Dissertacao JoaoManguino Unprotected

JOO LUIZ VEIGA MANGUINO
PROBLEMA DE ROTEAMENTO DE VECULOS COM FROTA MISTA,

JANELAS DE TEMPO E CUSTOS ESCALONADOS.
So Paulo
2013

Dissertao
apresentada
Escola
Politcnica da Universidade de So Paulo
para obteno do ttulo de Mestre em
Engenharia
So Paulo
2013

Dissertao
apresentada
Escola
Politcnica da Universidade de So Paulo
para obteno do ttulo de Mestre em
Engenharia
rea de Concentrao:
Engenharia de Produo
Orientadora: Dbora Pretti Ronconi
So Paulo
2013
FICHA CATALOGRFICA
Manguino, Joo Luiz Veiga

Problema de roteamento de veculos com frota mista, janelas
de tempo e custos escalonados / J.L.V. Manguino. -- So Paulo,
2013.
87 p.
Dissertao (Mestrado) - Escola Politcnica da Universidade
de So Paulo. Departamento de Engenharia de Produo.
1. Logstica 2. Roteirizao 3. Veculos I, Universidade de So
Paulo. Escola Politcnica. Departamento de Engenharia de Produo II. t.
AGRADECIMENTOS
professora Dbora Pretti Ronconi, pela orientao, apoio e amizade em
todo o perodo do mestrado e na realizao deste trabalho.
Aos meus colegas da ps-graduao, especialmente ao Everton, Srgio,
Guilherme e Sakuraba.
Ernst & Young, empresa onde trabalho, que me apoiou em fazer o
mestrado, sendo compreensiva ao me alocar somente em projetos nos quais a
agenda pudesse ser conciliada com a do mestrado. Em especial agradeo a Denise
Grun e sua equipe de alocao, gerentes de projetos, diretores, scios e colegas
que foram simpticos aos meus esforos no presente trabalho.
Finalmente, aos meus pais e avs, irms, amigos e namorada por terem sido
compreensivos com ausncias e momentos de estresse, e por oferecerem apoio e
carinho, to importante nesses momentos.
RESUMO
O tema de roteamento de veculos de grande importncia na literatura e tem sido
amplamente estudada pela sua importncia para muitas indstrias. Com a evoluo
na literatura, mais caractersticas foram adicionadas para torn-lo mais prximo de
situaes reais. Alinhado com esta tendncia, este trabalho aborda o problema de
roteamento de veculos quando h a terceirizao da frota que realiza as entregas.
Uma forma de cobrana do frete por meio de custos escalonados, que so
calculados de acordo com o tipo de veculo e a distncia percorrida, com valores
fixos para cada faixa de distncia. Embora seja uma forma comum de trabalho na
indstria, nenhum trabalho focado nesta caracterstica foi encontrado na literatura.
Este problema o problema de roteamento de veculos com frota mista, janelas de
tempo e custos escalonados (FSMVRPTWSC). Ao abordar este problema, este
trabalho apresenta um modelo de programao linear inteira mista que avaliado
em um cenrio real da indstria. Alm disso, trs heursticas de insero sequencial
so propostas para lidar com problemas maiores. Estes mtodos so examinados
por meio de testes computacionais em 168 problemas de referncia gerados para
este problema. Os experimentos numricos mostram que os mtodos so robustos e
eficientes, apresentando um bom desempenho em conjuntos de problemas com
diversas caractersticas.
Palavras-chave: Problema de Roteamento de Veculos. Frota Heterognea. Janelas
de Tempo. Custos Escalonados. Programao Linear Inteira Mista. Heurstica.
ABSTRACT
The theme of vehicle routing is of great importance in the literature and has been
widely studied for its relevance to many industries and, throughout the literature,
more characteristics have been added to make it closer to real situations. Aligned
with this trend, this paper addresses the vehicle routing problem when there is
outsourcing of the fleet that delivers goods. One form of freight charging is by scaled
costs, which are calculated according to the type of vehicle and the distance traveled,
with fixed values for each distance range. Though it is a common form of work in the
industry, no work focused on this characteristic was found in the literature. This
problem is the fleet size and mix vehicle routing problem with time windows and
scaled costs (FSMVRPTWSC). In approaching this problem, this paper presents a
mixed integer linear programming model that is evaluated under a real situation
scenario. Furthermore, three sequential insertion heuristics are proposed in order to
deal with larger problems. These methods are examined through a computational
comparative study in 168 benchmark problems generated for this problem. The
numerical experiments show that the methods are robust and efficient, performing
well in different problem sets.
Keywords: Vehicle Routing Problem. Heterogeneous Fleet. Time Windows. Scaled
Costs. Mixed Integer Linear Programming Model. Heuristics.
SUMRIO
1 Introduo............................................................................................................... 9
2 Caracterizao do Problema ................................................................................ 12
2.1 Definio ........................................................................................................ 12
2.2 Objetivo .......................................................................................................... 16
2.3 Reviso Bibliogrfica...................................................................................... 17
2.3.1 VRP: Problema de Roteamento de Veculos ............................................. 17
2.3.2 FSMVRP: Problema de Determinao do Tamanho e Composio da
Frota e Roteamento de Veculos ............................................................... 18
2.3.3 VRPTW: Problema de Roteamento de Veculos com Janelas de Tempo.. 21
2.3.4 FSMVRPTW: Problema de Determinao do Tamanho e Composio
da Frota e Roteamento de Veculos com Janelas de Tempo .................... 23
2.3.5 Custos Escalonados .................................................................................. 27
3 Formulao Matemtica ....................................................................................... 29
3.1 Elementos da Formulao ............................................................................. 29
3.1.1 Clientes ...................................................................................................... 29
3.1.2 Frota de Veculos ....................................................................................... 29
3.1.3 Janelas de Tempo ..................................................................................... 30
3.1.4 Faixas de Custo Escalonado ..................................................................... 30
3.2 Modelo Proposto ............................................................................................ 33
3.2.1 Detalhamento da Formulao .................................................................... 35
3.3 Testes Computacionais .................................................................................. 43
4 Heursticas Propostas .......................................................................................... 49
4.1 Viso Geral .................................................................................................... 49
4.2 Etapas do Procedimento ................................................................................ 51
4.3 Definio dos Critrios de Economia para Insero ...................................... 52
4.3.1 Critrios Originais da Heurstica ACS para o FSMVRPTW........................ 53
4.3.2 Heurstica de Insero com Custos Escalonados 1 (SCI1) ....................... 54

4.3.5 Resumo das Heursticas Propostas ........................................................... 58
4.4 Gerao de Instncias ................................................................................... 59
4.4.1 Origem das Instncias-Base ...................................................................... 59
4.4.2 Adaptaes ................................................................................................ 62
4.5 Experimentos Computacionais....................................................................... 66
4.5.1 Experimentos com Instncias da Literatura Adaptados ............................. 67
4.5.2 Experimentos com Instncias Reais .......................................................... 72
5 Concluses ........................................................................................................... 74
6 Bibliografia ............................................................................................................ 76
APNDICE A Exemplo de Tabela de Custos Escalonados ................................... 78
ANEXO A Pseudo Cdigo das Heursticas SCI ..................................................... 79
ANEXO B Parmetros Wf e Ckf para cada grupo de instncias ............................. 81
ANEXO C Resultados dos ndices e ................................................................ 84
1 Introduo
O tema de roteamento de veculos tem grande importncia na literatura e vem
sendo amplamente estudado por sua relevncia para a indstria e economia
mundial. O estudo deste problema se iniciou com o problema de roteamento de
veculos (VRP na sigla em ingls para Vehicle Routing Problem), onde veculos de
mesmas caractersticas e capacidade saem de um armazm central e fazem
entregas ou coletas em pontos espalhados no espao (que podem ser clientes ou
fornecedores) para diferentes demandas e custo pr-determinado de translado entre
pontos. Com a evoluo do tema na literatura e tendo como objetivo aproximar-se
mais da realidade vivida pela indstria e transportadoras, o problema foi enriquecido
com mais restries, caractersticas de clientes, frotas e rotas.
Desta forma, existem diversas variantes do VRP clssico. As mais
encontradas so: adio de janelas de tempo em que clientes, armazm e
motoristas podem trabalhar; frota de veculos mista, cuja determinao do tamanho
e composio parte do problema, sendo atribudos custos fixos e variveis de
acordo com o veculo; entregas parciais permitidas, ou seja, mais de um veculo
pode atender cada cliente; mltiplos armazns, de onde podem iniciar as rotas dos
caminhes; entre outras muitas caractersticas estudadas.
Hoff et al. (2010) apresentam um extenso levantamento bibliogrfico sobre os
diferentes tipos de roteamento de veculos e metodologias utilizadas, terminando
com uma anlise crtica da produo cientfica. Apesar de citar positivamente essa
adio de restries e caractersticas reais ao problema, foi feita a crtica de ainda
estar aqum da aderncia necessria s situaes reais. Alinhada com essa
percepo, essa dissertao tem como principal objetivo abordar uma estratgia da
indstria na distribuio de mercadorias: a terceirizao da frota.
Em alguns casos, a indstria prepara seu prprio roteamento de entregas,
avaliando capacidade de veculos e custos de frete, mas no dona da frota que faz
o atendimento aos clientes. Essa tendncia de terceirizao de frotas confirmada
por Lieb e Bentz (2004), cuja pesquisa indicou que em 2003, 80% das indstrias dos
EUA utilizavam esta modalidade de transporte. Desta maneira possvel evitar
custos relacionados aquisio e manuteno de uma frota de veculos,
10
depreciao, salrios e encargos de motoristas e ajudantes, entre outros

componentes de custo de uma frota. Alm disso, usufrui da vantagem da
disponibilidade e flexibilidade de uma empresa especializada em fornecimento de
veculos, com um custo determinado atravs de uma tabela, simples de se aferir.
O fornecedor de frete, por sua vez, possui uma extensa frota de veculos e um
portflio de clientes. Ele fornece os veculos prontos para utilizao e realizao das
entregas. Uma possvel forma de cobrana do frete por meio de uma tabela de
custos escalonados. Este custo de simples clculo, de acordo com o tipo de
veculo utilizado e a distncia percorrida, sendo calculado por faixas de distncia
percorrida. Por exemplo, caso se tenha trs faixas para um dado caminho, de 0 a
100km, de 101 a 200km e 201km a 500km, um caminho que tenha percorrido
450km pagar exatamente o mesmo valor de um que percorreu 250km.
Essa dissertao aborda o problema de roteamento de veculos quando o
custo de transporte escalonado em valores fixos por faixas de distncia percorrida.
Esta metodologia de clculo de custos diferente do mtodo tradicional encontrado
na literatura, cujo custo proporcional distncia percorrida pelos veculos, somado
aos custos fixos de cada um deles.
Ao abordar este problema, esta dissertao se prope a apresentar uma
formulao de programao linear inteira mista (PLIM) e investigar mtodos
heursticos para solucion-lo. Devido sua complexidade, a busca da soluo tima
exata invivel em um tempo razovel, assim o modelo PLIM apresentado e
aplicado apenas em pequenas instncias, enquanto para instncias maiores so
propostos mtodos heursticos. Zanakis et al. (1989) justificam o uso de mtodos
heursticos por sua habilidade de produzir rapidamente solues prximas da tima
em complexos problemas de otimizao.
Este trabalho apresenta trs heursticas geradas com base em mtodos
utilizados na literatura e que apresentaram bons resultados. Devido ao carter
indito do problema apresentado, a avaliao dessas heursticas foi feita em
instncias geradas com base em instncias de referncia j amplamente aceitas na
literatura e adaptadas para os custos escalonados.
O texto est dividido da seguinte forma: no captulo 2 ser definido o
problema estudado, com um detalhamento de suas particularidades e o que o
11
diferencia dos problemas j estudados. Em seguida, o objetivo deste trabalho

detalhado e, depois, apresentada uma reviso bibliogrfica com a evoluo do
tema de roteamento de veculos at chegar ao problema apresentado. No captulo 3
apresentado um modelo de PLIM para o problema. No captulo 4 so descritas as
heursticas propostas para solucionar o problema, assim como as instncias geradas
e os resultados obtidos. No captulo 5 apresentam-se as concluses.
12
2 Caracterizao do Problema
Nesse captulo ser caracterizado o problema abordado nessa dissertao.
Primeiro ele definido, assim como seus aspectos. Em seguida, o objetivo da
dissertao exposto, para ento ser feita uma reviso bibliogrfica acerca do tema.
2.1
Definio
O problema a ser estudado o roteamento de veculos com uma srie de
caractersticas que o torna mais prximo realidade de empresas que prestam

servios de coleta ou entregas utilizando a frota de um operador logstico, em
diversos pontos de uma regio.
O processo de roteamento dentro da rotina da empresa ocorre conforme a
periodicidade de cada uma. Vejamos, por exemplo e em linhas gerais, um caso de
processo dirio. Ao fim de cada dia feito um corte na carteira de pedidos de
clientes com data de entrega at o dia seguinte e para os quais existe estoque
disponvel para atendimento. Com esse grupo de pedidos em mos, a empresa
desenha o roteamento das entregas e informa transportadora quais veculos
(quantos e de que tipo) sero necessrios e as rotas que cada um far no dia
seguinte. No momento combinado, a transportadora disponibilizar os veculos
prontos para serem carregados e realizarem as entregas conforme as rotas descritas
pela empresa. Esse processo se repete diariamente, ou conforme a frequncia
programada por cada empresa e seu transportador.
As caractersticas do problema, portanto, so:
Clientes espalhados no espao com posio e demanda pr-determinada

para o desenho das rotas.
Janelas de tempo nos clientes e no centro de distribuio. Ou seja, a

entrega ou coleta de materiais deve respeitar os horrios de atendimento
dos clientes e do depsito central, de onde partem os caminhes. Essa
caracterstica torna relevante a direo em que a rota executada e no
apenas quais clientes cada rota atende.
13
Frota heterognea de veculos. Existem diferentes tipos de veculos, com

diferentes capacidades e custos que podem realizar as coletas (e.g.
Figura 2.1). Neste problema, quanto maior o veculo, mais caro o seu uso.
A transportadora tem uma quantidade grande de cada tipo de veculo,
uma vez que ela atende diversas empresas e tem uma previso de
necessidade dos clientes, o que torna, para fins de roteamento, a
quantidade de veculos de cada tipo ilimitada.
Figura 2.1: Ilustrao de diversos tipos de veculos possveis para entregas ou coletas.
Custos escalonados de transportes: Este custo no linear pela

distncia percorrida, mas dado por um custo fixo, de acordo com a faixa
de distncia percorrida pelo veculo e o tipo dele. Somente a partir de
Custo
certa faixa que o custo se torna contnuo (e.g. Figura 2.2).
Distncia Percorrida
Figura 2.2: Ilustrao de faixas de custo fixo por distncia percorrida para um veculo.
Essas caractersticas apresentadas so algumas das mais comuns presentes

em empresas que preparam seu prprio roteamento de veculos e contratam a frota
de um terceiro. Assim, existem diversas opes de veculos a serem contratados e o
pagamento de frete para a empresa que fornece os veculos no se d de forma
linear, mas por custos fixos, conforme a faixa de distncia percorrida pelos veculos,
previamente tabelada por esse fornecedor.
A utilizao de frota de veculos de um terceiro uma estratgia muito
utilizada na indstria desde os anos 90. As empresas que oferecem o servio so
conhecidas como prestadores de servios logsticos (PSL), ou simplesmente
operadores logsticos. Em uma pesquisa de 2004 com as 500 maiores indstrias
14
de manufatura dos EUA, Lieb e Bentz (2004) constataram que, das 60 empresas
que responderam ao questionrio, 80% delas terceirizavam os servios de logstica.
A pesquisa foi feita anualmente por 14 anos e mostrou crescimento sustentvel com
o passar das edies. Em 1991 a pesquisa indicou que apenas 38% da indstria
usava terceiros em sua distribuio; a partir de 1997 essa frao subira para 2/3 da
indstria e, a partir de 2003, o nmero j havia alcanado 80%.
Segundo o 15 Estudo Anual de Operadores Logsticos (2010), em 2009 o
faturamento de prestadores de servios logsticos passava de 500 bilhes de
dlares, sendo 27 bilhes somente na Amrica Latina.
Existem diferentes tipos de acordo possveis com operadores logsticos.
Ghiani et al. (2004) descrevem uma srie de possveis critrios para este
relacionamento, variando desde o aluguel da frota de um terceiro, at o pagamento
de taxas de acordo com a faixa de peso transportado e local de destino.
importante ressaltar que, no caso real, nem sempre o peso a ser carregado
a principal restrio de capacidade do transporte. Em alguns casos, a capacidade
volumtrica dos veculos que limita a quantidade de carga a se transportar.
Materiais leves ou equipamentos como armrios, geladeiras, fornos de micro-ondas,
que tm grandes reas vazias em seu interior, so exemplos de casos que o volume
ocupado pela carga to grande, que a capacidade do veculo se esgota mesmo
com o peso total ainda aqum dos limites. Esse problema mais recorrente no
transporte areo, onde avies de cargas suportam bastante peso, mas o volume
interno limitado. Ao mesmo tempo, existem as limitaes em peso, como limite por
eixo do veculo por restries legais em rodovias ou segurana, ou capacidade em
avies e navios para conseguirem voar e navegar adequadamente. Limitaes de
peso geralmente so notveis no transporte de graneis, como minrios, gros ou
produtos acabados densos como estruturas metlicas ou maquinrios de ao.
Para se considerar simultaneamente diferentes cargas, algumas com limitante
em massa e outras em volume, o clculo de capacidade dos veculos feito pelo
peso cbico (conhecido em ingls como Dimensional Weight). Essa metodologia
utiliza um fator de converso do volume para compar-lo ao peso de cada material a
ser transportado. Esse ndice no fixo, ele determinado de acordo com o veculo
e at o tipo de material a ser utilizado. Dessa forma, diferentes tipos de produtos
com diferentes caractersticas de peso e volume podem ser avaliados em conjunto
15
na unidade Kg para a cobrana de frete e verificao da capacidade de veculos.

possvel verificar o uso desse clculo para determinar frete em sites da internet com
clculo de frete como o dos correios, FedEx e UPS. Veja, por exemplo, a pgina do
site dos correios: http://www.correios.com.br/encomendas/prazo/default.cfm
O problema abordado neste trabalho pode ser classificado, segundo a
nomenclatura corrente na literatura FSMVRPTW (Fleet Size and Mix Vehicle Routing
Problem with Time Windows), como definido por Liu e Shen (1999), com a adio da
restrio de custos escalonados. Assim, a partir de agora, ser adicionado sigla o
termo em ingls para custos escalonados, scaled cost, e o problema ser referido
como FSMVRPTWSC (Fleet Size and Mix Vehicle Routing Problem with Time
Windows and Scaled Cost).
Liu e Shen (1999) afirmaram que o FSMVRPTW NP-Hard, deste modo, por
reduo polinomial, o FSMVRPTWSC pode ser definido tambm como NP-Hard, ou
seja, pouco provvel que exista um algoritmo de complexidade polinomial que
fornea uma soluo tima. Assim, a resoluo do problema ser realizada a partir
da utilizao de uma heurstica.
O FSMVRPTWSC tem carter inovador, pois na reviso da literatura no foi
encontrado nenhum estudo que trate dos custos de transporte escalonados. Esta
metodologia de aferio de custos leva a diversas alteraes em aspectos
tradicionais da lgica de resoluo do problema, uma vez que deixa de existir a
diviso do custo em dois tipos: fixo e varivel. O primeiro se refere ao tipo de veculo
escolhido para cada rota, enquanto o segundo distncia percorrida. J nos custos
escalonados, a aferio do custo consiste na somatria dos custos atribudos faixa
de distncia percorrida por cada veculo, de acordo com o seu tipo.
Num mtodo de aferio do custo de frete linear, para um dado veculo, pode
se obter este custo a partir da seguinte expresso:
( ) =
onde d a distncia percorrida pelo veculo v, CFv o custo fixo deste veculo e CVv
o custo varivel por unidade de distncia percorrida.
J no caso de custos escalonados, o valor obtido a partir de uma
informao em tabela, como o exemplo da tabela 2.1, para um dado tipo de veculo,
16
onde D1, D2 e D3 so valores limtrofes de distncia, C1, C2 e C3 so valores fixos de

custo, onde C1 < C2 < C3, e c4 o fator de custo para cada unidade de distncia
maior que D3.
Distncia
percorrida (d)
Custo de Frete
De 0 a D1
C1
De D1 a D2
C2
De D2 a D3
C3
Maior que D3
C3 + (d D3) x c4
Tabela 2.1: Exemplo de tabela de custos escalonados de frete.
Portanto, fica claro que na metodologia tradicional, de custos lineares, a cada

pequena variao na distncia percorrida por um veculo existe uma variao
proporcional em seu custo. No custo escalonado, dependendo da faixa de distncia,
isto no ocorre. Se a faixa de distncia for de 50 a 100 km, um veculo que percorreu
55km custar exatamente o mesmo que um que percorreu 90km. Um exemplo de
tabela de fretes com custos escalonados pela distncia est disponvel no Apndice
A. A diferena entre esses dois tipos de clculo de frete pode ser visualizada na
Figura 2.3
Custos Escalonados
Custo
Custos Lineares
Distncia Percorrida
Figura 2.3: Comparao entre custos escalonados e custos lineares.
2.2
Objetivo
O objetivo desta dissertao abordar o problema de roteamento de veculos
com frota heterognea, janelas de tempo e custos escalonados (FSMVRPTWSC
17
sigla em ingls para Fleet Size and Mix Vehicle Routing Problem with Time Windows
and Scaled Cost). Nesta abordagem proposta um modelo PLIM e mtodos
heursticos, com base em mtodos da literatura.
A avaliao da qualidade do modelo feito em dados reais de empresas
brasileiras, porm limitados a pequenos casos devido complexidade do problema e
os mtodos heursticos em adaptaes de problemas de referncia da literatura.
2.3
Reviso Bibliogrfica
Na literatura, o tema de roteamento de veculos bastante estudado e de
grande relevncia por ser muito relacionado logstica, transportes e toda a cadeia
de suprimentos, com aplicaes na indstria, bancos, governos, exrcitos, etc.
Portanto, relevante para diversas reas e possui muitas aplicaes prticas.
Da mesma forma, o uso de heursticas para a soluo de problemas da rea
de logstica j se tornou prtica comumente encontrada, uma vez que a
complexidade crescente dos problemas faz com que no possa ser encontrada a
soluo exata em tempo de execuo vivel.
Diferentes heursticas vm sendo usadas para resolver os problemas de
roteamento de veculos, nas mais diversas formas. A seguir os principais tipos de
problemas de roteamento e as heursticas propostas para suas solues sero
analisadas, sendo notvel a evoluo de ambos at chegar ao estudado nesta
dissertao.
2.3.1 VRP: Problema de Roteamento de Veculos
O problema de roteamento de veculos clssico (Vehicle Routing Problem VRP) trata de encontrar um conjunto de rotas, a partir de um armazm central,
utilizando veculos idnticos, para atender com o menor custo possvel um conjunto
de pontos de demanda, que representam os clientes, suprindo totalmente a
demanda. As restries principais so:
Restrio de capacidade dos veculos;
Cada rota deve se iniciar e terminar no depsito;
Todos os clientes devem ser atendidos.
18
A primeira abordagem foi feita por Dantzig e Ramser (1959) para um

problema real de distribuio de combustvel de um terminal graneleiro para
diferentes postos de combustveis. Neste artigo proposto um modelo de
programao linear inteira, com base no utilizado para o problema do caixeiro
viajante - TSP (na sigla em ingls para Travelling Sales Person) com adies de
restries de capacidade de transporte.
A experincia com heursticas para solucionar o problema de roteamento
mais clssico tem como marco a heurstica das economias (Savings Heuristics),
proposta por Clarke e Wright (1964). Essa heurstica ainda bastante utilizada por
ser flexvel o suficiente para permitir adaptaes e incluso de restries para
soluo de problemas mais complexos.
A heurstica das economias gera roteiros que respeitam as restries citadas
anteriormente. Ela inicia no cenrio em que cada veculo sai do armazm para
atender um nico cliente e retorna. A partir da, passa a buscar economias unindo
rotas e diminuindo a distncia e tempo percorridos.
Existem dois tipos de procedimentos para fazer isso: o paralelo e o
sequencial. No primeiro, busca-se a maior economia possvel considerando todas as
rotas existentes no problema. Assim, em cada iterao, so unidas em par as rotas
que juntas no extrapolem a capacidade do veculo e que gerem a maior economia.
No segundo, uma rota estendida at seu limite, para depois se analisar outra rota.
2.3.2 FSMVRP: Problema de Determinao do Tamanho e Composio da
Frota e Roteamento de Veculos
A partir do clssico VRP, foi agregada uma caracterstica que o aproximasse
de um caso real, o dimensionamento da frota. Assim, os veculos utilizados no
roteamento no so mais idnticos como no problema proposto por Dantzig e
Ramser (1959), mas de diferentes tipos. Cada tipo de veculo possui uma
capacidade de transporte e custos de aquisio e manuteno prprios, alm de
custos variveis (por unidade de carga transportada ou distncia percorrida) de
acordo com seu tipo. Desta maneira, alm de determinar a melhor rota para atender
todos os pontos de demanda, devem se determinar quais tipos e a quantidade de
cada tipo de veculo que percorrer as rotas atendendo aos pontos de demanda.
19
Neste caso, o objetivo do problema pode ser tanto minimizar o custo total do
roteamento, somando-se custos fixos de aquisio e manuteno dos veculos, e
variveis, proporcional distncia percorrida por cada um, como tambm pode se
encontrar o nmero mnimo de veculos que execute o roteamento.
Golden et al. (1984) foram os primeiros a estudar este problema, nomeando-o
problema de roteamento de veculos com determinao do tamanho e composio
da frota ou, na sigla em ingls, FSMVRP (Fleet Size and Mix Vehicle Routing
Problem). Sete heursticas so apresentadas para este problema, baseadas na
heurstica das economias de Clarke e Wright (1964) para o VRP, levando em conta
a capacidade ociosa do veculo em diferentes nveis de otimismo para o
aproveitamento deste espao ocioso no decorrer da soluo. As sete heursticas
propostas so:
CW (Clarke e Wright): A aplicao pura da heurstica das economias de

Clarke e Wright (1964), ou seja, os custos fixos dos veculos no so
levados em conta durante os critrios para combinar duas rotas, esses
somente so considerados ao final do procedimento, no clculo do custo
total do roteamento feito;
CS (Combined Savings): Heurstica das economias combinadas, ou

seja, usam-se os princpios da heurstica CW, porm durante a deciso
de adio de um cliente rota, a diferena de custos fixos na
necessidade de troca para um veculo maior so levados em conta;
OS (Opportunity Savings): Heurstica das economias de oportunidades,

ou seja, alm dos clculos do mtodo descrito para CS, leva-se em conta
que a utilizao de um veculo maior para uma rota gera a oportunidade
de usar sua capacidade ociosa remanescente daquela rota em futuras
adies de clientes. Para isso, no clculo da economia feita numa
combinao de duas rotas, no se considera apenas a diferena de custo
fixo do veculo menor para o maior, como feito na CS, mas tambm a
oportunidade de futuramente agregar novas rotas sem a necessidade de
utilizar um veculo maior. Para essa metodologia so considerados trs
tipos de OS:
20
OOS (Optimistic Opportunity Savings): Heurstica das economias de

oportunidades otimista, ou seja, quando se considera que a economia
gerada pela utilizao futura da capacidade ociosa do veculo utilizado
na rota evitar os custos do menor veculo que atenda quela
capacidade;
ROS (Realistic Opportunity Savings): Heurstica das economias de

oportunidades realista, ou seja, quando se considera que a economia
gerada pela utilizao futura da capacidade ociosa do veculo utilizado
na rota evitar os custos do maior veculo com capacidade menor ou
igual quela capacidade;
ROS-: ROS utilizando uma metodologia que permite realocar pontos

nas diferentes rotas se gerar reduo de custo;
GT (Giant Tour): Rota Gigante, feita em dois passos. Primeiro feita uma
nica rota que visite todos os pontos de demanda, utilizando a
metodologia do TSP. Em seguida, esta rota divida levando em conta
capacidades e custos dos veculos, garantindo que todas as novas rotas
se iniciem e terminem no armazm central. Para esta metodologia duas
heursticas foram criadas:
SGT (Single Giant Tour): Cria a rota gigante inicial com incio e fim no
armazm central e depois divida a rota;
MGT (Multi Giant Tour): Cria mltiplas rotas gigantes iniciais, sem
considerar o armazm central, que depois so divididas;
Como no existiam problemas teste anteriormente formulados para o

FSMVRP, Golden et al. (1984) geraram 20 problemas para comparar as heursticas
desenvolvidas. Nos testes computacionais para estes problemas, o melhor
desempenho foi o da heurstica ROS.
Aps essa primeira abordagem por Golden et al. (1984), diversos outros
autores publicaram estudos sobre o tema de FSMVRP. Hoff et al. (2010)
apresentam uma extensa pesquisa sobre estudos realizados a respeito deste
problema. Neste artigo, so listados diversos autores que contriburam ao tema
como Gheysens et al. (1986), Ulusoy (1985), Desrochers e Verhoog (1991), Salhi e
21
Rand (1993) e Taillard (1999). destacado o uso recorrente das instncias geradas
por Golden et al. (1984) nestes estudos posteriores, a fim de comprovar a eficcia
das novas metodologias propostas.
2.3.3 VRPTW: Problema de Roteamento de Veculos com Janelas de Tempo
No VRPTW (sigla em ingls para Vehicle Routing Problem with Time
Windows) adiciona-se ao roteamento de veculos clssico o limite de horrio de
atendimento nos pontos de demanda (clientes), trazendo o problema mais prximo
realidade. No caso real, empresas tm horrio de incio e fim de operao e
jornadas de trabalho a respeitar, alm das restries de horrio em que portos
operam ou para circulao de certos tipos de veculos em cidades e vias.
No VRPTW, o atendimento sempre deve ser feito respeitando um horrio
inicial e final em cada ponto de demanda. Tambm existe restrio de horrio no
prprio armazm de onde partem os veculos. Apesar de parecer uma simples
adio de restries de tempo, isso gera complexidades, pois nessas condies
existem fatores de deciso a ponderar, o sentido da viagem do veculo na rota se
torna relevante e fatores antes no considerados, como tempo de atendimento no
cliente, velocidade de veculos e outros fatores relacionados direta ou indiretamente
ao tempo, se tornam relevantes.
O artigo publicado por Solomon (1987) prope as primeiras heursticas para
soluo do VRPTW. So quatro heursticas construtivas:
SAV: uma adaptao da heurstica das economias de Clarke e Wright

(1964) para as janelas de tempo.
Vizinho mais prximo: Heurstica do tipo construtiva sequencial. Neste

procedimento, a cada iterao, o cliente mais prximo ao ltimo
adicionado rota do veculo visitado, at se chegar ao limite da janela
de tempo ou de capacidade do veculo.
Insero Sequencial: Tambm do tipo construtiva sequencial. Existem

trs tipos de heurstica de insero sequencial. Para todos os trs, o
procedimento principal semelhante. Uma rota iniciada ou pelo cliente
mais distante ou por aquele cuja janela de tempo est mais prxima de se
encerrar. A cada iterao, para os clientes que respeitem as restries de
22
janelas de tempo e capacidade dos veculos, so calculados os critrios

c1 (que determina o custo da posio na rota onde a adio do cliente
gera menor custo adicional) e c2 (que determina a economia gerada por
se deixar de fazer uma viagem de ida e volta do armazm a este cliente)
para determinar qual ponto deve ser adicionado rota. Cada um dos trs
tipos diverge entre si na forma como c1 e c2 so calculados:
I1: Leva em conta variaes de distncia e tempo;
I2: Leva em conta o custo e tempo total da rota antes e depois de

adicionar o cliente;
I3: Leva em conta a urgncia de atendimento dos clientes na avaliao

dos parmetros.
Varredura: Adaptao da heurstica da varredura proposta por Gillet e

Miller (1974) para o VRPTW. Este mtodo divido em duas fases.
Primeiro se agrupa os clientes conforme um mtodo de varredura e, em
seguida, executa-se um roteamento de um veculo para cada grupo de
clientes. Para garantir respeito s restries, ajustam-se as rotas e
agrupamentos de acordo com limites de janelas de tempos e capacidade
de veculos. O procedimento deve ser feito algumas vezes, cada vez
partindo de um ngulo inicial de varredura diferente.
Como no existiam problemas teste anteriormente formulados para o

VRPTW, Solomon (1987) gera seis grupos de instncias de referncia para o
problema, que variam tanto na distribuio geogrfica dos clientes - entre
aleatoriamente agrupados no espao e pr-agrupados - como na janela de tempo
disponvel para que se realizem as entregas ou coletas - entre largas e mais
apertadas. Os tipos so: R1, C1, RC1, R2, C2 e RC2. As caractersticas de cada
grupo so apresentadas na Tabela 2.2.
R: Clientes distribudos
C: Clientes
RC: Clientes semiuniformemente no espao; agrupados no espao agrupados no espao;
1: Janelas de tempo apertadas
R1
C1
RC1
2: Janelas de tempo largas
R2
C2
RC2
Tabela 2.2: Caractersticas dos grupos de instncias de Solomon (1987) para o VRPTW.
23
Essas instncias criadas por Solomon (1987) so referncia para todos os

trabalhos seguintes sobre VRPTW e foram adaptadas para validar a efetividade de
algoritmos em outros tipos de problemas apresentados na literatura.
O mtodo de insero sequencial de Solomon (1987) foi utilizado em diversos
trabalhos seguintes, inclusive sendo base para resoluo de problemas mais ricos
(com mais restries ou caractersticas que o aproximem da situao real), que
contenham janelas de tempo de atendimento. Uma pesquisa que abrange esses
problemas pode ser encontrada em Tan et al. (2001).
2.3.4 FSMVRPTW: Problema de Determinao do Tamanho e Composio da
Frota e Roteamento de Veculos com Janelas de Tempo
Como sugere a sigla FSMVRPTW, este problema surge a partir da unio das
caractersticas e restries do FSMVRP com o VRPTW. O objetivo, portanto,
minimizar simultaneamente os custos fixos e variveis do roteamento de uma frota
heterognea de veculos, respeitando as janelas de tempo nos clientes e do
armazm central.
A primeira abordagem para o problema foi feita por Liu e Shen (1999) que o
descrevem como um problema de determinao do tamanho e composio da frota
e roteamento de veculos com janelas de tempo, FSMVRPTW (sigla em ingls para
Fleet Size and Mix Vehicle Routing Problema with Time Windows). Neste problema
devem ser determinados os tipos e a quantidade de veculos para executar um
roteamento e atender clientes no espao, mas que no cheguem aps um horrio
mximo em cada cliente e aguardem caso cheguem muito cedo. O problema tem
convergncia com a realidade vivida por empresas e transportadoras, que tm
diversos tipos de veculos para atender a um grupo de clientes e tambm devem
atender horrio de trabalho em cada cliente, assim como legislaes de restrio de
horrio em portos ou trnsito em regies urbanas.
Liu e Shen (1999) abordam o problema com uma proposta heurstica
baseando-se principalmente nos mtodos desenvolvidos por Golden et al. (1984).
Os mtodos criados foram baseado nas heursticas CS e OS para o FSMVRP, com
modificaes que os adaptem para a restrio de janelas de tempo. Assim, surgiram
os seguintes mtodos:
24
MCS
(Modified
Combined
Savings):
Heurstica
das
economias
combinadas modificada, no leva em conta a oportunidade de aproveitar

a capacidade ociosa nos veculos durante o roteamento;
MOOS (Modified Optimistic Opportunity Savings): Heurstica das

economias com oportunidades otimista modificada, considera que a
capacidade ociosa no veculo poder evitar os custos do menor veculo
com capacidade maior a esta durante o roteamento;
MROS (Modified Realistic Opportunity Savings): Heurstica das

economias com oportunidades realista modificada, leva em conta que a
capacidade ociosa no veculo poder evitar os custos do maior veculo
com capacidade menor a esta durante o roteamento.
Para cada um dos mtodos, tambm existem variaes na avaliao da

economia em combinar rotas. Estas heursticas foram avaliadas nas instncias
criadas por Solomon (1987) para o VRPTW com adaptaes para que suas
instncias recebessem frota heterognea. Assim, Liu e Shen (1999) geraram 168
novas instncias que se tornaram referncia para todos os problemas de
FSMVRPTW e suas variaes que foram propostas na literatura. Uma avaliao
adicional foi feita com as instncias de Golden et al. (1984) originais para o
FSMVRP, ou seja, sem a restrio de janela de tempo, obtendo resultados
satisfatrios.
Dullaert et al. (2002) aprofundaram os estudos no tema e implementaram trs
novas heursticas, baseadas na Heurstica de Insero Sequencial de Solomon
(1987) para o VRPTW e os conceitos de economia com oportunidades de Golden et
al. (1984). Os trs mtodos tm sistemtica semelhante, somente mudando na
avaliao de parte dos custos que incluem a oportunidade como definida por Golden
et al. (1984). O procedimento faz inseres sequenciais, ou seja, desenvolve uma
rota por vez, adicionando clientes a ela at que a insero de mais clientes seja
invivel, seja por limitao de capacidade do maior veculo ou pelo limite das janelas
de tempo, ou no gere economia segundo critrios de avaliao de custo.
A avaliao da insero de um novo ponto a uma rota em construo feita
em duas partes. Primeiro avalia-se, para cada um dos pontos ainda no roteados e
cuja insero vivel, qual a posio na rota que gera o menor impacto rota
25
existente. Esse impacto negativo valorizado no critrio c1. Ele composto por trs
componentes de custo que so balanceados em importncia conforme fatores de
balanceamento: c11 referente ao aumento de distncia percorrida pelo veculo, c12
sobre o aumento do tempo da rota e c13 sobre a troca de tipo veculo necessria
para a insero do novo ponto. Aps a determinao do menor c1 para cada cliente
candidato a entrar na rota, avaliada a economia dada c2. Este critrio calculado a
partir da diferena entre o custo de uma viagem exclusiva do armazm ao cliente
com o menor veculo disponvel e o impacto de adicionar o ponto na rota, calculado
em c1. O ponto com maior c2 positivo inserido na rota.
no componente c13 que as trs heursticas diferem, cada uma com uma
maneira de avaliar esse valor, usando os critrios de Golden et al. (1984) de modo
adaptado para determinao de economias combinadas adaptadas (ACS),
economias com oportunidades otimistas (AOOS) e economias com oportunidades
realistas (AROS). Mais especificamente, cada um dos meios de determinao do
componente de custos c13 em cada heurstica so explicados a seguir
ACS (Adapted Combined Savings): O custo determinado como a

diferena entre os custos fixos do veculo que transporta a carga da rota
antes e depois da insero do novo cliente;
AOOS (Adapted Optimistic Opportunity Savings): O mtodo estende o

ACS ao subtrair da diferena dos custos fixos, o do menor veculo
disponvel com capacidade maior ou igual capacidade ociosa do veculo
aps a adio do novo cliente rota;
AROS (Adapted Realistic Opportunity Savings): O mtodo estende o

ACS ao subtrair da diferena dos custos fixos, o do maior veculo
disponvel com capacidade menor ou igual capacidade ociosa do
veculo aps a adio do novo cliente rota;
As trs heursticas propostas por Dullaert et al. (2002) foram testadas nas
instncias de Liu e Shen (1999). Na comparao de resultados entre elas somente
considerado o tempo de roteamento, desconsiderando o tempo de servio nos
clientes. Neste critrio, a de Dullaert et al. (2002) domina a de Liu e Shen (1999),
com melhores resultados em todas as instncias, chegando a mais de 50% de
melhoria em algumas.
26
O trabalho de DellAmico et al. (2007) prope uma nova formulao e uma

heurstica construtiva para fornecer uma soluo inicial a uma meta-heurstica para o
FSMVRPTW. A abordagem desde artigo, porm, se diferencia do tradicional, por
considerar que o custo total do problema se d pela soma dos custos fixos dos
veculos com o tempo total de roteamento. Desta forma, no considerado o custo
varivel por distncia percorrida por cada veculo, mas em seu lugar calculado o
tempo entre a sada e a volta do veculo ao depsito, descontado o tempo que ficou
atendendo clientes.
A heurstica proposta por DellAmico et
al. (2007)
denominada
ParellelRegret_TW. Esta iniciada com uma soluo parcial, a partir da qual, as

rotas so expandidas paralelamente. Para cada cliente no roteado verificado se
sua insero vivel, de acordo com a capacidade dos veculos e janelas de tempo,
e calculada uma pontuao (score). Para o clculo dessa pontuao gerada uma
penalidade do cliente no roteado, esta penalidade calculada com base no
aumento da distncia total da rota, aumento no custo fixo, caso seja necessrio
trocar o veculo por um com capacidade maior, e o aumento de tempo gasto na rota.
O clculo da pontuao, assim, feito com base na diferena entre a menor e a
segunda menor penalidade de adio do cliente nas rotas existentes, a distncia do
cliente at o armazm e o quanto sua janela de tempo est apertada.
A partir desse critrio de pontuao, o mtodo leva em conta os parmetros
usuais do FSMVRPTW, como janela de tempos, custo fixo da frota e distncia
percorrida, mas no critrio de deciso de qual cliente adicionar rota
dimensionado no s o custo desta adio, mas o arrependimento que se sentiria ao
deixar esse cliente para ser inserido em outra rota. Por isso o nome de Parallel
Regret (arrependimento paralelo, em traduo livre).
A heurstica construtiva de DellAmico et al. (2007) foi aplicada s 168
instncias propostas por Liu e Shen (1999) a fim de comparar seus resultados com
os das heursticas construtivas de Liu e Shen (1999) e de Dullaert et al. (2002). Na
primeira comparao, DellAmico et al. (2007) obtm custos totais para cada
instncia que ficaram, em mdia em 6,9% inferiores aos de Liu e Shen (1999). Na
comparao com Dullaert et al. (2002), a anlise limitada comparao do tempo
total de roteamento, no qual a heurstica ParallelRetret_TW superior em mdia
13,7%. Ainda assim, DellAmico et al. (2007) reconhece os baixos tempos
27
computacionais da heurstica de Dullaert et al. (2002) e seu bom desempenho nos

diversos problemas testados.
So encontrados outros desenvolvimentos posteriores para o FSMVRPTW,
principalmente com o uso de meta-heursticas, em grande parte utilizando a
heurstica de Dullaert et al. (2002) como semente. Estes desenvolvimentos so
majoritariamente avaliados nas 168 instncias de Liu e Shen (1999).
2.3.5 Custos Escalonados
Na literatura, vrios mtodos de custo de frete e transporte so abordados.
Em Ghiani et al. (2004), so listados diferentes mtodos de custo de frete, levando
em conta se a empresa dona de sua frota de veculos, se esta aluga a frota ou usa
um operador logstico. Entre os custeios apresentados, existem inclusive custos de
frete escalonados de acordo com o peso transportado.
Alm da busca na literatura, foi realizada uma pesquisa por e-mail ou telefone
com operadores logsticos, empresas especializadas em realizar roteamentos e uma
empresa de comercializao de software para verificao de custos de frete. Todos
confirmaram a ampla utilizao de custeio de frete por faixas escalonadas de
distncia, ligadas ao tipo de veculo. No existe um nome padronizado no mercado
para esse tipo de cobrana, mas o mais recorrentemente encontrado foi frete
distncia. Os dados fornecidos das empresas so confidencias e os nomes das
empresas no podem ser divulgados conforme solicitao.
Na literatura no foi encontrada uma abordagem direta ao FSMVRPTWSC.
possvel verificar a resoluo de um caso especfico de custos escalonados em uma
situao real de uma empresa da construo civil que coleta material para suas
obras nos fornecedores em Bassi (2009). Neste problema foi proposta uma soluo
para o problema de roteamento de uma frota heterognea de veculos com janelas
de tempo e entregas parciais (HFVRPTWSD) com custos escalonados. O trabalho
adaptou a heurstica de Dullaert et al. (2002) ao clculo de frete escalonado. Apesar
da amostra pequena e o escopo limitado, seus resultados foram superiores aos
aplicados na empresa e mostraram oportunidade de estudo dessa modalidade de
custo escalonado.
28
Com base nessa percepo de grande utilizao do custo escalonado de frete

em casos reais de roteamento e a abordagem limitada feita ao problema na
literatura, foi vislumbrada uma oportunidade de propor uma soluo ao
FSMVRPTWSC. Assim, este trabalho enderea este problema, propondo um modelo
PLIM e um mtodo heurstico para sua soluo.
29
3 Formulao Matemtica
A seguir apresentada a formulao de programao linear inteira mista
(PLIM) para o FSMVRPTWSC, com base na formulao para o FSMVRP de Golden
et al. (1984) com os apontamentos sobre janelas de tempos para adapt-lo para o
FSMVRPTW de Dullaert et al. (2002). Antes de se apresentar a formulao
completa, ser detalhado cada elemento desta, para ento concluir com a
formulao completa.
3.1
Elementos da Formulao
3.1.1 Clientes
Existe uma srie de clientes N = [1, 2,..., n] em diferentes locais, sendo que o
local 0 o armazm, como mostrado na figura (3.1). Para cada par de locais (i,j),
onde i e j pertencem ao conjunto N, existe uma distncia dij e um tempo de percurso
tij. ambos nmeros reais positivos.
N
4
2
1
...
3
...
Armazm
Figura 3.1 Grupo N de clientes e armazm.
A cada cliente i associado uma demanda qi, que conhecida antes do incio
do processo de roteamento.
3.1.2 Frota de Veculos
Existem K diferentes tipos de veculos. Cada tipo de veculo k possui uma
capacidade ak (a1 < a2 < a3 < ... < aK) e custos escalonados para cada faixa de
distncia percorrida. Os detalhes das faixas de distncias e o respectivo custo esto
detalhados no item 3.1.4.
30
A frota de veculos neste problema ilimitada para todos os tipos. Para

permitir a formulao matemtica do problema, pr-estabelecido o nmero de
veculos V = n, que o nmero mximo possvel de rotas, onde cada cliente
atendido por um veculo exclusivamente.
3.1.3 Janelas de Tempo
Cada cliente i, pertencente ao conjunto N, tem janelas de tempo rgidas
definidas pelo intervalo [ei,li], sendo que ei < li. Esses parmetros correspondem,
respectivamente, ao incio e fim do perodo em que os clientes podem ser atendidos.
Os atendimentos no podem iniciar antes nem depois deste intervalo. Tambm
define-se si como o tempo de servio de qualquer veculo no cliente i e bvi como o
incio do servio do veculo v no cliente i.
Caso o veculo v, partindo do cliente i, chegue ao cliente j antes do incio da
janela de tempo ej, ele deve aguardar at a disponibilidade do cliente. Assim,
podemos definir bvj = max{ej ; bvi + si + tij}.
3.1.4 Faixas de Custo Escalonado
No FSMVRPTWSC, o custo total definido pela soma dos custos de cada
veculo, de acordo com o seu tipo e faixa de distncia. Ou seja, para cada veculo,
deve se verificar em qual faixa f a distncia percorrida est inserida e ento, aferir o
custo. Assim, temos F faixas de distncias, sendo f = (1, 2,..., F).
Para cada veculo v existe uma varivel binria zvkf que determina se o veculo
v do tipo k e se a distncia percorrida por ele est na faixa de distncia f. Cada
faixa de cobrana f tem uma distncia correspondente Wf que determina o limitante
inferior para a faixa, ou seja, a distncia mnima percorrida pelo veculo para que ele
esteja naquela faixa de custo. Para cada faixa f existe um custo Ckf correspondente
para cada tipo de veculo k. Na ltima faixa, onde f = F, o custo se torna linear com a
distncia percorrida, iniciando-se do valor da penltima faixa de custo escalonado,
como ilustrado na figura 3.2.
31
Figura 3.2: Ilustrao de faixas de custo, onde cada cor de linha representa um tipo k de
veculo.
Alm das faixas de custo, existe uma faixa fictcia f = 0. Ela a faixa para
veculos que no so alocados em nenhuma rota e, consequentemente, sua
distncia total percorrida zero. Na faixa f = 0, para qualquer k, Ck0 = 0.
Essa forma de considerar os custos gera uma nova dificuldade. Desde a
primeira proposio com frota mista, elaborada por Golden et al. (1984), a
formulao tem o clculo de custos presente na funo objetivo, a partir da soma
dos custos fixos com custos variveis dos veculos utilizados no roteamento.
Portanto, calculam-se quantos veculos do tipo k existem e qual a distncia total
percorrida por todos os veculos desse mesmo tipo, assim era possvel determinar
tanto o custo fixo quanto o custo varivel de todo o grupo em conjunto, sem a
necessidade de uma formulao que leve em conta cada veculo.
No problema aqui estudado, a formulao deve verificar, veculo a veculo,
qual o seu tipo k e em qual faixa de distncia f est para obter o custo total de
roteamento para cada um, o Pv. Somente aps calcular o custo individual de cada
veculo possvel fazer a soma dos custos totais do roteamento.
Para a formulao dos custos escalonados, uma das opes consideradas foi
a formulao de funes lineares por partes, apresentada por Winston (2004). O
mtodo utiliza variveis binrias para representar funes lineares por parte, como o
exemplo ilustrado na figura 3.3.
32
Figura 3.3 Exemplo de funo linear por partes.
Esta estratgia se aproveita da linearidade e continuidade das retas. A ideia

bsica da metodologia que, dado um ponto x entre os pontos em que se comea e
se encerra uma parte da funo, bk e bk+1, este pode ser escrito como a combinao
convexa dos pontos extremos:
=
+ (1
1;
1;
Assim, dado que a funo f(x) entre os pontos bk e bk+1 linear, podemos
determinar que:
( )=
) + (1
) (
A figura 3.4 ilustra a lgica utilizada neste mtodo.
f(bk)
bk
f(x)
f(bk+1 )
bk+1
Figura 3.4 Ilustrao da metodologia de funes lineares por partes.
Partindo desta premissa, a metodologia representa cada uma das funes

lineares da funo linear por partes por uma relao descrita acima entre os pontos
de mudana de inclinao. Alm disso, a formulao deve garantir que somente
uma funo esteja vlida de cada vez.
33
A metodologia recm-descrita, entretanto, no pode ser aproveitada em

nosso problema, pois para este mecanismo funcionar, a funo linear por partes
deve ser contnua, o que no acontece no caso dos custos escalonados. Nos custos
escalonados existe uma ruptura entre o custo de uma faixa de distncia e outra,
como representado na figura 3.5.
Descontinuidades
Figura 3.5 Descontinuidades na funo de custos escalonados
A formulao dos custos escalonados, cujo valor linear por partes e

descontnuo, foi feita utilizando funes disjuntivas, conforme explicado na
formulao, nas restries (10) e (11).
3.2
Modelo Proposto
O problema do FSMVRPTWSC consiste em buscar o menor custo para um
roteamento de veculos em que se deve atender totalmente a demanda de clientes

distribudos no espao e que possuem uma janela de tempo de atendimento rgida,
utilizando uma frota ilimitada de veculos, com diferentes capacidades e custos,
sendo que este custo escalonado de acordo com a faixa de distncia percorrida e
tipo do veculo utilizado.
A partir dos elementos e propriedades apresentadas anteriormente,
apresentada a formulao de programao linear inteira mista (PLIM) para o
problema a seguir.
ndices
p, i, j:
cliente;
v:
veculo;
k:
tipo de veculo;
f, y:
faixa de distncia;
34
Parmetros
n:
nmero total de clientes;
V:
nmero mximo de veculos a serem utilizados;
K:
nmero de tipos de veculos disponveis;
F:
ndice da maior faixa de distncia;
qi:
demanda no cliente i;
tij:
tempo de trnsito do cliente i ao j;
dij:
distncia do cliente i ao j;
si:
tempo de servio no cliente i;
ei :
incio da janela de tempo de atendimento no cliente i;
li:
fim da janela de tempo de atendimento no cliente i;
ak:
capacidade de um veculo do tipo k;
Wf:
limitante inferior da faixa de distncia f;
Ckf:
custo fixo da faixa de distncia f para o tipo de veculo k, onde f = 1,2,...,F - 1;
CkF:
custo varivel pela distncia percorrida quando f = F para o tipo de veculo k;
Variveis
xvij:
assume valor 1 se o veculo v vai de i at j, 0 caso contrrio;
z kf:
assume valor 1 se o veculo v do tipo k e percorre a distncia pertencente

faixa f, 0 caso contrrio;
bvi:
instante de incio do servio do veculo v no cliente i;
Dv:
distncia total percorrida pelo veculo v;
P:
custo do veculo v.
Formulao
minimizar
(1)
Sujeito a:
=1
=1
(2)
j = 1,, n
(4)
v = 1,, V; p = 0,..., n
=0
v = 1,, V
v = 1,, V
(3)
(5)
v = 1,, V; i = 1,,n; j = 1,...,n (6)
35
=0
=0
=1
(7)
v = 1,, V
(9)
v = 1,, V
(1
v = 1,, V; i = 1,,n
v = 1,, V; y = 1,,F - 1
(1
(8)
(10)
v = 1,, V
(11)
v = 1,, V; k = 1,,K
(13)
v = 1,, V
v = 1,, V; i = 1,,n
(12)
(14)
v = 1,, V; i = 0,,n; j = 0,,n (15)
v = 1,,V; k = 1,,K; f = 0,,F (16)
3.2.1 Detalhamento da Formulao

Funo Objetivo
mininizar
A funo objetivo (1) minimiza a soma dos custos de todos os veculos. Cada
veculo v recebe, segundo as restries (12) e (13) explicadas a seguir, um custo Pv.
O custo total do problema a soma destes custos.
Restries (2) e (3)
=1
=0
v = 1,, V
p = 1,..., n; v = 1,, V
(2)
(3)
O conjunto de restries (2) e (3) de conservao de fluxo no sistema. O
conjunto (2) determina que todos os veculos devem sair do armazm para o
primeiro ponto visitado em sua rota (veja ilustrao na Figura 3.6). As restries (3),
por sua vez, determinam que se um veculo v chega a um ponto p qualquer deve,
em seguida, sair dele, como mostra a Figura 3.7.
36
As duas restries, em conjunto, obrigam que o veculo inicie e encerre a sua

rota sempre no armazm central, uma vez que como xv0p = 1 devido s restries
(2), ento obrigatoriamente haver um xv i0 = 1 como consequncia das restries
(3).
Armazm Central
Primeiro ponto da
rota do veculo v
Figura 3.6: Ilustrao do conjunto de restries (2).
v
i
v
p
Restries (4)
j = 1,, n
=1
(4)
As restries (4) garantem que cada cliente ser atendido por exatamente um
veculo. Desta forma, o modelo garante que todos os clientes sero atendidos e, ao
mesmo tempo, que no haver atendimento fracionado. Essas restries tambm
garantem que cada veculo v somente execute somente uma rota, uma vez que
somente um xv0j pode ter valor 1.
Restries (5)
v = 1,, V
(5)
As restries (5) garantem que a capacidade de cada veculo no seja
excedida. Quando o cliente i atendido pelo veculo v, a varivel binria xv ij recebe

valor 1. Assim, a multiplicao
resultar no valor da demanda qi do cliente i
somente para o veculo v que atender este cliente. A soma de todos os clientes
atendidos pelo veculo v deve ser inferior ou igual capacidade deste tipo de
veculo, que determinada pelo parmetro ak associado varivel
, que
determina qual o tipo de veculo a qual pertence v. Esta restrio, juntamente com
as restries (9), (10) e (11), detalhadas a seguir, que determinam o valor de
.A
37
Figura 3.8 ilustra como a soma das demandas dos clientes na rota de um veculo k
no deve exceder sua capacidade.
qi
qi+1
ak
qi+3
Restries (6) e (7)

+
v = 1,, V; i = 1,,n; j = 1,...,n (6)

v = 1,, V; i = 1,,n
(7)
O conjunto de restries (6) e (7) garantem o respeito s janelas de tempo
dos pontos de demanda.

As restries (6) determinam que o incio do atendimento em um cliente s se
acontece aps o fim do atendimento no cliente anterior, somado ao tempo de
translado entre os dois. Assim, o incio do atendimento do veculo v no cliente j, que
acontece no instante bvj, somente pode acontecer a partir do instante de incio do
atendimento no cliente i, o antecessor na rota do veculo v, adicionado do tempo de
atendimento si em i e o tempo de translado entre i e j, determinado por tij.
Lembrando que M deve ser uma constante grande o suficiente para garantir que a
restrio s esteja ativada se o veculo v atender j depois de i.
Mesmo assim, no necessariamente o incio do atendimento em j ser
exatamente aps a soma desses tempos, pois pode acontecer desta soma resultar
num instante anterior a ej, o incio da janela de atendimento em j. Neste caso, o
veculo deve aguardar a abertura da janela para iniciar o atendimento. Caso a soma
calculada anteriormente resulte em um instante aps o fim da janela de atendimento
em j, ou seja, aps lj, o atendimento ser impossvel e, assim, torna essa rota
infactvel. Estas duas condies de atendimento janela de tempo do cliente so
garantidas pelas restries do tipo (7). Ou seja, o incio de atendimento do veculo v
38
no cliente i, determinado pela varivel bvi, deve estar entre o incio ei e o fim li da
janela de tempo deste cliente.
As restries (6) e (7) esto ilustradas na figura 3.9.
si
b vi
tij
sj
bv j
ej
lj
Figura 3.9: Ilustrao das restries (6) e (7).
Devido ao conjunto de restries (6) no necessria a existncia de

restries que evitem a formao de sub-rotas. Isso se deve necessidade de que o
instante de chegada num ponto seja depois da sada do outro. Assim impossvel
que uma sub-rota acontea, pois ao se fechar o sub-ciclo, o instante de chegada do
veculo a um ponto ser superior ao instante de sada, o que a restrio (6) impede.
Para ilustrar melhor esta explicao, apresenta-se a seguir o exemplo
ilustrado na figura 3.10. Note que existe um sub-ciclo formado pelos pontos i, j e k. O
comportamento das restries (6) ser analisado nesta situao.
bvi
bvj
bvk
Figura 3.10: Ilustrao de uma sub-rota.
Como ponto de partida, toma-se o ponto i, que deve ter seu servio
iniciado em bvi.
O veculo parte para j, portanto

Segundo a restrio (6),
>
+s +
O veculo segue para k, portanto

Segundo a restrio (6),
= 1, onde o servio se inicia em bvj.
. Por definio: s ,
> 0. Logo,
= 1, onde o servio se inicia em
+s +
. Novamente, por definio:
39
> 0. Entretanto, sabido que

na frmula de
de
, temos:
+s +
+s +
. Substituindo o valor
+s +
. Logo,
Concluindo o sub-ciclo, o veculo deve retornar para i. Com

restrio (6) impe que
que
+s +
+s +
+s +
+s +
+s +
>
= 1, a
. Mas vimos na etapa anterior
. Substituindo na frmula acima temos:
+s +
. Ou seja, como todos os termos
nesta equao so estritamente positivos, verificamos que
>
. Nesta
situao, o modelo matemtico detecta a infactibilidade, refutando a

possibilidade de um sub-ciclo.
Restries (8)
=
v = 1,, V
(8)
As restries (8) definem a varivel Dv, a distncia total percorrida por cada
veculo v. Esta restrio no fundamental para a formulao, mas torna a escrita

das prximas restries mais clara e compreensvel para o leitor.
Restries (9)
v = 1,, V
=1
(9)
As restries (9) determinam que um veculo v deve ser de um nico tipo k e
a distncia percorrida deve estar em uma nica faixa f de cobrana. Isto

determinado pela varivel zvkf, ela assume valor 1 quando o veculo v do tipo k e
cuja faixa de cobrana f. O tipo de veculo k determinado a partir da restrio (5),
explicada anteriormente. A faixa de cobrana f determinada nas restries (10) e
(11), explicadas a seguir.
Restries (10) e (11)
(1
v = 1,, V; y = 1,, F - 1
v = 1,, V
(10)
(11)
As restries (10) e (11) funcionam conjuntamente para determinar em qual
faixa de cobrana a distncia percorrida pelo veculo v est. O objetivo desses dois
40
conjuntos de restries, combinadas com as restries (9), determinar para cada

veculo v qual a sua faixa de distncia f.
As restries (10) restringem a faixa mnima na qual a distncia percorrida
pelo veculo deve estar. Como o modelo de minimizar custos, ele sempre buscar
que
tenha valor 1 para a alocao que gere o menor custo. Portanto, somente
necessrio restringir a faixa mnima, deixando livre a escolha de faixas maiores. A

nica exceo a ltima faixa, cuja forma de custeio diferente de todas as outras
e requer um tratamento direto a ela. A restrio (11) determina se a distncia
percorrida est ou no na ltima faixa de distncia.
Para cada faixa y de um mesmo veculo, somente quando
>
, (10) est
ativada, fazendo com que
impedindo que o modelo faa
= 1 quando a rota no tiver de fato na ltima faixa
) = 1, nas faixas em que
>
somatrio estar livre. A restrio (11) estar ativada sempre que
, esta
>
de distncia. Esta restrio necessria, pois como o custo da faixa F calculado
de forma varivel apela distncia a partir de WF, para uma distncia inferior a este
valor, o clculo da faixa ter termos negativos na expresso, o que pode fazer que o
custo desta ltima faixa se torne inferior ao de todas as no limitadas por (10) e
cause uma distoro no avaliao do modelo.
Para ilustrar o funcionamento dessas restries, apresenta-se a seguir um
exemplo. Um caso hipottico em que existem quatro faixas de distncia (f = 1, 2, 3,
4) cujas distncias mnimas so W1, W2, W3 e W4, respectivamente, e apenas um
tipo de veculo k. Lembrando que, a primeira faixa de distncia se inicia em zero, W1
= 0. Neste caso, a formao das duas restries est na tabela 3.1.
Restries
Faixa
Expresso
y=1
(10)
y=2
y=3
(11)
y=4
(
(
W )
+
+
(1
Tabela 3.1 Restries (10) e (11) para o caso de 4 faixas de distncia.
Supondo que uma rota de um veculo v1 resulte na distncia total percorrida

Dv1, tal que W1 < Dv1 < W2. Na tabela 3.2 verificamos quais restries estaro
41
ativadas e inativadas e seu efeito na formulao. Nesta tabela tambm est a

restrio (9) que fundamental para a definio das faixas de distncia.
Faixa
Expresso
+
(9)
y=1
(10)
y=2
y=3
(11)
y=4
Efeito
+
+
= 1,
=1
=0
=0
Tabela 3.2 Restries (10) e (11) que esto ativadas em negrito e o efeito que causa na
formulao para v1 para o qual W1 < Dv1 < W2.
Neste exemplo, analisando somente as restries ativadas, nota-se que, na
restrio (11), uma vez que
< 0, o termo esquerda da inequao ser
positivo. A nica maneira para manter o termo a direita maior e positivo fazendo
= 0. J na restrio (10) para y = 1, como
> 0, para manter o termo a
direita maior que zero e, por consequncia, a restrio vlida, deve se fazer
+
= 1, o que faz com que, na restrio (9),
modelo est livre para escolher entre
funo objetivo de minimizar, escolhido
ou
= 0. Desta forma, o
para assumir valor 1. Como a
= 1.
No mesmo exemplo, supondo uma rota de um veculo v2 com distncia total

percorrida Dv2, tal que W2 < Dv2 < W3. Na tabela 3.3 verificamos quais restries
estaro ativadas.
Faixa
Expresso
(9)
y=2
y=3
(11)
y=4
y=1
(10)
Efeito
=1,
+
=0
= 1,
=1
=0
=0
Tabela 3.3 Restries (10) e (11) que esto ativadas em negrito e o efeito que causa na
formulao para v1 para o qual W2 < Dv1 < W3.
42
Para este veculo, o comportamento das restries semelhante ao do

exemplo anterior, exceto para a faixa de distncia y = 2 na restrio (10). Neste
caso, como
> 0, para manter o termo direita positivo e, por

+
consequncia, a restrio vlida, deve se fazer
= 0. Portanto, nesse caso o modelo deve optar entre
que
valor 1, dado o modelo de minimizao, faz-se

so menores.
= 1 o que faz com

para assumir
= 1 cujos custos associados
Existem duas particularidades deste conjunto de restries que devem ser

levadas em conta. Primeiro, deve se notar que pode existir uma situao em que
=
. Nesses casos, a restrio (10) no ser ativada para a faixa
correspondente a f, permitindo que a formulao faa
= 1.
= 0. Esses
A segunda observao a respeito de veculos em que
veculos, como definido na Seo 3.1.4, devem estar na faixa f = 0 e receber o custo
Ck0 = 0. Neste caso, nenhuma das restries (10) estar ativada, mas como na
restrio (9)
Restries (12) e (13)
z = 1, o modelo faz
(1
= 1 cujo custo zero.
v = 1,, V
(12)
v = 1,, V; k = 1,,K
(13)
As restries (12) e (13) em conjunto determinam o valor mnimo para o custo
de cada veculo v. Como a funo objetivo para minimizar este valor,

determinar o valor mnimo j significa calcular o prprio valor de
. As restries
(12) se referem s faixas de custo com valores fixos e as (13) faixa F, cujo custo
varivel a partir do valor do custo correspondente faixa F 1. Estas restries so
possveis graas determinao da varivel
nas restries (5), (9), (10) e (11).
O funcionamento destas restries da seguinte forma, considerando o valor

de
j determinado. A restrio (12) estar ativada para os casos em que, para
uma faixa
< ,
= 1, portanto, para esta faixa f,
restrio (13) estar inativada, pois com
= 0,
C . Nesses casos, a
+C (
W ) M,
fazendo o termo direita da inequao sempre negativo, no restringindo o valor

mnimo de
. J para um veculo cuja distncia determinou que
e,
43
consequentemente,
= 1, a restrio (12) esteja inativada, pois todo
, com
< , ser igual a zero. J na restrio (13), M ser multiplicado por zero e, desta
forma, o valor direita da equao ser positivo, determinando
Para que isto seja efetivo, M deve ser uma constante grande o suficiente para
garantir que, para qualquer valor de k, a restrio (13) de que limita
aquela que
possvel.
3.3
= 1. Ou seja, M > C
+C (
seja somente
W ), para qualquer k e Dv
Testes Computacionais
Para certificar que a formulao proposta funciona e obtm bons resultados,
foram realizados testes em alguns casos reais de uma indstria alimentcia. Por se
tratar de um problema NP-Hard, no foi possvel resolver problemas com maiores
dimenses, assim, aplicou-se apenas a casos de pequeno porte, com no mximo
oito clientes sendo atendidos, dois tipos de veculos e quatro faixas de distncia.
Os testes computacionais foram realizados com um computador Intel Core i52520M 2.5GHz, com 3,41GB de memria RAM e resolvidos pelo software CPLEX
12.5 com interface OPL. Os testes foram realizados sem alterao das
configuraes padro dos parmetros.
A Tabela 3.4 mostra a comparao entre os resultados gerados a partir do
modelo proposto e os obtidos com os procedimentos da empresa durante o
roteamento das suas entregas. A primeira coluna (Instncia) identifica a instncia e a
segunda coluna (Nmero de clientes (n)) representa o nmero total de clientes no
problema. A prxima coluna (Custo Real) mostra o valor pago pela empresa em
unidades monetrias para cada instncia, enquanto a coluna seguinte (Custo
Modelo) mostra o valor timo obtido atravs do modelo MILP. Os valores foram
multiplicados por uma constante para preservar dados da empresa. A reduo
obtida utilizando o modelo em comparao com os custos reais apresentada na
coluna Reduo (%). O tempo de processamento para cada problema inferior a 15
segundos.
Como pode ser observado, nas oito instncias testadas o modelo proposto
trouxe redues significativas de custos comparados com o que a empresa obteve.
44
A reduo foi, em mdia, de 38,3%, sendo que a maior diferena de 53%.

possvel notar que, quanto maior o tamanho do problema, maior a reduo de
custo propiciada pelo modelo.
Instncia
Nmero de
Custo Real
clientes (n)
Custo
Modelo
Reduo
(%)
2.372
1.485
37,4
2.372
1.380
41,8
2.040
1.750
14,2
2.827
1.750
38,1
2.827
1.750
38,1
5.428
3.256
40,0
2.653
1.485
44,0
3.190
1.500
53,0
Tabela 3.4: Instncias reais testadas no modelo
Para
ilustrar
resoluo
do
modelo
matemtico,
apresentada
detalhadamente, a seguir, a instncia 3. Trata-se da distribuio na Regio

Metropolitana do Rio de Janeiro para clientes em seis cidades diferentes (n = 6),
cada um recebe veculos durante seus dois turnos dirios (16 horas por dia, das
6:00 s 22:00). O armazm de onde partem os veculos funciona 24 horas por dia. A
Figura 3.12 mostra um diagrama com o armazm e clientes da instncia testada.
3
Mag
Queimados
Nova Iguau
Duque de Caxias
6
So Gonalo
2
Itagua
0
Rio de Janeiro
Figura 3.12: Diagrama da distribuio dos pontos de demanda (clientes) e armazm do

exemplo apresentado
45
Na tabela 3.5 os dados dos clientes so apresentados. A primeira coluna (i)

identifica o cliente enquanto a seguinte (Cidade) descreve a cidade na qual ele se
encontra. Na coluna seguinte est descrita a demanda (qi) em quilogramas e, em
seguida, o tempo de servio (si) de cada cliente. Para estimar o tempo de servio,
calcula-se que ele seja composto por uma parte fixa e outra varivel conforme a
quantidade de produto descarregada. Para cada tonelada de produto descarregado
necessrio uma hora. Ao tempo de descarga, adicionam-se duas horas fixas para
identificao do motorista, apresentao de documentao necessria e manobra do
veculo. Completando a tabela so apresentados o incio (ei) e fim (li) da janela de
tempo de cada um dos clientes.
i
Cidade
qi
si
ei
li
24
8.436
10
18
171
18
3 Mag
1.112
18
4 Nova Iguau
1.854
18
5 Queimados
1.322
18
950
18
0 Rio de Janeiro
1 Duque de Caxias
2 Itagua
6 So Gonalo
Tabela 3.5 Dados de demanda e janelas de tempo dos clientes.
Para as entregas contrata-se a frota de um operador logstico que

disponibiliza dois tipos de veculos (K = 2), com custo determinado em quatro faixas
de distncia (F = 4). Os dados da frota de veculos e seus respectivos custos
escalonados esto apresentados na Tabela 3.6. A faixa F = 4, quando o custo se
torna varivel, se inicia na distancia de 180km (W4 = 180), e seu custo varivel CkF
de C14 = 7,9 para veculo truque e C24 = 14,2 para carreta.
Tipo de veculo (k)
Capacidade (ak)
Faixa (f)
1- Truque
10.000
Incio Faixa (Wf)
2- Carreta
23.000
Custo (Ckf)
530
850
50
795
955
120
970
1060
Tabela 3.6 Dados de veculos utvbilizados na instncia de exemplo.
46
A distncia entre cada cliente e o armazm calculada com base na distncia

rodoviria entre as cidades. Para calcular o tempo de viagem, estimou-se que os
veculos trafegam em mdia a 30 km/h, por se tratar de uma regio metropolitana,
com trnsito lento e semforos. Na Tabela 3.7 so apresentadas as distncias (dij),
em quilmetros, e os tempos (tij), em horas, de translado entre os clientes.
importante ressaltar que, como se trata de uma frota de um terceiro, o veculo no
deve retornar para o armazm, sendo assim, somente cobrado o servio at a
entrega ser concluda no ltimo cliente. Para representar esta caracterstica sem
prejuzo formulao proposta, consideramos as distncias e tempos de qualquer
ponto para o armazm iguais a zero.
dij / tij
i/j
0/0
21 / 1
67 / 3
59 / 2
35 / 2
48 / 2
28 / 1
0/0
0 /0
56 / 2
43 / 2
19 / 1
33 / 2
41 / 2
0/0
56 / 2
0 /0
94 / 4
44 / 2
48 / 2
87 / 3
0/0
43 / 2
94 / 4
0/0
51 / 2
64 / 3
38 / 2
0/0
19 / 1
44 / 2
51 / 2
0/0
22 / 1
55 / 2
0/0
33 / 2
48 / 2
64 / 3
22 / 1
0/0
68 / 3
0/0
41 / 2
87 / 3
38 / 2
55 / 2
68 / 3
0 /0
Tabela 3.7 Tempo e distncia entre os clientes.
Para este exemplo, a soluo tima foi obtida em 1,02 segundos e gerou
duas rotas, conforme diagrama da Figura 3.13 e Tabelas 3.8 e 3.9.
Rota 1
Rota 2
5
4
1
Figura 3.13: Diagrama do roteamento timo para este problema.
47
Rota
Pontos
Visitados
Demanda
(Kg)
Tipo Veculo
Distncia
(km)
0542
3.347
1 - Truque
114
795
0631
10.498
2 - Carreta
109
955
Faixa Custo
Tabela 3.8 Rotas geradas na soluo tima.
Rota 1
Rota 2
Cliente
Incio de
Atendimento
Cliente
Incio de
Atendimento
10
11
16
16
Tabela 3.9 Horrio de incio de atendimento dos clientes na soluo tima.
Na tabela 3.8 pode se observar que o veculo da rota 1 atende uma demanda
de 3,4 mil quilogramas, pode utilizar um caminho truque (k = 1), e percorre uma
distncia na segunda faixa de distncia (f = 2). J o veculo da rota 2 atende uma
demanda pouco superior ao limite de capacidade de um caminho truque, sendo
necessrio utilizar uma carreta (k = 2), a distncia se mantm na segunda faixa (f =
2). Na tabela 3.9 nota-se que a soluo tima respeita as janelas de tempo nos
clientes, ficando claro que a soluo tima respeita todas as restries. O custo total
de 1750 unidades monetrias 14,2% inferior soluo realizada pelo cliente, a um
custo de 2040.
Como pode ser observado neste exemplo, e por todo o conjunto de instncias
usado na avaliao do modelo e apresentado na Tabela 3.4, o modelo matemtico
traz redues de custo significativas se comparado ao praticado pela empresa com
seus recursos atuais. O benefcio se torna maior conforme a complexidade dos
problemas aumenta.
As instncias testadas tinham no mximo oito clientes sendo atendidos por
apenas dois tipos de veculos. Essas quantidades so reduzidas se comparadas
com situaes cotidianas da empresa que forneceu os dados. Existem dias em que
o roteamento deve ser feito para mais de quatrocentos clientes, distribudos em mais
de oitenta cidades, alm de uma grande variedade de veculos que as diferentes
48
transportadoras podem oferecer a seus clientes. Para poder solucionar problemas

maiores, e mais prximos realidade da indstria e comparveis com a literatura,
portanto, necessrio o desenvolvimento de um procedimento heurstico que deve
trazer solues muito boas em um tempo aceitvel, mas no garantidamente ser a
soluo tima.
49
4 Heursticas Propostas
Conforme apresentado nos captulos anteriores, o FSMVRPTWSC NPHard, portanto, apesar da proposio de uma formulao PLIM ter se mostrado
eficaz em buscar solues timas para o problema no captulo 3, isto somente
possvel para problemas de pequeno porte. Para a soluo de problemas maiores,
coerentes com a realidade das empresas que realizam roteamento de seus veculos,
um mtodo heurstico pode fornecer uma boa soluo, mas no garantidamente a
tima, em um tempo razovel de processamento. Portanto, neste captulo sero
propostos e testados mtodos heursticos para soluo deste problema.
Primeiramente, na Seo 4.1, apresentada a ideia geral dos mtodos. Em
seguida, na Seo 4.2, os mtodos so detalhados passo a passo. Os critrios que
diferenciam os mtodos so descritos na Seo 4.3. Devido ao ineditismo do
problema na literatura, no existem problemas de referncia para esse problema,
portanto instncias foram geradas para avaliar os mtodos, cujo processo de
gerao est descrito na Seo 4.4. Finalmente, as avaliaes dos mtodos so
apresentadas e analisadas na Seo 4.5.
4.1
Viso Geral
Os mtodos heursticos desenvolvidos neste trabalho so do tipo construtivo
sequencial e seguem a mesma rotina. As rotas so criadas uma por vez at se

chegar ao limite da capacidade do maior veculo ou at que a adio de mais um
cliente rota no seja mais possvel devido s janelas de tempo, ou por no ser
mais favorvel de acordo com os critrios de insero.
Os mtodos so baseados nas heursticas de insero sequencial proposta
por Dullaert et al.(2002) para o FSMVRPTW. Essas tambm so adaptaes da
heurstica das inseres de Solomon (1987) para o problema VRPTW.
Antes de iniciar o procedimento principal, deve existir uma pr-inicializao,
cujo objetivo garantir que todos os clientes a serem atendidos tenham demanda
inferior capacidade do maior veculo disponvel. Isso feito criando-se rotas
exclusivas com o veculo de maior capacidade disponvel para os clientes cuja
50
demanda superior capacidade destes. Este procedimento deve se repetir at que

a demanda remanescente em todos os clientes seja inferior capacidade do maior
veculo.
Aps a pr-inicializao, inicia-se o processo iterativo. As rotas so criadas e
expandidas uma por vez. A cada iterao avaliam-se todos os clientes viveis a
serem adicionados na rota em construo conforme o benefcio obtido com sua
adio.
A avaliao da viabilidade de adio de um cliente a uma rota feita pela
restrio de capacidade do veculo e de respeito s janelas de tempo. A adio de
um cliente na rota acresce sua demanda mesma e esta no deve exceder a
capacidade do maior veculo. Alm disso, o tempo de atendimento a esse cliente,
que leva em conta o tempo adicional de translado e o de servio, no deve
comprometer o atendimento das janelas de tempo dos clientes j alocados. O cliente
que se mostrar invivel de ser adicionado rota em construo desconsiderado.
No existe a possibilidade de excluir um cliente na rota para que outro no roteado
seja adicionado.
Em seguida, para os clientes viveis, avaliado o benefcio da adio destes
na rota. Esta ponderao dada a partir de dois critrios, C1 e C2.
O critrio C1 avalia o impacto negativo na rota devido a essa adio. O valor
desta varivel no somente o custo adicional gerado, mas tambm pela
combinao de diversos fatores que incidem na rota. Por exemplo, o critrio pode
ponderar entre o aumento do custo de frete com o aumento no tempo total da rota,
da distncia e da demanda total. Este um critrio que quanto menor, melhor. C1
calculado na insero do cliente em todas as posies possveis da rota e, a partir
dele, se escolhe a posio que gerar o menor valor para seguir com o mtodo.
J o critrio C2 avalia o benefcio obtido com a possvel adio do cliente
rota. Ele dado pela economia que se faz em evitar uma rota exclusiva para atendlo se comparada ao valor de C1. Caso o valor de C1 deste cliente for maior que o de
C2, a insero do cliente no vale a pena e deve ser desconsiderada. De todos os
clientes viveis, o cliente de maior C2 positivo escolhido para a insero. Caso no
exista cliente com C2 positivo, nenhum cliente adicionado.
51
O procedimento repetido enquanto existirem pontos no roteados viveis e

cuja adio traga benefcios (C2 > 0). Quando estes se esgotarem, uma nova rota
iniciada. Quando no existirem mais clientes no roteados, a heurstica encerrada.
Por se tratar de um mtodo heurstico de insero com critrios preparados
para os custos escalonados, os mtodos sero denominados Heurstica de Insero
com Custos Escalonados e sero identificados pela sigla SCI (Scaled Cost Insertion
Heuristics).
4.2
Etapas do Procedimento
O mtodo heurstico consiste em quatro etapas, que sero detalhadas a
seguir. O procedimento segue a metodologia geral de Solomon (1987) e que foi

utilizada tambm por Dullaert et al. (2002) para o FSMVRPTW.
Na fase de pr-inicializao, para todos os clientes i cuja demanda superior
capacidade do maior veculo (qi > aK), atribua tantas viagens de ida e volta do
armazm (0,i,0) quanto for necessrio com o maior veculo disponvel at que a
demanda remanescente neste cliente seja igual ou inferior do maior veculo.
Aps esse ajuste, siga para o procedimento:
Etapa 1: Inicie uma nova rota escolhendo o cliente ainda no atendido mais
distante do armazm. Caso no exista nenhum cliente ainda no atendido,
encerre o procedimento. Caso exista pelo menos um cliente no roteado, faa
uma rota ida e volta com o veculo de menor capacidade possvel que
atenda sua demanda e marque esse cliente como j atendido.
Etapa 2: Verifique quais clientes podem entrar na rota, ou seja, que possuem
uma demanda que pode ser atendida pela diferena entre a demanda total da
rota e a capacidade do maior veculo. Se houver pelo menos um cliente
nessas condies, siga para a Etapa 3, seno retorne Etapa 1;
Etapa 3: Para os clientes selecionados na Etapa 2, calcule o critrio C1 para

cada um e, em seguida, o respectivo C2 (clculos indicados na Seo 4.3).
Se pelo menos um cliente possuir C2 positivo, siga para a Etapa 4. Caso
todos tenha C2 negativo, retorne Etapa 1;
52
Etapa 4: Escolha o cliente que possuir o maior valor de C2 e insira-o na rota

em construo na posio que este gerou o menos C1. Marque este cliente
como j roteado e volte Etapa 2.
A Figura 4.1 mostra no formato de fluxograma a sequncia de etapas da
metodologia empregada.
Etapa 1
PrInicializao
Etapa
2
Existem
Clientes
no
roteados?
Sim Buscar Cliente

no roteado
mais distante
No
Etapa
3
Criar nova rota

exclusiva para
esse cliente
Marcar cliente
como j
roteado
Etapa
2
Fim
Etapa 2
Etapa
1
Etapa
4
Calcular diferena
entre capacidade
do maior veculo e
demanda da rota
(Cdisp)
Existem clientes
no roteados com
demanda inferior a
Cdisp?
Sim
No
Marcar esses
clientes como
candidatos
Etapa
3
Etapa
1
Etapa 3
Etapa
2
Calcular C1
de cada
candidato
Calcular C2
de cada
candidato
Existe
candidato
com C2
positivo?
Sim
Etapa
4
No
Etapa
1
Etapa 4
Etapa
3
Escolher o
candidato
com maior C2
Adicionar
cliente
escolhido rota
Marcar cliente
como j
roteado
Etapa
2
Figura 4.1 Fluxo geral das heursticas propostas dividido em quatro etapas.
O pseudocdigo dos mtodos pode ser encontrado no Anexo A.
4.3
Definio dos Critrios de Economia para Insero

Os critrios C1 e C2 so os que determinam a viabilidade ou no de uma
adio de cliente em uma rota em formao, conforme explicado na Seo 4.1.
53
As diferentes formas de se obter os seus valores diferenciam as heursticas

propostas. Desta forma, para cada uma das heursticas, apresentada a seguir a
forma de clculo de C1 e C2. Os critrios de clculo propostos neste trabalho so
baseados nos apresentados por Dullaert et al. (2002) para o FSMVRPTW, portanto,
primeiro sero explicados os critrios da metodologia ACS, para ento definir as
metodologias propostas nesta dissertao.
4.3.1
Critrios Originais da Heurstica ACS para o FSMVRPTW

O problema analisado por Dullaert et al. (2002) possui custos fixos conforme o
tipo de veiculo utilizado e lineares conforme a distncia percorrida, alm de

restries de janelas de tempo e capacidades de cada veculo. Desta forma, o
problema tem a formulao dos critrios C1 e C2 considerando essas
caractersticas. Para melhor identificar os critrios C1 e C2 utilizados no mtodo
ACS de Dullaert et al. (2002), sero doravante denominados C1D e C2D.
O critrio C1D calculado a partir da soma de trs componentes,
referente ao aumento da distncia total da rota, 1 referente variao no tempo
de roteamento e 1 referente ao aumento de custo causado pela possvel troca de
veculo que executa a rota. O impacto desses trs elementos no clculo de C1D
balanceado pelos fatores 1, 2 e 3. A obteno de C1D para um dado cliente u

dado pelo menor valor de C1D calculado para todas as posies possveis na rota.
1 ( )=
[ 1
, ,
= 1, ,
Onde ip-1 e ip so pontos adjacentes na rota em construo e m o tamanho total da

rota. C1D o menor
, ,
calculado entre todos os pontos da rota em
construo que for possvel sua adio.

1 (, , )=
onde:
1 ( , , )+
1 ( , , )+
1 ( , , ), 1, 2, 3 0
: Aumento da distncia total da rota, onde um fator de balanceamento entre

o aumento da distncia pela ligao entre os pontos i e j ao ponto u, dados por diu e
duj, e a reduo de distncia por no mais haver o trajeto entre i e j, dado por dij.
1 (, , )=
54
: Aumento no tempo de incio do servio no cliente imediatamente aps u, onde

o momento de incio do servio em j antes da insero do ponto u e
novo instante de incio do servio do veculo em j aps esta insero;

1 (, , )=
: Aumento no custo fixo devido necessidade de troca do tipo de veculo que
percorre a rota como consequncia do aumento da demanda a ponto de ser

necessrio um veculo maior para atend-la. Como mencionado na reviso
bibliogrfica, no clculo de C13 que Dullaert et al. (2002) dividem seu mtodo em
trs heursticas distintas. Aqui abordamos o ACS, onde 1 a diferena de custos
fixos quando se troca o tipo de veculo. Utilizando a notao apresentada no captulo
3, Ck1 o custo fixo do menor veculo que atende a demanda da rota e Ck1new o
custo fixo do menor veculo que atende a rota aps adicionar a demanda o cliente u.
1 (, , )=
O critrio C2D valoriza o benefcio de adicionar o cliente u rota, a partir da
comparao entre fazer uma entrega exclusiva ao cliente u e o critrio C1. Na ACS,
os valores a serem somados so a distncia e o tempo entre o armazm e o cliente
(dados por d0u e t0u), o tempo de servio nesse cliente (su) e o custo fixo do menor
veculo que atenda a demanda deste cliente, dado por Ck1(qu). Desta soma subtraise C1D(u). um fator que tem o objetivo de calibrar C2.
2 ( )= (
)+
) 1 ( )
4.3.2 Heurstica de Insero com Custos Escalonados 1 (SCI1)

A heurstica SCI1 parte do trabalho de Dullaert et al.(2002) e adapta a
heurstica ACS para tratar adequadamente os custos escalonados. A heurstica
ACS, detalhada na seo 4.3.1, a mais direta evoluo do mtodo de Clark e
Wright (1964), permitindo uma adaptao para os custos escalonados de maneira
eficiente.
No clculo do critrio C1, SCI1 seguir a mesma frmula que o mtodo ACS,
com exceo do elemento C13 neste mtodo, referente variao de custo fixo, que
reflete a mudana na faixa de custo, gerada ou por mudana no tipo de veculo
55
(variao em k) ou de faixa distncia (variao em f) e no apenas o custo fixo do

veculo.
Desta forma, C1 para esta heurstica ser doravante denominado C1S1 e pode
ser definido da seguinte forma:
1 ( )=
1 (, , )=
[ 1
1 (, , )=
1 (, , )=
, ,
1 ( , , )+
+
1 (, , )=
1 ( , , )+
= 1, ,
1 (, , )
1, 2, 3 0
possvel notar, na formulao de C1S1, que esta possui a mesma
formulao que C1D, explicada na Seo 4.3.1, com exceo de C13S1. Neste caso,
ele se d pela diferena entre Pv, o custo total do veculo que executa a rota com a
demanda e distncia anterior adio de u, e Pvnew, o custo de veculo que executa
a rota com a adio da demanda de u e o aumento de distncia da rota decorrente
da adio dele entre os clientes i e j.
C2S1 deve seguir os mesmos critrios adotados de ACS, porm adaptado aos
custos escalonados como foi feito em C13S1. Desta forma, ao invs de considerar o
custo fixo do menor veculo que executa a rota exclusiva entre o armazm e o
cliente, ele levar em conta o custo total do veculo que faz essa rota de acordo com
os custos de frete escalonado. Esse custo dado por P(0,u,0). Portanto, C2S1 ter a
seguinte forma:
2 ( )=
)+
(0, , 0) 1 ( )
1, 2, 3 0
Onde 1, 1 e 1 so fatores para balancear elementos de C2S1 de distncia
(1), tempo (2) e custo (3).

A Heurstica SCI2 busca solucionar o problema tendo em vista as
caractersticas especficas do problema abordado. importante enfatizar que o
objetivo do FSMVRPTWSC minimizar o custo de uma rota desde que factvel
56
dentro das janelas de tempo e capacidade dos veculos. Como o custo dado de
forma fixa para cada tipo de veculo em cada faixa de distncia, as variaes da
distncia e do custo fixo no mais devem ser consideradas separadamente, j que
ambos os elementos so parte do mesmo custo. Partindo dessa constatao no
mais interessante separar C1 e C2 em trs elementos distncia, tempo e custo fixo
-, mas sim em dois elementos - custo e tempo.
Para diferenciar a notao das metodologias, os critrios C1 e C2 da SCI2
sero doravante denominados 1
o clculo de 1
1 ( )=
e 2 . Tendo em vista a explicao do mtodo,
pode ser formulado da seguinte forma:
[ 1
, ,
= 1, ,
Onde ip-1 e ip so pontos adjacentes na rota em construo e m o tamanho total da

rota. Portanto, essa notao deixa claro que C1S2 ser dado pelo menor
1
, ,
calculado entre todos os pontos da rota em construo que for
possvel sua adio.

1 (, , )=
1 ( , , )+
1 (, , )
1, 2 0
Onde 1, 2 so fatores para balancear o peso da variao do custo fixo (dado por
1 ) e da variao do tempo de roteamento ( 1 ).
1 (, , )=
Onde
o custo de frete do veculo que executa a rota com a demanda e distncia

o custo de frete do veculo que executa a rota com a
anterior adio de u e
adio da demanda de u e o aumento de distncia da rota decorrente da adio dele

entre os clientes i e j.
1 (, , )=
Onde
o momento de incio do servio em j antes da insero do ponto u e
o novo instante de incio do servio do veculo em j aps esta insero;

Seguindo a lgica adotada no critrio
1 , o critrio
considera a distncia, somente a economia em custo e tempo.

2 ( )=
(0, , 0) +
) 1 ( )
1, 2 0
tambm no
57
Onde
(0, , 0) o custo total do veculo que faz uma viagem exclusiva entre o
armazm e o cliente u. t0u e su so, respectivamente, o tempo de translado desta

rota exclusiva e o tempo de servio em u. 1 e 2 so fatores para balancear o
impacto de custo e tempo na formulao de 2 .

SCI2 tem a vantagem de possuir uma abordagem objetiva dos elementos que
compem o FSMVRPTWSC. Entretanto, esse tratamento pode ser excessivamente
direto, perdendo refinamento na escolha de qual cliente adicionar. Em uma situao,
por exemplo, em que a adio de dois candidatos no mude a faixa de custos, ou
seja, para os dois candidatos
= 0, SCI2 no tem condies de determinar
adequadamente o melhor cliente a adicionar. Desta forma pode acabar por adicionar
um cliente que levar a distncia total at o limite da faixa de distncia, enquanto
outro poderia ainda deixar espao na mesma faixa, que seria uma oportunidade de
adicionar mais um cliente na rota na prxima iterao sem alterar o custo.
Com o objetivo de permitir heurstica ter visibilidade dessas situaes, foi
proposta a heurstica SCI3. Ela semelhante a SCI2, com a adio de um terceiro
elemento a C1. Esse elemento, C13, a diferena entre o fim da faixa de distncia e
a distncia total da rota aps a adio do cliente candidato. Seu valor subtrado do
total de C1, desta forma, quanto mais unidades de distncia ainda estiverem
disponveis para futuras inseres de outros clientes na faixa de distncia aps a
adio de um cliente rota, menor o valor de C1 desse cliente. Com esse elemento
reduzindo o valor total do critrio, existe um aumento na atratividade de um cliente
quando comparado a outro que est na mesma faixa de distncia, mas o aumento
de distncia maior. C13 deve ser considerado mesmo quando a adio do cliente
gerar mudana na faixa de distncia na qual a rota est inserida, j que o custo
dessa mudana de faixa j est considerado no critrio C11.
Para a heurstica SCI3, C1 ser doravante chamado
1 , assim como C2
ser denominado 2 . Os critrios tero a seguinte formulao:

1 ( )=
1 (, , )=
[ 1
, ,
1 ( , , )+
1 ( , , )
= 1, ,
1 (, , )
1, 2, 3 0
58
1 (, , )=
1 (, , )=
1 (, , )=
1 (, , )=0
2 ( )=
Onde
(0, , 0) +
1
se
(
) 1 ( )
se
<
=
1, 2 0
so idnticos aos elementos de SCI2. O terceiro elemento de
1 , 1 , dado pela diferena entre a distncia total da rota aps a adio do
cliente u, dado por
, e o incio da faixa de distncia seguinte qual est esta
distncia total, dada por Wf+1. Caso a distncia total nova esteja na ltima faixa de
distncia, o elemento 1
tem valor zero. A ponderao entre fatores deve ser feita
com o uso dos ndices 1, 2 e 3.

O ndice C2 no alterado em relao a SCI2.
4.3.5 Resumo das Heursticas Propostas
Para solucionar o FSMVRPTWSC, as trs heursticas propostas foram
implementadas, SCI1, SCI2, SCI3, alm do mtodo ACS de Dullaert et al. (2002)
para permitir comparar a efetividade dos mtodos. Como mencionado nas sees
anteriores, as quatro heursticas seguem a mesma rotina de execuo, com a
diferena entre elas restrita aos critrios C1 e C2. Para auxiliar o leitor, a tabela 4.1
apresenta um resumo dos critrios em cada uma das heursticas.
59
Heurstica
ACS
SCI1
SCI2
SCI3
C1 (i,u,j)
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=0
C2 (u)
1 +
1 +
+
1 +
1
+
1 +
1 +
2 = (
1
1
1
1
se
se
+
+
)+
(
(
)+
) 1
(0, , 0) 1
(0, , 0) +
) 1
(0, , 0) +
) 1
<
=
Tabela 4.1: Resumo das heursticas propostas e respectivos critrios C1 e C2.
4.4
Gerao de Instncias
O conjunto de instncias no qual os mtodos propostos so avaliados foi
gerado com base tanto nas instncias apresentadas na literatura como nos casos
reais dos testes computacionais utilizados com o modelo PLIM. As instncias com
base na literatura so adaptaes das 168 instncias propostas por Liu e Chen
(1999) para o FSMVRPTW. Em seu trabalho, os autores fazem a primeira
abordagem formal deste tipo de problema e, para testar os mtodos propostos,
adaptam as 56 instncias geradas por Solomon (1987) para o VRPTW adicionando
a elas diferentes tipos de veculos com capacidades e custos fixos para cada um.
4.4.1 Origem das Instncias-Base
Solomon (1987) gerou as instncias com o objetivo de simular cenrios
prximos realidade no roteamento de veculos, incluindo caractersticas como
diferentes distribuies geogrficas, demandas e janelas de tempo. Foram geradas
56 instncias com 100 clientes cada, como j mencionado no captulo 2, agrupadas
em seis grupos de acordo com caractersticas de distribuio geogrfica dos clientes
60
- aleatoriamente distribudos no espao (problemas do tipo R), pr-agrupados (tipo

C) e o cenrio intermedirio entre os dois (tipo RC) e de janelas de tempo
disponvel para entregas - apertadas (problemas do tipo 1) e folgadas (tipo 2).
Combinando as duas caractersticas, foram obtidos os grupos R1, C1, RC1, R2, C2
e RC2. Para cada grupo existe uma quantidade determinada de instncias. As
caractersticas de cada grupo e nmero de instncias (apresentado entre
parnteses) de cada um so apresentadas na Tabela 4.2.
R: Clientes distribudos
uniformemente no
espao;
C: Clientes
agrupados no
espao
RC: Clientes semiagrupados no

espao;
1: Janelas de tempo
apertadas
R1 (12)
C1 (9)
RC1 (8)
2: Janelas de tempo largas
R2 (11)
C2 (8)
RC2 (8)
Tabela 4.2: Caractersticas dos grupos de instncias de Solomon (1987) para o VRPTW.
Essas instncias geradas por Solomon (1987) so referncia para todos os

trabalhos posteriores sobre VRPTW e foram adaptadas para avaliar a efetividade de
algoritmos em outros tipos de problemas apresentados na literatura.
Para gerar instncias para o FSMVRPTW, Liu e Shen (1999) adicionaram, em
cada grupo de instncias, diversos tipos de veculos com capacidades e custos fixos
diferentes para atender aos clientes em cada grupo. Os autores, porm, no
apresentam os critrios e mtodos para sua gerao. Nesta adaptao, cada grupo
de clientes recebeu um grupo de veculos dividido em trs cenrios a, b e c - que
variam somente no custo fixo. Desta forma, para cada instncia gerada por Solomon
(1987), existem trs instncias de Liu e Shen (1999). O total de instncias para o
FSMVRTW 168. A Tabela 4.3 apresenta esta proposio.
Essas instncias so amplamente utilizadas como referncia para avaliar
heursticas para o FSMVRPTW. Ainda assim, algumas crticas podem ser feitas a
essa metodologia de novas instncias.
61
Grupo
R1
C1
RC1
R2
C2
RC2
Veculo
1
2
3
4
5
1
2
3
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
5
6
Capacidade
30
50
80
120
200
100
200
300
40
80
150
200
300
400
600
1.000
400
500
600
700
100
200
300
400
500
1.000
a
50
88
140
250
500
300
800
1.350
60
150
300
450
450
700
1.200
2.500
1.000
1.400
2.000
2.700
150
350
550
800
1.100
2.500
Custo Fixo
b
10
16
28
50
100
60
160
270
12
30
60
90
90
140
240
500
200
280
400
540
30
70
110
160
220
500
c
5
8
14
25
50
30
80
135
6
15
30
45
45
70
120
250
100
140
200
270
15
35
55
80
110
250
Tabela 4.3: Caractersticas dos veculos nas instncias para o FSMVRPTW gerados por Liu e
Shen (1999).
A primeira se refere s unidades. Nestas instncias, tempo, distncia e custos

tm a mesma unidade. sabido que na realidade cada um tem sua medida prpria
como, por exemplo, no sistema internacional de medidas, tempo medido em
segundos e distncia em metros. Custos so determinados de acordo com a moeda
corrente. A converso de distncia para tempo depende da velocidade em que o
veculo se desloca, o que raramente ser 1 metro por segundo (3,6 km/h, velocidade
muito lenta para transportes). A converso de distncia ou tempo para dinheiro
ainda mais complexa e varia conforme caractersticas da estrutura de capital da
empresa dona da frota, das caractersticas dos equipamentos utilizados no
transporte, salrios de motoristas e ajudantes, condies das vias e at mesmo do
preo dos concorrentes. Alm disso, diferentes veculos, com diferentes custos fixos,
tm custos variveis idnticos, o que numa situao real pouco provvel. Se for
comparado, por exemplo, um VUC (veculo urbano de carga) com uma carreta, os
62
dois tm custos fixos e capacidades de transporte muito diferentes, mas o custo

varivel sensivelmente inferior no VUC.
A segunda crtica foi feita por Dullaert et al. (2002). Alinhada com a primeira
crtica, a da relao 1:1 entre as diferentes unidades de medida e iguais para todos
os veculos, eles criticam a estrutura de custos criada. Tomando como exemplo o
veculo 1, do grupo R1, na estrutura de custos c, o seu custo fixo de 5 unidades
monetrias, o que equivalente ao custo varivel de 5 unidades de tempo. Como a
janela de tempo do armazm 230, isso significa que em apenas 2% do tempo de
roteamento o custo varivel j se torna superior ao custo fixo. Conforme Dullaert et
al. (2002), a relao entre essas dimenses se mostra incoerente com dados reais,
em que o custo fixo tem impacto superior ao do custo varivel, sendo necessrio
percorrer longas distncias para que o custo varivel tenha impacto significativo
comparado ao custo fixo.
Apesar destas crticas, as instncias criadas por Liu e Shen (1999) so
amplamente utilizadas para o FSMVRPTW, portanto sero adaptadas para o custo
escalonado e utilizadas no FSMVRPTWSC.
4.4.2 Adaptaes
Para manter as instncias do FSMVRPTWSC compatveis com as de Liu e
Shen (1999), algumas propriedades sero preservadas:
Os clientes tero a mesma localizao e distncia (dij) entre si, demanda (qi) e
janelas de tempo ([ei,li]) que as geradas por Solomon (1987);
O nmero de tipos de veculos (K) e suas respectivas capacidades (ak) sero

mantidos conforme proposta de Liu e Shen (1999);
As alteraes que sero feitas nos dados das instncias sero aplicadas
aos custos dos veculos. A estratgia ser tornar escalonada a estrutura linear de
custos, sem alterar suas propriedades bsicas.
Para atender a essa estratgia, determina-se que o custo de cada faixa de
distncia ser igual ao que seria cobrado na estrutura de custos linear para a
distncia inicial da faixa. Ou seja, Ckf = CFk + Wf para qualquer f, sendo que CFk o
custo fixo de um veculo k na estrutura de custos de Liu e Shen (1999).
63
Como a primeira faixa de distncia sempre se inicia em zero (W 1 = 0), o custo

fixo de um veculo das instncias de Liu & Shen (1999) ser equivalente ao custo
primeira faixa de distncia deste mesmo veculo na proposta desta dissertao (Ck1
= CFk para todo k). Desta forma, para definir os custos Ckf, basta determinar Wf para
todas as instncias. A Figura 4.2 auxilia a compreenso do conceito aplicado.
Custos Escalonados
Custo
Custos Lineares
Distncia Percorrida
Figura 4.2: Esquema grfico da converso de custo linear para escalonado utilizado para
criao de instncias do FSMVRPTWSC.
Para a definio dos parmetros W f de cada instncia:
Determinar W F, ou seja, o incio da ltima faixa de distncia;
Determinar F, o nmero de faixas de distncia de cada instncia;
Finalmente, determinar cada Wf dividindo a distncia at WF para cada f.
Para determinar o valor de WF, os seguintes passos foram tomados.

Primeiro foi analisada a distncia mxima que um veculo pode percorrer com
os dados utilizados de cada grupo de instncias. Pela relao 1:1 entre distncia e
tempo, e como toda rota deve se iniciar e encerrar no armazm, essa distncia
mxima seria um valor menor ou igual janela de tempo do armazm.
Naturalmente, no esperado que nenhum veculo consiga fazer isso, pois existe
tempo despendido no servio em cada cliente, portanto essa distncia mxima um
limitante superior que no deve ser nunca atingido.
Em seguida, para determinar WF analisou-se quanto, do tempo total do
problema, o veculo poderia estar de fato em trnsito, gerando aumento na distncia
64
percorrida na rota, e no em servio no cliente. Essa informao deve ser uma

estimativa, uma vez que esse tempo varia conforme a rota feita pelo problema. O
tempo estimado mximo de trnsito para cada grupo de instncia foi definido como
WF. Desta forma ainda possvel que algum veculo chegue a essa ltima faixa F,
mas ser uma minoria.
Essa anlise foi feita para cada grupo de instncias com caractersticas
semelhantes de distribuio espacial de clientes. Nos grupos do tipo R, eles esto
uniformemente separados, o que gera rotas com viagens mais longas entre clientes
na mdia e, portanto, o veculo demanda mais tempo entre viagens que atendendo
os clientes. J nos grupos do tipo C os clientes esto agrupados, permitindo rotas
em que possvel atender um nmero maior de clientes com um translado muito
curto e, assim, na mdia, consome-se mais tempo em atendimento no cliente que
em translado. Os grupos do tipo RC so exatamente o meio-termo entre os dois
grupos. A partir dessas caractersticas dos grupos, determinou-se WF para cada um
(R, C e RC). As etapas do clculo foram as seguintes:
Primeiro levantou-se (1) a distncia mxima do problema, dada pela janela de

tempo do armazm;
Em seguida, determinou-se (2) a distncia mdia entre clientes e (3) o tempo

mdio de servio em cada um. A soma destes valores determina (4) o tempo
total mdio para atender cada cliente da instncia;
Dividindo-se (1) por (4), obtm-se (5) o nmero mdio de clientes que uma
rota pode atender.
Multiplicando (5) por (3), obtm-se (6) o tempo mdio gasto por cada veculo
em servio em clientes.
Subtraindo (6) de (1) temos o tempo estimado mximo que um veculo passa
em trnsito, ou seja o valor de WF.
A determinao de F para cada instncia foi feita observando exemplos
prticos encontrados. Observou-se que no usual mais de 5 ou 6 faixas de

distncia. Alm disso, o tamanho das faixas tende a aumentar conforme a distncia
total percorrida aumenta. Por exemplo, as faixas seriam de 0 a 10, 10 a 25, 25 a 50,
50 a 100, 100 a 200 e a faixa de custo contnua se iniciaria em 200. Finalmente, em
65
situaes reais raro que um veculo chegue a atingir a ltima faixa de distncia, na
qual o custo se torna linear.
As instncias do grupo 1 (R1, C1 e RC1), que possuem janelas de tempo
curtas, no permitem longas rotas, portanto devem possuir um menor nmero de
faixas de distncia que os de janela de tempo longas do grupo 2 (R2, C2 e RC2).
Assim, determinou-se que problemas do grupo 1 tero quatro faixas de custo fixo,
alm da ltima de custo linear, enquanto as do grupo 2 tero cinco.
Aps determinar WF e o total de faixas de cada problema, foi possvel
determinar o incio das outras faixas (W1, W2, ..., WF-1). Isso feito pela diviso da
distncia at WF em tamanhos crescentes de acordo com o nmero determinado
para aquele grupo. Assim teremos que Wf-1 < Wf < Wf+1, para qualquer 1 < f < F. A
seguir temos um resumo passo a passo da determinao das faixas de distncia Wf
com seus respectivos resultados.
WF foi determinado, conforme a anlise explicada anteriormente, para cada

grupo de instncia:
o Problemas do tipo R (R1 e R2): ltima faixa ser 25% da distncia total
da rota;
o Problemas do tipo RC (RC1 e RC2): ltima faixa ser 20% da distncia
total da rota;
o Problemas do tipo C (C1 e C2): ltima faixa ser 70% da distncia total
da rota;
A quantidade de faixas de distncia determinada conforme o tipo de

instncia:
o Problemas do tipo 1 (R1, C1 e RC1) tero quatro faixas de custo
escalonado, alm da ltima faixa, de custo linear;
o Problemas do tipo 2 (R2, C2 e RC2) tero cinco faixas de custo
escalonado, alm da ltima faixa, de custo linear;
Como j citado, o tamanho das faixas crescente. O aumento de tamanho de

uma faixa em relao sua precedente constante;
Os incios de cada faixa de distncia (Wf) de cada instncia foram

arredondados para um mltiplo de dez para facilitar a leitura.
66
Os valores de Wf resultantes deste processo para cada grupo de instncias

ficaram conforme a Tabela 4.4. As tabelas finais de custos Ckf para cada grupo de
instncia esto disponveis no ANEXO B.
Faixa de distncia (f)
Instncia
R2
C2
RC2
R1
C1
RC1
% da distncia total
Wf
% da distncia total
Wf
% da distncia total
Wf
% da distncia total
Wf
% da distncia total
Wf
% da distncia total
Wf
1
10,0%
0
4,0%
0
8,0%
0
15,0%
0
6,0%
0
14,0%
0
2
12,5%
100
5,0%
140
12,0%
80
17,5%
30
7,0%
70
18,0%
30
3
15,0%
230
6,0%
310
16,0%
200
20,0%
70
8,0%
160
22,0%
70
4
17,5%
380
7,0%
510
20,0%
350
22,5%
120
9,0%
260
26,0%
120
5
20,0%
560
8,0%
750
24,0%
540
25,0%
170
70,0%
370
20,0%
180
6
25,0%
760
70,0%
1020
20,0%
770
Tabela 4.4 Incio das faixas de distncia.
4.5
Experimentos Computacionais
Nesta
seo
apresentaremos
os
resultados
obtidos
nos
testes
computacionais das heursticas propostas. Elas sero aplicadas s 168 instncias

adaptadas da literatura apresentadas na seo anterior e aos problemas reais da
indstria alimentcia descritos na Seo 3.3.
As metodologias foram implementadas na linguagem C e os testes
computacionais realizados com um computador Intel Core i5-252M 2.5GHz, com
3,41GB de memria RAM.
notvel que em todas as heursticas existem ndices e que compem as
frmulas dos critrios C1 e C2. A escolha do valor desses ndices somente limitada
a valores positivos e tem como objetivo balancear o impacto das diferentes
dimenses como custo, tempo, distncia e capacidade em sua formulao. Portanto,
alm de representar a prioridade que um aspecto tem em relao ao outro,
importante levar em conta as unidades de medida entre cada caracterstica do
problema. Por exemplo, nas instncias adaptadas de Solomon (1987) a relao
entre todas as dimenses de 1:1, j nas instncias baseadas no caso real, temos
67
uma relao diferente entre cada caracterstica, como a velocidade mdia de 30

km/h.
Desta forma, os ndices e para os problemas reais tero diferentes valores
que nas instncias adaptadas da literatura. Seus valores foram calibrados por testes
preliminares. O Anexo C apresenta alguns resultados destas avaliaes.
O critrio para avaliar a qualidade de uma heurstica ser o custo total do
problema. Como explicado anteriormente, o FSMVRPTWSC somente ocorre em
casos de terceirizao da frota, em que a indstria prepara seu prprio roteamento e
utiliza os veculos de uma empresa terceira que, por sua vez, cede os veculos
cobrando valores escalonados por faixas de distncia percorrida. Deste modo fica
claro que o interesse de quem contrata esse frete, alm de ter todos os clientes
atendidos, pagar o mnimo valor possvel. Portanto no sero analisados o nmero
de veculos, a distncia percorrida ou o tempo de roteamento, apenas o custo total.
4.5.1 Experimentos com Instncias da Literatura Adaptados
As instncias adaptadas da literatura, geradas conforme descrito na seo
4.4, foram solucionadas usando as quatro heursticas, as trs propostas neste
trabalho e a ACS.
Feitas essas consideraes, os resultados de testes com as instncias da
literatura adaptadas podem ser observados na Tabela 4.5 e na Tabela 4.6. Os
valores de e utilizados em cada uma das heursticas que geraram os resultados
apresentados nas tabelas so os seguintes.
SCI1: 1 = 0,2, 2 = 0,2, 3 = 1,0, 1 = 0,5;
SCI2: 1 = 0,8, 2 = 0,2, 1 = 0,2, 2 = 0,8;
SCI3: 1 = 0,7, 2 = 0,1, 3 = 0,2, 1 = 0,4, 2 = 0,1;
ACS: 1 = 1,0, 2 = 1,0, 3 = 1,0, 1 = 1,0.
68
Quantidade
% Grupo
Grupo
Nmero de
Instncias
SCI1
SCI2
SCI3
ACS
SCI1
R1
36
28
0,0
25,0
77,8
0,0
R1a
12
0,0
41,7
66,7
0,0
R1b
12
11
0,0
8,3
91,7
0,0
R1c
12
0,0
25,0
75,0
0,0
C1
27
20
22,2
7,4
74,1
0,0
C1a
66,7
22,2
22,2
0,0
C1b
0,0
0,0
100,0
0,0
C1c
0,0
0,0
100,0
0,0
RC1
24
22
0,0
8,3
91,7
0,0
RC1a
0,0
25,0
75,0
0,0
RC1b
0,0
0,0
100,0
0,0
RC1c
0,0
0,0
100,0
0,0
C2
24
16
8,3
29,2
66,7
0,0
C2a
0,0
75,0
25,0
0,0
C2b
25,0
12,5
75,0
0,0
C2c
0,0
0,0
100,0
0,0
R2
33
15
16
45,5
24,2
48,5
3,0
R2a
11
0,0
63,6
27,3
9,1
R2b
11
63,6
0,0
45,5
0,0
R2c
11
72,7
9,1
72,7
0,0
RC2
24
10
41,7
29,2
37,5
0,0
RC2a
50,0
62,5
12,5
0,0
RC2b
25,0
12,5
62,5
0,0
RC2c
50,0
12,5
37,5
0,0
Total
168
33
35
111
19,6
20,8
66,1
0,6
SCI2
SCI3
ACS
Tabela 4.5 Nmero de Instncias que cada heurstica obteve o melhor resultado.
Quantidade de Melhores Resultados por Mtodo

90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
80%
66%
51%
33%
7%
27%
20%
15%
21%
1%
0%
Janelas de Tempo Apertadas Janelas de Tempo Folgadas

(R1, C1 e RC1)
(R2, C2, RC2)
SCI1
SCI2
SCI3
1%
Geral
ACS
Figura 4.3 Porcentagem de melhores resultados sobre o total de instncias dos quatro
mtodos agrupados pela caracterstica de janelas de tempo das instncias.
69
A tabela 4.5 mostra, do nmero total de instncias (Instncias) para cada

grupo (Grupo), em quantas delas cada mtodo apresentou a melhor soluo
(Quantidade) e quanto que isso representa em relao ao total de instncias do
grupo (% Grupo). importante observar que, em algumas instncias houve empate
entre duas ou mais heursticas, nesses casos ambos so contabilizados na
quantidade de melhores solues. As linhas sombreadas apresentam o total dos
subgrupos de instncias, por exemplo, os nmeros na linha R1 so a soma de R1a,
R1b e R1c.
A Figura 4.3 apresenta os dados presentes na Tabela 4.5 de maneira grfica,
agrupando os dados conforme as caractersticas das janelas de tempo das
instncias, ou seja, a porcentagem total de melhores solues para instncias de
janela de tempo apertadas (R1, C1, RC1), de janela de tempo folgadas (R2, C2 e
RC2) e o total desses dois grupos.
A Tabela 4.6 compara os valores mdios do custo total obtido a partir de cada
um dos mtodos, em cada conjunto de dados. Os valores em negrito so as
melhores mdias obtidas para cada grupo de instncias. Enquanto a Tabela 4.5
permite a avaliao da eficcia das heursticas, a Tabela 4.6 fornece uma anlise da
qualidade da soluo fornecida atravs dos mtodos analisados. Todas as
heursticas analisadas apresentaram tempos de execuo semelhantes, variando
entre 0,03 e 0,06 segundos por instncia.
A Figura 4.4 apresenta os dados presentes na Tabela 4.6 de maneira grfica,
agrupando os dados conforme as caractersticas das janelas de tempo das
instncias, ou seja, o custo mdio total para instncias de janela de tempo apertadas
(R1, C1, RC1), de janela de tempo folgadas (R2, C2 e RC2) e o total desses dois
grupos.
70
Grupo de
Instncias
R1
R1a
R1b
R1c
C1
C1a
C1b
C1c
RC1
RC1a
RC1b
RC1c
R2
R2a
R2b
R2c
C2
C2a
C2b
C2c
RC2
RC2a
RC2b
RC2c
Mdia
SCI1
SCI2
SCI3
ACS
3.126,2
5.065,0
2.346,9
1.966,6
3.606,1
6.893,3
2.347,8
1.577,2
4.498,5
6.828,6
3.566,4
3.100,5
2.208,8
4.649,1
1.250,0
703,6
3.735,0
8.111,3
1.905,0
1.188,8
2.015,4
4.023,8
1.221,3
801,3
2.479,7
4.116,7
1.829,5
1.492,8
3.739,3
6.986,7
2.582,2
1.648,9
3.367,3
5.541,8
2.475,2
2.085,0
2.093,6
4.054,5
1.415,5
810,9
3.299,2
6.553,8
2.013,8
1.330,0
2.132,3
3.993,8
1.445,0
958,1
2.800,5
2.389,8
4.097,5
1.668,2
1.390,0
3.386,9
6.984,4
2.007,8
1.168,3
3.168,8
5.367,5
2.261,3
1.877,6
2.084,1
4.280,0
1.265,5
706,8
3.310,0
7.095,0
1.860,0
967,5
2.032,3
4.090,0
1.198,8
808,1
2.694,1
3.329,0
5.064,0
2.625,8
2.297,2
3.799,3
7.377,8
2.352,2
1.667,8
3.932,0
6.085,0
3.088,8
2.622,1
3.350,0
5.096,4
2.708,2
2.245,5
4.020,0
8.361,3
2.262,5
1.436,3
3.796,8
4.923,8
3.490,1
2.976,6
3.660,4
2.742,8
Tabela 4.6 Valores mdios das solues por grupo de instncia.
Milhares
Valores mdios das solues por grupo de instncia

4,0
3,5
3,0
3,74
3,72
3,69
3,20
2,98
2,65
2,5
2,51
3,66
2,74
2,48
2,80
2,69
2,0
1,5
1,0
0,5
0,0
Janelas de Tempo Apertadas Janelas de Tempo Folgadas

(R1, C1 e RC1)
(R2, C2, RC2)
SCI1
SCI2
SCI3
Geral
ACS
Figura 4.4 Valores mdios das solues dos quatro mtodos agrupados pela caracterstica
de janelas de tempo das instncias.
71
A partir dessas tabelas e grficos possvel notar que a heurstica SCI3 tem
desempenho claramente superior aos outros mtodos quando aplicada s instncias
de janela de tempo mais apertada (R1, C1 e RC1). Nos trs grupos dessa
caracterstica, esse mtodo apresenta a melhor soluo para mais de 80% das
instncias e tem a menor mdia de custos, sendo 7,2% inferior heurstica SCI2,
25,5% SCI1 e 29,6% se comparado ao ACS.
interessante apontar que o cenrio de janelas apertadas o mais prximo
realidade vivida por empresas. Isso se deve s limitaes da jornada de trabalho de
motoristas e ajudantes, restries de veculos pesados em determinados horrios
em cidades e algumas vias, alm do horrio em que clientes esto disponveis para
carga e descarga. Portanto, para esse cenrio com tempo sendo um importante
limitante ao roteamento, a heurstica SCI3 permite realizar os atendimentos com o
menor custo total.
J nas instncias de janelas de tempo mais folgadas (R2, C2 e RC2), SCI3
tambm proporciona os melhores resultados no geral, porm menos dominante do
que observado nos cenrios tipo 1. Nesses grupos, o mtodo obtm a melhor
soluo em 51% dos problemas. Os custos mdios nesses casos esto mais
prximos, apesar de SCI3 ter o menor custo mdio, este somente 1,3% inferior ao
custo mdio de SCI2 e 7,2% inferior ao de SCI1. ACS, novamente tem o pior
desempenho, gerando custos 50,4% maiores que SCI3.
Como citado anteriormente, a avaliao da heurstica ACS, sem qualquer
adaptao para os custos escalonados de frete, nas instncias adaptadas para os
custos escalonados, tem o objetivo de verificar se existe um benefcio claro em
utilizar mtodos especficos para o FSMVRPTWSC ou se um mtodo que no leve
em conta custos escalonados teria desempenho semelhante. Os resultados
mostram que o ACS somente traz o melhor resultado para uma instncia das 168
testadas. O custo mdio gerado por este mtodo o pior dos quatro testados, com
valor mdio 36% mais caro ao mtodo que trouxe menor custo, o SCI3, e 31%
superior mdia do penltimo melhor mtodo, o SCI2.
Desta forma, fica clara a relevncia das heursticas propostas, ou seja,
mtodos especficos para criar rotas que levem em conta a estrutura de cobrana de
frete por custos escalonados podem obter reduo de custo para o cliente.
72
No desempenho geral dos mtodos nessas 168 instncias, SCI3 tem o

melhor resultado, tanto pelos valores mdios como pelo nmero de instncias nas
quais obteve o melhor valor. Portanto, com base nesses experimentos, pode se
concluir que benfico propor uma heurstica que explora as caractersticas do
problema, fazendo uma abordagem direta aos fatores geradores de custos, mas
que, ainda assim tem sensibilidade a outros fatores, como variaes de distncia.
4.5.2 Experimentos com Instncias Reais
Com o objetivo de avaliar o desempenho das heursticas em situaes reais,
elas tambm foram avaliadas nas mesmas instncias em que o modelo PLIM foi
testado. Apesar das instncias geradas a partir de adaptaes da literatura terem
sido preparadas para se assemelharem ao mximo s situaes reais, a avaliao
em instncias fornecidas por uma empresa permite conhecer a qualidade da soluo
em situaes prticas e que j conhecemos o custo timo conforme o captulo 3. A
desvantagem desta avaliao que so casos muito pequenos, de no mximo oito
clientes e apenas dois tipos de veculos.
A Tabela 4.7 apresenta os resultados desses experimentos. As primeiras
duas colunas mostram o nmero de referncia de cada instncia (Inst.) e o nmero
correspondente de clientes. Todas as instncias tm dois tipos de veculos e quatro
faixas de distncia, como explicado no Captulo 3. O valor pago pela empresa est
na coluna Custo Real e o custo timo obtido pelo modelo na coluna Custo timo. As
colunas seguintes apresentam os custos obtidos com cada mtodo heurstico e a
diferena relativa do valor timo (Vart) e do valor real(Varreal) para o melhor
resultado dos mtodos aplicados. Os valores de e utilizados em cada uma das
heursticas que geraram os resultados apresentados nas tabelas so os seguintes:
SCI1: 1 = 1,0, 2 = 1,0, 3 = 1,0, 1 = 1,0;
SCI2: 1 = 1,0, 2 = 1,0, 1 = 1,0, 2 = 1,0;
SCI3: 1 = 1,0, 2 = 1,0, 3 = 1,0, 1 = 1,0, 2 = 1,0;
ACS: 1 = 1,0, 2 = 1,0, 3 = 1,0, 1 = 1,0.
73
Inst.
1
2
3
4
5
6
7
8
5
5
6
6
6
6
8
8
Custo
Real
2.372,0
2.372,0
2.038,7
2.827,2
2.827,2
5.429,7
2.652,5
3.190,3
Custo
timo
1.485,0
1.380,0
1.750,0
1.750,0
1.750,0
3.256,0
1.485,0
1.500,0
SCI1
SCI2
SCI3
ACS
1.485,0
1.645,0
1.765,0
2.129,6
2.129,6
4.016,0
1.855,0
1.632,6
1.645,0
1.645,0
1.765,0
1.925,0
1.925,0
3.786,0
1.485,0
1.590,0
1.645,0
1.645,0
1.765,0
1.925,0
1.925,0
3.786,0
1.485,0
1.590,0
1.645,0
1.645,0
1.765,0
1.925,0
1.925,0
4.079,6
1.485,0
1.590,0
Melhor Heuristica
Vart
Varreal
0,0
37,4
16,1
30,6
0,8
13,4
9,1
31,9
9,1
31,9
14,0
30,3
0,0
44,0
5,7
50,2
Tabela 4.7 Resultados obtidos em soluo de problemas reais com as heursticas.
Os resultados apresentados na Tabela 4.7 deixam claro que os mtodos

propostos geram custos consideravelmente inferiores aos praticados pela empresa,
com reduo mdia de 34% e chegando a 50% no melhor caso. Portanto, fica claro
que o mtodo gera redues de custo significativas se aplicado nos roteamentos
feitos pela empresa. Na comparao com o valor timo, notvel que o valor obtido
pelo mtodo razovel, com diferena em mdia de 7% e obtendo a soluo tima
em dois casos.
Os mtodos, nessas instncias, tm comportamentos semelhantes. Os
mtodos SCI2 e SCI3 trouxeram valores idnticos nos oito casos e muito prximos
aos obtidos por SCI1 e ACS. Isso se deve ao tamanho pequeno das instncias,
desejvel para que fosse possvel aplicar o modelo matemtico. O fato dos
resultados serem muito prximos entre si mostra consistncia nos mtodos na
resoluo dos problemas, principalmente quando se observa que as solues tm
boa qualidade.
74
5 Concluses
O problema abordado nesta dissertao o FSMVRPTWSC, problema de
roteamento de veculos com frota mista, janelas de tempo para atendimento em
clientes e custos escalonados. Ao contrrio do tradicional, no h custo linear, mas
sim uma tabela de custos fixos de acordo com tipo de veculo e faixas de distncia
percorrida.
Conforme observado na reviso bibliogrfica esse problema est alinhado
tendncia de enriquecer o problema de roteamento de veculos com caractersticas
que o torne mais prximo realidade vivida pelas empresas. Os custos escalonados
esto presentes na indstria como decorrncia da terceirizao de frota que realiza
as entregas. O frete das entregas efetuadas cobrado pelo parceiro logstico a partir
de uma tabela com custos fixos para cada faixa de distncia percorrida por cada
veculo de cada tipo. Como verificado, a utilizao de operadores logsticos e esta
forma de cobrana de frete so amplamente conhecidas e aplicadas na indstria,
porm no foram encontrados trabalhos publicados que abordem este problema.
Desta forma, a proposta deste trabalho foi elaborar mtodos para solucionar este
problema.
Neste trabalho so apresentados um modelo de programao linear inteira
mista (PLIM) e trs mtodos heursticos. Para a avaliao do modelo, oito instncias
reais foram utilizadas e, para fins de comparao, tambm aplicadas s heursticas.
Para avaliao dos mtodos, 168 instncias da literatura para o FSMVRPTW foram
adaptadas para FSMVRPTWSC. Alm disso, a heurstica ACS, criada para
solucionar o FSMVRPTW, foi testada nas instncias adaptadas para comparao
com os trs mtodos propostos.
Nos testes com instncias reais, o modelo PLIM apresentou custos
substancialmente inferiores aos obtidos pela empresa que forneceu os dados.
Nestes mesmos casos os mtodos heursticos apresentaram bons resultados,
sempre inferiores aos da empresa e prximos aos valores timos obtidos pelo
modelo. Devido complexidade do problema, os testes foram limitados a problemas
de pequenas dimenses.
75
Quando aplicadas s instncias geradas, todas as verses da heurstica SCI

apresentam resultados satisfatrios, com desempenho superior ao mtodo ACS.
Esses resultados confirmam a importncia de abordar o problema com mtodos que
explorem suas caractersticas. Dentre os mtodos apresentados, SCI3 foi o que
apresentou melhores resultados no conjunto total de instncias. Nas instncias em
que as janelas de tempo so mais apertadas, o domnio da heurstica SCI3 se torna
mais evidente. Para problemas com janelas de tempo folgadas, os trs mtodos
trazem bons resultados, sendo SCI3 ainda superior aos outros mtodos, porm por
uma diferena menor.
Portanto, o modelo PLIM e as heursticas apresentadas mostraram ser
capazes de resolver o FSMVRPTWSC com resultados de boa qualidade alm de
superiores ao observados em casos reais e superiores a resultados obtidos por
outros mtodos, no idealizados diretamente para os custos escalonados. Assim,
possvel afirmar que este trabalho atingiu seus objetivos.
As heursticas propostas resolveram problemas de dimenses considerveis,
cem clientes, em diferentes configuraes de disposio no espao, cinco ou seis
faixas de distncia e at seis diferentes tipos de veculos. Esses problemas tm
caractersticas semelhantes ao que encontrado no dia a dia de empresas quando
preparam o roteamento de entregas para seus clientes. Considerando que o tempo
de execuo dos mtodos foi inferior a um segundo e os resultados satisfatrios, fica
claro que so mtodos que podem ser aplicados rotina das empresas. Uma
continuao deste trabalho pode ser a adaptao dos mtodos para o uso em
empresas, a partir de uma interface amigvel ou inserindo o mtodo em softwares
de roteamento.
76
6 Bibliografia
BASSI, S. Pesquisa operacional aplicada rea de logstica de transportes
rodovirios em projetos de grande porte. Trabalho de Formatura - Escola
Politcnica, USP. So Paulo, 2009.
BELFIORE P., YOSHIZAKI H.T.Y. A scatter search for a real-life
heterogeneous fleet vehicle routing problem with time windows and split deliveries in
Brazil. European Journal of Operational Research, 119, p. 750-758, 2009.
CHRISTOFIDES N.; EILON S. An algorithm for the vehicle-dispatching
problem. Operational Research Quaterly, 20 No 3, p. 309318, 1969.
CLARKE G.; WRIGHT J. Scheduling of vehicles from a central depot to a
number of delivery points. Operations Research, 12, p. 568581, 1964.
DANTZIG G.B.; RAMSER, The truck dispatching problem, Management
Science, 6, 80-91, 1959.
DELLAMICO, M.; MONACHI, M.; PAGANI, C.;VIGO, D.; Heuristic approaches
for the FSMVRP with time windows, Transportation Science, 41, 516526, 2007.
DESROCHERS, M.; VERHOOG, T. W.; A new heuristic for the fleet size and
mix vehicle routing problem. Computers & Operations Research, 18, 263-274,
1991.
DULLAERT, W.; JANSSENS, G.K.;SERENSEN, K.; VERNIMMEN, B. New
heuristics for the fleet size and mix vehicle routing problem with time windows.
Jornal of the Operational Research Society, 53, 1232 1238, 2002.
GHIANI, G.; LAPORTE, G.; MUSMANNO, R. Introduction to Logistic
Systems Planning and Control, Ed. Wiley, 2004.
GILLET, B., MILLER, L. A heuristic algorithm for the vehicle dispatching
problem. Operations Research, 22, 340-349, 1974.
GOLDEN, B.L.; ASSAD, A.; LEVY, L.; GHEYSENS, F. The fleet size and mix
vehicle routing problem. Computers & Operations Research, 11, 49-66, 1984.
77
HOFF, A.; ANDERSSON H.;CHRISTIANSEN, M.;HASLE, G.;LOKKETAGEN,

A. Industrial aspects and literature survey: fleet composition and routing Computers
and Operations Research. 37, 2041-2061, 2010.
LIEB, R.; BENTZ, B. The use of third party logistics services by large american
manufacturers, the 2004 survey. Transportation Journal, 43, 2004.
LIU, F.H., SHEN, S.Y. The fleet size and mix vehicle routing problem with time
windows. Journal of Operational Research Society, 50, 721732, 1999.
SOLOMON, M.M. algorithms for the vehicle routing and scheduling problems
with time windows constraints. Operations Research, 35, 254-265, 1987.
TAN, K.C., LEE, L.H., ZHU, Q.L., OU, K. Heuristics methods for vehicle
routing problem with time windows. Artificial Intelligence in Engineering, 15, 281295, 2001.
WINSTON, W. L. Operations Research Applications and Algorithms. Ed.
Thomson, 2004.
ZANAKIS, S.H., EVANS, J.R., VAZACOPOULOS, A.A. Heuristic methods and
applications: a categorized survey. European Journal of Operational Research,
43, 88-110, 1989.
78
APNDICE A Exemplo de Tabela de Custos Escalonados
TABELA DE FRETE RODOVIRIO INTERIOR DA BAHIA

M ASSAS, BISCOITOS E FARINHA DOM STICA
TIPOS DE VECULOS
DESTINOS (Km)
3/4
TOCO
TRUCK
BAHIA
FRETE R$
FRETE R$
FRETE R$
100
101
150
R$ 350
R$ 450
R$ 470
R$ 590
R$ 675
R$ 745
151
200
R$ 550
R$ 650
R$ 870
201
250
R$ 645
R$ 760
R$ 995
251
300
R$ 745
R$ 855
R$ 1.105
301
351
350
400
R$ 840
R$ 960
R$ 1.230
R$ 855
R$ 1.070
R$ 1.350
401
450
R$ 945
R$ 1.175
R$ 1.475
451
500
R$ 1.035
R$ 1.270
R$ 1.580
501
550
R$ 1.110
R$ 1.375
R$ 1.700
551
600
R$ 1.200
R$ 1.480
R$ 1.820
601
650
R$ 1.290
R$ 1.585
R$ 1.945
651
700
701
750
R$ 1.350
R$ 1.435
R$ 1.655
R$ 1.755
R$ 2.020
R$ 2.140
751
800
R$ 1.520
R$ 1.860
R$ 2.260
801
850
R$ 1.610
R$ 1.960
R$ 2.375
851
900
R$ 1.695
R$ 2.065
R$ 2.495
901
951
950
1.000
R$ 1.760
R$ 2.145
R$ 2.585
R$ 1.845
R$ 2.245
R$ 2.700
1.001
1.100
R$ 1.920
R$ 2.335
R$ 2.800
ACIM A
1.101,00
R$2,20/ Km
R$2,30/ Km
R$2,60/Km
OS FRETES SERO PAGOS COM BASE NA QUILOM ETRAGEM DA ROTEIRIZAO, AT A LTIM A

CIDADE DA ROTA, CONFORM E GUIA 4 RODAS
ACIM A 1051 Km O VALOR DO FRETE SER PAGO APENAS POR Km RODADA, NO EXISTE VALOR FIXO
POR VECULO
VALORES M XIM OS PERM ITIDOS
VALORES PARA FRETES AT 20 ENTREGAS, ACIM A DISTO R$ 5,00 POR ENTREGA
PARA CARGAS REFRIGERADAS ACRESCENTAR 10 % NO FRETE
NOS VALORES ACIM A J ESTO INCLUSOS SEGURO DA CARGA, TAXAS, PEDGIOS
EXCLUSO ICM S E ISS
DIRIAS E REENTREGAS S SERO PAGAS M EDIANTE APRESENTAO NO CTRC / NF DE SERVIO
DO N DA SENHA DE OCORRNCIA
GERENTE DE LOGSTICA
GERENTE REGIONAL DE LOGSTICA
DIRETORIA COM ERCIAL
79
ANEXO A Pseudo Cdigo das Heursticas SCI

1 Faa
2
Maior_Distncia = 0; Mais_Distante = 0
para i = 1 at N, i++
3
se Cliente_Atendido[ i ] = 0 e Distncia [ i ][ 0 ] > Maior_Distncia ento
4
5
Maior_Distncia = Distncia [ i ][ 0 ]
6
Mais_Distante = i
se Mais_Distante > 0 ento
7
Criar_Nova_Rota( i )
8
faa
9
10
Cliente_Adicionado = 0; Possveis_Clientes = 0
11
Capacidade_Disponvel = Capacidade[ K ] Demanda_Rota [ v ]
para i = 1at N, i++
12
se Cliente_Atendido[ i ] = 0 e Demanda[ i ] < Capacidade_Disponvel ento
13
14
Candidato[Possveis_Clientes] = i
Possveis _Clients ++
15
se Possveis_Clientes > 0 ento
16
17
MenorC1 = M; MaiorC2 = 0; Cliente_MaiorC2 = 0
para i = 0 at Possveis_Clientes
18
19
Posio_Rota = 1
enquanto Posio_Rota < Tamanho_Rota faa
20
C1 = CalcularC1(Candidato[ i ], Posio_Rota)
21
se C1 < MenorC1 ento
22
23
MenorC1 = C1
Melhor_Posio = Posio_Rota
24
25
Posio_Rota ++
se MenorC1 < M ento
26
C2[ i ] = CalcularC2(Candidato[ i ],MenorC1)
27
se C2[ i ] > MaiorC2 ento
28
29
MaiorC2 = C2[ i ]
30
Cliente_MaiorC2 = Candidato[ i ]
Posio_MelhorC2 = Melhor_Posio
31
se MaiorC2 > 0 ento
32
Adicionar_a_Rota ( Cliente_MaiorC2, Posio_MaiorC2 )
33
34
Cliente_Adicionado = 1
enquanto Cliente_Adicionado = 1
35
36 enquanto Mais_Distante> 0
Funes do pseudo-cdigo:
Criar_Nova_Rota ( i )
o Entrada: cliente i;
o Sada: nova rota exclusiva para o cliente i com o menor veculo possvel.
80
CalcularC1( i , p )
o Entrada: cliente i, posio p na rota em desenvolvimento;
o Sada: valor de C1 conforme o mtodo aplicado.
CalcularC2( i , C1 )
o Entrada: cliente i, calor de C1 desse cliente;
o Sada: valor de C2 conforme o mtodo aplicado.
Adicionar_a_Rota ( i , p )
o Entrada: cliente i, posio p na rota em desenvolvimento;
o Sada: rota em desenvolvimento com o cliente i adicionado posio p.
81
ANEXO B Parmetros Wf e Ckf para cada grupo de instncias

R1
Veculo
1
2
3
4
5
1
2
3
4
5
1
2
3
4
5
C1
a
Veculo
1
2
3
1
2
3
1
2
3
Faixa:
Distncia:
Capacidade
30
50
80
120
200
30
50
80
120
200
30
50
80
120
200
Faixa:
Distncia:
Capacidade
100
200
300
100
200
300
100
200
300
W1
W2
W3
W4
W5
35
75
125
180
Ck1
Ck2
Ck3
Ck4
Ck5
50
88
140
250
500
10
16
28
50
100
5
8
14
25
50
85
123
175
285
535
45
51
63
85
135
40
43
49
60
85
160
198
250
360
610
120
126
138
160
210
115
118
124
135
160
285
323
375
485
735
245
251
263
285
335
240
243
249
260
285
465
503
555
665
915
425
431
443
465
515
420
423
429
440
465
W1
W2
W3
W4
W5
W6
150
320
520
740
Ck1
Ck2
Ck3
Ck4
Ck5
300
800
1.350
60
160
270
30
80
135
450
950
1.500
210
310
420
180
230
285
770
1.270
1.820
530
630
740
500
550
605
1.290
1.790
2.340
1.050
1.150
1.260
1.020
1.070
1.125
2.030
2.530
3.080
1.790
1.890
2.000
1.760
1.810
1.865
990
Ck6
3.020
3.520
4.070
2.780
2.880
2.990
2.750
2.800
2.855
82
R2
Veculo
1
2
3
4
1
2
3
4
1
2
3
4
C2
Veculo
1
2
3
4
1
2
3
4
1
2
3
4
Faixa:
Distncia:
Capacidade
300
400
600
1.000
300
400
600
1.000
300
400
600
1.000
Faixa:
Distncia:
Capacidade
400
500
600
700
400
500
600
700
400
500
600
700
W1
W2
W3
W4
W5
W6
120
260
420
600
Ck1
Ck2
Ck3
Ck4
Ck5
450
700
1.200
2.500
90
140
240
500
45
70
120
250
570
820
1.320
2.620
210
260
360
620
165
190
240
370
830
1.080
1.580
2.880
470
520
620
880
425
450
500
630
1.250
1.500
2.000
3.300
890
940
1.040
1.300
845
870
920
1.050
1.850
2.100
2.600
3.900
1.490
1.540
1.640
1.900
1.445
1.470
1.520
1.650
800
Ck6
2.650
2.900
3.400
4.700
2.290
2.340
2.440
2.700
2.245
2.270
2.320
2.450
W1
W2
W3
W4
W5
410
880
1.420
2.030
Ck1
Ck2
Ck3
Ck4
Ck5
1.000
1.400
2.000
2.700
200
280
400
540
100
140
200
270
1.410
1.810
2.410
3.110
610
690
810
950
510
550
610
680
2.290
2.690
3.290
3.990
1.490
1.570
1.690
1.830
1.390
1.430
1.490
1.560
3.710
4.110
4.710
5.410
2.910
2.990
3.110
3.250
2.810
2.850
2.910
2.980
5.740
6.140
6.740
7.440
4.940
5.020
5.140
5.280
4.840
4.880
4.940
5.010
W6
2.710
Ck6
8.450
8.850
9.450
10.150
7.650
7.730
7.850
7.990
7.550
7.590
7.650
7.720
83
RC1
a
Veculo
1
2
3
4
1
2
3
4
1
2
3
4
RC2
Veculo
1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6
Faixa:
W1
W2
W3
W4
W5
40
85
140
200
Capacidade
Ck1
Ck2
Ck3
Ck4
Ck5
40
80
150
200
40
80
150
200
40
80
150
200
60
150
300
450
12
30
60
90
6
15
30
45
100
190
340
490
52
70
100
130
46
55
70
85
185
275
425
575
137
155
185
215
131
140
155
170
325
415
565
715
277
295
325
355
271
280
295
310
525
615
765
915
477
495
525
555
471
480
495
510
W1
0
Ck1
150
350
550
800
1.100
2.500
30
70
110
160
220
500
15
35
55
80
110
250
W2
155
Ck2
305
505
705
955
1.255
2.655
185
225
265
315
375
655
170
190
210
235
265
405
W3
330
Ck3
635
835
1.035
1.285
1.585
2.985
515
555
595
645
705
985
500
520
540
565
595
735
W4
540
Ck4
1.175
1.375
1.575
1.825
2.125
3.525
1.055
1.095
1.135
1.185
1.245
1.525
1.040
1.060
1.080
1.105
1.135
1.275
W5
770
Ck5
1.945
2.145
2.345
2.595
2.895
4.295
1.825
1.865
1.905
1.955
2.015
2.295
1.810
1.830
1.850
1.875
1.905
2.045
Distncia:
Faixa:
Distncia:
Capacidade
100
200
300
400
500
1.000
100
200
300
400
500
1.000
100
200
300
400
500
1.000
84
ANEXO C Resultados dos ndices e

A seguir, so apresentados os resultados de alguns testes preliminares para
diferentes valores de e para as heursticas SCI1, SCI2 e SCI3. Os testes foram
realizados tanto em instncias geradas a partir da literatura, como nas instncias
reais.
A Tabela C.1 mostra o valor obtido para cada instncia real com cada mtodo
e com cada combinao de fatores.
As Tabelas C.2, C.3 e C.4 mostram o valor mdio para cada grupo de
instncias em cada combinao de fatores alfa e beta. Os valores em negrito so os
melhores resultados obtidos por grupo. As linhas em sombreado so a mdia do
grupo de instncias. Por exemplo, a linha de C1 (sombreada) o valor mdio de
C1a, C1b e C1c.
Fatores
SCI1
SCI3
1,0
1,0
1,0
1,0
1,0
1,0
1,0
1,0
1,0
1,0
2,0
0,5
1,0
0,5
2,0
1,0
2,0
0,5
1,0
1,0
2,0
1,0
1,0
0,5
0,5
1,0
1,0
0,5
1,0
0,5
0,5
1,0
0,5
1,0
1.645,0
1.645,0
1.765,0
1.925,0
1.645,0
1.645,0
1.765,0
1,0
-
1,0
-
0,5
-
1.645,0
1.645,0
1.645,0
1.645,0
1.765,0
1.645,0
1.765,0
1.925,0
3.786,0
2.030,0
3.786,0
1.765,0
1.645,0
1.765,0
1.925,0
1.925,0
2.030,0
2.030,0
3.786,0
1.485,0
1.590,0
2.030,0
2.030,0
3.786,0
1.485,0
1.590,0
1
2
2
Instncia Real
SCI2
1
2
3
4
5
6
7
8
1,0
0,5
1,0
1,0
0,5
1,0
0,5
1,0
1.485,0
1.485,0
1.485,0
1.645,0
1.765,0
1.750,0
1.765,0
1.645,0
1.765,0
2.129,6
2.129,6
2.129,6
2.129,6
2.129,6
2.129,6
4.016,0
1.855,0
4.079,6
1.855,0
4.016,0
1.855,0
1.632,6
1.632,6
1.632,6
2.468,1
1.750,0
2.030,0
1.750,0
1.910,0
1.910,0
2.030,0
2.030,0
2.030,0
3.786,0
1.765,0
1.485,0
3.786,0
1.485,0
1.855,0
Tabela C.1. Resultados das heursticas propostas para diferentes valores dos fatores e nas
instncias reais.
85
Fatores
SCI1
1
0,2
0,8
1,0
1,0
0,8
0,5
0.4
0,2
0,2
1,0
1,0
0,2
0,5
0.1
1,0
0,8
1,0
1,0
0,8
0,5
0.2
0,5
0,8
1,0
0,5
0,1
1,0
0.2
0,5
0,8
1,0
0,5
0,1
1,0
0.2
1,0
3.126,2
5.065,0
2.346,9
1.966,6
3.606,1
6.893,3
2.347,8
1.577,2
4.498,5
6.828,6
3.566,4
3.100,5
2.208,8
4.649,1
1.273,6
703,6
3.735,0
8.111,3
1.905,0
1.188,8
2.015,4
4.023,8
1.221,3
801,3
3,147.4
1,0
2.919,6
5.045,9
2.060,1
1.652,9
3.466,7
7.080,0
2.120,0
1.200,0
4.325,8
6.690,8
3.403,9
2.882,6
2.406,2
5.272,7
1.246,4
699,5
3.586,7
7.807,5
1.867,5
1.085,0
2.406,2
5.272,7
1.246,4
699,5
3.082,4
1,0
3.098,8
5.264,2
2.260,8
1.771,4
3.667,6
7.255,6
2.251,9
1.495,2
4.146,3
6.847,5
3.033,3
2.558,3
2.368,3
4.960,9
1.322,7
821,4
3.816,3
8.216,3
2.067,5
1.165,0
2.368,3
4.960,9
1.322,7
821,4
3.173,9
1,0
2.980,2
5.150,1
2.105,7
1.685,0
3.604,4
7.095,6
2.213,3
1.504,4
4.034,3
6.684,9
2.914,2
2.504,0
2.256,7
4.573,6
1.394,5
801,8
3.689,6
8.138,8
1.920,0
1.010,0
2.256,7
4.573,6
1.394,5
801,8
3.068,5
1,0
2.950,3
5.097,0
2.068,1
1.685,7
3.376,1
6.907,8
2.025,6
1.195,0
4.465,3
6.870,7
3.528,0
2.997,2
2.427,6
5.295,5
1.272,7
714,5
3.540,4
7.846,3
1.825,0
950,0
2.427,6
5.295,5
1.272,7
714,5
3.085,2
1,0
3.610,8
5.796,8
2.734,0
2.301,6
4.974,1
10.357,8
2.781,1
1.783,3
4.575,9
7.400,7
3.467,6
2.859,5
2.803,6
5.550,0
1.871,8
989,1
3.854,2
7.921,3
2.191,3
1.450,0
2.803,6
5.550,0
1.871,8
989,1
3.736,6
1.0
3,977.0
6,586.3
2,914.6
2,430.2
5,169.2
10,685.8
3,033.3
1,788.3
4,711.4
7,431.2
3,609.8
3,093.3
3,700.6
6,734.5
2,782.7
1,584.5
4,165.8
8,446.3
2,460.0
1,591.3
3,700.6
6,734.5
2,782.7
1,584.5
4.266,6
Grupo de instncias
3
R1
R1a
R1b
R1c
C1
C1a
C1b
C1c
RC1
RC1a
RC1b
RC1c
R2
R2a
R2b
R2c
C2
C2a
C2b
C2c
RC2
RC2a
RC2b
RC2c
Mdia Geral
Tabela C.2. Resultado dos testes na heurstica SCI1 para diferentes valores de e .
86
Grupo de instncias
Fatores
SCI2
1
0.80
1.00
1.00
1.00
0.80
0.50
0.40
0.20
0.50
1.00
1.00
0.20
0.50
0.10
0.20
0.50
1.00
0.50
0.10
1.00
0.20
0.80
1.00
1.00
0.50
0.40
1.00
0.80
R1
2.479,7
2.494,5
2.601,9
2.491,8
2.656,8
3.319,7
3.700,9
R1a
R1b
R1c
C1
C1a
C1b
C1c
RC1
RC1a
RC1b
RC1c
R2
R2a
R2b
R2c
C2
C2a
C2b
C2c
RC2
RC2a
RC2b
RC2c
Mdia Geral
4.116,7
4.351,7
1.730,5
1.401,3
3.529,3
7.010,0
2.183,3
1.394,4
3.420,9
5.613,3
2.515,7
2.133,7
2.356,8
4.760,0
1.504,5
805,9
3.974,2
8.591,3
2.030,0
1.301,3
2.356,8
4.760,0
1.504,5
805,9
2.927,5
4.394,7
1.886,8
1.524,1
3.654,8
7.148,9
2.386,7
1.428,9
3.468,0
5.614,6
2.581,2
2.208,1
2.393,6
4.899,1
1.462,7
819,1
4.207,1
8.715,0
2.508,8
1.397,5
2.393,6
4.899,1
1.462,7
819,1
3.018,1
4.265,5
1.755,2
1.454,8
3.855,6
7.136,7
2.661,1
1.768,9
3.291,7
5.582,5
2.351,8
1.940,9
2.218,6
4.089,1
1.694,5
872,3
3.762,1
7.907,5
2.128,8
1.250,0
2.218,6
4.089,1
1.694,5
872,3
2.905,7
4.807,7
1.760,3
1.402,3
3.430,4
7.016,7
2.048,9
1.225,6
3.491,1
6.168,8
2.396,5
1.908,0
3.233,0
7.331,8
1.564,5
802,7
3.480,8
6.967,5
2.267,5
1.207,5
3.233,0
7.331,8
1.564,5
802,7
3.075,7
5.376,0
2.500,5
2.082,5
5.050,6
10.435,6
2.843,3
1.872,8
4.046,5
6.563,9
3.039,7
2.536,1
2.946,5
5.810,0
1.958,2
1.071,4
4.625,8
8.918,8
3.078,8
1.880,0
2.946,5
5.810,0
1.958,2
1.071,4
3.764,9
5.924,0
2.808,6
2.370,1
5.229,8
10.711,1
2.965,6
2.012,8
4.163,5
6.628,7
3.172,4
2.689,6
3.271,4
5.694,5
2.420,9
1.698,6
4.842,9
9.336,3
2.996,3
2.196,3
3.271,4
5.694,5
2.420,9
1.698,6
4.048,6
1.829,5
1.492,8
3.739,3
6.986,7
2.582,2
1.648,9
3.367,3
5.541,8
2.475,2
2.085,0
2.093,6
4.054,5
1.415,5
810,9
3.299,2
6.553,8
2.013,8
1.330,0
2.132,3
3.993,8
1.445,0
958,1
2.800,5
Grupo de instncias
Fatores
87
0.8
1.0
SCI3
1.0
0.2
0.5
1.0
1.0
0.1
0.5
0.1
0.8
0.7
1.0
1.0
0.2
0.5
0.2
0.8
0.5
1.0
0.5
0.4
1.0
0.2
0.2
1.0
1.0
0.5
0.1
1.0
0.8
R1
2,552.78
2,710.2
2,601.9
2,576.3
2,397.8
3,438.0
3,854.4
R1a
R1b
R1c
C1
C1a
C1b
C1c
RC1
RC1a
RC1b
RC1c
R2
R2a
R2b
R2c
C2
C2a
C2b
C2c
RC2
RC2a
RC2b
RC2c
Mdia Geral
4,219.0
1,852.8
1,586.5
3,766.3
7,063.3
2,598.9
1,636.7
3,401.5
5,600.0
2,498.3
2,106.3
1,982.4
3,837.3
1,200.9
909.1
3,379.2
6,587.5
2,208.8
1,341.3
1,982.4
3,837.3
1,200.9
909.1
2,825.6
4,565.8
1,973.8
1,590.8
3,668.5
7,114.4
2,350.0
1,541.1
3,558.5
5,683.7
2,702.2
2,289.5
2,495.3
5,169.1
1,328.2
988.6
3,852.1
8,170.0
2,170.0
1,216.3
2,495.3
5,169.1
1,328.2
988.6
3,058.8
4,394.7
1,886.8
1,524.1
3,654.8
7,148.9
2,386.7
1,428.9
3,468.0
5,614.6
2,581.2
2,208.1
2,393.6
4,899.1
1,462.7
819.1
4,207.1
8,715.0
2,508.8
1,397.5
2,393.6
4,899.1
1,462.7
819.1
3,018.1
4,288.8
1,869.5
1,570.7
3,740.9
7,322.2
2,386.7
1,513.9
3,378.6
5,633.8
2,462.3
2,039.8
2,271.5
4,395.5
1,377.3
1,041.8
3,397.9
6,973.8
2,000.0
1,220.0
2,271.5
4,395.5
1,377.3
1,041.8
2,893.3
4,134.5
1,669.0
1,390.0
3,386.9
6,984.4
2,007.8
1,168.3
3,168.8
5,367.5
2,261.3
1,877.6
2,126.4
4,280.0
1,380.0
719.1
3,310.0
7,095.0
1,860.0
975.0
2,049.4
4,128.8
1,210.0
809.4
2,694.1
5,439.7
2,627.4
2,246.7
5,087.4
10,535.6
2,908.9
1,817.8
4,194.0
6,637.7
3,214.2
2,730.1
3,164.5
5,505.5
2,390.9
1,597.3
4,021.7
8,180.0
2,327.5
1,557.5
3,164.5
5,505.5
2,390.9
1,597.3
3,810.2
6,165.5
2,875.7
2,521.8
5,324.8
10,755.6
3,084.4
2,134.4
4,240.3
6,711.9
3,218.8
2,790.2
3,873.8
5,887.3
3,203.6
2,530.5
4,643.3
8,923.8
2,890.0
2,116.3
3,873.8
5,887.3
3,203.6
2,530.5
4,310.5
1.0
0.7
0.5
0.4

Dissertacao JoaoManguino Unprotected

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 JoaoManguino Unprotected

Enviado por

Direitos autorais:

Formatos disponíveis

JOO LUIZ VEIGA MANGUINO

PROBLEMA DE ROTEAMENTO DE VECULOS COM FROTA MISTA,

JOO LUIZ VEIGA MANGUINO

PROBLEMA DE ROTEAMENTO DE VECULOS COM FROTA MISTA,

JOO LUIZ VEIGA MANGUINO

PROBLEMA DE ROTEAMENTO DE VECULOS COM FROTA MISTA,

Manguino, Joo Luiz Veiga

4.3.2 Heurstica de Insero com Custos Escalonados 1 (SCI1) ....................... 54

depreciao, salrios e encargos de motoristas e ajudantes, entre outros

diferencia dos problemas j estudados. Em seguida, o objetivo deste trabalho

caractersticas que o torna mais prximo realidade de empresas que prestam

Clientes espalhados no espao com posio e demanda pr-determinada

Janelas de tempo nos clientes e no centro de distribuio. Ou seja, a

Frota heterognea de veculos. Existem diferentes tipos de veculos, com

Custos escalonados de transportes: Este custo no linear pela

certa faixa que o custo se torna contnuo (e.g. Figura 2.2).

Essas caractersticas apresentadas so algumas das mais comuns presentes

na unidade Kg para a cobrana de frete e verificao da capacidade de veculos.

onde D1, D2 e D3 so valores limtrofes de distncia, C1, C2 e C3 so valores fixos de

Tabela 2.1: Exemplo de tabela de custos escalonados de frete.

Portanto, fica claro que na metodologia tradicional, de custos lineares, a cada

Figura 2.3: Comparao entre custos escalonados e custos lineares.

com frota heterognea, janelas de tempo e custos escalonados (FSMVRPTWSC

Restrio de capacidade dos veculos;

Cada rota deve se iniciar e terminar no depsito;

Todos os clientes devem ser atendidos.

A primeira abordagem foi feita por Dantzig e Ramser (1959) para um

CW (Clarke e Wright): A aplicao pura da heurstica das economias de

CS (Combined Savings): Heurstica das economias combinadas, ou

OS (Opportunity Savings): Heurstica das economias de oportunidades,

OOS (Optimistic Opportunity Savings): Heurstica das economias de

ROS (Realistic Opportunity Savings): Heurstica das economias de

ROS-: ROS utilizando uma metodologia que permite realocar pontos

Como no existiam problemas teste anteriormente formulados para o

SAV: uma adaptao da heurstica das economias de Clarke e Wright

Vizinho mais prximo: Heurstica do tipo construtiva sequencial. Neste

Insero Sequencial: Tambm do tipo construtiva sequencial. Existem

janelas de tempo e capacidade dos veculos, so calculados os critrios

I1: Leva em conta variaes de distncia e tempo;

I2: Leva em conta o custo e tempo total da rota antes e depois de

I3: Leva em conta a urgncia de atendimento dos clientes na avaliao

Varredura: Adaptao da heurstica da varredura proposta por Gillet e

Como no existiam problemas teste anteriormente formulados para o

2: Janelas de tempo largas

Essas instncias criadas por Solomon (1987) so referncia para todos os

combinadas modificada, no leva em conta a oportunidade de aproveitar

MOOS (Modified Optimistic Opportunity Savings): Heurstica das

MROS (Modified Realistic Opportunity Savings): Heurstica das

Para cada um dos mtodos, tambm existem variaes na avaliao da

ACS (Adapted Combined Savings): O custo determinado como a

AOOS (Adapted Optimistic Opportunity Savings): O mtodo estende o

AROS (Adapted Realistic Opportunity Savings): O mtodo estende o

O trabalho de DellAmico et al. (2007) prope uma nova formulao e uma

ParellelRegret_TW. Esta iniciada com uma soluo parcial, a partir da qual, as

computacionais da heurstica de Dullaert et al. (2002) e seu bom desempenho nos

Com base nessa percepo de grande utilizao do custo escalonado de frete

Figura 3.1 Grupo N de clientes e armazm.

A frota de veculos neste problema ilimitada para todos os tipos. Para

Figura 3.3 Exemplo de funo linear por partes.

Esta estratgia se aproveita da linearidade e continuidade das retas. A ideia

A figura 3.4 ilustra a lgica utilizada neste mtodo.

Figura 3.4 Ilustrao da metodologia de funes lineares por partes.

Partindo desta premissa, a metodologia representa cada uma das funes