UNIVERSIDADE FEDERAL DO CEARÁ - UFC

CENTRO DE TECNOLOGIA
DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO - DEPRO
LOGÍSTICA EMPRESARIAL II

APLICAÇÃO DO MODELO CAIXEIRO-VIAJANTE DE PROGRAMAÇÃO

LINEAR NA OTIMIZAÇÃO DE ROTAS EM UMA SIMPLES NACIONAL

LUCAS FARIAS DE SOUSA - 471690

MAURO VITOR DA COSTA SILVA - 472972
PEDRO LUCAS AMORIM DA SILVA - 470195
VINÍCIUS FEIJÃO DE MENESES - 472311

FORTALEZA
02 DE MAIO DE 2022
 SUMÁRIO
RESUMO 3
INTRODUÇÃO 4
REFERENCIAL TEÓRICO 5
TRANSPORTE LOGÍSTICO 5
PESQUISA OPERACIONAL 6
PROGRAMAÇÃO LINEAR 7
MODELOS DE OTIMIZAÇÃO 8
FUNÇÃO OBJETIVO 9
CAIXEIRO VIAJANTE 10
METODOLOGIA 12
ESTUDO DE CASO 13
CARACTERIZAÇÃO DA EMPRESA 13
COLETA DE ROTAS UTILIZADAS 13
ESTRUTURAR E TESTAR O MODELO 16
MODELO 1 16
MODELO 2 19
DESENVOLVER O PAINEL 21
CONCLUSÃO 21
REFERÊNCIAS 22

2
RESUMO

O artigo a seguir vai apresentar um estudo de caso realizado em uma pequena empresa da
área de informática em Fortaleza tentando otimizar as rotas das entregas feitas pela
empresa na cidade e por sua região metropolitana por meio da disponibilização de
coordenadas do Google Maps de locais de entrega. A otimização de rotas foi modelada
utilizando o Problema do Caixeiro Viajante, juntamente ao Microsoft Excel e a ferramenta
Solver. O objetivo é otimizar a rota do entregador que sai da loja como ponto de origem, faz
as entregas nos locais determinados e, ao final, volta para a loja, tentando alcançar a rota
que irá ocasionar a menor distância percorrida para esse entregador. Com o estudo feito e
os dados obtidos na empresa, foi possível elaborar um sistema estruturado em uma planilha
de Excel que garantiu uma visualização mais objetiva sobre os pontos de entrega, o que
otimizou esse processo de transporte em questão de facilidade para encontrar a melhor rota
sem gerar mais custos.

PALAVRAS-CHAVE
Problema do Caixeiro Viajante; Logística; Otimização.

ABSTRACT
The following article will present a case study conducted in a small computer company in
Fortaleza trying to optimize the routes of deliveries made by the company in the city and its
metropolitan region through the availability of Google Maps coordinates of delivery locations.
The route optimization was modeled using the Traveling Salesman Problem, along with
Microsoft Excel and the Solver tool. The objective is to optimize the route of the delivery man
who leaves the store as a point of origin, makes deliveries at the given locations and, at the
end, returns to the store, trying to reach the route that will cause the shortest distance
traveled for that delivery man. With the study done and the data obtained in the company, it
was possible to elaborate a structured panel in an Excel spreadsheet that ensured a more
objective visualization about the delivery points, which optimized this transport process in a
matter of ease, just a click of a button to find the best route without generating more costs.

KEYWORDS
Travelling Salesman Problem; Logistic; Optimization

3
1. INTRODUÇÃO

É perceptível que o microempreendedorismo aumentou violentamente no

Brasil nesses últimos anos e, com isso, segundo o Serviço Brasileiro de Apoio às
Micro e Pequenas Empresas (Sebrae), com base nos dados da Receita Federal, o
país registrou o recorde de abertura de pequenos negócios em 2021, com mais 3,9
milhões, aumento de 19,8% em relação a 2020, no qual foram criados 3,3 milhões
de micro e pequenas empresas.
Diante disso, analisando o contexto atual no qual esses pequenos negócios
estão inseridos, analisa-se que o desenvolvimento dessas empresas está cada vez
mais mais complicado, devido a fatores como a crise econômica pela qual o país
está passando, critério de escolha do cliente mais elevado e o crescimento da
competitividade entre empresas. Portanto, é necessário que as empresas otimizem
seus processos para evitar desperdícios e gastos desnecessários, a partir da
utilização de métodos e ferramentas matemáticas da Pesquisa Operacional. Com
base nisso, Raymundo, Gonçalves e Ribeiro (2015) apontam que a modelagem
matemática pode auxiliar na tomada de decisão das organizações envolvendo
diferentes fatores. A partir disso, percebe-se a importância da aplicação desses
métodos matemáticos.
Nesse âmbito, segundo Zavala, Almeida, Sayuri e Lino (2018), analisa-se que
variados são os impactos que o transporte causa na empresa relacionados aos
custos e ao nível de serviços. A partir disso, destaca-se o Problema do Caixeiro
Viajante, problema de otimização que foi inspirado na necessidade dos vendedores
saírem de um lugar específico, realizar entregas em diversos locais e voltar para o
local de onde saiu, reduzindo o tempo da viagem e os possíveis custos com o
transporte. Dessa forma, é possível propor alternativas para solução de alguns
problemas reais de rota das empresas.
Segundo Reinelt (1994), afirma que o problema do caixeiro viajante é um dos
mais proeminentes dentre um amplo conjunto de problemas de otimização
combinatória. A partir dele, o estudo atrai pesquisadores de diferentes campos,
devido ao fato de possuir simplicidade na sua formulação e conseguir encontrar a
maioria das questões que envolvem otimização de uma análise combinatória. Além
disso, ele é usado como estudo para avaliar a criação de novos algoritmos e

4
estratégias de solução que envolvem busca tabu, algoritmos genéticos, redes
neurais, entre outros.
Embasado nisso, foi feita uma análise em uma empresa de pequeno porte do
ramo de informática localizada em Fortaleza/CE, onde seu maior problema é a
roteirização das entregas dos seus produtos que é feita de forma empírica. No caso
em análise, o objetivo será otimizar as rotas das entregas, onde o motorista sai da
loja, faz suas entregas para os clientes e volta para a loja. Dessa forma foi proposta
uma solução desse problema utilizando o programa de planilhas do Microsoft (Excel)
e a ferramenta Solver.

2. REFERENCIAL TEÓRICO

Para que se possa entender o que será realizado neste estudo, é de suma
importância a compreensão dos conceitos teóricos principais que vão ser abordados
na aplicação realizada na empresa. Assim, os tópicos a seguir irão contextualizar e
explicitar as informações para entendimento do que será abordado.

2.1. TRANSPORTE LOGÍSTICO

Baseando-se esse estudo nos transportes, é crucial entender que a
movimentação de mercadorias de um ponto a outro dentro de restrições de carga e
de prazos é uma das principais formas de atuação da logística, não apresentando o
papel de acrescentar valor para os produtos, mas sendo importante para que os
produtos sejam levados ao ponto determinado para garantir o melhor desempenho
dos investimentos realizados. De uma maneira geral, pode-se determinar que a
logística apresenta o objetivo de disponibilizar um produto dentro de todos os
requisitos mínimos desejados (como tempo, local e condições ideais) e alcançar um
feito positivo para a empresa (PAOLESCHI, 2011).
Além disso, para o bom desempenho logístico é necessário dar suporte às
operações do processo operacional, tendo como base características de custo, para
não interromper o fluxo de materiais e, por consequência, atendimento de requisitos
demandados para o posterior processo de entrega por intermédio do transporte
(MARQUES et al., 2009).
Com a padronização dos processos, a logística aproxima os setores e discute
a aplicação e utilização dos produtos na execução das tarefas, permitindo otimizar
5
as possíveis formas de transporte e de caminhos das rotas para melhorar o tempo, o
que agrega na eliminação de espaços e entregas efetivas dos produtos. (SOUSA et
al., 2002).
Entendendo que esse contexto possui atuação com relação viabilidade das
atividades econômicas, a prestação de serviços de transporte possui variáveis ​que
determinam o custo e o nível do serviço, sendo a mais importante a tecnologia, que
afeta diretamente o custo que afeta a determinação da capacidade e velocidade.
Seguida da estratégia operacional, que trata do objetivo e do comportamento do
operador, o que permite a possibilidade de inserção de uma tecnologia mais
moderna para movimentação de cargas. Também há uma variável que garante a
abordagem dos requisitos e de restrições institucionais, tendo consideração aos
limites e requisitos impostos pelos reguladores. Por último, o comportamento da
demanda que irá analisar a necessidade de embalagem e a quantidade de
solicitações realizadas em um determinado período de tempo, necessário para
avaliar sua disposição de investir em ativos especializados (CAIXETA-FILHO;
MARTINS, 2002).
Sabendo que esses aspectos influenciam em investimentos para a empresa,
Castiglioni (2013) afirma que para os custos com relação ao transporte logístico
podem ser divididos em diretos e indiretos, em que o primeiro representa a grande
maior parte e é composto por depreciação do veículo, remuneração do capital,
salário e gratificação dos motoristas e ajudantes, seguros, combustível, entre outros,
enquanto nos custos indiretos há processamento da contabilidade, administração,
vendas, finanças e cobranças.

2.2. PESQUISA OPERACIONAL

A pesquisa operacional é interpretada de forma objetiva e clara como uma
compilação de técnicas que utilizam métodos científicos no processo de tomada de
decisão dos indivíduos (LONGARAY, 2013). Vale acrescentar que essas técnicas
não são apenas disciplinas ensinadas nas universidades, pois são amplamente
utilizadas como métodos de gestão para solucionar diversos problemas da
sociedade.
Nesse quesito, essa área do conhecimento tem estado presente na resolução
de problemas com relação à condução e coordenação de certas operações em uma

6
organização (MOREIRA,2010), e tem sido aplicado a diversas áreas, tais como
indústria, transportes, finanças, saúde, etc.
Ainda levando em consideração Moreira (2010), vale destacar também que a
pesquisa operacional busca identificar qual seria a solução ótima da problemática.
Com relação ao ótimo, é importante explicar que isso deve ser observado do ponto
de vista matemático, pois muitas vezes não é possível levar em consideração
algumas variáveis, principalmente quando se trata de características referentes ao
comportamento.
Seguindo a linha de raciocínio de Moreira (2010), é necessário destacar que
se dividem entre dois grupos, sendo o primeiro grupo chamado de variáveis de
decisão que são aquelas ​controladas pelo indivíduo à frente da resolução do
problema, cujo valor final é resultado da manipulação do modelo. Já o outro grupo,
se destaca pelas variáveis ​não controladas definidas pela própria situação-problema,
as limitações e/ou características das organizações em estudo.
Dentro desse contexto, também é crucial citar a existência de fatores que
precisam ser elencados para dimensionar e definir os aspectos do processo de
tomada de decisão, sendo os principais: tempo disponível, local afetado, grau de
certeza, importância da decisão, número de pessoas a frente da decisão e conflito
de interesses.
A partir disso, pode-se definir que problemas e estudos relacionados a essa
área seguirão um padrão bem semelhante em 5 etapas que se inicia com a
identificação do problema, seguido da formulação do modelo e da análise dos
cenários para se obter resultados que possam ser interpretados e, por fim,
implementação e monitoramento da solução ótima obtida (LACHTERMACHER,
2016).

2.3. PROGRAMAÇÃO LINEAR

Depois de explicar a pesquisa operacional, é necessário introduzir uma de
suas aplicações, a programação linear que pode ser apresentada por utilizar de um
modelo matemático com função de descrição da problemática associada. Sabendo
que seus modelos matemáticos são compostos apenas por funções lineares, por
isso apresenta o termo "Linear" em sua composição, enquanto o termo
"Programação" indica a ideia de planejamento. Dado isso, pode-se dizer que a
programação linear é uma forma para planejar as atividades para que se possa
7
alcançar um resultado que consiga atingir o objetivo nas melhores condições
existentes (LIEBERMAN, 2013).
Assim, de acordo com Caixeta-Filho (2004), este conceito pode ser visto
como uma melhoria na técnica de resolução de um sistema de equações lineares
por sucessivas inversões de matrizes, com a vantagem de incluir uma equação
linear representativa adicional relacionada a um comportamento a ser otimizado.
Assim, apesar da grande variação de algoritmos possíveis, o problema a ser
proposto segue uma forma de construção baseada primeiramente na determinação
de uma função objetivo, seguida pela especificação das variáveis ​de decisão e por
fim na definição das restrições do problema.
Por esse motivo, essa técnica costuma ser considerada uma das ferramentas
mais importantes na pesquisa operacional, pois os problemas que ela consegue
resolver buscam a melhor alocação de recursos para atingir um objetivo específico
de otimização, sujeito a certas limitações que podem estar relacionadas ao nível ou
ao modo que os recursos presentes são distribuídos (CORRAR; THEÓPHILO e
BERGMANN et al.,2007).

2.4. MODELOS DE OTIMIZAÇÃO

Os modelos para otimização são extremamente práticos, isso é tanto na parte
teórica quanto na parte computacional. Esta afirmação se deve ao fato de que tais
estruturas apresentam fácil entendimento e possuem propriedades relativamente
fáceis de modelar. Ademais, os modelos podem ser usados para organizar uma
variedade de problemas muito importantes do mundo real. Partindo do ponto que
esses modelos unem uma simplicidade e um grande poder de resolução, torna estas
ferramentas fundamentais para utilização nos estudos que relacionam a
programação (COLIN, 2017).
A partir disso, otimizar uma solução baseada em problemas de roteirização e
programação de veículos tem a consequência direta na redução elevada do custo de
transporte, obtendo uma economia bem interessante para a empresa fornecedora e
também para o cliente. Como a empresa objetiva uma otimização geral do processo
para agregar maior desempenho dos recursos de transporte, as melhores rotas
focadas no menor tempo e na menor distância devem ser identificadas para que
essa relação seja lucrativa para ambos os lados. (ENOMOTO, 2005).

8
 Com base nesses modelos a serem analisados, há redes que são
determinadas pela união de traços e pontos que terão uma ligação a pares de
pontos, sendo esses pontos denominados de nós, enquanto os traços são
chamados de arcos. Em meio a isso, tal metodologia é usada para determinação de
rotas mais curtas em que, dentro do contexto da vida real, serão diversas
possibilidades a serem testadas de acordo com a quantidade de destinos diferentes,
tendo então várias direções disponíveis partindo do ponto de início em busca de
qualificar o caminho mais curto em relação a cada nó, variando em distâncias mais
curtas com relação ao ponto de origem determinado (HILLIER; LIEBERMAN, 2013)

Figura 1 - Rede composta de arcos e nós

Fonte: Colin (2017)

2.5. FUNÇÃO OBJETIVO

Quando se trata de otimização dentro da pesquisa operacional, é necessário
entender a importância da função objetivo, que pode ser definida através do uso de
variáveis ​de decisão em construção, para que o objetivo deste problema de estudo
possa ser determinado e, portanto, para exemplo, se é um modelo de maximização
ou minimização. A partir da função objetivo, essas variáveis ​são combinadas com os
tamanhos disponíveis de recursos, produtos e/ou o tamanho dos processos que
fazem parte da situação (MOREIRA, 2010).
Tal função também foi resumida por Passos (2008) de modo que, no
momento de montagem do problema, a combinação de variáveis ​garantidas é
utilizada para formar a função objetivo, ou seja, uma expressão matemática trazida
na forma de uma expressão matemática que mostra o desejo do indivíduo neste
processo de otimização e, assim, indica a meta, o que você busca-se alcançar.

9
 2.6. CAIXEIRO VIAJANTE
Ao mencionar os problemas de otimização que se caracterizam pela
utilização de uma função objetivo a ser otimizada de acordo com as restrições
estabelecidas, deve-se mencionar o Problema do Caixeiro Viajante (PCV), que é
utilizado como ferramenta de investigação nas mais diversas situações de
otimização (maximização ou minimização da função objetivo) de modo a ser
caracterizado como um problema facilmente compreensível e explicável com alto
grau de solução (KARP, 1975). Este problema se apresenta como um dos mais
comuns e notórios relacionados à programação baseada em matemática, pois
trata-se de um problema de rotas originadas de rotas com pontos de demanda
representados por cidades, postos de gasolina, indústrias, entre outros
(GOLDBARG; LUNA, 2000).
A partir disso, uma das formas de visualização desse problema foi na
comparação com um comerciante que parte de um ponto específico e precisaria
passar por todos os clientes, definido como “(n-1)”, determinados para aquele
momento e sem repetir nenhum dos locais. Verificando todas as possibilidades de
caminhos, as rotas podem ser colocadas em uma árvore, e, do ponto de vista geral,
deve-se também terminar o circuito no mesmo lugar, o que equivale a “(n - 1)!”
(LOESCH; HEIN, 2008).
Figura 2 - Exemplo de possíveis arcos

Fonte: Loesch e Hein (2008)

Assim como na imagem acima, na maioria dos problemas, apenas fazer a

enumeração dos caminhos torna-se uma solução lenta e difícil, pois, conforme
aumenta o número de nós, maior será a quantidade de soluções possíveis. É por
esse motivo apresentado que existe uma forma de modelagem da programação
matemática do caixeiro-viajante, em que se considera um arco com 𝐺 = (𝐶𝑖𝑑𝑎𝑑𝑒𝑠, 𝐴)

10
definindo que Cidades refere-se ao conjunto de cidades (clientes) e A ao conjunto de
arcos ligando duas cidades, ou seja, 𝐴 = {(𝑖,𝑗)| 𝑖 ≠ 𝑗}. Temos, também, que 𝑑𝑖𝑗
refere-se à distância da cidade i para a cidade j, conforme apresentado por Jamilson
(2009), apresentando um modelo matemático conforme apresentado abaixo.

(a) As variáveis de decisão são:

𝑑𝑖𝑗: que é uma variável binária que assume o valor 1 se o arco (i,j) for utilizado e 0
caso não o utilize.
𝑓𝑖𝑗: referente a quantidade de fluxo enviada da cidade i para a cidade j.

(b) A função objetivo:

(c) As restrições são:

- À cada cidade k só chega um arco:

Com ∀ 𝑘 ϵ 𝐶𝑖𝑑𝑎𝑑𝑒𝑠
- De cada cidade k só sai um arco:

Com ∀ 𝑘 ϵ 𝐶𝑖𝑑𝑎𝑑𝑒𝑠
- Eliminação de subciclos:

𝑖≠𝑘 𝑗≠𝑘 ∀𝑘ϵ 𝐶𝑖𝑑𝑎𝑑𝑒𝑠 | 𝑘 ≠ 1

∀ i,j ϵ 𝐶𝑖𝑑𝑎𝑑𝑒𝑠

- Restrições de não-negatividade:

∀ 𝑖,𝑗 ϵ 𝐶𝑖𝑑𝑎𝑑𝑒s
∀ 𝑖,𝑗 ϵ 𝐶𝑖𝑑𝑎𝑑𝑒s

11
3. METODOLOGIA
A partir de um problema prático detectado na empresa, foram desenvolvidos
modelos utilizados na pesquisa operacional para proporcionar tomadas de decisões
quanto às rotas de maneira controlada.
O estudo em questão é de natureza aplicada, pois busca desenvolver um
modelo de pesquisa operacional que será implementado na prática em uma
empresa real. Ainda, a abordagem é quantitativa, pois serão traduzidas em números
as informações obtidas no estudo, o que demanda análise matemática, realizada por
planilhas do Microsoft (Excel) e a ferramenta Solver.
Dessa maneira, o presente artigo possui o objetivo de implementar o modelo
do problema do Caixeiro viajante, com o intuito de propor rotas com menores
distâncias possíveis, visualizando a minimização do deslocamento total e evitando o
atual empirismo existente. Para a realização do estudo, foram realizadas as
seguintes etapas:
● Etapa 1: Caracterização da Empresa;
● Etapa 2: Coleta de rotas utilizadas;
● Etapa 3: Estruturar o modelo e Testar modelo;
● Etapa 4: Desenvolver o Painel que formule os trajetos.

3.1. CARACTERIZAÇÃO DA EMPRESA

A presente etapa consistiu em caracterizar a empresa compreendendo a
parte administrativa e seu organograma. Além disso, fez-se o levantamento da
situação atual do setor de logística para se obter conhecimento do método de
trabalho utilizado pela empresa. Esta é a fase, na qual foram levantadas todas as
dificuldades enfrentadas pelo setor de logística para o atendimento das demandas.

3.2. COLETA DE ROTAS UTILIZADAS

Passando da fase inicial do projeto, iniciou-se um estudo mais profundo sobre
os clientes da empresa e compilando as localizações. Importante ressaltar que não
foram utilizados os dados reais dos clientes, em vez disso utilizados de pontos
aleatórios, tendo em vista que queremos validar a usabilidade, não havendo
necessidade significativa de utilizar os endereços dos consumidores.
3.3. ESTRUTURAR E TESTAR O MODELO
Com os dados, foi realizado o modelo via Microsoft Excel e ferramenta Solver,
executando as restrições e cálculos apresentados no Referencial Teórico. Dado isso,

12
foi possível testar o modelo e estruturar um sistema padrão para que a empresa use
como padrão para traçar rotas.
Para finalizar o projeto e validar o estudo feito, foram feitos testes do modelo
via dois modais, com o Solver realizando as rotas de forma automática e com a
adição de restrições de forma manual. Assim, foram elencados todos os pontos
positivos e negativos que puderam ser observados.

3.4. DESENVOLVER O PAINEL

Para finalizar o projeto e conseguir também finalizar o estudo, foi feita uma
análise sobre os impactos que as melhorias apontadas causaram na empresa
analisada. Como entrega final, o projeto trouxe um sistema para que o proprietário
encontrasse as rotas com menores distâncias possíveis via Excel.

4. ESTUDO DE CASO
4.1. CARACTERIZAÇÃO DA EMPRESA
A empresa atua no varejo de produtos importados e nacionais de informática,
situada na Vila Peri, região de Fortaleza, Ceará, sendo uma das mais reconhecidas
do local por sua diversidade de produtos. Seu portfólio abrange mais de 200 tipos de
itens de diferentes marcas, e atende mais de mil clientes por mês.
A empresa é capaz de realizar entregas na Capital e Região Metropolitana do
Ceará, possuindo sua frota própria composta por 3 veículos, sendo:
● 2 carros: utilizados para entregas dentro e fora da cidade, com
prioridade para cargas de médio e grande porte.
● 1 moto: utilizada principalmente para cobrança, compras de materiais
simples requisitados e entregas de cargas de pequeno porte.
Os veículos podem ser abastecidos com materiais a qualquer hora do dia,
dependendo do trajeto de entrega. Além disso, deve-se considerar que a grande
maioria dos clientes recebem apenas os materiais em horário comercial, logo, o
setor precisa estar preparado para atender a tais demandas.

4.2. COLETA DE ROTAS UTILIZADAS

Por meio do Google Maps, os dados foram coletados de forma quantitativa,
utilizando as coordenadas de latitude e longitude geográficas disponibilizadas pelo
Google Maps. Importante ressaltar que, com o intuito de confidencialidade dos

13
dados dos clientes, foram utilizadas coordenadas de Shoppings de Fortaleza-CE. A
Tabela 1 contém as coordenadas dos pontos, incluindo a sede (ponto de venda) da
empresa como ponto zero.
Tabela 1 - Coordenadas dos Clientes

N CLIENTE LATITUDE LONGITUDE COD

0 EMPRESA -3,7910545 -38,5895936 0 - EMPRESA

1 Rio Mar -3,741386 -38,4745222 1 - Rio Mar

2 Parangaba -3,775694 -38,564189 2 - Parangaba

3 Benfica -3,7390849 -38,5424021 3 - Benfica

4 North Fortaleza -3,7350525 -38,5682192 4 - North Fortaleza

5 Aldeota -3,7336839 -38,4990355 5 - Aldeota

6 Center Um -3,7373625 -38,4996328 6 - Center Um

7 Fortaleza Sul -3,7596687 -38,5368632 7 - Fortaleza Sul

8 Jóquei -3,7646518 -38,576808 8 - Jóquei

9 Kennedy -3,7262059 -38,5692225 9 - Kennedy

10 Central -3,725992 -38,5325308 10 - Central

11 Iguatemi -3,756042 -38,4915336 11 - Iguatemi

12 Solaris -3,8009459 -38,5888447 12 - Solaris

Fonte: Autores (2022)
Todos estes dados são cadastros no sistema, na figura 02, é possível
visualizar o aba no Software Excel:
Figura 3- Cadastro de Clientes

Fonte: Autores (2022)

A próxima etapa foi calcular a distância de cada local. A fórmula construída
baseia-se na fórmula de Haversine (GELLERT; GOTTWALD; HELLWICH;
14
KASTNER; KUSTNER, 1989), e é uma das equações básicas na navegação, tendo
como embasamento matemático, a Lei dos Cossenos, considerando no modelo a
curvatura da Terra, isto é o raio da mesma, que possui o valor de aproximadamente
6371 km.
Abaixo, na Figura 4, o modelo utilizado no Excel é representado,
considerando também um fator de ajuste (Erro de 15%), visto que a distância
calculada é linear e o Google Maps fornece o percurso por rodovia.
Figura 4 - Fórmula de Haversine

Fonte: Autores (2022)

Figura 5 - Fórmula de Haversine no Excel

Fonte: Autores (2022)

Com a realização do cálculo, foi possível gerar uma matriz de deslocamento

em quilômetro por hora (km/h) conforme Figura 6, que consiste no principal banco
de dados para extrair as informações para implementação da modelagem
matemática.
Além disso, importante destacar que uma vez que o caso de (i,j) pertencer à
rota, isto significa que o ponto j é imediatamente visitado após o ponto i. Assim, não
faz sentido o arco (i,i) pertencer a rota, pois resultaria que o ponto i seria visitado
após o ponto i. Seguindo essa linha de raciocínio, foi adicionado um valor alto de
quilometragem, de forma que o método procure outro arco.

15
 Figura 6 - Deslocamento

Fonte: Autores (2022)

Com os dados referentes ao deslocamento entre os 12 locais cadastrados, foi
possível elaborar o modelo matemático bem como a interface no Microsoft Excel. A
partir dessa interface, se tornou viável sequenciar a rota visando otimizar a distância
percorrida.

4.3. ESTRUTURAR E TESTAR O MODELO

4.3.1. MODELO 1
Conforme cadastro de clientes, a modelo se baseia em visitar com a menor
quilometragem possível, além da empresa, os clientes: 1 - Rio Mar; 2 - Parangaba; 3
- Benfica; 4 - North Fortaleza; 5 - Aldeota; 6 - Center Um; 7 - Fortaleza Sul; 8 -
Jóquei; 9 - Kennedy; 10 - Central; 11 - Iguatemi; 12 - Solaris.
O problema consiste em dado este conjunto de locais, o caixeiro sai de um
ponto, visita todos os locais somente uma vez e retorna ao ponto de origem. Assim,
conforme descrição da função objetivo (minimizar o custo total da rota), foram
adotadas as seguintes restrições:
(1) min ∑𝑖∈𝐶𝑖𝑑𝑎𝑑𝑒𝑠 ∑𝑗∈𝐶𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑖𝑗𝑥𝑖
(2) ∑𝑖∈𝐶𝑖𝑑𝑎𝑑𝑒𝑠 𝑥𝑖𝑘 = 1 ∀𝑘 ∈ 𝐶𝑖𝑑𝑎𝑑𝑒𝑠
(3) ∑𝐽∈𝐶𝑖𝑑𝑎𝑑𝑒𝑠 𝑥𝑘𝑗 = 1 ∀𝑘 ∈ 𝐶𝑖𝑑𝑎𝑑𝑒𝑠
A equação (1) que representa a função objetivo deixa claro que a
minimização das distâncias percorridas. Por outro lado, as equações (2) e (3) são
restrições que garantem que a cada cidade k só chegue um arco, e de que cada
cidade k só saia um arco.
Assim, ao rodar o modelo, obteve-se os resultados apresentados na Figura 7.

16
 Figura 7 - Resultado 01 com Sub-rotas

Fonte: Autores (2022)

Figura 8 - Resultado 01 com Sub-rotas em Km

Fonte: Autores (2022)

Como pode ser observado, com as restrições adicionadas, houve sub-rotas.
Nesse Modelo 1 as rotas foram evitadas adicionando como restrição as sub-rotas
que apareciam no modelo ao acionar a ferramenta Solver. Os testes até encontrar a
solução ótima foram resumidos na Figura 9.

17
 Figura 9 - Restrição das sub-rotas (Modelo 1)

-
Fonte: Autores (2022)

18
 Na figura foi possível visualizar a quantidade de restrições extras adicionadas.
Por mais que tenham tido que rodar o Problema 24 vezes, é válido ressaltar que no
início estava se buscando retirar somente a menor sub-rota. A partir do 19, foram
adicionadas restrições para todas as sub-rotas que apareciam. Por fim, a melhor
rota encontrada é ilustrada na Figura 10.
Figura 10 - Solução (Modelo 1)

Fonte: Autores (2022)

Figura 11 - Solução no Excel por Km (Modelo 1)

Fonte: Autores (2022)

4.3.2. MODELO 2
Com o intuito de ter um resultado dinâmico das rotas utilizadas,
representando fielmente como acontece na realidade, foi criado um novo modelo.
Neste, os resultados variam conforme a seleção de clientes cadastrados.
Para que isto fosse possível, foram adicionadas as seguintes restrições:
(4) ∑𝑖∈𝐶𝑖𝑑𝑎𝑑𝑒𝑠 𝑓𝑖𝑘 − ∑𝑗∈𝐶𝑖𝑑𝑎𝑑𝑒𝑠 𝑓𝑘𝑗 = 1 ∀𝑘 ∈ 𝐶𝑖𝑑𝑎𝑑𝑒𝑠 | 𝑘 ≠ 1
(5) 𝑓𝑖𝑗 ≤ (𝑛 − 1)𝑥𝑖𝑗 ∀𝑖 ∈ 𝐶𝑖𝑑𝑎𝑑𝑒𝑠, ∀𝑗 ∈ 𝐶𝑖𝑑𝑎𝑑𝑒𝑠
(6) 𝑥𝑖𝑗 ∈ {0,1} ∀𝑖 ∈ 𝐶𝑖𝑑𝑎𝑑𝑒𝑠, ∀𝑗 ∈ 𝐶𝑖𝑑𝑎𝑑𝑒𝑠

19
 (7) 𝑓𝑖𝑗 ≥ 0 ∀𝑖 ∈ 𝐶𝑖𝑑𝑎𝑑𝑒𝑠, ∀𝑗 ∈𝐶𝑖𝑑𝑎𝑑𝑒𝑠
Dessa maneira, as restrições (4) e (5) garantem a eliminação dos subciclos.
Na primeira delas, impõe-se que o fluxo que chega a uma cidade k menos o que sai
de k seja igual a 1. Já na restrição 5, o fluxo máximo que passa em um arco usado
no percurso é inferior a n - 1, onde n é o número de cidades, e quando um arco não
é usado (xij = 0) então o fluxo é nulo.
Em um teste hipotético com o proprietário escolhendo as empresas da tabela
2, buscando obter a menor rota possível, o resultado é evidenciado na Figura 11.
Tabela 2 - Teste hipotético (Modelo 2)

N CLIENTE

0 EMPRESA

4 North Fortaleza

6 Center Um

7 Fortaleza Sul

11 Iguatemi

3 Benfica
Fonte: Autores (2022)
Figura 12 - Resultado Teste hipotético (Modelo 2)

Fonte: Autores (2022)

Quando adicionado no Google Maps, segue a seguinte rota com 32,7 km:
Figura 13 - Google Maps Teste hipotético (Modelo 2)

Fonte: Autores (2022)

20
 4.4. DESENVOLVER O PAINEL
Por fim, para garantir a real utilização do sistema desenvolvido, foi criado um
painel de fácil interação pelo Excel. Na qual o usuário deve entrar com quais clientes
deve visitar e acionar o Solver. A imagem do Painel pode ser vista na Figura 13.
Figura 14 - Painel

Fonte: Autores (2022)

5. CONCLUSÃO
Através do tratamento e posteriormente análise dos dados, foi possível
demonstrar qual seria a melhor rota para a equipe ter realizado através do modelo
do caixeiro viajante.
A incorporação da programação em Solver permitiu uma interface de fácil
manuseio e que com apenas um clique no botão geraria uma rota ótima. Essa
ferramenta não trará custos adicionais para a empresa, pois o Microsoft Excel pode
ser utilizado de forma gratuita.
Ainda, ambos os modelos conseguem satisfazer o problema, encontrando a
rota ótima. No entanto, o Modelo 2 tem a vantagem de ser variável. Por outro lado, o
modelo 1 possui menos restrições.
Como recomendação de estudos futuros, sugere-se ter maior quantidade de
locais no painel, uma vez que o Solver do Excel só permite no máximo 6 pontos, por
conta da limitação de células que podem ser selecionadas como variáveis e o limite
de restrições que podem ser adicionadas.

21
6. REFERÊNCIAS

CAIXETA-FILHO, José Vicente, MARTINS, Ricardo Silveira, (Org.). Gestão Logística

do Transporte de Cargas. Atlas, 2002.

CASTIGLIONI, José Antonio Mattos. Logística Operacional - Guia Prático, 3rd

edição. Érica, 2013.

COLIN, Emerson C. Pesquisa Operacional - 170 Aplicações em Estratégia,

Finanças, Logística, Produção, Marketing e Vendas, 2ª edição. Atlas, 2017.

CORRAR, LUIZ J.;THEÓPHILO, CARLOS RENATO;BERGMANN, DANIEL REED.

Pesquisa Operacional para decisão em contabilidade e administração. São Paulo:
Atlas, 2007.

ENOMOTO, LEANDRO MINORU. Análise da Distribuição Física e Roteirização de

um Atacadista do Sul de Minas Gerais. Dissertação (Mestrado) – Universidade
Federal de Itajubá. 2005.

GELLERT, W.; GOTTWALD, S.; HELLWICH, M.; KASTNER, H.; KUSTNER, H. The
VNR Concise Encyclopedia of Mathematics, 2nd ed., ch. 12. New York, 1989.

GOLDBARG, Marco César; LUNA, Henrique Pacca L. Otimização combinatória e

programação linear: modelos e algoritmos. Rio de Janeiro. Campus, 2000.

HILLIER, Frederick S., LIEBERMAN, Gerald J. Introdução à Pesquisa Operacional.

AMGH, 2013

JAMILSON, Marcone. Otimização Combinatória. Disponível em: Acesso em: 26 abr.

2022.

KARP, R. M. On the Computational Complexity of Combinatorial Problems, Networks

5, 45- 68, 1975.

LACHTERMACHER, Gerson. Pesquisa Operacional na tomada de decisões, 5ª

edição. LTC, 2016

LOESCH, Cláudio, HEIN, Neslon. Pesquisa Operacional - fundamentos e modelos.

Saraiva, 2008.
22
LONGARAY, André Andrade. Introdução à Pesquisa Operacional. Saraiva, 2013.

MARQUES, Carlos Alberto et al. A tecnologia de identificadores de rádio freqüência

na logística interna industrial: pesquisa exploratória numa empresa de usinados para
o setor aeroespacial. Revista GEPROS, v. 2, n. 2, p. 109, 2009.

MOREIRA, Daniel A. Pesquisa Operacional: Curso Introdutório, 2nd edição.

Cengage Learning Editores, 2010.

PAOLESCHI, Bruno. Logística Industrial Integrada - Do Planejamento, Produção,

Custo e Qualidade à Satisfação do Cliente, 3rd edição. Érica, 2011.

PASSOS, E.J. Programação Linear como Instrumento da Pesquisa Operacional. São

Paulo: Atlas, 2008.

RAYMUNDO, E. A., GONÇALVES, L. W. N., & RIBEIRO, N. S.. Pesquisa

operacional na tomada de decisão: modelo de otimização de produção e
maximização do lucro. 2015.

REINELT, G. The Traveling Salesman – Computational Solutions for TSP

Applications. Berlin: SpringerVerlag. 1994.

SOUSA, Paulo Teixeira de et al. Logística interna: modelo de reposição

semi-automático de materiais e suprimentos-um estudo de caso no SESC. 2002.

ZAVALA, C.Q., ALMEIDA, V. N., SAYURI, L. U. W., & LINO, C. M. P. C.. Aplicação do
Problema do Caixeiro Viajante para Otimização das Rotas de uma Empresa de
Doces. 2018.

23