INTRODUO

A nova ordem mundial vem se caracterizando por grandes mudanas

tecnolgicas e sociais e com o conseqente aumento da competitividade na maioria
dos setores da economia. Na disputa por novos mercados e na tentativa de manuteno
das atuais posies, necessrio se faz uma gesto eficiente e eficaz que garanta a
continuidade do empreendimento no longo prazo, alm do cumprimento de sua misso.
Para que possa cumprir sua misso, a organizao depende dos resultados
obtidos. Sendo assim, a otimizao da utilizao dos recursos disponveis em uma
organizao constitui um fator de extrema importncia principalmente se
considerarmos o alto grau de competitividade dos mais diversos ramos de atividade e
as exigncias do mercado atual.
Estudamos no Captulo 1 o que a otimizao pode ser dividida em duas etapas:
o reconhecimento dos pontos problemas em uma indstria e a soluo destes
problemas. Em algumas situaes estes problemas podem ser modelados
matematicamente como um problema linear, estudado no Captulo 2. Neste captulo
estudamos como modelar o problema seguindo objetivos e restries do problema e
1
observando algumas limitaes. Para a soluo deste problemas lineares podemos usar
dois mtodos de soluo: o mtodo simplex e o mtodo solver excel.
Embora no seja o foco principal desta monografia o estudo aprofundado do
mtodo Simplex, estudamos no Captulo 3 o formato padro para se resolver um
problema linear utilizando o mtodo simplex. No Captulo 4 estudamos sucintamente
o mtodo solver do excel iniciando com um problema real de uma empresa de
fabricao de bolas. Mas ainda, mostramos a soluo grfica deste problema e fizemos
uma anlise de sensibilidade permitindo-nos observar as conseqncias das variaes
dos coeficientes .
No Captulo 5 aumentamos o nmero de variveis do problema a linear e
obtemos sua soluo utilizando o recurso do excel. primeiramente o que otimizao e
o que so modelos, passando ento ao estudo da programao linear como mtodo de
resoluo de certos problemas de otimizao. Logo aps temos uma breve introduo
do mtodo simplex e mais profundamente o mtodo solver do excel, alm dos
respectivos teoremas matemticos e das resolues grficas.
Finalmente, apresentamos as Concluses onde verificamos a eficincia do
solver do Excel para resoluo de problemas lineares.
2
3
1. O QUE OTIMIZAO
A otimizao pode ser definida como a necessidade de eficincia. Tem origem
psicolgica e pode-se dividir em duas etapas: O reconhecimento de alternativas e a
deciso. Numa primeira fase, a mente reconhece, numa tarefa ou problema, a
possibilidade de optar entre vrias hipteses e, em seguida, acaba por escolher aquela
que considera a melhor opo.
Pode ser qualitativa, quando o julgamento feito atravs do bom senso, ou
quantitativa quando a escolha se baseia em meios matemticos. Existem trs categorias
de otimizao: a preferencial, baseada na preferncia e no gosto, a matemtica, que se
baseia no aspecto quantitativos, e a econmica, que surge como uma combinao das
duas anteriores. No entanto, nesta categoria de otimizao, valores humanos so
expressos de uma forma quantitativa, utilizando a matriz de apoio tomada de deciso.
Em casos reais, o analista tem de formular o problema de tal forma que
consiga a otimizao desejada para o seu objetivo. No entanto note-se que modelagem
da realidade no tarefa fcil, assim o valor timo de um modelo no
necessariamente o valor timo na realidade.
Para qualquer que seja o seu modelo, programa tradutor da realidade a
analisar, o analista deve estabelecer as seguintes trs consideraes:
A resposta possvel?
4
A resposta realmente a soluo tima?
Quo sensvel o valor timo?
Ficando implcito que, para otimizar necessrio uma ferramenta para modelar
e solucionar o problema. Para certos problemas esta ferramenta a programao
linear.

2. COMO SURGIU A PROGRAMAO LINEAR
Os primeiros conceitos da programao linear foram desenvolvidos entre 1947
e 1949, durante a segunda guerra mundial, por George Dantzig para serem aplicados a
programas militares, desde a rea logstica, at estratgica. Foi aps a guerra que ele
foi impulsionado a encontrar formas eficientes de desenvolver esta metodologia. Foi
Dantzig o primeiro a reconhecer que um programa de planejamento poderia ser
expresso por um sistema de inequaes lineares, assim como foi o primeiro a
apresentar, na forma de uma expresso matemtica explicita, um critrio para seleo
do melhor plano, ao que hoje chamamos funo objetivo.
5
Todo este trabalho seria de aplicao prtica bastante limitada sem um mtodo
eficiente, ou algoritmo, que permitisse encontrar a soluo tima do conjunto de
inequaes lineares que maximizassem ou minimizassem a funo objetivo. Assim,
desenvolveu o algoritmo simplex que resolve de uma forma eficiente este problema.
Curiosamente, j em 1939 um matemtico Sovitico e economista L. V.
Kantorovich tinha formulado e desenvolvido um problema de programao linear para
aplicao em planejamento da produo. No entanto o seu trabalho ficou desconhecido
durante vinte anos, no tendo impacto no desenvolvimento da programao linear aps
a segunda guerra.
6
2.1. O que programao linear
A Programao Linear visa fundamentalmente encontrar a melhor soluo para
problemas que tenham seus modelos representados por expresses lineares. A grande
aplicabilidade e simplicidade que a caracterizam devem-se linearidade do modelo.
A tarefa da Programao Linear consiste na maximizao ou minimizao de
uma funo linear, denominada funo objetivo, respeitando-se um sistema linear de
igualdades ou desigualdades que recebem o nome de restries do modelo. As
restries representam normalmente limitaes de recursos disponveis (capitais, mo-
de-obra, recursos minerais ou fatores de produo) ou, ento exigncias e condies
que devem ser cumpridas no problema. Essas restries do modelo determinam uma
regio qual damos o nome de Conjunto das Solues Viveis . A melhor das
solues viveis, isto , aquela que melhor maximiza ou minimiza a funo objetivo
denomina-se Soluo tima.
O objetivo da programao linear consiste na determinao da soluo tima.
Basicamente ao formular um modelo linear o analista deve seguir sempre as
seguintes fases:
Identificao das variveis de deciso
Identificao da funo objetivo
Identificao das restries
7
Verificao dos axiomas de linearidade
Formulao matemtica
So necessrios dois passos para a resoluo de um problema de programao
linear, o primeiro a modelagem do problema e o segundo a soluo do modelo.
No existem tcnicas precisas, capazes de permitir o estabelecimento do
modelo de um problema, porm importante termos experincia e capacidade de
anlise e sntese.
A seguir apresentamos quatro modelos clssicos de programao linear, so
eles:
Problema da Anlise das Atividades : esse modelo consiste em achar
qual a quantidade de produtos a ser fabricado, obedecendo algumas
restries quanto a matria prima, mode-obra e tempo de produo
para que a empresa maximize os lucros. Para que maximize a funo
linear
n
x x x ,...., ,
2 1
(funo objetiva), devemos saber que essas
incgnitas devem satisfazer algumas restries (anexo n:1)
Problema de Mistura ou Combinaes: esse modelo consiste em achar
qual a combinao que resultar no mnimo de material por unidades do
produto final , um exemplo simples o da dieta (anexo n:2).
Problema do Transporte: esse modelo tem como objetivo minimizar o
custo total do transporte necessrio para abastecer n centros
8
consumidores -destinos, a partir de m centros fornecedores -origens.
(anexo:3).
Problema de Alimentao de Mquina: esse modelo consiste em achar
qual a melhor maneira de se processar uma srie atravs de um grupo
de mquina, obedecendo a capacidade da mesma alm de outras
restries, afim de que se obtenha uma srie de ordens que resultaro no
custo mnimo.
A resoluo dos problemas de programao linear na sua grande maioria se faz
algebricamente, (anexo 5), pois graficamente s conseguimos determinar quando
temos apenas duas ou no mximo trs variveis. (anexo 4)
A grande maioria os problemas de programao linear esto relacionados com
ambientes industriais onde a quantidade de variveis bem grande o que dificulta a
resoluo algbrica. Por isso um dos grandes recursos usados o Mtodo Simplex.
2.2. Limitaes da programao linear
Estudando os modelos de programao linear precisamos ressalvar sobre as
suas hipteses e limitaes.
9
Coeficiente Constante: Nos modelos de programao linear os
coeficientes so considerados como constantes conhecidas o que na
prtica, esses valores podem no ser constantes e sim variveis. Para
esses casos necessrio a anlise de sensibilidade do modelo, que
permite fornecer os intervalos desses coeficientes para os quais a
soluo tima continua a mesma.
Divisibilidade : As solues timas dos modelos de programao linear
podero apresentar valores no inteiros o que numa indstria no seria
real . Uma opo seria o arredondamento, mas poderia causar erros
grosseiros quando a demanda pequena, logo para minimizar estes
erros temos que ter o cuidado de ao construir um modelo impor que o
mesmo tenha sua programao linear inteira que utiliza-se de outras
tcnicas no especificadas aqui.
Proporcionalidade: nos modelos de programao linear assume-se para
a produo de cada produto, a eficincia aumenta ligeiramente com
taxas elevadas de produo , aumentando desta forma, o lucro marginal
unitrio e diminuindo a capacidade de produo por unidade de
aumento na taxa de produo. Apesar disso o Departamento de Pesquisa
Operacional conclui que, para fins prticos, a proporcionalidade
poderia ser suposta, sem distores Aditividade: esta condio existe
10
em todo o modelo de programao linear e consiste em considerar as
atividades do modelo como entidades totalmente independentes o que
no permite que haja uma interligao entre elas.
Apesar de todas essa limitaes a programao linear ainda a ferramenta mais
utilizada na resoluo de problemas reais que envolvam formulao de modelos
matemticos, no s por sua simplicidade mas como tambm ao fato do modelo
sempre poder ser resolvido com as tcnicas anteriormente explicadas. Porm no
podemos deixar de explicar que a soluo destes problemas na sua grande maioria
necessita do auxilio de computadores exatamente pela quantidade de variveis e de
equaes a serem resolvidas.
11
3. A FORMA PADRO DO MTODO SIMPLEX
Para trabalharmos com o mtodo simplex temos que transformar o modelo
matemtico a ser tratado em uma forma padro algumas desigualdades em igualdades,
pois o programa simplex no entende estes parmetros. Existem algumas regras
bsicas para a transformao da resoluo de programao linear para a forma padro
(a que o mtodo simplex aceita). Dizemos ento que um modelo de programao linear
est na forma-padro quando ele respeita as seguintes condies;
As restries de no negatividade

) ,... 2 , 1 ( 0
1
m i b onde b x a
i
n
j
i j ij

) ,..., 2 , 1 ( 0 n j x
j

Funo objetivo

n
j
j j
x c Mn x Q
1
) (
Porm nem sempre encontramos o modelo com esta forma padro e quando
isso ocorre temos que usar alguns incrementos ou artifcios para torn-lo um modelo
padro para o mtodo simplex.
Seguem algumas formas de reduo para a forma padro (anexo 5);
12
Ocorrncia de desigualdade: qualquer desigualdade ou inequao linear
pode ser transformada em uma equao se subtrairmos ou adicionamos
variveis positivas ou negativas denominadas variveis de folga.
Ocorrncia do lado direito ser negativo: basta multiplicarmos toda a
ambos os lados por menos um.
Ocorrncia de no restrio da varivel: ocorre quando a varivel pode
assumir qualquer valor positivo, negativo ou nulo, neste caso temos que
substituir a varivel livre por duas variveis positivas para mantermos a
condio de no negatividade
Ocorrncia de varivel no positiva: caso o modelo seja formulado com
uma varivel negativa basta substitui-la por sua simtrica na equao do
problema.
Ocorrncia de a funo objetivo ser de maximizao: basta ento
substituir a funo objetivo dada pela sua simtrica, passando a
minimizar esta ltima.
13
14
4. O MTODO SOLVER DO EXCEL
Este mtodo fornece muito mais que o valor timo. Na realidade, s a soluo
no um bom auxiliar de deciso. necessrio saber para onde, e como, varia essa
soluo com as alteraes das variveis. A programao linear, atravs de ferramentas
de anlise de sensibilidade, permite responder a esse requisito. Assim, questes como
as abaixo apresentadas, ilustram os objetivos da anlise de sensibilidade.

Qual a influncia dos coeficientes da funo objetivo? At que ponto a
definio do objetivo compromete a soluo encontrada?
Que quantidades de recursos tm de estar disponveis para no comprometer o
programado?
mais rentvel comprar recursos para ter uma soluo mais otimizada ou por
outro lado, deve-se alocar recursos para outra atividade?

Agora, na posse de toda esta informao mais fcil tomar decises acertadas no
domnio da gesto em diversas aplicaes, tais como:
Planejamento agregado de produo;
Anlise de produtividade de servios;
Planejamento de produtos;
Otimizao do fluxo produtivo;
Otimizao do processo de produo;
Gesto de Inventrio.
15
4.1. Apresentao do exemplo:
Consultando uma empresa foi nos colocado o seguinte problema:
Quantas bolas de cada tipo devem ser produzida, amanh, a fim de
maximizar o lucro, tendo em conta os recursos existentes?
A empresa chama-se Tecnibola S.A. e tem como nica atividade fabricao
de bolas, sendo todas elas em couro e fabricadas segundo os processos primordiais.
Atualmente fabrica dois produtos, a bola de futebol Catechumbo e a bola de vlei
Voleitok. Ambos produtos so feitos do mesmo material, variando apenas na
dimenso, tipo de costuras e rotulagem.
Os recursos que definem a fabricao das bolas so: o corte do couro, o
trabalho de costura, a pintura de inscries na bola e preparao final. Esta ltima
composta pelas atividades de enchimento, controle de qualidade (inspeo visual,
16
passagem num peneiro calibrado e pesagem) e embalagem. O fluxograma que segue
ilustra o processo de fabricao.

Couro
Corte
Costura
Logotipagem
Finalizao
Enchimento
Controlo de Qualidade
Embalagem
Linhas
Cmara de Ar
Expedio
Couro
Corte
Costura
Logotipagem
Finalizao
Enchimento
Controlo de Qualidade
Embalagem
Linhas
Cmara de Ar
Expedio
Corte
Costura
Logotipagem
Finalizao
Enchimento
Controlo de Qualidade
Embalagem
Linhas
Cmara de Ar
Expedio
Figura 2. Produo de bolas Tecnibola S.A


Os dados fornecidos pela empresa referentes quantidade de recursos
necessrios para a produo e as quantidades disponveis para o dia de amanh so os
indicados na Tabela 1.

17
Recurso por bola
Couro [m2] 0,25 0,3
ilimitada
Linhas [m] 2,5 4
ilimitada
Cmara de ar [uni] 1 1
25
Embalagens [uni] 1 0
ilimitada
Operao de Corte [min] 2 8
ilimitada
Operao de Costura [min] 9 25
480
Operao de Logotipagem [min] 1,5 1
ilimitada
Operaes de Finalizao [min] 11 6
240
Voleitok Catechumbo
Bola Disponibilidade
para amanh
Tabela 1. Recursos e disponibilidades na produo de bolas Tecnibola S.A

O caso em estudo est simplificado pois alguns dos recursos no esto
limitados e apenas o nmero de cmaras de ar; horas homem para operao de
costura e horas homem para a operao de finalizao limitam o processo.
Ainda mais, a empresa disponibilizou a informao dos custos envolvidos para
a produo dos dois tipos de bolas, dadas pela Tabela 2.
Lucro
Produo Venda []
6.5
10
Bola
Preo []
Catechumbo
Voleitok
26 32.5
15 25
Tabela 2. Valores Monetrios em Euro
18
4.2 - Formulao do Problema de Programao Linear
Aps a coleta dos dados do problema o prximo passo consiste em formular o
moelo matemtico. Neste caso especfico fcil fazer esta identificao dado que o
problema foi exposto sob a forma de tabelas. Como na generalidade das situaes a
informao no est to organizada, explica-se aqui a forma de o fazer.
As variveis de deciso representam o nvel de atividade que se pretende
controlar no problema. Neste caso, na TecniBOLA, pretende-se controlar o nmero de
bolas a produzir num dia dos tipos Voleitok e Catechumbo. Simbolicamente, por
questes de maior facilidade na representao matemtica, designam-se
respectivamente por x
1
e x
2
estas variveis.
Definir a medida de eficincia associada s variveis do problema identificar
a funo objetivo. Definida usualmente por Z, a funo objetivo do tipo:
n n
x C x C x C Z + + + ...
2 2 1 1
Onde os C
i
so designados por coeficientes da funo objetivo e representam
um benefcio (ou prejuzo, num problema de minimizao) por unidade da varivel de
deciso correspondente. No problema pedido que se maximize o lucro, tendo em
conta os recursos existentes. Da informao da Tabela 2 surge que Z, o lucro da
produo do dia em causa, definido por:
2 1
5 . 6 10 x x Z +
19
ainda extremamente importante realizar a identificao das restries que
limitam os valores que podem tomar as variveis de deciso, e identificar os recursos
associados. Como produto desta fase surge um conjunto de inequaes que identifica o
espao de solues admissveis. Mais uma vez, por questes de facilidade de
representao, importante numerar os recursos.
Recurso 1 Cmara de Ar
Recurso 2 Operao de Costura
Recurso 3 Operaes de Finalizao
20
As inequaes obtidas so do tipo:

i n in i i
B x A x A x A + + + ...
2 2 1 1
,

Onde os coeficientes A
ij
representam o consumo do recurso i por unidade de
varivel de deciso x
j
. B
i
representa a quantidade do recurso i disponvel no prazo em
anlise (um dia). No caso do problema, ambas as bolas, Voleitok e Catechumbo,
necessitam de uma cmara de ar. Assim ambos os coeficientes A
11
e A
12
so iguais a
um. O nmero mximo de cmaras de ar existentes em estoque para o dia da produo
igual a 25 (coeficiente B
1
), como tal, vem que a inequao de limitao para o
recurso 1 :
25 1 1 +
2 1
x x

Procedendo do mesmo modo para os outros dois recursos tem-se que:

Recurso 2: [Operao de Costura] 480 25 9 +
2 1
x x
Recurso 3: [Operaes de Finalizao] 240 6 11 +
2 1
x x
Chama-se a ateno para outro tipo de limitao em programao linear em
que se exige que as propores de certas atividades tm de ser superiores a um
determinado valor. Um exemplo tpico deste tipo de limitao o clculo de uma
21
mdia ponderada de um recurso, cujas unidade esto por unidades produzida. A esse
tipo de limitao designa-se de limitao de qualidade e so da forma:
i
n
n in i i
B
x x x
x A x A x A

+ + +
+ + +
...
...
2 1
2 2 1 1
Por fim necessrio verificar os axiomas de linearidade, isto , se as equaes
at agora encontradas apresentam apenas termos das variveis de deciso, x
1
e x
2
, no
sendo admitidos termos cruzados ou de ordem superior, pelo que nesses casos deve-se
realizar uma aproximao.

Em suma, o problema resume-se em termos matemticos (Formulao
matemtica) a:
Z = maximizar
2 1
. 5 , 6 . 10 x x +

Sujeita as restries:

240 . 6 . 11
480 . 25 . 9
25 . 1 . 1
2 1
2 1
2 1
+
+
+
x x
x x
x x
0
0
2
1

x
x
e inteiros
22
4.3 - Soluo grfica
A utilizao do mtodo grfico tem por objetivo representar as inequaes num
plano, a fim de a identificar a disponibilidade de recursos para o processo a otimizar. A
vantagem que esta metodologia apresenta a intuitividade na interpretao das
restries. No entanto, esta vantagem desvanece-se quando os problemas possuem
mais de duas variveis de deciso, sendo mesmo limitado a um mximo de trs
variveis de deciso (espao 3 D).
O mtodo consiste na representao das inequaes num grfico cujos eixos
coordenados so as variveis de deciso, x
1
e x
2
, e identificar o espao soluo,
designado por rea vivel. Traa-se a reta que representa a funo objetivo Z acima da
rea vivel (num problema de maximizao). Qualquer ponto sobre esta reta tem o
mesmo valor de Z. Por fim desloca-se a reta ao encontro da rea vivel at interceptar
um ponto pertencente a essa regio. Esse ser o ponto timo, isto , aquele com maior
valor de Z.
O ponto timo encontrado foi, produzir 18 bolas Voleitok e 7 bolas
Catechumbo para o dia de amanh com um beneficio Z= 225.5.(Anexo 6 : grficos)
Casos particul ares da aplicao do mtodo grfico:
Pode ocorrer da equao que define a funo objetivo no intercepta a rea
vivel num ponto singular mas sim num segmento de reta. Neste caso um conjunto de
23
pontos a soluo tima e trar o mesmo benefcio. Do ponto de vista deste mtodo
no se pode ir mais alm na eleio do ponto timo, pelo que a deciso final ter de ser
tomada por outros critrios.
Outra situao aquela em que no existe interseco entre as retas. Neste caso
a rea vivel pode ser ou vazia, ou aberta, pelo que ou no existe soluo tima, ou no
possvel defini-la .
4.4 Anlise de sensibilidade

4.4.1- Variao dos coeficientes da funo objetivo
Como j mencionamos esta anlise de sensibilidade permite saber at onde
possvel variar os coeficientes da funo objetivo sem que o ponto timo se altere. Este
resultado muito importante pois existem sempre incertezas nos valores por detrs da
determinao dos coeficientes. No exemplo em anlise fornecida a informao de
preo de produo, no entanto, por melhor que esta soluo tenha sido obtida deve-se
ter em conta que existem sempre incertezas nessa determinao. Por outro lado,
necessidades de mercado podem provocar oscilaes no preo de venda e
conseqentemente nos coeficientes da funo objetivo.
24
Em suma, se souber de antemo at onde podem variar os coeficientes da
funo objetivo, pode-se conhecer at onde variar o preo de venda. este o objetivo
para esta anlise neste problema.

O mtodo consiste em variar o declive da funo objetivo Z, mantendo a
soluo tima. Sendo que o ponto timo foi obtido pela interseco de duas retas de
restrio, este no se altera enquanto o declive da funo objetivo estiver contido entre
o declive destas duas. Observa-se no problema em questo, que o ponto timo resulta
da interseco das retas R1 e R3 (Anexo 7: grfico).
Reorganizando as equaes que definem essas retas tem-se que os declives so
-1 e -11/6 respectivamente. Da mesma forma sabe-se que o declive da reta funo
objetivo expresso por -c1/c2. Assim, tem-se que:
[ ] 1 1
6
11
2
1

C
C
Para obteno dos limites de variao dos coeficientes da funo objetivo, fixa-
se um deles e resolve-se a inequao [1] em funo do outro.
Surge ento a soluo para o problema como:
10 45 . 5 92 . 11 5 . 6
2 1
C C
25
Admitindo que o preo de produo se mantm constante, do resultado acima
deriva que os preos de venda das bolas Catechumbo podem oscilar entre 31.45 e
37.92 e os preos das Voleitok variam entre 21.5 e 26.92, sem que a deciso de
produo tomada se altere.
Note-se que o que se mantm o ponto timo mas no valor do seu beneficio.
Uma reduo no valor dos coeficientes tem como implicao direta uma reduo do
lucro total, isto , do valor de Z. ainda importante recordar que a anlise foi realizada
variando apenas um coeficiente de cada vez, pelo que necessrio ter uma ateno
especial quando se alteram os dois coeficientes em simultneo.
4.4.2 - Anlise do lado direito das equaes
O objetivo desta anlise determinar a gama de funcionamento do processo
produtivo, isto , analisar at onde interessa aumentar os recursos de determinada
atividade e at que ponto faz sentido diminuir os recursos sem causar sub-
aproveitamento dos restantes.
Assim, para os recursos que controlam o processo interessante aumentar a
sua disponibilidade at ao ponto em que com um novo aumento os restantes se
esgotam e diminuir a sua disponibilidade at ao ponto em que os outros ficam
excedentes. Para recursos que no representam qualquer influncia na deciso de
26
otimalidade previamente encontrada, de todo o interesse reduzir a sua
disponibilidade at ao estritamente necessrio, isto , fazer passar a reta da sua
restrio sobre o ponto timo. Como bvio no trar qualquer vantagem ao processo
disponibilizar mais recursos do que esses. Graficamente estes passos, fazem-se
traando retas paralelas reta do recurso em anlise por forma a respeitar o acima
afirmado.
Veja como feito este estudo nas simulao seguintes: (anexo 7: grfico)

Como se observou desta anlise de sensibilidade, as variaes que no
comprometem o processo produtivo, nem por falta de disponibilidades nem por
excesso das mesmas, so:

Recurso
Disponibilidade
Existente
Variao Admissvel
+ -
Cmara de Ar 25 3 3
Op. de Costura 480 Qualquer 142.5
Op. de Finalizao 240 35.4 44.4
4.4.3 - Preo Sombra
uma ferramenta adicional que complementa a anlise de sensibilidade ao lado
direito das restries. Matematicamente representa o incremento que a funo objetivo
27
sofre devido ao aumento de uma unidade das disponibilidades do recurso em estudo.
Na prtica diz-nos qual dever ser o preo mximo a pagar para adquirir mais recursos
ou o preo mnimo de venda quando se pretende reduzir essa disponibilidade.
O preo sombra poder ser determinado calculando o incremento sofrido pela
funo objetivo, quando esta varia em conseqncia da variao de disponibilidades.
Como obvio, esta definio, o preo sombra no varia quer estejamos a aumentar as
disponibilidades, quer estejamos a reduzi-las.
Em suma, o preo sombra pode ser determinado por:

'

mesma. da variao a aps e antes i recurso do idade disponibil B e ' B

idade. disponibil da variao a aps e antes objectivo funo da valor Z e Z'
:
'
'
. .
i i
com
B B
Z Z
S P
i i
5. OBTENO DA SOLUO COM O RECURSO DO
EXCEL

A utilizao do Microsoft Excel permite-nos de uma forma muito simples e
rpida obter solues de problemas de programao linear, recorrendo ao mdulo de
otimizao Solver. Pretende-se neste ponto realizar o paralelo com o exemplo da
TecniBOLA, j resolvido pelo mtodo grfico.
Em geral o mdulo de Solver no est disponvel no arranque do Excel. Para o
ativar, seleciona-se o mdulo Solver no menu Ferramentas - Suplementos. Este
28
mdulo tem capacidade de resolver problemas de otimizao usando formas
alternativas resoluo via mtodo simplex.
A forma como se organiza a informao na folha de Excel deve respeitar certas
regras, por forma ao usurio ser capaz de interpretar corretamente o problema e obter a
soluo tima.
Para correr o mdulo Solver deve-se selecionar a funo solver no menu
Ferramentas.
Assim, e para que a exposio seja mais simples indica-se na figura seguinte
uma forma possvel de organizar a informao e a forma de introduo dos dados no
mdulo solver.
29


Devem existir clulas indexadas aos valores das variveis de deciso. Assim, as
clulas onde se definem expresses, tais como a funo objetivo, devem estar
relacionadas com as primeiras, por forma a que exista uma atualizao desses valores
em resultado de alteraes nos valores das variveis de deciso. Veja-se isto mesmo na
clula D17.
30
Na janela Parmetros do Solver definem-se os parmetros para o Solver
atravs de trs campos fundamentais:
Clulas variveis : Neste campo devem ser indicadas as clulas referentes s
variveis de deciso. No exemplo apresentado as clulas B5 e C5 definem,
respectivamente, o nmero de bolas Voleitok e Catechumbo a produzir.
Definir clula de destino: Neste campo deve ser indicada a clula D17 onde se
definiu a expresso que define a funo objetivo. Como se verifica, esta funo foi
definida custa das clulas B5 e C5.
Submeter as restries: Aqui definem-se as condies de validade do problema
Restries. Para tal devem ser definidas em clulas separadas a expresso que
relaciona o consumo do recurso com as variveis de deciso e a
quantidade existente desse recurso.
Aps formular o problema no Excel, est-se em condies de o resolver,
carregando no boto Solve. No entanto, para facilitar o desempenho do algoritmo
otimizador devem-se ajustar um conjunto de opes que pode ser visualizada
carregando em Options. Aqui se ajustam entre outros parmetros, a convergncia, o
tipo de modelo e a condio de no negatividade da soluo, em um menu com a
seguinte configurao:

31
No final da execuo do mdulo de otimizao surge uma janela onde se define
se a soluo encontrada pelo solver se mantm na folha de clculo (neste momento
apenas possvel visualiz-la) e pedir trs tipos de relatrio. A figura seguinte
apresenta esta janela:

No Relatrio de Respostas so apresentados os resultados referentes s
variveis de deciso, funo objetivo e quantidade de recursos em uso. Os Relatrios
32
de Sensibilidade so relatrios de sensibilidade aos coeficientes da funo objetivo, s
disponibilidades dos recursos e do preo sombra na compra ou venda de recursos.
Abaixo apresentam-se estes relatrios.
33
Microsoft Excel 10.0 Sensitivity Report
Worksheet: [gp2-tabela.xls]Sheet2
Report Created: 24-05-2001 0:15:52
Adjustable Cells
Final Reduced Objective Allowable Allowable
Cell Name Value Cost Coefficient Increase Decrease
$B$5 Voleitok 18 0 10 1,916666667 3,5
$C$5 Catechumbo 7 0 6,5 3,5 1,045454545
Constraints
Final Shadow Constraint Allowable Allowable
Cell Name Value Price R.H. Side Increase Decrease
$D$10 Cmara de ar Em Uso 25 2,3 25 3,235294118 3,181818182
$D$11 Operao de Costura Em Uso 337 0 480 1E+30 143
$D$12 Operaes de Finalizao Em Uso 240 0,7 240 35 44,6875
Microsoft Excel 10.0 Answer Report
Worksheet: [gp2-tabela.xls]Sheet2
Report Created: 24-05-2001 0:15:52
Target Cell (Max)
Cell Name Original Value Final Value
$D$17 Z 0 225,5
Adjustable Cells
Cell Name Original Value Final Value
$B$5 Voleitok 0 18
$C$5 Catechumbo 0 7
Constraints
Cell Name Cell Value Formula Status Slack
$D$10 Cmara de ar Em Uso 25 $D$10<=$F$10 Binding 0
$D$11 Operao de Costura Em Uso 337 $D$11<=$F$11 Not Binding 143
$D$12 Operaes de Finalizao Em Uso 240 $D$12<=$F$12 Binding 0
34
Como era de esperar os resultados obtidos so iguais aos calculados pelo
mtodo grfico.
Como se viu, a utilizao do Excel na resoluo de problemas de programao
linear no oferece grandes dificuldades, sendo na realidade bem simples de aplicar. A
verdadeira vantagem deste mdulo resolver problemas com um maior nmero de
variveis de deciso pois estes no so possveis de resolver atravs do mtodo grfico.
A grande vantagem do mtodo do Excel Solver se deve aos relatrios apresentados
anteriormente, porm como os modelos simulados so pequenos sabemos que o tempo
gasto no Simplex um pouco menor que o do Excel, pem no podemos deixar de
mencionar que tanto o Simplex quanto o Excel obtm solues at um certo nmero de
iteraes o que torna alguns problemas sem as condies de se achar a soluo tima
mais com uma soluo bem prxima.
35
5.1. - Resoluo de um problema com quatro variveis de deciso com o
solver do excel.

A TecniBOLA, foi consultada acerca da possibilidade de produzir, em regime
de subcontratao, dois novos tipos de bolas: uma bola de Handebol, a Andebala, e
uma bola de plo aqutico, a Poley. Os gestores da TecniBOLA aps analisarem a
proposta, consideraram que esta oferecia margens de lucro interessantes, pelo que
decidiram realizar um novo estudo de otimizao dos seus recursos, verificando se
existiria uma vantagem efetiva em produzir a Andebala e a Poley em detrimento dos
seus prprios produtos. Decidiram para isso utilizar o Excel.
Na tabela seguinte sintetizam-se as informaes necessrias para realizar o
novo estudo:

Recurso por bola
Cmara de ar [uni] 1 1 1 1
25
Operao de Costura [min] 9 25 7 8
480
Operaes de Finalizao [min] 11 6 11 10
240
Lucro [] 10 6.5 8 9
Voleitok Poley
Bola Disponibilidade
para amanh
Catechumbo Andebala

Como sempre necessrio obter a formulao matemtica do problema.
Seguindo os passos j ilustrados anteriormente esta pode ser enunciada como:
36
0 0 , 0 , 0
240 . 10 . 11 . 6 . 11
480 . 8 . 7 . 25 . 9
25 . 1 . 1 . 1 . 1 :
. 9 . 8 . 5 , 6 . 10 :
4 3 2 1
4 3 2 1
4 3 2 1
4 3 2 1
4 3 2 1

+ + +
+ + +
+ + +
+ + +
x e x x x
x x x x
x x x x
x x x x a Sujeita
x x x x Maximizar Z
Com x1, x2, x3 e x4, sendo as variveis de deciso, referentes ao nmero de
bolas a produzir por dia dos tipos: Voleitok, Catechumbo, Andebala, Poley,
respectivamente.
Introduzindo na folha de clculo esta formulao, de forma semelhante j
mostrada, obtm-se que:
Target Cell (Max)
Cell Name Original Value Final Value
$F$17 Z 0 225.5
Adjustable Cells
Cell Name Original Value Final Value
$B$5 Voleitok 0 18
$C$5 Catechumbo 0 7
$D$5 Andebala 0 0
$E$5 Poley 0 0
Constraints
Cell Name Cell Value Formula Status Slack
$F$10 Cmara de ar Em Uso 25 $F$10<=$H$10 Binding 0
$F$11 Operao de Costura Em Uso 337 $F$11<=$H$11 Not Binding 143
$F$12 Operaes de Finalizao Em Uso 240 $F$12<=$H$12 Binding 0

37
Adjustable Cells
Final Reduced Objective Allowable Allowable
Cell Name Value Cost Coefficient Increase Decrease
$B$5 Voleitok 18 0 10 1.916666667 0.375
$C$5 Catechumbo 7 0 6.5 3.5 1.045454545
$D$5 Andebala 0 -2 8 2 1E+30
$E$5 Poley 0 -0.3 9 0.3 1E+30
Constraints
Final Shadow Constraint Allowable Allowable
Cell Name Value Price R.H. Side Increase Decrease
$F$10 Cmara de ar Em Uso 25 2.3 25 3.235294118 3.181818182
$F$11 Operao de Costura Em Uso 337 0 480 1E+30 143
$F$12 Operaes de Finalizao Em Uso 240 0.7 240 35 44.6875
O Excel permitiu concluir que a proposta feita TecniBOLA na realidade no
oferece maior benefcio. Em suma, os preos propostos face ao custo de produo dos
novos produtos no oferecem vantagem em relao a atual produo.

38
Anexo 1: Problema de Anlise de Actividades
Funo objetivo:
n n
x c x c x c Z + + + ..... maximizar
2 2 1 1
Restries:

1 1 2 12 1 11
..... b x a x a x a
n n
+ + +

m n mn m m
b x a x a x a + + + .....
2 2 1 1
e que
0 ;..... 0 ; 0
2 1

n
x x x
Forma compacta: maximizar

n
j
j i
x c Z
1
Forma compacta de restries:

n
j
i j ij
m i b x a
1
) ,....., 2 , 1 (
Onde,
) ,....., 2 , 1 ( 0 n j x
j

Podemos associar este modelo a uma empresa que tem m recursos disponveis
para a realizao de n atividades. Suponha-se que as atividades representem a
fabricao de produtos.
Tem-se, ento, para j = 1,2,..,n e i = 1,2,....,m,
- Parmetros:
39
b
i
: quantidade do recurso i disponvel para as n atividades (
0
i
b
).
c
j
: lucro unitrio do produto j.
a
ij
: quantidade de recursos i consumida na produo de uma unidade
do produto j.
- Variveis:
x
j
(nvel de produo da atividade de j) . As variveis x
j
(j =
1,2,...n) so as incgnitas do problema.
A funo Objetivo a ser maximizada representa o lucro total da empresa nessas
n atividades, as m restries informam que o gasto total do recurso i nas n atividades
tem de ser menor ou no mximo igual quantidades de b
i
disponvel daquele recurso.
As restries
) ,....., 2 , 1 ( 0 n j x
j

eliminam a possibilidade de nveis negativos
para as diversas atividades.
Temos a notao matricial deste modelo:
A =
mn m m
n
n
a a a
a a a
a a a
....
.... .... .... ....
....
....
2 1
2 22 21
1 12 11
x =
1
1
1
1
]
1

n
x
x
x
.
2
1
b =
1
1
1
1
]
1

m
b
b
b
.
2
1
c =
[ ]
n
c c .
1
Z =Mx cx
40
Sujeito a : b Ax
0 x

Anexo 2: Problema da Dieta
Funo objetivo: Z = minimizar
n n
x c x c x c + + + .....
2 2 1 1
Restries:

1 1 2 12 1 11
..... b x a x a x a
n n
+ + +
41

m n mn m m
b x a x a x a + + + .....
2 2 1 1

e que
0 ;..... 0 ; 0
2 1

n
x x x
Forma compacta: minimizar

n
j
j
x Z
1
Forma compacta de restries:

n
j
i j ij
m i b x a
1
) ,....., 2 , 1 (
Onde,
) ,....., 2 , 1 ( 0 n j x
j

Podemos associar este modelo a uma pessoa que deseja minimizar custos da
sua dieta diria. As atividades representam o consumo dos alimentos que podero
entrar na dieta, e os recursos so as vitaminas que no podem deixar de ser consumidas
durante a dieta.
Tem-se, ento, para j = 1,2,..,n e i = 1,2,....,m,
- Variveis:
x
j
: quantidade do alimento j na dieta. Os x
j
(j = 1,2,...n) so as
incgnitas do problema.
- Parmetros:
b
i
: quantidade mnima da vitamina i que deve ser obtida dos n
alimentos.
c
j
: custo unitrio do alimento j.
42
a
ij
: quantidade da vitamina i fornecida por uma unidade de alimento
j.
A funo objetivo a ser minimizada representa o custo total da dieta a ser
realizada com os n alimentos, as restries indicam que o total da vitamina i obtida dos
n alimentos tem de ser maior ou igual que a quantidade mnima b
i
daquela vitamina.
Em notao matricial teremos:
Z = Mn : cx
sujeito a :
0

x
b Ax
43
Anexo 3: Problema de Transporte
Funo objetivo: Z = minimizar

m
i
n
j
ij ij
x c
1 1
Restries:
) ,... 2 , 1 (
1
m i a x
i
n
j
ij

) ,... 2 , 1 (
1
n j b x
j
m
i
ij

e que
) ,..., 2 , 1 ( ) ,.. 2 , 1 ( 0 n j e m i x
ij

O modelo do problema de transporte tem por objetivo minimizar o custo total
do transporte necessrio para abastecer n centros consumidores (destinos), a partir de
m centros fornecedores (origens). Conforme o esquema abaixo:
a
1---
1 c
i1
1 ---b
1
a
2---
2 x
i1
2 ---b
2
a
j---
j x
ij
c
ij
j ---b
j
a
m---
m x
jn
c
jn
n ---b
n
Tem-se, ento, para j = 1,2,..,n e i = 1,2,....,m,
- Variveis :
44
x
ij
: quantidade a ser transportada da origem i para o destino j na
dieta. Os x
ij
so as incgnitas do problema.
- Parmetros:
b
i
: quantidade requerida no destino j.
c
ij
: custo unitrio de transporte da origem i para o destino j.
a
i
: quantidade disponvel na origem i.
As m restries de ofertas para cada origem, indicam que a quantidade que sai
da origem i tem de ser igual quantidade ai disponvel naquela origem.
As n restries de demanda uma para cada destino, indicam que a quantidade
que chega a cada destino j tem que ser igual a quantidade bj requerida por aquele
destino.
Em notao matricial teremos:
Z = Mn : cx
sujeito a :
0

x
b A
45
Anexo 4: Tcnica Grfica de Soluo de Modelos de
Programao Linear com Duas Variveis de Deciso
essa tcnica consiste em representar em um plano cartesiano o conjunto
de possveis solues do problema
essas solues so na verdade o conjunto de pontos (x1,x2) que
obedecem as restries impostas pelo sistema em estudo
o desempenho do modelo avaliado atravs da representao grfica da
funo objetivo, avaliando cada soluo possvel de acordo com sua posio no grfico
sabe-se que a representao grfica de uma equao linear uma reta
a partir disso, a representao grfica de uma inequao linear um dos
sub-planos delimitados pela reta da equao linear equivalente
Exemplo 1: representao grfica da inequao 4.x1 + 3.x2 12
X2
4 - Regio de
Solues
2 -
| | X1
2 4
46
Exemplo 2: representao grfica da soluo do sistema:
4.x1 + 3.x2 12 x1+2.x2 2 x1 0 x2 0
X2
4 -

2 - Regio
de Solu-
es
| | X1
2 4
na Regio de Solues encontram-se todas as solues possveis para o
problema
cada ponto dessa regio, definido por um par de coordenadas (x1, x2) uma
soluo vivel, o que leva concluso que o sistema admite infinitas solues
de acordo com a funo objetivo do problema, se faz necessrio distinguir entre
todos os pontos aquele que permite uma soluo tima para o problema
47
para tanto, verifica-se na representao grfica do sistema o comportamento da
funo objetivo, que modelada por uma reta
deslocando essa reta paralelamente a si mesma pela regio de solues nos
permite encontrar o ponto de soluo tima
a anlise da representao grfica permite melhor entendimento
L = Mx 4.x1 + x2 Restries Tcnicas: 2.x1+3.x2 12
2.x1+1.x2 8
x2
8 -
7 -
6 -
5 -
48
L=4
L=8
L=12
L=16
4 -

3 -
2 -
1 -
0 - | | | | | | | |
1 2 3 4 5 6 7 8
x1
49

Anexo 5: Exemplos de reduo de um modelo de programao linear para
a forma padro:
1. Ocorrncia de desigualdades:
F qualquer x e x x x x
E x x x x
D x x x
C x x x x
B x x x x x
a sujeita
A x x x x x Mx
4 3 5 2 1
5 4 2 1
5 4 3
5 4 3 1
5 4 3 2 1
5 4 3 2 1
0 , 0 , 0 , 0
8 3
7 2 2
0 2 4
5 3 2
:
3 2

+ +
+ +
+
+ + +
+ +
A; na primeira linha temos funo objetiva que no caso da forma
padro deve ser de minimizar a funo e no maximizar a funo,
ento teremos que substituir a mesma trocando ento o sinal.
B ; na segunda linha que chamamos pela letra A temos uma
desigualdade, como j vimos neste caso temos que acrescentar uma
varivel de folga neste caso com sinal positivo, pois o sinal da
desigualdade maior ou igual.
C; na terceira linha tambm temos uma desigualdade, porm a
varivel de folga a ser acrescentada ser negativa por causa do sinal
menor ou igual
50
D; a primeira coisa a fazer na terceira linha tirar o valor negativo
da restrio, para isso vamos multiplicar ambos os lados por 1,
depois vamos acrescentar uma varivel de folga positiva por causa
do sinal maior ou igual.
E; na quinta linha temos uma igualdade porm como vamos explicar
mais adiante temos que tomar cuidado com as condies do
problema.
F; as condies esto me avisando que os valores de
qualquer x e x x x x
4 3 5 2 1
0 , 0 , 0 , 0
, ento podemos
verificar que temos problema com a varivel
qualquer x e x
4 3
0
, que teremos ento colocar uma varivel simtrica e uma varivel
livre
Ficamos agora com o sistema da seguinte forma:
F x e x x x x x x x
E x x x x
D x x x x
C x x x x x
B x x x x x x
a sujeito
A x x x x x Mx

+ +
+
+ +
+ + +
+ +
4 3 8 7 6 5 2 1
5 4 2 1
8 5 4 3
7 5 4 3 1
6 5 4 3 2 1
5 4 3 2 1
0 , 0 , 0 , 0 , 0 , 0 , 0
8 3
7 2 2
0 2 4
5 3 2
:
3 2

51
O passo seguinte ser de trocarmos as variveis que temos problema das
condies para o da forma padro e vamos ficar com o sistema da seguinte forma;
) ( ' ) ( ' ' ' , '
0 ' ' , ' , ' , , , , , ,
8 ' ' ' 3
7 2 ' ' ' ' 2
0 ' ' 2 ' 2 ' 4
5 3 ' ' ' ' 2
' ' 3 ' 3 ' 2
4 4 4 3 3
4 4 3 8 7 6 5 2 1
5 4 4 2 1
8 5 4 4 3
7 5 4 4 3 1
6 5 4 4 3 2 1
5 4 4 3 2 1
x Q x Q e x x x x x
F x x x x x x x x x
E x x x x x
D x x x x x
C x x x x x x
B x x x x x x x
A x x x x x x Mn

+ + +
+ +
+ +
+ + + +
+ +
Colocando o sistema da forma matricial temos:
A =
1
1
1
1
]
1

1
1
1
1
]
1

1
1
1
1
]
1

8
7
0
5
.
0 0 0 1 1 1 0 1 3
1 0 0 2 1 1 2 0 0
0 1 0 1 2 2 1 0 4
0 0 1 3 1 1 1 2 1
4
3
2
1
x
x
x
x
Anexo 6 : Grficos - Soluo Grfica
52
53
Anexo 7: Grfico de Anlise de Sensibilidade
54
55
CONCLUSO
A programao linear uma ferramenta eficaz na otimizao de objetivos
(custo, perdas, etc...) em processos industriais. Para tal iniciamos um estudo de como
modelar matematicamente um problema, observando seus objetivos, restries e
limitaes. Uma questo importante refere-se a dificuldade de modelar
matematicamente um problema real. Tal dificuldade leva a desprezar algumas
restries tendo como conseqncia uma soluo tima do problema modelado e no-
tima do problema real.
A seguir alguns mtodos de soluo so propostos, tais como o mtodo simplex
e o mtodo excel solver. Mais profundamente estudamos o mtodo solver do excel
resolvendo um problema prtico de uma empresa que fabrica bolas. Modelamos
matematicamente o problema desta industria, resolvemos graficamente sua soluo e
fizemos a anlise de sensibilidade encontrando os possveis valores que as variveis
podem atingir sem modificar (diminuir) o valor timo da funo objetivo.
Vale observar que a soluo tima de um problema linear pode no ser trivial,
principalmente se o nmero de variveis aumentar drasticamente. Para superar este
problema utilizamos um coeficiente de tolerncia para a soluo tima, ou seja,
56
aceitamos solues at 5% da soluo tima, diminuindo assim a quantidade de
iteraes e o tempo necessrios para encontrar tais solues.
Finalmente, observamos que o uso adequado da programao linear pode gerar
altos lucros, embora no seja tarefa fcil a modelagem matemtica de grande maioria
dos problemas reais.
57
BIBLIOGRAFIA
Chase, Richard B. e outros, Production and Operations Management
, Manufacturing and Service, Mc-Graw Hill, pp.292-321, 1998.
Murolo, Afrnio Carlos, Pesquisa Operacional, Ed. Atlas, 1995.
Andrade, Introduo Pesquisa Operacional, Livros Tcnicos, 1993.
Hiller, Lieberman, Introduo Pesquisa Operacional, Ed. Campus.
Ehrlich, Pierre Jacques, Pesquisa Operacional, Atlas, 1992.
Ramalhete, Guerreiro, Magalhes, Programao Linear-vol 1, Mc-
Graw Hill, 1984.
S/ Autor, Microsoft Excel 97 Passo a Passo, Catapult Inc., Mc-Graw
Hill, 1997.
Santos, Reis, Mtodos Quantitativos de Apoio Deciso, Folhas da
Cadeira de Gesto da Produo 2, Ed. AEIST, 1998, Lisboa.
Jelen, F. C., Cost and Optimization Engineering, McGraw-Hill, Caps
12-13, 1970.
Ferreira, Joo da Silva, Introduo Programao Linear, Estudos de
Economia Moderna, Clssica Editora, Cap. 2,1976, Lisboa.
58
Bregalda, Paulo F.; Oliveira, Antonio F. de; Bornstein, Cludio T.;
Introduo Programao Linear. So Paulo,
Puccini, Abelardo de L.; Introduo a Programao Linear , Rio de
Janeiro, Livros Tcnicos e Cientficos Editora S.A, 1980.
Yoshida, Luzia K.; Programao Linear , So Paulo, Atual, 1987.
Converse, Alvin O.; Otimizao, So Paulo, EDART, 1977.
Microsoft MS Excel, utilitrio Solver.
Referncias Web:

Beasey, J E, Linear programming - sensitivity analysis.
Fourer, Robert; Gregory, John W. "Linear Programming FAQ" (1997).
Spyros Reveliotis, An Introduction to Linear Programming and the
Simplex Algorithm
Wayne State University Industrial and Manufacturing Department,
Linear Programming, August 1997
FrontSYS, Help for Microsoft Excel Solver Users
Groups.dcs.st-and.ac.uk
59