O documento discute a investigação operacional e seu processo de modelagem. A investigação operacional é uma metodologia científica interdisciplinar para abordar problemas usando modelos matemáticos e computadores para apoiar a tomada de decisão. O processo de modelagem envolve sete etapas: 1) definir o problema, 2) observar o sistema, 3) formular um modelo matemático, 4) validar o modelo, 5) escolher uma decisão, 6) apresentar os resultados, e 7) implementar e monitorar continuamente.
2. 2
Investigação Operacional
• Metodologia científica para abordar
problemas das ciências, gestão, economia e
engenharia.
• As suas principais características são:
– interdisciplinaridade.
– Manipular modelos matemáticos para apoiar a
tomada de decisão.
– Utilizar o computador.Sergio Alfredo Macore, 846458829
3. 3
As 7 etapas do
processo de modelação
1. Definir o problema
2. Observar o sistema e recolher informação
3. Formular um modelo matemático
4. Validar o modelo.
5. Escolher uma decisão com base no modelo
6. Apresentar a análise
7. Implementar e monitorar continuamente
Sergio Alfredo Macore, 846458829
4. 4
As 7 etapas do processo de
modelação
Definir o
problema
Observar o
sistema,
recolher
informação
Formular
um
modelo
matemático
Validar
o modelo
Escolher
uma
decisão
alternativa
Apresentar
os
resultados
Implementar
e monitorar
continuamente
Sergio Alfredo Macore, 846458829
5. 5
1. Definir o problema
• Identificar:
– o agente de decisão (quem exerce controle)
– os seus objectivos (e.g. minimizar custos)
– as decisões alternativas com que são confrontados (i.e.,
as variáveis controláveis)
– os parâmetros que, não sendo controláveis, influenciam
o resultado das decisões (as variáveis incontroláveis).
• Discutir:
– o tempo disponível para o estudo
– o involvimento do agente de decisão (e organização) no
estudo Sergio Alfredo Macore, 846458829
6. 6
2. Observar o sistema e
recolher informação
• Estabelecer o diagnóstico inicial:
– observar e analisar a forma como o sistema real opera:
– recolher informação
– conceber um sistema idealizado.
• Elaboração de um relatório que:
– estrutura o conhecimento que se adquiriu do sistema
– co-responsabiliza os elementos da organização
Sergio Alfredo Macore, 846458829
7. 7
3. Formular um modelo
matemático
• Objectivo:
– Reproduzir as relações entre as componentes do
problema (objectivo, variáveis de decisão, variáveis
incontroláveis, restrições).
• Passos essenciais:
– Identificar a estrutura de relações causa-efeito.
– Quantificar essas relações de forma determinística ou
probabilística.
Sergio Alfredo Macore, 846458829
8. 8
3.1 Identificar as relações causa-efeito
• Identificação de todas as relações entre
variáveis, controláveis ou não, e a medida
(ou medidas) de utilidade.
“A → B” significa “A contribui para a definição de B”
• Identificação de variáveis auxiliares que
agregam informação de diversas variáveis.
• Obriga a formular as primeiras hipóteses no
sentido da simplificação do problema
através da inclusão de apenas as relações
relevantes.
3. Formular um modelo matemático
Sergio Alfredo Macore, 846458829
9. 9
3.1 Identificar as relações causa-efeito
3. Formular um modelo matemático
Sergio Alfredo Macore, 846458829
10. 10
3.2 Quantificar as relações causa-efeito
• Três abordagens distintas:
– método dedutivo
– método de simulação
– método de inferência estatística
3. Formular um modelo matemático
Sergio Alfredo Macore, 846458829
11. 11
Método dedutivo (primeiro exemplo)
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
• A unidade de produção de uma empresa pretende fabricar
os produtos A e B.
• Fabricar cada produto envolve quatro operações, com os
seguintes tempos unitários de fabricação (em segundos)
• Operação: Produto A Produto B
Corte de chapa 10 20
Embutidura 15 5
Soldadura 6 3
Pintura 10 8
Sergio Alfredo Macore, 846458829
12. 12
Método dedutivo (primeiro exemplo)
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
• As capacidade de produção das diferentes secções fabris
são as seguintes:
• Os lucros unitários por peça produzida e vendida são
Esc. 0.90 (Produto A) Esc. 1.20 (Produto B)
• Admitindo que o mercado absorve toda a produção, como
maximizar o lucro total a operação?
Secção: Capacidade
diária
Corte de chapa 30 000
Embutidura 30 000
Soldadura 20 000
Pintura 40 000
Sergio Alfredo Macore, 846458829
13. 13
Método dedutivo (primeiro exemplo)
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
Sergio Alfredo Macore, 846458829
14. 14
Método dedutivo (segundo exemplo)
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
• Uma empresa pretende determinar qual a quantidade (Q) a
produzir e a que preço (p) deve vender uma determinada
peça de vestuário durante a estação de Inverno que se
avizinha.
• Obtiveram-se estimativas para a procura (em função do
preço de venda p) e custos unitário de produção (em
função da quantidade produzida Q) - ver próximo slide.
• Se a produção exceder a procura, o valor em excesso fica
reduzido a um preço de saldo.
• O objectivo da empresa é maximizar o lucro associado à
operação.
Sergio Alfredo Macore, 846458829
15. 15
Método dedutivo (segundo exemplo)
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
Sergio Alfredo Macore, 846458829
16. 16
Método de simulação
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
• Quando não é possível explicitar as relações entre
as componentes do modelo através do método
dedutivo (seja de forma determinística ou
probabilística).
• Quando as relações são de tal forma complexas
que o melhor que analista consegue fazer é imitar
o comportamento do sistema idealizado.
Sergio Alfredo Macore, 846458829
17. 17
Método de simulação (exemplo)
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
• Uma empresa possui cinco linhas de produção em paralelo
que funcionam sem interrupção.
• Uma equipa de manutenção repara avarias nas linhas de
produção pela ordem em que ocorrem (FIFO). A equipa
funciona 5 dias por semana, 3 turnos por dia.
• O tempo que decorre entre o início de funcionamento de uma
linha e a avaria seguinte varia de forma imprevisível (ou
aleatória). Da mesma forma, o tempo de reparação é varia de
forma imprevisível. Ver gráficos seguintes.
• Que benefício advém de ter mais equipas de manutenção?Sergio Alfredo Macore, 846458829
18. 18
Método de simulação (exemplo)
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
Sergio Alfredo Macore, 846458829
19. 19
Método de simulação
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
• Objectivos:
– Reproduzir a sequência de acontecimentos pelos quais o sistema
passa.
– Recolher informação com base na qual se pode medir a eficiência do
sistema.
• Vantagens:
– Possui enorme flexibilidade (“simula-se tudo o que se quiser”)
• Desvantagens:
– Requer grande esforço computacional para estimar o valor esperado
da medida de utilidade face a apenas uma concretização das variáveis
de decisão.
– A busca de melhores decisões é um processo difícil de sistematizar.
Sergio Alfredo Macore, 846458829
20. 20
Método de inferência estatística
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
• Quando não é possível explicitar as relações entre
as componentes do modelo através do método
dedutivo (seja de forma determinística ou
probabilística).
• Quando as relações são inúmeras e complexas mas
é possível pela análise estatística de dados inferir
aquelas que melhor reproduzem o comportamento
do sistema sem demasiada complexidade.
Sergio Alfredo Macore, 846458829
21. 21
Método de inferência estatística
(exemplo)
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
• Em Janeiro, uma empresa importadora pretende prever o
preço de determinada mercadoria agrícola durante todos os
meses que se seguem até Junho.
• A produção dessa mercadoria concentra-se em larga escala
num dado país que contribui contribui com 55% da
produção mundial e 75% da exportação mundial.
• Em Janeiro de cada ano, o MA desse país publica
previsões da oferta e da procura até ao final do ano
agrícola (Outubro).
Sergio Alfredo Macore, 846458829
22. 22
Método de inferência estatística
(exemplo)
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
• Pretende-se construir um modelo descritivo que explique o
preço da mercadoria nos vários meses até Junho para
auxiliar o planeamento da aquisição do referido produto
durante o período de Janeiro a Junho.
• Numerosos e complexos factores (variáveis controláveis e
incontroláveis) contribuem para explicar o preço da
mercadoria. Naturalmente uns são mais relevantes que
outros.
• Deve o analista efectuar hipóteses sobre quais os factores
que mais influenciam o preço da mercadoria.Sergio Alfredo Macore, 846458829
23. 23
Método de inferência estatística
(exemplo)
3. Formular um modelo matemático
3.2 Quantificar as relações causa-efeito
Sergio Alfredo Macore, 846458829
24. 24
4. Validar o modelo
• Validar o modelo significa averiguar se o
impacto das decisões previsto pelo modelo
corresponde ao impacto real das mesmas
decisões.
Sergio Alfredo Macore, 846458829
25. 25
4. Validar o modelo
• Objectivo: detectar insuficiências que são apenas
detectáveis no contexto da definição global do modelo.
• Métodos de validação (sem ser exaustivo):
– análise de sensibilidade
– simulação.
• Nota: o modelo pode ser adequado ou inadequado
conforme os valores das variáveis incontroláveis,
estimados ou conhecidos no momento da decisão.
Sergio Alfredo Macore, 846458829
26. 26
4. Validar o modelo
Análise de sensibilidade
• Averiguar como é que a alteração de valores das
variáveis incontroláveis influencia a solução proposta
pelo modelo.
• Averiguar como é que desvios à solução proposta pelo
modelo influencia a utilidade (eficiência) do sistema
representado.
Sergio Alfredo Macore, 846458829
27. 27
4. Validar o modelo
Análise de sensibilidade
Sergio Alfredo Macore, 846458829
28. 28
4. Validar o modelo
Recurso à simulação
• Retomemos o exemplo da mercearia. Uma forma
de validar o modelo descritivo que se utilizou seria
simular (pode-se simular quase tudo) a entrada de
clientes, os seus tempos de espera e as
desistências.
• Após diversas simulações, registar valores médios
de: comprimento médio da fila, tempo de
espera médio e percentagem de desistentes.
• Os valores obtidos devem ser muito semelhantes
aos obtidos com o modelo.
Sergio Alfredo Macore, 846458829
29. 29
5. Escolher uma decisão
com base no modelo
• Determinar os valores das variáveis controláveis
que, satisfazendo as restrições do modelo,
conduzem ao valor máximo da medida de
utilidade ou eficiência.
• Em geral há três formas de busca de soluções
óptimas:
– métodos analíticos
– métodos de optimização
– métodos heurísticos
Sergio Alfredo Macore, 846458829
30. 30
5. Escolher uma decisão
Métodos analíticos
• Métodos de Análise Infinitésimal
(diferenciação, procura de máximos e
mínimos, extremos condicionados,etc.)
• Permitem obter uma representação explicita
da solução.
• Leque de aplicações muito restrito.
Sergio Alfredo Macore, 846458829
31. 31
5. Escolher uma decisão
Métodos analíticos (exemplo)
• Seja X uma variável aleatória de densidade f(x,θ),
onde θ é um parâmetro desconhecido.
• Se x1, x2,..., xn forem realizações de X então a
verosimelhança da amostra é uma função de θ
definida por
L(θ) = f(x1, θ) f(x2, θ)... f(xn, θ)
• A estimativa da máxima verosimelhança é o valor
θ* que torna máximo o valor de L(θ) ou, de modo
equivalente, o valor máximo de
log L(θ) = log f(x1, θ) + log f(x2, θ)+... + log f(xn, θ)Sergio Alfredo Macore, 846458829
32. 32
5. Escolher uma decisão
Métodos analíticos (exemplo)
• A condição necessária de optimalidade impõe
• Por exemplo, se X é uma variável aleatória
com distribuição de Poisson de parâmetro θ
então aquela condição é equivalente a
n
xx
n
n
i
i
n
i
i ∑∑
==
==+− 11
ou0 θ
θ
0
2
2
1
1
=+++
),x(f
),x(f
...
),x(f
),x(f
),x(f
),x(f
n
n
θ
θ
θ
θ
θ
θ θθθ
Sergio Alfredo Macore, 846458829
33. 33
5. Escolher uma decisão
Métodos de optimização
• Processo sistemático de gerar aproximações
sucessivas para a solução.
• Garantia de convergência ao fim de um
número finito ou infinito de passos.
• Esforço computacional pode ser demasiado
elevado.
• Normalmente, convergência para a solução do
problema é assegurada apenas quando o
modelo possui uma propriedade adicional -
convexidade. Sergio Alfredo Macore, 846458829
34. 34
5. Escolher uma decisão
Métodos de optimização (exemplo)
• Seja f(x) uma função real unidimensional. Pretende-
se o valor x que torna f(x)=0.
• O método de Newton-Raphson consiste no seguinte
processo iterativo
a partir de um ponto inicial x0.
• Sob hipóteses adicionais sobre f o método converge.
,...,,i,
)x´(f
)x(f
xx
i
i
ii 2101 =−=+
Sergio Alfredo Macore, 846458829
35. 35
5. Escolher uma decisão
Métodos de optimização (exemplo)
Método de Newton-Raphson aplicado à determinação da
maior raiz positiva de f(x)=x6
-x-1
x0 =1 x0 =2 x0 =1.5
x1 1.2 1.6806 1.300491
x2 1.143576 1.43074 1.181480
x3 1.134909 1.254971 1.139456
x4 1.134724 1.161538 1.134778
x5 1.134724138 1.136353 1.134724146
x6 1.1347305 1.134724138
x7 1.134724139
x8 1.134724138
Sergio Alfredo Macore, 846458829
36. 36
5. Escolher uma decisão
Métodos de optimização (exemplo)
• O método de Newton-Raphson impõe que f seja
diferenciável.
• Quando f não é diferenciável deve utilizar-se o método
da bissecção, entre outros.
• O facto de o método de Newton-Raphson usar
informação da derivada de f faz com a sua
convergência seja mais rápida.
Sergio Alfredo Macore, 846458829
37. 37
5. Escolher uma decisão
Métodos heurísticos
• São frequentes os problemas que não podem ser
resolvidos por métodos de optimização.
• Os métodos heurísticos são também métodos
iterativos, mas que se baseiam em regras de “senso
comum”.
• Em geral, não é possível garantir convergência para a
solução do problema mas é possível encontrar uma boa
solução rapidamente.
Sergio Alfredo Macore, 846458829
39. 39
5. Escolher uma decisão
Análise crítica das soluções iniciais
• As soluções propostas pelo modelo podem também
servir de instrumento para validação do modelo.
• Esta análise deve ser conduzida com o agente de
decisão. Dificuldade: há que distinguir entre as
críticas “genuínas” e a tendência natural de rejeição de
soluções inovadoras.
• Deficiências que podem ser detectadas nesta fase:
– deficiente definição de objectivos
– falta de restrições
– representação inadequada das relações entre componentes
do modelo.
Sergio Alfredo Macore, 846458829
40. 40
6. Apresentar os resultados
• Os elementos da organização a quem se destina a
análise devem ser envolvidos desde o início e não
apenas nesta fase.
• A esses elementos deve ser facultado um
atractivo e sistema de apoio à decisão e simples
de manipular que lhes permita averiguar o
comportamento do modelo em diversas
circunstâncias (“what if ...”).
• Preferencialmente, o benefício da adopção do
modelo deve ser demonstrado de forma
prospectiva ou retrospectiva.Sergio Alfredo Macore, 846458829
41. 41
7. Implementar e
monitorar continuamente
• Os elementos da organização que vão utilizar o
modelo devem também ser envolvidos desde o
início e não apenas nesta fase.
• O analista é responsável:
– pela implementação do novo sistema até que este se
torne rotina.
– pela monitorização do sistema de forma que o modelo
permaneça válido e eficaz ao longo do tempo.
• Um caso de sucesso, mesmo que de pequena
dimensão, é chave para a análise de outros
problemas. Sergio Alfredo Macore, 846458829
Notas do Editor
Estabelecer o diagnóstico inicial:
observar e analisar a forma como o sistema real opera:
circuitos de informação e decisão,
recolher informação para estabelecer relações causa-efeito)
fazer a síntese do sistema idealizado:
descrever o problema ignorando aspectos que se espera serem irrelevantes
efectuar simplificações antecipando as dificuldades de manipulação do modelo.
Elaboração de um relatório que co-responsabiliza os elementos da organização