P

ESQUISA
PERACIONAL

Mrio Srgio Leite

Anand Cheela Alves Jales de Queiroz
PESQUISA

home

Slide 1 de 93

AGENDA

1. Introduo a Pesquisa Operacional

1.1 Aspectos Histricos
1.2 Definio de Pesquisa Operacional
2. Programao Matemtica
2.1 Programao Linear
2.1.1 Caso Portman-Johansson
2.2 Fluxos em Redes
2.2.1 Caso Caminho Mnimo Casa-Ufersa
3. Modelos Estocsticos
3.1 Teoria dos Jogos
3.1.1 Caso do Dilema do Prisioneiro
3.1.2 Aplicao: Tese de Ps-graduao
3.2 Teoria de Filas
3.2.1 Aplicao: Artigo
4. Anlise de Demanda
4.1 Aplicao: Artigo
5. Processos Decisrios
5.1 Caso do Terreno com (ou sem) Petrleo
6. Modelagem
6.1 Definio de Modelagem
6.2 Tipos de Modelagem
6.3 Arena
7. Referncias

PESQUISA

home

Slide 2 de 93

Introduo
Pesquisa Operacional

PESQUISA

home

Slide 3 de 93

2 Guerra Mundia

ImagemPESQUISA
retirada do filme O Resgate do Soldado Ryan

home

Slide 4 de 93

Aspectos
Na 2 Guerra Mundial, a Pesquisa Operacional
histricos
surgiu para resolver problemas
- de natureza logstica,
- de natureza ttica e
- de estratgia militar.
Os problemas eram complexos, com necessidade
de envolvimento de tcnicas matemticas
complexas.
Com o fim do conflito, houve a transferncia do
conhecimento adquirido para a rea civil.

PESQUISA

home

Slide 5 de 93

Mas afinal,
o que
Pesquisa Operacional?

PESQUISA

home

Slide 6 de 93

Definio de PO
uma abordagem cientfica para a tomada de
decises.
cincia devido as tcnicas matemticas e
recursos com-putacionais (objetividade) e
arte porque depende mui-to da criatividade e
experincia de quem aplica os con-ceitos de
Introduo Engenharia de Produo, BATALHA.
PO (subjetividade).

PESQUISA

home

Slide 7 de 93

Definio de PO
Exemplos de Problemas de Tomada de Deciso:

- Se um dado combustvel obtido de uma mistura de

produto de preos variados, qual a composio de
menos custo com poder calorfico suficiente?
- Se existem vrios caminhos que ligam duas cidades,
qual a que propicia o mnimo de gasto de
combustvel?
- Se o espao para armazenamento limitado, de
quanto deve ser o pedido de material para atender a
demanda de um certo perodo?
Introduo a Pesquisa Operacional, MORAES.

PESQUISA

home

Slide 8 de 93

Programao
Matemtica

PESQUISA

home

Slide 9 de 93

Programao
Matemtica
Um modelo de programao matemtica

representa alternativas ou escolhas desse

problema como variveis de deciso e procura
por valores dessas variveis de deciso que
minimizam ou maximizam funes dessas
variveis, chamadas funes objetivos,
sujeito a restries sobre os possveis valores
dessas variveis de deciso. Abaixo os subitens:
- Programao Linear
- Programao Discreta
- Programao No-linear
- Fluxo de Redes
- ProgramaoIntroduo
Multi-objetivos
Engenharia de Produo, BATALHA
PESQUISA

home

Slide 10 de

Programao Linear e
Fluxo de Redes

PESQUISA

home

Slide 11 de

Prog. Linear e Fluxo

de
Redes
Programao Linear
Os problemas de Programao Linear (PL)
buscam a distribuio eficiente de recursos
limitados para atender um determinado
objetivo, em geral, maximizar lucros ou
minimizar custos. Em se tratando de PL,
esse objetivo expresso atravs de uma
funo linear, denominada de "Funo
Objetivo".

PESQUISA

home

Slide 12 de

Prog. Linear e Fluxo

Para a
resoluo de problemas de
de
Redes
Programao Linear, usa-se grficos,
comando solver do excel, LINDO, etc

Linear Interactive and Discrete Optimizer

PESQUISA

home

Slide 13 de

Caso
Portman-Johansson

PESQUISA

home

Slide 14 de

Considere que voc est saindo

com duas mulheres:

Natalie
Portman

PESQUISA

Scarlett
Johansson
home

Slide 15 de

Exemplo 1: Caso PortmanJohansson

Restries :
- Uma no pode saber da outra. Para isso , voc tem
que lev-las a lugares diferentes em dias
diferentes. (restrio operacional)
- O dinheiro limitado, portanto voc no pode sair
todos os dias. (restrio logstica/ matemtica)
- O tempo limitado, portanto deve haver um
planejamento do tempo gasto com cada uma.
(restrio logstica/matemtica)

PESQUISA

home

Slide 16 de

Natalie Portman
- chique, s gosta de restaurantes caros
(de Tenda pra cima), num encontro com
ela voc vai gastar R$180,00.

- calma, sossegada, um encontro com ela

dura 2 horas.

PESQUISA

home

x1

Slide 17 de

Scarlett Johansson
- mais simples, gosta de lugares mais
baratos (como o seboso), num encontro
com ela voc vai gastar R$100,00.

- agitada, gosta de fazer muitas coisas

na noite, um encontro com ela dura
4horas.

PESQUISA

home

x2

Slide 18 de

Exemplo 1: Caso PortmanJohansson

Voc pode gastar R$ 800,00 por semana com elas.

Voc tem 20 horas livres para sair com elas na

semana.

Quantas vezes voc vai poder sair com Natalie

numa semana? E com Scarlett?

PESQUISA

home

Slide 19 de

Exemplo 1: Caso PortmanJohansson

Chamemos assim:
x1 a quantidade de vezes que voc sai com
Natalie Portman.
x2 a quantidade de vezes que voc sai com
Scarlett Johansson.

PESQUISA

home

Slide 20 de

Exemplo 1: Caso PortmanJohansson

Resumindo:
- Se voc sai x1 vezes com Natalie por semana
e cada noite com ela custa R$180,00, ento sair
com Natalie custar 180 x1. Com Scarlett ser
100 x2. A mesma lgica se aplica ao tempo.
Portanto teremos:

180 x1 100 x2 800

2 x1 4 x2 20

PESQUISA

home

Slide 21 de

Exemplo 1: Caso PortmanJohansson

180 x1 100 x2 800

2 x1 4 x2 20

Esse sistema de equao elaborado no slide

passado so as restries do modelo.
Como iremos resolver esse problema? Existem
vrios mtodos para resolver problemas de
programao linear (grficos, solver, lindo, etc)
porm iremos simplificar elaborando trs
alternativas de soluo:
ALTERNATIVA 1:
ALTERNATIVA 2:
ALTERNATIVA 3:
PESQUISA

x1 = 2 e x2 = 4;
x1 = 3 e x2 = 3;
x1 = 3 e x2 = 2.
home

Slide 22 de

Exemplo 1: Caso PortmanVamos testar as alternativas!

Johansson
Lembre-se que o limite R$ 800,00 e 20horas.
Alternativa 1 - x1 = 2 e x2 = 4:
180 x 2 + 100 x 4 = R$760,00
2 x 2 + 4 x 4 = 20 horas

OK!

Alternativa 2 - x1 = 3 e x2 = 3:
180 x 3 + 100 x 3 = R$840,00
2 x 3 + 4 x 3 = 18 horas

Errado!

Alternativa 3 - x1 = 3 e x2 = 2:
180 x 3 + 100 x 2 = R$740,00
2 x 3 + 4 x 2 = 14horas

OK!

PESQUISA

home

Slide 23 de

Exemplo 1: Caso PortmanJohansson

Qual o seu objetivo? Segue abaixo dois objetivos
diferentes:
1- Sair o mximo de vezes com as duas.
Matematicamente teremos: MAX( x1 + x2 ).
2- Sair o mximo de vezes com as duas mas
com notvel preferncia por Natalie Portman.
Matematicamente teremos: MAX( 3x1 + x2 ).

PESQUISA

home

Slide 24 de

Exemplo 1: Caso PortmanJohansson

Seguindo o Objetivo 1, analisamos as duas
alternativas vlidas:
Objetivo 1: MAX( x1 +
x2 )

Alternativa 1 : x1 = 2 e x2 = 4:
x1 + x2 = 6
Alternativa 3 : x1 = 3 e x2 = 2:
x1 + x2 = 5

Portanto, se o objetivo for sair o mximo possvel

com as duas, sem preferncias, voc deve sair
duas vezes com Natalie Portman e quatro vezes
com Scarlett Johansson em uma semana.
PESQUISA

home

Slide 25 de

Exemplo 1: Caso PortmanJohansson

Seguindo o Objetivo 2, analisamos as duas
alternativas vlidas:
Objetivo 2: MAX( 3x1
+ x2 )

Alternativa 1 : x1 = 2 e x2 = 4:
3x1 + x2 = 10
Alternativa 3 : x1 = 3 e x2 = 2:
3x1 + x2 = 11

Portanto, se o objetivo for sair o mximo possvel

com as duas, mas com uma clara preferncia por
Portman, voc deve sair trs vezes com Natalie
Portman e duas vezes com Scarlett Johansson em
uma semana.
PESQUISA

home

Slide 26 de

Exemplo 1: Caso PortmanJohansson

Modelo com o 1 objetivo:

Modelo com o 2 objetivo:

Funo objetivo:
MAX( x1 + x2 )

Funo objetivo:
MAX( 3x1 + x2 )

Restries:

Restries:

180 x1 100 x2 800

2 x1 4 x2 20
Condies de nonegatividade:
x1, x2 0

180 x1 100 x2 800

2 x1 4 x2 20
Condies de nonegatividade:
x1, x 2 0

LACHTERMACHER, G. Pesquisa Operacional na

Tomada de Decises: modelagem em Excel. So
Paulo: Campus, 2006. (Adaptado)
PESQUISA

home

Slide 27 de

Prog. Linear e Fluxo

de
Redes
Fluxo
de Redes
Modelos de programao em redes tm sido
utilizados com sucesso em diversos
programas como fluxos em uma rede ou
grafo. Exemplos:
- Problema de Caminho Mnimo
- Problema de Caminho Mximo
- Problema de rvore Geradora Mnima
- Problema de Fluxo Mximo
- Problema
de Fluxo
Custo
Mnimo
Introduo Engenharia
de de
Produo,
BATALHA

PESQUISA

home

Slide 28 de

Caso
Caminho mnimo
Casa-Ufersa

PESQUISA

home

Slide 29 de

PESQUISA

home

Slide 30 de

PESQUISA

home

Slide 31 de

PESQUISA

home

Slide 32 de

PESQUISA

home

Slide 33 de

Caso Caminho Mnimo CasaRede de Caminhos Possveis

Ufersa
S1

321

S25
S4

123
114

238

S26
E1

232

S27
132

S5

E7

S6
X
S7

110

25
37

E6
E5

247

205

E2

E4

123

310
S8

41

U
42

S10

S15
S14
S2
16
S13
S1 7
E9
S11
S17 S189
1
27
S16 19

PESQUISA

50

15

S23

12
26

50

S3

433

S28
S9

214
S2

S24

115

S22
5

18
112
S20 S21

S12

home

Slide 34 de

Caso Caminho Mnimo CasaSemforos

Ufersa
S1 A:22,
F:38
S2 A:30,
F:35
S3 A:27,
F:49
S4
A:18,
F:48
S5 A:40,
F:45
S6
A:32,
F:43
S7 A:34,
F:50
S8 A:40,
F:115
S9
A:29,
F:50
S10 A:30,
F:24

PESQUISA

S11 A:30,
F:47
S12 A:32,
F:55
S13 A:22,
F:48
S14 A:22,
F:48
S15 A:24,
F:15
S16 A:30,
F:43
S17 A:33,
F:31
S18 A:33,
F:31
S19 A:33,
F:31
S20 A:32,
F:31

S21 A:30,
F:39
S22 A:38,
F:28
S23 A:21,
F:48
S24 A:38,
F:34
S25 A:23,
F:01
S26 A:30,
F:26
S27 A:28,
F:44
S28
A:29,
F:46

home

Slide 35 de

Caso Caminho Mnimo CasaSemforos

Ufersa
Para diminuir a complexidade do problema, vamos
supor que o tempo gasto em cada sinal seja 70% do
tempo em que o mesmo esteja fechado. Tambm
reduziremos os tempos dos sinais seriados. Com isso,
temos:
S1 27
S2 25
S3 34
S4 34
S5 32
S6 30
S7 35
S8 52
S9 35
S10 17

PESQUISA

S11
S12
S13
S14
S15
S16
S17
S18
S19
S20

33
39
34
17
46
30
22
9
13
17

S21
S22
S23
S24
S25
S26
S27
S28

home

27
20
34
24
42
18
31
- 32

Slide 36 de

Caso Caminho Mnimo CasaRede de Caminhos Possveis com os tempos dos sinais
Ufersa
27

321

42
34

123
114

238

18
232

32

25

110

247

31

132
35

25
37

41

205

123

310
52

U
42

17

46
17
17
34
3316
13
22 9
1
27
30 19

PESQUISA

50

15

34

12
26

50

34

24

433

32
30
X
35

214

115

18
112
17 27

39

home

20
5

Slide 37 de

Caso Caminho Mnimo CasaElaborando alternativas

Ufersa

Com os tempos dos caminhos e com os

tempos dos sinais, vamos elaborar
algumas alternativas de caminhos para
escolhermos o caminho de menor
tempo.

PESQUISA

home

Slide 38 de

Caso Caminho Mnimo CasaAlternativa

Ufersa
27

321

I:

42

174

34
123
114

238

18
232

32

25

110

247

35

PESQUISA

25
37

41

123
52

50

15

U
42
34

12
26

50
310

Avan
ar

31

132

205
34

24

433

32
30
X
35

214

115

17

46
17
17
34
3316
13

22 9
1
27
30 19

112

home

20
5

18
17 27

Slide 39 de

Caso Caminho Mnimo CasaAlternativa

Ufersa
27

321

II:

42

1733

34
123
114

238

18
232

32

25

110

247

35

PESQUISA

25
37

41

123
52

50

15

U
42
34

12
26

50
310

Avan
ar

31

132

205
34

24

433

32
30
X
35

214

115

17

46
17
17
34
3316
13

22 9
1
27
30 19

112

home

20
5

18
17 27

Slide 40 de

Caso Caminho Mnimo CasaAlternativa

Ufersa
27

321

III:

42

1646

34
123
114

238

18
232

32

25

110

247

35

PESQUISA

25
37

41

123
52

50

15

U
42
34

12
26

50
310

Avan
ar

31

132

205
34

24

433

32
30
X
35

214

115

17

46
17
17
34
3316
13

22 9
1
27
30 19

112

home

20
5

18
17 27

Slide 41 de

Caso Caminho Mnimo CasaAlternativa

Ufersa
27

321

IV:

42

1715

34
123
114

238

18
232

32

25

110

247

35

PESQUISA

25
37

41

123
52

50

15

U
42
34

12
26

50
310

Avan
ar

31

132

205
34

24

433

32
30
X
35

214

115

17

46
17
17
34
3316
13

22 9
1
27
30 19

112

home

20
5

18
17 27

Slide 42 de

Caso Caminho Mnimo CasaAlternativa

Ufersa
27

321

V:

42

1738

34
123
114

238

18
232

32

25

110

247

35

PESQUISA

25
37

41

123
52

50

15

U
42
34

12
26

50
310

Avan
ar

31

132

205
34

24

433

32
30
X
35

214

115

17

46
17
17
34
3316
13

22 9
1
27
30 19

112

home

20
5

18
17 27

Slide 43 de

Caso Caminho Mnimo CasaAlternativa

Ufersa
27

321

VI:

42

1817

34
123
114

238

18
232

32

25

110

247

35

PESQUISA

25
37

41

123
52

50

15

U
42
34

12
26

50
310

Avan
ar

31

132

205
34

24

433

32
30
X
35

214

115

17

46
17
17
34
3316
13

22 9
1
27
30 19

112

home

20
5

18
17 27

Slide 44 de

Caso Caminho Mnimo CasaAlternativa

Ufersa
27

321

VII:

42

1840

34
123
114

238

18
232

32

25

110

247

35

PESQUISA

25
37

41

123
52

50

15

U
42
34

12
26

50
310

Avan
ar

31

132

205
34

24

433

32
30
X
35

214

115

17

46
17
17
34
3316
13

22 9
1
27
30 19

112

home

20
5

18
17 27

Slide 45 de

Caso Caminho Mnimo CasaAlternativa

Ufersa
27

321

VIII:

42

1753

34
123
114

238

18
232

32

25

110

247

35

PESQUISA

25
37

41

123
52

50

15

U
42
34

12
26

50
310

Avan
ar

31

132

205
34

24

433

32
30
X
35

214

115

17

46
17
17
34
3316
13

22 9
1
27
30 19

112

home

20
5

18
17 27

Slide 46 de

Caso Caminho Mnimo CasaAlternativa

Ufersa
27

321

IX:

42

2014

34
123
114

238

18
232

32

25

110

247

35

PESQUISA

25
37

41

123
52

50

15

U
42
34

12
26

50
310

Avan
ar

31

132

205
34

24

433

32
30
X
35

214

115

17

46
17
17
34
3316
13

22 9
1
27
30 19

112

home

20
5

18
17 27

Slide 47 de

Caso Caminho Mnimo CasaAlternativa

Ufersa
27

321

X:

42

2026

34
123
114

238

18
232

32

25

110

247

35

PESQUISA

25
37

41

123
52

50

15

U
42
34

12
26

50
310

Avan
ar

31

132

205
34

24

433

32
30
X
35

214

115

17

46
17
17
34
3316
13

22 9
1
27
30 19

18
112
17 27

39

home

20
5

Slide 48 de

Caso Caminho Mnimo CasaUfersa

Menor tempo:
Alternativa III
1646

Ve
r

Maior tempo:
Alternativa X
2026

Ve
r

PESQUISA

home

Slide 49 de

Modelos
Estocsticos

PESQUISA

home

Slide 50 de

Modelos Estocsticos
O que um Modelo Estocstico?
Modelo matemtico cujas variveis
respondem a uma distribuio especfica.
Tais modelos no oferecem solues
nicas, mas apresentam uma distribuio
de solues associadas a uma
Site do Ministrio da Agricultura,
Pecuria
probabilidade,
segundo
umaedeterminada
Abastecimento
distribuio de probabilidades.
Exemplos: Teoria dos Jogos, cadeias de
Markov, teoria de filas, etc
PESQUISA

home

Slide 51 de

X
A Estratgia de uma emissora depende
muitas vezes da estratgia da outra
PESQUISA

home

Slide 52 de

Modelos Estocsticos
Teoria dos Jogos
A teoria dos jogos uma teoria
matemtica criada para se modelar
fenmenos que podem ser observados
quando dois ou mais agentes de deciso
interagem
Uma Introduo entre
Teoria dos
si.
Jogos, SARTINI, GARVUGIO, BORTOLOSSI,
SANTOS e BARRETO.

Diz-se, portanto, que aquele que conhece o

inimigo e conhece a si mesmo no ficar em perigo
diante de centenas de batalhas. Aquele que no
conhece o inimigo mas conhece a si mesmo s
vezes vence, s vezes perde. Aquele que no
conhece o inimigo nem a si mesmo invariavelmente
perde todas as batalhas. Sun Tzu em A arte da
guerra.
PESQUISA

home

Slide 53 de

Modelos Estocsticos
Teoria dos Jogos
Caso do Dilema do Prisioneiro
Thiago e Samuel so presos por um crime. A polcia tem
provas insufici-entes para os condenar, mas, separando os
prisioneiros, oferece a ambos o mesmo acordo: se um dos
prisioneiros, confessando, testemunhar con-tra o outro e esse
outro permanecer em silncio, o que confessou sai livre
enquanto o cmplice silencioso cumpre 10 anos de sentena.
Se ambos ficaram em silncio, a polcia s pode conden-los
a 1 ano de cadeia cada um. Se ambos trarem o comparsa,
cada um leva 5 anos de cadeia. Cada um faz a sua deciso
sem saber que deciso o outro vai tomar, e nenhum tem
certeza da deciso do outro.
Dilema do Prisioneiro por Merrill Flood e Melvin Dresher, 1950.
(Adaptado)
Slide 54 de
PESQUISA
home

Modelos Estocsticos
Teoria dos Jogos
Caso do Dilema do Prisioneiro
Nesta matriz, os nmeros de cada clula representam,
respectiva-mente, os payoffs de Thiago e Samuel para
as escolhas de Thiago e Samuel correspondentes a
clula.
THIAGO

Confessar

Confessar

Negar

(-5,-5)

(0,-10)

(-10,0)

(-1,-1)

SAMUEL
Negar

Dilema do Prisioneiro por Merrill Flood e Melvin

Dresher, 1950
Slide 55 de
PESQUISA
home

Modelos Estocsticos
Teoria dos Jogos
TESE DE PS-GRADUAO:

APLICAO DA TEORIA DOS JOGOS

COOPERATIVOS PARA A ALOCAO DOS
CUSTOS DE TRANSMISSO EM MERCADOS
ELTRICOS
Autor:
Max Rodrigues Junqueira

PESQUISA

home

Slide 56 de

Modelos Estocsticos
Teoria dos Jogos
TESE DE PS-GRADUAO:
As relaes entre empresas transmissoras de energia e
consumidores podem ser estudadas por teoria dos jogos.
No artigo so apresentados vrios mtodos de tarifas de
transmisso de energia, entre as quais a que usamos no
Brasil. Depois apresen-tada a metodologia proposta:
Aumann-Shapley. Nessa metologia de cobrana so
aplicados conceitos de teoria de jogos cooperativos.
No final, conclui-se que atravs do esquema AummanShapley conse-gue-se fazer uma anlise mais consistente
e imparcial dos custos por uso da rede de cada usurio.
PESQUISA

home

Slide 57 de

Modelos Estocsticos
Teoria das Filas
Ateoria das filas um ramo da probabilidadeque
estuda a formao defilas, atravs de
anlisesmatemticasprecisas e propriedades
mensurveis das filas.
Fila representa os clientes que esto esperando
Wikipedia.org
pelo servio, juntamente com os que esto sendo
atendidos pelos servidores.
A fila que anda a outra, mas
no adianta trocar de fila pois a
fila que anda a outra. Lei de
Murphy.

PESQUISA

home

Slide 58 de

Modelos Estocsticos
Teoria das Filas

O que fila? quando se tem um recurso e em

um determinado momento a demanda maior do
que a oferta.
Prof. David em entrevista
PESQUISA

home

Slide 59 de

Modelos Estocsticos
Teoria das Filas
A fila pode ser fsica ou no!
Exemplos: supermercado, banco, cantina, elevador,
avies aguar-dando pouso, centrais de atendimento
telefnico, posto de lava-gem de carros, sequncia
de tarefas em uma mquina, semforo, etc.
A existncia de fila em um equipamento pode
implicar em espera por peas que necessitam ser
processadas, o que ocasiona um aumento nos
tempos de produo.

PESQUISA

home

Slide 60 de

Modelos Estocsticos
Teoria das Filas
Devemos projetar Sistemas Balanceados!
Um sistema ou processo est balanceado quando se
encontra adequadamente dimensionado.
Para dimensionar adequadamente necessrio
dedicar especial ateno aos gargalos, ou seja, os
pontos onde ocorrem filas.
Geralmente estamos interessados em dimensionar,
analisamos:
- Qual a quantidade correta de equipamentos;
- Qual o melhor layout e o melhor fluxo dentro do
sistema que est sendo analisado.
PESQUISA

home

Slide 61 de

Modelos Estocsticos
Teoria das Filas
ARTIGO:
TENDNCIAS PARA O AUTO-ATENDIMENTO
BANCRIO BRASILEIRO: UM ENFOQUE
ESTRATGICO BASEADO NA TEORIA
DAS FILAS
Autores:
Eder Oliveira Abensur
Adalberto A. Fischmann
Isral Brunstein
Linda Lee Ho

PESQUISA

home

Slide 62 de

Modelos Estocsticos
Teoria das Filas
ARTIGO:
Foi feito um estudo de Planejamento Estratgico e de
Teoria das Filas para dar suporte para a gesto de
servios bancrios. Foram analisa-dos dois grandes
bancos: Bradesco e Ita.
Inicialmente foram analisadas as caractersticas da
demanda desses bancos e como essa demanda iria se
comportar num futuro prximo. Depois com os
conhecimentos de teoria das filas aliada a ferramentas
estatsticas foram elaborados modelos.
Esses modelos mostravam caractersticas de
atendimento, caracters-ticas de ATMs, etc
O banco que mais se aproximou as caractersticas do
modelo propos-to foi o Bradesco.
PESQUISA

home

Slide 63 de

Anlise de
Demanda

PESQUISA

home

Slide 64 de

Anlise da Demanda
Como que vou planejar a capacidade da
minha planta produtiva para dez anos,
para um ano ou para um ms? Devo
trabalhar com quantos turnos: um, dois ou
trs? Devo comprar mais mquinas para
ampliar a produo?

PESQUISA

home

Slide 65 de

Anlise da Demanda
Quantos caixas eletrnicos
devo comprar para o meu
banco para que no haja uma
fila grande e para que os
mesmos no passem muito
tempo ociosos?

PESQUISA

home

Slide 66 de

Anlise da Demanda
A resposta para essas perguntas Anlise
da Demanda.
Uma das principais tarefas de um
Engenheiro de Produo alinhar a
capacidade produtiva de uma corporao
sua demanda.

capacidad
e
produtiva
PESQUISA

demanda

capacidad
e
produtiva
home

demanda

Slide 67 de

Anlise da Demanda
O que demanda?
a disposio dos clientes a consumirem bens e
servios ofertados por uma organizao.
(LUSTOSA et al., 2008)

O que previso de demanda?

So estimativas de como vai se comportar o
mercado demandante no futuro, ou seja, o
potencial de compra que o mercado tem em
relao aos bens e servios ofertados por uma
organizao.
(CORRA; CORRA, 2010)

PESQUISA

home

Slide 68 de

Informaes
da conjuntura
econmica

Informaes que
expliquem o
comportamento
atpico

Dados
histricos de
vendas

Tratamento
estatstico dos
dados de vendas e
outras variveis

Informaes
de clientes

Decises da
rea comercial

Informaes
de
concorrentes
Tratamento das informaes
disponveis

PREVISO DE DEMANDA

PESQUISA

home

Slide 69 de

Sistema Genrico de Previso de Demanda,

Anlise da Demanda
Dados de
variveis que
expliquem as
vendas

Anlise da Demanda

Retirado do Material do Prof. Eng. Ms. Abrao Freires Saraiva

Jnior
Slide 70 de
PESQUISA
home

Anlise da Demanda

Retirado do Material do Prof. Eng. Ms. Abrao Freires Saraiva

Jnior
Slide 71 de
PESQUISA
home

Anlise da Demanda
ARTIGO:

A DEMANDA POR ENERGIA ELTRICA NO NORDESTE

APS O RACIONAMENTO DE 2001-2002: PREVISES
DE LONGO PRAZO.

Autores:
Marcelo Lettieri Siqueira
Herbetes de Hollanda Cordeiro Jnior
Ivan Castelar

PESQUISA

home

Slide 72 de

Anlise da Demanda
ARTIGO:
O artigo prope uma metodologia para incorporar os
efeitos do racionamento de 2001-2002 nas previses da
demanda por energia eltrica para as trs principais
classes de consumo (residencial, comercial e industrial) do
Nordeste brasileiro. Para modelar a recuperao da
demanda por energia, no perodo ps-racionamento, foi
adotada a hiptese de que o consumo converge para a
sua tendncia de longo prazo.

PESQUISA

home

Slide 73 de

Processos
Decisrios

PESQUISA

home

Slide 74 de

Processos Decisrios
Com
sistemas
de
anlise
e
apoio

deciso
garante-se
mais
eficincia
e
eficcia e consegue-se
assim ir ao en-contro
da
otimizao
dos
payoffs ganhando pratividade em vez de
reati-vidade de uma
forma trans-versal.

PESQUISA

home

Slide 75 de

Processos Decisrios
Caso do Terreno com (ou sem) Petrleo
Alexandre proprietrio de um terreno que
pode ter pe-trleo em seu subsolo. Um
gelogo relatou que existe uma probabilidade
de 35% de chance de haver petrleo.
Em virtude disso, a Petrobras ofereceu
R$200mil para comprar o terreno. Porm
Alexandre est considerando a possibilidade
de abrir uma nova empresa e atravs dessa
explorar o petroleo do prprio terreno. Para
isso ele ter que gastar R$500mil. Se ele
conseguir explorar o pe-trleo, ter lucro de
R$8milhes.
HILLIER, 2005, captulo 15 exemplo-prottipo.
(adaptado)

PESQUISA

home

Slide 76 de

Processos Decisrios
Caso do Terreno com (ou sem) Petrleo

Condio do Terreno
Alternativa

Prmio
Petrleo

Seco

Perfurar em busca de
petrleo
Vender o terreno

R$ 8milhes R$ 500mil
R$
R$

Chance da condio

200mil
35%

PESQUISA

200mil
65%

home

Slide 77 de

Modelagem

PESQUISA

home

Slide 78 de

Modelagem
Sistema

Modelo = representao
PESQUISA

Modelagem e simulao de eventos discretos, Chwif e

Medina, 2006
Slide 79 de
home

Modelagem
Um modelo uma representao das relaes
dos componentes de um sistema, sendo
considerada como uma abstrao, no sentido em
que tende a se aproximar do verdadeiro
comportamento
do sistema.
Modelagem e simulao
de eventos discretos, Chwif e
Medina, 2006

Lembrando que um sistema um agrupamento

de partes que operam juntas, visando um
objetivo comum.
Forrester, 1968.

PESQUISA

home

Slide 80 de

Modelagem

Formulao: liberdade,
arbitrariedade e
coerncia

Sistema
Real

Formulao/
modelagem

Deduo/
anlis
e

Avaliao/
julgamento

Soluo
Real

Modelo

Modelo uma
representao
simplificada /
idealizada, que visa obter
informaes sobre o
sistema real com economia
de tempo e recursos

Interpretao/
inferncia

Soluo
do
Modelo

Deduo: uso de
tcnicas
dependentes do
modelo formulado,
rigor matemtico e
preciso, uso de
computadores

Interpretao: julgamento
humano, reavaliao do modelo

Modelagem e simulao de eventos discretos, Chwif e

Medina, 2006
Introduo
Engenharia de Produo, Mrio Batalha
PESQUISA
home

Slide 81 de

Modelagem
Tipos:
- Modelos Simblicos
- Modelos Analticos
- Modelos de Simulao

PESQUISA

home

Slide 82 de

Modelagem
Modelos simblicos:
- Smbolos grficos (fluxogramas,
Layouts, etc)
- Muito utilizado para a
comunicao e documentao
- Limitaes:
- Modelos estticos
- No fornece elementos
quantitativos
- No entra no detalhe do
sistema
Modelagem e simulao de eventos discretos, Chwif e
Medina, 2006
Slide 83 de
PESQUISA
home

Fluxograma do
processo de
atendimento de
emergncias de uma
central do corpo de
bombeiros

PESQUISA

home

Slide 84 de

Modelagem
Modelos analtico:
- Forte modelagem matemtica
(Modelos de Programao Linear, Teoria
de Filas, etc)
- Limitaes:
- Modelos, na grande maioria,
estticos
- A complexidade do modelo pode
impossibilitar a busca de solues
analticas diretas
- Vantagens: soluo exata, rpida e,
s vezes, tima
Modelagem e simulao de eventos discretos, Chwif e
Medina, 2006
Slide 85 de
PESQUISA
home

Modelagem
Modelo de Simulao
-Captura o comportamento do sistema
real
- Permite a anlise pela pergunta: e
se...?
- Capaz de representar sistemas
complexos de natureza dinmica e
aleatria
- Limitaes:
- Pode ser de construo difcil
- No h garantia do timo
Modelagem e simulao de eventos discretos, Chwif e
Medina, 2006
Slide 86 de
PESQUISA
home

Simulao Computaciona
PESQUISA

home

Slide 87 de

Simulao NoPESQUISA

home

Slide 88 de

Slide
PESQUISA
Modelagem e simulao de eventoshome
discretos, Chwif
e 89 de

Counter-Strike uma
simulao?

Sim, pois um programa de computador que

tenta reproduzir o real. CS trabalha
utilizando recursos de estatstica, calculando,
por exemplo, a probabilidade de aparecer um
inimigo ou a probabilidadeProf.
de David...
um tiro
acertar
na entrevista
o inimigo.

PESQUISA

home

Slide 90 de

Modelagem

PESQUISA

home

Slide 91 de

Referncias
- BATALHA, Introduo Engenharia de Produo.
- MORAES, Introduo a Pesquisa Operacional.
- LACHTERMACHER, G. Pesquisa Operacional na Tomada de
Decises: modelagem em Excel. So Paulo: Campus, 2006.
- Site do Ministrio da Agricultura, Pecuria e Abastecimento
(http://www.agritempo.gov.br/modules.php?
name=Encyclopedia&op=content&tid=133). Acessado em
31/10/2011.
- SARTINI, GARVUGIO, BORTOLOSSI, SANTOS e BARRETO;
Uma Introduo Teoria dos Jogos.
- SUN TZU, A arte da guerra.
- FLOOD e DRESHER, Dilema do Prisioneiro, 1950.
- Wikipedia.org (pt.wikipedia.org/wiki/Teoria_das_filas).
Acessado em 31/10/2011.
- Planejamento e Controle da Produo. CORRA, 2010
HILLIER, Pesquisa Operacional, 2005.
CHWIFT e MEDINA, Modelagem e simulao de eventos
discretos, Chwif e Medina, 2006.
PESQUISA

home

Slide 92 de

Crticas,
Dvidas,
Sugestes?

PESQUISA

home

Slide 93 de