Métodos Determinísticos I é uma disciplina quantitativa voltada à formulação e à solução de problemas gerenciais nos quais os dados essenciais são tratados como conhecidos. Ela ensina a representar decisões por meio de variáveis, funções, equações, inequações e algoritmos, permitindo comparar alternativas e identificar a melhor utilização possível de recursos limitados. Em muitos cursos de Administração, a disciplina constitui a primeira parte de Pesquisa Operacional e concentra-se em programação linear, método gráfico, método simplex, dualidade, análise de sensibilidade e modelos clássicos de transporte e designação.

O termo determinístico indica que os coeficientes do modelo são considerados definidos durante a análise. Se uma hora de máquina é necessária para produzir determinado item, o modelo trabalha com essa quantidade como um dado. Isso não significa que a realidade seja perfeitamente previsível. Significa apenas que, para responder a uma pergunta específica, a pessoa analista escolhe valores de referência e estuda as consequências lógicas dessas premissas. Em disciplinas posteriores, incerteza, probabilidades, simulação, filas e estoques estocásticos podem ser incorporados.

A disciplina aproxima matemática e gestão. Seu objetivo não é formar especialistas em manipulação algébrica isolada, mas desenvolver a capacidade de transformar uma situação organizacional em um modelo compreensível, resolver o modelo, interpretar resultados e reconhecer limites. Uma solução matematicamente ótima pode ser inadequada se os dados forem ruins, se uma restrição relevante tiver sido omitida ou se o resultado desconsiderar aspectos humanos, legais, ambientais e estratégicos.

Definição central

A definição central da disciplina pode ser expressa assim:

Métodos determinísticos são procedimentos de modelagem e otimização que utilizam relações conhecidas entre decisões, recursos e resultados para identificar soluções viáveis e, entre elas, selecionar a que melhor atende a um objetivo definido.

Essa definição contém quatro ideias. Primeiro, existe uma decisão representada por variáveis. Segundo, existem limites que definem o conjunto de soluções viáveis. Terceiro, existe um critério de desempenho, como maximizar contribuição ou minimizar custo. Quarto, existe um procedimento de solução e interpretação. Sem esses elementos, há apenas um conjunto de cálculos sem conexão clara com a decisão gerencial.

Exemplos de problemas determinísticos

Situação gerencial	Decisão central	Objetivo possível	Restrições típicas
Planejamento de produção	Quanto produzir de cada item	Maximizar margem total	Horas, materiais, demanda e capacidade
Distribuição	Quanto enviar de cada origem a cada destino	Minimizar custo logístico	Oferta, demanda e rotas permitidas
Designação de pessoas	Quem realizará cada atividade	Minimizar tempo ou custo	Uma pessoa por tarefa e uma tarefa por pessoa
Mistura de insumos	Qual proporção utilizar	Minimizar custo mantendo qualidade	Composição, disponibilidade e especificações
Seleção de portfólio	Quais projetos executar	Maximizar benefício	Orçamento, equipe e dependências
Programação de turnos	Quantas pessoas alocar por período	Minimizar custo de pessoal	Cobertura mínima e regras trabalhistas

Em todos esses exemplos, a formulação exige escolhas. É necessário decidir o que entra no objetivo, quais recursos são realmente limitantes, como medir benefícios e quais condições são obrigatórias. A matemática não substitui essas decisões de modelagem; ela as torna explícitas.

Competências desenvolvidas

· formular problemas administrativos com variáveis, parâmetros, função objetivo e restrições;

· distinguir solução viável, inviável, ilimitada e ótima;

· resolver modelos simples pelo método gráfico e compreender a lógica do simplex;

· interpretar folgas, excessos, preços-sombra, custos reduzidos e intervalos de validade;

· usar planilhas e solucionadores sem transformar o software em uma caixa-preta;

· validar dados, testar cenários e explicar resultados para públicos não técnicos;

· reconhecer limites éticos, operacionais e estratégicos de uma recomendação quantitativa.

Ao final, a pessoa estudante deve perceber que o principal produto da disciplina não é apenas um número ótimo. É uma forma estruturada de pensar: definir o problema, explicitar premissas, verificar coerência, comparar consequências e sustentar decisões com evidências.

2. Por que ela faz parte do curso

Administração e alocação de recursos escassos

Administrar envolve distribuir recursos escassos entre necessidades concorrentes. Orçamento, tempo, capacidade produtiva, veículos, pessoas, matéria-prima, espaço e atenção gerencial são limitados. Quando várias atividades disputam os mesmos recursos, decisões intuitivas podem produzir desperdício ou resultados inferiores. Métodos determinísticos oferecem uma linguagem para representar essas disputas e encontrar combinações superiores.

Uma empresa pode ter dois produtos lucrativos e ainda assim não conseguir produzir ambos em qualquer quantidade. A combinação mais rentável depende de quanto cada produto consome dos recursos escassos. Comparar somente a margem unitária pode levar ao erro. Um produto de margem menor pode gerar maior retorno por hora do recurso restritivo. A disciplina ensina a observar o sistema como um conjunto, evitando decisões locais que prejudicam o resultado global.

Integração entre áreas

Problemas de otimização raramente pertencem a uma única área. Um plano de produção utiliza dados comerciais de demanda, informações técnicas de processos, custos da contabilidade, restrições de pessoas e metas financeiras. A modelagem obriga as áreas a concordar sobre definições e unidades. Essa integração é uma contribuição importante para a formação em Administração.

Quando a área comercial promete volumes, a operação informa capacidades e finanças define limites, um modelo pode revelar incompatibilidades antes que elas se transformem em atrasos ou custos emergenciais. Ele também permite negociar prioridades com clareza: aumentar uma meta exige liberar algum recurso, reduzir outra exigência ou aceitar maior custo.

Pensamento analítico e crítica a resultados

Saber utilizar uma ferramenta não é o mesmo que saber analisar. O solucionador de uma planilha pode devolver uma combinação ótima, mas a pessoa administradora precisa perguntar se os dados são confiáveis, se o modelo representa a situação e se a solução é implementável. A disciplina desenvolve pensamento crítico ao exigir que cada número tenha significado e que cada restrição corresponda a uma condição real.

O estudante aprende a detectar erros de unidade, dupla contagem, sinais invertidos, limites ausentes e interpretações inadequadas. Também aprende que um modelo pode ser tecnicamente correto e gerencialmente irrelevante. A qualidade depende do vínculo entre a pergunta, os dados, a formulação, a solução e a decisão.

Apoio à tomada de decisão

Métodos determinísticos são instrumentos de apoio, não mecanismos automáticos de autoridade. O modelo informa o que seria melhor segundo as premissas utilizadas. A decisão final pode incorporar fatores não modelados, desde que sejam explicitados. Essa postura evita dois extremos: rejeitar números porque não capturam toda a realidade ou obedecer ao modelo como se ele fosse neutro e infalível.

No ambiente profissional, uma recomendação ganha força quando apresenta solução, impacto, premissas, riscos e alternativas. Em vez de afirmar apenas “o plano ótimo é produzir 600 unidades”, a pessoa analista pode explicar quais recursos estão saturados, qual resultado é esperado, quanto vale ampliar a capacidade e em que faixa a recomendação permanece válida.

Relevância para diferentes organizações

Contexto	Possível aplicação
Indústria	Mix de produção, corte, mistura, capacidade e manutenção
Comércio	Sortimento, espaço, reposição e distribuição
Serviços	Escalas, agendas, roteiros e capacidade de atendimento
Setor público	Alocação orçamentária, transporte, equipes e equipamentos
Saúde	Leitos, salas, plantões e programação de procedimentos
Educação	Turmas, horários, salas, docentes e bolsas
Terceiro setor	Seleção de projetos e cobertura territorial
Logística	Transporte, transbordo, localização e roteirização

Competências profissionais

A disciplina contribui para competências valorizadas em planejamento, operações, logística, finanças, consultoria, dados e gestão de projetos. Entre elas estão decomposição de problemas, raciocínio quantitativo, modelagem de cenários, comunicação visual, uso responsável de planilhas e negociação baseada em restrições.

Ela também prepara para disciplinas posteriores, como Métodos Determinísticos II, Pesquisa Operacional, Logística, Administração da Produção, Estatística, Simulação, Gestão de Projetos e Análise das Decisões. O domínio inicial facilita o uso de modelos mais sofisticados sem perder a compreensão gerencial.

Limites e responsabilidade

A presença da disciplina no curso também ensina limites. Otimizar custos não autoriza descumprir direitos ou reduzir padrões mínimos. Maximizar atendimento não permite ignorar qualidade e segurança. A escolha dos objetivos revela valores. Por isso, modelar exige responsabilidade: pessoas afetadas, requisitos legais, sustentabilidade e riscos precisam ser considerados na formulação ou na avaliação posterior.

Uma boa pessoa administradora não pergunta apenas “qual é o ótimo?”, mas também “ótimo para quem, segundo quais critérios, durante qual período e com quais consequências?”. Essa pergunta transforma técnica em gestão responsável.

3. Conceitos Fundamentais

3.1 Pesquisa Operacional e modelo

A Pesquisa Operacional utiliza modelos analíticos para apoiar decisões complexas. Um modelo é uma representação simplificada de uma situação real. Ele seleciona relações consideradas relevantes e omite detalhes que não alteram a pergunta analisada.

A simplificação é necessária. Um mapa não reproduz cada pedra de uma cidade; destaca caminhos úteis. Da mesma forma, um modelo de produção pode representar produtos, recursos e margens sem descrever toda a rotina da fábrica. O desafio consiste em simplificar sem eliminar elementos decisivos.

Antes de formular, descreva o sistema em linguagem comum, identifique responsáveis, horizonte, unidades e objetivo. Depois, traduza relações para símbolos. Ao final, volte à linguagem gerencial. Um modelo que não consegue ser explicado provavelmente ainda não foi compreendido.

Erro comum: começar diretamente pela equação e adaptar o problema ao formato conhecido. Correção: iniciar pela pergunta gerencial e escolher a técnica depois.

3.2 Decisões, parâmetros e índices

Variáveis de decisão representam escolhas controláveis, como quantidades produzidas. Parâmetros são dados tratados como conhecidos, como consumo de matéria-prima por unidade. Índices identificam produtos, períodos, locais ou recursos.

Uma variável deve ter significado e unidade. Escrever apenas x e y é insuficiente em um relatório. Uma definição adequada seria: x_A = quantidade semanal do produto A, em unidades. Essa disciplina reduz erros e facilita a validação.

Parâmetros também precisam de fonte, data e unidade. Uma margem de R$ 40 por unidade não pode ser combinada com uma capacidade expressa em milhares de unidades sem conversão.

Erro comum: transformar em variável algo que é dado ou fixar como parâmetro uma decisão que deveria permanecer aberta. A pergunta “quanto contratar?” exige variável; “existem 30 pessoas disponíveis” é parâmetro.

3.3 Função objetivo

A função objetivo representa o critério a ser maximizado ou minimizado. Exemplos: maximizar margem de contribuição, minimizar custo de transporte, minimizar atrasos ou maximizar cobertura.

Em programação linear, a função assume forma aditiva. Se x_j é a quantidade da alternativa j e c_j seu ganho ou custo unitário, a forma geral é apresentada abaixo.

Maximizar ou minimizar Z = c1x1 + c2x2 + ... + cnxn

Nem sempre lucro contábil é a melhor medida. Para decisões de curto prazo, margem de contribuição pode ser mais apropriada. Em políticas públicas, pode ser necessário combinar cobertura, equidade e custo por meio de análise multicritério.

Erro comum: incluir custos fixos inevitáveis como se variassem com a decisão. A função deve refletir consequências incrementais e coerentes com o horizonte.

3.4 Restrições

Restrições representam limites e exigências. Podem expressar disponibilidade máxima, atendimento mínimo, equilíbrio, proporção, capacidade, orçamento, demanda ou regras técnicas.

A forma geral de uma restrição linear é a11x1 + a12x2 + ... + a1nxn ≤, = ou ≥ b1. O lado esquerdo mostra o uso ou a produção decorrente das decisões; o lado direito apresenta o limite ou requisito.

Uso do recurso ≤ disponibilidade

Atendimento produzido ≥ exigência mínima

Entradas - saídas = saldo ou conservação

Cada restrição deve ser lida como uma frase. Se a leitura não fizer sentido, a equação pode estar errada. Também é necessário evitar restrições redundantes que não alteram a região viável, embora algumas sejam mantidas por clareza.

Erro comum: inverter o sinal em exigências mínimas. “Atender pelo menos 200 unidades” corresponde a ≥ 200, não ≤ 200.

3.5 Não negatividade e domínio

A condição de não negatividade estabelece que quantidades físicas não podem ser negativas: x_j ≥ 0. O domínio também pode exigir variáveis inteiras, binárias ou contínuas.

Em Métodos Determinísticos I, muitos modelos começam com variáveis contínuas. Essa escolha é apropriada para toneladas, litros, horas e valores monetários. Para pessoas, veículos ou projetos indivisíveis, a integridade pode ser necessária e costuma ser aprofundada em disciplinas posteriores.

Uma solução fracionária não deve ser arredondada sem análise. Arredondar pode violar restrições ou afastar muito o resultado do ótimo. Quando a indivisibilidade é central, deve-se usar programação inteira.

Erro comum: omitir limites superiores de demanda por acreditar que o objetivo impedirá produção excessiva. Se a margem é positiva, o modelo pode produzir até consumir todos os recursos, mesmo sem mercado.

3.6 Solução viável, inviável e ilimitada

Uma solução é viável quando atende a todas as restrições. O conjunto de todas as soluções viáveis forma a região viável. O modelo é inviável quando não existe combinação capaz de satisfazer simultaneamente as condições.

Inviabilidade pode revelar erro de formulação ou conflito real. Se a empresa exige produção mínima superior à capacidade, o modelo mostra que as metas são incompatíveis. O resultado não é fracasso do método; é informação gerencial.

Um modelo é ilimitado quando a função objetivo pode melhorar indefinidamente. Em geral, isso indica ausência de uma restrição importante, como demanda, capacidade ou orçamento.

Erro comum: confundir ausência de solução ótima com defeito do software. Primeiro, revise sinais, unidades, limites e relações lógicas.

3.7 Hipóteses da programação linear

A programação linear clássica utiliza proporcionalidade, aditividade, divisibilidade e certeza dos coeficientes. Proporcionalidade significa que consumo e ganho variam na mesma proporção da atividade. Aditividade significa que o total é soma das contribuições individuais.

Divisibilidade permite valores fracionários. Certeza significa que coeficientes são tratados como conhecidos. Essas hipóteses não precisam ser perfeitamente verdadeiras, mas devem ser aproximações razoáveis no intervalo analisado.

Economias de escala, descontos por faixa, setups, sinergias e relações curvilíneas violam linearidade. Podem ser representados por modelos mais avançados ou por aproximações por partes.

Erro comum: aplicar linearidade em qualquer escala. Uma taxa por unidade pode ser válida até determinada capacidade e mudar depois dela.

3.8 Método gráfico

O método gráfico resolve modelos com duas variáveis. Cada restrição define um semiplano; a interseção dos semiplanos forma a região viável. Como uma função linear atinge o ótimo em um ponto extremo quando existe ótimo finito, basta avaliar os vértices.

O procedimento inclui: desenhar as retas de fronteira, identificar o lado permitido, marcar a região viável, calcular interseções e avaliar a função objetivo nos vértices. Também é possível deslocar uma reta de isovalor para visualizar o ótimo.

Exemplo: maximizar Z = 40x + 30y, sujeito a 2x + y ≤ 100, x + 2y ≤ 80, x,y ≥ 0. A interseção das duas restrições é x = 40 e y = 20. Z = 2.200. Os demais vértices devem ser comparados.

Erro comum: escolher o ponto que parece mais distante da origem sem considerar a inclinação da função objetivo.

3.9 Pontos extremos e convexidade

A região viável de um modelo linear é convexa: qualquer combinação ponderada de dois pontos viáveis também é viável. Essa propriedade sustenta o resultado de que o ótimo, se existir, ocorre em um ponto extremo ou ao longo de uma face ótima.

Convexidade facilita a busca. Não é necessário testar cada ponto possível. Algoritmos como o simplex percorrem bases associadas a pontos extremos, melhorando a função objetivo até que não haja direção vantajosa.

Ótimos múltiplos surgem quando a função objetivo é paralela a uma fronteira ativa. Nesse caso, todos os pontos de um segmento podem produzir o mesmo valor. A gestão pode escolher entre eles usando critérios adicionais.

Erro comum: afirmar que há uma única solução ótima sem verificar paralelismo ou custos reduzidos nulos.

3.10 Variáveis de folga e excesso

Uma desigualdade pode ser convertida em igualdade. Em restrições do tipo ≤, adiciona-se uma variável de folga. Em restrições do tipo ≥, subtrai-se uma variável de excesso e, em muitos procedimentos, inclui-se variável artificial.

a1x1 + a2x2 ≤ b → a1x1 + a2x2 + s = b, com s ≥ 0

A folga mede recurso não utilizado. Se uma restrição de 1.000 horas termina com folga de 120, o plano usa 880. Folga zero indica restrição ativa, mas não garante que o recurso tenha valor marginal positivo em casos de degenerescência.

Erro comum: interpretar toda folga como desperdício. Capacidade ociosa pode ser deliberada, necessária para flexibilidade ou inevitável diante de outro gargalo.

3.11 Lógica do método simplex

O método simplex resolve modelos lineares com várias variáveis e restrições. Ele começa em uma solução básica viável, identifica uma variável capaz de melhorar o objetivo, determina quanto ela pode aumentar sem violar limites e realiza uma troca de base.

A variável que entra é escolhida por um indicador de melhoria. A variável que sai é definida pelo teste da razão mínima positiva. O pivoteamento transforma o sistema para expressar a nova base. O processo termina quando não há melhoria possível segundo o critério de otimalidade.

O valor gerencial do simplex não está em memorizar tabelas, mas em compreender a movimentação entre soluções extremas, a função das variáveis básicas e a informação econômica contida no relatório final.

Erro comum: executar operações mecanicamente sem verificar se a base permanece viável ou se a convenção de sinais utilizada pelo material é consistente.

3.12 Degenerescência, empate e ciclagem

Degenerescência ocorre quando uma variável básica assume valor zero. Ela pode gerar iterações sem melhoria do objetivo e está associada a mais restrições ativas do que o necessário para determinar o ponto.

Empates na escolha de entrada ou saída não significam erro. Podem indicar caminhos alternativos. Regras específicas, como a de Bland, evitam ciclagem em implementações computacionais.

Na interpretação, degenerescência alerta que pequenas mudanças podem alterar quais restrições aparecem como ativas, mesmo sem mudar a solução física. Preços-sombra e bases devem ser analisados com cautela.

Erro comum: interpretar qualquer iteração sem melhoria como falha. Em casos degenerados, o algoritmo pode mudar a base mantendo o mesmo ponto.

3.13 Dualidade

Todo modelo linear possui um modelo dual relacionado. Em um problema primal de maximização com restrições de recursos, o dual frequentemente minimiza o valor imputado aos recursos, atribuindo preços que tornam qualquer atividade incapaz de gerar ganho superior ao custo dos recursos consumidos.

Se o primal é max Z = c^T x sujeito a Ax ≤ b e x ≥ 0, o dual é min W = b^T y sujeito a A^T y ≥ c e y ≥ 0.

Primal: max cᵀx, Ax ≤ b, x ≥ 0

Dual: min bᵀy, Aᵀy ≥ c, y ≥ 0

Na otimalidade, sob condições usuais, os valores objetivos primal e dual são iguais. Essa igualdade fornece verificação e interpretação econômica.

Erro comum: decorar regras sem compreender a correspondência. Cada restrição primal gera variável dual; cada variável primal gera restrição dual.

3.14 Preço-sombra

O preço-sombra estima quanto o valor ótimo muda quando o lado direito de uma restrição aumenta uma unidade, mantendo-se a base ótima dentro do intervalo permitido.

Se o preço-sombra de uma hora de máquina é R$ 18, uma hora adicional pode elevar a margem ótima em até R$ 18, enquanto as demais premissas e a base permanecerem válidas. Isso não significa pagar automaticamente R$ 18; o valor deve ser comparado ao custo e aos efeitos de implementação.

Restrições com folga normalmente possuem preço-sombra zero, pois aumentar recurso já ocioso não melhora o objetivo. Em casos degenerados, a interpretação exige atenção.

Erro comum: aplicar o preço-sombra a mudanças muito grandes. Fora do intervalo de validade, o conjunto de restrições ativas pode mudar.

3.15 Custo reduzido

O custo reduzido mede quanto o coeficiente da função objetivo de uma variável não básica precisa melhorar para que ela possa entrar na solução ótima, conforme a convenção do relatório utilizado.

Em um problema de maximização, se um produto não é fabricado e apresenta necessidade de melhoria de R$ 7 na margem unitária, ele somente se torna competitivo após essa alteração, mantidas as demais condições.

Para variáveis básicas, o custo reduzido costuma ser zero. Em ótimos múltiplos, uma variável não básica pode apresentar custo reduzido zero.

Erro comum: interpretar custo reduzido como custo contábil. Ele é um indicador marginal derivado da estrutura do modelo.

3.16 Análise de sensibilidade

A análise de sensibilidade examina como mudanças em coeficientes afetam a solução. Relatórios de solucionadores costumam apresentar intervalos admissíveis para coeficientes da função objetivo e lados direitos das restrições.

Mudanças dentro do intervalo preservam a base ótima, embora o valor objetivo possa variar. Alterações simultâneas ou fora da faixa exigem nova solução ou regras adicionais, como a regra dos 100% em alguns contextos.

A análise é especialmente útil porque dados gerenciais são estimados. Em vez de apresentar um plano como verdade exata, a pessoa analista informa quais parâmetros são críticos e quando a recomendação precisa ser revista.

Erro comum: afirmar que a quantidade ótima não muda apenas porque o coeficiente está dentro da faixa. A base permanece, mas variáveis básicas podem mudar quando o lado direito muda.

3.17 Problema de transporte

O modelo de transporte determina fluxos entre origens e destinos, minimizando custo ou tempo. Cada origem possui oferta, cada destino possui demanda e cada rota possui custo unitário.

O modelo equilibrado exige que oferta total seja igual à demanda total. Quando há desequilíbrio, cria-se origem ou destino fictício com interpretação explícita, como capacidade ociosa ou demanda não atendida.

Min Z = ΣᵢΣⱼ cᵢⱼxᵢⱼ

Σⱼxᵢⱼ = ofertaᵢ; Σᵢxᵢⱼ = demandaⱼ; xᵢⱼ ≥ 0

Métodos de solução inicial incluem canto noroeste, menor custo e aproximação de Vogel. A otimalidade pode ser verificada por potenciais ou por solucionador.

Erro comum: usar custo zero em rota fictícia sem discutir o significado. O valor pode representar ociosidade, falta ou penalidade.

3.18 Problema de designação

O problema de designação é um caso particular de transporte em que cada origem e destino possui unidade de oferta e demanda. Ele associa pessoas a tarefas, máquinas a operações, equipes a regiões ou veículos a rotas.

As variáveis são normalmente binárias: x_ij = 1 se o agente i é designado à tarefa j e 0 caso contrário. Cada agente recebe uma tarefa e cada tarefa recebe um agente, salvo adaptações.

Min Z = ΣᵢΣⱼ cᵢⱼxᵢⱼ

O método húngaro é uma técnica clássica. Em planilhas, o modelo pode ser resolvido com variáveis binárias e restrições de soma igual a um.

Erro comum: reduzir pessoas a custos sem considerar competências, preferências, aprendizagem, ergonomia e justiça distributiva.

3.19 Validação e verificação

Verificação pergunta se o modelo foi implementado corretamente: fórmulas, referências e sinais estão certos? Validação pergunta se o modelo representa adequadamente o problema real.

Testes úteis incluem reproduzir casos conhecidos, conferir unidades, comparar totais, alterar dados extremos, revisar com especialistas e executar o plano em pequena escala. Uma solução aparentemente estranha deve ser investigada, não descartada nem aceita de imediato.

Documentar versão, fontes, premissas e limitações permite auditoria e atualização. Planilhas sem identificação de entradas, cálculos e resultados tornam-se frágeis.

Erro comum: considerar o resultado plausível como prova de correção. Muitos erros produzem números visualmente razoáveis.

3.20 Implementação e governança

A implementação transforma quantidades matemáticas em ações. É necessário definir responsáveis, calendários, sistemas, regras de arredondamento, exceções e indicadores. O plano ótimo de uma semana pode precisar de ajustes diários diante de faltas, quebras ou mudanças de demanda.

Governança inclui controle de acesso, revisão independente, aprovação de premissas e registro de decisões que desviam do modelo. O objetivo não é impedir julgamento, mas tornar desvios conscientes e explicáveis.

Uma rotina madura compara previsto e realizado, identifica causas e atualiza coeficientes. Assim, o modelo torna-se parte de um ciclo de aprendizagem.

Erro comum: entregar a planilha sem processo de uso, treinamento ou responsável pela manutenção.

3.21 Exemplo completo pelo método gráfico

Uma pequena fábrica produz mesas de reunião e estações individuais. Cada mesa gera margem de contribuição de R$ 500 e consome quatro horas de marcenaria e duas horas de acabamento. Cada estação gera margem de R$ 320 e consome duas horas de marcenaria e três horas de acabamento. Há 240 horas de marcenaria e 180 horas de acabamento por mês. A demanda limita mesas a 50 unidades.

Defina x como mesas e y como estações.

Maximizar Z = 500x + 320y

4x + 2y ≤ 240 (marcenaria)

2x + 3y ≤ 180 (acabamento)

x ≤ 50 (demanda)

x, y ≥ 0

Simplificando a primeira restrição: 2x + y ≤ 120. A interseção entre marcenaria e acabamento é obtida pelo sistema 2x + y = 120 e 2x + 3y = 180. Subtraindo as equações, 2y = 60 e y = 30. Substituindo, 2x + 30 = 120, portanto x = 45.

Vértice	x	y	Z
Origem	0	0	R$ 0
Eixo y limitado por acabamento	0	60	R$ 19.200
Interseção principal	45	30	R$ 32.100
Limite de demanda com marcenaria	50	20	R$ 31.400

A solução é produzir 45 mesas e 30 estações, com margem de R$ 32.100. Marcenaria e acabamento são totalmente utilizados; a demanda de mesas possui folga de cinco unidades. Portanto, ampliar a demanda de mesas isoladamente não melhora o resultado. A empresa precisaria avaliar capacidade dos recursos ativos.

A interpretação gerencial deve verificar se quantidades fracionárias seriam aceitáveis, se a margem inclui custos relevantes, se há demanda para estações e se operar exatamente no limite dos dois recursos é prudente. Uma reserva de capacidade pode justificar uma solução ligeiramente inferior em termos matemáticos.

3.22 Exemplo introdutório do simplex

Considere maximizar Z = 3x1 + 5x2, sujeito a x1 ≤ 4, 2x2 ≤ 12, 3x1 + 2x2 ≤ 18 e não negatividade. Adicionando folgas s1, s2 e s3, obtém-se uma base inicial em que x1 = x2 = 0 e as folgas correspondem às disponibilidades.

A variável x2 possui maior contribuição inicial e entra na base. O teste de razão considera somente coeficientes positivos na coluna de x2: 12/2 = 6 e 18/2 = 9; portanto s2 sai. Após o pivoteamento, x2 = 6. Na iteração seguinte, x1 pode melhorar o objetivo e o teste de razão determina a saída adequada. A solução ótima é x1 = 2 e x2 = 6, com Z = 36.

O exemplo mostra a lógica: partir de uma solução viável, escolher direção de melhoria e respeitar o primeiro limite encontrado. Softwares realizam essa álgebra em grande escala, mas a pessoa analista precisa compreender o relatório de solução.

3.23 Método simplex desenvolvido passo a passo

O método simplex é apresentado em muitos cursos por meio de quadros sucessivos. A notação varia entre livros, mas a lógica permanece: construir uma base viável, verificar se alguma variável não básica pode melhorar o objetivo, determinar qual variável básica limita o movimento e atualizar o sistema. Compreender essa lógica é mais importante que memorizar uma convenção de sinais.

Forma padrão e base inicial

Considere maximizar Z = 4x1 + 3x2, sujeito a x1 + x2 ≤ 5, 2x1 + x2 ≤ 8 e não negatividade. Adicionam-se folgas s1 e s2: x1+x2+s1=5 e 2x1+x2+s2=8. A base inicial contém s1 e s2. Quando x1=x2=0, s1=5 e s2=8. Essa solução representa não produzir e deixar todos os recursos ociosos.

O sistema pode ser organizado em tabela com colunas para x1, x2, s1, s2 e termo independente. A linha do objetivo deve seguir a convenção adotada pelo material. Algumas tabelas escrevem Z-4x1-3x2=0; outras mantêm os coeficientes em linha Cj-Zj. A escolha não altera o resultado, mas misturar convenções produz erros.

Base	x1	x2	s1	s2	b
s1	1	1	1	0	5
s2	2	1	0	1	8
Z	-4	-3	0	0	0

Escolha da variável que entra

Na convenção da linha Z acima, coeficientes negativos indicam possibilidade de aumentar o objetivo. x1 possui -4 e x2 possui -3; portanto x1 entra. Essa escolha corresponde a aumentar a atividade com maior melhoria imediata a partir da base atual. Em outras convenções, escolhe-se o maior valor positivo de Cj-Zj.

A regra de maior melhoria é comum, mas empates podem ser resolvidos por critérios definidos. Em implementações numéricas, regras anticíclagem evitam repetição em casos raros.

Escolha da variável que sai

Aumentar x1 consome uma unidade da primeira restrição e duas da segunda. O teste da razão mínima positiva calcula 5/1=5 e 8/2=4. A segunda restrição se esgota primeiro, portanto s2 sai. O elemento pivô é 2, localizado na linha s2 e coluna x1.

Razões com coeficiente zero ou negativo não são consideradas, pois não limitam aumento na direção escolhida. Se nenhuma linha possuir coeficiente positivo, o problema é ilimitado nessa direção.

Pivoteamento

Divide-se a linha pivô por 2 para transformar o pivô em 1: x1 + 0,5x2 + 0,5s2 = 4. Em seguida, elimina-se x1 das outras linhas. A primeira linha menos a nova linha pivô resulta em 0,5x2 + s1 - 0,5s2 = 1. A linha objetivo somada a quatro vezes a linha pivô resulta em Z - x2 + 2s2 = 16.

Base	x1	x2	s1	s2	b
s1	0	0,5	1	-0,5	1
x1	1	0,5	0	0,5	4
Z	0	-1	0	2	16

A nova base é s1 e x1. A solução básica é x1=4, x2=0, s1=1 e s2=0, com Z=16. Ainda existe coeficiente negativo para x2 na linha objetivo, portanto há possibilidade de melhoria.

Segunda iteração

x2 entra. O teste da razão calcula 1/0,5=2 na linha s1 e 4/0,5=8 na linha x1. s1 sai; o pivô é 0,5. Dividindo a primeira linha por 0,5, obtém-se x2 + 2s1 - s2 = 2. Eliminando x2 da linha x1 e da linha Z, chega-se à solução x1=3, x2=2, com Z=18.

Base	x1	x2	s1	s2	b
x2	0	1	2	-1	2
x1	1	0	-1	1	3
Z	0	0	2	1	18

Como não há coeficientes de melhoria na convenção utilizada, a solução é ótima. As duas restrições estão ativas: 3+2=5 e 2(3)+2=8. O exemplo confirma o resultado que também seria obtido graficamente.

Leitura econômica do quadro final

Os coeficientes associados às folgas na linha final se relacionam aos valores duais conforme a convenção. Eles indicam o impacto marginal dos recursos. O quadro também mostra quais variáveis estão na base e quais recursos foram totalmente utilizados.

A leitura deve ser confirmada por relatório de sensibilidade, porque sinais e apresentação variam. O mais importante é entender que a tabela final contém mais informação que as quantidades: ela revela valor dos limites e competitividade de atividades fora da base.

Restrições do tipo maior ou igual

Em uma restrição a1x1+a2x2≥b, subtrai-se variável de excesso: a1x1+a2x2-e=b. Essa igualdade não fornece uma base inicial evidente, pois a coluna de -e não forma identidade positiva. Adiciona-se variável artificial A para iniciar o algoritmo: a1x1+a2x2-e+A=b.

Variáveis artificiais não pertencem ao problema real. Devem ser eliminadas por método das duas fases ou Big M. Se uma artificial permanece positiva ao final da fase de viabilidade, o modelo original é inviável.

Método das duas fases

Na fase 1, minimiza-se a soma das variáveis artificiais. O objetivo é encontrar uma base viável para o problema original. Se o valor mínimo é zero, todas as artificiais podem sair ou permanecer com valor zero em caso degenerado. Na fase 2, restaura-se a função objetivo original e continua-se o simplex.

A abordagem das duas fases é conceitualmente clara e evita escolher um número M inadequado. Em exercícios manuais, exige atenção para reconstruir corretamente a linha objetivo após a fase 1.

Método Big M

No Big M, variáveis artificiais recebem penalidade muito grande: -MA em maximização ou +MA em minimização. O algoritmo tenta eliminá-las porque sua permanência piora intensamente o objetivo.

M representa um valor simbólico suficientemente grande, não um número arbitrário que cause problemas numéricos. Em softwares modernos, técnicas internas são preferíveis. O método continua importante para compreender a função das artificiais.

Degenerescência no simplex

Se a razão mínima é zero ou há empate, uma variável pode entrar na base com valor zero. A função objetivo pode não melhorar naquela iteração. Isso não invalida o método. Porém, a base muda sem movimento físico, e interpretações marginais podem ser sensíveis.

Em exercícios, registre a base e continue segundo a regra adotada. Em aplicações, investigue se várias restrições representam essencialmente o mesmo limite ou se há dados redundantes.

Checklist para cada iteração

· confirmar que a solução básica atual é viável;

· identificar a convenção da linha objetivo;

· escolher coluna de entrada segundo o critério correto;

· calcular somente razões positivas;

· normalizar a linha pivô;

· eliminar a coluna pivô das demais linhas;

· conferir o valor objetivo e os termos independentes;

· parar somente quando o critério de otimalidade estiver atendido.

3.24 Dualidade: regras, interpretação e complementaridade

Construção do dual

A dualidade pode ser construída por correspondência. Cada restrição do primal gera uma variável no dual, e cada variável primal gera uma restrição dual. A matriz de coeficientes é transposta. Os lados direitos do primal tornam-se coeficientes da função dual; os coeficientes da função primal tornam-se lados direitos das restrições duais.

No caso padrão de maximização com restrições ≤ e variáveis não negativas, o dual é minimização, possui restrições ≥ e variáveis não negativas. Outras combinações exigem regras de sinal.

Elemento primal	Consequência no dual
Restrição ≤ em problema max	Variável dual ≥ 0
Restrição ≥ em problema max	Variável dual ≤ 0
Restrição =	Variável dual livre
Variável primal ≥ 0	Restrição dual no sentido apropriado
Variável primal livre	Restrição dual de igualdade

Em vez de decorar todas as regras isoladamente, é possível converter o primal para uma forma padrão e derivar o dual. Essa estratégia reduz erros, embora possa aumentar o número de etapas.

Exemplo de construção

Primal: maximizar Z=6x1+5x2, sujeito a 2x1+x2≤8, x1+3x2≤9, x≥0. Há duas restrições, logo duas variáveis duais y1 e y2. Como o primal é max com ≤, o dual é min com y≥0.

A função dual é minimizar W=8y1+9y2. A coluna de x1 gera 2y1+y2≥6; a coluna de x2 gera y1+3y2≥5. Assim, os preços dos recursos devem tornar o custo imputado de cada produto pelo menos igual à sua contribuição.

Dualidade fraca e forte

A dualidade fraca afirma que qualquer solução viável do dual fornece um limite para o objetivo primal. Em um par max-min padrão, o valor primal não supera o valor dual. Portanto, uma solução dual viável pode certificar que o primal não alcançará valor acima daquele limite.

A dualidade forte afirma que, quando existem soluções ótimas finitas sob condições usuais, os valores ótimos são iguais. Encontrar soluções viáveis primal e dual com o mesmo valor prova otimalidade sem testar todas as alternativas.

Folgas complementares

As condições de complementaridade conectam atividade e valor. Se uma restrição primal possui folga positiva, a variável dual correspondente deve ser zero. Um recurso ocioso não tem valor marginal. Se uma variável primal é positiva, a restrição dual correspondente deve estar ativa; a atividade utilizada cobre exatamente o valor imputado dos recursos.

A recíproca não é sempre estrita em degenerescência: uma restrição ativa pode ter preço-sombra zero. Por isso, a interpretação precisa considerar a estrutura da solução.

Uso gerencial

O dual ajuda a avaliar recursos, negociar capacidade e compreender gargalos. Também fornece limites e pode ser mais fácil de resolver quando possui menos variáveis. Em planejamento de produção, os valores duais funcionam como preços internos de horas e materiais.

Esses valores não substituem preços de mercado. Representam contribuição marginal no modelo, durante determinado horizonte e dentro de uma faixa. Custos de aquisição, indivisibilidade e efeitos estratégicos precisam ser comparados.

3.25 Análise de sensibilidade em profundidade

Mudança no coeficiente da função objetivo

Quando a margem de um produto muda, a solução atual pode permanecer ótima dentro de um intervalo. As quantidades básicas continuam as mesmas, e o valor objetivo é recalculado com o novo coeficiente. Fora da faixa, outra variável pode entrar na base e o mix muda.

Para uma variável não básica, o custo reduzido informa a melhoria necessária para atingir o limiar. Para variável básica, o relatório apresenta aumento e redução admissíveis que preservam a base.

Mudança no lado direito

Quando uma capacidade muda dentro da faixa, a base permanece, mas as quantidades básicas podem variar. O preço-sombra calcula a mudança no objetivo: novo Z = Z atual + y_i Δb_i. É necessário verificar se a nova solução continua não negativa.

O aumento admissível termina quando alguma variável básica chega a zero ou uma estrutura muda. A redução admissível indica quanto o recurso pode ser retirado antes de alterar a base.

Recurso ativo sem valor

Em degenerescência, uma restrição pode estar ativa e possuir preço-sombra zero. Isso ocorre porque outro limite impede melhoria. A ausência de folga não garante valor econômico positivo.

A análise deve olhar folga e preço-sombra conjuntamente. Um quadro executivo pode classificar recursos em ativo com valor, ativo sem valor e ocioso.

Mudanças simultâneas e regra dos 100%

Se vários lados direitos mudam dentro de suas faixas, a soma das proporções consumidas dos limites pode ser utilizada em uma condição suficiente conhecida como regra dos 100%. Para mudanças na mesma direção, divide-se cada alteração por seu aumento ou redução admissível e soma-se. Se a soma não excede 100%, a base permanece válida.

A regra não substitui nova solução quando o software está disponível. Ela é útil para compreender que intervalos individuais não podem ser aplicados simultaneamente de modo independente.

Cenários e estresse

A sensibilidade local deve ser combinada com cenários amplos. Um cenário de crise pode reduzir demanda, margem e capacidade ao mesmo tempo. Resolva o modelo completo em cada cenário e compare plano, objetivo, gargalos e perdas.

O teste de estresse pergunta em que ponto uma obrigação deixa o modelo inviável ou o resultado se torna inaceitável. Essa informação sustenta planos de contingência.

Apresentação

Pergunta	Indicador útil
Qual recurso vale ampliar?	Preço-sombra, faixa e custo de aquisição
Qual produto pode entrar?	Custo reduzido e nova margem
O plano é robusto?	Intervalos e cenários
Qual meta é mais cara?	Variação do objetivo com o requisito
Quando recalcular?	Gatilhos de dados fora das faixas

3.26 Modelo de transporte desenvolvido

Estrutura e balanceamento

Considere três fábricas com ofertas de 40, 60 e 50 unidades e quatro centros com demandas de 30, 20, 45 e 55. A oferta total e a demanda total são 150, portanto o modelo é equilibrado. Cada célula possui custo unitário e variável de fluxo.

Origem/Destino	D1	D2	D3	D4	Oferta
F1	6	8	10	9	40
F2	7	5	6	8	60
F3	9	7	4	5	50
Demanda	30	20	45	55	150

A função minimiza a soma custo vezes fluxo. Restrições de linha distribuem toda a oferta; restrições de coluna atendem toda a demanda. Em modelos com possibilidade de ociosidade, as linhas podem ser ≤ e um destino fictício absorve excesso.

Canto noroeste

O método do canto noroeste ignora custos e começa na célula superior esquerda. Aloca min(40,30)=30 em F1-D1. Restam 10 em F1 e D1 está atendido. Aloca 10 em F1-D2. F1 termina e restam 10 em D2. Em seguida, aloca 10 em F2-D2, 45 em F2-D3, 5 em F2-D4 e 50 em F3-D4.

O custo é 30(6)+10(8)+10(5)+45(6)+5(8)+50(5)=870. A solução é viável, mas não usa informações de custo para escolher rotas.

Método do menor custo

O menor custo começa nas células de valor 4 e 5. Aloca 45 em F3-D3, restando 5 na oferta de F3. Depois, pode alocar 20 em F2-D2, 5 em F3-D4, 30 em F1-D1 e distribuir o restante de D4 entre F1 e F2 conforme disponibilidade. Uma solução resultante possui custo menor que o canto noroeste.

Empates devem ser resolvidos com atenção ao impacto futuro. Uma escolha local barata pode bloquear uma combinação melhor, motivo pelo qual a solução inicial ainda precisa de teste de otimalidade.

Aproximação de Vogel

Vogel calcula penalidades: diferença entre os dois menores custos de cada linha e coluna. A maior penalidade indica onde deixar de usar a melhor célula seria mais caro. Aloca-se então o máximo possível na célula de menor custo dessa linha ou coluna.

O procedimento costuma gerar solução inicial de boa qualidade. Recalcule penalidades após cada eliminação de linha ou coluna. Empates podem utilizar maior alocação possível ou menor custo como desempate.

Degenerescência em transporte

Uma solução básica de transporte com m origens e n destinos deve possuir m+n-1 células básicas. Se possui menos, é degenerada. Adiciona-se uma alocação epsilon em célula apropriada que não forme ciclo, apenas para manter a estrutura da base.

O epsilon é conceitualmente zero. Sua posição influencia o cálculo dos potenciais, e deve ser escolhida sem criar dependência.

Método dos potenciais

Para cada célula básica, determine potenciais u_i e v_j tais que u_i+v_j=c_ij. Fixe um potencial como zero e resolva os demais. Para células não básicas, calcule custo reduzido Δ_ij=c_ij-(u_i+v_j). Em minimização, valores negativos indicam oportunidade de redução.

Escolha a célula mais negativa, construa um ciclo fechado alternando sinais + e - em células básicas e ajuste pelo menor fluxo nas posições negativas. O custo diminui. Repita até não haver custo reduzido negativo.

Rotas proibidas e capacidades

Uma rota proibida pode ser excluída ou receber custo M muito alto, com cuidado numérico. Capacidade máxima de rota é representada por x_ij≤limite. Essas extensões retiram parte da estrutura simples, mas continuam lineares e podem ser resolvidas por Solver.

Interpretação

A solução informa volumes e custo total. Células não usadas não são necessariamente ruins; podem ser redundantes diante da rede. Preços duais associados a oferta e demanda ajudam a avaliar expansão e custo marginal de atender uma unidade adicional.

3.27 Problema de designação e método húngaro

Estrutura

Considere quatro analistas e quatro projetos, com matriz de horas estimadas. Cada analista deve receber um projeto e cada projeto deve receber uma pessoa. A função minimiza horas totais.

Pessoa/Projeto	P1	P2	P3	P4
Ana	9	2	7	8
Bruno	6	4	3	7
Carla	5	8	1	8
Diego	7	6	9	4

Redução por linhas

Subtraia o menor valor de cada linha. Para Ana, subtraia 2; Bruno, 3; Carla, 1; Diego, 4. A operação cria pelo menos um zero por linha sem alterar a designação ótima, pois subtrai constante de qualquer escolha daquela pessoa.

Redução por colunas

Depois, subtraia o menor valor de cada coluna da matriz resultante. Surgem zeros adicionais. Tente selecionar zeros independentes, um por linha e coluna. Se for possível selecionar quatro, a designação ótima está identificada.

Cobertura de zeros

Se não houver número suficiente de zeros independentes, cubra todos os zeros com o menor número de linhas horizontais e verticais. Encontre o menor valor não coberto, subtraia-o dos elementos não cobertos e adicione-o nas interseções de duas linhas. Repita.

Solução

Para a matriz apresentada, uma designação ótima é Ana-P2 (2), Bruno-P1 (6), Carla-P3 (1) e Diego-P4 (4), totalizando 13 horas. É necessário verificar alternativas em caso de zeros múltiplos, pois podem existir ótimos equivalentes.

Maximização

Se o problema maximiza desempenho, transforme a matriz subtraindo cada valor do maior valor global ou de linha, conforme o método adotado. Depois aplique o procedimento de minimização. A transformação deve preservar a ordem das designações.

Aplicação responsável

Tempos ou pontuações não capturam toda a adequação. Competências, desenvolvimento, carga, preferências, acessibilidade e conflitos precisam ser considerados. Pode-se proibir associações, impor requisitos e revisar a solução com as pessoas responsáveis.

3.28 Diagnóstico sistemático de erros

Erro de unidade

Misturar horas e minutos, reais e milhares ou produção diária e capacidade mensal altera o modelo. Crie uma coluna de unidade para cada dado e execute análise dimensional das restrições. Todos os termos somados devem ter a mesma unidade.

Erro de sinal

Leia a restrição em voz alta. “Uso não pode exceder capacidade” exige ≤. “Atendimento deve ser pelo menos a meta” exige ≥. Balanços usam igualdade. Teste uma solução obviamente aceitável e outra obviamente proibida para confirmar o sentido.

Dupla contagem

Custos compartilhados podem aparecer em mais de um coeficiente. Recursos também podem ser descontados duas vezes quando um subprocesso já está incluído no tempo total. Desenhe o fluxo físico para evitar sobreposição.

Referência de planilha

Copiar fórmulas pode deslocar intervalos. Use referências absolutas quando necessário e confira células com auditoria de precedentes. Compare uma linha calculada manualmente.

Objetivo incorreto

Minimizar custo sem exigir atendimento leva à solução de não fazer nada. Maximizar produção sem limite de demanda pode gerar estoque inútil. A função e as restrições precisam representar conjuntamente o propósito.

Domínio incorreto

Permitir valores negativos ou fracionários altera o significado. Defina limites e integridade. Não corrija somente depois que o resultado estranho aparece; o domínio faz parte da formulação.

Dados inconsistentes

Capacidade nominal pode não refletir manutenção. Margem pode vir de período diferente do consumo. Registre data e fonte, e alinhe o horizonte. Um modelo consistente com dados incoerentes continua produzindo recomendação ruim.

3.29 Banco de formulações gerenciais

Os modelos seguintes funcionam como um banco de reconhecimento de padrões. A resolução numérica pode ser realizada em planilha, mas a ênfase está na tradução da situação para variáveis, objetivo e restrições. Em cada exemplo, os coeficientes devem ser substituídos por dados validados da organização.

Formulação 1: Produção de bebidas

Decisão e variáveis: x1 e x2: litros de duas bebidas. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: maximizar margem por litro. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: açúcar, concentrado, envase, demanda máxima e produção mínima de contrato. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: A unidade comum deve ser litro. Se receitas forem por caixa, converta antes de combinar com consumo por litro. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 2: Cardápio de baixo custo

Decisão e variáveis: xj: porções de cada alimento. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: minimizar custo total. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: calorias mínimas, proteínas, sódio máximo, variedade e porção máxima. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: O modelo clássico de dieta pode indicar combinação pouco aceitável; variedade e preferências precisam ser representadas. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 3: Mistura de combustíveis

Decisão e variáveis: xj: volume de cada componente. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: minimizar custo da mistura. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: octanagem média, teor de enxofre, disponibilidade e volume total. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Médias ponderadas são transformadas em restrições lineares multiplicando a especificação pelo volume total. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 4: Alocação de salas

Decisão e variáveis: xij: uso da sala i pela atividade j. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: minimizar deslocamento ou maximizar adequação. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: capacidade, acessibilidade, equipamento, exclusividade e horários. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Quando a decisão é sim ou não, variáveis binárias são mais apropriadas que contínuas. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 5: Escala de atendimento

Decisão e variáveis: xt: quantidade de pessoas iniciando no turno t. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: minimizar custo de pessoal. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: cobertura mínima por faixa, duração do turno, descanso e disponibilidade. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: A matriz de cobertura deve mostrar em quais períodos cada turno contribui. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 6: Seleção de fornecedores

Decisão e variáveis: xj: volume comprado do fornecedor j. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: minimizar custo total entregue. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: demanda, capacidade, qualidade mínima, concentração e pedido mínimo. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Frete, impostos recuperáveis, prazo e perdas devem ser tratados de maneira coerente no custo. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 7: Distribuição de vacinas

Decisão e variáveis: xij: doses enviadas da central i à região j. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: minimizar custo e perdas. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: estoque, demanda mínima, cadeia fria, capacidade de transporte e equidade. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Cobertura mínima pode ser diferenciada por vulnerabilidade, desde que critérios sejam transparentes. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 8: Alocação de orçamento cultural

Decisão e variáveis: xj: recurso destinado ao projeto j. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: maximizar público ponderado ou benefício. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: orçamento, capacidade de execução, piso regional e diversidade de linguagem. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Benefícios não monetários exigem pesos ou metas; a escolha desses valores deve ser participativa. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 9: Produção agrícola

Decisão e variáveis: xj: hectares dedicados à cultura j. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: maximizar margem. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: terra, água, mão de obra, rotação, demanda e limite ambiental. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Variabilidade climática pede cenários. O determinístico é uma referência, não promessa. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 10: Carteira de crédito

Decisão e variáveis: xj: valor destinado à classe j. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: maximizar retorno esperado. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: capital, concentração, risco, liquidez e limites regulatórios. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Risco não deve ser representado apenas por retorno médio; limites e cenários de perda são necessários. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 11: Plano de capacitação

Decisão e variáveis: xj: vagas em cada curso. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: maximizar cobertura de competências. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: orçamento, horas, instrutores, capacidade de turma e prioridades. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Uma pessoa pode precisar de sequência de cursos, criando dependências que exigem variáveis binárias. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 12: Uso de ambulâncias

Decisão e variáveis: xij: ambulância i destinada à base j. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: minimizar tempo de resposta. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: uma base por veículo, cobertura mínima e manutenção. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Tempo médio pode ocultar regiões críticas; limites de resposta máxima devem complementar a média. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 13: Aproveitamento de madeira

Decisão e variáveis: xp: número de vezes que o padrão de corte p é usado. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: minimizar chapas ou desperdício. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: atendimento das peças e disponibilidade de chapas. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: O número de padrões pode ser grande; técnicas de geração de colunas são aprofundamento posterior. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 14: Planejamento de caixa

Decisão e variáveis: et e at: empréstimos e aplicações por período. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: minimizar custo financeiro. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: balanços de caixa, saldo mínimo, limites e vencimentos. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Taxas e fluxos devem utilizar o mesmo período. Empréstimos não podem ser usados para criar lucro artificial. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 15: Mix de canais de venda

Decisão e variáveis: xj: esforço ou orçamento no canal j. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: maximizar contribuição. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: orçamento, equipe, cobertura mínima e saturação aproximada. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: A resposta de vendas pode ser não linear; faixas lineares são uma aproximação que deve ser testada. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 16: Roteiro de inspeções

Decisão e variáveis: xij: designação de equipe i à unidade j. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: minimizar deslocamento e atraso. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: cobertura, competências, carga e prazo. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Se várias unidades são visitadas em sequência, o problema torna-se roteirização, além da designação simples. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 17: Distribuição de alimentos

Decisão e variáveis: xij: quantidade enviada de armazém i ao ponto j. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: minimizar custo com penalidade de falta. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: oferta, demanda, validade, capacidade e prioridade. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Uma variável de falta deve receber penalidade coerente e ser relatada como atendimento não realizado. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 18: Produção com estoque

Decisão e variáveis: xjt e Ijt: produção e estoque por produto e período. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: minimizar produção, armazenagem e atraso. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: balanço, capacidade, demanda e estoque final. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: O modelo permite antecipação, mas custos e limites impedem estoque excessivo. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 19: Manutenção preventiva

Decisão e variáveis: xmt: número de máquinas do tipo m atendidas no período t. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: minimizar risco e custo. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: equipe, janela, limite de atraso e disponibilidade operacional. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Risco de falha pode ser representado por prioridade, mas incerteza real demanda modelos adicionais. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 20: Cobertura de segurança

Decisão e variáveis: xt: pessoas alocadas a cada faixa. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: minimizar custo. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: postos mínimos, rondas, pausas e qualificação. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: A formulação precisa respeitar legislação e evitar jornadas prejudiciais. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 21: Portfólio de projetos

Decisão e variáveis: xj: fração ou seleção do projeto j. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: maximizar valor estratégico. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: orçamento, equipe, dependências, exclusões e mínimo por eixo. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Projetos indivisíveis exigem variáveis binárias; a relaxação contínua serve como referência. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 22: Programação de máquinas

Decisão e variáveis: xij: tempo do produto j na máquina i. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: minimizar custo ou tempo. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: capacidade, compatibilidade, demanda e setup. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Quando sequência altera setup, o modelo linear simples não captura toda a programação. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 23: Gestão de resíduos

Decisão e variáveis: xij: fluxo do resíduo i para tratamento j. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: minimizar custo e impacto. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: geração, capacidade, compatibilidade, reciclagem mínima e distância. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Custos ambientais podem ser limites ou coeficientes monetizados, com explicação da metodologia. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 24: Alocação de bolsas

Decisão e variáveis: xj: bolsas por programa j. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: maximizar permanência ou impacto. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: orçamento, teto por programa, pisos de inclusão e capacidade de acompanhamento. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Critérios distributivos devem ser claros e sujeitos a controle social. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 25: Planejamento de frota

Decisão e variáveis: xk: quantidade de veículos do tipo k. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: minimizar custo total. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: demanda de carga, distância, capacidade, disponibilidade e emissão. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Compra é decisão inteira; uma versão contínua pode estimar composição ideal antes da discretização. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 26: Contratação de energia

Decisão e variáveis: xj: energia adquirida de cada fonte. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: minimizar custo. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: demanda, capacidade, renovável mínima, emissão máxima e segurança. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Contratos possuem volumes mínimos e riscos de preço que podem exigir cenários. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 27: Planejamento editorial

Decisão e variáveis: xj: quantidade de títulos por categoria. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: maximizar contribuição e diversidade. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: orçamento, equipe, páginas, calendário e mínimo por linha. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: A demanda estimada deve considerar canibalização; a hipótese de aditividade pode ser limitada. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 28: Cobertura de internet

Decisão e variáveis: xj: investimento em cada área. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: maximizar população atendida. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: orçamento, capacidade técnica, cobertura mínima rural e dependências. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Benefício marginal pode cair após determinado investimento, exigindo aproximação por faixas. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 29: Seleção de disciplinas

Decisão e variáveis: xj: abertura ou número de turmas. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: minimizar custo e atender demanda. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: vagas, docentes, salas, pré-requisitos e limite de choque. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: O problema de horários pode exigir variáveis por combinação de dia, hora e sala. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 30: Alocação hospitalar

Decisão e variáveis: xij: horas da equipe i no setor j. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: maximizar cobertura ponderada. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: carga, competência, mínimo assistencial e descanso. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Indicadores clínicos e segurança são limites, não variáveis negociáveis somente por custo. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 31: Compras sazonais

Decisão e variáveis: xjt: compra do item j no período t. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: minimizar compra e estoque. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: demanda, estoque, capacidade, desconto e orçamento. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Descontos por quantidade quebram linearidade simples e podem exigir variáveis binárias. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 32: Localização simplificada

Decisão e variáveis: xj: capacidade alocada ao local j. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: minimizar transporte e operação. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: demanda regional, capacidade e limite de investimento. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Abrir ou não abrir uma unidade é decisão binária; a formulação contínua serve apenas como aproximação. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 33: Alocação de pesquisadores

Decisão e variáveis: xij: dedicação da pessoa i ao projeto j. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: maximizar aderência e entrega. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: carga, competência, mínimo por projeto e conflito de interesse. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: A solução precisa considerar desenvolvimento e justiça, não apenas pontuação histórica. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 34: Plano de produção editorial digital

Decisão e variáveis: xj: horas dedicadas ao formato j. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: maximizar alcance e receita. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: equipe, revisão, acessibilidade, calendário e qualidade mínima. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Acessibilidade deve ser requisito de todas as entregas, não apenas objetivo opcional. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 35: Distribuição de água em emergência

Decisão e variáveis: xij: volume da fonte i para região j. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: minimizar distância e falta. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: oferta, demanda mínima, qualidade e capacidade de rota. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: A penalidade de falta pode ser maior em regiões prioritárias, com critérios públicos documentados. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

Formulação 36: Alocação de fiscais

Decisão e variáveis: xij: equipe i designada à ação j. A definição deve incluir unidade e horizonte, pois a mesma expressão pode representar decisões diárias, mensais ou anuais.

Objetivo: maximizar risco coberto. O coeficiente de cada variável deve medir consequência incremental comparável e não apenas um valor disponível no sistema.

Restrições principais: horas, competência, deslocamento, independência e cobertura mínima. Cada uma deve ser escrita primeiro como frase e depois como equação ou inequação, verificando o sentido do sinal e a unidade dos termos.

Interpretação e cuidado: Pontuações de risco devem ser revisadas para evitar viés e concentração indevida. Depois da solução, substitua os valores nas restrições, calcule folgas e compare com uma alternativa intuitiva. Essa validação ajuda a detectar erros antes da implementação.

O banco mostra que a estrutura matemática se repete, mas o significado muda. A habilidade profissional consiste em reconhecer o padrão sem apagar particularidades. Um modelo de transporte de mercadorias e um modelo de distribuição de serviços podem compartilhar equações, porém possuem consequências humanas e critérios de validação distintos.

3.30 Casos especiais e armadilhas de interpretação

3.30.1 Restrição ativa não é sinônimo de gargalo valioso

Uma restrição ativa possui folga zero, mas seu preço-sombra pode ser zero em situações degeneradas. Isso significa que aumentar o recurso isoladamente não melhora o objetivo, pois outro limite continua impedindo avanço. A pessoa analista deve observar conjuntamente folga, preço-sombra e intervalo. Chamar toda restrição ativa de gargalo pode direcionar investimento para capacidade sem retorno.

Pergunta de controle: qual evidência confirmaria essa interpretação e qual mudança exigiria resolver o modelo novamente? Registrar essa resposta cria um gatilho claro de atualização e reduz o risco de usar um resultado fora do contexto.

3.30.2 Folga positiva não significa recurso inútil

Um recurso pode apresentar folga porque outro é mais escasso no mix atual. Ainda assim, pode ser necessário para flexibilidade, segurança ou outros produtos fora do horizonte. A conclusão correta é apenas que uma unidade adicional desse recurso não melhora o objetivo local nas condições analisadas. Vender capacidade ou eliminá-la exige análise mais ampla.

3.30.3 Margem maior não garante prioridade

Um produto de margem unitária elevada pode consumir muitos recursos críticos. A comparação deve considerar o conjunto de restrições. Quando existe um único gargalo, margem por unidade do gargalo ajuda; com vários limites, somente a otimização captura as interações. Relatórios devem evitar frases como “produzir o mais lucrativo primeiro” sem qualificar o critério.

3.30.4 Preço-sombra não é preço de mercado

O preço-sombra representa valor marginal interno. Ele não inclui necessariamente custo fixo, risco, indivisibilidade, impostos ou negociação. Uma hora adicional avaliada em R$ 50 no modelo não significa que qualquer oferta abaixo disso deve ser aceita. A compra precisa caber na faixa, ser utilizável e não criar custos adicionais omitidos.

3.30.5 Custo reduzido não é custo de fabricação

O nome pode confundir. Trata-se da melhoria necessária no coeficiente objetivo de uma variável não básica ou do impacto marginal segundo a convenção do software. Ele não substitui ficha de custo. A apresentação deve dizer “melhoria necessária na margem” quando essa for a interpretação, reduzindo jargão.

3.30.6 Solução ótima não é previsão

O modelo responde o que fazer se as premissas ocorrerem. Não prevê demanda ou capacidade. Uma solução de 300 unidades não garante venda nem ausência de falhas. Cenários, reservas e acompanhamento conectam a recomendação à incerteza. A palavra “ótimo” deve ser acompanhada de “segundo o modelo e as premissas”.

3.30.7 Solução contínua não deve ser arredondada automaticamente

Quando o modelo recomenda 3,6 veículos ou 12,4 pessoas, o domínio está inadequado para implementação. Arredondar para cima pode elevar custo; para baixo pode violar cobertura. É necessário usar integridade ou testar combinações. A relaxação contínua ainda é útil como limite e diagnóstico.

3.30.8 Dados precisos podem ser conceitualmente errados

Uma planilha pode usar números com muitas casas decimais e ainda representar a pergunta errada. Custos rateados, capacidade nominal ou médias de períodos incompatíveis produzem falsa precisão. A validação conceitual deve preceder a sofisticação computacional.

3.30.9 Restrições redundantes podem dificultar leitura

Uma restrição redundante não altera a região viável, mas pode ser mantida por clareza. Entretanto, excesso de condições duplicadas aumenta risco de erro e pode gerar degenerescência. A documentação deve identificar regras obrigatórias e relações derivadas, evitando que futuras alterações tornem o conjunto inconsistente.

3.30.10 Meta rígida pode esconder alternativa superior

Transformar uma preferência em restrição obrigatória elimina alternativas. Antes de impor mínimo de 40% a uma linha, verifique se essa é exigência legal, contrato ou apenas expectativa. Preferências podem ser tratadas por cenários ou objetivo secundário. Essa distinção melhora a negociação.

3.30.11 Resultado do software precisa de prova de viabilidade

Após resolver, recalcule objetivo e cada restrição. Confira unidades, sinais e integridade. Um status “ótimo” significa ótimo para o modelo implementado, não necessariamente para o modelo pretendido. A substituição manual de alguns valores e a revisão por outra pessoa são controles simples e valiosos.

3.30.12 Implementação modifica o sistema

Ao adotar o plano, comportamentos podem mudar. Pessoas aprendem, fornecedores reajustam, gargalos migram e demanda reage. O modelo não é estático. Indicadores de realizado, revisão de coeficientes e comunicação de exceções mantêm utilidade ao longo do tempo.

3.31 Roteiro completo: do problema ao parecer gerencial

Etapa 1 — Delimitar a decisão

Comece por uma pergunta que identifique ação, horizonte e unidade. “Melhorar a produção” é amplo; “definir quantidades semanais de três produtos para maximizar margem com a capacidade disponível” é modelável. Delimitar evita incluir dados irrelevantes e ajuda a identificar quem possui autoridade para implementar a recomendação.

Etapa 2 — Mapear o processo

Desenhe entradas, atividades, recursos e saídas. Converse com pessoas que executam a rotina. O mapa revela setups, perdas, precedências, capacidades compartilhadas e regras que não aparecem nos relatórios. Antes de otimizar, confirme se o processo descrito é o processo real e não apenas o procedimento formal.

Etapa 3 — Criar a tabela de coeficientes

Organize alternativas nas colunas e recursos nas linhas. Inclua unidade, fonte, período e responsável pelo dado. Essa tabela é a ponte entre linguagem gerencial e equações. Totais, médias e taxas devem ser calculados de maneira consistente. Valores ausentes não podem ser substituídos silenciosamente por zero.

Etapa 4 — Definir variáveis e domínio

Escreva cada variável por extenso. Determine se é contínua, inteira ou binária e estabeleça limites naturais. Uma variável “quantidade produzida” pode ser contínua em toneladas e inteira em equipamentos. O domínio incorreto gera soluções matematicamente válidas e operacionalmente absurdas.

Etapa 5 — Escolher o objetivo

O objetivo deve corresponder à decisão. Use margem incremental para mix de curto prazo, custo total relevante para distribuição e benefício claramente definido para alocação social. Se existem vários objetivos, determine prioridade, transforme alguns em restrições ou apresente cenários de pesos. Não esconda escolhas de valor dentro de coeficientes sem explicação.

Etapa 6 — Escrever e testar restrições

Para cada condição, escreva uma frase, a expressão e a unidade. Teste uma solução claramente aceitável e outra claramente proibida. Esse procedimento simples detecta sinais invertidos. Revise mínimos, máximos, balanços, proporções, dependências, capacidades e limites de mercado. Restrições legais e de segurança não devem ser tratadas como opcionais.

Etapa 7 — Resolver e verificar

Utilize método gráfico, simplex ou solucionador adequado. Depois, substitua valores nas equações, recalcule o objetivo e confira status. Compare com uma solução manual ou atual. Se o ganho for muito grande, investigue se o modelo explorou uma omissão. Se for pequeno, avalie se a complexidade de implementação é justificável.

Etapa 8 — Interpretar margens e robustez

Identifique recursos ativos, folgas, preços-sombra, custos reduzidos e intervalos. Construa cenários para parâmetros incertos. A recomendação deve indicar quais premissas são críticas. Uma solução robusta pode ser preferível a outra que depende de estimativas frágeis, mesmo com objetivo ligeiramente inferior.

Etapa 9 — Validar com as áreas

Apresente resultados a comercial, operação, finanças e pessoas afetadas. Pergunte se o plano é executável, quais restrições faltam e que riscos surgem. A validação não é votação sobre a matemática; é teste do vínculo entre modelo e realidade. Alterações devem ser documentadas para manter rastreabilidade.

Etapa 10 — Emitir parecer e acompanhar

O parecer resume recomendação, impacto, premissas, riscos, alternativas e plano de ação. Defina responsáveis, indicadores, periodicidade e gatilhos de revisão. Compare planejado e realizado para aprender. Um modelo se torna ativo de gestão quando possui governança, manutenção e espaço para contestação responsável.

Esse roteiro pode ser utilizado como formulário de projeto. Ele ajuda estudantes e profissionais a evitar a sequência inadequada de abrir uma planilha, inserir números e somente depois tentar descobrir qual decisão o modelo deveria apoiar.

3.32 Estratégias para provas e trabalhos

Em avaliações, a maior parte dos erros surge antes do cálculo. Reserve os primeiros minutos para definir variáveis, unidades e sentido das restrições. Sublinhe expressões como “no máximo”, “pelo menos”, “exatamente”, “por unidade” e “total”. Elas indicam operadores e coeficientes.

Ao resolver graficamente, liste todos os vértices em uma tabela. Não dependa somente do desenho. Calcule interseções por sistemas e substitua na função objetivo. Verifique se o ponto pertence à região viável, pois a interseção de duas retas pode violar uma terceira restrição.

No simplex, escreva a convenção da linha objetivo antes de escolher a variável de entrada. Faça o teste da razão apenas com coeficientes positivos. Após cada pivô, confira se a coluna da variável básica forma vetor identidade e se os termos independentes continuam não negativos.

Em questões de sensibilidade, destaque a faixa. Preço-sombra e custo reduzido não podem ser extrapolados automaticamente. Se a alteração ultrapassa o limite, a resposta correta é resolver novamente ou afirmar que a informação fornecida é insuficiente para calcular todo o impacto.

Em transporte, verifique primeiro se oferta e demanda totais coincidem. Depois de construir uma solução, confira todas as somas de linhas e colunas. Uma alocação de baixo custo que não atende exatamente os totais não é viável.

Em trabalhos, inclua a formulação matemática e uma legenda. Apresente dados em tabela, informe fontes e registre premissas. Uma captura da tela do Solver sem explicação não demonstra compreensão. O relatório deve traduzir valores em decisões e indicar limitações.

Use estimativas de ordem de grandeza. Se a capacidade é 100 horas e cada unidade consome ao menos duas, nenhuma solução pode produzir 200 unidades. Esses limites mentais detectam resultados incompatíveis antes da entrega.

Por fim, explique o significado do resultado para alguém que não participou da disciplina. Se a explicação depende apenas de símbolos, retorne à formulação. Dominar Métodos Determinísticos significa circular entre texto, tabela, equação, solução e recomendação.

4. Principais Temas e Organização

Organização típica ao longo do semestre

Semana	Tema	Foco
1	Introdução à Pesquisa Operacional	Problema, decisão, modelo e processo de modelagem
2	Elementos da programação linear	Variáveis, objetivo, restrições e não negatividade
3	Formulação básica	Produção, dieta, mistura e alocação
4	Método gráfico I	Retas, semiplanos e região viável
5	Método gráfico II	Vértices, ótimo, casos especiais
6	Forma padrão	Folgas, excessos, bases e sistemas
7	Simplex I	Lógica, entrada, saída e pivoteamento
8	Simplex II	Casos especiais e interpretação
9	Dualidade	Formulação dual e significado econômico
10	Sensibilidade I	Preço-sombra, folga e custo reduzido
11	Sensibilidade II	Intervalos e mudanças de parâmetros
12	Transporte I	Formulação e soluções iniciais
13	Transporte II	Melhoria e interpretação
14	Designação	Modelo binário e método húngaro
15	Planilhas e solucionadores	Implementação, auditoria e relatórios
16	Projeto integrador	Modelagem, solução, recomendação e apresentação

Bloco 1: linguagem de modelagem

O primeiro bloco constrói a linguagem básica. A pessoa estudante aprende a separar decisões de dados, converter descrições em expressões e revisar unidades. Exercícios devem começar pequenos, pois a principal dificuldade inicial é a formulação, não o algoritmo. Uma boa prática é escrever uma legenda completa antes de qualquer equação.

Também se discutem hipóteses, escopo e horizonte. O mesmo problema pode gerar modelos diferentes para uma decisão diária, mensal ou estratégica. Custos fixos, por exemplo, podem ser irrelevantes em uma decisão de curto prazo e decisivos em expansão de capacidade.

Bloco 2: solução gráfica e interpretação

O método gráfico desenvolve intuição. Visualizar a região viável ajuda a compreender escassez, trade-offs e casos especiais. Os exercícios devem incluir solução única, múltiplos ótimos, inviabilidade, ilimitabilidade e restrições redundantes.

Mais importante que desenhar com precisão artística é reconhecer o significado de cada fronteira. A inclinação representa taxa de troca entre variáveis. O ponto de interseção mostra uma combinação que utiliza simultaneamente dois limites.

Bloco 3: método simplex

O terceiro bloco amplia a capacidade para modelos com muitas variáveis. A disciplina pode trabalhar tabelas manualmente em exemplos curtos e utilizar planilhas em problemas maiores. O equilíbrio evita tanto a álgebra sem interpretação quanto o uso acrítico de software.

Conceitos de base, solução básica, variável não básica e pivô são apresentados como estrutura de decisão. A pessoa estudante deve conseguir explicar por que uma variável entra, qual recurso impede seu crescimento e como o objetivo muda.

Bloco 4: dualidade e sensibilidade

Esse bloco transforma a solução em informação gerencial. Dualidade revela valores implícitos de recursos. Sensibilidade informa robustez. Exercícios devem perguntar não apenas quanto produzir, mas também se vale comprar capacidade, aceitar pedido, aumentar demanda ou alterar margem.

A interpretação precisa respeitar intervalos. O relatório de sensibilidade não é previsão ilimitada. Ele descreve comportamento local sob determinadas condições.

Bloco 5: modelos estruturados

Transporte e designação mostram que padrões organizacionais podem gerar modelos especializados. A estrutura permite algoritmos próprios e facilita a leitura. Os estudantes aprendem a reconhecer quando um problema geral possui forma clássica.

Também se discutem adaptações: origem fictícia, destino fictício, proibição de rota, capacidade máxima, múltiplas tarefas e critérios não monetários.

Bloco 6: implementação computacional

Planilhas são úteis por sua disponibilidade e transparência, desde que organizadas. Recomenda-se separar células de dados, variáveis, cálculos e resultados. Fórmulas devem ser rastreáveis e unidades devem aparecer nos cabeçalhos.

O solucionador exige definição de célula objetivo, células variáveis, restrições e método. Depois de resolver, é necessário conferir status, valores, restrições e relatórios. A habilidade principal não é clicar em “Resolver”, mas construir e auditar o modelo.

Estratégias de aprendizagem

· formular primeiro em palavras e somente depois utilizar símbolos;

· desenhar tabelas de consumo de recursos antes das equações;

· resolver exemplos pequenos à mão para compreender a lógica;

· usar planilha para ampliar escala e testar cenários;

· explicar cada resultado como recomendação gerencial;

· comparar solução do modelo com alternativas intuitivas;

· manter um caderno de erros de formulação e interpretação.

5. Relação com outras matérias

Matemática e Álgebra

Equações, inequações, matrizes e sistemas lineares são a base formal. A relação é prática: operações algébricas permitem encontrar interseções, transformar sistemas e compreender o simplex. O objetivo, entretanto, não é repetir álgebra abstrata, mas utilizá-la para representar decisões.

Em atividades integradas, recomenda-se identificar quais dados dessa área entram como parâmetros, quais decisões podem ser representadas e quais aspectos devem permanecer como critérios de validação. Essa separação evita transformar todo problema em mera equação e melhora a conversa entre especialistas.

Estatística

Métodos determinísticos tratam coeficientes como conhecidos, enquanto Estatística ajuda a estimá-los e avaliar variabilidade. Demanda média, tempos de processo e custos podem vir de dados. A qualidade do modelo depende da qualidade dessas estimativas.

Administração da Produção

Mix, capacidade, gargalos, planejamento agregado e programação utilizam otimização. A disciplina fornece instrumentos para transformar roteiros, tempos e recursos em planos quantitativos.

Logística

Modelos de transporte, transbordo, localização e redes são aplicações diretas. Custos por rota, capacidades e demandas formam a base para decisões de distribuição.

Contabilidade Gerencial

Margem de contribuição, custos relevantes e restrições de capacidade alimentam funções objetivo. A contabilidade fornece medidas, e a otimização identifica combinações.

Finanças

Seleção de projetos sob orçamento, alocação de capital e planejamento de caixa podem ser formulados como modelos. Critérios financeiros precisam ser combinados com limites e dependências.

Gestão de Pessoas

Escalas e designações utilizam modelos, mas devem respeitar legislação, competências, preferências, saúde e equidade. A técnica apoia, sem substituir, julgamento humano.

Marketing

Mix de mídia, portfólio, territórios e orçamento promocional podem ser otimizados. Respostas não lineares e efeitos de saturação exigem cuidado com as hipóteses.

Estratégia

Modelos ajudam a testar coerência entre prioridades e recursos. Não definem propósito, mas mostram consequências da alocação e trade-offs entre iniciativas.

Sistemas de Informação e Análise de Dados

Dados estruturados, automação, painéis e integrações permitem atualização dos modelos. Governança de dados é necessária para que a solução seja confiável.

Análise das Decisões

Otimização responde qual alternativa maximiza um critério sob restrições. Análise das decisões amplia o olhar para incerteza, preferências, múltiplos critérios, vieses e implementação.

Ética e Sustentabilidade

Objetivos e restrições incorporam valores. Limites de emissão, cobertura mínima, acessibilidade e condições de trabalho podem ser explicitados. O que não é modelado não deixa de existir.

6. Aplicações Práticas e Profissionais

6.1 Mix de produção

Uma fábrica precisa decidir quantidades de produtos que compartilham máquinas, mão de obra e materiais. O modelo maximiza margem total, respeitando capacidade, demanda, contratos e lotes. O relatório mostra produtos selecionados, gargalos e valor de ampliar recursos.

Para aplicar profissionalmente, a pessoa administradora deve seguir cinco passos: delimitar a decisão, organizar dados, formular o modelo, validar resultados com as áreas envolvidas e definir rotina de acompanhamento. O ganho surge tanto da solução quanto da clareza construída durante a modelagem.

Indicadores úteis incluem valor objetivo, utilização de recursos, folgas, atendimento de metas, custo por unidade, variação em relação ao plano atual e sensibilidade. A recomendação deve informar também premissas e condições que exigem nova rodada do modelo.

6.2 Planejamento de serviços

Clínicas, centrais e oficinas combinam tipos de atendimento com tempos e equipes. O objetivo pode maximizar atendimentos ponderados ou minimizar custo, mantendo cobertura e qualidade.

6.3 Escalas de trabalho

A necessidade por período é comparada com padrões de jornada. Variáveis representam quantas pessoas iniciam ou trabalham em cada turno. Restrições cobrem demanda e regras. Preferências e equidade devem complementar a solução.

6.4 Distribuição física

O modelo de transporte define volumes enviados de centros a regiões. Pode incluir frete, capacidade, demanda, contratos e rotas proibidas. A análise revela custo mínimo e rotas críticas.

6.5 Designação de equipes

Pessoas são associadas a tarefas considerando tempo, custo ou aderência. Restrições garantem exclusividade. Critérios humanos devem ser avaliados para evitar alocações injustas ou inviáveis.

6.6 Mistura e formulação

Indústrias de alimentos, química e energia combinam insumos para atender especificações ao menor custo. Restrições representam nutrientes, composição, qualidade e disponibilidade.

6.7 Corte e aproveitamento

Barras, chapas e rolos devem ser cortados em padrões que atendam pedidos e reduzam desperdício. Modelos de corte frequentemente exigem programação inteira, mas a formulação linear introduz a lógica.

6.8 Seleção de projetos

Projetos disputam orçamento, equipe e capacidade. Variáveis binárias indicam seleção. Dependências, exclusões e cobertura estratégica podem ser incorporadas. Em Métodos I, versões contínuas ajudam a compreender a alocação.

6.9 Planejamento de mídia

O orçamento é distribuído entre canais, respeitando mínimos, máximos e cobertura. A resposta do público pode não ser linear; aproximações devem ser validadas.

6.10 Compras e fornecedores

Volumes são divididos entre fornecedores com preços, capacidades, qualidade e risco. Restrições de diversificação evitam dependência excessiva. Custos logísticos e mínimos de pedido também podem entrar.

6.11 Orçamento público

Recursos podem ser distribuídos entre programas para maximizar cobertura ou benefício, com pisos legais e capacidade de execução. A transparência dos pesos e critérios é indispensável.

6.12 Saúde

Leitos, salas, equipamentos e equipes são recursos compartilhados. Modelos apoiam agendas, alocação e transporte de pacientes, mas segurança clínica prevalece sobre eficiência numérica.

6.13 Educação

Horários, salas, docentes e turmas formam problemas de designação e programação. Restrições pedagógicas, acessibilidade e deslocamento precisam ser incluídas.

6.14 Sustentabilidade

A organização pode minimizar custo respeitando limites de emissão, consumo de água, conteúdo reciclado e metas de reaproveitamento. Preços-sombra ajudam a avaliar o custo marginal de requisitos mais rígidos.

6.15 Agronegócio

Áreas são alocadas a culturas conforme margem, água, rotação, mão de obra e demanda. Incerteza climática exige cenários ou modelos posteriores, mas o determinístico fornece referência.

6.16 Carteira comercial

Tempo de equipes é distribuído entre clientes ou regiões. O objetivo considera contribuição esperada, cobertura e prioridades. Limites evitam concentração e abandono de contas.

6.17 Gestão de estoques em horizonte curto

Com demanda conhecida, compras e produção podem ser programadas para minimizar custos de pedido, produção, armazenagem e atraso. O modelo conecta períodos por equações de balanço.

6.18 Planejamento financeiro

Entradas, saídas, aplicações e empréstimos são organizados por período. Restrições de saldo asseguram liquidez e o objetivo minimiza custo financeiro ou maximiza resultado.

6.19 Como construir um modelo em planilha

Uma planilha clara pode ser organizada em quatro blocos. O primeiro contém dados e unidades. O segundo contém as células variáveis. O terceiro calcula função objetivo e uso de recursos por meio de SOMARPRODUTO. O quarto compara uso e limite, mostrando folga e status.

Bloco	Conteúdo	Boa prática
Entradas	Margens, consumos, capacidades e demandas	Cores discretas, fonte e data
Decisões	Quantidades a determinar	Células sem fórmulas antes da solução
Cálculos	Objetivo e lados esquerdos	Fórmulas visíveis e auditáveis
Restrições	Uso, operador e limite	Unidade e folga
Saída	Plano e indicadores	Resumo executivo separado

No Solver, escolha a célula objetivo, indique maximização ou minimização, selecione as células variáveis, cadastre restrições e utilize Simplex LP para modelos lineares. Marque não negatividade quando apropriado. Depois, salve relatórios e teste a solução manualmente.

6.20 Checklist profissional

· A pergunta decisória está claramente escrita?

· Cada variável possui significado, unidade e horizonte?

· A função objetivo representa consequência relevante?

· Todas as restrições obrigatórias foram incluídas?

· Os dados possuem fonte e versão?

· A solução foi conferida por substituição?

· Casos especiais e limites foram analisados?

· Pessoas responsáveis pela execução revisaram o plano?

· Há indicadores e gatilhos de atualização?

· Aspectos éticos, legais e humanos foram avaliados?

6.21 Caderno de aprofundamento: formulação e interpretação

Os estudos a seguir ampliam o domínio da disciplina por meio de problemas recorrentes. Cada tópico enfatiza uma decisão de modelagem, um raciocínio quantitativo e uma leitura gerencial. O objetivo não é decorar formatos, mas aprender a reconhecer estruturas semelhantes em contextos diferentes.

6.21.1 Retorno por recurso restritivo

Quando existe um único gargalo dominante, uma análise preliminar compara a margem por unidade do recurso escasso. Se A gera R$ 120 e utiliza três horas, entrega R$ 40 por hora. Se B gera R$ 90 e utiliza uma hora, entrega R$ 90 por hora. A comparação mostra por que a margem unitária isolada pode enganar.

Essa regra é apenas uma triagem. Com vários recursos, demandas mínimas e máximas, a combinação ótima não pode ser obtida por uma única razão. A programação linear considera todos os limites simultaneamente e evita que a preferência pelo melhor índice local provoque falta de outro recurso.

Na prática, a pessoa analista pode calcular margens por hora de cada recurso, identificar candidatos a gargalo e usar o resultado para validar o solucionador. Se a solução privilegia um produto aparentemente inferior, investigue quais restrições explicam a escolha.

O cuidado principal é utilizar margem relevante e capacidade realmente disponível. Tempos nominais, paradas e perdas devem ser tratados de modo coerente.

6.21.2 Restrições de proporção

Algumas decisões exigem participação mínima ou máxima. Se um produto premium deve representar pelo menos 20% do total, escreva P ≥ 0,20(P+B). Rearranjando: 0,80P - 0,20B ≥ 0, ou 4P - B ≥ 0.

Rearranjar a expressão evita divisão por uma variável e preserva linearidade. O mesmo raciocínio vale para diversificação de fornecedores, composição de carteira, conteúdo reciclado e participação regional.

Em uma mistura, “o insumo A deve ser no máximo 35%” torna-se A ≤ 0,35(A+B+C). O denominador total precisa conter exatamente os componentes relevantes. Omissões produzem uma regra diferente.

Erros frequentes incluem usar percentuais sobre capacidade quando o requisito é sobre produção e esquecer que o total pode ser zero. Quando isso gera solução trivial, uma restrição mínima de atividade pode ser necessária.

6.21.3 Restrições de balanço

Balanços ligam entradas, saídas e estoques. Em um período t: estoque inicial + produção + compras - vendas - perdas = estoque final. Essa igualdade conserva fluxo e impede que o modelo crie materiais ou recursos.

Em modelos multiperíodo, o estoque final de um período torna-se inicial do próximo. A ligação permite antecipar produção, formar estoque e atender picos. Custos de armazenagem ajudam a evitar antecipação excessiva.

Balanços também aparecem em caixa, energia, água, pacientes, veículos e redes. A unidade deve permanecer constante em todos os termos. Se produção está em toneladas e vendas em quilos, é obrigatória a conversão.

Uma revisão útil soma os balanços de todos os períodos. Termos internos cancelam, e o resultado deve conectar estoque inicial total, fluxos externos e estoque final.

6.21.4 Mínimos contratuais

Contratos podem exigir produção, compra ou atendimento mínimo. Uma restrição x ≥ 500 garante o compromisso, mas pode reduzir o objetivo se a atividade consumir recurso valioso ou tiver margem baixa.

O custo econômico do mínimo pode ser medido comparando o valor ótimo com e sem a obrigação. Essa diferença ajuda a negociar preço, compensação ou flexibilidade. Em relatórios de sensibilidade, o valor dual pode oferecer uma medida local.

Mínimos devem ser separados de previsões. Uma demanda esperada não é automaticamente obrigação mínima. Confundir expectativa com exigência pode forçar produção sem mercado.

A implementação também precisa considerar penalidades, possibilidade de compra externa e cláusulas de tolerância. O modelo deve representar as alternativas reais de cumprimento.

6.21.5 Limites de concentração

Organizações impõem limites para reduzir risco: nenhum fornecedor acima de 40%, nenhuma região com menos de 10% da cobertura, nenhum ativo superior a determinado percentual. Essas regras são expressas por relações lineares quando o total é variável.

Se x1 não pode superar 40% do total T = x1+x2+x3, então x1 ≤ 0,40T. Rearranjando, 0,60x1 - 0,40x2 - 0,40x3 ≤ 0.

O limite pode reduzir o resultado objetivo, mas aumentar resiliência. A diferença de desempenho quantifica o custo da diversificação segundo o modelo. Esse custo deve ser comparado com o risco evitado, que pode não estar na função.

Limites muito rígidos podem tornar o modelo inviável quando capacidades individuais são insuficientes. Testes de viabilidade devem anteceder a otimização final.

6.21.6 Capacidade em degraus

Capacidades frequentemente aumentam em blocos: contratar um turno, abrir uma linha ou alugar um veículo. A programação linear contínua não representa perfeitamente custos fixos e decisões indivisíveis.

Uma aproximação inicial pode comparar cenários separados: capacidade atual, um turno adicional e dois turnos. Cada cenário é resolvido linearmente, e o ganho é comparado ao custo fixo do bloco.

Em programação inteira, variáveis binárias ligam a ativação ao uso. A disciplina introdutória deve reconhecer essa necessidade para não recomendar frações de uma instalação.

O erro comum é comprar capacidade porque o preço-sombra supera o custo unitário, sem incluir o custo fixo mínimo. O valor marginal local precisa ser convertido para a decisão real disponível.

6.21.7 Demanda e vendas máximas

Produtos com margem positiva serão produzidos até algum limite. Se o modelo não contém demanda máxima, ele pode direcionar toda a capacidade para uma linha que o mercado não absorve.

Limites de demanda devem refletir horizonte, preço e canal. Uma previsão pontual pode ser substituída por cenário conservador, base e otimista. Cada cenário revela sensibilidade do mix.

Quando vendas dependem do preço, a relação pode ser não linear. Uma aproximação por faixas ou alternativas discretas é mais adequada que assumir margem constante em qualquer volume.

Também é necessário diferenciar produção, venda e estoque. Produzir acima da venda pode ser permitido se houver armazenamento e valor futuro; caso contrário, deve ser proibido.

6.21.8 Produtos conjuntos e subprodutos

Alguns processos geram vários produtos simultaneamente. Não é correto tratar cada saída como atividade independente se a decisão é processar um lote comum. A variável deve representar o volume do processo, e as saídas são coeficientes derivados.

Se cada lote gera duas unidades de A e uma de B, as disponibilidades resultantes são 2x e x. Demandas e receitas podem limitar o nível. Custos compartilhados precisam ser associados à atividade, não duplicados.

Subprodutos podem ter receita, custo de descarte ou exigência ambiental. Ignorá-los altera o objetivo e pode produzir recomendação inviável.

Esse tipo de formulação mostra a importância de compreender o processo físico antes de escrever equações.

6.21.9 Terceirização e capacidade externa

Quando a produção interna é limitada, o modelo pode incluir variáveis de compra externa. A função objetivo incorpora custo de terceirização e as restrições de atendimento somam produção interna e externa.

A alternativa externa geralmente não consome os mesmos recursos, mas pode ter limite de fornecedor, prazo, qualidade e pedido mínimo. Se esses elementos forem omitidos, o modelo pode terceirizar tudo de maneira irreal.

Em problemas de maximização de margem, a contribuição da unidade terceirizada deve descontar seu custo incremental. Em minimização, o custo aparece diretamente.

A solução permite identificar quanto da demanda deve ser atendido internamente e qual é o valor da capacidade própria. Aspectos estratégicos, confidencialidade e dependência permanecem na avaliação.

6.21.10 Horas extras

Horas extras representam expansão temporária de capacidade com custo adicional. Um modelo pode criar uma variável h e alterar a restrição: uso ≤ horas normais + h, com h limitada ao máximo permitido.

O custo de h entra na função objetivo. Se a margem adicional gerada superar o custo, o modelo utiliza horas extras. Essa estrutura é mais realista que simplesmente aumentar a disponibilidade sem custo.

Faixas com percentuais diferentes podem ser representadas por variáveis separadas: h1 até 20 horas e h2 para a faixa seguinte, com custos distintos.

Limites legais, saúde, fadiga e qualidade devem ser tratados como restrições ou critérios de validação. A otimização econômica não autoriza uso excessivo.

6.21.11 Reserva de capacidade

Operar a 100% pode maximizar o resultado em um cenário determinístico, mas reduzir resiliência. Uma política de reserva estabelece uso ≤ 90% da capacidade ou mantém folga mínima.

O custo da reserva é medido pela perda do objetivo em relação ao plano sem proteção. Essa informação permite discutir quanto a organização paga por flexibilidade diante de quebras e variações.

A porcentagem não deve ser escolhida arbitrariamente. Dados de paradas, variabilidade e nível de serviço ajudam a definir o colchão.

Em ambientes estáveis, reserva elevada pode ser cara; em sistemas críticos, pode ser indispensável. O modelo oferece transparência para o trade-off.

6.21.12 Múltiplos objetivos

Organizações buscam custo, qualidade, prazo, cobertura e sustentabilidade. Uma única função pode combinar critérios por pesos, mas os valores precisam ser normalizados para evitar que unidades dominem o resultado.

Outra abordagem é otimizar o objetivo principal e transformar os demais em restrições mínimas ou máximas. Exemplo: minimizar custo, mantendo emissão abaixo de um limite e cobertura acima de uma meta.

A programação por metas, frequentemente estudada depois, trata desvios em relação a metas com prioridades. Em Métodos I, cenários de pesos e limites já ajudam a revelar conflitos.

Pesos não são fatos técnicos; expressam preferências. Devem ser discutidos, documentados e submetidos a sensibilidade.

6.21.13 Inviabilidade como diagnóstico

Um modelo inviável pode revelar metas incompatíveis. Se a demanda mínima requer 500 horas e a capacidade é 420, não existe plano que satisfaça tudo.

A análise deve localizar o conflito. Uma técnica prática relaxa temporariamente restrições com variáveis de violação penalizadas. Os valores mostram quanto cada requisito precisaria ser reduzido ou cada recurso ampliado.

Antes de negociar metas, verifique erros de sinal, unidade e duplicidade. Depois, apresente alternativas: prazo maior, terceirização, capacidade adicional ou priorização.

Assim, a inviabilidade deixa de ser mensagem de erro e torna-se base para decisão.

6.21.14 Ilimitabilidade como alerta

Em um problema de maximização, ilimitabilidade indica que alguma direção permite aumentar o objetivo sem limite. Geralmente falta uma restrição de capacidade, demanda ou balanço.

Em um problema de minimização, pode haver variável com custo negativo sem limite ou permissão indevida de valores negativos. Referências erradas também causam esse comportamento.

O diagnóstico deve testar manualmente como a variável pode crescer e quais condições reais deveriam impedir isso. Adicionar limite arbitrário apenas para o software resolver mascara o problema.

Quando a realidade realmente permite crescimento, o horizonte ou mercado ainda impõe algum limite; o modelo precisa declarar essa fronteira.

6.21.15 Ótimos múltiplos

Quando várias combinações produzem o mesmo valor objetivo, a gestão ganha liberdade. Em um gráfico, a reta objetivo coincide com uma fronteira; no simplex, uma variável não básica pode ter custo reduzido zero.

Os critérios secundários podem escolher a solução: menor complexidade, maior folga, melhor equilíbrio de equipes, menor emissão ou maior estabilidade.

É incorreto apresentar um dos pontos como única resposta. O relatório deve informar a existência do conjunto ótimo e explorar alternativas representativas.

Ótimos múltiplos são oportunidade para incorporar fatores qualitativos sem sacrificar o objetivo principal.

6.21.16 Solução quase ótima

Uma solução ligeiramente inferior pode ser melhor para implementação. Se perder 0,5% da margem reduz setups, horas extras ou risco de atraso, a escolha pode ser racional.

O modelo permite calcular o custo da flexibilidade. Adiciona-se uma restrição Z ≥ 99,5% do ótimo e otimiza-se um critério secundário, como folga ou simplicidade.

Essa abordagem evita tratar o valor ótimo como obrigação rígida. Em organizações reais, estabilidade e compreensibilidade possuem valor.

A decisão deve registrar a diferença econômica e os benefícios não capturados, mantendo transparência.

6.21.17 Arredondamento responsável

Quando variáveis deveriam ser inteiras, arredondar cada valor de forma independente pode violar capacidade ou atendimento. O primeiro passo é testar a solução arredondada em todas as restrições.

Depois, explore combinações próximas ou utilize Solver com integridade. A solução contínua fornece limite de comparação, mas não garante viabilidade discreta.

Em grandes quantidades, o erro relativo pode ser pequeno; em equipes e veículos, uma unidade é relevante. A regra depende da escala.

Jamais arredonde somente o valor objetivo. As decisões é que precisam ser implementáveis.

6.21.18 Dados e tempos-padrão

Tempos de processo podem vir de cronoanálise, sistemas ou médias históricas. Cada fonte possui viés. Médias que incluem paradas podem representar capacidade real, enquanto tempos ideais superestimam desempenho.

Uma prática robusta registra média, dispersão, período e condições. O modelo determinístico pode usar valor conservador e testar cenários.

Coeficientes desatualizados produzem planos inviáveis mesmo quando a álgebra está correta. Comparar previsto e realizado ajuda a recalibrar.

As pessoas que executam o processo devem participar da validação, pois conhecem setups, retrabalho e restrições não registradas.

6.21.19 Custos relevantes

A função objetivo deve utilizar custos e receitas que mudam com a decisão. Custos fixos inevitáveis não devem ser rateados de forma a distorcer o mix de curto prazo.

Margem de contribuição é frequentemente usada para maximização sob capacidade. Em decisões de longo prazo, custos evitáveis de estrutura e investimento entram de modo diferente.

Custos de oportunidade também importam. Consumir uma hora de gargalo impede seu uso por outra atividade; o preço-sombra representa essa escassez de maneira marginal.

A fonte contábil deve ser conciliada com a finalidade do modelo. O número disponível no sistema nem sempre é o número economicamente adequado.

6.21.20 Relatório executivo

Um bom relatório apresenta a pergunta, recomendação, impacto, recursos ativos, premissas, sensibilidade e próximos passos. Equações detalhadas podem ficar em anexo.

Use tabelas de plano, uso e folga. Destaque mudanças em relação à prática atual. Explique preços-sombra como valor marginal, sem prometer ganhos fora da faixa.

Inclua alternativas e razões para rejeição. Se a solução foi ajustada por fatores qualitativos, registre o custo estimado do ajuste.

A linguagem deve ser acessível e precisa. “O Solver mandou” não é justificativa gerencial.

6.21.21 Auditoria de planilhas

Planilhas devem separar entradas, fórmulas e resultados. Células de entrada precisam de unidade, fonte e validação. Fórmulas críticas devem ser protegidas e revisadas.

Testes incluem alterar uma variável por vez, conferir SOMARPRODUTO, comparar com cálculo manual e verificar restrições. Nomes de intervalos podem melhorar leitura.

Controle de versão evita que diferentes áreas utilizem modelos conflitantes. Uma cópia aprovada deve registrar data e responsável.

Erros de referência absoluta e relativa são comuns. A renderização visual não substitui a revisão das fórmulas.

6.21.22 Mudanças simultâneas

Relatórios de sensibilidade costumam tratar uma mudança por vez. Quando vários coeficientes mudam simultaneamente, a validade individual não garante que a base permaneça ótima.

A regra dos 100% fornece avaliação em alguns casos: soma das proporções de mudança em relação aos limites admissíveis. Mesmo assim, resolver novamente é simples e mais seguro quando há software.

Cenários integrados devem reunir mudanças coerentes: demanda menor pode vir acompanhada de preço diferente, capacidade ociosa e custo de compra alterado.

A transparência exige não misturar previsões otimistas de receitas com premissas conservadoras de custos sem justificativa.

6.21.23 Modelos como processo de negociação

A formulação cria uma linguagem comum entre áreas. Comercial explica demanda, operação valida capacidades, finanças define margens e pessoas discutem escalas.

Conflitos ficam visíveis como restrições incompatíveis ou objetivos concorrentes. O modelo não resolve poder e interesses, mas impede que premissas permaneçam ocultas.

Reuniões de validação devem separar fatos, estimativas e preferências. Cada alteração no modelo precisa de justificativa.

O resultado mais valioso pode ser a concordância sobre dados e trade-offs, mesmo antes da solução ótima.

6.21.24 Ética algorítmica

Modelos de escala, designação e cobertura afetam pessoas. Minimizar custo pode concentrar jornadas ruins em um grupo ou reduzir atendimento de regiões menos rentáveis.

Restrições de equidade, limites de carga e cobertura mínima podem tornar valores explícitos. Também é necessário revisar efeitos que não aparecem nas métricas.

Explicabilidade permite contestação. Pessoas afetadas devem compreender critérios e ter canais para corrigir dados.

A responsabilidade permanece humana. Um algoritmo não legitima discriminação nem substitui obrigações legais.

6.21.25 Atualização contínua

Um modelo operacional envelhece quando demanda, tempos, custos ou regras mudam. Defina periodicidade de atualização e gatilhos extraordinários.

Indicadores de erro entre previsto e realizado ajudam a detectar deterioração. Se a produção real diverge sistematicamente, coeficientes ou restrições estão incompletos.

A atualização não significa aceitar qualquer dado novo sem crítica. Mudanças temporárias podem ser tratadas como cenário.

Versões anteriores devem ser preservadas para explicar decisões e avaliar aprendizagem.

6.22 Oficina de exercícios resolvidos

Exercício resolvido 1: Produção com um gargalo

Situação: A tem margem 80 e usa 4 h; B tem margem 55 e usa 2 h; há 200 h e demandas máximas 30 e 70.

Resolução: Max Z=80A+55B; 4A+2B≤200; A≤30; B≤70. Como B rende 27,50 por hora e A rende 20, o plano prioriza B: B=70 consome 140 h; restam 60 h, permitindo A=15. Z=5.050.

Interpretação: A solução é válida porque existe um único recurso. Com outro gargalo, a razão isolada seria insuficiente.

Como prática adicional, altere um coeficiente, resolva novamente e explique por que a solução mudou ou permaneceu. Esse exercício de sensibilidade desenvolve compreensão melhor que a repetição mecânica do mesmo cálculo.

Exercício resolvido 2: Mistura de nutrientes

Situação: Duas rações custam 3 e 5 por kg. A fornece 2 proteínas e 1 fibra; B fornece 5 proteínas e 4 fibras. Exigem-se 40 proteínas e 24 fibras.

Resolução: Min Z=3A+5B; 2A+5B≥40; A+4B≥24. Avaliam-se interseções e eixos. A interseção é A=40/3 e B=8/3, custo aproximado 53,33.

Interpretação: A interpretação deve verificar divisibilidade e limites de composição. Se sacos forem indivisíveis, use integridade.

Exercício resolvido 3: Campanha de mídia

Situação: Digital custa 2 mil e alcança 30 mil pessoas; rádio custa 3 mil e alcança 40 mil. Exigem-se 400 mil contatos e pelo menos quatro inserções de rádio.

Resolução: Min Z=2D+3R; 30D+40R≥400; R≥4. Com R=4, faltam 240 mil contatos, exigindo D=8; custo 28 mil. Verifique se aumentar rádio reduziria custo: cada rádio adicional substitui 1,333 digital, economizando 2,667 e custando 3; não compensa.

Interpretação: A análise supõe alcance aditivo e sem saturação. Em marketing real, duplicidade de audiência precisa ser tratada.

Exercício resolvido 4: Horas extras

Situação: Um serviço gera margem 150 e usa 2 h. Há 100 h normais e até 30 extras a R$ 40 por hora. Demanda máxima 70.

Resolução: Max Z=150x-40h; 2x≤100+h; h≤30; x≤70. Cada unidade adicional após 50 exige 2 h extras, custo 80 e margem líquida 70. Portanto usa-se todo o limite: x=65, h=30, resultado 8.550.

Interpretação: Se houver fadiga ou adicional por faixa, novas restrições e custos devem ser incluídos.

Exercício resolvido 5: Transporte equilibrado

Situação: Origem 1 oferta 60, origem 2 oferta 40; destinos demandam 30, 20 e 50. Custos: [2,5,4] e [3,1,6].

Resolução: Pelo menor custo, envie 20 de O2 para D2, 30 de O1 para D1, 30 de O1 para D3 e 20 de O2 para D3. Custo=20+60+120+120=320.

Interpretação: A solução inicial deve ser testada por potenciais; menor custo local não garante ótimo global.

Exercício resolvido 6: Destino fictício

Situação: Duas fábricas ofertam 80 e 70, mas a demanda total é 130.

Resolução: Crie destino fictício de 20 unidades para representar ociosidade. O custo pode ser zero se não houver penalidade específica. Os fluxos fictícios mostram capacidade não usada.

Interpretação: Se a ociosidade tiver custo evitável ou houver produção mínima, o coeficiente fictício precisa refletir a realidade.

Exercício resolvido 7: Designação de três tarefas

Situação: Custos: Ana [8,6,10], Bruno [9,7,4], Carla [3,5,8].

Resolução: Teste as seis permutações. Ana-T2=6, Bruno-T3=4, Carla-T1=3 gera custo 13, inferior às demais.

Interpretação: Além do custo, valide competências, disponibilidade e equilíbrio. A designação matemática é ponto de partida.

Exercício resolvido 8: Restrição de proporção

Situação: Uma mistura usa A e B. A deve ser ao menos 30% e no máximo 60% do total.

Resolução: A≥0,30(A+B) resulta em 0,70A-0,30B≥0. A≤0,60(A+B) resulta em 0,40A-0,60B≤0.

Interpretação: Rearranjar mantém linearidade. Percentuais devem ser calculados sobre o total correto.

Exercício resolvido 9: Mínimo de atendimento

Situação: Três serviços geram benefícios 10, 8 e 6, mas o serviço 3 deve atender pelo menos 100 pessoas.

Resolução: Inclua x3≥100. Compare o objetivo com e sem a exigência. A diferença mede o custo de oportunidade da política, não seu valor social completo.

Interpretação: Critérios públicos não devem ser reduzidos ao benefício monetizado sem transparência.

Exercício resolvido 10: Folga de recurso

Situação: A solução usa 720 de 800 kg de matéria-prima.

Resolução: A folga é 80 kg. Em condições não degeneradas, o preço-sombra tende a zero: mais matéria-prima não melhora o objetivo enquanto outro recurso limita.

Interpretação: Folga não significa necessariamente desperdício; pode ser estoque de segurança ou consequência do mix.

Exercício resolvido 11: Preço-sombra

Situação: Uma restrição ativa tem preço-sombra 12 e aumento admissível 25.

Resolução: Até 25 unidades adicionais, o ganho estimado é 12 por unidade. Comprar 20 por custo unitário 9 gera ganho líquido 60. Comprar 40 exige nova solução para as unidades além de 25.

Interpretação: O preço-sombra é local e depende da manutenção das demais premissas.

Exercício resolvido 12: Custo reduzido

Situação: Um produto fora do plano apresenta custo reduzido de -15 em relatório de maximização que usa a convenção lucro líquido.

Resolução: Sua margem precisa melhorar 15 para tornar-se candidato a entrar, mantida a base. Se a margem atual é 70, o limiar é aproximadamente 85.

Interpretação: Sempre confirme a convenção do software, pois alguns relatórios apresentam sinal diferente.

Exercício resolvido 13: Ótimos múltiplos

Situação: Max Z=2x+4y; x+2y≤10; x,y≥0.

Resolução: A função objetivo é duas vezes a restrição ativa. Todos os pontos do segmento entre (0,5) e (10,0) geram Z=20.

Interpretação: A gestão pode escolher a combinação com menor setup ou melhor equilíbrio.

Exercício resolvido 14: Modelo inviável

Situação: Exigem-se x+y≥100, mas existem restrições x≤40 e y≤50.

Resolução: O máximo possível é 90; faltam 10 unidades. A análise deve negociar meta, ampliar capacidade ou permitir terceirização.

Interpretação: Adicionar uma variável de falta com penalidade permite medir a violação mínima.

Exercício resolvido 15: Modelo ilimitado

Situação: Max Z=x+y, sujeito apenas a x-y≥0 e não negatividade.

Resolução: Aumentar x e y juntos preserva a restrição e eleva Z indefinidamente. Falta limite de capacidade, demanda ou orçamento.

Interpretação: Não adicione um número arbitrário; identifique o limite real.

Exercício resolvido 16: Reserva de 10%

Situação: Uma máquina possui 500 h, mas a política exige 10% de reserva.

Resolução: Use a restrição de consumo≤450. Compare o valor ótimo com a capacidade total para medir custo da resiliência.

Interpretação: A reserva deve ser baseada em risco e nível de serviço.

Exercício resolvido 17: Seleção fracionária de projetos

Situação: Projetos têm benefícios 100,80,60 e custos 50,40,30; orçamento 70.

Resolução: Em modelo contínuo, a razão benefício/custo é 2 para todos e há múltiplas soluções. Como projetos são indivisíveis, o problema correto é binário.

Interpretação: A relaxação linear fornece limite, mas não plano implementável.

Exercício resolvido 18: Planejamento de caixa

Situação: Saldo inicial 20, entrada 30, saída 70; empréstimo x cobre a necessidade.

Resolução: Balanço: 20+30+x-70=saldo final, com saldo final≥5. Logo x≥25. Se o custo é positivo, a solução toma exatamente 25.

Interpretação: Em múltiplos períodos, juros, aplicações e limites precisam ser conectados.

Exercício resolvido 19: Cobertura de turnos

Situação: Demanda mínima de pessoas nos períodos é [4,6,5]. Cada turno cobre dois períodos consecutivos.

Resolução: Se x1 cobre períodos 1-2, x2 cobre 2-3 e x3 cobre 3-1, restrições são x1+x3≥4, x1+x2≥6, x2+x3≥5. Minimize x1+x2+x3.

Interpretação: A formulação real deve respeitar duração, descanso e integridade.

Exercício resolvido 20: Compra de capacidade

Situação: Uma hora extra custa 30 e o preço-sombra é 42 para aumento admissível de 12 h.

Resolução: Comprar até 12 h gera margem líquida estimada de 12 por hora. Para 10 h, ganho líquido 120.

Interpretação: Custos fixos de ativação e efeitos de qualidade podem mudar a decisão.

7. Exemplo Prático ou Estudo de Caso

Caso Integrado: Cooperativa Móveis do Vale

A Cooperativa Móveis do Vale produz três linhas: mesa Compacta, estação Colaborativa e armário Modular. A direção precisa elaborar o plano semanal. O mercado está aquecido, mas a cooperativa enfrenta limites de corte, montagem e acabamento. Há ainda compromissos mínimos com uma rede de lojas e limites máximos de demanda. O objetivo é maximizar a margem de contribuição semanal sem comprometer qualidade e condições de trabalho.

Dados do problema

Produto	Margem unitária	Corte (h)	Montagem (h)	Acabamento (h)	Demanda máxima
Compacta (C)	R$ 260	2	3	1	80
Colaborativa (L)	R$ 420	4	4	2	60
Modular (M)	R$ 500	5	3	4	50

Disponibilidades semanais: 420 horas de corte, 390 horas de montagem e 280 horas de acabamento. O contrato exige pelo menos 20 mesas Compactas e 10 estações Colaborativas. Para manter diversidade, a produção de armários deve ser no mínimo 10 unidades e não pode superar metade do total produzido.

Definição das variáveis

C = quantidade semanal de mesas Compactas; L = quantidade de estações Colaborativas; M = quantidade de armários Modulares.

Função objetivo

Maximizar Z = 260C + 420L + 500M

Restrições

2C + 4L + 5M ≤ 420 (corte)

3C + 4L + 3M ≤ 390 (montagem)

C + 2L + 4M ≤ 280 (acabamento)

20 ≤ C ≤ 80

10 ≤ L ≤ 60

10 ≤ M ≤ 50

M ≤ 0,5(C + L + M)

C, L, M ≥ 0

A restrição de diversidade pode ser simplificada: M ≤ C + L. Ela impede concentração excessiva em armários, embora neste conjunto de dados possa não ser ativa.

Solução por otimização

Resolvendo o modelo contínuo em um solucionador linear, obtém-se uma combinação de referência de aproximadamente C = 63,33, L = 15 e M = 46,67, com margem de cerca de R$ 46.100,00. Corte, montagem e acabamento são utilizados integralmente. Como móveis são indivisíveis, a cooperativa precisa procurar uma solução inteira próxima e viável.

Testando combinações inteiras próximas, uma solução viável é C = 52, L = 59 e M = 16. O uso de recursos e a margem são apresentados a seguir.

Indicador	Cálculo	Resultado
Corte	2(52)+4(59)+5(16)	420 h
Montagem	3(52)+4(59)+3(16)	440 h
Acabamento	52+2(59)+4(16)	234 h
Margem	260(52)+420(59)+500(16)	R$ 46.300

A combinação acima viola montagem, pois utiliza 440 horas. Ela ilustra por que arredondamento e tentativa intuitiva precisam ser validados. Uma solução inteira viável deve respeitar todas as restrições. Recalculando por busca discreta, encontra-se C = 50, L = 45 e M = 20, com corte de 380 horas, montagem de 390 horas, acabamento de 220 horas e margem de R$ 41.900. Contudo, pode existir solução melhor; portanto, a busca deve ser feita sistematicamente.

A busca inteira completa identifica C = 64, L = 14 e M = 47, com margem de R$ 46.020,00. As folgas são de 1 hora de corte, 1 hora de montagem e nenhuma hora de acabamento.

Produto	Quantidade	Margem unitária	Margem total
Compacta	64	R$ 260	R$ 16.640,00
Colaborativa	14	R$ 420	R$ 5.880,00
Modular	47	R$ 500	R$ 23.500,00
Total	125	-	R$ 46.020,00

Recurso	Disponível	Utilizado	Folga	Status
Corte	420	419	1	Com folga
Montagem	390	389	1	Com folga
Acabamento	280	280	0	Ativo

Interpretação gerencial

A solução inteira mostra quais linhas devem ocupar a capacidade sob as margens e consumos atuais. Os recursos ativos são candidatos a gargalo. Um recurso com folga não deve receber expansão apenas porque parece importante; capacidade adicional só gera valor quando permite melhorar a combinação.

A diferença entre solução contínua e inteira também ensina um ponto central: o modelo adequado depende da divisibilidade. A solução contínua funciona como limite superior e referência econômica. Para implementação, a cooperativa precisa usar variáveis inteiras ou validar combinações discretas.

Análise de aumento de capacidade

Suponha que seja possível contratar horas adicionais de montagem por R$ 70 cada. A decisão depende do valor marginal estimado pelo modelo e do intervalo em que esse valor é válido. Se o preço-sombra for superior a R$ 70, a contratação pode aumentar margem líquida. Entretanto, a solução inteira pode responder de maneira irregular, e custos de supervisão ou qualidade precisam ser considerados.

A análise correta cria cenários de 10, 20 e 30 horas adicionais, resolve novamente o modelo e compara ganho de margem com custo. Esse procedimento evita extrapolar um preço-sombra além da faixa ou ignorar indivisibilidade.

Cenário de queda na margem

Se a margem do armário cair por aumento do custo de ferragens, seu custo reduzido ou posição na base indica quando a combinação muda. Em vez de reconstruir todo o planejamento manualmente, a cooperativa atualiza o coeficiente e resolve o modelo. A recomendação deve registrar a data e a fonte das margens.

Cenário de compromisso comercial

Se a rede de lojas elevar o mínimo de Compactas de 20 para 50, a restrição pode reduzir a margem global. O custo dessa obrigação é mensurado pela diferença entre os valores ótimos. Essa informação ajuda a negociar preço, compensação ou prazo.

Plano de implementação

· confirmar demanda e margens com comercial e contabilidade;

· validar tempos-padrão com produção e pessoas operadoras;

· converter o plano semanal em ordens diárias;

· reservar capacidade para manutenção e variações quando necessário;

· acompanhar uso real, perdas, horas extras e atendimento;

· atualizar o modelo quando houver mudança material;

· registrar desvios decididos pela gestão e suas justificativas.

Conclusão do caso

O estudo mostra que modelar não é apenas encontrar uma combinação. É construir uma conversa objetiva sobre recursos, metas, contratos e consequências. A solução orienta a decisão, enquanto análise de sensibilidade, integridade, validação e implementação transformam o cálculo em instrumento de gestão.

8. Questões para Estudo

Questão 1 — Formulação de mix de produtos

Uma empresa produz produtos A e B. A margem é R$ 90 e R$ 70. A consome duas horas de máquina e uma de mão de obra; B consome uma hora de máquina e duas de mão de obra. Existem 160 horas de máquina e 140 de mão de obra. A demanda de A é no máximo 60. Formule o modelo e encontre a solução gráfica.

Gabarito comentado: defina x e y como quantidades de A e B. Max Z = 90x + 70y; 2x + y ≤ 160; x + 2y ≤ 140; x ≤ 60; x,y ≥ 0. A interseção das duas capacidades é x = 60 e y = 40. Ela respeita o limite de A e gera Z = R$ 8.200. Compare com os demais vértices: (0,70), (60,0) e, se aplicável, a interseção de x=60 com as restrições. A solução utiliza integralmente ambos os recursos.