PESQUISA OPERACIONAL

AULA 4

Prof. José de Souza Leal Neto

 CONVERSA INICIAL

Até o presente momento, foram apresentados diversos conceitos relativos

ao método simplex. Perceba que houve uma construção de conhecimento sobre
o método simplex e que a sequência de cada tópico, abordados anteriormente,
teve por objetivo desenvolver as condições necessárias para que você
compreendesse a lógica da programação existente nos diferentes softwares
disponíveis no mercado, os quais foram desenvolvidos para resolver problemas
de programação linear.
Em um primeiro momento, seria mais pragmático ensinar apenas o uso
do Solver para resolver problemas de programação linear. Porém, a
compreensão da sistemática proposta pelo método simplex seria comprometida.
Se você dedicou tempo para estudar o método simplex, então é capaz de
perceber que a primeira ação necessária é estudar o problema, em seguida obter
informações/dados adequados e, posteriormente, identificar as restrições
existentes, para então iniciar o processo de modelagem do problema.
Sem modelagem não há como resolver o problema estudado e muito
menos fazer uso da ferramenta Solver do Excel ou de qualquer outro software.
A compreensão do conceito de função objetivo e de restrições fará com que
você possa, além de empregar o Solver, explorar diferentes cenários a partir de
uma dada situação.
Agora, antes de começarmos a explicar o uso da ferramenta Solver do
Excel, é importante você saiba que esta ferramenta possui um algoritmo
(programação) baseado no algoritmo do método simplex, apresentado
anteriormente, e que, apesar de ser uma ferramenta confiável, é sempre
aconselhável analisar de forma crítica os dados apresentados na solução, a fim
de identificar possíveis inconsistências... não exclua a possibilidade de você ter
inserido dados de forma equivocada! Mas, uma coisa de cada vez, vamos ao
que interessa: é hora de estudar.

CONTEXTUALIZANDO

Como comentado acima, o foco de nosso estudo sobre o método simplex

foi apresentar o fundamento teórico necessário para a resolução de problema de
programação linear e sua análise. Entretanto, a partir desta aula, mostraremos
como evitar todos os cálculos apresentado anteriormente a fim de que a

2
 atividade gerencial do administrador seja priorizada. Portanto, vamos nos
concentrar na modelagem de problemas e na análise de suas respostas.
Felizmente, há muitos softwares disponíveis no mercado que podem nos
auxiliar na execução dos cálculos previstos no método simplex. Entre as
ferramentas que possuem um número significativo de usuários, estão as
Planilhas Eletrônicas, pois, além do seu manuseio ser amigável, elas estão
acessíveis a praticamente todos os usuários de computadores.
No nosso caso específico, faremos uso em nosso estudo da planilha Excel
da Microsoft e, por ser a mais popular no Brasil, presumimos que você possua o
conhecimento dos comandos elementares existentes em uma planilha Excel. A
versão do Excel empregada nesta disciplina é a existente na Microsoft Office 365
ProPlus, e, consequentemente, poderá haver diferenças nos menus, nome de
funções e outras, dependendo da versão que você estiver usando no momento.
Existe uma série de softwares específicos para a resolução de problemas
de programação linear. Um dos mais populares é o LINDO, da Lindo Systems,
que possui uma versão educacional limitada e gratuita (download no site:
<http://www.lindo.com>). A Lindo Systems também disponibiliza um suplemento
para o Excel chamado What´s Best, que substitui a ferramenta Solver do Excel
e permite a resolução de problemas de maior porte (Lachtermacher, 2009).
Se você tiver conhecimento básico em inglês e quiser outra alternativa,
então faça uma pesquisa no Google Play por operational research (pesquisa
operacional) e você descobrirá que há alguns apps desenvolvidos a partir do
algoritmo do método simplex que estão disponíveis, são gratuitos, porém com
limitações nas quantidades de variáveis de decisão e de restrições, mas são
apoio à aprendizagem do método simplex.
Nesta aula, a ferramenta Solver do Excel será apresentada e aplicada em
um problema de maximização e em dois problemas de minimização. Os
problemas de minimização são situações que podem ocorrer nas empresas, e o
conhecimento de suas modelagens poderão ser úteis ao administrador, quando
no desempenho de suas funções. Por fim, na abordagem de análise de
sensibilidade são apresentados conceitos referentes às variações dos
coeficientes da função objetivo e dos coeficientes e das constantes das
restrições, tal estudo se denomina.

3
 TEMA 1 – FERRAMENTA SOLVER DO EXCEL

O Solver realiza na planilha Excel todos os procedimentos do método

simplex, e, para isto, deve-se informar ao Excel os dados previamente definidos
na caixa de diálogo Parâmetros do Solver. Tais parâmetros são obtidos a partir
da modelagem do problema de programação linear e estão inclusos tanto na
função objetivo e como nas restrições. Mas, antes de aplicar o Solver, temos de
estruturar/organizar a planilha de forma que os parâmetros necessários sejam
“visíveis” àquela ferramenta. Os passos para preparar o Excel para usar a
ferramenta Solver são apresentados a seguir, bem como um exemplo
comentado passo a passo para facilitar a aprendizagem.
Habilitação do Solver: a primeira ação a ser realizada é a habilitação da
ferramenta Solver na planilha Excel. Inicialmente, selecione a guia “Arquivo” na
Faixa de Opções da planilha e, em seguida, na nova janela aberta, selecione a
opção “Opções”. Será aberta uma nova janela e, no menu à esquerda, selecione
“Suplementos” e em seguida clique no botão “Ir...”, na parte inferior da janela.
Novamente, uma nova janela será aberta e nesta, selecione a opção “Solver” e
em seguida clique no botão “Ok”. Agora, selecione a guia “Dados” na Faixa de
Opões da planilha e identifique o ícone do Solver em “Análise”, conforme
apresentado na Figura 1.

Figura 1 – Localização do ícone da ferramenta Solver

Adequação da planilha aos dados do problema. Após a habilitação do

Solver no Excel, é necessário estruturar a planilha para receber os dados obtidos
na modelagem do problema de programação linear. Para usar o Solver, é
necessário apenas os dados obtidos na modelagem, portanto você não precisa
se preocupar em incluir outros tipos de variáveis, sejam de folga, excesso ou
artificial.
A organização proposta da planilha por Lachtermacher (2009) é didática
e de fácil compreensão, por isso a tomamos como referencial. Ele nos diz que

4
 “a mágica da modelagem de um problema de programação linear em uma
planilha eletrônica está na maneira como arrumamos a célula”. A partir da
proposta daquele autor, designamos uma célula para representar cada uma das
seguintes entidades:

• Função objetivo (maximização/minimização): designação das variáveis

de decisão e de seus coeficientes;
• Variáveis (Solver): são os valores que o Solver vai calcular para as
variáveis de decisão;
• Z: é o valor da solução ótima, que será obtida pela multiplicação dos
coeficientes das variáveis de decisão pelos valores calculados pelo
Solver.
• Para cada restrição:
• Uma para o lado esquerdo da restrição – LHS (left hand side). Uma
célula vai representar toda a expressão que está à esquerda do sinal
de inequação. Assim, o valor nesta célula será a soma das
multiplicações dos coeficientes de cada variável de decisão, nas linhas
de restrição, pelo respectivo valor calculado pelo Solver.
• Uma para o lado direito da restrição – RHS (right hand side). Uma célula
terá o valor da constante (o b no quadro do simplex), que está do lado
direito do sinal de inequação.

A partir da designação das células, apresentadas acima, a estrutura da

planilha terá o formado semelhante ao apresentado na Figura 2, que, no caso,
foi configurada para 4 (quatro) variáveis de decisão e para 4 (quatro) restrições.

Figura 2 – Estrutura de planilha (modelo)

5
 Para exemplificar o preenchimento, vamos usar o exemplo da marcenaria
(Andrade, 2009) apresentado na Rota de Ensino 3. A modelagem do problema
gerou a forma-padrão e a solução gráfica – Figura 3 –, apresentadas a seguir.
Maximizar 𝑍 = 4𝑥1 + 1𝑥2 ,

sujeito às restrições

Madeira 2𝑥1 + 3𝑥2 ≤ 12

Mão de obra 2𝑥1 + 1𝑥2 ≤ 8

e 𝑥1 ≥ 0, 𝑥2 ≥ 0

sendo,

𝑥1 : mesas (un.), e 𝑥2 : armários (un.).

Figura 3 – Solução gráfica

Figura 4 – Problema da marcenaria

6
 Assim, termos a planilha preenchida – Figura 4 –, na qual a fórmula na
célula C5 (Zmáx) é C3*C4+D3*D4 (𝑍 = 4𝑥1 + 1𝑥2 ), na célula E8 (Madeira-LHS) é
C4*C8+D4*D8 (2𝑥1 + 3𝑥2 ) e na célula E9 (Mão de obra-LHS) é C4*C9+D4*D9
(2𝑥1 + 1𝑥2 ). Os valores unitários de 𝑥1 (mesas) e de 𝑥2 (armários) são calculados
pelo Solver e inseridos nas células C4 e D4. Consequentemente, os valores de
Z e das restrições madeira (LHS) e mão de obra (LHS) são calculados e deixam
de ter o valor igual a 0 (zero). A indicação dos sinais ≤ ao final das restrições é
para lembrar o tipo de inequação existente em cada restrição e será útil quando
for preencher a caixa de diálogo Parâmetros do Solver.
Para preencher a caixa de diálogo Parâmetros do Solver – Figura 5 – para
iniciar o cálculo, selecionamos a guia “Dados” e em seguida clicamos no ícone
“Solver” em “Análise” para o Excel abri-la.

Figura 5 – Parâmetros do Solver

Os passos para preencher a caixa de diálogo Parâmetros do Solver são

os seguintes:

• Definir objetivo: selecionar a célula C5 (Zmáx).

7
 • Para: Máx... já está previamente selecionado. Quando o problema for de
minimização, deve-se fazer a seleção da opção Mín.
• Alterando Células Variáveis: selecionar as células C4 e D4 (C4:D4),
destacadas em “amarelo” na Figura 4. Estas células não devem conter
quaisquer tipos de informações/dados porque são reservadas para uso do
Solver.
• Sujeito às restrições: neste espaço serão incluídas as relações LHS e os
valores RHS, bem como os sinais das inequações. Para isso, você deve
clicar no botão “Adicionar” para abrir uma caixa de diálogo – Figura 7 –
para informar as relações das restrições, uma de cada vez.

Figura 6 – Relações das restrições

• Referência de célula: preencher com o valor do LHS.

• O sinal <= já é previamente selecionado. Quando for necessário, deve
ser alterado (por isso foi colocado ao final da restrição o sinal da
inequação para lembrar quando for necessário fazer a alteração).
• Restrição: preencher com o valor RHS, ou seja, o valor da constante.
• Adicionar: clique neste botão para inserir uma nova restrição.
• Ok: clique neste botão quando todas as restrições forem incluídas.

• GRG Não Linear: deve ser modificado para LP Simplex.

• Opções: este botão permite selecionar, em outra caixa de diálogo, a opção
de Mostrar Resultados de Iterações. Tal opção permitirá a você
identificar os valores dos tableau intermediários do algoritmo do método
simplex.
• Resolver: clique neste botão para realizar o cálculo.

Após o preenchimento da caixa de diálogo Parâmetros do Solver

conforme instruções acima, a caixa de diálogo deverá estar conforme

8
 apresentado na Figura 7. Agora, o passo seguinte é clicar no botão Resolver, o
que vai fazer com que seja aberta a caixa de diálogo Resultados do Solver ––
Figura 8. Para prosseguir, seleciona o botão OK, e o resultado final dos cálculos
é conforme o apresentado na planilha da Figura 9.

Figura 7 – Parâmetros do Solver preenchido

Figura 8 – Resultados do Solver

9
 Figura 9 – Resultado Final do Solver

A partir dos dados da planilha – Figura 9 –, é possível verificar que o

resultado é compatível com a solução gráfica – Figura 2 – do problema. O
recurso “madeira” possui 4m² disponíveis (RHS-LHS=4), o recurso “mão de obra”
não possui disponibilidade (RHS-LHS=0) e devem ser produzidas 4 mesas (𝑥1 )
e 0 armário (𝑥2 ), conforme dados das células C4 e D4, respectivamente.

TEMA 2 – PROBLEMA DE MAXIMIZAÇÃO: USO DO SOLVER

O problema a seguir tem por objetivo primário aplicar o Solver para obter
uma solução. Acreditamos que a abordagem sobre o Solver, feita anteriormente,
tenha sido esclarecedora. Assim, no desenvolvimento do problema deste tema,
serão realizados os comentários julgados imprescindíveis. Nesta oportunidade,
o cenário do problema da “produção de pães salgados” apresentado na aula
passada foi modificado com o objetivo de demonstrar que a programação linear
é uma ferramenta que proporciona subsídios para a tomada de decisão, bem
como permite explorar diferentes cenários.
Produção de pães salgados. Os gestores da padaria Le Petite Pain não
ficaram satisfeitos com o cenário em que somente a versão “Tradicional” e a
“+Queijo” deveriam ser produzidas para obter o máximo faturamento. Assim,
decidiram adotar uma nova estratégia, em que limitam a produção diária da
versão “Tradicional” a até 70kg para que as outras versões, com maior valor
agregado, sejam vendidas. Além disso, atualizaram os seus dados de referência,
modificando a disponibilidade diária de sua famosa calabresa artesanal, de 60kg
para 70kg, conforme apresentado na Tabela 1. Nessas condições, os gestores

10
 desejam determinar qual quantidade de cada versão do pão salgado devem
produzir a fim de obter o máximo faturamento com a venda dos pães.

Tabela 1 – Pães salgados

Trigo Muçarela Calabresa Preço

Pão salgado
(kg) (kg) (kg) ($/kg)
Tradicional 0,6 0,2 0,2 12
+Queijo 0,6 0,6 0,2 23
+Calabresa 0,6 0,4 0,6 28
Quantidade
diária disponível 200 150 70
(kg)

Solução:
O modelo atualizado do problema de programação linear da padaria Le
Petite Pain é (Z em $):

Maximizar 𝑍 = 12𝑥1 + 23𝑥2 + 28𝑥3 ,

sujeito às restrições

Trigo 0,6𝑥1 + 0,6𝑥2 + 0,6𝑥3 ≤ 200

Muçarela 0,2𝑥1 + 0,6𝑥2 + 0,4𝑥3 ≤ 150

Calabresa 0,2𝑥1 + 0,2𝑥2 + 0,6𝑥3 ≤ 70

Pão tradicional 1,0𝑥1 + 0,0𝑥2 + 0,0𝑥3 ≤ 70

e 𝑥1 ≥ 0, 𝑥2 ≥ 0, 𝑥3 ≥ 0

sendo, 𝑥1 : pão salgado ‘tradicional’ (kg), 𝑥2 : pão salgado ‘+queijo’ (kg), e

𝑥3 : pão salgado ‘+calabresa’ (kg).

A planilha preenchida com os dados do problema é a apresentada na

Figura 10.

11
 Figura 10 – Planilha preenchida com os dados da Le Petite Pain

Na planilha da Figura 10, tem-se: a fórmula na célula C5 (Zmáx) é

C3*C4+D3*D4+E3*E4 (𝑍 = 12𝑥1 + 23𝑥2 + 28𝑥3 ), na célula F8 (Trigo-LHS) é
C4*C9+D4*D9+E4*E9 (0,6𝑥1 + 0,6𝑥2 + 0,6𝑥3 ), na célula F9 (Muçarela-LHS) é
C4*C9+D4*D9+E4*E9 (0,2𝑥1 + 0,6𝑥2 + 0,4𝑥3 ), na célula F10 (Calabresa-LHS) é
C4*C10+D4*D10+E4*E10 (0,2𝑥1 + 0,2𝑥2 + 0,6𝑥3 ) e na célula F11 (Pão
Tradicional-LHS) é C4*C11+D4*D11+E4*E11 (1,0𝑥1 + 0,0𝑥2 + 0,0𝑥3 ). Os valores
em kg de 𝑥1 (pão salgado ‘Tradicional’), 𝑥2 (pão salgado ‘+Queijo’), e 𝑥3 (pão
salgado ‘+Calabresa’) são calculados pelo Solver e inseridos nas células C4, D4
e E4. Consequentemente, os valores de Z e das restrições Trigo (LHS), Muçarela
(LHS), Calabresa (LHS) e Pão Tradicional (LHS) são calculados e deixam de ter
o valor igual a 0 (zero). A indicação dos sinais ≤ ao final das restrições é para
lembrar o tipo de inequação existente em cada restrição e será útil quando for
preencher a caixa de diálogo Parâmetros do Solver.
A caixa de diálogo Parâmetro do Solver preenchida é a apresentada na
Figura 11, e o resultado final dos cálculos do Solver é apresentado na Figura 12.

12
 Figura 11 – Parâmetros do Solver preenchidos

Figura 12 – Resultado final do Solver

A partir dos dados da planilha – Figura 12 –,verifica-se que ao se limitar a

produção diária do pão salgado “Tradicional” (𝑥1 ) em 70 kg e de acrescer 10 Kg
de calabresa para a produção, obtém-se a produção de pão salgado “+Queijo”
(𝑥2 ) de 211,43kg, de pão salgado “+Calabresa” (𝑥3 ), de 22,86kg e de um
faturamento máximo de $ 6.342,86. Também se verifica a disponibilidade de

13
 17,43Kg (200-182,57) de trigo e que a muçarela e a calabresa são
completamente usados na produção definida.

TEMA 3 – PROBLEMA DE TRANSPORTE: UMA INTRODUÇÃO

Problema de transporte é um tipo de problema real que acontece no

cotidiano e que pode ser aplicado em Programação Linear. O “chamado
problema de transporte recebeu esta denominação em virtude de suas
aplicações envolverem como transportar mercadorias de maneira otimizada”,
mas algumas de suas importantes aplicações (por exemplo, cronograma de
produção) não estão relacionadas ao transporte (Hillier; Lieberman, 2010). O
administrador sabe que no processo geral de produção e comercialização do
produto a estrutura de transporte deve ser cuidadosamente planejada a fim de
cumprir o seu objetivo com o menor acréscimo possível no custo final do produto
(Andrade, 2009), por isso o estudo do problema de transporte lhe capacitará para
decidir melhor. Como este tema tem por objetivo apresentar uma introdução ao
problema de transporte, os conceitos fundamentais serão apresentados da
forma mais objetiva possível e aplicados em um exemplo.
Problema de transporte: é melhor visualizado quando se identificam as
relações entre os componentes do sistema, tais como origem e destino, e
consequentemente as possíveis alternativas de percurso. Neste contexto,
deseja-se determinar, entre as diversas alternativas de percurso para realizar a
distribuição de um produto, a que resultará no menor custo de transporte entre
as fábricas (origem) e os centros de distribuição (destino) (Lachtermacher, 2009).
A Figura 13 é uma representação em rede de um problema de transporte
composto por três origens, dois destinos e seis rotas possíveis.

14
 Figura 13 – Representação em rede

ORIGEM DESTINO
(Fornecedores) (Consumidores)

Alfa

A1

P1
B1
A2

Bravo

C1
B2
P2

C2

Charlie

No cenário da Figura 13, o problema consiste em definir a quantidade de

produtos a ser enviada em cada rota (A1, A2, ... C2), que possuem custos
unitários distintos. Perceba que as quantidades em cada rota são as variáveis
de decisão, e os custos unitários das rotas são seus coeficientes na função
objetivo, bem como que cada origem possui um limite de fornecimento e cada
destino, um limite de demanda, armazenagem etc.
O problema de transporte de um modo geral, na visão de Hillier e
Lieberman (2010), “se refere a distribuir qualquer commodity de qualquer grupo
de centros de fornecimento, chamado origem, a qualquer grupo de centros de
recepção, denominado destinos, de modo a minimizar o custo total de
distribuição”. Prosseguindo, os autores destacam que “cada origem possui
determinada oferta de unidades a serem distribuídas aos destinos, e cada
destino tem certa demanda pelas unidades a serem recebidas das origens” e
que o modelo para um problema de transporte possui as seguintes hipóteses:

• Das exigências: cada origem possui uma oferta fixa de unidades e que
a sua totalidade deve ser distribuída aos destinos. De forma similar, cada
destino possui uma demanda fixa por unidades, e toda essa demanda
deve ser recebida das origens;
• Do custo: o custo de distribuição de unidades de qualquer origem em
particular para qualquer destino em particular é diretamente
proporcional ao número de unidades distribuídas, consequentemente o
custo final é: o custo unitário de distribuição vezes o número de unidades
distribuídas.
15
 Fazendo com que Z seja o custo total de distribuição e 𝑥𝑖𝑗 (𝑖 =
1, 2, … , 𝑚; 𝑗 = 1, 2, … , 𝑛) seja o número de unidades a serem distribuídas da
origem i para o destino j, a formulação em programação linear do problema de
transporte é:
𝑚 𝑛

𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝑍 = ∑ ∑ 𝑐𝑖𝑗 𝑥𝑖𝑗 ,

𝑖=1 𝑗=1

sujeito a
𝑚

∑ 𝑥𝑖𝑗 = 𝑠𝑖 para 𝑖 = 1, 2, … , 𝑚,
𝑗=1

∑ 𝑥𝑖𝑗 = 𝑑𝑗 para 𝑗 = 1, 2, … , 𝑛,
𝑖=1

𝑥𝑖𝑗 ≥ 0 para todo 𝑖 e 𝑗

onde:

• 𝑠𝑖 é o número de unidades sendo distribuído pela origem 𝑖, para 𝑖 =

1, 2, … , 𝑚.
• 𝑑𝑗 é o número de unidades recebidas pelo destino 𝑗, para 𝑗 = 1, 2, … , 𝑛.

Considerando a rede da Figura 13, temos que: 𝑚 = 3, 𝑛 = 2 e, no caso,

a rota B1 será identificada com a variável de decisão 𝑥21 (origem 2 e destino 1).
A partir da formulação em programação linear do problema de transporte,
verifica-se que deve haver um equilíbrio entre a quantidade de oferta e a
quantidade da demanda. Entretanto, pode haver situações em que há uma
quantidade maior do que a outra, ou seja, com a oferta maior que a demanda ou
a demanda maior que a oferta.
Para o caso de a oferta ser maior que a demanda, pode-se adotar uma
das seguintes medidas, a fim de que o destino não receba quantidade superior
à demanda (Lactermacher, 2009):

• Inserir um destino fictício (fantasma) com o custo unitário de transporte de

todas as origens igual a zero e com a demanda igual à diferença entre o

16
 total ofertado e o total demandado. Dessa forma, será garantida a
igualdade das quantidades ofertadas e demandadas; ou
• Modificar o sinal das restrições de ofertas (origens) de = para ≤ a fim de
garantir que ocorra sobra de produtos ofertados.

Para o caso de a demanda ser maior que a oferta, pode-se adotar uma
das seguintes medidas, a fim de que toda a oferta (capacidade) seja esgotada
no destino, mesmo que não atenda toda demanda requerida (Lachtermacher,
2009):

• Inserir uma fonte de oferta fictícia (fantasma) com o custo unitário de

transporte para todos os destinos igual a zero e com a capacidade (oferta)
igual à diferença entre o total demandado e o total ofertado. Dessa forma,
será garantida a igualdade das quantidades demandas e ofertadas; ou
• Modificar o sinal das restrições das demandas de = para ≤ a fim de
garantir que parte da demanda não será atendida.

Fornecedores de complemento alimentar: após o sucesso do

lançamento de sua bebida láctea, a padaria Le Petite Pain deseja ampliar as
vendas desse produto com a abertura de um PDV no centro da cidade. Nesse
novo planejamento, identificou três fornecedores (Alfa, Bravo e Charlie) na
região metropolitana capazes de fabricar o complemento alimentar (farinha)
dentro das especificações. No planejamento, os gestores da padaria definiram a
potencial demanda semanal pelo complemento alimentar no PDV e na padaria,
bem como identificaram a capacidade dos fornecedores e os custos transporte,
conforme apresentado na Tabela 2.

Tabela 2 – Complemento alimentar: custo de transporte

Custo unitário de transporte do Disponível no

Fornecedor complemento alimentar ($/kg)
PDV Padaria fornecedor (kg)

Alfa 0,9 1,6 8,3

Bravo 1,4 2,9 13,7
Charlie 1,1 1,2 8
Demanda semanal (kg) 7,1 13,3

A partir dessas informações, os gestores da padaria desejam determinar

a quantidade que cada fornecedor deve entregar no PDV e na padaria de forma
a ter o mínimo custo possível.
17
 Solução:
O modelo do problema de transporte da Le Petite Pain é (Z em $):

Minimizar 𝑍 = 0,9𝑥11 + 1,6𝑥12 + 1,4𝑥21 + 2,9𝑥22 + 1,1𝑥31 + 1,2𝑥32 ,

sujeito às restrições,

1. Disponibilidade do fornecedor (em razão da oferta ser maior que a

demanda, modificou-se o sinal de = para ≤):
Alfa (kg) 1 𝑥11 + 1 𝑥12 ≤ 8,3

Bravo (kg) 1 𝑥21 + 1 𝑥22 ≤ 13,7

Charlie (kg) 1 𝑥31 + 1 𝑥32 ≤ 8

2. Demanda semanal (receber a exata quantidade demandada):

PDV (kg) 1 𝑥11 + 1 𝑥21 + 1 𝑥31 = 7,1

Padaria (kg) 1 𝑥12 + 1 𝑥22 + 1 𝑥32 = 13,3

e 𝑥11 ≥ 0, 𝑥12 ≥ 0, 𝑥21 ≥ 0, 𝑥22 ≥ 0, 𝑥31 ≥ 0, 𝑥32 ≥ 0

sendo 𝑥11 : rota Alfa-PDV (kg); 𝑥12 : rota Alfa-padaria (kg); 𝑥21 : rota Bravo-
PDV (kg); 𝑥22 : rota Bravo-padaria (kg); 𝑥31 : rota Charlie-PDV (kg); e 𝑥32 : rota
Charlie-PDV (kg).
Lachtermacher (2009) usa para resolver problema de transporte uma
planilha com estrutura mais compactada, cuja compreensão requer um pouco
mais de estudo. Entretanto, julgamos ser mais didático continuar a empregar o
modelo anteriormente apresentado, assim a Figura 14 apresenta a planilha
preenchida com os dados do problema em estudo.

Figura 14 – Planilha preenchida com os dados do problema de transporte

18
 Na planilha da Figura 14, tem-se: a fórmula na célula C5 (Zmin) é
C3*C4+D3*D4+E3*E4+F3*F4+G3*G4+H3*H4 (𝑍 = 0,9𝑥11 + 1,6𝑥12 + 1,4𝑥21 +
2,9𝑥22 + 1,1𝑥31 + 1,2𝑥32 ), na célula I8 (disponibilidade Alfa-LHS) é
C4*C8+D4*D8+E4*E8+F4*F8+G4*G8+H4*H8 (1𝑥11 + 1𝑥12 + 0𝑥21 + 0𝑥22 +
0𝑥31 + 0𝑥32 ) e de forma semelhante nas células I9 (disponibilidade Bravo-LHS),
I10 (disponibilidade Charlie-LHS), I11 (demanda PDV-LHS) e I12 (demanda
padaria-LHS). Os valores em kg de 𝑥11 (rota Alfa-PDV), 𝑥12 (rota Alfa-padaria),
𝑥21 (rota Bravo-PDV), 𝑥22 (rota Bravo-padaria), 𝑥31 (rota Charlie-PDV) e 𝑥32 (rota
Charlie-PDV) são calculados pelo Solver e inseridos nas células C4, D4, E4, F4,
G4 e H4. Consequentemente, os valores de Z e das restrições disponibilidade
Alfa (LHS), disponibilidade Bravo (LHS), disponibilidade Charlie (LHS), demanda
PDV (LHS) e demanda Padaria (LHS) são calculados e deixam de ter o valor
igual a 0 (zero).
A caixa de diálogo Parâmetro do Solver preenchida é a apresentada na
Figura 15, e o resultado final dos cálculos do Solver é apresentado na Figura 16.

Figura 15 – Parâmetros do Solver preenchidos

Figura 16 – Resultado final do Solver

19
 A partir dos dados da planilha – Figura 15 –, é possível verificar que o
fornecedor Alfa proverá o PDV com 3 kg e a padaria com 5,3 Kg, ou seja, toda a
sua capacidade de fornecimento será empregada. O fornecedor Bravo proverá
somente o PDV, com 4,1 Kg, e tem uma disponibilidade 9,6 kg (13,7-4,1) do
produto. O fornecedor Charlie proverá a padaria com toda a sua capacidade, que
é de 8 kg. Esta disposição de fornecimento do complemento alimentar gerará o
menor custo, que é de $26,52.

Saiba mais
Leia da página 76 até o início da página 80 do livro (impresso). Se
possível, aplique o Solver para resolver os exemplos e os problemas propostos
referentes ao problema de transporte existentes no capítulo. Disponível em:
<http://uninter.bv3.digitalpages.com.br/users/publications/9788544302194/pa
ges/79>.
BARBOSA, M. A.; ZANARDINI, R. A. D. Iniciação à pesquisa
operacional no ambiente de gestão. 2. ed. rev., atual. e ampl. Curitiba:
InterSaberes, 2014.
Leia a introdução do capítulo 5 e o Item 5.1 do TAHA e, se possível,
aplique o Solver para resolver exemplos e exercícios propostos com respostas.
Disponível em:
<http://uninter.bv3.digitalpages.com.br/users/publications/9788576051503/pa
ges/85>.
TAHA, H. A. Pesquisa Operacional: uma visão geral. 8. ed. São Paulo:
Pearson Prentice Hall, 2008.

TEMA 4 – PROBLEMA DA DESIGNAÇÃO: UMA INTRODUÇÃO

Segundo Hillier e Lieberman (2010), o “denominado problema da

designação envolve aplicações tais como distribuir pessoas para realizar
determinadas tarefas” e que, apesar das aplicações parecerem distintas em
relação as do problema de transporte, o problema da designação pode ser visto
como um tipo especial de problema de transporte, com o que concorda Andrade
(2009), pois nos diz que “à primeira vista, não tem semelhança alguma com o
problema de transporte, mas que, na verdade, pode ser modelada e resolvida de
maneira análoga”. Consideramos que o estudo do problema da designação será
útil ao administrador no desempenho de suas funções por tratar de problemas

20
 de sua rotina. Como este tema tem por objetivo apresentar uma introdução ao
problema de designação, os conceitos fundamentais serão apresentados da
forma mais objetiva possível e aplicados em um exemplo, de forma semelhante
à abordagem do problema de transporte.
Problema da designação (Hillier; Lieberman, 2010): o problema da
designação é um tipo especial de problema de programação linear em que os
designados estão sendo indicados para realizar tarefas, por exemplo, a definição
de empregados (designados) que precisam receber designações de trabalho
(tarefas) é uma aplicação comum do problema da designação. Os designados
podem ser máquinas, veículos, fábricas ou até mesmo períodos a serem
destinados a tarefas, não necessariamente pessoas.
Para caracterizar um determinado problema como problema de
designação, ele precisa ser formulado de maneira a satisfazer as seguintes
hipóteses:

• O número de designados e o número de tarefas é o mesmo (esse número

é representado por n).
• Deve-se atribuir a cada designado exatamente uma tarefa.
• Cada tarefa deve ser realizada exatamente por um designado.
• Há um custo associado ao designado i (𝑖 = 1, 2, … , 𝑛) executando a tarefa
j (𝑗 = 1, 2, … , 𝑛).
• O objetivo é determinar como todas as n designações devem ser feitas
para minimizar o custo total.

O modelo matemático para o problema da designação utiliza as seguintes

variáveis de decisão:

1 se o designado 𝑖 realiza a tarefa 𝑗

𝑥𝑖𝑗 = {
0 caso contrário

para 𝑖 = 1, 2, … , 𝑛 e 𝑗 = 1, 2, … , 𝑛. Portanto, cada 𝑥𝑖𝑗 é uma variável binária

(ela possui valor 0 ou 1).

O modelo para o problema da designação possui a seguinte estrutura:

𝑛 𝑛

𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝑍 = ∑ ∑ 𝑐𝑖𝑗 𝑥𝑖𝑗 ,

𝑖=1 𝑗=1

sujeito a

21
 𝑛

∑ 𝑥𝑖𝑗 = 1 para 𝑖 = 1, 2, … , 𝑛,
𝑗=1
𝑛

∑ 𝑥𝑖𝑗 = 1 para 𝑗 = 1, 2, … , 𝑛,
𝑖=1

e
𝑥𝑖𝑗 ≥ 0 para todo 𝑖 e 𝑗
O primeiro conjunto de restrições funcionais especifica que cada
designado deve realizar exatamente uma tarefa, ao passo que o segundo
conjunto requer que cada tarefa seja realizada exatamente por um designado.
Cabe uma observação: nada impede que Z seja calculado como o menor tempo
de operação, de manutenção... e não somente como o menor custo.
Designação de máquinas para operações. Existem três operações, T1,
T2 e T3, em uma fábrica que podem ser processadas por três máquinas
disponíveis, M1, M2 e M3. Como cada máquina difere das demais em termos de
idade, tecnologia e outras características, o tempo de processamento de cada
trabalho é diferente em cada máquina. A matriz de tempos de processamento,
em horas, é a apresentada na Tabela 3. Para este cenário, elabore o modelo de
programação linear, apresentando a função objetivo e as restrições e, em
seguida, resolva o problema empregando o Solver e determine o tempo de
processamento acumulado.

Tabela 3 – Tempos de processamento

Trabalho
Máquinas
T1 T2 T3
M1 10 5 8
M2 12 9 15
M3 9 12 10

Solução:
No problema da designação, as máquinas são as designadas, e o modelo
de programação linear é (Z em horas):

Minimizar 𝑍 = 10𝑥11 + 5𝑥12 + 8𝑥13 + 12𝑥21 + 9𝑥22 + 15𝑥23 + 9𝑥31 +

12𝑥32 + 10𝑥33 ,

sujeito às restrições,

22
 1. Designado (máquina): realizar apenas uma tarefa
M1 1𝑥11 + 1𝑥12 + 1𝑥13 = 1

M2 1𝑥21 + 1𝑥22 + 1𝑥23 = 1

M3 1𝑥31 + 1𝑥32 + 1𝑥33 = 1

2. Tarefa: executada por apenas um designado

T1 1𝑥11 + 1𝑥21 + 1𝑥31 = 1

T2 1𝑥12 + 1𝑥22 + 1𝑥32 = 1

T3 1𝑥13 + 1𝑥23 + 1𝑥33 = 1

e 𝑥11 ≥ 0, 𝑥12 ≥ 0, 𝑥13 ≥ 0, 𝑥21 ≥ 0, 𝑥22 ≥ 0, 𝑥23 ≥ 0, 𝑥31 , 𝑥32 ≥ 0, 𝑥33 ≥ 0

sendo, 𝑥11 : M1-T1 (un.); 𝑥12 : M1-T2 (un.); 𝑥13 : M1-T3 (un.); 𝑥21 : M2-T1
(un.); 𝑥22 : M2-T2 (un.); 𝑥23 : M2-T3 (un.); 𝑥31 : M3-T1 (un.); 𝑥32 : M3-T2 (un.); e
𝑥33 : M3-T3 (un.).

A planilha preenchida com os dados do problema da designação é

apresentada na Figura 17.

Figura 17 – Planilha preenchida com os dados do problema da designação

Na planilha da Figura 17, tem-se: a fórmula na célula C5 (Zmin) é

C3*C4+D3*D4+E3*E4+F3*F4+G3*G4+H3*H4+I3*I4+J3*J4+K3*K4 (𝑍 = 10𝑥11 +
5𝑥12 + 8𝑥13 + 12𝑥21 + 9𝑥22 + 15𝑥23 + 9𝑥31 + 12𝑥32 + 10𝑥33 ), na célula L8 (M1-
LHS) é C4*C8+D4*D8+E4*E8+F4*F8+G4*G8+H4*H8+I4*I8+J4*J8+K4*K8
(1𝑥11 + 1𝑥12 + 1𝑥13 + 0𝑥21 + 0𝑥22 + 0𝑥23 + 0𝑥31 + 0𝑥32 + 0𝑥33 ) e de forma
semelhante nas células L9 (M2-LHS), L10 (M3-LHS), L11 (T1-LHS), L12 (T2-
LHS) e L13 (T3-LHS). Os valores binários (1 ou 0) de 𝑥11 (T1-M1), 𝑥12 (T2-M1),
𝑥13 (T3-M1), 𝑥21 (T1-M2), 𝑥22 (T2-M2), 𝑥23 (T3-M2), 𝑥31 (T1-M3), 𝑥32 (T2-M3)

23
 e 𝑥23 (T3-M3) são calculados pelo Solver e inseridos nas células C4, D4, E4, F4,
G4, H4, I4, J4 e K4. Consequentemente, os valores de Z e das restrições M1
(LHS), M2 (LHS), M3 (LHS), T1 (LHS), T2 (LHS) e T3 (LHS) são calculados e
deixam de ter o valor igual a 0 (zero).
A caixa de diálogo Parâmetro do Solver preenchida é a apresentada na
Figura 18, e o resultado final dos cálculos do Solver é apresentado na Figura 19.

Figura 18 – Parâmetros do Solver preenchidos

Figura 19 – Resultado Final do Solver

A partir dos dados da planilha – Figura 19 –, é possível verificar que o

trabalho T3 será executado pela máquina M1, o trabalho T2 será executado pela
máquina M2, e o trabalho T1 será executado pela máquina M3, bem como todas
as restrições foram obedecidas e a operação se realizará no tempo mínimo (Z)
de 26 horas.
24
 Saiba mais
Leia o Item 5.4 do TAHA e, se possível, aplique o Solver para resolver
exemplos e exercícios propostos com respostas. Disponível em:
<http://uninter.bv3.digitalpages.com.br/users/publications/9788576051503/pa
ges/99>.
TAHA, Hamdy A. Pesquisa Operacional: uma visão geral. 8. ed. São
Paulo: Pearson Prentice Hall, 2008.

TEMA 5 – ANÁLISE DE SENSIBILIDADE NO SOLVER

A análise de sensibilidade permite ir além da solução pontual da

programação linear: permite avaliar os reflexos de eventuais alterações nos
dados e condições do problema sobre a solução ótima. A análise é
especialmente importante para estudo de cenários, pois as empresas estão
inseridas em um ambiente sujeito a constantes mudanças. Esta análise pode ser
simplificada com o Relatório de Sensibilidade emitido pelo Solver (Corrar;
Theóphilo; Bergmann, 2007). O presente tema tem por objetivo introduzir
conceitos de análise de sensibilidade e apresentar o Relatório de Sensibilidade
do Excel.
Análise de sensibilidade: uma das hipóteses dos problemas de
programação linear é a certeza que se tem sobre os valores dos coeficientes da
função objetivo e das constantes das restrições (Lachtermacher, 2009).
Para amenizar essa hipótese, realizamos uma análise pós-otimização
verificando as possíveis variações, para cima e para baixo, dos valores dos
coeficientes da função objetivo, dos coeficientes e das constantes das restrições,
sem que a solução ótima seja alterada. Este estudo se denomina análise de
sensibilidade. Uma análise de sensibilidade busca responder basicamente a três
perguntas (Lachtermacher, 2009):

• Qual é o efeito de uma mudança em um coeficiente da função objetivo?

• Qual é o efeito de uma mudança em uma constante de uma restrição?
• Qual é o efeito de uma mudança em um coeficiente de uma restrição?

Existem dois tipos básicos de análise de sensibilidade. O primeiro

estabelece limites inferiores e superiores para todos os coeficientes da função
objetivo e para os coeficientes e as constantes das restrições. Esta análise é
efetuada automaticamente pelo Excel, considerando a hipótese de apenas uma

25
 alteração a cada momento. O segundo verifica se mais de uma mudança
simultânea em um problema altera a sua solução ótima, o que não é realizado
pelo Excel por ser um estudo mais complexo. Uma maneira simples para se
realizar este estudo, em problemas de pequeno e médio portes, é o de se realizar
as alterações na modelagem do problema e encontrar sua nova solução
realizando uma nova otimização (Lachtermacher, 2009).
Relatórios do Solver: no processo de solução do problema pelo Solver,
a caixa de diálogo Resultados do Solver – Figura 8 – aparece e exibe uma
mensagem de conclusão. No lado direito da caixa de diálogo, são relacionados
os relatórios disponíveis – Respostas, Sensibilidade e Limites –, mas o nosso
foco é o Relatório de Sensibilidade. Após você selecionar os relatórios desejados
e clicar no botão OK, a planilha passa a exibir os resultados obtidos, e os
relatórios selecionados são gerados (Corrar; Theóphilo; Bergmann, 2007).
Relatório de Sensibilidade: quando um ou mais dados do problema
sofrem alteração, o modelo inicial pode ser atualizado e recalculado com
facilidade. O Solver permite que se alterem apenas os dados que sofrem
alterações, recalculando a planilha e emitindo novos relatórios. Entretanto, pode-
se desejar conhecer, a partir de um cenário, os impactos advindos de eventuais
mudanças nos valores atuais das variáveis e restrições.
Seja o Relatório de Sensibilidade – Figura 20 – obtido a partir da resolução
do problema da marcenaria (Tema 01). Observa-se que o relatório é subdividido
em duas partes: uma destinada às células variáveis (função objetivo) e outra, às
restrições. Vamos a seguir apresentar alguns comentários:

Figura 20 – Relatório de sensibilidade

Microsoft Excel 16.0 Relatório de Sensibilidade

Planilha: [Estrutura_Solver_Rota 4.xlsx]Ex_Marcenaria
Relatório Criado: 30/07/2017 19:58:04

Células Variáveis
Final Reduzido Objetivo Permitido Permitido
Célula Nome Valor Custo Coeficiente Aumentar Reduzir
$C$4 Variáveis (Solver) X1 4 0 4 1E+30 2
$D$4 Variáveis (Solver) X2 0 -1 1 1 1E+30

Restrições
Final Sombra Restrição Permitido Permitido
Célula Nome Valor Preço Lateral R.H. Aumentar Reduzir
$E$8 Madeira LHS 8 0 12 1E+30 4
$E$9 Mão de obra LHS 8 2 8 4 8

Em células variáveis, o campo Final Valor indica a quantidade dos

produtos a serem produzidas na solução ótima. Os campos Permitido Aumentar

26
 e Permitido Reduzir indicam o limite em que cada quantidade pode ser acrescida
ou reduzida de forma a modificar a solução ótima. No exemplo, o custo da
variável 𝑥1 (mesas) pode ser aumentado indefinidamente e reduzido em até $ 2
que as quantidades produzidas de mesas e cadeiras não se alteram. O mesmo
raciocínio serve para as restrições.
Em restrições, o campo Sombra Preço indica que se o valor for positivo,
um incremento de uma unidade na constante da restrição resulta em um
aumento do valor da função objetivo; e se for negativo, resulta na diminuição do
valor da função objetivo.

Saiba mais
Leia o item 7.1 do livro-texto (impresso) e o 8.1 do livro digital.
Disponível em:
<http://uninter.bv3.digitalpages.com.br/users/publications/9788544302194/pa
ges/175>.
BARBOSA, Marcos Antonio. ZANARDINI, Ricardo Alexandre D.
Iniciação à pesquisa operacional no ambiente de gestão. 2. ed. rev., atual. e
ampl. Curitiba: Intersaberes, 2014.
Leia o Item 4.5 do Taha. Disponível em:
<http://uninter.bv3.digitalpages.com.br/users/publications/9788576051503/pa
ges/81>.
TAHA, Hamdy A. Pesquisa Operacional: uma visão geral. 8. ed. São
Paulo: Pearson Prentice Hall, 2008.

NA PRÁTICA

A partir da caracterização dos problemas de transporte e da designação,

a partir de sua rotina de trabalho, elabore um problema com estas
características, estruture no Excel e aplique o Solver. Em seguida, compartilhe
o seu problema, no fórum com seus colegas de disciplina e avalie os problemas
apresentados pelos seus colegas.
Leia o caso de ensino sugerido e depois responda o solicitado. Terminada
a atividade de estudo e solucionado o estudo de caso, você receberá a solução
para a atividade realizada pelo professor que elaborou o presente caso de
ensino.

27
 Orientações para realizar a atividade:

1. Leia o caso de ensino atentamente e os temas da rota.

2. Reveja os procedimentos para aplicação do Solver, pois são necessários
para resolver o caso de ensino.
3. Elabore um checklist para usar o Solver a fim de evitar erros na
elaboração da planilha no Excel e no preenchimento dos dados
solicitados para aplicação do Solver. Tenha o material em mãos para
consulta.
4. Boa aprendizagem!

Caso de Ensino n. 5: Problema de mistura (solução pelo Solver)

A padaria Le Petit Pain deseja lançar uma nova bebida para seus
frequentadores, em especial, aos moradores do bairro, que são em sua maioria
pessoas com mais de 60 anos. A nova bebida é basicamente composta por uma
bebida láctea e por um complemento alimentar (farinha) em diversos sabores.
Sabe-se que os nutrientes da bebida láctea e do complemento alimentar
fornecem as quantidades de vitaminas dadas na Tabela 4.

Tabela 4 – Composição alimentar: quantidade e custo

Complemento Quantidade
Vitaminas Bebida láctea (l)
alimentar (kg) diária mínima
A 0,25 mg 2 mg 1 mg
B 25 mg 20 mg 50 mg
C 3 mg 6 mg 10 mg
Custo unitário ($) 3,0 17,0 -

Use o Solver para calcular as quantidades de bebida láctea e de

complemento alimentar capazes de satisfazer as quantidades diárias mínimas
de nutrientes (vitaminas) a um custo mínimo.
Padrão de resposta: a solução a ser encontrada pelo estudante, após
estruturar a planilha e inserir os dados na caixa de diálogo Parâmetros do Solver,
é a seguinte:

28
 Figura 21 – Solução do problema com o uso do Solver

Conclusão: o menor custo é $11,22 (Z_min=11,22), as quantidades de

leite são 3,11 l e a do suplemento alimentar é de 0,11 kg para se obter a
quantidade diária de vitaminas. A proporcionalidade entre leite e suplemento
alimentar é a dosagem de 35,37 gramas do suplemento alimentar para cada litro
de leite.

FINALIZANDO

O tema principal abordado na presente aula foi a ferramenta Solver do

Excel. Inicialmente apresentamos os procedimentos para seu uso de forma
aplicada em um exemplo comentado. Em seguida, resolvemos um problema de
maximização empregando o Solver e comentamos a resolução. Posteriormente,
apresentamos as características, o modelo e a resolução por meio do Solver de
problema de transporte e, da mesma forma, de problema da designação. Estes
dois últimos problemas são problemas de minimização. Por fim, apresentamos
alguns conceitos de análise de sensibilidade.
O caso de ensino proposto é um exercício resolvido anteriormente de
forma gráfica, portanto com solução já conhecida. A sua solução por meio do
Solver tem por objetivo fazer o aluno aplicar os procedimentos previstos pelo
Solver e estimulá-lo a empregar essa ferramenta para resolver outros problemas
de programação linear.

29
 REFERÊNCIAS

ANDRADE, E. L. de. Introdução à pesquisa operacional: métodos e modelos

para análise de decisões. 4. ed. Rio de Janeiro: LTC, 2009.

CORRAR, L. J.; THÉOPHILO, C. R.; BERGMANN, D. R. Programação linear. In:

CORRAR, L. J.; THÉOPHILO. Pesquisa operacional para decisão em
contabilidade e administração: contabilometria. 1. ed. 3. reimp. São Paulo:
Atlas, 2007.

HILLIER, F. S.; LIEBERMAN, G. J. Introdução à Pesquisa Operacional. 9. ed.

Porto Alegres: McGraw-Hill, 2010.

LACHTERMACHER, G. Pesquisa operacional na tomada de decisões:

modelagem em Excel. 4. ed. Rio de Janeiro: Elsevier, 2009.

30