Escolar Documentos
Profissional Documentos
Cultura Documentos
net/publication/345777394
CITATIONS READS
0 189
3 authors, including:
All content following this page was uploaded by Eduardo Pestana de Aguiar on 12 November 2020.
Hugo Campbel
Departamento de Engenharia Industrial, PUC-Rio, Brasil
Rua Marquês de São Vicente, 225 RDC – Gávea – Rio de Janeiro / RJ
hugo.campbel@engenharia.ufjf.br
Rafael Martinelli
Departamento de Engenharia Industrial, PUC-Rio, Brasil
Rua Marquês de São Vicente, 225 RDC – Gávea – Rio de Janeiro / RJ
martinelli@puc-rio.br
Eduardo Aguiar
Departamento de Engenharia de Produção e Mecânica, UFJF, Brasil
Rua José Lourenço Kelmer, s/n - Campus UFJF - Juiz de Fora / MG
eduardo.aguiar@engenharia.ufjf.br
RESUMO
O uso de ferramentas de otimização destaca-se como um relevante diferencial para as
empresas no que tange a otimização de processos e melhoria de sistemas e performances. Neste
contexto, a busca por modelos de programação simples e eficazes para a resolução dos problemas
contribuem para adaptação de modelos existentes para atender a esta crescente demanda. O presente
artigo tem como objetivo realizar o planejamento da distribuição de materiais de manutenção em
uma malha ferroviária com o menor custo operacional viável. Para isto, o problema é modelado
como um problema de programação inteira mista e busca tornar o processo mais eficiente, com
redução de desperdı́cios e otimização dos recursos. Os resultados obtidos indicam que o modelo
é eficiente em tempo e qualidade de solução quando comparado com o atual, apresentando uma
redução de 20% nos custos totais de distribuição.
ABSTRACT
The use of optimisation tools represents a relevant advantage to companies when it
comes to improving processes, systems and performance. In this context, the search for simple and
effective programming models for problem solving contributes to the adaptation of existing models
to attend this increasing demand. The present article aims to plan the distribution of maintenance
equipment in a railway with the best feasible operating cost. Therefore, the issue is presented as
a mixed-integer programming problem and aims at making the process more efficient with waste-
reduction and improvement of resources. The obtained results point out that the model is effective
both in terms of solution time and quality when compared to the current one, indicating a 20%
decrease in the total distribution costs.
• Pátios: são locais ao longo da malha ferroviária com duas ou mais linhas cujo objetivo é
desviar trens, realizar manobras, realizar carga ou descarga de material;
• Trechos: são pontos de ligação da malha, com origem e destino definidos, que podem con-
templar pátios e entre-pátios;
• Trem: é definido pelo conjunto de locomotivas e vagões associados com uma rota definida.
Durante a formação de um trem, ele é associado a uma rota e, consequentemente, fica restrito
a este trajeto, não sendo possı́vel circular por rotas alternativas.
• Dormentes: são peças colocadas transversalmente aos trilhos férreos com o objetivo de ga-
rantir a bitola da via (distância entre os trilhos), transmitindo os esforços do trilho para o
lastro. Os dormentes geralmente são compostos por madeira, mas também podem ser de aço,
concreto ou polı́mero;
• AMV: Os aparelhos de mudanças de via (AMV) são responsáveis por permitir que um trem
circule de uma linha para outra. Eles são compostos basicamente por Meia Chaves, Jacarés e
Contra-trilhos.
• Jacaré: Parte principal do AMV, o jacaré permite às rodas dos veı́culos ferroviários passar de
uma via para os trilhos da outra. Esta peça desgastam-se muito mais do que qualquer outro
componente da ferrovia e sua composição é de aço de alto carbono.
• Meia Chave: É um dos componentes do AMV, cuja função é variar a direção dos veı́culos.
Composta por agulha, trilho de encosto de agulha, escoras laterais, placas de apoio bitoladora
e de deslizamento, barra de conjugação e aparelho de manobra. É comum a subdivisão em
meia chave direita e meia chave esquerda.
• Vigotas: As vigotas são dormentes com dimensões maiores (variando entre 3,0 e 5,4 metros),
aplicadas em região de AMV’s.
• PCM: Área responsável pelo Planejamento e Controle da Manutenção, desdobrada nos se-
guintes setores: Malha Ferroviária, Material Rodante, Produtividade e Inovação e Materiais.
O setor de PCM Malha é responsável pela construção do Plano de Manutenção.
• Estaleiro de Soldas: É o local responsável por realizar a soldagem de trilhos longos (240 me-
tros) e meia chaves, com o objetivo de garantir que os itens estejam dentro das especificações
para aplicação na ferrovia. Este local também prepara os trilhos utilizados na fabricação de
meia chaves, contra-trilhos e jacarés para envio ao fornecedor.
Conforme mencionado acima, o modo utilizado para distribuição dos materiais ainda é
muito dependente do transporte rodoviário, o que incrementa os custos da operadora logı́stica, além
de estar regida pelas limitações e caracterı́sticas das rodovias. Em resumo, o processo atual acontece
de maneira fragmentada, sem padrão no planejamento demandado e envolve alto volume de recursos
necessários (equipagem, locomotivas e vagões).
Outro fator relevante deste processo é que, devido ao significativo volume de material
transportado, a grande quantidade de destinos (ao todo a malha possui 20 coordenações de via) e a
baixa capacidade de transporte das carretas, a distribuição dos materiais não permite o planejamento
prévio ao longo do trimestre; isso aumenta ainda mais o volume de viagens realizadas. Esta carac-
terı́stica engessa o modelo de manutenção, pois algumas atividades crı́ticas emergenciais não podem
ser realizadas devido à falta do material na coordenação. Além disso, como o transporte ferroviário
fica a cargo das coordenações, cada uma deve ter um trem (formado por uma locomotiva e três
vagões) para posicionamento dos materiais ao longo do trimestre. Este alto dimensionamento de re-
cursos, muitas vezes, não está alinhado de forma estratégica, e atividades de rotina da coordenação
acarretam em atrasos no posicionamento e, consequentemente, na postergação de manutenção em
determinados locais. Todas essas caracterı́sticas e particularidades apresentadas dificultam o plane-
jamento de manutenção, o sequenciamento das atividades e, consequentemente, elevam os custos
de manutenção.
Com base nestes problemas discutidos, o novo modelo proposto tem por base o transporte
ferroviário para a distribuição dos materiais de uma forma otimizada, com redução de recursos
e ganho de produtividade. Este modelo melhora a eficiência logı́stica e auxilia na redução dos
custos operacionais de distribuição e posicionamento de materiais para a manutenção da via. Sua
caracterı́stica principal de entrega é que toda a logı́stica de material dos fornecedores seja feita
até os almoxarifados, e não mais até as coordenações. Dessa forma, a empresa irá sequenciar o
atendimento da demanda, minimizando os custos totais por meio da geração de trens, que sairão
carregados dos almoxarifados (origem) e serão descarregados nos pontos de manutenção (destinos)
ao longo da malha ferroviária. Após a descarga completa, o trem retorna ao almoxarifado para dar
sequência ao ciclo de distribuição, priorizando os locais, conforme modelo de otimização.
3. Formulação Matemática
O problema a ser formulado tem por objetivo minimizar o custo logı́stico no transporte
de material por meio do atendimento da demanda através da ferrovia. Este problema leva em
consideração o custo do trem carregado assim como o custo da tara do trem vazio, a distância
percorrida e a quantidade de carga que passa em determinado trecho por um trem, em especı́fico.
O desafio da formulação está em apresentar um modelo inicial que atenda a demanda de
cada item para um determinado local, por meio de trens de serviço que otimizem as paradas dentro
de uma rota logı́stica pré-definida pelo fluxo operacional da malha ferroviária. Dessa forma, o
objetivo do modelo é minimizar o custo total de transporte através do sequenciamento da demanda
para cada local.
Inicialmente, para a construção do modelo, alguns parâmetros foram determinados como,
por exemplo, a capacidade máxima de transporte de um trem. Esta capacidade (Q) possui um
valor fixo devido a padronização dos tamanhos dos trens (2 locomotivas e 6 vagões). Além disso,
o modelo será testado para cada um dos três almoxarifados separadamente, a fim de facilitar as
análises e conclusões por região.
O problema é modelado como um problema de Programação Inteira Mista (MIP) com
base em um modelo de fluxo com múltiplos produtos. Para isso, foram adicionadas várias restrições
visando garantir a conservação do fluxo de demanda e do fluxo de trens e atingir uma maior proxi-
midade com o problema real encontrado pela empresa.
Seja I o conjunto de itens a serem atendidos, K o conjunto de trens disponı́veis para aten-
dimento da demanda, P o conjunto de pontos da malha e T o conjunto de trechos, arcos orientados
de um grafo que ligam estes pontos (formando origem e destino). Baseando-se no modelo de fluxo
com múltiplos produtos, as primeiras variáveis criadas são os fluxos de demanda ftik , que indicam
a quantidade de cada item i que passa no trecho t da malha atendida pelo trem k. As primeiras
restrições, compostas por estas variáveis, determinam que, dado um ponto p da malha ferroviária
que não representa nem uma origem e nem um destino da demanda, a quantidade do item que entra
naquele ponto deve ser igual a quantidade do item que sai pelo mesmo ponto. Esta caracterı́stica in-
dica a conservação do fluxo de demanda, ou seja, só haverá alteração caso o ponto p em questão seja
um ponto de destino e essa diferença existente entre a quantidade de fluxo que entra no ponto δ + (p)
e a quantidade de fluxo que sai do mesmo ponto δ − (p) é a quantidade de demanda atendida wpi k do
item i naquele ponto p por um determinado trem k. É importante destacar que estas restrições de
fluxo não são aplicadas para o almoxarifado, representado no modelo como o ponto p = 0. Com
essas duas variáveis, surgem as primeiras restrições do problema:
X X
ftik − ftik = wpi
k
∀k ∈ K, p ∈ P \{0}, i ∈ I (1)
t∈δ + (p) t∈δ − (p)
X X
ftik = k
wpi ∀k ∈ K, i ∈ I (2)
t∈δ − (0) p∈P
Embora as restrições apresentadas acima garantam a conservação de fluxo de demanda,
elas não garantem os fluxos dos trens, sejam eles carregados ou vazios. Dessa forma, se faz ne-
cessária a criação de outras restrições para garantir este fluxo. Com base neste problema, as
variáveis xkt são criadas, representando se o trem k é transportado pelo trecho t. Essas variáveis
assumem um valor binário, onde 1 indica que o trem é transportado pelo determinado trecho da
malha ferroviária e 0, caso contrário. Além disso, estas variáveis não diferenciam se os trens estão
carregados ou vazios, podendo representar ambos. É importante destacar que os trens devem sem-
pre ficar na malha, ou seja, se o trem entra em determinado trecho, ele também deve sair deste
determinado trecho. Logo, a diferença de trens para um mesmo ponto p pertencente ao trecho t
sempre deve ser nula, indicando a circulação operacional daquele trem.
X X
xkt − xkt = 0 ∀k ∈ K, p ∈ P (3)
t∈δ + (p) t∈δ − (p)
Todas as restrições descritas acima servem apenas para definir as caracterı́sticas dos flu-
xos, seja de demanda ou de trens, presentes no modelo. Entretanto, elas não limitam a quantidade
de cada demanda que será atendida e, por isso, é necessário criar restrições com esta finalidade.
Assim, as restrições de atendimento máximo da demanda podem ser definidas como o valor das
variáveis de demanda de cada item no ponto p para todo trem k e limitada à quantidade (em tonela-
das) demandada deste item neste ponto.
X
k
wpi = qpi ∀p ∈ P, i ∈ I (4)
k∈K
Cada trem possui uma capacidade máxima, em toneladas, que indica o peso total máximo
permitido de carga para este trem (Qk ). Sendo assim, o volume do fluxo de demanda dos itens no
trecho t pelo trem k deve ser limitado a esta capacidade máxima. Vale lembrar que se o trecho não
é um trecho viável para este trem, seu valor de demanda será nulo.
X
ftik ≤ Qk xkt ∀k ∈ K, t ∈ T (5)
i∈I
Por fim, é preciso incluir as restrições que garantem que o trem k saia no máximo uma
vez do almoxarifado.
X
xkt ≤ 1 ∀k ∈ K (6)
t∈δ − (0)
sujeito a:
X X
ftik − ftik = wpi
k
∀k ∈ K, p ∈ P \{0}, i ∈ I (8)
t∈δ + (p) t∈δ − (p)
X X
ftik = k
wpi ∀k ∈ K, i ∈ I (9)
t∈δ − (0) p∈P
X X
xkt − xkt = 0 ∀k ∈ K, p ∈ P (10)
t∈δ + (p) t∈δ − (p)
X
k
wpi = qpi ∀p ∈ P, i ∈ I (11)
k∈K
X
ftik ≤ Qk xkt ∀k ∈ K, t ∈ T (12)
i∈I
X
xkt ≤ 1 ∀k ∈ K (13)
t∈δ − (0)
ftik ≥ 0 ∀k ∈ K, t ∈ T, i ∈ I (14)
k
wpi ≥0 ∀k ∈ K, p ∈ P, i ∈ I (15)
xkt ∈ {0, 1} ∀k ∈ K, t ∈ T (16)
Além das restrições apresentadas, as restrições (14) - (16) são os domı́nios das variáveis
ftik e k,
wpi que possuem valores positivos ou iguais a zero, e da variável binária xkt .
4. Resultados Experimentais
Para a realização dos testes experimentais de implementação do modelo, foi utilizada a
base de dados do Plano Trimestral de Via. Esta base de parâmetros fornece, por exemplo, os locais
necessários para descarga dos itens, a distância entre estes pontos e a quantidade de cada item
demandado para cada local. Através dela, é possı́vel obter também, qual almoxarifado é responsável
por atender um local especı́fico, permitindo segregar os dados conforme atendimento.
Os testes foram realizados para um dos três almoxarifados existentes em dois perı́odos,
correspondente ao 1o e 2o Trimestres de 2020, a fim de facilitar a interpretação dos resultados e o
comparativo com o modelo atual de distribuição de material. Como há similaridade entre todos os
almoxarifados, alterando apenas os pontos de descarga, sua aplicabilidade pode ser estendida para
qualquer caso. O almoxarifado analisado (descrito no modelo como o ponto p = 0) está localizado
no estado de Minas Gerais e atende a 39% das coordenações de via, que correspondem a 42% da
demanda total.
O modelo foi implementado utilizando a linguagem de programação Julia, rodando o
solver da biblioteca Gurobi, utilizando as configurações padrões. O computador utilizado possui
um processador Intel Core i5 1,80GHz e 8GB de memória RAM, com um sistema operacional
Windows 10 de 64 bits. O software Julia gerou um modelo de Programação Inteira Mista (MIP)
com soluções ótimas para o perı́odo em questão.
Os resultados foram obtidos com menos de 60 segundos, assumindo um GAP de 0,17%
para o perı́odo 1 e 0,21% para o perı́odo 2. Porém, o tempo de processamento foi limitado em 1
Perı́odo Variáveis V. Inteiras Restrições GAP
1 17.325 3.975 544.328 0,1691%
2 18.750 4.575 562.439 0.2171%
Tabela 1: Resultados experimentais dos testes
hora (3600 segundos) para garantir que a solução encontrada é a ótima. Os resultados referentes a
quantidade de variáveis e restrições por perı́odo estão compreendidos na Tabela 1.
Para comparação dos resultados obtidos no modelo com o processo atual de distribuição
de material, foram utilizados dois indicadores: custo de distribuição por coordenação e custo total
de distribuição. O custo de distribuição por coordenação é um indicador que analisa quanto custa,
em média, distribuir o material nos locais de demanda de uma determinada coordenação de via. O
modelo mostra que, em todas as 7 coordenações analisadas, houve redução dos custos, variando
entre 8 e 35% no Perı́odo 1 e entre 10 e 36% no Perı́odo 2, conforme gráfico abaixo (Figura 1). A
redução é mais significativa nas coordenações mais próximas do almoxarifado, visto que os custos
são diretamente proporcionais à distância percorrida, ou seja, quanto mais próxima do almoxari-
fado, menor os custos de distribuição para esta coordenação. Como a demanda varia conforme
necessidade de manutenção de cada local, este indicador precisa ser analisado trimestralmente com
base na demanda referente àquele perı́odo.
36%
35% 35%
33%
28%
24%
22%
21%
19%
16%
15%
13%
10%
8%
5. Conclusão
Este trabalho discutiu o problema de planejamento da distribuição de materiais em uma
malha ferroviária e apresentou um modelo de formulação matemática para sua resolução. Através
do modelo, foi possı́vel obter uma solução ótima que minimiza os custos logı́sticos deste processo.
Se comparado com o modelo atual, o novo modelo é cerca de 20% mais econômico, para o almo-
xarifado considerado nos testes.
Os resultados do estudo, embora preliminares, foram satisfatórios, considerando o limite
de escopo, as premissas assumidas e a qualidade dos dados disponibilizados. O estudo de caso
em questão alocou os itens de manutenção conforme capacidade dos trens, custos de transporte e
quantidade demandada por local. A principal contribuição deste estudo é abordar uma nova visão
de distribuição dos itens de manutenção, utilizando melhor o transporte ferroviário, a capacidade
dos trens e minimizando os custos com fretes rodoviários.
Como próximos passos, o modelo deve ser testado também para os demais almoxarifados,
a fim de possibilitar a comparação do processo como um todo. Além disso, é preciso que o modelo
seja testado considerando diferentes tipos de itens e diferentes tamanhos de trens, o que permitirá
obter análises relevantes e mais concretas.
Acredita-se que, com possı́veis melhorias propostas, o modelo desenvolvido possa ser
aplicado para otimização em diversas empresas do setor ferroviário. Uma continuação deste estudo
poderia explorar a definição do tamanho ótimo dos trens e a localização ótima dos almoxarifados,
de forma a garantir a otimização total do processo de distribuição de materiais por ferrovia.
6. Agradecimentos
O presente trabalho foi realizado com apoio do Conselho Nacional de Desenvolvimento
Cientı́fico e Tecnológico (CNPq), processos 313521/2017-4, 425962/2016-4 e 433389/2018-4, da
Coordenação de Aperfeiçoamento de Pessoal de Nı́vel Superior - Brasil (CAPES) - Código de Fi-
nanciamento 001, da Fundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG) -
APQ-02922-18, da Pontifı́cia Universidade Católica do Rio de Janeiro (PUC-Rio) e da Universi-
dade Federal de Juiz de Fora (UFJF).
Referências
Ahuja, R. K., Liu, J., Orlin, J. B., Sharma, D., e Shughart, L. A. (2005). Solving real-life
locomotive-scheduling problems. Transportation Science, 39(4):503–517.
Branco Filho, G. (2008). A Organização, o planejamento eo controle da manutenção. Ciência
Moderna.
Campos, L. B., Pompermayer, F. M., e Cruz, M. (2008). Modelo de otimização aplicado ao pla-
nejamento do transporte ferroviário de carga. In Anais do XV Congresso Pan-Americano de
Engenharia de Trânsito e Transporte.
Caprara, A., Fischetti, M., e Toth, P. (2002). Modeling and solving the train timetabling problem.
Operations research, 50(5):851–861.
Caprara, A., Fischetti, M., Toth, P., Vigo, D., e Guida, P. L. (1997). Algorithms for railway crew
management. Mathematical programming, 79(1-3):125–141.
Cordeau, J.-F., Laganà, D., Musmanno, R., e Vocaturo, F. (2015). A decomposition-based heuristic
for the multiple-product inventory-routing problem. Computers & Operations Research, 55:153–
166.
Cordeau, J.-F., Toth, P., e Vigo, D. (1998). A survey of optimization models for train routing and
scheduling. Transportation science, 32(4):380–404.
Fukasawa, R. (2002). Resolução de problemas de logı́stica ferroviária utilizando programação
inteira (master’s thesis). Departamento de Engenharia Elétrica, Pontifı́cia Universidade Católica
do Rio de Janeiro, Rio de Janeiro.
Ilos (2012). Ilos. http://ilos.com.br/custos-logisticos-na-economia-bras/.
Acessado: 2020-05-20.
Kocjan, W. (2001). Heuristic methods for routing and scheduling.
Martinelli, R., de Aragão, M. P., e Reis, M. (2008). Modelos para o planejamento tático para
ferrovias. In Anais do XL SBPO, p. 744–755, Rio de Janeiro. SOBRAPO.
Meireles, R. (2010). Modelagem e simulação da malha ferroviária em circuito fechado da estrada de
ferro vitória a minas. Graduate Course of Civil Engineering, Universidade Federal do Espı́rito
Santo, Vitória, Brasil.
Pereira, O. C. (2009). Soluções de otimização da eficiência energética de uma ferrovia de carga.
PhD Thesis.