SlideShare uma empresa Scribd logo
1 de 51
Baixar para ler offline
Pesquisa Operacional:
Princípios e Tendências
Emerson Santos Aguiar
Engenheiro de Produção
1
Mestrando em Pesquisa Operacional
Do que vamos
tratar neste curso?
2
Do que vamos tratar neste curso?
• Decisões são baseadas em modelos;
• Os modelos de Pesquisa Operacional;
• Como as tecnologias atuais estão
influenciando os modelos de pesquisa
operacional.
3
O que é pesquisa
operacional?
4
O que é pesquisa operacional?
• É uma ciência aplicada voltada para a
resolução de problemas reais, tendo como
foco a tomada de decisões.
• As decisões são baseadas em modelos
matemáticos.
5
Mudo real x modelos
6
Porque tomar
decisões baseadas
em modelos?
7
Porque tomar decisões
baseadas em modelos?
• Somos controlados por uma máquina de tirar
conclusões precipitadas.
• Afetada por emoções;
• Afetada pela educação;
• Pelo contexto inserido;
• Pelas condições físicas;
• Etc.
8
O que está
sendo exibido
no quadro ao
lado?
9
O que está
sendo exibido
no quadro ao
lado?
10
Quando tomamos decisões
precipitadas?
• Se há grande possibilidade de acerto;
• Se o custo do erro for baixo;
• Se é possível poupar tempo e esforço;
• Existe muita coisa em jogo e não há tempo
para reunir mais informações e analisa-las.
11
Os modelos
matemáticos
conseguem ser bem
mais reais que os
modelos elaborados no
nosso cérebro!
12
O que é
otimização?
13
O que é otimização?
• Otimização é encontrar a
melhor solução!
14
O que é otimização?
• Otimização é encontrar a
melhor solução!
• Obter melhor performance
• Minimizar o custo
• Maximizar a variedade ou
flexibilidade
• Maximizar a qualidade
• Minimizar o tempo
• Maximizar a receita
15
Problema de otimização
Pegue o conjunto de números, particione eles
em dois grupos de tal forma que a diferença
das somas seja a menor possível.
Conjunto 1: {7, 10, 13, 17, 20, 22}
16
Problema de otimização
Pegue o conjunto de números, particione eles
em dois grupos de tal forma que a diferença
das somas seja a menor possível.
Conjunto 1: {7, 10, 13, 17, 20, 22}
• Solução possível: {20, 17, 10}; {7, 13, 22}
• Diferença das somas = 5
17
Problema de otimização
Pegue o conjunto de números, particione eles
em dois grupos de tal forma que a diferença
das somas seja a menor possível.
Conjunto 1: {7, 10, 13, 17, 20, 22}
• Solução possível: {20, 17, 10}; {7, 13, 22}
• Diferença das somas = 5
• Solução possível: {20, 13, 10}; {7, 17, 22}
• Diferença das somas = 3
18
Problema de otimização
Pegue o conjunto de números, particione eles
em dois grupos de tal forma que a diferença
das somas seja a menor possível.
Conjunto 1: {7, 10, 13, 17, 20, 22}
• Solução possível: {20, 17, 10}; {7, 13, 22}
• Diferença das somas = 5
• Solução possível: {20, 13, 10}; {7, 17, 22}
• Diferença das somas = 3
• Solução ótima: {22, 13, 10}; {7, 17, 20}
• Diferença das somas = 1
19
Problema de otimização
Pegue o conjunto de números, particione eles
em dois grupos de tal forma que a diferença
das somas seja a menor possível.
Conjunto 2: {1, 2, 4, 8, 16, 32}
20
Problema de otimização
Pegue o conjunto de números, particione eles
em dois grupos de tal forma que a diferença
das somas seja a menor possível.
Conjunto 2: {1, 2, 4, 8, 16, 32}
• Soma tudo e divide por 2 = 63/2 = 31,5
21
Problema de otimização
Pegue o conjunto de números, particione eles
em dois grupos de tal forma que a diferença
das somas seja a menor possível.
Conjunto 2: {1, 2, 4, 8, 16, 32}
• Soma tudo e divide por 2 = 63/2 = 31,5
• Solução ótima: {1, 2, 4, 8, 16} e {32}
• Diferença das somas = 1
22
Problema de otimização
Pegue o conjunto de números, particione eles
em dois grupos de tal forma que a diferença
das somas seja a menor possível.
Conjunto 3: {233.718, 978.113, 454.924,
679.537, 487.988, 358.201, 898.785, 376.407,
562.716, 838.189, 861.661, 455.414, 565.251,
899.110, 447.656}
• Soma total = 9.097.670
23
Problema de otimização
Pegue o conjunto de números, particione eles
em dois grupos de tal forma que a diferença
das somas seja a menor possível.
Conjunto 3: {233.718, 978.113, 454.924,
679.537, 487.988, 358.201, 898.785, 376.407,
562.716, 838.189, 861.661, 455.414, 565.251,
899.110, 447.656}
• Soma total = 9.097.670
24
Campeonato
de comer
tortas e bolos
25
Regras
• Cada competidor tem 1 hora para comer
bolos e/ou tortas
• Para cada bolo que comer o participante
recebe 4 pontos
• Para cada torta que comer o participante
recebe 5 pontos
26
Russell irá participar da competição
27
Em meus árduos treinamentos,
percebi que: Em média demoro 2
minutos para comer um bolo e 3
minutos para comer uma torta
Qual abordagem posso adotar para
conseguir pontuação máxima
possível?
Pode ser feita uma tabela de
pontuações possíveis
0 1 2 3 ...
0 0 4 8 12 ...
1 5 9 13 17 ...
2 10 14 18 22 ...
3 15 19 23 27 ...
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
28
Número de bolos
Númerodetoras
O que ele pode comer em 60
minutos?
29
0 10 15 20 ...
0 0 20 30 40 ...
10 30 50 60 70 ...
15 45 65 75 85 ...
20 60 80 90 100 ...
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Número de bolos
Númerodetoras
Modelo de otimização para o Russell
• Passo 1: Determinar as variáveis de decisão
• Passo 2: Determinar a função objetivo
• Passo 3: Determinar as restrições
30
Modelo de otimização para o Russell
• Passo 1: Determinar as variáveis de decisão
• B: número de bolos que Russell deve comer
• T: número de tortas que Russell deve comer
• Passo 2: Determinar a função objetivo
• Passo 3: Determinar as restrições
31
Modelo de otimização para o Russell
• Passo 1: Determinar as variáveis de decisão
• B: número de bolos que Russell deve comer
• T: número de tortas que Russell deve comer
• Passo 2: Determinar a função objetivo
• 4 pts por Bolo e 5 pts por Torta
• Passo 3: Determinar as restrições
32
Modelo de otimização para o Russell
• Passo 1: Determinar as variáveis de decisão
• B: número de bolos que Russell deve comer
• T: número de tortas que Russell deve comer
• Passo 2: Determinar a função objetivo
• Maximizar 4B + 5T
• Passo 3: Determinar as restrições
33
Modelo de otimização para o Russell
• Passo 1: Determinar as variáveis de decisão
• B: número de bolos que Russell deve comer
• T: número de tortas que Russell deve comer
• Passo 2: Determinar a função objetivo
• Maximizar 4B + 5T
• Passo 3: Determinar as restrições
• O tempo limita a pontuação de Russell
• Ele tem que comer tudo em no máximo 60
minutos
• 2 min por Bolo e 3 min por Torta
34
Modelo de otimização para o Russell
• Passo 1: Determinar as variáveis de decisão
• B: número de bolos que Russell deve comer
• T: número de tortas que Russell deve comer
• Passo 2: Determinar a função objetivo
• Maximizar 4B + 5T
• Passo 3: Determinar as restrições
• 2B + 3T ≤ 60 min
35
Programação
da produção
36
Programação da produção
Produto 1 Produto 2 Recursos
Operação 1 2h 3h 100h
Operação 2 1h 2h 60h
Operação 3 1h 1h 50h
Capacidade
de produção
40 30 x
Lucro $ 3 $ 5 x
37
Programação da produção
• Passo 1: Determinar as variáveis de decisão
• Passo 2: Determinar a função objetivo
• Passo 3: Determinar as restrições
38
Programação da produção
• Passo 1: Determinar as variáveis de decisão
• P: Quantidade do produto 1 a ser produzido
• Q: Quantidade do produto 2 a ser produzido
• Passo 2: Determinar a função objetivo
• Passo 3: Determinar as restrições
39
Programação da produção
• Passo 1: Determinar as variáveis de decisão
• P: Quantidade do produto 1 a ser produzido
• Q: Quantidade do produto 2 a ser produzido
• Passo 2: Determinar a função objetivo
• Maximizar o Lucro = 3P + 5Q
• Passo 3: Determinar as restrições
40
Programação da produção
• Passo 1: Determinar as variáveis de decisão
• P: Quantidade do produto 1 a ser produzido
• Q: Quantidade do produto 2 a ser produzido
• Passo 2: Determinar a função objetivo
• Maximizar o Lucro = 3P + 5Q
• Passo 3: Determinar as restrições
• Limite da operação 1: 2P + 3Q ≤ 100
• Limite da operação 2: P + 2Q ≤ 60
• Limite da operação 3: P + Q ≤ 50
• Capacidade de produção de 1: P ≤ 40
• Capacidade de produção de 2: Q ≤ 30
41
Como
determinamos os
valores das
restrições?
42
43
O que os dados nos
fornecem?
• Alterações nos custos de combustível em
determinadas localidades;
• Vias e estradas que podem estar
temporariamente desativadas ou
bloqueadas;
• Informações sobre a manutenção das
máquinas e veículos;
• Condições meteorológicas e sazonais;
• Informações sobre as experiência dos
clientes com nossos produtos ou serviços;
44
O que os dados nos fornecem?
• Nos fazem enxergar
padrões que seríamos
incapazes de ver.
45
Google Flu Trends
46
O que falta para a
pesquisa operacional e
a big data se
consolidarem no
Brasil?
47
Onde conseguir dados?
48
Tecnologia
49
Qual o papel do engenheiro de produção nesse contexto?
50
Pesquisa Operacional:
Princípios e Tendências
Emerson Santos Aguiar
Engenheiro de Produção
51
Mestrando em Pesquisa Operacional
Email: emerson.santosaguiar@gmail.com
Tel.: (82) 99822-6970
Whatsapp: (83) 99911-2142

Mais conteúdo relacionado

Semelhante a Introdução a Pesquisa operacional

Semelhante a Introdução a Pesquisa operacional (20)

Apostila de matematica_raiz
Apostila de matematica_raizApostila de matematica_raiz
Apostila de matematica_raiz
 
Método AHP em Processo Decisório
Método AHP em Processo DecisórioMétodo AHP em Processo Decisório
Método AHP em Processo Decisório
 
Otimização com Incertezas
Otimização com IncertezasOtimização com Incertezas
Otimização com Incertezas
 
Atps pesquisa operacional
Atps pesquisa operacionalAtps pesquisa operacional
Atps pesquisa operacional
 
Teste de Métodos Quantitativos I - 09-11-2023
Teste de Métodos Quantitativos I - 09-11-2023Teste de Métodos Quantitativos I - 09-11-2023
Teste de Métodos Quantitativos I - 09-11-2023
 
GP4US - Aula 2 - Programação Linear
GP4US - Aula 2 - Programação LinearGP4US - Aula 2 - Programação Linear
GP4US - Aula 2 - Programação Linear
 
INVESTIGACAO_OPERACIONAL.pdf
INVESTIGACAO_OPERACIONAL.pdfINVESTIGACAO_OPERACIONAL.pdf
INVESTIGACAO_OPERACIONAL.pdf
 
548754 (1).pptx
548754 (1).pptx548754 (1).pptx
548754 (1).pptx
 
METAHEURÍSTICA GRASP APLICADA AO PROBLEMA DO SEQUENCIAMENTO DE TAREFAS
METAHEURÍSTICA GRASP APLICADA AO PROBLEMA DO SEQUENCIAMENTO DE TAREFASMETAHEURÍSTICA GRASP APLICADA AO PROBLEMA DO SEQUENCIAMENTO DE TAREFAS
METAHEURÍSTICA GRASP APLICADA AO PROBLEMA DO SEQUENCIAMENTO DE TAREFAS
 
Introdução - Algoritmos
Introdução - AlgoritmosIntrodução - Algoritmos
Introdução - Algoritmos
 
CCE1429_aula09.pdf
CCE1429_aula09.pdfCCE1429_aula09.pdf
CCE1429_aula09.pdf
 
EF2AD20MAT721.pptx
EF2AD20MAT721.pptxEF2AD20MAT721.pptx
EF2AD20MAT721.pptx
 
Gestão pela Excelência em Resultados
Gestão pela Excelência em ResultadosGestão pela Excelência em Resultados
Gestão pela Excelência em Resultados
 
Gestão pela Excelência em Resultados
Gestão pela Excelência em Resultados Gestão pela Excelência em Resultados
Gestão pela Excelência em Resultados
 
Reduçao de Dimensionalidade - Guilherme Marson.pdf
Reduçao de Dimensionalidade - Guilherme Marson.pdfReduçao de Dimensionalidade - Guilherme Marson.pdf
Reduçao de Dimensionalidade - Guilherme Marson.pdf
 
Introdução ao Projeto de Experimentos
Introdução ao Projeto de ExperimentosIntrodução ao Projeto de Experimentos
Introdução ao Projeto de Experimentos
 
Método de Analise e Solução de Problemas Básico - Usina Goiasa/GO
Método de Analise e Solução de Problemas Básico - Usina Goiasa/GOMétodo de Analise e Solução de Problemas Básico - Usina Goiasa/GO
Método de Analise e Solução de Problemas Básico - Usina Goiasa/GO
 
Relatorio de fisica.
Relatorio de fisica.Relatorio de fisica.
Relatorio de fisica.
 
CONTROLO DE QUALIDADE SLIDE.pdf
CONTROLO DE QUALIDADE SLIDE.pdfCONTROLO DE QUALIDADE SLIDE.pdf
CONTROLO DE QUALIDADE SLIDE.pdf
 
Aulas 5, 6 e 7 - Engenharia de Métodos
Aulas 5, 6 e 7 - Engenharia de MétodosAulas 5, 6 e 7 - Engenharia de Métodos
Aulas 5, 6 e 7 - Engenharia de Métodos
 

Introdução a Pesquisa operacional

  • 1. Pesquisa Operacional: Princípios e Tendências Emerson Santos Aguiar Engenheiro de Produção 1 Mestrando em Pesquisa Operacional
  • 2. Do que vamos tratar neste curso? 2
  • 3. Do que vamos tratar neste curso? • Decisões são baseadas em modelos; • Os modelos de Pesquisa Operacional; • Como as tecnologias atuais estão influenciando os modelos de pesquisa operacional. 3
  • 4. O que é pesquisa operacional? 4
  • 5. O que é pesquisa operacional? • É uma ciência aplicada voltada para a resolução de problemas reais, tendo como foco a tomada de decisões. • As decisões são baseadas em modelos matemáticos. 5
  • 6. Mudo real x modelos 6
  • 8. Porque tomar decisões baseadas em modelos? • Somos controlados por uma máquina de tirar conclusões precipitadas. • Afetada por emoções; • Afetada pela educação; • Pelo contexto inserido; • Pelas condições físicas; • Etc. 8
  • 9. O que está sendo exibido no quadro ao lado? 9
  • 10. O que está sendo exibido no quadro ao lado? 10
  • 11. Quando tomamos decisões precipitadas? • Se há grande possibilidade de acerto; • Se o custo do erro for baixo; • Se é possível poupar tempo e esforço; • Existe muita coisa em jogo e não há tempo para reunir mais informações e analisa-las. 11
  • 12. Os modelos matemáticos conseguem ser bem mais reais que os modelos elaborados no nosso cérebro! 12
  • 14. O que é otimização? • Otimização é encontrar a melhor solução! 14
  • 15. O que é otimização? • Otimização é encontrar a melhor solução! • Obter melhor performance • Minimizar o custo • Maximizar a variedade ou flexibilidade • Maximizar a qualidade • Minimizar o tempo • Maximizar a receita 15
  • 16. Problema de otimização Pegue o conjunto de números, particione eles em dois grupos de tal forma que a diferença das somas seja a menor possível. Conjunto 1: {7, 10, 13, 17, 20, 22} 16
  • 17. Problema de otimização Pegue o conjunto de números, particione eles em dois grupos de tal forma que a diferença das somas seja a menor possível. Conjunto 1: {7, 10, 13, 17, 20, 22} • Solução possível: {20, 17, 10}; {7, 13, 22} • Diferença das somas = 5 17
  • 18. Problema de otimização Pegue o conjunto de números, particione eles em dois grupos de tal forma que a diferença das somas seja a menor possível. Conjunto 1: {7, 10, 13, 17, 20, 22} • Solução possível: {20, 17, 10}; {7, 13, 22} • Diferença das somas = 5 • Solução possível: {20, 13, 10}; {7, 17, 22} • Diferença das somas = 3 18
  • 19. Problema de otimização Pegue o conjunto de números, particione eles em dois grupos de tal forma que a diferença das somas seja a menor possível. Conjunto 1: {7, 10, 13, 17, 20, 22} • Solução possível: {20, 17, 10}; {7, 13, 22} • Diferença das somas = 5 • Solução possível: {20, 13, 10}; {7, 17, 22} • Diferença das somas = 3 • Solução ótima: {22, 13, 10}; {7, 17, 20} • Diferença das somas = 1 19
  • 20. Problema de otimização Pegue o conjunto de números, particione eles em dois grupos de tal forma que a diferença das somas seja a menor possível. Conjunto 2: {1, 2, 4, 8, 16, 32} 20
  • 21. Problema de otimização Pegue o conjunto de números, particione eles em dois grupos de tal forma que a diferença das somas seja a menor possível. Conjunto 2: {1, 2, 4, 8, 16, 32} • Soma tudo e divide por 2 = 63/2 = 31,5 21
  • 22. Problema de otimização Pegue o conjunto de números, particione eles em dois grupos de tal forma que a diferença das somas seja a menor possível. Conjunto 2: {1, 2, 4, 8, 16, 32} • Soma tudo e divide por 2 = 63/2 = 31,5 • Solução ótima: {1, 2, 4, 8, 16} e {32} • Diferença das somas = 1 22
  • 23. Problema de otimização Pegue o conjunto de números, particione eles em dois grupos de tal forma que a diferença das somas seja a menor possível. Conjunto 3: {233.718, 978.113, 454.924, 679.537, 487.988, 358.201, 898.785, 376.407, 562.716, 838.189, 861.661, 455.414, 565.251, 899.110, 447.656} • Soma total = 9.097.670 23
  • 24. Problema de otimização Pegue o conjunto de números, particione eles em dois grupos de tal forma que a diferença das somas seja a menor possível. Conjunto 3: {233.718, 978.113, 454.924, 679.537, 487.988, 358.201, 898.785, 376.407, 562.716, 838.189, 861.661, 455.414, 565.251, 899.110, 447.656} • Soma total = 9.097.670 24
  • 26. Regras • Cada competidor tem 1 hora para comer bolos e/ou tortas • Para cada bolo que comer o participante recebe 4 pontos • Para cada torta que comer o participante recebe 5 pontos 26
  • 27. Russell irá participar da competição 27 Em meus árduos treinamentos, percebi que: Em média demoro 2 minutos para comer um bolo e 3 minutos para comer uma torta Qual abordagem posso adotar para conseguir pontuação máxima possível?
  • 28. Pode ser feita uma tabela de pontuações possíveis 0 1 2 3 ... 0 0 4 8 12 ... 1 5 9 13 17 ... 2 10 14 18 22 ... 3 15 19 23 27 ... . . . . . . . . . . . . . . . . . . 28 Número de bolos Númerodetoras
  • 29. O que ele pode comer em 60 minutos? 29 0 10 15 20 ... 0 0 20 30 40 ... 10 30 50 60 70 ... 15 45 65 75 85 ... 20 60 80 90 100 ... . . . . . . . . . . . . . . . . . . Número de bolos Númerodetoras
  • 30. Modelo de otimização para o Russell • Passo 1: Determinar as variáveis de decisão • Passo 2: Determinar a função objetivo • Passo 3: Determinar as restrições 30
  • 31. Modelo de otimização para o Russell • Passo 1: Determinar as variáveis de decisão • B: número de bolos que Russell deve comer • T: número de tortas que Russell deve comer • Passo 2: Determinar a função objetivo • Passo 3: Determinar as restrições 31
  • 32. Modelo de otimização para o Russell • Passo 1: Determinar as variáveis de decisão • B: número de bolos que Russell deve comer • T: número de tortas que Russell deve comer • Passo 2: Determinar a função objetivo • 4 pts por Bolo e 5 pts por Torta • Passo 3: Determinar as restrições 32
  • 33. Modelo de otimização para o Russell • Passo 1: Determinar as variáveis de decisão • B: número de bolos que Russell deve comer • T: número de tortas que Russell deve comer • Passo 2: Determinar a função objetivo • Maximizar 4B + 5T • Passo 3: Determinar as restrições 33
  • 34. Modelo de otimização para o Russell • Passo 1: Determinar as variáveis de decisão • B: número de bolos que Russell deve comer • T: número de tortas que Russell deve comer • Passo 2: Determinar a função objetivo • Maximizar 4B + 5T • Passo 3: Determinar as restrições • O tempo limita a pontuação de Russell • Ele tem que comer tudo em no máximo 60 minutos • 2 min por Bolo e 3 min por Torta 34
  • 35. Modelo de otimização para o Russell • Passo 1: Determinar as variáveis de decisão • B: número de bolos que Russell deve comer • T: número de tortas que Russell deve comer • Passo 2: Determinar a função objetivo • Maximizar 4B + 5T • Passo 3: Determinar as restrições • 2B + 3T ≤ 60 min 35
  • 37. Programação da produção Produto 1 Produto 2 Recursos Operação 1 2h 3h 100h Operação 2 1h 2h 60h Operação 3 1h 1h 50h Capacidade de produção 40 30 x Lucro $ 3 $ 5 x 37
  • 38. Programação da produção • Passo 1: Determinar as variáveis de decisão • Passo 2: Determinar a função objetivo • Passo 3: Determinar as restrições 38
  • 39. Programação da produção • Passo 1: Determinar as variáveis de decisão • P: Quantidade do produto 1 a ser produzido • Q: Quantidade do produto 2 a ser produzido • Passo 2: Determinar a função objetivo • Passo 3: Determinar as restrições 39
  • 40. Programação da produção • Passo 1: Determinar as variáveis de decisão • P: Quantidade do produto 1 a ser produzido • Q: Quantidade do produto 2 a ser produzido • Passo 2: Determinar a função objetivo • Maximizar o Lucro = 3P + 5Q • Passo 3: Determinar as restrições 40
  • 41. Programação da produção • Passo 1: Determinar as variáveis de decisão • P: Quantidade do produto 1 a ser produzido • Q: Quantidade do produto 2 a ser produzido • Passo 2: Determinar a função objetivo • Maximizar o Lucro = 3P + 5Q • Passo 3: Determinar as restrições • Limite da operação 1: 2P + 3Q ≤ 100 • Limite da operação 2: P + 2Q ≤ 60 • Limite da operação 3: P + Q ≤ 50 • Capacidade de produção de 1: P ≤ 40 • Capacidade de produção de 2: Q ≤ 30 41
  • 43. 43
  • 44. O que os dados nos fornecem? • Alterações nos custos de combustível em determinadas localidades; • Vias e estradas que podem estar temporariamente desativadas ou bloqueadas; • Informações sobre a manutenção das máquinas e veículos; • Condições meteorológicas e sazonais; • Informações sobre as experiência dos clientes com nossos produtos ou serviços; 44
  • 45. O que os dados nos fornecem? • Nos fazem enxergar padrões que seríamos incapazes de ver. 45
  • 47. O que falta para a pesquisa operacional e a big data se consolidarem no Brasil? 47
  • 50. Qual o papel do engenheiro de produção nesse contexto? 50
  • 51. Pesquisa Operacional: Princípios e Tendências Emerson Santos Aguiar Engenheiro de Produção 51 Mestrando em Pesquisa Operacional Email: emerson.santosaguiar@gmail.com Tel.: (82) 99822-6970 Whatsapp: (83) 99911-2142