As demandas do alto forno e aciaria são expressas através das requisições criadas pelo simulador, que representam as próprias solicitações de carro torpedo por parte do processo. O atendimento dessas demandas de forma eficaz é essencial para a disponibilidade operacional e redução de custos. O algoritmo de otimização proposto é executado paralelamente ao simulador e processa as requisições, associando uma solução para cada uma delas.
As requisições são divididas em dois tipos: (1) requisições para o alto forno em que o torpedo deve estar vazio para receber gusa, ou (2) requisições para a aciaria em que o carro torpedo deve estar carregado de ferro gusa. O primeiro passo do algoritmo é a tentativa de associação de requisições do mesmo tipo – o que significa que, na grande maioria, teriam pontos de partida e destino próximos. No processo da usina siderúrgica base deste trabalho, a capacidade de tração da locomotiva é limitada em dois carros torpedo.
Caso não haja outra requisição do mesmo tipo para associação, uma segunda otimização é realizada. Nesta buscam-se outros torpedos que estejam disponíveis para a movimentação, por exemplo: um torpedo que já descarregou na aciaria, ou um torpedo já
47 carregado no alto forno. Estes torpedos são considerados para associação à movimentação original mesmo que não exista uma segunda requisição.
Este processo tem como finalidade otimizar a associação das requisições para cada viagem de locomotiva, e garantir que um número mínimo de locomotivas seja necessário. O fluxograma que descreve este processo de otimização é exibido na Figura 8.
Figura 8 – Fluxograma do processo de otimização de associação das requisições
48 Neste processo, uma lista de requisições e torpedos é gerada para iniciar o processo de construção de rotas. Nele, as requisições sem solução são ordenadas pelo horário de atendimento, então a requisição mais próxima é atendida e um conjunto de possíveis associações com outras requisições ou torpedos é gerado para a construção do grafo que representa o problema de roteamento de veículos. O algoritmo para construção do grafo do problema de roteamento de veículos é a sequência do algoritmo de otimização de associação. Este é representado pelo fluxograma da Figura 9.
Figura 9 – Fluxograma do algoritmo de construção do grafo das soluções
49 O primeiro passo para a construção deste grafo é calcular o custo entre os pontos de coleta e entrega de torpedos. Dessa forma, verifica-se inicialmente quais torpedos são compatíveis com a requisição selecionada, e calcula-se a distância entre cada locomotiva ociosa e estes torpedos. Em seguida, a partir da lista de associação gerada pelo algoritmo representado na Figura 8, calcula-se o custo de deslocamento entre os possíveis pontos de coleta de torpedos, sucessivamente até percorrer toda lista de requisições/torpedos associados. O peso associado à cada percurso relaciona-se com a distância e o custo de temperatura. O custo associado à fase de entrega dos torpedos, ou seja, entre os torpedos e os pontos de entrega, é calculado em seguida. Por fim, o grafo para o problema de roteamento de veículos é criado ligando as locomotivas a todos os possíveis pontos de coleta e, em seguida, aos pontos de entrega. Após a criação e resolução do grafo, volta-se ao processo de espera de novas requisições – interconexão entre os dois processos representada por “A” (vide Figura 8).
Neste novo grafo, os vértices representam cada etapa de coleta e entrega de torpedos, e às arestas associa-se o custo referente à temperatura e à distância a ser percorrida. Na Figura 10 é possível ver um exemplo simplificado do grafo para o problema de roteamento de veículos. A solução tem início pela parte inferior com as locomotivas, que por sua vez devem se deslocar à posição de cada torpedo a ser coletado, a depender da combinação de requisições e capacidade da locomotiva.
Figura 10 – Grafo criado para a solução final do problema
50 Após a coleta de cada torpedo, inicia-se a fase de entregas para o conjunto locomotiva-torpedos, até que todos os torpedos sejam entregues. Observe que na etapa de entrega há uma redução significativa da complexidade do grafo. Isso ocorre porque os torpedos devem ser entregues de acordo com a ordem em que foram coletados. A movimentação de carros torpedo deve obedecer às regras do sistema LIFO (Last In, First Out), ou seja, o último carro a ser acoplado à locomotiva deve ser o primeiro a ser entregue. Com base na Figura 11 é possível ver que isso deve-se à disposição em fila dos carros torpedo com a locomotiva, que impossibilita descarregar um torpedo em posição intermediária (T01 na Figura 11) sem descarregar os demais torpedos (T02). Dessa forma, na otimização com associação de requisições e na construção do grafo para solução do VRP, deve-se levar em conta a ordem de entrega dos torpedos.
Figura 11 – Disposição de torpedos tracionados por uma locomotiva
Fonte: Autoria própria (2019).
O cálculo do trajeto entre locomotivas e torpedos, apresentado no fluxograma de construção do grafo das soluções (Figura 9), utiliza um algoritmo baseado em colônia de formigas conforme a Figura 12. Baseado na ideia de Stodola e Mazal (2016), uma colônia é criada para cada locomotiva. Em analogia ao problema de roteamento de veículos com múltiplos depósitos, a posição desta se torna um depósito ou garagem virtual, uma vez que no problema proposto a locomotiva não retorna a uma determinada posição após a movimentação. Cada colônia busca a solução do grafo para uma locomotiva, a melhor solução global é selecionada e validada frente às restrições de tempo. Caso alguma restrição seja comprometida, a solução é descartada. No fluxograma da Figura 12 é possível observar as limitações do número de iterações e formigas utilizadas no ACS e também as atualizações locais e globais de feromônios. Caso uma formiga fique sem saída durante a movimentação, ou seja, não há outro nó adjacente disponível que já não tenha sido visitado neste percurso, o algoritmo inicializa a próxima formiga (interconexão “B”).
51 Figura 12 – Fluxograma do algoritmo de colônia de formigas
Fonte: Autoria própria (2019).