Dissertacao Felippe PPGEM

UNIVERSIDADE FEDERAL DE OURO PRETO
ESCOLA DE MINAS
DEPARTAMENTO DE ENGENHARIA DE MINAS
PROGRAMA DE PS-GRADUAO EM ENGENHARIA MINERAL
APLICAES DE TCNICAS DE OTIMIZAO A

PROBLEMAS DE PLANEJAMENTO OPERACIONAL DE
LAVRA EM MINAS A CU ABERTO
Autor: Felippe Pereira da Costa
Orientador: Marcone Jamilson Freitas Souza
Dissertao apresentada ao Programa de

Ps-Graduao em Engenharia Mineral do
Departamento de Engenharia de Minas da
Escola de Minas da Universidade Federal
de Ouro Preto, como parte integrante dos
requisitos para a obteno do ttulo de
Mestre em Engenharia Mineral, rea de
concentrao: Lavra de Minas.
Ouro Preto, Fevereiro de 2005
APLICAES DE TCNICAS DE OTIMIZAO A

PROBLEMAS DE PLANEJAMENTO OPERACIONAL DE
LAVRA EM MINAS A CU ABERTO
Felippe Pereira da Costa
Esta dissertao foi apresentada em sesso pblica e aprovada em 25 de fevereiro

de 2005, pela Banca Examinadora composta pelos seguintes membros:
Prof. Dr. Marcone Jamilson Freitas Souza (Orientador/UFOP)
Prof. Dr. Ivo Eyer Cabral (UFOP)
Prof. Dr. Luiz Ricardo Pinto (UFMG)
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
Programao Inteira e Mista . . . . . . . . . . . . . . . . . . .
2.1.3
Programao por Metas . . . . . . . . . . . . . . . . . . . . .
Tcnicas Heursticas de Otimizao . . . . . . . . . . . . . . . . . . .
2.2.1
Mtodos Construtivos . . . . . . . . . . . . . . . . . . . . . .
2.2.2
Mtodos de Busca Local . . . . . . . . . . . . . . . . . . . . .
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
Mtodo de Descida em Vizinhana Varivel . . . . . . . . . . 17
2.2.8
Mtodo de Pesquisa em Vizinhana Varivel . . . . . . . . . . 18
2.2.9
Funo de Avaliao . . . . . . . . . . . . . . . . . . . . . . . 19
Pesquisa Operacional Aplicada Minerao . . . . . . . . . . . . . . 22

2.3.1
Mistura de Minrios . . . . . . . . . . . . . . . . . . . . . . . 23
2.3.2
Alocao Dinmica de Caminhes . . . . . . . . . . . . . . . . 28
2.3.3
Alocao Esttica de Caminhes . . . . . . . . . . . . . . . . 34
3 Problemas Abordados
3.1
37
Mistura de Minrios por Metas . . . . . . . . . . . . . . . . . . . . . 37

vi
3.2
3.3
3.1.1
Descrio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.1.2
Modelagem Exata . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.1.3
Modelagem Heurstica . . . . . . . . . . . . . . . . . . . . . . 40
Alocao Dinmica de Caminhes . . . . . . . . . . . . . . . . . . . . 49

3.2.1
Descrio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2.2
Modelagem Exata . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.2.3
Alocao Esttica de Caminhes . . . . . . . . . . . . . . . . . . . . . 68

3.3.1
Descrio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.3.2
Modelagem Exata . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.3.3
4 Resultados Computacionais
4.1
4.2
4.3
89
Instncias Teste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
4.1.1
Instncias Teste do PMM . . . . . . . . . . . . . . . . . . . . 89
4.1.2
Instncias Teste do PADC e PAEC . . . . . . . . . . . . . . . 91
Resultados dos Modelos Exatos . . . . . . . . . . . . . . . . . . . . . 92

4.2.1
Resultados do Modelo Exato para o PMM . . . . . . . . . . . 92
4.2.2
Resultados do Modelo Exato para o PADC . . . . . . . . . . . 93
4.2.3
Resultados do Modelo Exato para o PAEC . . . . . . . . . . . 94
Resultados dos Modelos Heursticos . . . . . . . . . . . . . . . . . . . 95

4.3.1
Resultados dos Modelos Heursticos do PMM . . . . . . . . . 97
4.3.2
Resultados dos Modelos Heursticos do PADC . . . . . . . . . 100
4.3.3
Resultados dos Modelos Heursticos do PAEC . . . . . . . . . 103
5 Concluses e Perspectivas
107
Referncias Bibliogrficas
109
Modelo LINGO para o PMM
112
II
Modelo LINGO para o PADC
114
III
Modelo LINGO para o PAEC
117
vii
IV
Relatrio Gerado para o PMM
120
Relatrio Gerado para o PADC
122
VI
Relatrio Gerado para o PAEC
125
VII Publicaes
128
viii
Lista de Tabelas
4.1
Caractersticas das instncias teste do PMM . . . . . . . . . . . . . . 90
4.2
Caractersticas das instncias teste do PADC e PAEC
4.3
Resultados do modelo exato para o PMM . . . . . . . . . . . . . . . . 93
4.4
Resultados do modelo exato para o PADC . . . . . . . . . . . . . . . 94
4.5
Resultados do modelo exato para o PAEC . . . . . . . . . . . . . . . 95
4.6
Resultados do PMM pelo procedimento I
4.7
Caractersticas das solues geradas relativas instncia PMM03 . . 100
4.8
Resultados do PADC pelo procedimento I . . . . . . . . . . . . . . 100
4.9
Comparao entre os mtodos heursticos para o PADC pelo proce-
. . . . . . . . 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
Fase de construo de um algoritmo GRASP . . . . . . . . . . . . . . 12
2.3
Algoritmo Simulated Annealing . . . . . . . . . . . . . . . . . . . . . 14
2.4
Determinao autoadaptativa da temperatura inicial . . . . . . . . . 15
2.5
Algoritmo de Busca Tabu . . . . . . . . . . . . . . . . . . . . . . . . 17
2.6
Algoritmo VND . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.7
Algoritmo VNS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.8
Comportamento da funo penalidade
3.1
Representao de uma soluo . . . . . . . . . . . . . . . . . . . . . . 40
3.2
Movimento acrscimo de uma caambada . . . . . . . . . . . . . . . . 45
3.3
Movimento decrscimo de uma caambada . . . . . . . . . . . . . . . 46
3.4
Movimento acrscimo de duas caambadas . . . . . . . . . . . . . . . 46
3.5
Movimento decrscimo de duas caambadas . . . . . . . . . . . . . . 46
3.6
Movimento de realocao de uma caambada . . . . . . . . . . . . . . 47
3.7
Representao de uma soluo . . . . . . . . . . . . . . . . . . . . . . 54
3.8
Movimento de realocao de equipamentos de carga . . . . . . . . . . 63
3.9
Movimento parar operao de uma frente . . . . . . . . . . . . . . . . 64
. . . . . . . . . . . . . . . . . 22
3.10 Movimento retomar operao de uma frente . . . . . . . . . . . . . . 64

3.11 Movimento de decrscimo no nmero de viagens . . . . . . . . . . . . 65
3.12 Movimento de acrscimo no nmero de viagens . . . . . . . . . . . . . 65
3.13 Movimento de realocao de viagens de um caminho . . . . . . . . . 65
3.14 Movimento de realocao de viagens de uma frente . . . . . . . . . . 66
3.15 Movimento parar operao de um caminho . . . . . . . . . . . . . . 66
3.16 Representao de uma soluo . . . . . . . . . . . . . . . . . . . . . . 73
3.17 Movimento de realocao de equipamentos de carga . . . . . . . . . . 84
x
3.18 Movimento parar operao de uma frente . . . . . . . . . . . . . . . . 85

3.19 Movimento retomar operao de uma frente . . . . . . . . . . . . . . 85
3.20 Movimento de decrscimo no nmero de viagens . . . . . . . . . . . . 85
3.21 Movimento de acrscimo no nmero de viagens . . . . . . . . . . . . . 86
3.22 Movimento de realocao de viagens de um caminho . . . . . . . . . 86
3.23 Movimento de realocao de viagens de uma frente . . . . . . . . . . 86
3.24 Movimento parar operao de um caminho . . . . . . . . . . . . . . 87
4.1
Comportamento tpico do algoritmo VNS para o PADC . . . . . . . . 102
4.2
Comportamento tpico do algoritmo VNS para o PAEC . . . . . . . . 106
xi
Lista de Siglas
BT
Busca Tabu
GRASP Greedy Randomized Adaptive Search Procedures

PADC
Problema da mistura de minrios com alocao dinmica de caminhes
PAEC
Problema da mistura de minrios com alocao esttica de caminhes
PMM
Problema da mistura de minrios
SA
Simulated Annealing
VND
Variable Neighborhood Descent
VNS
Variable Neighborhood Search
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.,
2003). Dentre essas restries, destacamos a relao estril/minrio a ser obedecida

e a alocao e disponibilidade de equipamentos de carga e transporte de material.
O presente trabalho tem o intuito de disponibilizar sistemas computacionais que
possibilitem uma maior eficincia na tomada de deciso do planejamento operacional de lavra em minas a cu aberto. Para tanto, foram desenvolvidos modelos de
otimizao baseados em programao matemtica e tcnicas heursticas para o processo de tomada de decises relativas ao planejamento do ritmo de lavra, operao
que envolve o problema da mistura de minrios e a alocao de equipamentos de
carga e transporte. Para o desenvolvimento dos sistemas foi necessrio reavaliar
os modelos de otimizao aplicados minas a cu aberto, propostos na literatura,
reunindo-os em modelos mais amplos, de forma a contemplar os requisitos tpicos
de uma minerao, incluindo o atendimento de metas de produo e qualidade.
Os modelos de programao matemtica desenvolvidos foram baseados em programao linear por metas (goal programming) e conduzem s solues timas de
seus respectivos problemas. Esses modelos foram implementados usando-se a ferramenta de otimizao LINGO, verso 7.0. Esta escolha baseou-se na facilidade de
compreenso da linguagem de modelagem utilizada pela ferramenta, na possibilidade de integrao com planilhas eletrnicas, as quais so geralmente adotadas em
processos de deciso na minerao, e na flexibilidade de incluir e excluir restries
operacionais sem que seja necessrio alterar o programa fonte.
Observa-se que o problema de se determinar o ritmo de lavra em uma minerao
se reduz ao Problema da Mochila Inteira Mltipla com restries adicionais. De
fato, cada equipamento de carga pode ser considerado uma mochila i de capacidade
mxima bi (em t/h). Cada frente de lavra pode ser considerada como um objeto j para o qual esto disponveis uj unidades (em t/h). O problema consiste em
determinar quantas unidades xij (em t/h) de cada objeto j alocar mochila i de
forma a maximizar o benefcio pelo uso das frentes (dado pelo atendimento s metas
de produo e qualidade), satisfazendo condio de que cada mochila tenha sua
capacidade respeitada e que cada objeto esteja em uma nica mochila.
Como o Problema da Mochila Inteira Mltipla classificado na literatura como
NP-difcil (Papadimitriou e Steiglitz, 1998), a abordagem de programao matemtica para o problema da determinao do ritmo de lavra se restringe a problemas de
2
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
So apresentados, a seguir, os conceitos bsicos da programao linear (seo 2.1.1)

e as suas variantes, a programao inteira mista (seo 2.1.2) e a programao linear
por metas (seo 2.1.3).
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
algoritmos que possam determinar a soluo tima para o problema. O algoritmo

mais utilizado para resolv-lo o SIMPLEX.
As equaes (2.1) - (2.4) apresentam a formulao necessria para que um problema de programao linear esteja na forma-padro. Uma metodologia para reduzir
um problema qualquer de programao linear forma-padro pode ser obtida em
Bregalda et al. (1988).
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
Nesta formulao, j = 1, , n representam atividades a serem realizadas, cj

o custo associado j-sima atividade, xj uma varivel de deciso que quantifica
o nvel de operao da j-sima atividade, i = 1, , m representam restries a
serem observadas, bi a quantidade de recursos disponveis ou exigncias a serem
cumpridas e aij a quantidade de recurso i (ou exigncia) em uma unidade da
atividade j. A equao (2.1) representa a funo objetivo, que deve ser minimizada.
As equaes (2.2), (2.3) e (2.4) so as restries do problema de programao linear,
sendo que a equao (2.4) denominada condio de no negatividade.
As solues que satisfazem ao conjunto de restries do problema de programao
linear so chamadas de solues viveis. Quando o conjunto de solues viveis do
problema de programao linear no-vazio, h garantia de existncia de pelo menos
uma soluo tima.
O mtodo SIMPLEX, fundamentado na lgebra Linear, baseia-se na propriedade
de que a soluo tima do problema, caso exista, ocorre em um vrtice (chamado
de soluo bsica vivel) do politopo formado pelo conjunto das solues viveis
do problema. Assim, o mtodo consiste em gerar, a cada iterao, solues bsicas
viveis cada vez melhores. Quando no mais possvel melhor-la, a ltima soluo
obtida considerada a soluo tima do problema.
5
2.1.2
Programao Inteira e Mista
Segundo Loesch e Hein (1999) os problemas de programao inteira e mista so, a

princpio, estruturados do mesmo modo que os problemas de programao linear,
entretanto possuem pelo menos uma restrio de integralidade. Restries de integralidade impem que as variveis assumam valores inteiros. Os problemas que
possuem todas as variveis inteiras so denominados problemas de programao inteira, enquanto que aqueles que contm pelo menos uma varivel inteira juntamente
com variveis no-inteiras so denominados de problemas de programao mista. A
tcnica geralmente aplicada na resoluo destes problemas conhecida como tcnica
de ramificao e limite, ou Branch-and-Bound.
Na tcnica de ramificao e limite, inicialmente resolve-se o problema como sendo
um problema de programao linear puro, ignorando-se totalmente as restries de
integralidade. Se for obtida uma soluo tima limitada, satisfazendo todas as
restries de integralidade, a presente soluo dita tima para o problema de programao inteira e mista e o procedimento chega ao final. O procedimento tambm
finalizado caso a soluo seja ilimitada ou impossvel. Se a soluo encontrada
viola ao menos uma restrio de integralidade ento h a diviso do problema em
dois novos problemas de programao linear. Esse processo de diviso pode ser
aplicado repetidas vezes, criando-se uma rvore binria de busca da soluo. Cada
um dos dois novos problemas gerados pela diviso possui a mesma funo objetivo
e restries do problema pai, adicionando-se a cada novo problema uma restrio
tomando-se como base os dois inteiros mais prximos da varivel no-inteira que
corresponde restrio de integralidade violada. O procedimento continua at que
no seja possvel criar mais ramificaes, ou seja, nenhuma restrio de integralidade
for violada ou o espao de solues for vazio.
2.1.3
Programao por Metas
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
Esta formulao semelhante do problema de programao linear anterior onde

j = 1, , n representam atividades a serem realizadas, i = 1, , m representam
restries a serem observadas, bi a meta de recursos a serem utilizados ou exigncias
a serem alcanadas, cj o custo da j-sima atividadade e aij a quantidade de recurso
i (ou exigncia) em uma unidade da atividade j.
Neste modelo, xj , d+
i e di representam variveis de deciso. A primeira, xj ,
quantifica o nvel de operao da j-sima atividade. A segunda, d+

i , denotada por
7
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
Tcnicas Heursticas de Otimizao
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
Mtodos de Busca Local
Os mtodos de busca local, ou mtodos de refinamento, em problemas de otimizao

constituem uma famlia de tcnicas baseadas na noo de vizinhana. Basicamente a
busca local consiste em mover de uma soluo inicial a outra dentro de uma estrutura
de vizinhana, de acordo com regras bem definidas. Mais especificamente, seja S o
espao de pesquisa de um problema de otimizao e f a funo objetivo a minimizar.
A funo N , a qual depende da estrutura do problema tratado, associa a cada
soluo vivel s S, sua vizinhana N (s) S. Cada soluo s0 N (s) chamada
de vizinho de s. Denomina-se movimento a modificao m que transforma uma
soluo s em outra, s0 , que esteja em sua vizinhana. Representa-se essa operao
por s0 s m. A eficincia da busca local depende da qualidade da soluo
construda. O procedimento de construo tem ento um papel importante na busca
local, uma vez que as solues construdas constituem bons pontos de partida para
a busca local, permitindo assim aceler-la.
2.2.2.1
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
Mtodo Randmico de Descida
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
Mtodo Randmico No Ascendente
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
GRASP (Greedy Randomized Adaptive Search Procedures)
O Procedimento de busca adaptativa gulosa e randomizada (GRASP ) um mtodo

iterativo, proposto por Feo e Resende (1995) que consiste de duas fases:
uma fase de construo, na qual uma soluo gerada, elemento a elemento;
uma fase de busca local, na qual um timo local na vizinhana da soluo
construda pesquisado.
A melhor soluo encontrada ao longo de todas iteraes GRASP realizadas
retornada como resultado. O pseudocdigo representado na Figura 2.1 ilustra um
procedimento GRASP.
10
procedimento GRASP (f (.), g(.), N (.), GRASP max, s)

1 f ? ;
2 para (Iter = 1, 2, . . . , GRASP max) faa
3
Construcao(g(.), , s);
4
BuscaLocal(f (.), N (.), s);
5
se (f (s) < f ? ) ento
6
s? s;
7
f ? f (s);
8
fim-se;
9 fim-para;
10 s s? ;
11 Retorne s;
fim GRASP
Figura 2.1: Algoritmo GRASP
Na fase de construo, uma soluo iterativamente construda, elemento por
elemento. A cada iterao dessa fase, os prximos elementos candidatos a serem
includos na soluo so colocados em uma lista C de candidatos, seguindo um
critrio de ordenao pr-determinado. Esse processo de seleo baseado em uma
funo adaptativa gulosa g : C 7 <, que estima o benefcio da seleo de cada
um dos elementos. A heurstica adaptativa porque os benefcios associados com
a escolha de cada elemento so atualizados em cada iterao da fase de construo
para refletir as mudanas oriundas da seleo do elemento anterior. A componente
probabilstica do procedimento reside no fato de que cada elemento selecionado de
forma aleatria a partir de um subconjunto restrito formado pelos melhores elementos que compem a lista de candidatos. Este subconjunto recebe o nome de lista de
candidatos restrita (LCR). Esta tcnica de escolha permite que diferentes solues
sejam geradas em cada iterao GRASP. Seja [0, 1] um dado parmetro. O
pseudocdigo representado pela Figura 2.2 descreve a fase de construo GRASP.
Observamos que o parmetro controla o nvel de gulosidade e aleatoriedade do
procedimento Construcao. Um valor = 0 faz gerar solues puramente gulosas,
enquanto = 1 faz produzir solues totalmente aleatrias.
O parmetro , que determina o tamanho da lista de candidatos restrita, basicamente o nico parmetro a ser ajustado na implementao de um procedimento
GRASP. Em Feo e Resende (1995) discute-se o efeito do valor de na qualidade da
11
procedimento Construcao(g(.), , s);

1 s ;
2 Inicialize o conjunto C de candidatos;
3 enquanto (C 6= ) faa
4
g(tmin ) = min{g(t) | t C};
5
g(tmax ) = max{g(t) | t C};
6
LCR = {t C | g(t) g(tmin ) + (g(tmax ) g(tmin ))};
7
Selecione, aleatoriamente, um elemento t LCR;
8
s s {t};
9
Atualize o conjunto C de candidatos;
10 fim-enquanto;
11 Retorne s;
fim Construcao;
Figura 2.2: Fase de construo de um algoritmo GRASP
soluo e na diversidade das solues geradas durante a fase de construo. Valores
de que levam a uma lista de candidatos restrita de tamanho muito limitado (ou
seja, valor de prximo da escolha gulosa) implicam em solues finais de qualidade muito prxima quela obtida de forma puramente gulosa, obtidas com um
baixo esforo computacional. Em contrapartida, provocam uma baixa diversidade de
solues construdas. J uma escolha de prxima da seleo puramente aleatria
leva a uma grande diversidade de solues construdas mas, por outro lado, muitas
das solues construdas so de qualidade inferior, tornando mais lento o processo
de busca local.
Assim como em muitas tcnicas determinsticas, as solues geradas pela fase
de construo do GRASP provavelmente no so localmente timas com respeito
definio de vizinhana adotada. Da a importncia da fase de busca local, a qual
objetiva melhorar a soluo construda.
O procedimento GRASP procura, portanto, conjugar bons aspectos dos algoritmos puramente gulosos, com aqueles dos procedimentos aleatrios de construo de
solues.
2.2.5
Simulated Annealing
Trata-se de uma tcnica de busca local probabilstica, proposta originalmente por

Kirkpatrick et al. (1983), que se fundamenta em uma analogia com a termodinmica,
12
ao simular o resfriamento de um conjunto de tomos aquecidos (Dowsland, 1993).

Esta tcnica comea sua busca a partir de uma soluo inicial qualquer. O procedimento principal consiste em um loop que gera aleatoriamente, em cada iterao,
um nico vizinho s0 da soluo corrente s.
Chamando de a variao de valor da funo objetivo ao mover-se para uma
soluo vizinha candidata, isto , = f (s0 ) f (s), o mtodo aceita o movimento,
e a soluo vizinha passa a ser a nova soluo corrente, se < 0. Caso 0
a soluo vizinha candidata tambm poder ser aceita, mas neste caso, com uma
probabilidade e/T , onde T um parmetro do mtodo, chamado de temperatura
e que regula a probabilidade de aceitar solues de pior custo.
A temperatura T assume, inicialmente, um valor elevado T0 . Aps um nmero
fixo de iteraes (o qual representa o nmero de iteraes necessrias para o sistema
atingir o equilbrio trmico em uma dada temperatura), a temperatura gradativamente diminuda por uma razo de resfriamento , tal que Tn Tn1 , sendo
0 < < 1. Com esse procedimento, d-se, no incio uma chance maior para escapar
de mnimos locais e, medida que T aproxima-se de zero, o algoritmo comportase como o mtodo de descida, uma vez que diminui a probabilidade de se aceitar
movimentos de piora T 0 = e/T 0

O procedimento pra quando a temperatura chega a um valor prximo de zero e
nenhuma soluo que piore o valor da funo objetivo mais aceita, isto , quando o
sistema est estvel. A soluo obtida quando o sistema encontra-se nesta situao
evidencia o encontro de um mnimo local.
Os parmetros de controle do procedimento so a razo de resfriamento , o
nmero de iteraes para cada temperatura (SAmax) e a temperatura inicial T0 .
Apresenta-se, pela Figura 2.3, o algoritmo Simulated Annealing bsico.
Dependendo do processo de resfriamento, pode ser mostrada a convergncia do
mtodo a uma soluo que seja globalmente tima Dowsland (1993). Tal resultado, entretanto, de utilidade prtica restrita, uma vez que implica em tempos
computacionais exponenciais no tamanho do problema. Algoritmos baseados em
SA normalmente incluem reaquecimento, seguido de novo resfriamento, quando a
quantidade de movimentos consecutivamente rejeitada alta Dowsland (1993).
comum, tambm, trabalhar nas temperaturas mais altas com uma taxa de resfria13
procedimento SA(f (.), N (.), , SAmax, T0 , s)

1 s? s;
{Melhor soluo obtida at ento}
2 IterT 0;
{Nmero de iteraes na temperatura T}
3 T T0 ;
{Temperatura corrente}
4 enquanto (T > 0) faa
5
enquanto (IterT < SAmax) faa
6
IterT IterT + 1;
7
Gere um vizinho qualquer s0 N (s);
= f (s0 ) f (s);
8
9
se ( < 0)
10
ento
11
s s0 ;
12
se (f (s0 ) < f (s? )) ento s? s0 ;
13
seno
14
Tome x [0, 1];
15
se (x < e/T ) ento s s0 ;
16
fim-se;
17
fim-enquanto;
18
T T;
19
IterT 0;
20 fim-enquanto;
21 s s? ;
22 Retorne s;
fim SA;
Figura 2.3: Algoritmo Simulated Annealing
mento menor e aument-la quando a temperatura reduzir-se.
A estimao do nmero mximo de iteraes em uma dada temperatura, isto
, SAmax, normalmente feita em funo das dimenses do problema abordado.
Por exemplo, em um problema de programao de horrios em escolas, envolvendo
n turmas, m professores e p horrios reservados para a realizao das aulas, o valor
de SAmax pode ser estimado em SAmax = k p m n, sendo k uma constante
a determinar (Souza, 2000).
H pelo menos duas prescries para a determinao autoadaptativa da temperatura inicial. A primeira delas consiste em determinar a temperatura inicial por
simulao. Por esse mecanismo, parte-se de uma soluo s e de uma temperatura
de partida baixa. A seguir, conta-se quantos vizinhos dessa soluo s so aceitos
em SAmax iteraes do mtodo nessa temperatura. Caso esse nmero de vizinhos
aceitos seja elevado, algo como 95% dos vizinhos, ento retorna-se a temperatura
14
corrente como a temperatura inicial para o processo de refinamento pelo mtodo.

Caso o nmero de vizinhos aceitos no atinja o valor mnimo requerido, aumenta-se
a temperatura segundo uma certa taxa, por exemplo 10%, e repete-se a contagem
do nmero de vizinhos aceitos naquela temperatura. O procedimento prossegue at
que se obtenha o nmero mnimo de vizinhos aceitos. A temperatura na qual essa
condio ocorre representa a temperatura inicial para o mtodo Simulated Annealing.
A Figura 2.4 mostra o pseudo-cdigo para determinar a temperatura inicial por
esse mtodo, considerando um problema de minimizao. Nesta figura, a taxa
de aumento da temperatura ( > 1), a taxa mnima de aceitao de solues
vizinhas (por exemplo, = 0.95) e T0 uma temperatura de partida para o mtodo,
por exemplo, T0 = 1.
procedimento T emperaturaInicial(f (.), N (.), , , SAmax, T0 , s)
1 T T0 ;
{Temperatura corrente}
2 Continua T RU E;
3 enquanto (Continua) faa
4
Aceitos 0; {Nmero de vizinhos aceitos na temperatura T}
5
para IterT = 1 at SAmax faa
6
Gere um vizinho qualquer s0 N (s);
7
= f (s0 ) f (s);
8
se ( < 0)
9
ento
10
Aceitos Aceitos + 1;
11
seno
12
Tome x [0, 1];
13
se (x < e/T ) ento Aceitos Aceitos + 1;
14
fim-se;
15
fim-para;
16
se (Aceitos SAmax)
17
ento Continua F ALSE;
18
seno T T ;
19
fim-se;
20 fim-enquanto;
21 Retorne T ;
fim T emperaturaInicial;
Figura 2.4: Determinao autoadaptativa da temperatura inicial
A segunda prescrio para determinar a temperatura inicial consiste em partir
de uma dada soluo e gerar um certo nmero de vizinhos, algo como 1000, por
15
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
Busca Tabu um procedimento de otimizao local que admite solues de piora

para escapar de timos locais.
Em sua forma original, a cada iterao procura-se um timo local selecionando-se
o melhor vizinho s0 da vizinhana N (s) da soluo corrente s. Independentemente de
f (s0 ) ser melhor ou pior que f (s), s0 ser sempre a nova soluo corrente. Entretanto,
apenas esse mecanismo no suficiente para escapar de timos locais, uma vez que
pode haver retorno a uma soluo previamente gerada. Para evitar isso, o algoritmo
usa o conceito de lista tabu. Esta lista define todos os movimentos com um certo
atributo como sendo tabu por um determinado nmero de iteraes, conhecido como
tempo tabu. Tais movimentos so proibidos a menos que a soluo satisfaa a um
certo critrio de aspirao, em geral que essa soluo seja melhor que a melhor
soluo encontrada at ento. Os atributos so escolhidos para prevenir o retorno
a solues visitadas recentemente e so escolhidos por caractersticas que so fceis
para detectar.
O pseudocdigo do algoritmo apresentado pela Figura 2.5. Detalhes adicionais
desse algoritmo podem ser encontrados em Glover e Laguna (1997).
16
procedimento BT (f (.), N (.), A(.), |V |, fmin , |T |, BT max, s)

1 s? s;
{Melhor soluo obtida at ento}
2 Iter 0;
{Contador do nmero de iteraes}
3 M elhorIter 0; {Iterao mais recente que forneceu s? }
4 T ;
{Lista Tabu}
5 Inicialize a funo de aspirao A;
6 enquanto (f (s) > fmin e Iter M elhorIter < BT max) faa
7
Iter Iter + 1;
8
Seja s0 s m o melhor elemento de V N (s) tal que
o movimento m no seja tabu (m 6 T ) ou
s0 atenda a condio de aspirao (f (s0 ) < A(f (s)));
9
T T {movimento mais antigo} + {movimento que gerou s0 };
10
Atualize a funo de aspirao A;
11
s s0 ;
12
se (f (s) < f (s? )) ento
13
s? s;
14
M elhorIter Iter;
15
fim-se;
16 fim-enquanto;
17 s s? ;
18 Retorne s;
fim BT ;
Figura 2.5: Algoritmo de Busca Tabu
2.2.7
Mtodo de Descida em Vizinhana Varivel
O Mtodo de Descida em Vizinhana Varivel (Variable Neighborhood Descent,

VND), proposto por Mladenovi e Hansen (1997), um mtodo de refinamento
que consiste em explorar o espao de solues atravs de trocas sistemticas de estruturas de vizinhana, aceitando somente solues de melhora da soluo corrente
e retornando primeira estrutura quando uma soluo melhor encontrada.
O pseudocdigo desse algoritmo, em que se considera o refinamento de uma
soluo s utilizando uma funo de avaliao f , a ser minimizada, e um conjunto N de r diferentes vizinhanas N = {N (1) , N (2) , , N (r) }, apresentado pela
Figura 2.6.
Dependendo do problema abordado, a busca pelo melhor vizinho (linha 4 da
Figura 2.6) pode ser cara computacionalmente. Nessa situao comum fazer a
busca pela primeira soluo de melhora. Outra alternativa considerar a explorao
apenas em um certo percentual da vizinhana.
17
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
Mtodo de Pesquisa em Vizinhana Varivel
O Mtodo de Pesquisa em Vizinhana Varivel (Variable Neighborhood Search, VNS),

proposto por Mladenovi e Hansen (1997) um mtodo de busca local que consiste
em explorar o espao de solues atravs de trocas sistemticas de estruturas de vizinhana. Contrariamente outras metaheursticas baseadas em mtodos de busca
local, o mtodo VNS no segue uma trajetria, mas sim explora vizinhanas gradativamente mais distantes da soluo corrente e focaliza a busca em torno de uma
nova soluo se e somente se um movimento de melhora realizado. O mtodo inclui,
tambm, um procedimento de busca local a ser aplicado sobre a soluo corrente.
Esta rotina de busca local tambm pode usar diferentes estruturas de vizinhana.
Na sua verso original, o mtodo VNS faz uso do mtodo VND para fazer a busca
local.
O pseudocdigo do algoritmo apresentado pela Figura 2.7. Detalhes adicionais
desse algoritmo podem ser encontrados em Mladenovi e Hansen (1997); Hansen e
Mladenovi (1999); Hansen e Mlavenovi (2001).
Nesse algoritmo, parte-se de uma soluo inicial qualquer e a cada iterao
seleciona-se aleatoriamente um vizinho s0 dentro da vizinhana N (k) (s) da soluo
s corrente. Esse vizinho ento submetido a um procedimento de busca local. Se
a soluo tima local, s00 , for melhor que a soluo s corrente, a busca continua
18
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
A finalidade da funo de avaliao determinar se uma soluo melhor ou pior

que outra. Em muitos problemas de otimizao, uma soluo avaliada no somente pela sua qualidade (determinada pela funo objetivo propriamente dita),
mas tambm pela sua viabilidade. O procedimento mais comumente adotado consiste em dividir o conjunto de restries/requisitos do problema em dois subconjuntos: Um subconjunto dos requisitos essenciais (I) e um subconjunto dos requisitos
no-essenciais (Q). O primeiro engloba aquelas restries e requisitos que, se no
19
satisfeitos, geram solues inviveis. O segundo engloba as restries/requisitos de

qualidade, cuja satisfao apenas desejvel, e desta forma, se no satisfeitos, no
geram solues inviveis. Cada requisito/restrio i do conjunto I avaliado por
uma funo gi que mede o nvel de inviabilidade da soluo com relao a esse requisito. Por outro lado, cada requisito j do conjunto Q avaliado por uma funo hj
que mede o nvel de qualidade da soluo com relao ao requisito.
Desse modo, uma soluo s pode ser medida com base em duas componentes que
devem ser minimizadas, uma de inviabilidade g(s), a qual mede o no atendimento
aos requisitos essenciais, e outra de qualidade h(s), a qual mede o no atendimento
aos requisitos considerados no-essenciais. Portanto, a funo de avaliao f (s)
expressa pela equao (2.10).
f (s) = g(s) + h(s)
(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
: conjunto de funes que medem a inviabilidade da soluo;
: peso associado i-sima funo de inviabilidade;
fi (s) : funo que retorna o valor da i-sima medida de inviabilidade.

A parcela h(s) avaliada com base na expresso (2.12) e mensura a qualidade
de uma soluo s.
h(s) =
j fj (s)
jQ
onde:
Q
: conjunto de funes que medem a qualidade da soluo;
: peso associado j-sima funo de qualidade;

20
(2.12)
fj (s) : funo que retorna o valor da j-sima medida de qualidade.

Deve ser observado que uma soluo s vivel se e somente se g(s) = 0 e, ainda,
que esta soluo possui maior qualidade quando mais prximo de zero for h(s).
Como as componentes da funo f (s) possuem pesos diferentes para as diversas
medidas, refletindo a importncia relativa de cada uma delas, necessrio tomar
i j i, j, de forma a privilegiar eliminaes das solues inviveis.
importante que a funo de avaliao assuma valores inteiros por dois fatores.
Primeiramente, para evitar problemas de instabilidade numrica, os quais ocorrem
pela propagao dos erros de arredondamento, inerentes ao processo. O segundo
fator est relacionado com a significncia da variao de determinadas componentes
a serem avaliadas, onde pequenas variaes podem ser desprezadas, no provocando
alteraes expressivas na qualidade das solues encontradas.
2.2.9.1
Funo de Penalidade
As medidas de avaliao de determinados requisitos de uma soluo s so expressas

em valores reais. Entretanto, pelos motivos expostos anteriormente, as penalidades
correspondentes a esses requisitos devem assumir valores inteiros. Essa parametrizao pode ser implementada pela equao (2.13), a qual tem por objetivo retornar a
penalidade relativa a um dado valor x. Esta penalidade mede o quo distante est
a soluo corrente da meta M e varia em um intervalo [0, ], onde a penalidade
mxima a ser aplicada na componente da funo de avaliao analisada.
|M x|
f p(x) =
(2.13)
O intervalo de significncia corresponde ao intervalo em que o valor x pode

variar sem que sua penalidade seja alterada. Desta forma, existem segmentos de
tamanho , distribudos entre a meta M e o valor mximo V .
A Figura 2.8 apresenta o comportamento dessa funo. Nesta figura, a linha
tracejada mostra a penalidade relativa ao valor x, caso fosse considerado um valor
real. A penalidade como valor inteiro representada pela linha contnua, distribuda
pela faixa compreendida entre o valor meta M e o valor mximo V . Observa-se que
x possui penalidade igual a zero se, somente se, seu valor for igual a meta.
21
Penalidades
0
D
Valores de x
Figura 2.8: Comportamento da funo penalidade
2.3
Pesquisa Operacional Aplicada Minerao
Dentre as tcnicas de pesquisa operacional mais utilizadas na minerao pode-se

destacar a programao linear como a mais aplicada aos problemas de planejamento
de produo em minerao, sendo adotada principalmente pelas mineraes a cu
aberto, devido maior complexidade de suas operaes em relao s de minas
subterrneas (Mutmansky, 1979).
Entretanto, com o desenvolvimento e o aumento da velocidade de processamento
dos computadores, os mtodos heursticos vm conquistando cada vez mais espao
na resoluo de problemas de planejamento de produo em minerao. Os modelos de programao linear para problemas reais so complexos e demandam muito
tempo para obter a soluo do problema, enquanto os mtodos heursticos possuem
uma maior flexibilidade na modelagem das restries e podem gerar solues satisfatrias em tempo computacional vivel. Mutmansky (1979) descreve os modelos
heursticos como sendo comuns em problemas de minerao, mas pouco apresentados na literatura, devido a sua subjetividade e aplicados a operaes particulares.
Um importante seguimento de aplicao dos mtodos heursticos est relacionado
com o sistema de despacho de caminhes (Ezawa e Silva, 1995; Alvarenga, 1997).
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
O problema da mistura de minrios consiste na determinao de quanto minrio

proveniente de um conjunto de frentes ou pilhas deve ser misturado de modo a gerar
um produto final em conformidade com as exigncias do cliente. Dependendo de sua
origem, o minrio possui caractersticas economicas e de qualidade diferentes, tais
como o custo de lavra, o teor de determinado elemento qumico ou a percentagem
de minrio em determinada granulometria. Torna-se necessrio determinar proporcionalmente o ritmo de lavra de cada frente, fazendo com que a mistura do minrio
gere, a um custo mnimo, uma alimentao que atenda as metas de qualidade e
produo requeridas. Entretanto, tais metas podem no ser alcanadas. Assim,
para que o produto seja aceito pelo cliente, os parmetros de controle devem ter
valores pertencentes a um intervalo especificado. Vale lembrar que o termo mistura
de minrios diz respeito determinao desta proporo e no deve ser confundido
com homogeneizao de minrio, processo no qual pretende-se que todo o minrio
misturado possua as mesmas caractersticas. A soluo do problema da mistura
de minrios pode ser obtida atravs de tcnicas de pesquisa operacional, sendo a
programao linear a mais difundida e a de maior sucesso (Gershon, 1982).
Descreve-se, a seguir, trs modelos encontrados na literatura que apresentam
solues para o problema da mistura de minrios.
2.3.1.1
O Modelo de Wilke e Reimer
Mutmansky (1979) apresenta um modelo desenvolvido por Wilke e Reimer (1977)

para planejamento de lavra utilizando a programao linear na resoluo do problema da mistura de minrios considerando a relao estril/minrio e as capacidades
de produo. Este modelo apresentado pelas equaes (2.14)- (2.23).
23
max
ei xi +
iM
e i xi
(2.14)
iE
s.a:
(tij tuj )xi 0
j = variavel de controle
(2.15)
j = variavel de controle
(2.16)
iM
(tij tlj )xi 0
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)
Neste modelo, M representa o conjunto de blocos de minrio, E o conjunto de

blocos de estril e F o conjunto de blocos formado por M E. A varivel de deciso
que retorna a quantidade a ser lavrada em um bloco i dada por xi . A funo
objetivo do problema, equao (2.14), consiste em maximizar a economia ei obtida
com a utilizao do material proveniente do bloco i. As restries de qualidade (2.15)
e (2.16) definem que o parmetro de controle j na mistura no deve ser superior ao
limite tuj e no ser inferior ao limite tlj , dado que cada bloco i possui um teor tij .
A produo limitada pela restrio (2.17), onde a capacidade mxima da pilha a
ser formada por perodo dada por CBB . Em cada bloco i no pode ser lavrado
mais do que sua capacidade Qui (restrio (2.18)). A quantidade mnima de estril
a ser lavrada por perodo, definida por W , e a relao estril/minrio (rem) so
contempladas, respectivamente, pelas restries (2.19) e (2.20). O tempo necessrio
para o carregamento de uma tonelada de material do bloco i denominado fator de
carregamento (Li ) que multiplicado pela quantidade de material lavrado no deve
superar o tempo total de carga disponvel dado por CS (restrio (2.21)). O tempo
necessrio para transportar uma tonelada de material do bloco i at o seu destino
24
denominado fator de transporte (Ti ) e multiplicado pela quantidade de material

lavrado no deve ultrapassar o tempo total de transporte disponvel dado por CT
(restrio (2.22)). A restrio (2.23) define que as variveis de deciso no podem
assumir valores negativos.
2.3.1.2
O Modelo de Chanda e Dagdelen
Chanda e Dagdelen (1995) apresentam um modelo de programao linear por metas

aplicado resoluo de um problema de mistura de minrios para o planejamento
de curto prazo. Segundo os autores, esta tcnica mais adequada realidade das
mineraes, pois seu objetivo fazer com que a soluo tima seja a mais prxima
possvel das metas de produo e qualidade requeridas. As equaes (2.24)-(2.34)
apresentam a formulao deste modelo.
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
(tij tuj )xi 0
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
(tij tlj )xi 0
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
ei e um teor tij para o parmetro de controle j, e a minimizao da soma dos desvios
de produo P + e P e dos desvios de qualidade d+

j e dj para todos os parmetros
de controle j. Para cada varivel de desvio associado uma penalidade, sendo e

+ penalidades por desvios negativo e positivo de produo, respectivamente e j
e j+ as penalidades por desvios negativos e positivos de qualidade do parmetro de
controle j. Os desvios de produo so definidos atravs da restrio (2.25), a qual
tem por objetivo fazer com que o total de minrio extrado seja igual a um valor
meta P r; no sendo possvel alcanar este valor, so aceitos um desvio positivo P +
e um desvio negativo P em relao meta P r. Desvios positivos d+

j e negativos dj
de qualidade so obtidos na restrio (2.26) onde o teor do parmetro j na mistura

deve apresentar um valor o mais prximo possvel da meta trj . As restries (2.27)
e (2.28) limitam a capacidade de produo pelos limites de produo superior P u e
inferior P l. A qualidade do produto final limitada pelas equaes (2.29) e (2.30).
Tais restries limitam o teor do parmetro j superiormente por tuj e inferiormente
por tlj . A quantidade de minrio disponvel em cada bloco dada por Qui e no pode
ser ultrapassada (restries (2.31)). As restries (2.32), (2.33) e (2.34) indicam que
estas variveis no podem assumir valores negativos.
2.3.1.3
O Modelo de Pinto et al.
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
: Conjunto das pilhas de minrio;
: Conjunto dos parmetros de qualidade analisados no minrio;
tij
: Teor do parmetro j na pilha i (%);
tlj
: Teor mnimo admissvel para o parmetro j no produto final (%);
tuj : Teor mximo admissvel para o parmetro j no produto final (%);

Qui : Quantidade mxima disponvel na pilha i (t);
Cc : Capacidade da carregadeira (t).
26
Sejam as seguintes variveis de deciso:

xi
: A quantidade de minrio a ser retirada da pilha i (t);
Ni : O nmero de caambadas a serem efetuadas na pilha i.
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
Neste modelo, o objetivo (equao (2.35)) maximizar a quantidade de minrio

retirada de um conjunto M de pilhas de forma a gerar um produto final no qual
o valor do j-simo parmetro esteja dentro das especificaes estabelecidas (restrio (2.36)). Considera-se, pela restrio (2.37), que a quantidade de minrio
retirada de uma pilha i no deve superar a sua quantidade disponvel Qui e que
esta quantidade seja mltipla da capacidade da caamba Cc do equipamento de carga (restrio (2.38)). A restrio (2.39) determina que o nmero de caambadas a
serem efetuadas em uma pilha i deve ser um valor inteiro positivo e a restrio (2.40)
impede que valores negativos sejam aceitos para xi .
Finalmente, observa-se que o conjunto de restries (2.36) no-linear. Assim,
o modelo proposto pelos autores pode conduzir a solues sub-timas, no havendo garantia da otimalidade da soluo final gerada. Tais restries so facilmente
linearizadas, resultando nas restries equivalentes (2.29) e (2.30) apresentadas
pgina 25.
27
2.3.2
Alocao Dinmica de Caminhes
O problema da mistura de minrios com alocao dinmica de caminhes objetiva

determinar o ritmo de lavra de cada frente de acordo com sua capacidade de produo. A capacidade de produo de cada frente determinada pelos equipamentos
de carga nela alocada e pelos caminhes que realizam o transporte do material at
o ponto de basculamento.
Na alocao dinmica um caminho pode ser alocado a novos pontos de carga e
basculamento de forma a prevenir a formao de filas e aumentar a produtividade
da frota. Este aumento de produtividade da frota pode refletir um aumento na capacidade de produo da mina ou a reduo do nmero de equipamentos necessrios
para manter o mesmo nvel de produo. Para isso importante que o despacho de
caminhes seja eficiente.
Descreve-se, a seguir, trs modelos encontrados na literatura que apresentam
solues para o problema de mistura de minrios com alocao dinmica de caminhes.
2.3.2.1
O Modelo de Pinto et al.
Pinto e Merschmann (2001), Merschmann (2002) e Pinto et al. (2003) abordam o

problema de planejamento operacional de lavra utilizando o sistema de alocao
dinmica de caminhes. Este modelo contempla o problema da mistura e a alocao de equipamentos de carga, o atendimento da relao estril/minrio mnima
e considera a alocao dinmica dos caminhes.
O modelo de Pinto e Merschmann (2001) apresentado pelas equaes (2.41) (2.47) e utiliza os seguintes dados de entrada:
M
: Conjunto de frentes de minrio;
: Conjunto de frentes de estril;
: Conjunto de frentes formado por M E;
: Conjunto de equipamentos de carga;
P r : Ritmo de lavra recomendado (t/h);

tij
: Teor do parmetro j na frente i (%);
28
tlj

rem : Relao estrio/minrio requerida;
Clk : Produo mnima do equipamento de carga k (t/h);
Cuk : Produo mxima do equipamento de carga k (t/h).
Define-se, ainda, as seguintes variveis de deciso:
xi
yik
: Ritmo
de lavra da frente i (t/h);
1 se o equipamento de carga k opera na frente i;

:
0 caso contrrio.
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
pelos equipamentos de carga. A restrio (2.47) diz respeito ao atendimento da

relao estril/minrio.
Observa-se, finalmente, que o modelo proposto pelos autores no linear, tendo
em vista as restries (2.42) e (2.47). Sendo assim, no h garantia de que a soluo
final produzida seja tima.
2.3.2.2
O Modelo de White et al.
White et al. (1982) apresentam um modelo de programao linear para minimizar o

nmero de caminhes necessrios atravs de restries relacionadas continuidade
do fluxo de material pelos pontos de carga e basculamento e s capacidades de
produo dos pontos de carga. Para o modelo descrito pelas equaes (2.48)-(2.51)
sejam os seguintes dados de entrada :
NP : Conjunto de rotas viveis;
NS : Conjunto de pontos de basculamento;
NC : Conjunto de pontos de carga;
NF : Conjunto de pontos formado por NS NC ;
Ej : Conjunto de rotas viveis que chegam no ponto j;
Sj
: Conjunto de rotas viveis que saem do ponto j;
: Nmero de pontos de carga;
T di : Tempo de deslocamento pela rota i (min);

T bj : Tempo de basculamento no ponto j (min);
Rj : Taxa de carregamento do ponto j (caminhes/min).
e a seguinte varivel de deciso:
Pij : Taxa de caminhes que utilizam a rota i que possui ligao com
um ponto de carga ou basculamento j (caminhes/min).
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
O Modelo de White e Olson
White e Olson (1986) apresentam um modelo de programao linear para o problema

de alocao dinmica de caminhes em minerao, o qual dividido em duas partes.
Na primeira parte do modelo, restries (2.52)-(2.55), realiza-se uma otimizao do
problema da mistura de minrios tendo como objetivo a minimizao da funo de
custo dada pela equao (2.52), a qual considera o ritmo de lavra, o atendimento s
taxas de alimentao da usina de beneficiamento e de qualidade da mistura, alm
do remanuseio de material.
As restries do modelo esto relacionadas s capacidades de produo dos
equipamentos de carga (restrio (2.53)), s taxas de alimentao mnima requerida da usina de beneficiamento (restrio (2.54)) e qualidade da mistura (restrio (2.55)). A formulao do problema apresentada pelas equaes (2.52)-(2.55)
e considera os seguintes dados de entrada:
Nm : Conjunto de equipamentos de carga alocados nas frentes de lavra;
Nest : Conjunto de equipamentos de carga alocados nas pilhas de estoque;
NF : Conjunto de pontos de carga formado por NS NC ;
S
cm : Custo de movimentao de material (h/m3 );

31
cp
: Custo associado alimentao da usina de beneficiamento (h/m3 );
cs
: Custo de estocagem de material (h/m3 );
cq
: Custo associado qualidade do minrio (h/m3 );
P u : Produo mxima admissvel(m3 /h);

tij
: Teor do parmetro j no minrio proveniente da frente ou pilha de

estoque i (%);
tlj

tcj : Teor corrente para o parmetro j na pilha de mistura (%);
lj
: Importncia do parmetro j;
Ri : Produo mxima do ponto de carga i (m3 /min);

TC : Intervalo de controle (h);
MC : Massa de controle (t);
SG : Peso especfico (t/m3 ).
xi
: Ritmo de lavra do ponto de carga i (m3 /h).
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
(tij tcj )xi TC /(MC /SG)
tuj
j S
(2.55)
iNF
A segunda parte do modelo de White e Olson (1986) semelhante ao modelo de

White et al. (1982), diferenciando-se por utilizar como varivel de deciso o volume
de material transportado por hora, ao invs da taxa de caminhes por hora, que
utilizam uma rota. considerado, ainda, a presena de pilhas de estocagem. Para
este modelo, apresentado pelas equaes (2.56)-(2.61), sejam os seguintes dados de
entrada:
32
NP : Conjunto de rotas viveis;

NS : Conjunto de pontos de basculamento;
Nm : Conjunto de equipamentos de carga alocados nas frentes de lavra;
Nest : Conjunto de equipamentos de carga alocados nos pilhas de estoque;
NF : Conjunto de pontos de carga formado por NS NC ;
ND : Conjunto de pontos de carga e basculamento formado por NF NS ;
Ej : Conjunto de rotas viveis que chegam no ponto j;
Sj
: Conjunto de rotas viveis que saem do ponto j;
: Nmero de pontos de carga;
CF : Capacidade da frota (m3 );

T di : Tempo de deslocamento pela rota i (h);
T bj : Tempo de basculamento no ponto j (h);
Ri : Taxa de carregamento do ponto i (m3 /h).
Pij : Volume transportado pela rota i que possui ligao com
um ponto de carga ou basculamento j (m3 /h).
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)
Nesta formulao, a funo (2.56) tem por objetivo minimizar a necessidade de

transporte de material na mina. A restrio (2.57) est relacionada com a continuidade do fluxo de material atravs dos pontos de carga e basculamento. O ritmo
33
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
Alocao Esttica de Caminhes
O problema de mistura de minrios com alocao esttica de caminhes geralmente

adotado devido simplificao das operaes e ao custo relativo implantao de
um sistema de despacho computadorizado de caminhes.
Na alocao esttica, um caminho alocado a uma nica rota, ou seja, permanece se deslocando entre dois pontos fixos, um de basculamento e outro de carga,
onde esteja alocado um equipamento de carga compatvel. Desta forma, o ritmo
de lavra de uma frente depender da capacidade de produo dos caminhes e do
equipamento de carga alocado frente.
2.3.3.1
O Modelo de Pinto e Merschmann
Pinto e Merschmann (2001) apresentam um modelo para o problema de alocao

esttica de caminhes em minerao. Este modelo formulado segundo as equaes (2.62) - (2.71), sendo considerados os seguintes dados de entrada:
M
: Conjunto de caminhes;

tij
: Teor do parmetro j na frente i (%);
tlj

34

Cuk : Produo
mxima do equipamento de carga k (t/h);
1 se o caminho l compatvel com o equipamento de carga k;

glk :
0 caso contrrio.
V uil : Produtividade do caminho l operando na frente i (t/h).
E, ainda, as seguintes variveis de deciso:
xi
yik
zil
: Ritmo

:
0 caso contrrio.
1 se o caminho l opera na frente i;
:
0 caso contrrio.
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
yij + zil 2dlk 1

X
X
Clk yik xi
Cuk yik
kC
kC
xi
X
V uil zil
lV
(2.70)
xi P r
iM
xi
iE
xi
rem
(2.71)
iM
Esta formulao semelhante apresentada na seo 2.3.2.1, diferenciando-se

desta pelas restries: (2.66), que faz com que um caminho atenda a uma nica
frente; (2.67), que permite que um caminho opere somente em uma frente que
35
possua um equipamento de carga compatvel e (2.69), que limita a produo de uma

frente pela produtividade dos caminhes nela alocados.
Observa-se, finalmente, que o modelo proposto pelos autores no linear, em
vista da no linearidade das restries (2.63) e (2.71). Assim sendo, no h garantia
de que a soluo final gerada por um otimizador seja tima.
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
Mistura de Minrios por Metas

Descrio do Problema da Mistura
O problema da mistura de minrios por metas (PMM) abordado definido como

a determinao da proporo de minrio proveniente de cada frente de lavra que
dever ser utilizada de forma a gerar um produto final que atenda s metas de
qualidade e produo estabelecidas.
Cada frente de lavra contm uma determinada quantidade de minrio, com caractersticas fsicas, qumicas e econmicas diferenciadas, denominadas parmetros
de controle.
Para a lavra do minrio so utilizadas ps-carregadeiras, as quais possuem caambas com capacidades de carga diferentes. Assim, a quantidade de minrio a ser
utilizada de cada frente de lavra depender da capacidade da caamba e do nmero
de caambadas efetuadas pelas ps-carregadeiras.
O produto final formado dever conter uma determinada quantidade de minrio,
denominada meta de produo. Essa meta pode variar entre um valor mnimo
37
e um mximo especificados. O produto final dever, ainda, atender s metas de

qualidade especificadas para cada parmetro de controle, podendo variar entre um
limite mnimo e mximo.
Para a modelagem do problema foram adotadas duas metodologias de pesquisa
operacional. A primeira, descrita na seo 3.1.2, utiliza-se da programao matemtica para a obteno de uma soluo exata. A segunda metodologia, apresentada na
seo 3.1.3, baseia-se em tcnicas heursticas para encontrar solues aproximadas
do problema.
3.1.2
Modelagem Exata do Problema da Mistura de Minrios
Para a modelagem exata do PMM ser utilizada a tcnica de pesquisa operacional

conhecida como programao por metas (Goal Programming).
Para esse modelo, apresentado atravs das equaes (3.1) - (3.14), sejam os
seguintes dados de entrada:
M
: Conjunto dos parmetros de controle analisados no produto final;
tij
: Valor do parmetro de controle j na frente de minrio i (%);
trj : Valor requerido para o parmetro de controle j no produto final (%);

tlj
: Valor mnimo admissvel para o parmetro de controle j no produto final (%);
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
: Quantidade de minrio a ser utilizada da frente i (t);
Ni : O nmero de caambadas a serem efetuadas na frente i;

: Desvio negativo do parmetro de controle j no produto final;
d
j
d+
: Desvio positivo do parmetro de controle j no produto final;
j
P : Desvio negativo da produo requerida (t);
Pj+ : Desvio positivo da produo requerida (t).
tem-se pelas equaes (3.1) - (3.14) o modelo de programao por metas relativo ao
problema da mistura de minrios.
min
j d
j +
jS

+ +
j+ d+
j + P + P
(3.1)
jS
s.a:
(tij tuj )xi 0
j S
(3.2)
(tij tlj )xi 0
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)
Neste modelo observam-se as restries clssicas do problema de mistura. As

restries (3.2) e (3.3) definem limites mximos e mnimos para os parmetros de
controle, enquanto as restries (3.5) e (3.6) limitam a quantidade mxima e a
39
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
Modelagem Heurstica do Problema da Mistura
Para a modelagem heurstica do Problema da Mistura de Minrios so descritos a

representao de uma soluo do problema, a estrutura de vizinhana desenvolvida,
a forma de avaliar a soluo e as tcnicas heursticas utilizadas para explorar o
espao de solues do problema.
3.1.3.1
Representao de uma Soluo
Uma soluo s para o PMM representada por um vetor A = (a1
ai
am )t ,
onde cada clula ai representa o nmero de caambadas a serem efetuadas em uma

frente de lavra i. Esta representao foi adotada por ser de simples implementao
e definir movimentos naturais. Outra vantagem que ela permite um rpido levantamento das caractersticas a serem avaliadas em uma soluo. A Figura 3.1
exemplifica uma soluo correspondente representao adotada.
F1
0
F2
10
F3
8
...
...
Fm
5
Figura 3.1: Representao de uma soluo do PMM
40
Nesta figura, F1 , F2 , , Fm representam as frentes de lavra. Observa-se que a

clula a1 possui o valor 0, ou seja, nenhum minrio proveniente da frente F1 ser
utilizado no produto final. J a clula a3 apresenta o valor 8, representando que
sero necessrias oito caambadas da frente F3 no produto final.
3.1.3.2
Gerao de uma Soluo Inicial
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
Avaliao de uma Soluo
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.
Detalha-se, a seguir, cada uma dessas funes de avaliao.
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
: Produo de minrio (t);
P r : Meta de produo de minrio (t);

p
: Peso associado avaliao da produo;
p : Intervalo de significncia para a produo.
O valor da produo de minrio P obtido pelo somatrio da produo de

cada frente i, que corresponde ao nmero de caambadas a serem realizadas Ni
multiplicado pela capacidade da caamba Cci , conforme equao (3.17).
P =
Ni Cci
(3.17)
iM
De acordo com o valor de P so aplicados diferentes valores de p na funo de

avaliao da produo de minrio. No caso, duas situaes so possveis:
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
Os pesos p e p+ so utilizados para dar maior importncia aos requisitos

essenciais. O peso p utilizado se a produo de minrio estiver abaixo do limite
inferior de produo especificado, j o peso p+ utilizado caso a produo seja
maior que o limite superior. Os pesos p e p+ referem-se aos requisitos noessenciais, sendo aplicados, respectivamente, uma produo de minrio dentro dos
limites de viabilidade, mas abaixo ou acima da meta de produo.
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
: Valor encontrado para o parmetro j (%);
trj : Meta de qualidade para o parmetro j (%);

jq
: Peso associado avaliao da qualidade do parmetro j;
qj : Intervalo de significncia para a qualidade do parmetro j.
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
Quando jq assume os valores jq e jq+ significa que se trata dos requisitos

essenciais relativos qualidade da mistura. O peso jq utilizado se a qualidade da
mistura encontrar-se abaixo do limite inferior de produo especificado tlj , enquanto
o peso jq+ utilizado caso a qualidade da mistura para o parmetro de controle j
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 que
esteja abaixo ou acima da meta de produo e dentro dos limites de viabilidade.
3.1.3.4
Movimento e Estrutura de Vizinhana
No PMM, um vizinho s0 de uma soluo s encontrado aplicando-se trs tipos de

movimentos, os quais consistem em alterar uma clula ai , ou seja, o nmero de
44
caambadas a serem utilizadas de uma frente i, respeitando-se os limites mximo e

mnimo estabelecidos para a frente.
No primeiro movimento, o nmero de caambadas a serem utilizadas de uma
frente alterado em uma unidade, para mais ou para menos.
O segundo movimento semelhante ao primeiro diferenciando-se por alterar em
duas unidades o nmero de caambadas a serem utilizadas de uma frente i.
O terceiro movimento consiste em realocar uma caambada da frente i para uma
outra frente j.
Esses movimentos definem, respectivamente, trs diferentes estruturas de vizinhana, a saber: N M 1 (s), N M 2 (s) e ,N M R (s) as quais so apresentadas em detalhe
a seguir.
Movimento Uma Caambada
O movimento uma caambada define a estrutura de vizinhana denominada
N M 1 (s) e consiste em gerar um vizinho s0 para o qual o nmero de caambadas
usadas de uma dada frente alterado em uma unidade. Testa-se o acrscimo, bem
como o decrscimo de uma caambada em uma frente, retornando-se como vizinho
a alterao que produzir o melhor valor para a funo de avaliao.
Na Figura 3.2 apresentado o movimento de acrscimo de uma caambada na
frente F3 , ou seja, a frente F3 que contribuiria com oito caambadas passa a contribuir com nove caambadas para o produto final.
F1
0
F2
10
F3
8
F4
5
F1
0
F2
10
F3
9
F4
5
Figura 3.2: Movimento acrscimo de uma caambada

J a Figura 3.3 ilustra o decrscimo de uma caambada na frente F3 , ou seja,
das oito caambadas que seriam retiradas da frente F3 na soluo corrente, apenas
sete caambadas seriam retiradas dessa frente na nova soluo aps o movimento.
45
F1
0
F2
10
F3
8
F4
5
F1
0
F2
10
F3
7
F4
5
Figura 3.3: Movimento decrscimo de uma caambada

Movimento Duas Caambadas
O movimento duas caambadas define uma estrutura de vizinhana denominada N M 2 (s). Tal como no movimento anterior, um vizinho s0 gerado a partir da
soluo s por um movimento duas caambadas aquele para o qual o valor da
funo de avaliao o melhor dentre as alternativas de acrescer ou decrescer duas
caambadas em uma frente.
Na Figura 3.4 apresentado o movimento de acrscimo de duas caambadas na
frente F3 , ou seja, na nova soluo so retiradas nove caambadas desta frente, ao
invs das sete caambadas da soluo anterior.
F1
0
F2
10
F3
7
F4
5
F1
0
F2
10
F3
9
F4
5
Figura 3.4: Movimento acrscimo de duas caambadas

J a Figura 3.5 apresenta o decrscimo de duas caambadas na frente F3 , ou
seja, a frente F3 que contribuiria com sete caambadas passa a contribuir com cinco
caambadas para o produto final.
F1
0
F2
10
F3
7
F4
5
F1
0
F2
10
F3
5
F4
5
Figura 3.5: Movimento decrscimo de duas caambadas
Movimento Realocar Caambada

O movimento realocar caambada define uma estrutura de vizinhana denominada N M R (s), sendo ilustrado na Figura 3.6.
Nesta figura apresentado o movimento de realocao de uma caambada entre as frentes F2 e F4 . A frente F2 que contribuiria com dez caambadas passa a
46
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
Figura 3.6: Movimento de realocao de uma caambada

3.1.3.5
Simulated Annealing aplicado ao PMM
O mtodo Simulated Annealing, SA, desenvolvido para o PMM, o algoritmo bsico

descrito na Figura 2.3, pgina 14, utilizando a vizinhana N M 1 (s) que usa o movimento uma caambada descrito na seo 3.1.3.4, pgina 44, e a funo de avaliao
descrita na seo 3.1.3.3, pgina 41.
O nmero mximo de iteraes em uma dada temperatura, SAmax, calculado
com base no nmero de frentes e o nmero de parmetros de controle atravs da
equao (3.20).
SAmax = k |S| |M |
(3.20)
onde k um parmetro do mtodo a ser determinado empiricamente, |S| o nmero

de parmetros de controle e |M | o nmero de frentes.
A temperatura inicial do mtodo obtida por simulao atravs do procedimento
descrito na Figura 2.4, pgina 15, onde devem ser aceitos 97% dos movimentos. Este
parmetro est em conformidade com a proposio do mtodo, o qual exige que a
temperatura inicial seja elevada de forma que haja no incio do processo uma
mudana significativa na configurao do sistema.
Foi utilizado como critrio de parada uma temperatura final inferior 0,01.
3.1.3.6
VND aplicado ao PMM
O mtodo VND desenvolvido para o PMM o algoritmo bsico apresentado na

Figura 2.6, pgina 18, utilizando os trs movimentos descritos na seo 3.1.3.4,
pgina 44, e a funo de avaliao descrita na seo 3.1.3.3, pgina 41.
Para a explorao do espao de solues, foram utilizadas as seguintes estruturas
de vizinhana, nesta ordem:
47
1 ) N M 2 (s), retirar ou acrescentar duas caambadas;

2 ) N M 1 (s), retirar ou acrescentar uma nica caambada;
3 ) N M R (s), realocar uma caambada de uma frente para outra.
A ordem de explorao do espao de solues considerada foi aquela que apresentou bons resultados obtidos atravs da realizao de uma bateria preliminar de
testes.
3.1.3.7
VNS aplicado ao PMM
O mtodo VNS desenvolvido para o PMM o algoritmo bsico apresentado na

Figura 2.7, pgina 19, utilizando os trs movimentos descritos na seo 3.1.3.4,
pgina 44. Tal como na verso original do mtodo VNS, a busca local realizada
pelo mtodo VND, no caso aquele desenvolvido na seo 3.1.3.6, pgina 47. A
avaliao de uma soluo feita pela funo descrita na seo 3.1.3.3, pgina 41.
De modo a permitir a explorao do espao de solues, as estruturas de vizinhana foram hierarquizados da seguinte forma:
1 ) N M 2 (s), retirar ou acrescentar duas caambadas;
2 ) N M 1 (s), retirar ou acrescentar uma caambada;
3 ) N M R (s), realocar uma caambada de uma frente para outra.
A hierarquizao das estruturas de vizinhana para a explorao do espao de
solues considerada foi aquela que apresentou melhores resultados em uma bateria
preliminar de testes.
Foi utilizado como critrio de parada a situao em que no era mais possvel
melhorar a soluo corrente em nenhuma das trs estruturas de vizinhana.
3.1.3.8
SA+VND aplicado ao PMM
O mtodo SA+VND utiliza inicialmente o mtodo SA descrito na seo 3.1.3.5,

aplicando-se soluo final gerada uma busca local pelo mtodo VND, apresentado
na seo 3.1.3.6. O objetivo desta hibridizao alcanar solues melhores que as
geradas apenas com a aplicao do SA, uma vez que este mtodo utiliza somente
48
uma estrutura de vizinhana, sendo, portanto, mope na explorao do espao de

solues.
3.2
3.2.1
Alocao Dinmica de Caminhes

Descrio do Problema de Alocao Dinmica de Caminhes
No problema da mistura de minrios com alocao dinmica de caminhes (PADC)

o objetivo fornecer usina de beneficiamento uma alimentao que satisfaa as
especificaes exigidas pelo cliente, lavrando minrio proveniente de diversas frentes.
Cada frente de minrio contm uma determinada quantidade de minrio, com caractersticas fsicas, qumicas e econmicas diferenciadas, denominadas parmetros
de controle. Deste modo necessrio selecionar as frentes a serem lavradas e seus
ritmos de lavra, os quais devem ser determinados proporcionalmente. Este objetivo semelhante ao do PMM, entretanto outras restries e exigncias devem ser
consideradas.
Uma exigncia est relacionada ao atendimento de uma relao estril/minrio
mnima requerida pela mina, de modo a viabilizar a abertura de novas frentes e a
realizao de obras de infraestrutura.
As demais restries esto ligadas frota de equipamentos de carga e transporte
e restringem a capacidade de produo das frentes. Para a operao de lavra de
minrio e estril, a mina conta com uma frota limitada de equipamentos de carga,
os quais devem ser alocados s frentes de lavra e operarem em uma faixa de produtividade que torne vivel sua utilizao. O transporte do material retirado da frente
de lavra realizado por uma frota de caminhes com capacidade de carga diferentes.
Esses caminhes so alocados s frentes de lavra dinamicamente, tentando-se evitar
a formao de filas, ou seja, o caminho alocado a um ponto de carga ou basculamento que proporcione o menor tempo de fila possvel. Entretanto, um caminho
somente pode ser direcionado uma frente que possua um equipamento de carga
compatvel.
49

do problema.
3.2.2
Modelagem Exata do Problema de Alocao Dinmica

de Caminhes
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
: Conjunto de equipamentos de transporte;

P l : Ritmo de lavra mnimo (t/h);
P u : Ritmo de lavra mximo (t/h);
tij
: Valor do parmetro j na frente i (%);
trj : Valor recomendado para o parmetro j na mistura (%);

tlj
: Valor mnimo admissvel para o parmetro j na mistura (%);
tuj : Valor mximo admissvel para o parmetro j na mistura (%);

j : Penalidade por desvio negativo para o parmetro j na mistura;
j+ : Penalidade por desvio positivo para o parmetro j na mistura;
Qli : Ritmo de lavra mnimo para a frente i (t/h);
Qui : Ritmo de lavra mximo para a frente i (t/h);
Cuk : Produo mxima do equipamento de carga k (t/h);
50
capl : Capacidade do caminho l (t);

Til : Tempo
total de ciclo do caminho l na frente i (min).
1 se o caminho l compatvel com o equipamento de carga k;

glk :
0 caso contrrio.
e as seguintes variveis de deciso:
xi
yik
nil
: Ritmo

:
0 caso contrrio.
: Nmero de viagens que um caminho l realiza na frente i em uma hora;
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:
(tij tuj )xi 0
j S
(3.22)
(tij tlj )xi 0
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+
Observa-se que (3.22)-(3.32) so restries que juntamente com a funo objetivo

(3.21) formam o modelo de mistura de minrios com metas apresentado na seo
3.1.2. A restrio (3.33) diz respeito ao atendimento da relao estril/minrio
mnima requerida. As demais restries que complementam o modelo podem ser
divididas em dois grupos. O primeiro diz respeito alocao de equipamentos de
carga e a faixa de produtividade que torne vivel a utilizao desses equipamentos.
A restrio (3.34) define que cada frente possui um nico equipamento de carga,
enquanto que a restrio (3.35) define que cada equipamento de carga opera em
uma nica frente. A restrio (3.36) define se um equipamento de carga deve ou
no ser alocado a uma determinada frente de lavra. As restries (3.37) e (3.38)
limitam, respectivamente, o ritmo de lavra mximo e mnimo.
O segundo grupo de restries est relacionado ao transporte de material na
mina e a alocao dos caminhes. A restrio (3.39) faz com que um caminho
somente realize viagens uma frente onde esteja alocado um equipamento de carga
52
compatvel. A restrio (3.40) define que um caminho opere no mximo sessenta

minutos. A restrio (3.41) faz com que o ritmo de lavra de uma frente seja igual
produo realizada pelos caminhes alocados frente. A restrio (3.42) determina
que o nmero de viagens que um caminho faz uma frente um valor inteiro
positivo.
3.2.3
Modelagem Heurstica do Problema de Alocao Dinmica de Caminhes
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
Figura 3.7: Representao de uma soluo

Observa-se, ainda, nesta coluna Carga que na linha F2 o valor (D, 0) informa que
no existe equipamento de carga alocado frente F2 e que, portanto, esta frente
est disponvel.
As demais colunas representam o nmero de viagens a serem realizadas por
um caminho uma frente, considerando a compatibilidade entre o caminho e o
equipamento de carga alocado frente. Uma clula com o valor X indica a incompatibilidade entre o caminho e o respectivo equipamento de carga. Deste modo,
na coluna Cam2 , linha F1 , na qual se encontra o valor X, mostra-se que o caminho
Cam2 incompatvel com o equipamento de carga Car4 . Caso um caminho seja
compatvel com o equipamento de carga, o valor retornado o nmero de viagens
a serem realizadas quela frente pelo caminho. Pode-se observar, por exemplo,
que o caminho Cam1 compatvel com os equipamentos de carga Car4 e Car5 ;
entretanto, ele realiza oito viagens frente F1 e nenhuma frente FF .
3.2.3.2
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:
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) +
fjq (s) + f r (s) +
jS
flu (s) +
fic (s) + f n (s)
(3.43)
iF
lV
onde:
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
|P r P |
f (s) =
p
p
(3.44)
onde:
P

p

O valor da produo de minrio P obtida pelo somatrio de todas as viagens realizadas pelos caminhes s frentes de minrio multiplicadas pelas suas capacidades
de carga, conforme equao (3.45).
P =
XX
iM lV
56
bil capl
(3.45)
onde:
M
bil
: Nmero de viagens que um caminho l faz uma frente i;
capl : Capacidade do caminho l (t).

p
p+
se P < P r
se P P r
meta.
p
p =
p+
p+
se
se
se
se
P < Pl
Pl P < Pr
Pr P Pu
P > Pu

inferior de produo especificado, j o peso p+ utilizado caso a produo seja maior
que o limite superior. Os pesos p e p+ referem-se aos requisitos no-essenciais,
sendo aplicados, respectivamente, uma produo de minrio vivel abaixo ou acima da meta de produo.
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

jq

Cada frente de minrio i possui um valor tij para o parmetro de controle j.
Pode-se calcular o valor total do parmetro de controle j contido na mistura atravs
da mdia ponderada entre tij e a produo horria de cada frente de minrio xi ,
apresentada na equao (3.47).
X
tij xi
iM
tj = X
j S
xi
(3.47)
iM
onde:
xi =
bil capl
lV

avaliao da qualidade do minrio. Duas situaes so possveis:
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

essenciais relativos a qualidade da mistura. O peso jq utilizado se a qualidade
da mistura encontrar-se abaixo do limite inferior de produo especificado tlj , j o
peso jq+ utilizado caso a qualidade da mistura para o parmetro de controle j
58
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
: Relao estril/minrio encontrada;
rem : Relao estril/minrio requerida (meta);

r
: Peso associado avaliao da relao estril/minrio;
r : Intervalo de significncia para a relao estril/minrio.

A relao estril/minrio encontrada pela diviso da produo de estril pela
produo de minrio e obtida utilizando-se a equao (3.49), onde xi o ritmo de
lavra da frente i.
X
xi
iE
R= X
xi
(3.49)
iM
De acordo com o valor de R, so aplicados diferentes valores de r na funo de

avaliao da relao estril/minrio. No caso, duas situaes so possveis:
r
r+
se R < rem
se R rem
O intervalo r utilizado para uma relao estril/minrio inferior meta,

enquanto o intervalo r+ aplica-se a uma relao estril/minrio igual ou superior
meta.
Ainda, conforme o valor de R, associado um peso r componente de avaliao
da relao estril/minrio, conforme as seguintes situaes:
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.
Utilizao dos Caminhes

Os caminhes so avaliados segundo suas taxas de utilizao e penalizados segundo a equao (3.50).
flu (s)
lu
|U tl Ul |
ul
l V
(3.50)
onde:
Ul
: Taxa de utilizao do caminho l (%);
U tl : Taxa de utilizao requerida para o caminho l (%);

lu
: Peso associado avaliao da taxa de utilizao do caminho l;
ul : Intervalo de significncia para a taxa de utilizao do caminho l.

A utilizao de um caminho l dada pela equao (3.51), a qual retorna o
percentual do tempo em que o caminho efetivamente utilizado em relao uma
hora de operao.
X
Ul =
bil Til
iF
l V
60
(3.51)
onde:
Til : Tempo total de ciclo do caminho l na frente i (min);
bil
: Nmero de viagens que um caminho l faz uma frente i em uma hora.

De acordo com o valor de Ul so aplicados diferentes valores de ul na funo de
avaliao da utilizao do caminho l. No caso, duas situaes so possveis:
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
Caso um caminho l seja utilizado a uma taxa acima da mxima permitida,

ou seja, 100%, a funo de penalidade adota o peso lu+ . No caso de a taxa de
utilizao do caminho l ser inferior meta, aplica-se o peso lu , enquanto o peso
lu+ aplicado no caso de essa taxa ser superior ou igual requerida.
Produo dos Equipamentos de Carga
Cada equipamento de carga deve operar em uma faixa de produo que garanta
a sua viabilidade operacional. A produo do equipamento de carga avaliada
segundo o ritmo de lavra da frente qual est alocado. Esta avaliao realizada
pela equao (3.52).
fic (s)
kc
|Cuk xi |
ck
i F
(3.52)
onde:
xi
: Ritmo de lavra da frente i (t/h);
: Equipamento de carga que est operando na frente i;
Cuk
: Produo mxima do equipamento de carga k alocado frente i (t/h);
kc
: Peso associado avaliao da produo do equipamento de carga k

alocado frente i;
ck
: Intervalo de significncia para produo do equipamento de carga k

alocado frente i.
Observa-se que Cuk a capacidade mxima de produo do equipamento de
carga alocado i-sima frente e corresponde meta de produo do equipamento.

De acordo com a produo da frente i so aplicados diferentes valores de ck
na funo de avaliao da produo do equipamento de carga k. No caso, duas
61
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
=
inferior ou igual requerida, enquanto o intervalo c+

k aplica-se a uma produo do
equipamento de carga k superior meta, o que torna sua utilizao invivel.
Ainda, conforme o valor de xi , associado um peso kc componente de avaliao
da produo do equipamento de carga k, conforme as seguintes situaes:
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
n : Peso associado avaliao do nmero total de caminhes utilizados;

e,
(
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)
Figura 3.8: Movimento de realocao de equipamentos de carga
63
Movimento Operao Frente

O movimento operao frente consiste em alterar o status de uma clula ai
da matriz A. Deste modo, o movimento atuar em uma frente i que possua um
equipamento de carga alocado, retirando de operao o equipamento de carga que
esteja ativo, isto , deixando a frente i disponvel, ou retornando operao o
equipamento que se encontrar inativo.
As figuras 3.9 e 3.10 ilustram a aplicao deste tipo de movimento. Na Figura
3.9, a frente F1 que antes operava com o equipamento Car1 , passa a ficar disponvel,
ou seja, o status de Car1 passa a ser inativo. J na Figura 3.10, a frente F3 , antes
disponvel, passa a operar com o equipamento de carga Car3 , que estava alocado
frente F3 , mas no se encontrava ativo.
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)
Figura 3.9: Movimento parar operao de uma frente
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)
Figura 3.10: Movimento retomar operao de uma frente

Movimento Nmero de Viagens
No movimento nmero de viagens, uma clula bij da matriz B selecionada e
seu valor acrescido ou decrescido de uma viagem, executando-se a alternativa que
produz o melhor valor para a funo de avaliao. Portanto, esse movimento consiste
em aumentar ou diminuir em uma viagem o nmero de viagens de um caminho i
em uma frente j onde esteja operando um equipamento de carga compatvel.
A Figura 3.11 ilustra o movimento de diminuio do nmero de viagens a serem
realizadas pelo caminho Cam2 na frente F1 de 6 para 5 viagens.
Na Figura 3.12 o movimento aumenta o nmero de viagens a serem realizadas
pelo caminho Cam3 na frente F4 , alterando o nmero de viagens de 3 para 4.
64
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
Figura 3.11: Movimento de decrscimo no nmero de viagens
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
Figura 3.12: Movimento de acrscimo no nmero de viagens

Movimento Realocar Viagem de um Caminho
No movimento realocar viagem de um caminho, uma viagem anteriormente
alocada uma clula bij , realocada para uma clula bkj , ambas pertencentes
matriz B. Assim, nesse movimento, um caminho j deixa de realizar uma viagem
em uma frente i para realiz-la na frente k.
A Figura 3.13 ilustra este movimento, onde o caminho Cam2 e as frentes F1 e
F4 so selecionados, e uma viagem de F1 realocada para F4 .
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
Figura 3.13: Movimento de realocao de viagens de um caminho

Movimento Realocar Viagem de uma Frente
Neste movimento, duas clulas bij e bik da matriz B so selecionadas e uma
viagem de bij realocada para bik . Portanto, esse movimento consiste em realocar
uma viagem de um caminho j para um caminho k que esteja operando em uma
frente i.
65
Este movimento apresentado na Figura 3.14, onde a frente F4 foi selecionada

e uma viagem do caminho Cam2 transferida para o caminho Cam3 .
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
Figura 3.15: Movimento parar operao de um caminho
3.2.3.5
VND aplicado ao PADC
O mtodo VND desenvolvido para o PADC o algoritmo bsico descrito na Figura

2.6, pgina 18, utilizando os seis tipos de movimentos descritos na seo 3.2.3.4,
pgina 63, usando a funo de avaliao descrita na seo 3.2.3.3, pgina 55.
O mtodo explora o espao de solues fazendo buscas locais em cada uma das
seguintes vizinhanas, nesta ordem:
1 ) N N V (s), nmero de viagens;
66
2 ) N OC (s), operao caminho.

3 ) N V C (s), realocar viagem de um caminho;
4 ) N V F (s), realocar viagem de uma frente;
5 ) N CG (s), carga;
6 ) N OF (s), operao frente;
A ordem de explorao do espao de solues foi determinada por testes empricos
realizados em uma bateria preliminar de testes.
3.2.3.6
VNS aplicado ao PADC
O mtodo VNS desenvolvido para o PADC o algoritmo bsico apresentado na

Figura 2.7 utilizando os seis movimentos descritos na seo 3.2.3.4 e tendo o mtodo
VND (seo 66, pgina 66), como mtodo de refinamento de uma soluo. Uma
soluo s avaliada segundo a funo de avaliao descrita na seo 3.2.3.3 e as
estruturas de vizinhana para o mtodo VNS foram hierarquizados na seguinte
ordem:
1 ) N N V (s), nmero de viagens;
2 ) N OC (s), operao caminho.
3 ) N V F (s), realocar viagem de uma frente;
4 ) N V C (s), realocar viagem de um caminho;
5 ) N CG (s), carga;
6 ) N OF (s), operao frente;
solues foi obtida atravs da realizao de testes empricos, nos quais se alterou a
ordem das estruturas de vizinhana; e tomou-se aquela que apresentou os melhores
resultados.
Foi utilizado como critrio de parada, linha 4 da Figura 2.7, pgina 19, um tempo
de processamento predeterminado.
67
3.3
3.3.1

Descrio do Problema de Alocao Esttica de Caminhes
No problema da mistura de minrio com alocao esttica de caminhes (PAEC),

assim como no PADC, o objetivo fornecer usina de beneficiamento uma alimentao que satisfaa as especificaes exigidas pelo cliente, lavrando minrio proveniente
de diversas frentes. Cada frente de minrio contm uma determinada quantidade de
minrio, com caractersticas fsicas, qumicas e econmicas diferenciadas, denominadas parmetros de controle. Deste modo necessrio selecionar as frentes a serem
lavradas e seus ritmos de lavra, os quais devem ser determinados proporcionalmente.
Este objetivo tambm semelhante ao do problema da mistura, entretanto restries relacionadas relao estril/minrio e alocao dos equipamentos de carga
e transporte devem ser observadas.
O atendimento relao estril/minrio mnima requerida pela mina deve ser
satisfeita, de modo a viabilizar a abertura de novas frentes e a realizao de obras
de infraestrutura.
Para a operao de lavra de minrio e estril, a mina conta com uma frota
limitada de equipamentos de carga, os quais devem ser alocados s frentes de lavra
e operarem em uma faixa de produtividade que torne vivel sua utilizao.
Neste problema, considera-se que o transporte do material retirado das frentes
de lavra realizado por uma frota de caminhes de diferentes capacidades de carga.
Esses caminhes so alocados s frentes de lavra estaticamente, ou seja, um caminho opera em uma nica rota, realizando viagens entre um ponto de basculamento
e um de carga onde se encontra alocado um equipamento de carga compatvel. Nessas alocaes deve-se observar que o nmero de caminhes a operarem em uma dada
frente deve ser tal que previna a formao de filas.
do problema.
68
3.3.2
Modelagem Exata do Problema de Alocao Esttica

de Caminhes
O PAEC possui as restries do PMM e, tambm, as restries de atendimento

da relao estril/minrio e de alocao dos equipamentos de carga do modelo de
alocao dinmica de caminhes apresentado seo 3.3.2, pgina 69, exceo
das restries de produo mxima dos veculos em cada frente (restries (3.39)
e (3.40)), as quais so substitudas por restries ligadas alocao esttica dos
caminhes s frentes de lavra. Para este modelo sejam os seguintes dados de entrada:
M

P l : Ritmo de lavra mnimo (t/h);
P u : Ritmo de lavra mximo (t/h);
tij
: Valor do parmetro j na frente i (%);
trj : Valor recomendado para o parmetro j na mistura (%);

tlj
: Valor mnimo admissvel para o parmetro j na mistura (%);
tuj : Valor mximo admissvel para o parmetro j na mistura (%);

j : Penalidade por desvio negativo para o parmetro j na mistura;
j+ : Penalidade por desvio positivo para o parmetro j na mistura;
Qli : Ritmo de lavra mnimo para a frente i (t/h);
Qui : Ritmo de lavra mximo para a frente i (t/h);
Cuk : Produo mxima do equipamento de carga k (t/h);
capl : Capacidade do caminho l (t);
N ui : Nmero mximo de viagens que um caminho pode realizar
69
em uma frente i;
ui
: Nmero mximo de caminhes que podem operar em uma frente i;
Ti
: Tempo total de ciclo mdio para a frente i (min).
T ci : Tempo
de carga mdio na frente i (min).
1 se o caminho l compatvel o equipamento de carga k;

glk :
0 caso contrrio.
e as seguintes variveis de deciso:
xi
yik
zil
nil
: Ritmo

:
0 caso contrrio.
1 se o caminho l opera na frente i;
:
0 caso contrrio.
: Nmero de viagens que um caminho l realiza na frente i em uma hora;
d
j
d+
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:
(tij tuj )xi 0
j S
(3.55)
(tij tlj )xi 0
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)
O nmero mximo de viagens, por hora, que um caminho l pode realizar na

frente i e o nmero mximo de caminhes por frente so calculados, respectivamente,
pelas equaes 3.79 e 3.80, observando que estes valores so calculados considerando
tempos mdios de carga (T ci ) e de ciclo (Ti ).
60
Ti
i F
(3.79)
Ti
T ci
i F
(3.80)
N ui =
ui =
71
As restries (3.55)-(3.65), juntamente com a funo objetivo (3.54), formam o

problema da mistura de minrios com metas de produo e qualidade. A restrio
(3.66) define a relao estril/minrio mnima requerida. As restries (3.67)-(3.69)
definem a alocao dos equipamentos de carga e as restries (3.70) e (3.71) limitam o ritmo de lavra da frente em funo da capacidade mxima de produo do
equipamento de carga nela alocada. A restrio (3.72) caracteriza o problema de
alocao esttica de caminhes definindo que um caminho somente pode operar
em uma nica frente, onde deve estar alocado um equipamento de carga compatvel
(restrio(3.73)). A restrio (3.74) limita o nmero mximo de caminhes alocados
a uma determinada frente, de forma a prevenir a formao de filas. A restrio
(3.75) define se um caminho deve ou no ser alocado a uma frente de lavra.
A restrio (3.76) limita o nmero de viagens de um caminho em uma frente de
acordo com o nmero mximo de viagens do caminho frente. A restrio (3.77)
faz com que o ritmo de lavra de uma frente seja igual produo realizada pelos
caminhes alocados frente. A restrio (3.78) determina que o nmero de viagens
que um caminho faz uma frente um valor inteiro positivo.
Deve ser observado que este modelo proposto elimina o conjunto de restries
(2.67), pgina 35, utilizado por Pinto e Merschmann (2001). Isso reduz em |F |
|C| |V | o nmero de restries do modelo, onde |F | o nmero de frentes, |C| o
nmero de equipamentos de carga e |V | o nmero de veculos.
3.3.3
Modelagem Heurstica do Problema de Alocao Esttica de Caminhes
Para a modelagem heurstica do problema so descritos a representao de uma

soluo do problema e a forma de gerar uma soluo inicial, a estrutura de vizinhana
desenvolvida, a funo de avaliao e as tcnicas heursticas utilizadas para explorar
o espao de solues do problema.
3.3.3.1
A representao adotada para o PAEC semelhante ao do PADC e utiliza uma

matriz QF (1+V ) de valores inteiros. Essa representao permite a definio de
tipos simples e naturais de movimentos, tornando mais fcil o levantamento de
72
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 3.16 ilustra uma soluo de uma instncia do problema, onde 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.
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
Figura 3.16: Representao de uma soluo

Nesta soluo 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. Observa-se, ainda, nesta coluna
Carga que na linha F2 o valor (D, 0) informa que no existe equipamento de carga
alocado frente F2 e que, portanto, esta frente est disponvel.
As demais colunas representam o nmero de viagens a serem realizadas por um
caminho uma frente e consideram a compatibilidade entre o caminho e o equipamento de carga alocado frente. O valor X em uma clula indica incompatibilidade
entre o caminho e o respectivo equipamento de carga. Assim, o valor X encontrado
na coluna Cam2 , linha F1 , mostra a incompatibilidade entre o caminho Cam2 e o
equipamento de carga Car4 . Caso um caminho seja compatvel com o equipamento
de carga, o valor retornado o nmero de viagens a serem realizadas quela frente
73
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:
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
(e) Caminho opera em mais de uma frente;

(f) Nmero de caminhes operando em uma frente excede o nmero mximo
de caminhes que previne a formao de fila.
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 de caminhes possvel.
Deste modo, a avaliao do PAEC realizada por componentes que avaliam a
produo e a qualidade do minrio, a relao estril/minrio, alm da utilizao
e alocao dos equipamentos de carga e transporte. Mais especificamente, uma
soluo s relativa ao PAEC avaliada por uma funo de avaliao f (s) dada pela
expresso (3.81).
f (s) = f p (s) +
fjq (s) + f r (s) +
jS
flu (s) +
lV
fic (s) + f n (s) +
iF
fle (s) +
lV
fif (s)
(3.81)
iF
onde:
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
|P r P |
f (s) =
p
p
(3.82)
onde:
P

p

O valor da produo de minrio P obtida pelo somatrio de todas as viagens realizadas pelos caminhes s frentes de minrio multiplicadas pelas suas capacidades
de carga, conforme equao (3.83).
P =
XX
bil capl
(3.83)
iM lV
onde:
M
bil
: Nmero de viagens que um caminho l faz uma frente i em uma hora;
capl : Capacidade do caminho l (t).

p
p+
se P < P r
se P P r
meta.
76

p
p =
p+
p+
se
se
se
se
P < Pl
Pl P < Pr
Pr P Pu
P > Pu

inferior de produo especificado, j o peso p+ utilizado caso a produo seja
maior que o limite superior. Os pesos p e p+ referem-se aos requisitos noessenciais, sendo aplicados, respectivamente, uma produo de minrio dentro dos
limites de especificao, mas abaixo ou acima da meta de produo.
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

jq

Cada frente de minrio i possui um valor tij para o parmetro de controle j.
Pode-se calcular o valor total do parmetro de controle j contido na mistura atravs
da mdia ponderada entre tij e a produo horria de cada frente de minrio xi ,
apresentada na equao (3.85).
X
tij xi
iM
tj = X
j S
xi
iM
77
(3.85)
onde:
xi =
bil capl
lV

avaliao da qualidade do minrio. Duas situaes so possveis:
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

essenciais relativos a qualidade da mistura. O peso jq utilizado se a qualidade
da mistura encontrar-se abaixo do limite inferior de produo especificado tlj , j o
peso jq+ utilizado caso a qualidade da mistura para o parmetro de controle j
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 (3.86).
|rem R|
f (s) =
r
r
onde:
R
: Relao estril/minrio encontrada na soluo;

78
(3.86)
rem : Relao estril/minrio meta;

r
: Peso associado avaliao da relao estril/minrio;
r : Intervalo de significncia para a relao estril/minrio.

A relao estril/minrio encontrada pela diviso da produo de estril pela
produo de minrio e obtida utilizando-se equao (3.87), onde xi o ritmo de
lavra da frente i.
X
xi
iE
R= X
(3.87)
xi
iM
De acordo com o valor de R so aplicados diferentes valores de r na funo de

avaliao da relao estril/minrio. No caso, duas situaes so possveis:
r
r+
se R < rem
se R rem
O intervalo r utilizado para uma relao estril/minrio inferior meta,

enquanto o intervalo r+ aplica-se a uma relao estril/minrio igual ou superior
meta.
Ainda, conforme o valor de R, associado um peso r componente de avaliao
da relao estril/minrio, conforme as seguintes situaes:
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.
Utilizao dos Caminhes

Os caminhes so avaliados segundo suas taxas de utilizao e penalizados segundo a equao (3.88).
flu (s)
lu
|U tl Ul |
ul
onde:
79
l V
(3.88)
Ul
U tl : Taxa de utilizao requerida para o caminho l (%);

lu
: Peso associado avaliao da taxa de utilizao do caminho l;
ul : Intervalo de significncia para a taxa de utilizao do caminho l.

A utilizao de um caminho l dada pela equao (3.89), a qual retorna o
percentual do tempo em que o caminho efetivamente utilizado em relao uma
hora de operao.
X
Ul =
bil Til
iF
l V
60
(3.89)
onde:
Til : Tempo total de ciclo do caminho l na frente i (min);
bil
: Nmero de viagens que um caminho l faz uma frente i em uma hora.

De acordo com o valor de Ul so aplicados diferentes valores de ul na funo de
avaliao da utilizao do caminho l. No caso, duas situaes so possveis:
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
Caso um caminho l seja utilizado a uma taxa acima da mxima permitida, ou

seja, 100%, a funo de penalidade adota o peso lu+ . No caso de a taxa de utilizao do caminho l ser inferior meta, aplica-se o peso lu , enquanto o peso lu+
aplicado no caso de essa taxa ser superior ou igual requerida.
80
Produo dos Equipamentos de Carga

Os equipamentos de carga devem operar em uma faixa de produo que garanta
a sua viabilidade operacional. A produo do equipamento de carga avaliada
segundo o ritmo de lavra da frente qual est alocado. Esta avaliao realizada
pela equao (3.90).
fic (s)
kc
|Cuk xi |
ck
i F
(3.90)
onde:
xi
: Ritmo de lavra da frente i (t/h);
: Equipamento de carga que est operando na frente i;
Cuk
: Produo mxima do equipamento de carga k alocado frente i (t/h);
kc
: Peso associado avaliao da produo do equipamento de carga k

alocado frente i;
ck
: Intervalo de significncia para produo do equipamento de carga k

alocado frente i.
Observa-se que Cuk a capacidade mxima de produo do equipamento de
carga alocado i-sima frente e corresponde meta de produo do equipamento.

De acordo com a produo da frente i so aplicados diferentes valores de ck
na funo de avaliao da produo do equipamento de carga k. No caso, duas
situaes so possveis:
ck
c
k
c+
k
se xi Cuk
se xi > Cuk
i F
utilizado para uma produo do equipamento de carga k

O intervalo c
k
inferior ou igual requerida, enquanto o intervalo c+
k aplica-se a uma da produo
do equipamento de carga k superior meta, o que torna sua utilizao invivel.
Ainda, conforme o valor de xi , associado um peso kc componente de avaliao
da produo do equipamento de carga k, conforme as seguintes situaes:
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
n : Peso associado avaliao do nmero total de caminhes utilizados;

e,
(
dUl e =
1 se Ul > 0,
0 caso contrrio.
l V

Ao optar pela otimizao da alocao esttica de caminhes necessrio avaliar
se um caminho l opera em uma nica frente, este um requisito essencial para o
PAEC. A equao (3.92) realiza esta avaliao, penalizando o caminho que opera
em mais de uma frente.
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
: Peso associado avaliao da alocao esttica do caminho l.

82
(3.92)
e,
1 se o caminho l realiza pelo menos uma viagem

opcf
fil (s) =
frente i, isto , bil > 0,
0 caso contrrio.
Nmero de Caminhes Utilizados por Frente

No modelo de alocao esttica de caminhes necessrio avaliar o nmero de
caminhes que operam em uma frente. Essa quantidade de caminhes deve ser tal
que previna a formao de filas no carregamento, sendo um requisito essencial do
problema. A avaliao realizada pela equao (3.93), a qual penaliza o nmero
de caminhes em uma frente i que supera o nmero mximo permitido, ou seja, o
nmero de caminhes a partir do qual h a formao de filas.
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
: Nmero mximo de caminhes permitido para a frente i;
if : Peso associado avaliao do nmero de caminhes utilizados na frente i.

e,
1 se o caminho l realiza pelo menos uma viagem

opcf
fil (s) =
frente i, isto , bil > 0,
0 caso contrrio.
sendo ui dado pela diviso do tempo de ciclo Ti pelo tempo de carga T ci .

3.3.3.4
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)
Figura 3.17: Movimento de realocao de equipamentos de carga

Movimento Operao Frente
O movimento operao frente consiste em alterar o status de uma clula ai
da matriz A. Deste modo, o movimento atuar em uma frente i que possua um
equipamento de carga alocado, retirando de operao o equipamento de carga que
esteja ativo, isto , deixando a frente i disponvel, ou retornando operao o
equipamento que se encontrar inativo.
As figuras 3.18 e 3.19 ilustram a aplicao deste tipo de movimento. Na Figura
3.18 a frente F1 que antes operava com o equipamento Car1 , passa a ficar disponvel,
ou seja, o status de Car1 passa a ser inativo. J na Figura 3.19, a frente F3 , antes
disponvel, passa a operar com o equipamento de carga Car3 , que estava alocado
frente F3 , mas no se encontrava ativo.
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)
Figura 3.18: Movimento parar operao de uma frente
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)
Figura 3.19: Movimento retomar operao de uma frente

Movimento Nmero de Viagens
No movimento nmero de viagens, uma clula bij da matriz B selecionada
e seu valor acrescido ou decrescido de uma viagem, retornando-se como vizinho
aquele que apresentar o melhor valor de funo de avaliao. Portanto, esse movimento consiste em aumentar ou diminuir em uma viagem o nmero de viagens de
um caminho i em uma frente j onde esteja operando um equipamento de carga
compatvel.
A Figura 3.20 ilustra o movimento de diminuio do nmero de viagens a serem
realizadas pelo caminho Cam2 na frente F1 de 6 para 5 viagens.
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
Figura 3.20: Movimento de decrscimo no nmero de viagens

Na Figura 3.21, o movimento aumenta o nmero de viagens a serem realizadas
pelo caminho Cam3 na frente F4 , alterando o nmero de viagens de 3 para 4.
Movimento Realocar Viagem de um Caminho
No movimento realocar viagem de um caminho, uma viagem, anteriormente
alocada uma clula bij , realocada para uma clula bkj , ambas pertencentes
85
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
Figura 3.21: Movimento de acrscimo no nmero de viagens

matriz B. Assim, nesse movimento, um caminho j deixa de realizar uma viagem
em uma frente i para realiz-la na frente k, passando a realiz-la em uma outra
frente. A Figura 3.22 ilustra este movimento, onde o caminho Cam2 e as frentes
F1 e F4 so selecionados, e uma viagem de F1 realocada em F4 .
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
Figura 3.22: Movimento de realocao de viagens de um caminho
Movimento Realocar Viagem de uma Frente

Neste movimento, duas clulas bij e bik da matriz B so selecionadas e uma
viagem de bij realocada para bik . Portanto, esse movimento consiste em realocar
uma viagem de um caminho j para um caminho k que esteja operando em uma
frente i.
Este movimento ilustrado na Figura 3.23, onde a frente F4 foi selecionada e
uma viagem do caminho Cam2 transferida para o caminho Cam3 .
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
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 o retira
de atividade naquela frente.
A Figura 3.24 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
Figura 3.24: Movimento parar operao de um caminho
3.3.3.5
VND aplicado ao PAEC
O mtodo VND desenvolvido para o PAEC o algoritmo bsico descrito na Figura

2.6, pgina 18, utilizando os seis movimentos descritos na seo 3.3.3.4, pgina 83,
e a funo de avaliao descrita na seo 3.3.3.3, pgina 74.
As estruturas de vizinhana foram hierarquizados na seguinte ordem de explorao:
1 ) N N V (s) nmero de viagens;
2 ) N OC (s) operao caminho.
3 ) N V C (s) realocar viagem de um caminho;
4 ) N V F (s) realocar viagem de uma frente;
5 ) N CG (s) carga;
6 ) N OF (s) operao frente;
solues foi determinada atravs da realizao de testes empricos, nos quais se
87
alterou a ordem das estruturas de vizinhana; retornando-se aquela que apresentou

os melhores resultados.
3.3.3.6
VNS aplicado ao PAEC
O mtodo VNS desenvolvido para o PAEC o algoritmo bsico apresentado na

Figura 2.7, pgina 19, utilizando os seis movimentos descritos na seo 3.3.3.4,
pgina 83. Assim como na verso original do mtodo, a busca local realizada pelo
mtodo VND desenvolvido na seo 3.3.3.5, pgina 87. Uma soluo s avaliada
segundo a funo de avaliao descrita na seo 3.3.3.3, pgina 74.
O mtodo explora o espao de solues utilizando a seguinte ordem de explorao
de vizinhanas:
1 ) N N V (s) nmero de viagens;
2 ) N OC (s) operao caminho.
3 ) N V F (s) realocar viagem de uma frente;
4 ) N V C (s) realocar viagem de um caminho;
5 ) N CG (s) carga;
6 ) N OF (s) operao frente;
A ordem de explorao do espao de solues foi obtida atravs da realizao
de uma bateria preliminar de testes, em que se alterou a ordem das estruturas de
vizinhana, retornando-se aquela que apresentou os melhores resultados.
Foi utilizado como critrio de parada, linha 4 da Figura 2.7, pgina 19, um tempo
de processamento predeterminado.
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
Instncias Teste do PMM
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
lavra atravs da gerao de valores aleatrios, distribudos uniformemente entre o

valor mnimo e mximo de cada uma das variveis consideradas na instncia base
PMM01.
A terceira e quinta instncias, respectivamente PMM03 e PMM05, utilizam dados reais, inclusive metas de produo e qualidade e limites de especificao, de
mineradoras de ferro da regio de Ouro Preto.
A quarta instncia, PMM04, foi adaptada da terceira pelo mesmo procedimento
utilizado para a obteno de PMM02, utilizando os mesmos limites de especificao
e metas de qualidade e produo.
A sexta instncia, PMM06, foi adaptada da quinta relaxando-se alguns limites
de especificao dos parmetros de controle.
A stima instncia, PMM07, foi adaptada da quinta utilizando o procedimento
descrito para a obteno de PMM02. Foram considerados os limites de especificao
relaxados da sexta instncia.
Com o intuito de aumentar as dimenses do problema, a oitava instncia teste,
PMM08, foi gerada fazendo-se a unio dos parmetros de controle das instncias
teste anteriores. Os valores de cada parmetro de cada frente foram gerados de
forma aleatria, seguindo uma distribuio uniforme entre os valores reais mnimos
e mximos, e mantendo os mesmos limites de especificao e metas relativos s
instncias consideradas. As quantidades de minrio disponveis em cada frente foram
obtidas de modo semelhante.
A Tabela 4.1 apresenta algumas caractersticas das instncias teste analisadas.
Tabela 4.1: Caractersticas das instncias teste do PMM
Instncia |M | |S |
PMM01
10
12
PMM02
10
12
PMM03
10
10
PMM04
10
10
PMM05
10
6
PMM06
10
6
PMM07
10
6
PMM08
30
28
Nesta tabela, as colunas |M | e |S | representam, respectivamente, o nmero
de frentes de minrio e o nmero de parmetros de controle das instncias teste
90
avaliadas.
4.1.2
Instncias Teste do PADC e PAEC
Como o PADC e o PAEC visam resolver situaes semelhantes, diferenciadas apenas

pela forma de alocao dos caminhes s frentes de lavra, foram consideradas para
ambas as mesmas instncias teste, em um total de 4.
A primeira foi extrada de Pinto et al. (2003) e referenciada neste trabalho pela
sigla PADC01 para o PADC e PAEC01 para o PAEC. Como o problema original no
possuia metas de qualidade e produo, estas foram consideradas como a mdia entre
os limites mnimos e mximos de cada um dos parmetros de controle considerados.
A segunda instncia, denominada PADC02 para o PADC e PAEC02 para o
PAEC, foi adaptada da primeira instncia. Os limites de especificao de qualidade e
produo foram mantidos, alterando-se os valores dos parmetros de controle atravs
da gerao de nmeros aleatrios, distribudos uniformemente entre o valor mnimo
e mximo de cada um dos parmetros de controle considerados na primeira instncia
teste.
A terceira instncia, designada por PADC03 para o PADC e PAEC03 para o
PAEC, utiliza dados reais de uma mineradora da regio de Ouro Preto. So considerados as frentes de lavra, metas de qualidade e produo e o nmero de equipamentos de carga e suas respectivas capacidades de produo. Nessa instncia, os
dados relativos aos caminhes foram gerados de forma aleatria, utilizando uma
distribuio uniforme. No foi considerada a presena de frentes de estril. Assim,
a restrio referente relao estril/minrio foi ignorada.
A quarta instncia, PADC04 para o PADC e PAEC04 para o PAEC, foi adaptada
da terceira pelo mesmo procedimento utilizado para a obteno de segunda instncia,
mantendo-se as metas de qualidade e produo consideradas na terceira instncia.
A Tabela 4.2 apresenta algumas caractersticas das instncias teste utilizadas.
Nesta tabela, as colunas |F | e |S | representam, respectivamente, o nmero de frentes
de lavra e o nmero de parmetros de controle das instncias teste avaliadas. A
coluna |C | mostra o total de equipamentos de carga considerados em cada uma das
instncias teste. A coluna |V | apresenta o nmero de caminhes disponveis.
91
Tabela 4.2: Caractersticas das instncias teste do

Instncia
|F | |S | |C |
PADC01 e PAEC01 17 10
8
8
7
7
4.2
PADC e PAEC
|V |
30
30
30
30
Resultados dos Modelos Exatos
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
Resultados do Modelo Exato para o PMM
O modelo de programao matemtica relativo ao PMM, descrito pelas equaes

(3.1)-(3.14), pgina 39, e implementado conforme o Anexo I, utiliza os seguintes
pesos associados s componentes da funo objetivo (3.1):
j+ = j = 100
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
Tabela 4.3: Resultados do modelo exato para o PMM

Nmero de Nmero de
Funo Tempo
Instncia
Inteiras
Restries Objetivo
(s)
PMM01
10
52
453,00
<1
PMM02
10
52
117.665,33
<1
PMM03
10
46
60.818,31
<1
PMM04
10
46
158.584,43
<1
PMM05
10
34
invivel
...
PMM06
10
34
12.860,34
<1
PMM07
10
34
16.146,83
<1
PMM08
30
120
260.735,60
<1
4.2.2
Resultados do Modelo Exato para o PADC
O modelo de programao matemtica relativo ao PADC, descrito pelas equaes

(3.21)-(3.42), pgina 51, e implementado conforme o Anexo II, utiliza os seguintes
j+ = j = 100
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
Tabela 4.4: Resultados do modelo exato para

Nmero de Nmero de
Instncia
Inteiras
Restries
foB
PADC01
646
653
210,5
PADC02
646
653
1.426,1
PADC03
1.184
1.162
1,71010
PADC04
1.184
1.162
1.686,1
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
e que as melhores solues encontradas para essas instncias ficaram relativamente

distantes do Bound, o qual corresponde ao valor timo do problema considerando
todas as variveis do modelo como contnuas. Isto significa que no houve tempo
hbil para que o procedimento Branch-and-Bound pudesse explorar totalmente o
espao de busca.
Observa-se que na instncia PADC04 o melhor valor encontrado em uma hora de
processamento foi pior que em quinze minutos de processamento. Isto se deve ao fato
de o otimizador utilizar uma heurstica para percorrer a rvore de branch-and-bound,
o que conduz a busca a ramificaes diferentes a cada execuo do mtodo.
4.2.3
Resultados do Modelo Exato para o PAEC
O modelo de programao matemtica relativo ao PAEC, descrito pelas equaes

(3.54)-(3.78), pgina 70, e implementado conforme o Anexo III, utiliza os seguintes
j+ = j = 100
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
Tabela 4.5: Resultados do modelo exato para o PAEC

Nmero de Nmero de
Instncia
Inteiras
Restries
foB
foquinze
PAEC01
1.156
1.180
210,5
212,0
PAEC02
1.156
1.180
1.417,6
2.751,8
PAEC03
2.144
2.154
5,81011 1.556,0
PAEC04
2.144
2.154
1.725,9
5.364,7
fohora
212,0
2.751,8
1.238,9
5.139,4
De forma semelhante ao PADC, o PAEC classificado como NP-difcil, sendo

o uso de tcnicas de programao matemtica restritos a problemas de baixas dimenses. Pode-se observar pelos resultados apresentados na Tabela 4.5 que no foi
possvel obter a soluo tima do problema em nenhuma das instncias teste em um
tempo mximo de processamento de uma hora. Alm disso, as melhores solues
encontradas ficaram relativamente distantes do Bound, o qual corresponde ao valor
timo do problema considerando contnuas as variveis do modelo. Isto significa
que no houve tempo hbil para que o procedimento Branch and Bound pudesse
explorar totalmente o espao de busca.
4.3
Resultados dos Modelos Heursticos
Os algoritmos heursticos propostos no captulo 3, sees 3.1.3, 3.2.3 e 3.3.3, foram

implementados na linguagem C, utilizando o ambiente C++ Builder, verso 5.0, da
Borland.
Os testes foram realizados em microcomputador AMD-Durom, 1.0 GHz, de
256 MB de RAM, com sistema operacional Windows XP.
Cada algoritmo foi aplicado um determinado nmero de vezes a um conjunto
de instncias teste, utilizando sementes de nmeros aleatrios distintas para cada
execuo.
Os pesos associados a cada componente da funo de avaliao dos modelos
heursticos foram determinados de acordo com as caractersticas de cada instncia
teste.
Como a avaliao dos modelos heursticos apresenta diferenas em relao aos
modelos de programao matemtica, em funo da quantidade de requisitos considerados em cada metodologia, foi adotada a expresso (4.1), comum aos dois mo-
95
delos, para avaliar e comparar os resultados.
foH = IN V
X
jS
j d
j +
!

+ +
j+ d+
j + P + P
(4.1)
jS
onde:
foH
: Funo de avaliao da soluo s;
d
j
d+
j
: 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);
IN V : Representa a viabilidade da soluo.

sendo:
j+ = j = 100
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
metas de taxa de utilizao dos caminhes;

metas de produtividade dos equipamentos de carga;
metas de relao estril/minrio;
nmero total de caminhes utilizados.
Uma soluo s avaliada conforme as sees 3.2.3.3 e 3.3.3.3.
4.3.1
Resultados dos Modelos Heursticos do PMM
Os algoritmos propostos na seo 3.1.3, a saber, SA (seo 3.1.3.5), VND (seo

3.1.3.6), VNS (seo 3.1.3.7), SA+VND (seo 3.1.3.8), foram implementados e uma
bateria de testes foi realizada de forma a calibrar os diversos parmetros existentes.
Aps determinado tais parmetros foram realizadas dez execues de cada um dos
quatro algoritmos propostos nas oito instncias teste consideradas.
No mtodo Simulated Annealing, o parmetro k relativo frmula (3.20), apresentada na pgina 47, foi fixado em 1 para todas as instncias.
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
relao melhor soluo encontrada (fo ou foH ), da mdia da funo de avaliao

da heurstica nessas 10 execues (calculado conforme a frmula (4.2)). A coluna Tempo mostra o tempo mdio de execuo em segundos. No caso de o modelo
de programao matemtica apresentar solues infactveis, o desvio Dp calculado em relao foH , uma vez que o otimizador no apresenta o valor de solues
inviveis.
10
Dp =
1 X
foi min{fo , foH }
10 i=1
min{fo , foH }
(4.2)
onde foi o valor da funo de avaliao da soluo gerada na isima execuo.

A baixa complexidade do PMM fez com que os resultados obtidos pelos mtodos
heursticos e exatos fossem bem prximos. De modo geral o algoritmo VNS foi o mais
eficiente dentre os mtodos implementados, conseguindo atingir o valor da funo
objetivo do mtodo exato em grande parte dos experimentos. O algoritmo VNS
mostrou-se, ainda, robusto por apresentar um baixo desvio percentual em relao
melhor soluo encontrada e um tempo computacional mdio irrisrio.
Os mtodos baseados no algoritmo Simulated Annealing (SA e SA+VND) apresentaram os piores resultados para o PMM. Este fato pode ser explicado pela estratgia de utilizar somente a estrutura de vizinhana N M 1 (s), a qual mostrou-se
ineficiente para escapar de mnimos locais uma vez atingida a meta de produo.
A Tabela 4.7 mostra, para cada parmetro de controle analisado, coluna Parmetro, as metas de qualidade, coluna tr, e os limites de especificao mnimo e
mximo, respectivamente colunas tl e tu, bem como as caractersticas da melhor
soluo encontrada pelo modelo de programao matemtica, coluna PMat, e pelo
algoritmo heurstico de melhor desempenho, coluna VNS , considerando a instncia
PMM03.
Observa-se, nesta tabela, que o mtodo heurstico VNS alcana a soluo tima
do problema.
O Anexo IV, pgina 120, apresenta um relatrio detalhado informando os valores
da funo de avaliao, desvios de produo e qualidade, nmero de caambadas a
serem utilizadas de cada frente e a massa correspondente, alm dos valores esperados
para os parmetros de controle no produto final desta instncia teste.
99
Tabela 4.7: Caractersticas

Parmetro
tl
Fe
64,5000
SiO2
4,8000
P
0,0000
Al2 O3
0,0000
Mn
0,0000
H2 O
0,0000
+6.3
0,0000
+1.0
53,0000
-0.15
0,0000
-0.106
0,0000
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
geradas relativas instncia PMM03

tu
PMat
VNS
- 100,0000 65,6430 65,6430
- 5,0000
4,9023 4,9023
- 0,0300
0,0206 0,0206
- 1,1000
0,7709 0,7709
- 0,3000
0,1413 0,1413
- 10,0000 6,7475 6,7475
- 10,0000 8,5270 8,5270
- 100,0000 58,9375 58,9375
- 100,0000 25,3945 25,3945
- 25,0000 21,3695 21,3695
Resultados dos Modelos Heursticos do PADC
Os algoritmos propostos na seo 3.2.3, mais precisamente os algoritmos VND (seo

3.2.3.5) e VNS (seo 3.2.3.6), foram testados considerando para cada um dez execues em quatro instncias teste.
A Tabela 4.8 mostra os resultados obtidos pela aplicao do procedimento I
aos mtodos desenvolvidos, coluna Mtodo, a cada instncia teste do PADC apresentada na seo 4.1.2, coluna Instncia.
Tabela 4.8: Resultados do PADC pelo procedimento I
Dp
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
(fo ou foH ), da mdia da funo de avaliao da heurstica nessas 10 execues

(calculada conforme a frmula (4.2)).
O algoritmo VNS mostrou-se eficiente nos testes realizados, encontrando solues
finais de qualidade melhor que as encontradas pelo mtodo de programao matemtica em todas as instncias. Alm disso, o desvio encontrado baixo, indicando que
o mtodo robusto. O VND, apesar de ter superado o mtodo exato nas instncias PADC01 e PADC02, de modo geral, no apresentou solues de boa qualidade,
manifestado pelo elevado desvio em relao melhor soluo obtida. Este comportamento pode ser explicado pela capacidade limitado de o VND escapar de timos
locais.
A Tabela 4.9 mostra os resultados obtidos pela aplicao do procedimento II
aos mtodos desenvolvidos, coluna Mtodo, a cada instncia teste do PADC. Nesta tabela faH representa o melhor valor da funo de avaliao encontrado pela
aplicao do mtodo heurstico em 10 execues de cada instncia, considerando a
metodologia exposta na seo 3.2.3.3, pgina 55. No caso do mtodo VNS, o critrio
de parada utilizado foi de quinze minutos de processamento. A coluna Dp indica o
desvio percentual, em relao faH , 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.
Tabela 4.9: Comparao entre os mtodos heursticos para o PADC pelo procedimento II
Dp
Tempo
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
refinamento que no possui estratgias que possibilitem escapar de timos locais.

Isto comprovado em boa parte dos testes realizados, onde o algoritmo VND no
obteve xito em gerar sequer solues viveis, fazendo com que o desvio em relao
melhor soluo fosse alto. O tempo mdio de processamento do algoritmo VNS,
necessrio para encontrar a melhor soluo, maior pois utiliza o algoritmo VND
como mtodo de busca local a cada soluo gerada.
A Figura 4.1 mostra o comportamento tpico do algoritmo VNS aplicado instncia teste PADC03 durante quinze minutos de execuo. Nesta figura, a linha
contnua representa a funo de avaliao da melhor soluo encontrada ao longo
da busca e a linha tracejada representa o comportamento da funo de avaliao da
soluo corrente durante a explorao do espao de solues.
Funcao de Avaliacao
106
105
104
103
100
200
300
400
500
600
700
800
900
Tempo de Processamento(s)
Figura 4.1: Comportamento tpico do algoritmo VNS para o PADC

A Tabela 4.10 mostra, para cada parmetro de controle analisado, coluna Parmetro, as metas de qualidade, coluna tr, e os limites de especificao mnimos
e mximos, respectivamente colunas tl e tu, bem como as caractersticas da melhor soluo encontrada pelo modelo de programao matemtica, coluna PMat,
e a melhor soluo obtida pelos modelo heurstico de melhor desempenho, coluna VNS , considerando a instncia PADC01. Nesta tabela, a soluo de programao matemtica foi obtida pela aplicao do procedimento I, enquanto a do
VNS foi obtida usando o procedimento II.
Os resultados da Tabela 4.10 mostram que a soluo heurstica atende as exigncias especificadas com relao qualidade do produto final, mesmo tendo em vista
102
Tabela 4.10: Caractersticas das solues

Parmetro
tl
tr
VAR01
2,4000 - 3,3000
VAR02
3,4700 - 4,2400
VAR03
0,5000 - 1,6300
VAR04
2,7000 - 3,9200
VAR05
0,9300 - 1,0700
VAR06
2,8000 - 3,0300
VAR07
0,8600 - 1,1300
VAR08
1,1000 - 1,2400
VAR09
1,0000 - 1,7700
VAR10
1,2100 - 1,7100
geradas relativas instncia PADC01

tu
PMat VNS
- 4,2000 3,2959 3,2966
- 5,0000 4,2315 4,2321
- 2,7500 1,6302 1,6293
- 5,1300 3,9206 3,9197
- 1,2000 1,0644 1,0645
- 3,2500 3,0260 3,0259
- 1,4000 1,1288 1,1290
- 1,3700 1,2356 1,2355
- 2,5300 1,7685 1,7679
- 2,2000 1,7027 1,7031
o nmero maior de requisitos de avaliao considerados no procedimento heurstico.

O Anexo V, pgina 122, apresenta um relatrio detalhado informando os valores
da produo de minrio e estril e a relao estril/minrio, os valores de cada
componente da funo de avaliao, a alocao e produo dos equipamentos de
carga. Este relatrio apresenta ainda um resumo sobre a situao dos parmetros
de controle e a utilizao dos caminhes.
4.3.3
Resultados dos Modelos Heursticos do PAEC
Para o PAEC foram implementados os algoritmos VND (seo 3.3.3.5) e VNS

(seo 3.3.3.6). Cada algoritmo foi testado a partir de dez execues, cada qual
partindo de uma semente diferente de nmeros aleatrios.
A Tabela 4.11 mostra os resultados obtidos pela aplicao do Procedimento I
aos mtodos heursticos, coluna Mtodo, desenvolvidos na seo 3.3.3 a cada instncia teste do PAEC apresentada na seo 4.1.2, coluna Instncias. 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), pgina 96). 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
(fo ou foH ), da mdia da funo de avaliao da heurstica nessas 10 execues
(calculado conforme a frmula (4.2), pgina 99).
103
Tabela 4.11: Resultados do PAEC, utilizando o procedimento I

Dp
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
geradas relativas instncia PAE03

Pmat
VNS
47,9271 47,5707
0,4946 0,4988
0,2710 0,2734
0,0374 0,0435
0,0430 0,0461
1,8663 2,1580
2,1017 2,3468
16,3695 16,7532
80,9351 80,8737
43,0488 42,4634
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)
Figura 4.2: Comportamento tpico do algoritmo VNS para o PAEC

No Anexo VI, pgina 125, apresenta-se um relatrio semelhante ao do PADC,
diferenciando-se por apresentar os valores de cada componente da funo de avaliao relativos alocao esttica dos caminhes. Neste anexo consta um quadro
informando a frente qual cada caminho est alocado, bem como o nmero de
viagens ela realizada.
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
de solues e movimentos especficos para explorar o espao de solues de cada um

desses problemas.
No caso do PMM, foram desenvolvidos trs tipos de movimentos: a) acrescer ou
decrescer em uma caambada a quantidade de minrio a ser usada de uma frente;
b)acrescer ou decrescer em duas caambadas a quantidade de minrio a ser usada
de uma frente e c) Realocar uma caambada de minrio a ser usada de uma frente
para outra frente. Os algoritmos implementados foram Simulated Annealing, VND,
VNS e um mtodo hbrido Simulated Annealing-VND.
No caso do PADC e do PAEC, 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. Dada a natureza
diversificada dos tipos de movimentos desenvolvidos, os mtodos mais naturais para
serem usados so aqueles baseados em explorao de vizinhana varivel. Desta
forma, foram aplicados a esses dois problemas os mtodos VND e VNS.
Para testar os modelos desenvolvidos foram utilizadas instncias existentes na
literatura e criadas instncias baseadas em situaes reais da indstria mineral.
Para cada instncia foram comparados os resultados obtidos pelos modelos de programao matemtica e os modelos heursticos, tanto em relao qualidade da
soluo final quanto ao tempo de execuo dos algoritmos. Os resultados computacionais obtidos mostraram que os algoritmos heursticos desenvolvidos so capazes
de encontrar solues finais de qualidade rapidamente. Dentre os mtodos desenvolvidos, o VNS se mostrou o mais eficiente para tratar todos os problemas analisados, tendo conseguido superar as solues produzidas pelo mtodo de programao
matemtica.
Como contribuio deste trabalho, mostrou-se que possvel desenvolver metodologias que atendam a necessidade de otimizao do planejamento operacional de
lavra na indstria mineral brasileira, substituindo os tradicionais mtodos de tentativa e erro. Dentre estas metodologias destaca-se a aplicao dos mtodos heursticos
de otimizao pela eficincia e flexibilidade, incorporando restries particulares de
108
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
Loesch, C. e Hein, N. (1999). Pesquisa Operacional: Fundamentos e Modelos.

Editora FURB, Blumenau.
Merschmann, L. H. C. (2002). Desenvolvimento de um sistema de otimizao e
simulao para anlise de cenrios de produo em minas a cu aberto. Dissertao de mestrado, Programa de Engenharia de Produo/COPPE/UFRJ, Rio
de Janeiro.
Mladenovi, N. e Hansen, P. (1997). Variable Neighborhood Search. Computers and
Operations Research, v. 24, p. 10971100.
Mutmansky, J. M. (1979). Computing and operations research techniques for production scheduling. Computer methods for the 80s in the mineral industry, p.
615625, New York.
Papadimitriou, C. H. e Steiglitz, K. (1998). Combinatorial Optimization: Algorithms
and Complexity. Dover Publications, Inc., New York.
Pinto, L. R.; Biajoli, F. L. e Mine, O. M. (2003). Uso de otimizador em planilhas
eletrnicas para auxlio ao planejamento de lavra. Relatrio tcnico, Programa
de Ps-graduao em Engenharia Mineral, Universidade Federal de Ouro Preto,
Ouro Preto, Minas Gerais.
Pinto, L. R. e Merschmann, L. H. C. (2001). Planejamento operacional da lavra
de mina usando modelos matemticos. Revista Escola de Minas, v. 54, n. 3, p.
211214.
Romero, C. (2004). A general structure of achievement function for a goal programming model. European Journal of Operational Research, v. 153, p. 675686.
Souza, M. J. F. (2000). Programao de horrios em escolas: uma aproximao
por metaheursticas. Tese de doutorado, Programa de Engenharia de Sistemas e
Computao, COPPE/UFRJ, Rio de Janeiro.
Torreo, J.R.A. (2004). Inteligncia Computacional. Notas de aula, Universidade
Federal Fluminense, Niteri.
White, J. W.; Arnold, M. J. e Clevenger, J. G. (1982). Automated open-pit truck
dispatching at Tyrone. Engineering and Mining Journal, v. 183, n. 6, p. 7684.
White, J. W. e Olson, J. P. (1986). Computer-based dispatching in mines with
concurrent operating objetives. Mining Engineering, v. 38, n. 11, p. 10451054.
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
desvio_producao = wpn*dPn + wpp*dPp;

@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)|mine(i)#eq#1:x(i)) + dPn - dPp - Pr = 0;
@for(frentes(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
);
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;

desvio_producao = wpn*Pn + wpp*Pp;
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):
);
@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
Producao das Frentes

ID
[MaxC] Cacambadas Producao
----------------------------------0
[ 21]
21
630.00
1
[ 21]
0
0.00
2
[ 18]
13
390.00
3
[ 12]
12
360.00
4
[ 42]
42
1260.00
5
[ 45]
45
1350.00
6
[ 30]
30
900.00
7
[ 37]
0
0.00
8
[ 33]
17
510.00
9
[ 20]
20
600.00
----------------------------------Total
200
6000.00
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
Relatorio para a alocacao DINAMICA de caminhoes

TESTE:
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]
Componentes da Funcao de Avaliacao

Favaliacao
7469
-------------------------fa_producao
0
fa_teor
1252
fa_rem
4
fa_produtcam
3230
fa_prodcarga
2960
fa_totalcam
23
--------------------------
122
Equipamentos de Carga
ID Frente [Prod Min - Prod Max]

RitmoLavra
Pontuacao
STATUS
-----------------------------------------------------------------7
1
[
400.0 - 1100.0]
1040.0
860
ok!
6
2
[
400.0 - 1100.0]
1040.0
860
ok!
5
5
[
350.0 - 1000.0]
960.0
620
ok!
3
7
[
300.0 900.0]
900.0
0
ok!
4
8
[
350.0 - 1000.0]
960.0
620
ok!
2
11
[
300.0 900.0]
900.0
0
ok!
0
14
[
300.0 900.0]
900.0
0
ok!
1
16
[
300.0 900.0]
900.0
0
ok!
------------------------------------------------------------------

-----------------------------------------------------------------0 [ 2.400 - 3.300 - 4.200]
3.2966
-0.0034
39
ok!
1 [ 3.470 - 4.240 - 5.000]
4.2321
-0.0079
103
ok!
2 [ 0.500 - 1.630 - 2.750]
1.6293
-0.0007
7
ok!
3 [ 2.700 - 3.920 - 5.130]
3.9197
-0.0003
3
ok!
4 [ 0.930 - 1.070 - 1.200]
1.0645
-0.0055
395
ok!
5 [ 2.800 - 3.030 - 3.250]
3.0259
-0.0041
180
ok!
6 [ 0.860 - 1.130 - 1.400]
1.1290
-0.0010
39
ok!
7 [ 1.100 - 1.240 - 1.370]
1.2355
-0.0045
321
ok!
8 [ 1.000 - 1.770 - 2.530]
1.7679
-0.0021
27
ok!
9 [ 1.210 - 1.710 - 2.200]
1.7031
-0.0069
138
ok!
------------------------------------------------------------------
123
Nmero de viagens realizadas s frentes pelos caminhes
Caminhao | 1 2 5 7 8 11 14 16 | Util. Pontuacao STATUS

------------------------------------------------------------0
| . . . 3 . . 1 1 |
78.3
79
ok!
2
| . . . 2 . 2 1 . |
77.2
93
ok!
3
| . . . 1 . . 2 2 |
78.3
79
ok!
4
| . . . 1 . 4 . . |
77.7
87
ok!
5
| . . . 1 . 3 . 1 |
78.7
75
ok!
6
| . . . 3 . . 1 1 |
78.3
79
ok!
7
| . . . 1 . . 3 1 |
76.7
99
ok!
8
| . . . . . 3 3 . |
91.0
401
ok!
9
| . . . . . . 2 3 |
79.2
69
ok!
10
| . . . 2 . . . 3 |
80.8
50
ok!
11
| . . . . . 1 . 4 |
81.5
42
ok!
12
| . . . 3 . 2 . . |
78.0
83
ok!
13
| . . . . . 2 1 2 |
78.8
73
ok!
14
| . . . 1 . 1 4 . |
90.5
367
ok!
15
| 4 1 . . . . . . |
75.3
114
ok!
16
| 1 . 2 . 3 . . . |
88.0
200
ok!
17
| 3 . . . 2 . . . |
74.3
126
ok!
24
| . 5 . . . . . . |
76.7
99
ok!
25
| . . 2 . 4 . . . |
87.7
178
ok!
26
| 1 4 . . . . . . |
76.3
102
ok!
27
| 1 2 3 . . . . . |
89.2
278
ok!
28
| 1 1 4 . . . . . |
88.3
223
ok!
29
| 2 . 1 . 3 . . . |
88.5
234
ok!
------------------------------------------------------------Total de caminhoes:
23
124
Anexo VI
Relatrio Gerado para o PAEC
Relatorio para a alocacao ESTATICA de caminhes

TESTE:
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]
Componentes da Funcao de Avaliacao
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
ID Frente [Prod Min - Prod Max]

RitmoLavra
Pontuacao
STATUS
-----------------------------------------------------------------3
2
[
300.0 500.0]
500.0
0
ok!
0
3
[
300.0 500.0]
500.0
0
ok!
1
5
[
300.0 400.0]
400.0
0
ok!
2
7
[
300.0 400.0]
400.0
0
ok!
5
15
[
350.0 900.0]
900.0
0
ok!
6
17
[
400.0 600.0]
600.0
0
ok!
4
28
[
350.0 800.0]
800.0
0
ok!
------------------------------------------------------------------

-----------------------------------------------------------------0 [ 0.000 - 47.910 -100.000] 47.5707
-0.3393
71
ok!
1 [ 0.000 - 0.470 -100.000]
0.4988
0.0288
3
ok!
2 [ 0.000 - 0.260 -100.000]
0.2734
0.0134
2
ok!
3 [ 0.000 - 0.035 -100.000]
0.0435
0.0085
1
ok!
4 [ 0.000 - 0.042 -100.000]
0.0461
0.0041
1
ok!
5 [ 0.000 - 1.880 -100.000]
2.1580
0.2780
29
ok!
6 [ 0.000 - 2.150 -100.000]
2.3468
0.1968
21
ok!
7 [ 0.000 - 16.500 -100.000] 16.7532
0.2532
31
ok!
8 [ 0.000 - 80.940 -100.000] 80.8737
-0.0663
9
ok!
9 [ 0.000 - 43.000 -100.000] 42.4634
-0.5366
125
ok!
------------------------------------------------------------------
126
Nmero de viagens realizadas s frentes pelos caminhes
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.
Trabalhos submetidos a peridicos internacionais

Ttulo: Variable Neighborhood Search applied to operational mining planning.
Co-autores: Marcone Jamilson Freitas Souza e Luiz Ricardo Pinto.
Peridico: International Journal of Surface Mining, Reclamation and Environment.
Data de Submisso: 14 de maro de 2005.
Trabalhos submetidos a peridicos nacionais

Ttulo: Um modelo de programao matemtica para alocao esttica de caminhes
visando ao atendimento de metas de produo e qualidade.
Peridico: Revista Escola de Minas.
Data de Submisso: 30 de junho de 2004.
Trabalhos apresentados em eventos nacionais

Ttulo: Um modelo de alocao dinmica de caminhes visando ao atendimento
de metas de produo e qualidade.
Evento: III Congresso Brasileiro de Mina a Cu aberto e III Congresso Brasileiro
de Mina Subterrnea.
Local: Belo Horizonte - MG.
Perodo: 9 e 10 de setembro de 2004.
128

Dissertacao Felippe PPGEM

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Dissertacao Felippe PPGEM

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DE OURO PRETO

APLICAES DE TCNICAS DE OTIMIZAO A

Autor: Felippe Pereira da Costa

Orientador: Marcone Jamilson Freitas Souza

Dissertao apresentada ao Programa de

Ouro Preto, Fevereiro de 2005

APLICAES DE TCNICAS DE OTIMIZAO A

Esta dissertao foi apresentada em sesso pblica e aprovada em 25 de fevereiro

Prof. Dr. Marcone Jamilson Freitas Souza (Orientador/UFOP)

Prof. Dr. Ivo Eyer Cabral (UFOP)

Prof. Dr. Luiz Ricardo Pinto (UFMG)

Programao Inteira e Mista . . . . . . . . . . . . . . . . . . .

Programao por Metas . . . . . . . . . . . . . . . . . . . . .

Tcnicas Heursticas de Otimizao . . . . . . . . . . . . . . . . . . .

Mtodos de Busca Local . . . . . . . . . . . . . . . . . . . . .

Mtodo de Descida em Vizinhana Varivel . . . . . . . . . . 17

Mtodo de Pesquisa em Vizinhana Varivel . . . . . . . . . . 18

Pesquisa Operacional Aplicada Minerao . . . . . . . . . . . . . . 22

Alocao Dinmica de Caminhes . . . . . . . . . . . . . . . . 28

Alocao Esttica de Caminhes . . . . . . . . . . . . . . . . 34

Mistura de Minrios por Metas . . . . . . . . . . . . . . . . . . . . . 37

Alocao Dinmica de Caminhes . . . . . . . . . . . . . . . . . . . . 49

Alocao Esttica de Caminhes . . . . . . . . . . . . . . . . . . . . . 68

Instncias Teste do PMM . . . . . . . . . . . . . . . . . . . . 89

Instncias Teste do PADC e PAEC . . . . . . . . . . . . . . . 91

Resultados dos Modelos Exatos . . . . . . . . . . . . . . . . . . . . . 92

Resultados do Modelo Exato para o PMM . . . . . . . . . . . 92

Resultados do Modelo Exato para o PADC . . . . . . . . . . . 93

Resultados do Modelo Exato para o PAEC . . . . . . . . . . . 94

Resultados dos Modelos Heursticos . . . . . . . . . . . . . . . . . . . 95

Resultados dos Modelos Heursticos do PMM . . . . . . . . . 97

Resultados dos Modelos Heursticos do PADC . . . . . . . . . 100

Resultados dos Modelos Heursticos do PAEC . . . . . . . . . 103

Modelo LINGO para o PMM

Modelo LINGO para o PADC

Modelo LINGO para o PAEC

Relatrio Gerado para o PMM

Relatrio Gerado para o PADC

Relatrio Gerado para o PAEC

Caractersticas das instncias teste do PMM . . . . . . . . . . . . . . 90

Caractersticas das instncias teste do PADC e PAEC

Resultados do modelo exato para o PMM . . . . . . . . . . . . . . . . 93

Resultados do modelo exato para o PADC . . . . . . . . . . . . . . . 94

Resultados do modelo exato para o PAEC . . . . . . . . . . . . . . . 95

Resultados do PMM pelo procedimento I

Caractersticas das solues geradas relativas instncia PMM03 . . 100

Resultados do PADC pelo procedimento I . . . . . . . . . . . . . . 100

Comparao entre os mtodos heursticos para o PADC pelo proce-

Fase de construo de um algoritmo GRASP . . . . . . . . . . . . . . 12

Algoritmo Simulated Annealing . . . . . . . . . . . . . . . . . . . . . 14

Determinao autoadaptativa da temperatura inicial . . . . . . . . . 15

Algoritmo de Busca Tabu . . . . . . . . . . . . . . . . . . . . . . . . 17

Comportamento da funo penalidade

Representao de uma soluo . . . . . . . . . . . . . . . . . . . . . . 40

Movimento acrscimo de uma caambada . . . . . . . . . . . . . . . . 45

Movimento decrscimo de uma caambada . . . . . . . . . . . . . . . 46

Movimento acrscimo de duas caambadas . . . . . . . . . . . . . . . 46

Movimento decrscimo de duas caambadas . . . . . . . . . . . . . . 46

Movimento de realocao de uma caambada . . . . . . . . . . . . . . 47

Representao de uma soluo . . . . . . . . . . . . . . . . . . . . . . 54

Movimento de realocao de equipamentos de carga . . . . . . . . . . 63

Movimento parar operao de uma frente . . . . . . . . . . . . . . . . 64

3.10 Movimento retomar operao de uma frente . . . . . . . . . . . . . . 64