1

UEM – UNIVERSIDADE EDUARDO MONDLANE

Faculdade de Economia

PROPOSTA DE CORRECÇÃO DO DOCENTE

FORMULAÇÃO DE PROBLEMAS DE PROGRAMAÇÃO LINEAR

EXERCÍCIO 1 – MODELO DE PRODUÇÃO GERAL

Uma empresa artesanal de produção de artigos de decoração denominada KUSHONGA, Lda pretende
planear a actividade do seu departamento de produção, nomeadamente secção de acabamentos, por ser a
de maior mão-de-obra intensiva e, portanto, mais difícil de avaliar em termos de rendibilidade.
O seu objectivo prioritário é saber qual o nível de actividade óptimo que lhe permita maximizar o lucro.
O departamento de acabamentos tem-se dedicado nos últimos tempos ao polimento, envernizamento e
secagem de 2 tipos de objectos de decoração: candeeiros de parede e molduras para fotografias.

A empresa não pensa vir alterar a sua actividade, mesmo não tendo elaborado quaisquer estimativa
de procura para os dois objectos considerados. Até agora a empresa tem vendido tudo o que produz
a capacidade máxima, e não se espera que venha a surgir qualquer diminuição drástica do nível da procura.
O cálculo da margem de contribuição do departamento é baseado na determinação dos custos efectivos
das tarefas efectuadas, os quais são deduzidos a receitas obtidas nessa secção, através da cobrança de
preços de transferência a secção de embalagens e expedição. Segundo esta óptica cada candeeiro
proporciona uma margem de 80,00 UM e cada moldura rende 60,00 UM, nesta secção.
A fase de polimento, actividade manual, apresenta uma limitação de 30 horas-homem por dia. Um
candeeiro necessita, em média de 5 horas de trabalho, enquanto que as molduras necessitam apenas de 3
horas.
A actividade de envernizamento requer, cerca de 2 cl de verniz para cada candeeiro, e mais um cl para
cada moldura. A empresa conta gastar uma lata de 24 cl por dia. A secagem é efectuada num forno com
capacidade para secar uma peça de cada vez, que trabalha 18 horas por dia. Os candeeiros necessitam
de uma hora enquanto que as molduras necessitam de 3 horas.

Pretende-se que o discente que é gestor/economista/ decisor da KUSHONGA, Lda formule o modelo
de Programação linear que melhor espelhe a realidade da organização.

UEM – Aula teórica 1 de Investigação Operacional/2017

 2
RESOLUÇÃO:
Passo 1: Definir as variáveis de decisão
Xi - traduz as quantidades de candeeiros (x1) e de molduras (x2) a produzir pela empresa
KUSHONGA. No entanto, X1 e x2 são claramente os factores controlaveis dos quais depende a
margem de contribuição total do departamento de acabamentos.
Xi – quantidade de candeeiros (i=1) e moduras (i=2) a produzir

Passo 2: Função objectivo

Representa uma expressào da margem de contribuiçào, grandeza que satisfaz o critério da
maximização do lucro da KUSHONGA.
Max Z = 80x1+60x2 (unidades monetárias)

Passo 3: Restrições
Traduz as limitações de recursos utilizados nas actividades do polimento, enverizamento e secagem.
5x1+3x2<= 30 (horas-homem)
2x1+x2<=24 (centilitros de verniz)
X1+3x2<=18 (horas-maquinas) X1,
x2 >=0 e inteiros

Assim o modelo matemático completo de PL fica:

Xi – quantidade de candeeiros (i=1) e moduras (i=2) a produzir

Max Z = 80x1+60x2 (unidades monetárias)

S.a 5x1+3x2<= 30 (horas-homem)

2x1+x2<=24 (centilitros de verniz)
X1+3x2<=18 (horas-maquinas) X1,
x2 >=0 e inteiros

EXERCÍCIO 2 –MODELO DE AFECTAÇÃO

A Associação dos trabalhadores do Banco de Moçambique quer organizar os campos de férias de verão,
estando a seleccionar os grupos de criança que serão inseridas em cada um dos 5 campos planeados. A
primeira fase do processo, que consiste em constituir os grupos para cada campo, já foi concluida. Cada
um desses grupos inclui crianças com afinidades a nível da idade, perfil intelectual, experiencia passada,
conhecimento de linguas e interesses pessoais. Assim, nasceu o grupo de Juniores, o dos Internacionais, o
dos Campistas, o dos Desportistas e finalmente dos Aventureiros. Numa segunda fase do processo criou-
se um indice de afectação que mede o grau de satisfaçào estimado de cada grupo em cada um dos 5
campos. Esse índice teve em conta quer um questionário aos participantes para que eles pudessem revelar
os seus interesses e desejos, quer uma análise que comparava o perfil de cada grupo com os programas de
actividades dos campos, sua localização, duração e perfil da equipe organizadora. O quadro que se segue,
traduz exactamente os valores do indice de afectação que se
encontraram:

Indice de Campo A Campo B Campo C Campo D Campo E

afectação
Juniores 5 7 3 9 8
UEM – Aula teórica 1 de Investigação Operacional/2017
 3
Internacionais 3 6 6 4 7
Campistas 6 2 6 4 5
Desportistas 5 5 4 7 6
Aventureiros 3 2 1 6 4

Pretende-se que o discente, que é gestor/economista da Associaçào dos trabalhadores do Banco

de
Moçambique, elabore o modelo de programação linear que melhor espelhe a realidade.
RESOLUÇÃO
:
Passo 1: Definição de variável de
decisão
Xij nos informa se o grupo i será ou não afecto no campo j, tomando o valor 0 ou 1, conforme o
caso. Este tipo de variáveis designam-se por variáveis binárias, dado que podem possuir apenas dois
valores (0 ou 1).
Xij – afectação do grupo i ao campo j
(i=1,2,3,4,5; j=1,2,3,4,5) xij=0 v 1

Passo 2: Função objectivo

Associação pretende maximizar a satisfação global dos intervenientes nos campos de férias
existentes.
Max a satisfaçào global (SG)
=5x11+7x12+3x13+9x14+8x15+3x21+6x22+6x23+4x24+7x25+6x31+2x32+6x33+4x35+5x41+5x42+4
x43+7x44+6x45+3x51+2x52+1x53+6x54+ax55

Passo 3: Restrições
Existe dois tipos de regras a considerar: i) primeira, impõe-se que cada grupo apenas pode ser
afecto a um só campo; e ii) cada campo só pode acolher a um e um só grupo.
Cada grupo só pode ser afecto a um e um só campo
X11+x12+x13+x14+x15=1
X21+x22+x23+x24+x25=1
X31+x32+x33+x34+x35=1
X41+x42+x43+x44+x45=1
X51+x52+x53+x54+x55=1
Cada campo só pode acolher a um e um só grupo
X11+x21+x31+x41+x51=1
X12+x22+x32+x42+x53=1
X13+x23+x33+x34+x35=1
X14+x24+x34+x44+x54=1
X15+x25+x35+x45+x55=1

Xij£ (0,1)

O modelo matemático de PL completo fica:

Xij – afectação do grupo i ao campo j

(i=1,2,3,4,5; j=1,2,3,4,5)

Max(SG)=5x11+7x12+3x13+9x14+8x15+3x21+6x22+6x23+4x24+7x25+6x31+2x32+6x33+4x35+5x41+
5x42+4x43+7x44+6x45+3x51+2x52+1x53+6x54+ax55

S. a
Cada grupo só pode ser afecto a um e um só campo
X11+x12+x13+x14+x15=1
UEM – Aula teórica 1 de Investigação Operacional/2017
 4
X21+x22+x23+x24+x25=1
X31+x32+x33+x34+x35=1
X41+x42+x43+x44+x45=1

Cada campo só pode acolher a um e um só grupo

X11+x21+x31+x41+x51=1
X12+x22+x32+x42+x53=1
X13+x23+x33+x34+x35=1
X14+x24+x34+x44+x54=1
X15+x25+x35+x45+x55=1
Xij£ (0,1)

EXERCÍCIO 3 – MODELO DE TRANSPORTE

A Empresa KUHANHA, SA tem negócios em diversos países Africanos como Angola,
Moçambique, Cabo Verde, São Tomé, Ruanda e África do Sul. A sua actividade de trading traduz-se na
compra de medicamento em Laboratórios Europeus, nomeadamente: na Holanda, Itália, Bélgica e
também em Portugal, e sua venda nos países africanos mencionados.
No próximo mês, a KUHANHA, SA terá de fazer um planeamento mais cuidado das encomendas de
um kit de primeiros socorros para todos os países mencionados, uma vez que surgiu inesperadamente
uma certa falta de oferta do mesmo produto nos laboratórios onde normalmente se abastece. A
empresa pretende portanto decidir onde encomendar e par aonde enviar esse produto, tendo como
objectivo principal a máxima poupança de custos de transporte e expedição do produto de uns países
de origens para os países de destino.
O quadro que se segue apresenta os custos de transporte e expedição por contentor enviado para todos
os caminhos alternativos, bem como as disponibilidades de cada laboratório para o próximo mês, e as
necessidades de cada mercado cliente.

Africa Angola Cabo Moçambique São Ruanda Disponibilidade

do Sul Verde Tomé
Holanda 300 350 450 250 500 300 20
Belgica 200 250 350 200 400 350 15
Italia 450 300 450 400 560 250 20
Portugal 350 250 400 300 200 500 5
Necessidades 15 15 5 10 5 15

Pretende-se que o aluno que é gestor da Kuhanha, apresente o modelo de PL que permita obter a
máxima poupança de custos de transporte.

RESOLUÇÃO:
Passo 1: Definição de variável de decisão
Xij – representa a quantidade transportada de cada origem (país i) para cada ponto de destino
(país j).
Xij –quantidade de kits a expedir do país i para o país j
(i=1,2,3,4; j=1,2,3,4,5,6)
UEM – Aula teórica 1 de Investigação Operacional/2017
 5
Passo 2: Função Objectivo
Pretende-se obter a máxima poupança nos custos de transportes ou seja minimizar os custos de
transportes.
Min. Custos totais de expedição e transporte =300x11+350x12+...+300x44+300x45+300x46

Passo 3: Restrições
Representam os limites máximos que cada país europeu pode oferecer, bem como os limites
mínimos que cada país de destino deseja adquirir. No entanto, existem 4 restrições da oferta e 6 restrições
da procura.
Restrições de oferta (capacidade em número de contentores)
X11+x12+...x16<=20
X21+x22+...x26<=15
.X31+…….+x36<=20
X41+x42+...x46<=5

Restrições da procura (necessidades em número de contentores)

X11+x21+...x41>=15
………..
X16+x26+...+x46>=15

Xij>=o

O modelo matemático de PL completo fica:

Xij –quantidade de kits a expedir do país i para o país j

(i=1,2,3,4; j=1,2,3,4,5,6)

Min. Custos totais de expedição e transporte =300x11+350x12+...+300x44+300x45+300x46

S.a
Restriçòes de oferta (capacidade em número de contentores) X11+x12+...x16<=20
X11+x12+...x16<=20
X21+x22+...x26<=15
.X31+…….+x36<=20
X41+x42+...x46<=5

Restrições da procura (necessidades em número de contentores) X11+x21+...x41 >=15

X11+x21+... x41>=15
... ...>=5
... ...>=10
... ...>=5
X16+x26+...+x46 >=15

Xij>=0

Contudo, este não seria o modelo adequado para o problema, pelo facto de a oferta ser igual
a 60 kits de medicamentos enquanto que a procura são 65 kits de medicamentos. Logo há
escassez de oferta de 5kits medicamentos. Então para resolver este problema seria necessário criar
uma oferta fictícia de 5 kits que não iria afectar em nada os custos de transporte. Essa oferta
passaria pela criação de uma origem fictícia para oferecer os 5kits por forma a igual a oferta e a
procura, transformando o modelo para:
UEM – Aula teórica 1 de Investigação Operacional/2017
 6
Xij –quantidade de kits a expedir do país i para o país j
(i=1,2,3,4, 5, 6; j=1,2,3,4,5,6)

Min. Custos totais de expedição e transporte

=300x11+350x12+...+300x44+300x45+300x46+0x51+0x52+...+x56

Sujeito a
Restriçòes de oferta (capacidade em número de contentores)
X11+x12+...x16<=20
X21+x22+...x26<=15
... ..<=20
X41+x42+...x46<=5
X51+x52+...x56<=5

Restrições da procura (necessidades em número de contentores)

X11+x21+...x41+x51>=15
X12+x22+...... +x52>=15
X13+ +x53>=5
X14+……. .+x54>=10
X15+……… ….+x55>=5
X16+ +x56>=15

Xij>=0

EXERCICIO 4 – MODELO DE FINANÇAS

Um economista da praça, senhor Timberley ganhou a lotaria e pretende escolher a forma mais rentável de
aplicação de 3 mil contos, disponíveis para investimentos durante apenas 3 semestres. Considerando que
existem 3 apenas 3 produtos financeiros alternativos, nomeadamente certificados de aforo (Ca),
dep’ositos a prazo de 6 meses (dp6) e depósitos a prazo de 12 meses (dp12). Considerando ainda que os
juros liquidos anuais do primeiro produto sào de 9%, oferecendo depósitos a prazo uma taxa de 8,5% e
9% respectivamente. Para além disso, considere –se que os juros vencidos podem ser reinvestidos.

Pretende-se que o discente que é gestor elabore um modelo de programaçào linear que mostre o
valor a investir na melhor alternativa de investimento em contos.

RESOLUÇÃO:

Passo 1: Definição da variável de decisão

Xi - Traduzem o tipo de investimento realizado ao longo dos três semestres. A alternativas de
investimento são: CA, DP6 e DP12.
Xi – valor a investir na alternativa de investimento i (i=1,2,3,...12) em contos

Passo 2: Função objectivo

Pretende-se maximizar os retornos dos investimentos.
Max RI =1,0453x1+1,0452*1,0425x2+...+1,09*1,045x11+1,09*1,0425x12

UEM – Aula teórica 1 de Investigação Operacional/2017

 7
Passo 3: Restrições
X1+x2+...+x11+x12<=3000
xi>=0 (i=1,2...12)

O modelo matemático de PL completo fica:

Xi – valor a investir na alternativa de investimento i (i=1,2,3,...12) em contos

Max RI =1,0453x1+1,0452*1,0425x2+...+1,09*1,045x11+1,09*1,0425x12

S.a
X1+x2+...+x11+x12<=3000
xi>=0 (i=1,2...12)

UEM – Aula teórica 1 de Investigação Operacional/2017