Escolar Documentos
Profissional Documentos
Cultura Documentos
Maria Pinheiro de Santana, Marcio José Dantas, Mariana de Oliveira Julião, Thaine Thais Mendonça Soares e Viviane Gomes da Silva Neves
1. INTRODUÇÃO
Conforme Hillier (2013), a pesquisa operacional é uma disciplina prática para resolver questões concretas, auxiliando na tomada de decisões estratégicas,
empregando conceitos que levam à redução de despesas, aprimoramento de trajetos e aumento de lucratividade. É um meio das empresas encontrarem
respostas para desafios intricados com o auxílio de equações e computações otimizando seus desfechos e potencializando seu rendimento.
A solução de problemas de roteirização e planejamento de veículos pode reduzir consideravelmente os gastos de transporte, proporcionando uma Figura 4 – Possível caminho (rota 3) Figura 5 – Possível caminho (rota 4)
economia bastante substancial tanto para a empresa distribuidora quanto para o consumidor final (ENOMOTO, 2005).
O propósito do trabalho é alcançar resultados satisfatórios na gestão da empresa analisada, utilizando a Pesquisa Operacional como fundamentação do
estudo, uma vez que ela pode ser aplicada em variados setores, como agências governamentais, instituições financeiras e sociais.
2 DESENVOLVIMENTO
A programação linear é uma técnica matemática amplamente utilizada na pesquisa operacional para resolver problemas de otimização nos quais as
relações entre as variáveis são lineares. Esses problemas envolvem a maximização ou minimização de uma função linear sujeita a um conjunto de
restrições lineares. (LACHTERMACHER, 2007).
Um problema de programação linear é composto por três elementos principais:
Função objetivo: É a expressão matemática que deve ser maximizada ou minimizada. Essa função é composta por uma combinação linear das variáveis
do problema, e seu objetivo é encontrar os valores dessas variáveis que otimizam essa função;
Restrições: São as limitações impostas ao problema que devem ser respeitadas. Essas restrições também são expressas como equações ou
desigualdades lineares envolvendo as variáveis do problema;
Variáveis de decisão: São as incógnitas do problema, cujos valores devem ser determinados para atingir a solução ótima. Essas variáveis representam
as quantidades a serem decididas ou controladas para alcançar os objetivos desejados.
Segue o modelo padrão ao lado:
A técnica do Método Simplex é amplamente empregada, pois tem a capacidade de Figura 6 – Representação em rede dos dados
Modelar os complexos problemas de decisão, e de produzir soluções rapidamente
(FORTES; MÜLLER; RIBEIRO, 2014).
2.1 Roteirização
A roteirização de veículos é fundamental na logística para otimizar tempo, custo e
qualidade do transporte. Ao analisar origem, destino, locais de entrega,
tempo necessário e capacidade da frota, é possível encontrar o melhor roteiro e
minimizar os custos. Sendo eficiente, evitam-se atrasos e garante-se um alto nível de
atendimento ao cliente. Diversas variáveis são consideradas, como dimensão e
peso da carga, número de clientes, trajeto e tempo de entrega (NOVAES, p. 283).
3 ESTUDO DE CASO
Para este estudo, utilizou-se o caso de uma empresa localizada na cidade de Jaboatão dos Guararapes-PE, onde o setor de “Last Mile” dessa
organização precisa entregar mercadorias em seus clientes fixos todos os dias no período da manhã, de forma que o objetivo é minimizar custos de
Fonte: Autores (2023)
entrega das mercadorias através de um problema de roteirização de transporte de um trajeto mais curto. Conjuntos e parâmetros: Nosso objetivo é minimizar o custo total das entregas. Portanto, a função objetivo:
4 DADOS DO PROBLEMA Conjunto de clientes: C = {1, 2, 3, 4} Minimizar: Σ(i∈C, j∈C) Custo[i, j] * X[i, j]
Efetuou-se o registro com dados e informações, visto que o veículo da empresa passa por três clientes para realizar a entrega, todos os dias, os quais Conjunto de veículos: V = {1,2} Restrições:
ficam em pontos distintos da cidade, tendo um custo em tempo e combustível. A Tabela 1 mostra as rotas percorridas pela empresária, ou seja, os pontos Capacidade máxima do veículo: 1000 Kg ou 1 ton Capacidade do veículo: A soma das quantidades de produtos entregues pelos
de interesse. A Matriz de distâncias: tendo um total de 284,3km. clientes deve ser menor ou igual à capacidade máxima do veículo:
A Matriz de custos: Custo[i, j] (representa o custo de entregar produtos do Σ(i∈C) x [i,j]≤ 1000
Tabela 1 – Pontos de interesse
cliente i para o cliente j), levando em consideração um valor de R$ 50,00 Restrição de fluxo: A quantidade de produtos entregues por um cliente i deve ser
igual à quantidade de produtos recebidos pelo cliente i:
a cada 10Km rodados.
Σ(i∈C) X[i, j] = Σ(j∈C) X[j, i]
Variáveis de decisão:
Restrição de demanda: A quantidade de produtos entregues pelo cliente i deve ser
Uma variável contínua: A quantidade de produtos a serem entregues do menor ou igual à demanda do cliente i:
cliente 1 até o cliente 4, que ficou por 4475 kg de carga; Σ(j∈C) X[i, j] ≤ Demanda[i] (onde Demanda[i] é a demanda do cliente i)
Função objetivo:
4 Matriz de custo:
5 3
2
Após coletar informações dos destinos e clientes, incluindo tempo, distâncias e custo de combustível, foi realizado um modelo de menor caminho para
ARENALES, M.; ARMENTANO, V.; MORABITO, R.; YANASSE, H.; Pesquisa Operacional para cursos de Engenharia; Rio de Janeiro: Elsevier,2007.
otimizar o percurso. Os destinos incluíam: (1) Cond. Armazena V, Jaboatão dos Guararapes (CEP: 54355-057) como origem, e outros quatro destinos
(CEPs: 54315-050, 54360-090, 54275-090 e 54110-000). BJARNADÓTTIR, Á. S. Solving the Vehicle Routing Problem with Genetic Algorithms. 2004.
Na Tabela 2, matriz distância, agrupou-se os dados apanhados quanto a distância, em quilômetros, para obtenção de uma melhor visualização. MOREIRA, Marco Antonio. O que é afinal aprendizagem significativa? Porto Alegre: Instituto de Física - UFRGS, 2010.
BAZARAA, M. S.; JARVIS, J. J. Linear Programming and Network Flows, John Wiley and Sons, N.Y., 2009.
HILLIER, F. S.; LIEBERMAN G. J. Introdução à Pesquisa Operacional. 9. ed. Porto Alegre: AMGH, 2013
SILVA, Aneirson Francisco da. Pesquisa operacional: desenvolvimento e otimização de modelos matemáticos por meio da linguagem gams. São Paulo: Unesp,
2013. 126 p. Disponível em: Acesso em: 20 de outubro 2019.
LACHTERMACHER, Gerson. Pesquisa Operacional na Tomada de Decisões: Modelagem em Excel. Rio de Janeiro: Elsevier, 2007.
FORTES, Bianca Jupiara; RIBEIRO, Roberto Portes; MÜLLER, Felipe Martins (Ed.). Programação Linear: Uma aplicação para a otimização na distribuição de uma
empresa de nutrição animal: Heterogeneity of Brazilian agriculture in access to information technologies. Espacios, Caracas, v. 35, n. 11, p.12-12, ago. 2014.
Disponível em: . Acesso em 20 de outubro 2019.
NOVAES, A. G. Logística e gerenciamento da cadeia de distribuição.3° Ed. Rio de Janeiro. Elsevier. 2007
Fonte: Autores (2023)
ANDRADE, E. L. Introdução à pesquisa operacional: métodos e modelos para análise de decisões. 4. ed. Rio de Janeiro: LTC, 2009.