Felippe Pereira da Costa et al.

Documentos relacionados
UM MODELO DE ALOCAÇÃO DINÂMICA DE CAMINHÕES VISANDO AO ATENDIMENTO DE METAS DE PRODUÇÃO E QUALIDADE

Palavras-chave: planejamento de lavra, mistura de minérios, programação por metas, simulação computacional, ARENA.

UM SISTEMA PARA O PLANEJAMENTO DE PRODUÇÃO E VENDAS DE UMA EMPRESA MINERADORA

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

4 Critérios para Avaliação dos Cenários

4.1 Modelagem dos Resultados Considerando Sazonalização

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite

EXERCÍCIO: VIA EXPRESSA CONTROLADA

3 Algoritmos propostos

Interpolação Segmentada

3 Desenvolvimento do Modelo

Programa de Certificação de Medidas de um laboratório

PROBLEMA DE DIMENSIONAMENTO DE LOTES E SEQÜENCIAMENTO DA PRODUÇÃO: UM ESTUDO DE CASO EM UMA INDÚSTRIA DE BEBIDAS

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Modelo de Programação Estocástica

MÉTODOS ITERATIVOS PARA PROBLEMAS DE PROGRAMAÇÃO MATEMÁTICA COM INCERTEZAS

CADERNOS DO IME Série Estatística

3 Elementos de modelagem para o problema de controle de potência

2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS

AVALIAÇÃO NA PRECISÃO DE RECEPTORES GPS PARA O POSICIONAMENTO ABSOLUTO RESUMO ABSTRACT

6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA)

MODELO PARA ALOCAÇÃO DE BANCOS DE CAPACITORES PARA REGULAÇÃO DE TENSÃO EM REDES DE DISTRIBUIÇÃO SÉRGIO HAFFNER

MÉTODOS DE OTIMIZAÇÃO APLICADOS À DISTRIBUIÇÃO DE RECURSOS

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

Restrições Críticas para o Atendimento de Demanda de Potência em Sistemas de Energia Elétrica

2 Principio do Trabalho Virtual (PTV)

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

1. CORRELAÇÃO E REGRESSÃO LINEAR

Universidade Federal de São Carlos Centro de Ciências Exatas e de Tecnologia Departamento de Estatística

EFICIÊNCIA ECONÔMICA DA MAMONEIRA PRECOCE, CULTIVAR BRS ENERGIA, SOB DIFERENTES REGIMES DE IRRIGAÇÃO

EFEITO DA IDADE E MATERIAL GENÉTICO NA FORMA DE ÁRVORES DE Eucalyptus

ESTUDO GRANULOMÉTRICO DE CHOCOLATES ARTESANAIS ELABORADOS EM DIFERENTES MOINHOS

3 Método Numérico. 3.1 Discretização da Equação Diferencial

Gestão e Teoria da Decisão

Diferença entre a classificação do PIB per capita e a classificação do IDH

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

Chapter 9 Location INTRODUÇÃO. Localização de Instalações. Problemas de comunicação

UM ALGORITMO DE PROGRAMAÇÃO MATEMÁTICA BI-OBJETIVO PARA O PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES NÃO CAPACITADO

7 Tratamento dos Dados

Sistema de otimização do balanço de massas para alimentação de alto-fornos: um estudo de caso

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.

Modelo de programação por restrições para o problema de empacotamento ortogonal tridimensional

PARALLEL ITERATED LOCAL SEARCH APLICADO AO PLANEJAMENTO OPERACIONAL DE LAVRA

Procedimento Recursivo do Método dos Elementos de Contorno Aplicado em Problemas de Poisson

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.

AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA ANEEL RESOLUÇÃO NORMATIVA Nº 62, DE 5 DE MAIO DE 2004

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1

Guia 11 Escalonamento de Mensagens

4 Discretização e Linearização

DESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

2 Experimentos com Mistura

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

PROBLEMA DE DESPACHO ECONÔMICO MULTI-ÁREA COM RESTRIÇÕES DE CAPACIDADE DE TRANSMISSÃO RESOLVIDO ATRAVÉS DE UMA REDE DE HOPFIELD MODIFICADA

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO

Aula Características dos sistemas de medição

Introdução aos Problemas de Roteirização e Programação de Veículos

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL

UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS

Programação de tarefas em sistemas de produção puxada

UMA VALIDAÇÃO MATEMÁTICA PARA UM ALGORITMO QUE SIMULA MISTURAS DE DISTRIBUIÇÕES

MODELOS DE DIMENSIONAMENTO DE LOTES COM CUSTOS DE TRANSPORTE

ANÁLISE DO TRADE-OFF ENTRE O CUSTO DE INSTALAÇÃO DE NOVOS SERVIDORES E CUSTO DE ESPERA EM FILA EM UM SISTEMA LOGÍSTICO DE COLHEITA DE MILHO

ANÁLISE DE MODELOS MATEMÁTICOS PARA O PROBLEMA PROBABILÍSTICO DE LOCALIZAÇÃO- ALOCAÇÃO DE MÁXIMA COBERTURA.

SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES

MODELAGEM E DESENVOLVIMENTO DE UM PROBLEMA DE LOCALIZAÇÃO DE UMA AGROINDÚSTRIA DE EMBUTIDOS NO ESTADO DO PARANÁ

PROBLEMA DE DIFUSÃO DE CALOR RESOLVIDO POR MEIO DE EQUAÇÕES DIFERENCIAIS PARCIAIS PARABÓLICAS

NOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO

CUSTOS DE PRODUÇÃO DE MANDIOCA PARA A SAFRA 2007/08 NA REGIÃO DE ASSIS (SP)

Cap. IV Análise estatística de incertezas aleatórias

Estatística II Antonio Roque Aula 18. Regressão Linear

Prof. Lorí Viali, Dr.

Sistema de informação para suporte da decisão de curto prazo em cascatas hídricas

8 - Medidas Descritivas

Modelo de Alocação de Vagas Docentes

2 Modelos de Otimização sob Incerteza 2.1. Introdução

Sistemas de Filas: Aula 5. Amedeo R. Odoni 22 de outubro de 2001

Mecanismos de Escalonamento

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.

Modelagem do crescimento de clones de Eucalyptus via modelos não lineares

Localização de instalações com o auxílio de Sistema de Informações Geográficas (SIG) e modelagem matemática

DIMENSIONAMENTO ÓTIMIZADO DE TRELIÇAS DE ALUMÍNIO: ANÁLISE NUMÉRICA E EXPERIMENTAL

6 Otimização de Dimensões

Aplicação de ferramenta de auxílio multi-critério à decisão na escolha de alternativas para movimentação e armazenagem de material siderúrgico

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

APLICAÇÃO DO MÉTODO DAS DIFERENÇAS FINITAS PARA SOLUÇÃO DAS EQUAÇÕES DE LAPLACE E POISSON PARA LINHAS DE MICROFITAS ACOPLADAS

SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO VII GRUPO DE ESTUDO DE PLANEJAMENTO DE SISTEMAS ELÉTRICOS - GPL

Modelagens Exata e Heurística para Resolução do Problema do Caixeiro Viajante com Coleta de Prêmios

Análise de áreas de risco considerando os afundamento de tensão em estudos de planejamento

UM MODELO DE PLANEJAMENTO DA PRODUÇÃO DE UMA INDÚSTRIA PESQUEIRA

024/ ANÁLISE MULTICRITÉRIO DO PROBLEMA DE SELEÇÃO DE EQUIPAMENTOS EM AMBIENTE JUST IN TIME, UTILIZANDO-SE DE UM ALGORITMO GENÉTICO

Transcrição:

Mneração Um modelo de programação matemátca para alocação estátca de camnhões vsando ao atendmento de metas de produção e qualdade Felppe Perera da Costa Mestrando - PPGEM/EM/UFOP - Ouro Preto -MG. E-mal: felppe@mneral.em.ufop.br Marcone Jamlson Fretas Souza Prof. Adunto - PPGEM/EM/UFOP e DECOM/ICEB/UFOP - Ouro Preto - MG. E-mal: marcone@ceb.ufop.br Luz Rcardo Pnto Prof. Adunto - DEP/UFMG - Belo Horzonte - MG. E-mal: luz@dep.ufmg.br Resumo Esse trabalho desenvolve um modelo de programação lnear por metas (goal programmng) aplcado ao planeamento de produção em mneração. O obetvo é determnar o rtmo de lavra de cada frente, consderando a alocação de equpamentos de carga e transporte, de modo a fornecer à usna de benefcamento uma almentação adequada. Como cada frente possu característcas de qualdade dferentes, o rtmo de lavra deve ser realzado de forma proporconal, sendo lmtado pela capacdade de produção dos equpamentos de carga e transporte dsponíves na mna. A mstura do mnéro provenente de cada frente deve gerar uma almentação que atenda as metas de qualdade e produção conforme as especfcações preestabelecdas. Nesse trabalho, fo adotado o sstema de alocação estátca de camnhões, por ser geralmente utlzado em mnerações de pequeno e médo porte, devdo à smplfcação das operações e ao alto custo de mplantação de um sstema de despacho eletrônco de camnhões. O modelo de programação matemátca desenvolvdo fo mplementado no software de otmzação LINGO 7.0 nterfaceando com planlhas do EXCEL 2000, proporconando, dessa forma, uma melhor nteração entre o usuáro e o aplcatvo. O modelo fo valdado usando uma nstânca-teste dsponível na lteratura, acrescda de metas de produção e qualdade. Palavras-chave: planeamento de lavra, mstura de mnéros, programação matemátca, alocação estátca. Abstract Ths paper develops a goal programmng model appled to mnng producton plannng. The obectve s to determne the run of each workng bench, consderng the allocaton of load and haulage equpment, n order to supply the processng plant wth an approprate feedng. As each workng bench holds dfferent characterstcs of qualty, the run must be accomplshed n a proportonal way, beng lmted by the producton capacty of the load and haulage equpment avalable n the mne. The blendng of ore from each workng bench should generate a feedng consderng qualty and producton goals accordng to the gven specfcatons. In ths paper the truck statc allocaton system was adopted for beng generally used by small and medum mnes, due to the smplfcaton of the operatons and at the hgh cost of mplantaton of a truck dspatchng system. The mathematcal programmng model was mplemented usng the optmzaton software LINGO 7.0 n conuncton wth EXCEL 2000 spreadsheet, provdng a better nteracton between the user and the applcaton. The model was valdated usng a test nstance from the lterature, added wth producton and qualty goals. Keywords: mnng plannng, ore blendng, mathematcal programmng, statc allocaton system. 77

1. Introdução Um modelo de programação matemátca para alocação estátca de camnhões... O prncpal obetvo do planeamento de produção em uma mna a céu aberto é a determnação de qual rtmo de lavra será mplementado em cada frente, fornecendo ao clente um produto adequado, sea o clente a usna de benefcamento (clente nterno) ou um clente externo. Esse problema é conhecdo na lteratura como problema da mstura ou blendagem. Em casos reas da ndústra mneral, é necessáro consderar uma sére de outras questões, que, normalmente, não são abordadas em conunto na lteratura. Otmzar separadamente o problema sem contemplar essas questões pode gerar confltos que nvablzam a mplementação das soluções. Uma dessas questões dz respeto ao atendmento às metas, abordada por Chanda e Dagdelen (1995), seam elas de produção ou qualdade. O atendmento às metas de produção é mportante, pos uma produção superor à requerda pode causar problemas como a falta de espaço adequado em estoque e custos adconas de manuseo, á uma produção nferor causa uma redução na taxa de utlzação dos equpamentos da mna e da usna de benefcamento, além de multas contratuas pelo não fornecmento do produto. Outro aspecto de grande mportânca relaconado ao atendmento às metas, agora consderando as especfcações de qualdade da mstura, está lgado, no caso da usna de benefcamento, ao controle das flutuações que devem ser mínmas, tornando o processamento mas efcente, ou, anda, prevamente determnadas para que seam tomadas as devdas provdêncas de auste na usna de benefcamento. Três outras questões relaconadas à realdade das operações em mnas a céu aberto são abordadas por Pnto e Merschmann (2001), Merschmann (2002) e Pnto et al. (2003). A prmera refere-se à relação estérl/mnéro e vsa a prevenr que somente mnéro sea lavrado, possbltando a lberação de novas frentes de mnéro ou a mplantação de obras necessáras para vablzar as operações na mna. A segunda dz respeto à alocação de equpamentos de carga. A alocação de um equpamento de carga deve ser realzada de modo a utlzar ao máxmo sua capacdade de produção, pos ela lmta o rtmo de lavra da frente onde está alocada e deve, anda, consderar a compatbldade com os equpamentos de transporte. A tercera questão está relaconada ao sstema de alocação de equpamentos de transporte, no caso desse trabalho, o sstema de alocação estátca de camnhões. Esse trabalho desenvolve um modelo de programação lnear por metas, contemplando todas essas questões levantadas anterormente. Adconalmente, reduz-se, substancalmente, o número de restrções do modelo proposto em Pnto e Merschmann (2001) e substtuem-se as restrções não lneares propostas nesse trabalho por restrções lneares equvalentes, de forma a garantr a otmaldade da solução gerada. O modelo fo mplementado no software de otmzação LINGO 7.0 nterfaceando com planlhas do EXCEL 2000, proporconando, dessa forma, uma melhor nteração entre o usuáro e o aplcatvo. O modelo fo valdado usando uma nstânca-teste dsponível em Pnto et al.(2003), acrescda de metas de produção e qualdade. Esse trabalho está organzado como segue. Na seção 2, descreve-se o problema de alocação estátca de camnhões. Na seção 3, apresenta-se o modelo de programação lnear por metas para resolver o problema abordado. Os resultados obtdos pela aplcação do modelo são apresentados e dscutdos na seção 4, enquanto a últma seção conclu o trabalho. 2. Descrção do problema de alocação estátca de camnhões O problema de alocação estátca de camnhões abordado engloba os problemas de mstura de mnéros e de alocação de equpamentos de carga, os quas encontram-se descrtos nas seções 2.1 e 2.2. 2.1 Mstura de mnéros O problema da mstura de mnéros consderado nesse trabalho consste na determnação de quanto mnéro provenente de cada frente deve ser msturado de modo a satsfazer as exgêncas do clente. Como cada frente de lavra possu característcas de qualdade dferentes, tas como o teor de determnado elemento químco ou a percentagem de mnéro em determnada granulometra, torna-se necessáro determnar a proporção do rtmo de lavra de cada frente que gere uma almentação que atenda as metas de qualdade e produção preestabelecdas. Entretanto tas metas podem não ser alcançadas. Assm, para que o produto sea aceto, os parâmetros de qualdade devem ter valores pertencentes a um ntervalo especfcado pelo clente. Vale lembrar que o termo "mstura de mnéros" dz respeto à determnação dessa proporção e não deve ser confunddo com "homogenezação de mnéro", processo no qual pretende-se que todo o mnéro msturado possua as mesmas característcas. 2.2 Alocação de equpamentos de carga Para vablzar a lavra em dferentes frentes, uma mna conta com uma frota de equpamentos de carga, os quas devem ser alocados de acordo com suas dsponbldades de operação e produtvdade. Essas questões são abordadas por Pnto e Merschmann (2001), Merschmann (2002) e Pnto et al. (2003) e defnem que o rtmo de lavra de cada frente depende do equpamento de carga a ela alocada. A produtvdade do equpamento de carga é lmtada, superormente, pelo número máxmo de cclos de carga por hora vezes sua capacdade de carga e, nferormente, por um valor que torna vável sua utlzação. 2.3 Alocação estátca de camnhões O sstema de alocação de camnhões é geralmente adotado por mnera- 78

ções de pequeno e médo porte, devdo à smplfcação das operações e ao alto custo de se mplantar um sstema de despacho eletrônco de camnhões. Nesse sstema, cada camnhão é alocado a uma únca rota, ou sea, permanece se deslocando entre dos pontos fxos, um de carga e outro de descarga. Os camnhões devem ser alocados a um ponto de carga que possua um equpamento de carga compatível. Essa compatbldade está relaconada, prncpalmente, com o número de passes necessáros para encher a caçamba do camnhão. Poucos passes podem danfcar a estrutura do camnhão, enquanto mutos passes acarretam um maor tempo de carga. 3. Modelo matemátco O problema abordado envolve um conunto de frentes de mnéro e estérl que devem ser lavradas de modo a atender as metas de qualdade e produção preestabelecdas, além de uma relação estérl/mnéro deseada. Exste, anda, uma frota de equpamentos de carga, os quas devem ser alocados às frentes de modo a vablzar a lavra. O materal retrado das frentes deve ser transportado por uma frota heterogênea de camnhões, ou sea, camnhões com capacdades de transporte dferentes, os quas podem ou não ser compatíves com determnado equpamento de carga. Essa restrção proposta por Pnto e Merschmann (2001) e também usada em Merschmann (2002) e Pnto et al. (2003) fo excluída e contemplada através de uma modelagem mas efcente, elmnando, com sso, um número consderável de restrções no modelo, mas precsamente, F x C x V restrções, sendo F o número de frentes, C o número de equpamentos de carga e V o número de camnhões. Para o desenvolvmento do modelo de programação matemátca relatvo a esse problema são defndos os seguntes dados de entrada: M: Conunto de frentes de mnéro. E: Conunto de frentes de estérl. F: Conunto de frentes formado por M E. S: Conunto dos parâmetros de qualdade analsados no mnéro. C: Conunto de equpamentos de carga. V: Conunto de equpamentos de transporte. e : Economa obtda, por tonelada/hora, com a utlzação do mnéro provenente da frente. Pr: Rtmo de lavra recomendado (t/h). Pl: Rtmo de lavra mínmo (t/h). Pu: Rtmo de lavra máxmo (t/h). β - : Penaldade por desvo negatvo do rtmo de lavra. β : Penaldade por desvo postvo do rtmo de lavra. t : Teor do parâmetro na frente (%). t r : Teor recomendado para o parâmetro no produto fnal (%). t l : Teor mínmo admssível para o parâmetro no produto fnal (%). t u : Teor máxmo admssível para o parâmetro no produto fnal (%). α - : Penaldade por desvo negatvo para o parâmetro no produto fnal. α : Penaldade por desvo postvo para o parâmetro no produto fnal. rem: Relação estéro/mnéro mínma requerda. Cl k : Produção mínma do equpamento de carga k (t/h). Cs k : Produção máxma do equpamento de carga k (t/h). g lk : 1 se o camnhão l é compatível com o equpamento de carga k. 0 caso contráro. Vu l : Produção máxma do camnhão l alocado à frente (t/h). cap l : Capacdade do camnhão l, em toneladas. u : Número máxmo de camnhões que operam na frente. tt : Tempo total de cclo, em mnutos, dos camnhões na frente. tc : Tempo de carga, em mnutos, dos camnhões na frente. Defnem-se, anda, as seguntes varáves de decsão: x : Rtmo de lavra da frente (t/h); : 1 se o equpamento de carga k opera na frente. 0 caso contráro. z l : 1 se o camnhão l opera na frente. 0 caso contráro. Defnem-se, também, as seguntes varáves de desvo: d - : Desvo negatvo do parâmetro no produto fnal (t/h). d : Desvo postvo do parâmetro no produto fnal (t/h). P - : Desvo negatvo do rtmo de lavra em relação ao recomendado (t/h). P : Desvo postvo do rtmo de lavra em relação ao recomendado (t/h). O modelo de programação matemátca relatvo à alocação estátca de uma frota heterogênea de camnhões, levando-se em consderação metas de produção e qualdade dos mnéros, é apresentado pelas equações (1) a (19). max e x αs α d αs α d β P β P (t tu ) x 0 S 2) (1) 79

Um modelo de programação matemátca para alocação estátca de camnhões... ( t tl ) x 0 S (3) ( t tr ) x d d = 0 S (4) x Pu 0 (5) x Pl 0 (6) x Pr P P = 0 (7) x 0 F (8) E F x rem x 0 (9) yk 1 F (10) yk 1 k C (11) {0,1} F, k C (12) x Csk yk 0 F (13) x Clk yk 0 F (14) F zl 1 l V (15) z 0 F, l V, g lk 0 (16) l x Vul zl 0 F (17) l V zl l V u 0 F (18) As restrções (2) e (3) defnem lmtes máxmos e mínmos para os parâmetros de qualdade da mstura, enquanto as restrções (5) e (6) lmtam o máxmo e o mínmo de mnéro a ser produzdo. As restrções (4) e (7), propostas por Chanda e Dagdelen (1995) e desenvolvdas a partr do método de programação por metas (goal programmng), vsam a medr os desvos de qualdade e produção, respectvamente, em relação aos valores requerdos. A restrção (8) mpede que valores negatvos de produção seam acetos. Com a nclusão das restrções (4) e (7), a função com o únco obetvo de maxmzar a produção de mnéro utlzada em Pnto e Merschmann (2001), Merschmann (2002) e Pnto et al. (2003) fo alterada para a função multobetvo (1), onde desea-se, além da maxmzação da produção, que seam mnmzados os desvos de produção e qualdade em relação aos valores requerdos. A restrção (9) dz respeto ao atendmento da relação estérl/mnéro. A restrção (10) defne que cada frente possu um únco equpamento de carga, enquanto a restrção (11) defne que cada equpamento de carga opera em uma únca frente. A restrção (12) defne se um equpamento de carga deve ou não ser alocado a uma determnada frente de lavra. As restrções (13) e (14) lmtam o rtmo de lavra da frente onde um determnado equpamento de carga está alocado, de acordo com sua capacdade de produção máxmas e mínmas. A restrção (15) caracterza o problema de alocação estátca de camnhões, defnndo que um camnhão somente pode operar em uma únca frente, onde deve estar alocado um equpamento de carga compatível (restrção (16)). A restrção (17) lmta o rtmo de lavra de uma frente pela capacdade máxma de transporte dos camnhões nela alocados. A restrção (18) lmta o número máxmo de camnhões alocados a uma determnada frente, de forma a prevenr a formação de flas. A restrção (19) defne em qual frente de lavra cada camnhão deve ser alocado. z l {0,1} F, l V (19) A produção máxma, em toneladas por hora, do veículo l na frente e o número máxmo de camnhões por frente são calculados, respectvamente, pelas equações (20) e (21). 60 capl Vu l = tt tt u = tc F, l V (20) F (21) 4. Resultados O modelo de programação matemátca desenvolvdo fo mplementado no aplcatvo de otmzação LINGO 7.0, nterfaceando com planlhas do EXCEL 2000. Para testar o modelo, foram utlzados os dados consderados em Pnto et al. (2003). Os parâmetros de qualdade analsados referem-se aos teores de 10 elementos químcos presentes em 12 frentes de mnéro de um total de 17 frentes. Como o modelo de Pnto et al. (2003) não possuía metas de qualdade e produção, estas foram estpuladas como sendo a méda entre os lmtes superor e nferor de cada um desses parâmetros. 80

Os testes foram realzados em um mcrocomputador com processador AMD Duron 1.0 GHz com 256 MB de RAM, demandando, aproxmadamente, 1 mnuto e 15 segundos de processamento para se obter a solução ótma para o problema. Não houve desvos de qualdade e produção em relação às metas requerdas, obtendo-se uma relação estérl/ mnéro de 0,3. Foram alocados todos os 8 equpamentos de carga dsponíves, operando com produção máxma, e utlzados 23 camnhões dos 30 dsponíves, sendo 12 de 50 t e 11 de 80 t, com uma produtvdade de 80,4%. Em relação ao trabalho de Pnto et al. (2003), o número total de restrções utlzadas reduzu de 4751 para apenas 671, mesmo consderando que o modelo proposto nclu outras restrções além daquelas abordadas no referdo trabalho. Observa-se, também, que, para se alcançarem as metas de produção e de qualdade, fo necessáro um camnhão a mas, acarretando uma redução de produtvdade de 5,85%, tomando como base a produtvdade de 85,4% obtda no trabalho de Pnto et al. (2003). 5. Conclusões A aplcação de métodos de pesqusa operaconal na resolução de problemas de planeamento de produção em mneração é de grande mportânca, auxlando a tomada de decsão de forma efcente. O modelo de programação lnear por metas proposto nesse trabalho demonstra que é possível atngr as metas requerdas e otmzar as operações de transporte e carregamento, com uma pequena redução de produtvdade. Observa-se, ademas, que esse trabalho contrbu com a automação e otmzação do planeamento de lavra, possbltando às empresas de mneração uma melhor utlzação de seus recursos. 6. Referêncas bblográfcas CHANDA, E. K. C., DAGDELEN, KADRI. Optmal blendng of mne producton usng goal programmng and nteractve graphcs systems. Internatonal Journal of Surface Mnng, Reclamaton and Envronment. v. 9, p. 203-208, 1995. MERSCHMANN, L. H. C. Desenvolvmento de um sstema de otmzação e smulação para análse de cenáros de produção em mnas a céu aberto. Ro de Janero: Programa de Engenhara de Produção/ COPPE/UFRJ, 2002. (Dssertação de mestrado). PINTO, L. R., BIAJOLI, F. L., MINE, O. M. Uso de otmzador em planlhas eletrôncas para auxílo ao planeamento de lavra. Ouro Preto: Programa de Pós-graduação em Engenhara Mneral, Unversdade Federal de Ouro Preto, 2003. (Relatóro técnco). PINTO, L. R., MERSCHMANN, L. H. C. Planeamento operaconal da lavra de mna usando modelos matemátcos. REM - Revsta Escola de Mnas. v. 54, n. 3, p. 211-214, 2001. Artgo recebdo em 30/06/2004 e aprovado em 23/12/2004. A questão SEER ou não SEER dexou de exstr: Agora os autores utlzarão o SEER para envar e acompanhar seu artgo até o momento da publcação. REM 69 anos dvulgando Cênca 81