Escolar Documentos
Profissional Documentos
Cultura Documentos
PONTA GROSSA
DIGITE AQUI O ANO DA DEFESA
RESUMO
SOBRENOME, Prenome do Autor do Trabalho. Título do trabalho: subtítulo (se
houver). Ano de defesa. Número total de folhas. Trabalho de Conclusão de Curso
(Bacharelado ou Tecnologia em [nome do curso]) ou Monografia (Especialização em
[nome do curso]) ou Dissertação (Mestrado em [nome do curso]) - Universidade
Tecnológica Federal do Paraná. Ponta Grossa, ano de defesa.
EST Estações
G1 Grupo 1
G2 Grupo 2
G3 Grupo 3
LISTA DE SIGLAS
LISTA DE ACRÔNIMOS
1 INTRODUÇÃO .....................................................................................................13
1.1 OBJETIVOS ......................................................................................................14
1.1.1 Objetivos Gerais .............................................................................................14
1.1.2 Objetivos específicos ......................................................................................14
1.2 JUSTIVICATIVA ................................................................................................14
2 FUNDAMENTAÇÃO TEÓRICA ...........................................................................15
2.1 SETOR DA CONSTRUÇÃO .............................................................................15
2.2 LOGÍSTICA .......................................................................................................17
2.2.1 Considerações conceituais .............................................................................18
2.2.2 Dinâmica globalizada ......................................................................................20
2.3 LOGÍSTICA APLICADA AO SETOR DA CONSTRUÇÃO CIVIL ......................23
2.3.1 Contexto atual .................................................................................................23
2.3.2 Tecnologia de processos de trabalho .............................................................25
2.4 SISTEMAS DE OTIMIZAÇÃO ...........................................................................27
2.4.1 Roteirização ....................................................................................................28
2.4.2 Supply Chain Management .............................................................................30
2.4.3 Pesquisa operacional......................................................................................31
2.4.4 Traveling salesman problem ...........................................................................34
2.4.4.1 Formulação .................................................................................................34
2.4.4.2 Resolução ...................................................................................................36
2.4.4.2.1 Sub-circuíto inverso ..................................................................................37
2.4.4.2.2 Vizinho Mais Próximo ...............................................................................38
2.4.4.2.3 Heurística de Clarke e Wright ...................................................................40
3 METODOLOGIA ...................................................................................................42
3.1 DESENVOLVIMENTO ......................................................................................42
3.1.1 Coleta de dados (estudo de caso) ..................................................................43
3.1.2 Tratamento e organização de dados ..............................................................43
3.1.3 Otimização ......................................................................................................46
3.1.4 Execução da otimização .................................................................................46
3.1.5 Estudo dos benefícios gerados .......................................................................47
4 RESULTADOS .....................................................................................................49
4.1 ROTA ÓTIMA ....................................................................................................49
4.1.1 Estudo da Rota ótima partindo de três grupos de motoristas .........................49
4.1.2 Estudo da Rota ótima em um único grupo ......................................................52
4.2 CARGA OTIMA .................................................................................................57
4.2.1 Estudo da Carga ótima partindo de três grupos de motoristas .......................57
4.2.2 Estudo da Carga ótima em um único grupo ....................................................61
4.3 COEFICIENTE CARGA/ROTA K ......................................................................65
4.3.1 Estudo de k ótimo partindo de três grupos de motoristas ...............................66
4.3.2 Estudo de k ótimo em um único grupo ............................................................68
5 CONCLUSAO .......................................................................................................73
REFERÊNCIAS.......................................................................................................75
APÊNDICE A - Banco de Dados ...........................................................................84
13
1 INTRODUÇÃO
1.1 OBJETIVOS
1.2 JUSTIVICATIVA
2 FUNDAMENTAÇÃO TEÓRICA
Figura 2 – Gráfico de pizza da cadeia produtiva da construção por participação no total (em %).
Fonte: Adaptado de Câmara Brasileira da Indústria da Construção CBIC (2019)
2.2 LOGÍSTICA
Uma vez exposto tal contexto referente à logística de uma maneira geral,
tais informações podem ser aplicadas em diversos mercados, como da construção
civil.
atual não ser muito absorvida por este setor, ou de forma tardia e ou pontual, se
deve principalmente às novas tendências espantarem investidores do ramo devido
aos custos iniciais representarem um investimento sem retorno rápido ou com custos
superiores a métodos tradicionais (REZENDE et al., 2013). Outrossim em relação às
tendências atuais de desenvolvimento sustentável como na logística reversa;
enquanto que na Europa (ASSENS et al., 2007) e nos EUA (FLEISCHMANN, 2001)
é comum empreendimentos novos ou reformas contarem com o retorno de resíduos
para locais adequados, tais procedimentos não são muito comuns apesar de
existirem resoluções e normas que regulamentam tais ações (CONAMA, 2002;
ABNT NBR:15113, 2004).
Feitas estas observações preliminares é de fácil dedução que o setor da
construção civil pouco se atualizou com novas tecnologias na área da logística
contando ainda conta com meios pouco inovadores para transporte de insumos de
entrada e saída. Destes meios destacam-se principalmente o transporte rodoviário
por caminhões, este na maioria dos casos, seja em lojas de materiais de construção
(atacadistas ou varejistas) ou fabricas de artefatos de concreto (SOUZA et al., 2013;
MORO et al., 2018; PROVIN et al., 2011), ainda funciona segundo sistemas manuais
de anotação de pedidos, não segue rotas pré-estabelecidas e conta com serviços
manuais para carga e descarga de mercadorias; todos estes aspectos imbuem uma
ampla heterogeneidade nos serviços de empresas do setor da construção civil, que
na sua média são considerados muito ineficientes (PROVIN et al., 2011).
Desta forma, existe uma forte demanda por tornar mais eficiente o serviço de
transportes neste ramo industrial tão importante, visto que o mesmo além de
impactar de forma significativa a economia do país ainda envolve em sua cadeia,
diversos outros setores da economia que necessitam ser atendidos de forma ótima,
em se tratando da logística como ilustrado na Figura 7.
25
2.4.1 Roteirização
A literatura atual (BALLOU, 2007; GOMES et al., 2019) define pelo menos
três tipos básicos de roteirização, são eles:
Conforme afirmado por Novaes (2007), dois métodos podem ser agrupados
na construção do roteiro, com regras próprias a serem seguidas. Uma das
metodologias a ser empregada é ligar pontos entre cliente, fornecedores mais
próximos, estabelecendo um ponto de partida, procurando demais clientes com
objetivo de montar um roteiro que pode ser ou não o mais eficaz, entretanto que
poderá ser melhorado, como ilustrado na Figura 9.
Árvore geradora mínima: que conecta todos os nós de uma rede usando o
comprimento total mais curto de ramos conectores;
Algoritmo de caminho mínimo: determina o caminho mais curto entre um
destino e uma origem de uma rede;
Algoritmo de fluxo máximo: baseia-se em encontrar achar rotas de
passagem que maximizam a quantidade total de fluxo da origem para o escoadouro
(onde o fluxo termina);
Algoritmo de caminho crítico: tem por objetivo de fornecer meios
analíticos para programar determinadas atividades (SANTANA et al., 2018;
PHPSIMPLEX, 2019; IME-USP, 2019; ARTIA, 2019).
2.4.4.1 Formulação
(1)
(2)
(3)
(4)
35
Nesta Figura, caso importe o sentido das setas, ou arestas entre os nós, o
PCV é sub classificado em simétrico ou assimétrico, conforme afirma Guedes et al.
36
(2005), quando o PCV é chamado de simétrico, a distância entre dois nós (cidades,
ou clientes) quaisquer (i e j) independe do sentido, sendo dij = dji, do contrário o
problema é assimétrico, segundo Helsgaun (2000), problemas simétricos
notoriamente possuem soluções mais difíceis de serem obtidas do que problemas
assimétricos, no caso de um contexto de serviços de logística na construção civil,
como em uma loja de materiais de construção com diversos clientes, o PCV aplicado
seria do tipo simétrico, pois não importa o sentido da tráfego rodoviário (MORO et
al., 2018).
2.4.4.2 Resolução
(5)
Onde, sendo o vizinho mais próximo é a função sum, sol, n2, sum**, onde
sum é a somatória do trajeto completo. No passo 1 ocorre a escolha do vértice inicial
i, j fazendo em 3 e 4 a repetição n − 1 vezes, em 6 a melhor opção de escolha é
definida recriando novas conexões, em 7 se o tamanho do novo caminho for menor
que o total original (sum) em 8 à 12 é definido como uma nova rota otimizada, senão
o caminho original é definido como melhor rota.
40
(6)
3 METODOLOGIA
3.1 DESENVOLVIMENTO
De acordo com a Figura 15, a etapa inicial se deu com a coleta de dados.
Esta etapa ocorreu no mês de agosto de 2019, sendo que as informações obtidas
foram fornecidas por uma loja varejista de materiais de construção, localizada na
Cidade de São José dos Campos/SP/Brasil. Tal banco de dados contém a rotina de
entregas de seis motoristas distintos no período de 11 à 17 de agosto de 2019,
nestas rotinas foram contabilizados os períodos entre o recebimento do pedido até a
entrega aos clientes, a localização de cada cliente, a distância percorrida nas rotas
(em km), bem como os produtos comprados (contendo informações de peso unitário
e quantidade comprada, bem como metragem quadrada comprada pelos clientes).
(7)
(8)
3.1.3 Otimização
(9)
(10)
(11)
onde:
(12)
(13)
onde:
(14)
4 RESULTADOS
solver, a otimização de cada um dos grupos de acordo com as Equações (11) e (12)
e média das rotas ótimas, do banco de dados e das taxas de otimização para os três
grupos.
Tabela 2 – Resultados da otimização de rotas por três grupos de motoristas
(continua)
LEGENDA: M1 M2 M3 M4 M5 M6
Pontos G1* G2 G3
Banco de dados Solver Banco de dados Solver Banco de dados Solver
1 10,5 9,0 6,6 6,3 0,14 0,11
2 5,5 4,5 9,6 8,5 12,9 10,0
3 3,8 7,0 2,9 2,3 1,7 0,99
4 3,5 2,7 2,6 2,2 1,8 1,6
5 2,6 1,9 10,4 9,9 1,3 1,1
6 3,8 3,0 1,8 1,4 0,5 0,45
7 3,5 3,1 1,3 1,1 1,1 1,0
8 8,9 4,0 5,3 4,3 0,25 0,2
9 2,0 1,7 3,8 2,6 0,9 0,8
10 4,0 2,0 2,6 1,9 0,9 0,77
11 3,7 1,0 5,3 5,2 1,2 1,0
12 4,6 2,3 1,7 0,9 11,6 11,0
13 2,0 1,9 0,26 0,12 14,8 13,9
14 9,5 9,1 10,3 9,8 11,5 7,0
15 5,3 5,0 12,0 11,8 11,1 10,9
16 13,6 12,0 0,65 0,55 14,1 13,9
17 8,1 7,8 2,0 1,0 4,4 4,2
18 2,5 2,1 0,4 0,4 10,2 8,0
19 19,5 18,0 0,65 0,63 2,4 2,1
20 6,0 2,0 1,2 0,6 11,6 11,3
21 9,5 8,0 0,9 0,88 2,0 1,0
22 6,8 6,0 13,1 12,0 10,3 10
23 13,5 11,0 0,45 0,43 2,1 2,0
24 6,9 5,5 0,11 0,1 1,8 1,3
25 7,0 6,6 1,3 1,1 13,3 12,9
26 7,4 6,9 0,5 0,3 10,7 10,6
27 4,0 3,0 1,7 0,9 11,1 9,0
28 14,5 11,0 0,55 0,44 2,4 2,3
29 3,7 3,3 4,1 3,1 7,6 5,0
30 19,1 16,8 1,8 1,6 12,0 12,0
51
Pontos G1* G2 G3
Banco de dados Solver Banco de dados Solver Banco de dados Solver
31 7 6,1 10,5 9,9 6,4 6,3
32 12,2 12 1,2 1,1 1,8 1,6
33 3,5 2,5 1,9 1,4 12,9 11,59
34 1,3 1,2 11,9 10,99
TOTAL: 238 198,8 120,77 105,95 220,69 196,9
Otimização: 16,47% 12,27% 10,78%
Total banco de dados: 579,46
Total solver: 501,65
Otimização (média): 13,17%
Obs.: (*) G1, G2, G3: Grupos 1, 2 e 3.
Figura 18 – Gráfico ilustrativo das rotas do banco de dados e otimizadas para todos os pontos.
Fonte: Elaborado pela autora (2019)
De posse destes dados, foi possível então estimar o peso de cada carga
para cada cliente no período de análise de agosto/2018, realizando a multiplicação
da quantidade comprada por cada um (segundo o banco de dados original, que
consta na seção de anexos) pelo peso unitário de cada material de construção
(Tabela 4). Desta forma, a relação motorista e carga foi agrupada, organizada e
otimizada (carga Máxima) da mesma forma que fora realizada para as rotas. A
Tabela 5 e Figura 20 apresentam os resultados encontrados.
LEGENDA: M1 M2 M3 M4 M5 M6
Pontos G1 G2 G3
Banco de dados Solver Banco de dados Solver Banco de dados Solver
1 105,6 118,2 1206,8 1363,7 250,0 280,0
2 1686,4 1888,8 5862,1 6624,2 1062,0 1189,5
3 4394,0 4921,3 198,0 223,8 18,9 21,2
4 281,9 315,8 250,1 282,6 131,7 147,5
5 523,6 586,4 400,0 452,0 884,5 990,6
6 100,0 112,0 90,0 101,7 18,2 20,4
7 344,6 385,9 181,4 205,0 86,0 96,3
8 27,0 30,2 58,5 66,0 1380,0 1545,6
9 293,8 329,1 3621,5 4092,3 546,0 611,5
10 45,6 51,1 400,0 452,0 63,0 70,6
11 700,0 784,0 426,3 498,8 223,5 250,3
12 1300,4 1469,5 263,2 292,7 13462,6 15212,8
13 750,0 847,5 432,1 488,2 262,2 296,3
14 153,8 173,8 81,6 91,4 2215,7 2503,7
15 1803,9 2038,4 25,2 50,5 72,5 81,9
16 1548,3 1749,5 7273,2 8509,6 1136,0 1283,7
17 106,3 120,1 551,1 612,9 578,0 653,1
18 436,3 493,0 114,9 127,8 49,6 56,1
19 4,3 4,9 820,0 912,0 1006,6 1137,4
20 691,4 781,2 62,3 69,3 2523,6 2851,7
21 406,4 459,2 714,8 800,6 500,0 565,0
22 307,4 347,3 610,0 683,2 351,0 396,6
23 297,9 348,6 18,5 20,7 1550,4 1752,0
24 2600,0 2891,8 27,5 30,8 500,3 560,3
25 762,0 861,1 205,0 229,6 1249,9 1399,9
60
LEGENDA: M1 M2 M3 M4 M5 M6
Pontos G1 G2 G3
Banco de dados Solver Banco de dados Solver Banco de dados Solver
26 342,3 383,3 14,4’ 16,1 444,0 497,3
27 221,8 443,8 319,8 358,1 135,7 152,0
28 289,1 338,3 1431,5 1603,3 21,0 23,5
29 76,4 84,9 511,6 573,0 545,4 610,8
30 113,4 128,1 21,0 23,5 125,7 140,7
31 750,0 834,2 373,2 418,0 317,7 355,8
32 300,0 339,0 40,5 45,3 200,1 224,1
33 623,2 704,2 757,0 847,8 20,7 23,2
34 750,0 840,0 19,0 21,3
TOTAL: 22387,0 25364,5 28112,8 32006,6 31951,5 36022,7
Otimização: 11,74% 12,17% 12,74%
Total banco de dados: 82451,3
Total solver 93393,8
Otimização: 12,22%
Fonte: Elaborado pela autora (2019)
Figura 20 – Gráfico ilustrativo das cargas do banco de dados e otimizadas de todos os pontos.
Fonte: Elaborado pela autora (2019)
foi muito próxima ao determinado por Araripe et al. (2017) para maximização de
cargas utilizando o PCV. Contudo, nesta abordagem em específico, o estudo da
geração de benefícios financeiros não se deu pelo cálculo do consumo de
combustível, mas sim pelo crescimento de valores em produtos (no caso materiais
de construção) devido à maximização do transporte de cargas. Para tanto, utilizando
o banco de dados que contém além dos produtos vendidos, as receitas geradas pela
venda dos mesmos, realizou-se a somatória total destes valores financeiros (em R$)
no período de análise (agosto/2018), em seguia calculou-se o ganho médio por kg
transportado, dividindo todo montante pelo total de cargas transportadas no período,
ou seja R$/Kg. Tal valor foi calculado como algo em torno de R$ 0,97, com isso
multiplicando este valor pela diferença entre a somatória de cargas do banco de
dados e da otimização, foi determinado um total de R$ 10644,56 no mês de agosto
de 2018 e R$ 127734,77 por ano extras, caso fossem mantidas as mesmas
condições de contorno; números estes muito expressivos.
Este cenário apresentou uma otimização inferior ao cenário dos três grupos
(10%), muito semelhante ao observado na análise das rotas; porém, o gráfico da
Figura 21 não apresentou a linearidade demostrada na análise das rotas,
provavelmente devido ao método evolucionário não indicado a dados de
crescimento suave; contudo os resultados acabam por reforçar novamente que a
segmentação do problema, ou seja divisão em grupos menores, traz resultados
melhores utilizando o Solver para problemas de roteirização. Os benefícios
financeiros desta abordagem, calculados de forma análoga ao descrito
anteriormente, foram de R$ 9255,18 ao mês e R$ 11062,20; números estes também
expressivos, mas inferiores a abordagem da resolução por três grupos de
motoristas.
maximizando para obter a solução ótima (uma vez que o denominador da relação é
a carga, que deve ser maximizada). Nesta abordagem também foram analisados
dois cenários, com três grupos e um único grupo.
LEGENDA: M1 M2 M3 M4 M5 M6
Pontos G1 G2 G3
Banco de dados Solver Banco de dados Solver Banco de dados Solver
1 13,1 429,0 216,5 325,0 1785,7 884,0
2 419,7 416,0 779,3 1365,0 82,3 858,0
3 703,0 403,0 97,3 1430,0 11,1 832,0
4 116,9 390,0 128,5 1495,0 73,2 806,0
5 308,6 377,0 45,7 1560,0 680,3 780,0
6 37,3 364,0 72,6 1625,0 36,5 754,0
7 124,5 351,0 186,3 1690,0 78,2 728,0
8 7,6 338,0 15,4 1755,0 5520,0 702,0
9 193,6 325,0 1574,0 1820,0 606,7 676,0
10 25,5 312,0 237,9 1885,0 70,0 650,0
11 784,0 299,0 95,9 1950,0 186,3 624,0
12 638,9 286,0 325,3 2015,0 1160,6 598,0
13 446,1 273,0 4068,6 2080,0 17,7 572,0
14 19,1 260,0 9,3 2145,0 192,7 546,0
15 407,7 247,0 4,3 2210,0 6,5 520,0
16 145,8 234,0 15472,1 1300,0 80,6 494,0
17 15,4 221,0 612,9 1235,0 131,4 468,0
18 234,8 208,0 319,4 1170,0 4,9 442,0
19 0,3 195,0 1447,7 1105,0 419,4 416,0
20 390,6 182,0 115,5 1040,0 217,6 390,0
21 57,4 169,0 909,8 975,0 250,0 364,0
67
LEGENDA: M1 M2 M3 M4 M5 M6
Pontos G1 G2 G3
Banco de dados Solver Banco de dados Solver Banco de dados Solver
22 57,9 156,0 56,9 910,0 34,1 338,0
23 31,7 143,0 48,2 845,0 738,3 312,0
24 525,8 130,0 308,0 780,0 277,9 286,0
25 130,5 117,0 208,7 715,0 94,0 260,0
26 55,6 91,0 53,7 650,0 41,5 234,0
27 147,9 78,0 397,9 585,0 12,2 130,0
28 30,8 65,0 3643,9 455,0 8,8 104,0
29 25,7 39,0 184,8 390,0 71,8 52,0
30 7,6 26,0 14,7 130,0 10,5 208,0
31 136,7 52,0 42,2 260,0 49,6 78,0
32 28,3 13,0 41,2 65,0 111,2 182,0
33 281,7 104,0 605,6 520,0 1,6 26,0
34 700,0 195,0 1,6 156,0
TOTAL: 6550,0 7293,0 33039,9 38675,0 13064,4 15470,0
Otimização: 11,34% 17,06% 18,41%
Total banco de dados (geral): 52654,4
Total solver: 61438,0
Otimização (média): 15,60%
Fonte: Elaborado pela autora (2019)
5 CONCLUSAO
Com base em tudo que foi exposto nesta presente pesquisa é possível
concluir que:
REFERÊNCIAS
CHAVES, Antônio A.; et al. Uma nova heurística para o problema de minimização de
trocas de ferramentas. Gestão & Produção, v. 19, n. 1, p. 17-30, 2012.
DANTZIG, George B.; et al. Solution of a large scale traveling salesman. Rand
Research Memorandum, 1954.
DUBOIS, Anna et al; Supply strategy and network effects — purchasing behaviour in
the construction industry. European Journal of Purchasing & Supply
Management, v. 6, n. 3–4, p. 207-215, 2000. doi: 10.1016/S0969-7012(00)00016-2.
EXCELL - MICROSOFT Project for Windows 2016, version 6.1: project planning
software. [S.l.]: Microsoft Corporation, 2016. Conjunto de programas. 1 CD-ROM.
Fisher, B. J.; et al. Gosset, Fisher, and Small Samples. Statistical Science, v. 2, n.
1, p. 45–52, 1987. doi:10.1214/ss/1177013437
GUEDES, Allison C. N.; et al. Um algoritmo genético com infecção viral para o
problema do caixeiro viajante. Revista On Line de Iniciação Científica, Natal, v. 1,
n. 1, 2005.
LUIZ, Carlos di; et al. Projeto da cadeia de suprimento: uma visão dinamica da
decisão fazer versus comprar. Revista de Administração de Empresas, vol. 41, n.
1, p. 1-11, 2001.
MUNHOZ, Pablo L. A.; et al. Um algoritmo baseado em iterated local search para o
problema de roteamento de veículos periódico. In.: XXXII Encontro Nacional de
Engenharia de Produção - ENEGEP, Bento Gonçalves, 2012.
SAAD, Mohammed; et al. A review of the progress towards the adoption of supply
chain management (SCM) relationships in construction. European Journal of
Purchasing & Supply Management, v. 8, n. 3, p. 173-183, 2002. doi:
10.1016/S0969-7012(02)00007-2.
SARTORI, Jr. Isaac R.; et al. Comparação entre métodos exatos e heurísticos para
tratar o problema de roteamento de veículos em um ambiente fabril. In.: XXVI
ENEGEP - Fortaleza, CE, 9 a 11 out. 2006
SOLOMON, Marius M. Algorithms for the Vehicle Routing and Scheduling Problems
with Time Window Constraints. Operations Research, v. 35, n. 2, p. 254-265, 1987
SOLVER – APP - MICROSOFT Project for Windows 2016, version 6.1: project
planning software. [S.l.]: Microsoft Corporation, 2016. Conjunto de programas. 1 CD-
ROM.
83
SOUZA, Jr. Armando A.; et al. Análise das publicações sobre logística junto ao
ABEPRO. In.: XXXIII Encontro Nacional de Engenharia de Produção – A Gestão
dos Processos de Produção e as Parcerias Globais para o Desenvolvimento
Sustentável dos Sistemas Produtivos, Salvador (BA), 08 – 11 de out. de 2013.
TAHA, Hamdy A. Pesquisa operacional: uma visão geral. 8. ed. São Paulo:
Pearson Prentice Hall, 2008.
1 m3 brita n.1 m3
445,44
1 un silicone wurth incolor 280ml
5 sc gesso 40kg
629,94
R$
37 16.98.19 17.08.19 2,6 rafael
159,20 8 sc cimento 50kg cp2 mizu
1.180,00
31,46 m2 incefra ver 32x56 32530 design pei4 bru
R$
58 15.08.19 16.08.19 1,7 claudio
458,10 1 un crv porta std mista basc 84x215 dir 6,5
1 m3 areia media m3
1 m3 brita n1 m3
R$
69 12.08.19 13.08.19 12 claudio 14 un caibro cambara 5x5 2m
1.100,00
3 sc cimento 50kg cp2 mizu
3 m3 areia media m3
1 un brita n.0 m3
7 sc gesso 40kg
R$
84 13.08.19 14.08.19 10,3 silvio 1 pc prego 17x21 c\c kg
518,44
10 pc tabua pinus 30x3m
1 pc vedatop 12kg cx