Академический Документы
Профессиональный Документы
Культура Документы
EVER SANTORO
Bauru - SP
2016
EVER SANTORO
Bauru - SP
2016
Santoro, Ever.
Otimizao da rota na colheita mecanizada da canade-acar / Ever Santoro, 2016
58 f.
Orientadora: Edilaine Martins Soler
Dissertao (Mestrado)Universidade Estadual
Paulista. Faculdade de Engenharia, Bauru, 2016
1. Modelo matemtico. 2. Rota da colhedora. 3.
Mecanizao. I. Universidade Estadual Paulista.
Faculdade de Engenharia. II. Ttulo.
Dedico este trabalho ao meu filho Gustavo que de tamanha perfeio Deus o quis ao seu lado,
a minha filha Ana Vitria que a luz que vem iluminar meu corao e a Ana Rosa, minha
esposa, pilar que me sustenta e me d foras para seguir em frente.
AGRADECIMENTOS
A Deus, fonte de inspirao, que traz sentido minha vida e a tudo o que realizo.
Profa . Dra . Edilaine Martins Soler e Profa . Dra . Adriana Cristina Cherri Nicola,
pela orientao, incentivo e, principalmente, pela confiana depositada em mim. Agradeo a
amizade e disponibilidade em me acompanharem durante esta importante fase de minha vida.
A minha esposa Ana Rosa, que em sua inabalvel compreenso, pacincia e amor, sempre
me apoiou e me deu a fora necessria para seguir em frente quando tudo parecia no ter mais
sentido.
Aos meus pais, Walter e Zilda, por todo amor e ateno que sempre me dedicaram, tudo o
que sou e que realizo so respostas aos cuidados e pacincia que tiveram comigo. Espero retribuir um pouco desse amor e demonstrar o quanto sou grato por tudo o que vocs representam
em minha vida.
A meus irmos Junior e Andreza que servem de inspirao e so smbolos de dedicao e
estudo constante.
Ao Tio Marco e Tia Elza que em todo momento confiaram em mim e sempre tiveram
certeza que eu alcanaria meus objetivos.
Aos companheiros de trabalho, Adilson Giacomelli e Leonardo Vanzato que no mediram
esforos para que eu tivesse condies de concluir este projeto.
Aos colegas do Programa de Ps-graduao em Engenharia de Produo, que em sua riqueza e diversidade contriburam com o meu crescimento pessoal e profissional, e a todos que
porventura venha a esquecer de mencionar, mas que de alguma forma direta ou indiretamente
contriburam para a elaborao desta dissertao.
RESUMO
ABSTRACT
Sugarcane cultivation is very important in the Brazilian agricultural business, answering for
16% of the countrys energy matrix. It is also one of cleanest and most renewable energy sources in the world. Sugarcane is used in the production of sugar, ethanol, second generation
ethanol (known as bioethanol), fertilizer and bioelectricity. With the constant increase in production and the harvesting paradigm shift brought by mechanization, the need to optimize the
harvesting process is evidenced by the fact it is one of the most important agricultural operations and it must answer the demand for raw materials at the processing plant with quality and
competitive costs. Its representativeness in relation to the total cost of sugarcane production
justifies a specific study on the optimization of the process of mechanized sugarcane harvesting. In face of this need, this work proposes a mathematical model to route optimization in
mechanized sugarcane harvest, aiming to devise the best harvest plan to be executed by the
harvester based on the plantation map and considering variables and restrictions present in the
process. The proposed model is based on the rural postman problem, which is broadly studied
in the literature. Implementations were developed and numerical tests were carried out with
data given by a company of the sugar-energy sector in the city of Catanduva, So Paulo. The
results obtained were compared with the companys traditional harvesting routes and confirmed
the efficiency of the proposed model in providing solutions that minimize maneuvering time
with the harvester and, therefore, generate economic and environmental gains.
LISTA DE FIGURAS
Figura 1
Figura 2
16
17
Figura 3
26
Figura 4
26
Figura 5
27
Figura 6
31
Figura 7
35
Figura 8
36
Figura 9
39
Figura 10
Instncia 01 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
Figura 11
Instncia 02 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
Figura 12
Instncia 03 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
42
Figura 13
Instncia 04 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
42
Figura 14
46
LISTA DE TABELAS
Tabela 1
39
Tabela 2
43
Tabela 3
Instncias Reais . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
Tabela 4
Instncias geradas . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
CARP
CONAB
COPERSUCAR
CTF
DBMS
DPRPP
IDE
JVM
LP
MAPA
OPL
PCC
PCR
PLI
PL/SQL
PRPP
PPRC
RPP
SGBD
SQL
UCTF
UNICA
URPP
SUMRIO
INTRODUO
16
REVISO BIBLIOGRFICA
19
2.1
19
2.2
22
2.3
25
30
3.1
Modelagem Matemtica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
30
33
4.1
33
4.2
34
4.3
CPLEX . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
37
RESULTADOS NUMRICOS
38
5.1
Instncia 01 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
5.2
Instncia 02 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
5.3
Instncia 03 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
5.4
Instncia 04 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
42
5.5
Instncia 05 54 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
5.6
Instncias 55 58 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
5.7
45
CONCLUSO
47
REFERNCIAS
48
52
16
INTRODUO
Esta cultura possui um papel ambiental extremamente importante, uma vez que o etanol, um
dos subprodutos da cana-de-acar, uma das melhores alternativas para reduo da emisso
de gases poluentes responsveis pelo efeito estufa. Um estudo realizado nos Estados Unidos,
pelo Conselho de Qualidade do Ar da Califrnia, apontou uma reduo de 72% na emisso
de gases-estufa associados ao consumo de gasolina quando substitudo pelo etanol de cana. O
mesmo estudo ainda indicou que a substituio da gasolina por etanol de milho aumentaria em
4% as emisses de carbono, comprovando cientificamente a vantagem do produto brasileiro em
substituio gasolina (CONAB, 2015).
17
O setor sucroenergtico do Brasil se diferencia dos outros pases por produzir em escala
industrial acar, etanol e energia eltrica, sendo a cana-de-acar aproveitada na produo
de acar, etanol, etanol de segunda gerao conhecido como bioetanol, fertilizante e bioeletricidade, reduzindo impactos ambientais e gerando crditos de carbono. Portanto, h uma
caracterstica de aproveitamento mltiplo da planta, cujos produtos intermedirios e finais so
dotados dessa cadeia produtiva. O grau de integrao entre agricultura e indstria, volume de
produo e da exportao, alm do poder poltico e econmico dos agentes envolvidos, do
peculiar caracterstica a este setor.
De acordo com a CONAB (Companhia Nacional de Abastecimento), empresa pblica vinculada ao MAPA (Ministrio da Agricultura, Pecuria e Abastecimento), a produo de cana
de acar no Brasil na safra 2014/2015 foi de 634,7 milhes de toneladas. Na safra 2015/2016
a produo foi de 665,6 milhes de toneladas. Com a rea plantada de 8,6 milhes de hectares,
a produo de acar atingiu 33,5 milhes de toneladas e a produo de etanol 30,5 bilhes de
litros. A Figura 2 apresenta um comparativo entre as safras 2014/2015 e 2015/2016 sobre a rea
plantada e a produo de cana.
18
19
REVISO BIBLIOGRFICA
Neste captulo inicialmente apresentada uma descrio do processo de plantio da canade-acar e da colheita mecanizada. Em seguida so descritos alguns trabalhos focados nas
atividades agrcolas aps a obrigatoriedade da mecanizao, com foco principal na otimizao
dos processos voltados a colheita da cana-de-acar. E, finalmente, uma reviso bibliogrfica
sobre o Problema do Carteiro Rural.
2.1
20
21
Subsolagem: indicada quando aps levantamento, constata-se que o solo est compactado. O objetivo desta operao promover o rompimento da camada compactada, proporcionando uma melhor aerao do solo, tendo como resultado, maior desenvolvimento
radicular das plantas e melhor absoro de gua, normalmente a profundidade de trabalho
pode variar de 40 a 50 cm;
Fosfatagem: indicada quando a anlise qumica do solo apresentar um teor de P2O5 (frmula de fertilizantes a base de fsforo), abaixo de 10mg/dm3 , a aplicao e incorporao
devem ser feitas antes da sulcao, mediante uma grade niveladora;
Grade niveladora: essa operao realizada com a finalidade de incorporar os ltimos
insumos utilizados (ex.: fosfatagem), nivelar e destorroar a superfcie do solo, com uma
profundidade de aproximadamente 15 cm, com isso proporcionar condies ideais para
o plantio, favorecendo a sulcao, cobrio e aplicao de herbicidas;
Prticas vegetativas: so as prticas que possibilitam fornecer ao solo proteo, matria
orgnica, ou ainda proporcionar ao produtor renda pelo seu uso, sendo que estas operaes no possuem um padro definido, podendo ser realizadas ou no de acordo com o
tipo de solo, declividade do terreno, chuvas do perodo, disponibilidade de implementos
agrcolas e suscetibilidade eroso.
Buscando cumprir os mtodos e normas que visam uma produo sustentvel e atender
a legislao em vigor, so necessrios que alguns processos sejam realizados na rea a ser
plantada, como: medio topogrfica (marcao da rea, obedecendo as reas de preservao
permanente, linhas de energia, mananciais, rodovias, estradas e cidades, etc.), marcao de
curvas e carreadores, mtodos de preparo de solo, plantio e mapa final (ASCANA, 2009).
Para realizao da sistematizao dos canaviais, necessrio o preparo do solo atravs do
nivelamento, com eliminao de sulcos de eroses, barrancos, pedras, tocos e razes, alm da
construo de terraos embutidos ou de base larga e sulcao. Destaca-se tambm, a necessidade de um espaamento mnimo de 1,50 metros entre as linhas de cana com sulcos regulares
e no muito profundos, evitando linhas desnecessrias dentro do talho e dimensionando os
talhes buscando evitar o excesso de manobras das mquinas. A sistematizao do talho de
cana-de-acar possibilita a otimizao do plantio e da colheita mecanizada, o que implica em
aumento no rendimento operacional e reduo de custos. Para alcanar esse alto rendimento
operacional e consequentemente um melhor ganho econmico, a orientao mudar o traado
dos talhes, diminuindo as linhas curtas e bicos. Para atender esse objetivo, o primeiro passo
conhecer muito bem a rea a ser sistematizada e, respeitando o perodo chuvoso, iniciar um
trabalho de substituio dos terraos, por outro tipo de controle de eroso (GAZON, 2009).
O sistema tradicional de plantio da cana-de-acar, apesar de ser eficiente no controle de
eroses, baseia-se em um formato antigo, o qual no previa mecanizao. Este sistema pre-
22
judica todas as operaes mecanizadas, devido construo de terraos (ou curvas de nvel).
Como no existe paralelismo entre os terraos e estes so guias da sulcao, as linhas de cana
tornam-se descontnuas, necessitando de manobras em mquinas e equipamentos, originando
desta forma as linhas mortas que prejudicam o sistema operacional. O objetivo principal de
uma maior anlise no plantio diminuir o terraceamento e racionalizar a sulcao da rea, diminuindo ao mximo o nmero de manobras dos equipamentos, sem perder a segurana no
controle de eroso.
Com o advento da mecanizao e a adoo das prticas de preparo conservacionista (preparo reduzido), possvel melhorar o planejamento da sulcao, aumentando a capacidade
operacional da mecanizao agrcola pela reduo de "sulcos mortos". Praticamente, todas as
operaes no canavial seguem as linhas de plantio da cultura. Quanto mais linhas (sulcos) houver, mais manobras sero necessrias e, com isso, maior ser o tempo para realizar as operaes.
No caso da colheita mecanizada, gasta-se em torno de 1,5 a 2,0 minutos por manobra da colhedora e veculo de transbordo ou caminho. Fazer uma anlise das linhas de canas que sero
colhidas, sulcando direto entre os talhes, atravessando o plantio entre os diversos carreadores
(processo conhecido como tiro longo ou tiro direto), facilitar a colheita em todo o comprimento
da rea, garantindo ganho de tempo e lucro ao setor (BENEDINI; CONDE, 2008). Na prxima
seo, so apresentados alguns trabalhos da literatura, que apresentam propostas para otimizar
os processos envolvidos na atividade sucroenergtica.
2.2
No que tange ao setor agrcola, mais especificamente ao setor sucroenergtico, principalmente a partir da dcada de 1990 pela abertura do mercado de acar e etanol nacional,
encontra-se um aumento da competitividade do setor, surgindo assim, novas contribuies sobre a utilizao de mtodos quantitativos na indstria sucroenergtica. Dentre os trabalhos,
cita-se Barata (1992), que desenvolveu um modelo de avaliao tcnica e econmica aplicado
s questes relacionadas ao corte e reforma de canaviais utilizando programao linear.
Enquanto Grisotto (1995) apresentou um modelo de otimizao do transporte da cana-deacar por meio rodovirio, um modelo matemtico para distribuio de etanol no sudeste do
Brasil foi proposto por Yoshizaki, Muscat e Biazzi (1996). Utilizando o modelo de programao linear. Colin, Cipparrone e Shimizu (1999) buscaram a otimizao do sistema logstico
de distribuio e armazenamento de acar, considerando um depsito central e diversos depsitos secundrios. Iannoni e Morabito (2006) apresentaram um estudo quanto ao sistema de
recepo da cana-de-acar na indstria, utilizando simulao discreta para analisar a logstica.
Kawamura, Ronconi e Yoshizaki (2006) apresentaram um modelo de programao linear, multiperodo, que busca tratar as decises quanto ao transporte e estocagem dos produtos de uma
cooperativa de produtores de acar e etanol (COPERSUCAR).
23
24
mentos.
Florentino et al. (2013) propuseram um modelo matemtico para auxiliar no planejamento
do plantio e da colheita da cana-de-acar, visando aumentar a produtividade no perodo de
cinco anos.
Bochtis et al. (2013) determinaram os B patterns que so sequncias de faixas de campo
de trabalho para implementos agrcolas que cobrem completamente uma rea que no segue
qualquer padro pr-determinado, como padres de trabalho convencionais, buscando um resultado de otimizao sob um ou mais critrios selecionado. Uma abordagem inicial para a
avaliao dos benefcios derivados da aplicao de B patterns, apresentada, sendo que esta
abordagem baseia-se na comparao de B patterns contra padres convencionais de trabalho
de campo, atravs da simulao do desempenho operacional dos diferentes padres em campos
do modelo para combinaes diferentes de caractersticas de campo e mquinas.
Segundo Zhou et al. (2014), ao se planejar uma operao agrcola, existem certas condies
em que o planejamento humano pode levar a baixa eficincia, por exemplo, no caso de formas
irregulares do terreno e a presena de obstculos entre os espaos produtivos. Desta forma, foi
desenvolvido um trabalho, buscando um mtodo de planejamento responsvel por gerar uma
rea vivel para o plano de cobertura para que as mquinas agrcolas executem operaes antes no capacitadas em reas que continham mltiplos obstculos. A abordagem desenvolvida
consiste em trs etapas, sendo que as duas primeiras fases consideram a gerao da representao geomtrica do campo dividindo o mesmo em sub-campos (blocos) e cada sub-campo
est coberto por faixas paralelas, enquanto que a terceira fase, respeita a otimizao do bloco
sequencial, visando minimizar a distncia percorrida para ligar os blocos. Este problema de
otimizao, foi formulado e resolvido com uma abordagem algortmica de colnia de formigas.
Scheidl et al. (2015) analisaram os impactos ambientais causados pela mecanizao no setor sucroenergtico no Brasil. Um estudo de caso foi realizado em uma unidade de produo,
onde verificou-se que a mecanizao do corte, carregamento e transporte, trazem benefcios
imediatos em termos de produtividade e eliminao de atividades, que so potencialmente perigosos para os trabalhadores (corte manual). A mecanizao eleva o consumo de diesel, porm,
elimina a queima de lavouras da cana, o que reduz significativamente o total de emisso de
gases estufa.
Analisando estes trabalhos, percebe-se que existe um esforo crescente em desenvolver e
aplicar modelos e mtodos quantitativos para auxiliar nas principais operaes do setor sucroenergtico, destacando-se os modelos de planejamento da colheita, modelos de programao do
transporte da cana, de distribuio e armazenagem de acar e etanol, de seleo de variedades
e de programao da reforma do canavial.
Visando contribuir com o desenvolvimento do setor sucroenergtico, este trabalho prope
25
26
Euler criou, possivelmente, o primeiro grafo da histria. Como pode-se observar a Figura 3
referente s pontes de Knigsberg, pode ser sintetizada pelo grafo mostrado na Figura 4. Sendo
que, neste caso, os territrios marginais do rio e as ilhas, so representados pelos ns, e as pontes
pelas arestas. Segundo Euler (1736), em um roteiro vivel, ao entrar em um determinado n a
partir de qualquer aresta, seria necessrio sair pelo mesmo n, a partir de outra aresta. Desta
forma, todos os ns, devem ter um nmero par de arestas incidentes, ou somente dois com
nmero mpar de arestas incidentes, que se referem ao incio e fim do percurso.
27
do problema proposto por Euler, no qual existe a preocupao da passagem apenas uma vez
em determinada aresta, Guan focou na otimizao, buscando o percurso mnimo, tendo como
restrio, a passagem em todas as arestas obrigatrias. Caso tenha-se um grafo unicursal (
possvel percorrer todas as arestas do grafo apenas 1 vez, sem retornar ao vrtice inicial), a rede
contm um circuito euleriano que atende assim necessidade do carteiro, caso isto no ocorra, o
problema se torna combinatorial. Mesmo no encontrando uma soluo tima para o problema,
Guan conseguiu chamar a ateno da comunidade cientfica com seu trabalho, fazendo com
que outros matemticos iniciassem o estudo do seu problema. Graas a seu pioneirismo este
problema passou a ser conhecido como Problema do Carteiro Chins (PCC).
Em 1974, Orloff (1974) sugeriu o Problema do Carteiro Rural (PCR), cuja diferena em
relao ao PCC, reside no fato de nem todos os segmentos de uma rede de atendimento terem
demanda por servio, o que no obriga seu percurso. Este faz parte da classe de problemas de
roteamento de arcos e possui diversas aplicaes nos problemas voltados a logstica e distribuio de bens e servios (CHRISTOFIDES et al., 1981). Pearn e Wu (1995) apresentaram duas
abordagens para obter solues prximas da soluo tima para este problema: o algoritmo
modificado e o algoritmo reverso. Vrias heursticas e mtodos para resolver o PCR, tm sido
apresentadas na literatura e muitas variantes do problema tm sido considerados. Por exemplo,
no PCR, com Classes Prazo, Letchford e Eglese (1998), em que o conjunto de arestas exigidos,
dividido em vrios subconjuntos, que por sua vez, so ordenados de forma que, todas as arestas
em um subconjunto anterior, devem ser percorridas antes do incio de um novo subconjunto.
Para o PPRC, consideraremos um grafo no orientado em que cada linha de cana corresponde a uma aresta limitada por dois vrtices do grafo (cada ponto de manobra um n do
grafo, sendo representado pelo incio e fim da linha de cana). As arestas do grafo possuem
custos associados, que representam o tempo de manobra da mquina colhedora. Assim, este
problema reduz-se ao PCR. A Figura 5 ilustra tal grafo.
Buscando solues exatas para o PCR, Christofides et al. (1981) propuseram uma formulao baseada em programao linear inteira, permitido incorporar na funo objetivo, sob a
forma de relaxao lagrangeana, a restrio que garante a paridade do grau de cada n. Desta
28
29
dos casos, os problemas foram resolvidos de forma tima com a relaxao linear do modelo.
Os demais casos foram resolvidos de forma otimizada e, em uma segunda fase, a maioria deles
em baixos tempos computacionais.
Corberan e Prins (2010), apresentaram um levantamento dos resultados relacionados a problemas de roteamento de arcos, com exceo de algumas referncias. O perodo pesquisado comea a partir da publicao do livro "Arc routing: theory, solutions and applications", editado
por Dror em 2000. O trabalho composto de duas partes principais, sendo a primeira focando
em problemas com um nico veculo e a segunda em problemas com mltiplos veculos.
Segundo Archetti, Guastaroba e Speranza (2014), em servios de transporte de mercadorias, os custos so altamente dependentes da maneira de se atender a demanda. O problema
consiste em identificar o conjunto de clientes para se terceirizar o servio, com o objetivo de
minimizar as despesas de viagem (custos de roteamento). Este problema chamado de Directed Profitable Rural Postman Problem (DPRPP) e proposto um algoritmo que combina uma
busca refinada com um modelo de programao linear inteira. Experimentos computacionais
realizados com vrios conjuntos de amostras, demonstraram o bom desempenho do processo
de soluo proposto.
vila et al. (2016) disponibilizaram um estudo referente ao PCR com vento. Este problema
generaliza o PCR e outros problemas de roteamento de arco bem conhecidos e tem aplicaes
reais, principalmente nas operaes de remoo de neve. O PCR com vento possui um grau de
liberdade maior que o PCR, uma vez que cada aresta pode ser percorrida em ambos os sentidos
com custos desiguais. Esta situao pode ocorrer quando, por exemplo, um dos sentidos a
subida de uma ladeira, e o outro a descida no sentido contrrio, ou um dos sentidos a favor do
vento e o outro contra. Os resultados obtidos mostram que o algoritmo branch-and-cut capaz
de resolver casos de grande porte, de forma otimizada, em tempos computacionais razoveis.
No prximo captulo, descrito o PPRC juntamente com o modelo matemtico de otimizao e a metodologia de validao deste modelo matemtico, que utiliza um banco de dados
para armazenamento dos pontos e aumento de velocidade na consulta e, uma linguagem de
programao open source, para integrao entre dados e o solver CPLEX.
30
Modelagem Matemtica
destacado por Rodrigues e Saab (2007), que a mudana de corte manual da cana-deacar para o mecanizado, vai muito alm de uma substituio de tcnica. Esta alterao significa combinar e otimizar aspectos como: o preparo do solo na lavoura, o dimensionamento dos
equipamentos no campo, a equipe de manuteno e apoio, o treinamento do pessoal envolvido,
alm das alteraes no transporte e recepo da cana na indstria.
Neste contexto do setor sucroenergtico, este trabalho apresenta um modelo matemtico
para resolver o Problema de Planejamento da Rota da Colhedora (PPRC) que, conhecido o canavial, objetiva minimizar o tempo de manobra da colhedora, de modo que todas as linhas de
cana sejam colhidas. Com este modelo, busca-se otimizar o processo de colheita mecanizada
reduzindo seus custos e, consequentemente atendendo os principais requerimentos competitivos do setor sucroenergtico, para responder aos desafios estratgicos de reduo de custos e
melhoria da produtividade. Mesmo com o planejamento da sulcao, o setor sucroenergtico
busca constante melhoria no processo de colheita e, uma forma vivel de otimizao, est no
planejamento da rota da colhedora.
No processo de colheita mecanizada tem-se diversas mquinas trabalhando praticamente
ininterruptamente durante toda uma safra, na regio centro sul do Brasil normalmente compreende de abril a novembro de cada ano. Desta forma, nota-se que um planejamento que aumente
alguns segundos de trabalho de uma mquina por hectare (regio com uma rea de 10.000m2 ),
ter o impacto de horas de trabalho em uma safra e, consequentemente, de toneladas de cana.
Para que isto realmente ocorra, necessrio um mapeamento das linhas de cana existentes nos
talhes, assim como a informao de quais linhas de cana poderiam ser conectadas, quanto a
topografia. Apesar de possuir um carreador, se a colhedora dar continuidade na colheita sem
efetuar a manobra para trocar de linha de cana, processo este que despende grande tempo para
ocorrer, ganha com isso uma linha de cana de maior comprimento. Observa-se que a travessia
31
de uma colhedora sobre o carreador leva em mdia 10 segundos, enquanto uma manobra para
mudana de linha de cana levaria entre 1,5 a 2 minutos. Com esta tcnica, tambm chamada
de tiro direto ou tiro longo, podemos buscar a otimizao da colheita e a simulao de linhas
de cana maiores, correspondendo assim a um impacto direto na produtividade e economia da
empresa sucroenergtica (BENEDINI; CONDE, 2008).
A partir do panorama da mecanizao tem-se o PPRC, que consiste em decidir qual a melhor rota a ser realizada pela colhedora, visto que conhecido o layout do canavial. O modelo
matemtico proposto para descrever este problema, visa minimizar o tempo de manobra da colhedora, de modo que esta deve obrigatoriamente passar por todas as linhas de cana. Considerase como tempo de manobra, o tempo em que a colhedora est em funcionamento mas no est
colhendo.
Para modelar matematicamente o PPRC consideraremos um grafo no orientado em que
cada linha de cana corresponde a uma aresta limitada por dois vrtices do grafo (cada vrtice
do grafo representa incio ou fim de uma linha de cana), conforme ilustrado na Figura 6.
32
ti j xi j + t ji x ji
(1)
(i, j)A
Sujeito a:
xi j
{ j:(i, j)A}
{ j:( j,i)A}
xi j + x ji = 1,
xi j |S| 1,
(iS) ( jS)
x ji = 0,
i=1,2,...,n;
(2)
(3)
para S v1 , v2 , ..., vn e S 6=
(4)
xo j 1
(5)
xio 1
(6)
(o, j)A
(i,o)A
xi j {0, 1},
(7)
33
Este captulo relata a estrutura de dados desenvolvida para a realizao dos testes. Como a
abordagem relevante para a literatura no contexto sucroenergtico, sero detalhados os softwares utilizados e a forma de implementao de uma metodologia de validao do modelo (1)-(7).
Por tratar-se de um problema NP-difcil, desenvolveu-se a implementao computacional para
que o mesmo fosse resolvido por um software comercial de alto desempenho. Para tanto, os
testes foram executados no solver CPLEX 12.3 verso de 64 bits, utilizando como interface o
IBM ILOG CPLEX Optmization Studio acessado via linguagem de programao Java. Os dados utilizados foram armazenados no sistema gerenciador de banco de dados (SGBD) Oracle
Database 11g Express Edition Release 2, que se trata de uma verso gratuita do sistema gerenciador de banco de dados Oracle. Todos os testes foram realizados em um computador com
processador i7 2a gerao, com 16Gb de memria RAM e HD de 120Gb SSD.
4.1
34
35
A Figura 8, esquematiza as tabelas desenvolvidas para armazenamento dos dados, referentes a implementao da validao do modelo matemtico. Visando maior velocidade na consulta
aos dados. Cada restrio do modelo matemtico, foi dividida em uma tabela do banco de dados, interligada com uma tabela central chamada CR_PONTOS, que contm todos os pontos
do modelo a ser testado. Ao criar a estrutura de leitura dos pontos no banco de dados, a implementao ganha maior robustez, integridade dos dados e performance, uma vez que, enquanto
uma leitura de pontos em arquivos textos sequencial e lenta, a leitura de pontos atravs de um
sistema gerenciador de banco de dados, utiliza diversos recursos para validao destes dados e
aumento da performance da consulta, como ndices para busca dos pontos atravs de pesquisa
em rvores, busca em memria, validaes impedindo que dados incorretos sejam inseridos e
facilidade no armazenamento das informaes.
36
O esquema do banco de dados formado por sete tabelas com as seguintes funes:
CR_PONTOS: tabela responsvel pelo armazenamento de todos os pontos da instncia;
37
CR_PONTOS_PERCORRIDOS: dados que garantem que toda linha de cana (aresta obrigatria) seja percorrida uma vez pela colhedora
CR_PONTOS_CONTINUIDADE: dados para garantir a continuidade do percurso;
CR_PONTOS_DISTANCIA_PONTOS: armazenamento da distncia dos pontos seja por
manobra ou tiro direto;
CR_PONTOS_ELIMINACAO_CICLOS e CR_PONTOS_ELIMINACAO_CICLOS3: estas tabelas possuem dados que probem a construo de sub-rotas ilegais, ou seja, pequenos roteiros desconexos do roteiro principal;
CR_PONTOS_REGRAS_GERAIS: dados que garantem que a colhedora inicie o percurso em um ponto de origem e retorne para este mesmo local no final do percurso.
4.3
CPLEX
38
RESULTADOS NUMRICOS
Para validao do modelo proposto (1)-(7), foram realizados testes computacionais com
os dados fornecidos por um grupo sucroenergtico, formado por quatro unidades produtoras, o
qual possui sua matriz na regio de Catanduva, interior do Estado de So Paulo. Para realizao
dos testes foi utilizada a linguagem de programao Java, integrada ao solver CPLEX, conforme
descrito no Captulo 4.
A regio de Catanduva tradicional na cultura da cana-de-acar, pois apresenta vantagens
devido a sua infra-estrutura de transporte, terras aptas, com condies climticas (regime de
chuvas, solo, luminosidade, temperatura e umidade) favorveis ao cultivo da cana-de-acar,
declividade baixa e ausncia de solos rochosos, de tal forma, que permite 100% de mecanizao
de todas as operaes agrcolas, desde o preparo do solo colheita. A matriz do grupo, possui
uma planta industrial flexvel ao mix de produo, de acordo com as variaes de mercado. E
possui uma operao moderna de fermentao, com sua planta 100% automatizada.
Os gestores da usina em estudo, no autorizaram a divulgao da marca comercial, razo
social e imagens da empresa. Contudo, foi autorizada a coleta e utilizao dos dados para a
execuo deste trabalho. Assim, foram conduzidas pesquisas documentais sobre os apontamentos de campo da rea estudada, os quais estavam dispostos nos bancos de dados de sistemas
integrados de gesto da empresa. Os experimentos numricos realizados so descritos a seguir.
Primeiramente foram realizados testes com uma fazenda pertencente ao grupo sucroenergtico a qual dividida em 10 talhes, que totalizam 190,54ha (hectares). A fazenda possui 4
pontos de bate, agrupando assim as reas a serem colhidas. A Figura 9 ilustra o mapa dessa
fazenda e a Tabela 1 apresenta a rea em hectares de cada talho, o espaamento entre as linhas
de cana e a estimativa de colheita em toneladas por hectare. Posteriormente, foram realizados
testes em 50 instncias reais, fornecidas pelo grupo sucroenergtico e 4 instncias geradas de
forma aleatrias, visando analisar o comportamento do modelo proposto.
39
Bate
rea (ha)
Espaamento(m)
Estimativa (ton.ha1 )
0004
0005
0006
0007
0008
0009
0010
0011
0012
0013
2
2
3
3
3
3
4
4
4
1
24,74
36,27
14,17
5,69
5,07
7,47
11,97
11,67
41,01
32,48
1,5
1,5
1,5
1,5
1,5
1,5
1,5
1,5
1,5
1,5
88,34
88,34
88,34
88,34
88,34
88,34
88,34
88,34
76,16
76,16
Devido a topologia de cada fazenda, o processo de colheita realizado por frentes de colheita. Esta fazenda dividida em quatro frentes de colheita, sendo a frente 01 responsvel pelo
talho 13, a frente 02 responsvel pelos talhes 4 e 5, a frente 03 responsvel pelos talhes 6,
40
Instncia 01
A Instncia 01 composta pela frente 01, a qual responsvel apenas pela colheita do
talho 13 da fazenda avaliada, devido ao tamanho do mesmo e sua topologia, como pode ser
visto na Figura 10. A soluo para o PPRC para esta frente, trivial, pois no h opo de tiro
direto. Na soluo fornecida pelo modelo matemtico para este caso, o tempo de manobra foi
de 22340 segundos.
Figura 10 - Instncia 01
41
5.2
Instncia 02
A Instncia 02 formada pelos talhes 4 e 5 (Figura 11), que juntos somam 61,01ha e 379
linhas de cana. Na soluo fornecida utilizando o modelo matemtico (1)-(7) para este caso, o
tempo total de manobra da colhedora foi de 30440 segundos.
Figura 11 - Instncia 02
5.3
Instncia 03
A Instncia 03 formada pelos talhes 6, 7, 8 e 9 (Figura 12), que juntos somam 32,40ha
e 479 linhas de cana. Na soluo fornecida utilizando o modelo matemtico (1)-(7) para este
caso, o tempo total de manobra da colhedora foi de 37160 segundos.
42
Figura 12 - Instncia 03
5.4
Instncia 04
A Instncia 04 formada pelos talhes 10, 11 e 12 (Figura 13), que juntos somam 64,74ha
e 405 linhas de cana. Na soluo fornecida utilizando o modelo matemtico (1)-(7) para este
caso, o tempo total de manobra da colhedora foi de 35760 segundos.
Figura 13 - Instncia 04
43
Frente de Colheita
Instncia 01
Instncia 02
Instncia 03
Instncia 04
5.5
Tempo de Manobra
Trad./s
Otim./s
22340
45400
57400
48520
Tempo de Processamento/s
22340
30440
37160
35760
4,153
4,797
5,812
7,158
Instncia 05 54
No de Talhes
rea (ha)
Linhas
05
06
07
08
09
10
11
12
13
14
15
16
17
3
5
4
4
2
2
3
2
2
3
2
4
2
6,6
35,8
45,4
16,7
25,3
10,4
10,9
17,5
7,7
26,7
21,8
28
11,9
95
232
295
242
164
150
158
253
111
173
141
182
172
Tempo de Manobra
Trad./s
Otim./s
11320
27760
35320
28960
19600
17920
18880
30280
13240
20680
16840
21760
20560
9120
21930
20250
22690
15750
14520
15250
17520
7960
11880
10020
17260
16280
Tempo de Proc./s
3,559
10,500
3,554
3,943
5,268
4,917
12,332
3,320
2,545
2,831
2,660
5,879
5,133
44
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
2
2
2
2
4
3
2
2
2
2
5
2
6
2
2
2
2
2
5
2
2
4
6
5
2
2
2
2
2
5
4
2
4
2
3
4
4
5,2
5,6
12,2
5,2
24,1
4,5
14,4
10,7
2,1
4,7
36,2
4,7
26,3
28,2
6,7
19,1
30,9
15
44,3
14,6
13,7
52,8
42,7
23,5
6,7
16,2
7,6
1,2
28,9
57,9
30,6
15,4
21,2
10,9
57,8
27,1
29,7
75
81
176
75
156
65
208
155
30
68
235
68
170
183
97
276
200
217
287
211
198
343
277
152
97
234
110
45
187
287
198
223
137
158
312
176
193
8920
9640
21040
8920
18640
7720
24880
18520
3520
8080
28120
8080
20320
21880
11560
33040
23920
25960
34360
25240
23680
41080
33160
18160
11560
28000
13120
5320
22360
34360
23680
26680
16360
18880
37360
21040
23080
5070
5460
16530
4960
15240
4310
19490
10600
2750
6660
17010
6440
16249
13190
6940
26990
18970
14630
19730
14790
18510
18510
19740
14530
6720
21950
10370
2240
12900
21160
18950
16010
9320
14810
31310
16750
12960
2,335
2,321
19,443
2,402
4,484
2,242
7,435
2,723
2,105
3,137
3,317
3,165
19,965
2,922
2,478
4,689
9,362
3,543
3,628
3,081
5,472
7,233
3,582
4,511
2,404
3,159
4,405
1,971
2,961
3,690
10,922
3,285
2,645
6,638
28,116
4,657
3,073
45
5.6
Instncias 55 58
5.7
Instncia
Linhas
Tempo de Manobra
Trad./s
Otim./s
55
56
57
58
500
2500
5000
15000
59920
299920
299920
1799920
35420
165420
327920
977920
Os testes computacionais realizados com os dados fornecidos por uma indstria sucroenergtica, confirmam a eficcia do modelo, que obtm solues timas por meio do solver CPLEX.
A partir dos resultados obtidos, para as quatro primeiras frentes de colheitas otimizadas,
temos uma rea total de 158,15ha, composta por 1263 linhas de cana, em que, de forma tradicional seriam necessrios 151320 segundos para a manobra da colhedora, enquanto que com o
processo de otimizao realizado pelo modelo PPRC, este demonstrou ser possvel percorrer as
mesmas linhas de cana, reduzindo o tempo de manobra para 103360 segundos, denotando assim
uma economia de 47960 segundos, ou seja 31,69% de economia aps otimizao do processo.
Aponta-se na Figura 14, a somatria do tempo de manobra tradicional e a somatria do
tempo de manobra otimizado, conforme dados apresentados na Tabela 3. Nota-se um ganho de
31,64% com a otimizao do percurso, na somatria das 50 instncias apresentadas.
46
As instncias 55 58, demonstram o comportamento da implementao do modelo em instncias com maior quantidade de linhas de cana, observou-se neste caso, que o limitante na
execuo de instncias maiores, o hardware utilizado no experimento. O PPRC enquadra-se
em um problema de roteamento de arcos, o grafo relacionado ao problema, possui um circuito
euleriano, pois a colhedora sair de um ponto inicial, passar apenas uma vez pelas arestas
obrigatrias e retornar ao ponto inicial. Esta caracterstica bastante especial permitindo que,
mesmo tratando-se de um problema np-difcil, seu processamento seja efetuado em tempo polinomial. Em todos esses testes realizados, pode-se destacar que, alm do ganho com o tempo
de manobra, houve tambm ganho com o consumo de combustvel, com toda a mo de obra da
frente de colheita e com o desgaste da mquina. Alm disso, pode-se destacar um grande ganho
para o meio ambiente, devido a reduo de CO2 .
47
CONCLUSO
Este trabalho abordou um problema real de planejamento da rota da mquina colhedora utilizada no processo de colheita da cana-de-acar. Um modelo matemtico de otimizao para
o planejamento do percurso a ser realizado pela colhedora em um processo de colheita mecanizada da cana-de-acar foi proposto, objetivando reduzir o tempo necessrio de manobra. Esse
modelo foi baseado no problema do carteiro rural, que bastante estudado na literatura.
Para execuo dos testes, foi desenvolvido um algoritmo que utiliza a linguagem de programao Java, que acessa os dados em um sistema gerenciador de banco de dados Oracle
Database Express Edition 11g e integra ao solver CPLEX. Testes computacionais foram realizados com dados reais fornecidos por uma indstria sucroenergtica, e confirmaram a eficincia
do modelo em fornecer solues que minimizam o tempo de manobra da colhedora. Nas solues obtidas, o tempo de manobra total da colhedora, foi cerca de 31% menor do que o tempo
de manobra total em um processo de colheita tradicional.
Visto a importncia do setor sucroenergtico para a economia nacional e o constante esforo empregado pelo mesmo na busca de otimizao do processo da colheita mecanizada, este
trabalho vem de encontro resoluo de um problema prtico, que envolve um dos principais
processos de um setor fundamental na economia nacional. Este mostra mais uma vez, a importncia da integrao do meio acadmico com as empresas e os ganhos que ambos podem obter
com estudos que possuem impacto quanto a pesquisa, e trazendo solues que viabilizam ainda
mais grandes setores econmicos no pais.
Alm dos ganhos com o tempo da colheita, devido a diminuio das manobras, onde se tem
um alto consumo de combustvel, tem-se tambm o tempo improdutivo da colhedora, elevando
desta forma o custo operacional em relao a todo o processo de colheita mecanizada. Existe
tambm a economia direta com toda mo de obra da frente de colheita, e o aumento da canade-acar enviada a indstria. Destaca-se tambm o fator do ganho para o meio ambiente e a
sade pblica, devido a menor emisso de CO2 .
48
REFERNCIAS
ARAOZ, J.; FERNANDEZ, E.; MEZA, O. Solving the prize-collecting rural postman problem.
European Journal of Operational Research, v. 196, n. 3, p. 886896, 2009.
ARCHETTI, C.; GUASTAROBA, G.; SPERANZA, M. An ilp-refined tabu search for the directed profitable rural postman problem. Discrete Applied Mathematics, v. 163, n. PART 1, p.
316, 2014.
ASCANA.
Plano
de
Ao
ASCANA
Associao
dos
Plantadores
de
Cana
do
Medio
Tiete.
[S.l.],
2009.
Disponvel
em:
<http://ascana.com.br:8090/QueimaPalha/PLANO%20DE%20A%C3%87%C3%83O%20
ASCANA.pdf>. Acesso em: 22 Jan. 2016.
VILA, T.; CORBERAN, A.; PLANA, I.; SANCHIS, J. M. A branch-and-cut algorithm for the
profitable windy rural postman problem. European Journal of Operational Research, v. 249,
n. 3, p. 10921101, 2016.
BARATA, M. Q. F. Otimizao econmica do corte e reforma de canaviais. Agricultural Engineering Dissertation, 1992.
BENAVENT, E.; CARROTTA, A.; CORBERAN, A.; SANCHIS, J. M.; VIGO, D. Lower
bounds and heuristics for the windy rural postman problem. European Journal of Operational Research, v. 176, n. 2, p. 855869, 2007.
BENEDINI, S. M.; CONDE, J. Sistematizao da rea para colheita mecanizada da cana-deacar. Revista Coplana, v. 23, p. 23 25, 2008.
BLAIS, M.; LAPORTE, G. Exact solution of the generalized routing problem through graph
transformations. Journal of the Operational Research Society, v. 54, n. 8, p. 906910, 2003.
BOCHTIS, D. D.; SORENSEN, C. G.; GREEN, O.; MOSHOU, D.; OLESEN, J. Effect of
controlled traffic on field efficiency. Biosystems Engineering, n. 106, p. 14 25, 2010.
BOCHTIS, D. D.; SORENSEN, G. C.; BUSATO, P.; BERRUTO, R. Benefits from optimal
route planning based on b-patterns. Biosystems Engineering, n. 115, p. 389 395, 2013.
BOCHTIS, D. D.; VOUGIOUKAS, S. G. Minimising the non-working distance travelled by
machines operating in a headland field pattern. Biosystems Engineering, n. 101, p. 1 12, 2008.
BODIN, L.; GOLDEN, B.; ASSAD, A.; BALL, M. The state of the art in the routing and
scheduling of vehicles and crews. Computers and Operations Research, v. 10, p. 63 211,
1983.
CHRISTOFIDES, N.; CAMPOS, V.; CORBERAN, A.; MOTA, E. An algorithm for the rural
postman problem. Imperial College Report ICOR, London, v. 815, 1981.
49
50
HAMEED, I. A.; BOCHTIS, D. D.; SORENSEN, C. G.; NOREMARK, M. Automated generation of guidance lines for operational field planning. Biosystems Engineering, n. 110, p. 294
306, 2010.
HERTZ, A.; LAPORTE, G.; HUGO, P. N. Improvement procedures for the undirected rural
postman problem. INFORMS Journal on Computing, v. 11, n. 1, p. 5362, 1999.
IANNONI, A. P.; MORABITO, R. A discrete simulation analysis of a logistics supply system.
Transportation Research Part E: Logistics and Transportation Review, v. 42, n. 3, p. 191 210,
2006.
KAWAMURA, J. S.; RONCONI, D. P.; YOSHIZAKI, H. Optimizing transportation and storage
of final products in the sugar and ethanol industry. International Transactions in Operational
Research, v. 13, n. 5, p. 425 439, 2006.
KORTH, H. F.; SILBERSCHATZ, A. Sistema de banco de dados. 2. ed. So Paulo: Markron
Books, 1995.
LAPORTE, G.; OSMAN, I. Routing problems: A bibliography. Annals of Operations Research,
v. 61, n. 1, p. 227262, 1995.
LETCHFORD, A.; EGLESE, R. The rural postman problem with deadline classes. European
Journal of Operational Research, n. 105, p. 390 400, 1998.
MARGARIDO, F. B.; SANTOS, F. Planejamento da lavoura. cana-de-acar: do plantio
colheita. Edio dos editores, Viosa, p. 9 23, 2013.
MARQUES, P. V. Custo de produo agrcola e industrial de cana-de-acar e alcool no brasil
na safra 2007/2008. ESALQ/USP, Piracicaba, p. 194, 2009.
MORAES, M. A. F. D. O mercado de trabalho da agroindstria canavieira: desafios e oportunidades. v. 4, p. 605 619, 2007.
MULLASERIL, P.; DROR, M.; LEUNG, J. b. Split-delivery routeing heuristics in livestock
feed distribution. Journal of the Operational Research Society, v. 48, n. 2, p. 107116, 1997.
MURRAY, C. Oracle SQL Developer Users Guide, Release 3.1. Redwood: Oracle Press, 2011.
OKSANEN, T.; VISALA, A. Coverage path planning algorithms for agricultural field machines. Journal of Field Robotics, v. 8, n. 26, p. 651 668, 2009.
ORACLE. Oracle Database Express Edition Documentation 11g Release 2. [S.l.], 2016. Disponvel em: <http://docs.oracle.com/cd/E17781_01/>. Acesso em: 27 Jan. 2016.
ORLOFF, C. S. A fundamental problem in vehicle routing. Networks, v. 4, n. 1, p. 35 64,
1974.
PEARN, W. L.; WU, T. C. Algorithms for the rural postman problem. Computers and Operations Research, n. 22, p. 819 828, 1995.
RIPOLI, M. L. C.; CASAGRANDI, D. V.; IDE, B. Plantio de cana-de-acar: estado da arte.
Piracicaba, v. 1, p. 80 91, 2006.
51
52
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
53
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
// *********************
// Inicio das regras
// pega todas as opcoes de percurso de continuidade do banco
de dados
List < CRPontosContinuidade > listaContinuidade = new
CRPontosContinuidadeDao () . getTodos (" id ");
52
53
54
55
56
57
58
59
60
61
62
63
64
65
54
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
55
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
56
130
131
132
133
134
135
136
137
138
139
140
141
142
}
// a variavel i vai representar cada regra
for ( int i = 1; i <= maiorRegra ; i ++) {
double valorRegraEliminacaoCiclos [] = new double [ vars . length
]; // cria um array dos valores para as variaveis
for ( CRPontosEliminacaoCiclos obj : listaEliminacaoCiclos ) {
// percorre a lista de eliminacao de ciclos
if ( obj . getRegra () == i) { // verifica regra a regra
for ( int j =0; j < valorRegraEliminacaoCiclos . length ; j ++) {
// insere o valor na posicao
if ( vars [j ]. getName () . equals ( obj . getPonto () ) ){
valorRegraEliminacaoCiclos [ j] = obj . getValor () . doubleValue () ;
}
}
}
}
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
57
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
if ( resolveu ) {
System . out . println (" Status da Solucao = " + cplex . getStatus () )
;
System . out . println (" Valor da Solucao = " + cplex . getObjValue
() ) ;
double [] valoresResultado = cplex . getValues ( vars );
for ( int variavel =0; variavel < vars . length ; variavel ++) {
System . out . println ( vars [ variavel ]. getName () + " = " +
valoresResultado [ variavel ]) ;
if ( valoresResultado [ variavel ] == 1.0) {
lista . add ( vars [ variavel ]. getName () ) ;
}
}
187
188
189
190
191
192
193
194
195
196
197
198
58
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
}
cplex . exportModel (" modelo . lp " );
cplex . exportModel (" modelo . mps ");
cplex . end () ;
now = new Date () ;
format1 = new SimpleDateFormat (" DD / mm / yyyy HH : mm : ss . SSS ") .
format ( now ) ;
System . out . println (" FIM : " + format1 );
}
}