Documente Academic
Documente Profesional
Documente Cultură
_____________________________________________________
Prof. Dr. Marcone Jamilson Freitas Souza (Orientador/UFOP)
_____________________________________________________
Prof. Dr. Luiz Henrique de Campos Merschmann (UFOP)
_____________________________________________________
Prof. Dr. Luiz Satoru Ochi (UFF)
ii
Agradecimentos
A Deus, por tudo.
A meu orientador, Professor Marcone Jamilson Freitas Souza, minha referncia no s
pela capacidade intelectual incomparvel, mas principalmente como pessoa, pela
amizade e apoio demonstrados ao longo dos anos.
A meus pais pelo exemplo de vida.
Aos filhos, Marcella e Giuliano, pela compreenso e carinho que nunca faltaram.
Llian, pelo incentivo.
Aos colegas professores Ronaldo Trindade e Adolfo Baudson, pela colaborao sempre
que solicitados.
s empresas mineradoras da regio do quadriltero ferrfero pelo suporte.
FAPEMIG e ao CNPq pelo apoio ao desenvolvimento deste trabalho.
UFOP e ao CEFET Ouro Preto pela oportunidade e por fazerem parte da minha vida.
A todos que, de alguma maneira, ajudaram-me a concluir esse trabalho.
iii
Resumo
Este trabalho trata do planejamento operacional de lavra com alocao dinmica de
caminhes. Este problema consiste em determinar o nmero de viagens que cada
caminho deve fazer a cada frente de lavra, bem como decidir em quais frentes de lavra
alocar as carregadeiras, de sorte a atender s metas de produo e qualidade requeridas
para o minrio a ser produzido, fazendo o melhor aproveitamento da frota de veculos
disponvel. Dada sua complexidade combinatria, o problema abordado por um
procedimento heurstico baseado na metaheurstica Iterated Local Search. Tambm
formulado um modelo de programao matemtica, o qual serve para validar o mtodo
heurstico proposto. Os modelos propostos so testados por meio da utilizao de dados
reais em um software desenvolvido para este fim.
iv
Abstract
This work deals with the Operational Mining Planning in open pit mines with
equipment dynamic allocation. This problem consists in determining the number of trips
that each truck would do in each mining site as well as deciding in which mining site to
allocate the loaders machines, in order to attend the production and quality goals
required to the ore production, doing the best utilization of the available vehicle fleet.
Due to the combinatorial complexity of the problem, it is solved using a heuristic
procedure based on the Iterated Local Search metaheuristic. Also it is proposed a
model of mathematical programming, which serves to validate the proposed
metaheuristic method. The proposed models are validated by the utilization of real data
in a software developed for this purpose.
Sumrio
AGRADECIMENTOS ................................................................................................ III
RESUMO.......................................................................................................................IV
ABSTRACT.................................................................................................................... V
SUMRIO .....................................................................................................................VI
LISTA DE FIGURAS................................................................................................VIII
LISTA DE TABELAS ................................................................................................... X
LISTA DE SIGLAS E ABREVIATURAS..................................................................XI
1.
PRELIMINARES ................................................................................................... 1
1.1
1.2
1.3
INTRODUO ..................................................................................................... 1
JUSTIFICATIVA ................................................................................................... 2
ESTRUTURA DO TRABALHO ............................................................................... 3
4.
vi
4.3.3
Gerao de uma Soluo Inicial ............................................................ 42
4.3.4
Avaliao de uma Soluo...................................................................... 48
4.3.5
Movimentos e Estruturas de Vizinhanas............................................... 52
4.3.6
Mtodos de Busca Local Aplicados ao Planejamento de Lavra ............ 59
4.3.7
Perturbaes ........................................................................................... 67
4.3.8
Iterated Local Search (ILS) .................................................................... 81
4.4
IMPLEMENTAO COMPUTACIONAL ................................................................ 88
4.4.1
Tela de abertura...................................................................................... 88
4.4.2
Tela principal do sistema........................................................................ 89
4.4.3
Tela de relatrio das solues inicial e final.......................................... 90
4.4.4
Tela de relatrio do nmero de viagens de cada caminho................... 91
4.4.5
Tela do Tempo de Ciclo dos Caminhes ................................................ 92
4.4.6
Tela de Compatibilidade entre Caminhes e Carregadeiras ................. 92
4.4.7
Tela com a Capacidade Mxima de cada Caminho. ............................ 93
4.4.8
Tela com a Capacidade Mnima de cada Carregadeira. ....................... 94
4.4.9
Tela com a Capacidade Mxima de cada Carregadeira........................ 94
5.
RESULTADOS COMPUTACIONAIS............................................................... 96
5.1
5.2
5.3
6.
INTRODUO ................................................................................................... 96
RESULTADOS OBTIDOS ..................................................................................... 99
DISCUSSO DOS RESULTADOS ........................................................................ 106
vii
Lista de Figuras
Figura 2.1 Modelo de Carregadeira (L1850) ................................................................. 6
Figura 2.2 Modelo de Caminho ................................................................................... 7
Figura 2.3 Pilha de Estoque ........................................................................................... 8
Figura 2.4 Britador......................................................................................................... 9
Figura 2.5 Correia transportadora ................................................................................ 10
Figura 2.6 Modelo de Caminho Pipa ......................................................................... 11
Figura 2.7 Modelo de Motoniveladora ........................................................................ 11
Figura 2.8 Processo Produtivo de uma mineradora do Quadriltero Ferrfero............ 12
Figura 2.9 Equipamentos de Transporte e de Carga .................................................... 13
Figura 2.10 Alocao Esttica de Caminhes ............................................................. 14
Figura 2.11 Alocao Dinmica de Caminhes........................................................... 15
Figura 3.1 Mtodo da Descida..................................................................................... 30
Figura 3.2 Mtodo Randmico de Descida ................................................................. 31
Figura 3.3 Pseudocdigo para o procedimento ILS ..................................................... 33
Figura 3.4 Pseudocdigo do algoritmo VND .............................................................. 34
Figura 4.1 Representao de uma Soluo .................................................................. 41
Figura 4.2 Alocao Aleatria das Carregadeiras ....................................................... 43
Figura 4.3 Nmero de Viagens de cada Caminho s diversas Frentes ...................... 44
Figura 4.4 Massa Lavrvel em cada Frente ................................................................. 44
Figura 4.5 Somatrio dos Tempos de Ciclo por Caminho......................................... 45
Figura 4.6 Reparador de Inviabilidade do Nmero de Viagens .................................. 46
Figura 4.7 Reparador de Inviabilidade de Massa Lavrvel ......................................... 47
Figura 4.8 Movimento Retirar_uma_viagem............................................................... 53
Figura 4.9 Movimento Retirar_duas_viagens.............................................................. 53
Figura 4.10 Movimento Realocar uma Viagem mantendo o caminho ...................... 54
Figura 4.11 Movimento Realocar uma Viagem mantendo a frente............................. 55
Figura 4.12 Movimento Realocar Carregadeira .......................................................... 55
Figura 4.13 Movimento Ativar Carregadeira .............................................................. 56
Figura 4.14 Movimento Desativar Carregadeira ......................................................... 57
Figura 4.15 Movimento Inserir uma viagem ............................................................... 58
Figura 4.16 Movimento Retirar Viagens ..................................................................... 58
Figura 4.17 Movimento Trocar Carregadeira .............................................................. 59
Figura 4.18 Descida_tirar_uma_viagem...................................................................... 60
Figura 4.19 Descida_tirar_duas_viagens ..................................................................... 61
Figura 4.20 Descida_realocao_de_viagem_mantendo_caminho ........................... 62
Figura 4.21 Descida_realocao_de_viagem_mantendo_frente ................................. 63
Figura 4.22 Descida_inserir_uma_viagem .................................................................. 64
Figura 4.23 Descida_tirar_viagens .............................................................................. 65
Figura 4.24 Descida_desativar_carregadeira ............................................................... 66
Figura 4.25 Descida_realocar_carregadeira ................................................................ 67
Figura 4.26 Perturbao_Retirar_uma_viagem ........................................................... 68
Figura 4.27 Perturbao Retirar_duas_viagens ........................................................... 69
viii
ix
Lista de Tabelas
Tabela 5.1 Problemas-teste .......................................................................................... 96
Tabela 5.2 Metas de produo e qualidade, nmero de equipamentos disponveis e
prioridades .............................................................................................................. 97
Tabela 5.3 Parmetros utilizados ................................................................................. 98
Tabela 5.4 Caractersticas dos melhores resultados obtidos........................................ 99
Tabela 5.5 Desvios percentuais dos parmetros de controle da melhor soluo em
relao s metas estabelecidas .............................................................................. 100
Tabela 5.6 Valores mdios obtidos............................................................................ 100
Tabela 5.7 Desvios percentuais encontrados para algumas caractersticas das solues.
.............................................................................................................................. 101
Tabela 5.8 Caractersticas das solues do otimizador no tempo da melhor soluo do
ILS ........................................................................................................................ 102
Tabela 5.9 Caractersticas das solues do otimizador no tempo mdio do ILS....... 102
Tabela 5.10 Percentual de melhora do ILS em relao ao LINGO no tempo da melhor
soluo do ILS ...................................................................................................... 103
Tabela 5.11 Percentual de melhora do ILS em relao ao LINGO no tempo mdio de
processamento do ILS........................................................................................... 104
Tabela 5.12 Caractersticas das solues obtidas pelo otimizador em uma hora de
processamento....................................................................................................... 105
Tabela 5.13 Caractersticas das solues obtidas pelo otimizador em 20 horas de
processamento....................................................................................................... 105
Tabela 5.14 Comparao entre o LINGO e o melhor desempenho do ILS............... 106
Algoritmo Gentico
Software de Simulao
Busca Tabu
Companhia Vale do Rio Doce
Companhia Siderrgica Nacional
Greedy Randomized Adaptive Search Procedures
Interated Local Search
Modelador e Otimizador de Programao Linear e Inteira
No Polinomial
Otimizador e Simulador para Minerao
Problema do Caixeiro Viajante
Pesquisa Operacional
Simulated Annealing
Variable Neighborhood Search
Variable Neighborhood Descent
xi
1. Preliminares
1.1 Introduo
A Pesquisa Operacional (PO) uma cincia aplicada voltada para a resoluo de
problemas reais envolvendo situaes de tomada de deciso, atravs de modelos
matemticos habitualmente processados computacionalmente. Ela aplica conceitos e
mtodos de outras disciplinas cientficas na concepo, no planejamento ou na operao
de sistemas para atingir seus objetivos. Procura, assim, introduzir elementos de
objetividade e racionalidade nos processos de tomada de deciso, sem descuidar, no
entanto, dos elementos subjetivos e de enquadramento organizacional que caracterizam
os problemas.
O termo Pesquisa Operacional, do ingls Operations Research, foi empregado
pela primeira vez em 1939 como uma tentativa de englobar, sob uma nica
denominao, todas as tcnicas existentes ou que viriam a ser desenvolvidas e que
tinham o mesmo objetivo citado.
De uma maneira geral, todas as disciplinas que constituem a PO se apiam em
quatro cincias fundamentais: Economia, Matemtica, Estatstica e Informtica.
O objetivo principal da Pesquisa Operacional encontrar a melhor utilizao de
recursos limitados procurando determinar o uso otimizado de atividades ou recursos,
fornecendo um conjunto de procedimentos e mtodos quantitativos para tratar de forma
sistmica problemas que envolvam a utilizao de recursos escassos.
Dentre as aplicaes da PO, inclui-se sua utilizao em planejamento de lavra a
cu aberto, em especial, na alocao de mquinas e caminhes s frentes de lavra.
Estudos como os de Chanda e Dagdelen (1995), Alvarenga (1997), Pinto e
Merschmann (2001), Merschmann (2002), Pinto et al. (2003), Costa et al. (2004) e
Costa (2005) tm utilizado a Pesquisa Operacional com o objetivo de aplicar
metodologias para a soluo de problemas inerentes ao planejamento de lavra. Tais
esforos se concentraram na aplicao de tcnicas de otimizao (programao linear e
mtodos heursticos).
1.2 Justificativa
As solues para o problema de planejamento de lavra com alocao dinmica
de caminhes podem ser encontradas utilizando diversos mtodos. O primeiro deles,
ainda utilizado em algumas empresas de minerao, o manual. uma tarefa rdua,
dado o elevado nmero de combinaes a testar e o pouco tempo que se tem para a
tomada de deciso. Outra forma de se encontrar uma soluo para este problema
formul-lo como um modelo de programao matemtica e resolv-lo por um software
de otimizao, como por exemplo, o LINGO, o CPLEX e o XPRESS. O inconveniente
neste caso o alto custo associado utilizao desta metodologia. Alm disso, o
problema da classe NP-difcil, o que significa que esta metodologia pode no
conseguir resolver em tempo hbil casos reais deste problema.
O mtodo proposto e modelado no captulo 4 uma alternativa aos mtodos
atualmente utilizados na alocao dinmica de caminhes em lavra de mina a cu
aberto. Em vista do potencial das metaheursticas e a facilidade de sua implementao, a
Introduo
2.1.2
Descrio do Planejamento
10
11
12
13
2.2.1
Caminho 1
Frente 1
Carregadeira 1
Caminho 2
Mistura
Frente 2
Desejada
Carregadeira 2
Caminho 3
Frente 3
Caminho 4
ca m in hoes
14
2.2.2
uma determinada frente de lavra, como no modelo esttico. Eles podem ser direcionados
a diferentes frentes de lavra compatveis, aumentando a produtividade da frota e
proporcionando, segundo Costa (2005), um aumento na capacidade de produo da
mina ou a reduo do nmero de equipamentos necessrios para manter um
determinado nvel de produo.
Como desvantagens da alocao dinmica, apontam-se exigncia de um maior
nmero de operaes e de um sistema de despacho de caminhes computadorizado.
Nesse sistema tambm possvel diminuir o tempo de fila, uma vez que o
caminho pode ser alocado a pontos de carga diferentes.
Caminho 1
Frente 1
Carregadeira 1
Caminho 2
Mistura
Frente 2
Desejada
Carregadeira 2
Caminho 3
Frente 3
Caminho 4
ca min hoes
15
16
tempo mdio de ciclo (TMC) deste caminho (l) s diversas frentes seja de 7 minutos
por viagem, o nmero de viagens que esse caminho conseguiria fazer em 51 minutos
7. Transformando em toneladas, esse caminho poderia transportar cerca de 560 t em
uma hora (7 80), caso atingisse os 85% de desempenho. Com a introduo desta
restrio, o nmero de caminhes utilizados no transporte do material poder ser,
naturalmente, menor do que aquele conseguido sem a imposio desta taxa.
17
3. Reviso Bibliogrfica
3.1 Introduo
A Pesquisa Operacional tem sido utilizada ultimamente de modo eficaz na
resoluo de problemas de planejamento de lavra a cu aberto utilizando-se tcnicas de
otimizao, dentre elas a programao linear e os mtodos heursticos.
Mutmansky (1979), apud Costa (2005), relatou que a programao linear a
tcnica de pesquisa operacional mais aplicada aos problemas de planejamento de
produo em minerao, sendo adotada principalmente pelas mineraes a cu aberto,
devido maior complexidade de suas operaes em relao s de minas subterrneas.
White et al. (1982), apud Rodrigues (2006), propem um modelo baseado em
programao matemtica que minimiza o nmero de caminhes necessrios atravs de
restries relacionadas continuidade do fluxo de material pelos pontos de carga e
descarga e as capacidades de produo dos pontos de carga.
White e Olson (1986), apud Rodrigues (2006), propuseram um algoritmo que a
base para o sistema Dispatch, que vem operando em muitas minas. Esse modelo utiliza
programao linear e dinmica. A programao linear dividida em duas partes. Na
primeira parte do modelo, realiza-se a otimizao do problema da mistura conseguindo,
atravs disso, a minimizao do remanuseio, forando uma soluo prxima das
restries crticas de blendagem (mistura) e satisfazendo a necessidade de alimentao
da planta. A segunda parte do modelo otimiza o transporte na mina por meio da
minimizao da necessidade de transporte, gerando o fluxo timo de transporte no
caminho. A programao dinmica usa o fluxo timo no caminho obtido na
programao linear, uma lista formada pelos caminhes a serem alocados, os tempos de
viagem e as distncias atuais entre os pontos de carga e descarga e executada a cada
necessidade de alocao de caminho. Mais especificamente, para cada caminho a ser
alocado, determina-se uma medida de tempo para cada caminho existente na mina e
aloca-se o caminho ao caminho que apresentar o menor valor.
18
19
20
transporte. O sistema utiliza uma heurstica para gerar as decises que tm como
resultado um seqenciamento de caminhes que minimiza a variao dos teores. Para
validar esse modelo foi utilizado simulao e para o modelamento matemtico da mina
a teoria dos grafos. Com a implantao do sistema, foi obtido um aumento de 8% na
produtividade do sistema de transporte e o gerenciamento passou a ter em mos dados
mais precisos e em tempo real.
Alvarenga (1997) desenvolveu um programa para o despacho timo de
caminhes em uma minerao de ferro, a cu aberto, com o objetivo de minimizar o
tempo de filas para as frotas de caminhes, aumentar a produtividade da frota e
melhorar a qualidade do minrio lavrado com relao ao atendimento da qualidade
requerida. No trabalho desenvolvido, que base do sistema SMART MINE, foi
aplicada uma tcnica estocstica de otimizao, o algoritmo gentico com
processamento paralelo, em um caso real da Minerao Casa de Pedra, uma empresa do
grupo CSN Companhia Siderrgica Nacional. O problema se resume em sugerir qual
o ponto de basculamento ou carregamento ideal e a trajetria para o deslocamento, no
momento em que h uma situao de escolha a ser realizada. Enquanto os ganhos com a
qualidade foram mais difceis de serem quantificados, os resultados numricos
mostraram ganhos de 5% a 15% de produtividade, comprovando a validade da proposta.
Costa (2005) aborda problemas de planejamento operacional de lavra em minas
a cu aberto. So apresentados e modelados problemas relativos mistura de minrios
provenientes de vrias frentes de lavra, levando-se em considerao metas de produo
e qualidade, restries operacionais e a alocao dos equipamentos de carga e transporte
necessrios ao processo. So considerados trs problemas: mistura de minrios, mistura
de minrios com alocao dinmica de caminhes e mistura de minrios com alocao
esttica de caminhes. Cada problema resolvido por duas metodologias, uma baseada
em tcnicas de programao matemtica e outra em tcnicas heursticas. Observa-se que
o modelo de programao matemtica, no entanto, no considera taxa de utilizao de
caminhes. Dada a NP-completude do problema de mistura de minrios com alocao
dinmica e/ou esttica de caminhes, foi utilizada a metaheurstica Variable
Neighborhood Search (VNS), a qual permite escapar de timos locais ainda distantes do
timo global. Para explorar o espao de solues, o autor utiliza seis tipos de
21
22
23
f1(x) + y1 1
f2(x) y2 2
f3(x) + y3+ y3- = 3,
em que y1 0, y2 0, y3+ 0, y3- 0. Tais variveis so chamadas variveis de desvio
porque representam os desvios acima ou abaixo dos valores das metas. Por exemplo, se
uma soluo factvel x tal que f1(x) < 1, ento, com y1 = 1 - f1(x) > 0, a restriometa flexibilizada satisfeita.
Dois mtodos so comumente utilizados para otimizar um modelo de
programao de metas: (i) o mtodo dos pesos e (ii) o mtodo hierrquico (em ingls,
preemptive). Ambos baseiam-se na estratgia de converter mltiplos objetivos em um
nico objetivo. O mtodo dos pesos considera que as solues de interesse do decisor
so aquelas em que as variveis de desvio ou flexibilizao assumem valores o mais
prximo possvel de zero. Portanto, o seguinte problema deve ser resolvido:
Minimizar (x,y) = w1y1 + w2y2 + w3(y3+ + y3-)
f1(x) + y1 1
f2(x) y2 2
f3(x) + y3+ y3- = 3
Ax = b
x 0, y1 0, y2 0, y3+ 0, y3- 0,
em que w1 + w2 + w3 so os pesos (positivos) das metas, respectivamente, representando
a importncia relativa entre elas para o decisor. Por exemplo, se wi = 1, i = 1, 2, 3, ento
todas as metas tm a mesma importncia para o decisor, ou se w1 > w2 > w3 ento a
meta 1 mais importante que a meta 2, e esta mais importante que meta 3.
No mtodo hierrquico, os objetivos so tomados em ordem de prioridade, um
aps o outro. Por exemplo, suponha que o objetivo 1 o mais importante para o decisor,
o objetivo 2 o segundo mais importante, o objetivo 3 o terceiro mais importante, e
assim por diante. Ento, primeiro minimiza-se o desvio y1 do primeiro objetivo. A
seguir, minimiza-se o desvio y2 do segundo objetivo, sujeito condio de que o desvio
24
do primeiro objetivo seja mnimo (isto , o valor y1 fixado no valor mnimo obtido
anteriormente). Posteriormente, minimiza-se o desvio y3 do terceiro objetivo, sujeito
condio de que os desvios do primeiro e do segundo objetivos sejam mnimos (isto ,
os valores y1 e y2 so fixados nos valores mnimos j obtidos anteriormente), e assim
por diante.
Os mtodos de programao de metas procuram uma soluo que satisfaa as
metas do problema sem se preocupar com a otimizao do problema. Em outras
palavras, se houver vrias solues que satisfaam todas as metas, esses mtodos no
determinam a melhor delas do ponto de vista da otimizao dos objetivos originais do
problema, f1, f2, f3. Isso pode ser contornado adicionando-se s funes objetivos dos
modelos de programao de metas, mltiplos positivos e pequenos dos objetivos
originais a serem minimizados, ou subtraindo-se mltiplos positivos e pequenos, se
originalmente desejava-se maximizar. Por exemplo, no mtodo dos pesos, conveniente
considerar: minimizar (x,y) = w1y1 + w2y2 + w3(y3+ + y3-) - 1f1(x) + 2f2(x) + 3f3(x). A
programao de metas tambm pode ser aplicada a problemas de otimizao discreta e
otimizao no-linear. No caso de otimizao linear, o mtodo Simplex pode ser
especializado para resolver os modelos de programao de metas.
25
26
min j d j + +j d +j + P + + P +
j T
j T
3.1
s.a:
(t
tu j ) xi 0 j T
3.2
tl j ) xi 0 j T
3.3
tr j ) xi + d j d +j = 0 j T
3.4
iM
ij
(t
iM
(t
iM
ij
ij
Pu
3.5
Pl
3.6
+ P P + = Pr
3.7
iM
iM
iM
xi Qu i i F
3.8
xi Ql i i F
3.9
27
x
iE
xi 0 i F
3.10
d +j , d j 0 j T
3.11
P+ , P 0
3.12
rem xi 0
3.13
ik
1 i F
3.14
ik
1 k C
3.15
yik {0,1} i F , k C
3.16
iM
kC
iF
xi -
Cu
yik 0 i F
3.17
Cl
y ik 0 i F
3.18
kC
xi -
kC
niltcil-60
ik
kC , g lk 0
n tc
iF
xi -
il
il
n cap
lV
il
0 i F , l V
3.19
60 l V
3.20
= 0 i F
3.21
nil + i F , l V
3.22
28
3.4 Heursticas
3.4.1
Introduo
Muitos problemas prticos so classificados na literatura como NP-completos ou
29
30
3.4.2
Metaheursticas
A maioria das heursticas desenvolvidas muito especfica para um problema
particular, no sendo eficientes (ou mesmo aplicveis) na resoluo de uma classe mais
ampla de problemas.
31
Simulated Annealing (SA), Busca Tabu (BT), GRASP, VND, VNS, ILS, Colnia de
Formigas etc.
et al., 2003).
O mtodo ILS , portanto, um mtodo de busca local que procura focar a busca
no no espao completo de solues, mas em um pequeno subespao definido por
solues que so timas locais de determinado procedimento de otimizao
(LOURENO et al., 2003).
32
Procedimento ILS()
1.
s0 GeraSolucaoInicial();
2.
s BuscaLocal(s0);
3.
iter 0;
4.
enquanto (iter < itermax)
5.
iter iter + 1;
6.
s Perturbao(nvel, s);
7.
s BuscaLocal(s);
8.
s CritrioAceitao(s);
9.
fim-enquanto;
10.
retorne s;
fim ILS;
Figura 3.3 Pseudocdigo para o procedimento ILS
De acordo com Loureno et al. (2003), o sucesso do ILS centrado no conjunto
de amostragem de timos locais, juntamente com a escolha do mtodo de busca local,
das perturbaes e do critrio de aceitao. Em princpio, qualquer mtodo de busca
local pode ser usado, mas o desempenho do ILS com respeito qualidade da soluo
final e a velocidade de convergncia depende fortemente do mtodo escolhido.
Normalmente um mtodo de descida usado, mas tambm possvel aplicar algoritmos
mais sofisticados, tais como Busca Tabu ou outras metaheursticas.
O mecanismo de perturbao deve ser forte o suficiente para permitir escapar do
timo local corrente e permitir explorar diferentes regies do espao de solues. Ao
mesmo tempo, a modificao precisa ser fraca o suficiente para guardar caractersticas
do timo local corrente.
O critrio de aceitao usado para decidir de qual soluo se continuar a
explorao, bem como qual ser a perturbao a ser aplicada. Um aspecto importante do
33
1)
2)
3)
4)
34
35
Teores de Fe, Al2O3 etc e granulometria. A granulometria ou anlise granulomtrica dos solos o
processo que visa definir, para determinadas faixas pr-estabelecidas de tamanhos de gros, a
percentagem em peso que cada frao possui em relao massa total da amostra em anlise
(http://wikipedia.org/wiki/granulometria, acessado em junho de 2008)
36
37
min j d j + j+ d +j + P + + P + + Pe + + Pe + + l usou l
4.1
(t
tu j ) xi 0 j T
4.2
tl j ) xi 0 j T
4.3
tr j ) xi + d j d +j = 0 j T
4.4
j T
j T
l V
s.a:
iM
ij
(t
iM
(t
iM
ij
ij
Pu
4.5
Pl
4.6
+ P P + = Pr
4.7
+ Pe Pe + =Er
4.8
iM
iM
iM
x
iE
xi Qu i i F
4.9
xi 0 i F
4.10
d +j , d j 0 j T
4.11
P+ , P 0
4.12
Pe + , Pe 0
4.13
ik
1 i F
4.14
ik
1 k C
4.15
yik {0,1} i F , k C
4.16
kC
iF
xi -
Cu
yik 0 i F
4.17
Cl
y ik 0 i F
4.18
kC
xi -
kC
niltcil-60
ik
kC , g lk 0
0 i F , l V
1
nil tcil TxMaxl l V
60 iF
4.19
4.20
38
xi -
n cap
lV
usou l
il
= 0 i F
1
nil tcil
60 iF
l V
nil + i F , l V
usoul {0,1} l V
4.21
4.22
4.23
4.24
O modelo de mistura de minrios com metas formado pelas restries (4.2)(4.13) e pela funo objetivo (4.1). As restries (4.7) e (4.8) dizem respeito,
respectivamente, aos atendimentos das metas de produo de minrio e estril. As
demais restries que complementam o modelo podem ser divididas em dois grupos. O
primeiro diz respeito alocao de equipamentos de carga e a faixa de produtividade
que torne vivel a utilizao desses equipamentos. O segundo grupo de restries est
relacionado ao transporte de material na mina e a alocao e utilizao dos caminhes.
Em relao ao primeiro grupo de restries, o conjunto (4.14) define que em
cada frente pode ser alocado, no mximo, um nico equipamento de carga, enquanto
que as restries (4.15) definem que cada equipamento de carga pode operar, no
mximo, em uma nica frente. As restries (4.16) definem que as variveis yik so
binrias. As restries (4.17) e (4.18) limitam, respectivamente, o ritmo de lavra
mximo e mnimo, definido pela carregadeira alocada frente. J as restries (4.9)
limitam o ritmo de lavra mximo definido pelo usurio.
No segundo grupo de restries, que est relacionado ao transporte de material
na mina e a alocao e utilizao dos caminhes, cada restrio (4.19) faz com que um
caminho somente realize viagens uma frente onde esteja alocado um equipamento de
carga compatvel. As restries (4.20) definem que cada caminho opere no mximo
TxMaxl% em uma hora. As restries (4.21) fazem com que o ritmo de lavra de uma
frente seja igual produo realizada pelos caminhes alocados frente. As restries
(4.22), juntamente com a funo objetivo, foram com que os caminhes usados sejam
penalizados. As restries (4.23) determinam que o nmero de viagens que um
39
caminho faz a uma frente um valor inteiro positivo. As restries (4.24) indicam que
as variveis usoul so binrias.
Dados de Entrada
Sejam: F o conjunto de frentes, V o conjunto de veculos, C o conjunto de
4.3.2
4.25
40
Carreg
Cam1
Cam2
...
Cam|V|
F1
(5 , 1 )
...
F2
(3 , 0)
-1
-1
...
F3
(-1 , 0)
...
-1
F4
(6 , 1)
-1
...
F|F|
(2 , 1)
...
41
4.3.3
S|F|1e Tcv1|V|.
A Figura 4.2 mostra o pseudocdigo da gerao da matriz Y (alocao das
carregadeiras). Inicialmente, atribui-se o valor 1 para todas as carregadeiras, ou seja,
considera-se que no existe carregadeira alocada a nenhuma frente. Atribui-se, tambm,
o valor 0 (zero) para o status de cada carregadeira informando a inatividade de cada
uma delas em cada frente. Em seguida, as carregadeiras so alocadas aleatoriamente a
cada uma das frentes disponveis. Para estas carregadeiras, atribui-se o status ativo (1),
inicialmente.
42
Procedimento Gera_Carreg( Y );
Variveis i,k:inteiro;
Incio
MaxFrno mximo de frentes;
Ncarreg no total de carregadeiras;
Para i1 at maxFr
y[i].n_carr-1; {nmero da carregadeira}
y[i].n_ativo0; {status da carregadeira}
Fim para
Para k1 at Ncarreg
Repita
ialeatrio(maxFr);
se y[i].n_carr = -1{no existe carregadeira alocada}
y[i].n_carrk;
y[i].n_ativo1;
at y[i].n_car <>-1
Fim para
Fim{Gera_Carreg}
Figura 4.2 Alocao Aleatria das Carregadeiras
43
Procedimento Gera_Viagens( N );
Variveis i,l,nv,nv_max:inteiro;
Incio
MaxFrno mximo de frentes;
Ncam no total de caminhes;
Para i1 at MaxFr
Para l1 at Ncam
nv_maxint(60/Tc[i,l]);
nvaleatrio(nv_max);
se carregadeira_alocada
se houver_compatib_Carreg_Cam
se carregadeira_ativa
n[i,l]nv;
Fim para
Fim para
Fim{Gera_Viagens}
Figura 4.3 Nmero de Viagens de cada Caminho s diversas Frentes
A Figura 4.4 mostra o pseudocdigo da gerao da matriz S|F|1 (quantidade de
massa lavrvel em cada frente). A quantidade de massa lavrvel (si) em cada frente
gerada da seguinte forma: para cada frente i, gerado si como sendo o somatrio dos
produtos das matrizes N|F||V| e Cap|V|, ou seja, entre o nmero de viagens (nil) e a
capacidade de cada caminho (capl).
44
produto entre o nmero de viagens (nil) e o tempo de ciclo Tcil nas diversas frentes,
gerando a matriz Tcv1|V|.
45
Procedimento Refina_N(N,Tc,Tcv);
Variveis i,l:inteiro;
Incio
MaxFrno mximo de frentes;
Ncam no total de caminhes;
Para l1 at Ncam
enquanto Tcv[l]>60
ialeatrio(maxFr);
Se n[i,l] > 1
n[i,l] n[i,l]-1;
tcv[l] tcv[l] - tc[i,l]);
Fim enquanto
Fim para
Fim{ Refina_N }
Figura 4.6 Reparador de Inviabilidade do Nmero de Viagens
Aps aplicar este reparador de inviabilidade, necessrio reconstruir a matriz
S|F|1 (massa lavrvel em cada frente), como mostrado na Figura 4.4.
A segunda inviabilidade diz respeito quantidade de massa lavrvel, por frente.
Mesmo com a correo da primeira inviabilidade, no h garantias de que a massa
lavrvel, calculada atravs da aplicao do pseudocdigo mostrado na fig. 4.4, seja
inferior quantidade mxima lavrvel (Qu) existente em cada frente. Sendo superior, h
a necessidade de se fazer a correo como explicitado no pseudocdigo mostrado na
Figura 4.7. Essa correo tambm dever ser realizada caso a quantidade de massa
lavrvel calculada seja maior que a capacidade mxima de produo da carregadeira em
uma hora.
46
47
4.3.4
f
jT
q
j
(s ) + f l ( s ) +
f
lV
u
l
( s) +
kC
c
k
(s)
4.26
em que:
f p (s) : funo que avalia s quanto produo;
48
4.27
onde:
P : Produo de minrio (t);
Pr : Meta de Produo de Minrio (t);
Pe : Produo de Estril (t);
Pre : Meta de Produo de Estril (t);
P=
n cap
iM lV
il
4.28
onde:
M : conjunto de frentes de minrio;
V
nil
Qualidade da Mistura
A qualidade da mistura avaliada segundo a equao 4.29.
49
j T
| tr j tm j |
f jq ( s ) = qj P
4.29
100
onde :
tmj : Valor percentual encontrado para o parmetro j (%) na mistura;
trj : Meta de qualidade para o parmetro j (%);
P : Produo de minrio (t);
tmj=
t x
x
iM
iM
ij
j T
4.30
onde o ritmo de lavra em cada frente i calculado com base na equao a seguir:
xi =
n cap
lV
il
4.31
f l u ( s ) = | Txl TxMaxl |
l V
4.32
onde:
50
l V
4.33
iF
sendo nil o nmero de viagens realizadas pelo caminho l frente i e tcil o tempo de
ciclo do caminho l frente i.
So utilizados dois valores para o peso na expresso (4.32): um valor alto
( A ) caso a quantidade transportada esteja acima da mxima permitida e outro valor,
mais baixo ( B ), caso a quantidade transportada esteja abaixo da mxima permitida.
4.34.
f l ( s ) = Txl
4.34
lV
onde:
k C
4.35
onde:
51
4.3.5
duas
viagens
de
um
caminho
em
uma
frente
qualquer
(Retirar_Duas_Viagens);
52
Antes do Movimento
Depois do Movimento
...
...
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
...
...
Depois do Movimento
...
...
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
53
Depois do Movimento
...
...
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
54
Depois do Movimento
...
...
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
...
...
Depois do Movimento
Carreg
...
Carreg
...
1 (3 , 1)
(-1,0)
-1
-1
-1
-1
-1
-1
2 (6 , 1)
(6 , 1)
(-1,0)
-1
-1
-1
-1
-1
-1
(3 , 1)
...
(1 , 1)
...
F (1 , 1)
55
Depois do Movimento
Carreg
...
Carreg
...
1 (3 , 1)
(3, 1)
2 (6 , 0)
(6 , 1)
(-1,0)
-1
-1
-1
-1
-1
-1
(-1,0)
-1
-1
-1
-1
-1
-1
...
(1 , 1)
...
F (1 , 1)
56
esteja, muda-se o seu estado para desativada. Caso no esteja, repete-se o procedimento
at encontrar uma carregadeira ativa. Encontrando, retiram-se todas as viagens alocadas
aos caminhes que trabalham naquela frente.
A Figura 4.14 ilustra este movimento.
Antes do Movimento
Depois do Movimento
Carreg
...
Carreg
...
1 (3 , 1)
(3, 1)
2 (6 , 1)
(6 , 0)
(-1,0)
-1
-1
-1
-1
-1
-1
(-1,0)
-1
-1
-1
-1
-1
-1
...
(1 , 1)
...
F (1 , 1)
57
Antes do Movimento
Depois do Movimento
...
...
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
...
...
Antes do Movimento
Depois do Movimento
Carreg
...
Carreg
...
1 (3 , 1)
(3, 1)
2 (6 , 1)
(6 , 1)
(-1,0)
-1
-1
-1
-1
-1
-1
(-1,0)
-1
-1
-1
-1
-1
-1
...
(1 , 1)
...
F (1 , 1)
58
Depois do Movimento
Carreg
...
Carreg
...
1 (3 , 1)
(4 , 1)
2 (4 , 0)
(3 , 0)
(-1,0)
-1
-1
-1
-1
-1
-1
(-1,0)
-1
-1
-1
-1
-1
-1
...
(1 , 1)
...
F (1 , 1)
4.3.6
59
Essa classe de heurstica parte de uma soluo inicial qualquer e caminha, a cada
iterao, de vizinho para vizinho de acordo com a definio de vizinhana adotada.
Para explorar o espao de solues do Problema de Alocao Dinmica de
Caminhes em questo, foram utilizados os mtodos de busca local mostrados a seguir.
4.3.6.1
60
61
62
63
64
65
66
4.3.7
Perturbaes
Para tentar escapar de timos locais, ainda distante do timo global, o mtodo
Iterated Local Search, que ser descrito na seo 4.3.8, utiliza-se de mecanismos de
67
Procedimento Perturbao_Retirar_uma_viagem(N);
Variveis i,l:inteiro;
Incio
MaxFrno mximo de frentes;
Ncam no total de caminhes;
Repita
ialeatrio(MaxFr);
laleatrio(Ncam);
at n[i,l] > 0;
n[i,l] n[i,l] -1;
se minrio
{atualizar massa lavrada geral de minrio ou estril}
tt cap[l]
seno est est cap[l];
Fim{ Perturbao_Retirar_uma_viagem }
Figura 4.26 Perturbao_Retirar_uma_viagem
68
Procedimento Perturbao_Retirar_duas_viagens(N);
Variveis i,l:inteiro;
Incio
MaxFrno mximo de frentes;
Ncam no total de caminhes;
Repita
ialeatrio(MaxFr);
laleatrio(Ncam);
at n[i,l] >= 2;
n[i,l]n[i,l]-2;
se minrio
{atualizar massa lavrada geral de minrio ou estril}
tt cap[l]
seno est est 2*cap[l];
Fim {Perturbao_ Retirar_duas_viagens}
Figura 4.27 Perturbao Retirar_duas_viagens
69
70
71
72
73
Figura
4.30
mostra
pseudocdigo
referente
perturbao
Realocar_Carregadeira.
74
Figura
4.31
mostra
pseudocdigo
referente
perturbao
Desativar_Carregadeira.
75
Figura
4.32
mostra
pseudocdigo
referente
perturbao
Ativar_Carregadeira.
76
Figura
4.33
mostra
pseudocdigo
referente
perturbao
Ativar_Carregadeira.
77
78
Procedimento Perturbao_Tirar_Viagens(N);
Variveis i,l:inteiro;
Incio
MaxFrno mximo de frentes;
Ncam no total de caminhes;
laleatrio(Ncam);
Para i1 at MaxFr faa
se (n[i,l]>0) e (y[i].N_ativo=1)
ento
se minrio
ento t t (n[i,l] * cap[l])
seno est est (n[i,l] * cap[l])
fim se
n[i,l] 0;
fim se
Fim para
Fim{ Perturbao_Tirar_Viagens }
Figura 4.34 Perturbao_tirar_viagens
79
Procedimento Perturbao_Inserir_uma_viagem(N,Y);
Variveis i,l:inteiro;
Incio
MaxFrno mximo de frentes;
Ncam no total de caminhes;
vz MaxFr * Ncam;
x 0;
Repita
xx+1;
ialeatrio(MaxFr);
laleatrio(Ncam);
at ((n[i,l] >= 0) e (y[i].N_Ativo=1)) ou (x = vz);
se x=vz
// incompatibilidade entre caminho e carregadeira
Abandone;
fim se;
n[i,l] n[i,l] +1;
se minrio
{atualizar massa lavrada geral de minrio ou estril}
tt + cap[l]
seno est est + cap[l];
fim se
Fim{ Perturbao_Inserir_uma_viagem }
Figura 4.35 Perturbao_Retirar_uma_viagem
80
4.3.8
81
Procedimento Perturbao(S,nvel,Qu,N,Y,Cu,Cap);
Incio
Caso nvel seja
1: perturbao_cr(s,Qu,N,Y, Cu,Cap);
2: perturbao_n1(s,Qu,N,Y, Cu,Cap);
3: perturbao_n2(s,Qu,N,Y, Cu,Cap);
4: perturbao_nv(s,Qu,N,Y, Cu,Cap);
5: perturbao_n3(s,Qu,N,Y, Cu,Cap);
6: perturbao_acr(s,Qu,N,Y, Cu,Cap);
7: perturbao_ad(s,Qu,N,Y, Cu,Cap);
8: perturbao_ad(s,Qu,N,Y, Cu,Cap);
9: perturbao_ad(s,Qu,N,Y, Cu,Cap);
10:perturbao_ad(s,Qu,N,Y, Cu,Cap);
seno
perturbao_n2(s,Qu,N,Y, Cu,Cap);
perturbao_n3(s,Qu,N,Y, Cu,Cap);
fim-caso;
Fim{ Perturbao }
Figura 4.37 Nveis de perturbao do ILS
O procedimento Perturbao desenvolvido no mtodo ILS e descrito
anteriormente consiste na aplicao de vrios nveis de perturbao, as quais so
dispostas de forma que as de menores ndices so as mais fracas no sentido de
complexidade computacional. Aps a aplicao da perturbao de nvel 10 so
aplicadas consecutivamente as perturbaes perturbao_n2 e perturbao_n3, as quais
estabelecem um mecanismo de diversificao para o algoritmo.
As figuras 4.38 a 4.44 ilustram os pseudocdigos referentes cada nvel de
perturbao.
82
Procedimento Perturbao_cr(S,Qu,N,Y,Cu,Cap);
Incio
{Perturbao: desativar uma carregadeira}
movimento_desativar1_carregadeira(s,Qu,N,Y, Cu,Cap);
Fim{ Perturbao_cr }
Figura 4.38 Perturbao desativar uma carregadeira
A perturbao de nvel 1 consiste em aplicar o movimento desativar uma
carregadeira. A perturbao gerada resultante da aplicao deste movimento.
A Figura 4.39 mostra o pseudocdigo referente ao nvel 2 de perturbao.
83
84
85
86
87
4.4.1
Tela de abertura
88
4.4.2
89
4.4.3
frentes, bem como a tonelagem mxima a ser retirada de cada uma delas tanto para a
soluo inicial e final da heurstica.
90
mostrado na Figura 4.48 que, na frente 11, deveriam ser retiradas 900 t de
minrio pela carregadeira 1, inicialmente. J na soluo final, o mtodo prope que
sejam retiradas 800 t de minrio pela carregadeira 1.
A melhoria da soluo pode ser constatada pelo valor da funo objetivo (fo),
que na soluo inicial era de 49.542,85 e na soluo final de 30.638,5, nesse exemplo.
4.4.4
91
4.4.5
4.4.6
carregadeiras.
92
4.4.7
93
4.4.8
4.4.9
94
95
5. Resultados Computacionais
5.1 Introduo
O algoritmo heurstico proposto foi desenvolvido na linguagem visual Delphi,
verso 7 e o modelo de programao matemtica, adaptado de Costa et al. (2004), foi
implementado no modelador e otimizador LINGO, verso 10.0. Ambos foram testados
em um PC com processador AMD Turion64 Mobile, Technology MK-36, 2,01 GHz,
com 1 GB de RAM.
Foram considerados 8 problemas-teste, todos envolvendo 5 parmetros de
controle (Fe, Al2O3, P, PPC, He), 15 frentes de lavra, sendo 11 de minrio e 4 de estril,
com 30 caminhes e 8 carregadeiras disponveis. Cada problema-teste representa um
cenrio diferente de uma minerao de ferro da regio de Ouro Preto e Mariana, em
Minas Gerais, conforme Tabela 5.1 a seguir.
Tabela 5.1 Problemas-teste
Problema-teste
Cenrio
F15_M11_E4_V30_C8.1 Base
F15_M11_E4_V30_C8.5
carregadeiras
7
F15_M11_E4_V30_C8.7
8
96
Nesta tabela,
%Fe,
%Al2O3,
%P,
%PPC
e %He representam,
% Fe
%
Al2O3
%P
%
PPC
% He
Minrio
Estril
(t)
(t)
4000
1200
30
Cam. Carreg.
Meta /
47,000
0,320
MI
# Equip.
Prioridade
MC
97
Significado
Penalidade por ultrapassar a taxa mxima de utilizao de
um caminho
Valor
1.000.000
100
um caminho
Penalidade pela utilizao de um caminho
10
da mnima exigida
Penalidade pela produtividade da carregadeira ter ficado
Alq O =100
2
qj
Pq =100.000
q
PPC
=1.000
q
He
=1
IterConstr
2.000.000
100
IterMax
50
NivelMax
10
10% do nmero
NumMaxVezes
de frentes
de perturbao
nmero de
caminhes
98
% Fe
% Al2O3
%P
% PPC
% He
minrio(t)
estril (t)
Fo
47,9825
47,9825
47,9825
47,9825
47,9889
47,9825
47,9825
47,9825
0,3175
0,3175
0,3175
0,3175
0,3172
0,3175
0,3175
0,3175
0,0419
0,0419
0,0419
0,0419
0,0419
0,0419
0,0419
0,0419
2,9137
2,9137
2,9137
2,9137
2,9154
2,9137
2,9137
2,9137
37,95
37,95
37,95
37,95
37,97
37,95
37,95
37,95
4000
4000
4000
4000
4000
4000
4000
4000
1200
1200
1200
1200
1200
1200
1200
1200
30.630,50
30.583,83
30.626,50
30.577,83
30.710,98
30.615,16
30.632,10
30.594,76
carregadeiras
caminhes
viagens
Tempo(s)
% TxUtil
27
20
26
21
28
21
24
21
89
92
92
89
86
89
89
89
62
161
67
216
143
171
121
177
54,19
76,98
58,78
73,13
52,73
71,81
59,56
72,18
A Tabela 5.5 mostra, em cada clula, o desvio percentual encontrado para cada
parmetro de controle referente melhor soluo obtida, tendo em vista as metas
estabelecidas. O desvio calculado com base na expresso:
99
DesvioMeta =
Encontrado Meta
Meta
1
% Fe
% Al2O3
%P
% PPC
% He
minrio(t)
estril (t)
Cenrios
4
2,09
2,09
2,09
2,09
2,10
2,09
2,09
2,09
-0,78
-0,78
-0,78
-0,78
-0,88
-0,78
-0,78
-0,78
4,75
4,75
4,75
4,75
4,75
4,75
4,75
4,75
23,99
23,99
23,99
23,99
24,06
23,99
23,99
23,99
-5,12
-5,12
-5,12
-5,12
-5,08
-5,12
-5,12
-5,12
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1
% Fe
% Al2O3
%P
% PPC
% He
minrio(t)
estril (t)
Fo
Cenrios
4
48,0294
48,0418
47,9974
48,0044
48,0026
47,9942
47,9891
48,0008
0,3164
0,3165
0,3169
0,3179
0,3165
0,3163
0,3169
0,3168
0,0419
0,0420
0,0419
0,0420
0,0419
0,0419
0,0419
0,0419
2,9241
2,9227
2,9205
2,9132
2,9248
2,9226
2,9179
2,9212
37,8053
38,0143
37,7995
38,2775
37,9240
37,7885
37,8855
37,9420
4000
4000
4000
4000
4000
4000
4000
4000
1200
1200
1200
1200
1200
1200
1200
1200
31.207,84
31.234,70
31.057,22
30.862,02
31.074,52
30.850,68
30.752,01
30.929,69
carregadeiras
6,4
6,3
6,3
6,5
6,5
6,4
6,2
caminhes
Viagens
tempo(s)
% TxUtil
26,6
20,9
25
20,6
26,8
21,5
26,5
21,1
89,6
90,2
91,1
90,5
87,2
89
88,4
88,4
78,9
148,3
70,3
151,2
109,9
185,9
110,2
211,7
55,951
72,909
60,361
74,381
54,342
69,911
55,249
71,126
100
A Tabela 5.7 mostra, em cada clula, o desvio percentual encontrado para cada
elemento de avaliao da Tabela 5.6. O desvio calculado com base na expresso:
Desvio =
Mdia Melhor
Melhor
em que Mdia representa o valor mdio encontrado nas dez execues do mtodo e
fo
1,88
2,13
1,41
0,93
carregadeiras
6,67
5,00
5,00
0,00
1,18
0,77
0,39
1,09
-7,14
8,33
6,67
3,33
caminhes
viagens
% TxUtil
-1,48
4,50
-3,85
-1,90
-4,29
2,38
10,42
0,48
0,67
-1,96
-0,98
1,69
1,40
0,00
-0,67
-0,67
3,25
-5,29
2,69
1,71
3,06
-2,64
-7,24
-1,46
101
1
% Fe
% Al2O3
%P
% PPC
% He
minrio(t)
Estril (t)
Fo
carregadeiras
Caminhes
Viagens
Tempo(s)
% TxUtil
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9889
0,3173
0,04195
2,91548
37,97
4000
1200
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9937
0,3166
0,04193
2,91968
37,87
4000
1200
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9883
0,3173
0,04196
2,92163
37,81
4000
1200
30.638,50
30.812,70
30.638,50
30.655,50
30.638,50
30.811,74
30.638,50
31.002,45
6
19
86
62
76,44
6
17
71
161
73,50
7
17
86
67
82,46
6
17
71
216
72,44
8
18
89
143
78,87
6
17
71
171
72,89
7
16
86
121
85,67
6
20
71
177
62,54
1
% Fe
% Al2O3
%P
% PPC
% He
minrio(t)
Estril (t)
Fo
carregadeiras
Caminhes
Viagens
Tempo(s)
% TxUtil
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9937
0,3166
0,04193
2,91968
37,87
4000
1200
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
30.638,5
30.737,99
30.638,50
30.659,5
30.638,5
30.659,50
30.638,50
30.655,5
8
16
89
78,9
88,54
6
19
74
148,3
67,19
7
17
86
70,3
82,46
6
20
74
151,2
62,96
6
16
89
109,9
89,38
6
20
74
185,9
63,11
7
16
86
110,2
85,67
8
17
71
211,7
73,11
102
GanhoMelhor =
LINGO MelhorILS
LINGO
em que MelhorILS representa o melhor valor da funo de avaliao (fo) encontrado nas
dez execues do mtodo ILS e LINGO representa o resultado encontrado pelo
otimizador LINGO no mesmo tempo de processamento do ILS (vide Tabela 5.4).
Item
GanhoMelhor
0,03
0,74
0,04
0,25
-0,24
0,64
0,02
1,32
62
161
67
216
143
171
121
177
(%)
Tempo de
execuo (s)
Na Tabela 5.10, um valor positivo em uma clula indica que o ILS produziu uma
soluo de melhor qualidade que o otimizador LINGO. Por exemplo, para o cenrio 2, o
ILS foi 0,74% melhor que o LINGO. J no cenrio 5, a soluo final do ILS foi 0,24%
pior que aquela produzida pelo LINGO.
A Tabela 5.11 mostra, para cada cenrio, o percentual de melhora proporcionado
pelo mtodo heurstico ILS, em seu comportamento mdio (Tabela 5.6), comparado
com a soluo produzida pelo otimizador LINGO nesse mesmo tempo de
processamento. O percentual de melhora calculado com base na expresso:
103
GanhoMdio =
LINGO * MdiaILS
LINGO *
em que MdiaILS representa o valor mdio da funo de avaliao (fo) encontrado nas
dez execues do mtodo ILS e LINGO* representa o resultado encontrado pelo
otimizador LINGO no tempo mdio de processamento do ILS (vide tempos mdios de
processamento do ILS na Tabela 5.6).
GanhoMdio
Cenrios
1
-1,86
-1,62
-1,37
-0,66
-1,42
-0,62
-0,37
-0,89
78,9
148,3
70,3
151,2
109,9
185,9
110,2
211,7
(%)
Tempo de
execuo (s)
104
Tabela 5.12 Caractersticas das solues obtidas pelo otimizador em uma hora de
processamento
% Fe
% Al2O3
%P
% PPC
% He
minrio(t)
estril (t)
Fo
carregadeiras
caminhes
Viagens
tempo(s)
% TxUtil
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9889
0,3173
0,04195
2,91548
37,97
4000
1200
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
30.638,50
30.736,99
30.638,50
30.657,50
30.638,50
30.655,50
30.638,50
30.656,50
6
19
86
3600
74,18
6
18
71
3600
69,42
7
17
86
3600
82,46
7
19
74
3600
66,95
6
16
89
3600
89,38
6
17
71
3600
73,11
7
16
86
3600
85,67
6
18
71
3600
69,05
caminhes
Viagens
tempo(h)
% TxUtil
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9889
0,3173
0,04195
2,91548
37,97
4000
1200
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
47,9825
0,3175
0,04195
2,91375
37,95
4000
1200
30.638,50
30.735,99
30.638,50
30.655,50
30.638,50
30.655,50
30.638,50
30.655,50
6
19
86
20
74,18
6
17
71
20
73,50
7
17
86
20
82,46
7
17
71
20
72,61
6
16
89
20
89,38
6
17
71
20
72,44
7
16
86
20
85,67
6
17
71
20
72,44
A Tabela 5.14 mostra, para cada cenrio, a distncia entre a soluo do LINGO
em uma hora de processamento (respectivamente, 20 horas) e a gerada pelo mtodo
heurstico ILS, em seu melhor desempenho (Tabela 5.4). Esta mtrica calculada com
base na expresso:
105
Distancia =
LINGO **
1
MelhorILS
em que MelhorILS representa o melhor valor para a funo de avaliao (fo) encontrado
nas dez execues do mtodo ILS no tempo especificado na Tabela 5.4 e LINGO**
representa o resultado encontrado pelo otimizador LINGO em uma hora de
processamento (respectivamente, 20 horas).
Tabela 5.14 Comparao entre o LINGO e o melhor desempenho do ILS
Cenrios
Descrio
1
0,0261
0,501
0,039
0,261
-0,236
0,132
0,021
0,201
0,0261
0,498
0,039
0,254
-0,236
0,132
0,021
0,199
62
161
67
216
143
171
121
177
Distancia (%)
em uma hora
Distancia (%)
em 20 horas
Tempo ILS (s)
Na Tabela 5.14, um valor positivo em uma clula indica que o ILS produziu uma
soluo de melhor qualidade que o otimizador LINGO. Por exemplo, para o cenrio 4, a
soluo do LINGO em uma hora distou da soluo do ILS em 0,261% e esta distncia
diminuiu para 0,254% quando o LINGO foi processado em 20 horas. Como se observa,
no houve melhora do LINGO nos cenrios mpares, onde no se considera a taxa de
utilizao mxima para os caminhes. Apenas no cenrio 5, a soluo do LINGO foi
melhor que a do ILS.
106
107
considerado com prioridade mnima (Importante, com valor 1). No caso do fsforo, P,
que o parmetro que possui a maior prioridade, considerado Muito Crtico, com peso
igual a 100, o desvio no ultrapassa 5% mas, pelos mesmos motivos elencados para o
parmetro PPC, no possvel atender a meta com os recursos minerais disponveis. No
caso do fsforo, mesmo nas melhores solues obtidas em cada cenrio (vide Tabela
5.4), no foi possvel atingir a meta.
Apesar de os cenrios mais favorveis serem aqueles nos quais no h restries
de compatibilidade entre caminhes e carregadeiras e nem imposio de limite mnimo
de carregamento para as carregadeiras, o mtodo ILS proposto no explora tal
caracterstica. Isto ocorre porque a funo de avaliao usada para guiar a busca procura
fazer sempre o melhor aproveitamento tanto da frota de caminhes quanto das
carregadeiras, penalizando uma baixa taxa de utilizao de caminhes e o no
atendimento do carregamento mnimo. Nas solues produzidas pelo modelo LINGO,
relativas a essas situaes, aparecem taxas de utilizao de caminhes de at 100% e
carregamento inferior ao mnimo da carregadeira. Mesmo assim, o mtodo ILS
consegue gerar solues ainda melhores que as produzidas pelo LINGO.
A robustez do mtodo confirmada pelas tabelas 5.7, 5.11 e 5.14. Pela Tabela
5.7, observa-se que o desvio na funo de avaliao baixo, inferior a 2,13%,
significando que partindo de uma soluo inicial qualquer, o mtodo em geral produz
uma soluo final inferior a 2,13% do melhor resultado, na mdia. Pela Tabela 5.11
observa-se que, na mdia, o ILS produz solues piores que o LINGO, quando dado
ao LINGO o tempo mdio de processamento do ILS. Entretanto, importante ressaltar
que as solues do LINGO em geral no so factveis, como apontado no pargrafo
anterior. Por outro lado, pela Tabela 5.14, que compara a distncia das solues
produzidas pelo LINGO, em uma hora e 20 horas de processamento, com a melhor
soluo do ILS, verifica-se que o ILS gera solues melhores, exceo do cenrio 5,
apesar do pouco tempo de processamento (mximo de 216 segundos). As referidas
distncias variam de 0,021% a 0,501% quando consideradas as solues do LINGO em
uma hora de processamento. Quando o tempo dado ao LINGO aumentado para 20
horas de processamento, tais distncias so levemente reduzidas, variando de 0,021% a
0,498%.
108
109
pelo mtodo ILS proposto com aquelas produzidas por um otimizador aplicado a um
modelo de programao matemtica desenvolvido.
Os resultados obtidos mostraram que as melhores solues produzidas pelo
mtodo heurstico proposto (ILS) so de melhor qualidade que aquelas produzidas pelo
otimizador LINGO aplicado ao modelo de programao matemtica, mesmo
considerando as dimenses relativamente modestas dos problemas-teste tratados.
Adicionalmente, verificou-se que as solues de qualidade produzidas pelo ILS
foram obtidas sem muito esforo computacional, ao contrrio daquelas geradas pelo
otimizador. Este ltimo demandou tempos proibitivos para gerar solues prximas
quelas geradas pelo ILS em poucos minutos, fato que valida a utilizao do mtodo
proposto, enquanto ferramenta de apoio deciso.
Com relao s caractersticas das solues produzidas pelo mtodo proposto
nos diversos cenrios analisados, pode-se verificar que os valores dos parmetros de
controle ficaram bem prximos das metas estabelecidas. As excees foram para o PPC
e o fsforo (P), que s no obtiveram resultados melhores devido baixa qualidade dos
recursos minerais existentes para esses parmetros. Em relao frota de veculos de
transporte e de equipamentos de carga ficou constatado o bom aproveitamento dos
mesmos. No caso dos equipamentos de carga conseguiu-se reduzir a quantidade desses,
bem como utiliz-los prximos de suas capacidades mximas de produo. J no caso
dos veculos de transporte, tambm houve reduo da quantidade de veculos
necessrios, bem como um melhor aproveitamento desses, indicado pelas taxas de
utilizao prximas meta.
Esses resultados comprovam, portanto, a eficincia do mtodo heurstico
proposto para a otimizao do planejamento operacional de lavra. Destaca-se,
finalmente, que o mtodo ILS flexvel, no sentido de que outras restries podem ser
facilmente incorporadas ao mtodo.
Em relao a Costa (2005), este trabalho representa uma evoluo, no sentido de
considerar nmero de caminhes e taxas de utilizao desses no modelo de
programao matemtica, bem como um conjunto maior de movimentos para explorar o
espao de solues no mtodo heurstico. Adicionalmente, apesar de a comparao
110
111
Referncias Bibliogrficas
ALVARENGA, G. B. (1997). Despacho timo de caminhes numa minerao de ferro
112
113
em
http://www.decom.ufop.br/prof/marcone/disciplinas/Inteligncia
114
Anexo I: PROBLEMAS-TESTE
So caracterizados, a seguir, os dados dos problemas-teste utilizados.
Parmetros de Controle
Frente1
Frente2
Frente3
Frente4
Frente5
Frente6
Frente7
Frente8
Frente9
Frente10
Frente11
Frente12
Frente13
Frente14
Frente15
Tipo
Frente
M
E
M
M
E
M
M
M
M
E
M
M
M
M
E
Fe
(%)
52,64
39,92
47,19
49,36
43,94
48,97
47,46
46,52
56,09
46,00
49,09
49,77
53,03
52,96
42,09
Al2O3
(%)
0,52
0,18
0,50
0,22
0,46
0,54
0,20
0,32
0,95
0,26
0,22
0,20
0,24
0,29
0,17
P
(%)
0,084
0,029
0,050
0,039
0,032
0,057
0,047
0,039
0,059
0,031
0,040
0,047
0,047
0,052
0,031
PPC
(%)
4,48
0,65
2,52
1,74
2,36
4,34
5,07
3,51
4,10
2,51
4,20
4,81
4,17
4,81
1,38
He
(%)
45,0
97,0
52,0
78,0
41,0
90,0
9,0
4,0
80,0
21,0
12,0
12,0
1,0
1,0
47,0
Massa
(t)
1500
2000
1700
1450
1250
1890
1640
1124
1990
900
1540
1630
1320
1245
1859
Fr\Cam
Frente1
Frente2
Frente3
Frente4
Frente5
Frente6
Frente7
Frente8
Frente9
Frente10
Frente11
Frente12
Frente13
Frente14
Frente15
Cam1 a
Cam11
10,2
10,2
9,8
7,9
8,6
8
8,7
7,8
8,7
10,2
9,8
7,9
8,6
8
8,7
Cam12 a
Cam30
12,2
12,2
11,7
11,1
10,5
10
10,3
10
10,2
12,2
12
10
10,3
10
10,5
115
...
11
12
13
14
15
16
17
18
19
20
...
29
30
50
50
50
50
50
...
50
50
50
50
50
80
80
80
80
80
...
80
80
C2
C3
C4
C5
C6
C7
C8
Max
900
900
900
900
1000
1000
1100
1100
Min
250
300
250
300
350
300
400
400
116
C2
C3
C4
C5
C6
C7
C8
CAM1
CAM2
CAM3
CAM4
CAM5
CAM6
CAM7
CAM8
CAM9
CAM10
CAM11
CAM12
CAM13
CAM14
CAM15
CAM16
CAM17
CAM18
CAM19
CAM20
CAM21
CAM22
CAM23
CAM24
CAM25
117
CAM26
CAM27
CAM28
CAM29
CAM30
118
119
120
121
122
123