilidade e estatstica. Como tambm sendo usada amplamente em outros tipos de organizaes, inclusive negcios e indstria. Segundo Hillier quase todas as doze maiores empresas do mundo, e uma considervel proporo das organizaes indutriais pequenas, tm grupos de pesquisa operacional bem estabelecidos. Muitas indstrias, inclusive a de aviao e msseis, automveis, comunicaes, computadores, energia eltrica, eletrnica, alimentos, metalrgica, minerao, papel, petrleo e transporte, tm feito uso extensivo da pesquisa operacional. Mesmo instituies financeiras, agncias governamentais e hospitais tm aumentado rapidamente o uso que fazem da pesquisa operacional. Vejamos alguns dos problemas que tm sido resolvidos por tcnicas particulares de pesquisa operacional: - PROGRAMAO LINEAR: tem sido usada com sucesso na soluo de problemas relativos alocao de pessoal, mistura de materiais, distribuio, transporte, carteira de investimento. - PROGRAMAO DINMICA: tem sido aplicada tambm com sucesso a reas como planejamento de despesas de publicidade, distribuio do esforo de vendas e programao de produo. - TEORIA DAS FILAS: tem tido aplicao na soluo de problemas relativos a congestionamento de trfego, mquinas de servios sujeitas a quebra, determinao do nvel de uma fora de servio, programao do trfego areo, projetos de represas, programao de produo e operao de hospitais. Outras tcnicas de pesquisa operacional, tais como teoria de estoque, teoria dos jogos e simulao, tambm tm sido aplicadas com sucesso a diversos contextos. INTRODUO PESQUISA OPERACIONAL 2 - APLICAO 2.1 - UM CASO PRTICO Apresentamos um exemplo que uma aplicao direta de Teoria das Filas / Simulao, desenvolvido na UFRJ e publicado na INTERNET (www.producao.ufrj.br), uma busca pela otimizao lucrativa melhorando a qualidade dos servios em um posto de gs natural no Rio de Janeiro - RJ. SIMULAO COMO FERRAMENTA PARA ANLISE DE NVEL DE SERVIO E CAPACIDADE DE ATENDIMENTO EM UM POSTO DE GS NATURAL TRABALHO DESENVOLVIDO POR: Peter Wanke Centro de Estudos em Logstica - COPPEAD/UFRJ Edifcio do COPPEAD, Cidade Universitria - Ilha do Fundo, Rio de Janeiro-RJ. Cep.21949-000 Leonardo Barros, Milene Cauzin Centro de Estudos em Logstica - COPPEAD/UFRJ Edifcio do COPPEAD, Cidade Universitria - Ilha do Fundo, Rio de Janeiro-RJ. Cep.21949-000 2.2 - A problemtica do abastecimento Conforme revelado por diversas pesquisas, o Gs Natural de Petrleo (GNP) o combustvel automotor de mais baixo custo por quilmetro rodado. Sua venda foi regulamentada em 1991, atendendo, assim, aos anseios de um grande nmero de frotistas e de taxistas, possibilitando a converso de seus veculos ao gs. Com o decorrer do tempo, os poucos postos inaugurados mostraram-se insuficientes para atender crescente demanda, concorrendo para deteriorao dos nveis de servio (medidos em TEMPO DE ESPERA do taxi na FILA e TAMANHO DE FILA).

As principais motivaes deste trabalho so: avaliar o atual nvel de servio de um posto de abastecimento de GNP: determinar mtodos para aumentar produtividade e quantificar incrementos no volume de vendas. Dessa forma, so vrios os fatores que concorrem para este cenrio:(a) escassez de oferta do servio: somente 5 postos distribuem gs natural no Rio de Janeiro; (b) elevados investimentos necessrios para montagem de um posto de servio, principalmente em compressores, demais equipamentos e obras civis, da ordem de um milho de dlares; (c) mtodos empregados nas operaes de abastecimento ainda no estudados cientificamente, bem como os procedimentos de segurana que tornam o atendimento mais demorado, obrigando tambm cada txi conter somente um tanque para carga de gs, o que reduz a autonomia. Os fatores acima mencionados evidenciam um sistema complexo, de difcil tratamento analtico, justificando-se, portanto, a aplicao de simulao computacional para estudar o tamanho de filas, bem como o comportamento caracterstico do sistema face demanda. 2.3 - Modelagem do problema Uma caracterstica da fonte de chegada ou populao potencial seu "tamanho", ou a quantidade potencial de txis a gs que podem abastecer no posto. Como so poucos os postos de gs natural na cidade do Rio de Janeiro e como os veculos movidos a GNP apresentam menor autonomia, podemos supor uma fonte de chegadas infinitas. Por outro lado, o padro estatstico dentro do qual os clientes so gerados no tempo foi suposto POISSON. Foi medido, portanto, quantos txis chegavam em mdia a cada intervalo duas horas e, aplicando teste de aderncia Qui-quadrado, a DISTRIBUIO DE POISSON foi aceita a 5% de significncia. Deve-se ressaltar que para avaliar as taxas de chegada em faixas horrias no levantadas, como por exemplo de madrugada, recorreu-se a experincia do operador do posto, que a estimou em 1 txis a cada 10 minutos. Para levantar os tempos de abastecimento, fragmentamos este processo em vrias atividades principais, desde o momento em que o txi entra no sistema at o momento em que ele o deixa. Foram identificadas quatro atividades principais, conforme a tabela abaixo: Atividade Inrcia e deslocamento Preparao do abastecimento Abastecimento Incio ao vagar a bomba ausncia de movimento abertura da vlvula Fim txi parado ao lado da bomba c/ motor desligado abertura de vlvula do dispenser observar fim de abastecimento no marcador incio do deslocamento

Preparao da sada do fim do abastecimento posto Descrio das atividades bsicas do posto de gs natural

Foram coletadas diversas amostras da durao dessas atividades, ao longo de diversas faixas horrias, estabelecendo-se um tempo mdio e seus respectivos desviospadro. Evidenciou-se, mediante Anova para trs amostras de tamanhos diferentes e uma classificao (10:00 - 11:00 hs, 11:40 - 12:40 hs e 14:50 - 16:50 hs), que os tempos mdios de abastecimento diferem significativamente, ao nvel de 5%, com a equipe de frentistas,. havendo mudana de turnos de trabalho s 7:00, 15:00 e s 23:00. Finalmente, foi constatado estatisticamente que a emisso da nota fiscal para cooperativas de taxistas aumenta a permanncia do txi no posto. 2.4 - Modelagem computacional Foi adotado como ferramenta de trabalho a simulao digital. A simulao tem como objetivos tornar vivel a realizao de testes na configurao do posto, sem que se torne necessrio nenhuma mudana real na estrutura do mesmo. Basicamente, a

simulao compreende duas etapas: a modelagem do problema e a simulao computacional. Para modelagem do sistema foi utilizado o pacote de simulao Simul, que , basicamente, um conjunto de subrotinas que organiza e gerencia um conjunto de atividades que deve comear sob certas condies e terminar aps certo perodo de tempo. No processo de modelagem do problema foi utilizado o conceito do Diagrama do Ciclo de Atividades (DCA), que traz uma informao geral do sistema simulado e recomendado aos usurios do pacote de simulaes em questo. O DCA uma representao esquemtica do modelo de simulao e possui trs conceitos bsicos: entidade, atividade e fila, conforme a tabela apresentada a seguir : Entidade Preserva sua identidade durante todo o perodo de simulao. Todas as entidades de uma mesma classe tm comportamento similar. Atividade Estado ativo durante o qual uma ou mais entidades trabalham juntas por um certo perodo de tempo. Durante a execuo de uma atividade as entidades envolvidas ficam indisponveis Fila Estado passivo de uma entidade enquanto aguarda condies favorveis para participar de uma atividade. Cada fila comporta apenas uma classe de entidade.

Descrio dos conceitos bsicos de um D.C.A. A figura abaixo representa o D.C.A. do sistema atual do posto e na tabela 4 so apresentadas as atividades relacionadas, as entidades que participam delas e seus atributos, bem como as filas pelas quais as entidades passam.
F echada
P o r ta

D e s lo c a m e n to

E sp era

C hegada

R ua

O c io s o
E sp I n i_ A b T axi

F r e n tis ta

A b a s te c im e n to

B ic o

B ic o o c io s o

Diagrama do Ciclo de Atividades Baseado nos tempos de operao e nas taxas de chegada, foram programados os eventos que simulariam as atividades do posto, utilizando, para tal, o conceito de gerao de variveis aleatrias (normal e exponencial), com mdias e desvios padro calculados partir dos dados reais. O nmero de bicos pode ser escolhido pelo usurio do sistema e varia entre 3 e 5. J o nmero de frentistas foi estabelecido como de n, onde n a metade do nmero de bicos. Na verdade, um frentista opera dois bicos simultaneamente, sem sobrecarga de trabalho. Ou seja, um frentista, quando est participando de uma atividade pode tambm participar de outra ao mesmo tempo, sem que sua performance seja prejudicada. Alm disso, o sistema capaz de realizar simulaes para vrios dias consecutivos, sem reinicializao de variveis e de coletar os dados estatsticos por faixas horrias, facilitando assim futuras anlises. 2.5-Projeto de experimentos Foram simuladas trs configuraes bsicas alternativas (experimentos) ao atual funcionamento do posto. So elas: (a) emisso automtica de nota fiscal por dispositivo eletrnico, atualmente, vinte por cento dos txis que abastecem no posto diariamente exigem nota fiscal; (b) suposio que o tempo mdio de abastecimento dirio alcanasse

o nvel do melhor tempo mdio coletado por amostragem, mediante treinamento das equipes de frentistas; (c) emisso automtica de nota fiscal e melhor equipe de frentistas. Vejamos, agora, os ganhos no nvel de servio ao taxista avaliados atravs de simulaes dessas configuraes alternativas. 2.6 - Emisso automtica de nota fiscal A simulao desta alternativa para 50 dias consecutivos, apresentou redues considerveis no tamanho mdio de fila e no tempo mdio de espera na fila, em especial nas faixas horrias de pico, (15 s 17, de 17 s 19 e de 19 s 21 horas) conforme podemos verificar no grfico abaixo, comparativamente configurao atual de operao do posto. Redues expressivas em faixas horrias de menor movimento (0 s 5, 5 s 7, 7 s 9 e 21 s 24 horas) devem ser analisadas com cautela, j que o tamanho mdio de fila por intervalo no suficientemente grande a ponto de se estabelcer uma diferena significativa. Esta ressalva esta implcita em todas as anlises feitas daqui por diante.
30 25

Tamanho mdio de fila

20 15 10 5 0

emisso automtica posto atual

05

57

7 9

9 11

11 13

13 15

15 17

17 19

19 21

21 24

Faixas horrias
Grfico comparativo de tamanho mdio de fila (emisso automtica)

2.7 - Melhor equipe de frentistas sem emisso automtica de nota fiscal Esta configurao apresenta melhorias de nvel de servio muito mais expressivas, que a anterior para os horrios de pico (15 s 17, 17 s 19 e 19 s 21:00). Para a faixa horria de 17 s 19:00 hs, sobretudo, a simulao indicou uma reduo dramtica de 80% no tamanho mdio da fila de espera, conforme o grfico abaixo que indica uma queda de 25 para 5 txis em mdia.
30 25

Tamanho mdio de fila

20 15 10 5 0

melhor equipe de frentistas posto atual

05

57

7 9

9 11

Faixas horrias

11 13

13 15

15 17

17 19

19 21

21 24

Grfico comparativo de tamanho mdio de fila (frentistas)

2.8 - Melhor equipe de frentistas com emisso automtica de nota fiscal

Esta ltima configurao a que apresenta maiores ganhos para os horrios de pico; em particular, mais uma vez, para o horrio de 17 s 19:00 hs, conforme nos mostra o grfico abaixo.
30 25
Tamanho mdio de fila

20 15 10 5 0
05 57

melhor equipe de frentistas e emisso automtica posto atual

7 9

9 11

Faixas Horrias

11 13

13 15

15 17

17 19

19 21

21 24

Grfico comparativo de tamanho mdio de fila (dois parmetros) 2.9 - Quantificao do aumento do volume anual de vendas Apresentaremos os ganhos decorrentes da implantao das configuraes descritas acima. Os pressupostos bsicos para que tal potencial de vendas se converta em aumento de receita so: (a) a demanda aumentar at que o nvel de servio da nova configurao se iguale ao nvel da configurao antiga (em termos de tempo de espera), estabilizando-se a partir da; (b) populao (nmero potencial de txis) infinita. Desta forma podemos estimar o aumento da demanda em nmero de txis/dia em funo do tamanho de fila desejado (nvel de servio) para a faixa horria mais crtica. 2.10 - Emisso automtica de nota fiscal fcil perceber que, para o tamanho mdio de fila voltar a 25 txis, necessrio um aumento na demanda da ordem de 3%. Isto significa apenas mais treze carros no sistema ao longo do dia e um aumento no volume anual de vendas da ordem de trinta mil reais. O pargrafo acima traduz uma informao de grande relevncia: o posto estava em seu ponto crtico de saturao, onde o impacto dos experimentos testados se traduziu em considerveis aumentos de produtividade. Entretanto, um pequeno aumento no volume de carros atendidos diariamente trouxe de volta o sistema ao seu estado de saturao 2.11 - Melhor equipe de frentistas sem emisso automtica de nota fiscal Este experimento apresentou maiores ganhos de produtividade que o anterior. Em outras palavras, numa situao de operao prxima a saturao, o posto mais sensvel ao treinamento de seus recursos humanos, em termos de aumentos de produtividade, que a implementao da emisso automtica de nota fiscal.. fcil perceber que, para o tamanho mdio de fila voltar a 25 txis, necessrio um aumento na demanda da ordem de 16%. Isto significa mais setenta e oito carros no sistema ao longo do dia e um aumento no volume anual de vendas da ordem de cento e sessenta mil reais. 2.12 -Melhor equipe de frentistas com emisso automtica de nota fiscal Conforme esperado, esta configurao apresenta como caracterstica principal um aumento de produtividade que no equivalente a soma dos aumentos de produtividade dos outros experimentos anteriores. Se com a emisso automtica de nota fiscal o tamanho mdio de fila para a pior faixa horria caiu de 25 para 15 carros, e com a melhor equipe o tamanho mdio cai de 25 para 5 carros, a execuo dois experimentos simultaneamente no significa necessariamente que a fila v cair a zero carro. H interferncias entre os experimentos, e um estudo mais detalhado foge do escopo de nosso trabalho.

 fcil perceber que para o tamanho mdio de fila voltar a 25 txis, necessrio um aumento na demanda da ordem de 18%. Isto significa mais oitenta e oito carros no sistema ao longo do dia e um aumento no volume anual de vendas da ordem de cento e oitenta mil reais.

240
Aumento do volume anual de vendas (R$1000)

Aumento Volume dirio demanda (carros) Somente emisso Somente emisso automtica automtica Somente melhor Somente melhor equipe equipe Melhor equipe, emisso Melhor equipe e automtica emis. automtica

25% 20% 15% 10% 5% 0%

611 587 562 538 513 490

200 160 120 80 40 0 0

10

15 20 25 Tamanho mdio de fila

30

35

Grfico comparativo dos trs experimentos Concluso Este trabalho, atravs do uso de simulao computacional, avaliou solues alternativas para aumentar a produtividade num sistema saturado, sem perspectivas imediatas de aumento na capacidade de atendimento. Procurou-se avaliar o impacto destas configuraes alternativas em termos de nvel de servio ao taxista (tamanho de fila e tempo de espera), bem como estimar um provvel aumento no volume anual de vendas. Bibliografia * Costa Neto, Pedro Luiz de Oliveira, Estatstica, Editora Edgard Blcher, So Paulo, 1977. * Hillier, Frederick S., Operations Research, Holden-Day, San Francisco, 1974

* Saliby, Eduardo; Pimentel, Milton, Relatrio COPPEAD n 255 - Simul: Um Sistema Computacional para a Simulao a Eventos Discretos em Turbo Pascal, Rio de Janeiro, 1991.

3.1) PROGRAMAO LINEAR Programao Linear uma tcnica de otimizao bastante utilizada na resoluo de problemas que tenham seus modelos representado por expresses lineares. Pela sua simplicidade e a possibilidade de aplicao em uma considervel diversidade de problemas, tornou-se um recurso bastante difundido. Podemos assim resumir a tcnica de Programao Linear: - Conjunto de restries Problema - Funo Objetivo Chamamos de conjunto de restries, as expresses contornais do problema, ou seja, todas as disponibilidades e limitaes levantadas do problema, numa linguagem matemtica comparativa: desigualdades ou igualdades (<, = ou >). A funo objetivo, obtida com as mesmas variveis das restries, com o objetivo de ser maximizada ou minimizada, com a resoluo do sistema restritivo. Quanto a resoluo, pode ser: a) Problema com duas variveis - Grfica - Anlise matemtica - Algoritmo (Mtodo Simplex). b) Problema com um nmero qualquer de variveis - Anlise matemtica - Algoritmo (Mtodo Simplex) Por questo prtica sempre procuramos uma resoluo dos problemas com o uso de aplicativos computacionais. Pela Internet se consegue bons aplicativos, por exemplo, o aplicativo, Linear programming, por ser obtido pela Internet, no seguinte endereo: http://www.producao.ufrj.br Inicialmente mostraremos um problema dentro de uma viso geral, ou seja, partindo do enunciado, montamos as restries, a funo objetivo e em seguida processamos a resoluo grfica (apenas com duas variveis). 3.1.2) APLICAO 1: RESOLUO GRFICA Um fazendeiro deseja otimizar as plantaes de arroz e milho na sua fazenda. O fazendeiro quer saber as reas de arroz (x1) e milho (x2) que devem ser plantadas para que o seu lucro nas plantaes sejam o mximo. O seu lucro por unidade de rea plantada de arroz 5 u.m., e por unidade de rea plantada de milho 2 u.m. As reas plantadas de arroz e milho no devem ser maiores que 3 e 4 respectivamente. Cada unidade de rea plantada de arroz consome 1 homem-hora. Cada unidade de rea plantada de milho consome 2 homens-hora. O consumo total de homens-hora nas duas plantaes no deve ser maior que 9. SOLUO: Chamemos de x1 a rea a ser plantada de arroz e x2 a de milho. Do enunciado conclumos as restries: x1 x2 3 (I) 4 (II) sendo a funo objetivo: Zmx = 5x1 + 2x2 RESOLUO

x1 + 2x2

9 (III)

Como o problema tem apenas duas variveis (x1 e x2), podemos resolve-lo graficamente, conforme a Fig. 1. A Fig. 1 o resultado do lanamento grfico das retas (I), (II) e (III); Conseqentemente determinamos os pontos vrtices A(00), B(3,0), C(3,3), D(1,4) e E(0,4).

Como a funo objetivo Z = 5x1 + 2x2, que aplicada em cada vrtice do polgono restritivo nos fornece os seguintes valores: ZA(0,0) = 0 ZB (3,0) = 15 ZC(3,3) = 21 Verifica-se que o ponto C o que fornece o maior ZD(1,4) = 13 valor para a funo objetivo (Zmx = 21). ZE(0,4) = 8 Conclumos que o lucro mximo do fazendeiro de 21 unidades monetrias, desde que plante 3 unidades de rea de arroz e 3 unidades de rea de milho. 3.1.3) APLICAO 2: MTODO SIMPLEX (APLICATIVO COMPUTACIONAL) Procuraremos examinar apenas um dos aspectos deste problema complexo, a saber, o do corte econmico de laminado em sries de peas de vrias configuraes. Dadas as variantes de corte tecnologicamente aceitveis (a escolha destas sendo um problema tcnico parte) a otimizao propriamente dita estabelece a freqncia de emprego de cada uma das variantes de corte que minimiza o refugo global. Suponhamos que se tenha, no intuito de obter 360 unidades da pea A e 1800 unidades da pea, proposto as variantes de corte I a V (figura abaixo) do laminado disponvel 4x12.

fcil constatar que para cada uma destas variantes de corte de uma placa de laminado o nmero de peas e o volume de refugo (em unidades de rea) se daro pelo quadro: PEA A B I 4 0 VARIANTES DE CORTE II III IV 3 1 0 4 9 12 V 2 7

REFUGO

12

Se x1, x2, x3 e x4 (que corresponde ao nmero de variantes de corte) denotarem o nmero de placas de laminado cortadas de acordo com as variantes I, II, III, IV e V, respectivamente, as condies do problema fornece as restries: 4x1 + 3x2 + x3 + 2x5 = 360 4x2 + 9x3 + 12x4 + 7x5 = 1800 (1) (2)

lgico que xi ser o nmero de chapas cortadas para cada alternativa, que obedece a uma matriz de corte. O melhor plano de corte o que minimiza o refugo total, que de acordo com o quadro das alternativas de corte, podemos montar a funo objetivo: Zmn = 12x1 + 5x2 + 3x3 + 2x5 (3) Com as restries (1), (2) e a funo objetivo (3), podemos resolver o problema usando o mtodo SIMPLEX. No nosso caso usamos um aplicativo computacional, que exatamente o mtodo Simplex e encontramos a soluo deste problema de programao linear, sendo: x1 = 0 x2 = 0 x3 = 0 x4 = 45 (Soluo) x5 = 180 Zmn = 360 O sentido prtico da soluo que a alternativa IV ser usada 45 vezes, ou seja 45 chapas sero cortadas conforme a matriz IV, e a alternativa V, 180 vezes. Com isto temos a segurana tcnica, ou seja a otimizao deste plano de produo que no final teremos um desperdcio menor possvel, ou seja, 360 unidades de rea. 3.1.4 ) CONCLUSO Na realidade usamos um modelo de programao linear, para otimizao de cortes de chapas. V-se que necessrio traduzir o problema prtico numa linguagem matemtica, ou seja, num conjunto restritivo do primeiro grau, e uma funo objetivo. Resolver o problema encontrar as variveis do problema de tal forma que a funo objetivo seja satisfeita, no nosso caso, uma minimizao. A soluo do sistema de restries satisfazendo a funo objetivo (maximizao ou minimizao) com o Algoritmo Simplex, para maior facilidade, na forma de aplicativo computacional. O aplicativo usado foi o QBS (The Quantitative Business Systems). EXERCCIO - 4.1.5 1) Resolver graficamente (para todas as questes x1 e x2 0): 1.1 ) Max Z = x1 + 2x2, sendo: -x1 + 2x2 12 x2 8 x1 + 3x2 33 x1 + x2 19 x1 15 1.3) Max Z = 3x1 + 2x2 -2x1 + 3x2 8 -x1 + 3x2 13 x2 8 1.2) Max Z = 3x1 + 7x2, para: x2 9 x2 12 3x1 + 7x2 105 x1 + x2 23 x1 18 -3x1 + 1.4) Max Z = x1 + 2x2 -3x1 + x2 6 -3x1 + 2x2 15 -2x1 + 3x2 30

10

1.5) Max Z = -x1 + 2x2 x1 - x2 -1 -0,5x1 + x2 2 1.7) Max Z = x1 + x2 x1 - x2 0 3x1 - x2 -3 1.9) Min Z = 2x1 - 3x2 -x1 + x2 6 x1 + 3x2 42 -2x1 + 9x2 36 x1 + x2 15

1.6) Max Z = 3x1 - 2x2 x1 + x2 1 2x1 + 2x2 4 1.8) Max Z = 2x1 + x2 -x1 + x2 6 x1 + 3x2 42 -2x1 + 9x2 36 x1 + x2 15 1.10) Max Z = 5x1 + 2x2 x1 3 x2 4 x1 + 2x2 9 -x1 + 3x2 3 x1 + 3x2 4 x1 + 3x2 6

1.11) Min Z = x1 + x2 x1 3 x2 4 x1 + 3x2 9 -x1 + 3x2 3 x1 + 3x2 6 2. Uma companhia fabrica um produto a partir de dois ingredientes, A e B. Cada quilo de A contm 5 unidades do produto P1, 4 unidades do produto P2, 2 unidades do produto P3 e custa 100 u.m. Cada quilo de B contm 3 unidades de produto P1, 5 unidades de produto P2, 10 unidades de produto P3 e custa 150 u.m. A mistura deve conter pelo menos 20 unidades de P1, 18 unidades de P2 e 30 unidades de P3. Formule este problema como um problema de programao linear para que o custo do produto seja o menor possvel. 3. Uma rede de televiso local tem o seguinte problema: foi descoberto que o programa A com 20 minutos de msica e 1 minuto de propaganda chama a ateno de 30.000 telespectadores, enquanto o programa B, com 10 minutos de msica e 1 minuto de propaganda chama a ateno de 10.000 telespectadores. No decorrer de uma semana, o patrocinador insiste no uso de no mnimo, 5 minutos para sua propaganda e que no h verba para mais de 80 minutos de msica. Quantas vezes por semana cada programa deve ser levado ao ar para obter o nmero mximo de telespectadores. 4.Uma empresa, aps um processo de racionalizao de produo, ficou com disponibilidade de 3 recursos produtivos, R1, R2 e R3. Um estudo sobre o uso desses recursos indicou a possibilidade de se fabricar 2 produtos P1 e P2. Levantando os custos e consultando o departamento de vendas sobre o preo de colocao no mercado, verificou-se que P1 daria um lucro de $120,00 por unidade e P2, $150,00 por unidade. O departamento de produo forneceu a seguinte tabela de uso de recursos. Produto P1 P2 Disponibilidade de recursos por ms Recurso R1 por unidade 2 4 100 Recurso R2 por unidade 3 2 90 Recurso R3 por unidade 5 3 120

Que produo mensal de P1 e P2 traz o maior lucro da empresa.

11

02) A fabricao de lcool envolve a destilao de uma massa fermentada, resultando da um lquido residual ou "destilado que aps secagem e outros tratamentos tornase um valioso alimento. Uma determinada empresa tem comercializado uma mistura alimentar com base neste produto destilado enriquecida com constituintes vitamnicos. As especificaes, fatores de produo e condies mercadolgicas esto no quadro abaixo: Destilado Aditivos Total (seco) Comprados Custo (u.m./Kg) 0,2 2 Quantidade normal de unidade de vitamina por quilograma de mistura alimentar A 1 15 B 2 10 C 6 50 Unidades mnimas de vitamina que devem estar em uma carga de mistura A 600 B 800 C 3000 Capacidade produtiva do destilado (Kg/mes) 1800 Suprimento de constituintes vitamnicos 2400 disponveis no mercado (Kg/mes) Nmero de Cargas de mistura produzidas por ms 30 Determinar as quantidades de aditivo e destilado seco por carga de mistura para se ter o custo mnimo. Resolver o problema graficamente. 03) A indstria Latal produz dois tipos de peas para o carro Ferrugem. A pea A demanda duas horas de torno e mais quatro horas na furadeira. A pea tipo B demanda somente trs horas no torno, no passando pela furadeira. So disponveis 200 horas no torno, na furadeira a 150 horas no torno, sendo as demais horas utilizadas na manuteno, limpeza e preparao. O gerente desta indstria de autopeas est interessado em saber quantas peas de cada tipo devem ser produzidas; sabe ele que cada pea do tipo A fornece um lucro de 40 u.m. e do tipo B um lucro de 30 u.m. 04) Uma fbrica tem 3 tipos de mquinas, M1, M2 e M3, a serem utilizadas na fabricao dos produtos P1 e P2. O quadro abaixo descreve como a fbrica opera, diariamente: Produtos Mquinas M1 M2 M3 P1 3 4 2 P2 2 0 5 Disponibilidade Diria 20h 12h 18h

Formule o problema como um modelo de programao linear para planejar a produo diria a fim de que o lucro seja o mximo possvel, sabendo que o produto P1 d lucro de 200 u.m. e P2, um lucro de 50 u.m. . Resolva graficamente. 05) Um companhia fabrica um produto a partir de dois ingredientes, A e B. Cada quilograma de A contm 5 unidades de produto P1, 4 unidades de produtos P2, 2 unidades de produtos P3 e custa 100 u.m., Cada quilograma de B contm 3 unidades de produto P1, 5 unidades de P2, 10 unidades de produto P3 e custa 150 u.m.. A mistura deve conter pelo menos 20 unidades de P1, 18 unidades de P2 e 30 unidades de P3. Formule este problema como um problema de programao linear para que o custo do produto seja o menor possvel.

12

06) A Indstria SIDENOX S.A. produz chapas finas (bobinadas) de ao inoxidvel com 68 u.c. de largura. Os clientes da SIDENOX encomendam bobinas de largura menor com valores padro de 22, 20 e 12 u.c., com demandas dirias, respectivamente, iguais a 110, 120 e 80 unidades. Estas bobinas so cortadas da bobina padro de 68 u.c.. A empresa deseja cortar as bobinas de forma a minimizar os desperdcios. Elaborar um plano de corte otimizado. 07) Uma empresa fabrica 5 produtos: P1, P2, P3, P4 e P5. Cada um deles requer 3 tipos de matrias-primas M1, M2 e M3. As quantidades utilizadas por cada produto, as disponibilidades das matrias primas e o lucro lquido de cada produto so dados na tabela abaixo: Produtos Matria Primas M1 M2 M3 Lucro lquido unitrio P1 2 3 6 2000 P2 5 1 2 100 P3 3 4 3 60 P4 2 7 1 50 Disponibilidade de matrias-primas 1 100 unidades 2 80 unidades 4 150 unidades 150 unidades monetrias P5

Supondo que o lucro proporcional quantidade produzida (vendida), formule o problema como um modelo programao linear para determinar a quantidade de cada produto que deve ser fabricada para que o lucro seja o mximo possvel. 08) Um fabricante de ligas metlicas deseja maximizar seu lucro. As ligas so vendidas aos preos de 30 u.m. e 50 u.m., respectivamente, a unidade. Os metais bsicos utilizados para a fabricao das ligas so sobre, zinco e chumbo, sendo as disponibilidades limitadas aos mximos de 16, 11 e 15 toneladas. Determine a quantidade (em t) que deve ser fabricada da cada liga, de acordo com o quadro: COMPOSIO DAS LIGAS (proporo) Metais Bsicos Liga A Liga B Cobre 2t 1t Zinco 1t 2t Chumbo 1t 3t Observao: - Lucro diretamente proporcional ao preo de venda. - Resolver o problema graficamente. 09) Uma determinada companhia produz quatro artigos numerados de 1 a 4. As exigncias de matria-prima, espao para estocagem, taxa de produo assim como lucros por artigos esto no quadro abaixo: 1 2 3 4 Matria-prima (Kg/artigos) 2 2 1,5 4 Espao (m3/artigo) 2 2,5 2 1,5 Taxa de produo (artigos/h) 15 30 10 15 Lucro (u.m. / artigo) 5 6,5 5 3,5 A quantidade total de matria-prima disponvel por dia para todos os quatro artigos de 180 kg, e o espao disponvel de 230 m3 e empregam-se 7h e 30 min por dia de produo. Quantas unidades de cada artigo devem ser produzidas por dia para se maximizar o lucro? (Elaborar apenas as restries e a funo objetivo). 10): A Prpolis Utilidades Eltricas fabrica dois modelos simples de secador para cabelo, que designa p HX20 e HX30. Dois dos departamentos que participam da produo dos secadores, o Departamento A e o Departamento B, tm restries quanto ao total de horas semanais disponveis para aqueles produtos. O Departamento A possui um mximo de 100 homens hora, contra 80 homens hora do Departamento B. Embora a demanda pelos secadores esteja muito acima da capacidade produtiva da Prpolis, e, portanto possa ser considerada ilimitada, as restries correm por conta dos departamentos A e B. O secador HX20 requer 0,4 homens hora por unidade do departamento A e 0,2 homem hora no Departamento B; para o secador HX30 as necessidades so de 0,2 e 0,4
13

respectivamente para os Departamentos A e B. O lucro unitrio derivado da venda dos secadores de $1500,00 e de $2000,00 respectivamente para os secadores HX20 e HX30. Formular o problema como um modelo de Programao Linear e determinar graficamente as quantidades timas dos secadores HX20 e HX30 a produzir. 11) A Wyndor Glass Co. produz vidros de alta qualidade, incluindo janelas e portas de vidro. Ela tem trs fbricas. Na Fbrica 1 so feitas as esquadrias e ferragens de alumnio; as esquadrias de madeira so feitas na Fbrica 2 e a Fbrica 3 usada para produzir o vidro e montar os produtos. Por causa do declnio da receita, a alta gerncia decidiu reformular a linha de produtos. Diversos produtos no-lucrativos esto sendo tirados de linha e isso ir liberar a capacidade de produo para se encarregar de um ou dos dois novos produtos potenciais que tm estado em demanda. Um destes produtos propostos (produto 1) uma porta de vidro de 2,40 m, com esquadria de alumnio. O outro produto (produto 2) uma grande janela (1,20 x 1,80m) de duas folhas esquadria de madeira. O Departamento de Marketing concluiu que a companhia poderia vender tantos destes dois produtos quantos pudessem ser produzidos pela capacidade disponvel. Entretanto, como ambos os produtos estariam competindo com a mesma capacidade de produo na Fbrica 3, no fica claro qual combinao entre os dois produtos seria mais lucrativa. Por isso a gerncia pediu ao Departamento de Pesquisa Operacional que estudasse a questo. Depois de alguma investigao, o Departamento de PO determinou (1) a percentagem de capacidade de produo de cada fbrica que estaria disponvel para estes produtos, (2) as percentagens requeridas por produto para cada unidade produzida por minuto e (3) o lucro unitrio de cada produto. Estas informaes esto resumidas na Tabela a seguir. Como toda capacidade que for usada por um produto na Fbrica 3 tornase no-disponvel para o outro, tratando-se de um problema de programao linear do tipo clssico de composto de produto, encontre a sua formulao e soluo. Produto Fbrica (1) Esq. e ferr. de alumnio. (2) Esq. de madeira. (3) Prod. vidro e montar os produtos. Lucro por unidade Capacidade usada por taxa de produo unitria (1) (2) 1 1 1 2 3 2 $ 3,00 $ 5,00 Capacidade disponvel 8 12 18

12. Um fabricante est iniciando a ltima semana de produo de quatro diferentes modelos de consoles em madeira para aparelhos de televiso, designados respectivamente, I, II, III e IV. Cada um deles deve ser montado e em seguida decorado. Os modelos necessitam, respectivamente de 4, 5, 3 e 5 horas para montagem e de 2, 1, 5, 3 e 3 horas para decorao. Os lucros sobre as vendas dos modelos so respectivamente 7, 7,6 e 9 dlares. O fabricante dispe de 30.000 horas para a montagem destes produtos (750 montadores trabalhando 40 horas por semana) e de 20.000 horas para decorao (500 decoradores trabalhando 40 horas semanais). Quanto de cada um dos modelos deve ser produzido durante esta ltima semana a fim de maximizar o lucro? Admita que todas as unidades produzidas possam ser vendidas.

14

3.1.5 - MTODO SIMPLEX - CONDIES DE PREPARAO I) - Todos bis devem ser maiores ou iguais a zero x1 + 3x2 - 7 bi negativo - x1 - 3x2 7 bi positivo II) - Todas restries devem ser transformadas em igualdade (necessrio uma base bvia): a) Se a restrio do tipo MENOR OU IGUAL ( ), com bi positivo, introduz-se varivel de folga: 3x1 + x2 5 desigualdade 3x1 + x2 + x3 = 5 igualdade sempre x1, x2 e x3 0 b) Se a restrio do tipo MAIOR OU IGUAL ( ), com bi positivo, introduzem-se uma varivel de folga (com sinal negativo) e uma varivel artificial: x1 + 3x2 x1 + 3x2 - x3 + x4 5 desigualdade = 5 igualdade varivel de artificial varivel de folga

Da mesma forma, x1, x2, x3 e x4 0 c) Se a restrio do tipo IGUAL ( = ), com bi positivo, introduz-se uma varivel artificial: 2x1 + 7x2 = 10 2x1 + 7x2 + x3 = 10 igualdade com varivel artificial Sendo, x1, x2 e x3 0 III) - Toda minimizao poder ser transformada em maximizao. Minimizar uma funo Z equivalente a maximizar o simtrico dessa funo: Min Z = 2x1 - 3x2, equivale a Max (-Z) = -2x1 + 3x2 OBSERVAES ADICIONAIS: a) A informao de varveis artificiais sempre implica no surgimento da funo objetivo artificial, sendo o problema resolvido em duas fases. b) Por questo de ordenao, deve-se primeiro introduzir todas variveis de folga em todas restries, para depois introduzir as variveis artificiais. c) O quadro estruturado mostra explicitamente uma soluo bsica inicial. As variveis bsicas formam, com seus coeficientes, uma matriz identidade. 3.1.6 - MTODO SIMPLEX: CONDIO BSICA PARA APLICAO Para aplicao do Algoritmo Simplex necessrio a estruturao do quadro (tableau), obedecendo as condies: - bis no negativos. - Restries transformadas em igualdades, pela introduo de variveis de folga e/ou artificiais. - Funo objetivo sujeita `a maximizao (no obrigatrio). O quadro genrico explicito tem a forma: x1 a11 a21 Base x2 a12 a22 ... ... ... xn a1n a2n xn+1 1 0 xn+2 0 1 ... ... ... xn+m 0 0 bi b1 b2

xn+1 xn+2

15

... xn+m Z

... am1 c1

... am2 c2

... ... ...

... amn cn

... 0 0

... 0 0

... ... ...

... 1 0

... bm 0

PASSOS DO ALGORITMO SIMPLEX PASSO 1 - Verificar se os coeficientes Cjs da funo objetivo Z so maiores ou iguais a zero, caso afirmativo, pare, a soluo tima. Caso contrrio, escolha a varivel que tem o menor coeficiente Cj (Cs) para entrar na base. Cs = min (Cjs) Xs = varivel que entra na base PASSO 2 - Verificar os coeficientes ais da varivel xs que vai entrar na base. Se todos ais forem menores ou iguais a zero, pare, Z = infinito. Caso contrrio, divida cada bi pelo respectivo ais > 0. O menor quociente bi/ais, ais > 0, indica a varivel de ndice r que sai da base. PASSO 3 - Calcular os novos coeficientes do quadro (operao pivotal) para que a troca de variveis na base se processe. Os novos coeficientes sero: ars = pivot nova linha r = (linha r anterior)/ars nova linha i i = r = (linha anterior) - (nova linha r) . ais PASSO 4 - Voltar ao PASSO 1.

16

3.1.7 - ALGORTMO SIMPLEX COMPLETO INCLUINDO DUAS FASES Problema Preparado com 2 fases

2 FASES

Problema com 1 fase ou 2 fases?

1 FASE

Existem djs < 0 Encontrar o menor dj(ds). Xs a varivel que entra na base

NO W=0 ? No Existe Soluo

SIM

Existem Cjs < 0

NO SOLUO TIMA

Encntrar Cj(Cs). Xs a varivel que entra na base

Existem ais > 0 ?

Soluo com Z=

Calcular bi/ais para ais > 0; o menor quociente indica a varivel de ndice r que sai da base Calcular os novos coeficientes do quadro com as variveis trocadas na base O problema se encontra na fase 1 OBSERVAES: a) Os d j s so os coeficientes das variveis na funo objetivo artificial. b) Na fase 1 se operam com todos os coeficientes, inclusive os da linha Z, na operao pivotal. c) Quando W = 0 e d j s 0, pode-se abandonar a linha W e as colunas das variveis artificiais. 3.1.8) CASOS DE DIFICULDADES NA APLICAO DO MTODO SIMPLEX I) Empate na varivel que entra na base, isto , mais de uma varivel no bsica com o mesmo valor para seus respectivos Cjs. - A escolha da varivel que entra na base aleatria.

17

II) Empate na varivel que sai da base, isto , dois ou mais quocientes bi /ais com mesmo valor. - Neste caso caracteriza-se a presena de uma soluo degenerada, isto , uma varivel bsica com valor igual a zero. - A escolha da varivel que sai da base aleatria. III) Variveis sem restrio de sinal, sem a condio de no negatividade. - A soluo alternativa para a questo especfica: as variveis sem restrio de sinal so substitudas pela diferena entre duas novas variveis maiores ou iguais a zero. IV) Ausncia de solues: - A dificuldade caracteriza-se por no se conseguir zerar o valor de W ( funo objetivo artificial) e por conseguinte as variveis artificiais. V) Ausncia de solues: - A dificuldade caracteriza-se quando o problema atinge o timo (todos Cjs 0) e o coeficiente Cj de uma das variveis no bsicas, na funo objetivo zero. - Para se encontrar o outro extremo, introduz-se na base a varivel no bsica que tem Cj igual a zero; calcula-se o novo quadro e verifica-se que o valor de Z no se altera, indicando um novo ponto timo. Como soluo geral, temos a combinao convexa dos dois extremos. VI) Problema com minizao, neste caso, temos: Min Z = Mx (-Z) VII) Problema com soluo Z = infinito: - Este problema caracteriza-se quando existe uma varivel xs em condies de entrar na base de forma a provocar um aumento no valor de Z e todos seus coeficientes ais so menores ou iguais a zero. No permitindo, assim, encontrar a varivel que sairia da base. 3.1.9 - ILUSTRAO 1: PROBLEMA COM UMA FASE Mx Z = 5x1 +2x2 (Funo objetivo), para as seguintes restries: x1 3 x2 4 x1 + 2x2 9 Problema j resolvido graficamente na pgina 6. Sempre em qualquer problema, temos como soluo x1 e x2 0 Inicialmente transformemos o sistema de restries em igualdades com introduo das variveis de folga, ficando o sistema com a seguinte disposio: x1 + x3 = 3 x2 + x4 = 4 x1 + 2x2+ x5 = 9 Sendo as variveis x3, s4 e x5, as variveis de folga. Antes de aplicarmos o algoritmo simplex, faamos a resoluo do problema por anlise matemtica, ou seja uma soluo algbrica. Ento quebremos a indeterminao do sistema fazendo x1 = 0 e x2 = 0, tambm, j que o sistema possui sete incgnitas e apenas cinco equaes, temos:

18

x1= x2= x3= x4= x5=

0 Consideremos as linhas de x1 e x2 a formao da base 0 3 Essas demais linhas forma a no base, resolver o sistema processar uma 4 Seqncia de troca de variveis bsicas por no bsicas, de uma forma otimizada 9 at a maximizao da funo objetivo.

Quando abordamos uma seqncia de troca de variveis otimizada, significa pelo caminho menor possvel. E esta seqncia corresponde a passagem de um vrtice para outro, no polgono restritivo, at chegar ao vrtice soluo. Posteriormente, exatamente o que algoritmo ir fazer. Pela funo objetivo percebe-se que a varivel x1 a que deve inicialmente sair da base, ou seja, adquirir um valor maior do que zero, pelo fato de ter o maior coeficiente, o que implica num crescimento mais rpido para Z. Como x2 continua na base, logicamente com o valor nulo, necessrio procurarmos a varivel de folga que primeiro se anula, para substituir x1 na base, o que podemos concluir: x3 = 3 - x1 (x3 se anula primeiro) x4 = 4 x5 = 9 - x1 Ento, x3 exatamente a varivel que ir entrar na base. O que concluimos: x2 = 0 x3 = 0 x1 = 3 x4 = 4 x5 = 6, ficando a funo objetivo: Z = 15 + 2x2 - 5x3, o que possvel o seu crescimento com a sada de x2 da base. Procuremos verificar qual a varivel que entra na base: x4 = 4 - x2 x5 = 6 - 2x2 (x5 se anula mais rpido, par x2 = 3) Ficamos com a seguinte disposio: x1 = 3 x2 = 3 x3 = 0 x4 = 1 x5 = 0, ficando a funo objetivo: Z = 21 - 5x3 - x5 Como a funo objetivo no tem mais possibilidade de crescimento, o seu valor mximo Zmx = 21, para: x1 = 3 x2 = 3 Agora apliquemos o algoritmo SIMPLEX ao mesmo problema. Considerando o sistema j com a incluso das variveis de folga, temos: x1 + x3 = 3 x2 + x4 = 4 x1 + 2x2 + x5 = 9, sendo a funo objetivo na forma, Z - 5x1 - 2x2 = 0 Q1 x1 x2 x3 1 0 x4 x5 Z 0 1 -5 1 2 -2 x3 1 0 0 0 x4 0 x5 0 b 3

1 0 4 0 1 9 0 0 0 O elemento a11 = 1 exatamente o PIVOT Coeficiente menor, indica a varivel que entra na base (x1)

3/1 = 3 Menor quociente, indicao da varivel que sai da base (x3) 9/1 = 9

19

O Novo quadro tem a seguinte disposio: Obteno das linhas do quadro Q2: a11 = 1/1 = 1 a12 = 0/1 = 0 a13 = 1/1 = 1 a14 = 0/1 = 0 a15 = 0/1 = 0 a16 = 3/1 = 3 Q2 x1 x4 x5 Z x1 1 0 0 0 a21 = 0 - 1x0 = 0 a22 = 1 - 0x0 = 1 a23 = 0 - 1x0 = 0 a24 = 1 - 0x0 = 1 a25 = 0 - 0x0 = 0 a26 = 4 - 3x0 = 4 x3 1 0 -1 5 x4 0 1 0 0 x5 0 0 1 0 b 3 4 6 1 5 a31 = 1 - 1x1 = 0 a32 = 2 - 0x1 = 2 a33 = 0 - 1x1 = -1 a34 = 0 - 0x1 = 0 a35 = 1 - 0x1 = 1 a36 = 9 - 3x1 = 6 c1 = -5 - 1(-5) = 0 c2 = -2 - 0(-5) = -2 c3 = 0 - 1(-5) = 5 c4 = 0 - 0(-5) = 0 c5 = 0 - 0(-5) = 0 c6 = 0 - 3(-5) = 15

x2 0 1 2 -2

- Primeira linha obtida 4/1 = 4 6/2 = 3 O menor quociente indica a varivel que sai da base: x5

base No quadro temos: x1 = 3 x2 = 0, por no aparecer na base

Pivot = a32 = 2 O menor coeficiente na linha Z indica a varavel x2 que entra na

Com esses valores na funo objetivo temos Z = 15, que exatamente o valor de Z obtido do quadro Q2. Q3 x1 x4 x2 Z x1 1 0 0 2 x2 0 0 1 0 x3 1 -1/2 7 x4 0 1 0 0 x5 0
-1/2

b 3 1 3 Primeira linha obtida 21 SOLUO TIMA: todos Cjs 0

O quadro Q3 soluo tima porque todos os coeficientes da linha Z ou so nulos ou positivos (Cjs 0). Temos: x1 = 3 e x2 = 3. Como Zmx = 5x1 + 2x2, conclumos que o maior valor para Z 21. Soluo: x1 = 3 x2 = 3 Zmx = 21

20

3.2 PROBLEMAS DE TRANSPORTES

3.2.1-APRESENTAO DO PROBLEMA ORIGEM MQ 1 MQ 2 . . . MQ m X11 C11 DESTINO POSTO 1 POSTO 2 . . . POSTO n Xij=Quantidade transportada da origem i para o destino j. Cij=Custo relativo ao transporte no caminho ij. ai=Quantidade disponvel na origem. bj=Quantidade absorvida no destino j

X1n C1n

3.2.2-FORMULAO GERAL DO PROBLEMA DE TRANSPORTE A funo objetivo dada pela expresso: Zmn = C11X11 + ...+ C1n + C21X21 +...+ C2nX2n + ...+ Cm1Xm1 +...+ CmnXmn O algortmo determina, portanto, Zmn. Como j foi visto, de houver necessidade da determinao de Zmx, teremos: mx(Z) = mn(-Z). De acordo com o modelo apresentado, temos o seguinte conjunto de restries: X11 + X12 + ... + X1n = a1 X21 + X22 + ... + X2n = a2 ........................................ Xm1 + Xm2 + ... + Xmn = am X11 + X21 + ... + Xm1 = b1 X12 + X22 + ... + Xm2 = b2 ........................................ X1n + X2n + ... + Xmn = bn Xij 0 i = 1, 2, ... , m j = 1, 2, ... , n

3.2.3-PREPARAO DO QUADRO (TABLEAU) PARA UM PRBLEMA DE TRANSPORTE Para aplicao do algortmo de TRANSPORTE usaremos quadros coma a disposio de acordo com o quadro genrico abaixo. Levando em considerao que a i = bj . Ento o problema consiste em fornecer uma matriz de custos de tranportes, o pontencial de origem (cada ai), os correspondentes valores de destino (cada bj), para se determinar com esses dados as quantidades que devem ser transportadas (Xij) para que o custo total de transporte seja o mnimo possvel.

21

Quadro genrico do Algortmo de Transporte 3.2.4-EXEMPLO BSICO DE UM PROBLEMA DE TRANSPORTE Neste exemplo consideremos o seguinte potencial de origem: a1 = 150 a2 = 40 a3 = 80 O potencial de destino, com o mesmo valor de origem, tem a seguinte distribuio: b1 = 90 b2 = 70 b3 = 50 b4 = 60 O custo de tranporte dada pela matriz: M1 M2 M3 P1 27 10 30 P2 23 45 54 P3 31 40 35 P4 69 32 57

Com esses dados fornecidos estruturamos o QUADRO 1 e a partir da aplicamos o agortmo de TRANSPORTE. Usamos o algortmo de busca da soluo tima Mtodo de Distribuuio Modificado (MODI).

Ento, os quadros obtidos seguem a seguinte sequncia: 1 . Estrutura-se o quadro com soluo inicial obtida, pelo canto noroeste, que tem a seguinte seqncia: a) Comear pela clula superior esquerda. b) Alocar nessa clula a maior quantidade permitida pela oferta e demanda correspondentes, considerando os valores j alocados. c) Seguir para clula da direita se houver alguma oferta restante evoltar ao passo ii. Caso contrrio seguir para a clula inferior e voltar ao passo ii. Observao: O processo estar concludo quando a clula inferior direita for alcanada.

22

2. Calculam-se todos os Uijs e Vijs. Os Cijs das variveis bsicas so iguais a zero. Arbritrase U1 = 0 e calcula-se os demais Cijs. Se todos os Cijs forem 0 PARE, soluo tima. Caso contrrio , escolha a varivel de menor Cij paara entrar na base. Para o clculo de C temos a seguinte expresso: Cij = Cij - Ui - Vj - No esquecer que a expresso Cij - Ui - Vj deve ser igualada a zero nas variveis bsicas. - Nas clulas com Xij 0 o novo coeficiente na funo objetivo ser igual a zero, correspondem as variveis bsicas. - Nas demais clulas, variveis no-bsicas, os coeficientes sero dados por: Cij - Ui - Vj. 3. A partir da clula que contm a varivel que entra na base, forme uma linha poligonal fechada cujos vrtices sejam clulas de varveis bsicas e cujos ngulos internos sejam retos; na clula inicial pe-se um sinal de adio e alternam-sem a partir da sinais de menos e mais nos vrtices-clulas da linha poligonal fechada. A clula com sinal de menos, que contiver o menor valor, indicar a varivel que sair da base. 4. A cada vrtice-clula que tiver sinal mais, adiciona-se o valor da varivel que sair da base e a cada vrtice-clula com sinal menos, subtrai-se. Voltar ao passo 2.

Este exemplo apresentado est resolvido nesta seqncia de cinco quadro, seguindo o algortmo descrito acima. O Quadro 5 soluo tima pelo fato de todos os C serem 0. Multiplicando cada ai pelo Ui correspondente, no Quadro cinco temos a seuinte soma: S1 = 0 + (-880) + 240 = - 660. Da mesma forma, multiplicando cada bj por cada Vj correspondente obtida a soma S2 = 2430 + 1610 + 1550 = 8830. O cuto total mnimo (Zmn), passa a ser: Zmn = -660 + 8830 = 8190. Este valor exatamente o somatrio de cada Xij (cada quantidade transportada) pelo respectivo custo de transporte. Custo total = Zmn = X ij c ij

Neste Quadro 4 temos um custo total igual a 8290. Este valor obtido da seguinte forma: Z = 40(-17) + 80.8 + 90.27 + 70.23 + 50.27 + 60.49 = 8290.

23

No Quadro 4 temos Z = 8240, valor este que alm da forma anterior tambm pode ser obtido: Z = 80.27 + 70.23 + 40.32 + 10.30 + 50.35 + 20.57, ou seja, Z = X ij c ij . Obeserve que cada quadro obtido, o custo total menor do que o anterior.

Quadro 5, SOLUO TIMA, pois apresenta todos os C 0, consequentemente um custo total menor possvel de 8190 unidades monetrias.

Para que isto acontea temos a seguinte disposio de transporte:

P1 M1 M2 M3 30 0 60 70 0 0 50 0 0 0 40 20

P2

P3

P4

EXERCCIO

24

1) Uma determinada empresa de transportes terrestres compra ovos nas granjas A, B, C, para vend-los nas cidades 1, 2 e 3. So dados: a) Preo da dzia de ovos (em u.m.): Granja A: 40 e cidade 1:80 Granja B: 50 e cidade 2:100 Granja C: 60 e cidade 3:120 b) Disponibilidade de ovos (dzia): Granja A: 40 Granja B: 30 Granja C: 20 c) Consumo nas cidades (dzias): Cidade 1: 30 Cidade 2: 40 Cidade 3: 20

Custo de transporte: (u.m./dzia) A B C 1 10 12 2 2 8 6 X 3 9 5 4

No existe estrada ligando a granja C cidade 2. Quanto a empresa deve transportar p/ cada cidade, p/ lucro mximo? Qual o lucro?

25

3.3. PROBLEMAS DE DESIGNAO

3.3.1 - INTRODUO O problema de DESIGNAO um caso particular de TRANSPORTE e consequentemente de programao linear. O problema de designao se caracteriza quando se tem de distribuir uma determinada quantidade de itens (homens, mquinas, equipamentos, recursos financeiros) em uma quantidade igual de localizaes ou tarefas. Seja a matriz abaixo: MATRIZ EFICINCIA IV 7 23 5 3 As clulas indicam (podem indicar) o tempo que cada homem gasta na execuo de cada uma das tarefas. Os valores poderiam tambm indicar custos, grau de desempenho, outros. O modelo de designao encontra a rebiunvoca homens-tarefa, isto , minimiza o volume de mo-de-obra.

OPERRIOS I 5 10 28 10 II 24 25 9 17 III 13 3 8 15

A B C D

3.3.2 - ALGORITMO DA DESIGNAO PASSO 1 - Escolher para cada linha i o menor elemento da linha. Subtrair de todos os elementos da linha, o menor. PASSO 2 - Escolher para cada coluna j o menor elemento da coluna j o menor elemento da coluna. Subtrair de todos os elementos da coluna, o menor. PASSO 3 - Traar linhas verticais e (ou) horizontais, o mnimo possvel, de forma que todos os zeros fiquem cortados: PROCEDIMENTO: - Traa-se a 1a linha, na linha ou coluna que tiver o maior nmeros de zeros. Procede-se, seguidamente, para as linhas e (ou) colunas levando-se em conta sempre o maior nmero de zeros (zeros j cortados no contam para o corte seguinte); Se o nmero mnimo de linhas for igual ordem da matriz eficincia, pare, soluo tima, caso contrrio siga para o PASSO 4. PASSO 4 - Escolha o menor dentre as clulas no cortadas, subtraia das clulas no cortadas, o menor, adicione as clulas intercesso de linhas, o menor, siga para o PASSO 3. OBSERVAO: a) Ao atingir o timo, a designao ocorrer nas clulas que contm zeros. Procurase a linha e (ou) coluna que tenha o menor nmeros de zeros; atribui-se a clula que contm o zero a indicao X. Eliminam-se a linha e a coluna atribudas. Repete-se o procedimento.

26

b) Para maximizao, antes de tudo, determina-se o complemento da matriz em relao clula de maior valor. 3.3-ILUSTRAO 1: MINIMIZAO Q1 II II III IV V VI A 8 10 11 9 7 8 B 7 4 6 8 9 9 C 6 7 9 10 8 10 D 9 8 8 13 7 11 E 5 8 9 8 9 13 F 6 7 8 11 7 12

PASSO 1 - Subtrai-se o menor de cada linha, da mesma.

Q2 I II III IV V VI

A 3 6 5 1 0 0

B 2 0 0 0 2 1

C 1 3 3 2 1 2

D 4 4 2 5 0 3

E 0 4 3 0 2 5

F 1 3 2 3 0 4

PASSO 2 - Subtrai-se o menor de cada coluna, da mesma.

5 linhas traadas (cortes) Q3 I II III IV V VI A 3 6 5 1 0 0 B 2 0 0 0 2 1 C 0 2 2 1 0 1 D 4 4 2 5 0 3 E 0 4 3 0 2 5 F 1 3 2 3 0 4

Menor dos no cortados = 1. Subtraem-se dos no cortados o valor 1 e adiciona-se o mesmo s clulas intercesso.

5 linhas traadas (cortes) Q4 I II III IV V VI A 3 5 4 0 0 0 B 5 0 0 0 3 2 C 0 1 1 0 0 1 D 4 3 1 4 0 3 E 1 4 3 0 3 6 F 1 2 1 2 0 4

.Como o nmero de linhas traadas (cinco) menor do que a ordem da matriz (6 por 6), continuamos em busca da soluo tima.

27

Q5 II II III IV V VI

A 2 4 3 0 0 0

B 3 0 0 1 4 3

C 0 1 1 1 1 2

D 3 2 0 4 0 3

E 0 3 2 0 3 6

F 0 1 0 2 0 4

Nmero de linhas traadas (cortes) igual a 6, SOLUO TIMA.

PROCESSO DE DESIGNAO: Escolher linha e (ou) coluna com menor nmero de zeros. LINHA 2 (um zero) POSIO ATRIBUDA: X22 - Eliminadas linha 2 e coluna 2 LINHA 4 (um zero) POSIO ATRIBUDA: X45 - Eliminadas linha 4 e coluna 5 LINHA 6 (um zero) POSIO ATRIBUDA: X61 - Eliminadas linha 6 e coluna 1 LINHAS 3 e 5 COLUNAS 4 e 6 Com dois zeros permitem 2 alternativas ATRIBUIR X34 e X56 ou ATRIBUIR X54 e X36 QUADRO SOLUES POSSVEIS: S1 A B C D E F II X II X III X IV X V X VI X

Zmn = 8 + 4 + 6 + 8 + 7 Zmn = 41 (ver custos iniciais)

28

OU S2 A B C D E F II X II X III X IV X V X VI X

Zmn = 8 + 4 + 6 + 7 + 8 Zmn = 41 (ver custos iniciais)

OBSERVAO: Como o algortimo de designao fornece Zmn, caso se queira calcular Zmx, incialmente determina-se o complemento da matriz, ou seja, do maior elemento matricial, subtrai-se todos, ento: mxZ =mn(-Z).

EXERCCIO 01) Resolva os seguintes problemas de DESIGNAO tanto para Zmx como para Zmn: a) A B C D E 1 12 7 9 7 9 2 8 9 6 6 6 3 7 17 12 14 12 4 15 14 6 6 10 5 6 10 7 10 4

b) A B C D E 1 9 7 11 19 12 2 15 5 14 22 8 3 6 10 13 15 10 4 14 4 10 26 9 5 18 13 14 24 13

c) Zmn e Zmx:

A B C D

1 25 50 40 40

2 20 40 35 50

3 15 30 20 15

4 10 5 15 10

02) O diretor de uma escola deseja inscrever quatro alunos num concurso de matemtica que engloba os seguintes assuntos: lgebra, Anlise, Lgica e Geometria. Somente
29

um aluno pode ser inscrito em cada assunto e nenhum aluno pode ser inscrito em mais de um assunto porque as provas do concurso ocorrero simultaneamente. Para isso ele seleciona seus quatro melhores alunos, A, B, C, D, e lhes aplica os mesmos exames cobrindo as quatro reas do concurso. O quadro abaixo indica o nmero de pontos que foi deduzido da nota de cada aluno em cada uma das reas:

A B C D

lgebra 7 8 4 5

Anlise 10 7 9 4

Lgica 6 8 3 6

Geometria 3 1 5 9

Qual aluno deve ser selecionado para cada um dos assuntos do concurso? 3) Uma empresa vende produtos em quatro regies e possui quatro vendedores para serem destacados, um para cada regio. As regies no so igualmente ricas e apresentam o seguinte potencial de vendas: Regio I Regio II Regio III Regio IV 60.000,00 u.m. 50.000,00 u.m. 40.000,00 u.m. 30.000,00 u.m.

Os vendedores, por outro lado, no so igualmente hbeis e as suas eficincias, que refletem a capacidade de atingir o mercado potencial da regio, so dadas pelo quadro que se segue: A B C D I 0,7 0,8 0,5 1,0 II 0,7 0,8 0,5 0,4 III 0,7 0,8 0,5 1,0 IV 1,0 1,0 1,0 0,4

30

4 - TEORIA DAS FILAS

4.1 - INTRODUO A teoria das filas envolve o estudo matemtico das filas ou linhas de espera. A formao de filas excede a capacidade de fornecer aquele servio. Os modelos matemticos se tornam complexos porque normalmente utilizam ferramentas que envolvem um tratamento estatstico ou estocstico. Fornecer uma capacidade excessiva de atendimento gera ociosidade, fornecer um atendimento deficitrio gera insatisfao, perda de clientes, perda de produo; tudo isto leva a uma relao muito forte entre as condies de um sistema de filas e a minizao dos custos no atendimento do mesmo. O estudo de sistemas de filas tem larga utilidade: a) No planejamento e controle da produo. b) No dimensionamento de sistemas de armazenamento. c) Nos sistemas de transportes. d) Nos sistemas de trfego (rodo-porto-areo-ferrovirio). e) Na manuteno de mquinas. f) em qualquer sistemas em que seja provvel a formao de filas para determinado atendimento. g) Nos sistemas de sade. h) Sistemas comerciais. SISTEMA DE FILAS

MECANISMO Potencial de clientes clientes FILA chegando ATENDIMENTO DE ATENDIDOS CLIENTES

Observaes: a) Potencial de clientes pode ser finito ou infinito; b) Os clientes podem chegar um de cada vez ou em blocos; c) A fila pode ter capacidade finita ou infinita; d) O mecanismo de atendimento pode ter um posto ou vrios, paralelos; e) O sistema engloba os clientes da fila e os clientes em atendimento. TERMINOLOGIA E NOTAO L = nmero mdio de clientes no sistema; LQ = nmero mdio de clientes na fila; W = nmero mdio de permanncia de um cliente no sistema; WQ = nmero mdio de permanncia de um cliente na fila; Pn = probabilidade de ter exatamente n clientes no sistema ou porcentagem do tempo em que o sistema fica com n clientes;

31

P(w>t) = probabilidade do tempo de espera no sistema ser maior que o tempo t. PROCESSO DE CHEGADA DOS CLIENTES NA FILA E PROCESSO DE ATENDIMENTO - As funes que definem os processos de chegada e atendimento so variveis aleatrias. A maioria dos problemas prticos tm seus processos de chegadas regidos por uma distribuio semelhante a de POISSON e os processos de atendimento, semelhante a uma distribuio EXPONENCIAL. 4.2 - A DISTRIBUIO DE POISSON Uma varivel aleatria tem uma distribuio de Poisson se sua funo de probabilidade for dada por: e k k P ( n) = send k = 0, 1, 2, 3, 4,... k! Onde uma constante maior do que zero. DISTRIBUIO DE POISSON MDIA VARINCIA 4.3 - EXERCCIO DISTRIBUIO DE POISSON 1) Numa rua passam em mdia 2 carros por minuto. Calcular a probabilidade de que em 2 minutos, passem a) exatamente 4 carros b) mais de 4 carros 2) Uma mquina produz tela de arame em rolos de 1m de largura. Cada 10 m corridos de tela apresentam em mdia 5 defeitos. Pensa-se reformar essa mquina para permitir que ela produza rolos de 1,20m de largura. Qual a probabilidade de uma amostra de 7,5 m de comprimento da nova produo apresentar: a) 9 defeitos b) 10 ou mais defeitos 3) Os nmeros de defeitos de solda e acabamento de uma certa pea so variveis de Poisson independentes, de mdias respectivamente 1,2 e 0,8. Calcular a probabilidade de que uma pea qualquer, no seja perfeita. 4) X uma varivel com distribuio de POISSON de mdia igual a 10. Calcule: a) P (k > 6) b) P(2 k 4) c) P(k 8 ) d) P(6 k 12)

32

5) O nmero de componentes defeituosos por aparelho de televiso montado tem sido observado como uma distribuio de Poisson com mdia = 2. Se 5 aparelhos so testados, qual a probabilidade de que o nmero de componentes defeituosos ultrapasse 10? 6) Numa fbrica determinado produto tem uma demanda que segue uma distribuio de Poisson com mdia diria = 25 unidades. Qual deve ser a quantidade mantida em estoque para que no haja falta em 95% dos casos? 7) Um sinal luminoso de trfego tem perodo de 1 minuto. Uma fase do ciclo de operao consiste em parar o trfego de veculos a travessia de pedestres tendo em vista que os pedestres chegam aleatoriamente a razo de 150 por hora. Deseja-se decidir se a fase deve ser automtica ou manual. Qual a probabilidade de durante 1 minuto no haver pedestres para ultrapassar? 4.4- DISTRIBUIO EXPONENCIAL Diz-se que uma varivel aleatria tem uma distribuio EXPONENCIAL quanto:
e k se k 0 P ( n) =

se k < 0

DISTRIBUIO EXPONENCIAL MDIA 1/ VARINCIA 1/2 4.5-EXERCCIO DISTRIBUIO EXPONENCIAL 1) Um determinado componente mecnico tem sua vida til ajustada a uma distribuio exponencial com mdia igual a 1000 dias. Calcule a probabilidade de uma pea durar mais de 1000 dias. 2) Certo tipo de parafuso tem uma vida til que segue uma distribuio exponencial com vida mdia de 100 horas, cada parafuso tem um custo de 10 U.M. e, s e durar menos de 200 horas, existe um custo adicional de 8 U.M.. a) Qual a probabilidade de um parafuso durar mais de 150 horas? b) Foi proposta a compra de uma outra marca que tem uma vida mdia de 200 horas e custo de 15 U.M.. Considerando tambm a incidncia do custo adicional, deve ser feita a troca das marcas? 3) A durao de certo tipo de condensador tem distribuio exponencial com mdia de 200 horas. Qual a proporo de condensadores que duram. a) menos de 100 horas?
33

b) mais de 500 horas? c) Entre 200 e 400 horas? 4) Uma companhia fabrica lmpadas com uma produo mdia de 100 horas e distribuio exponencial. a) Qual deve ser a garantia do fabricante para repor apenas 5% da produo? b) Qual a probabilidade de uma lmpada durar de 163 a 185 horas? 5) Um mecnico supervisiona uma mquina cujo intervalo de tempo entre enguios segue uma distribuio exponencial com taxa de um enguio a cada 20 horas. Por quanto tempo o mecnico no enguia enquanto ele se ausenta? 6) A vida da lmpada de um projetor de cinema completamente aleatria com mdia de 100 horas. Os fabricantes desejam oferecer uma garantia por estas lmpadas. Por quantas horas as lmpadas podem ser garantidas, de modo a se ter uma probabilidade de 0,95 de que elas funcionem pelo menos o nmero de horas garantido? 7) O papel fabricado por um mquina rasga-se durante o processo de fabricao, aleatoriamente, a uma razo mdia de um ruptura a cada 40 minutos. Se foi observado que o papel no rasgou nos ltimos 20 minutos, qual a probabilidade de que ele venha a se rasgar nos prximos 20 minutos? 8) Uma firma especializada em reparos de prensas atende a servios de emergncia. Cada trabalho demora 4 horas para ser concludo e o tempo entre a chegada de ordens sucessivas e distribudo exponencialmente com mdia de 5 dias. Por causa das condies de emergncia, os fregueses devem ser atendidos imediatamente. Calcule as probabilidades de que: a) No haja demanda de servios enquanto um determinado reparo estiver em execuo. b) Depois de concluda uma tarefa se passem no mnimo seis dias seguidos sem trabalho. 9) Considere uma loja na qual os clientes cheguem ao acaso numa mdia de 30 por hora. Que percentagem de intervalos de tempo entre chegadas sucessivas ser: a) maior do que 2 minutos? b) menor do que 4 minutos? c) entre 1 e 3 minutos? 4.6 - SISTEMAS I) Modelo P / E / 1 / capacidade de fila ilimitada um servidor processo de atendimento EXPONENCIAL processo de chegada POISSON FORMULRIO

34

1) Nmero mdio de clientes no sistema

L=

2) Nmero mdio de clientes na fila

2 LQ = ( ) 3) Tempo mdio de permanncia de um cliente no sistema

W=

4) Tempo mdio de permanncia de um cliente na fila

QQ =

( )

5) Probabilidade de ter n clientes no sistema

P (n) = ( ) n P0 1

P0 = 1

W = WQ +
L = W LQ = WQ

6) Probabilidade do tempo de espera na fila ser maior do que o tempo t (tempo qualquer)

P( w > t) = e ( ) t

II) Modelo P /E / S / capacidade de fila ilimitada nmero de servidores qualquer processo de atendimento EXPONENCIAL

35

processo de chegada POISSON

FORMULRIO 1) Probabilidade de ter zero clientes na fila

P0 =

1 ( )n n! + n=0
S 1

( )S S !(1 ) S

2) Probabilidade de n clientes na fila

( )n . P0 Pn = n!

se 0 n S

( )n Pn = P S !S n S 0

se n S

3) Nmero mdio de clientes na fila

P0 ( ) S ( ) S LQ = 2 ) S !(1 S 4) Nmero mdio de clientes no sistema

L = LQ +

5) Tempo mdio de permanncia de um cliente na fila

WQ =

LQ

6) Tempo mdio de permanncia de um cliente no sistema

36

W = WQ +

Probabilidade de n S S ) S P (n) = S !(1 ) S P0 (

t ( S 1 ) P0 ( ) S (1 e ) t ] P ( W > t) = e [1 + S !(1 )(S 1 ) S

4.7 - APLICAO (Dimensionamento de uma equipe de trabalho) Numa fbrica o nmero de quebra observados de 3 unidades/hora segundo uma distribuio de POISSON. A empresa dispe de 2 tcnicos especializados que cuidam desses defeitos. O tempo de atendimento segue uma distribuio EXPONENCIAL com taxa mdia de 30 minutos/unidade. As mquinas normlmente operam 8 hora/dia. O custo mdio por conserto de 2000 u.m./hora e o lucro perdido por mquina parada de 2500 u.m./hora, determinar o nmero timo de tcnicos. Do enunciado conclumos que = 3 unidades/hora e = 2 unidades/hora O CUSTO MDIO DIRIO (CMD) = (8)(L)(2500) +(8)(S)(2000) Com esses dados podemos elaborar o quadro: S P0 LQ L CMD S=2 0,143 1,93 3,43 100.541,43 S=3 0,210526 0,236842 1,7236842 82.473,68 S=4 0,2040816 0,047093 1,547093 94.941,86

Verifica-se que o ideal que o nmero de tcnicos seja de TRS (S=3), que tem um CMD menor do que S=2 voltando a aumentar para S 4 tcnicos. BIBLIOGRAFIA [01] OPERATIONS RESEARCH Frederick Hillier / Geral Lieberman Editora: Holden Day, INC PESQUISA OPERACIONAL Albert Von Ellenrider Editora: Almeida Neves Ltda

[02]

37

[03]

PESQUISA OPERACIONAL Pierre Jaccques Ehrlich Editora: Atlas S.A. PESQUISA OPERACIONAL Abelardo de Lima Puccini Editora: LTC S.A. LINEAR PROGRAMMING G. Hadley Editora: Addison - Voesley Co. PESQUISA OPERACIONAL E TRANSPORTES Antnio Galvo Novaes Editora: EDUSP / McGraw-Hill do Brasil S.A. ADMINISTRAO DE ESTOQUES Paulo Srgio Gonalves / Enrique Schwember Editora: INTERFERNCIA PROGRAMAO LINEAR Luzia Kazuko Yoshida Editora: Atual Editora APLICAES DE PESQUISA OPERACIONAL (Vol. I e II) Victor Mirshawaka Editora: Novel PESQUISA OPERACIONAL EM ENGENHARIA, ECONOMIA E ADMINISTRAO Tamio Shimizu Editora: Guanabara Dois PROGRAMAO LINEAR A. Barsov, A. Okhlopkova Editora: Mir Moscou APOSTILA INTRODUO PESQUISA OPERACIONAL Prof. Dr. Domingos Fernandes Campos - DEPT/UFRN Mdulo I INTRODUO PESQUISA OPERACIONAL Hillier/Lieberman 1a Edio em Portugus Editora Campus Ltda Editora da Universidade de So Paulo

[04]

[05]

[06]

[07]

[08]

[09]

[10]

[11]

[12]

[13]

[14] PEQUISA OPERACIONAL Russell Ackoff / Maurice W. Sassienei Coleo Universitria de Administrao

38