Anda di halaman 1dari 57

© Morais Silva

Modelo para Solver

x1 x2
Produção 20 30

Consumos unitários 1 Stock

Algodão 1 2 80 ≤ 80
Lã 3 2 120 ≤ 120

Lucros
Unitários 30.00 € 35.00 €
Total 1,650.00 €

Produção óptima: 20 fatos; 30 vestidos


Lucro máximo: 1650€
© Morais Silva

Modelo para Solver

x1 x2
Usar para 1 litro 0.33 0.67

1 litro de mistura 1º membro Limite


Glicerina 0.2 0.5 0.4 ≤ 0.4
1 litro mistura 1 1 1 ≤ 1

Custos
Unitários 80.00 € 60.00 €
Total 66.67 €

Produção óptima: usar 1/3 de litro de A e 2/3 de litro de B para 1 litro de mistura
Custo mínimo de 1 litro de mistura = 66.67€
© Morais Silva

Modelo para Solver


x1 x2
Aviões 8 14

1º membro Limite
Aviões A 1 0 8 ≤ 19
Aviões B 0 1 14 ≤ 14
Pilotos 1 1 22 ≤ 30
Co-pilotos 1 1 22 ≤ 26
Navegadores 0 1 14 ≤ 14
Tripulantes 4 7 130 ≤ 132

Passageiros
por avião 180 340
Total 6,200

Transporte óptimo: 6200 pax em 8 aviões tipo A e 14 do tipo B


Modelo para Solver

Questões

Tempo máximo
Cotação total
Mínimos

Limites

Quetsões
para prova
Total

Prova óptima: escolher 30 ques


A solução não é única
© Morais Silva

Modelo para Solver


x1 x2 x3
30 20 6

1º membro Limite
1.5 3 12 177 ≤ 180
1 2 5 100 ≤ 100
1 30 ≥ 1
1 20 ≥ 1
1 6 ≥ 1
1 30 ≤ 50
1 20 ≤ 20
1 6 ≤ 10

1 2 5
100

rova óptima: escolher 30 questões do tipo A, 20 do tipo B e 6 do tipo C


solução não é única
Decisão Modelo para Solver

x1 unidades do produto A Produção


x2 unidades do produto B
x3 unidades do produto C Horas trabalho
Capital
Restrições técnicas
Horas de trabalho : 1.5x1  3x2  1.2 x3  18
Lucro unitário
Capital : 1x1  2 x2  5 x3  100 Lucro total MAX

Objectivo
Produção óptima: produzir 15 u
Maximizar o lucro da produção f ( X )  1x1  2 x2  5 x3
Restrições lógicas
x1 , x2 , x3  0
© Morais Silva

delo para Solver


x1 x2 x3
0 0 15

1º membro Limite
1.5 3 1.2 18 ≤ 18
1 2 5 75 ≤ 100

1 2 5
75

dução óptima: produzir 15 unidades do produto C; lucro máximo=75 u.m.


Decisão
x1 unidades do produto A
Modelo para Solver
x2 unidades do produto B
x3 unidades do produto C Produção
Restrições técnicas
Horas de trabalho : 1.5 x1  3x2  1.2 x3  18
Horas trabalho
Capital : 1x1  2 x2  5 x3  100 Capital
Relação de produção de A e B Relação A-B
x1  2 y1 Relação A-B
x2  4 y1  My2 Relação A-B
Relação binárias
x2  4 y2
y1  y2  1 Lucro unitário
Objectivo Lucro total MAX
Maximizar o lucro da produção f ( X )  1x1  2 x2  5 x3
Produção óptima: produzir 2 un
Restrições lógicas
x1 , x2 , x3  0
y1 , y2 binárias
Nota :
“ M ” é Big M  valor “inf inito” 
Se y1  1(implica y 2  0) activam - se x1  2; x2  4
Se y2  1(implica y1  0) activa - se x2  4
© Morais Silva

delo para Solver


x1 x2 x3 y1 y2
2.0 0.0 12.5 1 1E-16

1º membro Limite
1.5 3 1.2 18 ≤ 18
1 2 5 64.5 ≤ 100
1 -2 0 ≥ 0
1 -4 -10000 -4 ≤ 0
1 -4 -4.44E-16 ≥ 0
1 1 1 = 1

1 2 5
64.5

dução óptima: produzir 2 unidades do produto A e 12.5 do produto C


Decisão
x1 unidades do produto A
x2 unidades do produto B Modelo para Solver
x3 unidades do produto C
Produção
Restrições técnicas
Horas de trabalho : 1.5 x1  3 x2  1.2 x3  18  My
Capital : 1x1  2 x2  5 x3  100  M (1  y) Horas trabalho
Capital
Objectivo
Maximizar o lucro da produção f ( X )  1x1  2 x2  5 x3
Restrições lógicas Lucro unitário
Lucro total MAX
x1 , x2 , x3  0
y binária
Produção óptima: produzir 20 u
Nota:
“M” é Big M  valor “infinito” 
Se y=0:
activa-se a 1ª restrição 1.5x1 +3x 2 +1.2x 3  18
desactiva-se a 2ª restrição 1x 1 +2x 2 +5x 3  Infinito
Se y=1 activa-se a 2ª restrição e desactiva-se a 1ª
© Morais Silva

delo para Solver


x1 x2 x3 y
0.0 0.0 20.0 1

1º membro Limite
1.5 3 1.2 -10000 -9976 ≤ 18
1 2 5 10000 10100 ≤ 10100

1 2 5
100.0

dução óptima: produzir 20 unidades do produto C


Decisão Modelo para Solver
x1 unidades do produto A
x2 unidades do produto B Produção
x3 unidades do produto C
Restrições técnicas Horas trabalho
Horas de trabalho : 1.5 x1  3x2  1.2 x3  18 Capital
Capital : 1x1  2 x2  5 x3  100 Combinação
1 1 1
Combinação apropriada : x1  x2  x3  1 Lucro unitário
4 2 5
Lucro total MAX
Objectivo
Maximizar o lucro da produção f ( X )  1x1  2 x2  5 x3
Produção óptima: produzir 5 un
Restrições lógicas
x1 , x2 , x3  0
© Morais Silva

delo para Solver


A B C
0.0 0.0 5.0

1º membro Limite
1.5 3 1.2 6 ≤ 18
1 2 5 25 ≤ 10100
1/4 1/2 1/5 1 ≤ 1

1 2 5
25.0

dução óptima: produzir 5 unidades do produto C


Decisão
xij produto " i " ( arroz , milho, legumes) a cultivar no terreno " j " ( A, B , C )
Restrições técnicas
Áreas:
x1 A  x2 A  x3 A  400
x1B  x2 B  x3B  600
x1C  x2C  x3C  300
Água:
3 x1 A  2 x2 A  x3 A  600
3 x1B  2 x2 B  x3 B  800
3 x1C  2 x2 C  x3C  375
Limites cultivo:
x1 A  x2 A  x3 A  600
x1B  x2 B  x3B  500
x1C  x2C  x3C  325
% nos terrenos
x1 A  x2 A  x3 A x  x2 B  x3 B
 1B
400 600
x1B  x2 B  x3 B x  x2 C  x3C
 1C
600 300
Objectivo: Maximizar o lucro da produção
f ( X )  400( x1 A  x1B  x1C )  300( x2 A  x2 B  x2 C )  100( x3 A  x3 B  x3C )

Restrições lógicas
xij  0
x1B  x2 B  x3 B x  x2 C  x3C
 1C
600 300
Objectivo: Maximizar o lucro da produção
f ( X )  400( x1 A  x1B  x1C )  300( x2 A  x2 B  x2 C )  100( x3 A  x3 B  x3C )

Restrições lógicas
xij  0
© Morais Silva

( A, B , C )

Modelo para Solver


x1A x2A x3A x1B x2B x3B x1C x2C x3C
Produção 133.3 100.0 0.0 100.0 250.0 0.0 25.0 150.0 0.0

1º membro
Áreas A 1 1 1 233.33333
B 1 1 1 350
C 1 1 1 175
Água A 3 2 1 600
B 3 2 1 800
C 3 2 1 375
Cultivo A 1 1 1 258.33333
B 1 1 1 500
C 1 1 1 0
% terrenos A 600 600 600 -400 -400 -400 -0.0001372
B 300 300 300 -600 -600 -600 1.513E-05

Lucro unitário
400 300 100 400 300 100 400 300 100
MAX 253,333.3

Plano óptimo de cultivo (ha): A B C


 x3C ) arroz 133 100 25
milho 100 250 150
 x3C )

legumes
Modelo para Solver
x1 x2
peças 27 32

1h corte 80 50
1h torno 70 56
1h perfurar 50 70

Lucro un. 2.2 2.4


f(X) 136.2

Decisão Produzir 27 peças A e 32 peças B


x1 unidades do produto A
x2 unidades do produto B
Restrições técnicas
x x
1 hora de corte: 1 + 2  1
50 80
x x
1 hora de torno: 1 + 2  1
56 70
x x
1 hora de perfurar: 1 + 2  1
70 50
Decisão
x1 unidades do produto A
x2 unidades do produto B
Restrições técnicas
x1 x
1 hora de corte: + 2 1
50 80
x x
1 hora de torno: 1 + 2  1
56 70
x x
1 hora de perfurar: 1 + 2  1
70 50
Objectivo
Maximizar f ( X )  2.2 x1  2.4 x2
Restrições lógicas
x1 , x2  0 e Int.
1º membro
3,760
3,682
3,590
Modelo para Solver
x1 x2 x3 x4 x5 x6
condutores 15 15 11 21 19 0

1º membro
1-5 horas 1 1 15
5-9 horas 1 1 30
9-13 horas 1 1 26
13-17 horas 1 1 32
17-21 horas 1 1 40
21-1 horas 1 1 19

1.0 1.0 1.0 1.0 1.0 1.0


f(X) 81.0

Entradas Condutores
1h 15
5h 15
9h 11
13 h 21
17 h 19






Decisão Modelo para Solver
x1 x2
x1 cortes N º1; x2 cortes N º 2; x3 cortes N º 3 cortes 0 0
x4 cortes N º 4; x5 cortes N º 5; x6 cortes N º 6
Decisão
x1 cortes N º1; x2 cortes N º 2; x3 cortes N º 3
x4 cortes N º 4; x5 cortes N º 5; x6 cortes N º 6
5 metros 2
Obtêm-se: 7 metros 1 1
9 metros 1
2 x2 + 2x 3  4 x4  x5 rolos de 5 metros
x1  x2  2 x5 rolos de 7 metros
x1  x3  2 x6 rolos de 9 metros
Perdas 4.0 3.0
f(X) 410.0
Restrições técnicas
2 x2 + 2x3  4 x4  x5  150 rolos
Óptimo:
x1  x2  2 x5  200 rolos
x1  x3  2 x6  300 rolos Nº Tipo corte
4
O ideal será cortar exactamente o número de rolos encomendados 5
Então, consideremos as restrições de igualdade : 6

2 x2 + 2x3  4 x4  x5  E1  150 rolos


x1  x2  2 x5  E2  200 rolos
x1  x3  2 x6  E3  300 rolos
e minimizemos os valores das variáveis de Excesso
Objectivo
Minimizar Trash e Excessos:
f ( X )  4 x1  3 x2  x3  x5  2 x6  5 E1  7 E2  9 E3
Restrições lógicas
x1 , x2 , x3 , x4 , x5 , x6 , E1 , E2 , E3  0 e Int.
© Morais Silva

x3 x4 x5 x6 E1 E2 E3
0 13 100 150 2 0 0
1º membro Limite
2 4 1 -1 150 = 150
2 -1 200 = 200
1 2 -1 300 = 300

1.0 0.0 1.0 2.0 5.0 7.0 9.0

Rolos produzidos
Nº de vezes 5m 7m 9m
13 52
100 100 200
150 300
152 200 300
Trash 2 rolos de 5 metros
Trash 410 m
M1
Decisão Decisão
x11 , x12 , x13 , x14 máquinas M 1 para A1, A2, A3, A4 x21 , x22 , x23 , x24 máquinas M2 para A1, A2, A3, A4

Restrições técnicas (nº máquinas)


x11 + x12  x13  x14  60 máquinas
x21 + x22  x23  x24  40 máquinas

Restrições técnicas
Limite superior de armazenagem
Impedir mistura de máquinas no mesmo armazé
Modelo para Solver Legenda

Variáveis Vari
A1 A2 A3 A4 A1
M1 5 30 20 4.996E-15 M1 x11
M2 0 0 0 40 M2 x21
Portas 1 1 1 1.11E-16 M1 y11
Portas armazéns
armazéns 0 0 2.84E-14 1 M2 y21

Restrições técnicas

Armazéns 1º membro Armazéns 1º membro


M1 55 ≤ 60 M1 x11+x12+x13+x14
M2 40 ≤ 40 M2 x21+x22+x23+x24
Porta A1 1 ≤ 1 Porta A1 y11+y21
Porta A2 1 ≤ 1 Porta A2 y12+y22
Porta A3 1 ≤ 1 Porta A3 y13+y23
Porta A4 1 ≤ 1 Porta A4 y14+y24
Lim Sup x11 c/y11 0 ≤ 0
x12 c/y12 0 ≤ 0 M1
x13 c/y13 0 ≤ 0 A1 x11≤5y11
x14 c/y14 0 ≤ 0 A2 x12≤30y12
x21 c/y21 0 ≤ 0 A3 x13≤20y13
x22 c/y22 0 ≤ 0 A4 x14≤45y14
x23 c/y23 0 ≤ 0 60
x24 c/y24 -5 ≤ 0

Custos armazenagem
1 2 4 3 MAX
2 5 4 3 5

Matriz de desgosto (5-cij)


4 3 1 2
3 0 1 2

-1* Matriz de desgosto


-4 -3 -1 -2
-3 0 -1 -2
Min f(x) = -210 (atenção: não é o valor real...)

Solução óptima

A1 A2 A3 A4 Stock
M1 5 30 20 0 60
M2 0 0 0 40 40
Capacidade. 5 30 20 45

Armazenar M1: 5 em A1, 30 em A2, 20 em A3 (não há capacidade para +5 M1)


Armazenar M2: 40 em A4
Custo Mínimo = 265
© Morais Silva

mazém
Legenda

Variáveis
A2 A3 A4
x12 x13 x14
x22 x23 x24
y12 y13 y14
y22 y23 y24

º membro
x12+x13+x14 ≤ 60
x22+x23+x24 ≤ 40
≤ 1
≤ 1
≤ 1
≤ 1

M2
x21≤5y21 5
x22≤30y22 30
x23≤20y23 20
x24≤45y24 45
40
© Morais Si

Decisão Modelo para Solver


x A unidades no país A xA xB xC yA
xB unidades no país B produção 25000 15000 0 1

xC unidades no país C
Restrições técnicas Capacidade em A 1 -25000
Capacidade em B 1
x A  25000 y A
Capacidade em C 1
xB  20000 yC Só 2 países 1
Produção total 1 1 1
xC  25000 yC
y A  yB  yC  2 ( só 2 países com fábrica )
x A  xB  xC  40000 10 15 20 50,000
f(X) 555,000.0
Nota :
y A   0,1 ; Não / Sim país A com fábrica
Óptimo: fábricas em A e B com produções de 25000 e 15000
yB   0,1 ; Não / Sim país B com fábrica
y A   0,1 ; Não / Sim país C com fábrica

Objectivo
Minimizar custos construção  produção
f ( X )  10 x A  15 xB  20 xC  50000 y A  30000 y B  20000 yC
Restrições lógicas
x A , xB , xC  0 e Int.
y A , yB , yC binárias
orais Silva

yB yC
1 0

1º membro Necº
0 ≤ 0
-20000 -5,000 ≤ 0
-25000 0 ≤ 0
1 1 2 ≤ 2
40,000 ≥ 40000

30,000 20,000

e 15000 respectivamente
Decisão Modelo para Solver
x1 kg de hamburger x1 x2 x3
x2 kg de carne picada condutores 333.33 0.00 200.00

x3 kg de espetadas
Carne T1 0.30 0.25
Restrições técnicas
Carne T2 0.22 0.40
0.30 x1  0.25 x2  100 Carne T3 0.50 0.20 0.10
Hamb vs Espetadas 3 -5
0.22 x2  0.40 x3  400
0.50 x1  0.20 x2  0.10 x3  250
3x 1 5 x3  0
Pesos 1 1 1
x1 , x2 , x3  0 f(X) 533.3

Óptimo: 333.33 kg de hamburger; 200 kg de espetadas


Objectivo
Maximizar carne transformada
f ( X )  x1  x2  x3
Restrições lógicas
x1 , x2 , x3  0
© Morais Silva

1º membro Necº
100 ≤ 100
80 ≤ 400
187 ≤ 250
0 = 0

espetadas
Decisão
xi , j carga a transportar do Armazém "i" para instalação "j" Modelo para Solver
Restrições técnicas dos armazéns
Valor das variáveis de decisão
x11  x12  x13  20
A B
x21  x22  x23  22 Armazém 1 10 10
x31  x32  x33  11 Armazém 2 0 11
Armazém 3 0 0
Restrições técnicas das instalações
x11  x21  x31  10
x12  x22  x32  26
Restrições
x13  x23  x33  5 A B
Armazém 1 1 1
Orçamento
Armazém 2 1 1
10 x11  15 x12  22 x13  19 x21  18 x22  9 x23  25 x31  22 x32  14 x33  500 Armazém 3 1 1
A 1 1
Objectivo B 1 1
Minimizar ""função fictícia" (1) C 1 1
Orçamento
f ( X )  10 x11  15 x12  22 x13  19 x21  18 x22  9 x23  25 x31  22 x32  14 x33
Restrições lógicas Custo unitário de transporte
x1 , x2 , x3  0  Int A B
Armazém 1 10 15
Armazém 2 19 18
(1) todas as restrições são do tipo "  " pelo que a minimização
Armazém 3 25 22
dos custos de transporte será nula.
É necessário usar Min f ( X )  - ( Max cij  cij ) Coeficientes "fictícios" de f(X)
A B
Armazém 1 -15 -10
Armazém 2 -6 -7
Armazém 3 0 -3
f(X) -407.0 fictício
493.0 custo real

O orçamento não permite usar a capacidade total

Nota: optimização não pode ser resolvida com alg


dada a existência da limitação orçamental (verifiqu
sem restrição orçamental tem custo superior a est
© Morais Silva

s de decisão
C
0
5
0

C 1º membro
1 20 ≤ 20
1 16 ≤ 22
1 0 ≤ 11
1 10 ≤ 10
1 21 ≤ 26
1 5 ≤ 5
493 ≤ 500

transporte
C
22
9 Max cij = 25
14

cios" de f(X)
C
-3
-16
-11
apacidade total de B (-5 unidades)

solvida com algoritmia típica do Transporte


amental (verifique-se que a solução óptima
o superior a esta.
© Morais Silva

Decisão Modelo para Solver


x j produção do produto " j " (1, 2, 3) x1 x2 x3
Restrições técnicas peças 292 0 123
Matéria prima
4 x1  6 x2  10 x3  2400 Mat prima A 4 6 10
Mat prima A 8 4 14
8 x1  4 x2  14 x3  4800
Tempo produção 3 1.5 1
Tempo de produção P1 e P2 ou P2 e P3 1
3 1
3 x1  x2  x3  1000
2
Produzir P1 e P2 ou P1 e P3 Lucro un. 25.0 20.0 30.0
x2  My2 f(X) 10,990.0

x3  My3 Produzir 292 unidades do produto 1, 123 do produ


y 2  y3  1

Objectivo
Maximizar Lucro
f ( X )  25 x1  20 x2  30 x3
Restrições lógicas
x1 , x2 , x3  0  Int
y2 , y3 binárias
f ( X )  25 x1  20 x2  30 x3
Restrições lógicas
x1 , x2 , x3  0  Int
y2 , y3 binárias
Morais Silva

y2 y3
0 1

1º membro Limite
2,398 ≤ 2400
4,058 ≤ 4800
999 ≤ 1000
-1000 0 ≤ 0
-1000 -877 ≤ 0
1 1 1 = 1

123 do produto 3. Lucro máximo=10990 u.m.


© Morais S

Decisão
Modelo para Solver
xi , j nº de comp. alugar no mês "i" (1,3,4,5,6) por "j" meses (1,2,3) x11 x13
Valor óptimo 9 0
Restrições técnicas
Janeiro 1 1
Janeiro : x11  x13  9 Março 1
Abril
Março : x13  x31  x32  x33  7 Maio
Junho
Abril : x32  x33  x41  x42  x43  9 Custo 100 235
Maio : x33  x42  x43  x51  x52  10 Custo total 3255

Junho : x43  x52  x61  5 Plano óptimo de aluguer


Janeiro: alugar 9 para 1 mês
Objectivo Março: alugar 4 para 2 meses e
Abril:alugar 2 para 2 meses
Minimizar custo total aluguer Maio: alugar 5 par 2 meses
Custo total mínimo = 3255 €

f ( X )  100 x11  235 x13  100 x31  150 x32  235 x33 
 100 x41  150 x42  235x43  100 x51  150 x52  235 x53  100 x61
Restrições lógicas
xi , j  0  Int (i  1,3,4,5,6; j  1,2,3)
© Morais Silva

x31 x32 x33 x41 x42 x43 x51 52 x61


0 4 3 0 2 0 0 5 0 1º membro

9 ≥ 9
1 1 1 7 ≥ 7
1 1 1 1 1 9 ≥ 9
1 1 1 1 1 10 ≥ 10
1 1 1 5 ≥ 5

100 150 235 100 150 235 100 150 100

a 1 mês
2 meses e 3 para 3 meses
meses
meses
3255 €
y
© Morais Silva

Nota: A aanálise deste modelo exige que o leitor esteja treinado a dividir espaços de solução recorrendo a variáveis binárias

Decisão
Modelo para S
x j produção do produto " j " (1, 2,3)
produtos

Restrições Técnicas Como funciona


* Tempo
P1: y1=0 y1=1 *
*
x1  My1  x1  0  x1   *
  x1  0   x1  200
x1  200 y1 x
 1  0  x1  200 *
*

P2: y2=1 y3=1 Lucro un.


f(X)
 x2  My2  100 y3  x2    x2  100
   x2  100   x2  100
 x2  100 y2 x
 2  100 x
 2  0 Produzir 900 unid
y2  y3  1
y2=1
P3:
x3  150
x3  150 y2
y2=0

x3  0
Tempo:
1
x1  x2  x3  600
2

Objectivo
Maximizar Lucro
f ( X )  100 x1  120 x2  200 x3
Restrições lógicas
x , x , x  0  Int
Objectivo
Maximizar Lucro
f ( X )  100 x1  120 x2  200 x3
Restrições lógicas
x1 , x2 , x3  0  Int
y1 , y2 , y3 binárias
ais Silva

árias

lo para Solver
x1 x2 x3 y1 y2 y3
0 900 150 0 1 0

1º membro Limite
1 0.5 1 600 ≤ 600
1 -1000 0 ≤ 0
1 -1000 -100 -100 ≤ 0
1 -200 0 ≥ 0
1 -100 800 ≥ 0
1 -150 0 ≥ 0
1 1 1 = 1

100.0 120.0 200.0


138,000.0 €

zir 900 unidades de P1 e 150 de P3; Lucro máximo=138000 €


© Morais Silva

Simular a Fita do Tempo


Mês 1 Mês 2 Mês 3 Mês 4 Modelo para Solver
Stock inicial 0 E1 E2 E3 x1 x2 x3 x4
Produção x1 x2 x3 x4 produção 18 0 12 20
Novo stock x1 x2+E1 x3+E2 x4+E3
Necessário 10 8 12 20
Programar x1 ≥ 10 x2+E1≥ 8 x3+E2 ≥ 12 x4+E3 ≥ 20 Mês 1 1
Programar x1-E1=10 x2+E1-E2 = 8 x3+E2-E3 =12 x4+E3-E4 =20 Mês 2 1
Excesso E1 E2 E3 E4 Mês 3 1
Mês 4 1
Nota para custo total referente à transição do stock entre meses
E1, E2 e E3 acarretam o custo de 3(E1+E2+E3) Custo unitário 7 11 8 9
E4 (stock final) é saldado reduzindo o custo total em 4E4 f(X) 426.0
Custos de produção: 7x1 + 11x2 + 8x3 + 9x4
Produzir 18 unidades em M1, 12 em M
Custo total mínimo= 426 u.m.
Min f ( X )  7 x1  11x2  8 x3  9 x4  3E1  3E1  3E2  3E3  4 E4
x1  E1  10 Simulação
x2  E1  E2  8 M1 M2 M3 M4
Stock inicial 0 8 0 0
x3  E2  E3  12 Produção 18 0 12 20
x4  E3  E4  20 Novo stock 18 8 12 20
Necessário 10 8 12 20
x1 , x2 , x3 , x4 , E1 , E2 , E3 , E4 �0 �Int Excesso 8 0 0 0
ais Silva

E1 E2 E3 E4
8 0 0 0

1º membro Limite
-1 10 = 10
1 -1 8 = 8
1 -1 12 = 12
1 -1 20 = 20

3 3 3 -4

12 em M3 e 20 em M4
© Morais Silva

Decisão Modelo para Solver


x j1 produção do produto " j " ( A, B ) na máquina TE xA1 xA2 xB1 xB2
produção 19 96 115 0
x j 2 produção do produto " j " ( A, B ) na máquina TETurbo
Restrições técnicas Tempo 5 TE 22 17
Tempo 1 TETurbo 5 7
5 máquinas TE A=B 1 1 -1 -1

22 xA1  17 xB1  2400 min. nº conjuntos 1 1


f(X) 115.0
1 máquina TETurbo
Produzir 19 peças A na máq. Turbo e 96 na máq.
5 xA2  7 xB 2  480 min. Produzir 115 peças B na máq. Turbo
Conjuntos de 1 peça de cada = 115
Evitar desperdício  tot peças A  tot peças B
xA1  x A2  xB1  xB 2
Maximizar conjuntos de 1 peça A e 1 Peça B
Max f ( X )  xA1  x A2 ou xB1  xB 2
xA1 , x A2 , xB1 , xB 2  0  Int
ais Silva

1º membro Limite
2373 ≤ 2400
480 ≤ 480
0 = 0

o e 96 na máq. TETurbo (total de 115 peças A)


© Morais Silva

Decisão Modelo para Solver


x j1 produção do produto " j " ( A, B ) na máquina TE xA1 xA2 xB1 xB2 d+
produção 21 94 114 1 3
x j 2 produção do produto " j " ( A, B ) na máquina TETurbo
d  var iável de desvio (d  d   d  )
Tempo 5 TE 22 17
Restrições técnicas Tempo 1 TETurbo 5 7
5 máquinas TE A=B 1 1 -1 -1
Min dif tempo máquina 4.4 -5 3.4 -7 -1
22 xA1  17 xB1  2400 min .
1 máquina TETurbo
5 x A 2  7 xB 2  480 min . nº conjuntos 1 1
Evitar desperdício  tot peças A  tot peças B f(X) 115.0

x A1  x A 2  xB1  xB 2 Produzir 21 peças A na máq. Turbo e 94 na máq.


Equilibrar tempos das máquinas (meta) Produzir 114 peças B na máq. Turbo e 1 peça na
Conjuntos de 1 peça de cada = 115
22 17
x A1  xB1  (5 xA 2  7 xB 2 )  d   d   0 (meta ) Cada uma das 5 máquinas TE opera 480 min.e a
5 5

d  30
d   30
Maximizar conjuntos de 1 peça A e 1 P eça B
Max f ( X )  xA1  x A 2 ou xB1  xB 2
x A1 , x A 2 , xB1 , xB 2 , d  , d   0  Int
ilva

d-
0

1º membro Limite
2400 ≤ 2400
477 ≤ 480
0 = 0
1 0 = 0

a máq. TETurbo (total de 115 peças A)


eça na máquina TETurbo

min.e a máquima TETurbo opera 477 min.