Santanna - Goal Programming

Goal Programming como Ferramenta de Gesto
Dimitri Pinheiro SANTANNA

Flvia Zboli DALMCIO
Luciene Laurett RANGEL
Valcemiro NOSSA
Resumo
O objetivo deste artigo demonstrar como o gestor pode aplicar a tcnica do goal
programming na formulao de alternativas de um plano operacional. Esta tcnica
requer um procedimento de soluo iterativa, pela qual o tomador de deciso
investiga uma variedade de solues para encontrar uma, que seja mais satisfatria.
Para tanto, por meio de um exemplo prtico, demonstra-se a operacionalizao
dessa tcnica, com a utilizao do recurso solver, disponvel na planilha eletrnica
Microsoft Excel. O modelo matemtico do goal programming (programao por
metas), por meio de simulaes, permite que os gestores, durante o processo de
planejamento ou de reestruturao da empresa, possam estar, continuamente,
revendo suas prioridades e a prpria hierarquia das metas/objetivos da empresa.
Portanto, este trabalho, visa contribuir para a maior utilizao dos modelos
matemticos e estatsticos, no cotidiano empresarial, buscando melhorar o processo
de tomada de deciso. A utilizao de modelos facilita a compreenso de estruturas
e relaes complexas, pois segrega os aspectos fundamentais relativos ao problema
em foco.
1 Introduo
Para definir os rumos e os resultados de uma empresa, os gestores dependem de
ferramentas que os auxiliem no processo de tomada de deciso. Uma deciso,
segundo Andrade (2000, p. 2), um curso de ao escolhido pela pessoa, como
meio mais efetivo sua disposio para alcanar os objetivos procurados, ou seja,
para resolver o problema que a incomoda.
De acordo com Arantes (1998, p. 130), o subsistema gerencial fornece os
instrumentos de inteligncia para a administrao criar o futuro desejado e
assegurar que as aes esto no caminho correto para realizar esse futuro.
O planejamento um dos processos do subsistema gerencial utilizado para definir
os caminhos que devem ser seguidos para se atingir o futuro desejado. Esse
processo composto por vrias fases: definio dos resultados, avaliao das
condies, formulao de alternativas, avaliao e escolha e detalhamento do plano
(ARANTES, 1998, p. 138).
Definidos os resultados e avaliadas as condies, internas e externas, favorveis e
desfavorveis da empresa, o gestor, na fase de formulao de alternativas na
elaborao do plano operacional, pode contar com tcnicas da pesquisa
operacional, tais como: programao linear, teoria dos jogos, teoria das filas,
programao dinmica, anlise de risco, goal programming (programao por
metas), dentre outras.
Essas tcnicas e mtodos permitem aumentar o grau de racionalidade da deciso,
auxiliando na definio das aes a serem tomadas, pois permitem considerar vrios
aspectos relevantes do processo decisrio.
Endereo/Address: Av. Fernando Ferrari, 1358,

Goiabeiras, Vitria, ES Brasil CEP: 29.075-010
Telephone/Phone: 55 27 4009-4444 - Fax: 55 27 4099-4422
www.fucape.br fucape@fucape.br
O goal programming, uma das tcnicas da pesquisa operacional, envolve solues

de problemas que contm no somente uma funo objetivo, mas tambm vrias
metas que se deseja atingir. O goal programming requer um procedimento de
soluo iterativa pela qual o tomador de deciso investiga uma variedade de
solues para encontrar uma, que seja mais satisfatria.
Diferentemente da programao linear, o goal programming no resolver um
problema apresentando somente uma soluo tima, mas sim, apresentar uma
srie de solues variadas do problema para que o tomador de deciso possa
encontrar/escolher aquela que melhor atend-lo.
O objetivo deste artigo, portanto, demonstrar, a partir de um exemplo prtico, como
o gestor pode aplicar a tcnica do goal programming na formulao de alternativas
de um plano operacional, com o auxlio da ferramenta Microsoft Excel, tendo em
vista as facilidades hoje encontradas, aps o surgimento e o aprimoramento das
planilhas eletrnicas.
Este artigo visa contribuir para a maior utilizao dos modelos matemticos e estatsticos, no
cotidiano empresarial, buscando melhorar o processo de tomada de deciso. A utilizao de
modelos facilita a compreenso de estruturas e relaes complexas, pois segrega os aspectos
fundamentais relativos ao problema em foco.
Os aspectos conceituais mais relevantes do goal programming so tratados na

contextualizao terica e na aplicao da tcnica. Por meio de um exemplo prtico,
demonstra-se a operacionalizao dessa tcnica, com o uso do recurso solver,
disponvel na planilha eletrnica Microsoft Excel.
2 Contextualizao
2.1 Breve Histrico
Em novembro de 1961, uma sesso da American Association of Advertising
Agencies foi aberta para uma exposio e anlise do primeiro modelo de
programao linear, que foi explicitamente preparado e divulgado, para uso
operacional e para implementao prtica na rea de planejamento e gesto
(CHARNES et al., 1968, p. B423).
O desenvolvimento inicial do conceito de goal programming atribudo a Charnes e
Cooper, a partir dessa discusso, em 1961, embora eles argumentem que a idia
originou-se, realmente, em 1952. Em essncia, eles propuseram um modelo para
lidar com certos tipos de problemas que envolviam programao linear e cujas
metas eram includas como restries. J que era impossvel satisfazer todas as
metas, procurou-se minimizar a soma dos valores absolutos dos desvios em relao
a tais metas (IGNIZIO, 1978, p. 1109).
publicao do livro de Charnes e Cooper, Management Models and Industrial
Applications of Linear Programming (1961), seguiu-se a publicao de Yuji Ijiri,
Management Goals and Accounting for Control, em 1965, que refinava e reforava a
noo geral de goal programming. Como resultados destes esforos, o goal
programming tornou-se um modelo de programao matemtica operacional
(KILLOUGH e SOUDERS, 1973, p. 269).
Outros pesquisadores exploraram as aplicaes do goal programming, em reas
como: planejamento da produo e mo de obra, oramento de capital,
administrao hospitalar, alocao de recursos acadmicos, planejamento
econmico municipal, problemas de transporte, recursos hidro-energticos, projetos
de sistemas de radar e sonar, seleo de portiflio, determinao de tempos

padres, estratgias de fuses, vos de foguetes, resfriamento e aquecimento solar,
determinao do nvel de manuteno, modelos de demanda de carvo, dentre
outras. Algumas destas aplicaes no se limitam somente ao linear goal
programming, mas se utilizam modelos no lineares (nonlinear goal programming)
ou lineares com variveis discretas (linear integer goal programming) ou outros
(IGNIZIO, 1978, p. 1112).
2.2 Goal Programming
Segundo Killough e Souders (1973, p. 270), goal programming, assim como a
programao linear, um modelo matemtico linear, mas existem vrias diferenas
entre ambas. A tcnica de programao linear limita-se a resolver problemas onde
os objetivos da gerncia podem ser estabelecidos em uma meta unidimensional, tal
como, maximizao de lucro ou minimizao de custo. Porm, no dia-a-dia, a
gerncia depara-se com muitas metas que, em geral, so incompatveis e
incomensurveis, e transformar estas metas mltiplas em uma meta unidimensional,
geralmente, no possvel. Felizmente, o goal programming apareceu para
possibilitar a resoluo de problemas de deciso com uma meta principal e mltiplas
submetas, bem como, com mltiplas metas principais e mltiplas submetas.
Ragsdale (2001, p. 298) afirma que, a maior parte das tcnicas de programao
linear assume que as restries do modelo no podem ser violadas (hard
constraints), entretanto, com o goal programming acontece justamente o inverso: as
restries do modelo so restries, normalmente, incompatveis/contraditrias
entre si e, por isso, geralmente, viola-se pelo menos uma das restries para se
alcanar solues possveis. Estas restries no to rgidas (soft constraints)
assemelham-se mais com metas desejveis de se atingir, sem serem vistas como
uma camisa-de-fora pelo modelo.
Em muitos casos reais, o tomador de deciso depara-se com problemas cujo
modelo de deciso est mais prximo do modelo do goal programming do que da
programao linear, ou seja, no se tem apenas uma funo objetivo a ser
maximizada ou minimizada, mas sim, um conjunto de opes resultante de diversas
restries no totalmente compatveis entre si. Normalmente, o tomador encara
vrias solues onde se ganha de um lado e se perde de outro. Estes problemas
podem ser trabalhados com o goal programming.
Em geral, o goal programming apresenta os seguintes componentes: variveis de
deciso (variveis reais que o modelo tenta otimizar), as restries (conjunto de
relacionamentos que restringem as variveis de deciso), as variveis de desvio
(desvios positivos e negativos das variveis de deciso em relao s metas) e a
funo objetivo (funo que reflete o critrio de otimizao das variveis). Tais
componentes so melhores entendidos, quando da explicao do exemplo prtico.
3 Aplicao Prtica
Para demonstrar os conceitos e uma melhor utilizao da tcnica do goal
programming, por meio do recurso solver disponvel na planilha eletrnica Microsoft
Excel, apresenta-se uma aplicao prtica, a partir de um exemplo hipottico. As
etapas descritas, a seguir, so as mesmas propostas por Ragsdale (2001).

3.1 Exemplo
A empresa Delphi S.A. produz trs tipos de produtos: camisa, bermuda e cala. Para fabricar
camisa, a empresa consome 0,050 horas-mquinas (3,0 minutos) e gasta R$20,00 com custos e
despesas variveis. Para fabricar bermuda, a empresa consome 0,075 horas-mquinas (4,5
minutos) e gasta R$31,00 com custos e despesas variveis. Para fabricar cala, a empresa
consome 0,125 horas-mquinas (7,5 minutos) e gasta R$50,00 com custos e despesas
variveis. Alm disso, a empresa apurou que a margem de contribuio unitria da camisa
de R$4,00, da bermuda de R$6,00 e da cala de R$13,00. A empresa tem uma
disponibilidade mensal de at 2.520 horas-mquinas e R$1.200.000,00 de capital para arcar
com seus custos e despesas totais. Alm disso, para cobrir os custos fixos R$200.000,00 e
obter um lucro de R$40.000,00, a empresa precisa de, no mnimo, uma margem de contribuio
total de R$240.000,00. De acordo com a carteira de pedidos de clientes, informada pela rea de
vendas, a empresa deve produzir, no mnimo, a quantidade de 13.000 camisas, 10.000
bermudas e 7.000 calas.
3.2 Definio das Variveis de Deciso

Neste exemplo, a deciso a ser tomada quantas camisas, bermudas e calas
devem ser produzidas pela empresa. Estas quantidades so representadas pelas
variveis X1, X2 e X3, respectivamente.
3.3 Definio de Metas (Goals)
Diferentemente dos exemplos clssicos de programao linear, este problema no
possui somente um objetivo especfico, mas um conjunto de metas a serem
alcanadas no ms, listadas abaixo:
Meta 1 produzir aproximadamente 13.000 camisas;
Meta 2 produzir aproximadamente 10.000 bermudas;
Meta 3 produzir aproximadamente 7.000 calas;
Meta 4 utilizar aproximadamente 2.520 horas-mquinas;
Meta 5 apresentar um custo total aproximado de R$1.200.000,00;
Meta 6 obter uma margem de contribuio total aproximada de R$240.000,00.
Nota-se que, a idia de rigidez das metas (restries), logo, descartada pela
flexibilizao proporcionada pela noo de aproximao, constante na lista acima,
ou seja, estas restries esto muito mais prximas de metas flexveis do que de
rgidas restries.
Se, por exemplo, as quatro primeiras metas puderem ser atingidas a um custo de
R$1.200.050,00, muito provavelmente, o desvio de R$50,00 no impedir que esta
soluo seja considerada pelo tomador de deciso.
3.4 Definio de Limitaes das Metas
O primeiro passo na formulao de um modelo, para resoluo de problemas, por
meio do goal programming, criar limitaes para cada uma das metas do
problema. As limitaes de metas permitem que se determine quo precisa deve ser
a soluo para cada meta.
Para entender como estas limitaes devem ser formuladas, no exemplo, so
utilizadas as seguintes variveis (restries rgidas e flexveis):
Restries Rgidas
x1 = 13.000 (Camisa)
x 2 = 10.000 (Bermuda)
x 3 = 7.000 (Cala)
4 x1 + 6 x 2 + 13 x 3 = 240.000 (MC)
20 x1 + 31x 2 + 50 x 3 + 200.000 = 1.200.000 (CDF + CDV)
0,050 x1 + 0,075 x 2 + 0,125 x 3 = 2.520 (HMP)
Onde:
MC = margem de contribuio
CDF = custos e despesas fixas
CDV = custos e despesas variveis
HMP = horas-mquinas de produo
As equaes apresentadas so restries rgidas, mas, se definidas na forma a
seguir, permitem a flexibilidade de que o modelo do goal programming necessita.
Restries Flexveis
x1 + d 1 d 1+ = 13.000 (Camisa)
x 2 + d 2 d 2+ = 10.000 (Bermuda)
x 3 + d 3 d 3+ = 7.000 (Cala)
4 x1 + 6 x 2 + 13 x 3 + d 4 d 4+ = 240.000 (MC)
20 x1 + 31x 2 + 50 x 3 + 200.000 + d 5 d 5+ = 1.200.000 (CDF + CDV)
0,050 x1 + 0,075 x 2 + 0,125 x 3 + d 6 d 6+ = 2.520 (HMP)
Onde: d i , d i+ 0 para todo i.
As variveis d i e d i+ so chamadas variveis de desvio. O d i representa o valor
absoluto que cada meta est abaixo do originalmente desejado e o d i+ representa o
valor absoluto que cada meta est acima do originalmente desejado.
3.5 Funo Objetivo do Goal Programming

Num problema modelado para o goal programming, o objetivo determinar uma
soluo que atinja todas as metas, to certeiramente, quanto possvel. A soluo
ideal, para qualquer problema de goal programming, seria aquela em que cada meta
atingida, exatamente, no ponto desejado (em tal soluo ideal, todas as variveis
de desvio seriam iguais a zero). Geralmente, no possvel atingir a soluo ideal,
porque algumas metas so conflitantes entre si. Neste caso, procura-se uma
soluo que desvie o mnimo possvel da soluo ideal.
De acordo com Killough e Souders (1973, p. 270), o goal programming procura
minimizar a soma dos desvios, contudo, como muitas vezes trabalha-se com
variveis que no podem ser somadas (horas, quantidade, valores monetrios), o
modelo transforma os desvios (nmeros absolutos) em desvios percentuais em
relao meta desejada. Desta maneira, o modelo estaria tratando todos os desvios
percentuais da mesma forma, o que, geralmente, no desejvel ao tomador de
decises.
O goal programming, por isso, exige que o gestor atribua pesos (ponderaes) aos
desvios percentuais (privilegiando algumas metas em relao s outras), gerando,
ento, uma funo objetivo final que visa minimizar a soma ponderada dos
percentuais dos desvios:
MIN : i
1
(pi d i + pi+ d i+ )
mi
Onde:
m i = meta para todo i;

pi = peso relativo ao desvio para baixo para todo i;
pi+ = peso relativo ao desvio para cima para todo i;
d i = desvio para baixo para todo i;
d i+ = desvio para cima para todo i.
Para o tomador de deciso, a varivel cujo desvio considerado altamente
indesejvel apresenta um alto peso relativo (distante de zero), enquanto uma
varivel cujo desvio no seja to indesejvel apresenta um baixo peso relativo
(prximo de zero). Caso haja um sentimento de neutralidade em relao ao desvio,
o peso ser nulo (igual a zero) (RENDER e STAIR, 1997, p. 532).
No entanto, no existe um procedimento padro para o estabelecimento destes
pesos, no garantindo que a primeira soluo encontrada pelo modelo seja a
soluo mais desejvel. Ou seja, o gestor deve, de maneira iterativa, estabelecer um
conjunto de pesos para resolver o problema, analisar a soluo e, ento, redefinir os
pesos e resolver o problema novamente. Pode ser necessrio repetir este processo,
muitas vezes, at que o gestor esteja satisfeito com a soluo encontrada.
3.6 Definio do Objetivo

No exemplo dado, assume-se que o tomador de deciso considera indesejvel o
subatendimento das quatro primeiras metas, relacionadas s quantidades de produtos e
margem de contribuio, sendo, para ele, indiferente, ou mesmo desejvel, a superao destas
metas. Por outro lado, considera indesejvel a superao das duas ltimas metas,
relacionadas aos custos e despesas totais e s horas-mquinas de produo, sendo, para ele,
indiferente, ou mesmo desejvel, o subatendimento destas metas.

Neste caso, para minimizar a soma ponderada dos percentuais dos desvios, deve-se
utilizar a seguinte funo objetivo:
p1
p3
p3+
p1+
p2
p2+
d1 +
d1 +
d2 +
d2 +
d3 +
d 3+ +
13.000
13.000
10.000
10.000
7.000
7.000
MIN :
p5
p5
p6
p
p4
p4
+
d 4 +
d 4+ +
d 5 +
d 5+ +
d 6 + 6 d 6+
240.000
1.200.000
1.200.000
2.520
2.520
240.000
No exemplo desenvolvido, atribudo peso 1 abaixo ( p1 = p2 = p3 = 1) e peso 0
acima ( p1+ = p2+ = p3+ = 0) para as quantidades de camisa, bermuda e cala; peso 4
abaixo ( p 4 = 4) e peso 0 acima ( p 4+ = 0) para a margem de contribuio total; peso
2 acima ( p5+ = 2) e peso 0 abaixo ( p5 = 0) para custos e despesas totais; e peso 5
acima ( p6+ = 5) e peso 0 abaixo ( p6 = 0) para horas-mquinas.
A atribuio dos pesos (para cima ou para baixo), feita pelo gestor, indica
penalidade, de acordo com a priorizao das metas estabelecidas.
Vale notar que, a funo objetivo, apresentada na implementao do modelo a
seguir, omite as variveis cujo peso, atribudo pelo tomador de deciso, demonstre
indiferena em relao ao desvio, ou seja, igual a zero. Neste exemplo, os desvios
para cima, das quatro primeiras metas, no esto sendo penalizados e os desvios
para baixo, das duas ltimas metas, tambm no.
3.7 Implementao do Modelo

O modelo de programao linear, deste exemplo, de goal programming :
MIN :
1
1
1
4
2
5
d 1 +
d 2 +
d 3 +
d 4 +
d 5+ +
d 6+
13.000
10.000
7.000
240.000
1.200.000
2.520
Sujeito a:
x1 + d 1 d 1+ = 13.000 (Camisa)
x 2 + d 2 d 2+ = 10.000 (Bermuda)
x 3 + d 3 d 3+ = 7.000 (Cala)
4 x1 + 6 x 2 + 13 x 3 + d 4 d 4+ = 240.000 (MC)
20 x1 + 31x 2 + 50 x 3 + 200.000 + d 5 d 5+ = 1.200.000 (CDF + CDV)
0,050 x1 + 0,075 x 2 + 0,125 x 3 + d 6 d 6+ = 2.520 (HMP)
Onde:
d i , d i+ 0 para todo i;
x i 0 para todo i;
x i deve ser inteiro.
Nas equaes demonstradas, os desvios tm o papel de ajustar o valor real
encontrado ao valor desejado (alvo), ou seja, se o valor real, gerado pelo modelo, for
menor que o desejado, soma-se o desvio para baixo ( d i ), se o valor real for maior
que o desejado, diminui-se o desvio para cima ( d i+ ).
Este modelo pode ser implementado em uma planilha Microsoft Excel e resolvido
com o recurso solver do software, como desenvolvido a seguir.
Conforme ilustrado pela Figura 1, a primeira parte da planilha apresenta os dados
bsicos do problema, para que se efetue os demais clculos necessrios ao modelo.
A segunda parte apresenta as variveis de deciso, as variveis de desvio e as
limitaes s metas do problema. A terceira parte calcula os desvios relativos, a
partir dos desvios absolutos apurados na segunda parte. A quarta parte recebe os
pesos atribudos, pelo tomador de deciso, aos desvios (para cima e para baixo), em
relao a cada meta. E, a ltima parte apresenta, neste exemplo, o resultado da
minimizao da funo objetivo.
Figura 1: Modelagem do Goal Programming
Na Tabela 1, so descritas as frmulas da Figura 1, necessrias para a elaborao

da planilha eletrnica.
Tabela 1: Descrio das Frmulas da Figura 1

Varivel do Modelo
Quantidade da produo de camisas
Quantidade da produo de bermudas
Quantidade da produo de calas
Margem de contribuio
Custos e despesas totais
Horas-mquinas de produo
Desvio para baixo de camisas
Desvio para baixo de bermudas
Desvio para baixo de calas
Desvio para baixo de margem de contribuio
Desvio para baixo de custos e despesas totais
Desvio para baixo de horas-mquinas
Desvio para cima de camisas
Desvio para cima de bermudas
Desvio para cima de calas
Desvio para cima de margem de contribuio
Desvio para cima de custos e despesas totais
Desvio para cima de horas-mquinas
Limitao meta de camisas
Limitao meta de bermudas
Limitao meta de calas
Limitao meta de MC
Limitao meta de custos e despesas totais
Limitao meta de horas-mquinas
Valor desejado de camisas
Valor desejado de bermudas
Valor desejado de calas
Valor desejado de margem de contribuio
Valor desejado de custos e despesas totais
Valor desejado de horas-mquinas
% desvio para baixo (meta camisas)
% desvio para baixo (meta bermudas)
% desvio para baixo (meta calas)
% desvio para baixo (meta margem de contrib.)
% desvio para baixo (meta custos/desp. totais)
% desvio para baixo (meta horas-mquinas)
% desvio para cima (meta camisas)
% desvio para cima (meta bermudas)
% desvio para cima (meta calas)
% desvio para cima (meta margem de contrib.)
% desvio para cima (meta custos/desp. totais)
% desvio para cima (meta horas-mquinas)
Peso do desvio para baixo (meta camisas)
Peso do desvio para baixo (meta bermudas)
Peso do desvio para baixo (meta calas)
Peso do desvio para baixo (meta MC)
Peso do desvio para baixo (meta custos totais)
Peso do desvio para baixo (meta horas-mq.)
Peso do desvio para cima (meta camisas)
Peso do desvio para cima (meta bermudas)
Clula Frmula
B8
(*)
C8
D8
E8
F8
G8
B9
C9
D9
E9
F9
G9
B10
C10
D10
E10
F10
G10
B11
C11
D11
E11
F11
G11
B12
C12
D12
E12
F12
G12
B15
C15
D15
E15
F15
G15
B16
C16
D16
E16
F16
G16
B19
C19
D19
E19
F19
G19
B20
C20
(*)
(*)
=SOMARPRODUTO(B2:D2;B8:D8)
=E5 + SOMARPRODUTO(B3:D3;B8:D8)
=SOMARPRODUTO(B4:D4;B8:D8)
(*)
(*)
(*)
(*)
(*)
(*)
(*)
(*)
(*)
(*)
(*)
(*)
=B8+B9-B10
=C8+C9-C10
=D8+D9-D10
=E8+E9-E10
=F8+F9-F10
=G8+G9-G10
(**)
(**)
(**)
(**)
(**)
(**)
=B9/B$12
=C9/C$12
=D9/D$12
=E9/E$12
=F9/F$12
=G9/G$12
=B10/B$12
=C10/C$12
=D10/D$12
=E10/E$12
=F10/F$12
=G10/G$12
(**)
(**)
(**)
(**)
(**)
(**)
(**)
(**)

Peso do desvio para cima (meta calas)

Peso do desvio para cima (meta MC)
Peso do desvio para cima (meta custos totais)
Peso do desvio para cima (meta horas-mq.)
Objetivo
D20
E20
F20
G20
B22
(**)
(**)
(**)
(**)
=SOMARPRODUTO(B15:G16;B19:G20)
(*) Os valores destas clulas so calculados pelo solver.

(**) Os valores destas clulas so inseridos pelo usurio.
3.8 Soluo do Modelo

O modelo pode ser resolvido, utilizando o recurso solver, conforme ilustrado pelas Figuras
2, 3, 4 e 5.
Para acessar o solver, clicar na opo ferramentas, disponvel na barra de ferramentas da
planilha eletrnica Microsoft Excel e, ento, preencher os seguintes parmetros:
Definir clula destino: indicar a clula onde ser exibido o resultado final da funo objetivo;
Igual a: identificar o tipo de soluo que se deseja obter para o problema (Mx =
maximizar; Mn = minimizar; Valor de = indicar um valor especfico);
Clulas variveis: indicar o endereo das clulas variveis da planilha;
Submeter s restries: clicar sobre o boto adicionar, informar as clulas que possuem
restries, escolher na lista de opes o tipo de restrio desejada e indicar a restrio.
Figura 2: Parmetros do Solver

Definidos os parmetros, o passo seguinte definir as opes do solver, clicando no boto
opes.
Nesta fase, so indicadas as opes que permitem administrar a forma como o programa ir
resolver o problema. Essas opes possibilitam a melhoria da preciso do resultado obtido e o
tempo consumido na soluo do problema. Dependendo da escolha, a soluo poder ser
encontrada com maior ou menor rapidez, com maior ou menor preciso.
No entanto, o solver apresenta uma pr-definio padronizada, devendo ser alterada
somente em situaes de resolues mais complexas.

Figura 3: Opes do Solver

Aps certificar-se de que todos os dados esto preenchidos corretamente, clicar em ok e,
em seguida, resolver.
Quando a soluo para o modelo for encontrada, aparecer a janela de resultados do solver.
Pode-se, ento, salvar a soluo, retornar aos valores originais, ou ento, solicitar a gerao
dos relatrios (relatrio de resposta, relatrio de sensibilidade e relatrio de limites), conforme
as opes oferecidas.
Neste exemplo, no necessria a gerao destes relatrios, basta, somente, clicar no boto
ok e analisar os resultados.
Figura 4: Resoluo do Solver

Na planilha final, ilustrada na Figura 5, so indicados: a quantidade de camisas, bermudas,
calas, margem de contribuio total, custos e despesas totais e horas-mquinas de produo
necessrios para atender o modelo.

Figura 5: Primeira Soluo do Modelo
3.9 Anlise da Soluo

Conforme observado, na Figura 5, esta soluo indica que a empresa deve produzir 13.000
camisas, 10.000 bermudas e 8.960 calas. Com isso, pode-se notar que, as metas de
quantidade a produzir de camisas, bermudas e calas (a quantidade de calas, inclusive,
superou a meta prevista em 28,0%, de forma desejvel) e a meta de horas-mquinas utilizada
na produo foram atingidas. Entretanto, com as variveis consideradas no modelo, no foi
possvel, nesta primeira soluo, atingir a meta de margem de contribuio total (ficando
abaixo da meta prevista em 4,8%) e a meta do valor de custos e despesas totais (ficando acima
da meta prevista em 1,5%).
O valor objetivo de 0,22 foi gerado pela minimizao da soma ponderada dos percentuais dos
desvios (0,22 = 28,0% x 0 + 4,8% x 4 + 1,5% x 2). A superao da meta de produo de calas
em 28,0% no afetou o resultado de 0,22, j que esta superao no indesejada pelo tomador
de deciso, por isso, ele no atribuiu peso a este desvio para cima.
3.10 Reviso do Modelo
A primeira soluo encontrada pode satisfazer o gestor, no entanto, como na elaborao do
planejamento, comum a simulao de vrias alternativas para a escolha da melhor, bem
provvel que ele queira testar outras possveis solues.
Por exemplo, havendo demanda para esta quantidade de calas (8.960), que suporte um
aumento na margem de contribuio unitria em R$2,00 (o que implicaria num aumento no
preo do produto), o gestor poderia, ento, alterar a margem de contribuio unitria da cala
de R$13,00 para R$15,00 e verificar a nova soluo encontrada pelo modelo, conforme
ilustrado pela Figura 6.

Figura 6: Outra Soluo do Modelo

Nesta soluo alternativa, observa-se que, todas as metas foram atingidas com sucesso e/ou
apresentaram desvios favorveis empresa, o que levou a minimizao da soma ponderada
dos percentuais dos desvios a atingir um valor objetivo igual a zero.
Por outro lado, seria relevante, para o processo decisrio, que fossem analisadas
outras alternativas, como por exemplo: o mercado poderia no aceitar este aumento
de preo e a empresa tentaria reduzir seus custos e despesas fixas totais. Neste
caso, mantendo-se a margem de contribuio em R$13,00, reduzindo-se o custo fixo
total em R$11.520,00 (valor do desvio para baixo da margem de contribuio total
apurado na primeira soluo do modelo) e mantendo-se todas as outras condies
constantes, chegar-se-ia ao valor objetivo de 0,20 (melhor do que o valor objetivo
de 0,22 da primeira soluo). Mesmo que os custos e as despesas totais atinjam
valores indesejveis (ainda que menores do que na primeira soluo) e a margem
de contribuio fique igual primeira soluo (R$228.480,00), a empresa, ainda
assim, teria um lucro de R$40.000,00.
4 Consideraes Finais
Neste artigo, demonstrou-se, com a utilizao de um exemplo prtico, como o gestor
pode aplicar a tcnica do goal programming na formulao de alternativas de um
plano operacional, melhorando o processo decisrio com a gerao e anlise de
diversos cenrios.
O goal programming, diferentemente da programao linear, envolve solues de
problemas que contm no somente uma funo objetivo, mas sim vrias metas que
se deseja atingir.
Esta tcnica requer um procedimento de soluo iterativa pela qual o tomador de

deciso investiga uma variedade de solues para encontrar uma, que seja mais
satisfatria. Mais importante que o valor objetivo, encontrado ao final de cada
iterao, , exatamente, a explorao de inmeras possveis solues. Porm,
alguns autores criticam o modelo do goal programming, por este no determinar
somente um ponto timo, entendendo isso como uma limitao.
O goal programming uma tcnica que pode ser muito mais utilizada pelos
gestores, no dia-a-dia das empresas, j que o modelo aplicvel em um software,
de fcil acesso e manuseio, como o Microsoft Excel.
Apesar de neste trabalho no terem sido realizadas simulaes com mudanas dos pesos
(ponderaes), referentes aos diversos tipos de variveis de deciso (e seus desvios), esta
possibilidade uma das outras vantagens que pode ser explorada pelos gestores nas
empresas.
O goal programming, por meio de simulaes e modelos, permite que os gestores,

durante o processo de planejamento ou de reestruturao da empresa, possam
estar, continuamente, revendo suas prioridades e a prpria hierarquia das
metas/objetivos da empresa.
Bibliografia
ANDRADE, Eduardo Leopoldino. Introduo pesquisa operacional: mtodos e modelos
para a anlise de deciso. 2. ed. Rio de Janeiro: LTC, 2000.
ARANTES, Nlio. Sistemas de gesto empresarial: conceitos permanentes na
administrao de empresas vlidas. 2. ed. So Paulo: Atlas, 1998.
CABALLERO, Rafael et al. A genetic algorithm to solve an integer goal
programming model for the higher education. Disponvel em: <http://www.li.univtours.fr:8082/04112002%5Ccaballero.pdf>. Acesso em: 14 jun. 2003.
CATELLI, Armando. Controladoria: uma abordagem da gesto econmica
GECON. 2. ed. So Paulo: Atlas, 2001.
CHARNES, A. et al. A goal programming model for media planning. Management
Science, v. 14, apr. 1968, p. B423-B430. Disponvel em: <http:www.jstor.org/>.
Acesso em: 15 jun. 2003.
GIOKAS, D. The use of goal programming and data envelopment analysis for estimating
efficient marginal costs of outputs. The Journal of the Operation Research Society, v. 48,
mar. 1997, p. 319-323. Disponvel em: <http:www.jstor.org/>. Acesso em: 15 jun. 2003.
GUERREIRO, Reinaldo. Modelo conceitual de sistema de informao de gesto
econmica: uma contribuio teoria da comunicao da contabilidade. Tese de
Doutorado Faculdade de Economia, Administrao e Contabilidade. So Paulo:
USP, 1995.
IGNIZIO, James P. A review of goal programming: a tool for multioobjective analysis.
The Journal of the Operation Research Society, v. 29, nov. 1978, p. 1109-1119.
Disponvel em: <http:www.jstor.org/>. Acesso em: 15 jun. 2003.
KILLOUGH, Larry N.; SOUDERS, Thomas L. A goal programming model for public
accounting firms. The Accounting Review, v. 48, apr. 1973, p. 268-279. Disponvel em:
<http:www.jstor.org/>. Acesso em: 15 jun. 2003.
KLUYVER, Cornelis A. De. An exploration of various goal programming formulations: with
application to advertising media scheduling. The Journal of the Operation Research
Society, v. 30, feb. 1979, p. 167-171. Disponvel em: <http:www.jstor.org/>. Acesso em: 15
jun. 2003.
LACHATERM ACHER, Gerson. Pesquisa operacional na tomada de decises. Rio de Janeiro:
Campus, 2002.
NOSSA, Valcemiro; CHAGAS, Jos Ferreira. Usando programao linear na

contabilidade decisorial. In: V CONGRESO INTERNACIONAL DE COSTOS, 1997.
Anais em CD-ROM. Acapulco (Mxico). v. 1, p. 297-316. Disponvel em:
<http://www.fucape.br/producao.html>. Acesso em: 26 jun. 2003.
PELEIAS, Ivam Ricardo. Controladoria: gesto eficaz utilizando padres. So
Paulo: Saraiva, 2002.
RAGSDALE, Cliff T. Spreadsheet modeling and decision analysis. 3. ed.
Cincinnati, Ohio: South-Western, 2001.
RENDER, Barry; STAIR, Ralph M. Quantitative analysis for management. 6. ed.
New Jersey: Prentice Hall, 1997.
SCHMIDT. Controladoria: agregando valor para a empresa. Porto Alegre:
Bookman, 2002.
SCHNIEDERJANS, Marc J.; KWAK, N. K. An alternative solution method for goal

programming problems: a tutorial. The Journal of the Operation Research Society, v. 33,
mar. 1982, p. 247-251. Disponvel em: <http:www.jstor.org/>. Acesso em: 25 jun. 2003.


Santanna - Goal Programming

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Santanna - Goal Programming

Caricato da

Copyright:

Formati disponibili

Goal Programming como Ferramenta de Gesto

Dimitri Pinheiro SANTANNA

Endereo/Address: Av. Fernando Ferrari, 1358,

O goal programming, uma das tcnicas da pesquisa operacional, envolve solues

Os aspectos conceituais mais relevantes do goal programming so tratados na

de sistemas de radar e sonar, seleo de portiflio, determinao de tempos

Endereo/Address: Av. Fernando Ferrari, 1358,

3.2 Definio das Variveis de Deciso

3.5 Funo Objetivo do Goal Programming

m i = meta para todo i;

3.6 Definio do Objetivo

Endereo/Address: Av. Fernando Ferrari, 1358,

3.7 Implementao do Modelo

Figura 1: Modelagem do Goal Programming

Na Tabela 1, so descritas as frmulas da Figura 1, necessrias para a elaborao

Tabela 1: Descrio das Frmulas da Figura 1

Endereo/Address: Av. Fernando Ferrari, 1358,

Peso do desvio para cima (meta calas)

(*) Os valores destas clulas so calculados pelo solver.

3.8 Soluo do Modelo

Figura 2: Parmetros do Solver

Endereo/Address: Av. Fernando Ferrari, 1358,

Figura 3: Opes do Solver

Figura 4: Resoluo do Solver

Endereo/Address: Av. Fernando Ferrari, 1358,

Figura 5: Primeira Soluo do Modelo

3.9 Anlise da Soluo

Endereo/Address: Av. Fernando Ferrari, 1358,

Figura 6: Outra Soluo do Modelo

Esta tcnica requer um procedimento de soluo iterativa pela qual o tomador de

O goal programming, por meio de simulaes e modelos, permite que os gestores,

NOSSA, Valcemiro; CHAGAS, Jos Ferreira. Usando programao linear na

SCHNIEDERJANS, Marc J.; KWAK, N. K. An alternative solution method for goal

Endereo/Address: Av. Fernando Ferrari, 1358,

Potrebbero piacerti anche