Pesquisa Operacional

PesquisaOperacional
Pesquisa Operacional
Anderson Lopes Belli Castanha

Eduardo Breviglieri Pereira de Castro
Copyright © 2009. Todos os direitos desta edição reservados ao Sistema Universidade Aberta do Brasil. Nenhuma parte deste material
poderá ser reproduzida, transmitida e gravada, por qualquer meio eletrônico, por fotocópia e outros, sem a prévia autorização, por escrito,
do autores.
PRESIDENTE DA REPÚBLICA
Luiz Inácio Lula da Silva
MINISTRO DA EDUCAÇÃO
Fernando Haddad
SECRETÁRIO DE EDUCAÇÃO A DISTÂNCIA

Carlos Eduardo Bielschowsky
DIRETOR DO DEPARTAMENTO DE POLÍTICAS EM EDUCAÇÃO A DISTÂNCIA

Hélio Chaves Filho
SISTEMA UNIVERSIDADE ABERTA DO BRASIL

Celso Costa
COMISSÃO EDITORIAL DO PROJETO PILOTO UAB/MEC

Marina Isabel Mateus de Almeida (UFPR)
Teresa Cristina Janes Carneiro (UFES)
DESIGNER INSTRUCIONAL
Denise Aparecida Bunn
Fabiana Mendes de Carvalho
Patrícia Regina da Costa
PROJETO GRÁFICO
Annye Cristiny Tessaro
Mariana Lorenzetti
DIAGRAMAÇÃO
Annye Cristiny Tessaro
REVISÃO DE PORTUGUÊS
Claudia Leal Estevão Brites Ramos
ORGANIZAÇÃO DE CONTEÚDO
Sumário
Apresentação....................................................07
UNIDADE 1 – Introdução à Pesquisa Operacional
Pesquisa Operacional...........................................................................11
Alguns conceitos iniciais para a Programação Linear............................13
Modelagem de um Problema de Mix de Produção..................................17
Solução gráfica do Problema de Mix de Produção.................................22
Solucionando Problemas de Otimização com o uso de Planilhas Eletrônicas.......29
Solução do Problema de Mix de Produção no Excel.................................31
O Algoritmo Simplex de Otimização......................................................37
Resumo............................................................................47
Atividades de aprendizagem.....................................................................48
UNIDADE 2 – Problemas de Mistura
O Problema da Dieta...........................................................................51
Solucionando o Problema da Dieta com o uso da Planilha Eletrônica.......56
Problema sugerido........................................................................62
Problema de Composição de Tintas..............................................65
Solucionando o Problema de Composição de Tintas com o uso do Excel.......67
Problema de Mix de Investimentos..............................................................72
O Problema de Mix de Investimentos Solucionado na Planilha Eletrônica......74
Problema Sugerido de Mix de Mídias.........................79
Resumo............................................................................80
UNIDADE 3 – Problemas de Capacidade
Produção de Laticínios.....................................................................85
Solucionando o Problema de Produção de Laticínios com o uso da
Planilha Eletrônica....................................................................88
Problema de Produção de Vidros................................................................93
Solucionando o Problema de Produção de Vidros com o uso do Excel.......95
Resumo............................................................................100
UNIDADE 4 – Problemas de Transportes
Problemas de Transporte.....................................................................103
Problema de Escoamento da Produção #1................................................105
A resolução do Problema de Transporte através de Planilha Eletrônica.......107
Problema de Escoamento de Produção #2................................................110
Solucionando o Problema de Transporte com o uso do Excel.........................113
Resumo............................................................................116
UNIDADE 5 – Outras Aplicações em Pesquisa Operacional
Ampliando o uso da Pesquisa Operacional...............................................121

Programação Inteira.......................................................................122
Programação Não-Linear.......................................................................124
Resumo............................................................................125
Referências.....................................................................................126
Minicurrículos.....................................................................................128
Apresentação
Caríssimo aluno,
Neste momento você inicia seus estudos sobre Pesquisa
Operacional. Em uma definição bastante simples, a Pesquisa
Operacional é um método de tomada de decisão com suporte científi-
co utilizado em problemas nos quais tentamos buscar a melhor solu-
ção possível. Mesmo nesta simplificação, podemos destacar sua prin-
cipal importância nos dias atuais: buscar a melhor solução possível.
Na vida do Administrador, existe uma quase obsessão dentro
das organizações: operar com o menor custo. Paralelo a isso, o Admi-
nistrador também persegue nas empresas o melhor lucro, certo? E por
outro lado, ele se depara em seu cotidiano com questões que envol-
vem limitações de insumos, de capacidade e de tantos outros recursos;
ainda mais em tempos modernos!
Ora, como alcançar o menor custo ou o maior lucro com recur-
sos escassos é um problema típico de Pesquisa Operacional. E, da
mesma forma que este, pode-se imaginar, ou ainda, vivenciar diversas
outras situações similares com impactos consideráveis no campo de
atuação das organizações. Separamos algumas destas situações para
apresentar a você neste curso!
O estudo de Pesquisa Operacional também cresce em importân-
cia nos dias atuais devido à facilidade do contato com ferramentas
informatizadas. Hoje, com a ajuda de um microcomputador e de softwares
cada vez mais interativos e populares, podemos solucionar grande parte
dessas situações problemáticas habituais do mundo dos negócios.
Neste material, procuramos elaborar justamente isso: aplicações
que você – futuro administrador – poderá utilizar em situações profis-
sionais com a ajuda de suporte computacional. Para isso, nós utiliza-
mos como ferramenta nesta apostila a planilha eletrônica do Microsoft®
Excel. Se você se sentir um pouco enferrujado, existem diversos
tutoriais gratuitos simples do Excel na Internet. Entre no Google com
os termos, tutorial e Excel, e vários resultados aparecerão. Um deles,
bastante simples, é o da Fundação Bradesco, disponível em: <http://
www.fundacaobradesco.org.br/vv-apostilas/ex_suma.htm>. Acesso
em: 5 maio 2009. Outra fonte importante é o site da própria Microsoft®
<www.microsoft.com.br>. Acesso em: 5 maio 2009.
Sugerimos ainda que, já no decorrer desta etapa de seus estudos,
você desenvolva grande interação com o seu professor e com o seu
tutor. Não hesite em expor suas dúvidas, seja de forma presencial ou
nos fóruns por meio do ambiente virtual. Esta articulação nos parece
essencial em seu processo de aprendizagem.
O material está dividido em 5 Unidades. Na primeira Unidade,
apresentamos a introdução do tema, com uma abordagem mais teóri-
ca, discorrendo sobre os conceitos básicos de Pesquisa Operacional.
Nas Unidades seguintes focamos em aplicações de Pesquisa
Operacional. Assim, na segunda Unidade, desenvolvemos os chama-
dos Problemas de Mistura. Na terceira Unidade, os Problemas de Ca-
pacidade. E, na quarta Unidade, apresentamos os Problemas de Trans-
porte. Por último, tecemos comentários sobre outros métodos utiliza-
dos em PO.
Aproveite seu estudo!
UNIDADE
1
Introdução
Introdução àà
Pesquisa
Operacional
Curso de Graduação em Administração a Distância
Objetivo
Nesta Unidade de estudo, vamos conhecer as definições e principais
conceitos acerca da Pesquisa Operacional. Estes fundamentos teóricos
nos darão suporte às etapas subsequentes. Veremos também como
escrever um Problema Linear – chamaremos esta ação de modelar – e
como solucioná-lo usando técnicas gráficas e computacionais. Devemos
nos recordar das equações e inequações matemáticas e dos gráficos de
equações, pois estes serão conhecimentos básicos necessários nesta Unidade.
10
Módulo 7
Pesquisa Operacional. O que é isso? Embora possa ser definida

de diversas formas, o conceito de Pesquisa Operacional foi apresenta-
do, de forma clara, por Colin (2007) como o uso de métodos matemá-
ticos necessários para resolver problemas nos quais existam o desejo
constante por otimização, ou seja, o melhor resultado possível e, prin-
cipalmente, orientados para aplicações práticas.
O dia-a-dia do Administrador está repleto de problemas que ne-
cessitam de decisões de otimização, tais como maximizar lucro e
minimizar o custo, não é mesmo? Então, nestas aplicações o uso da
Pesquisa Operacional se destaca na construção de soluções melhores
possíveis – as chamadas Soluções Ótimas.
A Pesquisa Operacional, ou somente PO, nasceu na Inglaterra
no esforço de guerra, da tentativa de alocar eficientemente os recursos
escassos, como nos conta Colin (2007). Tais problemas de operações
militares durante a guerra tinham semelhanças suficientes com os en-
contrados nas empresas no pós-guerra para animar seus administrado-
res a investir neste conhecimento. E foi principalmente pelo impacto
financeiro positivo obtido com sua utilização, que a PO alcançou mai-
or aceitação em decisões gerenciais.
Saiba mais...
Para conhecer mais sobre o desenvolvimento de Pesquisa
Operacional visite a página da Sociedade Brasileira de Pesquisa
Operacional no site: <http://www.sobrapo.org.br/sitesobrapo.htm>.
Acesso em: 4 maio 2009, e clique em “O que é PO?”
A Pesquisa Operacional abrange diversas técnicas – Programa-

ção Linear, Programação Não Linear, Programação Inteira, Progra-
mação Dinâmica, Programação Hierárquica etc., mas nos concentra-
11
Verifique no seu Excel remos aqui na Programação Linear; tradicional e poderosa o suficien-
se o Solver está habili- te para apresentar soluções às diversas questões de otimização na área
tado. Acesse o Excel gerencial. Grandes empresas utilizam ou já utilizaram esta técnica ge-
do Office 2003, no rando economias consideráveis.
menu ferramentas A definição de Mix de Produção – o que e o quanto produzir de
clique em Suplemen- cada produto, dados os respectivos custos e lucros – é um dos exem-
tos. Marque o Solver e plos de aplicação de PO. Você já pensou nesta questão? Ou nesta: se
Clique Ok. Se for uma empresa tem vários depósitos e atende várias cidades, quantos e
preciso instalar, clique de onde saem os produtos para cada cidade de forma a transportar e
na opção sim. Depois, atender todos pelo menor custo? Estas são aplicações típicas de PO.
você encontrará o Basta você transformar estes problemas em um Modelo que represen-
Solver no menu ferra- te a realidade, utilizar um software adequado (para facilitar a parte
mentas. Atenção! Nem matemática nós utilizaremos uma planilha de cálculo, tipo Excel atra-
todas as instalações do vés da ferramenta Solver) e encontrar uma possível melhor solução.
Office disponibilizam Em uma orientação prática, a ênfase neste material pretende fa-
automaticamente o miliarizar você aluno, com as aplicações mais usuais de Pesquisa
Solver. Se este for o Operacional. E, principalmente, familiarizar a Modelagem*, ou seja,
seu caso, será necessá- como escrever um problema real em uma linguagem matemática. A
rio utilizar o cd de intenção é apresentar problemas simples, mas de aplicações práticas.
instalação. Aprendendo a modelar os problemas básicos propostos, você poderá
avançar para aplicações mais complicadas.
GLOSSÁRIO
*Modelagem – é o
processo de escre-
ver algum aspecto
da realidade através
de simbologia. No
caso da PO, as
simbologias são as
equações e
inequações mate-
máticas. A Modela-
gem sempre simpli-
fica a realidade.
Fonte: elaborado
pelos autores.
12
Módulo 7
Alguns conceitos iniciais para a

Programação Linear
Como vocês já estudaram em matemática, uma função é chama-

da de linear se ela mantém uma relação linear entre suas variáveis,
assim:
y = f(x1, x2, x3,... xn)

y = c1.x1 + c2.x2 + c3.x3 + ... + cn.xn
Vamos agora imaginar esta situação na prática: quando você re-

aliza uma compra no supermercado, o valor final que você irá pagar –
“y” – no caixa, ou seja, “f(x1, x2, x3,... xn)”, será a quantidade do item
1 (x1) vezes o preço do item 1 (c1) mais a quantidade do item 2 (x2)
vezes o preço do item 2 (c2) e assim por diante... O (c) como preço é a
constante conhecida.
Ou seja, o “y” (valor a pagar) mantém uma relação linear com
seus argumentos itens de compra “x1, x2, x3,... xn”, e com suas cons-
tantes conhecidas “c1, c2 , c3 ... c n”, preços dos itens de compra.
Por outro lado, uma função não-linear seria do tipo:
y = f(x 1, x2, x3) = c1.x13 + c2.x22 + c3.x3
Observe que em uma função não-linear você encontra pelo me-

nos uma variável elevada a uma potência não unitária (2, 3 etc.). No
exemplo, x1 está elevado ao cubo (três) e x2 está elevado ao quadrado
(dois), ou seja, está caracterizada a não-linearidade da função.
Assim, um Problema de Programação Linear (PPL) é um pro-
blema no qual todas as equações, por exemplo, (f(x1, x2, x3) = A) e
inequações, por exemplo, (f(x1, x2, x 3) > A) são lineares.
Dito isso, alguns conceitos iniciais são necessários para você
compreender melhor a Pesquisa Operacional. Então veja bem: estamos
preocupados com problemas de otimização e para isso vamos formu-
13
lar Modelos objetivando a melhor solução possível em processos de

tomada de decisão, alocando de forma otimizada recursos escassos
para produzir/realizar/investir em alguma coisa. Aqui podemos identi-
ficar algumas palavras chaves: um objetivo, um modelo, otimização, a
decisão, os recursos. Vamos ver alguns conceitos (COLIN, 2007;
BRONSON, 1986):
Problema de Otimização: Em um Problema de Otimização,

a pessoa que irá tomar a decisão busca maximizar ou
minimizar uma quantidade especificada, por exemplo,
GLOSSÁRIO maximizar lucro ou minimizar custos. Em um problema de
*Mix de Produção – cálculo do quanto produzir de cada item em uma fábrica –
conjunto dos produ- um Problema de Mix de Produção* – o objetivo seria
tos produzidos por maximizar o lucro buscando a melhor quantidade de cada
uma unidade de produto a ser produzida.
operação, fábrica
Modelo: Podemos chamar de Modelo aquilo que representa-
ou empresa. Fonte:
mos em uma situação real, como um problema de gestão, por
elaborado pelos au-
exemplo, de modo simplificado por meio de equações e
tores.
inequações matemáticas de forma a modelar a realidade. A
*Sofisticação do Sofisticação do Modelo* dependerá do nível de tomada de
Modelo – é o quan- decisão que pretendemos. Por exemplo, em um Problema de
to o Modelo simpli- Mix de Produção, o Modelo representaria todos os custos de
fica ou se aproxima produção: a capacidade de produção de cada item, a sua quan-
da realidade. Quan- tidade disponível, a sua demanda e o seu lucro.
to maior a sofistica-
Variáveis de Decisão: São as variáveis utilizadas no Mode-
ção, mais próximo
lo que podem ser escolhidas e controladas pela pessoa que
da realidade, mais
irá tomar a decisão. A melhor solução possível – a Solução
perfeito é um Mode-
Ótima – é uma combinação de resultados das Variáveis de
lo. Ao contrário,
Decisão. No Problema de Mix de Produção, uma variável de
quanto mais simples
decisão seria a quantidade do produto versus o que eu deve-
for o Modelo, mai-
ria produzir.
or será a probabili-
dade de erro na so- Parâmetros: São as variáveis utilizadas no Modelo que não
lução.) Fonte: elabo- podem ser controladas pela pessoa que irá tomar a decisão.
rado pelos autores. São valores muitas vezes pré-determinados e a solução en-
contrada é considerar fixos estes valores. No Problema de
Mix de Produção, um Parâmetro seria a capacidade máxima
de uma máquina de produzir um determinado produto x –
14
Módulo 7
este valor é pré-determinado para aquela máquina por ques-

tões técnicas ou de segurança, e não é possível produzir mais
do que aquilo que foi especificado.
Função-Objetivo: É a função que expressa o principal obje-
tivo da pessoa interessada na decisão. Como vimos, procura-
remos maximizar ou minimizar o resultado desta função. (Você consegue
Maximizar quando a função se referir a lucro, receita, ganhos, pensar em mais coisas
bem-estar etc. Minimizar quando a função se referir a custos, que você poderia
riscos, perdas etc. No nosso exemplo, poderia ser maximizar maximizar ou
lucro.
minimizar?)
Restrições: Estamos buscando decisões de como melhor uti-
lizar recursos escassos, não é isso? Pois então, recursos es-
cassos são limitados, e, essas limitações restringem nossas
opções de decisão: são as Restrições do Problema! Como
vimos na conceituação dos Parâmetros, a capacidade máxi-
ma de uma máquina tem que ser respeitada: isto é uma Res-
trição de Capacidade, ou seja, é uma limitação que devemos
obedecer.
Solução Viável: Diz-se que uma solução é viável quando os
valores das Variáveis de Decisão desta solução resolvem o
problema, atendendo as restrições, mas não necessariamente
oferecendo o melhor resultado possível. Por exemplo, em um
Problema de Mix de Produção, uma Solução Viável seria uma
solução que resolve as Restrições de Capacidade, que aten-
de a demanda, mas não fornece o maior lucro possível para a
empresa.
Solução Inviável: Diz-se que uma solução é inviável quan-
do pelo menos um valor das Variáveis de Decisão desta solu-
ção não atende a pelo menos uma Restrição do Problema,
assim, ela não satisfaz as necessidades impostas. Neste caso,
no Problema de Mix de Produção, uma Solução Inviável não
satisfaz as restrições que podem ser de capacidade ou de de-
manda, por exemplo.
Solução Ótima: É a Solução Viável que maximiza ou
minimiza o resultado da Função-Objetivo. Ela, por ser viá-
vel, atende e satisfaz todas as Restrições do Problema e retorna
à empresa o melhor resultado possível.
15
Propriedades – divisibilidade, aditividade,

proporcionalidade e certeza: Você se lembra que já comen-
tamos sobre os Problemas de Programação Linear? Pois al-
gumas características são necessárias para estes tipos de pro-
blemas. São elas:
Divisibilidade: indica que as Variáveis de Decisão podem ser
fracionadas, isto é, elas não precisam assumir valores inteiros.
Certeza: presume que todos os Parâmetros são conhecidos
com certeza. Isto nem sempre é verdade, mas podemos utili-
zar Parâmetros fixos e analisar os resultados para conferir o
efeito de alguma incerteza.
Aditividade: indica que a relação entre uma variável e outra
é sempre de adição ou de subtração e nunca de outras opera-
ções: o lucro máximo de uma empresa será o lucro obtido
pela produção da quantidade x1 do produto 1 mais o lucro
obtido pela quantidade x2 do produto 2 mais o lucro obtido
pela quantidade x3 do produto 3 e assim por diante. Nunca
seria assim: o lucro máximo de uma empresa é o lucro obtido
pela produção da quantidade x1 do produto 1 vez o lucro
obtido pela quantidade x2 do produto 2, ok?
Proporcionalidade: diz respeito à contribuição de uma vari-
ável de decisão na Função-Objetivo ou das restrições serem
(Reflita sobre o assun- proporcionais ao valor daquela variável. Exemplificando: se
to. Isto seria de se o lucro associado à produção de uma unidade do produto 1 é
esperar? Pense como de R$ 1,00; o lucro obtido pela produção de 100 unidades
ficaria se, ao invés de será de R$ 100,00 e o lucro para 100.000 unidades será de
R$ 100.000,00. Desta forma, o lucro unitário não se altera
lucro, fosse o custo?
conforme a quantidade produzida.
Pesquise sobre Econo-
mias de Escala.)
16
Módulo 7
Modelagem de um Problema de
Mix de Produção
Neste momento, vamos tentar modelar matematicamente um pro-

blema real. A chamada Modelagem é um processo de entendimento e
interpretação do problema e requer muita atenção. Vamos ao nosso
exemplo:
A empresa Manufactura Ltda busca o maior lucro possível

fabricando dois tipos de produtos que denominaremos pro-
duto A e produto B. Cada produto A dá um lucro para a fá-
brica de R$ 50,00 reais e cada produto B, um lucro de R$
40,00. Entretanto, o produto A leva 30 minutos para ser mon-
tado, e o produto B, apenas 20 minutos. Depois de monta-
dos, os produtos têm de ser embalados. Devido às dimensões
e outros fatores, o produto A precisa de apenas 5 minutos
para este procedimento, ao passo que o produto B necessita
de 10 minutos para a embalagem. A mão-de-obra utilizada
na empresa é constituída de funcionários que realizam igual-
mente as duas atividades, em uma jornada de 8 horas de tra-
balho. Assim, o tempo dos funcionários é alocado parcial-
mente para a montagem e parcialmente para a embalagem
dos produtos. A empresa estabeleceu que, por dia, a monta-
gem não deveria ocupar mais do que 6 horas (360 minutos,)
e a embalagem não deveria gastar mais do que 2 horas (120
minutos). Outra restrição, obtida pela experiência da empre-
sa, estabeleceu que não mais do que 20 produtos A produzi-
dos por dia são absorvidos pelo mercado consumidor.
Agora se pergunte: o que a empresa deseja? Vamos lá! Maximizar

o lucro? Veja só: A empresa Manufactura Ltda busca o maior lucro
possível fabricando dois tipos de produtos, que denominaremos pro-
duto A e produto B. Como os dados são referentes ao período de um
dia, para simplificar vamos maximizar o lucro diário!
17
Quais os produtos que a empresa Manufactura produz? A e B,

não é? Então, como podemos representar o lucro diário da empresa
Manufactura? Seria assim, veja:
Lucro Dia = (Lucro do Produto A x Quantidade diária de A)

+ (Lucro do Produto B x Quantidade diária de B)
Você concorda? Então vamos escrever matematicamente recor-

dando que: cada item A dá um lucro para a fábrica de R$ 50,00 reais e
cada item B, um lucro de R$ 40,00.
Lucro Dia = R$ 50,00 x Quantidade de A + R$ 40,00 x Quantidade de B.
Vamos chamar o lucro dia de “z”; a quantidade diária de A de x1 e

a quantidade diária de B de x2. Substituindo a expressão acima, teremos:
z = 50 x1 + 40 x2
E a empresa objetiva o que mesmo? Maximizar o lucro diário!

Assim, temos a nossa Função-Objetivo:
Max z = 50 x1 + 40 x2
Tudo tranquilo até aqui? Então, quais são as Variáveis de Deci-

são? São as quantidades de A e de B a serem produzidas por dia, ou
seja, x 1 e x2. São estas as variáveis que o responsável pela tomada de
decisão pode controlar e alterar para obter o melhor lucro. Mas a
Manufactura pode produzir, em um dia, o quanto quiser de A e de B,
à vontade? Não, não pode. Produzir nesta empresa como nas demais,
está sujeito às restrições. Assim, uma restrição salta aos olhos: a expe-
riência obtida pela empresa estabelece que não mais do que 20 itens A
produzidos por dia são absorvidos pelo mercado consumidor. Ou seja,
a quantidade de A por dia tem que ser menor ou igual a 20! Matema-
ticamente temos:
Restrição 1: x1 ≤ 20
18
Módulo 7
Mas vamos lá, continuemos com a Modelagem identificando mais

restrições.
O dia trabalhado dentro da Manufactura tem 8 horas e a empre-
sa deixa 6 horas para montar e 2 horas para embalar, não é isso?
Relembre: A empresa estabeleceu que, por dia, a montagem deveria
ocupar não mais do que 6 horas (360 minutos), e a embalagem não
deveria gastar mais do que 2 horas (120 minutos).
Mas quantos minutos o item A gasta para ser montado? O item A
leva 30 minutos para ser montado! E o B? O Item B, apenas 20 minutos.
Se a empresa estabelece que, por dia, apenas 6 horas de trabalho
podem ser destinadas à montagem, ou seja, 360 minutos de monta-
gem; quantos itens A e B são possíveis montar em 1 dia?
Para cada A = 30 min., então x1 Unidades de A vão gastar:

30x1 min.
Para cada B = 20 min., então x2 Unidades de B vão gastar:
20x2 min.
Ok? Estes dois tempos somados – o que se gasta montando A e

o que se gasta montando B – não podem ultrapassar 6 horas ou 360
minutos por dia de montagem. Repare que se a empresa quiser montar
mais do A, terá que reduzir o B para dar tempo e vice-versa. Isto é
uma Restrição de Capacidade. E a decisão é justamente tentar otimizar
a relação entre A e B: o quanto eu produzo de A e de B para ocupar o
tempo todo e gerar mais lucro:
Restrição 2: 30x1 + 20 x2 ≤ 360
Para esta restrição, uma Solução Viável seria x 1 = 10 Uni-

dades e x2 = 2 Unidades. Assim, teríamos 30 x 10 + 20 x 2 =
340 minutos, respeitando as 6 horas disponíveis. Uma Solu-
ção Inviável seria x1 = 10 Unidades e x2 = 4 Unidades. As-
sim, teríamos 30 x 10 + 20 x 4 = 380 minutos, o que excede
as 6 horas disponíveis.
19
Se você repetir o raciocínio para a área de embalagem vai verifi-

car que é muito parecido: o item A precisa de apenas 5 minutos para
este procedimento, enquanto que o Item B necessita de 10 minutos
para a embalagem. Ou seja, na embalagem:
Para cada A = 5 min., então x1 Unidades de A vão gastar: 5x1

min.
Para cada B = 10 min., então x2 Unidades de B vão gastar:
10x2 min.
E como a Manufactura só disponibiliza 120 minutos por dia para

embalar, temos:
Restrição 3: 5x1 + 10 x2 ≤ 120

Uma última restrição é uma condição física inerente ao proble-
ma: os valores de x1 e x2 devem ser positivos. Isto é, não podemos
fabricar uma quantidade negativa de um produto. Esta restrição, cha-
mada de não-negatividade, é bastante comum em problemas de Pro-
gramação Linear. Então temos:
Restrição 4: x1 ≥ 0; x2 ≥ 0
Assim, terminamos de modelar nosso problema e resumimos todo
o texto em poucas equações:
Encontrar: z, x1 e x2
Maximizar: z = 50x1 + 40x2
GLOSSÁRIO Restrito a: 30x1 + 20x2 ≤ 360
*Forma Canônica – 5x1 + 10 x2 ≤ 120
tipo de representa-
ção formal de um x1 ≤ 20
Modelo por meio de x1 ≥ 0 e x2 ≥ 0
um sistema de equa-
ções e inequações. A esta formulação chamamos de Forma Canônica* do problema.
Fonte: elaborado Seguindo uma sequência, proposta por Bronson (1986), resumi-
pelos autores. mos, a seguir, o que fizemos:
20
Módulo 7
Passo 1: Identifique o objetivo do problema, que pode ser

maximizar (lucro, receita, ganhos, etc.) ou minimizar (cus-
tos, perdas, riscos, etc.). Formule este objetivo em uma equa-
ção com as Variáveis de Decisão:
z = c 1x1 + c 2x2 + c3x3 + ... + cnxn
Passo 2: Identifique todas as exigências, restrições e limita-

ções estipuladas pelo problema. Formule estas restrições
matematicamente. Geralmente, você irá encontrar equações
e inequações do tipo:
a1x 1 + a2x2 + a3x3 + ... + anxn ≥ d1 e/ou
b1x1 + b2x2 + b3x3 + ... + b nxn ≤ d2 e/ou
b1x1 + b2x2 + b 3x3 + ... + bnxn = d2
Passo 3: Expresse as condições implícitas no problema. As

condições de não-negatividade:
x1 ≥ 0; x2 ≥ 0; x3 ≥ 0; ... ; xn ≥ 0
21
Solução gráfica do Problema

de Mix de Produção
(Procure na Internet
mais sobre algoritmos Um problema de Programação Linear é geralmente solucionado
e Simplex. Pesquise com a aplicação de algoritmos*, como o Simplex, que será explicado
sobre George Dantzig, mais detalhadamente ao final deste capítulo. Entretanto, para uma com-
o criador do método preensão mais clara do problema e do tipo de solução que pode ser
Simplex.) encontrada, pode-se dar uma interpretação gráfica a ele.
Para tanto, é importante que o problema escolhido como exem-
GLOSSÁRIO plo possua apenas duas Variáveis de Decisão, para permitir a
*Algoritmo – pro- visualização num único plano. Assim, utilizaremos o problema de Mix
cedimentos de lógi- de Produção, que possui esta característica (apresentando as variáveis
ca computacional x1 e x2) e que pode ser descrito, em sua Forma Canônica, como:
ou não que descre-
vem os passos para Encontrar: z, x1 e x2
a resolução de um
problema proposto.
Fonte: elaborado Restrito a: 30x1 + 20x2 ≤ 360
pelos autores. 5x1 + 10 x 2 ≤ 120
x1 ≤ 20
x1 ≥ 0 e x2 ≥ 0
Note bem. A construção da solução começa estabelecendo-se

Os eixos cartesianos dois eixos cartesianos, um para cada variável do problema. Neste caso
(horizontal e vertical) específico, o eixo horizontal é reservado para a Variável de Decisão x1
delimitam uma região e o eixo vertical para a outra Variável de Decisão x2. A região deste
no plano para as gráfico que contém as soluções possíveis para o problema é denomi-
soluções de nosso nada Região Viável. Se não houvesse Restrições, esta região seria todo
problema. o plano infinito cortado pelos eixos x 1 e x 2. Entretanto, como você já
sabe, o Problema de Programação Linear se caracteriza essencialmen-
te pelas Restrições impostas, e são estas Restrições que diminuirão o
plano para uma região viável com limites bem definidos.
22
Módulo 7
Vamos lembrar que a Solução Ótima procurada deve estar ape-

nas na região onde x1 e x2 assumem valores positivos. São as Restri-
ções de não-negatividade do problema, que já foram citadas e são re-
presentadas pelas inequações da última linha do problema:
x1 ≥ 0 e x2 ≥ 0
Veja que, graficamente, isto limita o espaço de soluções possí-

veis à região do gráfico mostrada na Figura 1:
Figura 1: O espaço de soluções possíveis

Fonte: elaborada pelos autores
Da mesma forma, podemos introduzir as outras Restrições do

Problema. Assim, a restrição x1 ≤ 20, estabelece que somente são viá-
veis as soluções no gráfico à esquerda da reta definida pela equação
x1 = 20. A Região Viável é assim reduzida para (ver Figura 2):
Figura 2: Região Viável para uma das Restrições

23
A restrição 30x1 + 20x2 ≤ 360 é apenas um pouco mais compli-

cada de ser traçada, mas também não apresenta nenhum problema de
determinação. Podemos começar considerando o valor de x1 igual a
zero para descobrirmos em que ponto a reta corta o eixo x2. Fazendo
as contas, verificamos x1 = 0, x2 = 18. Depois, da mesma maneira,
vamos considerar o valor de x2 igual a zero e determinaremos então o
ponto em que a reta corta o eixo x1. Neste caso, veja que x2 = 0, x1 = 12.
Com estes dois pontos, a reta pode ser traçada, obtendo-se o gráfico
da Figura 3. Note que para esta restrição, a Região Viável é o triângu-
lo ressaltado em cinza delimitado pela reta e pelos dois eixos.
Mas o que significa isso? Com a interpretação gráfica podemos
observar que quaisquer dos dois valores de x2 e x1 dentro desta região,
determinam um ponto que é uma solução possível para o problema e sa-
tisfaz a Restrição determinada pela inequação 30x1 + 20x2 ≤ 360.
Figura 3: Região Viável para uma segunda Restrição

Agora verifique a última Restrição do problema. Note que a

inequação 5x1 + 10x2 ≤ 120, é semelhante à anterior. Usando a mesma
abordagem, obtemos os dois pontos x1 = 0; x2 = 12 e x2 = 0; x1 = 24.
Traçando a nova reta com este dois pontos, obteremos uma nova Re-
gião Viável para esta outra Restrição, como pode ser observado na
Figura 4.
24
Módulo 7
Figura 4: Região Viável para a terceira Restrição

Desta forma, é possível obter as Regiões Viáveis para cada uma

das Restrições. Entretanto, é claro que o problema proposto exige que
todas as Restrições sejam satisfeitas ao mesmo tempo, e assim, deve-
mos compor um gráfico que sobreponha cada uma delas e que nos
permita visualizar a região viável global.
A composição das Restrições pode ser vista na Figura 5 e na
Figura 6. A região mais escura do gráfico representa a área que pode
conter soluções que satisfazem a todas as Restrições do Mix de Produ-
ção: é a nossa Região Viável procurada. Lembre-se que o Ponto Óti-
mo de produção, aquele que maximizará o lucro da empresa
Manufactura Ltda, deverá estar contido nesta área.
Figura 5: Composição das Regiões Viáveis para as três Restrições

25
Figura 6: Região Viável para todas as Restrições

Agora que já conhecemos a Região Viável para as soluções do

problema, podemos passar para o próximo passo, que é exatamente
determinar o Ponto Ótimo, ou a Solução Ótima que maximize os lu-
cros da empresa. Observe que a função que fornece o lucro é dada por
z = 50x1 + 40x2. Note que, graficamente, para cada valor de “z” pode-
se traçar uma reta diferente. Mas quais são os aspectos destas diferen-
tes retas? Vamos traçar qualquer uma delas no gráfico e ver o que
podemos concluir.
Considere, por exemplo, a reta que contém o ponto x1 = 0; x2 = 5.
Se substituirmos estes dois valores na equação, obteremos um valor
de z = 200. Veja:
z = (50 x 0) + (40 x 5) = 200
Conhecendo o valor de “z”, podemos então tentar obter as coor-

denadas para x 1 e x2 de outro ponto desta mesma reta. Por conveniên-
cia, vamos estabelecer que o novo valor de x2 seja igual a zero. Assim,
só nos restará obter o valor de x1. Substituindo x2 = 0 na equação para
obtermos o novo ponto, teremos:
200 = 50x1 + (40 x 0) → x1 = 4
O novo ponto possui então as coordenadas x1 = 4; x2 = 0.

Agora já é possível traçar esta primeira reta que liga os dois pontos
x1 = 0; x2 = 5 e x1 = 4; x2 = 0. Na Figura 7 você pode ver o seu traçado.
26
Módulo 7
Observe que, por estar contida dentro da Região Viável, qual-

quer ponto desta reta representa uma Solução Viável para o problema
com um lucro para a empresa de R$ 200,00 (z = 200). Entretanto,
como você pode claramente inferir, esta ainda não é a Solução Ótima.
Mas já conhecemos, pelo menos, os aspectos que as diversas retas têm
representando os diversos lucros (diferentes valores para “z”).
Figura 7: Reta da função lucro para z = 200

Note que quando o valor de “z” aumenta, por exemplo, quando

z = 400, a reta se move de forma paralela à apresentada na figura.
Desta forma, a reta mais alta que toca na figura em apenas um ponto é
a Solução Ótima.
Seguindo este raciocínio, podemos garantir que para todo e qual-
quer valor de “z”, há uma reta única com a mesma inclinação daquela
primeira reta que acabamos de determinar. Isso porque os coeficientes
de x1 e x2 são sempre constantes e iguais a 50 e 40, respectivamente.
Portanto, todas as retas de “z” serão paralelas umas as outras. Resta
então uma única questão a se responder: quais destas retas indicam o
valor máximo do lucro?
Olhando novamente o gráfico, percebemos que à medida que x1
e x2 aumentam seus valores, a reta da equação de “z” se afasta da
origem. Se continuarmos traçando retas paralelas e lembrando que es-
tas retas devem possuir pelo menos um ponto dentro da Região Viável,
veremos que a reta que procuramos é aquela que passa pelo ponto ex-
tremo representado pela interseção das restrições cujas inequações são:
27
30x1 + 20x2 ≤ 360 e 5x1 + 10 x 2 ≤ 120
Este ponto, como podemos observar na Figura 8 e na Figura 9,

tem como coordenadas x1 = 6; x2 = 9. Se substituirmos estes dois valo-
res na equação de “z” temos:
z = (50 x 6) + (40 x 9) = 660
Este é o lucro máximo que pode ser obtido para o problema pro-
posto. Assim resolvemos o problema de Mix de Produção. Para
maximizar seus lucros, cada empregado da empresa deve então pro-
duzir lotes de 6 itens de A e 9 itens de B. Cada lote resultará em um
lucro de R$ 660,00.
Figura 8: Reta da função lucro máximo e respectivos valores de x1 e x2

Figura 9: Reta da função lucro máximo para z = 660

28
Módulo 7
Solucionando Problemas
de Otimização com o uso
de Planilhas Eletrônicas
Como você pode imaginar, na prática cotidiana das empresas, o (Procure na Internet
cálculo de um problema de otimização é realizado com o auxílio de por outras ferramentas
ferramentas computacionais e, não com o método gráfico visto an- computacionais para a
teriormente. solução de Problemas
Existem dois tipos, básicos, de programas desenvolvidos para de Programação
esta finalidade. Softwares dedicados, geralmente utilizados quando o Linear. Uma dica é o
Modelo matemático vai ser usado frequentemente, dentro de uma roti- site da Lindo System:
na operacional da empresa; e softwares mais flexíveis, que devem ser <www.lindo.com>.
usados quando o Modelo será trabalhado poucas vezes. Neste último Acesso em: 4 maio
caso, uma boa opção é se servir de algoritmos de solução de proble- 2009.)
mas (Solvers) que fazem parte das ferramentas disponíveis em planilhas
eletrônicas de uso generalizado, como o Lotus123 ou o Microsoft®
Excel. Assim, e considerando a ampla difusão do Excel entre os usuá-
rios brasileiros – você provavelmente já utiliza o Excel –, os exemplos
desta apostila serão baseados no Solver disponível na versão padrão
desta planilha eletrônica.
Para construir uma planilha eletrônica de fácil utilização e com-
preensão você precisará considerar algumas características importantes:
Em primeiro lugar, sugere-se que, antes de partir para a efeti-

va utilização do software, o problema seja bem estudado e os
dados bem organizados. Isto é fundamental para a constru-
ção do Modelo matemático.
Outra sugestão é que se estruture a planilha de forma que
haja uma leitura fácil de quais células contêm as Variáveis de
Decisão, a Função-Objetivo, os coeficientes das Restrições
e assim por diante.
Finalmente, é importante que haja comunicabilidade com o
usuário, na forma de títulos explicativos que exponham cla-
29
ramente o que cada região da planilha contém e, qual sua

função no problema.
Seguindo estas diretrizes, podemos passar então à solução de

um primeiro exemplo de Problema de Otimização através do Excel,
ou de Mix de Produção, cuja formulação já foi vista anteriormente.
30
Módulo 7
Solução do Problema de
Mix de Produção no Excel
Novamente, como no item de interpretação gráfica de um Pro-

blema de Programação Linear, antes de partir para a construção da
planilha eletrônica, vamos relembrar o Modelo determinado para o
problema de Mix de Produção, em sua Forma Canônica:
Encontrar: z, x1 e x2
Restrito a: 30x1 + 20x2 ≤ 360
5x1 + 10 x2 ≤ 120
x1 ≤ 20
x1 ≥ 0 e x2 ≥ 0
A Figura 10 mostra como uma planilha poderia ser construída

para conter o Modelo matemático deste problema.
Figura 10: Planilha construída para resolução do problema

31
Veja que procuramos separar as regiões horizontalmente e

explicitá-las de modo que facilmente se perceba onde se encontram
cada parte do Modelo. A linha 2 foi escolhida para descrever a Fun-
ção-Objetivo do problema. A linha 5 para o número de itens fabrica-
dos. Na linha 8, colocamos o lucro unitário que a empresa obtém para
cada um dos itens. Finalmente, as linhas 12, 13 e 14 são reservadas
para a entrada das Restrições do Problema.
Para facilitar ainda mais a visualização do problema, alguns blo-
cos foram sombreados em cinza claro. Serão estas células que terão
seus conteúdos modificados pelo Solver do Excel. As outras células
utilizadas, em fundo branco, contêm valores numéricos ou fórmulas
que devem ser introduzidas diretamente pelo usuário.
Vamos começar inserindo, na célula D2, a fórmula da função
que desejamos maximizar. No caso, o lucro total da produção, repre-
sentado pela soma dos lucros conseguidos com cada item; estes calcu-
lados pela multiplicação dos seus lucros unitários (células D8 e E8)
pelas respectivas quantidades produzidas (células D5 e E5). Assim,
na célula D2, digitamos:
= (D5*D8) + (E5*E8)
O próximo passo é inserir os valores dos lucros unitários de cada

item produzido pela empresa nas células D8 e E8. No nosso exemplo,
D8 deve conter o valor 50, e E8 o valor 30.
Em seguida, devemos preencher os blocos de células reservados
para os coeficientes das Restrições (lado esquerdo e direito das
inequações). Na planilha, os coeficientes são inseridos nas células D12,
D13, D14, E12, E13 e E14. Os valores para o lado direito das Restri-
ções ficam nas células I12, I13 e I14. Veja um exemplo na Figura 11:
Figura 11: Esquema de alocação das Restrições na planilha

32
Módulo 7
Assim que acabar de digitar os coeficientes, você pode prosse-

guir inserindo as fórmulas do lado esquerdo das Restrições do Modelo
no bloco de células reservado para tal. Em nossa planilha de exemplo,
este bloco de células trata-se das células G12, G13 e G14. Assim,
G12 deve conter:
= (D12*D5)+(E12*E5)
que representa a soma das multiplicações dos coeficientes em D12 e

E12 pelas respectivas quantidades produzidas de cada item, contidas
nas células D5 e E5. Da mesma forma, as outras inequações são
inseridas em G13:
= (D13*D5)+(E13*E5)
e, em seguida, na célula G14:
= D5
Assim, finalizamos a entrada de dados na planilha. Tudo o que

resta agora é recorrer ao Solver do Excel para a realização dos cálcu-
los. Para isso, basta ir até o menu do Excel, escolher ferramentas, e
clicar na opção Solver. Veja a Figura 12: (O Solver faz através
de seu algoritmo o que
foi visto na abordagem
gráfica anteriormente.)
Figura 12: Localização do Solver no menu do Excel

33
Uma janela para entrada de Parâmetros se abrirá. É preciso ago-

ra informar ao Solver em que posições na planilha se encontram as
células contendo a Função-Objetivo, as Variáveis de Decisão (que no
Solver do Excel são chamadas de “células variáveis”) e os lados es-
querdo e direito das Restrições. Veja na Figura 13 a posição de cada um
dos blocos de células e o aspecto final da tela de entrada de dados do
Solver, para o Modelo do problema do Mix de Produção a ser calculado.
Caso você encontre dificuldades no uso do Solver, consul-

te o seu tutor sobre os passos necessários para entrada dos
dados e a execução dos cálculos.
Figura 13: Tela do Solver

Na janela de Parâmetros do Solver existe também o botão op-

ções que dá acesso à janela da figura a seguir. Para os exemplos que
utilizaremos nesta apostila, devemos presumir que o Modelo é linear e
que as soluções deverão ser sempre não negativas. Assim, selecione
essas duas opções de Parâmetros, no local indicado pela seta na Figu-
ra 14. Note que existem outras opções na tela do Solver que não se
aplicam aos problemas que estamos tratando neste curso.
34
Módulo 7
Figura 14: Tela de opções do Solver

Depois de preencher as opções como indicado, pressione a tecla

ok. A janela se fechará e a tela anterior será mostrada. Agora para
executar o algoritmo de otimização, basta clicar no botão resolver e
instantaneamente o Excel calculará a solução. Se você aceitar o cálcu-
lo, o programa retornará automaticamente para a planilha, onde po-
dem ser observados os resultados.
Note que as células sombreadas em cinza claro tiveram seus va-
lores modificados, como esperado. De principal importância, são as
células D2, que contém a Função-Objetivo a ser maximizada (lucro
máximo que pode ser obtido pela empresa) e as células D5 e E5, mos-
trando a quantidade de itens que devem ser fabricados para que se
obtenha este lucro máximo. Além disso, as células (G12 a G14) mos-
tram agora os valores obtidos com a solução para cada uma das Res-
trições. Veja na Figura 15 que todos estes valores se encontram dentro
dos limites desejados.
Como vimos anteriormente, o lucro máximo para este Problema
de Mix de Produção é de R$ 660,00, obtido com a fabricação diária de
6 itens A e 9 itens B por cada funcionário da empresa.
35
Figura 15: Planilha resolvida para o problema de Mix de Produção

36
Módulo 7
O Algoritmo Simplex de Otimização
Vimos no item anterior como um Problema de Programação Li-

near pode ser resolvido com o uso de uma planilha eletrônica. Mas
você pode ter curiosidade em saber como o programa acha a Solução
Ótima. Para isso, ele utiliza um algoritmo numérico mais antigo e mais
conhecido como Simplex.
Saiba mais...
Para obter mais informações sobre o método Simplex escolha
um dos livros indicados em nossa bibliografia para consultá-lo.
O Simplex pode ser divido, de maneira bastante simplificada,

em três passos distintos, são eles:
Inicialização: preparação dos dados de entrada.

Iteração: repetição dos procedimentos de busca de uma solução.
Regra de Parada: verificação se a solução obtida é a Solução
Ótima.
Vejamos agora como o algoritmo funciona, descrevendo

detalhadamente o processo para o exemplo de Mix de Produção. A GLOSSÁRIO
*Tableau – termo
solução manual que propomos é feita utilizando um quadro, ou
em francês para
tableau*, do Simplex. Este quadro tem como única função auxiliar a
quadro, ou ainda ta-
realização dos cálculos e das iterações de forma mais amigável. bela, tradicional-
Começamos por transformar o Problema de Programação Line- mente utilizado em
ar, dado em sua forma padrão, numa disposição que seja mais adequa- PO para denominar
da à entrada dos valores no quadro do Simplex. É o primeiro passo do as tabelas do méto-
Simplex: a Inicialização. Para isso, tomamos todas as equações e do Simplex. Fonte:
inequações do problema e movemos os termos de tal forma que eles se elaborado pelos au-
tores.
apresentam como uma série de equações cujos termos à direita sejam
37
apenas constantes positivas. Veja a seguir. O problema de Mix de Pro-

dução, que é dado por:

Restrito a: 30x1 + 20x2 ≤ 360
5x1 + 10 x 2 ≤ 120
x1 ≤ 20
x1 ≥ 0 e x2 ≥ 0
se transforma em:
z – 50 x1 – 40 x2 = 0
0 + 30 x1 + 20 x2 + f1 = 360
0 + 5 x1 + 10 x 2 + f2 = 120
0 + 1 x1 + 0 x 2 + f3 = 20
Note que as Restrições x1 ≥ 0 e x2 ≥ 0 (Restrições de não-

negatividade) foram excluídas do problema pois são consideradas pa-
drão pelo método. Além disso, foram criadas novas variáveis f1, f2 e f3,
denominadas Variáveis de Folga, para transformar as desigualdades
das Restrições em igualdades. Estas variáveis são somadas ou subtra-
ídas conforme as desigualdades originais sejam elas do tipo “maior ou
igual” ou do tipo “menor ou igual”: Assim:
Desigualdades do tipo “≤” → soma → + fn

Desigualdades do tipo “≥” → subtração → – fn
Transformado o sistema de equações, passa-se ao preenchimen-

to do tableau do Simplex. Os coeficientes das variáveis do sistema são
colocados de forma matricial, um em cada célula da tabela (tableau).
Do lado de fora da tabela, devemos numerar cada linha inserindo uma
coluna com um índice para indicar cada linha; e inserindo outra colu-
na à direita, para indicar a qual variável o lado direito da equação
(LD) está associado. Veja o modelo no Quadro 1 abaixo:
38
Módulo 7
Quadro 1: Tableau # 1 do Simplex

Fonte: elaborado pelos autores
A primeira linha (sem numeração) indica a variável cujos coefi-

cientes estão dispostos no quadro e o valor do lado esquerdo das equa-
ções. A numeração das linhas está à esquerda, fora da tabela. A linha
“0” representa a equação da Função-Objetivo. As linhas 1, 2 e 3 re-
presentam as equações das Restrições. O quadro reserva ainda uma
coluna denominada Quociente, cuja função será demonstrada ao lon-
go da resolução do problema. À direita, fora da tabela, escrevemos a
indicação da variável associada ao valor do lado direito das equações.
Montado o quadro, você pode passar ao segundo passo do mé-
todo Simplex: a Iteração.
Primeira iteração: Inicie o processo verificando, na linha

“0”, qual é o menor coeficiente que pode ser encontrado.
Veja o Quadro 2 a seguir. É o coeficiente de x1, igual a –50.

A coluna que possui este coeficiente passa a ser denominada

coluna-pivô, e é definida como a coluna cujo coeficiente da linha “0”
é o menor de todos. Veja o Quadro 3 a seguir:
39

O próximo passo é calcular os Quocientes em que os coeficien-

tes forem estritamente positivos, ou seja, vamos calcular as razões en-
tre os valores do Lado Direito (LD) das equações e cada respectivo
coeficiente da coluna-pivô. Por exemplo, para a linha “1”, o valor do
Quociente é igual a 360 divididos por 30, o que dá como resultado um
valor igual a 120. Fazendo o mesmo cálculo para as linhas “2” e “3”,
obtemos o Quadro 4:

Os valores dos quocientes calculados vão indicar agora uma li-

nha que é denominada linha-pivô. O critério de escolha desta linha é:
aquela que apresentar o menor Quociente calculado. No nosso exem-
plo, é a linha “1”, pois o menor Quociente é igual a 12. Veja o Quadro
5 abaixo:

40
Módulo 7
Determinada a coluna-pivô e a linha-pivô, encontramos o coefi-

ciente-pivô, que está na interseção entre a linha-pivô e a coluna-pivô.
No Quadro 6, podemos visualizar que o coeficiente-pivô é igual a 30.

Fonte: elaborado pelos autores.
Aplicamos, então, um algoritmo para modificação das linhas,

utilizando o coeficiente-pivô encontrado. Este algoritmo é, na verda-
de, uma maneira simples de utilizar o método de eliminação na resolu-
ção de sistemas de equação.
Veja na Figura 16 o procedimento:
Figura 16: Algoritmo para modificação da linhas no Simplex

Fonte: elaborada pelos autores.
Veja que aparece no algoritmo uma linha-pivô modificada.

Esta linha é obtida modificando-se a linha-pivô através da
divisão de seus valores pelo valor do coeficiente-pivô. Veja o
caminho para obtê-la no nosso exemplo e o aspecto do
tableau (Quadro 7) após a modificação:
Linha-Pivô Modificada
[0 30 20 1 0 0 360] / 30 = [0 1 0,666 0,033 0 0 12]
Note que pegamos a linha 1 e dividimos todos os seus valores

por 30 e reescrevemos esta linha com os novos valores calculados
(resultados da divisão por 30).
41

Obtida a nova linha-pivô, continuamos então, aplicando o resto

do algoritmo. Veja o que acontece com a linha “0”:
Nova Linha “0”
[1 –50 –40 0 0 0 0] – (–50) [ 0 1 0,666 0,033 0 0 12 ]
Nova Linha “0”
[1 –50 –40 0 0 0 0] + [0 50 33,333 1,666 0 0 600]
Nova Linha “0”
[1 0 –6,666 1,666 0 0 600]
Perceba que para obtermos a nova linha “0” multiplicamos a

linha “1” por “–50” e a somamos com a linha “0” original.
Da mesma forma, a linha “2” se transforma, ao aplicarmos o
algoritmo:
Nova Linha “2”
[0 5 10 0 1 0 120] – (5) [0 1 0,666 0,033 0 0 12]
Nova Linha “2”
[0 5 10 0 1 0 120] – [0 5 3,333 0,166 0 0 60]
Nova Linha “2”
[0 0 6,666 –0,166 1 0 60]
E, para a linha “3”:
42
Módulo 7
Nova Linha “3”
[0 1 0 0 0 1 20] – (1) [0 1 0,666 0,033 0 0 12]
Nova Linha “3”
[0 1 0 0 0 1 20] – [0 1 0,666 0,033 0 0 12]
Nova Linha “3”
[0 0 –0,666 –0,033 0 1 8]
O tableau assume o aspecto apresentado no Quadro 8:

Atenção! Veja que o coeficiente-pivô pertence à coluna da vari-

ável x1 e à linha da variável de folga f1. No algoritmo Simplex, quan-
do escolhemos o coeficiente-pivô, verificamos a variável relacionada
à coluna-pivô e denominamos essa variável como Variável-Entrante.
A variável relacionada à linha-pivô é, por sua vez, denominada como
Variável-Sainte. O que fazemos então é substituir no quadro, a Variá-
vel-Sainte pela Variável-Entrante:
Figura 17: Substituição da Variável-Sainte pela Variável-Entrante

Finalmente, podemos preencher o quadro do Simplex com as

novas linhas calculadas e com a nova Variável-Entrante. Veja no Qua-
dro 9 o seu novo aspecto:
43

Neste ponto, devemos aplicar o terceiro passo do Simplex: a Regra

de Parada.
No quadro, ela se traduz pela existência ou não de um coeficien-
te negativo da linha “0”. Se tal coeficiente existir, significa que a Fun-
ção-Objetivo ainda pode ser melhorada, ou seja, a solução ainda não
representa a Solução Ótima. Neste caso, outra iteração deve ser calcu-
lada. Olhando o quadro anterior, você pode observar que na linha “0”
o novo coeficiente de x2 é negativo, igual a –6,666. Então, no nosso
exemplo, devemos realizar outra iteração. Vamos a ela.
Segunda iteração: Seguindo o mesmo processo visto ante-

riormente, olhe a linha (0), e procure o menor coeficiente do
novo quadro do Simplex que acabamos de obter. Agora, o
menor coeficiente é igual a –6,666, estabelecendo a coluna de
x2 como a nova coluna-pivô. Lembre-se que isto transforma
x2 na nova Variável-Entrante. Veja o Quadro 10 a seguir:

Seguindo o algoritmo, verifica-se que esta coluna apresenta dois

coeficientes positivos, então calculamos os Quocientes para cada uma
destas duas linhas. Assim, obtemos:
44
Módulo 7

Lembra-se do próximo passo? A linha-pivô é a que apresenta o

menor Quociente.
Neste caso é a linha “2”, para o Quociente igual a 9. A escolha
desta linha determina também qual a Variável-Sainte. Neste caso, f2.
Veja o Quadro 12:

Continuando, determinamos o novo coeficiente-pivô de valor

igual a 6,666, interseção da linha-pivô com a coluna-pivô.

Procede-se então à modificação da linha-pivô, dividindo-se os

seus valores pelo valor do coeficiente-pivô, igual a 6,666. Assim, ob-
temos o Quadro 14 a seguir:
45

Fonte: elaborado pelos autores.
Finalmente, aplicando o algoritmo do método de eliminação, ob-

teremos o novo tableau do Simplex, mostrado a seguir no Quadro
15. A Variável-Sainte f2 já está substituída pela Variável-Entrante x2.
Perceba que agora não há mais nenhum coeficiente negativo na linha
“0”. Isto indica que a Função-Objetivo não pode ser melhorada e esta
nova solução representa a Solução Ótima.

Os resultados da solução podem ser obtidos diretamente do

tableau. Fica clara agora a função da coluna mais à direita do quadro.
Ela facilita a associação dos valores constantes na coluna LD às Vari-
áveis de Decisão. Veja a figura a seguir. O valor de x1 é igual a 6, o de
x2 é igual a 9, e a Função-Objetivo (o lucro máximo da empresa)
assume o valor de 660. Resultados já encontrados na solução gráfica e
pelo Solver do Excel.
Figura 18: Resultados encontrados para z, x1 e x2

46
Módulo 7
RESUMO
Nesta Unidade, estudamos as definições e principais con-

ceitos acerca da Pesquisa Operacional, que é um método de
tomada de decisão com suporte científico utilizada em proble-
mas nos quais tentamos buscar a melhor solução possível. En-
tre as diversas técnicas que a PO utiliza, nós nos concentramos
na Programação Linear – lembrando que uma função é chamada
de linear se ela mantém uma relação linear entre suas variáveis.
Em seguida, vimos que um Modelo de Programação Li-
near é uma representação de um problema real em termos de
equações e inequações lineares, ou seja, em linguagem mate-
mática. Neste Modelo, existem Variáveis de Decisão, Restri-
ções e uma Função-Objetivo, que é o que tentamos otimizar.
Logo depois, apresentamos a você um exemplo de Mo-
delagem de um problema típico em Administração, o Mix de
Produção. Você teve que interpretar o problema, identificar a
Função-Objetivo e identificar as Restrições deste problema, entre
outros passos.
Passamos então a uma solução não computacional, a so-
lução gráfica. Traçamos em um gráfico as retas corresponden-
tes a cada uma das Restrições e você pôde visualizar a área do
gráfico representando o espaço onde as soluções possíveis para
o problema se encontram. Traçando em seguida a reta da Fun-
ção-Objetivo sobre a área delimitada pelas Restrições, você
obteve a melhor solução para o problema.
Entendido o processo gráfico, apresentamos o método
Simplex, que é a base da maioria dos algoritmos utilizados em
PO. Este é um método matemático para a solução de sistemas
de equações através de operações com matrizes, os chamados
47
tableaux. Como na prática existem softwares para realizar auto-

maticamente o que o método Simplex indica, apresentamos na
sequência a ferramenta Solver do Excel, com um exemplo que
você foi trabalhando desde a Modelagem do problema. Mostra-
mos ainda as telas da planilha nas quais tivemos que reproduzir
o problema proposto com as equações, Restrições e assim por
diante, dando entrada de dados no software, passo a passo.
Atividades de aprendizagem
1. Apresente três possíveis problemas de otimização que possam

ser resolvidos pela Programação Linear. Formule as Funções-Ob-
jetivo e as possíveis Restrições.
48
Módulo 7
UNIDADE
2
Problemas
Problemas de
de Mistura
Mistura
49
Objetivo
Nesta Unidade, apresentaremos os chamados Problemas de Mistura que
é quando, em termos simples, precisamos lidar com composições a
partir de escolhas de ingredientes. Veremos também algumas aplicações
e como modelá-las. Você utilizará os conhecimentos da primeira
Unidade e solucionará os problemas computacionalmente. Por fim,
algumas atividades serão sugeridas para você tomar boas decisões.
50
Módulo 7
O Problema da Dieta
Na Unidade anterior, estudamos como modelar e resolver um

Problema de Programação Linear com o uso da Pesquisa Operacional.
Nesta Unidade aprofundaremos os conhecimentos com os Problemas
de Mistura: situações em que o Administrador pode determinar a me-
lhor quantidade de ingredientes, respeitando, por exemplo, restrições
acerca da disponibilidade destes e otimizando o seu objetivo final.
Um exemplo clássico de Problema de Mistura é o Problema da
Dieta. Neste situação, o objetivo é determinar a quantidade ideal de
alimentos que deve ser ingerida para satisfazer as necessidades
nutricionais, com o menor custo possível.
Imaginemos, por exemplo, que um município queira estabelecer o
mix ideal de alimentos para compor o cardápio da merenda oferecida nas
escolas. Vamos supor que, nutricionalmente, o cardápio deva fornecer
certa quantidade mínima de calorias, de vitaminas A e C, de ferro e de
cálcio. Entretanto, para o município é importante minimizar o custo da
refeição, pois assim, um número maior de crianças poderá ser atendido.
Consideremos, para fins didáticos, que o município tenha dispo-
níveis para aquisição os seguintes alimentos: carne, arroz, feijão, cou-
ve e banana. Além disso, deseja-se manter certa quantidade mínima de
cada um dos produtos na dieta. Afinal, mesmo que os cálculos indi-
quem, por exemplo, que apenas o arroz satisfaz as necessidades
nutricionais, não é verossímil que crianças possam comer apenas ar-
roz em uma única refeição. Desta forma, foram consideradas as se-
guintes porções mínimas para cada item:
Carne: 50g
Arroz: 100g
Feijão: 80g
Couve: 20g
Banana: 50g
51
O preço para cada um desses itens é, respectivamente:
Carne: R$ 8,00 / kg
Arroz: R$ 2,00 / kg
Feijão: R$ 2,00 / kg
Couve: R$ 1,00 / kg
Banana: R$ 4,00 / kg
Para facilitar a entrada de dados, consideremos o preço dos ali-

mentos para porções de 100g, pois a maior parte das tabelas nutricionais
é apresentada contendo porções dessa quantidade. Assim, os valores
monetários são:
Carne: R$ 0,8 / 100g

Arroz: R$ 0,2 / 100g
Feijão: R$ 0,2 / 100g
Couve: R$ 0,1 / 100g
Banana: R$ 0,4 / 100g
Da mesma forma, com relação as quantidades mínimas de cada

alimento, todos os cálculos serão realizados para porções de 100 g.
Assim, devemos proceder a uma normalização dos valores, conside-
rando a porção, ou seja,
Quantidade mínima de Carne: 50g / 100g = 0,5 porção

Quantidade mínima de Arroz: 100g / 100g = 1 porção
Quantidade mínima de Feijão: 80g / 100g = 0,8 porção
Quantidade mínima de Couve: 20g / 100g = 0,2 porção
Quantidade mínima de Banana: 50g / 100g = 0,5 porção
As restrições neste problema referem-se às quantidades míni-

mas de nutrientes a serem ingeridas e às quantidades mínimas estipu-
ladas para cada um dos itens. As necessidades são dados conhecidos,
52
Módulo 7
obtidos, por exemplo, da Organização Mundial da Saúde. Desta for-

ma, estabelecemos as seguintes Restrições:
Consumo diário mínimo de Energia: 2000cal

Consumo diário mínimo de Vitamina A: 750mcg
Consumo diário mínimo de Vitamina C: 70mg
Consumo diário mínimo de Ferro: 10mg
Consumo diário mínimo de Cálcio: 650mg
A Tabela 1 organiza todos estes valores para facilitar a

visualização:
Tabela 1: Dados do Problema da Dieta
Valor
Propriedade Unidade Carne Arroz Feijão Couve Banana
Diário
Energia cal 2000 225 360 325 30 90
Vitamina A mcg 750 7 0 5 150 0
Vitamina C mg 70 0 0 5 145 4
Ferro mg 10 3 1,5 7,5 2 0,5
Cálcio mg 650 10 10 85 235 10
Porção Mínima 100g – 0,5 1 0,8 0,2 0,5
Em termos de formulação matemática, as restrições tomam a for-

ma das seguintes inequações:
225 xcarne + 360 xarroz + 325 xfeijão + 30 xcouve + 90 xbanana ≥ 2000

7 xcarne + 5 xfeijão + 150 xcouve ≥ 750
5 xfeijão + 145 xcouve + 4 xbanana ≥ 70
3 xcarne + 1,5 xarroz + 7,5 xfeijão + 2 xcouve + 0,5 xbanana ≥ 10
xcarne ≥ 0,5
xarroz ≥ 1
53
xfeijão ≥ 0,8
xcouve ≥ 0,2
xbanana ≥ 0,5
em que:
xcarne = quantidade de carne

xarroz = quantidade de arroz
xfeijão = quantidade de feijão
xcouve = quantidade de couve
xbanana = quantidade de banana
A Modelagem do problema prossegue com a determinação da

Função-Objetivo. Nesse problema, ela é representada por “z”, custo
da merenda, calculado pela quantidade de cada alimento multiplicado
pelo seu valor.
z = 0,8 x carne + 0,2 xarroz + 0,2 xfeijão + 0,1 xcouve + 0,4 xbanana
Sintetizando, o Modelo matemático completo para descrição do

Problema da dieta é escrito como:
Encontrar: z, xcarne, xarroz, xfeijão, xcouve, xbanana

Minimizar: z = 0,8 xcarne + 0,2 xarroz + 0,2 xfeijão + 0,1 xcouve + 0,4 xbanana
Restrito a: 225 xcarne + 360 xarroz + 325 xfeijão + 30 xcouve + 90 xbanana ≥ 2000
7 xcarne + 5 xfeijão + 150 xcouve ≥ 750
5 xfeijão + 145 xcouve + 4 xbanana ≥ 70
3 xcarne + 1,5 xarroz + 7,5 xfeijão + 2 xcouve + 0,5 xbanana ≥ 10
xcarne ≥ 50
xarroz ≥ 100
xfeijão ≥ 80
xcouve ≥ 20
xbanana ≥ 50
54
Módulo 7
cujas Restrições abaixo representam:
Energia: 225 xcarne + 360 xarroz + 325 xfeijão + 30 xcouve + 90 xbanana ≥ 2000
Vitamina A: 7 xcarne + 5 xfeijão + 150 xcouve ≥ 750
Vitamina C: 5 xfeijão + 145 xcouve + 4 xbanana ≥ 70
Ferro: 3 xcarne + 1,5 xarroz + 7,5 xfeijão + 2 xcouve + 0,5 xbanana ≥ 10
Cálcio: 10 xcarne + 10 xarroz + 85 xfeijão + 235 xcouve + 10 xbanana ≥ 650
Porção mínima de carne: xcarne ≥ 50
Porção mínima de arroz: xarroz ≥ 100
Porção mínima de feijão: xfeijão ≥ 80
Porção mínima de couve: xcouve ≥ 20
Porção mínima de banana: xbanana ≥ 50
Lembre-se de que, as Variáveis de Decisão representadas pelas

quantidades de alimentos ingeridos devem ser não-negativas. Entre-
tanto, note que para este exemplo, os valores já são positivos, pois as
Restrições de quantidade mínima para cada item já implicam nesta
não-negatividade.
55
Solucionando o Problema da Dieta

com o uso da Planilha Eletrônica
Com as fórmulas determinadas anteriormente, podemos partir

para a construção da planilha eletrônica. A Figura 19 mostra uma op-
ção de como ela poderia ser elaborada para conter o Modelo matemá-
tico para o Problema da Dieta.
Figura 19: Planilha para resolução do Problema da dieta

Perceba que o aspecto geral da planilha é idêntico ao do proble-

ma de Mix de Produção visto no Capítulo I. A linha 2 permanece como
a escolhida para descrever a Função-Objetivo do problema. A linha 5
agora é reservada para a quantidade de porções de 100 g a ser incluída
no cardápio e, a linha 8, o custo unitário da porção de cada um dos
itens alimentícios. Em relação à planilha de Mix de Produção, acres-
centamos mais sete linhas para as Restrições, porque agora elas são
em número de 10. Assim, as linhas 12, 13, 14, 15, 16, 17, 18, 19 e 20
são reservadas para a entrada destas Restrições.
56
Módulo 7
Iniciamos a entrada de dados inserindo, na célula D2, a fórmula

da Função-Objetivo, que neste problema, desejamos minimizar. Em
outros termos, trata-se do custo total da refeição, representado pela
soma dos custos com cada item alimentício (carne, arroz, feijão, cou-
ve e banana). Estes custos por item, por sua vez, são calculados pela
multiplicação dos seus custos unitários (contidos nas células D8 a H8)
pelas respectivas quantidades de porções de 100 g (presentes nas cé-
lulas D5 a H5). Assim, na célula D2, devemos digitar:
= (D5*D8)+(E5*E8)+(F5*F8)+(G5*G8)+(H5*H8)
O próximo passo é inserir os valores dos custos unitários de cada

item alimentício nas células (D8 a H8). Neste caso, a célula D8 deve
conter o valor 0,8 (referindo-se ao preço de R$ 0,8 pela porção de
100g de carne) e assim por diante:
Célula D8 → 0,8
Célula E8 → 0,2
Célula F8 → 0,2
Célula G8 → 0,1
Célula H8 → 0,4
Seguindo com a entrada de dados, vamos preencher os blocos

de células reservados para os coeficientes das Restrições (lado esquer-
do e direito das inequações). Na nossa planilha, os coeficientes são
inseridos nas células que formam o bloco que se inicia na célula D12
e vai até a célula H21. Os valores para o lado direito das Restrições
ficam nas células da coluna L, indo de (L12 a L21). Veja na Figura 20
o esquema do preenchimento utilizado, estando indicado pelas setas a
entrada de dados da Restrição referente à quantidade de Vitamina A:
57
Figura 20: Esquema de entrada dos dados na Planilha da Dieta

Ao acabar de digitar os coeficientes e os valores do lado direito

das Restrições, o próximo passo é inserir as fórmulas do lado esquer-
do das Restrições do problema, no bloco de células reservado para tal.
Veja que na planilha são as células da coluna J, ou seja, de (J12 a J21).
Assim:
J12 → = (D12*D5)+(E12*E5)+(F12*F5)+(G12*G5)+(H12*H5)
J13 → = (D13*D5)+(E13*E5)+(F13*F5)+(G13*G5)+(H13*H5)
J14 → = (D14*D5)+(E14*E5)+(F14*F5)+(G14*G5)+(H14*H5)
J15 → = (D15*D5)+(E15*E5)+(F15*F5)+(G15*G5)+(H15*H5)
J16→ = (D16*D5)+(E16*E5)+(F16*F5)+(G16*G5)+(H16*H5)
J17 → = (D17*D5)+(E17*E5)+(F17*F5)+(G17*G5)+(H17*H5)
J18 → = (D18*D5)+(E18*E5)+(F18*F5)+(G18*G5)+(H18*H5)
J19 → = (D19*D5)+(E19*E5)+(F19*F5)+(G19*G5)+(H19*H5)
J20 → = (D20*D5)+(E20*E5)+(F20*F5)+(G20*G5)+(H20*H5)
J21 → = (D21*D5)+(E21*E5)+(F21*F5)+(G21*G5)+(H21*H5)
As células contêm a soma das multiplicações dos coeficientes

da coluna D, pelas respectivas quantidades totais de cada item alimen-
tício, contidas nas células (D5 a H5).
Tudo isso é necessário ser digitado na planilha. O passo seguin-
te, se você se lembrar bem, é recorrer ao Solver do Excel para a reali-
zação dos cálculos. Então, acesse o menu do Excel, escolha Ferra-
mentas, e clique na opção Solver.
58
Módulo 7
Ao abrir a janela do Solver, vamos informar em que posições na

planilha se encontram as células contendo a Função-Objetivo, as Vari-
áveis de Decisão e os lados esquerdo e direito das Restrições. A Figu-
ra 21 mostra como deve ficar a entrada desses dados para o Modelo do
Problema da Dieta. Essa entrada deve ser feita em blocos, ou seja, as
regiões da planilha que são as entradas dos Parâmetros do Solver são
selecionadas arrastando o mouse da célula inicial até a célula final
desejada.
Caso tenha dúvidas de como utilizar a seleção em blocos, peça
ajuda ao seu tutor para maiores explicações.
Figura 21: Regiões da planilha utilizadas como entradas no Solver

Você precisa se certificar de escolher a opção Min para que o

Solver resolva o problema como uma minimização da Função-Objeti-
vo. Isto porque, como você deve se lembrar, queremos minimizar o custo
da merenda. Veja na figura anterior onde deve ser escolhida esta opção.
Para executar a otimização, basta clicar no botão resolver e ins-
tantaneamente o Excel calculará a solução.
Se você seguiu as instruções corretamente, observe que as célu-
las sombreadas em cinza claro que indicam a quantidade total de ali-
mento tiveram seus valores modificados da mesma forma que a célula
D2, que contém o custo mínimo da merenda. Outras células que tive-
59
ram seus conteúdos alterados foram as células de (J12 a J21), conten-

do os valores obtidos com a solução para cada uma das Restrições.
Veja na Figura 22 o aspecto final da planilha, após a execução dos
cálculos pelo Solver.
Figura 22: Aspecto final da planilha do Problema da Dieta

Vamos agora à análise dos resultados dos cálculos. Qual seria a

merenda ideal a ser adotada pelo município? A resposta está contida
nas células (D5 a H5). Note que os valores ali presentes representam o
número de porções de 100g de cada um dos alimentos disponíveis.
Assim:
Carne → 0,5 x 100g = 50g

Arroz → 3,98 x 100g = 398g ≈ 400g
Feijão → 0,8 x 100g = 80g
Couve → 4,95 x 100g = 495g
Banana → 0,5 x 100g = 50g
60
Módulo 7
O preço total desta refeição seria de R$ 2,05 (resultado da Fun-

ção-Objetivo na célula D2), representando o menor valor possível para
as Restrições utilizadas na Modelagem do problema.
Note que o total de alimentos (as soma das quantidades de car-
ne, arroz, feijão, couve e banana) para a merenda seria de aproxima-
damente 1,1 kg, o que, na prática, é uma quantidade irreal para crian-
ças em idade escolar. É difícil acreditar, principalmente, que uma cri-
ança comeria 495g de couve, um valor excessivamente grande a ser
ingerido numa única refeição. Isto demonstra que o problema de
otimização também serve para indicar distorções no problema original Discuta essa distorção
proposto. Neste caso, a nutricionista poderia sugerir um outro alimen- com seu Professor /
to complementar para substituir parte da couve e tornar a refeição mais Tutor: quais seriam
balanceada. Então, uma nova Variável de Decisão e novas Restrições suas implicações em
seriam acrescidas ao problema, havendo a necessidade de outros cál- termos gerenciais?
culos para buscar a Solução Ótima.
61
Problema sugerido
Na resolução do problema da dieta anterior, você verificou que

apesar de termos encontrado uma Solução Ótima, os valores encon-
trados não eram verossímeis, pois um excesso de couve foi indicado.
Como sugestão podemos incluir entre os alimentos disponíveis outros
ingredientes, como a cenoura ou então o tomate. Isto acrescenta uma
nova Variável de Decisão ao problema. Como restrição adicional, con-
sidere que a porção mínima de cenoura ou tomate a ser consumida é
de 70 g. Considere ainda, que o preço da porção de 100g de ambos os
produtos é igual a R$ 0,40. Perguntamos: Qual a melhor opção para
um novo mix de alimentos da merenda: incluir a cenoura ou o tomate?
Qual o novo custo da refeição? A Tabela 2 fornece os valores
nutricionais dos dois vegetais a serem incluídos nos cálculos.
Tabela 2: Dados do Problema da Dieta sugerido
Propriedade Unidade Cenoura Tomate
Energia cal 40 40
Vitamina A mcg 540 75
Vitamina C mg 5 20
Ferro mg 1 1
Cálcio mg 40 25
Para auxiliá-lo, descrevemos logo a seguir a Forma Canônica

do novo problema, considerando a inclusão da cenoura como Variável
de Decisão:
62
Módulo 7
Encontrar: z, xcarne, xarroz, x feijão, xcouve, x banana, xcenoura

Maximizar: z = 0,8xcarne + 0,2xarroz + 0,2xfeijão + 0,1xcouve + xbanana + 0,4xcenoura
Restrito a: 225xcarne + 360xarroz + 325xfeijão + 30xcouve + 90xbanana + 40xcenoura ≥ 2000
7xcarne + 5xfeijão + 150xcouve + 540xcenoura ≥ 750
5xfeijão + 145xcouve + 4xbanana + 5xcenoura ≥ 70
3xcarne + 1,5xarroz + 7,5xfeijão + 2xcouve + 0,5xbanana + 1xcenoura ≥ 10
10 xcarne + 10 xarroz + 85 xfeijão + 235 xcouve + 10 xbanana + 40xcenoura ≥ 650
xcarne ≥ 50
xarroz ≥ 100
xfeijão ≥ 80
xcouve ≥ 20
xbanana ≥ 50
xcenoura ≥ 70
Não se esqueça de que, ao calcular o problema considerando a

inclusão do tomate no lugar da cenoura, devemos substituir, nas equa-
ções acima, a variável xcenoura pela variável xtomate e modificar os coefi-
cientes das Restrições para os valores nutricionais referentes ao toma-
te da tabela.
Veja na Figura 23 o aspecto final da planilha que você deverá
montar para o tomate. Na Figura 24, por sua vez, veja o aspecto da
planilha para a cenoura. Os cálculos já foram realizados e os resulta-
dos aparecem nas células D2 (Função-Objetivo). Deveremos concluir
que é mais interessante do ponto de vista financeiro, incluir a cenoura
no cardápio – uma diferença maior de R$ 0,18 por refeição.
63
Figura 23: Planilha para resolução do Problema da Dieta sugerido

(tomate)
Figura 24: Planilha para resolução do Problema da Dieta sugerido

(cenoura)
64
Módulo 7
Problema de Composição de Tintas
Na resolução do problema anterior, encontramos a melhor com-

posição para uma dieta verossímil, calculando a melhor composição
do prato a partir de ingredientes disponíveis. Podemos trazer esta mes-
ma ideia para o campo industrial. Imagine que ao invés de ingredien-
tes de alimentação, vamos trabalhar com componentes utilizados na
fabricação de tintas. Vamos ao caso da empresa Cobremuros.
A Cobremuros Tintas Ltda. produz dois tipos de tintas: uma de
secagem normal (SN) e outra de secagem rápida (SR). Ambas utili-
zam os mesmos componentes em sua constituição, variando apenas as
quantidades percentuais de cada um. A empresa Cobremuros não pro-
duz os insumos básicos para a produção das tintas, tendo de ir ao mer-
cado para comprá-los na forma de soluções concentradas. Duas solu-
ções estão disponíveis: a primeira fórmula, denominada solução A
(SOL-A) contém 30% do componente responsável pela secagem (SEC)
e 70% de outros componentes químicos (OUT) como espessante, pig-
mento etc; outro fornecedor oferece uma segunda solução (SOL-B)
que apresenta 60% de secante e 40% dos outros componentes. Sabe-
se que os preços das soluções são: R$ 1,50 o litro para a SOL-A, e R$
1,00 por litro para a SOL-B.
Além disso, o litro do componente secante (SEC) custa R$ 4,00
e a mistura dos outros componentes químicos (OUT), R$ 6,00 o litro.
Uma limitação das formulações das tintas é que cada litro de tinta (SR)
exige pelo menos 25% de secante em sua fórmula e 50% dos outros
componentes. A tinta (SN), por sua vez, exige no mínimo 20% de
secante e no máximo 50% dos outros componentes. Perguntamos: qual
a quantidade mínima de produtos a serem comprados para que se pro-
duzam 1000 litros de (SR) e 250 litros de (SN)? E quantos litros de
cada solução devem ser comprados dos fornecedores?
65
Assim, o Modelo pode ser apresentado a partir das seguintes

variáveis e equações:
xA-SR: quantidade em litros de solução A usada na produção

de tinta se secagem rápida (SR).
xB-SR: quantidade em litros de solução B usada na produção
de tinta se secagem rápida (SR).
xA-SN: quantidade em litros de solução A usada na produção
de tinta se secagem normal (SN).
xB-SN: quantidade em litros de solução B usada na produção
de tinta se secagem normal (SN).
xSEC-SR: quantidade em litros de secante (SEC) usada na pro-
dução de tinta se secagem rápida (SR).
xOUT-SR: quantidade em litros de outros componentes (OUT)
usada na produção de tinta se secagem rápida (SR).
xSEC-SN: quantidade em litros de secante (SEC) usada na pro-
dução de tinta se secagem normal (SN).
xOUT-SN: quantidade em litros de outros componentes (OUT)
usada na produção de tinta se secagem normal (SN).
Função-Objetivo
1,5 (xA-SR + xA-SN ) + 1 (xB-SR + xB-SN ) + 4 (xSEC-SR + xSEC-SN ) + 6 (xOUT-SR + xOUT-SN )
Restrições:
xA-SR + xB-SR + xSEC-SR + xOUT-SR = 1000

xA-SN + xB-SN + xSEC-SN + xOUT-SN = 250
0,3 xA-SR + 0,6 xB-SR + xSEC-SR ≥ 0,25 (xA-SR + xB-SR + xSEC-SR + xOUT-SR)
0,7 xA-SR + 0,4 xB-SR + xOUT-SR ≥ 0,5 (xA-SR + xB-SR + xSEC-SR + xOUT-SR)
0,3 xA-SN + 0,6 xB-SN + xSEC-SN ≥ 0,2 (xA-SN + xB-SN + xSEC-SN + xOUT-SN)
0,7 xA-SN + 0,4 xB-SN + xOUT-SN ≥ 0,5 (xA-SN + xB-SN + xSEC-SN + xOUT-SN)
xA-SR ≥ 0 ; xB-SR ≥ 0 ; xA-SN ≥ 0 ; xB-SN ≥ 0 ;
xSEC-SR ≥ 0 ; xOUT-SR ≥ 0 ; xSEC-SN ≥ 0 ; xOUT-SN ≥ 0
66
Módulo 7
Solucionando o Problema
de Composição de Tintas
com o uso do Excel®
Vamos construir agora a planilha eletrônica para a obtenção da

solução deste problema. Veja na Figura 25 uma sugestão do seu as-
pecto final. Note que podemos manter o mesmo layout básico utiliza-
do nos exercícios anteriores.
Para facilitar sua tarefa, abra o arquivo da planilha anteriormen-
te construída (Problema da Dieta) e utilize a função salvar como dis-
ponível no menu de arquivos do Excel. Então, basta editar a planilha,
gravando-a com outro nome e fazendo as modificações necessárias ao
novo problema, como demonstraremos a seguir.
Figura 25: Planilha para resolução do Problema da Composição de

Tintas
Uma diferença com relação ao problema de Mix de Produção é

que as Variáveis de Decisão – as quantidades a serem adquiridas de
Solução A, Solução B, de Secante e de Outros Componentes – agora
tomam duas linhas, porque temos dois tipos de produtos diferentes, a
67
tinta (SR) e a tinta (SN). Outra diferença são as Restrições que agora
não são de um único tipo, ou seja, apenas “≥” ou “≤”. Temos inequações
de ambos os tipos e também equações de igualdade – as quantidades a
serem produzidas de cada tinta.
A célula D2 continua sendo escolhida para descrever a Função-
Objetivo do problema. Assim, como seu conteúdo, devemos digitar:
=(D5*D9)+(E5*E9)+(F5*F9)+(G5*G9)+
+(D6*D9)+(E6*E9)+(F6*F9)+(G6*G9)
Essa fórmula fornece o custo total dos insumos, pois é a multi-

plicação de cada quantidade de um item (células (D5 a G5) para a
tinta (SR) e células (D6 a G6) para a tinta (SN)) pelos preços unitários
dos insumos (células D9 a G9).
Como já dissemos, as Variáveis de Decisão são as quantidades a
serem adquiridas de Solução A, Solução B, de Secante e de Outros
Componentes. Na planilha, devemos reservar para elas duas linhas di-
ferentes, uma para as quantidades considerando a tinta (SR) e outra para
a tinta (SN). Para tal, estabelecemos as células (D5 a G5) e (D6 a G6).
A linha 9, entre as colunas D e G, conterá o custo unitário, por
litro, de cada um dos insumos para a produção das tintas. Veja na figura:
Célula D9 → 1,5 → preço do litro da Solução A

Célula E9 → 1 → preço do litro da Solução B
Célula F9 → 4 → preço do litro do Secante
Célula G9 → 6 → preço do litro dos Outros componentes
O próximo passo é inserir os coeficientes das fórmulas das res-

trições do nosso problema. Na planilha, eles são digitados no bloco de
células que vão de (D13 a G18).
Em seguida, entramos com as fórmulas das Restrições. Primeiro
o lado esquerdo:
(Verifique a função
soma no recurso de Célula I13 → =SOMA(D5:G5)
ajuda do Excel. ) Célula I14 → =SOMA(D6:G6)
68
Módulo 7
Célula I15 → =(D15*D5)+(E15*E5)+(F15*F5)+(G15*G5)

Depois, o lado direito:
Célula K13 → =1000 → o total de tinta SR

Célula K14 → =250 → o total de tinta SN
Célula K15 → =0,25*(SOMA(D5:G5))
Note que diferentemente dos exercícios resolvidos anteriormen-

te, as células (K15 a K18) não possuem limites numéricos pré-defini-
dos, e sim fórmulas associadas às próprias Variáveis de Decisão conti-
das nas células (D5 a G6). Isso não representa uma dificuldade para o
Excel, que consegue solucionar o problema da mesma forma.
Finalmente, podemos entrar com as restrições no Solver. Veja na Fi-
gura 26 o aspecto da janela, como os campos que devem ser selecionados.
Importante! Tenha bastante atenção ao selecionar a opção

de minimização da função e de entrar com os operadores
corretos para cada um dos blocos de Restrições: “≥”, “≤”
ou “=” (setas mais grossas na Figura 26). Não se esqueça
também de selecionar na janela de Parâmetros do “Solver”
as opções que estabelecem que o Modelo é linear e que as
soluções deverão ser sempre não-negativas.
69
Figura 26: Campos que devem ser selecionados como Parâmetros no

Solver
Novamente, a entrada deve ser feita em blocos, ou seja, as regi-

ões da planilha devem ser selecionadas em blocos, arrastando o mouse
da célula inicial até a célula final desejada. Observe que neste caso, as
Restrições são descritas por três blocos distintos.
Após entrar com todos os dados na janela do Solver, mande cal-
cular a solução e aceite o resultado oferecido pelo programa. A planilha
então deverá apresentar os resultados como mostrado na Figura 27.
Figura 27: Planilha final com resultados do Problema da Composição

de Tintas.
70
Módulo 7
Confira os valores finais resultantes do processo de otimização.

Para obter o custo mínimo da produção de 1000 litros da tinta (SR) e
250 litros da tinta (SN), que é de R$ 1.416,70, deverão ser adquiridos
dos fornecedores 333,3 litros da Solução A e 916,7 litros da Solução
B (esta última, R$ 666,67 + R$ 250,00, é a soma das células E5 e E6).
Não há necessidade de se adquirir Secante ou Outros Componentes
separadamente, o que é evidenciado pelo valor igual a zero das célu-
las (F5 a G6).
71
Problema de Mix de Investimentos
Outra aplicação interessante cuja abordagem é parecida com os

exemplos vistos até este momento, é o problema de Mix de Investi-
mentos.
Imagine que uma empresa denominada Productoring Ltda. está
pensando em construir um pequeno prédio que será sua nova sede
administrativa. O custo da construção está estimado em R$ 900.000.
O cronograma de pagamento à construtora está previsto em três parce-
las: a primeira depois do segundo mês de início das obras, a segunda
GLOSSÁRIO
depois do quinto mês e uma última depois da conclusão do oitavo
*Portifólio – no
mês. Os valores são respectivamente R$ 200.000, R$ 300.000 e R$
contexto utilizado,
representa a compo- 400.000. O problema da empresa é determinar qual o Portifólio* ide-
sição de uma cartei- al de investimentos a ser utilizado para gerar um caixa a fim de honrar
ra de investimentos. seus compromissos com a construtora.
Fonte: elaborado Existem três opções de aplicações disponíveis de janeiro a agos-
pelos autores. to (meses 1 a 8), sendo que o dinheiro deverá sempre ser aplicado no
início de certos meses, conforme a opção escolhida. São estas as apli-
cações:
Tabela 3: Dados do Problema de Mix de Investimentos
Disponível no Rendimento ao Final

Aplicação Duração
Inicio dos Meses do Período
A 1, 2, 3, 4, 5, 6, 7, 8 1 1,5 %
B 1, 3, 5, 7 2 3,5 %
C 1 8 10,5 %
72
Módulo 7
As Variáveis de Decisão são as possibilidades de investimento,

segundo o tipo de aplicação e os respectivos meses disponíveis. Assim:
XA1, XA2, XA3, XA4, X A5, X A6, XA7, XA8: valores aplicados no
início de cada mês da construção na aplicação “A”.
XB1, X B2 , X B3, X B4: valores aplicados no início de cada
bimestre da construção na aplicação “B”, dado que esta apli-
cação restringe o investimento a cada 2 meses.
XC1: valores aplicados no início do primeiro mês da constru-
ção na aplicação “C”.
2. Como exercício de fixação, monte matematicamente este proble-

ma de mix de investimentos, desenvolvido acima, antes de resolver-
mos, na sequência, este mesmo problema na planilha eletrônica.
73
O Problema de Mix de Investimentos

Solucionado na Planilha Eletrônica
Da mesma maneira que nos exemplos anteriores, vamos mostrar

como usar o Excel para solucionar o Problema de Mix de Investimen-
tos. Com relação aos exercícios até aqui estudados, a planilha que
vamos construir apresenta algumas modificações. Na verdade, pode-
ríamos manter exatamente o mesmo esquema já utilizado, mas para
fins didáticos, resolvemos mostrar uma outra opção de layout. Basi-
camente, devido ao fato do problema ser atrelado a um cronograma de
investimentos, toda a planilha será construída em torno da matriz, re-
lacionando as diversas aplicações aos meses previstos da construção
do prédio.
Veja na Figura 28 o aspecto geral que foi utilizado.
Figura 28: Planilha para resolução do problema de Mix de Investimentos.

74
Módulo 7
Note que verticalmente, na coluna “C”, enumeramos todas as

diversas aplicações disponíveis. Na linha “4”, por outro lado, incluí-
mos os meses previstos no nosso problema. Na verdade, inserimos um
mês a mais no cronograma, porque consideramos que os pagamentos
previstos à construtora serão realizados nos primeiros dias do mês se-
guinte à conclusão das etapas da construção. Em outras palavras, os
valores que vamos digitar no quadro serão correspondentes àqueles
do início de cada mês enumerado. Perceba que isso está de acordo
com a formulação das Restrições do problema visto anteriormente.
Na coluna “M” ficarão as células relativas às Variáveis de Deci-
são (os valores aplicados em cada mês para cada tipo de aplicação) e,
especificamente na célula M2, a nossa Função-Objetivo.
O grande quadro representado pelo bloco que contém as células
de (D5 a L17) será reservado para a entrada dos coeficientes das fór-
mulas das Restrições.
Por sua vez, as Restrições propriamente ditas estão nesta planilha
nas linhas “21” e “23”. Respectivamente, na primeira ficarão as fór-
mulas do Lado Esquerdo (LE) das equações e na outra linha os valo-
res do Lado Direito (LD). Note que neste problema, o LE, o LD e os
sinais das Restrições estão dispostos em linha, diferentemente dos pro-
blemas vistos anteriormente. Isto em nada altera a sua resolução.
Estas são as regiões da planilha que serão utilizadas e nas quais
mantivemos o critério de escurecer as células que terão seus valores
modificados pelo Solver (M2, M5 a M17, e D21 a L21). Podemos
passar então ao preenchimento dos dados e fórmulas. Inicialmente, a
Função-Objetivo.
Lembre-se de que na Modelagem do problema resolvemos
minimizar o total a ser alocado para investimento na data inicial. As-
sim, em M2 devemos digitar:
=M5+M13+M17
que é a soma dos investimentos nas aplicações A1, B1 e C1, respecti-

vamente.
75
Atenção! Neste momento, estamos somando os resultados de

todos os investimentos realizados desde o mês 1: A1, B1 e
C1. A célula M5 retorna o total da aplicação A1 com seus
rendimentos ao longo de todo o período. Da mesma forma,
M13 retorna o valor da aplicação B1 e a célula M17, o total
aplicado em C1.
Em seguida, vamos preencher o quadro principal com os coefi-

cientes das Restrições. Coloque nas células (E5, F6, G7, H8, I9, J10,
K11 e L12) o valor de 1,015. Este valor representa o multiplicador
aplicado ao investimento de cada mês na aplicação do tipo “A” para
obter o valor do capital mais o rendimento de 1,5% do referido mês.
Da mesma forma, nas células (F13, H14, J15 e L16), entre com o
valor de 1,035; que será utilizado no cálculo para a aplicação do tipo
“B”. Finalmente, na célula L17 entre com o valor de 1,105 para o
cálculo referente à aplicação do tipo “C”.
Em seguida, entre com o valor “–1” nas células (D5, E6, F7,
G8, H9, I10, J11, K12, D13, F14, H15, J16 e D17). A razão destes
coeficientes negativos é simples: ela representa a saída de caixa. Veja
que da maneira como o Modelo foi criado, as equações das Restrições
apresentam uma subtração dos valores a serem investidos em cada mês.
Esses coeficientes permitem, assim, o cálculo destas subtrações.
O passo seguinte é a entrada das equações das Restrições nas
células (D21 a L21). Da maneira como foi construída a planilha, ela
permite que estas equações sejam calculadas de maneira bastante sim-
ples, pois correspondem às somas dos produtos do valor de cada apli-
cação (células M5 a M17) pelos respectivos coeficientes presentes na
Somar Produto é um coluna referente a cada mês (veja o esquema na Figura 29). Por exem-
recurso do Excel, você plo, para a célula D21, devemos digitar:
pode obter auxílio no =SOMARPRODUTO($M5:$M17;D5:D17).
menu de ajuda do
programa. Comente o
uso desta função com
seu tutor.
76
Módulo 7
Figura 29: Esquema de entrada das equações das Restrições na planilha

Para as outras células (E21 a L21):
E21 → =SOMARPRODUTO($M5:$M17;E5:E17)
F21 → =SOMARPRODUTO($M5:$M17;F5:F17)
G21 → =SOMARPRODUTO($M5:$M17;G5:G17)
H21 → =SOMARPRODUTO($M5:$M17;H5:H17)
I21 → =SOMARPRODUTO($M5:$M17;I5:I17)
J21 → =SOMARPRODUTO($M5:$M17;J5:J17)
K21 → =SOMARPRODUTO($M5:$M17;K5:K17)
L21 → =SOMARPRODUTO($M5:$M17;L5:L17)
Finalmente, devemos fornecer os valores para o Lado Direito

das Restrições. No nosso caso, eles serão inseridos na linha “23”, re-
presentando os valores dos pagamentos a serem efetuados no início
do 3º, 6º e 9º meses. Assim:
F23 → =200
I23 → =300
L23 → =400
77
Desta forma, tudo o que deveríamos digitar na planilha foi reali-

zado. Basta apenas entrarmos com os blocos de células no Solver do
Excel, como já fizemos nos outros exercícios. Na Figura 30 mostra-
mos o aspecto da janela para que você possa visualizar os dados a
serem inseridos. Mas lembre-se de selecionar na outra janela de op-
ções do Solver que o Modelo é linear e que as soluções deverão ser
sempre não-negativas.
Figura 30: Tela do Solver para o problema de Mix de Investimentos

Realizados os cálculos pelo Solver, obtemos a solução desejada.

Na Figura 31 você pode conferir os resultados que devem ter apareci-
do na sua planilha.
Figura 31: Planilha final com os cálculos do problema de Mix de Inves-

timentos
78
Módulo 7
A análise da solução é bem simples. Para o pagamento das pres-

tações à construtora, a empresa Productoring Ltda precisará dispor de
R$ 817.730,00 no primeiro mês (que é o mínimo possível a ser alocado
no primeiro mês), que deverão ser aplicados na Aplicação “B”. As
outras aplicações ao longo do tempo seriam:
R$ 646.350,00 no terceiro mês (aplicação “B”)

R$ 295.570,00 e R$ 373.400,00 no quinto mês (aplicações
“A” e “B” respectivamente)
R$ 386.470,00 no sétimo mês (aplicação “B”)
Problema Sugerido de Mix de Mídias
Outra aplicação típica de Problema de Mix é o planejamento da

composição de mídias a ser empregada em uma campanha publicitária
na área de marketing.
79
RESUMO
Nesta Unidade, estudamos os denominados Problemas de

Mistura, ou seja, situações em que o Administrador pode deter-
minar a melhor composição de ingredientes, respeitando as
Restrições acerca da disponibilidade destes e otimizando o seu
objetivo final.
Em seguida, vimos um problema real que chamamos de

Problema da Dieta. Você seguiu os passos da Modelagem deste
problema, com a construção da planilha representando o Mo-
delo matemático para a sua solução, e, a sequência de comandos
para a obtenção da Solução Ótima na ferramenta Solver do Excel.
Como outra aplicação, sugerimos a você outro problema,

o da Composição de Tintas. Repare que é a mesma situação do
Problema da Dieta, mas com outras Restrições e outra Função-
Objetivo. Da mesma forma, apresentamos um terceiro exem-
plo, o Mix de Investimentos. Você pôde então perceber que ba-
sicamente, problemas deste tipo são sempre modelados da mes-
ma maneira. Assim, concluímos que guardando apenas as pe-
culiaridades de cada situação, buscaremos sempre otimizar a
composição a partir dos ingredientes da mistura.
Finalmente, ao longo da Unidade, vários exercícios foram

propostos para que você pudesse aplicar melhor o conteúdo.
80
Módulo 7
Atividade de aprendizagem
3. Leia o exemplo a seguir e monte um Modelo para a solução do

problema proposto.
Para facilitar, apresentamos depois da exposição textual, o proble-
ma com as equações em sua Forma Canônica e o aspecto geral de
exemplo da planilha com os resultados finais.
Considere que uma empresa do ramo automobilístico está interes-
sada em avaliar algumas alternativas de investimento em mídia im-
pressa, com o intuito de fixar sua marca perante o público consumi-
dor. Algumas revistas e jornais foram pré-selecionados para fazer
parte do Mix de Mídias devido à sua presença no mercado. O de-
partamento de marketing da empresa estabeleceu ainda como con-
dição desejável, que haja um número mínimo de exposições do
anúncio conforme a classe social do público alvo. O que pergunta-
mos é: qual o investimento mínimo que a empresa deve fazer para
atingir o número mínimo de leitores estabelecidos pelo departamento
de marketing? Os dados – número de exposições para cada real
(R$) gasto no veículo – os diversos veículos de comunicação estão
na Tabela 4 a seguir.
Tabela 4: Dados do Problema de Mix de Mídias
CLASSE SOCIAL
MÍDIA
A B C D
Jornal da Nação 6 6 11 2
Diário do País 4 4 13 3
Revista Olhar 2 2 3 2
Revista Hoje 3 3 6 2
Revista AutoFan 7 7 1 0
Exposição Mínima 15 15 20 5
81
Variáveis de Decisão a serem consideradas:
XJN, XJP, XRO, XRH, XRA: valores em reais (R$) investidos

nas mídias: Jornal da Nação (JN), Diário do País (JP), Re-
vista Olhar (RO), Revista Hoje (RH) e Revista AutoFan
(RA).
Função-Objetivo:
Minimizar: XJN + XJP + XRO + XRH + XRA

Restrições: 6 XJN + 4 XJP + 2 XRO + 3 XRH + 9 XRA ≥ 15
13 XJN + 19 XJP + 18 XRO + 11 XRH + 7 XRA ≥ 35
11 XJN + 17 XJP + 3 XRO + 6 XRH + 1 XRA ≥ 20
2 XJN + 3 XJP + 2 XRO + 2 XRH ≥ 5
XJN ≥ 0 ; XJP ≥ 0 ; XRO ≥ 0 ; XRH ≥ 0 ; XRA ≥ 0
A Figura 32 mostra uma sugestão do aspecto da planilha e os resul-

tados encontrados pelo Solver do Excel.
Figura 32: Planilha para resolução do Problema de Mix de Mídias

82
Módulo 7
UNIDADE
3
Problemas
Problemas de
de Capacidade
Capacidade
83
Objetivo
Aqui, na Unidade 3, trataremos dos Problemas de Capacidade. De forma
simplificada, apresentaremos a seguir problemas em que temos que tomar
decisões de otimização considerando fluxos e suas limitações: as
Restrições de Capacidade. Novamente abordaremos algumas aplicações e
demonstraremos as suas respectivas Modelagens. Algumas atividades
serão sugeridas ao longo do texto aguardando por sua análise.
84
Módulo 7
Produção de Laticínios
Diferenciando-se das demais aplicações vistas até o momento

neste material, apresentamos aqui os Problemas de Capacidade. As
Modelagens são exemplificadas a partir de uma situação clássica para
o Administrador: unidades de produção consomem e/ou fornecem
insumos caracterizando um fluxo de materiais com quantidades e cus-
tos ou valores definidos.
Vejamos a seguir o exemplo de produção de leite em pó e queijo
em uma indústria de laticínios.
Vamos imaginar que uma indústria de laticínios produza leite
em pó e queijo, num processo como o demonstrado na figura a seguir.
O laticínio recebe, de fornecedores externos, 10.000 litros por dia de
leite cru. A produção de cada quilo de leite em pó requer 5 litros de
leite fresco. Para o queijo, são necessários 10 litros de leite in natura
para cada quilo produzido. Por questões relacionadas à capacidade de
alguns dispositivos de produção, a quantidade de leite cru processada
na fabricação de leite em pó não pode ser maior do que 6000 litros por
dia e, pelo mesmo motivo, a de queijo não pode ultrapassar o valor de
7500 litros. Em termos de preço de venda, o leite em pó é vendido a
R$ 20,00 kg e o queijo, a R$ 15,00 kg. Perguntamos: qual a receita
máxima que pode ser obtida pelo laticínio?
Figura 33: Esquema do Problema de Produção de Laticínios

85
Em termos de formulação matemática, as Restrições tomam a

forma das seguintes inequações:
x1 – x2 – x3 = 0: identifica que todo leite cru recebido (x1) ou

é destinado à fabricação de leite em pó (x2) ou destinado à
fabricação de queijo (x3). Assim, x1 = x2 + x3
x3 – 10x5 = 0: para cada quilo de queijo (x5) produzido são
necessários 10 litros de leite pasteurizado (x3). Então, entrando
com 10 litros de leite pasteurizado (x3=10), temos 1 quilo de
queijo (x5=1). Para que a igualdade se satisfaça é necessário
x3 = 10 x5.
x2 – 5x4 = 0: idem para a produção de leite em pó.
5x4 + 10x5 – x1 = 0: como x1 = x2 + x3, e x3 = 10 x5 e x2 = 5x4,
substituindo na primeira Restrição, obtemos este resultado.
As outras Restrições são de Capacidade e não-negatividade:
x2 ≤ 6000
x3 ≤ 7500
x4 ≥ 0
x5 ≥ 0
x1 = 10000
Assim, de maneira simplificada, escrevemos:
x1 – x2 – x3 = 0
5 x4 + 10 x5 – x1 = 0
x3 – 10 x5 = 0
x2 – 5 x4 = 0
x2 ≤ 6000
x3 ≤ 7500
x4 ≥ 0
x5 ≥ 0
x1 = 10000
86
Módulo 7
A Função-Objetivo, nesse problema, é representada pela quan-

tidade de cada produto (leite em pó e queijo) multiplicada pelo seu
valor de venda. Assim:
z = 20 x4 + 15 x5
Resumindo, a Forma Canônica do novo problema é descrita

como:
Encontrar: z, x4 , x5
Restrito a: x1 – x2 – x3 = 0
5x4 + 10x5 – x1 = 0
x2 – 5 x4 = 0
x3 – 10 x5 = 0
x1 = 10000
x2 ≤ 6000
x3 ≤ 7500
x4 ≥ 0
x5 ≥ 0
87
Solucionando o Problema de
Produção de Laticínios com o
Uso da Planilha Eletrônica
Com as fórmulas descritas anteriormente, podemos construir nossa

planilha eletrônica. A Figura 34 mostra um exemplo de como ela pode
ser elaborada.
Figura 34: Planilha para resolução do Problema de Produção de Laticínios

O aspecto geral da planilha continua parecido com os dos pro-

blemas vistos nos capítulos anteriores. A célula D2 permanece como a
escolhida para conter a Função-Objetivo do problema. Os dados co-
nhecidos do problema, neste caso, os preços de venda dos dois produ-
tos (leite em pó e queijo), são inseridos nas células D6 e D7.
Para as Variáveis de Decisão (x1, x2, x3, x4 e x5) foram reserva-
das, respectivamente, as células do bloco que vai de (D10 a D14). Os
coeficientes das Restrições ficam no bloco que vai de E10 (limite su-
perior esquerdo) a K14 (limite inferior direito). O lado esquerdo das
Restrições, na linha “16”, entre as células (E16 a K16) e, o lado direi-
88
Módulo 7
to das Restrições, de (E18 a K18). Veja abaixo os conteúdos (valores

e fórmulas) que devem ser digitados nas principais células:
D2 → =(D6*D13)+(D7*D14)
D6 → 20
D7 → 15
D10 a D14 → 0
E16 → =(E10*$D$10) + (E11*$D$11) + (E12*$D$12) +
(E13*$D$13) + (E14*$D$14)
F16 → =(F10*$D$10) + (F11*$D$11) + (F12*$D$12) +
(F13*$D$13) + (F14*$D$14)
G16 → =(G10*$D$10) + (G11*$D$11) + (G12*$D$12) +
(G13*$D$13) + (G14*$D$14)
H16 → =(H10*$D$10) + (H11*$D$11) + (H12*$D$12) +
(H13*$D$13) + (H14*$D$14)
I16 → =(I10*$D$10) + (I11*$D$11) + (I12*$D$12) +
(I13*$D$13) + (I14*$D$14)
J16 → =(J10*$D$10) + (J11*$D$11) + (J12*$D$12) +
(J13*$D$13) + (J14*$D$14)
K16 → =(K10*$D$10) + (K11*$D$11) + (K12*$D$12) +
(K13*$D$13) + (K14*$D$14)
E18 → 0
F18 → 0
G18 → 0
H18 → 0
I18 → 10000
J18 → 6000
K18 → 7500
O espaço reservado para os coeficientes segue a lógica de cada

Restrição. Vejamos o exemplo da figura a seguir. Para a segunda Res-
trição, usamos a segunda coluna não hachurada. Veja que a primeira
89
linha na Figura 35 está associada à variável x1. Assim, seu coeficiente

é “–1”. O mesmo é feito com as outras variáveis.
Figura 35: Esquema de entrada das Restrições do Problema de Produ-

ção de Laticínios
Em seguida ao preenchimento das células da planilha, você pode

passar à entrada de dados no Solver do Excel. Não há diferenças em
relação aos exercícios que você já solucionou nos capítulos I e II. Veja
na Figura 36 o aspecto da tela de entrada de dados do Solver:
Figura 36: Tela do Solver para o Problema de Produção de Laticínios

90
Módulo 7
Tome cuidado para não confundir o tipo de otimização deseja-

da. Nesse caso, maximizar a solução. Assim, selecione a opção cor-
respondente. Outra consideração importante é que temos dois tipos de
Restrições neste problema. As quatro Restrições mais à esquerda são
equações de igualdade e as outras três mais à direita são inequações
do tipo “≤”. Desta forma, duas linhas distintas de Restrições têm de
ser inseridas no espaço correspondente da tela de Parâmetros.
Isso é tudo o que é necessário para podermos calcular a Solução
Ótima. Clique no botão resolver e o Excel calculará para você os re-
sultados. Aceite-os e retorne para a planilha. Veja na Figura 37 o as-
pecto final da mesma, após a execução do Solver:
Figura 37: Planilha final resolvida para o Problema de Produção de

Laticínios
Os valores resultantes são fáceis de serem percebidos. A receita

máxima que pode ser obtida segundo as Restrições utilizadas é de
R$ 30.000,00. Isto corresponde a uma produção diária de 1200 kg de
leite em pó e 400 kg de queijo.
91
Vale a pena observar que pelos resultados podemos determinar

qual setor do laticínio está mais sobrecarregado: o da produção de
leite em pó. Veja na célula J16 que o valor de x2 (capacidade máxima
de leite cru que pode ser processada) se encontra no limite. Isto pode
ser explicado, em parte, pelo maior valor de venda deste produto, que
cria uma tendência de privilegiar sua produção.
Atividade de aprendizagem: problema sugerido
4. Na resolução do problema anterior, você verificou que o proces-

so de produção de leite em pó é o que está sendo utilizado com sua
capacidade máxima. Perguntamos: qual o preço do quilograma de
queijo que faria o balanceamento da produção pender para a utili-
zação máxima do processo de fabricação de queijo? E qual seria a
receita obtida nesta situação?
Resolução
Análises mais sofisti- Aumentando gradativamente o valor do kg de queijo na célula D7

cadas realizam o e recalculando, a cada nova inserção, a otimização com o Solver.
aumento gradativo de Observe os quantitativos processados nas células J16 e K16. Quan-
uma variável através do o conteúdo destas células se modificar, você terá encontrado a
solução.
da simulação. O valor
é aumentado 5. Ainda considerando o mesmo problema , o que aconteceria se o
gradativamente em um preço de venda do quilograma de leite em pó baixasse de R$ 20,00
número de iterações para R$ 10,00 o kg, e o de queijo permanecesse em R$ 15,00 o kg?
pré-determinado. Haveria alguma modificação na estratégia de produção dos dois
Observa-se então o itens?
resultado frente a esta
variação.
92
Módulo 7
Problema de Produção de Vidros
A empresa BestGlass S.A. tem capacidade para produzir três

tipos de vidros planos. Um primeiro tipo comum de superfície lisa, um
segundo tipo comum de superfície texturizada e, um terceiro tipo,
temperado e de superfície lisa. Veja na Figura 38 o fluxo de produção da
empresa, com os processos envolvidos na fabricação dos diversos vidros.
Figura 38: Fluxo de produção da empresa BestGlass

Cada um dos processos possui uma determinada capacidade,

conforme discriminado a seguir:
mistura para produção de liso: 50 toneladas/mês

mistura para produção de texturado: 60 toneladas/mês
liso para vidro comum: 50 toneladas/mês
liso para vidro temperado: 70 toneladas/mês
textura: 45 toneladas/mês
têmpera: 35 toneladas/mês
Os preços de venda são R$ 5.000,00 por tonelada para os vidros

comuns e R$ 7.200,00 por tonelada para o vidro temperado. Pergun-
tamos: qual a receita máxima que pode ser obtida com a venda dos
três tipos de vidro?
A Modelagem do problema é semelhante a do exemplo anterior.
Repare, entretanto, que considerando que não há perdas no fluxo pro-
93
Discuta essa questão dutivo, o quantitativo total deve permanecer constante. Desta for-
com seu tutor. ma, as Restrições associadas ao fluxo são modeladas como igualdades.
x1 – x2 – x3 = 0 → mistura
x5 + x6 + x7 – x1 = 0 → ton. produzidas = ton. insumos
x2 – x5 – x4 = 0 → liso
x4 – x7 = 0 → temperado
x3 – x6 = 0 → texturado
x2 ≤ 50
x3 ≤ 60
x4 ≤ 70
x5 ≤ 50
x6 ≤ 45
x7 ≤ 35
A Função-Objetivo, por sua vez, é maximizar a receita total da

empresa. Repare que os preços de venda dos dois tipos de vidro são
diferentes. O vidro comum (x5 quando liso e x6 quando texturado) é
multiplicado por 5000, que é seu preço de venda. Por sua vez, o vidro
temperado (x7) é multiplicado por 7200:
z = 5000 (x5 + x6) + 7200 x7
94
Módulo 7
Solucionando o Problema de Produção

de Vidros com o uso do Excel
O aspecto da planilha que você deve elaborar para o Problema da

Produção de Vidros é idêntico ao do problema de Produção de Laticíni-
os. Na realidade, as únicas modificações em relação à outra planilha é o
acréscimo de mais duas Variáveis de Decisão (x6 e x7) e mais quatro
Restrições. Além, é claro, das modificações nas fórmulas e valores con-
tidos nas células. Desta forma, você pode iniciar a construção da nova
planilha aproveitando e modificando a do exercício anterior.
Comece por inserir duas linhas em branco entre o bloco reserva-
do para os coeficientes e o bloco das Restrições na planilha de produ-
ção de laticínios, conforme pode ser visto na Figura 39. Isto abrirá
espaço para as novas Variáveis de Decisão. Depois, copie toda a linha
“13” e “14” e cole nas linhas “15” e “16”. Modifique o conteúdo das
células C15 e C16 para x6 e x7, e pronto!
Figura 39: Inserindo linhas na planilha

95
O próximo passo é copiar o bloco que vai de (H10 a K20) para

(L10 a O20). Isto criará a região para as quatro novas Restrições.
Figura 40: Copiando um bloco de células na planilha

Agora salve este arquivo com o nome de vidros.xls. Para isso,

use a função “Salvar Como” do Excel.
Vejamos agora em detalhes as outras modificações que deverão
ser realizadas na planilha.
A célula D2, como sempre, vai conter a Função-Objetivo do
problema. Neste caso, os preços de venda por tonelada dos vidros
comum e temperado (células D6 e D7) multiplicados pelos quantitati-
vos de cada um deles, (células D14 + D15) para os vidros comuns e
D16 para o vidro temperado. Assim, insira em D2:
=(D6*(D14+D15))+(D7*D16)
As Variáveis de Decisão (x1 a x7) estão nas células (D10 a D16).

Inicialmente, como de costume, insira o valor zero. Como você já sabe,
estas células terão seus valores modificados pelo Solver do Excel.
Modifique o conteúdo de D6 e D7 para conter os valores 5000,00 e
7200,00 respectivamente.
96
Módulo 7
Os coeficientes das Restrições ficam no bloco que vai de E10

(limite superior esquerdo) a O16 (limite inferior direito). Insira, para
cada Restrição, os novos coeficientes. Note que para este problema
todos são valores “1” ou “–1”.
Novamente, como no exemplo do problema da produção de la-
ticínios, o lado esquerdo das Restrições estará contido agora na linha
“18”, entre as células (E18 a O18), e o lado direito das Restrições na
linha “20”, de (E20 a O20). Os conteúdos (valores e fórmulas) que
deverão ser digitados nestas duas linhas são praticamente os mesmos
do exercício anterior. Apenas se acrescentarão às fórmulas os cálculos
referentes às novas Variáveis de Decisão. Veja por exemplo a fórmula
para a primeira Restrição, que será digitada na célula E18:
E18 → =(E10*$D$10) + (E11*$D$11) + (E12*$D$12) +

(E13*$D$13) + (E14*$D$14) + (E15*$D$15) + (E16*$D$16)
O trecho em negrito acima especifica o que existe de diferente

entre a nova fórmula e a fórmula correspondente do Problema de La-
ticínio. Para todas as outras Restrições, a modificação é semelhante.
Assim, copiando a equação e colando nas células (F18 a O18), obte-
mos:
F18 → =(F10*$D$10) + (F11*$D$11) + (F12*$D$12) +

(F13*$D$13) + (F14*$D$14) + (F15*$D$15) +
(F16*$D$16)
O18 → =(O10*$D$10) + (O11*$D$11) + (O12*$D$12) +
(O13*$D$13) + (O14*$D$14) + (O15*$D$15) +
(O16*$D$16)
Finalmente, para o lado direito das Restrições, entre com os va-

lores correspondentes nas células (E20 a O20):
0; 0; 0; 0; 0; 50; 60; 70; 50; 45; 35;
Modifique ainda o sinal de cada uma das Restrições, de acordo

com as fórmulas do problema. Veja agora na Figura 41 o aspecto da
97
planilha finalizada. Não é exatamente igual a do exercício anterior?

Apenas acrescida de mais duas Variáveis de Decisão e mais quatro
Restrições?
Figura 41: A planilha para resolução do Problema de Produção de

Vidros
Neste ponto você já pode passar à entrada de dados no Solver do

Excel. É tudo exatamente igual ao da planilha dos laticínios que deu
origem a esta nova. Assim, basta modificar as regiões de Células Vari-
áveis e das Restrições e executar os cálculos. Veja na Figura 42 a tela
de Parâmetros do Solver. Clique no botão Resolver e o Excel calcula-
rá os resultados.
Figura 42: Tela do Solver para o Problema de Produção de Vidros

98
Módulo 7
Se você seguiu todos os passos corretamente, sua planilha deve-

rá estar idêntica a da Figura 43 a seguir. A Solução Ótima indica que a
receita máxima que pode ser obtida é de R$ 552.000,00. Veja na
planilha que o Total Ótimo de produção de cada tipo de vidro está
apresentado nas células das Variáveis de Decisão:
X5 ⇒ vidro liso comum ⇒ célula D14 = 15 toneladas

X6 ⇒ vidro texturado comum ⇒ célula D15 = 45 toneladas
X7 ⇒ vidro temperado ⇒ célula D16 = 35 toneladas
Figura 43: A planilha resolvida para o Problema de Produção de Vidros

99
RESUMO
Nesta Unidade, estudamos os chamados Problemas de

Capacidade. Este tipo de problema trata de situações em que
temos que tomar decisões de otimização considerando fluxos
e suas limitações: as Restrições de Capacidade.
Iniciamos os exemplos com um caso de produção de la-

ticínios. Modelamos uma situação clássica para o Administra-
dor: unidades de produção que consomem e/ou fornecem
insumos caracterizando um fluxo de materiais com quantida-
des e custos ou valores definidos. Novamente enfatizamos as
aplicações práticas e suas resoluções através de planilhas ele-
trônicas. Assim, repetindo a metodologia anterior, seguimos
os passos da Modelagem do problema, a construção da
planilha e a sequência de comandos para a obtenção da Solu-
ção Ótima no Solver.
Como segunda aplicação nesta Unidade, sugerimos para

estudo outro problema, o da produção de vidros. Mais uma
vez, todas as etapas foram bastante similares, no seu aspecto
geral, precisando apenas que você ficasse atento às particula-
ridades de cada situação.
Não se esquecendo do valor da prática no aprendizado,

propusemos novamente outras atividades, que esperamos te-
nham lhe rendido boas horas de estudo.
6. Considerando o Problema de Produção de Vidro estudado ante-

riormente inverta os valores dos custos por tonelada do vidro co-
mum e do vidro temperado, monte matematicamente o problema e
recalcule na planilha eletrônica a nova formulação.
100
Módulo 7
UNIDADE
4
Problemas
Problemas de
de Transportes
Transportes
101
Objetivo
Nesta Unidade, vamos conhecer os Problemas de Transporte. O nome
desta classe de problemas deve sua origem à utilização da Pesquisa
Operacional para encontrar o menor custo de transporte na distribuição
de cargas entre centros produtores e consumidores. Seguindo a
orientação adotada neste material, convidamos você a estudar aplicações
e Modelagens e exercitar sua análise nas atividades.
102
Módulo 7
Problemas de Transporte
Um típico Problema de Transporte trata do transporte de alguma

carga – um produto, um material ou insumo, por exemplo – de diver-
sas fontes até um conjunto de destinos, procurando minimizar custo
ou maximizar lucro ou receita, respeitando as capacidades de forneci-
mento das fontes e de absorção dos destinos.
Exemplificando, este é o problema de uma empresa que conta
com certo número de fábricas espalhadas em um território – cada qual
com uma determinada capacidade de produção – e precisa satisfazer a
demanda de diversos centros de consumo - com necessidades de quan-
tidades específicas – buscando o menor custo para transportar seus
produtos e bem atender seus clientes.
Apesar desta origem, diversas outras situações podem ser
otimizadas como aplicações do Problema de Transporte, como por
exemplo, cronogramas de produção.
Os Problemas de Transporte pertencem a uma, por assim dizer,
classe de aplicações da Pesquisa Operacional denominada Problemas
de Rede. A sua Modelagem é facilitada com o uso de diagramas de
nós ligados por um conjunto de arcos. E, devido também as suas
especificações, é possível aperfeiçoar o Simplex para a sua resolução.
Saiba mais...
Saiba mais sobre a utilização do método Simplex em Problemas
de Transporte lendo o capítulo 8 do livro de Hillier e Lieberman
(2006), citado nas Referências Bibliográficas, ao final deste material.
Uma das premissas que adotamos inicialmente nesta etapa é que

o problema deve estar balanceado. Isto quer dizer que a soma da capa-
cidade de fornecimento (oferta total) é igual a soma da necessidade ou
demanda de consumo (demanda total) – em outras palavras, tudo que
103
é ofertado é consumido; não há sobras de fornecimento e nem deman-

da de consumidor sem ser atendida. Ok?
Para fixar, chamamos esta situação de Problema de Transporte
Balanceado.
Antes de seguir sua leitura, pense: o que aconteceria se isso não
fosse satisfeito?
Pois é, caso isso não seja satisfeito, uma das duas situações po-
dem ocorrer:
Oferta maior do que a Demanda, e neste caso ou há forma-

ção de estoques ou capacidade ociosa nas fábricas.
Demanda maior do que a Oferta, ocasionando Demanda não
atendida e insatisfação de consumo.
Reflita sobre estas duas situações. Quais os impactos gerenciais

que podem ser gerados por cada uma delas?
Caso o problema não seja balanceado, devemos resolver o pro-
blema tratando as Restrições como inequações. O que sobrar na Res-
trição, representará o desbalanceamento entre oferta e demanda. Ou-
tra maneira de solucionar o problema seria criar uma origem ou desti-
no fictício para fornecer/absorver o excesso a um custo zero e balan-
cear o problema. Neste material, pelo suporte computacional adotado,
optamos pela primeira abordagem.
104
Módulo 7
Problema de Escoamento
da Produção #1
Vamos começar com um exemplo bem simples de Problema de

Transporte.
A indústria Pés Felizes Ltda possui 3 unidades de produção de
calçados e 2 lojas para a venda dos produtos. A primeira fábrica apre-
senta um estoque de 2000 unidades, a segunda de 3000 unidades e a
terceira de 2500 unidades. Para o próximo mês, as lojas estão preven-
do uma demanda de 3000 e 3500 pares respectivamente. Os custos de
transporte de 100 pares de calçados das fábricas para cada uma das
lojas são calculados conforme a tabela 5 a seguir. Não há problema
em permanecer certa quantidade de estoque nas fábricas, mas a deman-
da tem de ser atendida. O interesse da empresa é escoar sua produção
minimizando ao máximo os custos de transporte envolvidos. Pergunta-
mos: qual fábrica deve atender qual loja e em quais quantidades?
Tabela 5: Dados do Problema de Escoamento da Produção
Custo do transporte ( R$ / 100 pares )

Unidade Produtiva Estoque
Loja 1 Loja 2
Fábrica A 2000 15 10
Fábrica B 3000 10 12
Fábrica C 2500 12 18
Demanda da Loja 3000 3500
Para montar nosso Modelo, vamos denominar os escoamentos

da produção como xmn, “m” como o local de produção e “n” como a
loja que apresenta a demanda. Em termos de Restrições, temos que:
105
toda demanda deve ser atendida e que os envios não podem ultrapas-
sar os estoques disponíveis.
Assim, comecemos pela soma dos envios de cada fábrica “m”
para cada loja “n”:
xA1 + xB1 + xC1 = 3000

xA2 + xB2 + xC2 = 3500
Em seguida, vamos considerar os estoques. A soma dos envios

de cada fábrica para as lojas está limitada. Assim:
xA1 + xA2 ≤ 2000

xB1 + xB2 ≤ 3000
xC1 + xC2 ≤ 2500
E, como sempre, existem as Restrições de não-negatividade, que

sintetizamos na forma:
xA1; xA2; xB1; x B2; xC1; x C2 ≥ 0
Quanto à Função-Objetivo em um Problema de Transporte, ela

é construída levando-se em conta o custo total associado à distribui-
ção. Para isso, consideramos o custo individual para cada par fábrica/
loja multiplicado pela quantidade enviada. Veja que dividimos os va-
lores constantes da tabela por 100, pois os custos de envio são dados
para lotes desta quantidade. Em termos matemáticos:
z = 0,15 xA1 + 0,10 x A2 + 0,10 xB1 + 0,12 xB2 + 0,12 xC1 + 0,18 xC2
106
Módulo 7
A resolução do Problema
de Transporte através de
Planilha Eletrônica
Determinadas todas as fórmulas, podemos construir nossa

planilha eletrônica. Veja na Figura 44 uma sugestão de como ela pode
ser elaborada.
Figura 44: Planilha para resolução do Problema de Transporte

Neste ponto do curso você já deve estar habituado ao aspecto

geral das planilhas que foram construídas para a solução dos proble-
mas. A planilha que devemos elaborar para o Problema de Transporte
não é muito diferente das demais. Mantenha a célula D2 para conter a
Função-Objetivo do problema. Os dados conhecidos do problema, neste
caso os custos individuais de transporte entre as fábricas e os mercados
consumidores, são inseridos nas células do bloco que vai de (D5 a E7).
Para as Variáveis de Decisão reservamos as células do bloco que
vai de (D10 a E12). Os coeficientes das Restrições, neste problema,
107
são iguais a unidade e, portanto não é preciso reservar células para

contê-los. O lado esquerdo das Restrições foi imaginado na coluna
“D”, entre as linhas “16” e “20”, e o lado direito das Restrições, na
coluna “F”, de (F16 a F20). Veja abaixo os conteúdos (valores e fór-
mulas) que deverão ser digitados nas principais células:
D2 → =(D5*D10)+(D6*D11)+(D7*D12)+(E5*E10)+
(E6*E11)+(E7*E12)
D5 → 0,15
D6 → 0,10
D7 → 0,12
E5 → 0,10
E6 → 0,12
E7 → 0,18
D16 → =SOMA(D10:D12)
D17 → =SOMA(E10:E12)
D18 → =SOMA(D10:E10)
D19 → =SOMA(D11:E11)
D20 → =SOMA(D12:E12)
F16 → 3000
F17 → 3500
F18 → 2000
F19 → 3000
F20 → 2500
Em seguida ao preenchimento das células da planilha, você pode

passar à entrada de dados no Solver do Excel. Não há diferenças com
relação aos exercícios que você já solucionou em outros capítulos.
Veja na Figura 45 o aspecto da tela de entrada de dados do Solver:
108
Módulo 7
Figura 45: Tela do Solver para o Problema de Transporte

Lembre-se de escolher o tipo de otimização desejada. Nesse caso,

minimizar a solução. Seguindo a mesma abordagem dos capítulos an-
teriores, entre também com os dois tipos de Restrições: igualdade e
menor ou igual.
Estando concluída a nossa planilha, clique então no botão resol-
ver para calcular a Solução Ótima. Veja na Figura 46 a seguir o aspec-
to final da planilha após a execução do Solver:
Figura 46: Planilha com a solução calculada para o Problema de Transporte

O resultado mostra que o menor custo de transporte, igual a R$

710,00, é obtido com o envio de 2000 pares de sapatos da fábrica “A”
para a loja 2; 1500 pares da fábrica “C” para a loja 1; e o estoque da
fábrica “B” dividido igualmente entre as duas lojas, com o envio de
1500 pares para cada uma.
109
Problema de Escoamento
de Produção #2
O seguinte problema é muito parecido com o anterior, mas ago-

ra vamos acrescentar o fato de que não pode permanecer estoque nas
unidades de produção. Digamos, portanto, que o interesse da empresa
seja escoar toda a sua produção minimizando ao máximo os custos de
transporte envolvidos.
Imagine uma indústria que possua 3 unidades produtivas e que
atenda a 5 mercados diferentes, produzindo um produto que é caracte-
rizado por seu volume em m³. Para realizar os cálculos envolvidos, as
quantidades produzidas e os custos de transporte entre cada unidade
de produção e cada mercado, podem ser vistos na Tabela 6. Já os vo-
lumes consumidos pelos mercados estão mostrados na Tabela 7. Per-
guntamos: considerando esses valores tabelados, qual o menor valor
do custo de transporte possível de ser obtido?
Tabela 6: Quantidades produzidas e custos de transporte no Problema

de Escoamento de Produção # 2
Mercado Consumidor (Custo em R$ /m³)

Unidade Produção em
Produtiva m³ x 1000 Mercado 1 Mercado 2 Mercado 3 Mercado 4 Mercado 5
Fábrica A 770 50 75 145 280 265
Fábrica B 960 60 85 150 285 270
Fábrica C 190 100 135 115 300 285

110
Módulo 7
Tabela 7: Volumes consumidos pelos mercados no Problema de Escoa-

mento de Produção # 2
Mercado Consumidor
Escoamento Total
Mercado 1 Mercado 2 Mercado 3 Mercado 4 Mercado 5
em milhares de m³ 1845 20 10 1200 150 65
Da mesma forma que no exercício anterior, vamos denominar os

escoamentos da produção como xmn, “m” como o local de produção e
“n” como o mercado consumidor. Agora, em termos de Restrições,
podemos dividi-las em dois grupos distintos:
Toda a produção deve ser escoada.

Toda demanda deve ser atendida.
Vejamos as equações das Restrições do primeiro grupo. Come-

cemos pela fábrica “A”: a sua produção total de 770 mil m³, deve ser a
soma dos escoamentos desta unidade produtiva para os diversos mer-
cados consumidores. Assim,
xA1 + xA2 + xA3 + xA4 + xA5 = 770
Da mesma forma, para as fábricas “B” e “C”:
xB1 + xB2 + xB3 + xB4 + xB5 = 960

xC1 + xC2 + xC3 + xC4 + xC5 = 190
Passemos então para as Restrições do segundo grupo. Aqui, a

preocupação é atender as demandas dos cinco mercados. Assim, cada
Restrição será a soma dos escoamentos de cada fábrica “m” para cada
cidade “n”:
xA1 + xB1 + xC1 = 20

xA2 + xB2 + xC2 = 10
xA3 + x B3 + xC3 = 1200
111
xA4 + xB4 + xC4 = 150

xA5 + xB5 + xC5 = 65
Finalmente, não podemos nos esquecer das Restrições de não-

negatividade, que sintetizamos na forma:
xA1 ; xA2 ; xA3 ; xA4 ; xA5 ; xB1 ; xB2 ; xB3 ; xB4 ; xB5 ; xC1 ; xC2 ; xC3 ; xC4 ; xC5 ≥ 0
A Função-Objetivo, mais uma vez, é construída levando-se em

conta o custo total associado à distribuição; considerando o custo in-
dividual para cada par fábrica/mercado multiplicado pela quantidade
escoada. Em termos matemáticos:
z = 50 xA1 + 75 xA2 + 145 xA3 + 280 xA4 + 265 xA5 +

60 xB1 + 85 xB2 + 150 xB3 + 285 xB4 + 270 xB5 +
100 xC1 + 135 xC2 + 115 xC3 + 300 xC4 + 285 xC5
Resumindo, a Forma Canônica do novo problema é descrita

como:
Encontrar: z, xA1, xA2, xA3, xA4, xA5, xB1, xB2, xB3,

xB4, xB5, xC1, xC2, xC3, xC4, xC5
Restrito a: xA1 + xA2 + xA3 + xA4 + xA5 = 770
Maximizar: z = 50 xA1 + 75 xA2 + 145 xA3 + 280 xA4 +
265 xA5 +
60 xB1 + 85 xB2 + 150 xB3 + 285 xB4 + 270 xB5 +
100 xC1 + 135 xC2 + 115 xC3 + 300 xC4 + 285 xC5
xB1 + xB2 + xB3 + xB4 + xB5 = 960
xC1 + xC2 + xC3 + xC4 + xC5 = 190
xA1 + xB1 + xC1 = 20
xA2 + xB2 + xC2 = 10
xA3 + xB3 + xC3 = 1200
xA4 + xB4 + xC4 = 150
xA5 + xB5 + xC5 = 65
xmn ? 0
112 para m {A, B, C} e n {1, 2, 3, 4, 5}
Módulo 7
Solucionando o Problema de
Transporte com o uso do Excel
Com as fórmulas descritas acima, podemos construir nossa

planilha eletrônica. Veja na Figura 47, que ela é praticamente igual a
do problema da fábrica de calçados Pés Felizes Ltda.
Figura 47: Planilha para resolução do Problema de Escoamento de

Produção
A célula D2, como sempre, contém a Função-Objetivo do pro-

blema. Os dados do problema são inseridos nas células do bloco que
vai de (D5 a H7). Para as Variáveis de Decisão utilizaremos as células
do bloco que vai de (D10 a H12). Para o lado esquerdo das Restrições
foi reservada a coluna “D”, entre as linhas “16” e “23” e, para o lado
direito das Restrições, a coluna “F”, de (F16 a F23). Em seguida, de-
verão ser digitados os seguintes valores e fórmulas nas células:
D2 → = (D5*D10)+(E5*E10)+(F5*F10)+(G5*G10)+
(H5*H10)+(D6*D11)+(E6*E11)+(F6*F11)+(G6*G11)+(H6*H11)+
(D7*D12)+(E7*E12)+(F7*F12)+(G7*G12)+(H7*H12)
D5 a H7 → 50 .... até 285 (veja a figura 47) 113
D16 → =SOMA(D10:H10)
D17 → =SOMA(D11:H11)
D18 → =SOMA(D12:H12)
D19 → =SOMA(D10:D12)
D20 → =SOMA(E10:E12)
D21 → =SOMA(F10:F12)
D22 → =SOMA(G10:G12)
D23 → =SOMA(H10:H12)
F16 → 770
F17 → 960
F18 → 190
F19 → 20
F20 → 10
F21 → 1200
F22 → 150
F23 → 65
Continuando, este é o momento para passar à entrada de dados

no Solver. Veja na Figura 48 o aspecto da tela de entrada de dados do
mesmo:
Figura 48: Tela do Solver para o Problema de Escoamento de Produção

114
Módulo 7
Escolha a opção de “minimizar” a solução. Mas atenção, pois

este problema apresenta apenas um tipo de Restrição: são equações de
igualdade. Você deve adicionar este tipo de Restrição no espaço cor-
respondente da tela de Parâmetros.
Finalizada a entrada dos Parâmetros, clique no botão resolver e
aceite a solução sugerida pelo programa. A Figura 49 abaixo traz a
planilha com seus conteúdos alterados pelo Solver:
Figura 49: Planilha resolvida para o Problema de Escoamento de

Produção
O custo mínimo de transporte é R$ 241.350.000,00 – note que o

valor na célula D2 deve ser multiplicado por mil, pois os cálculos fo-
ram realizados para o volume de milhares de m³ e os custos de trans-
porte, por sua vez, são dados para cada m³.
Baseando-se nos resultados observe que para minimizar os cus-
tos de transporte a fábrica “A” deve fornecer para os mercados 3 e 4;
a fábrica “B” paras os mercados 1, 2 e 3; e a fábrica “C” apenas para
os mercados 4 e 5.
115
RESUMO
Nesta Unidade, conhecemos os Problemas de Transpor-

te. Basicamente, eles tratam de encontrar o menor custo de trans-
porte ou a maior receita na distribuição de cargas entre centros
produtores e consumidores. Em PO, estes problemas perten-
cem a uma categoria de aplicações denominada Problemas de
Rede. A sua Modelagem é facilitada com o uso de diagramas
de nós ligados por um conjunto de arcos.
Uma consideração interessante nestas situações é que o
problema deve estar balanceado, ou seja, a soma da capacidade
de fornecimento (oferta total) é igual a soma da necessidade ou
demanda de consumo (demanda total), não havendo sobras de
fornecimento e nem demanda de consumidor sem ser atendida.
Em seguida, você foi apresentado a dois exemplos de es-
coamento de produção, teve que modelar as duas situações e
resolvê-las através do Solver do Excel. Novamente, seguindo a
mesma dinâmica das outras Unidades, sugerimos outros pro-
blemas semelhantes.
Para nos certificarmos de que você aprendeu o conteúdo da Unida-

de 4, apresentamos a seguir um problema semelhante aos anteriores
Lembre-se de consul- deste capítulo. Tente resolvê-lo.
tar seu Tutor sempre
que julgar necessário. 7. Uma usina de açúcar precisa otimizar a sua distribuição de pro-
duto em relação a seus depósitos e seus mercados consumidores.
Os valores dos fretes variam trimestralmente ao longo do ano, devi-
do a fatores externos a empresa. Conhece-se ainda a produção total
da usina, a capacidade máxima dos depósitos e a demanda do mer-
cado consumidor. Perguntamos: qual a melhor estratégia em termos
116
Módulo 7
de transporte, de modo a minimizar os custos de distribuição? Quan-

to e quando se deve enviar de açúcar para cada depósito?
Tabela 8: Quantidades produzidas e custos de transporte no Problema de Escoamento

de Produção proposto
Custo do Frete entre a Usina e os Depósitos (R$ / ton)

Produção
Trimestre
(ton) Depósito 1 Depósito 2 Depósito 3 Depósito 4 Depósito 5 Depósito 6
1 1400 1,35 1,50 1,25 1,75 1,80 1,45
2 2900 1,30 1,40 1,10 1,85 2,10 1,40
3 1200 1,05 1,00 1,10 1,90 2,35 1,60
4 500 1,25 1,35 1,20 1,65 1,90 1,75
Tabela 9: Capacidade dos depósitos no Problema proposto

Custo do Frete entre a Usina e os Depósitos (R$ / ton)
Depósito 1 Depósito 2 Depósito 3 Depósito 4 Depósito 5 Depósito 6
200 300 300 350 400 250
Tabela 10: Demanda do mercado consumidor no Problema de Escoamento de Produção

proposto
Demanda para cada um dos Depósitos (ton)
Demanda
Trimestre
Total (ton) Depósito 1 Depósito 2 Depósito 3 Depósito 4 Depósito 5 Depósito 6
1 1500 170 250 280 250 400 150
2 1500 200 250 300 220 380 150
3 1500 150 300 250 300 300 200
4 1500 180 250 270 320 230 250
117
UNIDADE
5
Outras
Outras Aplicações
Aplicações em
em
Pesquisa
Operacional
Objetivo
Nesta Unidade, condensaremos outras aplicações de
Pesquisa Operacional de uso do Administrador.
120
Módulo 7
Ampliando o uso da
Além das aplicações mais comuns de Pesquisa Operacional que

estudamos até este momento, existem outras que atendem casos e ne-
cessidades específicas. Desta forma, pensamos esta Unidade como
sendo um grande saiba mais no contexto deste material de estudo.
Veja bem, a Programação Linear tem em sua formulação uma
grande limitação: suas variáveis não necessariamente são inteiras, e
nem sempre podemos aceitar respostas fracionadas. Pensem em alocações
de pessoas. Estes problemas requerem Programação Inteira.
Outro situação de destaque ocorre quando não é possível for-
mular o problema como funções lineares – neste caso, entra em uso a
Programação Não-Linear.
121
Programação Inteira
Como já adiantamos, os Problemas de Programação Inteira são

aqueles em que a Função-Objetivo, bem como as Restrições, são line-
ares, porém, uma ou mais Variáveis de Decisão apenas podem assumir
valores inteiros. E, sendo assim, resultados fracionados não atendem a
solução do problema.
Saiba mais...
Saiba mais sobre Programação Inteira consultando os capítulos
14, 15 e 16 do livro do Colin (2007), indicado nas referências
bibliográficas.
Segundo Colin (2007), devemos inicialmente fazer uma análise

criteriosa para saber se realmente existe a necessidade de inserir a va-
riável inteira na Modelagem. Portanto, a princípio, deve-se tentar for-
mular um problema de forma tradicional.
Caso realmente haja a limitação, partimos para a Programação
Inteira. E, tenham a certeza de que, embora seja tentadora, não obtere-
mos a melhor solução possível resolvendo o problema como se fosse
um Problema de Programação Linear e arredondando os valores Óti-
mos encontrados para cada uma das Variáveis de Decisão Inteiras. Para
problemas de grande porte, isto normalmente gerará uma solução acei-
tável, mas não Ótima sem a violação de nenhuma das Restrições. Po-
rém, para problemas menores, esse tipo de procedimento poderá nos
levar a Soluções Inviáveis ou Não Ótimas.
122
Módulo 7
Utilizamos Programação Inteira em aplicações como: alocação

Ótima de atividades (com duração ou custos diferentes, por exemplo);
e a pessoal (com eficiência e/ou custos diferentes, por exemplo)
objetivando minimizar custo ou maximizar a eficiência. Podemos ain-
da citar os casos de definição de rotas (um problema clássico é o do
caixeiro viajante) e o de sequenciamento de produção – quando bus-
camos a melhor sequência de produção a fim de atender prazos a par-
tir de quantidades e tempo de produção determinados.
Saiba mais...
Saiba mais informações sobre aplicações de Programação
Inteira em <http://www.engprod.ufjf.br/fernando/epd015/
ProgramacaoInteira.pdf>. Acesso em: 5 maio 2009.
123
Programação Não-Linear
Os Modelos empregados em Programação Linear são, como o

próprio nome diz, lineares (tanto a Função-Objetivo quanto as Restri-
ções). Este fato é, sem dúvida, a maior das Restrições impostas sobre
um Modelo de Programação.
Em grande parte das aplicações, Modelos lineares refletem ape-
nas aproximações dos Modelos reais. Fenômenos físicos ou econômi-
cos são geralmente melhor representados por Modelos não-lineares. A
maioria das não-linearidades englobadas em um Modelo de Progra-
mação está dentro de duas principais categorias:
Relações observadas empiricamente, tais como variações não-

proporcionais em custos, resultados de processos e caracte-
rísticas de qualidade.
Relações deduzidas estruturalmente, que englobam fenôme-
nos físicos, deduzidos matematicamente e regras administra-
tivas.
O principal conceito envolvido em Programação Não-Linear é o

de Taxa de Variação: derivadas e gradientes.
O grande problema que dificulta a obtenção da Solução Ótima
nos Problemas de Programação Não-Linear são os mínimos e máxi-
mos (extremos) locais da Função-Objetivo – Lembra-se disso de seus
estudos de matemática?
São problemas típicos de Programação Não-Linear quando te-
mos um Problema de Mix de Produtos cujo lucro por produto varia
conforme a quantidade vendida (se houver, por exemplo, desconto por
compra de grande lote), e também problemas de escoamento de produ-
ção cujo custo de transporte varia conforme a quantidade em carga.
Existem também diversos exemplos em livros sobre a aplicação
de Programação Não-Linear. Podemos citar, desta forma, o caso de
minimização de custos totais de estoque; localização de antenas de
124
Módulo 7
transmissão de telefonia celular (cujos alcances são mensurados radi-

almente a partir da localização das antenas), entre outros.
RESUMO
Nesta Unidade, apresentamos alguns conceitos básicos

sobre outros problemas de Pesquisa Operacional que não po-
dem ser solucionados pela Programação Linear. Na Programa-
ção Inteira, as variáveis não podem ter valores fracionados. Na
Programação Não-Linear, como o próprio nome diz, as fun-
ções apresentam pelo menos uma de suas variáveis elevada a
uma potência diferente de 1 (um).
8. Discuta com o seu tutor e seus colegas as situações em que a

Programação Linear não resolveria um problema. Você consegue
descrever, então, um problema deste tipo?
125
REFERÊNCIAS
BRONSON, R. Pesquisa Operacional. Série Schaum. São Paulo:

McGraw-Hill, 1986.
COLIN, E. C. Pesquisa Operacional: 170 aplicações em estratégia,

finanças, logística, produção, marketing e vendas. 1. ed. Rio de
Janeiro: LTC, 2007.
HILLIER, F. S.; LIEBERMAN, G. J. Introdução à Pesquisa

Operacional. 8. ed. São Paulo: McGraw-Hill, 2006.
LACHTERMACHER, G. Pesquisa Operacional na Tomada de

Decisões: modelagem em Excel. 3. ed. Rio de Janeiro: Elsevier,
2007.
NOGUEIRA, Fernando Marques de Almeida. Notas de Aula de

Pesquisa Operacional. Disponível em: <http://www.engprod.ufjf.br/
fernando/epd015>. Acesso em: 31 mar. 2009.
126
Módulo 7
127
Possui graduação em Engenharia Elétri-

ca de Produção pela Pontifícia Universidade
Católica do Rio de Janeiro (1996); especializa-
ção em Pós-Graduação em Gestão Pela Quali-
dade Total pela Universidade Federal
Fluminense (2000); mestrado em Engenharia de
Produção pela Universidade Federal Fluminense
(2000) e doutorado em Engenharia Civil pela Universidade Federal
Fluminense (2007). Atualmente é professor adjunto I no Curso de
Administração da Universidade Federal de Juiz de Fora.
Possui graduação em Engenharia Civil pela

Universidade Federal de Juiz de Fora (1986);
mestrado em Arquitetura pela Universidade Fe-
deral do Rio de Janeiro (1996); e doutorado em
Engenharia Mecânica pela Universidade Fede-
ral do Rio de Janeiro (2005) e Engenharia Civil
pelo INSA de Lyon, França (co-tutela com a
UFRJ). Atualmente é professor adjunto III no Curso de Engenharia de
Produção da Universidade Federal de Juiz de Fora.
128

Pesquisa Operacional

Enviado por

Direitos autorais:

Formatos disponíveis

Pesquisa Operacional

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Pesquisa Operacional

Enviado por

Direitos autorais:

Formatos disponíveis

PesquisaOperacional

Anderson Lopes Belli Castanha

SECRETÁRIO DE EDUCAÇÃO A DISTÂNCIA

DIRETOR DO DEPARTAMENTO DE POLÍTICAS EM EDUCAÇÃO A DISTÂNCIA

SISTEMA UNIVERSIDADE ABERTA DO BRASIL

COMISSÃO EDITORIAL DO PROJETO PILOTO UAB/MEC

UNIDADE 1 – Introdução à Pesquisa Operacional

UNIDADE 2 – Problemas de Mistura

UNIDADE 4 – Problemas de Transportes

UNIDADE 5 – Outras Aplicações em Pesquisa Operacional

Ampliando o uso da Pesquisa Operacional...............................................121

Nesta Unidade de estudo, vamos conhecer as definições e principais

conceitos acerca da Pesquisa Operacional. Estes fundamentos teóricos

nos darão suporte às etapas subsequentes. Veremos também como

escrever um Problema Linear – chamaremos esta ação de modelar – e

como solucioná-lo usando técnicas gráficas e computacionais. Devemos

nos recordar das equações e inequações matemáticas e dos gráficos de

equações, pois estes serão conhecimentos básicos necessários nesta Unidade.

Pesquisa Operacional. O que é isso? Embora possa ser definida

A Pesquisa Operacional abrange diversas técnicas – Programa-

Alguns conceitos iniciais para a

Como vocês já estudaram em matemática, uma função é chama-

y = f(x1, x2, x3,... xn)

Vamos agora imaginar esta situação na prática: quando você re-

y = f(x 1, x2, x3) = c1.x13 + c2.x22 + c3.x3

Observe que em uma função não-linear você encontra pelo me-

lar Modelos objetivando a melhor solução possível em processos de

Problema de Otimização: Em um Problema de Otimização,

este valor é pré-determinado para aquela máquina por ques-

Propriedades – divisibilidade, aditividade,

Neste momento, vamos tentar modelar matematicamente um pro-

A empresa Manufactura Ltda busca o maior lucro possível

Agora se pergunte: o que a empresa deseja? Vamos lá! Maximizar

Quais os produtos que a empresa Manufactura produz? A e B,

Lucro Dia = (Lucro do Produto A x Quantidade diária de A)

Você concorda? Então vamos escrever matematicamente recor-

Lucro Dia = R$ 50,00 x Quantidade de A + R$ 40,00 x Quantidade de B.

Vamos chamar o lucro dia de “z”; a quantidade diária de A de x1 e

E a empresa objetiva o que mesmo? Maximizar o lucro diário!

Tudo tranquilo até aqui? Então, quais são as Variáveis de Deci-

Mas vamos lá, continuemos com a Modelagem identificando mais

Para cada A = 30 min., então x1 Unidades de A vão gastar:

Ok? Estes dois tempos somados – o que se gasta montando A e

Restrição 2: 30x1 + 20 x2 ≤ 360

Para esta restrição, uma Solução Viável seria x 1 = 10 Uni-

Se você repetir o raciocínio para a área de embalagem vai verifi-

Para cada A = 5 min., então x1 Unidades de A vão gastar: 5x1

E como a Manufactura só disponibiliza 120 minutos por dia para

Restrição 3: 5x1 + 10 x2 ≤ 120

Passo 1: Identifique o objetivo do problema, que pode ser

Passo 2: Identifique todas as exigências, restrições e limita-

Passo 3: Expresse as condições implícitas no problema. As

Solução gráfica do Problema

Note bem. A construção da solução começa estabelecendo-se

Vamos lembrar que a Solução Ótima procurada deve estar ape-

Veja que, graficamente, isto limita o espaço de soluções possí-

Figura 1: O espaço de soluções possíveis

Da mesma forma, podemos introduzir as outras Restrições do

Figura 2: Região Viável para uma das Restrições