XXXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO

“A Engenharia de Produção e suas contribuições para o desenvolvimento do Brasil”

Maceió, Alagoas, Brasil, 16 a 19 de outubro de 2018.

RESOLUÇÃO DO PROBLEMA DE P-
CENTROS DENTRO DE UMA EMPRESA
DE SEGURANÇA PRIVADA DA
GRANDE FLORIANÓPOLIS
Guilherme Silveira Losso
guilhermeslosso@gmail.com
Marisa Nilson
isanilson80@gmail.com
Gabriela Begnini
gabegnini@gmail.com
Arthur Henrique Ferreira Pereira
arthur.hfp@gmail.com
Nicolas Ferreira Keunecke
nicolaskeunecke7@gmail.com

O Brasil vive um momento de insatisfação com a segurança pública.

Diversos habitantes consideram a situação e serviços da polícia como
insuficientes. Esta insatisfação vem favorecendo o crescimento de
empresas do setor de segurança privada e, para que este crescimento
se mantenha, estas empresas devem prezar para que seus serviços
tragam confiança aos seus clientes. Uma maneira de garantir isto é
obter um melhor posicionamento de seus veículos de atendimento. O
presente trabalho buscou resolver o problema de localização de
instalações em uma empresa da Grande Florianópolis, tratando-o
como um problema de p-Centros. Um algoritmo foi elaborado para
esta resolução e os resultados foram avaliados baseados em critérios
de distância máxima entre a viatura e um possível cliente e em
critérios de deslocamentos médios e economias de custos de
deslocamento.

Palavras-chave: P-Centros, Facilities Location Problems (FLP),

Pesquisa Operacional, Programação binária, otimização
 XXXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e suas contribuições para o desenvolvimento do Brasil”
Maceió, Alagoas, Brasil, 16 a 19 de outubro de 2018.
.

1. Introdução

Historicamente entre os problemas que afetam a sociedade do Brasil figura a falta de

confiança em relação à segurança pública, visto que aproximadamente metade da população
brasileira classifica como “péssima” a situação da mesma (CONFEDERAÇÃO NACIONAL
DA INDÚSTRIA, 2017). Esta falta de confiança, aliada ao aumento das taxas criminais,
favorece o crescimento do mercado dos serviços de segurança privada (ZANETIC, 2009).

De acordo com dados da Federação Nacional das Empresas de Segurança Privada – Fenavist,
em 2013 o cenário brasileiro tinha 2282 empresas do setor de segurança privada, sendo que
dez anos antes, em 2002, este número era de 1386. Ainda sobre os dados do setor, em 2012,
as empresas do segmento movimentaram cerca de 36 bilhões de reais, e empregavam
aproximadamente 700 mil pessoas, destes em torno de 640 mil vigilantes (FENAVIST, 2014).

Neste cenário, de modo a proporcionar um bom atendimento à população, e manter o

crescimento do mercado, as empresas de segurança privada devem buscar a otimização de
seus serviços, de modo a garantir maior confiabilidade por parte de seus clientes, ao mesmo
tempo em que mantêm seus custos em um nível adequado. Neste contexto, a motivação para a
realização deste trabalho residiu em formular um problema matemático para melhorar a
alocação de veículos para uma empresa de segurança privada.

2. Referencial teórico
2.1 Problema de localização de facilidades
De acordo com Simchi-Levi, Chen e Bramel (1997), um dos aspectos mais importantes da
logística consiste na localização de instalações. A decisão de onde instalar uma facilidade
para atender um dado conjunto de demanda, considerado algum critério, é conhecido como
Problema de Localização de Instalações (FLP). Estes problemas podem ser divididos em dois
tipos, problemas de cobertura e problemas de localização de medianas (ARAKAKI;
LORENA, 2006).

2
 XXXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e suas contribuições para o desenvolvimento do Brasil”
Maceió, Alagoas, Brasil, 16 a 19 de outubro de 2018.
.

De acordo com Corrêa, Lorena e Ribeiro (2009), as facilidades são centros que fornecem um
determinado tipo de serviço. Elas podem ser de diversos tipos, como roteadores de
transmissão, pontos de transbordo, hospitais, centros de distribuição e viaturas de atendimento
(ESPEJO; MARÍN; RODRÍGUEZ-CHÍA, 2015).

A resolução do FLP para um caso de serviços emergenciais pode ser modelada como um
problema de p-Centros (ELSHAIKH et al., 2016). Diferentemente dos problemas de
localização de medianas, onde o objetivo principal consiste em minimizar os custos de
transmissão, o objetivo do problema de p-Centros consiste em localizar “p” facilidades, de
modo que a distância máxima entre uma facilidade e um ponto de demanda por ela atendido
seja minimizada (CHRISTOFIDES, 1975). A formulação matemática do problema de p-
Centros é explicitada abaixo, por meio de uma adaptação de Cirino (2016):

Sujeito a:

Onde:
 é a máxima distância entre os nós de demanda e o local onde a facilidade foi

instalada
 é a matriz, simétrica ou assimétrica, de distâncias, ou de custos.

3
 XXXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e suas contribuições para o desenvolvimento do Brasil”
Maceió, Alagoas, Brasil, 16 a 19 de outubro de 2018.
.

 é o número de centros que se deseja localizar e é o número de pontos considerados

no sistema.
 é uma variável binária e possui valor de 1 caso faça parte da solução e caso

contrário, 0.
 é igual a 1 caso a demanda seja atendida pelo centro localizado em e caso

contrário, 0.
 e são vértice de um grafo

Uma extensão deste problema é o Problema de p-Centro Ponderado. Sendo visto como uma
forma de priorização para determinados clientes, por meio da ponderação dos vértices
baseados na sua demanda (CUNHA, 2006), ou por um critério de importância qualquer
(CHRISTOFIDES, 1975).

Outra variação do problema consiste em buscar a localização de p-Centros sendo que estes
podem encontrar-se não apenas em vértices, mas também em arestas de um grafo. Hakimi
(1964) propôs um método para a resolução desta variação.

Para a resolução do problema de p-Centros com uma única facilidade, também chamado de
problema de 1-Centro, é suficientemente necessário descobrir o outcentre de um dado grafo
G. O outcentre é o vértice do grafo G, cuja máxima distância é a mínima dentre todas as
máximas distâncias dos outros vértices do grafo (CHRISTOFIDES, 1975). Ou seja, a partir
deste ponto, a distância máxima para quaisquer outros pontos do grafo é minimizada,
obtendo-se assim, o melhor resultado para o pior caso.

3. Metodologia
3.1 Coleta e análise de dados
O estudo iniciou com a coleta dos dados referentes à quantidade, alocação e área de cobertura
das viaturas. A empresa possui 8 viaturas distribuídas em 6 regiões de atendimento,

4
 XXXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e suas contribuições para o desenvolvimento do Brasil”
Maceió, Alagoas, Brasil, 16 a 19 de outubro de 2018.
.

denominadas pela empresa por: Sul da Ilha, Norte da Ilha, Jardim Anchieta, Lagoa, Centro e
Florianópolis Continental. Todas as regiões são atendidas por apenas uma viatura, exceto
Florianópolis Continental, a qual possui 3 viaturas localizadas permanentemente na sede da
empresa, na cidade de São José.

Estas 6 regiões atendidas pela empresa contemplam tanto a área insular quanto a continental
do município de Florianópolis, e estende-se ainda aos municípios vizinhos de Palhoça,
Biguaçu e São José. Para facilitar a implementação dos algoritmos de resolução do problema
de P-Centros a região de Florianópolis Continental foi subdividida em 3 sub-regiões: rotas 1,
2 e 3, as quais são atendidas, cada uma, por uma viatura.

Logo, considerada a divisão feita para a região da Florianópolis Continental, as 6 regiões

iniciais foram reorganizadas em 8 regiões de atendimento. Além dos dados mencionados, foi
necessário um relatório de média de ocorrências mensais por região e custo por quilômetro
rodado dos veículos, para que posteriormente pudesse ser calculada a economia com a
realocação das viaturas.

Os dados referentes à área de cobertura das viaturas foram disponibilizados em uma lista com
os endereços de todos os clientes da região. Para reduzir o esforço computacional na execução
dos algoritmos foi adotado o procedimento de setorização dos endereços, os mesmos foram
agrupados por bairros, o que e diminuiu os pontos de demanda de 680 (média de endereços
por região) para 20 (média de bairros por região).

Como será explanado no tópico seguinte, o primeiro algoritmo elaborado constrói uma matriz
de distâncias entre todos os pontos de demanda de uma região, logo se uma região R é
composta por n endereços, a matriz de distâncias de R possui dimensão n x n. Portanto, a
“clusterização” dos endereços permite redimensionar uma matriz de 462.400 distâncias para
uma matriz de 400 distâncias. Dado à proximidade geográfica dos pontos pertencentes a um
mesmo bairro a otimalidade do resultado pouco se altera com o processo de “clusterização”, o
que justifica a adoção deste.

3.2 Definição do algoritmo

5
 XXXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e suas contribuições para o desenvolvimento do Brasil”
Maceió, Alagoas, Brasil, 16 a 19 de outubro de 2018.
.

A matriz de distâncias foi obtida por meio da elaboração de um algoritmo na linguagem

Python que realiza a comunicação entre o Google Maps e o hardware, gerando uma matriz de
distâncias rodoviárias assimétrica, ou seja, a distância de ida não necessariamente é igual à
distância de volta. O pseudocódigo dos algoritmos encontra-se na Figura 1.

Figura 1 – Pseudocódigo da matriz de distâncias

Fonte: Dos autores

Para a resolução do problema optou-se por localizar 1-Centro dentro de cada uma das 8
regiões de atendimento da empresa ao invés de localizar 8 centros dentro da região da Grande
Florianópolis. Isto foi uma solicitação da empresa, visto que a mesma não possuía interesse
em alterar as zonas que cada viatura iria atender. O algoritmo de localização do centro em
cada região aproveita a estrutura gerada pelo algoritmo da matriz de distâncias acima
mencionado. A partir da matriz, cada vértice a ser atendido é ponderado tendo por base a
clusterização pelo número de clientes, o que gera a matriz de distâncias ponderada.

Por fim, o algoritmo lê cada linha da matriz e extrai o maior valor a partir de cada uma das
possíveis localizações do centro, trazendo então, o pior caso para cada uma das possibilidades
de alocação da viatura. Em seguida, o algoritmo lê este vetor coluna com as maiores
distâncias e localizava a mínima dentre elas, como resultado traz o bairro no qual a viatura

6
 XXXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e suas contribuições para o desenvolvimento do Brasil”
Maceió, Alagoas, Brasil, 16 a 19 de outubro de 2018.
.

deveria ser localizada para a minimização da distância máxima. O pseudocódigo, elaborado

pela ferramenta Bizagi, deste algoritmo encontra-se na Figura 2:

Figura 2 – Pseudocódigo do algoritmo de P-Centros

Fonte: Dos autores

4. Resultados
Os resultados para todas as zonas de atendimento foram comparados com a situação atual da
empresa e buscou explicitar qual a redução da distância máxima. Além disso, considerado os
bairros de cada zona, foi calculado também um indicador de redução da distância média
percorrida pela viatura na posição sugerida pelo resultado do problema de 1-Centro, de modo
a trazer um comparativo em questões de custo. A Tabela 1 mostra o compilado com todos os
resultados e localizações sugeridas para as viaturas.

Tabela 1 – Resultados e localizações sugeridas para as viaturas

Variação na distância Variação na distância

Rota Nova Localização
máxima [km] média [km]

Norte Vargem Grande 8,94 3,44

Sul Morro das Pedras 6,40 4,7

Jardim Anchieta João Paulo 3,78 -2,2

Centro Morro da Cruz 1,43 0,46

7
 XXXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e suas contribuições para o desenvolvimento do Brasil”
Maceió, Alagoas, Brasil, 16 a 19 de outubro de 2018.
.

Lagoa Retiro da Lagoa 1,50 2,72

Grande F São José – Matriz 0,00 0

lorianópolis - 1 Empresa

Grande Florianópolis - 2 Santos Dumont 0,44 -0,05

Grande Florianópolis - 3 São Pedro 3,18 1,57

Fonte: Dos autores

Entre os pontos relevantes a serem observados destaca-se a redução de distância percorrida.

Normalmente, os problemas de Centros tendem a piorar o resultado do somatório de
deslocamentos por priorizarem clientes longínquos. Entretanto, como demonstrado na Tabela
1, o resultado da resolução do problema de 1-Centro para cada bairro trouxe melhoria na
distância média percorrida para a maioria das zonas de atendimento, gerando, portanto, uma
redução dos custos de deslocamento nestas zonas.

Com os resultados de melhoria em deslocamentos e o custo do quilômetro rodado, fornecido

pela empresa, de R$ 0,13, foi possível calcular um ganho anual para cada rota. A Tabela 2
abaixo mostra os ganhos financeiros para cada uma das zonas de atendimento e, ao fim da
seção na Tabela 3, o ganho anual consideradas todas as zonas de atendimento da Grande
Florianópolis.

Tabela 2 – Ganho financeiro por zona de atendimento

Rota Nova Localização Variação nos custos operacionais

Norte Vargem Grande R$ 2516,84

Sul Morro das Pedras R$ 2228,93

Jardim Anchieta João Paulo -R$ 1633,63

Centro Morro da Cruz R$ 374,59

Lagoa Retiro da Lagoa R$ 585,56

Grande Florianópolis - 1 São José - Matriz Empresa R$ 0,00

Grande Florianópolis - 2 Santos Dumont -R$ 39,92

Grande Florianópolis - 3 São Pedro R$ 1104,59

Fonte: Dos autores

8
 XXXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e suas contribuições para o desenvolvimento do Brasil”
Maceió, Alagoas, Brasil, 16 a 19 de outubro de 2018.
.

Tabela 3 – Ganho anual de todas as zonas de atendimento

Economia anual R$ 5.136,96

Fonte: Dos autores

Por fim, considerados os dados levantados e os resultados obtidos, uma possível expansão
para este trabalho seria a de alocação de todos os centros (as oito viaturas) dentro de toda a
Grande Florianópolis, sem restringir às zonas atuais de atendimento. Ao resolver o problema
desta maneira, dá-se mais liberdade ao algoritmo, o que permite que o resultado global possa
ser melhor. Outro direcionamento possível, entretanto mais dispendioso, seria a modelagem
da Grande Florianópolis como um grafo não completo, o que permitiria assim uma
representação mais real da situação e, a partir disso, localizar e alocar as viaturas para resolver
o problema dos p-Centros absolutos.

Por fim, um último encaminhamento seria trabalhar de modo a resolver o problema de

localização de instalações, para tanto poderia ser utilizado critérios de probabilidade de
ocorrência de demandas, em vez do número de clientes, pois lugares com poucos clientes
podem ter uma taxa de ocorrências tão importante quanto locais com uma grande
concentração de clientes.

5. Conclusões
O presente trabalho apresentou uma metodologia para a resolução do problema de localização
de p-Centros em uma empresa de segurança privada da Grande Florianópolis. O trabalho teve
como etapas a coleta e análise de dados, desenvolvimento dos algoritmos, aplicação dos
algoritmos e análise de resultados. Os resultados obtidos se demonstraram válidos, visto que
para 87,5% das zonas de atendimento foram obtidos resultados melhores do que a situação
anterior, fator que contribui para reduzir a distância máxima entre a viatura e os clientes.
Ademais, as novas localizações também contribuíram para uma redução de custos de
deslocamento em aproximadamente 70% das zonas de atendimento, um resultado
normalmente não obtido na resolução de problemas de centros.

9
 XXXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e suas contribuições para o desenvolvimento do Brasil”
Maceió, Alagoas, Brasil, 16 a 19 de outubro de 2018.
.

REFERÊNCIAS

ARAKAKI, Reinaldo Gen Ichiro; LORENA, Luiz Antonio Nogueira. Uma heurística de localização-alocação
(HLA) para problemas de localização de facilidades. Production, v. 16, n. 2, p. 319-328, 2006.

CIRINO, Silvana. Modelo de p-medianas Hierárquico e Acessibilidade: Análise dos Hospitais Públicos de
Santa Catarina. Florianópolis: UFSC, 2016. 181 p. Tese (Doutorado) - Programa de Pós-graduação em
Engenharia de Produção. Universidade Federal de Santa Catarina, Florianópolis, 2016.

CHRISTOFIDES, Nicos. Graph Theory: An Algorithmic Approach. Londres: Academic Press, 1975.

CORRÊA, Francisco de Assis; LORENA, Luiz Antonio Nogueira; RIBEIRO, Glaydston Mattos. Novos
limitantes lagrangeanos para o Problema Probabilístico de Localização-Alocação de Máxima Cobertura
utilizando grafos de cobertura. Gestão & Produção, v. 16, n. 2, p. 260-272, 2009.

DA CUNHA, Claudio Barbieri. Contribuição à modelagem de problemas em logistica e transportes. 2006.

ELSHAIKH, Abdalla et al. An adaptive perturbation-based heuristic: An application to the continuous p-centre
problem. Computers & Operations Research, v. 75, p. 1-11, 2016.

ESPEJO, Inmaculada; MARÍN, Alfredo; RODRÍGUEZ-CHÍA, Antonio M. Capacitated p-center problem with
failure foresight. European Journal of Operational Research, v. 247, n. 1, p. 229-244, 2015.

IV ESSEG - ESTUDO DO SETOR DE SEGURANÇA PRIVADA - Federação Nacional das Empresas de

Segurança Privada – FENAVIST. Disponível em:
http://www.fenavist.com.br/static/media/essegs/IV_ESSEG.pdf Acesso: 05 de maio de 2018.

HAKIMI, S. Louis. Optimum locations of switching centers and the absolute centers and medians of a graph.
Operations research, v. 12, n. 3, p. 450-459, 1964.

RETRATOS DA SOCIEDADE BRASILEIRA: Segurança Pública. Brasília: Confederação Nacional da

Indústria - CNI, mar. 2017. Disponível em: https://static-cms-
si.s3.amazonaws.com/media/filer_public/7c/d5/7cd59272-ccfa-4a51-8210-
33c318969a42/retratosdasociedadebrasileira_38_segurancapublica.pdf Acesso: 20 de abril de 2018

SIMCHI-LEVI, David; CHEN, Xin; BRAMEL, Julien. The Logic of Logistics: Theory, Algorithms, and
Applications for Logistics and Supply Chain Management. Nova Iorque: Springer, 1997.

ZANETIC, André. Segurança privada: características do setor e impacto sobre o policiamento. Revista
Brasileira de Segurança Pública, [s.i], v. 3, n. 1, p.134-151, abr. 2009.

10