L Sara Fabricia Rodrigues

Lsara Fabrcia Rodrigues
Anlise comparativa de metodologias utilizadas no

despacho de caminhes em minas a cu aberto
Dissertao apresentada Escola de Engenharia da

Universidade Federal de Minas Gerais para obteno
do ttulo de Mestre em Engenharia de Produo.
Orientador: Prof. Doutor Luiz Ricardo Pinto
Belo Horizonte - MG
30 de maro de 2006
Lsara Fabrcia Rodrigues
Anlise comparativa de metodologias utilizadas no

despacho de caminhes em minas a cu aberto
Dissertao apresentada Escola de Engenharia da

Universidade Federal de Minas Gerais para obteno
do ttulo de Mestre em Engenharia de Produo.
Orientador:
Prof. Doutor Luiz Ricardo Pinto
Mestrado em Engenharia de Produo

Departamento de Engenharia de Produo
Escola de Engenharia
Universidade Federal de Minas Gerais
Belo Horizonte - MG
30 de maro de 2006
Aos meus pais, que desde cedo me ensinaram a valorizar a educao.
Agradecimentos
Aos meus pais, Joo e Cleuza por estarem sempre presentes e terem me apoiado nas de-
cises que tomei.
Aos meus irmos Letcia e Neto, pelo convvio, pacincia e amizade.
Aos meus familiares, em especial a minha prima Meire.
Ao Prof. Luiz Ricardo Pinto, pela orientao, amizade, conana e disponibilidade.
Aos demais professores e funcionrios de Departamento de Engenharia de Produo/UFMG,
em especial ao Prof. Samuel Vieira Conceio.
Aos colegas e amigos, em especial a Irce, Milena Estanislau, Iana, Rogrio, Antnio Mar-
cos, Eduardo, Renato, Flvia, Thiago, Ana Carolina, Paulo e Osmar que sempre estiveram
dispostos a me ajudar no que foi preciso.
Aos professores e colegas da Engenharia de Produo/UFOP, que foram o incio de tudo.
Ao der, pela compreenso e carinho nesses meses difceis.
s Douras, que mesmo distncia, esto sempre presentes na minha vida.
CAPES pela bolsa concedida, que foi fundamental para a concluso desse trabalho.
"Nunca devemos nos esquecer de que o futuro no nem totalmente nosso, nem
totalmente no-nosso, para no sermos obrigados a esper-lo como se estivesse por vir
com toda a certeza, nem nos desesperarmos como se no estivesse por vir jamais."
Epicuro
Resumo
No presente trabalho realizou-se uma anlise comparativa das metodologias uti-

lizadas para o despacho de caminhes em minas a cu aberto. Essas metodologias cons-
tituem as bases dos algoritmos utilizados nos sistemas de despacho comercializados no
Brasil.
As metodologias baseadas em Programao Linear e Programao Dinmica e em

Heurstica foram implementadas.
A simulao foi utilizada com o objetivo de reproduzir o comportamento das operaes

de lavra. Os resultados obtidos mostraram o desempenho dos algoritmos utilizando essas
metodologias sob diferentes condies em minas a cu aberto. Porm, no se pode, atravs
dos resultados obtidos, concluir pela superioridade de uma delas.
Palavras chave: Despacho de Caminhes, Minas a Cu aberto, Simulao.

Abstract
In the present study a comparative analysis of the methodologies used to dispatch

trucks in open pit mines has been carried out. These methodologies serve as the basis
of algorithms used in the dispatch systems sold in Brazil. Linear programming and dy-
namic programming based methodologies as well as heuristics-based methodologies have
been implemented.
Simulation has been used to reproduce conditions of mining operations. Results show
the performance of algorithms that have employed these methodologies under dierent
conditions in open pit mining. It is not possible, however, to state through the results
obtained in the present study the superiority of any of them.
Key-Words: Truck Dispatch, Open Pit Mines, Simulation .

Sumrio
Lista de Figuras vi
Lista de Tabelas vii
Lista de Abreviaturas ix
1 Introduo 1
1.1 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 Objetivo Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2 Objetivos Especcos . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Organizao do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2 Reviso Bibliogrca 7
2.1 Programao Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Programao Dinmica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
i
Programa de Ps Graduao em Engenharia de Produo Ppgep/Ufmg ii
2.3 Heursticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.4 Algoritmo Gentico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.5 Simulao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.6 Simulao nas Indstrias Minerais . . . . . . . . . . . . . . . . . . . . . . . 17
2.7 Sistemas de Despacho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.8 Aplicaes de Sistemas de Despacho . . . . . . . . . . . . . . . . . . . . . . 28
3 Metodologias 38
3.1 Metodologia baseada em Programao Linear e Programao Dinmica . . 38
3.1.1 Programao Linear . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.1.2 Programao Dinmica . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.2 Metodologia baseada em Algoritmo Gentico . . . . . . . . . . . . . . . . . 43
3.2.1 Representao de um Indivduo . . . . . . . . . . . . . . . . . . . . 43
3.2.2 Funo de Custo dos Cromossomos . . . . . . . . . . . . . . . . . . 44
3.2.3 Gerao da Populao Inicial . . . . . . . . . . . . . . . . . . . . . 45
3.2.4 Funo de Aptido de um indivduo . . . . . . . . . . . . . . . . . . 46
3.2.5 Critrio de Parada . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.2.6 Seleo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
Programa de Ps Graduao em Engenharia de Produo Ppgep/Ufmg iii
3.2.7 Operadores Genticos . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.3 Metodologia baseada em Heurstica . . . . . . . . . . . . . . . . . . . . . . 47
3.3.1 Poltica Ritmo de Produo . . . . . . . . . . . . . . . . . . . . . . 48
3.3.2 Poltica Qualidade . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.3.3 Poltica Ritmo de Lavra . . . . . . . . . . . . . . . . . . . . . . . . 53
3.3.4 Poltica Tempo de Fila . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.3.5 Poltica Tempo de Ciclo . . . . . . . . . . . . . . . . . . . . . . . . 57
4 Implementao Computacional 59
4.1 Caractersticas dos ambientes utilizados . . . . . . . . . . . . . . . . . . . . 59
4.2 Implementao das Metodologias . . . . . . . . . . . . . . . . . . . . . . . 60
4.2.1 Implementao da Metodologia baseada em Programao Linear e

Programao Dinmica . . . . . . . . . . . . . . . . . . . . . . . . . 60
4.2.2 Implementao da Metodologia baseado em Algoritmo Gentico . . 60
4.2.3 Implementao da Metodologia baseado em Heurstica . . . . . . . 61
4.3 Validao dos Modelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.4 Mina Virtual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.4.1 Cenrio 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.4.2 Cenrio 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
Programa de Ps Graduao em Engenharia de Produo Ppgep/Ufmg iv
4.4.3 Cenrio 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.4.4 Cenrio 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.4.5 Cenrio 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.4.6 Cenrio 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.4.7 Cenrio 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.4.8 Cenrio 8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5 Resultados Obtidos 70
5.1 Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.1.1 Resultados Obtidos no Cenrio 1 . . . . . . . . . . . . . . . . . . . 71
5.2 Anlise Comparativa dos Resultados . . . . . . . . . . . . . . . . . . . . . 76

Programa de Ps Graduao em Engenharia de Produo Ppgep/Ufmg v
5.2.1 Anlise Comparativa dos Resultados obtidos no Cenrio 1 . . . . . 77
6 Concluses e Recomendaes 80
Lista de Figuras
2.1 Algoritmo Gentico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.1 Procedimento Heurstico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.2 Poltica Ritmo de Produo. . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.3 Poltica Qualidade. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.4 Poltica Ritmo de Lavra. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.5 Poltica Tempo de Fila. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.6 Poltica Tempo de Ciclo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
vi
Lista de Tabelas
2.1 Clculo da deciso e do retorno timo . . . . . . . . . . . . . . . . . . . . . 10
4.1 Teor das variveis nas frentes no Cenrio 1 . . . . . . . . . . . . . . . . . . 63
4.2 Limites de cada varivel no britador no Cenrio 1 . . . . . . . . . . . . . . 63
4.3 Tempos de Deslocamento Carregado das frentes para os pontos de descarga

no Cenrio 1 (em minutos) . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.4 Tempos de Deslocamento Descarregado dos pontos de descarga para as

frentes no Cenrio 1 (em minutos) . . . . . . . . . . . . . . . . . . . . . . . 63
4.5 Taxa de carregamento mxima em cada frente no Cenrio 1 . . . . . . . . 64
4.6 Dados utilizados na programao matemtica para cada ponto de descarga 64
4.7 Dados da mina no Cenrio 1 . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.8 Custos no Cenrio 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.9 Teor das variveis nas frentes no Cenrio 3 . . . . . . . . . . . . . . . . . . 65
4.10 Limites de cada varivel nas usinas U1 e U2 no Cenrio 5 . . . . . . . . . . 66
vii
Programa de Ps Graduao em Engenharia de Produo Ppgep/Ufmg viii
4.11 Tempos de Deslocamento Carregado das frentes para os pontos de descarga

no Cenrio 5 (em minutos) . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.12 Tempos de Deslocamento Descarregado dos pontos de descarga para as

frentes no Cenrio 5 (em minutos) . . . . . . . . . . . . . . . . . . . . . . . 67
4.13 Dados utilizados na programao matemtica para cada ponto de descarga

no Cenrio 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.14 Dados da mina no Cenrio 5 . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.1 Produo de Minrio e Produo Total no Cenrio 1 . . . . . . . . . . . . 72

Lista de Siglas
AG ............. Algoritmo Gentico.
SIMIN ........ Simulador para Minerao.
GRASP ....... Greedy Randomized Adaptive Search Procedure

Procedimento de Busca Adaptativa Gulosa e Aleatria.
REM ........... Relao Estril/Minrio.
CVRD ......... Companhia Vale do Rio Doce
ix
Captulo 1
Introduo
Com o aumento da competio, diminuir custos, tomar decises rpidas e com maior
conabilidade, tornou-se imprescindvel para a lucratividade das empresas. Alm disso,
operaes mais complexas surgiram e, com isso, tornou-se necessrio alocar os recursos
disponveis de forma mais racional.
A minerao envolve atividades complexas e alocao de alto volume de investimentos,

logo, decises nesse tipo de empresa devem ser tomadas com base em critrios cientcos
bem denidos.
Nesse contexto, a Pesquisa Operacional comeou a ser utilizada como uma importante
ferramenta para encontrar solues de problemas cada vez mais complexos. Um dos
mtodos derivados do campo da Pesquisa Operacional, utilizado com essa nalidade, a
simulao.
Kalasky e Mutmansky [21] relataram que, em 1996, 25% das minas do mundo uti-
lizavam aplicaes de Pesquisa Operacional. Na indstria mineral a simulao pode ser
usada para projetar e planejar sistemas e analisar operaes (Sturgul e Li [50]).
Segundo Sturgul e Li [50], Panagiotou [34] e Ramos Neto [42], a simulao permite
estudar o comportamento de sistemas em mineraes antes que eles sejam construdos ou
1
Programa de Ps Graduao em Engenharia de Produo Ppgep/Ufmg 2
introduzidos e durante a sua operao e tem o objetivo de avaliar alternativas de projeto,

obter melhorias, eliminar problemas, tomar decises crticas, justicar custos e entender
uma variedade de questes sobre o sistema.
As primeiras aplicaes de simulao na indstria mineral ocorreram no incio da

dcada de 60, entretanto, s em 1995 foi projetada a primeira mina que utilizou simulao
e animao desde a fase de projeto. Isso ocorreu em Papua Nova Guin, na mina de Lihir
(Sturgul [49]).
As mineradoras realizam suas atividades em minas subterrneas ou a cu aberto.

Em minas a cu aberto as atividades de carregamento e transporte ocorrem da seguinte
maneira: os caminhes se deslocam at a frente de lavra, que so os pontos da mina onde o
minrio e o estril esto sendo retirados, so carregados pelos equipamentos de carga e em
seguida se deslocam para os pontos de descarga, onde descarregam o minrio e o estril.
Esses pontos de descarga podem ser pilhas de estril, material que no aproveitado pelo
processo; pilhas de homogeneizao, quando transportado uma quantidade de minrio
maior do que a usina pode beneciar ou quando necessrio "misturar"os minrios antes
de iniciar o beneciamento; e usina de tratamento, onde inicia-se o beneciamento do
mnrio. Alm disso, esse minrio deve atender a determinadas condies para que o
beneciamento ocorra, ou seja, os teores de cada varivel de controle devem estar entre
os limites inferior e superior preestabelecidos para cada uma delas.
Para fornecer minrio de qualidade uniforme para o processo necessrio misturar

minrio de qualidades diferentes de vrias partes da mina ou de diferentes minas com o
objetivo de assegurar a uniformidade da alimentao, que importante sob o ponto de
vista operacional, j que mudanas so usualmente acompanhadas de aumento no custo
total da operao (Chanda e Dagdelen [9]).
Minas a cu aberto utilizam dois critrios para a alocao de caminhes: alocao

esttica e dinmica. Na alocao esttica, os caminhes so xados a um ponto de carga
e a um ponto de descarga, ou seja, o seu deslocamento ocorre apenas entre esses dois
pontos durante um determinado perodo de tempo. Na alocao dinmica, a cada carga
e/ou descarga, o caminho direcionado para um ponto especco, de acordo com critrios
previamente estabelecidos.
Historicamente, de acordo com Kolonja et al. [24], as minas a cu aberto operavam

com cada caminho alocado a um dado equipamento de carga, mas com monitoramento
e controle atravs de computador. A estratgia utilizada foi despachar os caminhes para
o equipamento de carga que mais contribuiria para os objetivos de produo no curto
prazo.
A alocao esttica ainda o mtodo mais utilizado nas mineraes por no apre-
sentar a obrigatoriedade de utilizao de um sistema automtico de alocao. Porm,
esse mtodo proporciona menor produtividade devido s las de caminhes e ociosidade
dos equipamentos de carga. Esse tipo de alocao , geralmente, aplicado em minas de
pequeno e mdio porte.
A utilizao da alocao dinmica requer a utilizao de um sistema de despacho.

Segundo Knights e Bonates [23], o termo despacho refere-se alocao dinmica de ca-
minhes a equipamentos de carga. Tal sistema utiliza critrios preestabelecidos para sua
operao. Dentre esses critrios pode-se citar, entre outros, a maximizao da utilizao
dos equipamentos, tendo como objetivos o aumento da produtividade e o atendimento
das necessidades de qualidade da usina de tratamento.
A primeira instalao de um sistema de despacho ocorreu em Tyrone, no ano de 1979

(Chironis [10]).
A atividade de transporte de material um dos mais importantes aspectos na operao

de minas a cu aberto (Alarie e Gamache [1]). Alm disso, segundo Maran e Topuz [28],
sistemas de transporte nessas minas envolvem grande volume de capital e recursos. O
objetivo do problema de transporte mover o material retirado da mina para a usina de
modo que o custo seja minimizado, uma vez que esse custo associado inuencia a escolha
de onde retirar minrio (Gershon [18]).
Em mineraes, alocao de caminhes um processo importante e complexo e uma

alocao tima pode resultar em signicante economia. reconhecido que a operao de
caminhes e equipamentos de carga contribui signicantemente para o custo da operao
como um todo.
Assim, torna-se necessrio otimizar este transporte, o que pode ser conseguido atravs
da utilizao de sistemas de despacho. O sistema de despacho pode reduzir o custo de
capital e da operao, atravs da reduo da frota de caminhes necessria e do aumento
da produo com a utilizao da mesma frota.
Alm disso, de acordo com Kolonja et al. [24], devido aos avanos da tecnologia
computacional existem vrios sistemas de despacho de caminhes, os quais tm o potencial
de melhorar a produtividade de caminhes e equipamentos de carga e, atravs disso, gerar
economias subseqentes.
No ncio da dcada de 90, apenas uma empresa mineradora utilizava sistema de

despacho em uma de suas minas no Brasil. A partir da segunda metade da dcada de
90 ocorreu um signicativo crescimento no uso desses sistemas por empresas de mdio e
grande porte.
O custo de instalao de sistemas de despacho depende do tamanho da mina e do

tipo de operao. Esse custo inibia a sua utilizao por mineradoras de pequeno e mdio
porte. A partir de meados da dcada de 90, em conseqncia da evoluo da informtica,
o custo desses sistemas foi reduzido.
Essa reduo no custo levou ao aumento do nmero de mineradoras e empreiteiras

que utilizam esse tipo de sistema. Atualmente cerca de 35 minas utilizam esses sistemas
no Brasil, com diferentes nveis de automao.
O objetivo do despacho computadorizado maximizar o tempo total produtivo da

mina, minimizar a quantidade de caminhes necessria para o transporte, maximizar
a produo dos equipamentos de carga e atender os padres de qualidade da usina de
tratamento.
A importncia da comparao dos algoritmos bases dos sistemas de despacho comer-

cializados no Brasil se deve a crescente utilizao dos mesmos nas empresas. Porm,
devido s diferentes realidades encontradas nas empresas faz-se necessrio analisar em
quais situaes um algoritmo prefervel em relao aos demais. Para essa comparao
ser utilizada a simulao, com o objetivo de reproduzir o comportamento das operaes
de lavra com a utilizao de cada um dos sistemas. O uso de simulao neste caso
essencial, uma vez que no se pode fazer uma experimentao direta dos algoritmos em
uma mesma mina. Alm disso, segundo White et al. [55] e Kolonja et al. [24], a simulao
o mtodo mais aplicvel e efetivo para avaliar e comparar problemas de despacho.
1.1 Objetivos
1.1.1 Objetivo Geral
Fazer uma anlise comparativa das metodologias utilizadas no desenvolvimento de sis-

temas de despacho de caminhes em minas a cu aberto utilizados no Brasil e comparar
seus algoritmos atravs de simulao das operaes de lavra.
1.1.2 Objetivos Especcos
Para atingir o objetivo acima proposto, pretende-se:
Estudar a aplicao de simulao das operaes de lavra em minas a cu aberto;
Estudar a aplicao de algoritmos de despacho em minas a cu aberto;
Desenvolver um modelo para simular alguns desses algoritmos de despacho;
Comparar os resultados obtidos.

1.2 Organizao do Trabalho
No captulo 2 apresentada a reviso bibliogrca contendo os principais conceitos uti-

lizados neste trabalho. Neste captulo so abordados de forma sucinta os mtodos de
programao linear na seo (2.1), de programao dinmica na seo (2.2), de heursti-
cas na seo (2.3), de algoritmo gentico na seo (2.4), de simulao na seo (2.5), de
aplicao de simulao na indstria mineral na seo (2.6), de sistemas de despacho na
seo (2.7) e de aplicaes de sistemas de despacho na seo (2.8).
No captulo 3 so apresentadas as metodologias utilizadas para o desenvolvimento de

sistemas de despacho de caminhes em minas a cu aberto. Na seo (3.1) descrita
a metodologia baseada em programao linear e dinmica, na seo (3.2) a metodologia
baseada em algoritmo gentico e na seo (3.3) a metodologia baseada em heurstica.
No captulo 4 apresentada a implementao computacional. Na seo (4.1) so

apresentadas as caractersticas dos ambientes utilizados na implementao, na seo (4.2)
a implementao de cada uma das metodologias, na seo (4.3) a validao dos modelos
e na seo (4.4) a mina virtual desenvolvida neste trabalho.
No captulo 5 so mostrados os resultados obtidos. Na seo (5.1) so apresentados

os resultados em cada um dos cenrios e na seo (5.2) uma anlise comparativa destes
resultados.
No captulo 6 apresenta as concluses deste trabalho e algumas perspectivas para

trabalhos futuros.
Captulo 2
Reviso Bibliogrca
Neste captulo apresentada, de forma sucinta, uma reviso bibliogrca das principais
tcnicas referenciadas ao longo deste trabalho. Sendo assim, na seo (2.1) apresentada
uma breve reviso de programao linear, na seo (2.2) de programao dinmica, na
seo (2.3) de heursticas, na seo (2.4) de algoritmo gentico, na seo (2.5) de simulao,
na seo (2.6) de aplicao de simulao na indstria mineral, na seo (2.7) de sistemas
de despacho e na seo (2.8) de aplicaes de sistemas de despacho.
2.1 Programao Linear
A programao linear compreende os modelos de programao onde as variveis so con-

tnuas e todas as expresses apresentam um comportamento linear.
Um modelo de programao linear reduz um sistema real a um conjunto de equaes

ou expresses matemticas, onde cada deciso a ser tomada associada a uma varivel
de deciso. Uma funo numrica das variveis de deciso, funo objetivo, expressa a
medida procurada. Essa funo pode ser do tipo maximizar ou minimizar. As limitaes
de recursos, exigncias ou condies so expressas por meio de equaes e inequaes, em
restries aos valores das variveis.
7
Aps a formulao do modelo, este deve ser reduzido forma-padro com a inteno de
obter a soluo tima. As equaes de (2.1) a (2.4) mostram um modelo de programao
linear na forma-padro. A equao (2.1) representa a funo objetivo a ser minimizada.
As equaes (2.2), (2.3) e (2.4) so as restries do problema de programao linear. A
restrio de no-negatividade expressa em (2.4) e garante que a varivel de deciso no
apresentar nenhum valor negativo.
n
X
min ci xi = Z(x) (2.1)
i=1
n
X
s.a. : aij xi = bj j m (2.2)
i=1
bj 0 j m (2.3)
xi 0 i n (2.4)
Onde:
i = atividade a ser realizada;
ci = custo da atividade i;
j = restrio;
bj = quantidade disponvel do recurso j ;
aij = quantidade do recurso j na atividade i;
xi = nvel de operao da atividade i (varivel de deciso);
n = nmero de atividades;
m = nmero de recursos;
Com o modelo na forma-padro, utilizam-se algoritmos para originar solues numri-

cas para esses modelos. Segundo Wagner [54], existem diferentes mtodos para resolver
problemas de programao linear, mas o algoritmo SIMPLEX o mais difundido. Este
mtodo um procedimento matricial, que busca a soluo tima do modelo nos vrtices
do politopo formado pelas solues viveis do problema.
Um problema de programao inteira um problema de programao linear com a

restrio adicional de que os valores de todas as variveis de entrada so nmeros inteiros
(Bronson [7]). Quando pelo menos uma dessas variveis de entrada admite valores que no
sejam inteiros esse problema chamado de programao inteira mista. Para a resoluo
desse tipo de problema so geralmente aplicados algoritmos baseados em Branch-and-

bound ou ramicao e limite.
Costa [12] arma que a maioria dos problemas reais de programao inteira de
complexidade combinatorial e, sendo assim, s podem ser resolvidos ecientemente por
uma tcnica exata, como a Branch-and-bound, se forem de pequeno porte.
2.2 Programao Dinmica
A programao dinmica aplicada em problemas onde as decises so tomadas em

estgios, ou seja, utilizada, segundo Bronson [7], para otimizar processos de deciso
multiestgios. Alm disso, empregada, normalmente, em problemas de menor escala
(Wagner [54]).
De acordo com Bertsekas [5], um aspecto chave deste tipo de problema que as
decises no podem ser vistas isoladamente, necessrio balancear o desejo por custo
baixo no presente e evitar a possibilidade de alto custo no futuro. Logo, a cada estgio
uma deciso selecionada desde que minimize o custo no estgio corrente, e leve ao melhor
custo esperado em estgios futuros.
A programao dinmica baseia-se no princpio da otimalidade de Bellman. Este

princpio diz:
Uma poltica tima apresenta a propriedade segundo a qual, a despeito das decises
tomadas para se assumir um estado particular num certo estgio, as decises restantes a
partir deste estado devem constituir uma poltica tima.
Logo, parte-se do ltimo estgio de um processo de n estgios e determina-se a melhor

poltica para deixar aquele estado e completar o processo, supondo que todos os estgios
anteriores tenham sido completados. Desloca-se, ento, ao longo do processo, do ltimo
para o primeiro estgio. Em cada estgio (n) determina-se a melhor poltica para deixar
cada estado (u) e completar o processo, supondo que todos os estgios precedentes foram
concludos e utilizando os resultados j obtidos para o estgio seguinte (Bronson [7]). Com
isso, calculam-se os elementos da Tabela (2.1), onde:
u : varivel de estado.
mn (u) : retorno timo para se completar o processo comeando-se no estgio n com o
estado u.
dn (u) : deciso tomada no estgio n que obtm mn (u).
Tabela 2.1: Clculo da deciso e do retorno timo
u
0 1 2 3 ...
mn (u)
ltimo estgio
dn (u)
mn1 (u)
Penltimo estgio
dn1 (u)
...
...
m1 (u)
Primeiro estgio
d1 (u)
Os elementos relativos ao ltimo estgio (n) so computados diretamente e os demais

so obtidos de forma recursiva, ou seja, como funo dos elementos de estgio imediata-
mente posterior.
Mutmansky [31] arma que quando um problema de tomada de deciso pode ser for-
mulado com uma srie de decises individuais que so interrelacionadas, ento o problema
pode ser resolvido por programao dinmica.
2.3 Heursticas
Os problemas mais complexos requerem a avaliao de um imenso nmero de possibili-

dades para determinar a soluo exata, logo o tempo requerido para encontrar tal soluo
geralmente muito elevado. Heursticas so regras efetivas em tais problemas, atravs
da indicao de maneiras para reduzir o nmero de avaliaes necessrias e para obter
solues em tempo razovel (Pearl [35]).
O fato de determinado problema ser caracterizado como NP-Completo aceito como

forte evidncia contra a existncia de algoritmos polinomiais e conseqentemente como
justicativa para a utilizao de algoritmos heursticos com o intuito de obter solues
aproximadas de boa qualidade (Campello e Maculan [8]).
Historicamente, as heursticas foram desenvolvidas para resolver problemas espec-

cos.
Nos ltimos anos, tem se vericado o surgimento de um signicativo conjunto de

tcnicas e algoritmos heursticos computacionalmente muito ecientes. Esses algoritmos
so capazes de tratar instncias de certo problema e obter solues viveis muito prximas
do timo global (Campello e Maculan [8]).
Os algoritmos heursticos so mtodos de busca de solues em que no existe qualquer

garantia de sucesso, ou seja, no garantem a soluo tima. So usados para decidir entre
muitas alternativas a mais efetiva para alcanar um objetivo.
Heursticas propiciam meios simples de indicar qual dentre as vrias possveis aes
deve ser preferida e no necessariamente garantem identicar a soluo mais efetiva, mas
freqentemente o faz (Pearl [35]).
Dentre as heursticas modernas destacam-se: algoritmo gentico, algoritmo memtico,

colnia de formigas, simulated anneling, estratgias Multistart, busca tabu, busca em
vizinhana varivel, GRASP, dentre outras.
2.4 Algoritmo Gentico
Os Algoritmos Genticos (AGs) so uma parte da computao evolucionria que encontrou

a possibilidade de aplicao em problemas de otimizao complexos. Esses algoritmos
constituem mtodos de busca populacional baseados em mecanismos de seleo e evoluo
natural.
Os primeiros trabalhos nessa linha so atribudos a John Holland e objetivavam

replicar os processos utilizados pelos sistemas auto-adaptativos em um contexto com-
putacional.
Os Algoritmos Genticos (AGs) so muito simples do ponto de vista computacional,

entretanto, so mtodos de busca muito ecientes. Partindo de uma populao de can-
didatos, os AGs realizam uma busca paralela em diferentes reas do espao de solues e
so muito ecientes na busca de solues timas ou prximas do timo, em uma grande
variedade de problemas.
A idia por trs do algoritmo gentico imitar o comportamento existente na natureza,

onde, segundo Feng et al.[16], os indivduos com melhor desempenho tm mais chance de
sobreviver do que os indivduos com pior desempenho.
Para isso, so usados basicamente como operadores genticos a mutao e o cruza-

mento. Estes operadores so aplicados a um conjunto de solues em potencial chamados
cromossomos ou indivduos. O conjunto desses indivduos denominado populao. As
solues em potencial so classicadas de acordo com sua adaptabilidade, denida pelo
valor da funo objetivo durante a avaliao dos indivduos. Esses indivduos so repre-
sentados por seqncias de bits, podendo ser representados por cdigo binrio ou inteiro,
dentre outros, sendo o binrio o mais utilizado. O indivduo do algoritmo gentico um
conjunto de possveis decises, logo candidatos a soluo do problema.
O processo de seleo realiza uma "ltragem"na populao corrente com objetivo

de aproveitar os melhores cromossomos e permitir que estes tenham maior chance de
se reproduzir e se manter atravs das iteraes. Um dos mtodos mais utilizados neste
processo a roleta, o qual consiste em dois procedimentos, construir a roleta e girar a

roleta. A roleta construda baseada na funo de desempenho (funo objetivo) de cada
indivduo. Depois, gera-se um nmero aleatrio e seleciona-se o cromossomo cuja faixa
contenha esse valor, sendo esse procedimento conhecido como girar a roleta. O mtodo
repetido at que a populao seja preenchida completamente.
O cruzamento combina o material gentico dos cromossomos pais selecionados ante-

riormente. Este cruzamento pode ser com nico ponto de corte, com n pontos de corte,
uniforme, por varivel, entre vrios indivduos, parcial, seqencial, cclico, dentre outros.
A descrio de alguns dos tipos de cruzamento pode ser obtida em Soares [44]. A proba-
bilidade de cruzamento controla a freqncia com que esse operador aplicado.
O operador mutao responsvel por introduzir e manter a diversidade gentica da

populao. A mutao inverte o valor do bit submetido, alterando assim seu valor na
funo objetivo. A probabilidade de mutao controla a probabilidade que cada bit tem
de sofrer mutao e, geralmente, essa probabilidade assume um valor pequeno prximo
de 1%.
A populao inicial geralmente gerada de forma aleatria, sem a utilizao de nen-

hum conhecimento especco do problema.
O algoritmo gentico bsico pode ser formalizado como mostrado na gura (2.1).
2.5 Simulao
A simulao, segundo Pedgen et al. [36], o processo de projetar um modelo computa-

cional de um sistema real e conduzir experimentos com este modelo com o objetivo de
entender seu comportamento e/ou avaliar estratgias para sua operao.
O avano nas metodologias tornou a simulao uma das mais largamente usadas e
aceitas ferramentas na Pesquisa Operacional e Anlise de Sistemas (Banks et al. [3]).
Alm disso, Panagiotou [34] arma que a simulao uma ferramenta aplicvel devido ao
Procedimento AG; {
Num_Geracoes = 1;
Gera_Polucacao_Inicial;
Avalia_Individuo;
enquanto (no convergiu) {
incrementa (Num_Geracoes);
Seleciona_Individuos_Nova_Geracao;
Cruzamento;
Mutacao;
Avalia_Individuo;
}
}
Figura 2.1: Algoritmo Gentico.
alto desempenho e baixo custo de computadores, da existncia de linguagens sosticadas

que permitem a construo rpida de modelos e da facilidade de mudanas e atualizaes
nos modelos em conseqncia de alteraes nas operaes das minas. Outra razo para o
crescente uso da simulao a rapidez de manipulao e facilidade de uso (Vagenas [53]).
Law e Kelton [26] associaram o aumento da popularidade de modelos de simulao a

facilidade do uso de animao, que uma representao visual do modelo, e ao aumento
de credibilidade junto aos tomadores de deciso que a animao proporciona.
Mutmansky e Mwasing [32] reconheceram, ainda, a aplicabilidade da simulao no

planejamento de operaes de sistemas complexos.
A simulao tem sido largamente utilizada em: manufatura, manuseio de materiais,

sistemas militares, trfego, treinamento de pilotos, sistemas de planejamento e projeto de
minas e vrios sistemas com forte estrutura de las.
Segundo Hunt [20], a simulao auxilia na avaliao e projeto de sistemas que apre-
sentam las, permitindo aumentar ou reduzir o nmero de servidores ou diferenciar o
tempo de servio.
De acordo com Maran e Topuz [28], a simulao envolve a construo de um modelo

matemtico que descreve a operao do sistema sob estudo. O modelo rodado vrias
vezes para determinar o seu comportamento mdio. Em conseqncia disso, a simulao
pode ser usada para obter medidas de desempenho para um sistema complexo atravs de
experimentos de amostragem em um modelo matemtico do sistema.
Simulao envolve modelar um problema para tornar possvel experimentar e testar

alternativas e formas de ao, propiciando boas idias sobre esses problemas (Knights
e Bonates [23]). Alm disso, Rasche e Sturgul [43] armaram que a simulao permite
avaliao rpida e com baixo custo de um grande nmero de problemas sem a necessidade
de interferncia no sistema sob investigao.
Maran e Topuz [28] citaram que modelos analticos tm provado ser um recurso seguro
de informaes rpidas e acuradas e devem ser usados quando possvel. Porm, esses
modelos no podem ser aplicados em sistemas que utilizam despacho de caminhes.
Panagiotou [34] e Tu e Hucka [51] armaram que a simulao no resolve problemas

diretamente, mas propicia informaes sobre como o sistema pode trabalhar quando certos
parmetros so mudados. A operao do modelo pode ser estudada e propriedades a
respeito do comportamento real do sistema podem ser deduzidas.
Hunt [20] arma que um modelo de simulao deve representar o mais prximo possvel
o sistema real e ter credibilidade para que seja usado por gerentes e outros tomadores
de deciso. Alm disso, segundo Mutmansky e Mwasing [32], quanto mais geral for o
programa mais aplicvel se torna.
Durante a construo de modelos de simulao deve-se preferir comear por um mo-

delo simples e, a partir desse, construir modelos maiores e de maior complexidade. Isso
leva a um alto grau de conana no modelo.
Segundo Pidd [38], aps a elaborao do modelo de simulao, deve-se realizar a

implementao computacional utilizando softwares como o Arena, ProModel e Witness.
Esses softwares permitem desenvolver o modelo computacional atravs da seleo de cones
e a ligao entre eles para mostrar a interao lgica do modelo. Obviamente, existem
outros softwares ecientes alm dos citados por Pidd [38].
Em seguida, de acordo com Hunt [20], a vericao e a validao do modelo devem

ser realizadas. A vericao assegura que o modelo esquemtico est sendo retratado
corretamente no cdigo. A validao compara seu desempenho e comportamento com
o sistema real. Porm, deve-se ressaltar que nenhum modelo representa exatamente o
sistema em estudo, logo, as concluses obtidas tm que levar em considerao as diferenas
entre o modelo e o sistema real.
Mutmansky e Mwasing [32] armaram que os modelos de simulao podem ser atua-
lizados discreta ou continuamente. De acordo com Panagiotou [34], a simulao a eventos
discretos aquela onde o estado do modelo muda somente em intervalos de tempo discre-
tos, mas possivelmente aleatrios, enquanto em simulao contnua, o estado do modelo
muda continuamente durante o tempo. Os sistemas de transporte de caminho so mo-
delados como sistemas a eventos discretos (Maran e Topuz [28], Alvarenga [2]).
Quando uma soluo obtida usando simulao importante entender o que signica
essa soluo. Deve-se ressaltar que um modelo de simulao no resolve o problema, mas
diz como um sistema vai operar sob um dado conjunto de parmetros.
Em conseqncia do rpido desenvolvimento na tecnologia computacional que vem

ocorrendo desde o comeo dos anos 60, a simulao adquiriu relevncia prtica e grande
aumento de suas aplicaes em vrias indstrias e no campo dos negcios (Sturgul e
Li [50]).
Segundo Sturgul e Li [50], esses avanos podem ser notados atravs da execuo mais
rpida, da existncia de maior espao para armazenamento dos dados, da programao
orientada a objeto e da melhor visualizao.
Essas mudanas tiveram grande impacto nos softwares de simulao e esto resultando
em: melhor qualidade, processamento mais rpido, maior exibilidade e interfaces mais
amigveis (Sturgul e Li [50]).
Alm disso, Mutmansky e Mwasing [32] citam que linguagens especializadas tm sido
desenvolvidas, propiciando uma estrutura para dinamizar a criao de modelos e reduzir

o trabalho de sistemas de simulao. Esses mesmos autores [32] armam que a maioria
dessas linguagens so orientadas a eventos discretos e tm sadas probabilsticas. Algumas
dessas linguagens desenvolvidas para simulao a eventos discretos so: o GPSS, GASP,
SIMULA, SLAM e SIMAN.
De acordo com Sturgul e Li [50], a partir do nal dos anos 80, os simuladores foram
signicativamente melhorados e, com isso, o interesse na sua aplicao na indstria mineral
reviveu.
2.6 Simulao nas Indstrias Minerais
As primeiras aplicaes de simulao em minas ocorreram nos Estados Unidos e na Eu-

ropa. Segundo Paganiotou [34], os primeiros estudos de simulao em minerao na
Europa foram no transporte em minas subterrneas. Rasche e Sturgul [43] citam que o
primeiro estudo de simulao em minas publicado foi apresentado por Rist (1961). Nesse
estudo, foi determinado o nmero timo de trens numa mina subterrnea.
Segundo Sturgul e Li [50], a maioria dos primeiros modelos eram implementados

utilizando a linguagem FORTRAN e, conseqentemente, resultavam em modelos difceis
de aplicar s diferentes situaes encontradas nas minas.
Entretanto, com o advento das linguagens modernas e do desenvolvimento da tecnolo-

gia computacional, a partir do nal dos anos 80, a popularidade da simulao para planejar
e analisar novos projetos de operao em mina ou para modicao e melhoramento dos
existentes tem aumentado (Sturgul e Li [50]).
De acordo com Mutmansky [31], a simulao no um mtodo de otimizao, mas uma

ferramenta que pode ajudar no melhoramento de operaes de qualquer poro especca
das minas.
Turner [52] arma que a simulao est ganhando aceitao na minerao por pro-
piciar uma plataforma para uma rpida avaliao de custo e das operaes complexas
de minerao. Alm disso, Hunt [20] ressalta que a simulao do processo de minerao
uma ferramenta efetiva em custo para avaliar cenrios durante o projeto de minas e
produo de minrio.
Segundo Turner [52], a simulao est se tornando importante no planejamento de

novas minas e no planejamento e monitoramento das operaes existentes, ou seja, est
sendo usada para explorar os impactos de novos investimentos e propor novos mtodos
de minerao. Panagiotou [34] cita que, atualmente, a aplicao de modelos de simulao
para estudar sistemas complexos de minerao sob condies reais est sendo bem aceita
especialmente nas fases de projeto e planejamento de nova mina.
Mutmansky [31] arma que modelos podem ser usados para responder questes sobre
as operaes da mina e, assim, ajudar na escolha entre as vrias alternativas operacionais
da planta.
Segundo Maran e Topuz [28], embora o estudo de aspectos particulares do sistema

possa ser feito diretamente em campo, a experimentao direta com o sistema real pode
ser extremamente cara. Alm disso, o sistema real pode no existir, como o caso de
uma nova mina a cu aberto no estgio de projeto.
Segundo Costa et al. [14], o principal objetivo do planejamento de produo em minas

a cu aberto a determinao do ritmo de lavra adequado para cada frente, de modo a
fornecer usina de tratamento um produto com as especicaes desejadas. Ainda se-
gundo os mesmos autores, para realizar a lavra nessas frentes, uma mina utiliza uma frota
de equipamentos de carga, os quais devem ser alocados de acordo com sua disponibilidade
de operao e produtividade.
Konyukh [25] arma que a simulao proporciona uma excelente oportunidade para
analisar alteraes em sistemas de minerao. Segundo Knights e Bonates [23], a simu-
lao pode ser utilizada para prever o impacto nas operaes da mina de novas idias,
procedimentos e mudana de normas. Atravs disso, alternativas podem ser comparadas
e mudanas podem ser testadas sem aplic-las ao sistema real.
Entretanto, Rasche e Sturgul [43] armam que poucos estudos tm sido feitos com o
objetivo de demonstrar como mineraes de pequeno porte podem ter benefcios com a
utilizao de simulao e que a maioria dos modelos de simulao publicados se referem
a mineraes de grande escala.
Hunt [20] elaborou um modelo de simulao com o propsito de demonstrar para o

gerenciamento da mina como a simulao pode ser usada para otimizar o transporte de
minrio usando trens, caminhes e aberturas para passagem de minrio, propiciando um
mtodo para que as operaes pudessem ser analisadas efetivamente.
Sturgul [48] desenvolveu um modelo para determinar o nmero timo de caminhes

na mina, utilizando a linguagem GPSS/H. Foram feitos trs testes utilizando esse modelo.
O primeiro teste considerou tempos determinsticos para os ciclos dos equipamentos, no
segundo, foi introduzida variao no tempo (intervalo) e no terceiro, foram utilizadas
distribuies exponencial e normal apenas para o tempo de ciclo do caminho. O resultado
mostrou que o tempo mdio para a distribuio permaneceu o mesmo e que o resultado
dependia da distribuio estatstica usada.
Ramos Neto [42] desenvolveu um conjunto de mdulos de simulao (template ) espec-

cos para simulao de operaes de carregamento e transporte em minas a cu aberto
utilizando o software Arena 5.0. Essas templates facilitam o processo de modelagem, tor-
nam o ambiente mais amigvel, porm, medida que se tornam mais especcas perdem
exibilidade.
Merschmann [29] props um sistema de Otimizao e Simulao (OTISIMIN) para

anlise de cenrios em minas a cu aberto composto de dois mdulos. O primeiro deles,
o mdulo de otimizao, utiliza Programao Linear e tem como objetivo otimizar o
processo de mistura de minrio das vrias frentes de lavra atendendo as especicaes de
qualidade da usina e alocando equipamentos s frentes. O segundo, mdulo de simulao,
utiliza simulao a eventos discretos baseado no mtodo das trs fases. O objetivo desse
mdulo avaliar a viabilidade operacional dos resultados obtidos no primeiro mdulo.
No mdulo de otimizao as variveis utilizadas so determinsticas enquanto no segundo
mdulo as variveis so probabilsticas.
Rasche e Sturgul [43] utilizaram a linguagem GPSS e os dados de uma mina para
construir um modelo de simulao com o objetivo de estudar a operao de vrios ca-
minhes considerando possveis quebras para vericar o efeito no nmero de equipes de
reparo disponveis e ajudar a determinar o efeito de diferentes equipamentos na mina.
Kappas e Yegulalp [22] apresentaram uma tcnica geral para obter solues analticas
para redes de las fechadas compostas de centros de servio com distribuio geral do
tempo de servio, mostrando a importncia de teoria de las na anlise de sistemas
caminho/equipamento de carga e problemas similares em minerao.
Mutmansky e Mwasing [32] aplicaram a linguagem de simulao SIMAN na simulao

de uma operao caminho/equipamento de carga em uma mina a cu aberto para testar
a sua aplicabilidade em simular sistemas de manuseio de materiais em mineraes. Para
projetar esse simulador, foi utilizada a mesma lgica utilizada na linguagem FORTRAN,
entretanto, elementos pr-programados foram usados para simplicar a lgica e eliminar o
trabalho de programao.
Knights e Bonates [23] revisaram as aplicaes de modelos estocticos de simulao

a eventos discretos na minerao e, atravs desse trabalho, puderam concluir que, na
Amrica do Sul, a simulao de operaes de mina utilizada apenas em minas de grande
porte e em universidades.
De acordo com Vagenas [53], nos anos 90, no Canad, o interesse no uso de simu-
lao a eventos discretos em minas a cu aberto e subterrneas aumentou. Esse mesmo
autor ressalta ainda que atravs da simulao e da animao pode-se chegar a uma nova
dimenso no estudo da engenharia de minas.
2.7 Sistemas de Despacho
O sistema de transporte utilizando caminhes em minas a cu aberto de grande porte

to complexo que resultados quantitativos so difceis de se obter analiticamente por
teoria das las logo a simulao provavelmente, o nico mtodo prtico para prever o
desempenho do sistema de transporte sob controle de despacho computadorizado (Tu e

Hucka [51]).
Segundo Munirathinam e Yingling [30], em minas de grande porte mais aconselhvel

a representao de sistemas de transporte por modelos de redes estocsticas que modelos
de teoria das las.
De acordo com Kolonja et al. [24], as estratgias ou sistemas de despacho so com-

plexas e, geralmente, podem ser analisadas somente atravs de simulao. Entretanto,
comum que em relao a produo o melhor sistema de despacho seja apenas um pouco
melhor que a estratgia de despacho menos efetiva.
Segundo Alarie e Gamache [1], problemas de despacho de caminhes no ocorrem

apenas na indstria mineral. Eles esto presentes em qualquer indstria que gerencia
uma frota de veculos ou um grupo de pessoas, tal como indstrias de transporte, txi
e entrega de pacotes. Entretanto, aplicado s mineraes apresenta simplicaes em
relao ao encontrado em outras indstrias. Dentre essas simplicaes, esses mesmos
autores, citam que minas so sistemas fechados, os pontos de carga e descarga permanecem
a mesma distncia por um longo perodo de tempo, as distncias so pequenas comparadas
com a durao do turno e a freqncia da demanda de cada ponto alta.
Maran e Topuz [28] armam que a simulao computacional pode ser usada como
uma maneira de experimentao e avaliao de alocao de caminhes e problemas de
despacho especialmente, quando mtodos analticos no so apropriados. Alm disso,
de acordo com Kolonja et al. [24] e White et al. [55], na maioria dos casos, simulao
computacional o mtodo mais aplicvel e efetivo de comparar sistemas de despacho
alternativos.
Turner [52] arma que os resultados da simulao remetem a melhoria na disponibi-

lidade e utilizao assim como na ecincia do sistema, alm de tornar possvel analisar
uma operao antes que ela tenha sido instalada e congurada.
Segundo Srajer et al. [46], a operao eciente de caminhes e equipamentos de carga

em minas depende da alocao adequada de caminhes a equipamentos de carga e a
pontos de descarga. Em conseqncia de quebra de equipamentos, variaes nas condies

de escavao, capacidade de caminhes, caractersticas da mistura, freqentemente, a
realocao de caminhes requerida para manter a operao eciente.
Alm disso, de acordo com Alarie e Gamache [1], a ecincia de uma frota de trans-
porte depende do seu tamanho e das distncias transportadas. Quando os caminhes
no so sucientes, os equipamentos de carga tero perodos improdutivos substanciais
e quando existem muitos caminhes o tamanho das las nos equipamentos de carga au-
menta. Quando a frota muito grande, a la de caminhes vai aparecer, porm como o
sistema fechado e a demanda conhecida, os eventos podem ser previstos num futuro
prximo com conabilidade o que pode ser usado para a reduo de tais las (Alarie e
Gamache [1]).
Gershon [18] e Costa et al. [13] armam que otimizar o problema de planejamento de
lavra em partes independentes pode gerar conitos que inviabilizam a implementao de
solues obtidas em cada parte.
Kolonja et al. [24] citam que o transporte por caminho a maneira mais comumente
utilizada para movimentar minrio e estril em minas a cu aberto, mas usualmente
a operao de lavra mais cara. Logo, uma pequena reduo percentual nos custos de
transporte resulta em economias signicativas (Alarie e Gamache [1]).
Segundo Tu e Hucka [51], o custo de transporte representa o maior custo em minas a

cu aberto, correspondendo a 50% dos custos de operao. Munirathinam e Yingling [30]
armam que, devido a esses altos custos, esforos tm sido feitos para limitar e reduzir
o custo de transporte. No passado, segundo esses mesmos autores [30], esses esforos
focavam no projeto de sistemas de caminhes e caminhos, isto , melhorar o desempenho
de caminhes, investir no desenvolvimento da tecnologia dos caminhes e utilizar sistemas
de correias. Entretanto, a mesma reduo de custo pode ser conseguida atravs de utiliza-
o eciente dos recursos disponveis, que o objetivo primrio dos sistemas de despacho
computadorizados.
Forsman et al. [17] armam que o uso de simuladores pode resultar em uma re-
duo substancial de tempo, esforo e custos no projeto e avaliao de sistemas cami-
nho/equipamentos de carga.
Segundo Munirathinam e Yingling [30], White et al. [55], White e Olson [57], Al-
varenga [2], Clevenger [11] e Alarie e Gamache [1], com sistemas de despacho, espera-se
aumento da produtividade com a utilizao dos recursos existentes (caminhes e equipa-
mentos de carga) ou a produo desejada com reduo da necessidade de equipamento.
Essas metas so alcanadas por consideraes cuidadosas de alternativas de alocao de
caminho/equipamento de carga em tempo real e determinao de decises de alocao
que aumentem a utilizao de recursos e diminuam o tempo de espera em todos os cami-
nhos.
Kolonja et al. [24] armam que a introduo de um sistema de despacho em uma mina
pode alcanar ganhos operacionais atravs da reduo do tempo de espera e obteno de
outros benefcios atravs de melhor monitoramento, roteamento timo e maior controle.
Entretanto, a ecincia no emprego da frota de caminhes e equipamentos de carga de-
pende da estratgia de despacho usada, da complexidade do sistema caminho/equipamento
de carga e de uma srie de outras variveis.
Alm disso, as operaes dirias de uma mina a cu aberto so muito afetadas pelas
vrias polticas de operao e despacho, que no podem ser arbitrariamente determinadas.
O problema de determinao dessas polticas requer previso de desempenho do sistema
atravs da considerao de vrias combinaes de caminho/equipamento de carga sele-
cionados sob condies realistas (Kappas e Yegulalp [22]).
White e Olson [57] citam que os benefcios advindos com a implantao de um sis-
tema de despacho podem ser divididos em tangveis e intangveis. Os tangveis incluem
minimizao do remanuseio, atendimento simultneo de vrias restries da mistura e
manuteno da alimentao da planta. Os intangveis so previso de produo, com-
parao de desempenho de caminhes e equipamentos de carga de diferentes fabricaes
e gerao de relatrio on-line.
Segundo Munirathinam e Yingling [30], sistemas de despacho esto sendo cada vez
mais aplicados para melhorar a utilizao de equipamentos e a produtividade em minas a
cu aberto e para ajudar a assegurar que as operaes de extrao nessas minas estejam
dentro das premissas de desempenho estabelecidas.
De acordo com Costa et al. [13], para viabilizar a lavra em diferentes frentes, uma mina
conta com uma frota de equipamentos de carga, os quais devem ser alocados de acordo com
suas disponibilidades de operao e produtividades. Esses equipamentos de carga devem
ser alocados de modo que seja considerada a compatibilidade com os equipamentos de
transporte e a utilizao mxima de sua capacidade de produo.
Segundo Munirathinam e Yingling [30], os primeiros sistemas de despacho eram ma-

nuais. Nesses sistemas, o operador, a partir de uma posio estratgica na mina, observava
o estado dos vrios recursos visualmente e/ou atravs de comunicao via rdio e realocava
os caminhes e equipamentos de carga baseado somente no seu julgamento.
Munirathinam e Yingling [30] citam que, no incio dos anos 70, esses sistemas passaram
a ser semi-automatizados, onde minicomputadores eram usados para registrar o estado
do caminho e do equipamento de carga e sugerir a alocao do caminho dependendo da
estratgia de despacho usada. Entretanto, nesse tipo de sistema, o operador pode fazer
alocaes que no estejam de acordo com a alocao sugerida pelo computador.
No nal dos anos 70, de acordo com Munirathinam e Yingling [30], sistemas de despa-
cho automatizados foram desenvolvidos. Esses sistemas tm a habilidade de alocar dire-
tamente o caminho tarefa, superando limitaes impostas pela habilidade do operador
de manusear grande nmero de informaes em pequeno espao de tempo e qualquer di-
culdade de analisar a situao atual e tomar decises de alocao efetivas. Dentre esses
sistemas que surgiram, pode-se citar o Dispatch que, ainda hoje, o sistema de despacho
mais vendido do mundo.
Segundo Tu e Hucka [51], os avanos na tecnologia computacional tm resultado no

desenvolvimento de sistemas automatizados de despacho de caminho que so capazes
de direcionar o trfego de caminhes em tempo real. Segundo esses mesmos autores,
algoritmos de despacho implantados em minas a cu aberto aumentam a produtividade
do transporte entre 3 e 15%.
O custo associado implantao de sistemas de despacho tem cado devido ao baratea-

mento de microcomputadores e aos custos mais baixos da tecnologia necessria para mo-
nitorar a posio do caminho (Munirathinam e Yingling [30]). Durante a anlise de
viabilidade da instalao desses sistemas deve-se, ainda, analisar se o aumento da pro-
dutividade proporcionada pela sua instalao supera o seu custo (Tu e Hucka [51]). As
decises sobre investir em tecnologia so tomadas mais facilmente quando essas podem ser
convertidas em dinheiro e comparadas nos mesmos termos, j que os ganhos so diferentes
em cada mina e at na mesma mina sob condies diferentes (Stickney [47]).
Os sistemas de despacho recentes tm implementado controles que monitoram a exe-

cuo do plano de produo a curto prazo e esse, por sua vez, remete a objetivos mltiplos
e interativos como maximizar taxa de produo, minimizar remanuseio, satisfazer as ne-
cessidades da mistura de minrio e atender as restries de qualidade (Munirathinam e
Yingling [30]).
Os problemas de alocao dinmica e esttica de caminhes se reduzem ao problema

da mochila inteira mltipla com restries adicionais, que NP-difcil, logo, no existe
algoritmo que resolva estes problemas em tempo polinomial (Costa [12]).
Segundo Alvarenga [2], o problema de despacho de caminhes fora-de-estrada pode

ser visto como uma extenso do Problema de Roteamento de Veculos.
De acordo com Costa et al. [13], um eciente algoritmo para alocao dinmica
importante porque ele integra o sistema de despacho computadorizado. Um sistema de
despacho rene, ainda, um algoritmo de seqenciamento de viagens, um sistema de co-
municao entre os equipamentos de carga, caminhes e central de comandos.
Segundo White e Olson [57], para que o sistema de despacho seja completo impor-
tante que o sistema de monitoramento dos equipamentos seja preciso e convel, de modo
que as operaes da mina possam ser otimizadas em tempo real.
Alm disso, segundo Soumis et al. [45], as atividades de planejamento operacional

e despacho de caminhes tm que ser resolvidas de maneira integrada, j que existem
muitas ligaes entre elas. O planejamento operacional um plano estratgico e estabe-
lece o cenrio para a operao tima que, subseqentemente, reproduzida pelo despacho
de caminho. Juntas elas formam os chamados softwares de otimizao para despacho

de caminhes. Esses softwares podem apresentar vrios nveis e sosticaes. Os pro-
cedimentos de despacho que no integram essas atividades no se aproximam do timo e
podem sob algumas circunstncias serem contraprodutivos.
De acordo com Alarie e Gamache [1], existem duas abordagens principais para o pro-
blema de despacho: estgio nico e estgio mltiplo. Os sistemas que usam estgio nico
simplicam o despacho de caminhes e so, geralmente, mtodos heursticos baseados em
regras prticas. J os sistemas que usam estgio mltiplo dividem o problema de despacho
em subproblemas ou estgios. Esses estgios podem ser reduzidos a um estgio inferior e
um estgio superior. O estgio superior xa taxas de produo para os equipamentos de
carga e um estgio inferior que aloca caminhes a equipamentos de carga para minimi-
zar o desvio dos objetivos de produo sugeridos no estgio superior. Esses sistemas so
chamados de sistemas dirigidos pelo planejamento em Munirathinan e Yingling [30].
Munirathinam e Yingling [30] classicam os sistemas de despacho de caminho em:

sistemas que usam heursticas para tomar decises de alocao de caminhes, sistemas di-
rigidos pelo planejamento e sistemas de despacho com restrio de alocao. Nos sistemas
que usam heursticas, no momento de tomar uma deciso de despacho, o procedimento
envolve a escolha da regra heurstica. As regras heursticas mais comuns so minimizar
o tempo de espera do caminho, minimizar o tempo de espera do equipamento de carga,
minimizar o tempo de ciclo do caminho e alocao esttica. Kolonja et al. [24] citam os
seguintes critrios heursticos de despacho: minimizao do tempo de espera do equipa-
mento de carga, minimizao do tempo de ciclo do caminho, minimizao do tempo de
espera do caminho e minimizao da saturao do equipamento de carga.
Mutmansky [31] e Alarie e Gamache [1] armam que os mtodos heursticos so

procedimentos que ainda no so fundamentados teoricamente mas que so baseados
na prtica ou lgica operacional dos procedimentos e, em muitos casos, so adotados
por serem um mtodo fcil, direto e efetivo de gerenciamento do sistema, sem o caro
desenvolvimento e manuteno de um modelo de otimizao.
Segundo Munirathinam e Yingling [30], as heursticas so melhores aplicadas em ope-

raes de grandes e complexas minas, que so mais propensas a utuaes aleatrias,

devido diculdade de construir um modelo matemtico realista e constantemente atua-
lizado sem custo computacional alto. Porm, muitas heursticas ignoram restries essen-
ciais ou metas secundrias de operao do sistema, tal como manter o nvel de pro-
duo necessrio atravs de balanceamento de taxas de produo entre os pontos de carga
disponveis. De acordo com Munirathinam e Yingling [30] e Alarie e Gamache [1], as
heursticas so mais fceis de implementar e no requerem muito esforo computacional
num sistema de despacho em tempo real. Alm disso, segundo Costa [12], permitem
incluir necessidades especcas de cada empresa com maior facilidade (exibilidade) e
apresentam custos mais acessveis do que os mtodos exatos. Entretanto, a fragilidade
desses procedimentos est em serem aplicadas a um caminho por vez, ou seja, a alocao
no leva em considerao os prximos caminhes a serem alocados, levando a maximiza-
o da efetividade imediata do caminho sendo alocado, mas podendo reduzir a ecincia
da alocao no longo prazo; no consideram critrios de desempenho mltiplos e so par-
ticularmente fracas em assegurar conformidade com as restries operacionais, a menos
que seja o foco da regra (Munirathinam e Yingling [30]).
Segundo Munirathinam e Yingling [30], os sistemas de despacho dirigidos pelo plane-

jamento apresentam dois componentes na sua estrutura. O primeiro lida com planeja-
mento da produo no curto prazo, e a base para gerao do plano uma formulao
de programao matemtica. Essa formulao maximiza a produo total e est sujeita
a restries operacionais, tais como, os objetivos da mistura de minrio. O modelo con-
sidera a capacidade de produo, tal como taxa de escavao para cada equipamento de
carga, tamanho da frota de transporte disponvel, congurao e tempo de trnsito do
caminho, capacidade dos pontos de descarga e tamanho mximo permitido para as las,
dentre outros. A programao matemtica determina o chamado "planejamento esta-
cionrio de alocao de transporte", e esse plano , subseqentemente, usado como base
para as decises de despacho em tempo real. O segundo componente o procedimento
usado para tomar decises de alocao em tempo real e tem como principal objetivo
perceber o desempenho do transporte determinado pelo "planejamento estacionrio de
alocao de transporte". As decises de alocao so baseadas no desvio do estado atual
do sistema com o prescrito pelo plano. Para isso, vrias medidas de desvios tm sido
implementadas nas decises de alocao. Em contraste com as heursticas simples, esses
sistemas dirigidos pelo planejamento consideram a alocao do caminho atual e futuro

coletivamente, entretanto existe um nmero de diferentes abordagens para essas tarefas
(Munirathinam e Yingling [30]). Dentre os Sistemas de Despacho dirigidos pelo plane-
jamento, Munirathinam e Yingling [30] citam os desenvolvidos por Soumis et al. [45],
Bonates e Lizotte [6], Li [27] e White e Olson [57].
Segundo Munirathinam e Yingling [30], nos sistemas de despacho com restrio de

alocao as decises de alocao so tomadas em tempo real otimizando a taxa de pro-
duo atravs da minimizao do tempo de espera. Como os sistemas dirigidos pelo
planejamento, essas formulaes consideram a alocao do caminho em conjunto com
a alocao de outros caminhes que ser feita num futuro prximo. Entretanto, s res-
tries operacionais, tal como, necessidade da mistura de minrio, esto embutidas na
formulao de alocao e restringem cada deciso de alocao. As fragilidades desse tipo
de mtodo so a rigorosa obedincia as restries operacionais, que poderiam ser relaxadas
no curto prazo para aumentar a produtividade e no explicitao da natureza estocstica
do tempo de ciclo de elementos no modelo de alocao. Esse mesmo autor cita o procedi-
mento desenvolvido por Hauck [19], como exemplo de aplicao desse tipo de sistema de
despacho.
2.8 Aplicaes de Sistemas de Despacho
Tu e Hucka [51] desenvolveram um modelo para simular o sistema computadorizado de

despacho de caminho em uma mina a cu aberto. O modelo desenvolvido pode ser
usado para estudar o impacto do sistema de despacho na produtividade de caminhes
e equipamentos de carga, para testar polticas de despacho que melhore o desempenho
do transporte por caminho, como ferramenta para estimular a produo do sistema de
transporte e para revelar gargalos. Esse modelo pode, ainda, ser usado para simular a
alocao esttica e dinmica com vrias opes de despacho. O resultado obtido atravs
do modelo mostrou que o sistema de despacho gerou uma economia de 2 a 3% da frota
total de caminhes.
Pinto e Merschmann [41] propuseram um modelo que considera o problema da mistura

e alocao de equipamentos de carga, relao estril/minrio mnima e alocao dinmica
dos caminhes. Esse modelo no linear, logo, no h garantia de que a soluo obtida
seja tima.
White et al. [56] propem um modelo que minimiza o nmero de caminhes necessrios
atravs de restries relacionadas continuidade do uxo de material pelos pontos de carga
e descarga e as capacidades de produo dos pontos de carga.
Turner [52] relata uma operao virtual de mina gerenciada, em tempo real, pelo
sistema de despacho Dispatch. Essa simulao foi realizada com o propsito de determinar
combinaes de caminho/equipamentos de carga adequadas para a operao proposta
na mina.
Nogueira [33] elaborou um modelo para simulao do sistema caminho/equipamento

de carga com o objetivo de avaliar a melhor combinao caminho/equipamento de carga
de modo a determinar a capacidade de operao da mina e analisar o impacto da admisso
de mais um equipamento de carga na produo da mina de Cau da CVRD (Companhia
Vale do Rio Doce). Esse estudo apontou que o despacho de caminhes em minas a cu
aberto tende a aumentar a produo e suavizar as irregularidades nas las dentro do
sistema.
Pereira [37] estudou o efeito do despacho dinmico na produtividade, comparando

com o modo convencional de despacho utilizando alocao esttica. Esse estudo foi feito
na mina de Conceio da CVRD, antes da introduo do sistema de despacho Dispatch.
Costa et al. [14] propuseram um modelo de programao linear por metas aplicado
ao problema de produo em minas, com o objetivo de determinar o ritmo de lavra de
cada frente, considerando alocao de equipamentos de carga e transporte, de modo a
oferecer usina alimentao adequada. Nesse trabalho, foi utilizada a alocao esttica
de caminhes e pode-se concluir que possvel atingir as metas requeridas e otimizar as
operaes de transporte e carregamento, com uma pequena reduo de produtividade.
Costa et al. [13] apresentaram um modelo de programao linear por metas com o
objetivo de aumentar a produtividade dos equipamentos de transporte. A alocao desses

equipamentos s frentes, nesse caso, feita dinamicamente ao nal de ciclo de carga e
descarga. A programao por metas foi utilizada, nesse trabalho, por ser considerada
mais adequada realidade das mineraes, pois seu objetivo fazer com que a soluo
tima seja a mais prxima possvel das metas de produo e qualidade.
Alvarenga [2] props um modelo para o despacho de caminhes em uma minerao

de ferro a cu aberto usando Algoritmo Gentico. Foi utilizado, para isso, processamento
paralelo e objetiva minimizar o tempo de la dos caminhes, aumentar a produtividade
da frota e a qualidade do minrio.
Ezawa e Silva [15] desenvolveram um sistema de alocao dinmica de caminhes

s frentes de lavra com o objetivo de reduzir a variabilidade dos teores do minrio e
aumentar a produtividade do sistema de transporte. O sistema utiliza uma heurstica
para gerar as decises que tm como resultado um seqenciamento de caminhes que
minimiza a variao dos teores. Para validar esse modelo foi utilizado simulao e para o
modelamento matemtico da mina a teoria dos grafos. Com a implantao do sistema, foi
obtido um aumento de 8% na produtividade do sistema de transporte e o gerenciamento
passou a ter em mos dados mais precisos e em tempo real.
Forsman et al. [17] propuseram um modelo de simulao, denominado METAFORA,

utilizado na determinao e avaliao de estratgias alternativas para operao do sistema
caminho/equipamento de carga na mina Aitik. As regras de despacho disponveis nesse
sistema so: alocao esttica, maximizao da utilizao do caminho e maximizao da
utilizao do equipamento de carga. A maximizao da utilizao do caminho e alocao
xa resultaram na mesma produo total, entretanto, a maximizao da utilizao de
caminho proporcionou uma produo 7 % menor de minrio que a alocao xa.
Kolonja et al. [24] simularam um sistema de despacho de caminho usando a pro-

duo mxima esperada do sistema caminho/equipamento de carga como uma medida
de desempenho.
Costa [12] apresenta e modela problemas relativos mistura de minrios provenientes

de vrias frentes de lavra, levando em conta as metas de produtividade e qualidade,
restries operacionais e alocao dos equipamentos de carga e transporte necessrios ao

processo. Os problemas abordados foram mistura de minrio, mistura de minrio com alo-
cao dinmica de caminhes e mistura de minrio com alocao esttica de caminhes.
Os resultados comprovaram a aplicabilidade de metodologias de otimizao, baseadas na
metaheurstica "Mtodo de Pesquisa em Vizinhana Varivel", no planejamento opera-
cional de lavra na industria mineral, substituindo os tradicionais mtodos de tentativa
e erro. Os resultados computacionais mostraram que a heurstica desenvolvida capaz
de encontrar solues nais de qualidade mais rapidamente que os mtodos baseados em
programao matemtica.
Barros [4] descreve a evoluo dos sistemas de despacho usados na mina de Chuquicamata.
Inicialmente, os equipamentos de carga e trens possuam comunicao via rdio mas no
um sistema de despacho. Posteriormente, um sistema semi-automatizado foi implantando
onde um funcionrio de despacho permanecia numa torre de controle para controlar vi-
sualmente a operao. Finalmente, foi instalado um sistema automatizado de despacho.
Segundo Vagenas [53], os estudos de simulao no Canad so usualmente relatados

para sistemas de despacho caminho/equipamento de carga e sistema de gerenciamento
de informaes em tempo real.
Soumis et al. [45] propuseram um procedimento que utiliza trs passos para resolver
o problema de despacho: planejamento de equipamento, planejamento operacional e o
planejamento de despacho. O planejamento de equipamento usa um nmero de cami-
nhes, localizaes de equipamentos de carga, tipo de minrio na localizao do equipa-
mento de carga e outras localizaes como entrada para avaliar combinaes viveis de
localizaes de equipamentos de carga. Para um subconjunto de localizaes viveis, a
otimizao da produo feita usando um modelo de programao inteira mista sujeito
a restries de qualidade. So exibidas as 10 melhores solues e o operador respon-
svel por escolher uma soluo que seja uma boa soluo inicial. A soluo determina a
localizao de equipamentos de carga e suas taxas aproximadas de produo. O segundo
passo, planejamento operacional, rena o planejamento preliminar para propiciar obje-
tivos de despacho mais realistas atravs da determinao da produo do equipamento
de carga e de rotas timas para os caminhes, usando a localizao dos equipamentos de
carga e o nmero de caminhes como dados de entrada. O procedimento de otimizao

baseado em programao no-linear e a soluo fornece o melhor caminho para chegar
a cada equipamento de carga, o tempo de espera estimado para cada caminho e cada
equipamento de carga e uma estimativa do nmero de caminhes carregados por unidade
de tempo. O planejamento de despacho feito em tempo real resolvendo o problema
de alocao, levando em considerao os prximos 15 caminhes, que esto ou caro
disponveis para obter uma srie de despachos que vo compreender a estratgia tima.
Esse estudo comprovou, atravs de simulao, o aumento da produtividade e a reduo
no tempo de espera do caminho.
Bonates e Lizotte [6] (apud Munirathinam e Yingling [30]) propuseram uma abor-
dagem simplicada como parte de seu sistema semi-automatizado, que pode ser empre-
gada em minas de pequeno e mdio porte. usado um modelo de programao linear
para obter as taxas de produo para todos os equipamentos de carga em operao com
o objetivo de alcanar a produo mxima. A programao linear usualmente rodada
uma vez por turno e tem como objetivo maximizar a produo de todos os equipamentos
de carga trabalhando com minrio e estril sem considerar o valor associado. O sistema
faz recomendaes para o operador, e este tem a autoridade de anular a alocao sugerida
pelo modelo. Esse sistema tem um mdulo de simulao para avaliar vrias heursticas e
recomendar uma poltica de despacho que minimiza o desvio dos objetivos estabelecidos
pelo planejamento de transporte. Esse modelo de simulao uma ferramenta perma-
nente do sistema e reavalia a estratgia de despacho sempre que exista uma mudana no
esquema de transporte.
Li [27] (apud Munirathinam e Yingling [30]) prope uma metodologia para o controle
timo de caminhes e equipamentos de carga em minas a cu aberto. Esse autor formulou
o problema com o objetivo de minimizar o trabalho total de transporte, denido como
o produto da massa transportada e distncia percorrida. Para o controle em tempo real
ele prope uma regra chamada "mximo desvio de tempo entre caminhes". Essa regra
pode ser facilmente implementada em sistemas de controle de lavra em tempo real, mas
ignora completamente as perdas de produtividade devido s las.
White e Olson [57] propuseram um algoritmo que a base para o sistema Dispatch,
que vem operando em muitas minas. Esse modelo utiliza programao linear e dinmica.
A programao linear dividida em duas partes.
Na primeira parte do modelo realiza-se a otimizao do problema da mistura con-

seguindo, atravs disso, a minimizao do remanuseio, forando uma soluo prxima das
restries crticas de blendagem e satisfazendo a necessidade de alimentao da planta. O
modelo est transcrito a seguir.
Nm NX
m +Ns Ns NX Nq
m +Ns X
X X
min (CmQi ) + Cp (PT Qi ) + (Cs Qi ) + (Lj Cq Xij Qi ) (2.5)
i=1 i=1 i=1 i=1 j=1
Nm
X +Ns
s.a. : LIj LAj + (Xij LAj )Qi Tc /(Mc /SG) LSj j, Nq (2.6)
i=1
0 Qi R i i Nm Ns (2.7)
NmX+Ns
PT Qi (2.8)
i=1
Onde:
Qi : Ritmo de carregamento do ponto de carga i em m3 /h (Varivel de deciso);
Nm : Conjunto de equipamentos de carga alocados nas frentes de lavra;
Ns : Conjunto de equipamentos de carga alocados nas pilhas de estoque;
Nq : Conjunto das variveis de qualidade analisados;
Cm : Custo de movimentao de material (h/m3 );
Cs : Custo de estocagem de material (h/m3 );
Cq : Custo associado qualidade do minrio (h/m3 );
Cp : Custo associado alimentao da usina de beneciamento (h/m3 );
Lj : Importncia da varivel j (Lj = 1, se baixo e Lj = - 1, se alto);
Xij : Teor da varivel j no ponto de carga i;
P T : Taxa de alimentao mxima admissvel da planta (m3 /h);
Mc : Massa de controle (t);
SG : Peso especco (t/m3 );
Tc : Intervalo de controle (h);
LIj : Limite inferior para a varivel j no produto nal (%);
LAj : Teor corrente para a varivel j na pilha de mistura (%);
LSj : Limite superior para a varivel j no produto nal (%);
A funo objetivo ou funo de custo, representada pela equao (2.5), minimizada.

Os custos so arbitrrios, porm devem obedecer a uma ordem. Essa deve ser: custo de
movimentao (Cm ) menor que custo de qualidade (Cq ), menor que custo de estocagem
(Cs ), menor que custo de alimentao da planta (Cp ). As restries do modelo so dadas
pelas equaes (2.6), (2.7) e (2.8). A restrio (2.6) objetiva que as variveis controladas
estejam dentro dos limites de qualidade da mistura. A restrio (2.7) assegura que a
quantidade retirada do ponto de carga seja menor ou igual a taxa mxima possvel, ou
seja, a produo do equipamento de carga. Alm disso, essa restrio assegura que o ritmo
de carregamento dos pontos de carga assumam valores no-negativos. A restrio (2.8)
determina que a quantidade total retirada dos pontos de carga no exceda a capacidade
mxima da usina de beneciamento.
A segunda parte do modelo, otimiza o transporte na mina atravs da minimizao da

necessidade de transporte, gerando o uxo timo de transporte no caminho. O modelo
mostrado a seguir.
Np Nd
X X
min (Pi Ti ) + (Pj Dj ) + Ne Ts (2.9)
i=1 j=1
N pi N p0
X X
s.a. : Pk Pk0 = 0 (2.10)
k=1 k=1
N p0
X
Rj = Pk j Nm (2.11)
k=1
N p0
X
Rj Pk j Ns (2.12)
k=1
Pi = Qj i Np , j Ne (2.13)
Pi 0 i Np (2.14)
Onde:
Pi : Quantidade de minrio transportada na rota i em m3 /h (Varivel de Deciso);
Qj : Ritmo de carregamento do ponto de carga j em m3 /h;

Nm : Conjunto de equipamentos de carga alocados nas frentes de lavra;
Np : Conjunto de rotas viveis;
Nd : Conjunto dos pontos de descarga;
N pi : Conjunto de rotas viveis que chegam no ponto j ;
N p0 : Conjunto de rotas viveis que saem no ponto j ;
Pk : Quantidade de material que entra no caminho k (m3 /h);
Pk0 : Quantidade de material que sai do caminho k (m3 /h);
Pj : Quantidade de material a ser transportado para o ponto de descarga j (m3 /h);
Ne : Nmero de pontos de carga;
Ts : Capacidade da frota de veculos (m3 );
Ti : Tempo de deslocamento usando a rota i (h);
Dj : Tempo de descarga no ponto de descarga j (h);
Rj : Taxa limite de carregamento no ponto j (m3 /h);
A funo objetivo (2.9) minimiza o volume de material transportado na mina. As

restries do modelo so dadas pelas equaes (2.10), (2.11), (2.12), (2.13) e (2.14). A
restrio (2.10) garante a continuidade do uxo de material nos pontos de carga e descarga.
A restrio (2.11) assegura que o ritmo de lavra das frentes deve ser igual taxa de
carregamento e a restrio (2.12) que o ritmo de lavra das pilhas de estoque deve ser
menor ou igual s taxas de carregamento de cada ponto. A restrio (2.13) certica
que o uxo de material que sai de um ponto de carga deve ser igual ao ritmo de lavra
determinado na primeira parte do modelo, ou seja, essa equao une as duas partes da
programao linear. A restrio (2.14) a restrio que determina a no-negatividade.
A Programao Dinmica usa o uxo timo no caminho obtido na programao linear,

uma lista formada pelos caminhes a serem alocados, os tempos de viagem e as distncias
atuais entre os pontos.
A Programao Dinmica rodada a cada necessidade de alocao de caminho e

produz uma lista de alocao para cada caminho formada pelo Xi de cada caminho i.
Em outras palavras, para cada caminho a ser alocado calcula-se o Xi para cada caminho
i.
Com o objetivo de maximizao da funo de alocao de transporte total, acha-se

o mnimo para a funo objetivo Xi , isto , o caminho que requer alocao mais rpida
de um caminho, e ento aloca o caminho para esse caminho. A funo objetivo de
alocao mostrada na equao (2.15).
Xi = Li + (Hi0 /Pi ) Ti (2.15)
Onde:
Hi0 : capacidade do caminho alocado para o transporte (m3 );
Pi : uxo no caminho i (m3 /h);
Li : horrio que o ltimo caminho foi alocado para o caminho i (h);
Ti : tempo de viagem para o caminho i (h);
Munirathinam e Yingling [30] armam que o nico procedimento na literatura que

determina a localizao de equipamentos de carga quando faz alocao preliminar dos
equipamentos o proposto por Soumis et al. [45] e que os procedimentos propostos por
Soumis et al. [45] e White e Olson [57] so os nicos sistemas de despacho dirigidos
pelo planejamento que consideram caminhes coletivamente, porm, no exitem dados
disponveis at o momento relativos comparao do desempenho dessas duas abordagens.
Segundo Munirathinam e Yingling [30], os modelos propostos por Li [27], White e

Olson [57] e Bonates e Lizotte [6] ignoram a natureza estocstica das operaes de trans-
porte, carregamento e descarregamento, que tendem a introduzir aumento no tempo de
espera, devido ao aumento do nmero de caminhes alocados a um determinado equipa-
mento de carga. O modelo proposto por Soumis et al. [45] no apresenta essa limitao.
Hauck [19] (citado por Munirathinam e Yingling [30]) usou programao dinmica
para desenvolver um procedimento de despacho, em tempo real, em mina a cu aberto. O
objetivo era maximizar a produo total atravs da minimizao do tempo produtivo per-
dido devido a paradas de equipamento de carga. Esse modelo contempla vrias restries
operacionais, tais como restries da mistura de minrio, capacidade da planta de proces-

sar minrio e estado das pilhas de estoque. Ele mostrou que decises globalmente timas
podem ser resolvidas rapidamente com programao dinmica quando os problemas so
de pequena escala.
Captulo 3
Metodologias
Nesse captulo so apresentadas as metodologias utilizadas como base para o desenvolvi-

mento dos sistemas de despacho que funcionam no Brasil. Evidentemente que os sistemas
comerciais podem apresentar variaes destas metodologias devido prpria evoluo dos
mesmos. Os algoritmos que so usados em tais sistemas normalmente no so pblicos
devido a razes comerciais. Apesar disso as abordagens aqui apresentadas so vlidas
por constiturem as bases de todos os algoritmos. Na seo (3.1), apresentada uma
metodologia baseada em programao linear e programao dinmica, na seo (3.2) uma
metodologia baseada em algoritmo gentico e na seo (3.3) uma metodologia baseada
em heurstica.
3.1 Metodologia baseada em Programao Linear e Pro-

gramao Dinmica
A metodologia desenvolvida nesta seo baseada nos trabalhos desenvolvidos por White
et al. [56], White et al. [55], White e Olson [57] e Pinto e Merschmann [41]. Especialmente
no trabalho de White e Olson [57] que utiliza programao linear e programao dinmica
para alocar caminhes aos equipamentos de carga.
38
O modelo proposto por White e Olson [57] aplica-se a apenas um ponto de descarga,
logo, quando analisa a qualidade na primeira parte do modelo considera apenas uma usina
de beneciamento. Com o objetivo de utilizar mais de um ponto de descarga, esse modelo
foi adaptado e, alm disso, foram inseridas restries adicionais para torn-lo mais realista.
Essas restries contemplam a relao estril/minrio e a produo mnima admitida em
cada usina de beneciamento.
Ao utilizar o modelo proposto nesta seo, no se faz necessrio a utilizao da segunda

parte do modelo proposto por White e Olson [57], j que o modelo aqui apresentado
determina o uxo timo em cada um dos caminhos.
A metodologia desenvolvida utiliza programao linear e programao dinmica. A

programao linear, mostrada na seo (3.1.1), determina o uxo timo entre cada ponto
de carga e cada ponto de descarga. A programao dinmica, apresentada na seo (3.1.2),
aloca os caminhes ao caminho selecionado previamente pela programao linear.
3.1.1 Programao Linear
A programao linear determina o uxo timo de material dos pontos de carga para os
pontos de descarga, minimiza o custo de remanuseio e estocagem, obedecendo a limites de
qualidade para cada ponto de descarga alm de satisfazer as necessidades de alimentao
da planta.
O modelo pode ser descrito da seguinte forma:

Nm X
X U XU Nm
X +Ns X
U Ns X
X U
min (Cm Qik ) + Cp ( P Tk Qik ) + (Cs Qik ) + (3.1)
i=1 k=1 k=1 i=1 k=1 i=1 k=1
Nm Nq U
+Ns X
X X
(Ljk Cq Xij Qik )
i=1 j=1 k=1
Nm
X +Ns
s.a. : LIjk LAjk + (Xij LAjk )Qik T Ck /(M Ck /SG) (3.2)
i=1
j Nq , k M
Nm
X +Ns
LSjk LAjk + (Xij LAjk )Qik T Ck /(M Ck /SG) (3.3)
i=1
j Nq , k M
U
X
Ri Qik i Nm Ns (3.4)
k=1
Nm
X +Ns
P Tk Qik k M (3.5)
i=1
NX
min
Qik P M ink k M (3.6)
i=1
N
X est X
E NX
min X
M
Qik REM Qik (3.7)
i=1 k=1 i=1 k=1
N
X est X
E NX
min X
M
Qik 1.1 REM Qik (3.8)
i=1 k=1 i=1 k=1
Qik 0 i Nm Ns , k U (3.9)
Onde:
Qik : Quantidade de material que sai do ponto de carga i e vai para o ponto de descarga
k em m3 /h (Varivel de deciso);
Ri : Taxa limite de carregamento no ponto i (m3 /h);
Nm : Conjunto de equipamentos de carga alocados nas frentes de lavra (N est N min);
U : Conjunto dos pontos de descarga (M E );
M : Conjunto das usinas de beneciamento;
E : Conjunto das pilhas de estril;
N est : Conjunto das frentes de lavra de estril;

N min : Conjunto das frentes de lavra de minrio;
Nq : Conjunto das variveis de qualidade anlisados;
Cm : Custo de movimentao de material (h/m3 );
Cs : Custo de estocagem de material (h/m3 );
Cq : Custo associado qualidade do minrio (h/m3 );
Cp : Custo associado alimentao da usina de beneciamento (h/m3 );
Ljk : Importncia da varivel j no ponto de descarga k (Ljk = 1, se baixo e Ljk = - 1, se
alto);
Xij : Teor da varivel j no minrio do ponto de carga i (%);
P Tk : Taxa de alimentao mxima admissvel nas usinas (ponto de descarga) k (m3 /h);
P M ink : Taxa de alimentao mnima admissvel na usina (ponto de descarga) k (m3 /h);
M Ck : Massa de controle no ponto de descarga k (t);
SG : Peso especco do material k (t/m3 );
T Ck : Intervalo de controle no ponto de descarga k (h);
LIjk : Limite inferior para o parmetro j no ponto de descarga k (%);
LAjk : Teor corrente para o parmetro j no ponto de descarga k (%);
LSjk : Limite superior para o parmetro j no ponto de descarga k (%);
A funo objetivo ou funo de custo representada pela equao (3.1). Os custos so

arbitrrios, porm devem obedecer a uma ordem. Essa deve ser: custo de movimentao
(Cm ) menor que custo de qualidade (Cq ), menor que custo de estocagem (Cs ), menor que
custo de alimentao da planta (Cp ). As restries do modelo so dadas pelas equaes
de (3.2) a (3.8). As restries (3.2) e (3.3) objetivam que as variveis controladas estejam
dentro dos limites de qualidade da mistura. A restrio (3.4) assegura que a quantidade
retirada do ponto de carga seja menor ou igual a taxa mxima possvel, ou seja, a produo
do equipamento de carga alocado para aquele ponto de carga. A restrio (3.5) determina
que a quantidade total retirada dos pontos de carga no exceda a capacidade mxima de
cada usina de beneciamento. A restrio (3.6) garante que a produo ser maior ou
igual a uma produo mnima necessria para a alimentao da usina. As restries (3.7)
e (3.8) estabelem uma relao entre a quantidade de minrio e estril retirada das frentes
de lavra. A restrio (3.9) assegura que o ritmo de carregamento dos pontos de carga no
assuma valores negativos.
A funo objetivo (3.1), as restries (3.2), (3.3), (3.4), (3.5) e (3.9) foram baseadas
no modelo proposto por White e Olson [57] e as restries (3.6), (3.7) e (3.8) no modelo
proposto por Pinto e Merschmann [41].
Essa parte do modelo rodada sempre que ocorrem mudanas na congurao da mina
porque mudanas na congurao levam a mudanas na soluo tima. Isso justica-se
j que a programao linear leva em considerao a congurao atual da mina
Atravs desse modelo, obtem-se o uxo timo de cada ponto de carga i para cada
ponto de descarga k (Qik ). Esse uxo utilizado na programao dinmica, porm nesta
denominado uxo no caminho (Pi ).
3.1.2 Programao Dinmica
Na programao dinmica, a cada necessidade de alocao, verica-se para cada uma

das possveis rotas qual ser a melhor opo de alocao, ou seja, qual o menor Xi .
Ento, aloca-se o caminho rota. O caminho alocado dever chegar ao ponto de
carga quando o equipamento de carga estiver terminando de carregar todos os caminhes
alocados anteriormente. Caso isso no seja possvel, o caminho ser alocado de modo que
permanea o menor tempo possvel em la. Para esse clculo utilizada a equao (3.10).
Logo, esse procedimento aloca caminhes a caminhos de modo a reduzir ao mximo o
tempo em la.
Xi = Li + (Hi0 /Pi ) Ti (3.10)
Onde:
Hi0 : Capacidade do caminho alocado para o transporte (m3 );
Pi : Fluxo de material no caminho i (m3 /h);
Li : Horrio que o ltimo caminho foi alocado para o caminho i (h);
Ti : Tempo de viagem para o caminho i (h);
Este estgio do modelo no despacha de acordo com uma viso global do problema
de despacho e alguns autores o consideram um mtodo heurstico (Alarie e Gamache [1],

Alvarenga [2]).
Alm disso, esse procedimento incorpora algumas simplicaes em relao as situa-

es encontradas na prtica. Dentre essas, pode-se citar a utilizao de valores mdios
para os tempos de deslocamento, carga e descarga. Entretanto, segundo Munirathinam
e Yingling [30], em minas de grande porte mais aconselhvel a utilizao de modelos
estocsticos.
3.2 Metodologia baseada em Algoritmo Gentico
A metodologia apresentada nessa seo baseada no trabalho de Alvarenga [2], que de-
senvolveu um sistema para aplicao em um caso especco de uma minerao de ferro a
cu aberto utilizando Algoritmo Gentico.
Esta metodologia foi desenvolvida utilizando o algoritmo gentico simples. Um es-

quema desse algoritmo apresentado na gura (2.1).
Alvarenga [2] mostrou a forma como foram representados os indivduos, a funo de

custo e o critrio de parada utilizado. Entretanto, no esclareu algumas das etapas uti-
lizadas em seu trabalho, entre elas a gerao da populao inicial, a seleo, o cruzamento
e a mutao. Essas informaes so essenciais para a compreenso e implementao do
algoritmo.
3.2.1 Representao de um Indivduo
Os parmetros da funo so as possveis rotas que cada caminho pode optar entre pontos
de carga e descarga (Alvarenga [2]). Os valores possveis so nmeros inteiros entre 1 e
255, que representam as rotas escolhidas para o trfego. Foram usados indivduos com
comprimento da cadeia igual a 50, ou seja, com 50 posies, conforme mostrado no vetor
de decises S na equao (3.11). Logo, cada indivduo corresponde a uma seqncia de

despachos, que neste caso compreende 50 decises.
S = {d1 , d2 , d3 , ......., d50 } (3.11)
O conjunto desses indivduos chamado populao. A populao utilizada nessa

implementao xa e igual a um conjunto de 30 indivduos.
3.2.2 Funo de Custo dos Cromossomos
A funo de custo ou objetivo tem por nalidade avaliar os indivduos. A funo proposta
por Alvarenga [2] leva em considerao o tempo em la, a produo e a qualidade do
minrio.
Na1
X X Na
Pari + Pai Parj + Paj 2
F(S) = Pq[ ( ) + (3.12)
i=1 j=i+1
Padi Padj
N
X e1 Ne
X P eri + P ei P erj + P ej 2
( ) +
i=1 j=i+1
P ed i P ed j
Na X
X Ne
P ari + P ai P erj + P ej 2
( ) ]+
i=1 j=1
P adi P edj
TXevs X
Nc
1000
P p PN a PN e + P f [ (100Tic (180 tevsi ))2 ]
i=1 P ai + i=1 P ei i=1 c=1
Onde:
P q : Fator qualidade, denido pelo usurio e utilizado para priorizar a qualidade no ponto
de descarga (baixa = 1, mdia = 1000 e alta =100000);
P p : Fator produao, denido pelo usurio e utilizado para priorizar a produo para o
ponto de descarga (baixa = 1, mdia = 1000 e alta =100000);
P f : Fator las, denido pelo usurio e utilizado para priorizar a diminuio das las nos
pontos de carga e descarga (baixa = 1, mdia = 1000 e alta =100000);

tevsi : intervalo de tempo entre o incio da simulao e o instante do evento i (min);
Tic : Tempo de la no evento i do caminho c;
T evs : Nmero total de eventos ocorridos na simulao no perodo de 3 horas;
P erj : Produo realizada do estoque j , a partir do escopo atual de qualidade (nmero
de viagens);
P edj : Produo desejada do estoque j , no escopo atual de qualidade (nmero de viagens);
P ej : Produo do estoque j , sugerida pela simulao (nmero de viagens);
P eri : Produo realizada do estoque i, a partir do escopo atual de qualidade (nmero
de viagens);
P edj : Produo desejada do estoque i, no escopo atual de qualidade (nmero de viagens);
P ej : Produo do estoque i, sugerida pela simulao (nmero de viagens);
N e : Nmero de estoques utilizados;
P erj : Produo realizada da rea j , a partir do escopo atual de qualidade (nmero de
viagens);
P adj : Produo desejada da rea j , no escopo atual de qualidade (nmero de viagens);
P aj : Produo da rea j , sugerida pela simulao (nmero de viagens);
P eri : Produo realizada da rea i, a partir do escopo atual de qualidade (nmero de
viagens);
P adi : Produo desejada da rea i, no escopo atual de qualidade (nmero de viagens);
P ai : Produo da rea i, sugerida pela simulao (nmero de viagens);
N a : Nmero de reas de escavao (frentes de lavra) utilizadas;
3.2.3 Gerao da Populao Inicial
Para gerar uma populao inicial para um Algoritmo Gentico, normalmente so utiliza-
dos vrios procedimentos, desde aleatrios at os heursticos. Alvarenga [2] no deixou
claro qual foi o procedimento utilizado para gerar a populao inicial.
3.2.4 Funo de Aptido de um indivduo
A avaliao feita em todos os indivduos de cada gerao. Para cada indivduo, faz-se
uma simulao para um perodo de 3 horas usando os valores das posies (genes) de
cada indivduo. Para isso, calcula-se para cada necessidade de despacho e de acordo com
o nmero de pontos disponveis para onde o caminho deve ser enviado (Alvarenga [2]).
A partir desses dados, monta-se uma matriz para cada indviduo. Os elementos dessa
matriz so utilizados para o clculo da funo objetivo ou funo de custo de cada in-
divduo. Os indivduos so escolhidos proporcionalmente sua adaptabilidade para par-
ticiparem das prximas geraes. Ento, nesse passo do algoritmo obtem-se o valor da
funo de custo para cada indivduo atravs da equao (3.12).
3.2.5 Critrio de Parada
Geraes sucessivas vo sendo criadas at que algum critrio de parada seja satisfeito.
Logo, a denio de um bom critrio de convergncia pode evitar perda de tempo de
execuo.
Estes critrios so, geralmente, o nmero mximo de geraes, a convergncia da

populao, a convergncia do melhor indivduo e o tempo de processamento. Alvarenga [2]
utilizou como critrio de parada um tempo de processamento de 30 segundos.
3.2.6 Seleo
Alvarenga [2] arma que os indivduos a participarem das prximas geraes so escolhidos
proporcionalmente sua adaptabilidade. Entretanto, no dene qual o procedimento
adotado para essa escolha.
3.2.7 Operadores Genticos
Os operadores genticos cruzamento e mutao foram utilizados por Alvarenga [2]. En-
tretanto, esse autor no explicitou os tipos e as probabilidades de cruzamento e mutao
utilizados.
3.3 Metodologia baseada em Heurstica
Nesta seo mostrada uma metodologia baseada em heurstica descrita por Pinto e
Ezawa [40]. Esta heurstica baseia-se em um conjunto de regras ou critrios de despacho
utilizados para realizar a alocao. Estes critrios so qualidade, ritmo de lavra, ritmo
de produo, tempo em la e tempo de ciclo. Dentre esse, os trs primeiros so polticas
voltadas para a qualidade da mistura de minrio e os dois ltimos so polticas que
objetivam aumento da produtividade da mina.
A escolha entre esses critrios baseada na experincia dos operadores do sistema, nas
caractersticas da mina e nas necessidades de curto prazo. Munirathinam e Yingling [30]
armam que nenhum dos critrios de alocao predomina sobre os demais e que todos
dependem do estado da mina. As polticas de tempo em la e tempo de ciclo, normal-
mente, devem ser utilizadas quando a mina no tem problemas de qualidade, ou seja, a
mina apresenta frentes com qualidade homognea. As polticas qualidade, ritmo de lavra
e ritmo de produo se aplicam a situaes onde a qualidade da mistura imprescindvel
e quando ocorre grande variao no teor das variveis entre as diversas frentes.
O primeiro critrio utilizado, em todas as possveis combinaes, o critrio Ritmo

de Produo. Nesse passo do algoritmo, determina-se o ponto de descarga cuja produo
est percentualmente mais defasada em relao produo ideal. Escolhido o ponto de
descarga parte-se para a escolha do ponto de carga.
Em seguida, ordena-se os demais critrios de alocao. A ordenao desses critrios

serve para estabelecer quando ocorre empate na escolha da melhor frente Quando duas
ou mais frentes cam empatadas no primeiro critrio escolhido, passa-se para o segundo
critrio. Se o empate persistir, passa-se para o terceiro e assim por diante. Geralmente,
esse processo no chega a utilizar o quarto critrio, quase sempre ocorrendo o desempate
ainda no segundo critrio.
Este procedimento mostrado na gura (3.1). As polticas de despacho utilizadas

nessa heurstica so mostradas nas guras (3.3), (3.4), (3.2), (3.5) e (3.6).
Esta metodologia utiliza mdias mveis para os tempos de deslocamento carregado e

vazio, carga e descarga. Assim, o valor de cada um deles estimado com base nos ltimos
eventos ocorridos.
Procedimento Heurstico;
variveis: ORDEM{Ordem dos critrios de alocao};
Entra com a ORDEM;
Procedimento Ritmo de Produo;
para i = 1 at 4 faa
se ORDEM [i] = 1 ento Procedimento Qualidade;
se ORDEM [i] = 2 ento Procedimento Ritmo de Lavra;
se ORDEM [i] = 3 ento Procedimento Tempo de Fila;
se ORDEM [i] = 4 ento Procedimento Tempo de Ciclo;
m;
m;
Figura 3.1: Procedimento Heurstico.
3.3.1 Poltica Ritmo de Produo
A poltica ritmo de produo s utilizada quando existe mais de um ponto de descarga.

Os dados de entrada so o ritmo ideal de produo de cada ponto de descarga j (Rj ),
o tempo de observao (t) e o ritmo real em cada ponto de descarga j (RRj ) durante o
tempo t.
Calcula-se o desvio do ritmo de produo real (DRj ) em relao ao ritmo de produo

ideal para cada ponto de descarga (Rj ). O desvio (DRj ) calculado pelo produto entre a
ritmo ideal (Rj ) e o intervalo (t) diminudo do ritmo real (RRj ) dividido pelo ritmo ideal
(Rj ). Escolhe-se o ponto de descarga que apresentar o maior desvio.
Se forem obtidos valores iguais para o desvio (DRj ) em mais de um ponto de descarga,
escolhe-se aleatoriamente um dos pontos de descarga.
Esse procedimento mostrado na gura (3.2) abaixo:
Procedimento Ritmo de Produo;

variveis: Rj, RRj, t, DRj, NDescarga;
para i = 1 at NDescarga faa
DRj = (Rj * t - RRi)*100/Rj;
m;
Ordena DRj em ordem decrescente;
Verica empate nas primeiras posies;
Se houve escolhe aleatoriamente o ponto de descarga;
Seno escolhe o ponto de descarga com maior DRi;
m;
Figura 3.2: Poltica Ritmo de Produo.
3.3.2 Poltica Qualidade
A poltica Qualidade objetiva manter as variveis dentro dos limites de qualidade. Para
isso, divide a produo em lotes na tentativa de se colocar a qualidade de cada lote dentro
desses limites.
A poltica Qualidade utiliza como dados de entrada os tamanhos mnimos dos lotes
(T M in), que varia entre 3 e 6 vezes a capacidade do caminho utilizado para o transporte,
os tamanhos mximos dos lotes (T M ax), que varia entre 6 e 12 vezes a capacidade do
caminho, o peso das variveis de controle (Pv ) e os limites mximo (LM ax) e mnimo
(LM in) admissveis para o teor de cada varivel.
Para cada alternativa de frente, calcula-se o desvio da varivel v na frente i (Dvi ).

Calcula-se a dimenso do limite para cada varivel v (DT v ), dada pela diferena entre
os limites mximo e mnimo de cada varivel (LM ax e LM in). Tambm, nesse passo do
algoritmo calculado o teor da varivel v no lote auxiliar (T vA) para cada alternativa
de frente. Esse lote auxiliar utilizado para calcular do teor da varivel no lote caso
o caminho seja enviado para aquela frente sem alterar o valor real desse teor. O teor
da varivel v no lote auxiliar (T vA) calculado pela mdia ponderada entre o teor da
varivel no lote corrente (T vL) e o teor da varivel na frente i (T vi).
Logo, se o teor estiver entre os limites admissveis, o desvio da varivel (Dvi ) ser
considerado nulo. Se o teor for maior que o limite mximo (LM axv ), o desvio da varivel
(Dvi ) dado pela razo entre o mdulo da diferana entre o teor da varivel na frente
(Tvi )e o limite mximo da varivel (LM axv ) e a dimenso do limite (DTv ) multiplicado
pelo peso da varivel (Pv ). Se o teor for menor que o limite mnimo (LM inv ), calculado
pela razo entre o mdulo da diferana entre o limite mnimo da varivel (LM axv ) e o
teor da varivel na frente (Tvi ) e o desvio (DTv ), multiplicado pelo peso da varivel (Pv ).
Em seguida, feito o somatrio dos desvios das variveis para cada frente (Dvi ). A
frente para a qual o caminho ser despachado a que apresentar o menor somatrio dos
desvios (Di ). Se uma ou mais frentes apresentarem o mesmo somatrio dos desvio (Di ),
passa-se para o prximo critrio. Isso geralmente acontece quando os desvios so nulos.
Ao nal de cada viagem, o lote (L) acrescido da quantidade equivalente a capacidade

do caminho (Cap). Ento, calculado o teor de cada varivel no lote (T vL) atravs da
mdia ponderada entre o teor da varivel que o lote (T vL) apresentava antes de ser
acrescentado daquela quantidade e o teor da varivel na frente (T vi) onde o minrio foi
retirado.
Quando o lote se tornar maior que o lote mnimo (T M in) e menor que o lote m-
ximo (T M ax)e caso os teores das variveis de controle estejam entre os limites mnimos
(LM inv ) e mximos (LM axv ) permitido o lote fechado e inicia-se um novo lote.
Se o lote (L) for maior ou igual ao lote mximo (T M ax) o lote fechado e inicia-se
um novo lote. Logo, eventualmente, podem ser fechados lotes fora de especicao em uma
ou mais variveis.
Quando um lote fechado o lote (L) e o teor das variveis no lote (T vL) so zerados.
A gura (3.3) mostra esse procedimento.

Procedimento Qualidade;
variveis: TMin, TMax, LMaxv, LMinv, Pv, Di, DL
L, Cap, TvL, TvA, Tvi, Dvi, DTv, NFrentes, NVariaveis;
para i = 1 at NFrentes faa
Di = 0;
para v = 1 at NVariaveis faa
DTv = LMaxv - LMinv;
TvA = (TvL * L + Tvi * Cap)/ (L + Cap);
se LMinv <= TvA <= LMaxv ento Dvi = 0;
se TvA < LMinv ento Dvi = (LMinv - TvA)* Pv /DTv;
se TvA > LMaxv ento Dvi = (TvA - LMaxv)* Pv /DTv;
Di = Dvi + Di;
m;
m;
Ordena Di;
Se houve passa para prximo critrio;
Seno aloca caminho para a frente com menor Di;
DL = 0;
para v = 1 at NVariaveis faa
TvL = (TvL * L + Tvi *Cap)/(L + Cap);
DTv = LMaxv - LMinv;
se TvL < LMinv ento DL = DL + (LMinv - Tvl)*Pv/DTv;
se TvL > LMinv ento DL = DL + (TvL - LMax)*Pv/DTv;
m;
L = L + Cap;
Se L > TMin e L < TMax e DL = 0 ento L = 0;
para i = 1 at NVariaveis TvL = 0;
Se L >= TMax e DL = 0 ento L = 0;
para i = 1 at NVariaveis TvL = 0;
m;
Figura 3.3: Poltica Qualidade.

3.3.3 Poltica Ritmo de Lavra
Esta poltica visa manter os ritmos de lavra de cada frente (t/h) o mais prximo possivel
dos valores ideais com o objetivo de manter a qualidade exigida. Utiliza como dados de
entrada a produo ideal de cada frente i (Pi ) para atender as especicaes de qualidade
e quantidade e o tempo de obsevao (t) para checar se o ritmo de lavra est sendo
cumprido.
Atravs desses dados, calcula-se o desvio da produo real (DP Ri ) em relao a pro-
duo ideal para cada frente (Pi ). Esse desvio calculado pelo produto entre a produo
ideal (Pi ) e o intervalo (t) diminudo da produo real (P Ri ) durante este intervalo divi-
dido pela produo ideal (Pi ). O resultado obtido mostra o quanto a produo real para
cada frente est defasada em relao produo ideal.
A frente escolhida a que apresentar o maior desvio em valores absolutos, ou seja, a

que estiver mais defasada em relao produo ideal.
Caso mais de uma frente apresentar o mesmo desvio (DP Ri ) e este, por sua vez, for
o maior em valores absolutos, passa-se para o prximo critrio.
A gura (3.4) mostra esse procedimento.
Procedimento Ritmo de Lavra;

variveis: Pi, PRi, t, DPRi, NFrentes;
DPRi = (Pi * t - PRi)*100/Pi;
m;
Ordena DPRi em ordem decrescente;
Seno escolhe frente com maior DPRi;
m;
Figura 3.4: Poltica Ritmo de Lavra.

3.3.4 Poltica Tempo de Fila
Na poltica tempo de la, aps a descarga o sistema checa quais seriam os "provveis"tempos
de la caso o caminho fosse enviado para cada uma das frentes. Nesse clculo, levado
em considerao o tempo que o caminho permanece na la da carga e da descarga.
Cada frente apresenta uma hora de liberao (HLi ). O HLi o horrio no qual o
ltimo caminho despachado para a frente i terminar sua carga naquela frente. Calcula-
se o instante de chegada do caminho frente (Ti ) caso esse caminho seja enviado para
a frente i.
Se Ti maior do que qualquer valor do vetor de chegadas de caminhes a frente i

(CLi ), o tempo de la (T Fi ) calculado pela difereno entre (HLi ) e (Ti ) se (HLi ) for
maior do que (Ti ) e (T Fi ) zero se (HLi ) for menor ou igual a (Ti ). CLi o vetor que
guarda os instantes de chegada em ordem decrescente dos caminhes frente i. Quando
o caminho deixa a frente o dado retirado do vetor.
Caso Ti seja menor ou igual a qualquer valor de CLi , deve-se recalcular o tempo de
la (T Fi ) para todos os caminhes que tm tempo de chegada na frente i maior que Ti .
Determina-se a posio imediatamente superior k em CLi (aquele em que CLi[W ] >

T i), ento, insere o valor de Ti na posio K no vetor CLi . Logo, o tempo de la do
caminho (T Fi ) a ser despachado ser igual a hora de liberao do caminho da posio
anterior (LC[k 1]) menos o Ti .
Recalcula-se todos os (HLi ) para os valores de k maiores que K .
O mesmo procedimento realizado para o tempo de la na descarga (T Di ). O tempo

em la total (T Ti ) obtido atravs da soma dos tempos de la na carga (T Fi ) e na
descarga (T Di ).
Ordena-se o tempo de la total (T Ti ) em ordem crescente. Em seguida, verica se

ocorreu empate nas primeiras posies. Se ocorreu empate, passa-se para o prximo
critrio. Seno, aloca-se o caminho a frente que apresentar o menor tempo em la total.
O procedimento descrito acima mostrado na gura (3.5).

Procedimento Tempo de Fila;

variveis: HLi, HLDi, Ti, TDi, CLi, CLDi, TFi, TFDi,TT,
LC, LCD, NFrentes, NDescarga;
se Ti > MAX(CLi) ento
se HLi > Ti ento TFi = HLi - Ti;
seno TFi = 0;
se Ti <= MAX(CLi) ento
k=1;
para w = 1 at n faa
se Ti < CLi[w] ento k = w;
seno inc (k);
m;
m;
TFi = LC[k-1] - Ti;
para i = 1 at NDescarga faa
se TDi > MAX(CLDi) ento
se HLDi > TDi ento TFDi = HLDi - TDi;
seno TFDi = 0;
se TDi <= MAX(CLDi) ento
k=1;
para w = 1 at n faa
se TDi < CLDi[w] ento k = w;
seno inc (k);
m;
m;
TFDi = LCD[k-1] - TDi;
TTi = TFi + TDi;
m;
Ordena TTi em ordem crescente;
Seno escolhe a frente com menor TTi e Insere a chegada em CLi e CLDi;
m;
Figura 3.5: Poltica Tempo de Fila.

3.3.5 Poltica Tempo de Ciclo
Na poltica tempo de ciclo, aps a descarga, calcula-se o instante de retorno do caminho

ao ponto de descarga (T Ri ). Este instante a soma da hora corrente (HC ), do tempo de
deslocamento vazio (T DVi ), do tempo em la da carga (T Fi ), do tempo de carga (T Ci ),
do tempo de deslocamento carregado (T DCi ), do tempo em la da descarga (T F Di ) e do
tempo descarga (T Di ). Diminuindo desse resultado a hora corrente obtem-se o tempo de
ciclo.
Ordena-se (T Ri ) em ordem crescente e escolhe-se o trajeto que ter o menor tempo

de ciclo.
Caso ocorra empate entre duas ou mais frentes que apresentarem os menores tempos
de ciclo, ou seja, estas frentes apresentarem os mesmos tempos de ciclo, passa-se para o
prximo critrio.
Tal procedimento mostrado na gura (3.6). Esse critrio quase nunca utilizado
na prtica porque resulta na super utilizao dos equipamentos de carga das frentes mais
prximas e na subutilizao das demais provocando uma lavra inadequada pois as frentes
mais prximas aos pontos de carga tendem a produzir muito mais que aquelas mais dis-
tantes. Na prtica este critrio somente utilizado em algumas situaes, extremamente
atpicas, onde se deseja uma alta produo em tempo muito curto e numa situao onde
as frentes so muito homogneas e a mistura de minrio tem importncia secundria.
Procedimento Tempo de Ciclo;

variveis: TRi, HC, TDVi, TDCi, TCi, TDi, TFi, TFDi;
para i = 1 at Ncaminhos faa
TRi = HC + TDVi + TFi + TCi + TDCi + TFDi + TDi;
m;
Ordena TRi em ordem crescente;
Se houve passa para prximo criterio;
Seno escolhe a frente com menor TRi;
m;
Figura 3.6: Poltica Tempo de Ciclo.

Captulo 4
Implementao Computacional
Este captulo descreve a implementao das metodologias apresentadas no captulo (3).

Na seo (4.1) so apresentadas as caractersticas dos ambientes utilizados neste trabalho,
na seo (4.2) a implementao das metodologias, na seo (4.3) a validao dos modelos
e na seo (4.4) a mina virtual criada neste trabalho para a simulao dos sistemas de
despacho baseado nas metodologias descritas.
4.1 Caractersticas dos ambientes utilizados
Os modelos foram desenvolvidos utilizando a linguagem de programao Borland Delphi

5.0, as rotinas do SIMIN - Simulador para Minerao - proposto por Pinto [39] e o software
de otimizao Lingo 7.0. A linguagem Delphi foi utilizada, principalmente, pelo fato das
rotinas do SIMIN estarem programadas nessa linguagem.
O software Lingo foi escolhido devido a facilidade de compreenso da linguagem de

modelagem e a exibilidade durante a modicao da formulao.
Foram utilizadas, tambm, as rotinas pr-programadas do SIMIN. O SIMIN um sis-

tema de simulao a eventos discretos, um dos resultados do trabalho de tese de doutorado
59
de Pinto [39]. Esse simulador foi utilizado para propiciar a anlise dos modelos apresen-
tados no captulo (3) em condies equivalentes. Em outras palavras, foi utilizado para
comparar os modelos em diferentes cenrios, j que no possivel encontrar na realidade
diferentes metodologias aplicadas numa mesma mina.
4.2 Implementao das Metodologias
Nessas etapa, so apresentadas as caractersticas da implementao das metodologias

mostradas no captuto (3) utilizando os ambientes citados na seo (4.1).
4.2.1 Implementao da Metodologia baseada em Programao

Linear e Programao Dinmica
A implementao dessa metodologia utilizou o otimizador Lingo 7.0 para resolver o pro-
blema de Programao Linear, o software Delphi 5.0 para a Programao Dinmica e as
rotinas do SIMIN para realizar a simulao.
Ento, conforme descrito na seo (3.1) calculou-se uxo timo na rota atravs da
programao linear. Essa taxa foi utilizada para calcular qual rota estava mais defasada
durante a programao dinmica. A cada necessidade de alocao, calculada qual rota
est mais defasada e o caminho alocado para ela.
4.2.2 Implementao da Metodologia baseado em Algoritmo Gentico
Implementar essa metodologia, mostrada na seo (3.2), no foi possvel devido a falta
de dados sobre ela na literatura. Logo, no justicaria uma implementao j que esse
estudo objetiva comparar as metodologias existentes e no desenvolver uma metodologia
prpria baseada em algoritmo gentico.
4.2.3 Implementao da Metodologia baseado em Heurstica
Na implementao dessa metodologia utilizou-se o software Delphi 5.0 para programar

cada uma das polticas de despacho e as rotinas pr-programas do SIMIN para simular os
modelos.
4.3 Validao dos Modelos
A validao das metodologias ocorreu isoladamente. Na metodologia baseada em heurs-

tica, a Poltica Ritmo de Lavra foi validada comparando a produo obtida num cenrio
teste com o ritmo proposto, ou seja, obteve-se o percentual da produo de cada frente
em relao produo total e comparou-se com o ritmo de lavra proposto. A Poltica
Qualidade foi validade vericando, nesse mesmo cenrio teste, se a produo obtida cou
dentro dos limites de qualidade. A Poltica Tempo de Fila foi validada observando a
produo utilizando as Polticas Ritmo de Lavra e Qualidade. A idia que num mesmo
cenrio a poltica Tempo de Fila apresente uma produo maior que as demais desde, a
no ser em casos onde as duas polticas anteriores no provocaram aparecimento de las.
A metodologia baseada em Programao Linear e Programao Dinmica foi vali-

dada observando se a qualidade do material produzido estava dentro dos limites pr-
estabelecidos e a produo das frentes compatvel com as restries do modelo.
4.4 Mina Virtual
Uma mina virtual foi desenvolvida com o objetivo de reproduzir os diferentes cenrios
encontrados em minas a cu aberto. Essa mina conta com um conjunto de frentes, usinas
de beneciamento, caminhes, equipamentos de carga e pilha de estril.
Foram analisados cenrios variando os teores das frentes, o nmero de usinas e o

nmero de caminhes disponveis. O objetivo dessas anlises foi comparar as metodolo-

gias sob condies diferentes, ou seja, comparar as metodologias nas diversas situaes
encontradas nas minas a cu aberto.
4.4.1 Cenrio 1
O Cenrio 1 composto por 4 frentes, sendo uma de estril e 3 de minrio, 1 usina de

tratamento e uma nica pilha de estril. As frentes de minrio no atendem s neces-
sidades da usina de beneciamento isoladamente, ou seja, necessrio misturar minrio
das frentes para atender as restries de qualidade impostas pela usina.
Os dados relativos aos teores das variveis nas frentes so mostrados na Tabela (4.1),
os limites superior e inferior para cada varivel no ponto de descarga na Tabela (4.2),
os tempos de deslocamento carregado, em minutos, na Tabela (4.3) e descarregado, em
minutos, na Tabela (4.4), as taxas de carregamento em cada frente na Tabela (4.5), os
dados dos pontos de descarga na Tabela (4.6), os dados da mina na Tabela (4.7) e os
custos na Tabela (4.8). Na Tabela (4.8), Cm representa o custo de movimentao, Cq o
custo de qualidade, Cs o custo de estocagem e Cp o custo de produo.
Foram adotados tempos de deslocamento dos caminhes carregados (Tabela 4.3),

descarregados (Tabela 4.4) e Tempo de Carga e Descarga (Tabela 4.7), supondo que
os mesmos seguissem uma distribuio normal com desvio padro de 10% em relao
mdia de forma a se ter uma variabilidade desses tempos.
O intervalo de controle (T C ) utilizado corresponde durao do turno e a massa de

controle (M C ) produo mdia do turno. Os pesos das variveis (L) foram considerados
iguais com o objetivo de dar a mesma importncia a todas as variveis. Estes dados so
mostrados na Tabela (4.6).
As frentes utilizadas so denominadas F 1, F 2, F 3 e F 4, sendo que a frente F 3 produz

exclusivamente estril e as demais minrio. Os pontos de descarga mostrados so U 1 e
P 1, sendo U 1 uma usina de beneciamento e P 1 uma pilha de estril.
Tabela 4.1: Teor das variveis nas frentes no Cenrio 1

Variveis (%)
Frente V1 V2 V3 V4
F1 54 0.034 3.8 10
F2 52 0.037 2.5 7
F3* - - - -
F4 52 0.032 4 10
*Frente de Estril
Tabela 4.2: Limites de cada varivel no britador no Cenrio 1

Variveis (%)
Britador V1 V2 V3 V4
Limite Inferior 53 0 0 0
Limite Superior 55 0.035 3.5 9
Tabela 4.3: Tempos de Deslocamento Carregado das frentes para os pontos de descarga
no Cenrio 1 (em minutos)
Pontos de Descarga
Frente U1 P1
F1 Normal(5, 0.5) Normal(8, 0.8)
F3 Normal(6.5, 0.65) Normal(5.2, 0.52)
F4 Normal(8.5, 0.85) Normal(4.5, 0.45)
Tabela 4.4: Tempos de Deslocamento Descarregado dos pontos de descarga para as

frentes no Cenrio 1 (em minutos)
Pontos de Descarga
Frente U1 P1
F2 Normal(4, 0.4) Normal(6.5, 0.65)
F3 Normal(5.7, 0.57) Normal(4.9, 0.49)
F4 Normal(7.2, 0.72) Normal(3.7, 0.37)
Tabela 4.5: Taxa de carregamento mxima em cada frente no Cenrio 1

Frente Taxa de Carregamento (t)
F1 2400
F2 2400
F3 2400
F4 2400
Tabela 4.6: Dados utilizados na programao matemtica para cada ponto de descarga
Pontos de Descarga
U1 P1
PMin (t/h) 4300 1550
PT (t/h) 10000 20000
TC (h) 8 8
MC (t) 36600 12400
L 1 1
Tabela 4.7: Dados da mina no Cenrio 1

Caminho 15
Equipamento de Carga 4
Frente 4
Pilha de Estril 1
Britador 1
REM 0.33
Tempo de Carga Normal(2.5, 0.25)
Tempo de Descarga Normal(0.7, 0.07)
Tabela 4.8: Custos no Cenrio 1

Custos (h/m3 )
Custo de Movimentao (Cm) 1
Custo de Qualidade (Cq) 2
Custo de Estocagem (Cs) 3
Custo de Alimentao (Cp) 4
4.4.2 Cenrio 2
O Cenrio 2 diferencia-se do Cenrio 1 em relao a quantidade de caminhes, ou seja, no

Cenrio 1 so utilizados 15 caminhes, conforme Tabela (4.7) e no Cenrio 2 so utilizados
22 caminhes.
4.4.3 Cenrio 3
No Cenrio 3 cada uma das frentes atende s necessidades da usina de beneciamento

isoladamente, ou seja, a retirada de minrio de uma ou mais frentes indiferente em
relao aos limites de qualidade estabelecidos pelo britador.
Os dados utilizados neste cenrio so os mesmos utilizados no Cenrio 1, com exceo

da Tabela (4.1) relativa aos teores das variveis em cada frentes. Os teores das variveis
em cada frente, para este cenrio, so mostrados na Tabela (4.9).
Tabela 4.9: Teor das variveis nas frentes no Cenrio 3

Variveis (%)
Frente V1 V2 V3 V4
F1 54 0.034 3 8
F2 53 0.0027 2.5 7
F3* - - - -
F4 53.5 0.032 1.5 9
*Frente de Estril
4.4.4 Cenrio 4
O Cenrio 4 apresenta as mesmas caractersticas do Cenrio 3, exceto pelo nmero de ca-

minhes utilizado para o transporte. No Cenrio 3 so utilizados 15 caminhes, conforme
Tabela (4.7) e neste cenrio 22 caminhes.
4.4.5 Cenrio 5
O Cenrio 5 composto por frentes que, isoladamente, no atendem s necessidades das

usinas de beneciamento, ou seja, necessrio misturar minrio das frentes para atender as
restries da mistura. Alm disso, esse cenrio conta com duas usinas de beneciamento.
Os dados relativos aos teores das variveis nas frentes so mostrados na Tabela (4.1),
os limites superior e inferior para cada varivel nos pontos de descarga na Tabela (4.10),
os tempos de deslocamento carregado, em minutos, na Tabela (4.11) e descarregado, em
minutos, na Tabela (4.12), as taxas de carregamento em cada frente na Tabela (4.5), os
dados dos pontos de descarga na Tabela (4.13), os dados da mina na Tabela (4.14) e os
custos na Tabela (4.8).
As frentes utilizadas so denominadas F 1, F 2, F 3 e F 4, sendo que a frente F 3 produz

exclusivamente estril e as demais minrio. Os pontos de descarga mostrados so U 1, U 2
e P 1, sendo U 1 e U 2 usinas de beneciamento e P 1 uma pilha de estril.
Tabela 4.10: Limites de cada varivel nas usinas U1 e U2 no Cenrio 5

Variveis (%)
Britadores V1 V2 V3 V4
Limite Inferior 53 0 0 0
Limite Superior 55 0.035 3.5 9
Tabela 4.11: Tempos de Deslocamento Carregado das frentes para os pontos de descarga
no Cenrio 5 (em minutos)
Pontos de Descarga
Frente U1 U2 P1
F1 Normal(5, 0.5) Normal(6, 0.6) Normal(8, 0.8)
F2 Normal(5, 0.5) Normal(5.5, 0.55) Normal(7, 0.7)
F3 Normal(6.5, 0.65) Normal(4, 0.4) Normal(5.2, 0.52)
F4 Normal(8.5, 0.85) Normal(6, 0.6) Normal(4.5, 0.45)
Tabela 4.12: Tempos de Deslocamento Descarregado dos pontos de descarga para as

frentes no Cenrio 5 (em minutos)
Pontos de Descarga
Frente U1 U2 P1
F1 Normal(4, 0.4) Normal(5, 0.5) Normal(6, 0.6)
F2 Normal(4,0.4) Normal(4.8,0.48) Normal(6.5, 0.65)
F3 Normal(5.7,0.57) Normal(3.5, 0.35) Normal(4.9, 0.49)
F4 Normal(7.2, 0.72) Normal(5.5,0.55) Normal(3.7, 0.37)
Tabela 4.13: Dados utilizados na programao matemtica para cada ponto de descarga
no Cenrio 5
Pontos de Descarga
U1 U2 P1
PMin (t/h) 4300 4300 1550
PT (t/h) 10000 10000 20000
TC (h) 8 8 8
MC (t) 36600 36600 12400
L 1 1 1
Tabela 4.14: Dados da mina no Cenrio 5

Caminho 15
Equipamento de Carga 4
Frente 4
Pilha de Estril 1
Britador 2
REM 0.33
Tempo de Carga Normal(2.5, 0.25)
Tempo de Descarga Normal(0.7, 0.07)
4.4.6 Cenrio 6
O Cenrio 6 diferencia-se do Cenrio 5 exclusivamente na quantidade de caminhes, ou

seja, no Cenrio 5 so utilizados 15 caminhes, como mostra a Tabela (4.14) e no Cenrio
6 so utilizados 22 caminhes.
4.4.7 Cenrio 7
No Cenrio 7 cada uma das frentes atende s necessidades da usina de beneciamento

isoladamente.
Os dados utilizados neste cenrio so os mesmos utilizados no Cenrio 5, com exceo

da Tabela (4.1) relativa aos teores das variveis em cada frente. Os teores das variveis
em cada frente, para este cenrio, so mostrados na Tabela (4.9).
4.4.8 Cenrio 8
O Cenrio 8 apresenta as mesmas caractersticas do Cenrio 7, exceto pelo nmero de ca-

minhes utilizado para o transporte. No Cenrio 7, so utilizados 15 caminhes, conforme
Tabela (4.14), e neste cenrio 22 caminhes.
Captulo 5
Resultados Obtidos
Neste captulo so mostrados os resultados obtidos com a implementao das metodologias

na seo (5.1) e a anlise comparativa desses resultados na seo (5.2).
5.1 Resultados
Os testes foram realizados em um microcomputador AMD-Athlon, 2.0 GHz, de 256 MB

de RAM, com sistema operacional Windows XP.
As simulaes foram rodadas utilizando 10 corridas, cada uma com durao de 4320
minutos com o intuito de comparar a produo obtida com a utilizao de diferentes
metodologias.
Em cada um dos cenrios analisados foi estabelecido que:
Situao A - Metodologia utilizando Heurstica com ordem das polticas de despacho

Ritmo de Produo, Ritmo de Lavra, Qualidade dos Lotes e Tempo de Fila;
Situao B - Metodologia utilizando Heurstica com ordem das polticas de despacho
70
Ritmo de Produo, Ritmo de Lavra, Tempo de Fila e Qualidade dos Lotes;
Situao C - Metodologia utilizando Heurstica com ordem das polticas de despacho

Ritmo de Produo, Tempo de Fila, Qualidade dos Lotes e Ritmo de Lavra;
Situao D - Metodologia utilizando Heurstica com ordem das polticas de despacho

Ritmo de Produo, Tempo de Fila, Ritmo de Lavra e Qualidade dos Lotes;
Situao E - Metodologia utilizando Heurstica com ordem das polticas de despacho

Ritmo de Produo, Qualidade dos Lotes, Tempo de Fila e Ritmo de Lavra;
Situao F - Metodologia utilizando Heurstica com ordem das polticas de despacho

Ritmo de Produo, Qualidade dos Lotes, Ritmo de Lavra e Tempo de Fila;
Situao G - Metodologia utilizando Programao Linear e Dinmica.
Os resultados obtidos para cada um dos cenrios mostram a produo de minrio, a

produo total, a relao estril/minrio (REM) e o maior desvio em relao aos limites
de qualidade. Esse desvio corresponde ao maior dos desvio calculado para cada uma das
variveis de controle e mostra o quanto os resultados obtidos esto distantes dos limites
de qualidade.
5.1.1 Resultados Obtidos no Cenrio 1
Nesta seo, constam os resultados obtidos em cada uma das Situaes para o Cenrio 1,
como mostra a Tabela (5.1).
Nesta seo, so mostrados os resultados obtidos em cada uma das Situaes para o
Cenrio 2 na Tabela (5.2).
Tabela 5.1: Produo de Minrio e Produo Total no Cenrio 1

Produo de Produo REM Desvio
Minrio (t) Total (t) (%)
Situao A 332940 446050 33.97 0.02
Situao B 332940 446050 33.97 0.02
Situao C 326760 438070 34.06 0.59
Situao D 326760 438070 34.06 0.59
Situao E 339130 454160 33.91 0
Situao F 339130 454160 33.91 0
Situao G 320950 439780 37.02 0.6

Situao A 371120 503870 35.77 0.13
Situao B 371120 503870 35.77 0.13
Situao C 461130 617870 33.99 0.57
Situao D 461130 617870 33.99 0.57
Situao E 345410 471140 36.40 0.002
Situao F 345410 471140 36.40 0.002
Situao G 451740 617810 36.76 0.57
Nesta seo, so apresentados os resultados obtidos em cada uma das Situaes para o
Cenrio 3, conforme Tabela (5.3).

Situao A 332940 446050 33.97 0
Situao B 332940 446050 33.97 0
Situao C 326760 438070 34.06 0
Situao D 326760 438070 34.06 0
Situao E 172760 241980 40.06 0
Situao F 172760 241980 40.06 0
Situao G 172810 247970 43.49 0
Essa seo apresenta os resultados obtidos em cada uma das Situaes para o Cenrio 4
na Tabela (5.4).

Situao A 370120 503870 35.87 0
Situao B 370120 503870 35.87 0
Situao C 461130 617870 33.99 0
Situao D 461130 617870 33.99 0
Situao E 172830 251320 45.41 0
Situao F 172830 251320 45.41 0
Situao G 172990 257450 48.82 0
Nesta seo, os resultados obtidos em cada uma das Situaes para o Cenrio 5 so

Situao A 328820 440010 33.81 0.038
Situao B 328820 440010 33.81 0.038
Situao C 328670 439690 33.77 0.63
Situao D 328670 439690 33.77 0.63
Situao E 330670 442340 33.77 0.002
Situao F 330670 442340 33.77 0.002
Situao G 328560 444710 35.35 0
Esta seo mostra os resultados obtidos em cada uma das Situaes para o Cenrio 6 na
Tabela (5.6).

Situao A 370830 502970 35.63 0.15
Situao B 370830 502970 35.63 0.15
Situao C 463090 619620 33.80 0.62
Situao D 463090 619620 33.80 0.62
Situao E 345600 470670 36.19 0.0002
Situao F 345600 470670 36.19 0.0002
Situao G 345690 476170 37.74 0.0004

Situao A 328820 440010 33.81 0
Situao B 328820 440010 33.81 0
Situao C 328670 439690 33.78 0
Situao D 328670 439690 33.78 0
Situao E 173010 241220 39.42 0
Situao F 173010 241220 39.42 0
Situao G 172780 243970 41.20 0

Situao A 370830 502970 35.63 0
Situao B 370830 502970 35.63 0
Situao C 463090 619620 33.80 0
Situao D 463090 619620 33.80 0
Situao E 172910 250240 44.72 0
Situao F 172910 250240 44.72 0
Situao G 172740 253160 46.55 0
5.2 Anlise Comparativa dos Resultados
A anlise comparativa, mostrada nessa seo, observou em cada um dos cenrios a

produo, o desvio dos resultados em relao aos limites de qualidade e a relao es-
tril/minrio.
Os resultados obtidos em todos os cenrios mostraram que as Situaes A e B, Situa-

es C e D e Situaes E e F apresentaram os mesmos resultados entre si, logo, observou-se
que no ocorreu empate no segundo critrio escolhido.
A ocorrncia de produo menor quando se adota o critrio "Tempo de Fila"(Situaes

C e D) prioritrio ao critrio "Ritmo de Lavra"(Situaes A e B) nos cenrios 1, 3, 5 e 7
pode ser atribuida a existncia de uma frente de minrio muito distante do britador (F4).
O envio de caminhes para esta frente, mesmo implicando em tempo de la menor, pode
causar uma menor produo, pois o tempo de ciclo total para esta frente muito alto.
Este efeito se anula quando o nmero de caminhes aumentado (Cenrios 2, 4, 6 e 8).
5.2.1 Anlise Comparativa dos Resultados obtidos no Cenrio 1
Neste cenrio, as Situaes E e F apresentaram os melhores resultados em termos de pro-

duo. Todas as Situaes atenderam a relao estril/minrio, ou seja, todas obtiveram
valores superiores a 33. Entretanto, a Situao G apresentou valor alto para a relao
estril/minrio.
Nas Situaes E e F o desvio em relao aos limites de qualidade foram nulos, ou

seja, a produo obtida permaneceu dentro dos limites de qualidade. As demais situaes
apresentaram desvios pequenos.
Neste cenrio, as Situaes C e D apresentaram as maiores produes. Isso justica-se j

que nessas alternativas a poltica voltada para produtividadade (Tempo em Fila) aparece
na frente das demais e a este cenrio apresentar um nmero de caminhes maior do que
no Cenrio 1.
Todas as Situaes atenderam a relao estril/minrio, porm as Situaes E, F e G

apresentaram valores altos para essa relao.
Todas as Situaes apresentaram desvio em relao aos limites de qualidade. As

Situaes E e F apresentaram os menores desvios.
As Situes A e B apresentaram os melhores resultados em relao a produo.
Todas as Situaes atenderam a relao estril/minrio, porm as Situaes E, F e G

apresentaram valores altos para essa relao.
Todas as Situaes apresentaram desvios nulos. Esse resultado era esperado j que
neste cenrio cada uma frentes atende aos limites de qualidade isoladamente.
As situaes C e D apresentaram os melhores resultados quanto a produo. A poltica

Tempo em la e nmero de caminhes disponvel so fatores que podem explicar esses
resultados.
Todas as Situaes atenderam a relao estril/minrio. Entretanto, as Situaes E,

F e G apresentaram valores altos para essa relao.
neste cenrio cada uma frentes atende aos limites de qualidade isoladamente.
A Situao G apresentou a maior produo total e as Situaes E e F apresentaram as

maiores produes de minrio.
Todas as Situaes atenderam a relao estril/minrio.
Na Situao G o desvio em relao aos limites de qualidade foram nulos, ou seja,

a produo obtida permaneceu dentro dos limites de qualidade. As demais Situaes
apresentaram desvios pequenos.
As Situaes C e D apresentaram as maiores produes. Ao aumentar o nmero de cami-

nhes disponvel neste cenrio, a poltica Tempo em Fila apresentou resultados melhores
que as demais j que esta voltada para a produtividade.
Todas as Situaes atenderam a relao estril/minrio. Entretanto, a Situao G

apresentou valor alto para essa relao.
Todas as Situaes apresentaram desvio em relao aos limites de qualidade. A Situ-

ao G apresentou o menor desvio.
As Situaes A e B apresentaram o melhor desempenho em relao produo.

neste cenrio cada uma das frentes atente aos limites de qualidade isoladamente.
As Situaes C e D apresentaram os melhores resultados em relao produo. Esse

resultado foi inuenciado pelo aumento no nmero de caminhes disponvel.

neste cenrio cada uma das frentes atende aos limites de qualidade isoladamente.
Captulo 6
Concluses e Recomendaes
Neste trabalho, procurou-se apresentar os resultados de uma anlise comparativa de

metodologias utilizadas para o despacho de caminhes em minas a cu aberto. Com-
paraes entre essas metodologias contam com poucos trabalhos publicados na literatura.
Alm disso, esses algoritmos tm sido cada vez mais utilizados em minas de diferentes
portes por contribuirem para a reduo do custo da operao de transporte.
A simulao foi utilizada nessa anlise para reproduzir o comportamento das operaes
de lavra. As metodologias baseadas em programao linear e programao dinmica, bem
como a baseada em heursticas foram implementadas e testadas sob diferentes condies.
As metodologias testadas neste estudo apresentaram resultados adequados de acordo

com os testes realizados. Entretanto, atravs destes resultados pode-se concluir que ne-
nhuma delas produziu resultados signicativamente melhores que as outras. Esses resul-
tados conrmam que a estratgia de despacho utilizada depende de outros parmetros
ligados aos sistemas de despacho, tais como custo, sosticao tecnolgica no tocante ao
rastreamento dos veculos (alguns sistemas rastreiam os equipamentos via satlite, ou-
tros no), quantidade de informaes extras disponibilizadas pelos sistemas (como por
exemplo, controle de funes dos equipamentos, controle de parmetros de manuteno)
e tamanho de frota (alguns sistemas tm tempo de resposta muito alto quando o nmero
de equipamentos grande).
80
Logo, a comparao entre essas metodologias auxilia no processo de deciso da es-

tratgia de despacho a ser utilizada em situaes prticas em minas a cu aberto.
A metodologia baseada em heurstica apresenta a peculiaridade da utilizao de mais

de uma regra na mesma deciso, ou seja, so combinadas regras para que o resultado seja
melhorado.
Como continuidade desse trabalho, cita-se a implementao computacional da meto-

dologia baseada em Algoritmo Gentico, base de um dos sistemas de despacho comer-
cializados no Brasil. Para isso, imprescindvel conhecer, em detalhes, o funcionamento
do mtodo, o qual no est sucientemente descrito em Alvarenga [2]. A implementao
da metodologia baseada em Algoritmo Gentico possibilitaria uma anlise mais completa
dos sistemas de despacho de caminhes em minas a cu aberto comercializados no Brasil.
Alm disso, pode-se propor uma nova metodologia hbrida baseada nas descries das
metodologias apresentadas nesse trabalho.
Referncias Bibliogrcas
[1] ALARIE, S. e GAMACHE, M. , "Overview of Solution Strategies Used in Truck

Dispatching Systems for Open Pit Mines", International Journal of Surface Mining,
Reclamation and Environment 16, 59-76, 2002.
[2] ALVARENGA, G. B., "Despacho timo de caminhes numa minerao de ferro uti-
lizando algoritmo gentico com processamento paralelo", Dissertao de Mestrado,
Programa de Ps-Graduao em Engenharia Eltrica, Universidade Federal de Minas
Gerais, Belo Horizonte, Brasil, 1997.
[3] BANKS, J., CARSON II, J. S. e NELSON, B. L., Discrete-Event System Simulation,
Prentice Hall, New Jersey, 1999.
[4] BARROS, L. V. , "Dispatching system evolution at Chuquicamata Mine", Interna-

tional Journal of Surface Mining and Reclamation 5, 7-10, 1991.
[5] BERTSEKAS, D. P., Dynamic Programming, McGraw-Hill, New Jersey, 1987.
[6] BONATES, E. e LIZOTTE, Y. , "A combined approach to solve truck dispatching

problems", First Canadian Conference on Computer Applications in the Mineral
Industry, 403-410, 1998.
[7] BRONSON, R., Pesquisa Operacional, Prentice-Hall, So Paulo, 1985.
[8] CAMPELLO, R. E e MACULAN, N., Algoritmos e heursticas - Desenvolvimento e

Avaliao de Performance, EDUFF, Rio de Janeiro, 1994.
[9] CHANDA, E. K. C. e DAGDELEN, K. , "Optimal blending of mine production

using goal programming and interactive graphics systems", International Journal of
Surface Mining, Reclamation and Environment 9, 203-208, 1995.
82
[10] CHIRONIS, N. P. , "Computer Monitors and Controls all Truck-Shovel Opera-

tions", Coal Age, 50-55, 1985.
[11] CLEVENGER, J. G. , "Dispatch reduces mining equipment requirements", Mining

Engineering 35:9, 1277-1280, 1983.
[12] COSTA, F. P., "Aplicaes de Tcnicas de Otimizao a Problemas de Planejamento

Operacional de Lavra em Minas a Cu Aberto", Dissertao de Mestrado, Programa
de Ps-Graduao em Engenharia Mineral, Universidade Federal de Ouro Preto,
Ouro Preto, Brasil, 2005.
[13] COSTA, F. P., SOUZA, M. J. F. e PINTO, L. R. , "Um modelo de alocao dinmica

de caminhes", Brasil Mineral 231, 26-31, 2004.
[14] COSTA, F. P., SOUZA, M. J. F. e PINTO, L. R. , "Um modelo de programao

matemtica para alocao esttica de caminhes visando ao atendimento de metas
de produo e qualidade", REM: Revista da Escola de Minas 58:1, 77-81, 2005.
[15] EZAWA, L. e SILVA, K. S. , "Alocao dinmica de caminhes visando quali-

dade", VI Congresso Brasileiro de Minerao, 15-22, 1995.
[16] FENG,C. W., CHENG, T. M. e WU, H. T. , "Otimizing the schedule of dispatching

RMC truck through genetic algorithms", Automation in Construction 13, 327-340,
2004.
[17] FORSMAN, B., RONNKVIST, E. e VAGENAS, N. , "Truck dispatch computer

simulation in Aitik open pit mine", International Journal of Surface Mining and
Reclamation 7, 117-120, 1993.
[18] GERSHON, M. , "A linear programming approach to mine scheduling optimiza-

tion", Proceedings of the 17th Application of computers and operations research in
the mineral industry, 483-493, 1982.
[19] HAUCK, R. F. , "A real-time Dispatching algorithm for maximizing Open-Pit Mine
Production under Processing and Blending Requirements", Proceedings, Seminar on
Scheduling in Mining, Smelting, and Steelmaking , 1973.
[20] HUNT, C. , "Simulation model of ore transport at the Henderson mine", Computers
e Geosciences 20:1, 75-84, 1994.
[21] KALASKY, D. R. e MULTMANSKY, J. M. , "Computer Simulation in the Mineral

Industries: Analytical and International Trends", Proc. 25th AP COM 20 : 1, 141
145, 1996.
[22] KAPPAS, G. e YEGULALP, T. M. , "An application of closed queueing networks

theory in truck-shovel systems", International Journal of Surface Mining and Recla-
mation 5, 45-53, 1991.
[23] KNIGHTS, P. F. e BONATES, E. J. L. , "Applications of discrete mine simulation

modeling in South America", International Journal of Surface Mining, Reclamation
and Environment 13, 69-72, 1999.
[24] KOLONJA, B., KALASKY, D. R. e MUTMANSKY, J. M. , "Optimization of dis-

patching criteria for open pit truck haulage system design using multiple comparisons
with the best and common random numbers", Proceedings of the 1993 Winter Sim-
ulation Conference, 393-401, 1993.
[25] KONYUKH, V., GALIYEV, S. e LI, Z. , "Mine Simulation in Asia", International

Journal of Surface Mining, Reclamation and Environment 13, 57-67, 1999.
[26] LAW, A. M. e KELTON, W. D., Simulation Modeling and Analysis, McGraw-Hill,

Singapore, 1991.
[27] LI, Z. , "A Methodology for the Optimum Control of Shovel and Truck Operations
in Open-pit Mining", Mining Science and Technology 10, 337-340, 1990.
[28] MARAN, J. e TOPUZ, E. , "Simulation of truck haulage systems in surface

mines", International Journal of Surface Mining 2, 43-49, 1988.
[29] MERSCHMANN, L. H. C., "Desenvolvimento de um sistema de otimizao e simu-

lao para anlise de cenrios de produo em minas a cu aberto", Dissertao de
Mestrado, Programa de Engenharia de Produo - COPPE, Universidade Federal do
Rio de Janeiro, Rio de Janeiro, Brasil, 2002.
[30] MUNIRATHINAM, M. e YINGLING, J. C. , "A review of computer-based truck

dispatching strategies of surface mining operations", International Journal of Surface
Mining, Reclamation and Environment 8, 1-15, 1994.
[31] MUTMANSKY, J. M. , "Computing and operations research techniques for produc-

tion scheduling", Computer methods for the 80's in the mineral industry, 615-625,
1979.
[32] MUTMANSKY, J. M. e MWASINGA, P. P. , "An analysis of SIMAN as a general-

purpose simulation language for mining systems", International Journal of Surface
Mining 2, 1-6, 1988.
[33] NOGUEIRA, J. A. , "Controle de equipamentos e dispatching", O Computador e

sua Aplicao no Setor Mineral, 89-96, 1984.
[34] PANAGIOTOU, G. N. , "Discrete mine system simulation in Europe", International

[35] PEARL, J., Heuristics: intelligent search strategies for computer problem solving,
Addison-Wesley, Los Angeles, 1984.
[36] PEDGEN, C. D., SHANNON, R. E. e SADOWSKI, R. P., Introduction to Simulation

Using SIMAN, McGraw-Hill, New York, 1999.
[37] PEREIRA, G. G , "Sistema Computacional de Alocao Dinmica de Caminhes -

SCADC", V Seminrio Nacional O computador e sua Aplicao no Setor Mineral,
295-310, 1992.
[38] PIDD, M., Computer Simulation in Management Science, John Wiley and Sons,
Chichester, 1998.
[39] PINTO, L. R., "Metodologia de Anlise do Planejamento de Lavra em Minas a

Cu Aberto Baseada em Simulao das Operaes de Lavra", Tese de Doutorado,
Programa de Engenharia de Produo - COPPE, Universidade Federal do Rio de
Janeiro, Rio de Janeiro, Brasil, 1999.
[40] PINTO, L. R e EZAWA, L., Relatrio Interno, Tecnopro - Consultoria Sistemas,

1996.
[41] PINTO, L. R. e MERSCHMANN, L. H. C. , "Planejamento Operacional da Lavra de

mina usando modelos matemticos", Revista Escola de Minas 54:3, 211-214, 2001.
[42] RAMOS NETO, A. N., "Desenvolvimento de um TEMPLATE no Programa Arena

para a Simulao das Operaes de Carregamento e Transporte em Minas a Cu
Aberto", Dissertao de Mestrado, Programa de Ps-Graduao em Engenharia Min-
eral, Universidade Federal de Ouro Preto, Ouro Preto, Brasil, 2002.
[43] RASCHE, T. e STURGUL, J. R , "A simulation to assist a small mine: a case

study", International Journal of Surface Mining and Reclamation 5, 123-128, 1991.
[44] SOARES, G. L., "Algoritmo Gentico: Estudo, Novas Tcnicas e Aplicaes", Dis-
sertao de Mestrado, Programa de Ps-Graduao em Engenharia Eltrica, Univer-
sidade Federal de Minas Gerais, Belo Horizonte, Brasil, 1997.
[45] SOUMIS, F., ETHIER, J. e ELBROND, J. , "Truck dispatching in an open pit

mine", Internatinal Journal of Surface Mining 3, 115-119, 1989.
[46] SRAJER, V., HICK, L. e WALSHE, M. , "Selection, development and testing of in-
tegrated truck-shuvel management system", Trans. Institution of Mining Metallurgy,
A105-A112, 1989.
[47] STICKNEY, M. E. , "Reducing Mining Cost through computer technology", Mining

Engineering 33:4, 388-391, 1981.
[48] STURGUL, J. R. , "Using exact statistical distribuitions for truck shovel simulation
studies", International Journal of Surface Mining and Reclamation 6, 137-139, 1992.
[49] STURGUL, J. R. , "Simulatin and Animation", Engineering and Mining Journal,

1-6, 1995.
[50] STURGUL, J. R. e LI, Z. , "New developments in simulation technology and applica-

tions in the minerals industry", International Journal of Surface Mining, Reclamation
and Environment 11, 159-162, 1997.
[51] TU, J. H. e HUCKA, V. J. , "Analysis of open-pit truck haulage system by use of a

computer model", CIM Bulletin 78:879, 53-59, 1985.
[52] TURNER, R. J. , "Simulation in the mining industry of South Africa", International

[53] VAGENAS, N. , "Applications of discrete-event simulation in Canadian mining op-

erations in the nineties", International Journal of Surface Mining, Reclamation and
Environment 13, 77-78, 1999.
[54] WAGNER, H. M., Pesquisa Operacional, Prentice-Hall, Rio de Janeiro, 1986.
[55] WHITE, J. W., OLSON, J. P. e VOLNOUT, S. I. , "On improving truck/shovel

productivity in open pit mines", CIM Bulletin, 43-49, 1993.
[56] WHITE, J. W., ARNOLD, M. J. e CLEVENGER, J. G. , "Automatated open-pit

truck dispatching at Tyrone", Engineering and Mining Journal 183:6, 76-84, 1982.
[57] WHITE, J. W. e OLSON, J. P. , "Computer-based dispatching in mines with con-

current operating objectives", Mining Engineering 38:11, 1045-1054, 1986.

L Sara Fabricia Rodrigues

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

L Sara Fabricia Rodrigues

Enviado por

Direitos autorais:

Formatos disponíveis

Lsara Fabrcia Rodrigues

Anlise comparativa de metodologias utilizadas no

Dissertao apresentada Escola de Engenharia da

Orientador: Prof. Doutor Luiz Ricardo Pinto

Anlise comparativa de metodologias utilizadas no

Dissertao apresentada Escola de Engenharia da

Mestrado em Engenharia de Produo

No presente trabalho realizou-se uma anlise comparativa das metodologias uti-

As metodologias baseadas em Programao Linear e Programao Dinmica e em

A simulao foi utilizada com o objetivo de reproduzir o comportamento das operaes

Palavras chave: Despacho de Caminhes, Minas a Cu aberto, Simulao.

In the present study a comparative analysis of the methodologies used to dispatch

Key-Words: Truck Dispatch, Open Pit Mines, Simulation .

Lista de Tabelas vii

1.1.1 Objetivo Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

1.1.2 Objetivos Especcos . . . . . . . . . . . . . . . . . . . . . . . . . . 5

1.2 Organizao do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2.1 Programao Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2.2 Programao Dinmica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2.4 Algoritmo Gentico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2.6 Simulao nas Indstrias Minerais . . . . . . . . . . . . . . . . . . . . . . . 17

2.7 Sistemas de Despacho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

2.8 Aplicaes de Sistemas de Despacho . . . . . . . . . . . . . . . . . . . . . . 28

3.1 Metodologia baseada em Programao Linear e Programao Dinmica . . 38

3.1.1 Programao Linear . . . . . . . . . . . . . . . . . . . . . . . . . . 39

3.1.2 Programao Dinmica . . . . . . . . . . . . . . . . . . . . . . . . . 42

3.2 Metodologia baseada em Algoritmo Gentico . . . . . . . . . . . . . . . . . 43

3.2.1 Representao de um Indivduo . . . . . . . . . . . . . . . . . . . . 43

3.2.2 Funo de Custo dos Cromossomos . . . . . . . . . . . . . . . . . . 44

3.2.3 Gerao da Populao Inicial . . . . . . . . . . . . . . . . . . . . . 45

3.2.4 Funo de Aptido de um indivduo . . . . . . . . . . . . . . . . . . 46

3.2.5 Critrio de Parada . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

3.2.7 Operadores Genticos . . . . . . . . . . . . . . . . . . . . . . . . . . 47

3.3 Metodologia baseada em Heurstica . . . . . . . . . . . . . . . . . . . . . . 47

3.3.1 Poltica Ritmo de Produo . . . . . . . . . . . . . . . . . . . . . . 48

3.3.2 Poltica Qualidade . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

3.3.3 Poltica Ritmo de Lavra . . . . . . . . . . . . . . . . . . . . . . . . 53

3.3.4 Poltica Tempo de Fila . . . . . . . . . . . . . . . . . . . . . . . . . 54

3.3.5 Poltica Tempo de Ciclo . . . . . . . . . . . . . . . . . . . . . . . . 57

4.1 Caractersticas dos ambientes utilizados . . . . . . . . . . . . . . . . . . . . 59

4.2 Implementao das Metodologias . . . . . . . . . . . . . . . . . . . . . . . 60

4.2.1 Implementao da Metodologia baseada em Programao Linear e

4.2.2 Implementao da Metodologia baseado em Algoritmo Gentico . . 60

4.2.3 Implementao da Metodologia baseado em Heurstica . . . . . . . 61

4.3 Validao dos Modelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

4.4 Mina Virtual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

5.1.1 Resultados Obtidos no Cenrio 1 . . . . . . . . . . . . . . . . . . . 71

5.1.2 Resultados Obtidos no Cenrio 2 . . . . . . . . . . . . . . . . . . . 71

5.1.3 Resultados Obtidos no Cenrio 3 . . . . . . . . . . . . . . . . . . . 72

5.1.4 Resultados Obtidos no Cenrio 4 . . . . . . . . . . . . . . . . . . . 73

5.1.5 Resultados Obtidos no Cenrio 5 . . . . . . . . . . . . . . . . . . . 74

5.1.6 Resultados Obtidos no Cenrio 6 . . . . . . . . . . . . . . . . . . . 74

5.1.7 Resultados Obtidos no Cenrio 7 . . . . . . . . . . . . . . . . . . . 74

5.1.8 Resultados Obtidos no Cenrio 8 . . . . . . . . . . . . . . . . . . . 75

5.2 Anlise Comparativa dos Resultados . . . . . . . . . . . . . . . . . . . . . 76

5.2.1 Anlise Comparativa dos Resultados obtidos no Cenrio 1 . . . . . 77

5.2.2 Anlise Comparativa dos Resultados obtidos no Cenrio 2 . . . . . 77

5.2.3 Anlise Comparativa dos Resultados obtidos no Cenrio 3 . . . . . 77

5.2.4 Anlise Comparativa dos Resultados obtidos no Cenrio 4 . . . . . 78

5.2.5 Anlise Comparativa dos Resultados obtidos no Cenrio 5 . . . . . 78

5.2.6 Anlise Comparativa dos Resultados obtidos no Cenrio 6 . . . . . 78

5.2.7 Anlise Comparativa dos Resultados obtidos no Cenrio 7 . . . . . 79

5.2.8 Anlise Comparativa dos Resultados obtidos no Cenrio 8 . . . . . 79

1.1.2 Objetivos Especcos . . . . . . . . . . . . . . . . . . . . . . . . . . 5

1.1.2 Objetivos Especcos

No captulo 2 apresentada a reviso bibliogrca contendo os principais conceitos uti-