Sistema de Entrega para Suporte Varejista Utilizando a Metaheurística GRASP

Transcrição

1 Sistema de Entrega para Suporte Varejista Utilizando a Metaheurística GRASP Gil Romeu A. Pereira 1, Ivairton M. Santos 1 1 Universidade Federal de Mato Grosso(UFMT) Campus Universitário do Araguaia Instituto de Ciências Exatas e da Terra Barra do Garças MT Brasil gilromeu.p@gmail.com, ivairton@ufmt.br Abstract. This paper proposes and develops a prototype of delivery management system. This system is intended to small companies, in order to improve the service quality and reduce the costs. It was developed using Web Server technology, and have functionality to customer data management, route definition and delivery process monitoring, using mobile devices (cell phone). Resumo. Este trabalho propõe e implementa um protótipo de um sistema de gestão de entrega. Este sistema destina-se a pequenas empresas, a fim de melhorar a qualidade do serviço e reduzir os custos. Ele foi desenvolvido utilizando tecnologia Web Service e disponibiliza funcionalidades como gestão dos dados de clientes, definição de rotas e acompanhamento das entregas, por meio de dispositivos móveis (celular). 1. Introdução O mercado de logística vem crescendo muito nos últimos anos, além disso tem papel fundamental no crescimento econômico do país. Um dos fatores responsáveis por esse crescimento se dá através de auxílios de tecnologias e principalmente na gestão da logísticas. Estas ferramentas têm potencial para auxiliar a organização a obter tanta vantagem em custo e produtividade, como a vantagem em valor (Ferreira & Ribeiro, 2003). Com isso o mercado exigiu que as empresas se empenhem ao máximo para se tornarem mais ágeis na prestação dos serviços de logística e ter vantagens competitivas em relação aos seus concorrentes. Segundo Rosa (2007), entre outros aspectos, é fundamental para as empresas terem serviços de qualidade para garantir uma atuação das empresas de forma veloz e flexível. No setor varejista há uma demanda grande por qualidade nos serviços de entregas de produtos. Esse contexto ocorre devido aos problemas que as empresas enfrentam por conta de rotas mal planejadas. A principal consequência é a ineficiência no processo e o impacto nos custos. Por isso muitas empresas têm investido em sistemas de roteirização para melhorar a qualidade desses serviços (Barradas, 2012). No entanto, para empresas de pequeno porte investir em sistema de roteirização pode representar um alto custo, se tornando inviável. Conforme Melo e Fillho (2001) muitos dos sistemas de roteirização comercializados no Brasil são desenvolvidos no exterior e por vezes são complexos. Muitas empresas no ramo varejista oferecem serviços de entregas para seus consumidores, porém há uma deficiência no planejamento das rotas de entregas por que 100

2 geralmente essas rotas são planejadas manualmente. Planejar rotas é um processo complexo, pois caracteriza-se como um problema categorizado como NP-Completo. Para problemas como este, de otimização combinatória, é necessário utilizar métodos computacionais especiais, como as metaheurística, para resolvê-los em tempo computacional viável. Esse artigo propõe e implementa um protótipo de um sistema de suporte a entregas, desenvolvido para atender as necessidades de logística de empresas varejistas de pequeno e médio porte. Tem como objetivo facilitar os processos de localização de endereço, definição de rotas eficientes, redução do tempo de entrega e redução do consumo de combustível dos veículos. 2. Desenvolvimento do Sistema O Sistema de Gerenciamento de Entrega (SiGE) desenvolvido consiste de um conjunto de aplicativos, sendo: interface do sistema implementada na plataforma Android (para dispositivos móveis); Web Service implementado em linguagem Java; e metaheurística GRASP (Greedy Randomized Adaptive Search Procedure), proposta por Feo e Resendo (1995), para definição das rotas. As principais funções desse sistema são: gerenciar os dados dos clientes (incluindo sua localização exata por meio de coordenadas geográficas); determinar uma rota otimizada que visita todos os clientes com entregas a serem feitas; e prover uma interface amigável para o usuário por meio de um dispositivo portátil. A arquitetura do sistema é apresentada na Figura 1. No momento que o usuário deseja realiza um cadastro de um cliente, por meio da interface no dispositivo móvel, ele comunica-se com o Web Service enviando os dados, que serão armazenados no banco de dados. Quando ocorre a solicitação da geração da rota de entrega, o Web Service recupera as informações de todos os clientes que estão na lista de entrega, comunica-se com os Serviços do Google para obter informações das distâncias de cada cliente e então calcula a rota otimizada, por meio do GRASP, devolvendo o resultado obtido para o usuário, que poderá utilizar o serviço de GPS para encontrar os endereços. Figura 1: Arquitetura do SiGE. 101

3 2.1. Aplicativo para dispositivo móvel O aplicativo desenvolvido tem duas funcionalidades importantes. A primeira é permitir ao usuário (entregador) manipular os dados dos clientes (cadastro, alteração e exclusão). A segunda é solicitar a geração de rotas, com base na lista de clientes cadastrados aguardando por uma entrega. Uma das especialidades desse aplicativo é permitir ao usuário o cadastro do endereço do cliente por meio de um mapa e imagens de satélite, registrando as coordenadas geográficas (latitude e longitude). A partir desse recurso é possível realizar uma entrega no endereço indicado sem dificuldade (usando GPS). Ao realizar qualquer função do aplicativo, ele comunica-se com o Web Service que provê diversos serviços, como a persistência de dados e o cálculo das rotas. Na função de gerar rota o aplicativo usa a lista de clientes para o módulo que calcula a rota e recebe como resposta a rota obtida. Quando o entregador recebe essa rota otimizada ele utiliza o dispositivo para realizar as entregas e opcionalmente pode utilizar um navegador de GPS que interage com a rota calculada. Na Figura 2 podemos visualizar um exemplo da tela do dispositivo com os clientes aguardando suas entregas. A Figura 3 mostra um exemplo do cadastro de endereço de cliente por meio da imagem de satélite. Após o cálculo da rota de entrega pela metaheurística, o aplicativo recebe o percurso que o entregador deverá fazer, como mostra a Figura 4. Na rota obtida, cada marcador possui um identificador numérico, que corresponde à sequência de visitas que o entregador deve executar. Figura 2: Tela com a relação de clientes a receber uma entrega. Figura 3: Cadastro de endereço por meio da imagem de satélite. Figura 4: Rota calculada obtida Web Service As tecnologias de Web Services fornecem um ambiente capaz de integrar diversas linguagens de programação e desta forma é possível a integração de aplicações dentro e fora da empresa. A integração de aplicativos através do Web Service produz um sistema 102

4 de negócio bastante flexível. Isso se dá pela facilidade de integrar e implementar novos recursos de maneira independente da tecnologia já utilizada (Gottschalk, Graham, Kreger, & Snell, 2002). Conforme Kreger (2001) um Web Services é uma interface que descreve uma coleção de operações que são acessíveis pela rede através de mensagens XML padronizadas. O papel do Web Service na composição do SiGE é justamente o fato de integrar diversos equipamentos conectados em rede, rodando aplicações desenvolvidas em diferentes linguagens e a comunicação desses serviços por meio do acesso à Internet. Neste trabalho, o Web Service foi desenvolvido utilizando o framework Apache Axis2. O framework facilita a criação de serviços a partir de uma classe Java. Após a criação do Web Service, usando a IDE Eclipse, foi gerado o documento WSDL (Web Services Description Language) que tem como função definir os métodos que estão disponíveis como serviço Metaheurística GRASP Bocceneri (2012) define que uma metaheurística é como um conjunto de conceitos que podem ser usados para definir métodos heurísticos, os quais podem ser aplicados a diferentes contextos de problemas. Ele ainda afirma que é uma estratégia de busca que tenta explorar eficientemente o espaço das soluções viáveis. Existem diversos métodos heurísticos para resolver problema de otimização combinatória, dentre eles temos os mais conhecidos que são: Algoritmo Genéticos; Simulated Annealing; GRASP; Busca Tabu; Colônia de Formigas; Colônia de Abelhas, entre outros (Boussaïda, Lepagnotb, & Siarryb, 2013). Este trabalho utiliza a metaheurística GRASP. Conforme Júnior e Ochi (2003), os resultados computacionais mostram que o algoritmo GRASP é e competitivo quando comparado com outras metaheurísticas para o problema de roteamento. Neste trabalho, o desenvolvimento da metaheurística GRASP passou por um processo iterativo, até atender aos requisitos do problema proposto. A cada etapa desenvolvida avaliava-se os resultados e alguns ajustes de parâmetros eram feitos, realizando-se novos testes. O algoritmo GRASP foi elaborado conforme a especificação de Feo e Resende (1995), com duas fases que constituem a construção da solução inicial e a fase da busca local. Na fase da construção da solução inicial é utilizado um procedimento guloso com base na menor distância entre os pontos de entrega. Ou seja, a partir do depósito escolhe-se o cliente mais próximo e então a partir desse cliente é escolhido o seguinte, também com base na distância. Esse processo se repete sucessivamente até estabelecer uma rota que visita a todos os clientes e retorna ao depósito. Na segunda fase, que consiste da busca por soluções melhores, o objetivo é otimizar a rota por meio de uma busca aprimorada, com base na solução inicial. Este processo foi desenvolvido utilizando as técnicas sugeridas por Feo e Resende (1995), no entanto foram feitos alguns ajustes na intenção de obter resultados aprimorados para o contexto da aplicação, usando o método empírico. Além disso, foi desenvolvido um processo de perturbação, com o objetivo de escapar de ótimos locais. Assim, a fase de 103

5 busca local, denominada de Método de Refinamento é interrompida após o limite de 1000 iterações pelo Método de Perturbação. No Método de Refinamento é realizado um sorteio de um vértice (que representa cada cliente) qualquer e então realiza-se a troca de posição com o vizinho a esquerda desse vértice. Em seguida é feita uma verificação a fim de observar se houve melhora na solução. Se isso ocorreu então atualiza-se a rota e executa novamente a busca a partir da rota atualizada. O algoritmo executa até que alcance o número de iterações definido como limite. Ao atingir o limite de iterações do Método de Refinamento, é aplicado o Método de Perturbação. Esse método é semelhante ao anterior, porém ao invés de realizar o sorteio de um vértice, é feito o sorteio de dois vértices (não vizinhos). Como o Método de Perturbação busca a fuga de ótimos locais, ele é executado de maneira intercalada com o Método de Refinamento. Ou seja, a cada execução do Método de Refinamento, o Métodos de Perturbação é executado. Esse processo ocorre por 10 vezes. A busca realiza sucessivas trocas no intuito de encontrar uma melhora na solução, e sempre que uma boa solução é encontra ela é armazenada para ser comparada pelas soluções seguintes. Todas essas fases e métodos são o que constituem o Algoritmo GRASP deste trabalho, para tomarmos conhecimento desse algoritmo de um modo mais geral apresentamos o pseudocódigo no Algoritmo 1. Algoritmo 1 Pseudo código do GRASP Entrada: Rota[]; 01: fase de construção inicial(); 02: enquanto (contador1 < 10) faça 03: enquanto (contator2 < 1000) faça 04: método de refinamento(); {Atualiza a melhor solução se for o caso} 05: contador2 contador2 +1; 06: fim enquanto 07: método de perturbação(); 08: contador1 contador1 + 1; 09: fim enquanto 09: retorna (melhor solução encontrada) 3. Teste com algoritmo GRASP Os testes foram feitos com 20 simulações para cada arquivo de entrada, contendo 10, 20, 50, 100, 200, 500 e 1000 vértices (clientes). O algoritmo GRASP obteve resultados melhores em relação à solução inicial para todos os casos. A Tabela 1 apresenta o tempo de execução do algoritmo (Tempo) e a média dos resultados obtidos, sendo que o campo Custo Inicial (rota obtida da fase de construção inicial) e Custo Final (melhor rota obtida na busca) representam a distância das rotas obtidas. 104

6 Tabela 1: Resultados do Algoritmo GRASP 4. Conclusão Este artigo apresentou um sistema de suporte logística, que otimiza rotas para entregas para empresas no ramo varejista. A implementação de um Web Service na composição do SiGE mostrou-se eficaz na integração de dispositivos móveis e proporcionou facilidade na implementação de métodos para composição de novos serviços. Dessa forma, o SiGE pode melhorar a qualidade dos serviços prestados pelas empresas, garantindo melhor satisfação dos clientes e redução de custos. Novas funcionalidades podem ser implementadas no sistema, como por exemplo o acompanhamento on line pelo o cliente do entregador com o seu produto, por meio de um aplicativo a ser instalado em seu celular. Referências Barradas, J. F. (2012). Roterização na logística. Universidade Cândido Mendes, Rio de Janeiro. Becceneri, J. C. (4 de Junho de 2012). Meta-heurísticas e Otimização Combinatória: Aplicações em Problemas Ambientais. Minicurso. Boussaïda, I., Lepagnotb, J., & Siarryb, P. (2013). A survey on optimization metaheuristics. Information Sciences, 237, Feo, T., & Resende, M. (1995). Greedy Randomized Adaptive Search Procedures. Journal of Global Optiimzation, Ferreira, K. A., & Ribeiro, P. C. (21 de Outubro de 2003). Tenologia da Informação e Logística: Os Impactos do EDI nas Operações Logísticas de uma Empresa do Setor Automobilístico. XXIII Encontro Nacional de Engenharia de Produção. Gottschalk, K., Graham, S., Kreger, H., & Snell, J. (November de 2002). Introduction to Web services architecture. IBM SYSTEMS JOURNAL, 41(2). Júnior, A. C., & Ochi, L. S. (4 de Novembro de 2003). UMA METAHEURÍSTICA HÍBRIDA GRASP+TABU PARA O PROBLEMA DE ROTEAMENTO PERIÓDICO DE UMA FROTA DE VEÍCULOS. XXXV - SBPO. Kreger, H. (Maio de 2001). Web Services Conceptual Architecture WSCA 1.0. IBM Software Group. Melo, A. C., & Filho, V. J. (2 de Julio de 2001). SISTEMAS DE ROTEIRIZAÇÃO E PROGRAMA DE VEÍCULOS. 105

7 Rosa, A. C. (2007). GESTÃO DO TRANSPORTE NA LOGÍSTICA DE DISTRIBUIÇÃO FÍSICA: uma análise da minimização do custo operacional. Dissertação. 106