Modelagem Matemtica

Modelagem matemtica um jeito de representar matematicamente processos e/ou problemas reais. Dividem-se em descritivos e prescritivos. Prescritivos: Nos modelos prescritivos define-se o objetivo e as restries para atingir esse. O modelo serve para atingir o objetivo respeitando as restries da melhor maneira possvel. Exemplo: Reduza o custo de produo de canetas, sendo que ser necessrio fazer cem mil canetas. Neste exemplo reduzir o custo de produo o objetivo e fazer cem mil canetas a restrio. A soluo para esses problemas pode ser de maneira exata ou aproximada, como o prprio nome diz: de forma exta obtm-se a melhor forma possvel para todos os casos. Enquanto que de maneira aproximada no se pode garantir que o resultado ser timo para todos os casos, apenas garantido que ser de boa qualidade, e com razovel custo computacional. Descritivos: Os modelos descritivos no so utilizados para atingir a melhor soluo. So utilizados geralmente em modelos reais ou propostos, para comparar um ou mais modelos e dizer qual o melhor para cada situao. Exemplo: Em uma fila de banco o que melhor, uma fila nica para todos os caixas. Ou uma fila para cada caixa? Neste exemplo so expostos dois modelos, que sero formulados matematicamente e atravs do modelo matemtico ser definido qual o melhor.

Elementos bsicos de um modelo

Parmetros do modelo: Todas as informaes definidas que servem de base para iniciar o modelo. Variveis de deciso: Interferem diretamente na eficincia do modelo. So elas que sero melhoradas para otimizar o modelo. Restries: So caractersticas que devem ser respeitadas pelo modelo. Algo como: voc pode fazer tudo, menos isso. onde isso seria a restrio. Funo Objetivo: Representao matemtica do objetivo. responsvel por medir a eficincia de cada soluo possvel. Exemplo:Uma empresa de distribuio tem que entregar 100 000 caixas de canetas por ms. Como parmetros, temos a demanda (100 000), prazo (um ms) e a distncia entre empresa e clientes. O que pode ser considerado como varivel de deciso o gasto em combustvel, se no seria melhor trocar de posto de combustvel, colocar uma bomba de combustvel na empresa ou ento construir um depsito de canetas mais prximo aos clientes. Como restries, temos a quantidade de caminhes. E como funo objetivo podemos colocar o custo do transporte (ct) calculado como o combustvel (cb), mais o salrio dos funcionrios (sl) mais o custo da manuteno dos veculos (mnt): ct = cb + sl + mnt. Pode-se imaginar um modelo como uma caixa, onde as paredes so as restries, logo todo o interior da caixa est limitado pelas restries e chamada de regio factvel. Todas as solues dentro da caixa so chamadas de solues factveis, e a melhor soluo entre estas de soluo tima.

Um modelo matemtico escrito formalmente da seguinte maneira: Maximizar/Minimizar f(x) , sujeito a: g(x) >= a h(x) <= b s(x) = c l<=x <= u

Onde f(x) a funo ser otimizada respeitando as restries (lineares ou no lineares) que podem indicar uma necessidade (maior ou igual), uma disponibilidade (menor ou igual) ou um condicionante de maneira exata (igual). Podem-se classificar os modelos das seguintes formas: (1) Existncia de restries: (a) Otimizao irrestrita: quando no h restries. (b) Otimizao restrita: quando h restries. (2) Natureza das variveis: (a) Modelos discretos: A regio factvel formada por um conjunto de alternativas definido, por exemplo, apenas nmeros inteiros, ou apenas binrios, etc. (b) Modelos contnuos: Neste caso a regio factvel contnua, no havendo restries quanto natureza do conjunto de alternativas. (3) Natureza das restries e funo objetivo: (a) Otimizao no-linear: Se alguma das restries ou a funo objetivo no-linear ento o modelo ser no linear. Estes modelos tem uma resoluo muito mais complexa. Em diversos casos pode ser muito caro resolver modelos no lineares de maneira exata. (b) Otimizao linear: A funo objetivo e todas as restries so lineares. H vrios algoritmos eficientes para resolver esses problemas, como exemplos temos o Mtodo Simplex e mais recentemente, os Mtodos de ponto interiores. (4) Nmeros de objetivos do modelo: (a) Otimizao escalar: Quando h apenas uma funo objetivo. (b) Otimizao Multi-Objetivo: Quando h dois ou mais objetivos. H mtodos especficos de programao multi-objetivos, bem como mtodos de escalarizao, transformando os objetivos em um s, resultando em um modelo escalar. (5) Dinmica dos dados de entrada: (a) Modelos estticos: Serve para se ter uma noo superficial do sistema modelado. Por exemplo, saber apenas a quantidade de produtos produzidos, sem entrar em detalhes de tempo, custo, etc. (b) Modelos dinmicos: Quando se quer uma viso mais precisa, tendo como condicionante a varivel tempo, no exemplo acima, acrescentaramos a informao de quanto produzido por dia.

Processo de Modelagem
Em sntese, o processo de modelagem consiste em recolher os dados de entrada do sistema, definir a funo objetivo e suas restries. Aps isso desenha-se o modelo, implementa-o. Usando ele para tomada de decises ou como ferramenta de anlise. Lembrando que modelagem um processo contnuo. Assim, sempre deve ser possvel acrescentar novas varveis, para tentar otimizar os resultados.

ETAPAS DO PROCESSO DE MODELAGEM