Resumo
OobjetivodestetrabalhoémostraraaplicaçãodoAlgoritmodoMatchingdepesomáximo,naelaboraçãodejornadasde trabalhoparamotoristasecobradoresdeônibus.Esteproblemadeveserresolvidolevando-seemconsideraçãoomaioraproveita-mentopossíveldastabelasdehorários,comoobjetivodeminimizaronúmerodefuncionários,dehorasextrasedehorasociosas. Destaforma,oscustosdascompanhiasdetransportepúblicosãominimizados.Naprimeirafasedotrabalho,supondo-sequeas tabelasdehoráriosjáestejamdivididasemescalasdecurtaedelongaduração,asescalasdecurtaduraçãosãocombinadaspara aformaçãodajornadadiáriadetrabalhodeumfuncionário.EstacombinaçãoéfeitacomoAlgoritmodoMatchingdepesomáxi-mo,noqualasescalassãorepresentadasporvérticesdeumgrafo,eopesomáximoéatribuídoàscombinaçõesdeescalasquenão formamhorasextrasehorasociosas.Nasegundafase,umajornadadefinaldesemanaédesignadaparacadajornadasemanalde diasúteis.Pormeiodestasduasfases,asjornadassemanaisdetrabalhoparamotoristasecobradoresdeônibuspodemsercons-truídascomcustomínimo.Aterceiraeúltimafasedestetrabalhoconsistenadesignaçãodasjornadassemanaisdetrabalhopara cadamotoristaecobradordeônibus,considerando-sesuaspreferências.OAlgoritmodoMatchingdepesomáximoéutilizado paraestafasetambém.EstetrabalhofoiaplicadoemtrêsempresasdetransportepúblicodacidadedeCuritiba-PR,nasquaisos algoritmosutilizadosanteriormenteeramheurísticos,baseadosapenasnaexperiênciadoencarregadoporestatarefa.
Palavras-chave:otimizaçãodejornadasdetrabalho,AlgoritmodoMatchingdepesomáximo.
v.11,n.2,p.187-196,mai.-ago.2004
1.Introdução
OobjetivodestetrabalhoémostraraaplicaçãodoAlgorit-modoMatchingdepesomáximo,naelaboraçãodejornadas detrabalhoparamotoristasecobradoresdeônibus,alémde mostrarosresultadosdaaplicaçãodametodologiapropostaem empresasdacidadedeCuritiba-PR.Esteproblemadeveser resolvido,levando-seemconsideraçãoomaioraproveitamento possíveldastabelasdehoráriosdeônibus,comoobjetivode minimizaronúmerodefuncionários,dehorasextrasedehoras ociosas.Destaforma,oscustosdasempresasdetransporteco-letivocommotoristasecobradorespodemserminimizados.
EmalgumasempresasdetransportecoletivodeCuritiba, aconstruçãodasjornadasdetrabalhoparatodososfuncio-nárioséfeitamanualmente,considerandoaexperiênciada pessoaresponsávelporestatarefa.Estamaneiradeconstruir
asjornadasédemoradaeestásujeitaafalhas,epoderiaser melhoradaseresolvidapormeiodemétodosdeotimização. Outras empresas utilizam algoritmos heurísticos, que são baseadosnaconstruçãomanualdestas,alémdePrograma-ção Dinâmica para a construbaseadosnaconstruçãomanualdestas,alémdePrograma-ção das jornadas de trabalho, construídasapartirdastabelasdehoráriosdaslinhasdeôni-bus(CarnierieSteiner,1997ae1997b).Nestesdoiscasos citados,mostra-seanecessidadedodesenvolvimentodeum sistemaeficienteparaaprogramaçãodoshoráriosdosfun-cionáriosdetransportecoletivo.
Estetrabalhoestádivididoemseteseções,incluindo-se estaintrodução.NaSeção2destetrabalho,éfeitaumarevi-sãodaliteraturasobreproblemasdeconstruçãodeescalas de trabalho para funcionários de transporte coletivo, além detripulaçõesáreaeferroviária.NaSeção3éapresentada
DACONSTRUÇÃODEESCALASDEMOTORISTASE
COBRADORESDEÔNIBUSPORMEIODOALGORITMO
DO
MATCHING
DEPESOMÁXIMO
PauloHenriqueSiqueira CelsoCarnieri MariaTeresinhaArnsSteiner
DepartamentodeDesenho,UniversidadeFederaldoParaná,C.P.19081, CEP81531-990,Curitiba,PR,
e-mail:paulohs@ufpr.br carnieri@mat.ufpr.br DepartamentodeMatemática,
e-mail:tere@mat.ufpr.br
ÂngelaOlandoskiBarboza
adescriçãodoproblemadeconstruçãodeescalasdemoto-ristasecobradoresdeônibus.NaSeção4,oproblemado Matchingéapresentadopormeiodeseumodelomatemáti-co.NaSeção5,ametodologiadaaplicaçãodoAlgoritmodo Matchingéapresentada,comasrestriçõesimpostasparaa programaçãodehoráriosparaosfuncionáriosdetransporte coletivo,dacidadedeCuritiba.NaSeção6,sãocomentados osresultadosdestaaplicação,e,finalmente,naSeção7são apresentadasasconclusõesdestetrabalho.
2.Revisãodaliteratura
Nesta seção, são apresentados, resumidamente, alguns trabalhosqueenvolvemconstruçãodeescalasdetrabalho, parafuncionáriosdetransportecoletivoetripulaçõesaérea eferroviária.
Umatécnicadeelaboraçãodeescalasdetrabalhodemo- toristasecobradoresdeônibus,bastanteconhecidanalite-ratura,denomina-semétodoHastus(HoraireetAssignation d’unSystèmedeTransportUrbainouSemi-urbain).Blaiset al.(1976),Lessardetal.(1975)eRousseauetal.(1985ae 1985b)publicaramtrabalhossobreessemétodo.Porestemé-todo,asjornadasdetrabalhosãoconstruídasemtrêsfases. Naprimeirafase,ummodelodeProgramaçãoLinearInteiro édesenvolvidoparaconstruirasescalasdetrabalhodosfun-cionários,levando-seemcontarestriçõesdehoráriosdestese jornadasdetrabalhocommáximaduraçãopermitida.Asjor-nadasdetrabalhodevemserdivididas,poisestassãogeradas apartirdoshoráriosdaslinhasdosônibus,que,namaioria doscasos,têmduraçãomaiordoqueasjornadasdetrabalho comduraçãomáximapermitida.Comoobjetivodereduzir otempocomputacional,asrestriçõesdeintegralidadeede factibilidadedoproblemasofremrelaxações,construindo-se asprimeirasescalas,oupartedelas.
Oconjuntoformadopelasescalasgeradasnafaseanterior podeserdenominadoporconjuntodeescalasaproximadas, poisasrestriçõesdoProblemadeProgramaçãoLinearIn-teira foram relaxadas, determinando algumas soluções in-factíveis.Emumaetapaseguinte,asjornadassãodivididas emescalassemelhantesàsescalasgeradasnaetapaanterior, eliminando-se infactibilidades, reduzindo-se o número de motoristaseaquantidadedehorasextras,quesãoformadas comageraçãodoconjuntodeescalasnaetapaanterior.
Emalgunscasos,asdivisõesdasjornadasdetrabalhogeram escalascomduraçãomuitopequena,oqueevidenciaaforma- çãodeumajornadadiáriadetrabalhocomduasescalasdife-rentes,ambascomduraçãopequena,e,quandocombinadas, formamumajornadadiáriacomduraçãototalmenordoquea duraçãomáximapermitidaparaumajornadadiáriadetraba-lho.AsegundafasedométodoHastusconsistenacombinação dasescalasgeradasnaprimeirafase,pormeiodautilizaçãodo AlgoritmodoMatching,atribuindo-sepesosàscombinações factíveisdeescalasdetrabalho.Estascombinaçõesdeescalas determinamasjornadasdetrabalhodiáriasdosfuncionários. Naúltimafase,asdivisõesdastabelassãoreconsideradas,e
algumasmelhoriassãofeitasmodificando-seasdivisõesdas jornadasdetrabalho,visando,novamente,areduçãodonúme-rodefuncionárioseaquantidadedehorasextras.
EmManingtoneWren(1975)eWren(1981),asheurísti-casdedivisõessucessivaspermitemaconstruçãodasescalas detrabalhoemduasfases.Naprimeirafase,asdivisõesdas escalassãofeitasecombinadas,formando-seumajornada diáriadetrabalhocompletaparaofuncionário.Estasescalas combinadasdevemformardiasdetrabalhofactíveis,coma mesmaidéiautilizadanaprimeirafasedométodoHastus. Na segunda fase, as divisões das escalas são modificadas váriasvezes,eoalgoritmoheurísticoprocuraformarjorna-dasdetrabalhofactíveis,melhorandoasescalasdetrabalho obtidasnaprimeirafase,comrelaçãoàsquantidadesdefun-cionáriosedehorasextrasformadas.
Rousseau(2000)comentaqueosistemaHastustemsido utilizadocommuitosucesso,emproblemasdeconstruçãode horáriosparaveículosedetripulação,emumgrandenúmero decontextosemtodoomundo.Oautorcomentasobresuaex- periênciaemutilizaroreferidosistemaemumcontextoregio-nal,noqualotransportepúblicoénormalmentecaracterizado peloaltoníveldeinter-relaçãoentreoshoráriosdosveículos econdutores.Dadoumconjuntodeviagenseumnúmerore- lativamentegrandedepontosdeparadadispersospeloterritó-rio,oproblemaéencontrarumhorárioparaosveículos,que minimizeonúmerodeveículosnecessários,emconjuntocom ohoráriodatripulação,queminimizaocustodosmotoristas. CasosestudadosnaFrançaenaAlemanhausandoaaborda-gemsãorelatados,apresentandoeconomiasde3a5%.
DesrocherseSoumis(1989)mostramaelaboraçãodees-calasdetrabalhodemotoristasecobradoresdeônibus.A funçãoobjetivominimizaoscustosdosdiasdetrabalho,eo métododegeraçãodecolunasfoiutilizadopararesolvero ProblemadeCoberturadeConjuntos.Naprimeirafase,os diasdetrabalhofactíveissãogeradoseformamosnósde umgrafo,eosdiasdetrabalhofactíveisdevemsatisfazeras mesmasrestriçõesdaprimeirafasedométodoHastus.Esta geraçãodenósutilizaumalgoritmosemelhanteaométodo BranchandBound,desenvolvidoporRyaneFoser(1975).
Nasegundafasedoreferidoartigo,oproblemadeencon- trarocaminhocomcustomínimofoiresolvidoutilizando-seoalgoritmodaProgramaçãoDinâmicabackward.Estes caminhosformamaspossíveisjornadasdiáriasdetrabalho demotoristasecobradoresdeônibus,utilizando-seosnós geradospelométododegeraçãodecolunas.Otrabalhofoi implementadoemumacidadeamericanaeoutrabritânica,e osresultadosdométodopropostopelosautoresforamme- lhoresdoqueosresultadosdosalgoritmosheurísticosutili-zadosnascidadescitadasnesteartigo.
tem feito com que se torne uma ferramenta genérica para resolverumagrandevariedadedeproblemasdetransporte público,incluindoproblemasdehoráriosdeônibusemoto-ristas.Osautoresdescrevemosproblemasdeconstruçãode horáriosparacondutoresdeônibusecondutoresdetrens.
WreneGualda(1997)apresentamaaplicaçãodesistemas desenvolvidosnaUniversidadedeLeeds,paraaconstruçãode jornadasdetrabalhodemotoristasdeônibus.Estessistemas foramaplicadosnascidadesdeFortaleza,SãoPauloeSoroca- ba.Astabelasdehoráriosdosônibussãodivididasemjorna-das,utilizando-seosistemaBoost(BasisforObjectOriented SchedulingofTransport),edesignadasaosmotoristasusandoo sistemaIMPACSouosistemaTracsII.Cadajornadadeveter duraçãopróximadopadrãoidealdecadacidade.Estasdivisões nem sempre são bem aproveitadas, pois, nestas três cidades, existemintervalospararefeiçãoprevistosnofinaldamanhãe nofinaldatarde.Estesintervalostêmduraçãode30minutos,e sãocolocadosnofinaldajornadadetrabalhodomotorista.
Emumaprimeirafasedoreferidotrabalho,criam-seas tabelas para cobrir a demanda dos usuários de transporte coletivo,geralmentefeitasporsimulação.Emseguida,apli-ca-se um dos sistemas citados para cobrir as tabelas, com asjornadasdetrabalhodosmotoristas.Comasjornadasde trabalho construídas, criam-se os intervalos para refeição. Na última fase, as jornadas de trabalho e os intervalos de refeiçãosãoreconsiderados.Osresultadosencontradosnas três cidades foram considerados satisfatórios, sendo que ocorreram melhorias nos resultados, quando foram feitas mudanças na duração padrão dos intervalos de refeição, e nopadrãoidealdetrabalhodosmotoristas.
Fores et al. (2002) apresentam em seu artigo uma ferra-mentadeProgramaçãoLinearInteiraflexível“dirigidapelo usuário”,paraaotimizaçãodosistemaTracsII,queexecutaa construçãodehoráriosparacondutoresdeônibusedetrem.O novosistemapermiteaousuárioselecionar,dentremuitas,um certonúmerodefunçõesobjetivoe“dirigir”arelaxaçãoda ProgramaçãoLinear,deacordocomaexperiênciaadquirida emresolverdiversostiposdeproblemasrelevantes.
Oproblemadaconstruçãodejornadasdetrabalhoparaatri-pulaçãoferroviáriaassemelha-seaoproblemadejornadaspara motoristasdeônibus(Capraraetal.,1997).Considera-se,ini-cialmente,umatabeladeserviçosasercumpridadiariamente, emcertosperíodosdetempo,definindo-sealgunssegmentosde jornadasdetrabalho,ostemposinicialefinaldeumajornada, alémdasestaçõesdeentradaedesaídaparaumfuncionário.
Oproblema,descritoemCapraraetal.(1997),consiste emencontrarumconjuntodeescalas,quecobretodaatri-pulaçãoesatisfazademandadepassageiros,comumcusto mínimo. Para resolver este problema, os autores conside-ram um grafo direcionado, no qual o arco (i, j) existe se, esomentese,asequênciadetrabalho(i,j)existir,ouseja, ofuncionárioj podesubstituirofuncionárioiemumade-terminadaestação.Osautoresutilizaramomodeloclássico decoberturadevértices,comarelaxaçãoLagrangeanapara modelos de Programação Linear Inteira. Este trabalho foi
implementadoemumacompanhiaférreaitaliana,eosresul-tados desta aproximação Lagrangeana foram melhores do queosresultadosheurísticos,utilizadospelacompanhia.
UmaaplicaçãodaPesquisaOperacionalnaconstruçãode escalasparatripulaçãoaéreapodeserencontradaemGama- cheetal.(1999).Osautorespropõemaresoluçãodestepro-blemaemduasfases.Naprimeirafase,formam-separesde segmentosdevôoemdoisdiasconsecutivos,nosquaisatri-pulaçãoviajaeretornaàcidadebase.Algunsdiasisolados, quenãoformampares,sãoseparadosdosdemaisperíodos.
Oproblemadetripulaçãoemparesconsisteemencontrar oconjuntodeparesquecobretodosossegmentosdevôo, comcustomínimo.Ocustodeumpardevôoédadopela duração total deste par. Na segunda fase do artigo, toma-sealistagemdatripulação,construindo-seaescalamensal personalizadaparacadafuncionário,deacordocomsuaati-vidade.Nesteproblema,osautoresoptarampelaaplicação do método de geração de colunas, gerando vários subpro- blemasNP-Hard.Algumasrelaxaçõeslineareseaproxima-çõesnasoluçãofinalforamfeitasnométododegeraçãode colunas,comoobjetivodereduzirotempocomputacional. EsteprocedimentodesoluçãofoitestadonacompanhiaAir France,eosresultadosencontradossãomelhoresdoqueos métodosheurísticosutilizadospelacompanhia.
OutroproblemarelacionadoéilustradoporCapraraetal. (2002).Osautoresexaminamoproblemadeumcallcenter italiano,quepertenceaumacompanhiaqueatendeoSOS deaparelhoseletrônicos.Oproblemaéprogramaroshorá-riosdosempregadosdacompanhia,queatendemchamadas deemergência24horaspordia.Oobjetivoparaoproble-maéminimizaronúmerototaldeatendentes.Oproblema éresolvidoemduasetapas.Naprimeira,sãodeterminados o número mínimo de empregados e o padrão de trabalho associadoparacadaempregado,ouseja,osdiasnosquais oempregadotrabalhaeosdiasnosquaiseledescansa.Este passoéalcançadopelaformulaçãodoproblemacomoum Problema de Programação Inteira, encontrando a solução pormeiodoMétodoBranchandBound.Nasegundaetapaé feitoobalanceamentodacargahoráriadetrabalhoentreos empregados,sempreassegurandoaviabilidadedasolução. Estafaseéresolvidaheuristicamentecomoumaseqüência deProblemasdeTransporte,umparacadadiadoperíodo.
Nota-sequeostrabalhosmencionadosnestaseção,queuti-lizamoAlgoritmodoMatching,limitamsuaimplementaçãoà fasedeconstruçãodejornadasduplasdetrabalho.Opresente trabalhopretendemostrarautilizaçãodoAlgoritmoclássico doMatching,emdiversasfasesdaconstruçãodejornadasde trabalhoparamotoristasecobradoresdeônibus,inclusivena fasefinal,dedesignaçãodasjornadasaosfuncionários.
3.Descriçãodoproblemareal
ristasecobradoresdeônibus,minimizandoonúmerodefun-cionários,dehorasextrasedehorasociosas.Estetrabalhofoi aplicadonacidadedeCuritibaeaaplicaçãodemetodologiase- melhantepodeserimplementadaemoutrascidades.EmCuri-tiba, as empresas de transporte coletivo utilizam as jornadas semanaisdetrabalhodosmotoristasecobradorescompadrão idealdeduraçãoiguala36horas,ecadafuncionáriotrabalha 6diasporsemana.Asjornadassemanaiscomduraçãomaiordo queopadrãoidealrepresentamumcustomaiorparaaempresa, poisoqueexcedeas36horasécontabilizadocomohoraextra, eovalorpagopelahoraextraé50%maior.Jornadassemanais comduraçãomenordoqueopadrãoideal,representamocio-sidadeparaaempresaedevemserevitadastambém,jáquea empresaéobrigadaapagarpelas36horasnestescasos.
Oserviçodetransporteurbanodiferedosoutrosserviços, poistemcaracterísticaspróprias.Existeumagrandedemanda emalgunshorários,comonoiníciodamanhãenofinalda tarde,enosdemaishoráriosademandaébemmenor.Desta forma,existemlinhasdeônibusqueoperamcontinuamente durantegrandepartedodia,enquantooutrasoperamsomen-tenoshoráriosdemaiordemanda.Aslinhasdeônibus,que possuem tabelas de horário muito extensas, devem ter suas tabelasdivididasemescalasdetrabalho,comduraçãomenor doqueaduraçãomáximapermitidaparaumajornadadiária detrabalhoparaummotoristadeônibus.
Assimsendo,astabelasdehoráriosdosônibussãofei-tasdeacordocomademandadeusuários,queimplicaem horários de início e término desencontrados, e dificulta a elaboraçãodasjornadasdetrabalho.Outradificuldadedes-teproblemaéanecessidadedocumprimentodalegislação trabalhistaedosacordoscomoSindicatodosTrabalhado-res,poisesteconjuntoderegrasimpede,muitasvezes,um melhoraproveitamentodoshorários.Estasregrassãoapre-sentadasnaSeção5destetrabalho.
Ométododeresoluçãopropostofazaconstruçãodejorna-dasdetrabalhoemtrêsetapas.Iniciando-sepelastabelasdos ônibus,combinam-seasescalasdetrabalhodecurtaduração entresi,formando-sejornadasdiáriasduplasdetrabalhocom duraçãopróximaàduraçãoideal,ouseja,6horas.Asescalas quetêmduraçãopróximade6horasnãonecessitamdeou-traescalaparacombinar,formando-seadenominadajornada simplesdetrabalho.Nasegundafase,asjornadasdetrabalho de dias úteis são combinadas com jornadas de trabalho de finaldesemana,formando-seajornadasemanaldetrabalho completadecadafuncionário.Naterceiraeúltimaetapa,as jornadasdetrabalhosãodesignadasparaosfuncionáriosdas empresas,finalizando-seoprocesso.
OAlgoritmodoMatchingcomPesosfoiutilizadoemto-dasasetapasdestetrabalho,esuaformulaçãomatemáticaé apresentadanaseçãoaseguir.
4.Problemado
Matching
compesos
ConformeAhujaetal.(1993),umMatchingemumgrafo G(X,A)éumconjuntodearcosquerespeitaapropriedade
detodonóserincidentea,nomáximo,umarcodoconjun-to;assimsendo,umMatchinginduzumemparelhamentode nósemumgrafo,usandoosarcosdoconjuntoA.Oproble-madeMatchingprocuraumemparelhamentoqueotimize umcritérioanteriormenteestabelecido.
ExistemduasmaneirasdeclassificarproblemasdeMa- tching:“ProblemasdeMatchingdeCardinalidade”,quema-ximizam o número de emparelhamentos, e “Problemas de MatchingPonderados”,quemaximizam(ouminimizam)o pesodosarcosqueformamemparelhamento.
Nestetrabalho,utiliza-seoMatchingponderado,estabe- lecendo-secombinaçõesdevértices,comoobjetivodema- ximizarasomadospesosdosarcosdefinidosentreosvérti-cescombinados.Cadavérticepodesercombinadocom,no máximo,umoutrovértice,formando-seosemparelhamen-tos,comomostraoexemplorepresentadonaFigura1,no qualtem-seque,dos7vérticesdados,háumMatchingentre osvértices(1,3),(2,5),e(6,7).Observe-seaindaque,neste exemplo,ovértice4ficouisoladoouexposto.Valelembrar queesteéapenasumexemplo,equenestegrafopodemser obtidosoutrosconjuntosdeemparelhamentos.
SejaXumconjuntodevérticeseAumconjuntodearcos associadosaoselementosdeX.SejaG(X,A)umgrafonão direcionado,compesos(oucustos)pijatribuídosaosarcos ak∈ A,nosquaisiejsãovérticesdoconjuntoX.Denomina-seMatchingumconjuntodeparesdevérticesdeumgrafo compesosnãonulos,taisquecadavérticedeveformar,no máximo, um par. Deste modo, umMatching de um grafo G(X,A)éumsubconjuntoMdoconjuntoAdearcosdeG, escolhidosdetalmaneiraquecadavérticeéaextremidade de,nomáximo,umarcodeM,ouseja,nãoexistemarcos adjacentesemM(Christofides,1975).
SejamV={V1,V2, ...,Vz} o conjunto de todos os sub-conjuntos de vértices com cardinalidade ímpar do grafo G(X,A),Tm oconjuntodetodososarcoscomasextremida-desnoconjuntodevérticesVmeT={T1,T2,...,Tz }.Onúme-rodevérticesdeVmédadopor(2nm+1),emquenm∈Ν.Um conjuntoMatchingdeumconjuntoTmnãopodecontermais doquenmmembrosdeTm.Porexemplo,umconjuntoV1com 3vérticestemonúmerodevérticesdadopor2nm+1=3, ousejanm=1.OconjuntodearcosT1,quepertencemao conjuntoV1,nãopodecontermaisdoquenm arcosperten-centesaoconjuntoMatching,ouseja,todosossubconjuntos devérticesdeumgrafoG(X,A)com3vérticesnãopodem contermaisdoqueumarconoconjuntoMatching.Seesta
1 2 5
3 6
7 4
5:18 7:58
7:25 10:45
10:15 15:00
14:32 16:57
Escala 3
Escala 4 Escala 1
Escala 2
condiçãoforviolada,umvérticepodeconterdoisarcosno conjuntoMatching.
OProblemadoMatchingdepesomáximopodeserfor-muladocomoumProblemadeProgramaçãoLinearInteiro, noqualasvariáveisestruturaissãoxij.Assim,seoarco(i,j) nãopertenceraM,xij=0e,casocontrário,xij=1(Minieka, 1978).UmapossívelformulaçãoparaoProblemado Ma-tchingdepesomáximopodeserdadapor:
Maximizar pijxij (1)
Sujeitoa (xij+xji) (2)
xij ondem=1,2,...,z (3)
xij={0,1}∀(i,j). (4)
Afunçãoobjetivo(1)representaopesototaldosarcos pertencentes ao conjuntoM. O conjunto de restrições (2) garantequecadanóipodeter,nomáximo,umarco(i,j) pertencente ao conjuntoMatching, considerando-se todas aspossíveisligaçõesentreonói.Oconjuntoderestrições (3)abrangetodosossubconjuntoscomcardinalidadeímpar do grafoG, impedindo-se a formação de arcos adjacentes pertencentes ao conjuntoMatching. O conjunto de restri-ções(4)exigequetodasasvariáveissejambinárias.
OAlgoritmodoMatchingdepesomáximofoiconstru-ídobaseando-senascondiçõesdefolgacomplementardos problemas primal e dual, e sua complexidade é da ordem O(n3)(Christofides,1975),emquenéonúmerodevértices
dografoG.Asuacomplexidadealgorítmicademonstraque trata-sedeumalgoritmobastanteeficiente.
A descrição detalhada doAlgoritmo doMatching, de-vidoaEdmondseJohnson(1970),podeserencontradana literaturae,porserbastanteconhecida,nãoéapresentada nestetrabalho.
O“ProblemadoMatchingPonderadoemumgrafobipar-tido”étambémconhecidocomo“ProblemadeDesignação” (Christofides,1975eAhujaetal.,1993).
AtécnicamaisconhecidanaliteraturapararesolveroPro-blemadaDesignaçãoéoMétodoHúngaro.Estatécnicaéuma simplificação do Algoritmo doMatching de peso máximo, desconsiderando-seasformaçõesdeciclosímparesnografo G,e,porestemotivo,optou-sepelaimplementaçãodoAlgo-ritmogenéricodoMatching,anteriormenteespecificado.
5.Metodologiaadotada
EmCuritiba,astabelasdoshoráriosdaslinhasdeônibus sãoelaboradaspelaURBS(UrbanizaçãodeCuritiba,S.A., órgãodaPrefeituraMunicipal)pormeiodesimulaçõesda demandadecadalinha,eestastabelassãoentreguesàsem-presasadministradorasdaslinhasdeônibus.Nestastabelas, existem linhas de ônibus que devem operar durante o dia todo,assimcomoexistemlinhasqueoperamsomenteem
horáriosdemaiordemanda,comonoiníciodamanhã,ouno finaldatarde.Destaforma,algumastabelasdevemserdivi-didasem“pedaços”detrabalho,quesãodesignadosparaos funcionáriosdisponíveisdecadaempresa.
Nestafasepreliminardotrabalho,sãofeitasdivisõesdas escalasdelongaduraçãodaslinhasdeônibus,obtendo-se escalasquepodemsercombinadascomasdemais,forman-do-sejornadasdiáriasdetrabalhoparaosfuncionários.Cada linhadeônibuspossuioschamadospontosde“rendição”, quesãolocais,nosquaissãopossíveisastrocasdemotoris-tase/oucobradores.Esteslocaissãogeralmenteterminais deônibusouopontofinaldalinha.Asdivisõesdasescalas sãofeitasdeacordocomestespontosde“rendição”decada linha.Algumasempresasutilizamumsistemaquefazestas divisões,utilizandooprocedimentodesenvolvidoporCar-nierieSteiner(1997ae1997b),quefazuso,basicamente, datécnicadaProgramaçãoDinâmica,enquantoqueoutras empresasfazemtodososcálculosmanualmente.
AtécnicautilizadaporCarnierieSteiner(1997),parafazeras divisõesdasjornadasdelongaduração,iniciacomoscálculos dajornadadetrabalhoidealparaosdiasúteis,eajornadaideal paraosfinaisdesemana.Oobjetivodajornadaidealestáem seobterumequilíbrio,entreonúmeronecessáriodemotoristas nosdiasúteisenofimdesemana.Adivisãodecadajornadade trabalhodelongaduraçãoédefinidapelaProgramaçãoDinâmi-ca,emquecadadivisãoéumestágio,ecadapontopossívelde rendiçãoéumestadodavariáveldeestados.Ovalordeestado éapenalidadeacumuladadequantocadajornadaseafastada jornadaidealdetrabalho,sendoqueoafastamentoporexcessoé multiplicadopor1,5,poisahoraextratemcusto50%maior.
Outraquestãoaseconsiderarnestatécnicaéaexistência dasjornadascurtas,noiníciodamanhãenofinaldetarde, quedevemsercombinadascomoutrasjornadascurtas,cujos horários devem ser próximos do horário de almoço. Estas jornadas curtas são geradas pela Programação Dinâmica, priorizando-asnasdivisõespróximasdohoráriodealmoço, e utilizando a jornada ideal de trabalho, para este horário, comosendoametadedajornadaidealutilizadanosdemais horários.Destaforma,tem-seaformaçãodeescalasdecur-taduraçãopróximasdohoráriodoalmoço,quepodemser combinadascomasescalasdecurtaduraçãodoshoráriosde rush, formando uma jornada de trabalho dupla. Nos casos emqueajornadadivididatemduraçãopróximadaideal,não existeanecessidadedecombiná-lacomoutrajornada.
Ametodologiapropostanestetrabalhoconstade3fases, descritasdetalhadamenteaseguir.
1afase:AutilizaçãodoAlgoritmodoMatchingdepeso
detrabalhoresultantesdafasepreliminarjápossuemduração próximaàduraçãoideal,de6horas,nãohavendoanecessidade decombiná-lascomoutrasescalas.Porexemplo,naFigura1, as escalas apresentadas podem ser combinadas para formar umajornadadiáriadeumfuncionário,ouseja,asEscalas1e 3formamumajornadadetrabalhofactível,easEscalas2e4 formamoutrajornadadetrabalhofactível,desdequeaduração dajornadafinalnãoultrapasseaduraçãofinalpermitida.
Nestafasedoproblema,ascombinaçõesdasescalassão feitaspormeiodoAlgoritmodoMatchingdepesomáximo, emquecadaescalaérepresentadaporumvérticevdeum conjuntodevérticesVemumgrafoG(V,A),eosarcosper-tencentes ao conjuntoA representam combinações factíveis deescalas.Quandoumacombinaçãodeescalasnãoforpossí-vel,oarcoentreessasduasescalasnãoexiste,ouseja,opeso dacombinaçãoénulo.NoexemplodaFigura1,ascombina-çõesentreasEscalas1e2,eentreasEscalas3e4nãopodem serfeitas,poisexistecoincidênciadepartedoshorários,oque implicanaexistênciadepesosnulosentreestasescalas.
Aconstruçãodospesosparaasdemaiscombinaçõesfoi propostaporSiqueira(1999)eestádescritaaseguir.Nesta fase,opesomáximo(escolhidocomoiguala100)éatribuí-doaosarcosquerepresentamcombinaçõesquetêmduração igualaopadrãoidealdiário,de6horas.Asdemaiscombi-nações têm arcos com pesos proporcionais que variam de acordocomsuasrespectivasdurações.Seumacombinação temduraçãototalmenordoque6horas,opesoproporcional destacombinaçãoédadopor:
p(i,j)=100. d(i)+d(j)
6 (5)
emqued(i)ed(j)sãoasduraçõesdasescalasiej,respec-tivamente.Quandoumacombinaçãodeescalastemduração totalmaiordoque6horas,opesoproporcionaldestacom-binaçãoédadopor:
p(i,j)= (6)
Asigualdades(5)e(6)indicamquequantomaioronú-merodehorasociosasoudehorasextras,respectivamente, formadaspelacombinaçãodasescalasiej,menoréopeso dacombinaçãoentreessasescalas.
Deacordocomleistrabalhistasconsideradasnestaimple-mentação,ummotoristadeveter,nomáximo,duasescalas decurtaduraçãoemsuajornadadiária,eestasdevemterum intervalomínimode1horaemáximode5horasentreelas. As combinações que não estiverem neste intervalo, devem terpesosnulos.
As empresas de transporte coletivo podem minimizar custos com a construção de jornadas duplas de trabalho, poisduasescalassãodesignadasparaumúnicofuncioná- rio.EmCuritiba,sãopermitidasapenasasjornadasdetra- balhosimpleseduplas,enãoexisterestriçãoquantoaonú-merodejornadasduplas.Asjornadasduplasadmitemum intervaloentreasduasescalas,mas,deumaformageral,os funcionários preferem as jornadas simples, pois não suem este intervalo, permitindo que os funcionários pos-samteroutrasatividadesnodecorrerdodia.Alémdisso,as jornadasduplaspodemserconstituídasporduasescalasde linhasdeônibusdistintas,fatoquetambém,emgeral,não agradaaosfuncionários.
Asjornadasdetrabalhodiárias,construídasnestafasedo problema, não têm horário reservado para as refeições dos funcionários, sendo que eles administram estes horários da formaquemaislhesconvém.Emoutrascidadesbrasileiras, comoFortalezaporexemplo,existeumintervaloderefeição nofinaldamanhãeoutronofinaldatarde,paracadafuncio-nário(WreneGualda,1997).
Conformejámencionado,algumasempresasutilizamum algoritmo heurístico, baseado na forma como eram feitas manualmenteascombinaçõesdeescalas,pelosfuncionários encarregadosparaexecutarestatarefa.Outrasempresasfa- zemtodaaconstruçãodasescalasdefuncionáriosmanual-mente.NaTabela1,encontram-seosresultadosnestafasedo problema,comautilizaçãodoAlgoritmodoMatchingpon-derado,comparando-seestescomosresultadosdasempresas que utilizam o algoritmo heurístico citado. Nesta tabela, o númerodejornadasdetrabalhoobtidasrepresentaonúmero defuncionáriosnecessários,paraatenderademandadasjor-nadasdediasúteisedefinaisdesemana,decadaempresa. Valelembrarqueestasquantidadesconsideramasjornadas simpleseasjornadasduplas,cadaumadelascontabilizando uma unidade na referida tabela, e que o mesmo algoritmo heurísticoéutilizadoporestastrêsempresasconsideradas.
1 2 5
3 6
7 4
5:18 7:58
7:25 10:45
10:15 15:00
14:32 16:57
Escala 3
Escala 4 Escala 1
Escala 2
2afase:AutilizaçãodoAlgoritmodoMatchingdepeso
máximoparaadesignaçãodejornadasdediasúteispara asjornadasdefimdesemana.
Outraleitrabalhistadeterminaqueumhoráriodefinalde semanapodeserdesignadoparacadamotoristaecobrador. Estaéasegundafasedoproblema,eoModelodaDesig-nação,apresentadonaSeção4.2,foiresolvidopormeiodo AlgoritmodoMatchingdepesomáximo(Christofides,1975 eSiqueira,1999).Nestafasefoiatribuídoopesomáximo, iguala100,àscombinaçõesquetêmduraçãoigualaopa-drão ideal semanal de 36 horas. Os demais pesos propor-cionaissãoconstruídosdemaneiraanálogaàconstruçãode pesosdafaseanterior.
Oresultadodestafaseéaatribuiçãodeumajornadade finaldesemanaparacadajornadasemanaldediaútil,for-mando-seajornadasemanaldetrabalhodecadafuncionário comcustomínimo.
Em todas as tabelas das empresas de transporte coleti-vo de Curitiba, o número de jornadas de final de semana (considerando-sejuntamentesábadosedomingos)éde10% a 20% maior do que o número de jornadas de dias úteis, dependendo dos bairros atendidos pelas empresas. Deste modo,algumasjornadasdefinaldesemanaficamsemde-signação para uma jornada de dia útil. Estas jornadas são atribuídas,então,aosfuncionáriosdenominadosplantonis- tas,quenosdiasúteisfazemplantãonasempresas,substi-tuindo funcionários em casos de faltas ou acidentes. Para cadafuncionárioplantonista,devemserdesignadasumajor-nadadesábadoeoutradedomingo;destaforma,onúmero totalnecessáriodemotoristaséigualaonúmerodejornadas dediasúteis,somadocomametadedonúmerodejornadas definaldesemanasemdesignação.Estesresultadospodem
serconstatadosnaTabela2,nascolunasreferentesàsjorna-dasdefinaisdesemana(sábadoedomingo)enacolunade plantonistas.Nestatabela,têm-se,então,asquantidadesto-taisdemotoristasqueasempresasnecessitamparacumprir aTabela1construídanafaseanterior.
Vale salientar que as empresas constroem as escalas separadamente, de acordo com as categorias de linhas de ônibus.Asmaiorescategoriaspossuem,aproximadamente, 400escalasdiáriasdetrabalho.
3ªfase:AutilizaçãodoAlgoritmodoMatchingdepeso máximonadesignaçãodasjornadassemanaisdetraba-lhoaosfuncionários.
Apósaconstruçãodasjornadasdetrabalhodosmotoris-tasedoscobradoresdeônibus,aterceiraeúltimafasedo problemaconsistenadesignaçãodecadafuncionárioauma jornadasemanaldetrabalho.
Vale lembrar que as tabelas de horários dos ônibus são bastantedinâmicas,esofremalteraçõesconstantementepor diversosmotivos,taiscomoaalteraçãodademandaemal-gumaslinhasdeônibusouaimplementaçãodenovaslinhas, eaeliminaçãodeoutraslinhas.Nestescasos,asjornadasse- manaisdetrabalhosofremalterações,eumanovadesigna-çãodejornadasdeveserfeitae,conseqüentemente,devem serfeitasnovamenteasdesignaçõesdetaisjornadasaosfun-cionários.Noscasosemqueexistemmudançasnoquadro defuncionários,taiscomofuncionáriosquesãodemitidos ouqueentramemférias,existeanecessidadedaexecução somente da designação dos funcionários às jornadas, pois estasnãosofremalteraçõesnestescasos.
Nosdoiscasoscitados,devemserfeitasmudançasnasde-signaçõesdefuncionáriosàsjornadasdetrabalhovigentes.O objetivodestafaseé,alémdefazeradesignaçãootimizada
Tabela1.QuantidadedejornadasdetrabalhoconstruídaspelosmétodosHeurístico(H)eMatching(M).
Diasúteis Sábado Domingo
H M H M H M
CidadeSorriso 284 284 162 161 132 131
Redentor 291 291 165 162 134 133
Glória 305 297 174 174 151 151
Tabela2.Quantidadedemotoristaseplantonistasnecessáriaemcadaempresa.
Algoritmoheurístico
Diasúteis Sábado Domingo Motoristas Plantonistas Total
CidadeSorriso 284 162 132 284 5 289
Redentor 291 165 134 291 4 295
Glória 305 174 151 305 10 315
AlgoritmoexatodoMatching
Diasúteis Sábado Domingo Motoristas Plantonistas Total
CidadeSorriso 284 161 131 284 4 288
Redentor 291 162 133 291 2 293
dosfuncionáriosàsjornadas,minimizarasalteraçõesnasjor-nadasdetrabalho,evitandotranstornosaosfuncionários.Isto éfeito,verificando-seaproximidadedasjornadasanteriores comasatuais,pormeiodoshoráriosdeinícioedetérmino dasjornadas,ecomparando-seaslinhasqueosfuncionários faziamanteriormente,easlinhasdastabelasatuais.
Novamente,oAlgoritmodoMatchingcompesosfoiuti- lizado,atribuindo-seopesomáximoiguala100,àsdesigna-çõesdejornadasquemaisseaproximamdasjornadasqueos funcionáriosfaziamanteriormente.
Inicialmente,todasascombinaçõesdeescalasparafun- cionáriospossuempesomáximo.Acadaintervalodetem-po, que a nova jornada difere da jornada anterior de um funcionário,opesodadesignaçãodanovajornadaparao funcionáriosofreumdesconto.Utilizou-seumdescontode 20pontosparacada15minutosdediferençaentreasjorna-das.Quandoalinhadanovajornadaédiferentedalinhaque o funcionário fazia, o peso da designação do funcionário, paraanovajornada,sofreumdescontode20pontos.
NaTabela3,encontram-seosresultadosobtidosnestafase, naqualsãocolocadosospesosmáximoemínimoencontrados emcadaempresa,alémdopesomédioquemedeoníveldesa-tisfaçãodosfuncionários,comasnovastabelasencontradas.
Aotimizaçãonadesignaçãodosfuncionáriosàsjornadasé extremamenteimportante,poisalgunsfuncionáriosnãotêm disponibilidadeemtodososhorários,jáquepodempossuir umoutroemprego,ouentãopodemestudaremumdetermi- nadoperíodo.Destaforma,anovajornadadeumfuncioná-riodeveterohoráriocompatívelcomsuadisponibilidade,e, quandoestarestriçãoforviolada,opesodadesignaçãodo funcionário,paraanovajornada,devesernulo.
Quandoumfuncionáriotemjornadassimples,esuapreferên- ciaépelajornadasimples,opesodascombinaçõesdestefuncio-náriocomasjornadasduplassofreumdescontode50pontos.
6.Análisedosresultados
AmetodologiaapresentadanaSeção5destetrabalhofoi aplicadaemtrêsempresasdetransportecoletivodacidade deCuritiba,conformejámostradonamesmaseção,naqual osalgoritmosutilizadosanteriormenteeramtodosheurísti-cos.OsresultadosobtidospeloAlgoritmodoMatchingde pesomáximoforammelhoresdoqueosresultadosdosalgo-ritmosheurísticos,emtodasastrêsfases.
NaTabela1,queapresentaaquantidadedejornadasdi-áriasdetrabalho(1afase),pode-severificarquehouveuma
reduçãomédiade,aproximadamente,1%paraosdiasúteis e0,7%paraosfinaisdesemana,comautilizaçãodoAlgo-ritmodoMatchingemrelaçãoaoalgoritmoheurístico.
Jáparaa2afasedoproblema,dandocontinuidadeàresolução
doproblema,tem-senaTabela2,queapresentaaquantidadeto-taldemotoristaseplantonistasparacadaempresa,umamelhoria médiade,aproximadamente,0,8%,que,aprincípio,podenão parecertãosignificativa,masquenaverdaderetrataaeconomia com7funcionários[(289+295+315)-(288+293+311)],
melhoriaquenãopodeserdesprezadapelasempresas.
Para a 3a fase, considerando-se os pesos como nível de
satisfação dos funcionários com as novas jornadas de tra-balho,obteve-se,emmédia,níveissuperioresa90%coma aplicaçãodoAlgoritmodoMatching.
Estesresultadosforamconsideradosbastantesatisfatórios, mostrandoqueaimplementaçãodestetrabalhonasempresas citadasseriabastanteútil.Deve-seobservarque,apesardo AlgoritmodoMatchingserumalgoritmoexato,osresulta-dosobtidosnestetrabalhosãoaproximados,jáqueoreferido algoritmo foi aplicado em três diferentes etapas. Há ainda oaspectodospesos,poiscomoestespodemsertratadosde diferentesformas,odesempenhodoAlgoritmodoMatching tambémpoderávariardentrodeumamesmafase.
NaTabela4encontram-seosresultadosparaasempresaspes- quisadase,comopode-severificar,houveumareduçãosignifica- tivanaquantidadedehorasextrasedehorasociosas,nestasem-presas.Osvaloresparaasreferidashoras(extraseociosas)foram obtidossomando-seasdiferençasentreasduraçõesdasjornadas semanaisdetrabalho,construídasnestetrabalho,eaduraçãoda jornadapadrãoideal,quenestecasoéde36horassemanais.
OtempocomputacionaltotalparaaexecuçãodoAlgoritmo doMatchingemtodasastrêsfases,emummicrocomputador PentiumII,de400MHz,foide,aproximadamente,10minu-tosemproblemasemque600vérticesforamconsiderados. Vale lembrar que tais vértices podem ser considerados so- menteescalasdetrabalho(nasduasprimeirasfasesdoproble-ma),bemcomojornadasdetrabalhoefuncionários(naúltima fase). Na última fase, encontram-se as maiores matrizes de vértices,poistêm-sejornadasdetrabalhoefuncionários,au-mentando-seadimensãodoproblemae,conseqüentemente,o tempocomputacionalparaaexecuçãodestafase.
7.Conclusões
OpresentetrabalhodemonstraqueoAlgoritmoclássico doMatchingcompesospodeseraplicadoemproblemasde
Tabela3.Pesosencontradosna3afasedadesignação.
menorpeso maiorpeso média
CidadeSorriso Redentor
Glória
10 30 20
100 100 100
87 94 92
Tabela4.Comparativodoresultadofinalpelométodo Heurístico(H)epelométododoMatching(M).
Motoristas Horasextras Horasociosas
Cidade Sorriso
H 289 150 227
M 288 140 122
Redentor H 295 142 197
M 293 137 172
Glória H 315 172 241
construçãodejornadasparafuncionáriosdetransportecole-tivo,deformabastantesatisfatória.
A eficácia da metodologia proposta foi comprovada, e seu tempocomputacionalfoiextremamentesatisfatório,mostrando, destaforma,quealgoritmosheurísticosclássicostambémpodem serutilizadosnaresoluçãodestetipodeproblema,apenaslem-brandoqueassuassoluçõesnemsempresãoótimasglobais.
Outro fator que influenciou positivamente a eficácia da metodologiaproposta,foiasuaexecuçãoporpartes,con-formeascategoriasdaslinhasdeônibus.ComooAlgoritmo doMatchingcompesosédaordemO(n3),aoconsiderar-se
umnúmeromuitograndedeescalas,oseutempocompu-tacional,provavelmente,comprometeriaasuaimplantação. Dequalquerforma,estametodologiaderesoluçãopodeser aplicada em cidades em que as linhas de ônibus não são separadas por categorias também, desde que em uma fase inicialefetue-seumaseparaçãoemgruposdelinhas,como objetivodereduzirotempocomputacionaldoalgoritmo.
Estetrabalhofoiimplantadonasempresascitadas,e,al-gunsmesesdepois,emoutrastrêsempresasqueoperamna cidadedeCuritiba,alémdeoutrasduasqueoperamnare-giãometropolitanadacidade.
Ametodologiaaquiapresentada,desenvolvidaeaplicada aos dados dos motoristas de ônibus, foi utilizada de forma análoga aos dados dos cobradores.A única diferença entre
motoristasecobradoreséque,aofinaldajornada,oscobra-dorespossuemtrintaminutosamaisemsuasjornadas,para que possam deslocar-se até a empresa, para prestar contas deseudiadetrabalho.Porestemotivo,astrêsfasesdevem serexecutadasemseparado,nãoexistindoapossibilidadede aproveitamentodasescalasconstruídasparaosmotoristasnas duasprimeirasfasesmostradasnestetrabalho.Osresultados paraoscobradoresforamomitidos,poissãomuitoparecidos comosresultadosmostradosparaosmotoristasdeônibus.
Umametodologiasemelhantepodeseraplicada,também, aqualqueroutracidade,fazendo-seasadaptaçõesnecessá-rias, de acordo com os interesses e leis trabalhistas locais. Emcidades,nasquaissãoprevistosintervalospararefeição, ométodopropostonesteartigopodeserfacilmenteadaptado, considerando-sequeohorárioderefeiçãodevesercumprido emumdeterminadoperíodo,comsuarespectivaduração.
Osproblemasdetripulaçãoaéreaeferroviária,citadosna Seção2destetrabalho,tambémpodemsermodeladosdefor- masemelhanteaquefoiapresentadanestetrabalho.Asseqü-ênciasdetrabalhodetripulaçõesferroviáriasouaéreasque sãofactíveis,podemserrepresentadasporarcosdeumgrafo nãodirecionado,comumdeterminadopesoatribuídoacada combinação.Destaforma,oAlgoritmodoMatchingcompe-sospodeseraplicadoparaestesproblemas,easrestriçõesde cadatipodetripulaçãopodemserfacilmenteadaptadas.
AHUJA, R.K.; MAGNANTI, T.L.; ORLIN, J.B.Network Flows–Theory,AlgorithmsandApplications.Prentice Hall,NewJersey,1993.
BERGMANN,D.R.;BODIN,L.Preprintworkshoponau-tomated technique for scheduling of vehicle operators forurbanpublictransportationservices(eds.).Chicago, USA,1975.
BLAIS, J.Y.; LAPORTE, G.; LESSARD, R.; ROUSSEAU, J.M.;Soumis,F.Theproblemofassigningdriverstobus routesinanurbantransitsystem.Report,n.44.Centre DeRechercheSurLesTransports,UniversitédeMontréal, 1976.
CAPRARA,A.;FISCHETTI,M.;TOTH,P.;VIGO,D.;GUI- DA,P.L.Algorithmsforrailwaycrewmanagement.Math-ematicalProgramming,n.79,p.125-141,1997.
CAPRARA,A.;MONACI,M.;TOTH,P.ModelsandAlgorithms forStaffSchedulingProblems.AbstractsAppliedCombina-torial Optimization - IVALIO/EUROWorkshop, Pucón, Chile,2002.
CARNIERI, C.; STEINER, M.T.A. Um sistema de progra-mação de escala para motoristas de ônibus.AnaisdoXX CNMAC,CongressoNacionaldeMatemáticaAplicadae Computacional.Gramado,RS,1997a.
ReferênciasBibliográficas
______.Asystemforbusdriversscheduling,EuroXV,Informs XXXIV-InstituteforOperationsResearchandtheMan-agementsSciences.Barcelona,Espanha,1997b.
CHRISTOFIDES, N.,Graph Theory, an algorithmic ap-proach.AcademicPress,NewYork,USA,1975.
DESROCHERS, M.; SOUMIS,F. A column generation ap- proachtotheurbantransitcrewschedulingproblem.Trans-portationScience,v.23,n.1,p.1-13,1989.
EDMONDS, J.; JOHNSON, E.L.Matching: a well solved class of integer linear programs. Combinatorial struc-turesandtheirapplications.GordonAndBreach,New York,USA,1970.
FORES, S.; PROLL, L.; WREN, A. A Hybrid IP/Heuristic DriverSchedulingSystemforPublicTransport.Journalof OperationalResearchSociety,v.53,n.10,p.1093-1100, 2002.
GAMACHE,M.;SOUMIS,F.;MARQUIS,G.;DESROSIERS, J. A column generation approach for large-scale aircrew rostering problems.Operations Research, v. 47, n. 2, p. 247-263,1999.
onDifficultTrain&BusProblems.AbstractsComputer-AidedSchedulingofPublicTransport(CASPT)-8th .In-ternationalConference,Berlin,Germany,2000.
LESSARD, R.; ROSSEAU, J.M.; DUPUIS, D.;Hastus I: a mathematicalprogrammingapproachtothebusdriver schedulingproblem.EmBergmanneBodin,1975.
MANINGTON, B.; WREN, A.A general method for bus crewscheduling.EmBergmaneBodin,1975.
MINIEKA, E.,Optimization algorithms for networks and graphs.MarcelDekker,NewYork,USA,1978.
ROUSSEAU, J.M.,Computer scheduling of public trans-port2,Elsevier,Armsterdam,1985a.
ROUSSEAU,J.M.;LESSARD,R.;BLAIS,J.Y.Enhancement totheHastuscrewschedulingalgorithm,EmRousseau, 1985b.
ROUSSEAU, J.M., Scheduling Regional Transportation with
Hastus.AbstractsComputer-AidedSchedulingofPublic Transport(CASPT)–8th .InternationalConference,Ber-lin,Germany,2000.
RYAN,D.M.;FOSER,B.A.Anintegerprogrammingap-proachtoscheduling.EmBergmaneBodin,1975.
SIQUEIRA,P.H.,AplicaçãodoAlgoritmodoMatchingno ProblemadaConstruçãodeEscalasdeMotoristaseCo-bradoresdeÔnibus,1999.Dissertação(Mestrado)-UFPR, Curitiba,1999.
WREN,A.,Computerschedulingofpublictransporturban passengervehicleandcrewscheduling,Elsevier,Amster-dan,1981.
WREN, A.; GUALDA, N. D. F.Integrated Scheduling of busesanddrivers,SchoolofComputerStudies,Research ReportSeries,UniversityofLeeds,1997.
APROPOSEDSOLUTIONFORBUSDRIVERANDFARECOLLECTORSCHE-DULINGPROBLEMSUSINGTHEMAXIMUMWEIGHT
MATCHING
ALGORITHM
Abstract
ThepurposeofthispaperistodiscusshowthemaximumweightMatchingAlgorithmcanbeappliedtoschedulethe workdaysofbusdriversandbusfarecollectors.Thisschedulingshouldbebasedonthebestpossibleuseoftimetablesin ordertominimizethenumberofemployees,overtimeandidlehours,therebyminimizingtheoperationalcostsofpublic transportationcompanies.Inthefirstphaseofthisstudy,assumingthatthetimetablesarealreadydividedintolongandshort durationschedules,theshortschedulescanbecombinedtomakeupanemployee’sworkday.Thiscombinationisdonebythe maximumweightMatchingAlgorithm,inwhichthescalesarerepresentedbyverticesonagraphandthemaximumweight isattributedtocombinationsofscalesthatdonotleadtoovertimeoridlehours.Inthesecondphase,aweekendscheduleis assignedforeveryweeklyworkschedule.Basedonthesetwophases,theweeklyworkschedulesofbusdriversandbusfare collectorscanbearrangedataminimalcost.Thethirdandfinalphaseofthisstudyconsistedofassigningaweeklywork scheduletoeachbusdriverandcollector,consideringhis/herpreferences.ThemaximumweightMatchingAlgorithmwas alsousedinthisphase.ThismethodwasappliedinthreepublictransportationcompaniesinCuritiba,stateofParaná,which haduntilthenusedoldheuristicalgorithmsbasedsolelyonmanagerialexperience.