A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Análise de Sensibilidade Prof. M.Sc. Fábio Francisco da Costa Fontes Outubro - 2009.

Apresentações semelhantes


Apresentação em tema: "Análise de Sensibilidade Prof. M.Sc. Fábio Francisco da Costa Fontes Outubro - 2009."— Transcrição da apresentação:

1 Análise de Sensibilidade Prof. M.Sc. Fábio Francisco da Costa Fontes Outubro

2 Introdução Uma das hipóteses dos problemas de programação linear é a consideração de certeza nos coeficientes e constantes. Isto é, a solução otimizada é dependente dos coeficientes da função objetivo (geralmente lucro, receita ou custo) e dos coeficientes e constantes das restrições (geralmente necessidades por produto e disponibilidade de um recurso).

3 Introdução No mundo real, quase nunca temos certeza destes valores; portanto, devemos saber o quanto a solução otimizada está dependente de uma determinada constante ou coeficiente. Se observarmos uma alta dependência, devemos tomar um grande cuidado na determinação da mesma.

4 Introdução Para amenizar essa hipótese realizamos uma análise pós-otimização verificando as possíveis variações, para cima e para baixo, dos valores dos coeficientes da função objetivo, dos coeficientes e das constantes das restrições, sem que a solução ótima (x 1, x 2,..., x n ) seja alterada.

5 Introdução Este estudo se denomina Análise de Sensibilidade. Em uma Análise de Sensibilidade deveremos responder basicamente a três perguntas: 1. Qual o efeito de uma mudança num coeficiente da função objetivo? 2. Qual o efeito de uma mudança numa constante de uma restrição? 3. Qual o efeito de uma mudança num coeficiente de uma restrição?

6 Introdução Existem dois tipos básicos de análise de sensibilidade. O primeiro estabelece limites inferiores e superiores para todos os coeficientes da função objetivo e para as constantes das restrições. O segundo verifica se mais de uma mudança simultânea em um problema altera a sua solução ótima.

7 Alteração em um dos coeficientes da Função Objetivo Considere o problema abaixo e sua solução gráfica Max Z = 5x 1 + 2x 2 Sujeito a: 4x 1 + x 2 10(A) x 1 + 2x 2 9 (B) x 1 0 e x 2 0

8 Alteração em um dos coeficientes da Função Objetivo Z A B (11/7, 26/7) Ponto ótimo

9 Alteração em um dos coeficientes da Função Objetivo A reta que define a função objetivo do problema anterior é dada por: Z = 5x 1 + 2x 2

10 Na solução ótima, os valores de x 1 e x 2 são iguais para as duas equações das retas que limitam a solução. Portanto, resolvendo este sistema de equações poderemos encontrar a solução ótima. Alteração em um dos coeficientes da Função Objetivo

11 4x 1 + x 2 = 10 x 2 = - 4x x 1 + 2x 2 = 9 x 2 = (- x 1 + 9)/2 - 4x = (- x 1 + 9)/2 x 1 = 11/7 e x 2 = 26/7 Alteração em um dos coeficientes da Função Objetivo

12 A alteração em um dos coeficientes provoca uma alteração no coeficiente angular (inclinação) da reta que define a função objetivo. Visualmente podemos notar que se a variação na inclinação for pequena a solução ótima (valor das variáveis de decisão que produzem o maior valor da função objetivo) não sofrerá alteração. Devemos deixar claro que o valor máximo (Z) a ser produzido pela solução ótima será diferente, independentemente da manutenção da solução ótima. Alteração em um dos coeficientes da Função Objetivo

13 A figura abaixo mostra quanto a inclinação (área sombreada) da função objetivo pode mudar sem que a solução ótima seja alterada. Alteração em um dos coeficientes da Função Objetivo

14 As retas A, B e a função objetivo apresentadas na figura pertencem a uma mesma família de retas pois têm o ponto (11/7, 26/7) em comum, isto é, uma característica em comum, e a diferença ente elas está no coeficiente angular. Portanto, enquanto o coeficiente angular da função objetivo estiver entre os coeficientes das retas que determinam a solução ótima esta não se alterará. Matematicamente, isto pode ser representado por: Alteração em um dos coeficientes da Função Objetivo

15 Declividade Declividade Declividade da Linha A da Função da Linha B Objetivo 4x 1 + x 2 = 10 x 1 + 2x 2 = 9 x 2 = -4x x 2 = (-1/2)x 1 + 9/2 -4 Declividade -0,5 da Função Objetivo

16 De uma forma geral, podemos obter o valor do coeficiente angular de uma função objetivo por Z = c 1 x 1 + c 2 x 2 ou por: Isto é, o coeficiente angular é dado por – c 1 /c 2. Logo, no caso, queremos - 4 – c 1 /c 2 - 0,5 Alteração em um dos coeficientes da Função Objetivo

17 A análise que faremos a seguir supõe que apenas um dos coeficientes da função objetivo pode sofrer alteração de cada vez. Supondo primeiramente que apenas c 1 sofrerá alteração, este poderá variar de 1 c 1 8. Matematicamente estes limites podem ser obtidos da seguinte maneira: Alteração em um dos coeficientes da Função Objetivo

18 -4 - c 1 /c 2 - 0,5 para c 2 = 2 temos -c1/2 -4 c c 1 /2 -0,5 -c 1 /2 -0,5 c c 1 8 Alteração em um dos coeficientes da Função Objetivo

19 Assumindo agora que apenas c 2 sofrerá alteração, este poderá variar de 1,25 c Matematicamente estes limites podem ser obtidos da seguinte maneira: -4 -c 1 /c 2 - 0,5 para c 1 = 5 temos -5/c 2 -4 c 2 5/4 (para c 2 0) -4 -5/c 2 -0,5 -5/c 2 -0,5 c 2 10 (para c 2 0) 5/4 c 2 10 Alteração em um dos coeficientes da Função Objetivo

20 Neste caso tivemos a nossa tarefa facilitada, pois existiam limites bem claros para a alteração do coeficiente angular, dado pelas duas retas das restrições. Contudo, nem sempre existem estes limites de forma clara. Considere agora o problema a seguir, que difere do nosso problema original apenas pela alteração do coeficiente da variável x 1. Alteração em um dos coeficientes da Função Objetivo

21 Max Z = 15x 1 + 2x 2 Sujeito a: 4x 1 + x 2 10(A) x 1 + 2x 2 9 (B) x 1 0 e x 2 0 Alteração em um dos coeficientes da Função Objetivo

22 A B Z (5/2, 0) Alteração em um dos coeficientes da Função Objetivo

23 A representação gráfica deste novo problema é muito parecida com a anterior, já que os conjuntos de restrições (portanto, as soluções viáveis) são os mesmos para ambos os problemas. A figura mostra o conjunto de soluções viáveis, bem como a solução ótima. Alteração em um dos coeficientes da Função Objetivo

24 Quando a rotação da função objetivo em torno do extremo ótimo passa pela reta vertical, significa que ou o limite superior ou o inferior para a declividade não existem (a função tangente não é definida em 90º). Neste problema um dos limites é dado pela reta limite da restrição 4x 1 + x O outro limite vai ser dado pela reta vertical que passa pelo ponto (5/2, 0). Alteração em um dos coeficientes da Função Objetivo

25 Para a função objetivo ter cruzado a reta vertical, o coeficiente angular deve ser positivo, ou seja, o sinal do coeficiente da variável x 1 teria de ser negativo (mantido o coeficiente de x 2 ). Alteração em um dos coeficientes da Função Objetivo

26 Por exemplo: se a função objetivo fosse dada por Z = -10x 1 + 2x 2, seu coeficiente angular seria igual a 5. Como estamos desejando maximizar a função objetivo, podemos facilmente notar que a solução ótima seria alterada de (5/2, 0), já que quanto mais aumentarmos x1 menor será o valor de Z devido ao coeficiente negativo de x 1. Portanto, deveríamos minimizar x 1 e maximizar x 2, o que nos levaria a solução ótima de (0, 9/2) e um valor máximo de 9. Alteração em um dos coeficientes da Função Objetivo

27 A B Z (0, 9/2)

28 Alterando o valor da Constante da Restrição Uma mudança em qualquer das constantes das restrições pode também alterar a solução ótima de um problema. Esta mudança geralmente acarreta uma alteração no conjunto de soluções viáveis, aumentando ou diminuindo o mesmo. A alteração resultante no valor da função objetivo devido ao incremento de uma unidade na constante de uma restrição é denominada preço-sombra (shadow price). A interpretação do preço- sombra é feita às vezes de custos ou receitas marginais, dependendo das variáveis envolvidas.

29 Considere o problema abaixo, onde alteramos o nosso problema inicial modificando o valor da constante da segunda restrição de 9 para 15. Max Z = 15x 1 + 2x 2 Sujeito a: 4x 1 + x 2 10(A) x 1 + 2x 2 15 (B) x 1 0 e x 2 0 Alterando o valor da Constante da Restrição

30 A Figura mostra esta modificação graficamente, bem como a diferença no conjunto de soluções viáveis. Vale notar que esta mudança não alterou a solução ótima. A razão está no fato desta restrição não limitar a solução ótima. Neste caso as duas restrições que limitam a solução ótima são 4x 1 + x 2 10 e x 1 0. Alterando o valor da Constante da Restrição

31

32 Considere agora o problema a seguir, em que alteramos a constante da primeira restrição de 10 para 15. Como esta restrição limita a solução ótima, seu valor será alterado. Max Z = 15x 1 + 2x 2 Sujeito a: 4x 1 + x 2 15(A) x 1 + 2x 2 9 (B) x 1 0 e x 2 0 Alterando o valor da Constante da Restrição

33 A figura abaixo mostra a alteração do conjunto de soluções viáveis e da solução ótima. Alterando o valor da Constante da Restrição

34 A alteração de cinco unidades da constante da primeira restrição provocou uma alteração no valor máximo da função objetivo de 37,5 para 56,25. Logo, o preço-sombra deste recurso pode ser obtido como: Preço-sombra = (56,25-37,5)/5 = 3,75 Alterando o valor da Constante da Restrição

35 Agora se alterarmos em 26 unidades ao invés de 5 unidades a constante da primeira restrição (10 para 36) provoca uma alteração no valor máximo da função objetivo de 37,5 para 135. Logo, o preço-sombra deste recurso pode ser obtido como: Preço-sombra = (135 – 37,5)/26 = 3,75 Alterando o valor da Constante da Restrição

36 Note que o valor do preço sombra é o mesmo. Isto acontece dentro de um intervalo de valores apenas. A solução gráfica desta segunda alteração do problema original está representada a seguir. Alterando o valor da Constante da Restrição

37

38 Fazendo agora a terceira modificação no problema aumentando o valor da constante para 37 (qualquer número maior que 36), o modelo seria o apresentado a seguir e sua solução gráfica a apresentada na próxima figura. Max Z = 15x 1 + 2x 2 Sujeito a: 4x 1 + x 2 37(D) x 1 + 2x 2 9(B) x 1 0 e x 2 0 Alterando o valor da Constante da Restrição

39 Nesta alteração o valor da função objetivo continuou o mesmo (135); portanto, Preço-sombra = ( )/1 = 0 Alterando o valor da Constante da Restrição

40

41 Vale notar que a primeira restrição deixou de ser limitante da solução ótima. As restrições limitantes são agora x1 + 2x2 9 e x1 0. Podemos concluir que, enquanto a restrição continuar como limitante da solução ótima, o preço-sombra permanece o mesmo, tornando-se zero quando ela deixa de ser limitante da solução ótima. Alterando o valor da Constante da Restrição

42 Exercício A Fashion Things Ltda. É uma pequena empresa fabricante de diversos tipos de acessórios femininos, entre eles bolsas de modelos diferentes. A empresa foi convencida, pelo seu distribuidor, de que existe mercado tanto para bolsas do modelo- padrão (preço médio) quanto para as bolsas do modelo de luxo (preço alto). A confiança do distribuidor é tão acentuada que ele garante que ele irá comprar todas as bolsas que forem produzidas nos próximos três meses.

43 Exercício Uma análise detalhada dos requisitos de fabricação resultaram na especificação da tabela abaixo, a qual apresenta o tempo despendido (em horas) para a realização das quatro operações que constituem o processo produtivo, assim como o lucro estimado por tipo de bolsa:

44 Exercício ProdutoCorte e colora ção CosturaAcabamen to Inspeção e empacota mento Lucro por bolsa Padrão7/101/211/10R$ 10,00 De luxo15/62/31/4R$ 9,00 Tempo disponí vel p/ 3 meses

45 A) Supondo que a empresa deseja maximizar o lucro, determine quantas bolsas de cada modelo devem ser fabricadas. B) Qual o lucro obtido pela quantidade ótima de bolsas fabricadas? C) Quanto tempo deve ser programado para cada operação do processo produtivo? D) Qual o tempo de sobra em cada operação? E) Calcule o espectro de otimalidade dos coeficientes da função objetivo? (o intervalo de variação para os coeficientes da função objetivo)

46 F) Detemine o valor de 1 hora adicional de corte e coloração? G) Qual é o preço-sombra para a restrição de corte e coloração? H) Qual é o preço sombra para a restrição de costura?

47 Referências LACHTERMACHER, G. Pesquisa Operacional na Tomada de Decisões: modelagem em Excel. São Paulo: Campus, 2006.


Carregar ppt "Análise de Sensibilidade Prof. M.Sc. Fábio Francisco da Costa Fontes Outubro - 2009."

Apresentações semelhantes


Anúncios Google