A tecnologia aplicada à localização de gerências regionais de uma companhia aérea

Transcrição

1 A tecnologia aplicada à localização de gerências regionais de uma companhia aérea Carolina Amorim Oliveira Cruz (CEFET/RJ) Ruth Epsztjen (CEFET/RJ) Tania Querido (CEFET/RJ) Resumo Este trabalho apresenta uma proposta para a localização das gerências regionais dos aeroportos de uma companhia aérea através de um modelo matemático baseado no problema de localização objetivando atingir um gerenciamento eficiente das atividades nos aeroportos. A distribuição de aeroportos por regiões e a delimitação destas regiões são obtidas por métodos de formação de clusters. Para este fim são utilizados os algoritmos genético e de designação. Palavras chave: Companhia aérea, Problema de localização, Clustering. 1. Introdução A administração eficiente de suas operações é fator essencial para que uma empresa se mantenha competitiva no mercado. Companhias aéreas de grande porte que operam em diversas cidades do mundo, precisam estar atentas ao funcionamento de suas atividades nos aeroportos destas cidades. Ao se adotar uma estrutura organizada em regiões geográficas como estratégia para um melhor gerenciamento das operações de uma companhia aérea em todo o mundo, a melhor localização de cada gerência regional e a distribuição adequada dos aeroportos entre cada região são fatores primordiais para que esta estrutura se mostre eficiente. A utilização de uma tecnologia que apresente uma melhor organização dessa estrutura constitui um diferencial estratégico para essas empresas. Neste sentido, este estudo tem como objetivo mostrar a aplicação de técnicas de Pesquisa Operacional no auxílio à tomada de decisão na distribuição otimizada dos aeroportos em gerências regionais. Para este fim, neste trabalho será apresentada uma descrição do problema proposto, uma breve revisão da teoria utilizada como base para resolução do problema, a implementação computacional da solução e seus resultados. 2. Gestão dos aeroportos por uma companhia aérea 2.1 Gestão dos aeroportos e o problema da localização de suas gerências regionais O atendimento prestado por uma companhia aérea no aeroporto é o cartão de visitas para que o cliente entre e saia satisfeito com os serviços da empresa. Desde o atendimento no check in até a saída dos passageiros com suas bagagens, existe um staff especializado com o objetivo de fazer com que a viagem do passageiro comece e termine da maneira mais agradável possível. Em um estudo feito pela empresa Qantas Airways sobre quais as prioridades consideradas pelos clientes de companhias aéreas, questões como nenhuma bagagem perdida ou danificada, entrega rápida das bagagens e check in rápido e cordial no aeroporto, foram apontadas como algumas das necessidades essenciais para a satisfação do passageiro (JURAN, 1992). ENEGEP 2003 ABEPRO 1

2 Para atender a essas necessidades é importante que as atividades realizadas dentro dos aeroportos estejam em perfeita harmonia. Um check in indevido pode acarretar no embarque errado da bagagem do passageiro, impactando em transtornos no final da viagem. A Figura 1 mostra um esquema básico da seqüência realizada por um passageiro desde a chegada ao aeroporto de origem até a sua saída do aeroporto de destino, ilustrando a dependência entre uma etapa e outra. Figura 1 Esquema da seqüência realizada por um passageiro Para conseguir um gerenciamento eficiente das atividades dos aeroportos, as empresas aéreas investem em diversos estudos a fim de alcançar um modelo de organização e de gerenciamento que possibilite um melhor controle dessas atividades. O modelo de organização que prevê a distribuição dos aeroportos em regiões, onde cada região deve possuir um gerente responsável pelas operações dos aeroportos a ele subordinados é um modelo eficiente que tem sido adotado por companhias aéreas para o gerenciamento dos aeroportos. Uma melhor localização das gerências regionais de um aeroporto e melhor alocação dos aeroportos nestas regiões, é fundamental para que se consiga um gerenciamento com eficiência, qualidade e baixo custo. A utilização de um sistema que auxilie um administrador a encontrar a melhor organização dessas gerências regionais contribui para que a decisão seja feita baseada em informações consistentes evitando o uso simplesmente da intuição. Conforme Bahrami apud Bateman (1998), a tecnologia é a aplicação sistemática do conhecimento científico a um novo produto, processo ou serviço. A fim de que se tenha um novo processo para localização destas gerências regionais, este estudo se propõe a mostrar a eficiência da pesquisa operacional como ciência aplicada na otimização deste processo. 2.2 As variáveis que influenciam na formulação do problema Um gerente regional precisa visitar os aeroportos de sua região periodicamente, sendo importante que ele esteja localizado em um ponto onde sua distância entre os seus aeroportos seja a mínima possível. Assim, a distância entre os aeroportos é um critério importante para ENEGEP 2003 ABEPRO 2

3 se escolher a posição da gerência regional e para distribuir os aeroportos entre as regiões a fim de que o tempo e o custo de deslocamento dos gerentes regionais pelos aeroportos seja reduzido. Quanto maior o número de vôos de um aeroporto, maior é o fluxo de seus passageiros e, conseqüentemente, maior é a sua quantidade de funcionários. Dessa forma, seu gerenciamento torna-se mais complexo, ou seja, um aeroporto como o de Guarulhos em São Paulo, que possui o maior número de pousos e decolagens no Brasil, possui um peso significativamente maior do que, por exemplo, o aeroporto de Rio Branco no Acre. Considera-se, então, o número de funcionários de um aeroporto como um outro critério para sua distribuição entre as regiões, onde cada região deverá ter aproximadamente a mesma quantidade de funcionários para um melhor gerenciamento dos mesmos. Apesar de outros critérios como o tipo de cultura de cada localidade também influenciarem na alocação dos aeroportos, foram adotadas como variáveis neste trabalho apenas as distâncias entre os aeroportos e seus respectivos totais de funcionários. 3. Fundamentos teóricos para resolução do problema 3.1 Problema de Localização de Facilidades Os problemas de localização de facilidades têm como objetivo selecionar a melhor localização, em uma região específica, para a facilidade de serviços. Tais problemas são normalmente conhecidos como problemas de centros, anti-centros e medianas onde, em todos os casos, o objetivo é a localização de facilidades ao longo de uma rede definida por um grafo. No problema dos centros, o objetivo é minimizar a distância até o ponto mais crítico a ser atendido, ou seja, minimizar a maior distância a ser percorrida. Normalmente, são aplicados a serviços emergenciais como, por exemplo, a localização de postos de saúde, postos de bombeiros ou a localização de um hospital. Suas soluções são chamadas centros de um grafo. O problema de localização de anti-centros tem como objetivo encontrar a localização de um vértice em uma rede cuja menor distância em relação a algum outro vértice da rede é máxima. Este tipo de problema normalmente é utilizado quando se deseja localizar um serviço cuja proximidade seja incômoda, como um depósito de lixo. O grafo, neste caso, é considerado não orientado, a menos que haja vento predominante em uma direção. Para o problema das medianas, o objetivo é minimizar a soma da distância de cada um dos vértices à facilidade mais próxima, ponderada por um fator de demanda. Na prática, esses problemas aparecem sob várias formas como, por exemplo, a localização de centros de comutação em redes telefônicas, subestações em redes de energia elétrica, depósitos de fornecimento em uma rede de distribuição rodoviária e a localização de correspondência. Segundo Boaventura Netto (2001), nos problemas de mediana não se incluem, habitualmente, conotações de urgência Problema das P-medianas O problema das p-medianas é um problema clássico de localização de facilidades e consiste em localizar em uma rede p facilidades (medianas) minimizando-se a soma de todas as distâncias de cada ponto de demanda à sua mediana mais próxima (ROSÁRIO et al., 2001). De acordo com definição de Fleischfresser (2001), seja um grafo um conjunto constituído de pontos (ou vértices) e linhas (ou arcos) que ligam todos ou alguns desses pontos, o problema de se achar p-medianas em um dado grafo é o problema da localização ótima de um certo ENEGEP 2003 ABEPRO 3

4 número de p facilidades, de tal forma que a soma das menores distâncias aos pontos (ou vértices) do grafo, a partir da facilidade mais próxima, seja minimizada. O objetivo do problema das p-medianas é encontrar o conjunto de medianas de maneira que o número de transmissão seja mínimo. O número de transmissão é a soma do produto das distâncias entre os pontos de demanda e sua mediana mais próxima pelo peso de cada ponto. Na literatura é possível encontrar alguns métodos para a resolução do problema das medianas. Para problemas de pequeno porte, a solução pode ser encontrada por formas exatas, tais como o modelo de programação inteira e a enumeração exaustiva (ou busca em árvore). Em casos mais complexos é comum o uso de técnicas de programação mista e de algoritmos heurísticos. A seguir será feita uma abordagem teórica sobre o Algoritmo Genético aplicado ao problema das p-medianas, como proposta para a localização das gerências regionais Algoritmo Genético Os Algoritmos Genéticos (AG s) constituem um método de otimização inspirado no processo Darwiniano de seleção natural dos seres vivos. Na realidade, os AG s fazem parte de uma classe de paradigmas e técnicas computacionais inspiradas na evolução natural, denominada de Computação Evolucionista (NUNES, 1998). Segundo Corrêa (2000), os AG s são algoritmos computacionais de busca baseados nos mecanismos de evolução natural e na genética. Em AG s, uma população de possíveis soluções para o problema em questão evolui de acordo com operadores probabilísticos concebidos a partir de metáforas biológicas, de modo que há uma tendência de que, na média, os indivíduos representem soluções cada vez melhores à medida que o processo evolutivo continua. Dentre as meta-heurísticas, o Algoritmo Genético apresenta um tempo de execução geralmente mais curto e uma flexibilidade maior para tratar as restrições do modelo, conseguindo assim solucionar deficiências históricas dos algoritmos convencionais de busca heurística (SMIDERLE, 2001). Alguns dos principais fatores que têm feito do Algoritmo Genético uma técnica bem sucedida é a sua simplicidade de operação, facilidade de implementação e a eficácia em realizar um passo na direção de uma busca ótima global. Em resumo, o AG opera tipicamente através de um ciclo simples de 4 estágios: - criação de uma população de indivíduos; - avaliação de cada indivíduo; - seleção dos melhores indivíduos; - manipulação genética, para criar uma nova população de indivíduos. De acordo com Smiderle (2001), as principais características que diferenciam os AG s de outras técnicas de programação matemática, são as seguintes: - empregam uma população de indivíduos, ou soluções, que pode ter tamanho fixo ou variável, ao contrário da maioria das técnicas que efetuam uma busca ponto-a-ponto ; - não trabalham diretamente com as possíveis soluções do problema, chamadas de fenótipos, mas sobre uma codificação das mesmas chamadas de genótipos; - empregam regras de transição probabilísticas ou estocásticas, sendo que a maioria dos algoritmos tradicionais usam regras determinísticas; - não exigem maiores informações adicionais sobre a função a otimizar. ENEGEP 2003 ABEPRO 4

5 3.2 Algoritmo para formação de Clusters Além da determinação da localização dos pontos ótimos para as instalações, este trabalho envolve o agrupamento dos pontos não escolhidos de acordo com a posição das instalações selecionadas. Sendo assim, os vértices não escolhidos como medianas serão distribuídos em clusters de acordo com a posição das medianas. Neste trabalho, o algoritmo utilizado para a formação dos clusters utiliza o método proposto por Gillet e Johnson, utilizado por Smiderle (2001), realiza a distribuição das unidades nos clusters, considerado a restrição de capacidade. 5. Implementação Computacional e Análise dos Resultados Para sua resolução, o problema foi dividido em duas partes. Na primeira parte foi feita a localização das gerências regionais considerando este como um problema de localização de p- medianas (p-gerências regionais). Em seguida realizou-se a distribuição dos aeroportos entre as regiões, considerando a seleção prévia da localização ótima de cada uma. 5.1 Implementação Computacional Toda a implementação computacional foi feita utilizando a linguagem de programação DELPHI. A primeira implementação realizada foi a geração da matriz das distâncias entre os aeroportos. O cálculo destas distâncias considerou o arco que conecta os dois pontos na Terra. Para a determinação dos pontos do arco foram utilizadas as coordenadas geográficas (latitude e longitude) dos aeroportos e as distâncias foram expressas em quilômetros. De posse das distâncias e dos pesos de cada aeroporto (totais de funcionários), iniciou-se a implementação computacional do algoritmo genético para localização das p-gerências regionais, onde ao término do número de iterações definidos pelo usuário, o programa indica as p-medianas ou os aeroportos onde serão localizadas cada uma das regiões. A partir dos aeroportos selecionados como medianas, o programa realiza a distribuição dos aeroportos restantes em regiões. Para essa distribuição foi desenvolvido o algoritmo de designação citado anteriormente. 5.2 Análise dos resultados Com o sistema finalizado, foi possível testar sua eficiência quanto à proposta de organização das regiões. Com base em um estudo realizado em uma companhia aérea foram selecionados 51 aeroportos para serem organizados em sete regiões. As coordenadas geográficas e os totais de funcionários foram obtidos através deste estudo. Para a análise dos resultados foram realizadas cinco simulações para uma população de 1000 indivíduos e 3500 iterações, considerando a capacidade de cada região como sendo de 450 funcionários. A tabela 1 é apresenta as medianas e seus respectivos números de transmissão obtidos com as simulações. Simulação Medianas Nº transmissão (km) 1 GRU, JPA, NGO, FLN, JFK, MCP, MXP MEX, GIG, NAT, CPQ, POA, FRA, BVB GRU, MAO, BSB, CDG, MEX, FLN, REC GRU, FRA, NRT, MAO, FLN, LAX, REC JPA, NRT, MIA, TFF, GRU, POA, CDG Tabela 1 Medianas para população de 1000 indivíduos e 3500 iterações ENEGEP 2003 ABEPRO 5

6 A tabela 2 mostra os clusters formados a partir das medianas encontradas em cada uma das simulações realizadas. Para cada cluster, ou região, é apresentado seus respectivos aeroportos e totais de funcionários. Simulação Região Aeroportos Funcionários 1 GRU, CGH JPA, REC, NAT, MCZ, AJU, FOR, SSA, VIX, CNF, BSB NGO, NRT FLN, CWB, POA, IGU, CPQ, MVD, EZE, ASU, GIG JFK, MIA, LAX, CUN, MEX 41 6 MCP, BEL, BVB, MAO, TFF, PVH, TBT, RBR, CCS, BOG, LIM, SLZ, VVI, CGB, CGR, SCL MXP, FRA, CDG, LHR, CPH, MAD, LIS 75 1 MEX, LAX, CUN, MIA, JFK 41 2 GIG, VIX, CNF, BSB NAT, JPA, REC, FOR, MCZ, AJU, SLZ, SSA CPQ, CGH, GRU POA, MVD, EZE, FLN, IGU, ASU, SCL, CWB, VVI, CGR, CGB FRA, CDG, MXP, CPH, LHR, MAD, LIS, NGO, NRT 89 7 BVB, MAO, TFF, CCS, TBT, BOG, PVH, MCP, RBR, LIM, BEL GRU, CGH MAO, TFF, BVB, PVH, TBT, CCS, RBR, BOG, MCP, LIM, BEL BSB, CNF, CGB, VIX, CGR, VVI CDG, LHR, FRA, MXP, CPH, MAD, LIS, NGO, NRT 89 5 MEX, CUN, LAX, MIA, JFK 41 6 FLN, POA, CWB, MVD, IGU, EZE, ASU, CPQ, SCL, GIG REC, JPA, MCZ, NAT, AJU, FOR, SSA, SLZ GRU, CGH FRA, CDG, MXP, CPH, LHR, MAD, LIS 75 3 NRT, NGO MAO, TFF, BVB, PVH, TBT, BOG, RBR, CCS, LIM, VVI, MCP, CGB, SCL, BEL, CGR FLN, CWB, POA, IGU, CPQ, MVD, EZE, ASU, GIG LAX, MEX, JFK, CUN, MIA 41 7 REC, JPA, MCZ, NAT, AJU, FOR, SSA, VIX, CNF, SLZ, BSB JPA, REC, NAT, MCZ, FOR, AJU, SSA, SLZ, VIX, CNF, BSB, BEL NRT, NGO 14 3 MIA, CUN, JFK, MEX, LAX TFF, TBT, MAO, PVH, BVB, RBR, LIM, BOG, CCS, MCP, VVI, CGB 85 5 GRU, CGH POA, FLN, MVD, CWB, IGU, EZE, ASU, CPQ, CGR, SCL, GIG CDG, LHR, FRA, MXP, CPH, MAD, LIS 75 Tabela 2 Clusters formados para população de 1000 indivíduos e 3500 iterações ENEGEP 2003 ABEPRO 6

7 Os resultados apresentados pelas simulações realizadas pelo programa permitem avaliar qual a melhor organização das gerências regionais. Dentro de cada simulação estão as sete regiões com seus aeroportos e totais de funcionários. Cada aeroporto está designado por uma sigla padronizada pela IATA (International Air Transport Association). Com base nestes resultados verifica-se a melhor distribuição geográfica dos aeroportos entre as regiões, ou seja, aquela que possibilita um menor número de transmissão. Também está expresso nos resultados a distribuição do total de funcionários onde o analista avaliará qual a solução mais viável para a situação proposta. Analisando as tabelas 1 e 2 observa-se que a quinta simulação apresentou o melhor número de transmissão, ou seja, uma melhor localização das gerências regionais. Contudo, a distribuição dos aeroportos nesta simulação se mostrou pouco homogênea pois, enquanto a região 6 ficou com 606 funcionários, a região 2 ficou somente com 14 funcionários. A segunda simulação apresentou um número de transmissão menor que a quinta mas, de todas as cinco simulações, foi a que apresentou uma distribuição dos funcionários de maneira mais regular. Uma distribuição mais homogênea da quantidade de funcionários é essencial para que não haja uma sobrecarga no gerenciamento de determinadas regiões. Na figura 2 é possível visualizar as regiões localizadas no Brasil encontradas na segunda simulação. Figura 2 Mapa das gerências regionais distribuídas sem a utilização do algoritmo 6. Considerações finais O modelo apresentado para a busca da melhor organização das gerências regionais de uma companhia aérea apresentou resultados consistentes para a sua aplicação. Foi possível observar que o sistema desenvolvido utilizando o algoritmo genético e o algoritmo de designação de Gillet e Johnson mostrou-se eficiente na resolução do problema ENEGEP 2003 ABEPRO 7

8 proposto. Tais algoritmos trabalham com uma busca aproximada da solução ótima, o que permite ao usuário realizar diversas simulações e escolher, dentre os resultados obtidos, aquele que melhor se adequar ao modelo desejado. O investimento em tecnologias para melhoria de processos em uma empresa é essencial para que esta se mantenha competitiva no mercado. A utilização de ferramentas que permitam uma melhor análise das soluções para um problema minimiza a propensão ao erro dando mais segurança e consistência nas decisões tomadas. Referências BATEMAN, T.S.; SNELL, S.A. (1998) Administração: construindo vantagem competitiva. São Paulo: Atlas. BOAVENTURA NETTO, P. O. (2001) Grafos: Teoria, Modelos e Algoritmos. São Paulo, Ed. Edgard Blücher. CORRÊA, E. S. (2000) Algoritmos Genéticos e Busca Tabu aplicados ao Problema das P-Medianas. Dissertação de M. Sc., UFPR, Curitiba, PR, Brasil. FLEISCHFRESSER, S.A. (2001) Abordagem de um problema de entrega de jornais a assinantes por métodos heurísticos e estatísticos. Dissertação de M. Sc., UFPR, Curitiba, PR, Brasil. JURAN, J. M, (1992) A Qualidade desde o Projeto. São Paulo, Editora Pioneira Thomson Learning. NUNES, L. F. (1998) Algoritmos Genéticos aplicados na abordagem de um problema real de roteirização de veículos. Dissertação de M. Sc., UFPR, Curitiba, PR, Brasil. ROSÁRIO, R.R.L.; CARNIERI, C.; STEINER, M.T.A; FLEISCHFRESSER, S.A; CORREA, E.S., (2001) Aplicação do Problema das P-medianas para determinar a localização de unidades de saúde 24 horas. In: XXXIII Simpósio Brasileiro de Pesquisa Operacional A Pesquisa Operacional e o Meio Ambiente, pp , Campos do Jordão, SP, Nov. SMIDERLE, A. (2001) Técnicas da Pesquisa Operacional aplicadas a um problema de cobertura de arcos. Dissertação de M. Sc., UFPR, Curitiba, PR, Brasil. ENEGEP 2003 ABEPRO 8