You are on page 1of 89

UM MODELO DE PROGRAMAO MATEMTICA PARA

OTIMIZAR A COMPOSIO DE LOTES DE MINRIO DE


FERRO DA MINA CAU DA CVRD


Autora: Edilaila Fernandes Moraes

Orientador: Prof. Dr. Marcone Jamilson Freitas Souza



Dissertao apresentada ao Programa de
Ps-Graduao em Engenharia Mineral do
Departamento de Engenharia de Minas da
Escola de Minas da Universidade Federal
de Ouro Preto, como parte integrante dos
requisitos para obteno do ttulo de
Mestre em Engenharia Mineral, rea de
concentrao: Lavra de Minas.



Ouro Preto, Dezembro de 2005.


UNIVERSIDADE FEDERAL DE OURO PRETO UFOP
ESCOLA DE MINAS EM
DEPARTAMENTO DE ENGENHARIA DE MINAS DEMIN
PROGRAMA DE PSGRADUAO EM ENGENHARIA MINERAL PPGEM
















M827u Moraes, Edilaila Fernandes.
Um modelo de programao matemtica para otimizar a composio de
lotes de minrio de ferro da mina Cau da CVRD [manuscrito]. / Edilaila
Fernandes Moraes. 2005.
x, 78f. : il. color., graf., tabs.

rea de concentrao: Lavra de Minas.
Orientador: Prof. Dr. Marcone Jamilson Freitas Souza.
Dissertao (Mestrado) Universidade Federal de Ouro Preto. Escola de
Minas. Departamento de Engenharia de Minas. Programa de ps-graduao em
Engenharia Mineral.

1.. Engenharia de Minas - Teses. 2. Lavra a cu aberto - Teses. 3.
Programao linear. Teses. 4. Minrios de Ferro - Misturas - Teses. 5.
Minrios de Ferro Controle de estoque Teses. I. Universidade Federal de
Ouro Preto. Escola de Minas. Departamento de Engenharia de Minas. Programa
de Ps-graduao em Engenharia Mineral. II. Ttulo.
CDU: 622.27

Catalogao: sisbin@sisbin.ufop.br

ii

UM MODELO DE PROGRAMAO MATEMTICA PARA
OTIMIZAR A COMPOSIO DE LOTES DE MINRIO DE
FERRO DA MINA CAU DA CVRD



Edilaila Fernandes Moraes



Esta dissertao foi apresentada em sesso pblica e aprovada em 09
de dezembro de 2005, pela Banca Examinadora composta pelos seguintes
membros:



_____________________________________________________
Prof. Dr. Marcone Jamilson Freitas Souza (Orientador/UFOP)



_____________________________________________________
Prof. Dr. Ivo Eyer Cabral (UFOP)


_____________________________________________________
Prof. Dr. Carlos Roberto Venncio de Carvalho (UFMG)

iii
Agradecimentos

Agradeo a todos que de alguma forma contriburam para a realizao deste
trabalho, especialmente:

Deus, pela sade e por mais essa conquista;

Ao meu orientador e amigo, Marcone Jamilson Freitas Souza, pelo aprendizado
e motivao;

Ao programa de Ps-Graduao do Departamento de Engenharia Mineral da
Escola de Minas da UFOP, pelos recursos disponibilizados;

Ao grupo de Pesquisa Operacional Aplicada Minerao da UFOP, por adaptar
essa dissertao s necessidades da CVRD, desenvolvendo e implementando um
sistema, que servir como ferramenta para o problema de blendagem dos produtos do
Ptio desta empresa;

Ao Klber Souza e Silva, meu gerente quando iniciei o mestrado, atualmente
Gerente Geral das Minas do Sistema Norte, pela orientao e oportunidade;

Equipe de Controle de Qualidade de Ptios da CVRD Itabira, especialmente
ao Antnio Jacinto Rodrigues, pela colaborao e aprendizado;

Ao David Costa, pelo apoio e por me fazer acreditar que tudo possvel;

Aos meus familiares e amigos, em especial Ianara, pelo incentivo e carinho.


iv
Resumo
Este trabalho tem seu enfoque no problema de blendagem de produtos de
minrio de ferro, estocados nos ptios da mina Cau, da empresa Companhia Vale do
Rio Doce (CVRD), em Minas Gerais, para a composio de lotes. Prope-se um modelo
de programao linear por metas que visa determinar os locais de retomada do produto
estocado, de tal forma que a mistura atenda aos limites de especificaes de qualidade e
quantidade preestabelecidos pelo cliente e satisfaa as restries operacionais do ptio.
O modelo de programao matemtica desenvolvido foi implementado no modelador e
otimizador LINGO 9.0, interfaceando com planilhas do EXCEL 2000, o que
possibilitou a utilizao e exportao de dados em um ambiente familiar empresa de
minerao. O sistema desenvolvido foi validado comparando-se os resultados obtidos
com os produzidos manualmente pela empresa. Os resultados computacionais
apresentados comprovaram que possvel prover uma melhora na composio dos lotes
atravs do modelo proposto.

Palavras-Chave: Blendagem de minrios, ptio de estocagem de minrios, programao
por metas.

v
Abstract
This work focus on the problem of blending iron ore products, at the Cau mine
stockyard, of Companhia Vale do Rio Doce, in Minas Gerais State, for the composition
of a lot. It consists in elaborating a linear goal programming model that seeks to
determine the places of retake the stored ore, in such a way that the blending of
products be in conformity with the quality specification required by the customer. This
work is a case study of applied nature. The mathematical programming model was
developed with the support of the optimization software LINGO 9.0 in conjunction with
of EXCEL 2000 spreadsheets, making possible to handle and export data in formats
used by the mining company. With the purpose of validating the implemented system,
the results obtained by the system were compared with real data. These results proved
that is possible to improve the composition of the products lots applying the proposed
model.

Keywords: Ore blending, ore stockyard, goal programming.



vi
Sumrio
AGRADECIMENTOS ................................................................................................ III
RESUMO.......................................................................................................................IV
ABSTRACT.................................................................................................................... V
SUMRIO.....................................................................................................................VI
LISTA DE FIGURAS................................................................................................VIII
LISTA DE TABELAS ..................................................................................................IX
LISTA DE SIGLAS E ABREVIATURAS................................................................... X
1. PRELIMINARES ................................................................................................... 1
1.1 INTRODUO ..................................................................................................... 1
1.2 JUSTIFICATIVA E RELEVNCIA........................................................................... 2
1.3 ESTRUTURA DO TRABALHO ............................................................................... 3
2. REVISO BIBLIOGRFICA.............................................................................. 4
2.1 INTRODUO ..................................................................................................... 4
2.2 PROGRAMAO POR METAS ............................................................................ 10
2.3 O MODELO DE CHANDA & DAGDELEN (1995) .......................................... 14
2.3.1 Parmetros do Modelo ........................................................................... 14
2.3.2 Funo Objetivo ..................................................................................... 15
2.3.3 Restries de Meta.................................................................................. 15
2.3.4 Restries de limite superior e inferior de produo e especificao.... 15
2.3.5 Controle de produo............................................................................. 16
2.3.6 No-negatividade.................................................................................... 16
2.4 OS MODELOS DE MERSCHMANN (2002)...................................................... 17
2.4.1 Modelo de Otimizao referente Alocao Dinmica de Caminhes. 18
2.4.2 Modelo de Otimizao referente Alocao Esttica de Caminhes.... 21
2.4.3 Modelo de Simulao.............................................................................. 25
3. DESCRIO DO PROBLEMA ABORDADO................................................. 28
3.1 INTRODUO ................................................................................................... 28
3.1.1 Sistema Norte da CVRD ......................................................................... 28
3.1.2 Sistema Sul da CVRD ............................................................................. 29
3.2 ESTUDO DE CASO............................................................................................. 31
4. MODELAGEM DO PROBLEMA ABORDADO............................................. 39
4.1 INTRODUO ................................................................................................... 39
4.2 MODELO BASEADO EM PROGRAMAO POR METAS ARQUIMEDIANA ............... 39
vii
4.2.1 Parmetros do modelo............................................................................ 39
4.2.2 Variveis de deciso............................................................................... 41
4.2.3 Funo objetivo ...................................................................................... 42
4.2.4 Restries de seqenciamento vertical ................................................... 42
4.2.5 Restries de retirada de um conjunto de pilhas contguas ................... 42
4.2.6 Restries de seqenciamento horizontal............................................... 43
4.2.7 Restries de limite superior de garantia............................................... 43
4.2.8 Restries de limite inferior de garantia................................................ 43
4.2.9 Restries de meta .................................................................................. 44
4.2.10 Restries de eliminao parcial de uma pilha...................................... 44
4.2.11 Restries de eliminao completa de pilhas ......................................... 45
4.2.12 Restries que visam eliminao completa de pilhas.......................... 45
4.2.13 Restries de integralidade e no-negatividade..................................... 45
4.3 MODELO BASEADO EM PROGRAMAO POR METAS NEBULOSA ....................... 46
4.3.1 Funo objetivo ...................................................................................... 46
4.3.2 Restries................................................................................................ 46
4.4 IMPLEMENTAO COMPUTACIONAL ................................................................ 47
5. RESULTADOS COMPUTACIONAIS............................................................... 48
6. CONCLUSES E TRABALHOS FUTUROS................................................... 62
REFERNCIAS BIBLIOGRFICAS........................................................................ 64
ANEXO I: O SOFTWARE LINGO.............................................................................. 67
ANEXO II: MODELO................................................................................................. 71
ANEXO III: PUBLICAES..................................................................................... 78

viii
Lista de Figuras


Figura 2.1 - Diagrama de Ciclo de Atividade do Modelo Genrico............................... 26
Figura 3.1 - Principais Produtos do Complexo Itabira ................................................... 32
Figura 3.2 - Ptios de estocagem da mina Cau ............................................................. 33
Figura 3.3 - Equipamentos de empilhamento e recuperao.......................................... 35
Figura 3.4 - Layout dos Ptios........................................................................................ 37
Figura 5.1 Teor de ferro nos cinco cenrios do PCCA................................................ 50
Figura 5.2 Teor de slica nos cinco cenrios do PCCA............................................... 50
Figura 5.3 Teor de fsforo nos cinco cenrios do PCCA............................................ 51
Figura 5.4 Teor de alumina nos cinco cenrios do PCCA........................................... 51
Figura 5.5 Teor de mangans nos cinco cenrios do PCCA........................................ 52
Figura 5.6 Teor de gua nos cinco cenrios do PCCA................................................ 52
Figura 5.7 Teor de ferro nos cinco cenrios do PECA................................................ 53
Figura 5.8 Teor de slica nos cinco cenrios do PECA ............................................... 53
Figura 5.9 Teor de fsforo nos cinco cenrios do PECA............................................ 54
Figura 5.10 Teor de alumina nos cinco cenrios do PECA......................................... 54
Figura 5.11 Teor de mangans nos cinco cenrios do PECA...................................... 55
Figura 5.12 Teor de gua nos cinco cenrios do PECA.............................................. 55
Figura 5.13 Teor de ferro nos cinco cenrios do PXCA_DIPE................................... 56
Figura 5.14 Teor de slica nos cinco cenrios do PXCA_DIPE.................................. 56
Figura 5.15 Teor de fsforo nos cinco cenrios do PXCA_DIPE............................... 57
Figura 5.16 Teor de alumina nos cinco cenrios do PXCA_DIPE.............................. 57
Figura 5.17 Teor de mangans nos cinco cenrios do PXCA_DIPE........................... 58
Figura 5.18 Teor de gua nos cinco cenrios do PXCA_DIPE................................... 58
Figura 5.19 Teor de ferro nos cinco cenrios do PXCA_PPC..................................... 59
Figura 5.20 Teor de slica nos cinco cenrios do PXCA_PPC.................................... 59
Figura 5.21 Teor de fsforo nos cinco cenrios do PXCA_PPC................................. 60
Figura 5.22 Teor de alumina nos cinco cenrios do PXCA_PPC ............................... 60
Figura 5.23 Teor de mangans nos cinco cenrios do PXCA_PPC ............................ 61
Figura 5.24 Teor de gua nos cinco cenrios do PXCA_PPC..................................... 61

ix
Lista de Tabelas


Tabela 5.1. Principais Caractersticas das Instncias-teste.......................................... 49





x
Lista de Siglas e Abreviaturas

AG Algoritmo Gentico
CSN Companhia Siderrgica Nacional
CST Companhia Siderrgica Tubaro
CVRD Companhia Vale do Rio Doce
DAG Despacho por Algoritmo Gentico
DCA Diagrama de Ciclo de Atividades
EFC Estrada de Ferro Carajs
MFP Minimizar a Falta de Produo
MNP Minimizar o Nmero de Pedidos
MRS Malha Rodoferroviria Sul
OTISIMIN Otimizador e Simulador para Minerao
PADC Problema de Alocao Dinmica de Caminhes
PCP Planejamento e Controle da Produo
PMM Problema de Mistura de Minrios
SiC Carbeto de Silcio
SIMIN Sistema de Simulao a Eventos Discretos
TMPM Terminal Martimo de Ponta Madeira
1
1. Preliminares
1.1 Introduo
A Pesquisa Operacional teve sua origem durante a Segunda Guerra Mundial,
quando um grupo de pesquisadores procurou aplicar mtodos cientficos para apoiar os
comandos operacionais na resoluo de problemas de natureza logstica, ttica e de
estratgia militar de grande dimenso e complexidade. O objetivo era decidir sobre a
utilizao mais eficaz dos recursos militares limitados.
O sucesso e credibilidade dessas aplicaes foram to grandes que motivou o
mundo acadmico e empresarial a iniciarem atividades semelhantes. A partir de ento, a
pesquisa operacional se difundiu, sendo hoje um ramo da cincia administrativa que
fornece instrumentos para anlise e tomada de decises.
O imenso progresso da Pesquisa Operacional se deve, em grande parte, ao
desenvolvimento dos computadores digitais, em face de sua velocidade de
processamento, capacidade de armazenamento e recuperao das informaes, e
versatilidade na gerao de relatrios.
Outro fato que atualmente muito contribui para o uso intensivo das tcnicas de
pesquisa operacional a disseminao dos microcomputadores, acompanhados por bons
pacotes de softwares.
Face ao seu carter multidisciplinar, a Pesquisa Operacional estende-se por
praticamente todos os domnios da atividade humana, da Engenharia Medicina,
passando pela Economia e a Gesto Empresarial.
Aplicaes de Pesquisa Operacional na minerao comearam a surgir no final
da dcada de 50 e incio da dcada de 60. Apesar disso, enquanto outros tipos de
indstria tm mostrado um crescente interesse na aplicao de pesquisa operacional, na
minerao esse crescimento pode ser considerado um tanto quanto tmido.
No Brasil, o uso de Pesquisa Operacional na minerao ainda muito pequeno
se comparado aos inmeros benefcios que suas tcnicas tm a oferecer. Ainda hoje,
mesmo nas grandes empresas de minerao, problemas de tomada de deciso ainda so
solucionados com base no bom senso e em experincias passadas. As decises tomadas
2
dessa forma, apesar de conduzirem a solues adequadas, em geral no garantem uma
deciso tima sob o aspecto considerado.
Uma caracterstica importante que a Pesquisa Operacional possui e que facilita
muito o processo de anlise de deciso a utilizao de modelos. Isto permite a
"experimentao", o que significa que uma deciso pode ser melhor avaliada e testada
antes de ser efetivamente implementada. A economia de recursos e a experincia
adquirida pela experimentao, por si s, justificam a utilizao de tcnicas de Pesquisa
Operacional como instrumentos de administrao de empresas.
Entre os grandes desafios das empresas de minerao est o planejamento da
produo, parte do qual objeto de estudo neste trabalho, que tem seu enfoque no
problema de blendagem de produtos de minrio de ferro estocados nos ptios da mina
Cau, da empresa Companhia Vale do Rio Doce, em Minas Gerais, para a composio
de um lote. O objetivo determinar a seqncia da retomada de produtos nos ptios de
estocagem de modo que seja possvel fornecer para um cliente externo, um produto que
atenda as especificaes relativas qualidade e quantidade preestabelecidas.

1.2 Justificativa e Relevncia
As minas de ferro do Complexo Itabira, em Minas Gerais, pertencentes
Companhia Vale do Rio Doce (CVRD), so responsveis por 50% de toda a produo
do Sistema Sul, formada pelas minas situadas no quadriltero ferrfero.
Aps beneficiamento do minrio, produtos de diferentes especificaes, sejam
elas qumicas (teores de ferro, slica, mangans etc), ou fsicas (no caso, granulometria),
so armazenados na forma de pilhas em ptios de estocagem para posterior composio
de lotes de vages, em atendimento s encomendas de clientes.
Para a formao de um lote de vages, faz-se necessrio observar vrios
aspectos. Do ponto de vista da qualidade do minrio, para cada parmetro de qualidade,
o cliente especifica as metas, bem como os limites mnimos e mximos tolerveis. Do
ponto de vista operacional, as mquinas retomadoras tm suas limitaes. Por exemplo,
para pilhas dispostas em forma contgua, no possvel retirar o produto das pilhas
intermedirias, sem que as pilhas mais externas tenham sido retiradas. H tambm a
limitao de tempo para a composio de um lote. Devido ao tempo de preparao das
3
mquinas retomadoras (tempo de setup), no vivel manusear pilhas distantes umas
das outras de um mesmo ptio.
Atualmente a programao de lotes feita manualmente, com auxlio de uma
planilha eletrnica. O operador dessa ferramenta simula vrios cenrios, com base na
tentativa e erro, escolhendo aquele que melhor se aproxima do pedido do cliente. A
otimizao do processo , portanto, tmida e est baseada apenas na experincia do
operador. Desta forma, o presente trabalho se justifica, uma vez que permitir obter a
melhor soluo existente para uma dada configurao de ptio, alm de acelerar o
processo de deciso.
importante observar que, embora este trabalho esteja voltado para um estudo
de caso, toda mineradora tem um ptio de estocagem e os problemas que aparecem so
bastante semelhantes. Assim, a soluo a ser adotada para o problema objeto de estudo
pode ser utilizada e/ou adaptada para resolver problemas similares de outras empresas
mineradoras.

1.3 Estrutura do Trabalho
Este trabalho est organizado como segue. No presente captulo
contextualizada a pesquisa operacional nas aplicaes em empresas de minerao e so
apresentadas a justificativa e relevncia do presente trabalho.
No captulo 2 feita uma reviso bibliogrfica de aplicaes de pesquisa
operacional na minerao, bem como de tcnicas de programao matemtica.
No captulo 3 descrito em detalhes o problema abordado.
No captulo 4 apresentada uma modelagem de programao matemtica para o
problema abordado.
No captulo 5 so apresentados, discutidos e analisados os resultados obtidos
pela aplicao do modelo proposto a um conjunto de diferentes cenrios no ptio de
estocagem da Mina de Cau da CVRD, em Itabira (MG).
O captulo 6 conclui o trabalho e apresenta propostas para trabalhos futuros.

4
2. Reviso Bibliogrfica
2.1 Introduo
Otimizar um problema permanentemente estudado j que cada vez mais se
exige um gerenciamento eficiente dos recursos disponveis.
Neste contexto a Pesquisa Operacional tornou-se ferramenta muito importante
no meio empresarial, facilitando a otimizao e racionalizao de tais recursos. Isso se
deve caracterstica principal dos modelos de otimizao de indicarem a melhor
deciso a ser tomada segundo algum critrio adotado.
Entre os diversos trabalhos publicados aplicados ao planejamento da produo,
os modelos de programao linear so os mais difundidos. A seguir, so destacados
alguns desses trabalhos com o intuito de mostrar parte do que foi desenvolvido neste
campo.
CHANDA & DAGDELEN (1995) apresentam um modelo de programao
linear por metas para um problema de blendagem de minrios no planejamento de curto
prazo em uma mina de carvo. De acordo com os autores, a programao linear clssica
est sendo vastamente utilizada na modelagem de problemas de produo/blendagem na
indstria mineral, porm, a sua formulao limitada pelo fato de que somente uma
funo objetivo pode ser utilizada por modelo, quando na realidade o problema de
blendagem multiobjetivo. O modelo elaborado oferece vantagens quando comparado
com a programao linear clssica, pois engloba a maximizao de um critrio
econmico e a minimizao da soma dos desvios dos parmetros individuais de
qualidade e da tonelagem em relao aos valores desejados. A capacidade desses
modelos analisada, comparando-os com os pertencentes a um sistema baseado em
grficos interativos. Estudos demonstraram que melhorias na qualidade dos resultados
de planejamento podem ser obtidas atravs da combinao dessas duas tcnicas.
MERSCHMANN (2002) descreveu sobre o desenvolvimento de um sistema de
otimizao e simulao para anlise de cenrio de produo em minas a cu aberto. O
sistema denominado OTISIMIN (Otimizador e Simulador para Minerao) foi
desenvolvido em dois mdulos. O primeiro corresponde ao mdulo de otimizao onde
5
um modelo de programao linear pode ser construdo e resolvido e o segundo a um
mdulo de simulao que permite ao usurio utilizar os resultados obtidos na resoluo
do modelo de programao linear como dados de entrada para a simulao. O Sistema
foi desenvolvido em Borland Delphi 5.0 e usou as rotinas do SIMIN, sistema de
simulao a eventos discretos - resultado da tese de doutorado de Pinto (1999) - como
base de parte de sua estrutura. O armazenamento dos dados de entrada feito com
auxlio de um banco de dados construdo por meio do Microsoft Access 97. O mdulo
de otimizao foi elaborado com o objetivo de otimizar o processo de mistura de
minrios oriundos das vrias frentes de lavra de forma a atender as especificaes de
qualidade impostas pela usina de tratamento e realizar a alocao de equipamentos
(caminhes, carregadeiras e/ou escavadeiras) s frentes de lavra. Os modelos
matemticos so gerados automaticamente a partir dos dados que so fornecidos pelo
usurio atravs do preenchimento das tabelas existentes no item de menu Dados de
Entrada. Dois modelos foram apresentados. Ambos com objetivo de determinar o ritmo
de lavra de cada frente disponvel e alocar os equipamentos existentes s mesmas, de
forma a maximizar a produo. Esses modelos se diferem pela forma de alocao dos
caminhes. Um trabalha com alocao esttica, ou seja, cada caminho trabalha fixado
a um nico par de pontos de carga e descarga. O outro trabalha com alocao dinmica
onde a definio da frente a ser atendida por cada caminho e seu ponto de descarga
acontece ao trmino de cada viagem, sendo o controle desta alocao realizado por um
sistema de despacho automtico. A resoluo do modelo gerado realizada utilizando-
se o software LINDO 6.1 da Lindo Systems Inc. (http://www.lindo.com). Os resultados
obtidos no mdulo de Otimizao so utilizados como base de dados de entrada para o
modelo de Simulao. O mdulo de simulao permite a execuo de um modelo de
simulao, cujo objetivo possibilitar o estudo de sistemas de produo em minas a cu
aberto, servindo como uma importante ferramenta de auxlio no processo decisrio em
empresas de minerao que desejam estudar operaes alternativas de mistura de
minrios, carregamento e transporte ligados a planos de lavra de curto prazo. Um
exemplo ilustrativo, baseado em dados da mina de Matozinhos da empresa Lafarge
Cimento, foi desenvolvido com a finalidade de testar e validar o OTISIMIN.
Os modelos de MERSCHMANN (2002) foram aperfeioados por COSTA et al.
(2004, 2005) e COSTA (2005). Neste trabalho, apresenta-se uma modelagem de
programao matemtica que reduz significamente o nmero de restries de um dos
6
modelos. Alm disso, os modelos incluem o atendimento s metas de produo e
qualidade atravs da minimizao, na funo objetivo, dos desvios de atendimento s
restries de meta. O autor apresenta, ainda, modelos heursticos para resoluo dos
dois problemas de determinao do ritmo de lavra. mostrado que a modelagem
heurstica produz soluo de melhor qualidade em tempos computacionais mais baixos.
MARTINS, VASCONCELOS & FILHO (2003) apresentam um mtodo
proposto para otimizar a programao da produo da rea de fundio de uma usina de
zinco. Na planta estudada, as placas de zinco so submetidas a uma seqncia de fornos,
nos quais ocorrem os processos de fuso e de mistura para a formao das ligas que
posteriormente sero comercializadas. Porm, devido ocorrncia de variaes sbitas
e imprevisveis na demanda e s eventuais indisponibilidades temporrias de recursos, a
programao das atividades na fundio necessitava ser freqentemente reavaliada,
tarefa essa que comprometia vrias horas dos profissionais do setor de planejamento e
controle da produo. A proposta do trabalho foi, portanto, elaborar um sistema de
otimizao que permitisse aos responsveis pela programao da produo reagir, em
pouco tempo e com segurana necessria, a eventos de ltima hora. O procedimento
consistiu em determinar a seqncia na qual as ordens de produo seriam alocadas, o
que foi feito via algoritmos genticos, e seguindo essa seqncia, em designar cada
ordem aos recursos capazes de process-las, tarefa essa realizada por um algoritmo de
busca heurstica. Entre os parmetros considerados na programao, constaram os
tempos de setup dependentes da seqncia; a no disponibilidade contnua de insumos;
a existncia de grupos de fornos capazes de executar as mesmas tarefas em paralelo; as
rotas existentes entre os equipamentos; interrupes na jornada de trabalho e clculo de
dimenses de lotes de alguns produtos. Segundo os autores, por se tratar de um
mecanismo estocstico, nem sempre se pode garantir que a soluo encontrada
corresponde a melhor possvel. Porm, pelos resultados obtidos com a implementao
do sistema, nos quais solues prximas ao timo foram encontradas, pde-se
comprovar que o sistema hbrido proposto foi capaz de otimizar o programa de
produo em tempo hbil, atendendo s necessidades existentes.
ARAJO & ARENALES (2003) elaboraram um estudo de caso em uma
fundio cativa de grande porte localizada no interior de So Paulo, que enfoca
problemas de planejamento e programao da produo. O processo produtivo da
empresa consiste, basicamente, de vrios fornos com capacidades diferentes e linhas de
7
moldagem com produtividades diferentes. No estudo em questo so nove fornos e trs
linhas de moldagem, sendo que a indstria fabrica oito diferentes famlias de produtos
finais, as quais so decompostas em diferentes peas que devem ser fabricadas pela
fundio. Para cada pea existe um molde especfico e este molde faz uma certa
quantidade de peas de cada vez dependendo do nmero de cavidades presentes no
molde. Os autores consideram na modelagem matemtica duas variveis de deciso:
uma referente capacidade de armazenamento de cada liga e outra referente
capacidade de reposio de cada liga, as quais so limitadas pelas capacidades de
armazenamento e de reposio do conjunto de fornos que pode produzir cada liga. O
modelo foi resolvido com auxlio de um pacote de otimizao inteira (AMPL/CPLEX
7.1). Os resultados obtidos a partir do modelo matemtico proposto mostraram que as
solues finais obtidas em dois minutos de processamento estavam relativamente
prximas ao timo, distante apenas cerca de 3% deste. A fixao de um baixo tempo de
processamento deve-se necessidade do setor envolvido da empresa em tomar
rapidamente uma deciso com relao aos procedimentos a serem adotados. Esses
resultados foram comparados com os obtidos na prtica pela indstria, mostrando
expressivos ganhos de produtividade e reduo de atrasos na entrega dos pedidos.
OLIVEIRA, DUARTE & MONTEVECHI (2001) abordaram a aplicao da
programao linear em uma empresa no processo de fabricao por fundio de
componentes para automveis, de modo a fornecer um produto a um mnimo custo,
dentro das especificaes desejadas e com as matrias primas disponveis. A formulao
matemtica do modelo foi elaborada com o objetivo de minimizar o custo da produo
da liga e atender as especificaes do processo, garantindo assim as propriedades
mecnicas necessrias ao produto final. O software utilizado na otimizao do problema
foi o LINDO, interfaceando com planilhas do Excel. A soluo obtida demonstrou o
potencial desta ferramenta na otimizao do processo de fabricao. Com a
implementao do sistema, a empresa conseguiu fabricar uma liga com as mesmas
propriedades mecnicas especficas, a um custo cerca de 10 a 18% menor em
comparao com os mtodos at ento aplicados. Segundo os autores, a utilizao da
programao linear no se limitou apenas em fornecer uma soluo para o processo de
fabricao, mas tambm serviu para apoio em outras tomadas de decises, pois a
metodologia possibilita o direcionamento da poltica de estoque e compra de matria
prima da empresa.
8
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 o minrio lavrado com relao ao atendimento da qualidade requerida. No
trabalho desenvolvido, 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. No
modelo desenvolvido o conjunto das possveis decises um indivduo do algoritmo
gentico (AG), ou seja, as variveis da otimizao. Depois de encontrada uma soluo
pelo algoritmo gentico, tem-se as melhores opes de rotas para um perodo de
operao que ainda est por acontecer. O processo de busca pelo AG envolve o
refinamento de uma populao de 900 indivduos, os quais so avaliados com relao
qualidade do minrio produzido, ao tempo total de fila da frota e ao nmero de viagens
realizadas, simulando 3 horas de operao na minerao. A avaliao de todos os
indivduos realizada e, depois de encontrada uma soluo, reiniciado o processo de
busca, incluindo alguma alterao que possa ter ocorrido na configurao da mina,
como por exemplo, variaes nos tempos dos caminhes, nas posies, ou mesmo um
despacho que j foi realizado. Esta caracterstica de modelagem foi considerada indita
nos sistemas de despacho de caminhes em mineraes de ferro, j que os demais
trabalham o algoritmo somente aps a eminncia de tomada de deciso. Aps
encontrada a soluo final, que representa o melhor indivduo da ltima gerao,
possvel avaliar o quanto se obteve de melhora nos itens desejados. Uma outra anlise
foi feita, comparando-se os resultados da melhor opo do algoritmo gentico com os
obtidos em uma operao de frente fixa. Os resultados da operao frente fixa foram
obtidos simulando a continuidade da operao e considerando que os caminhes
retornavam sempre para o ponto de carga de origem. Os resultados dessa comparao
mostraram superioridade da metodologia baseada em AG, mostrando que at mesmo os
primeiros indivduos do AG apresentam uma soluo melhor que a operao frente fixa.
Ao projeto foi dado o nome de DAG, Despacho por Algoritmo Gentico. O DAG
composto por trs mdulos: O Banco de dados, o mdulo de otimizao e a interface
9
com o usurio com as regras de negcio
1
(sistema desenvolvido). Segundo o autor, o
software desenvolvido, hoje a base do Smart Mine, faz uso do que h de mais amigvel,
construindo interface de alta qualidade e de fcil manuseio. 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 do projeto.
O objeto de pesquisa do trabalho de LUCHE & MORABITO (2004) o
planejamento e controle da produo (PCP) na indstria de gros eletrofundidos. O
trabalho baseia-se num estudo de caso em uma empresa localizada na cidade de Salto,
em So Paulo. O problema consiste em encontrar um programa de produo que, no
menor nmero possvel de perodos, seja capaz de atender toda a demanda utilizando,
no mximo, um processo por perodo. No trabalho so aplicados modelos de
Programao Linear Inteira Mista para auxiliar nas decises da programao da
produo e analisar os resultados obtidos. Tais modelos combinam modelos conhecidos
de seleo de processos, consistindo em determinar o quanto produzir de cada produto
por cada processo, de maneira a minimizar os custos de produo, sujeito s restries
de limitao de recursos e atendimento da demanda. Considera-se, tambm, o
dimensionamento de lotes monoestgio que, de forma geral consiste em planejar a
quantidade de itens a ser produzido em cada perodo ao longo de um horizonte de tempo
finito, de modo a atender a demanda e otimizar um critrio, por exemplo, minimizar
custos ou maximizar a contribuio ao lucro. Segundo os autores otimizar tal
programao na indstria de gros eletrofundidos no uma tarefa simples,
principalmente devido grandeza dos tempos de preparao dos equipamentos,
diversidade de produtos e s limitaes dos prazos de entrega da carteira de pedidos. A
planta estudada est dividida em duas fbricas: uma que produz carbeto de silcio (SiC)
e outra que produz xido de alumnio. Esta ltima est dividida em duas sees, a
primeira que produz xido de alumnio branco e a segunda que produz xido de
alumnio marrom. Todos os produtos apresentam-se na forma de gros cujos tamanhos
variam desde alguns centmetros at poucos micrmetros. Para a modelagem do
problema da empresa foram desenvolvidas duas propostas. A primeira visa minimizar o
nmero de pedidos (MNP) necessrios para a produo dos itens demandados e a
segunda proposta visa minimizar a falta de produo (MFP). Devido ao fato de que na
prtica a restrio de demanda freqentemente infactvel, o modelo elaborado nesta

1
Regras de negcio: termo comumente utilizado pela comunidade de Cincia da Computao referir-se
10
segunda proposta utiliza variveis de folga (excesso) e falta na restrio de demanda
para garantir factibilidade. Na resoluo dos modelos matemticos, foi utilizada a
linguagem GAMS 2.0 com o otimizador CPLEX 7.0. Devido ao gigantesco nmero de
possveis processos de fabricao que podem ser implementados na fbrica, os autores
tomaram como base inicial para a programao da produo, uma lista limitada de
processos usados pela empresa. Ao se aplicar o modelo MNP (modelo 1), este foi capaz
de gerar uma soluo factvel. Resolvendo pelo modelo MFP (modelo 2), esperava-se
que o modelo encontrasse, na pior das hipteses, uma soluo pelo menos to boa
quanto a utilizada pelo PCP da empresa, a qual resultou em uma falta de 13450 quilos.
Como esperado, na segunda simulao obteve-se um resultado melhor do que o da
empresa: falta total de 10475 quilos (uma reduo de 22% da falta) num tempo
computacional de 3 minutos. Os autores concluram que o modelo MNP til quando a
programao da produo deve ser cumprida sem atraso da produo de qualquer item,
porm quando permitido obter uma soluo de mnima falta para o problema quando
este no for factvel do ponto de vista de atraso zero, deve-se utilizar o modelo MFP.
A seguir feito um detalhamento maior dos artigos de Chanda & Dagdelen
(1995) e Merschmann (2002), os quais esto mais relacionados com a proposta de
desenvolvimento deste trabalho.
Antes, porm, da descrio desses trabalhos, ser introduzido o mtodo de
programao linear por metas, o qual a base do trabalho de Chanda & Dagdelen
(1995) e do presente trabalho.

2.2 Programao por Metas
As tcnicas de modelagem matemtica ou de otimizao geralmente estudadas
esto condicionadas soluo de um nico objetivo, ou seja, assumem que as restries
no podem ser violadas.
Entretanto, inmeras solues existentes no mundo real exigem que boa parte
das decises do dia a dia das empresas seja flexvel.
Dessa forma, os gestores procuram satisfazer ou aproximar-se dos objetivos
estabelecidos, ao invs de consider-los como rgidos.

s partes de algoritmos que definem o funcionamento do sistema: condies, frmulas etc.
11
Esses problemas podem ser mais apropriadamente modelados utilizando-se
mltiplos objetivos em vez de restries rgidas. A soluo desses modelos no se
resume a maximizar ou minimizar uma funo objetivo dentro de um conjunto de
restries, mas envolve a satisfao de uma condio mnima aceitvel. Esses so os
denominados problemas de programao por metas, ou da literatura inglesa, Goal
Programming (BUENO & OLIVEIRA, 2004).
A programao por metas uma tcnica que permite a modelagem e a busca de
solues para os problemas com mltiplos objetivos ou metas a serem otimizadas.
Uma das diferenas significativas entre a programao linear clssica e a
programao por metas est na funo objetivo. A programao linear requer que o
tomador de deciso persiga apenas uma funo objetivo: a minimizao de custos, ou a
maximizao do lucro ou qualquer outra funo a ser otimizada. Na programao por
metas, por sua vez, no se busca somente maximizar ou minimizar a funo objetivo
diretamente, busca-se tambm a minimizao dos desvios no alcance das metas.
Para esse fim so utilizadas as chamadas variveis de desvio. Assim, tem-se
como propsito a minimizao dos desvios (distncia) entre os objetivos estabelecidos.
Nessas condies, a soluo ideal seria aquela na qual todas as variveis de
desvio tivessem valor igual a zero, ou seja, em que todos os objetivos tivessem sido
atingidos em seus parmetros estipulados.
Dessa forma, para a soluo dos problemas de programao por metas
identificamos, alm das variveis de deciso presentes nos demais modelos de
programao linear, as respectivas variveis de desvio e formulamos as restries
obedecendo s prioridades definidas.
De acordo com Romero (2004), existem trs formas tradicionais de programao
por metas: (a) programao por metas, baseada em pesos, tambm chamada de
programao por metas arquimediana; (b) programao por metas lexicogrfica ou
programao por metas no-arquimediana e (c) programao por metas minmax,
tambm conhecida como programao por metas nebulosa.
A funo objetivo do modelo de programao por metas arquimediana lista as
variveis de desvios no desejados, cada qual penalizada de acordo com a sua
importncia. A estrutura analtica de um modelo de programao por metas, baseada em
pesos, a seguinte:
12

Funo Objetivo:

=
+
q
i
i i i i
p n
1
) ( min
2.1

Metas e restries:
i i i i
t p n x f = + ) ( { } q i ,..., 1 2.2

0 , 0 , p n F x
2.3

onde:
i
t o nvel designado para a i-sima meta,
i i
p n , so os desvios negativo e positivo com relao i-sima meta,
x o vetor de variveis de deciso,
F o conjunto de restries,
i i i
k w / = se o desvio negativo
i
n no desejado, caso contrrio 0 =
i
,
i i i
k w / = se o desvio positivo
i
p no desejado, caso contrrio 0 =
i
.
Os parmetros
i
w e
i
k so os pesos propriamente ditos, os quais representam
respectivamente o grau de importncia de atendimento i-sima meta e o
correspondente fator de normalizao.

A funo objetivo do modelo de programao por metas lexicogrfica
composta de um vetor ordenado cuja dimenso coincide com o nmero Q de nveis de
prioridade estabelecida no modelo. Cada componente neste vetor representa as variveis
de desvios no desejados relativas s metas colocadas no nvel de prioridade
correspondente. A estrutura analtica de um modelo de programao por metas
lexicogrfica a seguinte:

Funo Objetivo:
( ) ( ) ( )
(
(

+ + + =


Q r l
h i
i i i i
h i
i i i i
h i
i i i i
p n p n p n a ,..., ,..., min
2.4

13
Metas e restries:
( )
i i i i
t p n x f = + { } { } Q r h i q i
r
,..., 1 , , ,..., 1 2.5
0 , 0 , p n F x
2.6

onde
r
h representa o conjunto de ndices das metas colocadas no r-simo nvel de
prioridade. A funo objetivo lexicogrfica implica em uma estrutura de preferncias
no-compensatria. Em outras palavras, no h uma relao custo/benefcio entre metas
colocadas em diferentes nveis de prioridade.

A funo objetivo do modelo de programao por metas minmax implica na
minimizao do mximo desvio de todas as metas simples. Observa-se que a soluo
correspondente representa uma alocao balanceada entre os objetivos das diferentes
metas. Representando por D este desvio mximo, a estrutura analtica do modelo de
programao por metas minmax a seguinte:

Funo Objetivo:
D min 2.7

Metas e restries:
( ) 0 + D p n
i i i i
q i ,... 1 =
2.8
( )
i i i i
t p n x f = + { } q i ,..., 1 2.9
0 , 0 , p n F x
2.10

A programao por metas minmax implica na otimizao de uma funo de
utilidade onde o desvio mximo minimizado. Conseqentemente, o modelo com este
tipo de funo objetivo prov uma soluo que d a importncia mxima meta mais
deslocada em relao ao seu objetivo. Deste modo, a soluo mais equilibrada entre o
objetivo das diferentes metas obtida.

14
2.3 O modelo de CHANDA & DAGDELEN (1995)
O modelo descrito a seguir destaca a programao linear por metas (ou
programao linear por metas arquimediana, na definio de Romero (2004)),
conhecido na literatura inglesa como goal programming, para resoluo do problema de
blendagem de minrios no planejamento de lavra de curto prazo em uma mina de
carvo.
O modelo oferece vantagens por ser multiobjetivo, englobando a maximizao
de um critrio econmico e a minimizao da soma dos valores de desvios absolutos de
teores e massas em relao aos valores desejados. Esses desvios so utilizados para
calcular penalidades pelo no cumprimento das especificaes.
2.3.1 Parmetros do Modelo
Sejam I parmetros de qualidade a serem observados, n blocos a serem lavrados
e as seguintes variveis de deciso:
X
j
= Tonelagem de minrio do bloco j a ser lavrado
P
k
= desvio positivo, em toneladas, para o parmetro k
N
k
= desvio negativo, em toneladas, para o parmetro k
N
f
= desvio negativo de produo, em toneladas
P
f
= desvio positivo de produo, em toneladas

Sejam, ainda, os seguintes dados de entrada:
W
k
= peso para o parmetro k
C
j
= valor econmico por tonelagem de minrio associado ao bloco j
T
m
= produo requerida
G
jk
= porcentagem do parmetro k no minrio do bloco j
G
mk
= porcentagem requerida para o parmetro k no minrio blendado
T
u
= produo mxima permitida, em toneladas, no perodo de planejamento
T
i i
= produo mnima permitida, em toneladas, no perodo de planejamento
15
G
uk
= limite superior, em percentagem, para o parmetro k
G
lk
= limite inferior, em percentagem, para o parmetro k
A
j
= quantidade de minrio disponvel para lavra do bloco j, em toneladas

2.3.2 Funo Objetivo
A funo objetivo representada pela equao 2.11 visa a maximizao do
parmetro econmico e a minimizao dos desvios em relao aos valores desejados:

= = =

I
k
k k
I
k
k k
n
j
j j
N W P W X C
1 1 1
max
2.11

2.3.3 Restries de Meta
A restrio 2.12 garante que o produto resultante da mistura dos minrios a
serem lavrados esteja o mais prximo possvel da meta de tonelagem requerida:
m f
n
j
f j
T P N X = +

=1
2.12

J o conjunto de restries 2.13 garante que o produto resultante da mistura dos
minrios a serem lavrados esteja o mais prximo possvel da meta de qualidade
requerida:
( ) 0
1
= +

=
k k j
n
j
mk jk
P N X G G I k .., 2 , 1 =
2.13

2.3.4 Restries de limite superior e inferior de produo e especificao
A tonelagem do produto resultante da mistura dos minrios lavrados no pode
superar a produo mxima permitida:
u
n
j
j
T X

=

1
2.14

16
A restrio 2.15 indica que a tonelagem do produto resultante da mistura dos
minrios lavrados no inferior produo mnima permitida no perodo de
planejamento:
i
n
j
j
T X

=

1
2.15

A restrio 2.16 assegura que a qualidade do produto resultante da mistura dos
minrios a serem lavrados no supera a especificao mxima admitida:
( ) 0
1

=
j
n
j
uk jk
X G G I k ..., , 1 =
2.16

O respeito especificao mnima de qualidade na mistura garantida pelas
restries 2.17:
( ) 0
1

=
j
n
j
lk jk
X G G I k ..., , 2 , 1 =
2.17

2.3.5 Controle de produo
As restries 2.18 garantem que a quantidade do produto resultante da mistura
dos minrios a serem lavrados em cada bloco no supera a quantidade de minrio
disponvel:
j j
A X
2.18

2.3.6 No-negatividade
As restries 2.19 garantem que as variveis de deciso no assumem valores
negativos.
0 , , , ,
f f k k j
P N P N X
2.19

17
2.4 Os modelos de MERSCHMANN (2002)
Merschmann (2002) desenvolveu um sistema computacional, denominado
OTISIMIN (Otimizador e Simulador para Minerao), para resolver problemas de
otimizao e simulao em minerao. O mdulo de otimizao est contido na janela
principal desse sistema.
Esse mdulo contempla a construo e a resoluo de um modelo matemtico,
baseado em programao linear, cujo objetivo determinar o ritmo de lavra a ser
implementado em cada frente levando-se em considerao a qualidade do minrio da
frente, a relao estril/minrio desejada, a produo requerida, as caractersticas dos
equipamentos de carga e transporte e as caractersticas operacionais da mina.
O usurio pode escolher dois modelos distintos para trabalhar. No primeiro
modelo, chamado de alocao dinmica de caminhes, os caminhes, aps
descarregamento, voltam a qualquer outro ponto de carga. O segundo modelo, por sua
vez considera a alocao esttica dos caminhes, isto , cada caminho fixado a uma
determinada frente de lavra e permanece assim durante todo o processo. Alm disso, os
modelos permitem que o transporte dos materiais seja realizado tanto por caminhes
como por correia transportadora. Estes modelos so gerados automaticamente a partir
dos dados que so fornecidos pelo usurio atravs das tabelas pertencentes a um banco
de dados.
Para a resoluo do modelo gerado, foi utilizado o software LINDO 6.1
Extended Linear, Interactive and Discrete Optimizer da Lindo Systems Inc.
Os resultados obtidos pelo modelo de programao matemtica demonstraram
que os requisitos de qualidade impostos pela usina foram atendidos.
A seguir sero apresentados os modelos matemticos desenvolvidos pelo autor
para a resoluo de problemas operacionais relacionados ao planejamento de lavra a cu
aberto.

18
2.4.1 Modelo de Otimizao referente Alocao Dinmica de Caminhes
Sejam os parmetros de entrada:
M = Conjunto das frentes de minrio
E = Conjunto das frentes de estril
T = Conjunto das frentes de minrio e estril que operam com correia
transportadora
T
vi
= Teor da varivel v na frente i (%)
linf
v
= Teor mnimo admissvel para a varivel v (%)
lsup
v
= Teor mximo admissvel para a varivel v (%)
lif
n
= Participao mnima na produo que admissvel para a frente n (%)
lsf
n
= Participao mxima na produo que admissvel para a frente n (%)
Pmin
j
= Produo mnima admissvel para o equipamento de carga j (u.m./u.t.)*
quando opera carregando caminhes
Pmax
j
= Produo mxima admissvel para o equipamento de carga j (u.m./u.t.)*
quando opera carregando caminhes
B
ji
= Produtividade da carregadeira j quando ela trabalha na frente i carregando
correia transportadora - valor que depende da capacidade da carregadeira e
dos tempos mdios de ciclo relacionados frente i
Bmin
ji
= Produtividade mnima admissvel da carregadeira j quando ela trabalha
na frente i carregando correia transportadora
R = Relao estril/minrio mnima requerida
Preq = Produo mnima requerida (u.m./u.t.)*

Sejam, tambm, as seguintes variveis de deciso:
P
i
= Ritmo de lavra da frente i (u.m / u.t.)*

=
i j
i j
x
ji
frente na trabalhar carga de o equipament o se 1
frente na trabalhar no carga de o equipament o se 0

19

* Obs: (u.m/u.t.) corresponde unidade de massa por unidade de tempo. Pode-se
adotar quaisquer unidades de massa e tempo desde que elas sejam nicas em todo
modelo.

A. Funo Objetivo:
A funo objetivo utilizada na equao 2.20 visa a maximizao do ritmo da
frente de lavra:

M i
i
P max
2.20

B. Restries de Qualidade:
As restries 2.21 definem que o produto resultante da mistura dos minrios a
serem lavrados esteja com a qualidade dentro dos limites de especificaes exigidos:
v
M i
i
vi
M i
i
v
l
P
T P
l sup inf

v 2.21

C. Restries de Alocao:
As restries 2.22 fazem com que cada frente de lavra possua somente um
equipamento de carga:
1

j
ji
x E i M i ,
2.22

As restries 2.23, por sua vez, fazem com que cada equipamento de carga
atenda a somente uma frente de lavra:
1

E i
M i
ji
x
j
2.23

20
D. Restries de Produo:
O conjunto de restries 2.24 assegura que os equipamentos de carga, quando
operam carregando caminhes, trabalhem entre os limites de produo preestabelecidos:


j
ji j i
j
ji j
x P P x P max min
T i 2.24
J as restries 2.25 determinam que os equipamentos de carga, quando operam
carregando correias transportadoras, trabalham entre os limites de produo
preestabelecidos:


j
ji ji i
j
ji ji
x B P x Bmin
T i 2.25

A equao 2.26 uma restrio opcional, caso se deseje impor uma produo
mnima:
req P P
M i
i

2.26

A relao estril/minrio mnima preestabelecida, R, garantida pela restrio
2.27:
R
P
P
M i
i
E i
i

2.27

As restries 2.28 garantem que a participao de cada frente em relao
produo total esteja dentro dos limites superior e inferior exigidos:
n
E i
M i
i
n
n
lsf
P
P
lif

E n M n ,
2.28

21
As restries 2.29 asseguram a produo em nvel no negativo em todas as
frentes de lavra.
0
i
P E i M i ,
2.29

2.4.2 Modelo de Otimizao referente Alocao Esttica de Caminhes
Para clareza de entendimento, sero apresentadas todas as restries do modelo
de alocao dinmica de caminhes descrito na seo anterior, acrescidas daquelas
especficas ao modelo de alocao esttica de caminhes.
Sejam os seguintes parmetros de entrada:
M = Conjunto das frentes de minrio
E = Conjunto das frentes de estril
T = Conjunto das frentes de minrio e estril que operam com correia
transportadora

=
k j
k j
y
jk
caminho o com compatvel for carga de o equipament o se 1
caminho o com el incompatv for carga de o equipament o se 0

T
vi
= Teor da varivel v na frente i (%)
linf
v
= Teor mnimo admissvel para a varivel v (%)
lsup
v
= Teor mximo admissvel para a varivel v (%)
lif
n
= Participao mnima na produo que admissvel para a frente n (%)
lsf
n
= Participao mxima na produo que admissvel para a frente n (%)
C
ki
= Produtividade do caminho k quando ele trabalha na frente i (u.m./u.t.)*
Pmin
j
= Produo mnima admissvel para o equipamento de carga j (u.m./u.t.)*
quando opera carregando caminhes
Pmax
j
= Produo mxima admissvel para o equipamento de carga j (u.m./u.t.)*
quando opera carregando caminhes
B
ji
= Produtividade da carregadeira j quando ela trabalha na frente i carregando
correia transportadora - valor que depende da capacidade da carregadeira e
dos tempos mdios de ciclo relacionados frente i
22
Bmin
ji
= Produtividade mnima admissvel da carregadeira j quando ela trabalha
na frente i carregando correia transportadora
R = Relao estril/minrio mnima requerida
Preq = Produo mnima requerida (u.m./u.t.)*

Sejam, tambm, as seguintes variveis de deciso:
P
i
= Ritmo de lavra da frente i (u.m/u.t.)*

=
i j
i j
x
ji
frente na trabalhar carga de o equipament o se 1
frente na trabalhar no carga de o equipament o se 0

=
i k
i k
d
ki
frente na trabalhar caminho o se 1
frente na trabalhar no caminho o se 0


* Obs.: (u.m/u.t.) corresponde unidade de massa por unidade de tempo.
Podem-se adotar quaisquer unidades de massa e tempo desde que elas sejam nicas em
todo modelo.

A. Funo Objetivo:
A funo objetivo utilizada na equao 2.30 visa a maximizao do ritmo da
frente de lavra:

M i
i
P max
2.30

B. Restries de Qualidade:
As restries 2.31 garantem que o produto resultante da mistura dos minrios a
serem lavrados esteja com a qualidade dentro dos limites de especificaes exigidos:
v
M i
i
vi
M i
i
v
l
P
T P
l sup inf

v 2.31

23
C. Restries de Alocao:
As restries 2.32 fazem com que cada frente de lavra possua somente um
equipamento de carga:
1

j
ji
x E i M i ,
2.32

As restries 2.33 fazem com que cada equipamento de carga atenda a somente
uma frente:
1

E i
M i
ji
x
j
2.33

As restries 2.34 asseguram que cada caminho atenda somente uma frente:
1

E i
M i
ki
d
k 2.34

As restries 2.35 garantem que caminhes no sero alocados s frentes que
operam com correia transportadora:
0
ki
d k T i ,
2.35

As restries 2.36 garantem que somente modelos compatveis de equipamentos
de carga e transporte trabalhem numa mesma frente:
1 2 +
jk ki ji
y d x k j E i M i , , ,
2.36

D. Restries de Produo:
As restries 2.37 asseguram que os equipamentos de carga, quando operam
com caminhes, trabalham entre os limites de produo preestabelecidos:


j
ji j i
j
ji j
x P x max P min P
T i 2.37
24

As restries 2.38 asseguram que a produo de cada frente que no opera com
correia transportadora fique limitada produtividade dos caminhes que a ela est
alocado:
ki
k
ki i
d C

P T i 2.38

O conjunto de restries 2.39 assegura que a produo de cada frente que no
opera com correia transportadora fique limitada produtividade do equipamento de
carga que a ela est alocado:


j
ji ji i ji
j
ji
x B x P Bmin
T i 2.39

A equao 2.40 uma restrio opcional, caso se deseje impor uma produo
mnima:
Preq

M i
i
P 2.40

A relao estril/minrio mnima preestabelecida, R, garantida pela restrio
2.41:
R
P
P
M i
i
E i
i

2.41

As restries 2.42 garantem que a participao de cada frente, em relao
produo total, esteja dentro dos limites superior e inferior exigidos:
n
E i
M i
i
n
n
lsf
P
P
lif

E n M n ,
2.42

25
As restries 2.43 garantem a produo em nvel no negativo em todas as
frentes de lavra.
0
i
P E i M i ,
2.43

2.4.3 Modelo de Simulao
O mdulo de Simulao, no qual possvel a realizao de simulao de
sistemas de produo em minas a cu aberto, est contido na janela secundria do
sistema OTISIMIN.
Esse mdulo tem como base de sua estrutura o SIMIN, Sistema de simulao a
eventos discretos, resultado da tese de doutorado de PINTO (1999).
Os modelos foram construdos no ambiente Delphi com base em diagramas de
ciclo de atividades (DCA) e no mtodo das trs fases.
A descrio do modelo e seu DCA so apresentados no diagrama de ciclo de
atividades mostrado na Figura 2.1.
26
Figura 2.1 - Diagrama de Ciclo de Atividade do Modelo Genrico

Entidades
Caminhes
Carregadeiras
Operadores
A construo dos modelos foi realizada adicionando-se componentes a
formulrios especficos do SIMIN, ou seja, no caso do OTISIMIN, o mdulo de
simulao o responsvel apenas por executar o modelo genrico e permitir a alterao
de seus parmetros, uma vez que o modelo de simulao j est embutido no aplicativo.
CARGA 1
CARGA 2
CARGA 3
CARGA 15
DESL
VAZIO
AG
CARGA 1
AG
CARGA 2
AG
CARGA 3
AG
CARGA 15
CARREG
OCIOSA
CARREG
OCIOSA
CARREG
OCIOSA
CARREG
OCIOSA
AG_DESL
CARREGADO
AG_DESL
VAZIO
DESL
CARREGADO
DESCARGA
BRITADOR
BRIT
OCIOSO
AGUARDA
DESCARGA
BRITADOR
AGUARDA
DESCARGA
PIL_EST
DESCARGA
PIL_ESTRIL
PIL_EST
OCIOSA
CARGA 1
CARGA 2
CARGA 3
CARGA 15
DESL
VAZIO
AG
CARGA 1
AG
CARGA 2
AG
CARGA 3
AG
CARGA 15
CARREG
OCIOSA
CARREG
OCIOSA
CARREG
OCIOSA
CARREG
OCIOSA
AG_DESL
CARREGADO
AG_DESL
VAZIO
DESL
CARREGADO
DESCARGA
BRITADOR
BRIT
OCIOSO
AGUARDA
DESCARGA
BRITADOR
AGUARDA
DESCARGA
PIL_EST
DESCARGA
PIL_ESTRIL
PIL_EST
OCIOSA
27
Embora o modelo seja fixo, as propriedades de alguns componentes que o
constituem podem ser modificadas no mdulo de simulao. Isto faz com que este
modelo, em princpio genrico, possa representar um sistema de uma mina particular.
Ao acessar o mdulo de Simulao o usurio ter acesso janela secundria do
OTISIMIN.
Primeiramente deve-se fornecer as propriedades de cada um dos componentes
que constituem o modelo. Duas alternativas sero oferecidas ao usurio: utilizar os
resultados obtidos a partir da resoluo do modelo matemtico no mdulo de otimizao
ou entrar com os dados manualmente no mdulo de simulao.
Depois que todas as propriedades pertencentes a cada um dos componentes do
modelo tiverem sido definidas o usurio poder realizar a checagem no modelo contra
erros bsicos de construo acessando a opo menu.
Aps o trmino da Simulao o usurio tem a opo de retirar relatrios para
anlise de dados e/ou solicitar histogramas.
Os modelos elaborados para o estudo em questo, basearam-se em dados de uma
mina, da empresa Lafarge Cimento em Matozinhos, que possui nove frentes de minrio
e dispe de dez caminhes fora de estrada e cinco equipamentos de carga, e que trabalha
com alocao esttica de caminhes. Os resultados obtidos pelo modelo de simulao
demonstraram que o tempo mdio de fila obtido com o modelo, ficou abaixo dos
praticados na empresa, comprovando assim os benefcios da aplicao dessa ferramenta.
28
3. Descrio do Problema Abordado
3.1 Introduo
A Companhia Vale do Rio Doce (CVRD) nasceu como empresa mineradora,
sendo o minrio de ferro, at hoje, o principal produto da empresa. Ocupa a posio de
maior empresa de minerao diversificada das Amricas. Presente em 13 estados
brasileiros e em cinco continentes, opera mais de 9 mil quilmetros de malha ferroviria
e oito terminais porturios prprios.
Lder mundial no mercado de minrio de ferro e pelotas, a CVRD a segunda
maior produtora integrada de mangans e ferroligas, alm de maior prestadora de
servios de logstica do Brasil (CVRD, 2005a).
No Brasil, o minrio explorado em sistemas integrados, cada um formado por
mina, ferrovia, usina de pelotizao e terminal martimo.
Descreve-se a seguir o Sistema Norte e o Sistema Sul da CVRD.
3.1.1 Sistema Norte da CVRD
Esse sistema composto pelo Complexo Minerador da Serra dos Carajs no
Par, e pelo Terminal Martimo de Ponta da Madeira (TMPM), no Maranho. A essas
atividades est integrado o transporte de minrio atravs da EFC (Estrada de Ferro
Carajs), atualmente no mbito da rea de negcio da Logstica.
De acordo com CVRD (2005b), o Complexo Minerador da Serra dos Carajs,
localizado no estado do Par, possui reservas da ordem (em 31.12.02) de 1,5 bilho de
toneladas de minrio de ferro. Este complexo localiza-se entre as cidades de So Flix
do Xing e Marab e entre os rios Tocantins e Xing. As primeiras pesquisas
geolgicas iniciaram-se em 1967 e em 1978 comearam as obras de implantao do
Projeto Carajs. Aps esta fase, em 1981, ocorreu a primeira detonao para abertura de
mina, tendo j em 1985, entrado em operao o 1 trem de minrio. Em 1986 ocorreu o
start up de vendas do Sistema Norte com o primeiro embarque de minrio no TMPM,
totalizando naquele ano, 13,5 milhes de toneladas de produo de minrio de ferro.
Somente em 1994 d-se o start up das operaes no Per II.
29
Na mina, o mtodo de lavra empregado o convencional, com bancadas a cu
aberto, perfurao, detonao, carregamento e transporte do material lavrado que feito
por caminhes fora de estrada sendo o minrio transportado para as instalaes da Usina
para o seu beneficiamento. As reas em operao denominam-se N4E, N4W-N, N5W e
N5E.
Na usina, para permitir a adequao granulomtrica dos produtos, as instalaes
so compostas de equipamentos que realizam as operaes de cominuio,
peneiramento a mido e classificao do minrio em vrias etapas: Britagem Primria,
Britagem e Peneiramento Secundrio, Britagem e Peneiramento Tercirio, Moagem,
Ciclonagem e Filtragem de pellet feed. A Usina possui uma capacidade instalada de 56
Mta e todo o minrio produzido nestas etapas estocado nos ptios que contam,
atualmente, com trs empilhadeiras e duas recuperadoras. O objetivo da Usina de
beneficiamento a obteno de trs produtos de granulometrias distintas: Sinter Feed,
Granulado, Pellet Feed Natural e Pellet Feed Modo.
Aps a recuperao do minrio nos ptios de estocagem em Carajs, a ferrovia
transporta-o ao longo dos 892 Km at o TMPM. Chegando a So Lus, o minrio
descarregado por dois viradores de vages. Aps o descarregamento, o minrio
estocado nos ptios onde parte deste minrio embarcado e o restante direcionado
para as Usinas de Pelotizao, para ser transformado em pelota e posteriormente
embarcado.

3.1.2 Sistema Sul da CVRD
De acordo com CVRD (2003, 2005b), as minas do Sistema Sul da CVRD
situam-se na regio centro-meridional de Minas Gerais no Quadriltero Ferrfero, em
uma rea de 7.000 Km
2
, que hospeda uma das maiores ocorrncias de minrios de ferro
do mundo.
Esse sistema composto por quatro grandes complexos mineradores: Itabira,
Mariana, Minas Centrais e Minas da Regio Oeste. Estes complexos englobam mais de
20 minas. O mais antigo complexo do Sistema Sul o de Itabira. Compreende as minas
do Complexo Cau e Conceio e suas operaes tiveram incio em 1942.
30
Com a aquisio da Ferteco em 2001, e a sua recente incorporao CVRD, o
Sistema Sul passou a operar o terceiro sistema produtivo da Vale: o das minas de
Fbrica e Crrego do Feijo, a pelotizao de Fbrica, a ferrovia MRS e o porto de
Sepetiba.
As jazidas do Sistema Sul possuem reservas estimadas (em 31.12.02) de 2,9
bilhes de toneladas de minrio de ferro.
A capacidade de produo atual do Sistema Sul de 90 milhes de toneladas. O
suprimento de minrio de ferro se d pela produo direta a partir de suas jazidas e pela
compra de quantidade complementar, por razes de qualidade ou da no capacidade
para atendimento total da demanda.
Devido a sua grande diversidade de minas e sua distribuio no Quadriltero
Ferrfero, duas importantes competncias deste sistema so: abastecimento aos
produtores nacionais de ao e flexibilidade operacional para fornecimento de diferentes
qualidades de minrio.
A localizao das siderrgicas Usiminas, Acesita e CST, responsveis por mais
de 50% da produo nacional de ao, ao longo da Estrada de Ferro Vitria Minas, faz
com que o Sistema Sul seja seu natural supridor de minrio. As siderrgicas Cosipa e
Aominas tambm so eventualmente abastecidas pelo Sistema Sul, porm essas
possuem outras alternativas de fornecimento.
Ao longo dos anos o Sistema Sul desenvolveu competncia em concentrao de
minrios finos. Responsvel pelo fornecimento de minrio para as pelotizaes da Vale
em Vitria, o Sistema Sul produz concentrados para uso em processos de reduo direta
desde 1996, o que o coloca na dianteira em termos de tecnologia de minerao de ferro.
Alm de aumentar o aproveitamento das reservas existentes, essa competncia contribui
para aumentar a produo e reduzir o impacto ambiental da minerao.
31
3.2 Estudo de Caso
O presente trabalho tem seu enfoque no Complexo de Itabira, mais
especificamente na Mina de Cau. Isto se justifica em virtude do vnculo empregatcio
da autora desta proposta com a mineradora CVRD nesta regio, facilitando o
desenvolvimento do trabalho.
Desde sua criao, em 1942, at os dias atuais, a CVRD tem nas minas de Itabira
um dos seus principais centros produtivos. De acordo com CVRD (2003), com uma
movimentao anual de 130 milhes de toneladas de material bruto, incluindo minrio e
estril e 40 milhes de toneladas de produtos de alta qualidade, o sistema produtivo de
Itabira representa atualmente 50% de toda a produo do Sistema Sul da CVRD.
Ainda segundo esse documento, as minas de Itabira possuem hoje reservas
minerais de 1,13 bilhes de toneladas. Os recursos totais so de 3,87 bilhes de
toneladas. Esses quantitativos permitem assegurar uma vida til de mais de 20 anos,
podendo chegar a at 75 anos com o aproveitamento de todos os recursos potenciais.
De maneira geral, os minrios de ferro de Itabira podem ser divididos em dois
tipos principais: Hematitas (minrio de alto teor de ferro, com teor superior a 63%) e
Itabiritos (rochas constitudas pela alternncia de leitos de quartzo e hematita).
Alm das caractersticas qumicas e estruturais, os minrios de ferro podem ter
diferentes consistncias fsicas, ou seja, pode-se encontrar nas minas de Itabira minrios
compactos, friveis e pulverulentos. Essas caractersticas conferem aos minrios uma
especificidade na gerao de produtos distintos, conhecidos como pellet feed
(superfinos), sinter feed (finos) e granulados.
A Figura 3.1 mostra os principais produtos do Complexo Itabira (Cau, Minas
do Meio e Conceio).
32

Figura 3.1 - Principais Produtos do Complexo Itabira

Esses produtos geram no total trs tipos de Granulados, doze de Sinter Feed e
onze de Pellet Feed, que so estocados em ptios para serem retomados posteriormente.
A Figura 3.2 mostra um esquema dos ptios de estocagem de produtos da Mina
de Cau. Essa figura mostra trs ptios, denominados A, B e C, sendo o primeiro o mais
ao alto e o ltimo, o menor, mais embaixo na figura.
Granulado
Granulado Granulado
Sinter Feed
Sinter Sinter Feed Feed
Pellet Feed
Pellet Pellet Feed Feed
Granulado
Granulado Granulado
Sinter Feed
Sinter Sinter Feed Feed
Pellet Feed
Pellet Pellet Feed Feed
33
Figura 3.2 - Ptios de estocagem da mina Cau
34

Os ptios de estocagem do Complexo Cau (ptios A, B e C da Figura 3.2)
armazenam separadamente minrios do tipo pellet feed, sinter feed e natural pellet
ore, produzidos pela planta de concentrao deste complexo. Cada tipo de produto
estocado na forma de pilhas em reas, denominadas balizas, que nada mais so que
espaos graduados de 5 em 5 metros.
Os ptios A e B possuem cada um capacidade para estocagem de 90.000
toneladas de produtos e o nmero de balizas varia no intervalo de -25 a 330, isto ,
possuem cada um 71 espaos para dispor as pilhas de produtos.
J no ptio C, que um pouco menor que os demais, o nmero de balizas varia
no intervalo de 25 a 220, representando 50 balizas, sendo capaz de armazenar at
60.000 toneladas de produtos.
Para estocar/recuperar os produtos oriundos da planta de beneficiamento em
cada ptio de estocagem, a empresa dispe dos seguintes equipamentos:

(a) Uma empilhadeira mvel, com capacidade de 5.000 t/h, situada entre
os ptios A e B, empilhadeira essa que pode estocar tanto no ptio A
quanto no B;
(b) Duas empilhadeiras/recuperadoras de rodas de caambas, com
capacidade de 6.000 t/h, sendo uma situada entre os ptios B e C (que
pode recuperar o produto de qualquer um desses ptios) e outra do
lado externo do ptio A, tambm com capacidade de 6.000 t/h, que
pode empilhar e recuperar somente o produto estocado no ptio A.

O arranjo geral dos sistemas de recuperao e transportadores de correia com
transferncia mveis permite levar os produtos recuperados de qualquer um dos ptios
para qualquer um dos silos de carregamento, cada um com capacidade de 500 toneladas,
fato que d grande flexibilidade operao e aumenta a capacidade horria de
carregamento.
35

A Figura 3.3 ilustra os equipamentos utilizados para empilhar e retomar
(recuperar) os produtos nos ptios.







(a) Recuperadora (Bucket Wheel) (b) Recuperadora Tambor (Drum)






(c) Empilhadeira (Stacker)
Figura 3.3 - Equipamentos de empilhamento e recuperao

Aps conhecer a qualidade do minrio advindo da usina, o tcnico do Controle
de Qualidade determina o local dentro da rea do ptio para estocagem e informa ao
operador da empilhadeira (stacker) o local onde o produto deve ser estocado. A
identificao da localizao dos produtos estocados feita por meio de balizas, no caso,
espaos graduados de 5 em 5 metros.
As recuperadoras do ptio Cau so programadas para retomar o minrio
estocados em balizas considerando duas posies para recuperao: inferior e superior.
36
Os ptios de estocagem de produtos so representados em mapas e em planilhas
que contm o detalhamento das informaes das pilhas (nome do produto, nmero da
baliza, posio de estocagem inferior ou superior, quantidade, qualidade etc).
As pilhas de produtos formados so atualizadas em uma planilha, chamada de
planilha de Controle de Ptios, conforme ilustra a Figura 3.4, sendo esta
disponibilizada para a simulao de produo.
37
Figura 3.4 - Layout dos Ptios
38
Conhecendo-se a localizao, a tonelagem disponvel, a caracterstica de
qualidade e a percentagem de minrio em determinada granulometria de cada pilha, o
objetivo do Controle de Qualidade de Ptios determinar, tendo em vista o produto a
ser formado e a programao de embarque, quanto minrio proveniente de cada pilha
deve ser retirado de modo a gerar uma mistura que atenda as especificaes
preestabelecidas.
A programao da retomada de minrios das pilhas para formao de um
produto feita, atualmente, por tentativa e erro, usando, como instrumento de clculo,
uma planilha eletrnica que simula a composio do lote a partir das anlises qumicas e
fsicas e das quantidades preestabelecidas. Trata-se de uma operao trabalhosa, que
consome, em mdia, de 10 a 15 minutos para obter uma soluo para o problema. Dado
o grande nmero de solues possveis e a incapacidade humana de avaliar todas elas
rapidamente, no garantido que a soluo final gerada pelo tcnico do Controle de
Qualidade seja a melhor possvel.
Baseado no resultado da simulao, o tcnico do Controle de Qualidade indica
aos operadores o nmero de vages a ser carregado por posio de recuperao.
O produto retomado , ento, transportado at os silos de carregamento para
carregar os vages. O carregamento feito em lotes de 2 a 86 vages de 80 toneladas
cada.
Aps a composio do lote so recolhidas amostras, as quais so analisadas
qumica e fisicamente, e o resultado comparado com a simulao, sendo que um dos
critrios de avaliao de desempenho individual do responsvel pela simulao o
quanto esses resultados se assemelham.

39
4. Modelagem do Problema Abordado
4.1 Introduo
O objetivo do presente trabalho propor um modelo de programao linear por
metas, baseado nos dados do Controle de Qualidade da Mina de Cau da CVRD,
visando ao melhor aproveitamento dos recursos e conseqente melhoria na
produtividade do processo.
Para melhor tratamento do problema, tentou-se fazer com que o sistema
computacional desenvolvido abordasse tambm uma boa soluo de interface com os
usurios, de forma que o sistema, alm de eficiente, seja tambm funcional e prtico em
termos de usabilidade.
Seguem abaixo duas modelagens matemticas propostas para o problema, a
primeira baseada em programao por metas arquimediana e a segunda, baseada em
programao por metas nebulosa.

4.2 Modelo baseado em programao por metas
arquimediana
4.2.1 Parmetros do modelo
Sejam os seguintes parmetros de entrada:
Ptio: Conjunto de ptios, no caso, Ptio = {A, B, C};
Baliza(k): Conjunto de balizas do ptio k. Para cada ptio k o nmero de balizas
nb varia no intervalo [1, nb(k)]. Para o ptio A, tem-se: Baliza (A)= {-25, -20, -15, ...,
330}, isto , nb(A) = 71;
Cada pilha situada em uma dada baliza i de um dado ptio k, dividido em duas
partes: uma superior, denotada por sup, outra inferior, denotada por inf;
40
Eliminar
ijk
: Parmetro que assume o valor 1 se a pilha situada na baliza i, parte j
do ptio k deve ser completamente eliminada, como desejo do operador;
ElParc
ijk
: Quantidade de minrio, em toneladas, a ser eliminado da parte j da
baliza i do ptio k, como desejo do operador;
ijk
Qu : Quantidade de minrio, em toneladas, existente na baliza i do ptio k, na
parte j;
ijk
tem : Parmetro que assume valor 1 se h um conjunto de pilhas contguas
iniciando na baliza i, parte j, do ptio k. Para as demais balizas, nas quais no h uma
pilha sua esquerda, esse parmetro assume o valor zero;
k
ncp : Nmero mximo de conjuntos de pilhas contguas a serem retiradas do
ptio k nas posies inf e sup das pilhas;
S: Conjunto dos parmetros de qualidade analisados no minrio;
t
ijkl
: Teor do parmetro l na parte j da pilha situada na baliza i do ptio k (%);
tr
l
: Teor recomendado para o parmetro l no produto final (%);
lig
l
: Limite inferior de garantia, isto , teor mnimo admissvel para o parmetro
l no produto final (%);
lsg
l
: Limite superior de garantia, isto , teor mximo admissvel para o
parmetro l no produto final (%);
lie
l
: Limite inferior de especificao, isto , teor mnimo recomendvel para o
parmetro l no produto final (%);
lse
l
: Limite superior de especificao, isto , teor mximo recomendvel para o
parmetro l no produto final (%);

l
-
: Penalidade por desvio negativo em relao meta de qualidade para o
parmetro l no produto final;

l
+
: Penalidade por desvio positivo em relao meta de qualidade para o
parmetro l no produto final;
+
l
: Penalidade por desvio positivo em relao ao limite superior de
especificao do parmetro l no produto final;
41

l
: Penalidade por desvio negativo em relao ao limite inferior de
especificao do parmetro l no produto final;

: Penalidade por desvio negativo na meta de produo;


+
: Penalidade por desvio positivo na meta de produo;
P
m
: meta de produo, em toneladas;

4.2.2 Variveis de deciso
Sejam as seguintes variveis de deciso:
=
ijk
x quantidade de minrio, em toneladas, a ser retirado da parte j da baliza i
do ptio k;

=
contrrio caso 0
usada ser pode , parte , ptio do baliza na est que pilha a se 1 j k i
y
ijk

=
contrrio caso 0
usada ser , parte , ptio do baliza na est que pilha a se 1 j k i
z
ijk
d
l
-
: Desvio negativo do parmetro l no produto final, em toneladas, em relao
meta de qualidade do parmetro l;
d
l
+
: Desvio positivo do parmetro l no produto final, em toneladas, em relao
meta de qualidade do parmetro l;
dbaliza
ijk
: Quantidade de minrio, em toneladas, que resta na pilha localizada na
baliza i, parte j e ptio k;

P : Desvio negativo em relao meta de produo, em toneladas;


+
P : Desvio positivo em relao meta de produo, em toneladas;
de
l
+
: Desvio positivo de especificao do parmetro l no produto final, em
toneladas, em relao ao seu limite superior de especificao;
de
l
-
: Desvio negativo de especificao do parmetro l no produto final, em
toneladas, em relao ao seu limite inferior de especificao.
42

4.2.3 Funo objetivo
A funo objetivo considerada visa minimizar os desvios de qualidade e
quantidade em relao s metas de qualidade e produo, bem como eliminar dos
ptios, sempre que possvel, as pilhas que forem usadas para a composio de um lote.


+ + + +

+ +
+ + + + + +
Baliza i Parte j Patio k
ijk
S l
l l
S l
l l
s l s l
l l l l
dbaliza
de de P P d d min

4.1

4.2.4 Restries de seqenciamento vertical
As equaes 4.2 e 4.3 modelam a restrio de que s se pode retirar minrio da
parte inferior de uma pilha se o minrio da parte superior da pilha subseqente j tiver
sido retirado:
k i k i
y y
,sup, 1 ,inf, +
1 - ) nb( i que tal Ptio, , ) Baliza( k k k i
4.2
k i
k i
k i
Qu
x
y
,sup, 1
,sup, 1
,inf,
+
+
1 ) ( nb e 0 que tal , Ptio ), Baliza(
sup, , 1

+
k i Qu k k i
k i
4.3

4.2.5 Restries de retirada de um conjunto de pilhas contguas
Para cada ptio k, pode ser desejvel, por questes operacionais, retirar minrio
de forma concentrada em um ou mais conjuntos de pilhas contguas. As equaes a
seguir modelam essa restrio:


+
) (
inf, , inf, ,
) (
sup, , sup, ,
k Baliza i
k k i k i
k Baliza i
k i k i
ncp z tem z tem
Ptio k 4.4
ijk ijk
x z
Parte
Ptio, , ) Baliza(


j
k k i

4.5
ijk
ijk
ijk
Qu
x
z
0 que tal Parte
Ptio, , ) Baliza(


ijk
Qu j
k k i

4.6

43
4.2.6 Restries de seqenciamento horizontal
Uma parte j de uma pilha situada na baliza i do ptio k s pode ser retirada se a
mesma parte j da pilha situada na baliza anterior do mesmo ptio k j estiver sido
retirado:
k j i
k j i
ijk
Qu
x
y
, , 1
, , 1

0 e 2 que tal Patio, Parte, ), Baliza(


, , 1

k j i
Qu i k j k i
4.7
k j i
k j i
ijk
Qu
x
y
, ,
, ,
0 que tal Patio, Parte, ), Baliza(
, ,

k j i
Qu k j k i
4.8

4.2.7 Restries de limite superior de garantia
As restries 4.9 definem limites mximos para os parmetros de qualidade da
mistura.
l
k k i j
ijk
k k i j
ijk ijkl
lsg
x
x t





Patio ) Baliza( Parte
Patio ) Baliza( Parte
S l 4.9
Linearizando:
( )



Patio ) Baliza( Parte
0
k k i j
ijk l ijkl
x lsg t
S l
4.10

4.2.8 Restries de limite inferior de garantia
As restries 4.11 definem limites mnimos para os parmetros de qualidade da
mistura.
l
k k i j
ijk
k k i j
ijk ijkl
lig
x
x t





Patio ) Baliza( Parte
Patio ) Baliza( Parte
S l 4.11
Linearizando:
44
( )



Patio ) Baliza( Parte
0
k k i j
ijk l ijkl
x lig t
S l
4.12

4.2.9 Restries de meta
As restries a seguir visam penalizar os desvios de quantidade e qualidade em
relao aos valores requeridos.
a) Restries de quantidade:


+
= +
Patio ) Baliza( Parte k k i j
m ijk
P P P x
4.13

b) Restries de qualidade:
( )


+
= +
Patio ) Baliza( Parte
0
k k i j
l l ijk l ijkl
d d x tr t
S l
4.14

c) Restries de atendimento aos limites superiores de especificao:
( )


+

Patio ) Baliza( Parte
0
k k i j
l ijk l ijkl
de x lse t
S l
4.15

d) Restries de atendimento aos limites inferiores de especificao:
( )

+
Patio ) Baliza( Parte
0
k k i j
l ijk l ijkl
de x lie t
S l
4.16

4.2.10 Restries de eliminao parcial de uma pilha
O conjunto de restries a seguir visa a eliminao, definida pelo operador, de
uma certa quantidade de minrio da pilha situada na baliza i, ptio k, parte j, dada por
ElParc
ijk
:
ijk ijk
ElParc x =
1 Eliminar e 0
, 0 que tal Parte, Ptio, , ) Baliza(


ijk ijk
ijk
Qu
ElParc j k k i

4.17
45

4.2.11 Restries de eliminao completa de pilhas
As restries a seguir eliminam completamente pilhas previamente definidas
pelo operador do sistema.
ijk ijk
Qu x = Parte ), ( Baliza , Patio , 1 Eliminar | ) , , (
ijk
= j k i k k j i
4.18

4.2.12 Restries que visam eliminao completa de pilhas
As restries a seguir, juntamente com a varivel dbaliza
ijk
da funo objetivo,
tentam eliminar completamente uma pilha de forma a evitar que ela seja usada apenas
parcialmente.
ijk ijk ijk ijk
Qu z dbaliza x = + Parte ), ( Baliza , Patio j k i k
4.19

4.2.13 Restries de integralidade e no-negatividade
As restries a seguir indicam a bivalncia de algumas variveis e impedem que
valores negativos das variveis de deciso sejam aceitos.
0
ijk
dbaliza Parte ), ( Baliza , Patio j k i k
4.20
0
ijk
x Parte ), ( Baliza , Patio j k i k
4.21
} 1 , 0 {
ijk
z Parte ), ( Baliza , Patio j k i k
4.22
} 1 , 0 {
ijk
y Parte ), ( Baliza , Patio j k i k
4.23
0

l
d S l 4.24
0
+
l
d S l 4.25
0

l
de S l 4.26
0
+
l
de S l 4.27
0

P 4.28
0
+
P 4.29
46

Observa-se, neste modelo, que possvel definir previamente uma regio a ser
explorada para a busca de minrios satisfazendo os critrios de qualidade e produo.
Basta, nesse caso, anular o parmetro Qu
ijk
para as regies que no devem ser
exploradas.

4.3 Modelo baseado em programao por metas nebulosa
Este modelo difere do anterior apenas com relao funo objetivo e a incluso
de trs novos conjuntos de restries.
4.3.1 Funo objetivo
A funo objetivo 4.1 substituda pela seguinte:
3 2 1
min D D D + + 4.30

4.3.2 Restries
Este modelo considera, alm das restries 4.2 a 4.29, os seguintes conjuntos de
restries:
1
D d d
l l l l
+
+ +
S l 4.31
2
D P P +
+ +
4.32
3
D de de
l l
+
+ +
S l 4.33

Nestas equaes D
1
, D
2
e D
3
representam, respectivamente, os desvios mximos
em toneladas, devido ao no atendimento dos parmetros de controle recomendados,
produo e limites de especificao.

47
4.4 Implementao computacional
O modelo baseado em programao matemtica por metas (goal programming)
apresentado na seo 4.2 foi implementado usando-se o modelador e otimizador
LINGO, verso 9.0, da Lindo Systems Inc. (http://www.lindo.com) com interface a uma
planilha eletrnica do Microsoft Excel, a qual, at ento era utilizada no processo de
deciso na empresa, para o problema abordado.
O sistema desenvolvido oferece um ambiente de uso agradvel, flexvel e
aplicvel no dia-a-dia da empresa, de maneira que no necessita de um usurio
especial para oper-lo. Ele permite ainda que o usurio faa alteraes de valores que
mudam freqentemente como, por exemplo, restries operacionais e produto.
A implementao do modelo proposto no software LINGO mostrada
detalhadamente no Anexo II.
48
5. Resultados Computacionais
Neste captulo so apresentadas as instncias-teste utilizadas para a avaliar o
modelo de programao por metas arquimediana proposto no captulo 4, seo 4.2, e os
resultados computacionais obtidos com a aplicao desse modelo.
As instncias-teste consistem em 20 cenrios do Ptio de Controle de Qualidade
da Mina de Cau, em Itabira/MG. Na Tabela 5.1 so apresentadas as principais
caractersticas dessas instncias. Esta tabela considera quatro produtos: PCCA, PECA,
PXCA_DIPE e PXCA_PPC. Para cada produto, foram analisados seis parmetros de
controle, todos qumicos: Fe, SiO
2
, P, Al
2
O
3
, Mn e H
2
O. Cada parmetro qumico l foi
classificado em cinco categorias: Irrelevante (-), Importante (IP), Muito Importante
(MI), Crtico (CR) e Muito Crtico (CR+), s quais foram associados os seguintes pesos,
respectivamente: 0, 1, 5, 10 e 100. Esses pesos se referem aos desvios de meta
( l
l l
=
+
). Os desvios de especificao (
+
=
l l
) foram fixados em 100 vezes os
desvios de meta. Alm disso, de forma a tornar comparveis os desvios de cada
parmetro de controle, os seus respectivos pesos foram multiplicados por 1, 10, 1000,
100, 100 e 1. A penalidade por desvio na meta de produo foi fixada em um valor
elevado, no caso, um bilho.
Para cada produto foram analisados cinco cenrios, envolvendo diferentes lotes
de pedidos, numerados de 1 a 5.
Cada instncia foi processada pelo sistema desenvolvido em um
microcomputador com processador Pentium IV, clock de 1,8 MHz, com 256 MB de
RAM, demandando um mximo de 60 segundos para encontrar a soluo tima para
uma determinada configurao dos ptios.




49
Tabela 5.1. Principais Caractersticas das Instncias-teste
Cenrio Parmetros de controle
Produto Lote
Dia Hora
N de
vages
Fe SiO
2
P Al
2
O
3
Mn H
2
O
1 15/07/05 08:00 40
2 16/07/05 13:43 80
3 16/07/05 20:14 76
4 18/07/05 21:55 80
PCCA
5 19/07/05 16:35 80
- CR CR CR CR CR
1 14/07/05 03:42 82
2 15/07/05 07:10 40
3 15/07/05 12:00 78
4 16/07/05 10:15 80
PECA
5 16/07/05 23:49 80
- CR
+
CR CR CR MI
1 19/07/05 00:17 80
2 19/07/05 03:05 82
3 19/07/05 08:35 82
4 19/07/05 18:03 80
PXCA_
DIPE
5 19/07/05 20:02 76
- CR IP - CR CR
1 11/07/05 16:27 78
2 11/07/05 19:44 80
3 11/07/05 22:25 80
4 12/07/05 18:02 78
PXCA_
PPC
5 12/07/05 18:40 78
- CR
+
CR CR CR MI
50
Para cada instncia, foram comparados os resultados obtidos pelo sistema
desenvolvido com os produzidos manualmente pela empresa de minerao. A seguir so
apresentados os grficos comparativos entre as solues produzidas pelas duas
abordagens referentes aos 20 cenrios. Em cada grfico, tambm so apresentados as
metas de qualidade e os limites de especificao para cada parmetro de controle.
As figuras 5.1 a 5.6 comparam os teores dos diferentes elementos qumicos
obtidos nas duas abordagens referente ao produto PCCA nos cinco lotes analisados.








Figura 5.1 Teor de ferro nos cinco cenrios do PCCA








Figura 5.2 Teor de slica nos cinco cenrios do PCCA

64,80
65,00
65,20
65,40
65,60
65,80
66,00
66,20
1 2 3 4 5
Manual
Sistema
T
e
o
r

d
e

F
e

(
%
)
Lotes
PCCA
4,00
4,20
4,40
4,60
4,80
5,00
5,20
5,40
5,60
1 2 3 4 5
LSE
Meta
Manual
Sistema
T
e
o
r

d
e

S
i
O
2
(
%
)
Lotes
PCCA
51








Figura 5.3 Teor de fsforo nos cinco cenrios do PCCA










Figura 5.4 Teor de alumina nos cinco cenrios do PCCA


0,000
0,005
0,010
0,015
0,020
0,025
1 2 3 4 5
LSE
Meta
Manual
Sistema
T
e
o
r

d
e

P

(
%
)
Lotes
PCCA
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
1 2 3 4 5
LSE
Meta
Manual
Sistema
T
e
o
r

d
e

A
l
2
O
3
(
%
)
Lotes
PCCA
52








Figura 5.5 Teor de mangans nos cinco cenrios do PCCA








Figura 5.6 Teor de gua nos cinco cenrios do PCCA

Observa-se pelas figuras 5.1 a 5.6 que o sistema desenvolvido produziu solues
significativamente melhores que a soluo da empresa, atingindo a meta de qualidade
(caso da slica na Figura 5.2) ou aproximando-se mais dela. Apenas com relao ao
parmetro alumina (Figura 5.4), o mtodo manual encontrou solues mais prximas da
meta. Entretanto, o que se analisa o conjunto dos parmetros e como todos esses
parmetros foram considerados crticos, no havia diferenciao entre eles.
0,000
0,050
0,100
0,150
0,200
0,250
0,300
1 2 3 4 5
LSE
Meta
Manual
Sistema
T
e
o
r

d
e

M
n
(
%
)
Lotes
PCCA
0,00
2,00
4,00
6,00
8,00
10,00
12,00
1 2 3 4 5
LSE
Meta
Manual
Sistema
T
e
o
r

d
e

H
2
O

(
%
)
Lotes
PCCA
53
As figuras 5.7 a 5.12 comparam os teores dos diferentes elementos qumicos
obtidos nas duas abordagens referente ao produto PECA nos cinco lotes analisados.








Figura 5.7 Teor de ferro nos cinco cenrios do PECA








Figura 5.8 Teor de slica nos cinco cenrios do PECA


68,20
68,30
68,40
68,50
68,60
68,70
68,80
68,90
69,00
1 2 3 4 5
LIE
Manual
Sistema
T
e
o
r

d
e

F
e

(
%
)
Lotes
PECA
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1 2 3 4 5
LSE
Meta
Manual
Sistema
T
e
o
r

d
e

S
i
O
2
(
%
)
Lotes
PECA
54








Figura 5.9 Teor de fsforo nos cinco cenrios do PECA









Figura 5.10 Teor de alumina nos cinco cenrios do PECA


0,000
0,002
0,004
0,006
0,008
0,010
0,012
0,014
0,016
0,018
0,020
1 2 3 4 5
LSE
Meta
Manual
Sistema
T
e
o
r

d
e

P

(
%
)
Lotes
PECA
0,00
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
1 2 3 4 5
LSE
Meta
Manual
Sistema
T
e
o
r

d
e

A
l
2
O
3
(
%
)
Lotes
PECA
55








Figura 5.11 Teor de mangans nos cinco cenrios do PECA









Figura 5.12 Teor de gua nos cinco cenrios do PECA
Observa-se pelas figuras 5.7 a 5.12 que o sistema desenvolvido tambm produziu
solues significativamente melhores que a da empresa, atingindo a meta de qualidade
(caso da slica na Figura 5.8 e alumina na Figura 5.10) ou aproximando-se mais dela. A
nica exceo ocorreu para o mangans no primeiro lote, em que a soluo manual foi
melhor. Valem, porm, as mesmas observaes feitas para o produto anterior.
0,000
0,010
0,020
0,030
0,040
0,050
0,060
0,070
0,080
0,090
0,100
1 2 3 4 5
LSE
Meta
Manual
Sistema
T
e
o
r

d
e

M
n
(
%
)
Lotes
PECA
0,00
1,00
2,00
3,00
4,00
5,00
6,00
7,00
8,00
9,00
10,00
1 2 3 4 5
LSE
Meta
Manual
Sistema
T
e
o
r

d
e

H
2
O

(
%
)
Lotes
PECA
56
As figuras 5.12 a 5.18 comparam os teores dos diferentes elementos qumicos
obtidos nas duas abordagens referente ao produto PXCA_DIPE nos cinco lotes
analisados.








Figura 5.13 Teor de ferro nos cinco cenrios do PXCA_DIPE










Figura 5.14 Teor de slica nos cinco cenrios do PXCA_DIPE

67,4
67,6
67,8
68,0
68,2
68,4
68,6
1 2 3 4 5
Meta
LIE
Manual
Sistema
T
e
o
r

d
e

F
e

(
%
)
Lotes
PXCA DIPE
0,70
0,80
0,90
1,00
1,10
1,20
1,30
1,40
1,50
1,60
1 2 3 4 5
LSE
Meta
LIE
Manual
Sistema
T
e
o
r

d
e

S
i
O
2
(
%
)
Lotes
PXCA_DIPE
57








Figura 5.15 Teor de fsforo nos cinco cenrios do PXCA_DIPE











Figura 5.16 Teor de alumina nos cinco cenrios do PXCA_DIPE


0,000
0,005
0,010
0,015
0,020
0,025
1 2 3 4 5
LSE
Meta
Manual
Sistema
T
e
o
r

d
e

P

(
%
)
Lotes
PXCA_DIPE
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
1 2 3 4 5
LSE
Meta
Manual
Sistema
T
e
o
r

d
e

A
l
2
O
3
(
%
)
Lotes
PXCA_DIPE
58








Figura 5.17 Teor de mangans nos cinco cenrios do PXCA_DIPE









Figura 5.18 Teor de gua nos cinco cenrios do PXCA_DIPE
Pelas figuras 5.13 a 5.18 observa-se que o sistema desenvolvido novamente
produziu solues melhores que a soluo manual da empresa, atingindo a meta de
qualidade (caso da slica na Figura 5.14) ou aproximando-se mais dela na maioria dos
casos. As excees ocorreram com relao ao ferro nos lotes 1 e 5 (Figura 5.13),
mangans e gua no lote 5 (figuras 5.17 e 5.18), nas quais o mtodo manual encontrou
solues mais prximas da meta.
0,000
0,020
0,040
0,060
0,080
0,100
0,120
1 2 3 4 5
LSE
Meta
Manual
Sistema
T
e
o
r

d
e

M
n
(
%
)
Lotes
PXCA_DIPE
0,000
0,020
0,040
0,060
0,080
0,100
0,120
1 2 3 4 5
LSE
Meta
Manual
Sistema
T
e
o
r

d
e

H
2
O

(
%
)
Lotes
PXCA_DIPE
59
As figuras 5.19 a 5.24 comparam os teores dos diferentes elementos qumicos
obtidos nas duas abordagens referente ao produto PXCA_PPC nos cinco lotes
analisados.








Figura 5.19 Teor de ferro nos cinco cenrios do PXCA_PPC










Figura 5.20 Teor de slica nos cinco cenrios do PXCA_PPC

66,50
67,00
67,50
68,00
68,50
69,00
69,50
1 2 3 4 5
Meta
LIE
Manual
Sistema
T
e
o
r

d
e

F
e

(
%
)
Lotes
PXCA_PPC
0,00
0,20
0,40
0,60
0,80
1,00
1,20
1,40
1,60
1 2 3 4 5
LSE
Meta
LI
Manual
Sistema
T
e
o
r

d
e

S
i
O
2
(
%
)
Lotes
PXCA_PPC
60









Figura 5.21 Teor de fsforo nos cinco cenrios do PXCA_PPC











Figura 5.22 Teor de alumina nos cinco cenrios do PXCA_PPC


0,000
0,002
0,004
0,006
0,008
0,010
0,012
0,014
0,016
0,018
1 2 3 4 5
LSE
Meta
Manual
Sistema
T
e
o
r

d
e

P

(
%
)
Lotes
PXCA_PPC
0,00
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
1 2 3 4 5
LSE
Meta
Manual
Sistema
T
e
o
r

d
e

A
l
2
O
3
(
%
)
Lotes
PXCA_PPC
61








Figura 5.23 Teor de mangans nos cinco cenrios do PXCA_PPC









Figura 5.24 Teor de gua nos cinco cenrios do PXCA_PPC

Pelas figuras 5.19 a 5.24 percebe-se que o sistema proposto foi capaz de produzir
solues bem melhores que a soluo da empresa, atingindo a meta de qualidade (caso
da slica na Figura 5.20) ou aproximando-se mais dela. Apenas com relao ao
parmetro fsforo, nos lotes 1 e 3 (Figura 5.21), e no parmetro mangans, lote 3
(Figura 5.23), o mtodo manual encontrou solues mais prximas da meta. Entretanto,
observa-se que o fsforo para esse produto no considerado crtico.
0,00
2,00
4,00
6,00
8,00
10,00
12,00
1 2 3 4 5
LSE
Meta
Manual
Sistema
T
e
o
r

d
e

H
2
O

(
%
)
Lotes
PXCA_PPC
0,000
0,010
0,020
0,030
0,040
0,050
0,060
0,070
0,080
0,090
0,100
1 2 3 4 5
LSE
Meta
Manual
Sistema
T
e
o
r

d
e

M
n
(
%
)
Lotes
PXCA_PPC
62
6. Concluses e trabalhos futuros
Este trabalho contribui com o desenvolvimento de um modelo de programao
linear por metas arquimediana para resolver um problema de blendagem para
composio de lotes de minrio de ferro da Companhia Vale do Rio Doce, Mina de
Cau. O modelo proposto procura atender as metas de produo e qualidade relativas ao
produto requerido, respeitando suas especificaes e as restries operacionais dos
ptios onde esto estocados os minrios.
O modelo foi implementado no modelador e otimizador LINGO, verso 9.0,
interfaceando com planilhas do Excel 2000, facilitando a operao do usurio, j
familiarizado com esse ambiente de trabalho.
O sistema desenvolvido foi validado usando-se um conjunto de 20 cenrios reais
dos ptios de estocagem de minrios do complexo Cau e comparando-se os resultados
obtidos com aqueles produzidos manualmente pelos operadores da empresa.
Os resultados computacionais obtidos mostraram que o sistema desenvolvido foi
capaz de gerar solues de qualidade superiores s produzidas pelo mtodo manual,
sendo que em alguns casos, foi capaz de atingir a meta de qualidade para o parmetro
considerado mais crtico, a slica. Alm disso, o tempo gasto para a obteno da soluo
tima foi inferior a um minuto de processamento, bem inferior aos quinze minutos em
mdia gastos pelo operador para obter uma nica soluo, no necessariamente a
melhor para uma dada configurao de ptio. Com esse tempo reduzido para encontrar a
soluo tima para uma determinada configurao de ptio, o operador tem tempo
suficiente para analisar outras configuraes antes de tomar a deciso de qual soluo
adotar para retomar os minrios.
Outro ponto que merece ateno a confiabilidade que o sistema desenvolvido
oferece. Ao contrrio do mtodo manual, suscetvel de erro humano, o sistema tem a
capacidade de analisar vrias solues rapidamente e sem erros.
Esses resultados validam, portanto, a utilizao dessa ferramenta para a
resoluo do problema de blendagem dos produtos dos ptios da CVRD, demonstrando
63
que possvel desenvolver metodologias que substituem, com ganho de produtividade,
os tradicionais mtodos de tentativa e erro.
Este trabalho, ao promover uma maior interao entre a Universidade e a
CVRD, contribuiu, tambm, com a formao de recursos humanos nessa rea de
conhecimento e divulgao de mtodos de otimizao na abordagem de problemas
tpicos de empresas de minerao.
Como sugesto para trabalhos futuros pode ser citada a adaptao do modelo
desenvolvido a outros complexos produtivos da CVRD e de outras mineradoras, em que
as mudanas so basicamente nas restries operacionais.
64
Referncias Bibliogrficas
ALVARENGA, G. B. (1997). Despacho timo de caminhes numa minerao de ferro
utilizando algoritmo gentico com processamento paralelo. Dissertao de
mestrado, Programa de Ps-Graduao em Engenharia Eltrica/UFMG, Belo
Horizonte, MG.
ARAJO, S. A.; ARENALES, M. N. (2003). Planejamento e programao da produo
numa fundio cativa automatizada de grande porte, Anais do XXXV SBPO, p. 1438-
1449, Natal, Rio Grande do Norte.
BUENO, A. F.; OLIVEIRA, M. C. (2004). Goal Programming (Programao
Multiobjetivo). In: CORRAR, L. J. e THEPHILO, C. R. (Org.). Pesquisa
Operacional para deciso em Contabilidade e Administrao, Captulo 8, p. 394-
438. Editora Atlas, So Paulo.
CARVALHO, L. J. L. (2003). Otimizao de mistura de minrios para composio de
carga na produo de ferro ligas: O caso da Companhia Paulista de Ferro Ligas,
Monografia de graduao em Engenharia de Produo, DECOM, Universidade
Federal de Ouro Preto. Disponvel em http://www.decom.ufop.br/prof/marcone/
OrientacoesConcluidas/ OrientacoesConcluidas.html. Acesso em 01/09/2004.
CHANDA, E. K. C.; DAGDELEN, K. (1995). Optimal blending of mine production
using goal programming and interactive graphics systems, International Journal of
Surface Mining, Reclamation and Enviroment, v. 9, p. 203-208.
COSTA, F. P.; SOUZA, M. J. F.; PINTO, L. R. (2005). Um modelo de programao
matemtica para alocao esttica de caminhes visando ao atendimento de metas
de produo e qualidade, Revista Escola de Minas, v. 58, p. 77-81.
COSTA, F. P.; SOUZA, M. J. F.; PINTO, L. R. (2004). Um modelo de alocao
dinmica de caminhes visando ao atendimento de metas de produo e qualidade,
Anais do III Congresso Brasileiro de Mina a Cu Aberto e III Congresso Brasileiro
de Mina Subterrnea, CD-ROM, 8 p , Belo Horizonte, Minas Gerais.
65
COSTA, F. P. (2005). Aplicaes de tcnicas de otimizao a problemas de
planejamento operacional de lavras em mina a cu aberto, Dissertao de mestrado,
Programa de Ps-Graduao em Engenharia Mineral, Universidade Federal de Ouro
Preto, 141 p.
CVRD (2003). Estudo de Reavaliao de Recursos e Reservas Minerais das Minas de
Itabira, Relatrio Tcnico, 39 p.
CVRD (2005a). Disponvel em http://www.cvrd.com.br/cvrd/cgi/cgilua.exe/sys/start.
htm?sid=38/. Acesso em 14/03/05.
CVRD (2005b). Disponvel em http://www.cvrd.com.br/cvrd/cgi/cgilua.exe/sys/start.
htm?sid=266/. Acesso em 14/03/05.
GOMES Jr., A. C.; SOUZA, M. J. F. (2003). Manual de softwares de otimizao.
Departamento de Computao, Universidade Federal de Ouro Preto. Disponvel em
http://www.decom.ufop.br/prof/marcone/OC/ManualSoftwaresOtimizacao.pdf.
Acesso em 01/09/2004.
LUCHE, J. R. D.; MORABITO, R. (2004). Combinao de modelos de seleo de
processos e dimensionamento de lotes na programao da produo de gros
eletrofundidos, Anais do XXIV ENEGEP, p. 3144-3150, Florianpolis, Santa
Catarina.
MARTINS, T. B.; VASCONCELOS, J. A., FILHO, C. S. (2003). Metaheurstica
aplicada Programao da Produo de um Processo de Fundio de Zinco, Anais
do XXXV SBPO, p. 1327-1334, Natal, Rio Grande do Norte.
MERSCHMANN, L. H. C. (2002). Desenvolvimento de um Sistema de Otimizao e
Simulao para Cenrios de Produo em Minas a Cu Aberto, Dissertao de
mestrado, COPPE/UFRJ, Rio de Janeiro, RJ, Brasil.
OLIVEIRA, F. A.; DUARTE, R. N.; MONTEVECHI, J. A. B. (2001). Otimizao do
Custo de Fundio de Ferro Fundido: Um Estudo de Caso, Anais do XXXIII SBPO,
Campos do Jordo, So Paulo.
66
PINTO, L. R. (1999). Metodologia de Anlise do Planejamento de Lavras de Minas a
Cu Aberto baseada em Simulao das Operaes de Lavra. Tese de Doutorado.
Programa de Engenharia de Produo, COPPE/UFRJ, Rio de Janeiro.
ROMERO, C. (2004). A general structure of achievement function for a goal
programming model, European Journal of Operational Research, v. 153, p. 675-
686.
67
Anexo I: O Software LINGO
O programa computacional LINGO um modelador e otimizador para resoluo
de problemas de programao linear e no linear. Ele dividido nas seguintes sees
especficas:
Definio dos conjuntos (SETS);
Entrada de dados (DATA);
Funo objetivo;
Restries;
Sada de dados.

Segundo Gomes Jr. e Souza (2003), uma seo SETS definida da seguinte
forma:
SETS:
setname [/member_list/] [:variable_list];
ENDSETS
onde:
setname = o nome escolhido para designar um grupo de objetos
[/member_list/] = lista de membros que constituem o grupo de objetos
[:variable_list] = lista de variveis (ou constantes) que tem as mesmas
caractersticas do grupo objetos.

Um grupo de objetos tambm pode ser derivado de outros grupos, como o caso
de uma matriz que depende de dois grupos (vetores) e tem como domnio o conjunto
dos membros dos grupos anteriores.
68
A seo DATA usada para fazer a leitura dos valores das constantes definidas
na seo SETS. Esta leitura pode ser feita atravs de interface com uma planilha Excel
utilizando-se o comando @OLE.
Os comandos utilizados para representar o sentido de otimizao da funo
objetivo so:
MIN = usado para minimizar e;
MAX = usado para maximizar.
Abaixo esto apresentados os principais comandos usados para a formulao das
restries.
@SUM = usado para representar um somatrio em um conjunto de
objetos na seo SETS.
@FOR = usado para repetio de uma operao realizada sobre um
determinado conjunto de objetos.
@INDEX = usado para indicar a posio desejada de um elemento em
um conjunto de objetos.
Para ilustrar como se modela um PPL no LINGO considere o problema a seguir,
extrado de Carvalho (2003), cujos dados esto contidos na prxima planilha.


j
N
N j
j
X C x f
n

=
=
1
) ( min


i j
N
N j
ij
B X A
n

=
1

m
M M i ,...,
1
=

0
j
X
n
N N j ,...,
1
=
69


Nessa planilha, N o nome do bloco de clulas C2:G2, M se refere ao bloco
B3:B7 etc.





70
A implementao deste modelo no LINGO :








71
Anexo II: Modelo
Diferentemente do modelo apresentado na seo 4.2, implementou-se no LINGO
variveis e matrizes bidimensionais ao invs de tridimensionais. Assim, a varivel x
ijk

substituda por x
ij
, onde i representa a baliza e j a posio e o ptio. No caso, j pertence
ao conjunto {PAP1, PAP2, PBP1, PBP2, PCP1, PCP2}, onde PAP1 indica ptio A,
parte superior da pilha, PAP2 indica ptio A parte inferior da pilha. Os demais
componentes do conjunto tm significado semelhante, diferindo apenas com relao
especificao do ptio.
A seguir, o modelo implementado.

SET ECHOIN 0
SET ERRDLG 0
SET TERSEO 0
SET STAWIN 0

Model:
Title PatioCVRD;

!CRIAO DAS VARIVEIS;
sets:
balizas;
patios;
matriz(balizas,patios):x,y,z,Qu_y,Qu,Fe,Sio2,P,Al2o3,Mn,H2o,G63mm,G1mm,
G015mm,G0106mm,plv,eliminar,elimparc,dbaliza,dist;
parametros:lie,lse,lig,lsg,meta,wdtp,dn,dp,dne,dpe,dng,dpg;
endsets

72
!LEITURA DAS VARIVEIS;
data:
balizas, patios, parametros=@ole('PATIO.XLS','balizas','patios',parametros);
Qu,Fe,Sio2,P,Al2o3,Mn,H2o=@ole('PATIO.XLS','estoque','Fe','Sio2','P','Al2o3',
'Mn','H2o');
G63mm,G1mm,G015mm,G0106mm,dist=@ole('PATIO.XLS','G63mm','G1mm'
,'G015mm','G0106mm','dist');
Qu_y,plv=@ole('PATIO.XLS','estoquep','plv');
lie,lse,meta,wdtp,lig,lsg,nvagoes=@ole('PATIO.XLS','lie','lse','meta','wdtp','lig',
'lsg','nvagoes');
wpvg,wpda,wpdb,wpdc=@ole('PATIO.XLS','wpvg','wpda','wpdb','wpdc');
eliminar, elimparc=@ole('PATIO.XLS','eliminarlingo','elimparclingo');
enddata

!FUNO MULTIOBJETIVO;
[F_MultiObjetivo]min = desvio_garantia + desvio_especificacao + desvio_teor +
desvio_vagao + desvio_baliza;

[FO_Desvio_baliza]desvio_baliza=@sum(matriz(i,j):1*dbaliza(i,j));
[FO_Desvio_garantia]desvio_garantia=@sum(parametros(j):10000*wdtp(j)*dng(j) +
10000*wdtp(j)*dpg(j));
[FO_Desvio_especificacao]desvio_especificacao=@sum(parametros(j):100*
wdtp(j)*dne(j)+100*wdtp(j)*dpe(j));
[FO_Desvio_Teor]desvio_teor=@sum(parametros(j):1*wdtp(j)*dn(j)) +
@sum(parametros(j):1*wdtp(j)*dp(j));
[FO_Desvio_vagao]desvio_vagao=wpvg*dnv;

!RESTRIO PARA GARANTIR QUE x(i,j) ESTEJA ENTRE 0 E Qu_y(i,j);
@for(matriz(i,j):@BND(0,x(i,j),Qu_y(i,j)));

73
!RESTRIES DOS LIMITES DE GARANTIA;
!RESTRIES DO LIMITE SUPERIOR DE GARANTIA;
[r_lsg_Fe]@sum(matriz(i,j): (Fe(i,j)-lsg(@index(Fe)))*x(i,j))-dpg(@index(Fe))<=0;
[r_lsg_Sio2]@sum(matriz(i,j): (Sio2(i,j)-lsg(@index(Sio2)))*x(i,j))-
dpg(@index(Sio2))<=0;
[r_lsg_P]@sum(matriz(i,j): (P(i,j)-lsg(@index(P)))*x(i,j))-dpg(@index(P))<=0;
[r_lsg_Al2o3]@sum(matriz(i,j): (Al2o3(i,j)-lsg(@index(Al2o3)))*x(i,j))-
dpg(@index(Al2o3))<=0;
[r_lsg_Mn]@sum(matriz(i,j): (Mn(i,j)-lsg(@index(Mn)))*x(i,j))-dpg(@index(Mn))<=0;
[r_lsg_H2o]@sum(matriz(i,j): (H2o(i,j)-lsg(@index(H2o)))*x(i,j)) -
dpg(@index(H2o))<=0;
[r_lsg_G63mm]@sum(matriz(i,j): (G63mm(i,j)-lsg(@index(G63)))*x(i,j)) -
dpg(@index(G63))<=0;
[r_lsg_G1mm]@sum(matriz(i,j):(G1mm(i,j)-lsg(@index(G1)))*x(i,j)) -
dpg(@index(G1))<=0;
[r_lsg_G015mm]@sum(matriz(i,j): (G015mm(i,j)-lsg(@index(G015)))*x(i,j)) -
dpg(@index(G015))<=0;
[r_lsg_G0106mm]@sum(matriz(i,j): (G0106mm(i,j)-lsg(@index(G0106)))*x(i,j)) -
dpg(@index(G0106))<=0;

!RESTRIES DO LIMITE INFEROR DE GARANTIA;
[r_lig_Fe]@sum(matriz(i,j): (Fe(i,j)-lig(@index(Fe)))*x(i,j)) + dng(@index(Fe))>=0;
[r_lig_Sio2]@sum(matriz(i,j): (Sio2(i,j)-lig(@index(Sio2)))*x(i,j)) +
dng(@index(Sio2))>=0;
[r_lig_P]@sum(matriz(i,j): (P(i,j)-lig(@index(P)))*x(i,j)) + dng(@index(P))>=0;
[r_lig_Al2o3]@sum(matriz(i,j): (Al2o3(i,j)-lig(@index(Al2o3)))*x(i,j)) +
dng(@index(Al2o3))>=0;
[r_lig_Mn]@sum(matriz(i,j): (Mn(i,j)-lig(@index(Mn)))*x(i,j)) +
dng(@index(Mn))>=0;
[r_lig_H2o]@sum(matriz(i,j): (H2o(i,j)-lig(@index(H2o)))*x(i,j)) +
dng(@index(H2o))>=0;
74
[r_lig_G63mm]@sum(matriz(i,j): (G63mm(i,j)-lig(@index(G63)))*x(i,j)) +
dng(@index(G63))>=0;
[r_lig_G1mm]@sum(matriz(i,j): (G1mm(i,j)-lig(@index(G1)))*x(i,j)) +
dng(@index(G1))>=0;
[r_lig_G015mm]@sum(matriz(i,j): (G015mm(i,j)-lig(@index(G015)))*x(i,j)) +
dng(@index(G015))>=0;
[r_lig_G0106mm]@sum(matriz(i,j): (G0106mm(i,j)-lig(@index(G0106)))*x(i,j)) +
dng(@index(G0106))>=0;

!RESTRIES DOS LIMITES DE ESPECIFICAO;
!RESTRIES DO LIMITE SUPERIOR DE ESPECIFICAO;
[r_lse_Fe]@sum(matriz(i,j): (Fe(i,j)-lse(@index(Fe)))*x(i,j))-dpe(@index(Fe))<=0;
[r_lse_Sio2]@sum(matriz(i,j): (Sio2(i,j)-lse(@index(Sio2)))*x(i,j)) -
dpe(@index(Sio2))<=0;
[r_lse_P]@sum(matriz(i,j):(P(i,j)-lse(@index(P)))*x(i,j))-dpe(@index(P))<=0;
[r_lse_Al2o3]@sum(matriz(i,j):(Al2o3(i,j)-lse(@index(Al2o3)))*x(i,j)) -
dpe(@index(Al2o3))<=0;
[r_lse_Mn]@sum(matriz(i,j): (Mn(i,j)-lse(@index(Mn)))*x(i,j))-dpe(@index(Mn))<=0;
[r_lse_H2o]@sum(matriz(i,j): (H2o(i,j)-lse(@index(H2o)))*x(i,j)) -
dpe(@index(H2o))<=0;
[r_lse_G63mm]@sum(matriz(i,j): (G63mm(i,j)-lse(@index(G63)))*x(i,j)) -
dpe(@index(G63))<=0;
[r_lse_G1mm]@sum(matriz(i,j): (G1mm(i,j)-lse(@index(G1)))*x(i,j)) -
dpe(@index(G1))<=0;
[r_lse_G015mm]@sum(matriz(i,j): (G015mm(i,j)-lse(@index(G015)))*x(i,j)) -
dpe(@index(G015))<=0;
[r_lse_G0106mm]@sum(matriz(i,j): (G0106mm(i,j)-lse(@index(G0106)))*x(i,j)) -
dpe(@index(G0106))<=0;

75
!RESTRIES DO LIMITE INFERIOR DE ESPECIFICAO;
[r_lie_Fe]@sum(matriz(i,j): (Fe(i,j)-lie(@index(Fe)))*x(i,j))+dne(@index(Fe))>=0;
[r_lie_Sio2]@sum(matriz(i,j): (Sio2(i,j) - lie(@index(Sio2)))*x(i,j)) +
dne(@index(Sio2)) >= 0;
[r_lie_P]@sum(matriz(i,j): (P(i,j)-lie(@index(P)))*x(i,j))+dne(@index(P))>=0;
[r_lie_Al2o3]@sum(matriz(i,j): (Al2o3(i,j) - lie(@index(Al2o3)))*x(i,j)) +
dne(@index(Al2o3)) >= 0;
[r_lie_Mn]@sum(matriz(i,j): (Mn(i,j)-lie(@index(Mn)))*x(i,j))+dne(@index(Mn))>=0;
[r_lie_H2o]@sum(matriz(i,j): (H2o(i,j) - lie(@index(H2o)))*x(i,j)) +
dne(@index(H2o))>=0;
[r_lie_G63mm]@sum(matriz(i,j): (G63mm(i,j)-
lie(@index(G63)))*x(i,j))+dne(@index(G63))>=0;
[r_lie_G1mm]@sum(matriz(i,j): (G1mm(i,j) - lie(@index(G1)))*x(i,j)) +
dne(@index(G1))>=0;
[r_lie_G015mm]@sum(matriz(i,j): (G015mm(i,j) - lie(@index(G015)))*x(i,j)) +
dne(@index(G015))>=0;
[r_lie_G0106mm]@sum(matriz(i,j): (G0106mm(i,j) - lie(@index(G0106)))*x(i,j)) +
dne(@index(G0106))>=0;

!RESTRIES PARA GARANTIR A META;
[r_meta_Fe]@sum(matriz(i,j): (Fe(i,j)-meta(@index(Fe)))*x(i,j)) + dn(@index(Fe)) -
dp(@index(Fe))=0;
[r_meta_Sio2]@sum(matriz(i,j): (Sio2(i,j) - meta(@index(Sio2)))*x(i,j)) +
dn(@index(Sio2)) - dp(@index(Sio2))=0;
[r_meta_P]@sum(matriz(i,j): (P(i,j)-meta(@index(P)))*x(i,j)) + dn(@index(P)) -
dp(@index(P))=0;
[r_meta_Al2o3]@sum(matriz(i,j):(Al2o3(i,j) - meta(@index(Al2o3)))*x(i,j)) +
dn(@index(Al2o3)) - dp(@index(Al2o3))=0;
[r_meta_Mn]@sum(matriz(i,j):(Mn(i,j) - meta(@index(Mn)))*x(i,j))+dn(@index(Mn))-
dp(@index(Mn))=0;
[r_meta_H2o]@sum(matriz(i,j):(H2o(i,j) - meta(@index(H2o)))*x(i,j)) +
dn(@index(H2o)) - dp(@index(H2o))=0;
76
[r_meta_G63mm]@sum(matriz(i,j):(G63mm(i,j) - meta(@index(G63)))*x(i,j)) +
dn(@index(G63)) - dp(@index(G63))=0;
[r_meta_G1mm]@sum(matriz(i,j):(G1mm(i,j) - meta(@index(G1)))*x(i,j)) +
dn(@index(G1)) - dp(@index(G1))=0;
[r_meta_G015mm]@sum(matriz(i,j):(G015mm(i,j) - meta(@index(G015)))*x(i,j)) +
dn(@index(G015)) - dp(@index(G015))=0;
[r_meta_G0106mm]@sum(matriz(i,j):(G0106mm(i,j) - meta(@index(G0106)))*x(i,j))
+ dn(@index(G0106)) - dp(@index(G0106))=0;

!RESTRIO PARA TENTAR LIMPAR A BALIZA;
@for(matriz(i,j):x(i,j) + dbaliza(i,j) = y(i,j)*Qu_y(i,j));

!RESTRIO ELIMINAR PILHA;
@for(matriz(i,j)|eliminar(i,j)#eq#1: x(i,j) = Qu_y(i,j));

!RESTRIO ELIMINAR PILHA PARCIALMENTE;
@for(matriz(i,j)|elimparc(i,j)#ne#0#and#Qu_y(i,j)#ne#0#and#eliminar(i,j)#ne#1: x(i,j)
= elimparc(i,j));

!RESTRIES DE SEQUENCIAMENTO;
@for(matriz(i,j):@BIN(y(i,j)));

!RESTRIES DE SEQUENCIAMENTO HORIZONTAL;
@for(matriz(i,j):x(i,j) - y(i,j)*Qu(i,j) <= 0);
@for(matriz(i,j)|i#lt#@index(B345):y(i+1,j)*Qu(i,j)-x(i,j)<=0);

!RESTRIES DE SEQUENCIAMENTO VERTICAL;
@for(balizas(i)|i#lt#@index(B345):y(i,@index(PAP2))-y(i+1,@index(PAP1))<=0);
@for(balizas(i)|i#lt#@index(B345):y(i,@index(PBP2))-y(i+1,@index(PBP1))<=0);
@for(balizas(i)|i#lt#@index(B345):y(i,@index(PCP2))-y(i+1,@index(PCP1))<=0);
@for(balizas(i)|i#lt#@index(B345):y(i,@index(PAP2))*Qu(i+1,@index(PAP1))-
x(i+1,@index(PAP1))<=0);
77
@for(balizas(i)|i#lt#@index(B345):y(i,@index(PBP2))*Qu(i+1,@index(PBP1))-
x(i+1,@index(PBP1))<=0);
@for(balizas(i)|i#lt#@index(B345):y(i,@index(PCP2))*Qu(i+1,@index(PCP1))-
x(i+1,@index(PCP1))<=0);

!RESTRIES PARA GARANTIR O NMERO DE VAGES;
@sum(matriz(i,j)|plv(i,j)#ne#0:x(i,j)/plv(i,j))-nvagoes<=0;
@sum(matriz(i,j)|plv(i,j)#ne#0:x(i,j)/plv(i,j))-0.9*nvagoes>=0;
@sum(matriz(i,j)|plv(i,j)#ne#0:x(i,j)/plv(i,j))+dnv-nvagoes=0;

!RESTRIES PARA CONCENTRAR A SOLUO EM UMA OU MAIS PILHAS;
@for(matriz(i,j): @BIN(z(i,j)));
@for(matriz(i,j): x(i,j)-z(i,j)*Qu(i,j)<=0);
@for(matriz(i,j): z(i,j)-x(i,j)<=0);
@sum(matriz(i,j) | j#eq#@index(PAP1): dist(i,j)*z(i,j)) + @sum(matriz(i,j) | j #eq#
@index(PAP2): dist(i,j)*z(i,j))<=wpda;
@sum(matriz(i,j) | j#eq#@index(PBP1): dist(i,j)*z(i,j)) + @sum(matriz(i,j) | j #eq#
@index(PBP2): dist(i,j)*z(i,j))<=wpdb;
@sum(matriz(i,j) | i#lt#@index(B240)#and#j#eq#@index(PCP1): dist(i,j)*z(i,j)) +
@sum(matriz(i,j) | i #lt# @index(B240)#and#j#eq#@index(PCP2):
dist(i,j)*z(i,j))<=wpdc;

!ENVIO DOS RESULTADOS;
Data:
@ole('PATIO.XLS','x','y','z','fox')=x,y,z,F_MultiObjetivo;
enddata

end

go
quit
78
Anexo III: Publicaes
Lista-se a seguir os trabalhos oriundos desta pesquisa que foram submetidos a
peridicos de circulao nacional e internacional e/ou apresentados em eventos.

MORAES, Edilaila Fernandes ; RODRIGUES, Jos Tadeu Leite ; SOUSA, Wilson
Trigueiro; SILVA, Valdir Costa; COSTA, David Moraes ; SILVA, Klber Souza.
Desenvolvimento, Recursos e Reservas das Minas de Minrio de Ferro do Sistema
Sul da CVRD. In: I Semana Iberoamericana de Engenharia de Minas, 2004, So
Paulo. Anais da I Semana Iberoamericana de Engenharia de Minas. So Paulo:
EPUSP, 2004, v. 01, p. 93-95.
MORAES, Edilaila Fernandes; SOUZA, Marcone Jamilson Freitas; CABRAL, Ivo
Eyer; MARTINS, Alexandre Xavier; ALVES, Jos Maria do Carmo Bento. Um
modelo de programao matemtica para otimizar a composio de lotes de minrio
de ferro da Mina Cau da CVRD. Submetido para publicao na Revista Escola de
Minas, dezembro de 2005.