Artigo

Universidade Federal de Santa Catarina
Pró-Reitoria de Ensino de Graduação

Departamento de Ensino de Graduação a Distância
Centro Socioeconômico
Departamento de Ciências da Administração
Pesquisa Operacional
Professor
Cesar Duarte Souto-Maior
2014
3ª edição
Copyright  2014. Todos os direitos desta edição reservados ao DEPTO. DE CIÊNCIAS DA ADMINISTRAÇÃO (CAD/CSE/UFSC).
1ª edição – 2009.
2ª edição revisada e atualizada – 2012.
S728p Souto-Maior, Cesar Duarte

Pesquisa operacional / Cesar Duarte Souto-Maior. – 3. ed. –
Florianópolis: Departamento de Ciências da Administração/UFSC,
2014.
94p.
Inclui bibliografia
Curso de Graduação em Administração, modalidade a Distância
ISBN: 978-85-7988-151-0
1. Pesquisa operacional. 2. Programação linear. 3. Processo decisório.

4. Simplex (Matemática). 5. Educação a distância. I. Título.
CDU: 65.012.122
Catalogação na publicação por: Onélia Silva Guimarães CRB-14/071

PRESIDÊNCIA DA REPÚBLICA
MINISTÉRIO DA EDUCAÇÃO
COORDENAÇÃO DE APERFEIÇOAMENTO DE PESSOAL DE NÍVEL SUPERIOR – CAPES
DIRETORIA DE EDUCAÇÃO A DISTÂNCIA
UNIVERSIDADE FEDERAL DE SANTA CATARINA
REITORA – Roselane Neckel

VICE-REITORA – Lúcia Helena Martins Pacheco
PRÓ-REITOR DE GRADUAÇÃO – Julian Borba
COORDENADORA UAB – Sônia Maria Silva Correa de Souza Cruz
CENTRO SOCIOECONÔMICO
DIRETORA – Elisete Dahmer Pfitscher

VICE-DIRETOR – Rolf Hermann Erdmann
DEPARTAMENTO DE CIÊNCIAS DA ADMINISTRAÇÃO

CHEFE DO DEPARTAMENTO – Marcos Baptista Lopez Dalmau
SUBCHEFE DO DEPARTAMENTO – Eduardo Lobo
COORDENADOR DE CURSO – Rogério da Silva Nunes
SUBCOORDENADORA DE CURSO – Gabriela Gonçalves Silveira Fiates
COMISSÃO EDITORIAL E DE REVISÃO – Alessandra de Linhares Jacobsen
Mauricio Roque Serva de Oliveira
Paulo Otolini Garrido
Claudelino Martins Dias Junior
COORDENAÇÃO DE PRODUÇÃO DE RECURSOS DIDÁTICOS – Denise Aparecida Bunn
SUPERVISÃO DE PRODUÇÃO DE RECURSOS DIDÁTICOS – Erika Alessandra Salmeron Silva
DESIGNER INSTRUCIONAL – Denise Aparecida Bunn

Fabiana Mendes de Carvalho
Patrícia Regina da Costa
Maria Aparecida da Silva Alves
PROJETO GRÁFICO E FINALIZAÇÃO – Annye Cristiny Tessaro
DIAGRAMAÇÃO – Rita Castelan
Annye Cristiny Tessaro
REVISÃO DE PORTUGUÊS – Sergio Luiz Meira
ORGANIZAÇÃO DO CONTEÚDO – Cesar Duarte Souto-Maior
Apresentação
Prezado estudante!
Uma das principais funções do administrador é tomar deci-
sões. Essa disciplina tem como objetivo fornecer métodos para que
você possa tomar boas decisões que trarão benefícios para você e
para a organização em que você estiver atuando.
A disciplina de Pesquisa Operacional não está isolada.
Ela envolve conhecimentos que você aprendeu em Matemática para
Administradores e Estatística Aplicada à Administração. Para aplicar
os métodos de Pesquisa Operacional é necessário definir um objetivo,
por exemplo, maximizar a receita, minimizar o tempo de atendimento
ou maximizar a quantidade de itens produzidos. Com a Pesquisa
Operacional você pode encontrar a solução ótima para cada um
desses objetivos. Porém, é necessário saber exatamente o que é mais
importante para a sua organização. Como saber o que é mais impor-
tante para a minha organização? Para responder a essa pergunta, você
precisará dos conhecimentos de todas as disciplinas do Curso de
Administração a Distância.
Existem algumas desculpas para não utilizar a Pesquisa
Operacional. Uma delas é que se trata de um método muito complica-
do ou de que os seus benefícios seriam muito pequenos. Nenhuma
dessas desculpas é verdadeira. Resolução de problemas sem o uso da
Pesquisa Operacional gera soluções que não são ótimas, lucros me-
nores e gastos desnecessários de recursos.
Se você tiver dificuldade em algum tópico, não desista! Leia
novamente ou tire dúvidas com o seu tutor. O domínio da Pesquisa
Operacional trará muitos benefícios, ajudando você a encontrar solu-
ções melhores.
Desejo muito sucesso nos seus estudos!
Professor Cesar Duarte Souto-Maior

Sumário
Unidade 1 – Introdução à Pesquisa Operacional
Introdução à Pesquisa Operacional.........................................................................11
O que é Pesquisa Operacional?......................................................................11
A Pesquisa Operacional é Útil?.......................................................................12
Resumindo............................................................................................................16
Atividades de aprendizagem...................................................................................17
Unidade 2 – Formulação de Problemas
Formulação de Problemas.......................................................................................21
Formulação e Resolução................................................................................21
Dificuldades Durante a Formulação de Modelos...............................................22
Informações Necessárias para a Modelagem...................................................23
Modelo Matemático de Programação Linear....................................................23
Resumindo............................................................................................................29
Unidade 3 – Resolução pelo Método Gráfico
Resolução pelo Método Gráfico...............................................................................35
O que Significa Mesmo Resolver o Problema?...............................................36
Espaço de Soluções Possíveis.........................................................................36
Como Encontrar a Solução Ótima Graficamente?.............................................40
Resumindo............................................................................................................43
Unidade 4 – Simplex
Simplex.................................................................................................................47
Preparação para Aplicação do Método Simplex...............................................47
Método Simplex............................................................................................48
Resumindo............................................................................................................55
Atividades de aprendizagem.......................................................................................56
Unidade 5 – Problema de Transportes
O Problema de Transportes....................................................................................59
As Duas Partes do Algoritmo de Transportes......................................................61
Parte 1 – Solução Inicial................................................................................61
Método do Canto Noroeste............................................................................62
Método de Vogel (ou Método das Penalidades)...............................................64
Parte 2 – Otimização.....................................................................................66
Degenerescência...........................................................................................70
Resumindo............................................................................................................72
Unidade 6 – Problema de Atribuição
Problema de Atribuição..........................................................................................77
Algoritmo de Atribuição...............................................................................78
Casos Especiais do Problema de Atribuição...................................................85
Resumindo............................................................................................................91
Referências............................................................................................................93
Minicurrículo..........................................................................................................94
Introdução à Pesquisa
1
UNIDADE
Operacional

Objetivo
Ao final desta Unidade, você deverá ser capaz de
entender o conceito de pesquisa operacional e
perceber a importância desses conhecimentos no
processo administrativo e o seu potencial de
utilização dentro das organizações.
1
NID
AD
E
10 Curso de Graduação em Administração, modalidade a distância

Introdução à Pesquisa Operacional 1

UNIDADE
Caro estudante,
Estamos iniciando esta Unidade e nela você vai
saber o que é pesquisa operacional, qual a sua
relação com a Estatística e a Matemática e sua
utilidade na administração de uma empresa. Por-
tanto, leia o texto a seguir com atenção e tendo
dúvidas, entre em contato com seu tutor.
U
Bons estudos!
COPOM – é o Comitê de Política Monetária
ma das principais atividades de um administrador é tomar deci-

sões. Bem, não só de um administrador, como de qualquer ou-
tra pessoa. Estamos sempre tomando decisões, seja no campo
pessoal ou nas organizações em que atuamos.
Em geral, boas decisões conduzem a bons resultados e deci-
sões ruins conduzem a resultados ruins.
Além disso, em muitos casos é importante não apenas tomar
boas decisões, como também justificar as decisões tomadas. Por exem-
plo, quando o COPOM define uma nova taxa de juros precisa explicar
porque tomou aquela decisão.
Existem várias formas de tomar decisões. O enfoque da pesquisa operacional é possibilitar
O que é Pesquisa Operacional?

Conforme Andrade
(2000), o nome Pro-
Podemos conceituar a Pesquisa Operacional como um método
gramação Linear deri-
científico para tomada de decisões. Essa metodologia utiliza várias
va do fato das
técnicas e modelos matemáticos. Nesta disciplina, iremos aprender as relações matemáticas
técnicas de Programação Linear, o ramo mais conhecido e utilizado serem todas
da Pesquisa Operacional. equações ou
Período 11
inequações lineares.
12 Curso de Graduação em Administração, modalidade a

1 Mas a Pesquisa Operacional engloba muitas outras técnicas,
entre elas podemos citar: Teoria das Filas, Programação Dinâmica e
v
Simulação Monte Carlo. Outra técnica são as redes PERT/CPM as-
UNIDADE
sunto que será abordado na disciplina de Elaboração e Administração

de Projetos.
Loesch e A Pesquisa Operacional busca encontrar a solução ótima, a
Hein (1999) melhor alternativa entre todas as opções disponíveis para um determi-
apresentam
nado problema. Os problemas de Pesquisa Operacional podem ser de
uma boa
maximização ou de minimização.
introdução sobre a his-
Se o nosso objetivo for encontrar o maior valor possível,
tória da Pesquisa
Operacional. temos um problema de maximização. Por exemplo, maximizar a receita
significa encontrar a alternativa (solução ótima) que irá gerar a maior
receita. Se o nosso objetivo for encontrar o menor valor possível,
temos um problema de minimização. Por exemplo, minimizar
Tô a fim de saberPERT/CPM
O método PERT – Program Evaluationo and consumo de energia significa encontrar a alternativa
Review Tecnique
– ou, em português, Técnica de Avaliação e Revisão de
(solução ótima) Projetos
que iráfoi elaborado
gerar em consumo
o menor 1958 pela Ma- rinha americana e utilizado in
de energia.
Você deve estar se perguntando se a Pesquisa Operacional tem algo a

Sim, a Pesquisa Operacional utiliza conhecimentos que você aprendeu
A Pesquisa Operacional é Útil?
Talvez você esteja se perguntando “Na minha empresa

se tomam muitas decisões, mas ninguém aplica técnicas de
Pesquisa Operacional. E a empresa consegue exercer as suas
atividades. Será que Pesquisa Operacional é realmente útil?”
O que acontece é que conseguimos encontrar soluções sem a
Pesquisa Operacional. Entretanto, geralmente essas soluções não são
soluções ótimas. Ou seja, conseguimos realizar as atividades da orga-
Período 13
nização, porém gastando mais recursos e obtendo menos benefícios
do que poderíamos se utilizássemos a Pesquisa Operacional.
Como exemplo, vamos mostrar um problema simples. Suponha
1
UNIDADE
que exista um produto especial que será retirado de 3 fábricas (locali-
zadas em Fortaleza, Salvador e Vitória) e transportado para 3 arma-
zéns (localizados em Curitiba, Goiânia e Maceió). De cada fábrica
sairá apenas um produto, da mesma forma, cada armazém poderá
guardar apenas um produto. Como deverá ser feito o transporte?
O objetivo é minimizar a quilometragem total. Nesse problema estamos
supondo que todos os gastos com o transporte (combustível, desgaste
etc.) são proporcionais à quilometragem.
Como você resolveria esse problema sem usar a pesquisa
operacional e sem nenhum dado numérico?
Uma alternativa seria olhar no mapa do Brasil a localização de
cada uma dessas cidades e tentar fazer a alocação com a menor qui-
lometragem.
Na Figura 1 temos o mapa do Brasil e a localização das fábri-
cas e dos armazéns do nosso problema.
Fortaleza
Maceió
Salvador
Goiânia
Vitória
Curitiba
Fábrica
Armazém
Figura 1: Localização das Fábricas e dos Armazéns

Fonte: Elaborada pelo autor deste livro

1 Uma alternativa muito usada é identificar quais são as cidades
mais próximas. No nosso problema as cidades mais próximas são Sal-
vador e Maceió. Assim, um dos transportes pode ser de Salvador para
UNIDADE
Maceió. Das demais cidades, as mais próximas são Vitória e Curitiba

e por fim temos Fortaleza e Goiânia.
Então uma solução para o problema poderia ser os seguintes
transportes:
 de Fortaleza para Goiânia;

 de Salvador para Maceió; e
 de Vitória para Curitiba.
A soma desses três trajetos resulta em 4.414 km.

Parece ser uma boa solução, não é?
Sim, é uma solução razoável. Entretanto, essa não é a solução
ótima!
Esse problema possui 6 soluções possíveis, sendo que a solu-
ção ótima consiste nos seguintes transportes:
 de Fortaleza para Maceió;

 de Salvador para Goiânia; e
 de Vitória para Curitiba.
A soma desses três trajetos resulta em 4.018 km.

A primeira solução que tínhamos encontrado consumia 396
km a mais do que a solução ótima! Quase 10% a mais!
10% é um número considerável. Basta olhar o noticiário. Ima-
gine o governo conseguindo reduzir 10% dos seus gastos. Ou uma
empresa aumentando 10% do seu lucro. Ou a diminuição de 10% da
emissão de gás carbônico.
Mesmo assim, existe uma grande resistência à utilização da
Pesquisa Operacional. A principal desculpa para não utilizá-la é que
seria uma técnica muito complicada e que traria um benefício pequeno.
Nessa disciplina você verá que a Pesquisa Operacional não é comp
Período 15
Ainda sobre o problema anterior, você pode estar se pergun-
tando: “Mas eu não poderia ter calculado todas as combinações pos-
síveis e encontrado a solução ótima?”.
1
UNIDADE
Sim, o problema anterior tinha apenas 6 soluções possíveis e
dessa forma seria fácil encontrar a solução ótima.
Mas e se fosse um problema um pouco mais complicado? Por
exemplo, um problema com 10 fábricas e 10 armazéns possui
3.628.800 soluções possíveis! Calcular todas essas possíveis soluções
seria muito trabalhoso e encontrar a que fosse ótima sem usar Pesqui-
sa Operacional é praticamente impossível!
Outro fato que dificulta a adoção da Pesquisa Operacional por muitos administradores é que
Neste livro você aprenderá como resolver vários pro-

blemas com o auxílio da pesquisa operacional. Po-
rém, antes de resolvê-los, você precisa analisar o
problema, definir o seu objetivo e converter isso
tudo para uma linguagem matemática. Esse será o
assunto da próxima Unidade.


r
1
Resumindo
UNIDADE
Aprendemos nesta Unidade que a Pesquisa Operacional

é uma metodologia para tomada de decisões, que engloba vári-
as técnicas.
Através de um exemplo, conseguimos entender o que
acontece quando resolvemos problemas sem usar a pesquisa
operacional: obtemos soluções que não são tão eficientes, com
lucros menores e gastos desnecessários de recursos.
Nesta disciplina o nosso enfoque será a Programa- ção Linear, pois é a t
Período 17
Atividades de aprendizagem 1
UNIDADE
1. Pesquise na internet definições de Pesquisa Operacional.
2. Liste três itens que poderiam ser maximizados (na organização em
que você trabalha ou na sua vida particular).
3. Liste três itens que poderiam ser minimizados (na organização em
que você trabalha ou na sua vida particular).
4. Assinale a alternativa correta. Pesquisa Operacional...
(a) é sinônimo de matemática.
(b) é sinônimo de estatística.
(c)usa conhecimentos de matemática e estatística para apri-
morar o processo de decisão.

Período 19
Formulação
2
UNIDADE
de Problemas

Objetivo
definir objetivos, coletar dados e converter as
informações disponíveis em um modelo matemático
de programação linear, além de perceber a
importância da formulação de problemas.
2
NID
AD
E

Formulação de Problemas 2

UNIDADE
Caro estudante!
Na Unidade anterior vimos que a técnica mais co-
nhecida de Pesquisa Operacional é a Programação
Linear. Agora vamos estudar esse modelo e a forma
de utilizá-lo. Fique atento na formulação de pro-
blemas e perceba como colher informações para a
resolução dos mesmos.
Se precisar, estamos à disposição!
Bom estudo!
P
ara poder aplicar a Programação Linear nos nossos problemas,
precisamos executar duas etapas: (1) formulação do modelo ma-
temático e (2) resolução. A Figura 2 mostra essas duas etapas.
Formulação Modelo Resolução

Problema Solução
Matemático
Figura 2: Etapas de Aplicação da Programação Linear

Na etapa de formulação, precisamos transformar o nosso pro-

blema em um modelo matemático.
Nesta Unidade,
Na etapa de resolução, precisamos aplicar as técnicas de pro-
aborda- remos a
gramação linear no modelo e encontrar a solução ótima.
formulação de modelos
e nas próximas
unidades o enfoque
será a resolução dos
Formulação e Resolução modelos para
obtenção da solução

final.
Qual é a etapa mais importante? Formulação ou

Resolução?
Período 21
2 As duas etapas são importantes, porém algumas considerações
v
precisam ser feitas.
A maioria dos livros sobre programação linear enfatiza a reso-
UNIDADE
lução do modelo matemático. Muito pouco é comentado sobre a for-

mulação de modelos, muitas vezes apenas um ou dois parágrafos.
Na etapa de formulação de modelos é necessário juntar os da-
O tópico 2.1 de dos particulares de cada organização. E isso não pode ser feito por
Silva et al.
outras pessoas, precisa ser feito por alguém que realmente conheça a
(1994) é um
organização.
bom texto sobre
formulação de modelos.
Já na etapa de resolução de problemas, você pode pedir ajuda
para algum especialista em programação linear ou então contratar uma
consultoria. Depois que o modelo matemático foi elaborado, todo
bom conhecedor das técnicas de Programação Linear pode facilmente
obter a solução do problema.
Dificuldades Durante a Formulação de Modelos
Não existe uma forma única para formulação de modelos. É

uma tarefa complicada e que depende de muitos fatores.
As informações que serão utilizadas geralmente apresentam as
seguintes características:
 não estão em um único lugar, estão espalhadas nos vários

departamentos de uma organização;
 são imprecisas; e
 ninguém tem essas informações. Precisam ser coletadas ou
estimadas.
Embora seja uma etapa complicada, a sequência de passos que será de

Informações Necessárias para a Modelagem
2
UNIDADE
Para realizar a modelagem, precisamos responder três pergun-
tas importantes:
 Qual é o objetivo? O que queremos maximizar (ou minimizar)?

 Quais são as variáveis de decisão?
 Quais são as restrições?
A definição do objetivo, não é tão óbvia quanto parece ser.

Em uma determinada situação, o objetivo pode ser aumentar a base
de clientes mesmo que o lucro seja menor. Em outra situação, o
objetivo pode ser maximizar o lucro. Isso depende da estratégia de
cada organização.
As variáveis de decisão são os fatores que estão dentro do
poder de decisão do administrador e podem ser escolhidas por ele.
Por exemplo, o administrador pode definir quantos itens serão fabri-
cados de um determinado modelo.
As restrições são os fatores que estão fora do poder de decisão
do administrador e não podem ser escolhidas por ele. Por exemplo, o
administrador não pode definir a demanda de um determinado produto.
Modelo Matemático de Programação Linear
O modelo matemático de programação linear pode ser expres-

so da seguinte forma:
Você deve estar se perguntando: “Se é um modelo

matemático, onde estão as equações?”.

Período 23
2 Cada termo em parênteses corresponde a uma equação linear,
que depende das variáveis de decisão. Como pode ser visto, existe
apenas um objetivo para cada modelo. Já para as restrições, não existe
UNIDADE
limite, por isso podemos ter várias restrições para um mesmo modelo.
Vejamos dois exemplos para a melhor compreen- são do que foi dito
Exemplo 1. Empresa de consultoria
Uma empresa presta consultoria para pessoas físicas e pesso-

as jurídicas (organizações). Os serviços prestados são de alta quali-
dade e há uma grande procura pelos seus serviços. A empresa pode
escolher quantos clientes de cada tipo irá atender. Porém, existe uma
demanda máxima para cada tipo de cliente. Suponha também que
essa empresa queira maximizar a receita.
E os números? Os números para esse problema serão forneci-
dos mais tarde. Vamos tentar modelar de forma textual.
As nossas variáveis de decisão são:

x1 = quantidade de clientes que são pessoas físicas; e
x2 = quantidade de clientes que são pessoas jurídicas.
E o modelo matemático será expresso da seguinte forma:
(max receita)
demanda (x1)
demanda (x )

restrições 2
 1  0
x
 x2  0
A função objetivo é maximizar a receita. As duas primeiras

restrições são as demandas de cada tipo de cliente. Ou seja, quantos
clientes de cada tipo procuram pelos serviços de consultoria. Já as
duas últimas restrições são de não-negatividade, ou seja, significam
que a quantidade de cada tipo de cliente não pode ser negativa.
Colocar o modelo de forma textual já é um bom começo. Agora
vamos colocar alguns dados numéricos.
Suponha que o valor cobrado por uma consultoria seja de um
salário mínimo para uma pessoa física e de três salários mínimos para

uma pessoa jurídica. Suponha também que a procura de clientes do
tipo pessoa física seja de no máximo 15 clientes por mês. Já a procu-
ra de clientes do tipo pessoa jurídica seria de no máximo 10 clientes
2
UNIDADE
por mês.
Como passar essas informações para equações?
A receita mensal será a soma das receitas obtidas com cada
tipo de cliente:
receita = x1 + 3x2
As demandas de cada tipo de cliente serão representadas da

seguinte forma:
x1  15
x2  10
Agora já podemos substituir essas equações no nosso modelo:
max z = x1 + 3x2
Pronto, o modelo matemático está pronto!
E se quisermos colocar outras restrições? 

Por exemplo, digamos que a consultoria para um cliente pes-
soa física utilize 8 horas de trabalho e que a consultoria para um cli-
ente pessoa jurídica utiliza 20 horas de trabalho. Além disso, que a
quantidade total de horas disponíveis seja de 160 horas.
A equação dessa restrição ficaria da seguinte forma:
8x1 + 20x2  160

Com essa nova restrição o nosso modelo ficaria assim:
max z = x1 + 3x2
Período 25
2 Exemplo 2. Fábrica de móveis [este exemplo foi adap-
tado de Corrar e Theófilo (2004)]
UNIDADE
Uma fábrica de móveis produz três tipos de produtos: cadeiras,

mesas e baús. No processo de fabricação, esses produtos passam por
dois departamentos: o departamento de montagem e o departamento
de acabamento. A tabela a seguir mostra o tempo de cada produto em
cada departamento e a capacidade total de cada departamento.
Tabela 1: Tempo de cada produto por departamento
DEPARTAMENTO CADEIRA MESA BAÚ CAPACIDADE TOTAL

Montagem 3h 3h 2h 30h
Acabamento 6h 3h 0h 48h
Além disso, os preços de venda são os seguintes:
 Cadeira: R$ 10,00.
 Mesa: R$ 8,00.
 Baú: R$ 1,00.
Na prática, não é assim que você encontrará os problemas na sua empre
Vamos voltar ao nosso problema. Está sentindo falta de algo?

Pense um pouco.
Não foi especificada a função objetivo, ou seja, o que deve ser
maximizado ou minimizado. No dia a dia das organizações, isso tam-
bém nem sempre estará claro. Você precisará descobrir qual deve ser
o objetivo.
Qual seria o objetivo desse problema? Pense um pouco.

Um dos objetivos possíveis é maximizar a receita. Grande
parte dos exemplos didáticos envolve fatores monetários como recei-
ta, custo e lucro, mas existem outras possibilidades.
2
UNIDADE
A fábrica pode querer maximizar a quantidade de itens pro-
duzidos. Assim, atenderia mais clientes e se tornaria mais
conhecida.
A fábrica pode querer maximizar a quantidade de mesas
produzidas. No futuro, os clientes precisariam comprar cadeiras para
essas mesas.
Há várias possibilidades para a função objetivo. Depende de
você escolher o que será melhor para a sua empresa.
Para esse problema as variáveis de decisão são:
x1 = quantidade de cadeiras produzidas

x2 = quantidade de mesas produzidas
x3 = quantidade de baús produzidos
Isso é o que o administrador pode decidir.

As duas restrições são as capacidades de cada departamento.
3x1 + 3x2 + 2x3  30

6x1+ 3x2  48
E a função objetivo?
Se o objetivo for maximizar a receita, o modelo 1 será:
max z1 = 10x1 + 8x2 + x3
 3x1 + 3x2 + 2x3  0

 6x1 + 3x2  
restrições  x1  0
xx  00
2
Se o objetivo for maximizar a quantidade de itens produzidos,

o modelo 2 será:
max z2 = x1 + x2 + x3
 3x1 + 3x2 + 2x3  0

 6x1 + 3x2  
x  0
2
27
Período
 x3  0

2 Se o objetivo for maximizar a quantidade de mesas produzi-
das, o modelo 3 será:
max z3 = x2
UNIDADE
 3x1 + 3x2 + 2x3  0


6x1 + 3x2  
xx  00
2
Nas próximas Unidades você aprenderá como resolver o problema. Mas
Tabela 2: Resultados do exercício
MODELO 1 MODELO 2 MODELO 3

Valor de x1 6 0 0
Valor de x2 4 0 10
Valor de x3 0 15 0
Receita 92 15 80
Itens Produzidos 10 15 10
Mesas Produzidas 4 0 10
Note que a programação linear apresentou como resultado exa-

tamente o que foi definido na função objetivo.
O objetivo do modelo 1 era maximizar a receita, e a solução
do modelo é a combinação que resulta na maior receita: R$ 92,00.
O objetivo do modelo 2 era maximizar a quantidade de itens
produzidos, e a solução do modelo é a combinação que resulta na
maior quantidade de itens produzidos: 15 itens.
O objetivo do modelo 3 era maximizar a quantidade de mesas,
e a solução do modelo é a combinação que resulta na maior quanti-
dade de mesas: 10 mesas.
Período 29
Você deve ter muito cuidado na formulação do pro-
blema. Deve ser definido o que realmente é o me-  2
UNIDADE
lhor para a sua empresa.
Resumindo
Aprendemos nesta Unidade a importância da formulação
de modelos na aplicação da programação linear e que a modela-
gem é uma tarefa complexa, a qual envolve a obtenção de infor-
r
mações espalhadas e desestruturadas. Além disso, a formulação
de modelos não pode ser terceirizada, precisa ser realizada por
quem realmente conhece os problemas da organização.
Para realizar a modelagem é necessário responder a três
perguntas: Qual é o objetivo? Qual são as variáveis de decisão?
Quais são as restrições?
A função objetivo deve ser escolhida com cuidado e deve
corresponder aos objetivos da sua organização. As variáveis de
decisão são os fatores que estão dentro do poder de decisão do
administrador e podem ser escolhidas por ele. As restrições são
os fatores que estão fora do poder de decisão do administrador
e não podem ser escolhidas por ele.
Depois que o modelo matemático está montado, basta
aplicar as técnicas de programação linear e resolver o modelo.
A resolução do modelo de programação linear será

o assunto das próximas Unidades e para que você
consiga resolver tais modelos é necessário saber

como formular os modelos matemáticos, por isso,
não deixe de fazer as Atividades de aprendizagem
a seguir, nela você terá a oportunidade de treinar a
formulação dos modelos.

2
Atividades de aprendizagem
UNIDADE
Encontre o modelo de programação linear para cada um dos proble-

mas a seguir:
1. Uma empresa quer utilizar anúncios para divulgar a sua
nova linha de produtos, com o objetivo de atingir a maior
quantidade de pessoas. Um anúncio na estação de rádio
local custa R$ 1.000,00 o minuto e atinge 5 mil pessoas.
Um anúncio na estação de televisão local custa R$
5.000,00 o minuto e atinge 30 mil pessoas. A verba para
propaganda é de R$ 50.000,00. O diretor da empresa
exigiu que a soma do tempo total dos anúncios (no rádio e
na televisão) seja de pelo menos 15 minutos.
2. Uma fábrica produz três tipos de produtos: o produto A, o
produto B e o produto C. O produto A utiliza 100 g de aço
e 100 g de plástico. O produto B utiliza 150 g de aço e
200 g de plástico. O produto C utiliza 200 g de aço e
300 g de plástico. A quantidade total de aço disponível é
de 20 kg e a quantidade de plástico disponível é de 30
kg. O objetivo é produzir a maior quantidade de
produtos.
3. Um atacadista trabalha com dois produtos: o produto A e o
produto B. Cada caixa do produto A custa R$ 10,00 e ocu-
pa 0,1 metros cúbicos e cada caixa do produto B custa R$
30,00 e ocupa 0,4 metros cúbicos. O armazém possui
capacidade para armazenar 40 metros cúbicos de merca-
dorias. O fornecedor entrará em férias coletivas e o ataca-
dista pretende encher o estoque, adquirindo a maior quan-
tidade de caixas gastando no máximo R$ 3.500,00.
4. Uma locadora aluga dois tipos de carros: carros econômi-
cos e carros de luxo. O lucro mensal de um carro econômi-
co é de R$ 5.000,00 por mês e o lucro mensal de um
carro de luxo é de R$ 8.000,00. Tem apenas 10 vagas na
garagem da locadora e é necessário ter pelo menos três car-
ros de cada tipo. O objetivo é maximizar o lucro mensal.
Período 31
5. Uma empresa fabrica dois tipos de produto: P1 e P2. Para
realizar a fabricação esses produtos consomem tempo nos
departamentos A e B.
2
UNIDADE
P1 necessita de 1 hora no departamento A e 3 horas no
departamento B. P2 necessita de 1 hora no departamento
A e 2 horas no departamento B. A capacidade do departa-
mento A é de 100 horas e a capacidade do departamento
B é de 240 horas. A demanda por P1 é de 60 unidades e
a demanda por P2 é de 80 unidades. Além disso, o
preço de P1 é de R$ 600,00 por unidade e o preço de P2
é de R$ 800,00 por unidade. O objetivo é maximizar a
receita.

Período 33
3
UNIDADE
Resolução pelo Método
Gráfico

Objetivo
conhecer o Método Gráfico de resolução de
problemas, e saber como construir a região de
possíveis soluções e encontrar a solução ótima
graficamente.
3
NID
AD
E

Resolução pelo Método Gráfico 3

UNIDADE
Caro estudante!
Como você percebeu, à medida que vamos avan-
çando tomamos conhecimento de novas formas de
encontrar soluções para os problemas que se apre-
sentam no dia a dia numa organização. Já vimos
a formulação de modelos matemáticos e agora va-
mos ver a resolução pelo modelo gráfico. Caso te-
nha ficado com alguma dúvida, volte e releia os
assuntos anteriores para que tenha um melhor apro-
veitamento desta Unidade.
Se precisar, estamos à disposição.
P
ara poder aplicar a Programação Linear nos nossos problemas,
é necessário executar duas etapas: (1) formulação do modelo
matemático e (2) resolução. Na Unidade anterior estudamos
sobre a formulação de modelos. Nesta Unidade aprenderemos a re-
solver o problema de programação linear pelo método gráfico.
O método gráfico pode ser utilizado para duas ou três variá-
veis. Entretanto, na prática, ele é usado apenas para duas variáveis.
Você deve estar se perguntando: “Geralmente os

problemas reais envolvem mais de duas variáveis,
será que vale a pena aprender esse método?”.

Sim, vale a pena. Embora os problemas envolvam várias vari-
áveis, muitas vezes é possível simplificar o problema e transformá-lo
em um problema de duas variáveis. Por exemplo, uma operadora de
telefonia celular possui muitos planos, mas pode decidir sua estraté-
gia de marketing, agrupando esses planos em dois grandes grupos:
clientes pré-pago e clientes pós-pago.
Com o problema simplificado, é possível utilizar o método grá-
fico para resolver o modelo. O método gráfico tem a vantagem de ser
bem simples e de fácil compreensão.
Período 35
3
O que Significa Mesmo Resolver o Problema?
UNIDADE
Para que não fique dúvida, vamos lembrar o que significa a

resolução de um problema. Por exemplo, no Exemplo 2 da Unidade
anterior, se o nosso objetivo for maximizar a receita, o modelo será:
max z1 = 10x1 + 8x2 + x3
 3x1 + 3x2 + 2x3  0

 6x1 + 3x2  
xx  00
2
Resolver esse problema significa encontrar a combinação de

valores para x1, x2 e x3 que resultará no maior valor de z. Ou seja, a
maior receita. Nesse caso, os valores são x1 = 6, x2 = 4 e x3 = 0.
O que resulta em R$ 92,00. Não existe outra combinação de valores
para esse problema que resulte em uma receita maior.
Se você não utilizar a programação linear, dificilmente obterá
a solução ótima. Além disso, se alguém (por exemplo, seu chefe) ques-
tionar – “Essa é realmente a melhor solução? Será que não tem algu-
ma outra solução que renda uma receita maior?” – você pode ter difi-
culdade para justificar as suas escolhas.
Porém, se você utilizar a programação linear, poderá afirmar
que a solução é ótima, que não existe solução melhor, e pode apresen-
tar os seus cálculos.
Espaço de Soluções Possíveis
No método gráfico, o primeiro passo é encontrar a região de

possíveis soluções.
O que isso significa?
É uma região no gráfico onde estarão os valores que as variá-
veis de decisão podem assumir sem que as restrições sejam violadas.

Você se lembra do exemplo 1 (empresa de consultoria) da
Uni- dade anterior? Vamos encontrar a região de possíveis soluções
para esse problema.
3
UNIDADE
Retome este
O modelo matemático encontrado naquele exemplo é o seguin-
exemplo para
te:
compreender me-
max z = x1 + 3x2 lhor a explicação
que segue.
Como temos duas variáveis de decisão, a região de possíveis

soluções será representada em plano de duas dimensões, cada dimen-
são representando uma das variáveis.
Se não existisse nenhuma restrição, a região de possíveis solu-
ções seria representada pela Figura 3 a seguir, ou seja, todo o plano
formado pelas retas x1 e x2.
x2
x1
Figura 3: Plano formado por x1 e x2

Vamos ver o efeito das restrições na definição da região de

possíveis soluções?
Começaremos com as duas restrições mais fáceis: as restrições
de não-negatividade.
Para a restrição x1  0, os valores de x1 devem ser maiores ou
iguais a zero. Ou seja, a região de possíveis soluções deve estar no
semiplano ilustrado na Figura 4 a seguir:
Período 37
3 x2
UNIDADE
x1
Figura 4: Semiplano delimitado por restrição de não-negatividade de x1

Para a restrição x2  0, os valores de x2 devem ser maiores ou

iguais a zero. Ou seja, a região de possíveis soluções deve estar no
x2
x1
Figura 5: Semiplano delimitado por restrição de não-negatividade de x2

Agora vamos analisar as restrições de demanda. Vamos iniciar

por x1  15.
Por essa restrição, os valores de x1 devem ser menores ou iguais
a quinze. Ou seja, a região de possíveis soluções deve estar no
x2
x1
Figura 6: Semiplano delimitado por restrição de demanda de x1


Para a restrição x2  10, os valores de x2 devem ser menores ou
iguais a dez. Ou seja, a região de possíveis soluções deve estar no
semi-plano ilustrado na Figura 7 a seguir:
3
UNIDADE
x2
x1
Figura 7: Semiplano delimitado por restrição de demanda de x2

Agora vamos analisar a restrição de capacidade, dada pela

expressão 8x1 + 20x2  160.
Como você deve ter percebido pelos exemplos anteriores, cada
restrição é uma reta que delimita um semiplano. Essa reta será:
8x1 + 20x2  160
Para podermos traçar essa reta no plano basta encontrar dois

pontos.
Vamos encontrar o ponto em que a reta toca o eixo x1 e o ponto
em que a reta toca o eixo x2.
Quando x1 = 0 (eixo x2). Encontramos que x2 = 8.

Quando x2 = 0 (eixo x1). Encontramos que x1 = 20.
Com esses dois pontos a restrição fica assim:
x2
x1
Figura 8: Semiplano delimitado por restrição de capacidade

Período 39
3 Agora vamos juntar todas as restrições. O espaço de possíveis
soluções é o espaço ilustrado na Figura 9 a seguir:
x2
UNIDADE
x1
Figura 9: Espaço de Possíveis Soluções

O que essa região significa? Significa que os valores possíveis

de solução estão nessa região. E a solução ótima também está nessa
região.
Onde estará a solução ótima? Isso você descobrirá no próximo tópico.
Como Encontrar a Solução Ótima Graficamente?
Já temos a região de possíveis soluções e agora precisamos

encontrar a solução ótima.
Bem, vamos analisar a função objetivo, dada por z = x1 + 3x2.
Para cada valor de z, podemos definir uma reta cujos valores
de x1 e x2 determinam esse valor de z. Vamos traçar algumas dessas
retas. Para isso vamos precisamos de dois pontos: o que cruza o eixo
x1 e o que cruza o eixo x2.
Primeira reta: z = 9.
Se x1 = 0, então x2 = 3. Se x2 = 0, então x1 = 9.
Esses dois pontos determinam a reta z = 9.
Segunda reta: z = 15.

Se x1 = 0, então x2 = 5. Se x2 = 0, então x1 = 15.

Terceira reta: z = 24.
Se x1 = 0, então x2 = 8. Se x2 = 0, então x1 = 24. 3
UNIDADE
Todas essas três retas estão representadas na Figura 10 a seguir.
Repare que essas retas são paralelas e crescem conforme se
afastam da origem. Na Figura 10 também representamos o sentido no
qual a função objetivo cresce.
x2
z = 24
A função objetivo
cresce nesse sentido
z = 15
z= 9
x1
Figura 10: Retas representando vários valores de z

A Figura 11 a seguir representa o ponto ótimo do modelo.

Para valores de z superiores a 24, a reta não passará pela região de
possí- veis soluções.
x2
Ponto Ótimo
z = 24
z = 15
z=9
x1
Figura 11: Ponto Ótimo

E como encontrar os valores de x1, x2 e z para o ponto ótimo?

A solução ótima estará em um dos vértices da região de possí-
veis soluções. E cada vértice é formado pela interseção de duas retas.
No nosso exemplo, o ponto ótimo é a interseção de duas
retas:
8x1 + 20x2 = 160

x1 = 0
Período 41
3 O ponto ótimo satisfaz as equações dessas duas retas. Portan-
to, basta resolver o seguinte sistema de equações lineares:
UNIDADE
Resolvendo esse sistema, encontramos a seguinte solução:
Saiba mais...
Você pode aprender mais sobre resolução de sistemas de equações lineares

no livro de Steinbruck e Winterle (1987).

Resumindo
r 3
UNIDADE
Nesta unidade você aprendeu a utilizar o método gráfico
para resolver um problema de duas variáveis. Pelo método grá-
fico, cada restrição precisa ser representada em um gráfico for-
mado pelos eixos das variáveis x1 e x2. A junção de todas as
restrições forma o espaço de possíveis soluções.
Depois de encontrar o espaço de possíveis soluções é ne-
cessário assumir alguns valores para a função objetivo (z). Com
esses valores, podemos traçar uma reta para cada valor de z e
perceber para onde a função objetivo cresce. Consequentemente,
é possível visualizar qual é a solução ótima graficamente. A
solução ótima estará localizada em um dos vértices da região
de possíveis soluções, ou seja, está localizada na interseção de
duas retas. Para encontrar os valores de x 1 , x 2 e
consequentemente z, basta resolver um sistema de equações
lineares com as duas retas que passam pelo ponto ótimo.
Na próxima Unidade você aprenderá uma forma

geral de resolução de problemas de programação
linear: o método simplex. Enquanto o método grá-

fico pode ser utilizado para duas variáveis, o méto-
do simplex pode ser utilizado para qualquer núme-
ro de variáveis. Mas antes de partir para o próximo
ponto, exercite o conteúdo das Unidades anterio-
res nas Atividades de aprendizagem a seguir.
Período 43
3 Atividades de aprendizagem
UNIDADE
Resolva cada um dos problemas a seguir utilizando o método gráfico.

1. Use os dados da questão 4 da Unidade 2.
2. Use os dados da questão 5 da Unidade 2.
3. Uma ONG (Organização Não Governamental) pretende
comprar doces (balas e pirulitos) para as crianças de uma
comunidade carente. Cada bala custa R$ 0,05 e cada pi-
rulito custa R$ 0,15. A verba disponível para a compra de
doces é de R$ 1.500,00. Além disso, o fornecedor disse
que pode fornecer no máximo 24.000 balas. Quantas ba-
las e quantos pirulitos devem ser adquiridos? O objetivo é
maximizar a quantidade de doces.
4. Encontre graficamente a solução ótima para o modelo a
seguir:
max z = 10x1 + 8x2
3x1 + 3x2  0
6x + 3x  
 1 2
x1  0

 x2  0

4 4
NID
AD
E
UNIDADE
U
Simplex

Objetivo
aplicar o método simplex na resolução de qualquer
tipo de problema de programação linear.
Período 4
4
NID
AD
E

Simplex 4
UNIDADE
Caro estudante!
Na Unidade anterior aprendemos como resolver

problemas de programação linear com duas variá-
veis utilizando o método gráfico. Nesta Unidade
aprenderemos o método simplex. Este, pode ser
aplicado para resolver qualquer problema de pro-
gramação linear.
Então vamos conhecer essa nova ferramenta!
Bons estudos!
O Algoritmo Simplex utiliza conceitos de Álgebra Linear, em es-

pecial a resolução de sistemas de equações lineares.
Você pode aprender
mais sobre álgebra
linear no livro de
Steinbruck e Winterle
Vale lembrar que o método simplex não é sinônimo de álgebra linear;(1987).
ele utiliza conceitos
Preparação para Aplicação do Método Simplex
Algoritmo – conjunto das regras e procedim

Vamos utilizar o método simplex para resolver o modelo mate-
mático a seguir:
max z = x1
+ + 3x3
2x2
Como falamos, o simplex utiliza conceitos de resolução de sis-
Período 47
temas de equações lineares. As restrições do modelo são inequações

4 (sinal de desigualdade), mas o método simplex trabalha com equa-
ções (sinal de igualdade).
Como podemos fazer para transformar essas inequações em
UNIDADE
equações?
Utilizaremos variáveis auxiliares, nesse caso chamadas de fol-
gas. Uma folga para cada restrição. Assim as restrições ficam da se-
guinte forma:
Agora já podemos inserir as restrições em uma forma de tabe-

la, também conhecida como Tableau.
Na Tabela 3 a seguir podemos observar as seis variáveis, as
três restrições e a função objetivo. Essa forma de representação irá
facilitar os nossos cálculos e facilitar o desenvolvimento do algoritmo.
Tabela 3: Tabela Preparatória para o Simplex
VARIÁVEIS
X1 X2 X3 Fa Fb Fc b
Restrição A 1 1 1 1 60
Restrição B 1 2 2 1 110
Restrição C 1 1 2 1 90
Objetivo 1 2 3 0
Agora que você já sabe como preparar os dados para o método simplex,
Método Simplex
Para resolver um sistema de equações lineares é necessário que

o número de equações seja igual ao número de variáveis. Repare que
temos três equações (as três restrições) e seis variáveis.
Período 49
Para encontrar a solução inicial é necessário zerar três variá-
veis e encontrar o valor das outras três. Como solução inicial, vamos
considerar x1 = x2 = x3 = 0.
4
UNIDADE
A Tabela 4 a qual traz a Solução 1 mostra as três variáveis que
precisamos encontrar o valor. Como x1 = x2 = x3 = 0, encontramos
que Fa = 60, Fb = 110 e Fc = 90. A solução ficou fácil porque os
coeficientes da matriz formada pelas variáveis Fa, Fb e Fc já forma-
vam uma matriz identidade.
Tabela 4: Solução 1
VARIÁVEIS
X1 X2 X3 Fa Fb Fc b
Restrição A 1 1 1 1 0 0 60
Restrição B 1 2 2 0 1 0 110
Restrição C 1 1 2 0 0 1 90
Objetivo 1 2 3 0 0 0 0
Logo, a Solução 1 será:
Será que essa é a solução ótima? Será que alguma

das variáveis que anulamos (x1, x2 e x3) poderia ser
considerada para encontrar uma solução melhor?

Para isso, vamos olhar os valores da última linha. Note que os
valores que estão embaixo de x1, x2 e x3 são positivos. Isso significa
que se uma dessas variáveis for considerada o valor de z aumentará.
Como o objetivo é uma função de maximização, é interessante que

4 uma dessas variáveis seja considerada. Qual delas? Escolheremos a
que tem o maior valor positivo, ou seja, x3.
Para continuar tendo três equações e três variáveis, é necessá-
UNIDADE
rio que uma das variáveis da solução atual seja anulada. Qual delas?
A Tabela 5 a seguir mostra a variável que irá entrar (x3). Na
última coluna calculamos o quociente entre o valor da coluna b pelo
respectivo coeficiente da variável que está entrando. O quociente de
menor valor positivo indica a variável que sairá da solução. Nesse
caso, Fc sai da solução.
Tabela 5: Variável que entrará (x3) e variável que sairá (Fc)
VARIÁVEIS
X 1
X 2
X 3
Fa Fb Fc b quociente
Restrição A 1 1 1 1 0 0 60 60/1=60
Restrição B 1 2 2 0 1 0 110 110/2=55
Restrição C 1 1 2 0 0 1 90 90/2=45
Objetivo 1 2 3 0 0 0 0
Agora vamos calcular a nova solução. As variáveis x1, x2 e Fc

serão anuladas e consideraremos apenas as variáveis x3, Fa e Fb. A
Tabela 6 que indica as Variáveis para a Solução 2 mostra as três vari-
áveis escolhidas.
Tabela 6: Variáveis para a Solução 2
VARIÁVEIS
X 1
X 2
X 3
Fa Fb Fc b
Restrição A 1 1 1 1 0 0 60
Restrição B 1 2 2 0 1 0 110
Restrição C 1 1 2 0 0 1 90
Objetivo 1 2 3 0 0 0 0
Precisamos transformar os coeficientes da matriz formada pe-

las variáveis escolhidas em algo parecido com a matriz identidade. O
cruzamento entre a coluna da variável que entrou (x3) com a linha de
menor quociente indica o elemento pivô. Esse elemento será bastante
Período 51
usado em nossos cálculos. A linha que contém o pivô será chamada
de linha pivô. A Tabela 7 a seguir mostra o elemento pivô escolhido e
a ordem das restrições.
4
UNIDADE
Tabela 7: Elemento Pivô
VARIÁVEIS
X1 X2 X3 Fa Fb Fc b
Restrição A 1 1 1 1 0 0 60
Restrição B 1 2 2 0 1 0 110
Restrição C 1 1 2 0 0 1 90
Objetivo 1 2 3 0 0 0 0
Iremos fazer operações com as linhas da tabela para zerar os

elementos acima e abaixo do elemento pivô. Porém, para facilitar,
vamos transformar o elemento pivô no número 1.
Nova Linha 3 = (Linha 3) / 2
Assim, a nova tabela ficará:
Tabela 8: Linha pivô após operação

VARIÁVEIS
X1 X2 X3 Fa Fb Fc b
Restrição A 1 1 1 1 0 0 60
Restrição B 1 2 2 0 1 0 110
Restrição C 1/2 1/2 1 0 0 1/2 45
Objetivo 1 2 3 0 0 0 0
Note que todos os elementos da linha 3 (linha pivô) foram divi-

didos por 2.
Agora, as operações que serão efetuadas são:
Nova Linha 1 = Linha 1 – Linha 3

Nova Linha 2 = Linha 2 – 2*(Linha 3)
Nova Linha 4 = Linha 4 – 3*(Linha 3)
A Tabela 9 com a Solução 2 mostra o efeito dessas operações.

4 Tabela 9: V
Solução
ARIÁVEIS
2
X X Fa Fb Fc b
UNIDADE
X 1 2 3
Restrição A 1/2 1/2 0 1 0 -1/2 15

Restrição B 0 1 0 0 1 -1 20
Restrição C 1/2 1/2 1 0 0 1/2 45
Objetivo -1/2 1/2 0 0 0 -3/2 -135
Será que essa é a solução ótima? Será que alguma das variáveis que a
Para isso, vamos olhar os valores da última linha na Tabela 9.

Note que os valores que estão embaixo de x1 e Fc são negativos. Isso
significa que se uma dessas variáveis for considerada o valor de z
diminuirá. O valor que está embaixo de x2 é positivo. Isso significa
que se essa variável for considerada o valor de z aumentará. Como o
objetivo é uma função de maximização, é interessante que essa variável
(x2) seja considerada.
Para continuar tendo três equações e três variáveis, é necessá-
rio que uma das variáveis da solução atual seja anulada. Qual delas?
A Tabela 10 a seguir mostra a variável que irá entrar (x2). Na
última coluna calculamos o quociente entre o valor da coluna b pelo
respectivo coeficiente da variável que está entrando. O quociente de
Período 53
menor valor positivo indica a variável que sairá da solução. Nesse
caso, Fb sai da solução. 4
UNIDADE
Tabela 10: Variável que entrará (x2) e variável que sairá (Fb)
VARIÁVEIS
X 1
X 2
X 3
Fa Fb Fc b quociente
Restrição A 1/2 1/2 0 1 0 -1/2 15 15/(1/2)=30
Restrição B 0 1 0 0 1 -1 20 20/1=20
Restrição C 1/2 1/2 1 0 0 1/2 45 45/(1/2)=90
Objetivo -1/2 1/2 0 0 0 -3/2 -135
Agora vamos calcular a nova solução. As variáveis x1, Fb e Fc

serão anuladas e consideraremos apenas as variáveis x2, x3 e Fa. A
Tabela 11 com as Variáveis para a Solução 3 mostra as três variáveis
escolhidas.
Tabela 11: Variáveis para a Solução 3

VARIÁVEIS
X 1
X 2
X 3
Fa Fb Fc b
Restrição A 1/2 1/2 0 1 0 -1/2 15
Restrição B 0 1 0 0 1 -1 20
Restrição C 1/2 1/2 1 0 0 1/2 45
Objetivo -1/2 1/2 0 0 0 -3/2 -135
Precisamos transformar os coeficientes da matriz formada pe-

las variáveis escolhidas em algo parecido com a matriz identidade. O
cruzamento entre a coluna da variável que entrou (x2) com a linha de
menor quociente indicam o elemento pivô. Esse elemento será bastan-
te usado em nossos cálculos. A linha que contém o pivô será chamada
de linha pivô. A Tabela 12 a seguir mostra o elemento pivô escolhido e
a ordem das restrições.
Tabela 12: Elemento Pivô

VARIÁVEIS
X 1
X 2
X 3
Fa Fb Fc b
Restrição A 1/2 1/2 0 1 0 -1/2 15
Restrição B 0 1 0 0 1 -1 20
Restrição C 1/2 1/2 1 0 0 1/2 45
Objetivo -1/2 1/2 0 0 0 -3/2 -135

4 Iremos fazer operações com as linhas da Tabela 12 para zerar
os elementos acima e abaixo do elemento pivô.
UNIDADE
As operações que serão efetuadas são:
Nova Linha 1 = Linha 1 – (1/2)*(Linha 2)

A Tabela 13 que Solução 3 mostra o efeito dessas operações.
VARIÁVEIS
X1 X2 X3 Fa Fb Fc b
Restrição A 1/2 0 0 1 -1/2 0 5
Restrição B 0 1 0 0 1 -1 20
Restrição C 1/2 0 1 0 -1/2 1 35
Objetivo -1/2 0 0 0 -1/2 -1 -145
Será que essa é a solução ótima? Será que alguma das variáveis que anu
Período 55
Para isso, vamos olhar os valores da última linha. Note que os
valores que estão embaixo de x1, Fb e Fc são negativos. Isso significa
que se uma dessas variáveis for considerada o valor de z diminuirá.
4
UNIDADE
Como o objetivo é uma função de maximização, não tem como ser
obtida uma solução melhor. Logo, essa é a solução ótima.
Resumindo
Aprendemos nesta Unidade como aplicar o método
simplex. Esse método pode ser aplicado para resolver qualquer
problema de programação linear e está baseado em conceitos
de álgebra linear, em especial, na resolução de sistemas de
equações lineares.
Embora qualquer problema de programação linear possa
r
ser resolvido com o simplex, certos problemas apresentam ca-
racterísticas particulares e podem ser resolvidos com algoritmos
mais simples.
Na Unidade 5, aprenderemos como resolver o pro-

blema de transportes e na Unidade 6 aprendere-
mos como resolver o problema de atribuição. Mas

antes de exercitar esses novos aprendizados, pra-
tique o conteúdo da Unidade 4 com as Atividades
de aprendizagem a seguir.

UNIDADE
1. Resolva o problema usando o simplex:
max z3 = 10x1 + 8x2 + x3
 3x1 + 3x2 + 2x3  0


6x1 + 3x2  
xx  00
2
2. Resolva o problema usando o simplex:
max z3 = x1 + x2 + x3
 3x1 + 3x2 + 2x3  0


6x1 + 3x2  
xx  00
2
Período 57
5 4
NID
AD
E
UNIDADE
U
Problema de
Transportes

Objetivo
utilizar o algoritmo de transportes e saber o que fazer
em situações onde ocorra degenerescência.
58 Período 4
Curso de Graduação em Administração, modalidade a
5
NID
AD
E

O Problema de Transportes 5

UNIDADE
Caro estudante!
Na Unidade anterior estudamos o algoritmo simplex,
pelo qual podemos resolver qualquer problema de
programação linear. O assunto desta Unidade é o
problema de transportes, que também pode ser
resolvido com o uso do simplex, mas existe uma
forma mais simples: o algoritmo de transportes,
nosso foco nesta Unidade.
Caso você ainda tenha dúvidas sobre o que já foi
estudado até este momento, volte e reveja os con-
ceitos e suas aplicações.
Se precisar, estamos à disposição.
A
Figura 12 a seguir apresenta um problema de transportes. Exis-
tem 60 toneladas de um determinado material que precisam ser
transportadas de três origens para três destinos. Cada origem
possui uma quantidade desse material disponível para ser transporta-
da, e cada destino possui uma demanda desse material.
(20t) Origem 1 Destino 1 (15t)
Figura 12: Exemplo de um problema de transportes

Note que o material que está em cada origem pode ser trans-
portado para qualquer um dos destinos. Existem várias formas de re-
alizar os transportes necessários para atender as demandas dos três
destinos. Porém, o ideal é realizar os transportes com o menor custo,
ou seja, minimizar o custo.
Bem, para isso precisamos saber qual é o custo de transporte
entre as origens e destinos. Vamos supor que o custo seja proporcio-
nal à distância (em km).
Período 59
5 Na Tabela 14 a seguir, os custos (em km) entre as origens e
os destinos são as células sombreadas. Podemos observar também as
disponibilidades em cada origem e a demanda em cada destino.
UNIDADE
Tabela 14: Enunciado de um problema de transporte
Destino 1 Destino 2 Destino 3 Disponibilidade (t)

Origem 1 50 210 220 20
Origem 2 90 200 130 10
Origem 3 80 290 290 30
Demanda (t) 15 20 25
O custo do transporte também pode ser representado como:
Cij = custo do transporte da origem i para o destino j.

Por exemplo, C11 = 50.
Para facilitar a resolução do problema, iremos separar a Tabe-
la 14 do Enunciado de um problema de transporte em duas outras:
Tabela 15 de custos e Tabela 16 de transportes.
Tabela 15: Tabela de custos

Destino 1 Destino 2 Destino 3
Origem 1 50 210 220
Origem 2 90 200 130
Origem 3 80 290 290
Vejamos a seguir a Tabela 16 de transportes:
Tabela 16: Tabela de transportes

Origem 1 20
Origem 2 10
Origem 3 30
As células em branco representam a quantidades de toneladas

que precisarão ser transportadas de cada origem para cada destino. A
quantidade transportada pode ser representada da seguinte maneira:

Xij = quantidade (em toneladas) transportadas da Origem
i para o Destino j.
Onde i é o número da linha e j é o número da coluna.
5
UNIDADE
As Duas Partes do Algoritmo de Transportes
O algoritmo de transportes é dividido em duas partes.

A primeira parte consiste em encontrar uma solução inicial para
o problema e a segunda parte consiste em encontrar a solução ótima
a partir da solução inicial.
Parte 1 – Solução Inicial
A solução inicial precisa atender dois requisitos: (1) precisa

satisfazer as restrições de origem e destino e (2) não pode apresentar
circuitos entre as variáveis básicas.
Segundo Silva et al. (1994), circuito pode ser entendido como
uma poligonal fechada, construída no sentido das linhas ou colunas
e ligando variáveis básicas. Na Tabela 17 temos um exemplo de cir-
cuito.
Tabela 17: Exemplo de circuito
Destino 1 Destino 2 Destino 3 Destino 4

Origem 1 10 ---- 5 ----
Origem 2 ---- ---- ---- ----
Origem 3 ---- ---- ---- ----
Origem 4 25 ---- 15 ----
Origem 5 ---- ---- ---- ----
Nesta disciplina aprenderemos dois métodos para encontrar a

solução inicial: o método do canto noroeste e o método de Vogel.
Período 61
5 Método do Canto Noroeste
UNIDADE
Pelo método do canto noroeste, começaremos a alocar o trans-

porte na célula que se encontra na parte superior e esquerda da tabe-
la, ou seja, no canto noroeste. A Tabela 18 a seguir mostra a célula esco-
lhida, que corresponde ao transporte entre a origem 1 e o destino 1.
Tabela 18: Alocação de transporte entre a origem 1 e o destino 1

Origem 1 15 20–15=5
Origem 2 ---- 10
Origem 3 ---- 30
Demanda (t) 15-15=0 20 25
Vamos tentar alocar o transporte máximo nessa célula. A ori-

gem 1 tem 20 toneladas disponíveis, mas o destino 1 demanda apenas
15 toneladas. Logo, o máximo que pode ser transportado é 15 toneladas.
Observe também que o destino 1 precisa de 15 toneladas e já
foi totalmente atendido, então não haverá transporte entre as origens
2 e 3 e o destino 1. Além disso, sobram 5 toneladas disponíveis na
origem 1 para atender outros destinos.
A Tabela 19 a seguir mostra a próxima célula escolhida. Das
células não preenchidas, a que está na parte superior e esquerda
corresponde ao transporte entre a origem 1 e o destino 2.
Tabela 19: Alocação de transporte entre a origem 1 e destino 2

Origem 1 15 5 ---- 5–5=0
Origem 2 ---- 10
Origem 3 ---- 30
Demanda (t) 0 20–5=15 25

gem 1 tem 5 toneladas disponíveis e o destino 2 demanda 20 tonela-
das. Logo, o máximo que pode ser transportado é 5 toneladas.

Observe também que a origem 1 não tem mais material dispo-
nível, então não haverá transporte entre a origem 1 e o destino 3.
Além disso, faltam 15 toneladas para atender a demanda do destino
5
UNIDADE
2.
A Tabela 20 a seguir mostra a próxima célula escolhida. Das
células não preenchidas, a que está na parte superior e esquerda
corresponde ao transporte entre a origem 2 e o destino 2.

Origem 1 15 5 ---- 0
Origem 2 ---- 10 ---- 10–10=0
Origem 3 ---- 30
Demanda (t) 0 15–10=5 25

gem 2 tem 10 toneladas disponíveis e o destino 2 demanda 15 tonela-
das. Logo, o máximo que pode ser transportado é 10 toneladas.
Observe também que a origem 2 não tem mais material dispo-
nível, então não haverá transporte entre a origem 2 e o destino 3.
Além disso, faltam 5 toneladas para atender à demanda do destino 2.
A Tabela 21 da Solução Inicial pelo Método do Canto Noroeste
mostra o resultado da aplicação do método do canto noroeste.
Tabela 21: Solução Inicial pelo Método do Canto Noroeste

Origem 1 15 5 ----
Origem 2 ---- 10 ----
Origem 3 ---- 5 25
Demanda (t)
Período 63
5 Método de Vogel (ou Método das Penalidades)
UNIDADE
O método de Vogel (também conhecido como método das pe-

nalidades) apresenta um grau de dificuldade maior que o método do
canto noroeste. Porém, geralmente retorna uma solução inicial mais
próxima da solução ótima.
Para iniciar o estudo deste método vamos utilizar as informa-
ções da Tabela 15 de custos. A Tabela 22 do Método de Vogel mostra
os valores da tabela de custo e os valores da penalidade para cada
linha e coluna.
Tabela 22: Penalidades de cada linha e de cada coluna
Destino 1 Destino 2 Destino 3 Penalidade

Origem 1 50 210 220 160
Origem 2 90 200 130 40
Origem 3 80 290 290 210
Penalidade 30 10 90
A penalidade de uma linha ou coluna é a diferença entre os

dois menores custos de cada linha ou coluna. Por exemplo, na linha 1
o menor valor é 50 km e o segundo menor valor é 210 km. Se você não
escolher o transporte de menor valor e escolher o segundo menor valor
estará obtendo uma penalidade de 160 km (210 km – 50 km). Ou
seja, seus caminhões estarão percorrendo 160 km a mais do que seria
necessário.
Penalidade não é algo desejável. Então, pelo método, escolhe-
remos a linha ou coluna com a maior penalidade. A linha três é a
escolhida, pois apresenta uma penalidade de 210 km.
E o que faremos para evitar a maior penalidade? Faremos a
alocação na célula da linha três que tem o menor custo (80 km). Essa
célula corresponde ao transporte entre a origem 3 e o destino 1.
Na Tabela 23 a seguir, apresentamos uma tabela de transportes
com a alocação máxima nessa célula escolhida.

Tabela 23: Alocação
Origem 1
Destino 1de Destino
----
transporte
2 entre a origem
Destino 3 3 e destino 1 (t)
Disponibilidade
20 5
UNIDADE
Origem 2 ---- 10
Origem 3 15 30–15=15
Demanda (t) 15–15=0 20 25
Note que já foi feita a alocação para o destino 1, logo podemos

recalcular as penalidades desconsiderando os valores da coluna 1.
A Tabela 24 a seguir mostra os novos valores para as penalidades.
Tabela 24: Penalidades recalculadas, desconsiderando o destino 1

Destino 1 Destino 2 Destino 3 Demanda (t)
Origem 1 ---- 210 220 10
Origem 2 ---- 200 130 70
Origem 3 ---- 290 290 0
Demanda (t) ---- 10 90
A coluna três é a escolhida, pois apresenta a maior penalidade

(90 km).
E o que faremos para evitar essa penalidade? Faremos a
alocação na célula da coluna três que tem o menor custo (130 km).
Essa célula corresponde ao transporte entre a origem 2 e o destino 3.
Na Tabela 25 a seguir, apresentamos uma tabela de transportes
com a alocação máxima nessa célula escolhida.

Origem 1 ---- 20
Origem 2 ---- ---- 10 10–10=0
Origem 3 15 15
Demanda (t) 0 20 25–10=15
Note que já foi feita a alocação para a origem 2, logo

podemos recalcular as penalidades desconsiderando os valores da
linha 2. A Tabela 26 a seguir mostra os novos valores para as
penalidades.
Período 65
5 Tabela 26: Penalidades recalculadas, desconsiderando a origem 2
Destino 1 Destino 2 Destino 3 Penalidade (t)
UNIDADE
Origem 1 ---- 210 220 10

Origem 2 ---- ---- ---- ----
Origem 3 ---- 290 290 0
Penalidade (t) ---- 80 70
A coluna 2 é a escolhida, pois apresenta a maior penalidade

(80 km).
A Tabela 27 da Solução Inicial pelo Método de Vogel mostra o
resultado da aplicação desse método.
Tabela 27: Solução Inicial pelo Método de Vogel

Origem 1 ---- 20 ----
Origem 2 ---- ---- 10
Origem 3 15 ---- 15
Demanda (t)
Parte 2 – Otimização
Depois de encontrar uma solução inicial é necessário verificar

se a solução encontrada já é a solução ótima.
Vamos partir da solução inicial encontrada pelo método do
canto noroeste, apresentada na Tabela 28 a seguir:
Tabela 28: Solução Inicial pelo Método do Canto Noroeste (Solução 1)

Origem 1 15 5 ---- 20
Origem 2 ---- 10 ---- 10
Origem 3 ---- 5 25 30

Note que existem algumas células que apresentam valores po-
sitivos. Essas serão chamadas de variáveis básicas. 5
UNIDADE
X11 – toneladas transportadas da origem 1 para o destino 1.
Para cada variável básica Xij, obteremos uma equação do se-

guinte tipo:
Cij – Ui –Vj =0
Onde Cij é o custo de transporte da origem i para o destino j.
Ui e Vj são variáveis auxiliares relacionadas respectivamente com as
linhas e com as colunas.
Para o nosso exemplo temos:
Substituindo os valores de Cij temos:
Agora temos um sistema com 5 equações e 6 variáveis auxilia-

res. Para conseguir resolver é necessário escolher uma dessas variá-
veis auxiliares para ser zero. Considerando U1=0, encontramos.
Período 67
5
UNIDADE
Em seguida, calculamos os coeficientes para as variáveis não

básicas, usando a fórmula a seguir:
Cij – Ui –Vj = ?
Como temos os valores de Cij, Ui e Vj, podemos encontrar os

coeficientes:
C – U – V  220 – 0 – 210 = 10
13 1 3
 C21 – U2 – V1   –– –   

 C23 – U2 – V3   –– –   –
 C – U3 – V1   –  –   –
 31
Alguns coeficientes apresentaram valores positivos e outros apresentar
Os coeficientes de X13 e X21 apresentaram valores positivos.

Isso significa que se acrescentarmos a variável X13 ou X21 em uma
nova solução, o objetivo (quilometragem total) aumentará. Como que-
remos minimizar a quilometragem total a entrada de uma dessas vari-
áveis irá piorar a solução.
Os coeficientes de X23 e X31 apresentaram valores negativos.
Isso significa que se acrescentarmos a variável X13 ou X31 em uma
nova solução, o objetivo (quilometragem total) diminuirá. Como que-
remos minimizar a quilometragem total, a entrada de uma dessas va-
riáveis irá melhorar a solução.
Então qual variável será escolhida para a nova solução? X23
será escolhida pois o seu respectivo coeficiente apresenta o valor ne-

gativo com maior valor absoluto. Como não sabemos qual o valor da
variável X23 daremos o valor .
A Tabela 29 do Efeito da entrada da variável X23 mostra o efei-
5
UNIDADE
to da entrada dessa variável. Como as disponibilidades e as deman-
das não podem ser alteradas, é necessário realizar alterações nas va-
riáveis X22, X32 e X33.
Tabela 29: Efeito da entrada da variável X23
Destino 1 Destino 2 Destino 3 Disponibilidades (t)

Origem 1 15 5 ---- 20
Origem 2 ---- 10–  10
Origem 3 ---- 5+ 25– 30
O maior valor que  pode assumir é 10. Logo a nova solução

será:

Origem 1 15 5 ---- 20
Origem 2 ---- ---- 10 10
Origem 3 ---- 15 15 30
Será que essa solução é ótima?

Para verificar, basta aplicar o mesmo procedimento. Você des-
cobrirá que ainda não chegou na solução ótima e que a nova solução
será:

Origem 1 ---- 20 ---- 20
Origem 2 ---- ---- 10 10
Origem 3 15 ---- 15 30
Período 69
5 Verifique isso! Utilize o mesmo procedimento.
Você também conseguiu chegar na mesma solu- ção? Se não conseguiu

UNIDADE
Degenerescência
Será que essa solução já é a solução ótima? Basta aplicar no-

Degenerescência – redu- ção ou declínio de qualida- de. Fonte: Houaiss (2009).
vamente o algoritmo. Porém, dessa vez temos somente 4 variáveis bá-
sicas (das outras vezes eram 5 variáveis básicas).
Conforme Shamblin e Stevens (1979), quando o número de
variáveis básicas for menor do que m + n – 1, o problema é degenera-
do. No nosso problema, m (número de linhas) é três e n (número de
colunas) é três. Então, m + n – 1 = 5. Como o número de variáveis
básicas é menor que 5, então temos um caso de degenerescência.
Para poder prosseguir, é necessário acrescentar uma variável
básica auxiliar A.
Consideramos o valor de A tão pequeno que não afeta a solu-
ção do problema, mas deve ser colocada em uma célula que não gere
circuito. Assim a solução que testaremos será:
Tabela 32: Solução 3 com variável auxiliar A

Origem 1 ---- 20 ---- 20
Origem 2 ---- ---- 10 10
Origem 3 15 A 15 30
As variáveis básicas serão: X12, X23, X31, X32 e X33.

Para cada variável básica Xij, obteremos uma equação do se-
guinte tipo:
Cij – Ui –Vj =0

Para o nosso exemplo temos:
5
UNIDADE
Substituindo os valores de Cij temos:
Agora temos um sistema com 5 equações e 6 variáveis auxilia-

res. Para conseguir resolver é necessário escolher uma dessas variá-
veis auxiliares para ser zero. Considerando U1 = 0, encontramos:
Agora iremos calcular os coeficientes para as variáveis não

básicas, usando a fórmula a seguir:
Cij – Ui –Vj =?
Como temos os valores de Cij, Ui e Vj, podemos encontrar os
coeficientes:
Todos os coeficientes apresentaram valores positivos. Isso sig-

nifica que se qualquer uma dessas variáveis for acrescentada em uma
Período 71
5 nova solução, o objetivo (quilometragem total) aumentará. Como que-
remos minimizar a quilometragem total, a entrada de uma dessas va-
riáveis irá piorar a solução.
UNIDADE
Como não existe uma forma de melhorar a solução, isso signi-

fica que encontramos a solução ótima.
Resumindo
Aprendemos nesta Unidade como resolver problemas de
tranporte. Estes podem ser resolvidos com o simplex, porém
r
existe uma forma mais simples: o algoritmo de transporte.
A resolução do problema é dividida em duas partes: (1)
encontrar uma solução inicial, e (2) encontrar a solução ótima
a partir da solução inicial. Conhecemos dois métodos para en-
contrar uma solução inicial: o método do canto noroeste e o
método de Vogel (ou método das penalidades).
Aprendemos como verificar se a solução encontrada é a
solução ótima; se ainda não for a solução ótima, outra variável
entrará na nova solução. O procedimento é repetido até encon-
trar a solução ótima. Também vimos o que deve ser feito se
ocorrer uma situação de degenerescência.
Na próxima Unidade tomaremos conhecimento sobre um tipo particula

Atividades de aprendizagem 5
UNIDADE
Considere o seguinte problema de transporte:

Origem 1 10 15 20 40
Origem 2 12 25 18 100
Origem 3 16 14 24 10
1. Encontre a solução inicial usando o método do canto noro-

este.
2. Encontre a solução inicial usando o método de Vogel.
3. Encontre a solução ótima, partindo da solução inicial obti-
da na questão 1.
4. Encontre a solução ótima, partindo da solução inicial obti-
da na questão 2.
Período 73
6
UNIDADE
Problema de
Atribuição

Objetivo
aplicar o algorítmo de atribuição e identificar
problemas dentro da organização que se caracterizam
como problema de designação.
6
NID
AD
E

Problema de Atribuição 6

UNIDADE
Caro estudante,
Na Unidade anterior estudamos o problema de
transportes. Agora veremos o problema de atribui-
ção, também chamado de problema de designa-
ção ou problema da distribuição biunívoca.
Estamos chegando ao final da disciplina onde você
travou conhecimento com métodos de resolução
de problemas que ajudarão muito o gerenciamento
dentro das organizações empresariais.
Bons estudos!
O
Problema de Atribuição é um caso especial do problema de
transportes. É quando temos apenas uma unidade em cada
origem e cada destino pode receber apenas uma unidade. En-
tão deverá ser feita a atribuição de uma origem para um único destino.
Você lembra do exemplo que usamos na Unidade

1, o qual ilustramos com a Figura 1? Aquele é um
problema de atribuição.

Embora primeiramente imaginemos apenas problemas de trans-
portes, outros tipos de problemas podem ser resolvidos com o algoritmo
de atribuição. Alocar equipes para projetos, vendedores para regiões
de vendas, gerentes para filiais da empresa etc.
Como você pode ver é um tipo de problema bem comum, tanto
na área administrativa como até mesmo na vida pessoal.
Período 77
6 Algoritmo de Atribuição
UNIDADE
O problema de atribuição pode ser resolvido com o algoritmo

de transportes, mas ele é resolvido com mais facilidade usando um
algoritmo mais simples: o algoritmo de atribuição.
Para que esse algoritmo seja utilizado é necessário que a ma-
triz seja quadrada, com o número de linhas igual ao número de colu-
nas. Ou seja, o número de origens deve ser igual ao número de
destinos. Também é preciso que a função objetivo seja de
minimização.
A seguir temos os passos do algoritmo de atribuição.
Passo 1
a) Subtrair de cada linha o seu menor valor.
b) Subtrair de cada coluna o seu menor valor.
Passo 2
Traçar o menor número de retas necessárias para co-
brir todos os “0” da matriz.
Se o r (número de retas) for igual a n (ordem da
matriz), já é possível obter a solução ótima. Ir
para o passo 4.
Se o r (número de retas) for menor que n (ordem
da matriz), ir para o passo 3.
Passo 3
Selecionar o menor valor não coberto.
Subtrair esse valor de cada valor não
coberto. Adicionar esse valor nas
intercecções.
Retornar ao passo 2.
Passo 4
Para fazer a alocação, procura-se as linhas e colunas
Exemplo 3. Atribuição de Transportes
Vamos resolver o exemplo da Unidade 1 usando o algoritmo de

atribuição?

Na Tabela 33 das Distâncias entre as origens e os destinos te-
mos as três origens, os três destinos e as distâncias entre eles. 6
UNIDADE
Tabela 33: Distâncias entre as origens e os destinos
Destinos
Curitiba Maceió Goiânia
Fortaleza 3.541 1.075 2.482
Origens
Salvador 2.385 632 1.643

Vitória 1.300 1.684 1.428
O objetivo é minimizar a quilometragem total.

Vamos aplicar o Passo 1 item (a): subtrair de cada linha o seu
menor valor.
O menor valor de cada linha está realçado na tabela a seguir:
Tabela 34: Menor valor de cada linha
3.541 1.075 2.482

2.385 632 1.643
1.300 1.684 1.428
Subtraindo de cada linha o seu menor valor, a tabela fica da

forma a seguir:
Tabela 35: Passo 1 (a)

2.466 0 1.407
1.753 0 1.011
0 384 128
Vamos aplicar o Passo 1 item (b): subtrair de cada coluna o

seu menor valor.
O menor valor de cada coluna está realçado na Tabela 36 a
seguir:
Tabela 36: Menor valor de cada coluna
2.466 0 1.407
1.753 0 1.011
0 384 128
Período 79
6 Subtraindo de cada coluna o seu menor valor, a tabela fica da
forma a seguir:
Tabela 37: Passo 1 (b)
UNIDADE
2.466 0 1.279
1.753 0 883
0 384 0
Vamos aplicar o Passo 2 e traçar o menor número de retas ne-

cessárias para cobrir todos os “0” da matriz.
Tabela 38: Passo 2

2.466 0 1.279
1.753 0 883
0 384 0
Foram necessárias apenas 2 retas para cobrir todos os “0”,

então r = 2.
Temos uma matriz 3 x 3. Logo n = 3.
Como r < n, então precisamos ir para o passo 3.
Verifique isso no algoritmo!
Dos valores não cobertos o menor valor é o número 883. Na
Tabela 39, podemos ver esse valor ressaltado.
Tabela 39: Passo 3

2.466 0 1.279
1.753 0 883
0 384 0
Agora iremos subtrair 883 de cada valor não coberto e somar

883 em cada intercessão de retas.
A nova tabela fica assim:
Tabela 40: Nova tabela

1.583 0 396
870 0 0
0 1.267 0

Ao aplicar novamente o passo 2, descobrimos que r = n. Ou
seja, já podemos ir para o passo 4 e encontrar a solução ótima.
Vamos priorizar as linhas e colunas com apenas um zero. Por
6
UNIDADE
exemplo, a linha 1 só tem um zero. Logo, vamos atribuir a origem 1 ao
destino 2.
Tabela 41: Atribuição origem 1 ao destino 2
1.583 0 396
870 0 0
0 1.267 0
A coluna 1 só tem um zero. Logo vamos atribuir a origem 3 ao

destino 1.

1.583 0 396
870 0 0
0 1.267 0
Agora basta atribuir a origem 2 ao destino 3.
1.583 0 396
870 0 0
0 1.267 0
O que isso significa?

Significa que a solução ótima para esse problema de atribui-
ção é a realização dos seguintes transportes:
 De Fortaleza para Maceió;

 De Salvador para Goiânia; e
 De Vitória para Curitiba.
Essa é a designação que proporciona a menor quilometragem

total.
Período 81
6 Exemplo 4. Designação de Equipes para Projetos
Vamos resolver outro problema de atribuição.

UNIDADE
Suponha que um gerente precisa designar 4 equipes diferentes

para 4 projetos. Na Tabela 14 a seguir podemos ver o tempo estimado
que cada equipe precisa para realizar cada um dos projetos.
Tabela 44: Tempo estimado de realização de projetos por equipe
Projeto 1 Projeto 2 Projeto 3 Projeto 4

Equipe 1 5 dias 7 dias 8 dias 8 dias
O objetivo é minimizar o tempo total.

menor valor.
O menor valor de cada linha está realçado na Tabela 45:
Tabela 45: O menor valor de cada linha


forma:

Equipe 1 0 2 3 3
Equipe 2 4 5 0 2
Equipe 3 0 1 2 1
Equipe 4 2 0 3 3

seu menor valor.
6
UNIDADE
seguir:
Tabela 47: O menor valor de cada coluna

Equipe 1 0 2 3 3
Equipe 2 4 5 0 2
Equipe 3 0 1 2 1
Equipe 4 2 0 3 3
Subtraindo de cada coluna o seu menor valor, a tabela fica da

forma a seguir:
Tabela 48: Passo 1 (b)

Equipe 1 0 2 3 2
Equipe 2 4 5 0 1
Equipe 3 0 1 2 0
Equipe 4 2 0 3 2
Aplicando o Passo 2 temos que r = n. Ou seja, já podemos ir

para o passo 4 e encontrar a solução ótima.
exemplo, a linha 1 só tem um zero. Logo, vamos atribuir a equipe 1
ao projeto 1.
Tabela 49: Atribuição da equipe 1 ao projeto 1

Equipe 1 0 2 3 2
Equipe 2 4 5 0 1
Equipe 3 0 1 2 0
Equipe 4 2 0 3 2
Período 83
6 A linha 2 também só tem um zero. Logo vamos atribuir a equi-
pe 2 ao projeto 3.
UNIDADE

Equipe 1 0 2 3 2
Equipe 2 4 5 0 1
Equipe 3 0 1 2 0
Equipe 4 2 0 3 2
A coluna 2 só tem um zero. Logo vamos atribuir a equipe 4 ao

projeto 2.

Equipe 1 0 2 3 2
Equipe 2 4 5 0 1
Equipe 3 0 1 2 0
Equipe 4 2 0 3 2
A coluna 4 também só tem um zero. Logo vamos atribuir a

equipe 3 ao projeto 4.

Equipe 1 0 2 3 2
Equipe 2 4 5 0 1
Equipe 3 0 1 2 0
Equipe 4 2 0 3 2
A solução ótima para esse problema de atribuição é a realiza-

ção das seguintes designações:
 Equipe 1 para o Projeto 1;

 Equipe 2 para o Projeto 3;
 Equipe 3 para o Projeto 4; e

 Equipe 4 para o Projeto 2.
Essa é a designação que resulta na menor duração total.
6
UNIDADE
Casos Especiais do Problema de Atribuição
Quando estudamos os passos do algoritmo de atribuição, vi-

mos que ele é aplicável para os casos em que a matriz seja quadrada
e que a função objetivo seja de minimização.
Porém, nem sempre os nossos problemas têm essas caracterís-
ticas. No Exemplo 5 a seguir, vamos aprender como adaptar os pro-
blemas para podermos utilizar o algoritmo de atribuição.
Exemplo 5. Contratação de estagiários
Imagine uma empresa que precisa contratar três estagiários:

um para o área de recursos humanos, um para a área de custos, e
um para a área de marketing. No banco de dados dessa empresa
existem quatro bons alunos que já passaram por outros processos
seletivos e que não foram selecionados. Porém, como eram bons
alunos a empresa os manteve no banco de dados para futuras
contratações.
Na Tabela 53, podemos ver a nota acadêmica desses alunos
em cada área.
Tabela 53: Nota de cada aluno por área de estágio ofertada
Aluno 1 Aluno 2 Aluno 3 Aluno 4

Recursos Humanos 9 7 7 6
Custos 9 8 7 7
Marketing 0 6 7 8
A empresa está adotando o princípio de que um aluno com

maior nota em determinada área teria um rendimento maior do que
os demais alunos. O objetivo seria encontrar a atribuição que resulta-
ria na maior nota global.
Primeiramente, o número de origens não é igual ao número de
destinos.
Período 85
6 Como podemos resolver essa situação? Pense um pouco.
Podemos criar uma área fictícia. Assim, passaremos a ter uma
matriz 4 x 4. Como é uma área que não existe, a nota dos alunos
UNIDADE
nessa área será zero. Veja como ficará a nossa Tabela 54 de Inserção
de área de estágio fictícia:
Tabela 54: Inserção de área de estágio fictícia

Custos 9 8 7 7
Marketing 0 6 7 8
Fictícia 0 0 0 0
Bem, agora temos outra dificuldade. A função objetivo é

maximizar a nota global.
Como podemos resolver essa situação?
Basta transformar esse problema de maximização em um pro-
blema de minimização. Para isso vamos escolher a maior nota da ta-
bela, que é nove.
Agora vamos encontrar diferença entre cada nota e a nota
máxima. Assim a diferença será: diferença = (9 – nota).
Tabela 55: Transformação do problema de maximização em minimização

Custos 0 1 2 2
Marketing 9 3 2 1
Fictícia 9 9 9 9
Agora temos um problema de minimização. Se encontrarmos o

valor que minimiza essas diferenças, encontraremos a atribuição que
retornará à maior nota global.
Bem, vamos aplicar o algoritmo de atribuição.
menor valor.
O menor valor de cada linha está realçado na Tabela 56 a se-
guir:

Recursos Humanos
Tabela 56: Menor valor de cada linha
Aluno 1
0
Aluno 2
2
Aluno 3
2
Aluno 4
3 6
UNIDADE
Custos 0 1 2 2
Marketing 9 3 2 1
Fictícia 9 9 9 9

forma a seguir:

Custos 0 1 2 2
Marketing 8 2 1 0
Fictícia 0 0 0 0

seu menor valor.
seguir:
Tabela 58: Menor valor de cada coluna

Custos 0 1 2 2
Marketing 8 2 1 0
Fictícia 0 0 0 0
Fonte: Elaborada pelo autor dete livro
Subtraindo de cada coluna o seu menor valor, a tabela fica da

forma a seguir:
Período 87
6 Tabela 59: Passo 1 (b)
UNIDADE
Custos 0 1 2 2
Marketing 8 2 1 0
Fictícia 0 0 0 0
Vamos aplicar o Passo 2 e traçar o menor número de retas ne-

cessárias para cobrir todos os “0” da matriz.
Tabela 60: Passo 2

Custos 0 1 2 2
Marketing 8 2 1 0
0 0 0 0
Fictícia
Foram necessárias apenas três retas para cobrir todos os “0”,

então r = 3.
Temos uma matriz 4 x 4. Logo, n = 4.
Como r < n, então precisamos ir para o passo 3.
Dos valores não cobertos o menor valor é o número 1.
Agora iremos subtrair 1 de cada valor não coberto e somar 1
em cada intercessão de retas.
A nova tabela fica assim:
Tabela 61: Nova tabela

Custos 0 0 1 2
Marketing 8 1 0 0
Fictícia 1 0 0 1
Ao aplicar novamente o passo 2, descobrimos que o r = n. Ou

seja, já podemos ir para o passo 4 e encontrar a solução ótima.

exemplo, a linha 1 só tem um zero. Logo, vamos atribuir a área de
Recursos Humanos ao aluno 1.
6
UNIDADE
Tabela 62: Atribuição da Área de Recursos Humanos ao Aluno 1

Custos 0 0 1 2
Marketing 8 1 0 0
Fictícia 1 0 0 1
A linha 2 tem dois zeros. Note que como o Aluno 1 foi

atribuído para a área de Recursos Humanos, ele não será designado
para a área de custos. Note que o zero correspondente a área de
custos e o aluno 1 está riscado. Logo, sobra apenas um zero na linha
2. Assim, vamos atribuir a área de Custos para o Aluno 2.
Tabela 63: Atribuição da Área de Custos ao Aluno 2

Custos 0 0 1 2
Marketing 8 1 0 0
Fictícia 1 0 0 1
A coluna 4 só tem um zero. Logo, vamos atribuir a área de

Marketing ao aluno 4.
Tabela 64: Atribuição da Área de Marketing ao Aluno 4

Custos 0 0 1 2
Marketing 8 1 0 0
Fictícia 1 0 0 1
Por fim, atribuímos a área fictícia ao Aluno 3.
Período 89
6 Tabela 65: Atribuição da Área Fictícia ao Aluno 3
UNIDADE
Custos 0 0 1 2
Marketing 8 1 0 0
Fictícia 1 0 0 1
A solução ótima para esse problema de atribuição é a realiza-

ção das seguintes designações:
 área de Recursos Humanos para o Aluno 1;

 área de Custos para o Aluno 2;
 área de Marketing para o Aluno 4; e
 área Fictícia para o Aluno 3.
Essa é a designação que resulta na menor diferença e na maior

nota global.
Note que a última alocação não existe na prática. Ela foi utili-
zada para podermos resolver o problema com o uso do algoritmo. Na
prática, o aluno 3 não será contratado e seu currículo continuará no
banco de dados para as próximas contratações.

Resumindo
r 6
UNIDADE
Aprendemos nesta Unidade como resolver problemas de
atribuição. Esse problema é um caso especial do problema de
transportes, porém existe um algoritmo mais simples para re-
solver os problemas de atribuição: o algoritmo de atribuição.
Para esse algoritmo ser aplicado é necessário que a quantidade
de origens seja igual à quantidade de destinos e que a função
objetivo seja de minimização.
Vimos também, que se o nosso problema não tiver essas
características, podemos adaptar o problema com o acréscimo
de origens ou destinos fictícios ou transformando o problema
de maximização em um problema de minimização.
Nesta disciplina você aprendeu os principais con-

ceitos e técnicas de programação linear. Esse co-
nhecimento pode ser aplicado para obter resulta-

dos melhores tanto para você quando para a sua
organização. Não deixe de fazer a verificação dos
conhecimentos adquiridos nesta Unidade 6 com
as Atividades de aprendizagem.
Período 91
UNIDADE
Resolva os seguintes problemas a seguir:

1. Resolva o problema de atribuição. O objetivo é minimizar
o tempo gasto (em dias).
Projeto 1 Projeto 2 Projeto 3

Equipe 1 4 dias 9 dias 3 dias
2. Você tem três origens; que são Brasília, Rio de Janeiro e

Manaus; e três destinos; que são Palmas, Porto Velho e
Teresina; e precisa transportar um item de cada uma dessas
origens para um desses destinos. O objetivo é minimizar a
quilometragem total (em km). Na vida prática, nem sempre
todas as informações são fornecidas. Para poder resolver esse
problema, você deverá procurar (em livros, mapas, internet
etc.) as distâncias entre essas cidades.
3. Resolva o problema de atribuição. O objetivo é minimizar
o custo (em Reais).
Destino 1 Destino 2 Destino 3 Destino 4

Origem 1 R$ 10 R$ 15 R$ 20 R$ 25
Origem 2 R$ 20 R$ 15 R$ 10 R$ 20
Origem 3 R$ 30 R$ 10 R$ 15 R$ 20
Origem 4 R$ 40 R$ 30 R$ 20 R$ 30

6
Refere^ncias
ANDRADE, Eduardo Leopoldino de. Introdução à Pesquisa
 NID
AD
Operacional: métodos e modelos para a análise de decisão. 2. ed. E
Rio de Janeiro: LTC, 2000.
CORRAR, Luiz J.; THEOPHILO, Carlos Renato. Pesquisa

operacional para decisão em contabilidade e administração:
contabilometria. São Paulo: Atlas, 2004.
HOUAISS. Instituto Antônio Houaiss. Houaiss eletrônico. Versão

monousuário 3.0. Produzido e distribuído por: Editora Objetiva
Ltda., jun. 2009.
INVERTIA. Tudo o que você queria saber sobre a decisão do

Copom. Site Terra, aba Economia, notícia publicada em 18 jun.
2003. Disponível em: <http://economia.terra.com.br/noticias/
noticia.aspx?idNoticia=200306181600_INV_27195214>. Acesso
em: 10 abr. 2012.
SHAMBLIN, J. E.; STEVENS, G. T. Pesquisa operacional: uma

abordagem básica. São Paulo: Atlas, 1979.
STEINBRUCK, Alfredo; WINTERLE, Paulo. Álgebra linear. São

Paulo: Makron Books, 1987.
LOESCH, Cláudio; HEIN, Nelson. Pesquisa operacional:

fundamentos e modelos. Blumenau: Editora da FURB, 1999.
ROBERTO, Marcus. Pert CPM. Administradores.com: o portal da

Administração, artigos, publicação em 18 ago. 2007. Disponível em:
<http://www.administradores.com.br/informe-se/artigos/pert-cpm/
14392/>. Acesso em: 10 abr. 2012.
SILVA, Ermes Medeiros da et al. Pesquisa operacional. São Paulo:

Atlas, 1994.
Período 93
MINICURRÍCULO
Cesar Duarte Souto-Maior
Cesar Duarte Souto-Maior é formado em
Engenharia de Controle e Automação Industrial
pela UFSC (Universidade Federal de Santa
Catarina) com Mestrado em Administração,
também pela UFSC. Seu principal enfoque de
pesquisa é a aplicação de métodos quantitativos
na solução de problemas gerenciais. Atualmente é doutorando
em Administração no CPGA/UFSC.

Artigo

Enviado por

Direitos autorais:

Formatos disponíveis

Artigo

Enviado por

Dados do documento

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

Artigo

Enviado por

Direitos autorais:

Formatos disponíveis

Universidade Federal de Santa Catarina

Pró-Reitoria de Ensino de Graduação

Cesar Duarte Souto-Maior

2ª edição revisada e atualizada – 2012.

S728p Souto-Maior, Cesar Duarte

1. Pesquisa operacional. 2. Programação linear. 3. Processo decisório.

Catalogação na publicação por: Onélia Silva Guimarães CRB-14/071

UNIVERSIDADE FEDERAL DE SANTA CATARINA

REITORA – Roselane Neckel

DIRETORA – Elisete Dahmer Pfitscher

DEPARTAMENTO DE CIÊNCIAS DA ADMINISTRAÇÃO

COORDENAÇÃO DE PRODUÇÃO DE RECURSOS DIDÁTICOS – Denise Aparecida Bunn

SUPERVISÃO DE PRODUÇÃO DE RECURSOS DIDÁTICOS – Erika Alessandra Salmeron Silva

DESIGNER INSTRUCIONAL – Denise Aparecida Bunn

Professor Cesar Duarte Souto-Maior

Unidade 1 – Introdução à Pesquisa Operacional

Introdução à Pesquisa Operacional.........................................................................11

O que é Pesquisa Operacional?......................................................................11

A Pesquisa Operacional é Útil?.......................................................................12

Unidade 2 – Formulação de Problemas

Dificuldades Durante a Formulação de Modelos...............................................22

Informações Necessárias para a Modelagem...................................................23

Modelo Matemático de Programação Linear....................................................23

Unidade 3 – Resolução pelo Método Gráfico

Resolução pelo Método Gráfico...............................................................................35

O que Significa Mesmo Resolver o Problema?...............................................36

Espaço de Soluções Possíveis.........................................................................36

Como Encontrar a Solução Ótima Graficamente?.............................................40

Preparação para Aplicação do Método Simplex...............................................47

Unidade 5 – Problema de Transportes

As Duas Partes do Algoritmo de Transportes......................................................61

Parte 1 – Solução Inicial................................................................................61

Método do Canto Noroeste............................................................................62

Método de Vogel (ou Método das Penalidades)...............................................64

Unidade 6 – Problema de Atribuição

Casos Especiais do Problema de Atribuição...................................................85

10 Curso de Graduação em Administração, modalidade a distância

ma das principais atividades de um administrador é tomar deci-

Existem várias formas de tomar decisões. O enfoque da pesquisa operacional é possibilitar

O que é Pesquisa Operacional?

12 Curso de Graduação em Administração, modalidade a

sunto que será abordado na disciplina de Elaboração e Administração

Você deve estar se perguntando se a Pesquisa Operacional tem algo a

A Pesquisa Operacional é Útil?

Talvez você esteja se perguntando “Na minha empresa

Figura 1: Localização das Fábricas e dos Armazéns

14 Curso de Graduação em Administração, modalidade a

Maceió. Das demais cidades, as mais próximas são Vitória e Curitiba

 de Fortaleza para Goiânia;

A soma desses três trajetos resulta em 4.414 km.

 de Fortaleza para Maceió;

A soma desses três trajetos resulta em 4.018 km.

Nessa disciplina você verá que a Pesquisa Operacional não é comp

Neste livro você aprenderá como resolver vários pro-

16 Curso de Graduação em Administração, modalidade a

Aprendemos nesta Unidade que a Pesquisa Operacional

Nesta disciplina o nosso enfoque será a Programa- ção Linear, pois é a t

18 Curso de Graduação em Administração, modalidade a

20 Curso de Graduação em Administração, modalidade a distância

Formulação Modelo Resolução