Escolar Documentos
Profissional Documentos
Cultura Documentos
Dissertacao Felippe PPGEM
Dissertacao Felippe PPGEM
ESCOLA DE MINAS
DEPARTAMENTO DE ENGENHARIA DE MINAS
PROGRAMA DE PS-GRADUAO EM ENGENHARIA MINERAL
ii
Agradecimentos
Qualquer que seja o fim a que o homem se proponha, qualquer que seja
a idia que tenha em vista desenvolver, experimenta sempre grande
prazer quando o tem conseguido, grande alegria quando a v realizada...
Claude Henri Gorceix.
H dois anos foi iniciada uma caminhada pela ampliao e aprimoramento do conhecimento, resultando materialmente nesta dissertao que, se possvel, contribuir
com a formao de pessoal e com o desenvolvimento da Pesquisa Operacional na indstria mineral brasileira.
Ao Professor Marcone Jamilson Freitas Souza por iluminar o caminho, estimulando e apoiando a realizao deste trabalho, participando como orientador, pesquisador
e amigo, sendo para mim uma referncia em todos os aspectos.
Aos meus pais, Palmrio do Nascimento Costa e Regina Maria Pereira da Costa,
que sempre apiam minhas decises, sou eternamente grato.
Aos meus irmos, Palmrio do Nascimento Costa Jnior e Rodrigo Pereira Costa,
pela serenidade das atitudes.
Repblica Senzala por ser minha famlia em Ouro Preto.
Aos colegas Jos Maria do Carmo Bento Alves e Alexandre Xavier Martins por
compartilharem seus conhecimentos.
Ao Programa de Ps-Graduao em Engenharia Mineral da Escola de Minas
pelos recursos disponibilizados.
CAPES pelo investimento em minha formao.
iii
Resumo
Este trabalho aborda problemas de planejamento operacional de lavra em minas a
cu aberto. So apresentados e modelados problemas relativos mistura de minrios provenientes de vrias frentes de lavra, levando-se em considerao metas de
produo e qualidade, restries operacionais e a alocao dos equipamentos de carga e transporte necessrios ao processo. So considerados trs problemas: mistura
de minrios, mistura de minrios com alocao dinmica de caminhes e mistura
de minrios com alocao esttica de caminhes. Cada problema resolvido por
duas metodologias, uma baseada em tcnicas de programao matemtica e outra
em tcnicas heursticas. Experimentos computacionais realizados com dados reais e
instncias hipotticas baseadas nesses dados validam os modelos propostos.
iv
Abstract
This work deals with operational mining planning in open pit mines. Ore blending
problems are presented and modeled. These problems consider quality and production
goals, operations constraints, and the load and haulage equipment allocation. Three
problems are considered: ore blending, ore blending with truck dynamic allocation
and ore blending with truck static allocation. Each problem is solved by two methodologies. One based on mathematical programming techniques, and other on heuristic
techniques. Computational experiments carried through real data, and hypothetical
instances based on these data validate proposed models.
Sumrio
1 Preliminares
1.1
Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
Organizao do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . .
2 Reviso Bibliogrfica
2.1
2.2
2.3
Programao Linear . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.1
Conceitos Bsicos . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.2
2.1.3
2.2.1
Mtodos Construtivos . . . . . . . . . . . . . . . . . . . . . .
2.2.2
2.2.3
Metaheursticas . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.4
GRASP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.5
Simulated Annealing . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.6
Busca Tabu . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.7
2.2.8
2.2.9
Funo de Avaliao . . . . . . . . . . . . . . . . . . . . . . . 19
Mistura de Minrios . . . . . . . . . . . . . . . . . . . . . . . 23
2.3.2
2.3.3
3 Problemas Abordados
3.1
37
3.2
3.3
3.1.1
Descrio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.1.2
Modelagem Exata . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.1.3
Modelagem Heurstica . . . . . . . . . . . . . . . . . . . . . . 40
Descrio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2.2
Modelagem Exata . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.2.3
Modelagem Heurstica . . . . . . . . . . . . . . . . . . . . . . 53
Descrio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.3.2
Modelagem Exata . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.3.3
Modelagem Heurstica . . . . . . . . . . . . . . . . . . . . . . 72
4 Resultados Computacionais
4.1
4.2
4.3
89
Instncias Teste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
4.1.1
4.1.2
4.2.2
4.2.3
4.3.2
4.3.3
5 Concluses e Perspectivas
107
Referncias Bibliogrficas
109
112
II
114
III
117
vii
IV
120
122
VI
125
VII Publicaes
128
viii
Lista de Tabelas
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
. . . . . . . . 92
. . . . . . . . . . . . . . 98
dimento II . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
4.10 Caractersticas das solues geradas relativas instncia PADC01 . . 103
4.11 Resultados do PAEC, utilizando o procedimento I . . . . . . . . . . 104
4.12 Comparao entre os mtodos heursticos para o PAEC pelo procedimento II . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
4.13 Caractersticas das solues geradas relativas instncia PAE03 . . . 105
ix
Lista de Figuras
2.1
Algoritmo GRASP . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2
2.3
2.4
2.5
2.6
Algoritmo VND . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.7
Algoritmo VNS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.8
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
. . . . . . . . . . . . . . . . . 22
4.2
xi
Lista de Siglas
BT
Busca Tabu
PAEC
PMM
SA
Simulated Annealing
VND
VNS
xii
Captulo 1
Preliminares
1.1
Introduo
O planejamento operacional de lavra em uma mina a cu aberto consiste no planejamento de curto prazo, onde o principal objetivo a determinao de qual ritmo
de lavra ser implementado em cada frente, fornecendo usina de beneficiamento
uma alimentao adequada. Cada frente de lavra possui caractersticas de qualidade diferentes, tais como o teor de determinado elemento qumico ou a percentagem
de minrio em determinada granulometria. Assim, cada frente deve contribuir com
uma quantidade apropriada para que o produto final esteja em conformidade com
as exigncias do cliente.
O mtodo mais utilizado para determinar a proporo de minrio proveniente de
cada frente a programao linear, atravs da resoluo do problema da mistura,
ou blendagem. Outro mtodo, mais eficiente, abordado por Chanda e Dagdelen (1995) utilizando a programao linear por metas para resolver o problema da
mistura com o atendimento de metas de qualidade e produo. Em casos reais da
indstria mineral existe uma srie de outras restries que devem ser consideradas
e que normalmente no so abordadas em um mesmo modelo na literatura. Segundo Gershon (1982), otimizar o problema de planejamento de lavra em partes
independentes pode gerar conflitos que inviabilizam a implementao das solues
obtidas em cada parte. No caso do planejamento operacional de lavra necessrio
resolver o problema da mistura de minrio levando em considerao as restries
relacionadas realidade operacional da mina (Mutmansky, 1979; White et al., 1982;
White e Olson, 1986; Pinto e Merschmann, 2001; Merschmann, 2002; Pinto et al.,
pequenas dimenses. Para dimenses mais elevadas, o tratamento heurstico. Assim, a utilizao de heursticas, as quais conduzem a solues aproximadas para
seus respectivos problemas, tem tripla finalidade. A primeira encontrar solues
de boa qualidade em um determinado tempo limite, previamente estipulado, tempo esse que seja inferior quele necessrio para se obter uma soluo vivel atravs
de uma tcnica exata. Alm disso, os modelos heursticos permitem incluir, com
maior facilidade do que os modelos exatos, requisitos especficos de cada empresa.
A terceira finalidade disponibilizar uma ferramenta eficiente capaz de auxiliar o
planejamento operacional de lavra a um custo mais acessvel do que o que seria
necessrio com a aquisio de um aplicativo de otimizao disponvel no mercado. Ademais, no h, de nosso conhecimento, modelos contemplando requisitos de
produo, meta, qualidade e alocao de forma conjunta. As metaheursticas utilizadas neste trabalho foram desenvolvidas nas suas verses mais sofisticadas e seus
algoritmos implementados na linguagem de programao C.
1.2
Organizao do Trabalho
Este trabalho est organizado como segue. Uma reviso sucinta do tema apresentada no captulo 2. Nesse captulo so abordados os principais mtodos de programao linear (seo 2.1), os mtodos heursticos de otimizao (seo 2.2), e os
modelos de otimizao aplicados ao planejamento operacional de lavra (seo 2.3).
No captulo 3 so descritos os problemas estudados neste trabalho, bem como apresentadas as modelagens exata e heursticas desenvolvidas. Mais precisamente, foram
considerados o problema da mistura de minrios (seo 3.1), o problema da mistura de minrios com alocao dinmica de caminhes (seo 3.2), e o problema da
mistura de minrios com alocao esttica de caminhes (seo 3.3). Os resultados
computacionais e a eficincia dos mtodos so apresentados e discutidos no captulo 4. O captulo 5 conclui o trabalho e apresenta perspectivas de novas aplicaes da
pesquisa operacional em problemas de planejamento de produo no setor mineral.
Captulo 2
Reviso Bibliogrfica
Neste captulo feita uma reviso dos mtodos de soluo baseados em programao
linear (seo 2.1) e das tcnicas heursticas de otimizao (seo 2.2), bem como uma
reviso de modelos de otimizao aplicados minerao encontrados na literatura
(seo 2.3).
2.1
Programao Linear
2.1.1
Conceitos Bsicos
A programao linear visa fundamentalmente encontrar a melhor soluo para problemas que tenham seus modelos representados por equaes lineares.
A programao linear consiste na maximizao ou minimizao de uma funo
linear, denominada funo objetivo, respeitando um sistema linear de igualdades ou
desigualdades que recebem o nome de restrio do modelo. As restries representam
normalmente limitaes de recursos disponveis ou exigncias e condies que devem
ser cumpridas no problema. Estas restries do modelo determinam uma regio
qual damos o nome de conjunto das solues viveis. A melhor das solues, isto ,
aquela que maximiza ou minimiza a funo objetivo denomina-se soluo tima.
Um problema de programao linear deve ser equacionado obtendo-se um modelo
que ser, ento, reduzido forma-padro para que seja permitida a aplicao de
min
n
X
cj xj = Q(x)
(2.1)
j=1
s.a:
n
X
aij xj = bi
i = 1, , m
(2.2)
bi 0
i = 1, , m
(2.3)
xj 0
j = 1, , n
(2.4)
j=1
2.1.2
2.1.3
Bueno e Oliveira (2004) apresentam a programao por metas, ou Goal Programming, como uma tcnica de pesquisa operacional que permite a modelagem e a
busca de solues para problemas com mltiplos objetivos ou metas a serem atingidas, situao comumente encontrada na realidade das empresas, onde necessrio
satisfazer ou aproximar-se das metas estabelecidas. Deste modo, pode-se caracteri6
zar a programao por metas como sendo uma extenso da programao linear,
desenvolvido de modo a permitir a soluo simultnea de um sistema com mltiplas
metas, podendo apresentar unidades de medidas diferentes.
Na programao por metas a funo de avaliao definida como a minimizao
dos desvios em relao s metas. Neste trabalho ser utilizada a funo de avaliao
Arquimediana, onde cada meta possui uma importncia diferente na otimizao e
so hierarquizadas atravs de pesos, priorizando-se as principais metas com pesos
maiores. Esta e outras metodologias de funo de avaliao so descritas em Romero
(2004).
As restries na programao por metas deixam de ser rgidas atravs da incluso
de variveis de desvio, ampliando o espao de solues viveis. Com isso, permitese que as variveis de deciso assumam valores que otimizem, de modo geral, o
problema, sendo possvel avaliar o quanto uma restrio fica fora da meta em relao
s demais.
Seja o problema genrico de programao por metas representado pelas equaes (2.5) - (2.9), correspondente relaxao da restrio (2.2) do modelo de programao linear apresentado anteriormente.
min
n
X
c j xj +
j=1
m
X
wi+ d+
i + wi di
= Q(x)
(2.5)
i=1
s.a:
n
X
aij xj d+
= bi
i + di
i = 1, , m
(2.6)
bi 0
i = 1, , m
(2.7)
xj 0
j = 1, , n
(2.8)
d+
0
i , di
i = 1, , m
(2.9)
j=1
Neste modelo, xj , d+
i e di representam variveis de deciso. A primeira, xj ,
desvio positivo do recurso (ou exigncia) i, quantifica o quanto a meta bi foi superada,
enquanto a terceira, d
i , denotada por desvio negativo, quantifica o quanto falta para
atingir a meta bi . As constantes wi+ e wi indicam, respectivamente, as prioridades
dos i-simos desvios positivo e negativo em relao meta. Os desvios, positivos
e negativos, so portanto variveis de deciso que medem o quanto o conjunto de
restries (2.2) ser violado em relao meta bi . A equao (2.5) representa a
funo multiobjetivo que incorpora os desvios, e suas prioridades, que devem ser
minimizados. As equaes (2.6) a (2.9) representam as restries do problema,
sendo as equaes (2.8) e (2.9) denominadas condies de no negatividade das
variveis de deciso.
2.2
Esta seo tem como objetivo apresentar, de forma sumria, as principais tcnicas
heursticas referenciadas ao longo deste trabalho.
2.2.1
Mtodos Construtivos
Um mtodo construtivo tem por objetivo gerar uma soluo, elemento por elemento.
A forma de escolha de cada elemento a ser inserido a cada passo, varia de acordo
com o mtodo, o qual, por sua vez, depende do problema abordado. A soluo
gerada pelo procedimento construtivo pode no ser satisfatria, indicando, assim, a
necessidade de refinamento aps a construo.
Uma forma de construo, conhecida como gulosa, faz com que, a cada iterao,
seja inserido o elemento, pertencente ao conjunto de elementos ainda no selecionados, que traz o maior benefcio para a soluo construda. Este procedimento, apesar
de gerar solues de qualidade superior, produz solues sem diversidade e requer
um maior tempo computacional para o refinamento de uma soluo.
Outra forma muito comum de se gerar uma soluo inicial constru-la de
maneira aleatria. Isto , a cada passo um elemento a ser inserido na soluo
aleatoriamente selecionado do conjunto de elementos ainda no selecionados. A
grande vantagem dessa metodologia reside na simplicidade de implementao e na
grande diversidade de solues. A desvantagem a qualidade baixa da soluo final
produzida, o que requerer um esforo maior na fase de refinamento.
8
2.2.2
Mtodo de Descida
um mtodo de busca local que se caracteriza por analisar todos os possveis vizinhos de uma soluo s em sua vizinhana N (s), escolhendo, a cada passo, aquele
que tem o menor valor para a funo objetivo. Nesse mtodo, o vizinho candidato
somente aceito se ele melhorar estritamente o valor da melhor soluo at ento
obtida. Dessa forma, o mtodo pra to logo um mnimo local seja encontrado.
2.2.2.2
O mtodo de descida requer a explorao de toda a vizinhana. Um mtodo alternativo, que evita essa pesquisa exaustiva, o mtodo randmico de descida. Ele
consiste em analisar um vizinho qualquer e o aceitar somente se ele for estritamente
melhor que a soluo corrente; no o sendo, a soluo corrente permanece inalterada
e outro vizinho gerado. O procedimento interrompido aps um nmero fixo de
iteraes sem melhora no valor da melhor soluo obtida at ento.
2.2.2.3
O mtodo randmico no ascendente uma variante do mtodo randmico de descida, diferindo dele por aceitar o vizinho gerado aleatoriamente se ele for melhor
ou igual soluo corrente. Esse mtodo pra, tambm, aps um nmero fixo de
iteraes sem melhora no valor da melhor soluo produzida.
2.2.3
Metaheursticas
As metaheursticas so procedimentos destinados a encontrar uma boa soluo, eventualmente a tima, consistindo na aplicao, em cada passo, de uma heurstica
subordinada, a qual tem que ser modelada para cada problema especfico (Souza,
2000).
Contrariamente s heursticas convencionais (sees 2.2.1 e 2.2.2), as metaheursticas so de carter geral e tm condies de escapar de timos locais.
As metaheursticas diferenciam-se dos mtodos de busca local tradicionais basicamente pelas seguintes caractersticas:
a ) critrio de escolha de uma soluo inicial;
b ) definio da vizinhana N (s) de uma soluo s;
c ) critrio de seleo de uma soluo vizinha dentro de N (s);
d ) critrio de parada;
2.2.4
11
2.2.5
Simulated Annealing
12
exemplo. Para cada um desses vizinhos, calcular o respectivo custo segundo a funo
de avaliao considerada. A mdia dos custos das solues vizinhas uma estimativa
para a temperatura inicial.
Em teoria, a temperatura final deve ser zero. Entretanto, conforme Torreo
(2004) na prtica suficiente chegar a uma temperatura prxima de zero, devido
preciso limitada da implementao computacional. Um valor tpico tomar Tf =
0, 001. Alternativamente, pode-se identificar o congelamento do sistema quando a
taxa de aceitao de movimentos cai abaixo de um valor predeterminado.
Observa-se, finalmente, como regra geral, citada em Torreo (2004), que os parmetros mais adequados para uma dada aplicao do algoritmo s podem ser estabelecidos por experimentao.
2.2.6
Busca Tabu
16
2.2.7
procedimento VND(f(.),N(.),r,s)
1 Seja r o nmero de estruturas diferentes de vizinhana;
2 k 1;
{Tipo de estrutura de vizinhana corrente}
3 enquanto (k r) faa
4
Encontre o melhor vizinho s0 N (k) (s);
5
se (f (s0 ) < f (s))
6
ento
7
s s0 ;
8
k 1;
9
seno
10
k k + 1;
11
fim-se;
12 fim-enquanto;
13 Retorne s;
fim VND;
Figura 2.6: Algoritmo VND
2.2.8
procedimento VNS ()
1 Seja s0 uma soluo inicial;
2 Seja r o nmero de estruturas diferentes de vizinhana;
3 s s0 ;
{Soluo corrente}
4 enquanto (Critrio de parada no for satisfeito) faa
5
k 1;
{Tipo de estrutura de vizinhana corrente}
6
enquanto (k r) faa
7
Gere um vizinho qualquer s0 N (k) (s);
8
s00 BuscaLocal(s0 );
9
se (f (s00 ) < f (s))
10
ento
11
s s00 ;
12
k 1;
13
seno
14
k k + 1;
15
fim-se;
16
fim-enquanto;
17 fim-enquanto;
18 Retorne s;
fim VNS ;
Figura 2.7: Algoritmo VNS
de s00 recomeando da primeira estrutura de vizinhana N (1) (s). Caso contrrio,
continua-se a busca a partir da prxima estrutura de vizinhana N (k+1) (s). Este
procedimento encerrado quando uma condio de parada for atingida, tal como
o tempo mximo permitido de CPU, o nmero mximo de iteraes ou nmero
mximo de iteraes consecutivas entre dois melhoramentos. A soluo s0 gerada
aleatoriamente no passo 7 de forma a evitar ciclagem, situao que pode ocorrer se
alguma regra determinstica for usada.
2.2.9
Funo de Avaliao
(2.10)
Cada uma destas componentes composta por diferentes funes, as quais possuem pesos diferenciados, com o intuito de dar maior prioridade aos requisitos considerados mais importantes.
A parcela g(s) mede o nvel de inviabilidade de uma soluo s e avaliada com
base na expresso (2.11).
g(s) =
i fi (s)
(2.11)
iI
onde:
I
h(s) =
j fj (s)
jQ
onde:
Q
(2.12)
Funo de Penalidade
|M x|
f p(x) =
(2.13)
21
Penalidades
0
D
Valores de x
2.3
22
Nesta seo so descritas algumas aplicaes dos mtodos de pesquisa operacional apresentados na seo 2.1 a problemas de planejamento de produo na indstria mineral. Para clareza de entendimento e uma melhor compreenso dos modelos
apresentados neste trabalho, as notaes originais dos autores foram substitudas
por uma comum a todos os autores.
2.3.1
Mistura de Minrios
23
max
ei xi +
iM
e i xi
(2.14)
iE
s.a:
j = variavel de controle
(2.15)
j = variavel de controle
(2.16)
iM
iM
(2.17)
xi CBB
iM
X
X
iE
xi Qui
i F
(2.18)
xi W
(2.19)
xi = 0
(2.20)
xi Li CS
(2.21)
xi Ti CT
(2.22)
iE
xi rem
X
iM
X
iF
X
iF
xi 0
i F
(2.23)
max
X
iM
e i xi
j d
j
jS
+ +
j+ d+
j P P
(2.24)
jS
s.a:
xi + P P + = P r
(2.25)
iM
+
(tij trj )xi + d
= 0
j dj
iM
j S
xi P u 0
(2.26)
(2.27)
iM
xi P l 0
(2.28)
iM
j S
(2.29)
j S
(2.30)
xi Qui
i M
(2.31)
xi 0
i M
(2.32)
j S
(2.33)
iM
iM
0
d+
j , dj
P +, P 0
(2.34)
Nesta formulao do problema da mistura existem dois critrios a serem otimizados, representados pela equao (2.24): a maximizao da extrao do minrio contido no conjunto de blocos M , onde a cada bloco i associado um valor econmico
25
Pinto et al. (2003) apresentam um modelo para o problema da mistura onde opera
um equipamento de carga. Assim, a quantidade de minrio a ser retirada de cada
pilha deve ser mltipla da capacidade da caamba do equipamento de carga. O
modelo apresentado pelas equaes (2.35)-(2.40).
Sejam os seguintes dados de entrada:
M
tij
tlj
26
max
xi
(2.35)
iM
X
s.a:
tij xi
iM
tlj X
j S
(2.36)
xi Qui
i M
(2.37)
xi = CcNi
i M
(2.38)
Ni Z +
i M
(2.39)
xi 0
i M
(2.40)
xi
tuj
iM
27
2.3.2
28
tlj
: Ritmo
de lavra da frente i (t/h);
max
xi
(2.41)
iM
X
s.a:
tij xi
iM
tlj X
j S
(2.42)
yik 1
i F
(2.43)
yik 1
k C
(2.44)
i F
(2.45)
xi
tuj
iM
X
kC
X
X
kC
iF
Clk yik xi
X
Cuk yik
kC
xi P r
(2.46)
iM
xi
iE
xi
rem
(2.47)
iM
Observa-se nesta formulao que a funo objetivo (2.41) deve ser maximizada
sujeita s restries (2.42), que definem valores mnimos e mximos admissveis para
o parmetro de qualidade j no produto final. Outras restries que complementam
o modelo esto relacionadas alocao de equipamentos de carga, onde a restrio
(2.43) define que cada frente possui um nico equipamento de carga, enquanto a
restrio (2.44) define que cada equipamento de carga opera em uma nica frente.
A restrio (2.45) est relacionada ao ritmo de lavra, mnimo e mximo, imposto
29
30
min
Pi T di +
iNP
s.a:
X X
Pij T bj + C
(2.48)
jNS iEj
X
iEj
Pij
X
Pij = 0
j NF
(2.49)
Pij Rj = 0
j NC
(2.50)
j NC , i NP
(2.51)
iSj
iSj
Pij 0
Nesta formulao, a funo objetivo (2.48) visa minimizar a necessidade de caminhes mantendo a produo mxima dos equipamentos de carga (restrio (2.50)).
A restrio (2.49) garante que a taxa total de entrada de caminhes em um ponto
de carga ou basculamento igual taxa total de sada deste ponto. A restrio
(2.51) no permite valores negativos para a taxa de caminhes em uma rota.
2.3.2.3
cp
cs
cq
tlj
: Importncia do parmetro j;
min
cm xi + cp (P u
iNm
X
iNF
xi ) +
X
iNest
s.a:
tlj
tcj +
cs xi +
P P
lj cq tij xi
(2.52)
iNF jS
0 xi
Pu
Ri
X
i NF
xi
(2.53)
(2.54)
iNF
tuj
j S
(2.55)
iNF
min
Pi T di +
iNP
s.a:
X X
Pij T bj + ECF
(2.56)
jNS iEj
X
iEj
Pij
Pij = 0
j ND
(2.57)
iSj
Pij = Rj
j Nm
(2.58)
Pij Rj
j Nest
(2.59)
Pij = xj
j NF
(2.60)
iSj
iSj
iSj
Pij 0
j ND , i NP
(2.61)
de lavra das frentes de minrio deve ser igual sua taxa de carregamento (restrio (2.58)). A restrio (2.59) define que o ritmo de lavra em pilhas de estocagem
deve ser menor ou igual taxa de carregamento do ponto. A unio desta segunda
parte do modelo de White e Olson (1986) com a primeira realizada atravs da
restrio (2.60), onde define-se que o fluxo de material que sai de um ponto de carga
deve ser igual ao ritmo de lavra determinado na primeira parte do modelo.
2.3.3
: Conjunto de caminhes;
tlj
: Ritmo
de lavra da frente i (t/h);
max
xi
(2.62)
iM
X
s.a:
tij xi
iM
tlj X
j S
(2.63)
yik 1
iF
(2.64)
yik 1
k C
(2.65)
lV
(2.66)
i F, k C, l V
(2.67)
iF
(2.68)
iF
(2.69)
xi
tuj
iM
X
kC
X
iF
zil 1
iF
kC
xi
X
V uil zil
lV
(2.70)
xi P r
iM
xi
iE
xi
rem
(2.71)
iM
36
Captulo 3
Problemas Abordados
Neste captulo so apresentados os problemas de minerao considerados neste trabalho. Para clareza de entendimento, cada problema apresentado de forma independente, com repetio de conceitos. A seo 3.1 descreve o problema da mistura de
minrios, o qual subproblema dos problemas de mistura de minrios com alocao
dinmica e esttica de caminhes, apresentados nas sees 3.2 e 3.3, respectivamente.
3.1
3.1.1
37
3.1.2
tij
tuj : Valor mximo admissvel para o parmetro de controle j no produto final (%);
P r : Meta de produo (t);
P l : Quantidade mnima a ser produzida (t);
P u : Quantidade mxima a ser produzida (t);
j : Penalidade por desvio negativo para o parmetro de controle j no produto final;
j+ : Penalidade por desvio positivo para o parmetro de controle j no produto final;
: Penalidade por desvio negativo da produo;
+ : Penalidade por desvio positivo da produo;
Qli : Quantidade mnima a ser utilizada da frente i (t);
Qui : Quantidade mxima a ser utilizada da frente i (t);
Cci : Capacidade da caamba da carregadeira alocada frente i (t).
Considerando as seguintes variveis de deciso:
38
xi
min
j d
j +
jS
+ +
j+ d+
j + P + P
(3.1)
jS
s.a:
j S
(3.2)
j S
(3.3)
+
(tij trj )xi + d
= 0
j dj
j S
(3.4)
iM
iM
iM
(3.5)
xi P u 0
iM
xi P l 0
(3.6)
xi P r + P P + = 0
(3.7)
iM
iM
xi Qui 0
i M
(3.8)
xi Qli 0
i M
(3.9)
xi = Cci Ni
i M
(3.10)
Ni Z+
i M
(3.11)
xi 0
i M
(3.12)
j S
(3.13)
d+
0
j , dj
P +, P 0
(3.14)
mnima de minrio no produto final. As restries (3.8) e (3.9) definem as quantidades mximas e mnimas a serem utilizadas de cada frente de lavra. A restrio (3.10) define que a quantidade de minrio utilizada de uma frente de lavra
obtida multiplicando-se a capacidade da caamba da p-carregadeira pelo nmero
de caambadas. A restrio (3.11) determina que o nmero de caambadas a serem
efetuadas em uma frente de lavra deve ser um valor inteiro positivo.
As restries (3.4) e (3.7), propostas por Chanda e Dagdelen (1995) e desenvolvidas a partir do mtodo de programao por metas (goal programming), visam
medir os desvios de qualidade e produo, respectivamente, em relao aos valores
requeridos. As restries (3.12), (3.13) e (3.14) impedem que valores negativos sejam aceitos para as variveis de deciso. Com a incluso das restries (3.4) e (3.7),
a funo com o nico objetivo de maximizar a produo de minrio utilizada em
Pinto et al. (2003), foi alterada para a funo multiobjetivo (3.1), onde deseja-se
minimizar os desvios de produo e qualidade em relao aos valores requeridos.
3.1.3
ai
am )t ,
F2
10
F3
8
...
...
Fm
5
40
Uma soluo inicial para o PMM gerada de forma aleatria, conforme se descreve
a seguir. Para cada frente i atribudo clula ai um valor aleatrio compreendido
entre o nmero mnimo e o nmero mximo de caambadas permitidas para serem
retiradas da frente.
Observa-se, dessa forma, que podem ser geradas solues iniciais inviveis para
o problema no que diz respeito ao atendimento dos limites de especificao dos
parmetros de controle.
3.1.3.3
Uma soluo s avaliada por uma funo f (s) que leva em considerao a produo
e a qualidade do produto final. Essa avaliao leva em considerao o seguinte
conjunto de requisitos essenciais e no-essenciais a serem atendidos:
i ) Requisitos essenciais: so aqueles que se no forem satisfeitos, geraro solues
inviveis, a saber:
(a) Quantidade de minrio no produto final no satisfaz os limites de produo
especificados;
(b) Parmetros de controle no produto final extrapolam os limites de qualidade especificados.
ii ) Requisitos no-essenciais: so aqueles cujo atendimento desejvel, porm,
quando no satisfeitos, no geram programaes inviveis, no caso:
(a) Quantidade de minrio no produto final no atende meta de produo;
(b) Parmetros de controle no produto final no atendem s metas de qualidade.
41
Deste modo, a avaliao do PMM realizada por duas componentes, sendo que
a primeira avalia a produo e a segunda a qualidade do minrio. Mais especificamente, uma soluo s avaliada pela frmula (3.15).
f (s) = f p (s) +
fjq (s)
(3.15)
jS
onde:
f p (s) : Funo que avalia s quanto produo;
fjq (s) : Funo que avalia s quanto qualidade do j-simo parmetro de controle.
Produo de Minrio
A produo de minrio de uma soluo s avaliada segundo a equao (3.16).
|P r P |
f (s) =
p
p
(3.16)
onde:
P
Ni Cci
(3.17)
iM
42
p
p+
se P < P r
se P P r
O intervalo p utilizado para uma produo de minrio inferior meta, enquanto o intervalo p+ aplica-se a uma produo de minrio igual ou superior
meta.
Ainda, conforme o valor de P , associado um peso p componente de avaliao
de produo, conforme as seguintes situaes:
p
p =
p+
p+
se
se
se
se
P < Pl
Pl P < Pr
Pr P Pu
P > Pu
Qualidade da Mistura
A qualidade da mistura depende da proporo de minrio retirado de cada frente
e dos parmetros de controle a serem analisados na mistura. Desta forma, cada um
dos parmetros de controle j avaliado pela equao (3.18).
fjq (s)
jq
|trj tj |
qj
j S
onde:
tj
43
(3.18)
Cada frente i possui um valor tij para o parmetro de controle j. Pode-se calcular
o valor total tj do parmetro de controle j contido na mistura atravs da mdia
ponderada entre tij e a produo de cada frente i, apresentada na equao (3.19).
X
tij xi
iM
tj = X
j S
xi
(3.19)
iM
onde:
xi = Ni Cci
De acordo com o valor de tj so aplicados diferentes valores de qj na funo de
avaliao da qualidade do minrio, a saber:
qj
q
j
q+
j
se tj < trj
se tj trj
j S
O intervalo q
j utilizado para um valor encontrado tj para o parmetro j inferior meta especificada, enquanto o intervalo q
j aplica-se a um valor encontrado
igual ou superior meta.
Ainda, conforme o valor encontrado tj , associado um peso jq componente de
avaliao da qualidade do parmetro de controle j, conforme as seguintes situaes:
q
jq
j
jq =
jq+
q+
j
se
se
se
se
tj < tlj
tlj tj < trj
trj tj tuj
tj > tuj
j S
F2
10
F3
8
F4
5
F1
0
F2
10
F3
9
F4
5
45
F1
0
F2
10
F3
8
F4
5
F1
0
F2
10
F3
7
F4
5
F2
10
F3
7
F4
5
F1
0
F2
10
F3
9
F4
5
F2
10
F3
7
F4
5
F1
0
F2
10
F3
5
F4
5
contribuir com nove e a frente F4 que contribuia com cinco caambadas passa a
contribuir com seis caambadas para o produto final.
F1
0
F2
10
F3
7
F4
5
F1
0
F2
9
F3
7
F4
6
SAmax = k |S| |M |
(3.20)
3.2
3.2.1
3.2.2
Para a modelagem exata do problema, tal como no problema anterior, ser utilizada
a tcnica de pesquisa operacional conhecida como programao por metas (Goal
Programming).
Para o modelo de alocao dinmica de caminhes, apresentado pelas equaes
(3.21)-(3.42), sejam os seguintes dados de entrada:
M
: Ritmo
de lavra da frente i (t/h);
d
: Desvio negativo do parmetro j na mistura (t/h);
j
d+
: Desvio positivo do parmetro j na mistura (t/h);
j
P : Desvio negativo do ritmo de lavra em relao ao recomendado (t/h);
P + : Desvio positivo do ritmo de lavra em relao ao recomendado (t/h).
O modelo de programao matemtica relativo alocao dinmica de uma frota
heterognea de caminhes e equipamentos de carga, levando-se em considerao
metas de produo e qualidade de minrio, apresentado pelas equaes (3.21)(3.42).
min
j d
j +
jS
+ +
j+ d+
j + P + P
(3.21)
jS
s.a:
j S
(3.22)
j S
(3.23)
+
= 0
(tij trj )xi + d
j dj
j S
(3.24)
iM
iM
iM
xi P u 0
(3.25)
iM
xi P l 0
(3.26)
xi P r + P P + = 0
(3.27)
iM
iM
xi Qui 0
i F
(3.28)
xi Qli 0
i F
(3.29)
51
xi 0
i F
(3.30)
d+
0
j , dj
j S
(3.31)
P +, P 0
X
X
xi rem
xi 0
iE
(3.32)
(3.33)
iM
yik 1
i F
(3.34)
yik 1
k C
(3.35)
yik {0, 1}
i F, k C
(3.36)
i F
(3.37)
i F
(3.38)
i F, l V, glk 6= 0
(3.39)
l V
(3.40)
i F
(3.41)
i F, l V
(3.42)
kC
X
iF
xi
Cuk yik 0
kC
xi
X
kC
nil Til 60
X
iF
xi
Clk yik 0
X
yik 0
kC
nil Til 60 0
X
nil capl = 0
lV
nil Z+
3.2.3
Descreve-se, a seguir, a representao de uma soluo para o problema, os movimentos e as estruturas de vizinhana utilizadas, a funo de avaliao de uma soluo e
as tcnicas heursticas utilizadas para explorar o espao de solues.
3.2.3.1
Uma soluo do PADC representada por uma matriz QF (1+V ) de valores inteiros.
Esta representao define tipos simples e naturais de movimentos, tornando mais
fcil o levantamento de algumas caractersticas da funo de avaliao, a qual est
baseada na alocao dos equipamentos de carga e no nmero de viagens realizadas
pelos caminhes. Para clareza de apresentao, a matriz QF (1+V ) ser decomposta
em duas submatrizes A e B, isto : QF (1+V ) = AF 1 BF V . A submatriz AF 1
representa a alocao dos equipamentos de carga ao conjunto F de frentes e os
respectivos status desses equipamentos com relao ao fato de estarem ativos ou
no. A submatriz BF V representa o nmero de viagens que sero realizadas pelos
caminhes s frentes.
A Figura 3.7 exemplifica uma soluo para uma instncia do problema. Nesta
matriz soluo, as linhas representam as frentes de lavra disponveis F , a coluna
Carga representa a alocao dos equipamentos de carga s frentes de lavra e as
demais colunas representam o nmero de viagens que sero realizadas pelo conjunto
V de caminhes disponveis.
Nesta instncia do problema considerado observa-se, na coluna Carga linha F1 ,
a dupla (Car4 , 1), indicando que o equipamento de carga Car4 est alocado frente
F1 e em operao. Na coluna Carga linha F3 , a dupla (Car8 , 0) indica que o
equipamento de carga Car8 est alocado frente F3 , mas no est em operao.
53
F1
F2
F3
..
.
Carga
(Car4 ,1)
(D,0)
(Car8 ,0)
..
.
Cam1
8
0
0
..
.
Cam2
X
0
0
..
.
FF
(Car5 ,1)
...
...
...
...
...
...
CamV
X
0
0
..
.
3
No PADC, uma soluo inicial gerada aleatoriamente, sendo este processo dividido
em duas etapas.
Na primeira etapa os equipamentos de carga disponveis so numerados e a seguir
esses valores so aleatoriamente distribudos na submatriz A, com cada clula recebendo um nico valor no mximo.
Na segunda etapa atribui-se para cada clula bil da submatriz B, um valor
aleatrio compreendido entre o nmero mnimo e o mximo de viagens a serem
realizadas pelo caminho l frente i, desde que exista compatibilidade entre o
equipamento de carga alocado frente i e o caminho l.
54
3.2.3.3
No PADC, a avaliao de uma soluo s realizada por uma funo f (s), que leva
em considerao a produo, a qualidade do produto final formado com a mistura
do minrio e a alocao e disponibilidade dos equipamentos de carga e transporte
utilizados. Essa avaliao segue um conjunto de requisitos essenciais e no-essenciais
a serem atendidos, que so organizados em:
i ) Requisitos essenciais: so aqueles que se no forem satisfeitos, geraro solues
inviveis, a saber:
(a) Produo da mina excede os limite de especificao;
(b) Parmetros de controle no produto final extrapolam os limites de especificao de qualidade;
(c) Taxa de utilizao dos caminhes superior ao mximo permitido;
(d) Produo dos equipamentos de carga excede as capacidade de produo
especificadas.
ii ) Requisitos no-essenciais:so aqueles cujo atendimento desejvel, porm, quando no satisfeitos, no geram programaes inviveis, no caso:
(a) Metas de produo da mina no atendidas;
(b) Metas de qualidade dos parmetros de controle no atendidas;
(c) Relao estril/minrio desejada no atendida;
(d) Taxa de utilizao de caminhes diferente da meta de utilizao;
(e) Utilizao do menor nmero possvel de caminhes.
Deste modo, a avaliao do PADC realizada por componentes que avaliam a
produo e a qualidade do minrio, a relao estril/minrio, alm da utilizao dos
equipamentos de carga e transporte. Mais especificamente, uma soluo s do PADC
avaliada pela equao (3.43).
55
f (s) = f p (s) +
jS
flu (s) +
(3.43)
iF
lV
onde:
f p (s) : Funo que avalia s quanto produo;
fjq (s) : Funo que avalia s quanto qualidade do j-simo parmetro de controle;
f r (s) : Funo que avalia s quanto relao estril/minrio;
flu (s) : Funo que avalia s quanto taxa de utilizao do l-simo caminho;
fic (s) : Funo que avalia s quanto produo do equipamento de carga alocado
i-sima frente de lavra;
f n (s) : Funo que avalia s quanto ao nmero total de caminhes utilizados.
Mostra-se, a seguir, como cada uma dessas componentes da funo f (s) avaliada.
Produo de Minrio
A produo de minrio de uma soluo s avaliada segundo a equao (3.44).
|P r P |
f (s) =
p
p
(3.44)
onde:
P
P =
XX
iM lV
56
bil capl
(3.45)
onde:
M
bil
p
p+
se P < P r
se P P r
O intervalo p utilizado para uma produo de minrio inferior meta, enquanto o intervalo p+ aplica-se a uma produo de minrio igual ou superior
meta.
Ainda, conforme o valor de P , associado um peso p componente de avaliao
de produo, conforme as seguintes situaes:
p
p =
p+
p+
se
se
se
se
P < Pl
Pl P < Pr
Pr P Pu
P > Pu
Qualidade da Mistura
A qualidade da mistura depende da proporo de minrio retirado de cada frente
de minrio e dos parmetros de controle a serem analisados na mistura. Desta forma,
cada um dos parmetros de controle j avaliado pela equao (3.46).
fjq (s)
jq
|trj tj |
qj
onde:
57
j S
(3.46)
tj
tij xi
iM
tj = X
j S
xi
(3.47)
iM
onde:
xi =
bil capl
lV
qj
q
j
q+
j
se tj < trj
se tj trj
j S
O intervalo q
j utilizado para um valor encontrado para o parmetro j inferior
meta especificada, enquanto o intervalo q
j aplica-se a um valor encontrado igual
ou superior meta.
Ainda, conforme o valor encontrado tj , ser associado um peso jq componente de avaliao da qualidade do parmetro de controle j, conforme as seguintes
situaes:
q
jq
j
jq =
jq+
q+
j
se
se
se
se
tj < tlj
tlj tj < trj
trj tj tuj
tj > tuj
j S
seja maior que o limite superior tuj . Os pesos jq e jq+ referem-se aos requisitos
no-essenciais, sendo aplicados, respectivamente, uma qualidade da mistura vivel
abaixo ou acima da meta de produo.
Relao Estril/Minrio
A relao estril/minrio mede a proporo de estril lavrado em relao ao
minrio e avaliada pela equao (3.48).
|rem R|
f (s) =
r
r
(3.48)
onde:
R
xi
iE
R= X
xi
(3.49)
iM
r
r+
se R < rem
se R rem
59
r
r+
se R < rem
se R rem
Como a relao estril/minrio no apresenta requisitos essenciais a serem avaliados, so utilizados somente os pesos r e r+ , os quais referem-se aos requisitos
no-essenciais. A relao estril/minrio penalizada por r caso ela seja inferior
requerida e por r+ caso contrrio.
flu (s)
lu
|U tl Ul |
ul
l V
(3.50)
onde:
Ul
bil Til
iF
l V
60
(3.51)
onde:
Til : Tempo total de ciclo do caminho l na frente i (min);
bil
ul
lu
lu+
se Ul < U tl
se Ul U tl
60
l V
O intervalo u
aplicado para uma utilizao do caminho l inferior requeril
da, enquanto o intervalo u+
aplica-se a uma utilizao do caminho l igual ou
l
superior meta.
Ainda, conforme o valor de Ul , associado um peso lu componente de avaliao
da utilizao do caminho l, conforme as seguintes situaes:
u
l
u
lu+
l =
u+
l
se Ul < U tl
se U tl Ul 100%
se Ul > 100%
l V
fic (s)
kc
|Cuk xi |
ck
i F
(3.52)
onde:
xi
Cuk
kc
ck
situaes so possveis:
ck
O intervalo c
k
c
se xi Cuk
k
i F
c+
se xi > Cuk
k
utilizado para uma produo do equipamento de carga k
=
0 se xi = 0
se 0 < xi < Clk
kc =
i F
se
Clk xi Cuk
se xi > Cuk
Quando um equipamento de carga k utilizado fora da faixa onde economicakc
lc+
kc+
mente vivel sua operao, ou seja, abaixo do limite mnimo de produo ou acima
do limite mximo de produo, so associados, respectivamente, os pesos de inviabilidade kc e kc . Caso o ritmo de lavra se encontre entre o limite mnimo e mximo
de produo do equipamento de carga alocado frente, associado funo de
avaliao um peso lc+ .
Nmero Total de Caminhes Utilizados
O nmero total de caminhes um requisito no essencial. O ideal que seja
utilizado o menor nmero possvel de caminhes na operao. A equao (3.53)
retorna o nmero total de caminhes em operao. Esta funo retorna um valor
inteiro, no sendo necessrio sua parametrizao, como nas funes anteriores.
f n (s) = n
dUl e
(3.53)
lV
onde:
Ul
(
dUl e =
1 se Ul > 0,
0 caso contrrio.
62
l V
3.2.3.4
No PADC, dada uma soluo s, para atingir uma soluo s0 , onde s0 dito vizinho
de s, foram desenvolvidos seis tipos de movimentos: (a) Realocar equipamentos de
carga; (b) Retomar ou parar a operao em uma frente; (c) Acrescentar ou diminuir o
nmero de viagens de um caminho em uma frente; (d) Realocar o nmero de viagens
de um caminho em frentes diferentes; (e) Realocar o nmero de viagens realizadas
em uma frente para caminhes diferentes e (f) Retomar ou parar a operao de um
caminho em uma frente.
Esses movimentos definem, respectivamente, seis diferentes estruturas de vizinhana, a saber: N CG (s), N OF (s), N N V (s), N V C (s), N V F (s) e N OC (s), as quais
so apresentadas em detalhes a seguir.
Movimento Carga
Este tipo de movimento consiste em trocar duas clulas distintas ai e ak da
matriz A, isto , trocar os equipamentos de carga que operam nas frentes i e k, caso
as duas frentes possuam equipamentos de carga alocados e estejam em operao.
No caso de apenas uma das frentes possuir equipamento de carga em operao e a
outra estiver disponvel, esse movimento consistir em realocar o equipamento de
carga para a frente que estiver disponvel.
A Figura 3.8 ilustra a aplicao desse tipo de movimento. Neste exemplo, as
frentes F2 e F4 foram selecionadas e o equipamento de carga Car4 , anteriormente
alocado frente F4 , realocado para a frente F2 , ficando a frente F4 disponvel.
F1
F2
F3
F4
Carga
(Car1,1)
(D,0)
(Car3,0)
(Car4 ,1)
F1
F2
F3
F4
Carga
(Car1,1)
(Car4 ,1)
(Car3,0)
(D,0)
63
F1
F2
F3
F4
Carga
(Car1,1)
(D,0)
(Car3,0)
(Car4 ,1)
F1
F2
F3
F4
Carga
(Car1,0)
(D,0)
(Car3,0)
(Car4 ,1)
Carga
F1 (Car1,1)
F2 (D,0)
F3 (Car3,0)
F4 (Car4 ,1)
Carga
F1 (Car1,1)
F2 (D,0)
F3 (Car3,1)
F4 (Car4 ,1)
Carga Cam2
F1 (Car1,1)
6
0
F2 (D,0)
0
F3 (Car3,0)
4
F4 (Car4 ,1)
Cam3
X
0
0
3
-1
Carga Cam2
F1 (Car1,1)
5
0
F2 (D,0)
0
F3 (Car3,0)
4
F4 (Car4 ,1)
Cam3
X
0
0
3
Carga Cam2
F1 (Car1,1)
6
0
F2 (D,0)
0
F3 (Car3,0)
4
F4 (Car4 ,1)
Cam3
X
0
0
3
+1
Carga Cam2
F1 (Car1,1)
7
0
F2 (D,0)
0
F3 (Car3,0)
4
F4 (Car4 ,1)
Cam3
X
0
0
3
F1
F2
F3
F4
Carga Cam2
(Car1,1)
6
(D,0)
0
(Car3,0)
0
(Car4 ,1)
4
Cam3
X
0
0
3
F1
F2
F3
F4
Carga Cam2
(Car1,1)
5
(D,0)
0
(Car3,0)
0
(Car4 ,1)
5
Cam3
X
0
0
3
65
F1
F2
F3
F4
Carga Cam2
(Car1,1)
6
(D,0)
0
(Car3,0)
0
(Car4 ,1)
4
Cam3
X
0
0
3
F1
F2
F3
F4
Carga Cam2
(Car1,1)
6
(D,0)
0
(Car3,0)
0
(Car4 ,1)
3
Cam3
X
0
0
4
1
Figura 3.14: Movimento de realocao de viagens de uma frente
Movimento Operao Caminho
O movimento operao caminho consiste em selecionar uma clula bij da matriz B e zerar seu contedo. Assim, esse movimento seleciona um caminho j que
esteja operando em uma frente i, ou seja, que realize viagens esta frente e faz com
que ele saia de operao naquela frente.
A Figura 3.15 ilustra este movimento. Na figura, observa-se que o caminho
Cam2 e a frente F4 foram selecionados e o nmero de viagens foi zerado, ou seja,
Cam2 no ir operar em F4 .
Carga Cam2
F1 (Car1,1)
6
0
F2 (D,0)
0
F3 (Car3,0)
4
F4 (Car4 ,1)
Carga Cam2
F1 (Car1,1)
6
0
F2 (D,0)
0
F3 (Car3,0)
0
F4 (Car4 ,1)
Cam3
X
0
0
3
Cam3
X
0
0
3
3.2.3.5
3.3
3.3.1
68
3.3.2
em uma frente i;
ui
Ti
T ci : Tempo
de carga mdio na frente i (min).
: Ritmo
de lavra da frente i (t/h);
d
: Desvio negativo do parmetro j na mistura (t/h);
j
d+
: Desvio positivo do parmetro j na mistura (t/h);
j
P : Desvio negativo do ritmo de lavra em relao ao recomendado (t/h);
P + : Desvio positivo do ritmo de lavra em relao ao recomendado (t/h).
O modelo de programao matemtica relativo alocao esttica de uma frota
heterognea de caminhes e equipamentos de carga, levando-se em considerao
metas de produo e qualidade de minrios, apresentado pelas equaes (3.54)(3.78).
min
j d
j +
jS
+ +
j+ d+
j + P + P
(3.54)
jS
s.a:
j S
(3.55)
j S
(3.56)
+
= 0
(tij trj )xi + d
j dj
j S
(3.57)
iM
iM
iM
xi P u 0
(3.58)
iM
xi P l 0
(3.59)
xi P r + P P + = 0
(3.60)
iM
iM
70
xi Qui 0
i F
(3.61)
xi Qli 0
i F
(3.62)
i M
(3.63)
j S
(3.64)
xi 0
d+
0
j , dj
P +, P 0
X
X
xi Rem
xi 0
iE
(3.65)
(3.66)
iM
yik 1
i F
(3.67)
yik 1
k C
(3.68)
kC
X
iF
xi
yik {0, 1}
Cuk yik 0
i F, k C
(3.69)
i F
(3.70)
Clk yik 0
i F
(3.71)
zil 1 0
l V
(3.72)
i F, l V, glk 6= 0
(3.73)
i F
(3.74)
kC
xi
X
kC
X
iF
zil
X
yik 0
kC
zil ui 0
lV
zil {0, 1}
nil N ui zil 0
X
nil capl = 0
xi
i F, l V
(3.75)
i F, l V
(3.76)
i F
(3.77)
lV
nil Z+
i F, l V
(3.78)
i F
(3.79)
Ti
T ci
i F
(3.80)
N ui =
ui =
71
3.3.3
72
F1
F2
F3
..
.
Carga
(Car4 ,1)
(D,0)
(Car8 ,0)
..
.
Cam1
8
0
0
..
.
Cam2
X
0
0
..
.
FF
(Car5 ,1)
...
...
...
...
...
...
CamV
X
0
0
..
.
3
pelo caminho. Pode-se observar, por exemplo, que o caminho Cam1 compatvel
com os equipamentos de carga Car4 e Car5 , e ele realiza oito viagens frente F1 e
nenhuma frente FF .
3.3.3.2
Uma soluo inicial para o PAEC gerada de forma aleatria em duas etapas. Na
primeira etapa os equipamentos de carga so numerados e aleatoriamente distribudos na submatriz A, com cada clula recebendo um nico valor. Na segunda etapa
atribui-se a uma clula bil da submatriz B um valor aleatrio entre o nmero mnimo
e mximo de viagens a serem realizadas pelo caminho l frente i, desde que exista
compatibilidade entre o equipamento de carga alocado frente i e o caminho l.
Observa-se que este procedimento de gerao de uma soluo inicial no se preocupa com a formao de inviabilidades, como por exemplo, um caminho operar
em mais de uma frente.
3.3.3.3
No PAEC, a avaliao de uma soluo s, assim como no PADC, realizada por uma
funo f (s), que leva em considerao a produo, a qualidade do produto final
formado com a mistura do minrio e a alocao e disponibilidade de equipamentos
de carga e transporte, alm de duas outras componentes que avaliam se os caminhes
esto alocados estaticamente s frentes e se existem mais caminhes do que o mximo
permitido. Essa avaliao leva em considerao os seguintes conjuntos de requisitos
essenciais e no-essenciais a serem atendidos:
i ) Requisitos essenciais: so aqueles que se no forem satisfeitos, geraro solues
inviveis, a saber:
(a) Produo da mina excede os limite de especificao;
(b) Parmetros de controle no produto final extrapolam os limites de especificao de qualidade;
(c) Taxa de utilizao dos caminhes superior ao mximo permitido;
(d) Produo dos equipamentos de carga excede as capacidade de produo
especificadas;
74
f (s) = f p (s) +
jS
flu (s) +
lV
iF
fle (s) +
lV
fif (s)
(3.81)
iF
onde:
f p (s) : Funo que avalia s quanto produo;
fjq (s) : Funo que avalia s quanto qualidade do j-simo parmetro de controle;
f r (s) : Funo que avalia s quanto relao estril/minrio;
flu (s) : Funo que avalia s quanto taxa de utilizao do l-simo caminho;
fic (s) : Funo que avalia s quanto produo do equipamento de carga alocado
i-sima frente de lavra;
f n (s) : Funo que avalia s quanto ao nmero total de caminhes utilizados;
fle (s) : Funo que avalia s quanto permanncia do l-simo caminho
75
em operao esttica;
fif (s) : Funo que avalia s quanto ao nmero mximo de caminhes operando
na i-sima frente de lavra.
Produo de Minrio
A produo de minrio de uma soluo s avaliada segundo a equao (3.82).
|P r P |
f (s) =
p
p
(3.82)
onde:
P
P =
XX
bil capl
(3.83)
iM lV
onde:
M
bil
p
p+
se P < P r
se P P r
O intervalo p utilizado para uma produo de minrio inferior meta, enquanto o intervalo p+ aplica-se a uma produo de minrio igual ou superior
meta.
76
p =
p+
p+
se
se
se
se
P < Pl
Pl P < Pr
Pr P Pu
P > Pu
Qualidade da Mistura
A qualidade da mistura depende da proporo de minrio retirado de cada frente
de minrio e dos parmetros de controle a serem analisados na mistura. Desta forma,
cada um dos parmetros de controle j avaliado pela equao (3.84).
fjq (s)
jq
|trj tj |
qj
j S
(3.84)
onde:
tj
tij xi
iM
tj = X
j S
xi
iM
77
(3.85)
onde:
xi =
bil capl
lV
qj
q
j
q+
j
se tj < trj
se tj trj
j S
O intervalo q
j utilizado para um valor encontrado para o parmetro j inferior
meta especificada, enquanto o intervalo q
j aplica-se a um valor encontrado igual
ou superior meta.
Ainda, conforme o valor encontrado tj , ser associado um peso jq componente de avaliao da qualidade do parmetro de controle j, conforme as seguintes
situaes:
q
jq
j
jq =
jq+
q+
j
se
se
se
se
tj < tlj
tlj tj < trj
trj tj tuj
tj > tuj
j S
Relao Estril/Minrio
A relao estril/minrio mede a proporo de estril lavrado em relao ao
minrio e avaliada pela equao (3.86).
|rem R|
f (s) =
r
r
onde:
R
(3.86)
xi
iE
R= X
(3.87)
xi
iM
r
r+
se R < rem
se R rem
r
r+
se R < rem
se R rem
Como a relao estril/minrio no apresenta requisitos essenciais a serem avaliados, so utilizados somente os pesos r e r+ , os quais referem-se aos requisitos
no-essenciais. A relao estril/minrio penalizada por r caso ela seja inferior
requerida e por r+ caso contrrio.
flu (s)
lu
|U tl Ul |
ul
onde:
79
l V
(3.88)
Ul
bil Til
iF
l V
60
(3.89)
onde:
Til : Tempo total de ciclo do caminho l na frente i (min);
bil
ul
lu
lu+
se Ul < U tl
se Ul U tl
l V
O intervalo u
aplicado para uma utilizao do caminho l inferior requeril
da, enquanto o intervalo u+
aplica-se a uma utilizao do caminho l igual ou
l
superior meta.
Ainda, conforme o valor de Ul , associado um peso lu componente de avaliao
da utilizao do caminho l, conforme as seguintes situaes:
u
l
u
u+
l =
lu+
l
se Ul < U tl
se U tl Ul 100%
se Ul > 100%
l V
80
fic (s)
kc
|Cuk xi |
ck
i F
(3.90)
onde:
xi
Cuk
kc
ck
ck
c
k
c+
k
se xi Cuk
se xi > Cuk
i F
kc =
0 se
se
se
se
kc
lc+
kc+
xi = 0
0 < xi < Clk
Clk xi Cuk
xi > Cuk
81
i F
Quando um equipamento de carga k utilizado fora da faixa onde economicamente vivel sua operao, ou seja, abaixo do limite mnimo de produo ou acima
do limite mximo de produo, so associados, respectivamente, os pesos de inviabilidade kc e kc . Caso o ritmo de lavra se encontre entre o limite mnimo e mximo
de produo do equipamento de carga alocado frente, associado funo de
avaliao um peso lc+ .
Nmero Total de Caminhes Utilizados
O nmero total de caminhes um requisito no essencial. O ideal que seja
utilizado o menor nmero possvel de caminhes na operao. A equao (3.91)
retorna o nmero total de caminhes em operao. Esta funo retorna um valor
inteiro, no sendo necessrio sua parametrizao, como nas funes anteriores.
f n (s) = n
dUl e
(3.91)
lV
onde:
Ul
1 se Ul > 0,
0 caso contrrio.
l V
P opcf
e P f opcf (s) 1
se
fil (s) > 1,
l
il
e
fl (s) =
iF
iF
0
caso contrrio.
l V
onde:
le
(3.92)
e,
0 caso contrrio.
P opcf
f P f opf c (s) u
se
fil (s) > ui ,
i
i
il
f
fi (s) =
iF
lV
0
caso contrrio.
i F
(3.93)
onde:
ui
0 caso contrrio.
No PAEC, dada uma soluo s, para atingir uma soluo s0 , onde s0 dito vizinho
de s, so usados seis tipos de movimentos: (a) Realocar equipamentos de carga; (b)
Retomar ou parar a operao em uma frente; (c) Acrescentar ou diminuir o nmero
de viagens de um caminho em uma frente; (d) Realocar o nmero de viagens de
um caminho em frentes diferentes; (e) Realocar o nmero de viagens realizadas
em uma frente para caminhes diferentes e (f) Retomar ou parar a operao de um
caminho em uma frente.
83
Esses movimentos definem, respectivamente, seis diferentes estruturas de vizinhana, a saber: N CG (s), N OF (s), N N V (s), N V C (s), N V F (s) e N OC (s), as quais
so descritas em detalhes a seguir.
Movimento Carga
Este tipo de movimento consiste em trocar duas clulas distintas ai e ak da matriz
A, ou seja, trocar os equipamentos de carga que operam nas frentes i e k, caso as
duas frentes possuam equipamentos de carga alocados e que estejam em operao.
No caso de apenas uma das frentes possuir equipamento de carga em operao e a
outra estiver disponvel, esse movimento consistir em realocar o equipamento de
carga para a frente que est disponvel.
A Figura 3.17 ilustra a aplicao desse tipo de movimento. Neste exemplo, as
frentes F2 e F4 foram selecionadas e o equipamento de carga Car4 , anteriormente
alocado frente F4 , realocado para a frente F2 , ficando a frente F4 disponvel.
Carga
F1 (Car1,1)
F2 (Car4 ,1)
F3 (Car3,0)
F4 (D,0)
Carga
F1 (Car1,1)
F2 (D,0)
F3 (Car3,0)
F4 (Car4 ,1)
84
Carga
F1 (Car1,1)
F2 (D,0)
F3 (Car3,0)
F4 (Car4 ,1)
Carga
F1 (Car1,0)
F2 (D,0)
F3 (Car3,0)
F4 (Car4 ,1)
F1
F2
F3
F4
Carga
(Car1,1)
(D,0)
(Car3,0)
(Car4 ,1)
F1
F2
F3
F4
Carga
(Car1,1)
(D,0)
(Car3,1)
(Car4 ,1)
Carga Cam2
F1 (Car1,1)
6
0
F2 (D,0)
0
F3 (Car3,0)
4
F4 (Car4 ,1)
Cam3
X
0
0
3
-1
Carga Cam2
F1 (Car1,1)
5
0
F2 (D,0)
0
F3 (Car3,0)
4
F4 (Car4 ,1)
Cam3
X
0
0
3
Carga Cam2
F1 (Car1,1)
6
0
F2 (D,0)
0
F3 (Car3,0)
4
F4 (Car4 ,1)
Cam3
X
0
0
3
+1
Carga Cam2
F1 (Car1,1)
7
0
F2 (D,0)
0
F3 (Car3,0)
4
F4 (Car4 ,1)
Cam3
X
0
0
3
Carga Cam2
F1 (Car1,1)
6
0
F2 (D,0)
0
F3 (Car3,0)
4
F4 (Car4 ,1)
Cam3
X
0
0
3
Carga Cam2
F1 (Car1,1)
5
0
F2 (D,0)
0
F3 (Car3,0)
5
F4 (Car4 ,1)
Cam3
X
0
0
3
F1
F2
F3
F4
Carga Cam2
(Car1,1)
6
(D,0)
0
(Car3,0)
0
(Car4 ,1)
4
Cam3
X
0
0
3
F1
F2
F3
F4
Carga Cam2
(Car1,1)
6
(D,0)
0
(Car3,0)
0
(Car4 ,1)
3
Cam3
X
0
0
4
1
Figura 3.23: Movimento de realocao de viagens de uma frente
86
Carga Cam2
F1 (Car1,1)
6
0
F2 (D,0)
0
F3 (Car3,0)
4
F4 (Car4 ,1)
Carga Cam2
F1 (Car1,1)
6
0
F2 (D,0)
0
F3 (Car3,0)
0
F4 (Car4 ,1)
Cam3
X
0
0
3
Cam3
X
0
0
3
3.3.3.5
88
Captulo 4
Resultados Computacionais
Neste captulo so apresentados, na seo 4.1, as instncias teste utilizadas para
avaliar os modelos exatos e heursticos desenvolvidos no captulo 3. Os resultados computacionais obtidos com a aplicao dos modelos exatos e heursticos so
apresentados e discutidos, respectivamente, nas sees 4.2 e 4.3.
4.1
Instncias Teste
Os problemas de planejamento operacional de lavra em minas a cu aberto abordados neste trabalho so de conhecimento geral da indstria mineral. Entretanto, no
h na literatura, de nosso conhecimento, um conjunto de instncias teste que possa
ser usado para validar os modelos desenvolvidos. Desta forma, optou-se por utilizar dados de situaes reais de mineradoras da regio e por gerar instncias com
dados aleatrios, mas baseados em faixa de valores reais comumente encontrados
nessas mineradoras. Todas as instncias consideradas encontram-se disponveis em
http://www.decom.ufop.br/prof/marcone/orientacoes/orientacoesconcluidas.html
4.1.1
Para o PMM so consideradas oito instncias teste. A primeira foi extrada de Pinto
et al. (2003) e referenciada neste trabalho pela sigla PMM01. Como o problema
original no possuia metas de qualidade e produo, estas foram consideradas como
a mdia entre os limites mximos e mnimos de cada uma das variveis de controle.
A segunda instncia, denominada PMM02, foi adaptada de PMM01, mantendose os limites de especificao de qualidade e produo, e alterando-se os valores
dos parmetros de controle e as quantidades de minrio disponveis nas frentes de
89
avaliadas.
4.1.2
91
4.2
PADC e PAEC
|V |
30
30
30
30
Para resolver as instncias teste utilizando as formulao de programao matemtica propostas no captulo 3, sees 3.1.2, 3.2.2 e 3.3.2, foi utilizado o modelador e
otimizador LINGO, verso 7.0.
Os testes foram realizados em um microcomputador AMD-Durom, 1.0 GHz, de
256 MB de RAM, com sistema operacional Windows XP.
4.2.1
j S,
+ = = 1.
A Tabela 4.3 mostra os resultados obtidos em cada uma das instncias teste utilizadas. Nela constam o nmero de variveis inteiras, coluna Nmero de Inteiras,
o total de restries, coluna Nmero de Restries, o valor da funo objetivo, coluna Funo Objetivo, e o tempo de processamento em segundos, coluna
Tempo.
O PMM um problema de baixa complexidade e que demanda pouco tempo
computacional para se alcanar a soluo exata. Casos de inviabilidade, como na
instncia PMM05, ocorrem pela inflexibilidade do modelo em aceitar solues fora
dos limites de especificao. Essas situaes so comuns no setor mineral. Por
exemplo, em perodos chuvosos pode no ser possvel atender as especificaes de
umidade requeridas para o minrio, o que impe que esses limites sejam relaxados.
92
4.2.2
j S,
+ = = 1.
Devido ao elevado tempo de processamento para a obteno da soluo tima,
optou-se por considerar a melhor soluo obtida em duas situaes. Na primeira,
fixando-se o tempo mximo de processamento em quinze minutos e na segunda, em
uma hora de processamento.
A Tabela 4.4 mostra os resultados obtidos em cada uma das instncias teste
utilizadas no PADC. Nela constam o nmero de variveis inteiras, coluna Nmero
de Inteiras e o total de restries, coluna Nmero de Restries. Nesta tabela
ainda so apresentados o melhor bound de programao linear da funo objetivo,
coluna foB , bem como os valores da melhor funo objetivo encontrada em quinze
minutos de processamento, coluna foquinze , e em uma hora de processamento, coluna
fohora .
Como j comentado anteriormente (pgina 3), o PADC um problema NP-difcil.
Desta forma, o tratamento por tcnicas de programao matemtica restringe-se a
problemas de baixa dimenses. Pode-se observar pelos resultados apresentados na
Tabela 4.4 que no foi possvel obter a soluo tima do problema em nenhuma das
instncias teste, considerando um tempo de processamento mximo de uma hora,
93
o PADC
foquinze
216,8
2.751,8
2.527,7
4.308,5
fohora
216,8
2.751,8
2.106,4
4.480,9
4.2.3
j S,
+ = = 1.
A Tabela 4.5 mostra os resultados obtidos em cada uma das instncias teste
utilizadas no PAEC. Nela constam o nmero de variveis inteiras, coluna Nmero
de Inteiras e o total de restries, coluna Nmero de Restries. Nesta tabela
ainda so apresentados o melhor bound de programao linear da funo objetivo,
coluna foB , bem como os valores da melhor funo objetivo encontrada em quinze
minutos de processamento, coluna foquinze , e em uma hora de processamento, coluna fohora .
94
fohora
212,0
2.751,8
1.238,9
5.139,4
4.3
95
foH = IN V
X
jS
j d
j +
!
+ +
j+ d+
j + P + P
(4.1)
jS
onde:
foH
d
j
d+
j
P+
j S,
+ = = 1,
1 se a soluo s for vivel;
IN V =
2 caso contrrio.
Esta expresso considera somente o atendimento s metas de produo e qualidade para o PADC e o PAEC, que so os requisitos comuns s metodologias de
programao matemtica e heursticas utilizadas. Questes como o atendimento s
metas de taxa de utilizao dos caminhes e de produtividade dos equipamentos de
carga no so considerados no modelo de programao matemtica.
Desta forma, realizada a anlise da eficincia dos mtodos heursticos por dois
procedimentos. O primeiro compara a metodologia heurstica com a de programao
matemtica, considerando os requisitos implementados e comuns s duas metodologias. O segundo procedimento compara apenas as heursticas entre si.
Em resumo, so considerados os seguintes procedimentos de anlise:
procedimento I : Considera somente os requisitos comuns s metodologias de
programao matemtica e heursticas utilizadas, sendo uma
soluo s avaliada pela expresso (4.1);
procedimento II : Considera os requisitos comuns s metodologias de
programao matemtica e heursticas utilizadas e ainda:
96
4.3.1
97
A Tabela 4.6 apresenta os resultados obtidos pela aplicao dos mtodos desenvolvidos a cada instncia teste do PMM, considerando o procedimento I de
anlise.
Tabela 4.6: Resultados do PMM pelo procedimento I
Dp Tempo
Instncia
fo
Mtodo
foH
(%)
(s)
SA
465,0
38,0
0,37
PMM01
453,0
VND
603,9
112,3
0,02
VNS
453,0
35,2
0,03
SA+VND
453,0
16,7
0,37
SA
117.779,3 0,1
0,38
PMM02
117.665,3
VND
117.665,4 0,0
0,04
VNS
117.665,4 0,0
0,04
SA+VND 117.665,4 0,1
0,38
SA
60.818,3
0,1
0,30
PMM03
60.818,3
VND
60.818,3
0,0
0,04
VNS
60.818,3
0,0
0,04
SA+VND 60.818,3
0,0
0,29
SA
158.609,9 1,0
0,30
PMM04
158.584,4
VND
158.609,9 0,0
0,05
VNS
158.584,7 0,0
0,06
SA+VND 158.609,9 0,0
0,29
SA
14.199,6
0,9
0,13
PMM05
invivel
VND
14.169,0
0,0
0,04
VNS
14.169,0
0,0
0,04
SA+VND 14.169,0
0,0
0,14
SA
15.215,4 25,1
0,12
PMM06
12.860,3
VND
14.169,0 10,2
0,04
VNS
14.569,0 10,2
0,04
SA+VND 14.169,0 10,2
0,15
SA
16.198,6 13,2
0,12
PMM07
16.146,8
VND
16.157,7
5,8
0,03
VNS
16.157,7
5,7
0,03
SA+VND 16.183,3 13,1
0,12
SA
264.938,7 2,1
11,16
PMM08
260.735,6
VND
261.806,8 2,0
1,43
VNS
261.048,9 0,8
1,94
SA+VND 263.013,0 1,6
11,34
Nesta tabela, fo representa o melhor valor da funo objetivo encontrado pelo
modelo de programao matemtica e foH o melhor valor da funo de avaliao,
segundo a equao (4.1), encontrado pela aplicao do mtodo heurstico em 10
execues de cada instncia teste. A coluna Dp indica o desvio percentual, em
98
Dp =
1 X
foi min{fo , foH }
10 i=1
min{fo , foH }
(4.2)
4.3.2
das solues
tr
- 65,0000
- 4,9000
- 0,0260
- 0,9000
- 0,1500
- 6,0000
- 6,5000
- 55,0000
- 25,7000
- 23,7000
Instncia
fo
Mtodo
foH
(%)
PADC01
216,8
VND
212,0
899,2
VNS
212,0
0,0
PADC02 2.751,8
VND
2.731,7
73,7
VNS
2.731,7
12,4
PADC03 2.527,1
VND
3.294,5 1.050,5
VNS
556,5
113,4
PADC04 4.308,5
VND
6.791,2 274,3
VNS
3.734,5
36,7
Nesta tabela, fo representa o melhor valor de funo objetivo encontrado pelo
modelo de programao matemtica em quinze minutos de processamento e foH o
melhor valor da funo de avaliao encontrado pela aplicao do mtodo heurstico
em 10 execues de cada instncia (calculado conforme a frmula (4.1)). No caso
do mtodo VNS, o critrio de parada adotado foi quinze minutos de processamento.
A coluna Dp indica o desvio percentual, em relao melhor soluo encontrada
100
Instncia Mtodo
faH
(%)
(s)
PADC01
VND
7.958 2.367,4
3,8
VNS
6.343
11,5
302,2
PADC02
VND
18.663 902,2
4,0
VNS
16.963
4,3
268,7
PADC03
VND
4.185
278,9
18,2
VNS
1.568
33,1
292,9
PADC04
VND
4.452
180,9
19,1
VNS
1.939
17,5
193,4
Ao comparar os resultados obtidos considerando a funo de avaliao utilizada
pelas heursticas possvel verificar que o algoritmo VNS apresentou o melhor desempenho. Este fato pode ser explicado por ser o algoritmo VND um mtodo de
101
Funcao de Avaliacao
106
105
104
103
100
200
300
400
500
600
700
800
900
Tempo de Processamento(s)
4.3.3
103
Instncia
fo
Mtodo
foH
(%)
PAEC01
212,0
VND
424,0 577,6
VNS
212,0
0,2
PAEC02 2.751,8
VND
5.463,4 127,8
VNS
2731,7
0,0
PAEC03 1.556,0
VND
3.399,7 846,0
VNS
684,5
94,9
PAEC04 5.364,7
VND
6.791,2 188,5
VNS
3.734,5 32,6
Os resultados da Tabela 4.11 demonstram a eficincia do mtodo VNS sobre
o mtodo de programao matemtica. Em todas as instncias o mtodo VNS
superou em muito o mtodo exato, em alguns casos, como na instncia PAEC03,
a reduo sobre o valor produzido pelo mtodo de programao matemtica foi
de 56%. Mesmo considerando o desvio inerente a uma metodologia heurstica, o
mtodo VNS supera em qualidade final as solues produzidas pela metodologia de
programao matemtica.
A Tabela 4.12 apresenta os resultados obtidos pela aplicao do procedimento II aos mtodos heursticos desenvolvidos, coluna Mtodo, a cada instncia teste
do PAEC. Nesta tabela faH representa o melhor valor da funo de avaliao encontrado pela aplicao do mtodo heurstico em 10 execues de cada instncia. No
caso do mtodo VNS, o critrio de parada foi de quinze minutos de processamento.
A coluna Dp indica o desvio percentual, em relao melhor soluo heurstica
encontrada, da mdia da funo de avaliao da heurstica nessas 10 execues. A
coluna Tempo mostra o tempo mdio, em segundos, em que foi encontrada a melhor
soluo.
Observa-se que o mtodo VNS apresentou, conforme se esperava, as melhores
solues finais, alm de se mostrar robusto, manifestado pelo fato de apresentar um
desvio insignificante.
O maior tempo mdio de processamento para encontrar a melhor soluo se deve
pelo fato de o VNS utilizar o VND como mtodo de busca local, chamando-o a cada
soluo gerada durante a explorao do espao de solues.
104
Tabela 4.12: Comparao entre os mtodos heursticos para o PAEC pelo procedimento II
Dp
Tempo
Instncia Mtodo
foH
(%)
(s)
PAEC01
VND
10.355 3.586,1
4,2
VNS
9.352
0,6
382,5
PAEC02
VND
20.705 1.499,5
4,3
VNS
20.705
1,43
310,7
PAEC03
VND
3.717
913,8
19,3
VNS
2.461
1,5
443,4
PAEC04
VND
3.533
401,1
19,4
VNS
2.581
1,0
477,7
O desempenho pfio do mtodo VND se deve capacidade limitada que o mtodo
tem para superar as armadilhas dos timos locais.
A Tabela 4.13 mostra, para cada parmetro de controle analisado, coluna Parmetro, as metas de qualidade, coluna tr, bem como as caractersticas da melhor
soluo encontrada pelo modelo de programao matemtica, coluna Pmat, e a
melhor soluo obtida pelo modelo heurstico de melhor desempenho, coluna VNS ,
considerando a instncia PAEC03. Esta instncia no apresenta limites de especificao para os parmetros de controle. Nesta tabela, a soluo de programao
matemtica foi obtida pela aplicao do procedimento I, enquanto a do VNS foi
obtida usando o procedimento II
Tabela 4.13: Caractersticas das solues
Parmetro
tr
Fe
47,9100
Al2 O3A
0,4700
Al2 O3B
0,2600
PA
0,0350
PB
0,0420
PPCA
1,8800
PPCC
2,1500
-325#
16,5000
RFe
80,9400
HEc
43,0000
Os resultados da Tabela 4.13 mostram que a soluo heurstica atende as exigncias especificadas com relao qualidade do produto final, mesmo considerando
que o procedimento heurstico inclui outras restries no abordadas no modelo de
105
programao matemtica.
A Figura 4.2 mostra o comportamento tpico do algoritmo VNS aplicado instncia teste PADC03 durante quinze minutos de execuo. Nesta figura, a linha
contnua representa a evoluo da funo de avaliao da melhor soluo encontrada no processo de busca e a linha tracejada representa o comportamento da funo
de avaliao da soluo corrente, demonstrando o comportamento do mtodo na
explorao do espao de solues.
Funcao de Avaliacao
104
103
100
200
300
400
500
600
700
800
900
Tempo de Processamento(s)
106
Captulo 5
Concluses e Perspectivas
Este trabalho trata de problemas de planejamento operacional de lavra em minas a
cu aberto. Mais precisamente, foram estudados os problemas de mistura de minrios (PMM), de mistura de minrios com alocao dinmica de caminhes (PADC)
e de mistura de minrios com alocao esttica de caminhes (PAEC), abordando
suas caractersticas bsicas.
Os modelos de programao matemtica propostos na literatura para resolver
estes problemas foram ampliados para incorporar outras restries e requisitos comuns realidade operacional da indstria mineral. No caso, foram propostos modelos baseados em programao por metas (goal programming). Esta escolha foi
considerada por representar eficientemente a realidade na indstria mineral, na qual
atingir metas de produo e qualidade um fator essencial na tomada de deciso.
Alm dos modelos de programao matemtica por metas que foram propostos
para cada problema, tambm foram desenvolvidos modelos heursticos de otimizao baseados em metaheursticas. No caso do PADC e do PAEC esta abordagem se
justifica devido ao fato de que estes problemas se reduzem ao Problema da Mochila
Inteira Mltipla, o qual pertence classe de problemas NP-difceis. Isto significa
que no existem algoritmos que resolvam estes problemas em tempo polinomial.
Assim, modelos de programao matemtica s conseguem resolver eficientemente
problemas de pequeno porte. O tratamento heurstico para os problemas abordados tambm se justifica em vista de apresentarem custos mais acessveis que os
requeridos pela aquisio de um aplicativo de otimizao para resolver os modelos
de programao matemtica.
Para a abordagem heurstica dos problemas, foram desenvolvidas representaes
107
cada empresa.
Como trabalho futuro, aponta-se a necessidade de melhoria dos mtodos heursticos. Uma sugesto seria dividir a faixa de valores compreendida entre os limites
inferior e superior de cada parmetro em trs faixas: a) uma entre o limite inferior
e um valor prximo e abaixo da meta; b) uma entre esse valor prximo e abaixo da
meta e outro prximo e acima da meta e c) uma faixa entre esse valor prximo e
acima da meta e o limite superior. A faixa intermediria seria ento dividida em
partes menores que as outras duas faixas, resultando em intervalos de significncia menores. Com esta subdiviso seria possvel diferenciar ainda mais as solues
prximas s metas, capacitando o algoritmo a refinar melhor as solues.
Uma outra possibilidade de melhora a utilizao de modelos heursticos hibridizados com modelos de programao matemtica. Por exemplo, no PADC e no
PAEC um mtodo heurstico faria a alocao dos equipamentos de carga e transporte e acionaria um mtodo de programao matemtica para resolver de forma
exata o problema da mistura relativo a essa configurao, haja vista que este ltimo
problema resolvido de forma eficiente por um mtodo de programao matemtica.
A aplicao de outras metodologias heursticas, tais como GRASP, Busca Tabu
e Algoritmos Genticos, tambm uma das alternativas que podem ser testadas
visando a melhoria das solues finais produzidas.
109
Referncias Bibliogrficas
Alvarenga, G. B. (1997). Despacho timo de caminhes numa minerao de ferro utilizando algoritmo gentico com processamento paralelo. Dissertao de mestrado,
Programa de Ps-Graduao em Engenharia Eltrica/UFMG, Belo Horizonte.
Bregalda, P. F.; Oliveira, A. A. F. e Bornstein, C. T. (1988). Introduo Programao Linear. Editora Campus, Rio de Janeiro, 3a edio.
Bueno, A. F. e Oliveira, M. C. (2004). Pesquisa Operacional para deciso em
contabilidade e administrao, Captulo 8, Goal Programing (Programao Multiobjetivo), p. 394438. Editora Atlas, So Paulo.
Chanda, E. K. C. e Dagdelen, Kadri. (1995). Optimal blending of mine production
using goal programming and interactive graphics systems. International Journal
of Surface Mining, Reclamation and Environment, v. 9, p. 203208.
Dowsland, K.A. (1993). Simulated Annealing. Reeves, C.R., editor, Modern Heuristic Techniques for Combinatorial Problems, Advanced Topics in Computer Science
Series, Captulo 2, p. 2069. Blackwell Scientific Publications, London.
Ezawa, L. e Silva, K. S. (1995). Alocao dinmica de caminhes visando qualidade.
VI Congresso Brasileiro de Minerao, p. 1519, Salvador, Bahia.
Feo, T.A. e Resende, M.G.C. (1995). Greedy randomized adaptive search procedures.
Journal of Global Optimization, v. 6, p. 109133.
Gershon, M. (1982). A linear programming approach to mine scheduling optimization. Proceedings of the 17th Application of computers and operations research in
the mineral industry, p. 483493, New York.
Glover, F. e Laguna, M. (1997). Tabu Search. Kluwer Academic Publishers, Boston.
Hansen, P. e Mladenovi, N. (1999). Variable Neighborhood Search: Methods
and Recent Applications. Proceedings of the Third Metaheuristics International
Conference, p. 275280, Angra dos Reis, Brazil.
Hansen, P. e Mlavenovi, N. (2001). Variable Neighborhood Search: Principles and
Applications. European Journal of Operational Research, v. 130, p. 449467.
Kirkpatrick, S.; Gellat, D.C. e Vecchi, M.P. (1983). Optimization by Simulated
Annealing. Science, v. 220, p. 671680.
110
111
Anexo I
Modelo LINGO para o PMM
Model:
Title PMM;
sets:
parametros: tl, tu, tr, dn, dp,wn,wp;
pilhas: Ql, Qu, x, N, Cc;
matriz(pilhas, parametros): teores;
endsets
data:
pilhas, parametros = @ole(PMM.xls,pilhas,parametros);
teores = @ole(PMM.xls,teores);
Ql, Qu, Cc = @ole(PMM.xls,Ql,Qu, Cc);
tl, tu, tr = @ole(PMM.xls,tl,tu,tr);
Pr, Pl, Pu = @ole(PMM.xls,Pr,Pl,Pu);
wn,wp,wpn,wpp = @ole(PMM.xls,wn,wp,wpn,wpp);
enddata
[fo] min = desvio_teor + desvio_producao;
desvio_teor = @sum(parametros(j): wn(j)*dn(j))
+ @sum(parametros(j): wp(j)*dp(j));
desvio_producao = wpn*dpn + wpp*dpp;
@for(parametros(j):
@sum(pilhas(i): (teores(i,j) - tu(j))*x(i)) <= 0
);
112
@for(parametros(j):
@sum(pilhas(i): (teores(i,j) - tl(j))*x(i)) >= 0
);
@for(parametros(j):
@sum(pilhas(i): (teores(i,j) - tr(j))*x(i)) + dn(j) - dp(j) = 0
);
@sum(pilhas(i): x(i)) <= Pu;
@sum(pilhas(i): x(i)) >= Pl;
@sum(pilhas(i): x(i)) + dPn - dPp - Pr = 0;
@for(pilhas(i):
@BND(Ql(i),x(i),Qu(i))
);
@for(pilhas(i):
x(i)= Cc(i)*N(i)
);
@for(pilhas(i):
@GIN(N(i))
);
Data:
@ole(PMM.xls,N,x,fo)= N,x,fo;
enddata
end
113
Anexo II
Modelo LINGO para o PADC
Model:
Title PADC;
sets:
parametros: tl, tu, tr, wn, wp, dn, dp;
frentes: x, Ql, Qu, mine;
carga: Cs, Cl;
caminhoes: cap;
matriz1(frentes, parametros): teores;
matriz2(frentes, carga): y;
matriz3(caminhoes,carga): g;
matriz4(frentes,caminhoes): nv, T;
endsets
data:
frentes, parametros = @ole(PADC.xls,frentes,parametros);
teores, mine = @ole(PADC.xls,teores,mine);
tl, tu, tr = @ole(PADC.xls,tl,tu,tr);
wn, wp, wpn, wpp = @ole(PADC.xls,wn,wp,wpn,wpp);
Pu, Pl, Pr, Ql, Qu= @ole(PADC.xls,Pu,Pl,Pr,Ql,Qu);
rem, carga, Cs, Cl = @ole(PADC.xls,rem,carga,Cs,Cl);
caminhoes, cap = @ole(PADC.XLS,caminhoes,cap);
g, T = @ole(PADC.XLS,g,T);
enddata
[fo]min =
desvio_teor + desvio_producao;
114
115
@for(frentes(i):
x(i) - @sum(carga(k):Cl(k)*y(i,k))>= 0
);
@for(matriz4(i,l):
nv(i,l)*T(i,l) - 60*@sum(carga(k)|g(l,k)#ne#0:y(i,k)) <= 0
);
@for(caminhoes(l):
@sum(frentes(i):nv(i,l)*T(i,l)) - 60 <= 0
);
@for(frentes(i):
x(i) - @sum(caminhoes(l):nv(i,l)*cap(l)) = 0
);
@for(matriz4(i,l):
@GIN(nv(i,l))
);
Data:
@ole(PADC.xls,fo,x,nv)= fo,x,y,nv;
enddata
end
116
Anexo III
Modelo LINGO para o PAEC
Model:
Title PAEC;
sets:
parametros: tl, tu, tr, wn, wp, dn, dp;
frentes: x, Ql, Qu, Nu, u, mine;
carga: Cs, Cl;
caminhoes: cap;
matriz1(frentes, parametros): teores;
matriz2(frentes, carga): y;
matriz3(caminhoes,carga): g;
matriz4(frentes,caminhoes): z, nv;
endsets
data:
frentes, parametros = @ole(PAEC.xls,frentes,parametros);
teores, mine, Nu, u = @ole(PAEC.xls,teores,mine,Nu,u);
tl, tu, tr = @ole(PAEC.xls,tl,tu,tr);
wn, wp, wpn, wpp = @ole(PAEC.xls,wn,wp,wpn,wpp);
Pu, Pl, Pr, Ql, Qu = @ole(PAEC.xls,Pu,Pl,Pr,Ql,Qu);
rem, carga, Cs, Cl = @ole(PAEC.xls,rem,carga,Cs,Cl);
caminhoes, cap, g = @ole(PAEC.XLS,caminhoes,cap,g);
enddata
[fo]min =
desvio_teor + desvio_producao;
117
@for(parametros(j):
@sum(frentes(i)|mine(i)#eq#1: (teores(i,j) - tu(j))*x(i)) <= 0
);
@for(parametros(j):
@sum(frentes(i)|mine(i)#eq#1: (teores(i,j) - tl(j))*x(i)) >= 0
);
@for(parametros(j):
@sum(frentes(i)|mine(i)#eq#1: (teores(i,j) - tr(j))*x(i))
+ dn(j) - dp(j) = 0
);
@sum(frentes(i)|mine(i)#eq#1:x(i)) - Pu <= 0;
@sum(frentes(i)|mine(i)#eq#1:x(i)) - Pl >= 0;
@sum(frentes(i)|(i)#eq#1:x(i)) + dPn - dPp - Pr = 0;
@for(frentes(i):
@BND(Ql(i),x(i),Qu(i))
);
@sum(frentes(i)|mine(i)#eq#0: x(i)) rem*@sum(frentes(i)|mine(i)#eq#1: x(i)) >= 0;
@for(frentes(i):
@sum(carga(k):y(i,k))<=1
);
@for(carga(k):
@sum(frentes(i):y(i,k))<=1
);
@for(matriz2(i,k):
@BIN(y(i,k))
);
@for(frentes(i):
x(i) - @sum(carga(k):Cs(k)*y(i,k)) <= 0
);
118
@for(frentes(i):
x(i) - @sum(carga(k):Cl(k)*y(i,k)) >= 0
);
@for(caminhoes(l):
@sum(frentes(i):z(i,l)) - 1 <= 0
);
@for(matriz4(i,l):
z(i,l) - @sum(carga(k)|g(l,k)#NE#0:y(i,k)) <= 0
);
@for(frentes(i):
@sum(caminhoes(l):z(i,l)) - u(i) <= 0
);
@for(matriz4(i,l):
@BIN(z(i,l))
);
@for(matriz4(i,l):
nv(i,l) - Nu(i)*z(i,l) <= 0
);
@for(frentes(i):
x(i) - @sum(caminhoes(l):nv(i,l)*cap(l)) = 0
);
@for(matriz4(i,l):
@GIN(nv(i,l))
);
Data:
@ole(PAEC.xls,fo,x,y,nv)= fo, x, y, nv;
enddata
end
119
Anexo IV
Relatrio Gerado para o PMM
RELATORIO DO PMM
TESTE: PMM03_SAVND9999.rel
fo
:
Desvio Producao:
Desvio teor
:
SEMENTE
:
TempoCPU(seg) :
1013643
0.00
60818.31
9999
0.300
120
Parametros de Controle
ID [ Minimo - Meta - Maximo] Encontrado
Dif. Pontuacao STATUS
-----------------------------------------------------------------0 [ 64.500 - 65.000 -100.000] 65.6429
0.6429
64295
ok!
1 [ 4.800 - 4.900 - 5.000]
4.9022
0.0022
225
ok!
2 [ 0.000 - 0.026 - 0.030]
0.0206
-0.0054
536
ok!
3 [ 0.000 - 0.900 - 1.100]
0.7709
-0.1291
12915
ok!
4 [ 0.000 - 0.150 - 0.300]
0.1413
-0.0087
868
ok!
5 [ 0.000 - 6.000 - 10.000]
6.7475
0.7475
74750
ok!
6 [ 0.000 - 6.500 - 10.000]
8.5270
2.0270
202701
ok!
7 [ 53.000 - 55.000 -100.000] 58.9375
3.9375
393751
ok!
8 [ 0.000 - 25.700 -100.000] 25.3945
-0.3055
30551
ok!
9 [ 0.000 - 23.700 - 25.000] 21.3695
-2.3305
233051
ok!
------------------------------------------------------------------
121
Anexo V
Relatrio Gerado para o PADC
PADC01_VNS1111.rel
fo
:
Desvio Producao:
Desvio teor
:
SEMENTE
:
TempoCPU(seg) :
7469
0.00
211.998474
1111
900.90
Producao de Minerio
Producao de Esteril
REM
5800.00
1800.00
0.31
4800.0 -
5800.0 -
6800.0]
0.30 -
0.31 -
0.40]
122
Equipamentos de Carga
Parametros de Controle
123
124
Anexo VI
Relatrio Gerado para o PAEC
PAEC03_VNS1111.rel
fo
:
Desvio Producao:
Desvio teor
:
SEMENTE
:
TempoCPU(seg) :
2520
0.00
7072.710938
1111
901.56
Producao de Minerio
Producao de Esteril
REM
4100.00
0.00
0.00
3100.0 -
4100.0 -
5100.0]
0.00 -
0.00 -
0.00]
Favaliacao
2520
-------------------------fa_producao
0
fa_teor
293
fa_rem
0
fa_produtcam
2211
fa_prodcarga
0
fa_totalcam
16
fa_estatico
0
fa_numcamfre
0
--------------------------
125
Equipamentos de Carga
Parametros de Controle
126
Caminhao | 2 3 5 7 15 17 28 |
Util.
Pontuacao STATUS
------------------------------------------------------------0
| . . . . . . 5 |
75.8
108
ok!
1
| . . . . . . 5 |
75.8
108
ok!
2
| . . 3 . . . . |
46.0
459
ok!
3
| . . . . . 6 . |
87.0
134
ok!
4
| . . . . . 6 . |
87.0
134
ok!
5
| . . . . 6 . . |
85.0
0
ok!
6
| . . 5 . . . . |
76.7
99
ok!
7
| . . . . . . 6 |
91.0
401
ok!
8
| 5 . . . . . . |
78.3
79
ok!
9
| . 5 . . . . . |
80.8
50
ok!
11
| . 5 . . . . . |
80.8
50
ok!
12
| . . . 4 . . . |
63.3
255
ok!
13
| . . . . 6 . . |
85.0
0
ok!
18
| . . . . 6 . . |
85.0
0
ok!
24
| . . . 4 . . . |
63.3
255
ok!
29
| 5 . . . . . . |
78.3
79
ok!
-------------------------------------------------------------Total de caminhoes:
16
127
Anexo VII
Publicaes
Lista-se a seguir os trabalhos oriundos desta pesquisa que foram submetidos a peridicos de circulao nacional e internacional e/ou apresentados em eventos.
128