Marcone Jamilson Freitas Souza

Slides:



Advertisements
Apresentações semelhantes
AULA 01 PROGRAMAÇÃO DINÂMICA
Advertisements

Inteligência Artificial
Inteligência Artificial
Algoritmos para Geração de Variáveis Aleatórias
Prof: Michelly Gonçalves Fernandes Vitória 2007
DISTRIBUIÇÃO NORMAL. O histograma por densidade é o seguinte: Exemplo : Observamos o peso, em kg, de 1500 pessoas adultas selecionadas ao acaso em uma.
Estatística amintas paiva afonso.
CAPÍTULO 7 TESTE DE HIPÓTESE
Fatores importantes na determinação de rotas
FACILITY LOCATION PROBLEM
CAPÍTULO 7 TESTE DE HIPÓTESE
ESTIMAÇÃO.
ESTATÍSTICA BÁSICA Engenharia Mecânica 15/03/2011.
ARRANJO FÍSICO- Exemplos
ENGENHARIA DE MÉTODOS Prof. Adolfo Sérgio Furtado da Silva
Prof. Fábio Kleine Albers
Planejamento-Mestre da Produção
Curso de ADMINISTRAÇÃO
I Iterated Local Search Helena R. Lorenço, Olivier Martinz
GRASP Greedy Randomized Adaptative Search Procedure
PROBLEMA DE ROTEAMENTO DE VEíCULOS COM DIVISÃO DE ENTREGA
1 Complexidade de Algoritmos Complexidade de pior caso Complexidade de melhor caso de uso bem menos freqüente em algumas situações específicas Complexidade.
Transporte em Tempo Mínimo
Dárlinton B. Feres Carvalho
Inteligência Computacional para Otimização
Colônia de Formigas (Ant Colony Optimization)
Busca Tabu - Revisão Marcone Jamilson Freitas Souza
Introdução à Otimização
Busca Dispersa Scatter Search
Inteligência Computacional para Otimização Marcone Jamilson Freitas Souza Departamento de Computação Universidade Federal de Ouro Preto
Rodrigo Geraldo Ribeiro Denis Pinto Pinheiro Camila Leles Rezende
ROTEIRIZAÇÃO Marcone Jamilson Freitas Souza
XXXV SBPO - PROGRAMAÇÃO DE TRIPULAÇÕES DE ÔNIBUS URBANO:
Inteligência Computacional para Otimização
Inteligência Computacional para Otimização
Busca Tabu Marcone Jamilson Freitas Souza Departamento de Computação
Aquisições LINHA EXISTENTE Dimensionamento da Frota para Percursos Longos (Tc > Tp) O tempo de viagem de ida mais volta (Tv )mais os tempos.
LOGÍSTICA EMPRESARIAL – MODULO 8
Estatística Aplicada (Aula 4)
Roteirização.
Controle de mercadorias em trânsito
de Programação de Linha de Ônibus
Buscas em Grafos Prof. André Renato 1º Semestre/2012
ESTATÍSTICA.
Planejamento e controle de estoques – cap. 12 continuação
MBA EM LOGÍSTICA EMPRESARIAL
PESQUISA SOBRE PRAZO MÉDIO DA ASSISTÊNCIA NA SAÚDE SUPLEMENTAR
Planejamento e administração do transporte de carga: principais decisões GRUPO C Amanda Stuckert Menezes (L411) Caeverton de Oliveira Camelo (L37) João.
Otimização por Colônia de Formigas (ACO)
A NOÇÃO DE FUNÇÃO Belo Horizonte 2012
Avaliação da Viabilidade Econômico-Financeira em Projetos
TÉCNICO EM LOGÍSTICA Competência: Gerir processos de distribuição de produtos, com base na administração dos estoques, sua localização e planejamento.
Custeio Variável Prof. Carlos Alexandre.
MBA EM LOGÍSTICA EMPRESARIAL
Pesquisa Operacional Programação Linear Solução Gráfica.
PROBLEMAS DE TRANSPORTE
Funcionários - Grau de Satisfação 2096 avaliações
TEORIA CINÉTICA DOS GASES Moléculas que colidem com a parede é
Modelagem Estatística
Introdução e Busca Cega
Mediana É um valor real que separa o rol em duas partes deixando à sua esquerda o mesmo número de elementos que a sua direita. Portanto, a mediana é um.
Estatística Inferencial (cap. 7 Martins)
SOLVER – EXCEL Prof. Antonio Carlos Coelho
Redes ADSA António Câmara.
ANÁLISE ESTATÍSTICA II
Roteirização de Veículos
15)Entregar ao cliente o produto desejado no prazo combinado(no momento certo) e o produto deve ser o desejado(o produto certo) e Sem reclamação futura.
Francielle C. Fenerich Atividades-Chave.
Logística.
Roteirização.
Transcrição da apresentação:

Marcone Jamilson Freitas Souza ROTEIRIZAÇÃO Parte II Marcone Jamilson Freitas Souza http://www.decom.ufop.br/prof/marcone

Problema de Roteamento de Veículos

SUMÁRIO Aproximações para o cálculo da distância Princípios para uma boa roteirização e programação de veículos Roteamento periódico de veículos Roteirização probabilística Problema das p-medianas Metaheurísticas Simulated Annealing Busca Tabu Algoritmos Genéticos

Aproximações para o cálculo da distância Distância percorrida por um veículo em uma rota: Distância do depósito ao bolsão de entrega; Distância percorrida dentro do bolsão; Distância do bolsão ao depósito.

Aproximações para o cálculo da distância Nem sempre se dispõe de dados exatos sobre todos os pontos de entrega; Aplicar fórmulas aproximadas para se planejar o sistema de distribuição Dreal = k1 * Dreta k1 obtido por amostragem

Aproximações para a distância percorrida dentro do Bolsão Se o bolsão não tiver forma muito irregular: A = área do bolsão (Km2) n = número de clientes visitados k0=0,765 k1=coeficiente de correção

Aproximações para a distância percorrida dentro do Bolsão Exemplo: Para um roteiro com n=50 clientes, em um bolsão com área A=4Km2, tomando-se k1=1,40 tem-se:

Aproximações para a distância percorrida dentro do Bolsão Conhecendo-se a densidade  da região (clientes por Km2), pode-se reescrever L como:

Tempo para completar um roteiro Tempo de ciclo (em horas) para se completar um roteiro (tp em minutos): Tempo de deslocamento do depósito ao bolsão e vice-versa Tempo de parada total Tempo de deslocamento dentro do bolsão

Tempo para completar um roteiro Exemplo: Para o exemplo anterior, considerando V1=35Km/h, V2=30Km/h e tp=7 minutos, tem-se:

Roteiro restrito pela capacidade útil do veículo Seja W a capacidade útil (em Kg) do veículo e q a demanda média dos clientes Número máximo de visitas do veículo no roteiro: Área do bolsão que pode ser visitada:

Roteiro restrito pela capacidade útil do veículo Exemplo: Se o serviço de entrega for realizado por um veículo de capacidade W=3.980Kg de capacidade útil, em uma região com densidade média =12,5 clientes/Km2 e demanda média de clientes de 30 Kg, obtém-se:

Roteiro restrito pela jornada diária de trabalho Fazendo-se TC = 8 horas na expressão do tempo de ciclo de um roteiro e extraindo-se o valor de n, obtém-se:

Roteiro restrito pela jornada diária de trabalho Dividindo-se a expressão anterior por  obtém-se a área máxima do bolsão restrita pela jornada de trabalho:

Roteiro restrito pela jornada diária de trabalho Exemplo: Para o exemplo considerado, tem-se:

Roteiro restrito pela jornada diária de trabalho A área A do bolsão é o menor valor entre AW e AT; No exemplo considerado, o sistema está limitado pela duração da jornada diária de trabalho; A partir dessa área, calculam-se: Número de clientes a serem atendidos; Carregamento do veículo; Tempo de ciclo; Custos operacionais.

Princípios para uma boa roteirização e programação de veículos Carregar os veículos com volumes de paradas que estão próximas entre si; RUIM MELHOR

Princípios para uma boa roteirização e programação de veículos As paradas em dias diferentes devem ser combinadas para produzir agrupamentos densos; MELHOR RUIM

Princípios para uma boa roteirização e programação de veículos Construir rotas começando com a parada mais distante do depósito; Construir rota em torno da parada mais distante do depósito e então trabalhar a volta ao depósito; A capacidade atribuída ao veículo deve ser preenchida pela seleção do conjunto mais denso de paradas próximo a essa parada mais distante; Após fazer a rota de um veículo, selecione outro e identifique a parada remanescente mais distante do depósito Prosseguir até que todas as paradas tenham sido atendidas

Princípios para uma boa roteirização e programação de veículos A sequência das paradas em uma rota rodoviária deve formar um padrão de gota-d’água; RUIM BOA

Princípios para uma boa roteirização e programação de veículos As rotas mais eficientes são construídas usando os maiores veículos disponíveis; Veículos maiores conseguem atender a um maior número de paradas, minimizando a distância ou o tempo total requerido para servir as paradas; Veículos maiores devem ser alocados primeiro;

Princípios para uma boa roteirização e programação de veículos As coletas devem ser combinadas com as rotas de entrega, ao invés de serem deixadas para o final das rotas; As coletas devem ser feitas, tanto quanto possível, durante as entregas de forma a minimizar a quantidade de cruzamentos de trajeto que podem ocorrer quando tais paradas são servidas depois que todas as entregas foram feitas

Princípios para uma boa roteirização e programação de veículos Paradas isoladas de um agrupamento de rota são boas candidatas para um meio alternativo de entrega;

Princípios para uma boa roteirização e programação de veículos Janelas de tempo estreitas devem ser evitadas; Restrições da janela de tempo nas paradas, quando estreitas, podem gerar rotas muito ruins, fora dos padrões ideais; Renegociar o intervalo da janela de tempo;

Roteamento Periódico de Veículos Um conjunto de n clientes Um conjunto de veículos Um período de planejamento de t dias Uma demanda qi associada a cada cliente Um custo associado ao atendimento de cada cliente Problema: Determinar as rotas dos veículos no período

Roteamento Periódico de Veículos Um conjunto de n clientes Um conjunto de veículos Um período de planejamento de t dias Uma demanda qi associada a cada cliente Um custo associado ao atendimento de cada cliente Problema: Determinar as rotas dos veículos no período

Roteamento Periódico de Veículos: Exemplo Depósito Segunda Terça Quarta

Roteamento Periódico de Veículos: Exemplo Depósito Segunda Terça Quarta

Roteamento Periódico de Veículos: Exemplo Depósito Segunda Terça Quarta

Roteamento Periódico de Veículos: Exemplo Depósito Segunda Terça Quarta

Roteamento Periódico de Veículos: Outra situação Cada cliente é atendido uma única vez no período de 3 dias!

Roteamento Periódico de Veículos: Outra situação Cada cliente é atendido uma única vez no período de 3 dias!

Roteamento Periódico de Veículos: Outra situação Cada cliente é atendido uma única vez no período de 3 dias!

ROTEIRIZAÇÃO PROBABILÍSTICA Clientes nem sempre emitem pedidos de forma regular Estratégias a adotar: Definir um roteiro ótimo a priori, eliminando os clientes sem pedidos; Redefinir a roteirização sempre que houver alterações na lista de clientes a serem visitados.

VANTAGENS DE UM ROTEIRO ÚNICO Roteirizador aplicado uma única vez, dispensando a alimentação contínua do sistema; Maior eficiência no trabalho do motorista memorização mais fácil do percurso, passando pelos mesmos locais aproximadamente à mesma hora;

DESVANTAGENS DE ALTERAR O ROTEIRO Alimentação contínua do Roteirizador; Diminuição na eficiência de trabalho dos motoristas Nem sempre alterar sistematicamente o roteiro é financeiramente compensador;

EXEMPLO Cliente x y Prob. visita 1 7,50 7,80 1,0 2 8,10 6,95 3 8,50 8,20 4 8,75 6,50 5 6,20 6,60 6 6,00 7 5,90 7,45 8 5,45 8,30 9 5,00 7,60 0,2 10 6,80

EXEMPLO

EXEMPLO

EXEMPLO: Roteiro ótimo L = 11,6 Km 7 2 D 8 6 1 4 9 3 5 D->2->3->1->4->5->9->8->7->6->D

EXEMPLO: Roteiro sub-ótimo L = 12,2 Km 7 2 D 8 6 1 4 9 3 5 D->2->3->1->5->4->6->9->8->7->D

EXEMPLO: Roteiro sub-ótimo L = 12,2 Km 7 2 D 8 6 1 4 9 3 5 D->2->3->1->5->4->6->9->7->D Roteiro quando o cliente 8 não é visitado

EXEMPLO: Roteiro sub-ótimo L = 11,2 Km 7 2 D 8 6 1 4 9 3 5 D->2->3->1->5->4->6->8->7->D Roteiro quando o cliente 9 não é visitado

EXEMPLO: Roteiro sub-ótimo L = 10,5 Km 7 2 D 8 6 1 4 9 3 5 D->2->3->1->5->4->6->7->D Roteiro quando os clientes 8 e 9 não são visitados

EXEMPLO Qual a extensão média dos roteiros após um longo período? Uma visita ao cliente 8 ou 9 ocorre 20% das vezes Probabilidade de um desses clientes não ser visitado = 80% Admitir independência entre os eventos

Extensão esperada Evento Extensão (Km) Valor esperado LT = 12,2 0,49 Probabilidade Extensão (Km) Valor esperado A: Todos visitados 0,2 x 0,2 = 0,04 LT = 12,2 0,49 B: Cliente 8 não visitado 0,8 x 0,2 = 0,16 L8 = 12,2 1,95 C: Cliente 9 não visitado 0,2 x 0,8 = 0,16 L9 = 11,2 1,79 D: Clientes 8 e 9 não visitados 0,8 x 0,8 = 0,64 L8,9 = 10,5 6,72 Total 1,00 - 10,95

Observações Extensão média quando o roteiro utilizado é o ótimo = 11,25 Km (Valor obtido repetindo-se o procedimento anterior) 11,25 / 10,95 = 1,027 Extensão média é 2,7% maior do que partindo de uma solução sub-ótima!

LOCALIZAÇÃO: Problema das p-medianas Dado um conjunto de n clientes Para cada cliente há uma demanda qi Existe matriz de distâncias dij Necessário instalar p facilidades Problema: Onde instalar as p facilidades?

LOCALIZAÇÃO: Problema das p-medianas Sejam dados: n locais qi = demanda do local i Variável de decisão:

LOCALIZAÇÃO: Problema das p-medianas

LOCALIZAÇÃO: Problema das p-medianas capacitado Dado um conjunto de n clientes Para cada cliente há uma demanda qi Existe matriz de distâncias dij Necessário instalar p facilidades Cada facilidade possui uma capacidade capj Problema: Onde instalar as p facilidades?

LOCALIZAÇÃO: Problema das p-medianas capacitado Sejam dados: n locais qi = demanda do local i capj = capacidade da facilidade j cij = custo de atendimento do local i pela facilidade j Variável de decisão:

LOCALIZAÇÃO: Problema das p-medianas capacitado

Problema da Localização de Unidades Capacitado Dado um conjunto de n clientes Para cada cliente há uma demanda qi Existe matriz de distâncias dij Necessário instalar p facilidades Cada facilidade possui uma capacidade capj Existe custo fixo de instalação Problema: Onde instalar as p facilidades?

Problema da Localização de Unidades Capacitado Sejam dados: n locais, fj = custo de instalação da facilidade j qi = demanda do local i capj = capacidade da facilidade j cij = custo de atendimento do local i pela facilidade j Variável de decisão:

Problema da Localização de Unidades Capacitado

EXEMPLO