Resolver problemas de fazenda com dois produtos: o que ninguém te conta
Você vai se deparar com isso em qualquer curso introdutório de pesquisa operacional ou matemática financeira. Uma fazenda produz dois tipos de alimentos a e b, e precisa decidir quanto produzir de cada um para maximizar o lucro considerando recursos limitados como terra, mão de obra e ração. A teoria é simples. Na prática, a primeira vez que tentei aplicar isso em uma situation real, descobri que os dados nunca vêm bonitinhos.
Como estruturar o problema
O primeiro passo é identificar as variáveis de decisão. Normalmente, chamamos de x a quantidade do alimento tipo a e de y a quantidade do alimento tipo b. Depois você monta a função objetivo, que no caso típico é algo como maximizar Z = px * x + py * y, onde px e py são os preços de venda ou margens de contribuição de cada produto. Em seguida vêm as restrições. Elas refletem os recursos que são finitos na fazenda. Pode ser área disponível em hectares, horas de trabalho, quantidade de milho para ração, acesso à água. Cada restrição é uma inequação linear do tipo ax + by recurso disponível. O método gráfico funciona bem quando são apenas duas variáveis, porque você consegue plotar tudo num plano cartesiano e achar a região viável visualmente.
Achei isso muito útil nos primeiros meses, até que me deparei com um caso onde o cliente tinha três recursos, não dois. O método gráfico ainda funcionava, mas já era mais cansativo. Quando o problema escala para quatro variáveis ou mais, você precisa partir para o método simplex ou usar uma calculadora.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Distribuição de terras e limites práticos
Um erro comum que vejo todo mundo cometendo é tratar a área da fazenda como se fosse totalmente divisível. Na vida real, você precisa considerar que certas culturas exigem áreas mínimas para fazer sentido econômico. Se o alimento tipo a requer pelo menos 10 hectares para ser viável, essa é uma restrição inteira adicional: x 10. Sem isso, o modelo pode sugerir plantar 2 hectares e dizer que é o ponto ótimo, o que na prática seria absurdo. Outro detalhe que as bancas de exercício normalmente ignoram é a rotação de culturas. Se o alimento a e o alimento b precisam alternar na mesma parcela ao longo do ano para não esgotar o solo, você precisa modelar isso com variáveis temporais. A solução mais simples que encontrei foi dividir o problema por períodos sazonais e resolver dois modelos encadeados, usando a saída do primeiro como restrição de entrada do segundo.
Quando o modelo quebra
Existe um cenário clássico que praticamente todo material didático deixa passar. É quando os coeficientes tecnológicos não são lineares. Por exemplo, se produzir mais do alimento b exige dobrar a equipe de colheita de forma descontínua porque você precisa contratar um trabalhador extra, a restrição deixa de ser linear e o simplex perde a validade. Nesse caso, você tem duas opções. Pode linearizar aproximando a função por segmentos, o que aumenta o número de variáveis mas mantém a solvibilidade. Ou migrar para programação inteira mista, o que é mais pesado computacionalmente mas captura a realidade com mais fidelidade. Também é importante reconhecer que a maximização de lucro puro raramente é o objetivo real. Fazendeiros frequentemente priorizam minimizar risco ou garantir receita mínima antes de pagar custos fixos. Se o seu modelo só olha para o lado do lucro, ele pode recomendar uma combinação de produtos que gera ótimo teórico mas leva à falência num ano de seca. A forma mais direta de contornar isso é adicionar uma restrição de nível mínimo de produção para pelo menos um dos alimentos, garantindo uma rede de segurança.
Se você quiser exercitar com números concretos, costumo montar exemplos com uma fazenda de 200 hectares, custo de produção de R$ 800 por hectare para o alimento a e R$ 1.200 para o alimento b, preço de venda de R$ 2.500 e R$ 3.400 respectivamente, e disponibilidade de mão de obra limitada a 1.500 horas sazonais. A resolução manual leva cerca de 20 minutos com papel e régua, ou 3 minutos se você usar a função solver do Excel configurada corretamente.
