Rio de Janeiro, v.6, n.2, p.

183-201, maio a agosto de 2014

UM PROBLEMA DE CORTE DE ESTOQUE MULTIOBJETIVO

Luiz Leduino Salles-Netoa*, Silvio Araujob, Rodrigo Golfetc
Universidade Federal de So Paulo USP, So Paulo-SP, Brasil
Universidade Estadual Paulista UNESP, So Jos do Rio Preto-SP, Brasil
c
Equus Group, LLC., So Paulo, Brasil
a

Resumo
Neste trabalho, estuda-se o problema de corte de estoque unidimensional que consiste em cortar um
conjunto de objetos disponveis em estoques, para produzir uma demanda de itens menores de forma a
otimizar uma determinada funo objetivo que, neste trabalho composta por trs objetivos distintos:
minimizao do nmero de objetos processados (matria-prima), minimizao do nmero de diferentes
padres de corte (tempo de preparao da mquina), minimizao do nmero de ciclos de serra
(otimizao da produtividade da serra). Para a resoluo deste problema complexo foi adaptado um
algoritmo gentico simbitico proposto na literatura. Alguns resultados tericos e computacionais so
apresentados.

PALAVRAS-CHAVE: Problema de Corte de Estoque, Otimizao Multiobjetivo,

Algoritimo Gentico Simbitico

Abstract
In this paper we deal with the one-dimensional integer cutting stock problem, which consists of cutting a
set of available objects in stock in order to produce ordered smaller items in such a way as to optimize a
given objective function, which in this paper is composed of three different objectives: minimization of
the number of objects to be cut (raw material), minimization of the number of different cutting patterns
(setup time), minimization of the number of saw cycles (optimization of the saw productivity). For
solving this complex problem we adopt a multiobjective approach in which we adapt, for the problem
studied, a symbiotic genetic algorithm proposed in the literature. Some theoretical and computational
results are presented.

KEY-WORDS: Cutting Stock Problem, Multiobjective Optimization; Genetic

Symbiotic Algorithm.

*Autor para correspondncia: e-mail: luiz.leduino@unifesp.br

Verso inicial submetida em 14/01/2013. Verso final recebida em 17/03/2014.

PESQUISA OPERACIONAL PARA O DESENVOLVIMENTO

1. Introduo
De acordo com a tipologia proposta em Wscher et al. (2007) o problema estudado neste
trabalho classificado como Problema de Corte de Estoque Unidimensional com nico
Tamanho em Estoque (One Dimensional Single Stock Size Cutting Stock Problem (1DSSSCSP)), que requer que itens pequenos fracamente heterogneos sejam completamente
alocados a uma seleo de objetos grandes de dimenses iguais e fixas. Este problema surge
em vrios contextos industriais, tais como, indstrias de papel, ao, plstico, madeira, dentre
outras.
Em geral nos problemas de corte de estoque, utiliza-se como critrio de otimizao a
minimizao da perda de material que, quando se considera o problema com apenas um tipo
de objeto em estoque e a demanda deve ser atendida exatamente, equivalente e minimizao
do nmero de objetos cortados.
No entanto, com base em alguns problemas prticos, observou-se que em alguns casos
outros critrios de otimizao tambm so importantes e devem ser levados em considerao.
Por exemplo, nos casos em que se tem escassez de capacidade, o tempo necessrio para a
troca de padres de corte ganha significativa importncia e, consequentemente, a reduo do
nmero de padres de corte diferentes passa a ser um critrio relevante (Moretti e Salles-Neto
2008).
Outro critrio que tambm tem sido considerado est relacionado a otimizao da
produtividade da serra considerando-se a capacidade da serra em termos de espessura, as
espessuras dos objetos a serem cortados e a possibilidade de cortar vrios objetos
simultaneamente usando o mesmo padro de corte. A otimizao da capacidade da serra est
relacionada a minimizao dos ciclos da serra (conjunto de todas as operaes necessrias
para cortar um, ou mais objetos juntos, de acordo com um determinado padro de corte, at
que todos os itens nele (ou neles) contidos sejam produzidos (Yanasse et al. 1993)).
No presente trabalho os trs critrios supracitados so considerados em uma nica
funo multiobjetivo. Alguns modelos matemticos so discutidos na Seo 2. Na Seo 3
so desenvolvidos alguns conceitos tericos relacionados a problemas multiobjetivo, bem
como, aos problemas estudados neste trabalho. Na Seo 4 apresenta-se o algoritmo gentico
simbitico adaptado para o problema em questo. Os resultados computacionais so
apresentados na Seo 5 e, na Seo 6, tm-se algumas concluses e propostas de trabalhos
futuros.

184

PESQUISA OPERACIONAL PARA O DESENVOLVIMENTO

2. Modelos Matemticos
Considere inicialmente o problema 1D-SSSCSP com o objetivo de minimizar o nmero de
objetos a serem cortados. Para tanto considere os seguintes dados e variveis:
Dados:

m: nmero de tipos de itens;

li: comprimento do item do tipo i, i=1, ..., m;

di: demanda para o item do tipo i, i=1,..., m (d);

L: comprimento do objeto em estoque;

aj: vetor que corresponde ao j-simo padro de corte, j=1, ..., N. Existem N possveis

11

21
,
padres de corte: a1

m1

12

22
a2
,

m2

1N

2N
..., a N
,

mN

em que ij a quantidade de itens do tipo i (i=1, ..., m) no j-simo padro de corte. Alm
m

disso, um vetor aj um padro de corte se, e somente se,

l
i 1

ij

L , com ij 0 e

inteiro.
Variveis:

xj: nmero de objetos cortados de acordo com o padro de corte j, j=1,..., N.

Modelo Matemtico:
N

Minimizar f ( x j ) x j

(1)

j 1

Sujeito a:

j 1

ij

x j di

i 1,..., m

(2)

x j 0 , e inteiro, j=1,..., N.

(3)

As restries (2) asseguram que a quantidade total produzida de itens atente a demanda
e, as restries (3) asseguram que o nmero de objetos a serem cortados no negativo e
inteiro.
Caso as restries de demanda (2) sejam de igualdade a minimizao do nmero de
objetos (1) equivalente minimizao da perda de material, ou seja, a funo objetivo fica:
N

j 1

i 1

Minimizar f ( x j ) ( L li aij )x j

(4)

185

PESQUISA OPERACIONAL PARA O DESENVOLVIMENTO

Vrios trabalhos da literatura consideram o problema 1D-SSSCSP e a minimizao

da perda total de material, dentre eles tem-se: Degraeve e Peeters (2003), Scheithauer e Terno
(1995) e Vance (1998), Mobasher e Ekici (2013) que desenvolveram mtodos exatos e
Hinxman (1980), Stadtler (1990), Wscher e Gau (1996), Malaguti et al. (2013) Powar et al.
(2013) que apresentam mtodos heursticos. De acordo com Umetani et al. (2003), outros
objetivos no relacionados a perda de material tambm so importantes. Considerando o
problema de minimizao do nmero de diferentes padres de corte, tem-se o seguinte modelo
matemtico:
Variveis Adicionais:

yj: igual 1 se o padro de corte j cortado e igual a 0 caso contrrio j, j=1,..., N.

Modelo Matemtico:
N

Minimizar f ( y j ) y j

(5)

j 1

Sujeito a:

j 1

ij

x j di

x j My j

i 1,..., m

j 1,..., N

x j 0 , e inteiro, y j {0,1} j=1,..., N.

(6)
(7)
(8)

A funo objetivo (5) minimiza o nmero de diferentes padres de corte. As restries

(6) asseguram que a quantidade total produzida de itens atende a demanda; as restries (7)
asseguram que um objeto s cortado, de acordo com um padro de corte, se houver
preparao para este padro e, nas restries (8) tem-se o domnio das variveis.
Observa-se que, caso a restrio (6) seja modificada para uma desigualdade () no
lugar da igualdade, o problema passa a ter soluo trivial, ou seja, a soluo tima ser o
nmero de padres necessrios para se colocar apenas uma unidade de cada item demandado
nestes padres e repeti-los a quantidade de vezes necessrias para que as demandas sejam
atendidas.
Equivalentemente o modelo (5)-(8) poderia ser escrito suprimindo a restrio (7) e
substituindo a funo objetivo (5) por:
N

Minimizar f ( x j ) ( x j )

(9)

j 1

em que:

186

PESQUISA OPERACIONAL PARA O DESENVOLVIMENTO

1, se x j 0

(x j )

0, caso contrrio

j=1,,N

Yanasse e Limeira (2006) destacam a importncia de problemas de deciso

multiobjetivo quando os custos da mquina so significantes quando comparados aos custos
de material. Assim como Moretti e Sales Neto (2008), Yanasse e Limeira (2006)
consideraram um problema multiobjetivo em que a funo objetivo considera a minimizao
do nmero de objetos a serem cortados e a minimizao do nmero de diferentes padres de
corte, ou seja, tem-se a funo objetivo (10) a seguir e, as restries (6) (substituindo a
igualdade pelo desigualdade ()) e (8).
N

j 1

j 1

Minimizar ( f 1 ( x j ), f 2 ( x j )) ( x j , ( x j ))

(10)

Esta funo multiobjetivo torna o problema mais difcil de ser resolvido. Alguns
artigos da literatura propem heursticas para resolver o problema de corte de estoque e
consideram relevante a minimizao da perda de material, bem como, do nmero de
diferentes padres de corte: Haessler (1975), Farley e Richardson (1984), Haessler e Sweeney
(1991), Diegel et al. (1993), Foerster e Wscher (2000), Vanderbeck (2000), Umetani et al.
(2003), Yanasse e Limeira (2006), Moretti e Sales Neto (2008), Alves e Valerio de Carvalho
(2008), Alves et al. (2009), Golfeto et al. (2009a), Golfeto et al. (2009b), Brando et al.
(2011) e Mobasher e Ekici (2013). Henn e Wscher (2013) apresentam um detalhado survey
do problema e dos mtodos propostos na literatura.
Embora considerem os dois objetivos relevantes, a maior parte destes artigos no
consideram o problema multiobjetivo, mas sim utilizam diferentes estratgias para tornar o
problema mono-objetivo, como por exemplo, fixam o nmero de objetos no valor timo,
obtido ao se resolver o problema considerando apenas a minimizao do nmero de objetos
e, posteriormente, resolvem o problema mono-objetivo de minimizao do nmero de
diferentes padres.
Considerando o problema de minimizao do nmero de ciclos da serra, a quantidade
de trabalhos encontrados na literatura bastante reduzida. Ver, por exemplo, Vanzela (2013).
Considere o seguinte modelo matemtico:
Dados Adicionais:

187

PESQUISA OPERACIONAL PARA O DESENVOLVIMENTO

CAP: capacidade da serra, ou seja, quantidade mxima de objetos que a serra pode
cortar de forma simultnea. dada por CAP H / w em que H a espessura da
serra e w a espessura do objeto.

Variveis Adicionais:

zj: nmero de ciclos da serra cortados de acordo com o padro j, j=1,..., N.

Modelo Matemtico:
N

Minimizar f ( z j ) z j

(11)

j 1

Sujeito a:

j 1

ij

x j di

x j CAPz j

i 1,..., m
j 1,..., N

x j e z j 0 , e inteiro, j=1,..., N.

(12)
(13)
(14)

A funo objetivo (11) minimiza o nmero de ciclos da serra. As restries (12)

asseguram que a quantidade total produzida de itens atente a demanda; as restries (13)
asseguram que o nmero de objetos cortados respeita a capacidade da serra; nas restries
(14) tem-se o domnio das variveis.
Yanasse (2008) mostrou que o modelo (11)-(14) poderia ser escrito suprimindo a
restrio (13) e substituindo a funo objetivo (11) por:
N

Minimizar f ( x j ) x j / CAP )

(15)

j 1

Dentre os poucos trabalhos que consideram o problema de minimizao dos ciclos da

serra tem-se Yanasse et al. (1993) que propuseram uma heurstica para reduo de ciclos da
serra para o problema bidimensional. Mosquera e Rangel (2007) propuseram a incluso de
uma restrio de multiplicidade que garante que se um padro de corte for usado, sua
frequncia ser um mltiplo da capacidade da mquina de corte (CAP).
Ranck Jr. (2008) permitiram a utilizao de ciclos incompletos por meio de um
modelo e de heursticas para minimizao de ciclos e objetos. Chu e Antonio (1999)
consideraram uma empresa de corte de tubos de metais em que se tem um problema
unidimensional em que um conjunto de objetos que cortado ao mesmo tempo (um ciclo da
serra). Os autores desenvolveram dois algoritmos de programao dinmica e utilizam uma
funo que faz a soma ponderada dos objetivos pretendidos. Santos et al. (2011) trataram a

188

PESQUISA OPERACIONAL PARA O DESENVOLVIMENTO

minimizao de ciclos da serra num problema integrado de dimensionamento de lotes e corte

de estoque.
Yanasse (2008) mostrou que considerando um ambiente com altas demandas, resolver
o problema de corte de estoque considerando a reduo dos ciclos da serra equivalente a
resolver o problema de corte de estoque com as demandas escalonadas por CAP. O autor
tambm apresentou um modelo para minimizao do nmero de objetos e ciclos
simultaneamente, que consiste no modelo (11)-(14) substituindo a funo objetivo (11) por
(16):
N

j 1

j 1

Minimizar ( f 1 ( x j ), f 2 ( z j )) ( x j , z j )

(16)

Para tratar o problema de corte com os trs objetivos supracitados, prope-se o

seguinte modelo matemtico.
Modelo Proposto:
N

j 1

j 1

j 1

Minimizar ( f 1 ( x j ), f 2 ( x j ), f 3 ( x j )) ( x j , ( x j ), x j / CAP ))
N

Sujeito a:

j 1

ij

x j di

i 1,..., m

x j 0 , e inteiro, j=1,..., N.

(17)

(18)
(19)

A funo objetivo (17) minimiza o nmero de objetos, nmero de diferentes padres

de corte e nmero de ciclos da serra. As restries (18) asseguram o atendimento da demanda
e, nas restries (19) tem-se o domnio das variveis.
Ao invs de se trabalhar com uma soma dos custos associados a cada um desses
objetivos, que so difceis de mensurar (Moretti e Salles Neto 2008) adotou-se uma
abordagem multiobjetivo. Para resolver o problema multiobjetivo, neste artigo o algoritmo
gentico simbitico proposto em Golfeto et al. (2009a), Golfeto et al. (2009b) e Brando et
al. (2011) estendido para o caso em que se consideram os trs objetivos conflitantes. Vale
ressaltar que tambm pode ser incorporado outros objetivos, como minimizao do nmero
de pilhas abertas. Contudo, no h trabalhos na literatura que trabalham com trs, quatro ou
mais objetivos no contexto do Problema de Corte Unidimensional.

189

PESQUISA OPERACIONAL PARA O DESENVOLVIMENTO

3. Anlise do Problema de Corte de Estoque Multiobjetico (17)-(19)

Antes de se analisar o Modelo proposto (17)-(19) deve-se considerar alguns conceitos bsicos
sobre problemas de otimizao vetorial.
De forma geral o problema de otimizao vetorial (POV) pode ser descrito da seguinte
forma:
()

()
. : () 0

onde X um conjunto aberto de , = (1 , , ): e = (1 , , ):

so diferenciveis.

Para uma precisa definio de uma soluo eficiente (Pareto-otimal) para o (POV),
foram assumidas as seguintes convenes para igualdades e desigualdades: se =
(1 , , ), = (1 , , ) , ento
= = , = 1, , ,
< < , = 1, , ,
, = 1, , ,
, = 1, , , e existe j tal que < .

Pode-se agora definir o que seria uma soluo eficiente e uma soluo fracamente
eficiente.

Definio 1: Um ponto vivel x* chamado de soluo eficiente para o (POV) se no

existe outro ponto vivel x, tal que f(x) f(x*).

Definio 2: Um ponto vivel x* chamado de soluo fracamente eficiente para o

(POV) se no existe outro ponto vivel x, tal que f(x) < f(x*).
Portanto algumas perguntas que so colocadas quando se estuda um problema de

otimizao vetorial so: os objetivos so conflitantes? Ou, em que condies eles so

equivalentes?
Para buscar responder essa questo foram analisados nesse trabalho os objetivos dois
a dois, ou seja: i) nmero de objetos e nmero de setups; iii) nmero de objetos e nmero de
ciclos de serra; iii) nmero de setups e nmero de ciclos de serra.
A literatura possui diversos trabalhos que mostram que, de forma geral, conflitante
minimizar o nmero de objetos utilizados e o nmero de setups (Alves e Valrio de Carvalho,
2009, Golfeto et al., 2009a,b, Henn 2013), bem como conflitante minimizar nmero de

190

PESQUISA OPERACIONAL PARA O DESENVOLVIMENTO

objetos e nmero de ciclos de serra (Yanasse, 2008). Contudo, em casos particulares esses
objetivos podem ser equivalentes (Yanasse, 2008).
No foram encontrados na literatura resultados que determinem, em funo dos
parmetros do problema, quando minimizar o nmero de setups equivalente a minimizar o
nmero de ciclos de serra. Para essa busca utilizou-se o buscador www.scholar.google.com e
as palavras-chave: ciclo de serra, problema de corte unidimensional, setup, nmero de
diferentes padres de corte, e seus equivalentes na lngua inglesa.
A equivalncia entre os problemas significa que a soluo eficiente de um problema
tambm soluo eficiente do outro e as funes-objetivo possuem o mesmo valor.
Considerem-se os seguintes problemas de otimizao multiobjetivo:
Problema de Corte Biobjetivo 1 PCB1:
N

j 1

j 1

Minimizar ( f 1 ( x j ), f 2 ( z j )) ( x j , z j )
N

Sujeito a:

j 1

ij

x j di

x j CAPz j

(20)

i 1,..., m

(21)

j 1,..., N

(22)

x j e z j 0 , e inteiro, j=1,..., N.

(23)

Problema de Corte Biobjetivo 2 PCB2:

N

j 1

j 1

Minimizar ( f 1 ( x j ), f 2 ( z j )) ( c j x j , y j )
N

Sujeito a:

j 1

ij

x j di

x j My j

i 1,..., m

j 1,..., N

x j 0 , e inteiro, y j {0,1} j=1,..., N.

(24)

(25)
(26)
(27)

Vale observar que esses problemas no esto formulados como problemas

multiobjectivos na literatura. As proposies abaixo estabelecem duas condies suficientes
para a equivalncia entre o PCB1 e o PCB2:

191

PESQUISA OPERACIONAL PARA O DESENVOLVIMENTO

Proposio 1. Se CAP maior ou igual a di para todo i, ento os problemas PCB1 e o PCB2
so equivalentes.

Demonstrao: Seja (x*, z*) uma soluo eficiente do PCB1. Provaremos que, se as
hipteses forem satisfeitas (x*,z*) tambm soluo eficiente para o PCB2 e os valores das
funes objetivos so iguais. Seja d=max{di}. Se CAPdi, para todo i=1,...,n, ento CAPd.
Como d , para todo j=1,..,n, temos CAPd , para todo j=1,..,n. Tendo em vista que as
afirmaes abaixo so equivalentes, a proposio est demonstrada:
I.
II.
III.

CAP, para todo j=1,..,n.

=0 se =0 e =1 se >0.

(x*,z*) soluo eficiente para o PCB2.

Alm disso, fcil ver que os valores das funes objetivos em (20) e (24) sero

iguais.
Proposio 2. Sejam = / , = / e s=
= . Se CAPs, os problemas PCB1 e
o PCB2 so equivalentes.

Demonstrao: Seja (x*, z*) uma soluo eficiente do PCB1. Provaremos que, se as
hipteses forem satisfeitas (x*,z*) tambm soluo eficiente para o PCB2 e os valores das
funes objetivos so iguais. Temos que se CAPs ento CAPs , para todo j=1,..,n.
Tendo em vista que as afirmaes abaixo so equivalentes, a proposio est demonstrada:
I.
II.
III.

Se CAPs ento CAPs para todo j=1,..,n.

=0 se =0 e =1 se >0.

(x*,z*) soluo eficiente para o PCB2.

Alm disso, fcil ver que os valores das funes objetivos em (20) e (24) sero

iguais.
Vale observar que na Proposio 2 s o nmero de objetos utilizados na soluo
homognea do problema (1)-(3). A proposio tambm vlida para qualquer outra soluo
factvel deste problema. Por exemplo, poderamos usar a propriedade MIRUP (Modified
Integer Round-Up Property) proposta em Scheithauer e Terno (1995).
Nos exemplos a seguir, esto listadas cada uma das solues eficientes, obtidas aps
gerao de todas as solues viveis.

192

PESQUISA OPERACIONAL PARA O DESENVOLVIMENTO

Exemplo 1: Seja w=20; m=4; l1=10; l2=6; l3=5; l4=4; d1=600; d2=153; d3=300; d4=15, CAP=3.
Tem-se as seguintes solues eficientes:
f1

f2

f3

429

143

451

151

453

151

456

152

Exemplo 2: Seja w=20; m=4; l1=10; l2=6; l3=5; l4=4; d1=600; d2=153; d3=300; d4=15, CAP=20.
Tem-se as seguintes solues eficientes:
f1

f2

f3

429

23

451

24

453

22

456

24

Exemplo 3: Seja w=20; m=4; l1=10; l2=6; l3=5; l4=4; d1=600; d2=153; d3=300; d4=15,
CAP=300. Tem-se as seguintes solues eficientes:
f1

f2

f3

429

451

453

No exemplo 3, onde CAP consideravelmente elevado, minimizar o nmero de

diferentes padres equivalente a minimizar o nmero de ciclos de serra. J nos exemplos 1 e
2 possvel notar que os objetivos so, dois a dois, conflitantes.
4. Algoritmo Gentico Simbitico
Para obter uma aproximao das solues eficientes deste problema foi adaptado, para o
problema (17)-(19) com trs objetivos, o algoritmo gentico simbitico desenvolvido para o
problema de corte com dois objetivos nmero de objetos e setup - (Golfeto et al. 2009a,
2009b).
O Algoritmo Gentico Simbitico (AGS), tambm chamado de algoritmo cooperativo

193

PESQUISA OPERACIONAL PARA O DESENVOLVIMENTO

(Potter, 1997; Kim et al., 2000), basicamente tem como objetivo dividir o problema estudado
em k subproblemas utilizando k diferentes espcies para sua representao computacional.
Dividindo o problema em k populaes distintas, pode-se obter boas solues para o problema
utilizando estruturas simples, que trabalhando em conjunto, tem-se mostrado mais eficiente que
estruturas complexas.
Kim et al. (2001, 2006) prope um algoritmo evolucionrio endosimbitico em que a
ideia bsica incorporar a evoluo de clulas eucariticas (Margullis, 1981) nos j existentes
algoritmos simbiticos. Dessa forma, quando um indivduo encontra um parceiro com alta
aptido em relao a ele, a combinao inteira passa por um processo de evoluo sem haver a
troca de parceiros.
O mtodo Symbio foi introduzido no trabalho de Golfeto et al. (2009a) atravs da
aplicao de um algoritmo gentico simbitico para o problema de corte de estoque
unidimensional, paralelamente um estudo para o caso multiobjetivo do mesmo problema
tambm foi desenvolvido por Golfeto et al. (2009b).
Alm disso, uma aplicao do mtodo Symbio visando apenas a reduo do nmero de
setups, ou seja, partindo de uma soluo inicial otimizada em relao ao nmero de objetos
processados, tambm foi realizada com grande sucesso (Golfeto et al., 2009b).
A estrutura computacional do mtodo Symbio se baseia no trabalho de Khalifa et al.
(2006) que apresenta uma soluo para o problema de corte utilizando algoritmos genticos.
Neste trabalho os genes so processados aos pares, sendo que o primeiro gene representa a
quantidade de vezes que o padro representado pelo segundo gene ser processado. No caso
aqui relatado, este segundo gene representar um indivduo na populao de padres que, como
pode ser visto na Figura 1, serve apenas como um ponteiro para populao de padres.

Figura 1: Estrutura dos genes.

194

PESQUISA OPERACIONAL PARA O DESENVOLVIMENTO

Assim, no caso do indivduo em destaque da Figura 1, tem-se trs padres distintos (37,
11 e 32) sendo executados, respectivamente, duas, quatro e cinco vezes cada, perfazendo um
total de onze objetos processados.
Vale ressaltar que a estrutura simbitica utilizada idntica a encontrada no trabalho de
Golfeto et al. (2009a), j citado anteriormente.
Na construo aqui relatada considera-se um nico critrio de parada, sendo ele a
convergncia do algoritmo durante 1.000 geraes consecutivas.
4.1

Indivduos Solues

Esto listadas abaixo as configuraes gerais da populao de solues:

I.

Tamanho da populao: 5.000 indivduos, apesar do grande custo computacional em

lidar-se com uma populao deste tamanho, ela apresenta uma grande diversidade, o
que importantssimo para evitar convergncias prematuras do algoritmo;

II.

Tipo de seleo: elitismo - so selecionados os 10% melhores indivduos da populao;

este valor foi ajustado de forma experimental, e representa um bom balanceamento entre
preservao de indivduos e gerao de novos;

III.

Taxa de recombinao: 90%;

IV.

Tipo de recombinao: uniforme, 70% de chances para o melhor fitness (Figura 2);

V.

Taxa de mutao: calcula-se a probabilidade para que dois genes sofram mutao e o
substitumos de forma aleatria; caso seja um gene de freqncia, ser sorteado um valor
entre os limites superior e inferior (descritos abaixo), caso contrrio ser sorteado um
indivduo da populao de padres e um ponteiro ser criado (Figura 3);

Figura 2: Recombinao Uniforme.

Figura 3: Mutao de um Indivduo-Soluo.

195

PESQUISA OPERACIONAL PARA O DESENVOLVIMENTO

Deve ser estimado o nmero mximo de padres de corte diferentes que um problema
poder ter, para com isso determinar o tamanho da cadeia de DNA dos indivduos. Adota-se m
* 2, ou seja, o nmero de genes de nosso indivduo ser o dobro do nmero mximo de padres
de corte diferentes.
Para os genes mpares, a frequncia do padro, deve-se definir o limite superior e
inferior para restringir a regio de solues do problema. Para o limite inferior atribui-se o valor
zero e para o limite superior define-se o valor da maior demanda para um nico item, ou seja,
o valor do limite superior ser exatamente igual a maior demanda possvel do pedido. Com isso,
possvel que um item aparea em apenas um padro e tenha toda sua demanda atendida.
O clculo do fitness (Fs) do indivduo-soluo feito da seguinte forma: calcula-se o
valor de cada funo-objetivo ( 1 , 2 , 3 ) de cada indivduo, e determina-se, ento, para cada
indivduo i, Fs(i) como sendo o nmero de solues j que dominam a soluo i.
4.2

Indivduos Padres

Esto listadas abaixo as configuraes gerais da populao de padres, que so

significativamente diferentes em comparao a de solues:
I.

Tamanho da populao: 2.000 indivduos; valores pequenos desta populao se

mostraram ineficazes para diversas classes de problemas, j que no conseguem obter
uma grande diversidade, populaes muito grandes ampliaram demais o espao de
busca prejudicando o desempenho do mtodo proposto;

II.

Tipo de seleo: elitismo - so selecionados os 66% melhores indivduos; este valor

tambm foi obtido de forma experimental;

III.

Taxa de recombinao: 34%;

IV.

Tipo de recombinao: 2 pontos, so sorteados, aleatoriamente, dois pontos de corte

para que seja feita a recombinao dos indivduos;

V.

Taxa de mutao: 90% de um nico gene sofrer mutao, que feita sorteando-se um
item para entrar no lugar do gene que sofreu a mutao;

A Figura 4 mostra como a recombinao realizada na populao de padres.

196

PESQUISA OPERACIONAL PARA O DESENVOLVIMENTO

Figura 4: Recombinao Dois-Pontos.

O dimensionamento da cadeia de DNA dos padres ser igual ao maior inteiro menor
ou igual ao quociente entre o comprimento da bobina padro pelo comprimento da menor pea
encontrada no pedido. Assim garante-se que possvel formar um padro utilizando apenas o
item de menor comprimento. Isto se faz necessrio para que o algoritmo possa cobrir todas as
maneiras para resoluo do problema.
Porm, com isso, nem todos os padres podero utilizar todos os genes disponveis,
pois o comprimento total das peas contidas no padro exceder o comprimento da pea mestre.
Para solucionar este problema, adiciona-se itens ao padro da esquerda para direita, tendo como
referencial o vetor que dar origem ao padro, se e somente se o padro tiver comprimento livre
suficiente para acomodar o item.
A Figura 5 apresenta como a mutao realizada na populao de padres. Um gene
desativado quando seu respectivo item excede o tamanho do objeto e, caso contrrio, ativado.
Por exemplo, o quinto gene, que corresponde ao item 5, estava desativado antes da mutao,
pois a soma dos itens j presentes no padro impossibilitava sua entrada. Entretanto, aps a
mutao do quarto gene, que passou a corresponder ao item 3 ao invs do item 2, a entrada do
quinto item foi possvel, modificando seu estado para ativado.

Figura 5: Mutao de um Indivduo-Padro.

Para definir o fitness de cada padro (Fp) utiliza-se a elite da populao de solues:
para cada indivduo na elite adiciona-se pontos ao fitness desse padro. Quanto melhor a
soluo maior ser a quantidade de pontos, segundo a seguinte regra:

197

PESQUISA OPERACIONAL PARA O DESENVOLVIMENTO

FAA i = 1 AT Elite Solues

PARA CADA padro j contido na soluo i FAA
Fp (j) Fp (j) + 1 + (1 / i)
FIM-PARA
FIM-FAA

5. Resultados Computacionais
Nesta seo utilizou-se como base de dados cinco exemplares gerados pelo gerador CUTGEN1
(Gau e Wscher, 1995). Utilizamos os primeiros exemplares de cada classe indicada na Tabela
1. Nosso algoritmo foi implementado na linguagem Fortran.
Na Tabela 1 listam-se os resultados obtidos pelo mtodo symbio com trs funesobjetivo e os comparamos com os resultados descritos em (Golfeto et al. 2009b-Mtodo
Symbio2009b) e (Umetami et al. 2006-Mtodo ILS). Na coluna Setup tem-se o nmero de
setups, nas colunas relativa a cada mtodo tem-se o nmero de objetos cortados e, na coluna
ciclos da serra tem-se o nmero de ciclos da serra obtido pelo mtodo proposto neste trabalho.
Pode-se notar que, apesar de se trabalhar com mais um objetivo, o mtodo continua
sendo competitivo em termos de nmero de setups e nmero de objetos . Infelizmente no foram
encontrados na literatura outros artigos que trabalham com os trs objetivos por meio de uma
abordagem multiobjetiva, de forma que no foi possvel comparar o nmero de clicos da serra
com outros trabalhos da literatura.

Tabela 1: Resultados Computacionais

Exemplar
Cutgen02

Cutgen03

Cutgen07
Cutgen09

Cutgen15

Setup
8
7
5
4
3
2
6
5
5
4
3
7
5
15
14
13
12
11
10
13

ILS

123
126
129
139

Symbio2009b
128
129
130
134
150
25

24
25
66
91
92
93
94
97
127

26
27
30
80

Symbio2012

Ciclos de Serra

128
129
144
26
29
28
30
36

28
27
29
7
9
8
8
8

71

17

97
100
103
127

26
25
24
30

96
97
98
99
127

198

PESQUISA OPERACIONAL PARA O DESENVOLVIMENTO

6. Concluso e Propostas Futuras

Neste trabalho estudou-se um problema de corte de estoque multiobjetivo. Alguns resultados
tericos foram demonstrados. Foi proposto uma adaptao do algoritmo gentico simbitico
para o problema em questo. Os resultados computacionais mostram que a abordagem
competitiva se compararmos com outros mtodos da literatura que consideram apenas dois
objetivos, nmero de objetos processados e setup. Desta forma, possvel afirmar que esse
trabalho ser uma referncia por ser o primeiro a tratar dos trs objetivos simultaneamente numa
abordagem multiobjetiva.
Como propostas futuras, alm de possveis melhorias no mtodo proposto, pretende-se
fazer testes com outras bases de dados, como por exemplo, a base de dados proposta em
Umetani et al. (2003).
Agradecimentos
Os autores agradecem aos revisores annimos da revista pelos relevantes comentrios, crticas e
sugestes.

Referncias
Alves, C., Macedo, R., Valrio de Carvalho, J. (2009), New Lower Bounds Based on Column
Generation and Constraint Programming for the Pattern Minimization Problem, Computers and
Operations Research, 36, 2944-2954.
Alves, C., Valrio de Carvalho, J. (2008), A branch-and-price-and-cut algorithm for the pattern
minimization problem, RAIRO Operations Research, 42, 435-453.
Brando, J.S., Coelho, A.M., Vasconcellos, J.F.V., Salles Neto, L.L., Pinto, A.V. (2011), Application
of genetic algorithm to minimize the number of objects processed and setup in a one-dimensional cutting
stock problem, International Journal of Applied Evolutionary Computation, 2, 34-48.
Chu, C., Antonio, J. (1999), Approximation algorithms to solve real-life multicreteria cutting stock
problems, Operations Research, 47, 495-508.
Degraeve, Z., Peeters, M. (2003), Optimal integer solution to industrial cutting stock problems: part 2.
benchmark results, INFORMS Journal on Computing, 15, 58-81
Diegel, A., Chetty, M. Van Schalkwyk, S., Naidoo, S. (1993), Setup combining in the trim loss
problem3to2 & 2to1, Working paper, Business Administration. University of Natal. Durban. First
Draft.
Farley, A. A. e Richardson, K. V. (1984), Fixed charge problems with identical fixed charges, European
Journal of Operational Research, 18, 245-249.
Foerster, H., Wscher, G. (2000), Pattern reduction in one-dimensional cutting stock problem,
International Journal of Production Research, 38, 1657-1676.

199

PESQUISA OPERACIONAL PARA O DESENVOLVIMENTO

Gau, T., Wscher, G., 1995. CUTGEN1: A problem generator for the one-dimensional cutting stock
problem. European Journal of Operational Research, 84(3), 572-579.
Golfeto, R.R., Moretti, A.C., Salles Neto, L.L. (2009a), A genetic symbiotic algorithm applied to the
one-dimensional cutting stock problem, Pesquisa Operacional, 29(3), 365-382.
Golfeto, R.R., Moretti, A.C., Salles Neto, L.L. (2009b), A genetic symbiotic algorithm applied to the
cutting stock problem with multiple objectives, Advanced Modeling and Optimization, 11, 473-501.
Haessler, R.W. (1975), Controlling cutting pattern changes in one-dimensional trim problems,
Operations Research, 23, 483-493.
Haessler, R. W. e Sweeney, P. E. (1991), Cutting stock problem and solution procedures, European
Journal of Operational Research, 54, 141-150.
Henn S., Wscher,G. (2013), Extensions of cutting problems: setups, Pesquisa Operacional. 33,.2, 133162.
Hinxman, A. (1980), The trim-loss and assortment problems: a survey, European Journal of Operational
Research, 5, 8-18.
Khalifa, Y., Salem, O. e Shahin, A. (2006), Cutting Stock Waste Reduction Using Genetic Algorithms,
Proceedings of the 8th Conference on Genetic and evolutionary computation, pp. 1675-1680.
Kim, Y. K., Kim, J. Y. and Kim, Y. (2000), A coevolutionary algorithm for balancing and sequecing in
mixed model assembly lines, Applied Intelligence, 13, pp: 247-258.
Kim, J. Y., Kim Y. and Kim Y. K. (2001), An endosymbiotic evolutionary algorithm for optimization,
Applied Intelligence, 15, pp: 117-130.
Kim, Y. K., Kim, J. Y. and Kim, Y. (2006), An endosymbiotic evolutionary algorithm for the integration
of balancing and sequecing in mixed-model U-lines, European Jounal of Operational Research, 168,
838-852.
Solution approaches for the cutting stock problem with setup cost
Malaguti, E., Medina Durn, R., & Toth, P. (2013). Approaches to real world two-dimensional cutting
problems. Omega.
Mobasher, A., Ekici A. (2013), Solution approaches for the cutting stock problem with setup cost,
Computers & Operations Research, 40, 225235.
Moretti, A.C., Salles Neto, L.L. (2008), Nonlinear cutting stock problem model to minimize the number
of different patterns and objects, Computational and Applied Mathematics, 27, 61-78.
Mosquera, G. P., Rangel, S. (2007), Reduo de ciclos da serra no problema de corte de estoque
bidimensional na indstria de mveis, Anais do XXX CNMAC.
Potter, M. A. (1997), The design and analysis of a computational model of cooperative coevolution,
Ph.D. Dissertation, George Mason University.
Powar, P. L., Jain, V., Saraf, M., & Vishwakarama, R. (2013). One-Dimensional Cutting Stock Problem
(1D-CSP): A New Approach. International Journal of Advanced Computing, Recent Science
Publication, 46(2), 1223-1228.

200

PESQUISA OPERACIONAL PARA O DESENVOLVIMENTO

Ranck Jr. R. (2008), Desenvolvimento de alguns mtodos de soluo para o problema de reduo de
ciclos da serra, Dissertao de Mestrado, INPE.
Santos, S. G., Araujo, S. A., Rangel, M. S. N. (2011). Integrated cutting machine programming and lot
sizing in furniture industry. Pesquisa Operacional para o Desenvolvimento, 3 (1), 249-266.
Scheithauer, G. and Terno, J. (1995), The modified integer round-up property of the one-dimensional
cutting stock problem, European Journal of Operational Research, 84, 562-571.
Stadtler, H. (1990), A one-dimensional cutting stock problem in the aluminium industry and its solution,
European Journal of Operational Research, 44, 209-223
Umetani, S., Yagiura, M., Ibaraki, T. (2003), One-dimensional cutting stock problem to minimize the
number of different patterns, European Journal of Operational Research, 146, 388-402.
Umetani, S., Yagiura, M., Ibaraki, T. (2006), One-dimensional cutting stock problem with a given
number of setups: a hybrid approach of metaheuristics and linear programming, Journal of Mathematical
Modelling and Algorithms, 5, 43-64.
Vance, P. (1998), Branch-and-price algorithms for the one-dimensional cuttings stock problem,
Computational Optimization and Applications, 9, 212-228.
Vanderbeck, F. (2000), Exact algorithm for minimizing the number of setups in the one-dimensional
cutting stock problem, Operations Research, 48, 915-926.
Vanzela, M., Rangel, S., & de Araujo, S. (2013, May). The Integrated Lot Sizing and Cutting Stock
Problem in a Furniture Factory. In Intelligent Manufacturing Systems, 11, 390-395.
Wscher, G., Gau, T. (1996), Heuristics for the integer one-dimensional cutting stock problem: a
computational study, OR Spektrum, 18, 131-144.
Wscher, G., Hauner, H. e Schumann, H. (2007), An improved typology of cutting and packing
problems, European Journal of Operational Research, 183, 1109-1130.
Yanasse, H. H., Limeira, M. S. (2006), A hybrid heuristic to reduce the number of different patterns in
cutting stock problems, Computers and Operations Research, 33, 2744-2756.
Yanasse, H. H. (2008), A note on the minimization of the number of cutting cycles problem, Livro de
resumos do XI SPOLM. v. 1, p. 24-24.
Yanasse, H. H., Harris, R. G. e Zinober, A. S. I. (1993), Two-dimensional cutting stock with multiple
stock sizes, Journal Operations Research Society, 42, 673-683

201