Introduo pesquisa operacional

Reinaldo Morabito
Departamento de Engenharia de Produo Universidade Federal de So Carlos morabito@ufscar.br

1. Origens e definio de pesquisa operacional

O termo pesquisa operacional uma traduo (brasileira) direta do termo em ingls operational research, que em Portugal foi traduzido por investigao operacional e nos pases de lngua hispnica, por investigacin operativa.

O surgimento deste termo est ligado a operaes de guerra em problemas de natureza logstica, ttica e de estratgia militar, tais como: inveno do radar (em 1934) deteco de submarinos manuteno e inspeo de avies controle de artilharia antiarea e bombardeios dimensionamento de comboios e abastecimento de tropas escolha dos tipos de embarcaes e aeronaves para uma misso etc.

A anlise cientfica do uso operacional de recursos militares de maneira sistemtica foi iniciada na segunda guerra mundial.

Para apoiar os comandos operacionais na resoluo destes problemas, foram criados grupos multidisciplinares de engenheiros, matemticos, fsicos, cientistas sociais e outros.

Aps o final da guerra, a pesquisa operacional evoluiu rapidamente na Inglaterra e nos Estados Unidos, aplicada em uma variedade de problemas oriundos dos setores pblico e privado.

Em 1952 foi fundada a sociedade cientfica americana de pesquisa operacional ORSA Operations Research Society of America

Em 1953, as sociedades inglesa de pesquisa operacional ORS Operational Research Society e a sociedade americana de cincias de administrao TIMS The Institute of Management Sciences.

Em 1957 foi realizada a primeira conferncia internacional de pesquisa operacional em Oxford, Inglaterra, com trabalhos em diversos temas tais como: teoria de estoques substituio de equipamentos teoria de filas programao (scheduling) de tarefas em mquinas teoria de jogos fluxos em redes otimizao linear

Desde ento, devido ao seu carter multidisciplinar, a pesquisa operacional passou a ser uma disciplina cientfica de caractersticas horizontais, com suas contribuies estendendo-se por praticamente todos os domnios da atividade humana, da engenharia medicina, passando pela economia e gesto empresarial.

A pesquisa operacional tem sido aplicada nas mais diversas reas de indstrias e organizaes de servio (pblicas e privadas) como: Agricultura Alimentao Atacadistas Automveis Aeronutica Coleta de lixo Educao Eletrnica Energia Esportes Finanas Farmacutica Msseis Mveis Papel e papelo Petrleo Propaganda Qumica Naval Telecomunicaes Trnsito Transportes Turismo Varejistas etc.

Computadores Hospitais Bancos Bibliotecas Defesa

Metal mecnica Sade Metalurgia Minerao Seguradoras Sistemas judiciais

Atualmente existem vrias sociedades cientficas em diversos pases que agregam pessoas e entidades interessadas na teoria e prtica da pesquisa operacional.

Alguns exemplos so: ORS (Operational Research Society) na Inglaterra INFORMS (Institute for Operations Research and the Management Sciences) nos Estados Unidos, criado em 1995 agregando as sociedades anteriores ORSA e TIMS GOR (German Operations Research Society) na Alemanha CORS (Canadian Operations Research Society) no Canad APDIO (Associao Portuguesa de Investigao Operacional) em Portugal Etc.

Existem tambm grupos regionais de associaes de sociedades cientficas de pesquisa operacional, como: ALIO (Associacin Latino-Ibero-Americana de Investigacin Operativa), que rene 12 sociedades cientficas EURO (Associao das Sociedades de Pesquisa Operacional da Europa), que rene 29 sociedades cientficas APORS (Associao das Sociedades de Pesquisa Operacional da sia e do Pacfico), que rene 10 sociedades cientficas NORAM (Associao das Sociedades de Pesquisa Operacional da Amrica do Norte).

Tem-se tambm a Federao Internacional das Sociedades de Pesquisa Operacional: IFORS (International Federation of Operational Research Societies), que rene 52 membros de sociedades nacionais e mais os grupos regionais.

A pesquisa operacional iniciou-se no Brasil basicamente na dcada de 60.

O primeiro simpsio brasileiro de pesquisa operacional foi realizado em 1968 no ITA em So Jos dos Campos, SP.

Em seguida foi fundada a: SOBRAPO (Sociedade Brasileira de Pesquisa Operacional www.sobrapo.org.br), que publica o peridico cientfico Pesquisa Operacional (www.scielo.br/pope) h mais de 30 anos.

A SOBRAPO define pesquisa operacional como:

Uma cincia aplicada voltada para a resoluo de problemas reais, que, tendo como foco a tomada de decises, aplica conceitos e mtodos de outras reas especficas para concepo, planejamento ou operao de sistemas para atingir seus objetivos.

Para alguns autores, pesquisa operacional significa abordagem cientfica para tomada de decises, que procura determinar como melhor projetar e operar um sistema, usualmente sob condies que requerem a alocao de recursos escassos.

De forma sucinta, podemos dizer que pesquisa operacional um enfoque cientfico para tomada de decises.

A denominao pesquisa operacional comumente motivo de crticas e reflexes, pois no reflete a abrangncia da rea e pode dar a falsa impresso de estar limitada anlise de operaes.

Alguns autores sugerem outras denominaes preferveis, por exemplo, anlise de decises, mas o termo pesquisa operacional bastante difundido no mbito das engenharias e outras cincias.

Mais recentemente, a pesquisa operacional tambm tem sido chamada decincia e tecnologia de deciso.

(i) O componente cientfico est relacionado com idias e processos para articular e modelar problemas de deciso, determinando os objetivos do tomador de deciso, e as restries sob as quais se deve operar. Tambm est relacionado com mtodos matemticos para otimizar sistemas numricos que resultam quando dados so usados nos modelos.

(ii) O componente tecnolgico est relacionado com ferramentas de software e hardware para coletar e comunicar dados, organizar estes dados, usando-os para gerar e otimizar modelos e reportar resultados. Ou seja, a pesquisa operacional est se tornando um importante elemento nas metodologias de tecnologia de informao.

A sociedade americana INFORMS atualmente define pesquisa operacional e cincias de administrao como disciplinas profissionais que tratam da aplicao da tecnologia de informao para tomada de decises informada.
10

No mbito da engenharia de produo , a pesquisa operacional tem sido aplicada principalmente nas atividades de: produo logstica ( cadeias de suprimento ).

Problemas de planejamento, programao e controle da comple xos e incertos, com: incertezas nas demandas de produtos dos clientes restries de capacidades dos processos de fabricao necessidades de matrias primas e estoques intermedirios

produo , em geral, envolvem ambientes

limitaes de disponibilidade de recursos como mo de obra e capital possi bilidades de falhas de equipamentos e faltas de energia etc.

11

Problemas de planejamento e operao logsticos tambm so objetos de pesquisa operacional, tais como: projeto da rede logstica localizao de instalaes e facilidades (e.g., fbricas, centros de distribuio) gesto de estoques de produtos na rede leiaute dos armazns dimensionamento de frota de veculos roteamento e programao de veculos logstica reversa

Estes problemas tambm envolvem ambientes complexos e incertos, com: incertezas nas demandas dos clientes dispersos na rede logstica necessidades de estoques em centros de distribuio centrais e regionais da rede, restries nas operaes de movimentao e manuseio de materiais dentro dos centros de distribuio limitaes nas capacidades de transporte de carga entre os fornecedores, centros e clie ntes etc.
12

2. Resoluo de problemas com modelos matemticos

Se fazer cincia a capacidade de observar e descrever fenmenos naturais, sociais, econmicos, dentre outros, a matemtica tem uma importncia fundamental na descrio desses fenmenos.

A partir da observao de fenmenos, processos ou sistemas, que podem ser fsicos, qumicos, biolgicos, econmicos, busca-se leis que os regem.

Essas leis, se passveis de serem descritas por relaes matemticas, do origem aosmodelos matemticos.

Aqui o termo modelo usado como objeto abstrato, que procura imitar as principais caractersticas de um objeto real, para fins de representar o objeto real.

13

Em geral, para formular um modelo matemtico, simplificaes razoveis do sistema ou problema real precisam ser consideradas (em diferentes nveis) e a validao do modelo depende da soluo do modelo matemtico ser coerente com o contexto original.

Desta maneira, uma anlise qualitativa precede a anlise quantitativa.

O modelo matemtico uma representao simplificada (abstrao) do problema real.

Por um lado, ele deve ser suficientemente detalhado para captar os elementos essenciais e representar o sistema real Por outro lado, deve ser suficientemente simplificado (abstrado) para ser tratvel por mtodos de anlise e resoluo conhecidos.

14

Processo simplificado da abordagem de soluo de um problema usando a modelagem matemtica

15

Formulao (modelagem): define as variveis e as relaes matemticas para descrever o comportamento relevante do sistema ou problema real.

Deduo (anlise): aplica tcnicas matemticas e tecnologia para resolver o modelo matemtico e visualizar quais concluses ele sugere.

Interpretao (inferncia): argumenta que as concluses retiradas do modelo tm significado suficiente para inferir concluses ou decises para o problema real.

Avaliao (julgamento) destas concluses ou decises inferidas: indica se elas so adequadas; no caso de no serem, a definio do problema e sua modelagem matemtica precisam de reviso e, ento, todo ciclo repetido.

16

Alguns autores sugerem que pesquisa operacional ambos cincia e arte: cincia por causa das tcnicas matemticas envolvidas (objetivo) arte porque o sucesso de todas as fases que precedem e sucedem a soluo do modelo matemtico depende muito da criatividade e experincia do pessoal de pesquisa operacional (subjetivo).

A abordagem de resoluo de um problema por meio de pesquisa operacional envolve vrias fases baseadas no diagrama da figura anterior: (i) definio do problema (ii) construo do modelo (iii) soluo do modelo (iv) validao do modelo (v) implementao da soluo.

17

(i) Definio do problema: define o escopo do problema em estudo.

(ii) Construo do modelo: traduz a fase (i) em relaes matemticas ou lgicas de simulao, ou alguma combinao delas.

(iii) Soluo do modelo: utiliza mtodos de soluo e algoritmos conhecidos para resolver o modelo da fase (ii).

(iv) Validao do modelo: verifica se o modelo proposto representa apropriadamente o problema, ou seja, se o modelo prediz adequadamente o comportamento do sistema.

(v) Implementao do modelo: preocupa-se com a implementao da soluo na prtica, traduzindo os resultados do modelo em decises.

18

A qualidade da soluo de um modelo depende da preciso com que este modelo representa o problema.

Um modelo mais preciso, mesmo que resolvido de forma aproximada, pode ser bem mais til do que um modelo menos preciso resolvido de forma exata.

A qualidade da soluo do modelo tambm depende da qualidade dos dados de entrada do modelo; a conhecida expresso inglesa garbage in, garbage out (entra lixo, sai lixo) sintetiza isso.

Obviamente, um modelo matemtico nem sempre formulado de uma s vez e podem ter ciclos entre os as fases (i)-(v) para reviso do modelo.

19

Algumas vezes, a anlise da soluo do modelo suficiente para evidenciar inconsistncias no mesmo e ento reformulamos o modelo. Outras vezes, somente aps a operao do modelo na prtica que somos capazes de detectarfalhas e ento repetimos todo ciclo.

Com:

aprimoramento dos mtodos de soluo dos modelos desenvolvimento tecnolgico dos computadores e da informtica (principalmente a partir dos anos 80, com a popularizao dos microcomputadores)

tem sido possvel resolver modelos de pesquisa operacional cada vez mais complexos, outrora intratveis.

As solues dos modelos apiam o processo de tomada de decises, mas em geral diversos outros fatores pouco tangveis, no quantificveis, tambm so levados em considerao para a deciso final (por exemplo, solues que no levem em conta o comportamento humano podem falhar).

Convm salientar que modelos no substituem tomadores de deciso.

20

Exemplos de modelos matemticos so os modelos de programao matemtica (otimizao matemtica) como:

programao linear (otimizao linear) - em que as funes (objetivos e restries) so lineares nas variveis e as variveis podem assumir valores contnuos (fracionrios)

programao discreta (otimizao binria, inteira) - em que as funes so lineares nas variveis, mas as variveis s podem assumir valores inteiros (i.e., 0, 1, 2, ...)

programao (fluxos) em redes (otimizao em redes) - baseados na representao do problema numa rede ou grafo

programao no-linear (otimizao no-linear) - em que as funes podem ser no lineares nas variveis.

21

A forma geral de um modelo de programao matemtica :

Minimizar ou maximizar funes objetivos,

sujeito a restries.

22

Outros exemplos de modelos matemticos so:

modelos de programao estocstica (otimizao probabilstica) - que consideram incertezas dos parmetros dos sistemas

modelos baseados em teoria de filas - para estudar a congesto em sistemas e determinar medidas de avaliao de desempenho e polticas timas de operao

modelos de previso - baseados em sries temporais para prever, por exemplo, a demanda futura de produtos (e.g., modelos de regresso linear e suavizao exponencial, modelos de Box -Jenkins e inferncia bayesiana)

modelos de gesto de estoques - para planejar e controlar os nveis de estoques num sistema de produo

23

modelos econmicos - para representar as inter-relaes entre vrios setores da economia de uma regio (e.g., modelos de fluxo de Leontief, modelos de entrada -sada ou insumo-produto)

modelos baseados nas tcnicas de programao dinmica determinstica e estocstica - que utilizam frmulas recursivas para decompor o problema em uma srie de problemas menores e mais simples de serem resolvidos.

24

Alguns autores separam os modelos de pesquisa operacional em: (i) Modelos de programao matemtica (determinsticos) Alm dos modelos de programao linear, discreta, no linear e fluxos em redes, incluem: modelos de programao multi-objetivos, que consideram situaes com mltiplos objetivos (critrios a serem otimizados) possivelmente conflitantes, modelos baseados em tcnicas de programao dinmica determinstica.

(ii) Modelos estocsticos (probabilsticos) Incluem os modelos baseados em: programao estocstica e otimizao robusta, programao dinmica estocstica, teoria de deciso (com incerteza), teoria de jogos, controle de estoques, previso e sries temporais, cadeias de Markov e processos markovianos de deciso, teoria de filas, e simulao.

25

3. Exemplo ilustrativo de modelagem matemtica

Sistema MRP: O sistema computacional MRP II (Manufacturing Resource Planning) largamente usado para o planejamento e controle de sistemas de manufatura.

Este sistema uma verso expandida do sistema MRP (Material Requirements Planning), e inclui finanas, contabilidade e outros aspectos comerciais.

O MRP usado para determinar quanto e quando produzir ou comprar componentes e matrias primas para produzir itens finais.

26

Considere uma estrutura em rvore dos itens componentes 4, 5, 6, 7, e 8, usados para produzir os itens finais 1, 2, e 3. com quatro nveis: (i) o nvel 1 corresponde aos itens finais 1, 2, e 3 (ii) o nvel 2 est associado aos itens componentes 4 e 5 (iii) o nvel 3 ao item componente 6 (iv) o nvel 4 aos itens componentes 7 e 8.

27

De modo geral, a lgica do sistema MRP composta de duas fases interativas:

Fase I: Admita que a demanda externa dos itens finais seja conhecida ao longo de um horizonte de planejamento de T perodos, e que um lote de um item componente esteja disponvel no mesmo perodo em que foi produzido ou encomendado (para facilitar a explicao).

Calcula-se ento o tamanho dos lotes dos itens finais 1, 2 e 3 no nvel 1 em cada perodo do horizonte de planejamento. Estes lotes geram demandas internas dos itens componentes 4 e 5 do nvel 2 em cada perodo. Prosseguindo desta forma, calcula-se o tamanho dos lotes dos itens componentes 6 no nvel 3 em cada perodo. Em seguida, calcula-se o tamanho dos lotes dos itens componentes 7 e 8 no nvel 4 em cada perodo.

O clculo dos tamanhos dos lotes de todos os itens ignora restries de capacidade, tais como horas de trabalho e horas de mquinas disponveis.
28

Por exemplo, suponha que as demandas dos itens finais 1, 2 e 3 num certo perodo so: 10, 10 e 10, e que para a produo de cada unidade de cada item necessrio uma unidade de cada item componente. 10 10 10

40

40

Logo, se foram produzidas 10, 10 e 10 unidades dos itens finais 1, 2 e 3 neste perodo, sero necessrias 10 e 10 unidades dos itens componentes 4 e 5, e 40, 40 e 40 unidades dos itens componentes 6, 7 e 8, respectivamente.
29

Fase II: Calcula-se a capacidade utilizada para a produo dos lotes de cada item em cada perodo.

Se esta capacidade maior que a capacidade disponvel em um ou mais perodos, retorna-se fase I e altera-se os planos de produo, isto , os tamanhos dos lotes dos itens finais e itens componentes ao longo do horizonte de planejamento.

Este procedimento interativo entre as duas fases prossegue at que se ache uma soluo que respeite a capacidade disponvel.

Este procedimento pode consumir muito tempo computacional, ou ainda pode no encontrar uma soluo que atenda as restries de capacidade.

30

Para ilustrar estas duas fases, considere um exemplo simples de produo de 2 itens: um item final, denotado por item 1, que possui um nico item componente, denotado por item 2. Item 1 -------- Item 2

Uma unidade do item 1 requer uma unidade do item 2.

Considere que: estoque inicial dos dois itens zero horizonte de planejamento consiste de 4 semanas 80 horas de trabalho esto disponveis a cada semana.

A demanda do item 1 em cada semana conhecida e deve ser atendida pela produo ou estoque do ite m 1.

31

O custo total de um plano de produo, ao longo do horizonte de planejamento, compreende:

(i) custo fixo e custo varivel de produo de cada item em cada semana o custo fixo independe da : quantidade produzida, e est associado preparao de mquinas, e nquanto o custo varivel depende do tamanho do lote.

(ii) custo de estoque: quando um lote de um item produzido em uma semana para atender a demanda de uma semana futura.

O problema de deciso pode ento ser enunciado da seguinte forma:

Quanto deve ser produzido de cada item em cada semana de forma a minimizar o custo total, respeitando a restrio de capacidade?

32

A soluo deste problema est longe de ser trivial, e envolve umbalanceamento entre os custos de produo e estoque. Ao se ignorar a restrio de capacidade, tem-se dois planos de produo extremos com relao a estes custos.

(i) O plano de produo que atende exatamente a demanda de cada semana leva a um custo zero de estoque, porm, em geral, a um alto custo de produo.

(ii) O outro plano corresponde a produzir na primeira semana a demanda total, isto , a demanda das 4 semanas. Este plano, em geral, corresponde a um baixo custo de produo, mas resulta em um alto custo de estoque.

Provavelmente, o melhor plano de produo consiste de decises intermedirias, com produo em alguns perodos do horizonte de planejamento.

33

A seguinte notao utilizada para a descrio de um modelo matemtico.

Itens so representados por i, i = 1, 2, e perodos de tempo so denotados por t, t = 1, 2, 3, 4.

Considere os seguintes parmetros do problema: d1t = demanda do item 1 no perodo t; hi = custo unitrio de estoque por perodo do item i; Si = custo fixo de produo do item i; ci = custo unitrio de produo do item i; ai = tempo de trabalho para produzir uma unidade do item i.

34

Os valores dos parmetros do exemplo so mostrados na tabela abaixo:

d1t
t 1 t 2 t 3 t 4

hi

Si

ai ci

i 1 i 2

30 -

25 -

25 -

20 -

25 900 10 850

1 1

1 1

A modelagem de um problema de pesquisa operacional, e em particular de programao matemtica, envolve trs aspectos fundamentais: (i) definio das decises a serem tomadas; (ii) restries que limitam as escolhas das decises; (iii) objetivos que determinam preferncias na escolha de decises.

35

(i) Voltando ao nosso exemplo, quais as decises a serem tomadas?

Como j ressaltado, as decises compreendem o tamanho dos lotes produzidos dos itens 1 e 2 em cada semana. A quantidade em estoque dos itens 1 e 2 tambm so decises que dependem das decises dos tamanhos dos lotes produzidos em cada semana.

(ii) Quais so as restries que restringem o tamanho dos lotes dos itens 1 e 2?

A capacidade disponvel em horas de trabalho em cada perodo (80 horas) limita as decises. Alm disso, a demanda precisa ser atendida sem atraso.

(iii) O que faz uma deciso ser melhor do que outra?

No caso deste exemplo, o objetivo minimizar a soma dos custos de produo e estoque. Portanto, a deciso que leve ao valor mnimo deste custo total a preferida.
36

Considere as variveis de deciso:

xit = quantidade do item i produzida no perodo t;

I it = estoque do item i no final do perodo t (igual ao estoque no incio do perodo t+1).

Defina o custo de produo do item i no perodo t como:

Kit ( xit )

Si ci xit 0 se xit

se xit 0.

O modelo matemtico de otimizao para este exemplo pode ser formulado minimizando a soma dos custos: K11(x11) + h1I11 + K12(x12) + h1I12 + + K24(x24) + h2I24

37

Minimizar
i 1 t 1

{K it ( xit ) hi I it }
I1t I 2t I1, t I 2, t
1 1

x1t x2t

d1t , t 1, 2,3, 4 x1t , t 1, 2,3, 4

a1x1t

a2 x2t

80, t 1, 2,3, 4

xit

0, Iit

0, i = 1, 2, t = 1, 2, 3, 4

com I10 = I20 = 0, isto o estoque inicial dos itens no perodo t = 1 nulo. A primeira expresso chamada de funo objetivo, e neste modelo expressa a minimizao dos custos de produo e de estoque ao longo do horizonte de planejamento.

As restries seguintes correspondem ao balanceamento de estoque dos itens 1 e 2 em cada perodo t.

As outras restries garantem que o consumo de capacidade em cada perodo t limitado por 80 horas por semana, e que as variveis so no-negativas.
38

Uma soluo factvel (ou vivel) para o modelo anterior uma escolha para os valores das variveis que satisfaz todas as restries.

Uma soluo tima uma soluo factvel que minimiza a funo objetivo.

Pode-se ter uma ou mltiplas solues timas para um modelo, todas com mesmo valor da funo objetivo.

Um mtodo timo (ou exato) para um modelo de otimizao aquele que gera uma soluo tima.

Em casos em que o modelo complexo, determinar uma soluo tima em tempo computacional razovel (considerando as decises envolvidas) pode ser muito difcil ou at impossvel com as ferramentas e tcnicas conhecidas na atualidade.

Ento podemos utilizar um mtodo heurstico (ou no-exato) para gerar uma boa soluo (soluo sub-tima) para o modelo.
39

As fases I e II do MRP descritas anteriormente constituem um procedimento para tentar obter uma soluo factvel, no necessariamente tima.

Para o exemplo anterior, a fase I pode ser descrita mais detalhadamente pelos seguintes passos:

Passo 1: Aplique um mtodo para achar a soluo tima para o item 1 isoladamente, isto , resolva o sub-problema:
4

Minimizar
t 1

{K 1t ( x1t ) h1 I 1t }

I1t

I1, t

x1t

d1t , t 1, 2,3, 4

x1t

0, I1t

0, t 1,..., 4

e denote a soluo tima por:

* * x1t , I1t , t 1, 2,3, 4

40

Passo 2: Aplique um mtodo para achar a soluo tima para o item 2 isoladamente, isto , resolva o sub-problema:

Minimizar
t 1

{K 2t ( x2t ) h2 I 2t }
I 2t I 2, t
1

x2t

* x1t , t 1, 2,3, 4

x1t

0, I1t

0, t 1,..., 4

e denote a soluo tima por:

* * x2t , I 2t , t 1, 2,3, 4

* Note que os valores x1t , t 1, 2,3, 4 tornam-se demandas para a equao de balanceamento de estoque

do item 2 em cada perodo t.

Estas demandas so chamadas de demandas dependentes, na literatura sobre MRP.

41

Passo 3: Verifique se a restrio de capacidade do modelo satisfeita, isto , se:

* a1x1t

* a2 x2t

80, t 1, 2,3, 4

Se estas restries de capacidade so satisfeitas, ento a soluo

* * * * x1t , I1t , x2t , I 2t , t 1, 2,3, 4

uma soluo factvel, no necessariamente tima.

Caso contrrio, o procedimento falha, pois no gera uma soluo factvel para o problema.

42

Os passos 1-3 constituem um mtodo heurstico para resoluo do modelo que, ao contrrio de um mtodo timo, no garante que a soluo encontrada seja factvel (mesmo que o problema tenha pelo menos uma soluo factvel) ou tima.

Existem heursticas propostas na literatura que formalizam procedimentos adicionais de transferncia de quantidades de produo dos itens entre os perodos, em busca de uma soluo factvel e de baixo custo (fase II).

A heurstica descrita anteriormente razovel no sentido de que decompe um problema de mltiplos itens interdependentes em sub-problemas independentes, um para cada item.

No entanto, sua desvantagem no levar em considerao a restrio de capacidade do modelo.

Mesmo que esta restrio no exista no problema, este procedimento ainda heurstico, pois a soluo tima dos sub-problemas independentes no corresponde, em geral, soluo tima do problema original.
43

A seguir aplicamos os passos 1-3 da heurstica ao exemplo - a soluo obtida no passo 1 :

Plano de produo para item 1 obtido no passo 1 Item1 Perodo Demanda Plano de produo Estoque 1 30 55 25 2 25 0 0 3 25 45 20 4 20 0 0

O plano de produo do item 1 a demanda dependente do item 2 - a soluo obtida no passo 2 :

Plano de produo para item 2 obtido no passo 2 Item 2 Perodo Demanda Plano de produo Estoque 1 55 55 0 2 0 0 0 3 45 45 0 4 0 0 0

44

Ao executarmos o passo 3, observamos que a capacidade consumida na produo dos itens 1 e 2 : 110 horas no perodo 1 90 horas no perodo 3

excedendo a capacidade disponvel de 80 horas em cada perodo.

Este poderia ser o plano de produo gerado por um software comercial MRP, alertando que o plano no factvel do ponto de vista da capacidade disponvel.

45

Para gerar um plano factvel, analisemos o adiamento da produo do item 1.

A quantidade mxima de produo do item 1 que pode ser transferida do perodo 1 para o perodo 2 de 25 unidades, devido demanda do item 1 no perodo 1.

Transferindo-se esta quantidade para o perodo 2, o novo plano de produo do item 1 :

Plano de produo para item 1 factvel Item1 Perodo Demanda Plano de produo Estoque 1 30 30 0 2 25 25 0 3 25 45 20 4 20 0 0

46

A capacidade necessria no perodo 1 para a produo dos itens 1 e 2 de 85 unidades, 5 unidades a mais do que a disponvel.

Para eliminar este excesso de capacidade de 5 unidades, transfere-se 5 unidades de produo do item 2 do perodo 1 para o perodo 2:

Plano de produo para item 2 revisado Item 2 Perodo Demanda Plano de produo Estoque 1 30 50 20 2 25 5 0 3 45 45 0 4 0 0 0

47

A capacidade necessria no perodo 3 para a produo dos itens 1 e 2 de 90 unidades, 10 unidadesa mais do que a disponvel.

Para eliminar o excesso de capacidade de 10 unidades do perodo 3, podemos transferir 45 unidades do item 2 para o perodo 2, eliminando assim o gasto de custo fixo deste item no perodo 3.

Plano de produo para item 2 factvel Item 2 Perodo Demanda Plano de produo Estoque 1 30 50 20 2 25 50 45 3 45 0 0 4 0 0 0

O custo desta soluo heurstica factvel 5750.

48

Aplicando-se um dos mtodos timos para resolver o modelo original, obtemos a soluo tima do exemplo, com custo 5700:

Plano de produo para item 1 timo Item1 Perodo Demanda Plano de produo Estoque 1 30 30 0 2 25 25 0 3 25 45 20 4 20 0 0

Plano de produo para item 2 timo Item 2 Perodo Demanda Plano de produo Estoque 1 30 45 15 2 25 55 45 3 45 0 0 4 0 0 0

49

Este exemplo ilustra a convenincia e importncia de utilizar modelos de pesquisa operacional.

Uma anlise adicional importante verificar como esta soluo se altera em funo de possveis perturbaes nos valores dos parmetros do problema (anlise de sensibilidade), por exemplo: devido a incertezas nas demandas capacidades dos perodos

Com o uso de modelos, essa anlise pode ser feita, por exemplo, resolvendo o modelo para -se diferentes cenrios (valores de parmetros) e comparando-se as solues obtidas.

50

Vrios livros de pesquisa operacional podem ser encontrados na literatura descrevendo o escopo e as aplicaes de pesquisa operacional.

Outras fontes de informaes so os diversos peridicos cientficos de pesquisa operacional.

Para ilustrar, a seguir descrevemos alguns exemplos de aplicaes de sucesso de pesquisa operacional em grandes empresas e organizaes de diversos setores. (mais detalhes destes exemplos podem ser encontrados no site: www.scienceofbetter.org)

51

(i) Planejamento da produo, estocagem e distribuio na Kellog Utilizando modelos de programao linear multi-perodos para auxiliar no processo de tomada de decises de produo e distribuio dos seus cereais, a Kellog desenvolveu : um modelo de planejamento operacional para determinar onde produzir os produtos e como transport-los entre as plantas e os centros de distribuio nas prximas semanas. um modelo de planejamento ttico para apoiar decises de expanso de capacidade de produo e de localizao de centros de distribuio nos prximos 12 a 24 meses. A Kellog estima que: com o uso do modelo de otimizao operacional, reduziu os custos de produo, estocagem e distribuio em US$ 4,5 milhes por ano com o uso do modelo de otimizao ttico, passou a economizar cerca de US$ 40 milhes por ano.

52

(ii) Dimensionamento da capacidade de recuperao da rede de comunicao da AT&T. Para garantir alta confiabilidade na sua rede de comunicao, a AT&T tenta prevenir falhas nas conexes da rede e responder rapidamente quando falhas ocorrem. Para redirecionar rapidamente o trfego interrompido no caso de uma falha, a rede precisa ter capacidade de recuperao suficiente para re-roteirizar esta demanda de clientes. Utilizando modelos de programao linear, com procedimentos de gerao de colunas, para determinar: localizao quantidade de capacidade requerida para recuperar a demanda de clientes durante uma falha na rede, a AT&T melhorou a confiabilidade da sua rede e a qualidade do servio aos seus clientes. As necessidades de capacidade de recuperao da rede foram reduzidas em 35% e economizando recursos valiosos estimados em centenas de milhes de dlares.

53

(iii) Programao do patrulhamento policial na cidade de So Francisco. Utilizando modelos de programao linear e programao inteira (discreta), o Departamento de Polcia de So Francisco nos EUA toma decises de: programao escalonamento de policiais para patrulhamento da cidade.

O Departamento estima que, com o uso dos modelos, passou a economizar cerca de US$ 11 milhes por ano e melhorou seus tempos de resposta em 20%.

54

(iv) Programao de tripulao area da Air New Zealand. Utilizando modelos de programao inteira, baseados em modelos de partio de conjuntos, a companhia area Air New Zealand toma decises de: como escalonar turnos de trabalho (roteiros de trabalho que alternam seqncias de vos e perodos de descanso) para cobrir todos os seus vos programados (centenas de vos semanais), como alocar os membros das tripulaes (milhares de tripulantes) a estes roteiros, com o menor custo possvel.

A Air New Zealand estima que, com o uso dos modelos, passou a economizar mais de NZ$ 15 milhes por ano, o equivalente a mais de 10% do seu lucro operacional lquido.

55

(v) Dimensionamento e gerenciamento de testes de veculos prottipos na Ford. Utilizando modelos de programao inteira, baseados em modelos de cobertura de conjuntos, e modelos de simulao, a Ford desenvolveu um modelo de otimizao de prottipos para : orar planejar gerenciar a frota de veculos prottipos, com o objetivo de minimizar o nmero de veculos construdos e sujeito s restries dos testes a serem realizados nos veculos dentro dos prazos estabelecidos.

O modelo reduziu em cerca de 25% o tamanho da frota necessria de prottipos, resultando em economias estimadas pela Ford de cerca de US$ 250 milhes por ano.

56

(vi) Roteamento e programao dos tcnicos de manuteno dos elevadores da Schindler. Utilizando modelos de programao inteira, baseados em modelos de roteamento de veculos peridico, para: alocar milhares de tcnicos para servios de manuteno peridica preventiva e corretiva em dezenas de milhares de elevadores instalados nos EUA, a Schindler melhorou a qualidade dos roteiros percorridos pelos seus tcnicos e o nvel de servio oferecido aos seus clientes.

A Schindler estima que, com o uso dos modelos, passou a economizar cerca de US$ 1 milho por ano.

57

(vii) Planejamento estratgico e operacional da produo da Tata Steel. Utilizando modelos de programao inteira para: maximizar a contribuio ao lucro do mix de produo, sujeito a: restries de marketing, capacidades produtivas, limitaes de recursos e energia, e balanceamento de oxignio, a siderrgica indiana Tata Steel obteve benefcios da ordem de US$ 73 milhes por ano.

O uso dos modelos tambm motivou uma mudana na estratgia gerencial da empresa, passando a focar a maximizao da contribuio ao lucro, ao invs da maximizao da produo (tonelagem).

58

(viii) Programao de caminhes na North American Van Lines. Utilizando modelos de fluxos em redes e programao dinmica para auxiliar no processo de tomada de decises de: programao de caminhes alocao de motoristas, a transportadora americana North American Van Lines melhorou o nvel de servio aos clientes e estima que reduziu seus custos anuais em cerca de US$ 2,5 milhes por ano.

59

(ix) Planejamento da produo em refinarias de petrleo da Texaco. Utilizando modelos de programao no-linear, baseados em modelos de mistura, a Texaco toma decises de como refinar leo cru em suas refinarias para produzir: gasolina regular unleaded, gasolina plus unleaded gasolina super unleaded.

A Texaco estima que, com o uso dos modelos, passou a economizar cerca de US$ 30 milhes por ano. Os modelos permitem a Texaco responder diversas questes do tipo what-if, por exemplo, de quanto um aumento de 0,01% do contedo de enxofre na gasolina regular aumenta o custo de produo desta gasolina.

60

(x) Planejamento da cadeia de suprimentos global da IBM. Combinando modelos de teoria de filas, controle de estoques e simulao para analisar o trade-off entre os nveis de servio aos clientes e os investimentos em estoques, a IBM revisou : projeto operao da sua cadeia de suprimentos global (rede de instalaes interconectadas com diversos locais de estocagem) para responder mais rpido aos seus clientes, mantendo menores nveis de estoque na rede.

A IBM estima que, com o uso dos modelos, ela obteve economias de cerca de US$ 750 milhes por ano.

61