SlideShare uma empresa Scribd logo
1 de 32
Baixar para ler offline
Idealizar modelos matemáticos, através de equações e
inequações a partir de problemas reais para maximização
do lucro ou minimização de custos e perdas.
Uma das técnica mais utilizadas em Programação Linear;
Método matemático de otimização de uma função linear a qual
satisfaz um conjunto de restrições de equações e/ou inequações
lineares.
Buscam a distribuição eficiente dos recursos limitados;
Exemplo:
 Função Objetivo a ser maximizada Lucro = 2x1 + 3x2
 Restrições Técnicas 3x1 + 4x2 > 0
 Restrições de Não Negatividade x1, x2 > 0
1 – Quais são as variáveis de decisão ?
Apresentar as decisões que serão tomadas representando-as através
de variáveis chamadas de variáveis de decisão.
2 – Qual é o objetivo ?
Identificar qual é o objetivo da tomada de decisão. Normalmente
são apresentados na forma de maximizar o lucro ou minimizar custos
ou perdas;
3 – Quais são as restrições ?
Todas as restrições impostas na descrição do sistema devem ser
expressas em uma relação linear (igualdade ou desigualdade).
Kauan Raymond Reinaldo Janequine
Carol Dias Juliana Salimeni
 Considerando que você esta saindo com as duas:
 Restrições iniciais:
• Uma não pode saber da outra. Para isso você tem que leva-
las a lugares diferentes em dias diferentes.
• O dinheiro é limitado, portanto, você não pode sair todos os
dias.
• O tempo é limitado, portanto deve haver um planejamento
do tempo gasto com cada uma.
 É chique e só gosta de restaurantes caros. Em um
encontro com ela você vai gastar R$ 180,00.
 É calma e sossegada. Um encontro com ela dura 2
horas.
 É simples e gosta de lugares mais baratos. Em um
encontro com ela você vai gastar R$ 100,00.
 É agitada e gosta de fazer muitas coisas na noite. Um
encontro com ela dura 4 horas.
Quantas vezes você pode sair com
cada uma delas ?
x1 é a qtde de vezes que você
vai sair com Carol na semana
x2 é a qtde de vezes que você
vai sair com Juliana na semana
Assumindo que:
Sair com Carol corresponde
a 180 x1
Sair com Juliana corresponde
a 100 x2
Então:
180 x1 + 100 x2  Gasto total da semana
x1 é o tempo gasto
com Carol na semana
x2 é o tempo gasto
com Juliana na semana
Assumindo que:
Sair com Carol
corresponde a 2 x1
Sair com Juliana
corresponde a 4 x2
Então:
2x1 + 4x2  Total de horas
Falta um objetivo
180 x1 + 100 x2 < 800 ( R$ por semana )
2x1 + 4 x2 < 20 ( horas por semana )
Unificando as restrições:
O que se deseja atingir ?
 Sair com ambas o maior número de vezes
possível por semana ?
Max S = x1 + x2
 Sair com Carol duas vezes mais do que com
Juliana por semana ?
Max S = x1 + 2x2
Função Objetivo
Max S = x1 + x2 Max S = x1 + 2x2
Restrições
s.a. s.a.
2x1 + 4x2 < 20 2x1 + 4x2 < 20
180x1 + 100x2 < 800 180 x1 + 100 x2 < 800
Restrições de Não Negatividade
X1, x2 > 0 X1, x2 > 0
Sujeito a
As modalidades oferecidas durante o período noturno são apresentadas na
tabela. O máximo de alunos que a academia suporta durante tal período são
120 pessoas.
Período Noturno
Modalidade
disponíveis
Receita por
Aluno
Capacidade
Max. Alunos
Musculação R$ 35,00 80
Spinning R$ 40,00 20
Abdômen R$ 25,00 40
Fisioterapia R$ 50,00 25
RPG R$ 60,00 15
As atividades de RPG e Fisioterapia
utilizam os mesmo professores e
compartilham da mesma sala, o que
faz com que, apesar da capacidade
máxima de alunos de RPG e
fisioterapia serem 25 e 15 alunos
respectivamente, quando analisadas
em conjunto, tais modalidades juntas
não podem apresentar mais de
trintas alunos. o número de vagas a
oferecer no período noturno em cada
modalidade com o objetivo de
maximizar a receita da empresa.
Identificar as variáveis de decisão.
X1 = Número de alunos de MUSCULAÇÃO;
X2 = Número de alunos de SPINNING;
X3 = Número de alunos de ABDÔMEN;
X4 = Número de alunos de FISIOTERAPIA;
X5 = Número de alunos de RPG.
Definir a Função Objetivo  Soma das receitas, multiplicadas pela
qtds de alunos que realizaram a atividade resultam na receita total
da.
Período Noturno
Modalidade Receita por Aluno Capacidade Max. Alunos
Musculação R$ 35,00 80
Spinning R$ 40,00 20
Abdômen R$ 25,00 40
Fisioterapia R$ 50,00 25
RPG R$ 60,00 15
Max Z = 35 x1 + 40 x2 + 25 x3 + 50 x4 + 60 x5
Identificar as variáveis de restrição
 Quantidade máxima de alunos: x1 + x2 + x3 + x4 + x5 ≤ 120;
 Quantidade máxima de alunos para musculação: x1 ≤ 80 ;
 Quantidade máxima de alunos para Spinning: x2 ≤ 20;
 Quantidade máxima de alunos para abdômen: x3 ≤ 40;
 Quantidade máxima de alunos para fisioterapia: x4 ≤ 25;
 Quantidade máxima de alunos para : x5 ≤ 30;
 Quantidade máxima de alunos para fisioterapia e RPG que podem
realizar as suas aulas ao mesmo tempo: x4 + x5 ≤ 30.
 Não negatividade: x1 > 0; x2 > 0; x3 > 0; x4 > 0; x5 > 0;
Função Objetivo
Max L = 35x1 + 40x2 + 25x3 + 50x4 + 60x5
Restrições Técnicas
X1 + X2 + X3 + X4 + X5 ≤ 120
X1 ≤ 80
X2 ≤ 20
X3 ≤ 40
X4 ≤ 25
X5 ≤ 30
X4 + X5 ≤ 30
Restrição de não negatividade
X1 ≥ 0, X2 ≥ 0, X3 ≥ 0, X4 ≥ 0, X5 ≥ 0
Uma companhia produz 3 tipos de fertilizantes conforme tabela
abaixo:
Fertilizante Espaço ( pés3 ) Custo Produção Tempo Preço Venda
Tipo 1 10 400 6 480
Tipo 2 12 600 10 690
Tipo 3 8 300 12 340
Disponível 300 10.000 250
A companhia deve produzir, no mínimo, 4 toneladas do produto 2.
Defina o modelo para maximizar o lucro.
Variáveis de decisão
x1: Qtde. de toneladas de fertilizantes Tipo 1 a produzir
x2: Qtde. de toneladas de fertilizantes Tipo 2 a produzir
x3: Qtde. de toneladas de fertilizantes Tipo 3 a produzir
Função Objetivo
Max L = 80x1 + 90x2+ 40x3
Restrições Técnicas
10x1 + 12x2 + 8x3 ≤ 300 ; Espaço de armazenamento
400x1 + 600x2 + 300x3 ≤ 10000 ; Custo de produção
6x1 + 10x2 + 12x3 ≤ 250 ; Tempo
X2 ≥ 4 ; Produção mínima do Tipo 2
Restrições Não Negatividade
x1,x2,x3 ≥ 0
Um vendedor de frutas pode transportar 800 toneladas de frutas
para sua região de vendas. Ele necessita transportar pelo menos
200 toneladas de laranja a R$20,00 de lucro por tonelada, pelo
menos 100 toneladas de pêssegos a R$10,00 de lucro por tonelada,
e no máximo 200 toneladas de tangerinas a R$30,00 de lucro por
tonelada.
De que forma ele deverá carregar o caminhão para obter o lucro
máximo?
Variáveis de decisão
x1: Qtde. de toneladas de laranja
x2: Qtde. de toneladas de pêssego
x3: Qtde. de toneladas de tangerina
Função Objetivo
Max L = 20x1+ 10x2 + 30x3
Restrições Técnicas
x1 + x2 + x3 ≤ 800 ; Quantidade máxima a ser transportada
x1 > 200 ; Quantidade mínima de laranja
x2 > 100 ; Quantidade mínima de pêssego
x3 < 200 ; Quantidade máxima de tangerina
Restrições Não Negatividade
x1,x2,x3 ≥ 0
Certa empresa fabrica 2 produtos P1 e P2. O lucro por unidade de P1 é
de 100 u.m. e o lucro unitário de P2 é de 150 u.m. A empresa necessita
de 2 horas para fabricar uma unidade de P1 e 3 horas para fabricar uma
unidade de P2. O tempo mensal disponível para essas atividades é de
120 horas. As demandas esperadas para os 2 produtos levaram a
empresa a decidir que os montantes produzidos de P1 e P2 não devem
ultrapassar 40 unidades de P1 e 30 unidades de P2 por mês.
Construa o modelo do sistema de produção mensal com o objetivo de
maximizar o lucro da empresa.
Variáveis de decisão
x1: Qtde. a produzir do produto P1
x2: Qtde. a produzir do produto P2
Função Objetivo
Max L = 100x1+ 150x2
Restrições Técnicas
2x1 + 3x2 ≤ 120 ; Tempo disponível para produção
x1 < 40 ; Quantidade máxima produzida de P1
x2 < 30 ; Quantidade máxima produzida de P2
Restrições Não Negatividade
x1,x2 ≥ 0 ; Não negatividade das variáveis
Um fazendeiro deseja otimizar a plantação de arroz e milho na sua
fazenda. O fazendeiro deseja saber quais são as áreas de arroz e milho
que devem ser plantadas para que o seu lucro seja máximo. O lucro por
unidade de área plantada de arroz é de 5 u.m. Enquanto para o milho é
de 2 u.m.
As áreas plantadas de arroz e milho não deve ser maiores que 3 e 4
respectivamente. Cada unidade da área de arroz consome 1 homem-
hora, enquanto que a de milho consome 2 homens-hora.
O consumo total de homens-hora nas duas plantações não deve ser
maior que 9.
Variáveis de decisão
x1: Qtde. de arroz a ser plantada
x2: Qtde. de milho a ser plantada
Função Objetivo
Max L = 5x1+ 2x2
Restrições Técnicas
x1 ≤ 3 ; Área máximo do plantio de arroz
x2 < 4 ; Área máxima do plantio de milho
x1 + 2x2 < 9 ; Quantidade total de homens-hora
Restrições Não Negatividade
x1,x2 ≥ 0
Um A Reddy Mikks produz tintas para interiores e exteriores com base
em duas matérias primas, M1, M2 . A tabela apresenta os dados:
A demanda máxima diária de tintas para interiores é 2 ton.
A Reddy Mikks quer determinar o mix ótimo de produtos de tintas para
interiores e exteriores que maximize o lucro total diário.
Tintas
Exteriores
Tintas
Interiores
Disponibilidade
máxima diária
Matéria Prima M1 6 4 24
Matéria Prima M2 1 2 6
Lucro por tonelada 5 4
Variáveis de decisão
x1: Qtde. a produzir de tinta para ambientes exteriores
x2: Qtde. a produzir de tinta para ambientes interiores
Função Objetivo
Max L = 5x1+ 4x2
Restrições Técnicas
6x1 + 4x2 < 24 ; Disponibilidade diária de M1;
x1 + 2x2 < 6 ; Disponibilidade diária de M2;
x2 < 2 ; Demanda máxima de tintas para interiores;
Restrições Não Negatividade
x1,x2 ≥ 0 ; Não negatividade das variáveis.
GP4US - Aula 2 - Programação Linear

Mais conteúdo relacionado

Mais procurados

Gestão da Produção e logística Projeto da Capacidade Produtiva
Gestão da Produção e logística   Projeto da Capacidade ProdutivaGestão da Produção e logística   Projeto da Capacidade Produtiva
Gestão da Produção e logística Projeto da Capacidade ProdutivaWilian Gatti Jr
 
Pesquisa Operacional
Pesquisa OperacionalPesquisa Operacional
Pesquisa Operacionalmsleite100
 
Analise de Sensibilidade
Analise de SensibilidadeAnalise de Sensibilidade
Analise de SensibilidadeVivi Basilio
 
Aula 3 macro- modelo clássico
Aula 3 macro- modelo clássicoAula 3 macro- modelo clássico
Aula 3 macro- modelo clássicoNeli Chastinet
 
Apostila Pesquisa operacional
Apostila Pesquisa operacionalApostila Pesquisa operacional
Apostila Pesquisa operacionalPamella Campos
 
Economia industrial monopólio
Economia industrial monopólioEconomia industrial monopólio
Economia industrial monopólioJuliane Borchers
 
Custos de Produção
Custos de ProduçãoCustos de Produção
Custos de ProduçãoLuciano Pires
 
Elasticidade e suas aplicações
Elasticidade e suas aplicaçõesElasticidade e suas aplicações
Elasticidade e suas aplicaçõesLuciano Pires
 
Sistema Financeiro e Níveis de Investimento e Poupança Nacionais
Sistema Financeiro e Níveis de Investimento e Poupança NacionaisSistema Financeiro e Níveis de Investimento e Poupança Nacionais
Sistema Financeiro e Níveis de Investimento e Poupança NacionaisLuciano Pires
 
Pesquisa Operacional 1_Aula 2
Pesquisa Operacional 1_Aula 2Pesquisa Operacional 1_Aula 2
Pesquisa Operacional 1_Aula 2Joabe Amaral
 
Tabelas do teste f, 10, 5, 1%
Tabelas do teste f, 10, 5, 1%Tabelas do teste f, 10, 5, 1%
Tabelas do teste f, 10, 5, 1%thiago carnevali
 
Aula 03 elasticidade e suas aplicações
Aula 03   elasticidade e suas aplicaçõesAula 03   elasticidade e suas aplicações
Aula 03 elasticidade e suas aplicaçõespetecoslides
 
Economia aula 4 - introdução à macroeconomia
Economia   aula 4 - introdução à macroeconomiaEconomia   aula 4 - introdução à macroeconomia
Economia aula 4 - introdução à macroeconomiaFelipe Leo
 
Tipologia dos processos de produção
Tipologia dos processos de produçãoTipologia dos processos de produção
Tipologia dos processos de produçãoPaulo Gomes
 
60 Exercícios Resolvidos de Administração Financeira para Concursos
60 Exercícios Resolvidos de Administração Financeira para Concursos60 Exercícios Resolvidos de Administração Financeira para Concursos
60 Exercícios Resolvidos de Administração Financeira para ConcursosMilton Henrique do Couto Neto
 

Mais procurados (20)

Gestão da Produção e logística Projeto da Capacidade Produtiva
Gestão da Produção e logística   Projeto da Capacidade ProdutivaGestão da Produção e logística   Projeto da Capacidade Produtiva
Gestão da Produção e logística Projeto da Capacidade Produtiva
 
Pesquisa Operacional
Pesquisa OperacionalPesquisa Operacional
Pesquisa Operacional
 
Analise de Sensibilidade
Analise de SensibilidadeAnalise de Sensibilidade
Analise de Sensibilidade
 
Aula 3 macro- modelo clássico
Aula 3 macro- modelo clássicoAula 3 macro- modelo clássico
Aula 3 macro- modelo clássico
 
Fluxo de caixa
Fluxo de caixaFluxo de caixa
Fluxo de caixa
 
Apostila Pesquisa operacional
Apostila Pesquisa operacionalApostila Pesquisa operacional
Apostila Pesquisa operacional
 
Mrp
MrpMrp
Mrp
 
Economia industrial monopólio
Economia industrial monopólioEconomia industrial monopólio
Economia industrial monopólio
 
Custos de Produção
Custos de ProduçãoCustos de Produção
Custos de Produção
 
Elasticidade e suas aplicações
Elasticidade e suas aplicaçõesElasticidade e suas aplicações
Elasticidade e suas aplicações
 
Sistema Financeiro e Níveis de Investimento e Poupança Nacionais
Sistema Financeiro e Níveis de Investimento e Poupança NacionaisSistema Financeiro e Níveis de Investimento e Poupança Nacionais
Sistema Financeiro e Níveis de Investimento e Poupança Nacionais
 
Teoria da produção 2011_01
Teoria da produção 2011_01Teoria da produção 2011_01
Teoria da produção 2011_01
 
Pesquisa Operacional 1_Aula 2
Pesquisa Operacional 1_Aula 2Pesquisa Operacional 1_Aula 2
Pesquisa Operacional 1_Aula 2
 
Aula 1
Aula 1Aula 1
Aula 1
 
Questões ENADE - Administração Financeira
Questões ENADE - Administração FinanceiraQuestões ENADE - Administração Financeira
Questões ENADE - Administração Financeira
 
Tabelas do teste f, 10, 5, 1%
Tabelas do teste f, 10, 5, 1%Tabelas do teste f, 10, 5, 1%
Tabelas do teste f, 10, 5, 1%
 
Aula 03 elasticidade e suas aplicações
Aula 03   elasticidade e suas aplicaçõesAula 03   elasticidade e suas aplicações
Aula 03 elasticidade e suas aplicações
 
Economia aula 4 - introdução à macroeconomia
Economia   aula 4 - introdução à macroeconomiaEconomia   aula 4 - introdução à macroeconomia
Economia aula 4 - introdução à macroeconomia
 
Tipologia dos processos de produção
Tipologia dos processos de produçãoTipologia dos processos de produção
Tipologia dos processos de produção
 
60 Exercícios Resolvidos de Administração Financeira para Concursos
60 Exercícios Resolvidos de Administração Financeira para Concursos60 Exercícios Resolvidos de Administração Financeira para Concursos
60 Exercícios Resolvidos de Administração Financeira para Concursos
 

Destaque

Programação linear Matematica
Programação linear  MatematicaProgramação linear  Matematica
Programação linear MatematicaTiago Faisca
 
Programação linear
Programação linearProgramação linear
Programação linearKaryn XP
 
Programacao linear 11 ano - 1011
Programacao linear 11 ano -  1011Programacao linear 11 ano -  1011
Programacao linear 11 ano - 1011deolindasa
 
Programação Linear
Programação LinearProgramação Linear
Programação LinearPedro Tomé
 
Programação linear
Programação linearProgramação linear
Programação linearKaryn XP
 
Problema de Programação Linear - IFS
Problema de Programação Linear - IFSProblema de Programação Linear - IFS
Problema de Programação Linear - IFSRenzo Petri
 
Otimização
OtimizaçãoOtimização
Otimizaçãoler9blog
 
Partial gibbs free energy and gibbs duhem equation
Partial gibbs free energy and gibbs duhem equationPartial gibbs free energy and gibbs duhem equation
Partial gibbs free energy and gibbs duhem equationSunny Chauhan
 
Pesquisa Operacional Aula 02 - Programação Linear - Parte I
Pesquisa Operacional Aula 02 - Programação Linear - Parte IPesquisa Operacional Aula 02 - Programação Linear - Parte I
Pesquisa Operacional Aula 02 - Programação Linear - Parte ILeinylson Fontinele
 

Destaque (9)

Programação linear Matematica
Programação linear  MatematicaProgramação linear  Matematica
Programação linear Matematica
 
Programação linear
Programação linearProgramação linear
Programação linear
 
Programacao linear 11 ano - 1011
Programacao linear 11 ano -  1011Programacao linear 11 ano -  1011
Programacao linear 11 ano - 1011
 
Programação Linear
Programação LinearProgramação Linear
Programação Linear
 
Programação linear
Programação linearProgramação linear
Programação linear
 
Problema de Programação Linear - IFS
Problema de Programação Linear - IFSProblema de Programação Linear - IFS
Problema de Programação Linear - IFS
 
Otimização
OtimizaçãoOtimização
Otimização
 
Partial gibbs free energy and gibbs duhem equation
Partial gibbs free energy and gibbs duhem equationPartial gibbs free energy and gibbs duhem equation
Partial gibbs free energy and gibbs duhem equation
 
Pesquisa Operacional Aula 02 - Programação Linear - Parte I
Pesquisa Operacional Aula 02 - Programação Linear - Parte IPesquisa Operacional Aula 02 - Programação Linear - Parte I
Pesquisa Operacional Aula 02 - Programação Linear - Parte I
 

Semelhante a GP4US - Aula 2 - Programação Linear

Semelhante a GP4US - Aula 2 - Programação Linear (20)

Apresentação_Introducao_e_Programacao_Linear.ppt
Apresentação_Introducao_e_Programacao_Linear.pptApresentação_Introducao_e_Programacao_Linear.ppt
Apresentação_Introducao_e_Programacao_Linear.ppt
 
Slide_Introducao_e_Programacao_Linear.ppt
Slide_Introducao_e_Programacao_Linear.pptSlide_Introducao_e_Programacao_Linear.ppt
Slide_Introducao_e_Programacao_Linear.ppt
 
350d497979ff2cb7bcd1042e307a5bfd
350d497979ff2cb7bcd1042e307a5bfd350d497979ff2cb7bcd1042e307a5bfd
350d497979ff2cb7bcd1042e307a5bfd
 
Atps pesquisa operacional
Atps pesquisa operacionalAtps pesquisa operacional
Atps pesquisa operacional
 
Matemática computacional aula 002
Matemática computacional   aula 002Matemática computacional   aula 002
Matemática computacional aula 002
 
Pesquisa Operacional
Pesquisa OperacionalPesquisa Operacional
Pesquisa Operacional
 
Matemática computacional aula 001
Matemática computacional   aula 001Matemática computacional   aula 001
Matemática computacional aula 001
 
Apostila de matematica_raiz
Apostila de matematica_raizApostila de matematica_raiz
Apostila de matematica_raiz
 
Introdução a Pesquisa operacional
Introdução a Pesquisa operacionalIntrodução a Pesquisa operacional
Introdução a Pesquisa operacional
 
Portfólio
PortfólioPortfólio
Portfólio
 
Softwares
SoftwaresSoftwares
Softwares
 
Exercícios po3
Exercícios po3Exercícios po3
Exercícios po3
 
Trabalho mariana
Trabalho marianaTrabalho mariana
Trabalho mariana
 
Multiplicação
MultiplicaçãoMultiplicação
Multiplicação
 
Exercícios - Produtividade.pptx
Exercícios - Produtividade.pptxExercícios - Produtividade.pptx
Exercícios - Produtividade.pptx
 
03052014
0305201403052014
03052014
 
1657629096172.pdf
1657629096172.pdf1657629096172.pdf
1657629096172.pdf
 
Mat exercicios resolvidos 008
Mat exercicios resolvidos  008Mat exercicios resolvidos  008
Mat exercicios resolvidos 008
 
AULA 09 - 6º ANO - CEM
AULA 09 - 6º ANO - CEMAULA 09 - 6º ANO - CEM
AULA 09 - 6º ANO - CEM
 
Caderno - Matemática II
Caderno - Matemática IICaderno - Matemática II
Caderno - Matemática II
 

Mais de Jefferson Affonso - PMP®, ITIL®, MCTS®, MBA

Mais de Jefferson Affonso - PMP®, ITIL®, MCTS®, MBA (20)

Amazon Press Release - Lançamento de produtos que agregam valor ao cliente
Amazon Press Release - Lançamento de produtos que agregam valor ao clienteAmazon Press Release - Lançamento de produtos que agregam valor ao cliente
Amazon Press Release - Lançamento de produtos que agregam valor ao cliente
 
Roadmap do Produto Ágil - Criação, Utilização e Evolução
Roadmap do Produto Ágil - Criação, Utilização e EvoluçãoRoadmap do Produto Ágil - Criação, Utilização e Evolução
Roadmap do Produto Ágil - Criação, Utilização e Evolução
 
Mapa de Empatia - O Primeiro Passo no Design Thinking
Mapa de Empatia - O Primeiro Passo no Design ThinkingMapa de Empatia - O Primeiro Passo no Design Thinking
Mapa de Empatia - O Primeiro Passo no Design Thinking
 
Atendimento ao cliente - Os 9 principais KPIs que você deve acompanhar
Atendimento ao cliente - Os 9 principais KPIs que você deve acompanharAtendimento ao cliente - Os 9 principais KPIs que você deve acompanhar
Atendimento ao cliente - Os 9 principais KPIs que você deve acompanhar
 
Customer Effort Score - O que é e como medir o indicador CES
Customer Effort Score - O que é e como medir o indicador CESCustomer Effort Score - O que é e como medir o indicador CES
Customer Effort Score - O que é e como medir o indicador CES
 
Customer Journey - Saiba porque essa ferramenta vale a pena
Customer Journey - Saiba porque essa ferramenta vale a penaCustomer Journey - Saiba porque essa ferramenta vale a pena
Customer Journey - Saiba porque essa ferramenta vale a pena
 
Mindset Agil - Descobrindo os segredos que ninguém lhe contou
Mindset Agil - Descobrindo os segredos que ninguém lhe contouMindset Agil - Descobrindo os segredos que ninguém lhe contou
Mindset Agil - Descobrindo os segredos que ninguém lhe contou
 
Scrum master definitivamente, qual seu papel e suas responsabilidades
Scrum master definitivamente, qual seu papel e suas  responsabilidadesScrum master definitivamente, qual seu papel e suas  responsabilidades
Scrum master definitivamente, qual seu papel e suas responsabilidades
 
Prototipagem - Validação de ideias através de Design Thinking
Prototipagem - Validação de ideias através de Design ThinkingPrototipagem - Validação de ideias através de Design Thinking
Prototipagem - Validação de ideias através de Design Thinking
 
Jornada do Cliente: 9 exemplos de jornadas e o que elas nos ensinam
Jornada do Cliente: 9 exemplos de jornadas e o que elas nos ensinamJornada do Cliente: 9 exemplos de jornadas e o que elas nos ensinam
Jornada do Cliente: 9 exemplos de jornadas e o que elas nos ensinam
 
Como criar uma persona passo a passo de maneira fácil e definitiva
Como criar uma persona passo a passo de maneira fácil e definitivaComo criar uma persona passo a passo de maneira fácil e definitiva
Como criar uma persona passo a passo de maneira fácil e definitiva
 
Pesquisa de satisfação: 16 dias para aumentar a sua taxa de retorno
Pesquisa de satisfação: 16 dias para aumentar a sua taxa de retornoPesquisa de satisfação: 16 dias para aumentar a sua taxa de retorno
Pesquisa de satisfação: 16 dias para aumentar a sua taxa de retorno
 
Priorização de projetos - Estrategias de avaliação não subjetiva
Priorização de projetos - Estrategias de avaliação não subjetivaPriorização de projetos - Estrategias de avaliação não subjetiva
Priorização de projetos - Estrategias de avaliação não subjetiva
 
Área de integraçã - Por que ela e a mais importante em projetos
Área de integraçã - Por que ela e a mais importante em projetosÁrea de integraçã - Por que ela e a mais importante em projetos
Área de integraçã - Por que ela e a mais importante em projetos
 
Equipes de alta performance - Transformando times scrum
Equipes de alta performance - Transformando times scrumEquipes de alta performance - Transformando times scrum
Equipes de alta performance - Transformando times scrum
 
Sistema Kanban - Priorizando atividades através das classes de serviço
Sistema Kanban - Priorizando atividades através das classes de serviçoSistema Kanban - Priorizando atividades através das classes de serviço
Sistema Kanban - Priorizando atividades através das classes de serviço
 
Método Kanban - Introdução ao sistema ágil adaptativo
Método Kanban - Introdução ao sistema ágil adaptativoMétodo Kanban - Introdução ao sistema ágil adaptativo
Método Kanban - Introdução ao sistema ágil adaptativo
 
Classificacao dos custos do projeto saiba quais sao e como utiliza-las
Classificacao dos custos do projeto   saiba quais sao e como utiliza-lasClassificacao dos custos do projeto   saiba quais sao e como utiliza-las
Classificacao dos custos do projeto saiba quais sao e como utiliza-las
 
Diagrama de Causa e Efeito - Descubra e aprenda ishikawa na pratica
Diagrama de Causa e Efeito - Descubra e aprenda ishikawa na praticaDiagrama de Causa e Efeito - Descubra e aprenda ishikawa na pratica
Diagrama de Causa e Efeito - Descubra e aprenda ishikawa na pratica
 
Encerramento do Projeto - Tudo o que você precisa saber para encerrar seu pro...
Encerramento do Projeto - Tudo o que você precisa saber para encerrar seu pro...Encerramento do Projeto - Tudo o que você precisa saber para encerrar seu pro...
Encerramento do Projeto - Tudo o que você precisa saber para encerrar seu pro...
 

GP4US - Aula 2 - Programação Linear

  • 1.
  • 2. Idealizar modelos matemáticos, através de equações e inequações a partir de problemas reais para maximização do lucro ou minimização de custos e perdas.
  • 3. Uma das técnica mais utilizadas em Programação Linear; Método matemático de otimização de uma função linear a qual satisfaz um conjunto de restrições de equações e/ou inequações lineares. Buscam a distribuição eficiente dos recursos limitados; Exemplo:  Função Objetivo a ser maximizada Lucro = 2x1 + 3x2  Restrições Técnicas 3x1 + 4x2 > 0  Restrições de Não Negatividade x1, x2 > 0
  • 4. 1 – Quais são as variáveis de decisão ? Apresentar as decisões que serão tomadas representando-as através de variáveis chamadas de variáveis de decisão. 2 – Qual é o objetivo ? Identificar qual é o objetivo da tomada de decisão. Normalmente são apresentados na forma de maximizar o lucro ou minimizar custos ou perdas; 3 – Quais são as restrições ? Todas as restrições impostas na descrição do sistema devem ser expressas em uma relação linear (igualdade ou desigualdade).
  • 7.  Considerando que você esta saindo com as duas:  Restrições iniciais: • Uma não pode saber da outra. Para isso você tem que leva- las a lugares diferentes em dias diferentes. • O dinheiro é limitado, portanto, você não pode sair todos os dias. • O tempo é limitado, portanto deve haver um planejamento do tempo gasto com cada uma.
  • 8.  É chique e só gosta de restaurantes caros. Em um encontro com ela você vai gastar R$ 180,00.  É calma e sossegada. Um encontro com ela dura 2 horas.
  • 9.  É simples e gosta de lugares mais baratos. Em um encontro com ela você vai gastar R$ 100,00.  É agitada e gosta de fazer muitas coisas na noite. Um encontro com ela dura 4 horas.
  • 10. Quantas vezes você pode sair com cada uma delas ?
  • 11. x1 é a qtde de vezes que você vai sair com Carol na semana x2 é a qtde de vezes que você vai sair com Juliana na semana Assumindo que: Sair com Carol corresponde a 180 x1 Sair com Juliana corresponde a 100 x2 Então: 180 x1 + 100 x2  Gasto total da semana
  • 12. x1 é o tempo gasto com Carol na semana x2 é o tempo gasto com Juliana na semana Assumindo que: Sair com Carol corresponde a 2 x1 Sair com Juliana corresponde a 4 x2 Então: 2x1 + 4x2  Total de horas
  • 13. Falta um objetivo 180 x1 + 100 x2 < 800 ( R$ por semana ) 2x1 + 4 x2 < 20 ( horas por semana ) Unificando as restrições: O que se deseja atingir ?
  • 14.  Sair com ambas o maior número de vezes possível por semana ? Max S = x1 + x2  Sair com Carol duas vezes mais do que com Juliana por semana ? Max S = x1 + 2x2
  • 15. Função Objetivo Max S = x1 + x2 Max S = x1 + 2x2 Restrições s.a. s.a. 2x1 + 4x2 < 20 2x1 + 4x2 < 20 180x1 + 100x2 < 800 180 x1 + 100 x2 < 800 Restrições de Não Negatividade X1, x2 > 0 X1, x2 > 0 Sujeito a
  • 16.
  • 17. As modalidades oferecidas durante o período noturno são apresentadas na tabela. O máximo de alunos que a academia suporta durante tal período são 120 pessoas. Período Noturno Modalidade disponíveis Receita por Aluno Capacidade Max. Alunos Musculação R$ 35,00 80 Spinning R$ 40,00 20 Abdômen R$ 25,00 40 Fisioterapia R$ 50,00 25 RPG R$ 60,00 15 As atividades de RPG e Fisioterapia utilizam os mesmo professores e compartilham da mesma sala, o que faz com que, apesar da capacidade máxima de alunos de RPG e fisioterapia serem 25 e 15 alunos respectivamente, quando analisadas em conjunto, tais modalidades juntas não podem apresentar mais de trintas alunos. o número de vagas a oferecer no período noturno em cada modalidade com o objetivo de maximizar a receita da empresa.
  • 18. Identificar as variáveis de decisão. X1 = Número de alunos de MUSCULAÇÃO; X2 = Número de alunos de SPINNING; X3 = Número de alunos de ABDÔMEN; X4 = Número de alunos de FISIOTERAPIA; X5 = Número de alunos de RPG.
  • 19. Definir a Função Objetivo  Soma das receitas, multiplicadas pela qtds de alunos que realizaram a atividade resultam na receita total da. Período Noturno Modalidade Receita por Aluno Capacidade Max. Alunos Musculação R$ 35,00 80 Spinning R$ 40,00 20 Abdômen R$ 25,00 40 Fisioterapia R$ 50,00 25 RPG R$ 60,00 15 Max Z = 35 x1 + 40 x2 + 25 x3 + 50 x4 + 60 x5
  • 20. Identificar as variáveis de restrição  Quantidade máxima de alunos: x1 + x2 + x3 + x4 + x5 ≤ 120;  Quantidade máxima de alunos para musculação: x1 ≤ 80 ;  Quantidade máxima de alunos para Spinning: x2 ≤ 20;  Quantidade máxima de alunos para abdômen: x3 ≤ 40;  Quantidade máxima de alunos para fisioterapia: x4 ≤ 25;  Quantidade máxima de alunos para : x5 ≤ 30;  Quantidade máxima de alunos para fisioterapia e RPG que podem realizar as suas aulas ao mesmo tempo: x4 + x5 ≤ 30.  Não negatividade: x1 > 0; x2 > 0; x3 > 0; x4 > 0; x5 > 0;
  • 21. Função Objetivo Max L = 35x1 + 40x2 + 25x3 + 50x4 + 60x5 Restrições Técnicas X1 + X2 + X3 + X4 + X5 ≤ 120 X1 ≤ 80 X2 ≤ 20 X3 ≤ 40 X4 ≤ 25 X5 ≤ 30 X4 + X5 ≤ 30 Restrição de não negatividade X1 ≥ 0, X2 ≥ 0, X3 ≥ 0, X4 ≥ 0, X5 ≥ 0
  • 22. Uma companhia produz 3 tipos de fertilizantes conforme tabela abaixo: Fertilizante Espaço ( pés3 ) Custo Produção Tempo Preço Venda Tipo 1 10 400 6 480 Tipo 2 12 600 10 690 Tipo 3 8 300 12 340 Disponível 300 10.000 250 A companhia deve produzir, no mínimo, 4 toneladas do produto 2. Defina o modelo para maximizar o lucro.
  • 23. Variáveis de decisão x1: Qtde. de toneladas de fertilizantes Tipo 1 a produzir x2: Qtde. de toneladas de fertilizantes Tipo 2 a produzir x3: Qtde. de toneladas de fertilizantes Tipo 3 a produzir Função Objetivo Max L = 80x1 + 90x2+ 40x3 Restrições Técnicas 10x1 + 12x2 + 8x3 ≤ 300 ; Espaço de armazenamento 400x1 + 600x2 + 300x3 ≤ 10000 ; Custo de produção 6x1 + 10x2 + 12x3 ≤ 250 ; Tempo X2 ≥ 4 ; Produção mínima do Tipo 2 Restrições Não Negatividade x1,x2,x3 ≥ 0
  • 24. Um vendedor de frutas pode transportar 800 toneladas de frutas para sua região de vendas. Ele necessita transportar pelo menos 200 toneladas de laranja a R$20,00 de lucro por tonelada, pelo menos 100 toneladas de pêssegos a R$10,00 de lucro por tonelada, e no máximo 200 toneladas de tangerinas a R$30,00 de lucro por tonelada. De que forma ele deverá carregar o caminhão para obter o lucro máximo?
  • 25. Variáveis de decisão x1: Qtde. de toneladas de laranja x2: Qtde. de toneladas de pêssego x3: Qtde. de toneladas de tangerina Função Objetivo Max L = 20x1+ 10x2 + 30x3 Restrições Técnicas x1 + x2 + x3 ≤ 800 ; Quantidade máxima a ser transportada x1 > 200 ; Quantidade mínima de laranja x2 > 100 ; Quantidade mínima de pêssego x3 < 200 ; Quantidade máxima de tangerina Restrições Não Negatividade x1,x2,x3 ≥ 0
  • 26. Certa empresa fabrica 2 produtos P1 e P2. O lucro por unidade de P1 é de 100 u.m. e o lucro unitário de P2 é de 150 u.m. A empresa necessita de 2 horas para fabricar uma unidade de P1 e 3 horas para fabricar uma unidade de P2. O tempo mensal disponível para essas atividades é de 120 horas. As demandas esperadas para os 2 produtos levaram a empresa a decidir que os montantes produzidos de P1 e P2 não devem ultrapassar 40 unidades de P1 e 30 unidades de P2 por mês. Construa o modelo do sistema de produção mensal com o objetivo de maximizar o lucro da empresa.
  • 27. Variáveis de decisão x1: Qtde. a produzir do produto P1 x2: Qtde. a produzir do produto P2 Função Objetivo Max L = 100x1+ 150x2 Restrições Técnicas 2x1 + 3x2 ≤ 120 ; Tempo disponível para produção x1 < 40 ; Quantidade máxima produzida de P1 x2 < 30 ; Quantidade máxima produzida de P2 Restrições Não Negatividade x1,x2 ≥ 0 ; Não negatividade das variáveis
  • 28. Um fazendeiro deseja otimizar a plantação de arroz e milho na sua fazenda. O fazendeiro deseja saber quais são as áreas de arroz e milho que devem ser plantadas para que o seu lucro seja máximo. O lucro por unidade de área plantada de arroz é de 5 u.m. Enquanto para o milho é de 2 u.m. As áreas plantadas de arroz e milho não deve ser maiores que 3 e 4 respectivamente. Cada unidade da área de arroz consome 1 homem- hora, enquanto que a de milho consome 2 homens-hora. O consumo total de homens-hora nas duas plantações não deve ser maior que 9.
  • 29. Variáveis de decisão x1: Qtde. de arroz a ser plantada x2: Qtde. de milho a ser plantada Função Objetivo Max L = 5x1+ 2x2 Restrições Técnicas x1 ≤ 3 ; Área máximo do plantio de arroz x2 < 4 ; Área máxima do plantio de milho x1 + 2x2 < 9 ; Quantidade total de homens-hora Restrições Não Negatividade x1,x2 ≥ 0
  • 30. Um A Reddy Mikks produz tintas para interiores e exteriores com base em duas matérias primas, M1, M2 . A tabela apresenta os dados: A demanda máxima diária de tintas para interiores é 2 ton. A Reddy Mikks quer determinar o mix ótimo de produtos de tintas para interiores e exteriores que maximize o lucro total diário. Tintas Exteriores Tintas Interiores Disponibilidade máxima diária Matéria Prima M1 6 4 24 Matéria Prima M2 1 2 6 Lucro por tonelada 5 4
  • 31. Variáveis de decisão x1: Qtde. a produzir de tinta para ambientes exteriores x2: Qtde. a produzir de tinta para ambientes interiores Função Objetivo Max L = 5x1+ 4x2 Restrições Técnicas 6x1 + 4x2 < 24 ; Disponibilidade diária de M1; x1 + 2x2 < 6 ; Disponibilidade diária de M2; x2 < 2 ; Demanda máxima de tintas para interiores; Restrições Não Negatividade x1,x2 ≥ 0 ; Não negatividade das variáveis.