Eduardo Barbosa Pinto Dissertacao Final (Full Permission)

Eduardo Barbosa Pinto
Despacho de caminhes em minerao usando lgica

nebulosa, visando ao atendimento simultneo de
polticas excludentes
Dissertao apresentada Escola de Engenharia da

Universidade Federal de Minas Gerais para obteno do
ttulo de Mestre em Engenharia de Produo
Orientador: Prof. Dr. Luiz Ricardo Pinto
Belo Horizonte - MG
Abril de 2007
Eduardo Barbosa Pinto
Despacho de caminhes em minerao usando lgica

nebulosa, visando ao atendimento simultneo de
polticas excludentes
Dissertao apresentada Escola de Engenharia da

Universidade Federal de Minas Gerais para obteno do
ttulo de Mestre em Engenharia de Produo
Orientador:
Prof. Dr. Luiz Ricardo Pinto
MESTRADO EM ENGENHARIA DE PRODUO

DEPARTAMENTO DE ENGENHARIA DE PRODUO
ESCOLA DE ENGENHARIA
UNIVERSIDADE FEDERAL DE MINAS GERAIS
Belo Horizonte - MG
Abril de 2007
minha esposa, que soube compreender a dedicao da maior parte do meu tempo, nos
ltimos meses, a este trabalho.
Agradecimentos
Agradeo a Deus pela vida e por ter dado ao homem a capacidade de pensar e, assim,
promover o desenvolvimento da cincia.
minha esposa, que, com muito carinho e amor, me apoiou e me compreendeu nestes tempos
de trabalho rduo.
A meus pais, que me educaram sempre no caminho da verdade, me incentivando, desde

criana, a estudar cada vez mais.
A meus irmos e amigos, que sempre torceram por mim.
Ao Prof. Luiz Ricardo, pela confiana e por ter guiado este trabalho do incio ao fim.
E aos colegas do DEP.

Um homem se humilha se castram seu sonho... seu sonho a sua vida e a vida o trabalho...
e sem o seu trabalho um homem no tem honra... e sem a sua honra se morre, se mata... no
d pra ser feliz, no d pra ser feliz...
Raimundo Fagner
Resumo
Neste trabalho, foi desenvolvido um algoritmo de despacho de caminhes em minas a cu

aberto, com o uso da lgica nebulosa. Esse algoritmo possibilita atender, simultaneamente, s
polticas que visam ao aumento de produtividade dos equipamentos e quelas que visam ao
atendimento da qualidade do minrio, as quais so naturalmente excludentes. A simulao de
operaes em minas virtuais foi utilizada para testar o algoritmo. Os resultados da simulao
mostraram que a poltica que utiliza a lgica nebulosa apresenta um ganho de qualidade em
relao poltica de produtividade e um ganho de produtividade em relao poltica de
qualidade. Os resultados tambm mostraram que, dentre as trs alternativas de polticas de
despacho (por qualidade, por produtividade ou por ambos os critrios), a poltica proposta
neste trabalho a que gera maior ganho simultneo de qualidade e produtividade.
Palavras chave: Despacho de caminhes, Minas a cu aberto, Simulao, Lgica nebulosa.

Abstract
This work shows the development of an algorithm to truck dispatch in open pit mines, using
fuzzy logic. This algorithm allows achieving the productivity and qualitys polices, that are
naturally excluding, in the same time. Virtual mines simulation was used to test the algorithm.
The results of simulation showed that the police that use fuzzy logic presents a gain of quality
in relation of productivitys police, and a gain of productivity in relation of qualitys police.
The results showed also that, among the three dispatch alternative polices (quality,
productivity or both criterions), the police proposed in this work is the most generator of
concurrent gain of quality and productivity.
Keywords: Truck Dispatch, Open Pit Mines, Simulation, Fuzzy Logic.

i
SUMRIO
LISTA DE FIGURAS ................................................................................................................ ii

LISTA DE TABELAS ..............................................................................................................iii
LISTA DE ABREVIATURAS .................................................................................................. iv
1 - INTRODUO .................................................................................................................... 1
1.1 - Hiptese.......................................................................................................................... 4
1.2 - Objetivos ........................................................................................................................ 5
1.2.1 - Objetivo Geral ......................................................................................................... 5
1.2.2 - Objetivos Especficos .............................................................................................. 5
1.3 - Justificativa .................................................................................................................... 6
1.4 - Metodologia ................................................................................................................... 7
1.5 - Organizao do Trabalho ............................................................................................. 12
2 - REVISO BIBLIOGRFICA ........................................................................................... 13
2.1 - Sistemas de despacho ................................................................................................... 14
2.1.1 - Aplicaes de sistemas de despacho ..................................................................... 20
2.2 - Lgica Nebulosa........................................................................................................... 27
2.2.1 - Aplicaes da Lgica Nebulosa em minerao..................................................... 32
2.2.2 - Aplicaes da Lgica Nebulosa em otimizao.................................................... 34
2.3 - Simulao ..................................................................................................................... 37
2.3.1 - Simulao em minerao ...................................................................................... 41
3 - IMPLEMENTAO DO MODELO ................................................................................ 48
3.1 - Poltica de Qualidade ................................................................................................... 49
3.2 - Poltica de Produtividade ............................................................................................. 55
3.3 - Qualidade e Produtividade simultaneamente, com lgica nebulosa ............................ 62
3.4 - Cenrios........................................................................................................................ 81
3.5 Modelo de Simulao .................................................................................................. 87
4 - RESULTADOS .................................................................................................................. 94
5 - CONCLUSES .................................................................................................................. 99
REFERNCIAS ..................................................................................................................... 102
Programa de Ps Graduao em Engenharia de Produo PPGEP / UFMG ii
LISTA DE FIGURAS
Figura 1 - Representao grfica do procedimento de inferncia para regra simples com um

antecedente ............................................................................................................................... 29
Figura 2 - Representao do procedimento de inferncia para regra simples com mais de um
antecedente ............................................................................................................................... 29
Figura 3 - Representao do procedimento de inferncia para regras mltiplas com mltiplos
antecedentes .............................................................................................................................. 30
Figura 4 - Modelo de Sugeno e arquitetura ANFIS correspondente ........................................ 31
Figura 5 - Erro da varivel........................................................................................................ 49
Figura 6 - Algoritmo de despacho sob a Poltica de Qualidade ............................................... 53
Figura 7 - Procedimento Escolha por defasagem ................................................................. 54
Figura 8 - Procedimento Acerta lote ..................................................................................... 54
Figura 9 - Algoritmo de despacho sob a Poltica de Produtividade ......................................... 60
Figura 10 - Procedimento Escolha por tempo de ciclo ......................................................... 61
Figura 11 - Procedimento "Acerta vHCc,f , vTFc,f e vHLc,f ............................................... 61
Figura 12 - Fases do algoritmo de despacho com lgica nebulosa .......................................... 63
Figura 13 - Qualidade da varivel de controle em funo de seu teor ..................................... 64
Figura 14 - Funes de pertinncia para seis categorias de qualidade / produtividade ............ 66
Figura 15 - Topologia ANFIS para 2 entradas e 6 funes de pertinncia por entrada ........... 67
Figura 16 - Funes de pertinncia geradas para a qualidade e para a produtividade ............. 72
Figura 17 - Sada desejada versus sada obtida com os parmetros iniciais............................. 72
Figura 18 - Funes de pertinncia geradas aps ajuste dos parmetros ................................. 75
Figura 19 - Sada desejada versus sada obtida com os parmetros ......................................... 76
Figura 20 - Passo 3: obteno do grau de participao de cada poltica .................................. 76
Figura 21 - Funo funcao_saida_nent..................................................................................... 79
Figura 22 - Modelo de simulao ............................................................................................. 87
Figura 23 - Comportamento de cada poltica em relao produtividade ............................... 97
Figura 24 - Comportamento de cada poltica em relao qualidade...................................... 97
Programa de Ps Graduao em Engenharia de Produo PPGEP / UFMG iii
LISTA DE TABELAS
Tabela 1- Principais operadores nebulosos .............................................................................. 28

Tabela 2 - Faixas de classificao de qualidade ou produtividade pela Teoria dos Conjuntos
Clssicos ................................................................................................................................... 66
Tabela 3 - Varivel de entrada para validao (xv) .................................................................. 70
Tabela 4 - Varivel de entrada para treinamento (xt) ............................................................... 70
Tabela 5 - Dados de entrada para o modelo ............................................................................. 71
Tabela 6 - Valor correspondente ao valor calculado de cada parmetro .................................. 79
Tabela 7 - Exemplo de correspondncia de valores dos parmetros para uma frente .............. 80
Tabela 8 - Dados das minas virtuais ......................................................................................... 82
Tabela 9 - Capacidade e tempos de carregamento e descarga dos caminhes ......................... 83
Tabela 10 - Tempos de deslocamento entre as frentes e a britagem (e vice-versa) ................. 83
Tabela 11 - Tempos de deslocamento entre as frentes e a pilha de estril ............................... 84
Tabela 12 - Limites e peses das variveis de controle.............................................................. 84
Tabela 13 - Tempos de falhas ................................................................................................... 84
Tabela 14 - Teores das variveis de controle para a mina virtual 1 ......................................... 85
Tabela 17 - Cenrios analisados ............................................................................................... 86
Tabela 18 - Resultados das simulaes dos cenrios ............................................................... 94
Programa de Ps Graduao em Engenharia de Produo PPGEP / UFMG iv
LISTA DE ABREVIATURAS
AGV Automated Guided Vehicles

ANFIS . Adaptative Neuro-Fuzzy Inference System
ANN Artificial Neural Network
CAD . Computer-Aided-Design
CVRD .. Companhia Vale do Rio Doce
DCA . Diagrama de Ciclo de Atividades
EUA .......... Estados Unidos da Amrica
FLP .......... Programao Linear Fuzzy
LP Programao Linear
MRP . Material Requirements Planning
ODBC . Open Data Base Connectivity
OLE . Object Linking and Embedding
PA Pesquisa Axiomtica
PE . Pesquisa Emprica
PO Pesquisa Operacional
REM Relao Estril-Minrio
ROM Run of Mine
SAG ......... Semi-Autonomous Grinding
SIMAN .... Simulation Analysis
SIMIN ..... Simulador para Minerao
SLAM ...... Simulation Language for Alternative Modeling
1
CAPTULO 1
INTRODUO
As empresas do setor de minerao esto entre as que vm fazendo maiores investimentos no

pas. Assim, crescem as oportunidades para o desenvolvimento de tecnologias que favoream
a organizao e o controle dos processos de extrao e beneficiamento do minrio.
O processo produtivo do minrio pode ser resumido didaticamente em duas grandes etapas: a
extrao e o beneficiamento. A extrao envolve, basicamente, a remoo do minrio bruto
da(s) mina(s). Esse minrio colocado em caminhes em alguns casos, em correias
transportadoras (esteiras) que o leva para as usinas de beneficiamento. O beneficiamento
contempla britagens, peneiramentos, moagem, tratamentos qumicos, entre outros processos
ligados separao do minrio com base em caractersticas fsico-qumicas.
Uma mina, geralmente, dividida em vrias frentes de lavra para extrao. Cada frente
normalmente apresenta um teor de minrio diferente. O minrio que sai da mina, com destino
usina de tratamento, chamado de Run Of Mine (R.O.M.). Naturalmente, o teor de
minrio do R.O.M. resultante da combinao dos teores das diversas frentes que o
compem, ou seja, o teor de minrio do R.O.M. a mdia ponderada dos teores das frentes da
mina que fornecem minrio para este R.O.M. Por exemplo, se o R.O.M. est sendo formado a
partir da extrao do minrio de duas frentes de lavra, o teor de minrio de uma determinada
varivel de uma das frentes 20% e o da outra 24%, e as frentes contribuem com 60% e
40%, respectivamente, do minrio do R.O.M., o teor de minrio do R.O.M. ser de 21,6%,
conforme o clculo abaixo:
Teor R.O.M. = (0,2 x 0,6 + 0,24 x 0,4) / (0,6 + 0,4) = 0,216 = 21,6%.
O teor de cada varivel do R.O.M. deve estar entre os limites inferior e superior estipulados
pela usina para aquela varivel. Para garantir o atendimento desta especificao de qualidade,
os caminhes so enviados para frentes com maior ou com menor teor, de acordo com a
Programa de Ps Graduao em Engenharia de Produo PPGEP / UFMG 2
necessidade de momento do R.O.M. Essa poltica de despacho de caminhes para frentes de

lavra em funo da garantia do teor da mistura chamada de poltica de qualidade. Ela visa
garantir que os teores das variveis do R.O.M. estejam dentro dos limites e tambm reduzir a
varincia de cada varivel de alimentao do R.O.M.
A princpio, a adoo da poltica de qualidade parece ser adequada, pois resolve o problema
do teor do R.O.M. Porm, esse critrio pode gerar um problema no que diz respeito
produtividade dos caminhes. No exemplo anterior, suponhamos que a mistura est pobre (ou
seja, a concentrao est baixa). Neste caso, de acordo com o critrio de qualidade, os
caminhes seriam alocados para a segunda frente (cujo teor 24%). Com os caminhes sendo
despachados para esta frente, haveria a formao de uma fila, o que reduziria a taxa de
utilizao dos caminhes e da carregadeira da primeira frente, ou seja, haveria a reduo da
produtividade dos equipamentos. Enquanto uma frente estaria com uma fila de caminhes
aguardando carregamento, a outra estaria sem nenhum caminho. Essa situao, do ponto de
vista apenas da produtividade, inadmissvel.
A poltica de produtividade visa o aumento da taxa de utilizao dos equipamentos, obtido

pela reduo do tempo em fila dos caminhes. Neste caso, os caminhes so despachados
para as frentes de lavra que resultaro em menores filas, ou seja, para as frentes nas quais eles
perdero menos tempo. Em geral, adota-se este critrio em minas cujas frentes so mais
homogneas onde a qualidade no ficar comprometida ao se priorizar a produtividade.
Como estas polticas so, de certa forma, excludentes, o despacho de caminhes em frentes de
lavra de minrio feito de forma a atender a um dos dois critrios. Assim, os softwares
usados atualmente para despacho de caminhes em minas so programados com base em uma
das polticas, sem levar em considerao a outra. As tentativas de agrupar as duas polticas em
um nico software de despacho resultaram em modelos que definem o despacho dos
caminhes de acordo com o critrio de qualidade e, em caso de empate das frentes quanto a
este critrio, a definio feita com base na poltica de produtividade (ou vice-versa).
Em vista do exposto, pretende-se criar um algoritmo de despacho de caminhes em minas,

com a utilizao de lgica nebulosa (inteligncia artificial), que atenda s duas polticas
simultaneamente, de acordo com a necessidade do momento. Por exemplo, se o fator
produtividade estiver mais crtico no momento, a poltica de produtividade ser levada mais
em considerao que a de qualidade (que tambm ser considerada, s que em menor

proporo), mas se o fator qualidade estiver mais crtico, ser dada mais nfase no critrio de
qualidade para o despacho dos caminhes para as frentes. A validao do algoritmo ser feita
com a utilizao de simulao.
1.1 - Hiptese
A hiptese a ser testada a de que possvel utilizar um controlador fuzzy que um

algoritmo que utiliza lgica nebulosa para definir o despacho de caminhes para frentes de
lavra de minrio, com eficincia, considerando, simultaneamente, as polticas de
produtividade e qualidade.
1.2 - Objetivos
1.2.1 - Objetivo Geral
O objetivo geral deste estudo propor uma metodologia, baseada na lgica nebulosa, para o
desenvolvimento de sistemas de despacho de caminhes em minas a cu aberto, a qual
considere ambos os critrios, de qualidade e de produtividade.
1.2.2 - Objetivos Especficos
Visando alcanar o objetivo geral proposto acima, pretende-se:

Estudar as diversas metodologias utilizadas em sistemas de despacho de caminhes;
Desenvolver um controlador fuzzy capaz de planejar o despacho considerando as duas
polticas (de qualidade e de produtividade);
Desenvolver um modelo para simular o sistema de despacho com controlador fuzzy;
Testar e validar o algoritmo nebuloso desenvolvido, por meio do modelo de simulao
criado.
1.3 - Justificativa
Os critrios de definio de despacho de caminhes (qualidade e produtividade) so

excludentes. Os softwares existentes baseiam-se no uso de apenas um desses critrios. As
tentativas de utilizar os dois critrios na deciso resultaram em definio do despacho
primeiramente pela qualidade e, em caso de empate neste critrio, pela produtividade (ou
vice-versa).
Alm de se constituir numa nova utilizao da lgica nebulosa, o atendimento dos objetivos
deste estudo propiciar uma ferramenta de grande relevncia quanto sua aplicao prtica
nas tomadas de deciso relativas ao despacho de caminhes em minas.
Outra possibilidade de tentar atender s duas polticas seria utilizando a otimizao multi-
objetivo, porm esta metodologia resultar no atendimento das duas condies,
independentemente da situao. A lgica nebulosa permite maior flexibilidade dos resultados
em funo das condies de momento do processo. Alm disso, a otimizao do problema em
partes pode gerar conflitos que inviabilizam a implementao das solues (COSTA et al.,
2004).
Os estudos visando melhorias nos sistemas de despacho de caminhes se justificam,

principalmente, pelos elevados custos associados ao transporte, na minerao. De acordo com
MUNIRATHINAM e YINGLING (1994), ALARIE e GAMACHE (2002) e outros autores, a
frota de caminhes representa cerca de 50% (ou mais) dos custos de operao na maioria das
minas a cu aberto.
1.4 - Metodologia
As pesquisas cientficas podem ser agrupadas em quatro grupos principais quanto

metodologia utilizada em seu desenvolvimento: Survey, Estudo de Caso, Pesquisa-Ao e
Modelagem Quantitativa.
Uma Survey envolve a coleta de informaes de indivduos sobre eles mesmos ou sobre o
contexto social ao qual pertencem (FORZA, 2002). A Survey classificada de acordo com o
momento em que pode ser aplicada:
a) Exploratria feita nos estgios iniciais da pesquisa de um fenmeno,
quando o objetivo ganhar conhecimentos elementares do problema;
b) Confirmatria usada quando j existem conceitos, modelos e proposies
bem-definidas acerca do problema;
c) Descritiva usada para analisar a importncia de um fenmeno e a sua
distribuio na populao.
Um Estudo de Caso envolve a histria de um fenmeno passado ou atual, obtida de mltiplos

recursos de evidncias e pode incluir dados de observao direta e de entrevista sistemtica,
bem como de arquivos pblicos e privados. Ele deve ser utilizado quando o fenmeno pode
ser estudado em seu estado natural (VOSS et al., 2002).
Uma Pesquisa-Ao pode ser definida pelas seguintes caractersticas:

- uma pesquisa em ao (e no sobre a ao);
- participativa (os membros do sistema em estudo participam ativamente do
processo);
- simultnea ao;
- e uma seqncia de eventos e uma aproximao para resoluo de problemas.
A Pesquisa-Ao apropriada quando a pesquisa se relaciona descrio de uma srie de

desdobramentos de aes ao longo do tempo, em um dado grupo, compreendendo, do ponto
de vista de um membro do grupo, como e por que sua ao pode mudar ou melhorar o
funcionamento de alguns aspectos do sistema, e entendendo o processo de mudana ou
melhoria, a fim de aprender com o mesmo (COUGHLAN e COGHLAN, 2002).
A Modelagem Quantitativa foi a base dos estudos de Pesquisa Operacional (PO) na Europa e
nos Estados Unidos (BERTRAND e FRANSOO, 2002).
Inicialmente, a Modelagem Quantitativa em PO foi orientada mais para a resoluo de

problemas em gerenciamento operacional que para o desenvolvimento de conhecimento
cientfico, mas, recentemente, a necessidade de desenvolvimento de teoria exploratria e
preditiva acerca de gerenciamento de operaes tem se tornado evidente (BERTRAND e
FRANSOO, 2002).
Modelos quantitativos baseiam-se em um conjunto de variveis que variam em um domnio

especfico, enquanto relaes quantitativas e casuais estiverem definidas entre elas
(BERTRAND e FRANSOO, 2002).
A Administrao Cientfica, que tratava de problemas reais, pode ser considerada a raiz do
desenvolvimento dos estudos quantitativos em gerenciamento de operaes (BERTRAND e
FRANSOO, 2002).
De acordo com BERTRAND e FRANSOO (2002), entre as duas Guerras Mundiais, foram
criados cursos em administrao industrial nos EUA, os quais, por motivos didticos,
utilizavam problemas idealizados (simplificaes dos problemas reais). Porm, o surgimento
da PO, nesta poca, no contribuiu para a produo de conhecimento cientfico sobre
processos operacionais, uma vez que o nico interesse era explicar e melhorar o desempenho
de um processo especfico.
Nas ltimas dcadas, entretanto, mtodos e tcnicas desenvolvidas pela PO (como o MRP e as
tcnicas japonesas) tm comeado a impactar o gerenciamento operacional.
A metodologia de pesquisa em gerenciamento operacional baseada em Modelagem

Quantitativa pode ser classificada como axiomtica ou emprica, sendo que, em cada um
desses tipos, a pesquisa pode ser descritiva ou normativa. A pesquisa axiomtica baseia-se em
modelos idealizados, dando mais nfase gerao de conhecimento, enquanto a emprica
baseada em problemas reais, enfatizando a aplicao imediata.
Segundo BERTRAND e FRANSOO (2002), a pesquisa axiomtica dirigida pelo seu prprio
modelo e produz conhecimento sobre certas variveis do modelo de acordo com as
consideraes sobre o comportamento de outras, utilizando mtodos formais desenvolvidos
na matemtica, estatstica e na computao (como otimizao combinatria e teoria das filas).
Geralmente, a pesquisa axiomtica normativa, embora tambm sejam realizadas pesquisas

descritivas para a compreenso do processo que foi modelado.
A pesquisa axiomtica normativa visa desenvolver polticas, estratgias e aes para melhorar
resultados disponveis na literatura, encontrar uma soluo tima para um novo problema, ou
comparar estratgias existentes para a resoluo de um problema especfico (BERTRAND e
FRANSOO, 2002). A maioria dos artigos referentes a alocao ou a estoques pertencem a
esta rea normativa.
O objetivo de uma pesquisa axiomtica descritiva analisar e entender as caractersticas de

um modelo. Pesquisas em teoria das filas e em teoria dos jogos, geralmente, so descritivas
(BERTRAND e FRANSOO, 2002).
A pesquisa emprica visa assegurar que o modelo se ajuste s observaes e aes da

realidade que ele representa. A pesquisa emprica mais comum a descritiva, que visa
criao de um modelo que descreve adequadamente as relaes causais existentes na
realidade. Uma pesquisa emprica normativa busca o desenvolvimento de polticas, estratgias
e aes para melhorar a situao atual (BERTRAND e FRANSOO, 2002).
Em vista do exposto, pode-se dizer que existem quatro tipos de pesquisas dentro da
metodologia de Modelagem Quantitativa:
- axiomtica descritiva visa analisar e entender caractersticas dos modelos, e
apresent-los;
- axiomtica normativa visa melhorar resultados encontrados na literatura e/ou
comparar problemas existentes;
- emprica descritiva objetiva a criao de um modelo que descreva
adequadamente as relaes existentes no cenrio;
- emprica normativa almeja o desenvolvimento de polticas, estratgias e aes
para melhorar a situao atual.
Dentre esses tipos, as pesquisas mais comuns so nas reas axiomtica normativa e emprica
descritiva.
De acordo com (BERTRAND e FRANSOO, 2002), as etapas de uma pesquisa quantitativa

so: conceitualizao (criao do modelo conceitual do problema/sistema estudado, definindo
as variveis que sero includas no mesmo); modelagem (construo do modelo quantitativo,
definindo as relaes causais entre as variveis); resoluo; e implementao (dos resultados
do modelo).
Uma Pesquisa Axiomtica (PA) comea com uma descrio consistente das caractersticas do
processo/problema que ser estudado. A segunda fase a apresentao formal, em termos
matemticos, do modelo (com anlises matemticas e provas). Assim, um artigo de PA
normalmente contm: modelo conceitual; modelo cientfico; soluo; prova da soluo; e
insights relacionados soluo para o modelo conceitual.
Enquanto a relevncia de uma PA determinada pela contribuio da mesma para a literatura,

a qualidade da mesma determinada pela otimalidade da soluo (melhor soluo, no caso
normativo, ou melhor adequao do modelo situao estudada).
Quando o modelo/problema muito complexo para anlises matemticas, a PA usa a

simulao, que permite a resoluo de uma gama muito maior de problemas, mas fornece
resultados com qualidade cientfica inferior. Neste caso, o trade-off entre relevncia do
processo/problema estudado e qualidade cientfica do resultado. Assim, necessrio justificar
a utilizao deste mtodo, devendo-se mostrar que no possvel resolver o problema de uma
forma analtica.
As etapas de uma PA com simulao so: justificativa do mtodo; justificativa da soluo ou

hipteses que sero testadas (uma vez que na simulao no se pode provar a soluo, como
na matemtica, deve-se demonstrar que a heurstica utilizada tem boa performance ou que
as hipteses quanto s caractersticas do processo esto prximas das caractersticas reais);
planejamento do experimento; anlise estatstica dos resultados (teste-t para avaliar a
diferena entre os resultados obtidos na simulao e algum ponto de referncia; e anlise de
varincia para avaliar a sensibilidade da performance para valores de parmetros no modelo;
entre outros); e interpretao dos resultados.
A Pesquisa Emprica (PE) est preocupada em testar a validade de modelos cientficos ou a

usabilidade e performance de solues tericas num processo operacional real. O maior
problema para a PE que os processos/problemas reais so todos diferentes, embora haja
algumas similaridades estruturais (em funo do tipo de tecnologia de manufatura usada)
entre eles.
As etapas de uma PE so: identificar os pressupostos bsicos do processo que esto por trs
do modelo terico; identificar o tipo de processo e o tipo de problema de deciso ligado ao
mesmo; confirmar se o processo/problema real pertence classe de processos considerada
(ex.: job-shop); derivar, a partir dos pressupostos bsicos, hipteses sobre o comportamento
do processo; desenvolver uma forma de levantar dados; coletar dados (aplicando a forma
definida na etapa anterior); interpretar os dados (geralmente com uso de anlises estatsticas);
e interpretar os resultados da pesquisa com relao ao modelo terico ou problema que deu
origem s hipteses testadas (confirmao ou rejeio dos pressupostos do modelo terico).
Este trabalho, que utilizar a metodologia de pesquisa baseada na Modelagem Quantitativa

axiomtica normativa, ser realizado nas seguintes etapas:
- levantamento do estado da arte;
- desenvolvimento de um algoritmo de despacho baseado em lgica nebulosa;
- desenvolvimento do modelo de simulao para testar o algoritmo desenvolvido
(sero utilizados dados de minas virtuais, desenvolvidos para este fim).
1.5 - Organizao do Trabalho
Este trabalho est estruturado em cinco captulos. Este, que o primeiro deles, apresenta uma
introduo ao tema, descrevendo a hiptese a ser testada (1.1) e os objetivos do estudo (1.2).
Tambm mostra alguns esclarecimentos acerca da justificativa e relevncia dessa pesquisa
(1.3), bem como da metodologia utilizada na mesma (1.4).
O segundo captulo trata da reviso bibliogrfica. Inicialmente, so abordados os sistemas de

despacho utilizados na minerao, suas bases e polticas, bem como os estudos realizados no
desenvolvimento de algoritmos de despacho (2.1). Em seguida, o captulo trata da lgica
nebulosa, suas aplicaes em minerao e em otimizao (2.2). Por fim, trata da simulao e
de suas aplicaes em minerao (2.3).
O terceiro captulo detalha a implementao computacional, descrevendo o modelo de

despacho por qualidade (3.1), o modelo de despacho por produtividade (3.2) e o modelo de
despacho por qualidade e produtividade simultaneamente, com o uso da lgica nebulosa (3.3).
Assim, neste captulo, que se descreve o algoritmo proposto por este trabalho. Tambm so
apresentados, neste captulo, os cenrios analisados para avaliar a metodologia de despacho
proposta (3.4), bem como a descrio do modelo de simulao desenvolvido no Arena, ou
seja, da mina virtual (3.5).
No quarto captulo so apresentados os resultados obtidos. E o ltimo captulo apresenta as

concluses desse trabalho e algumas perspectivas para trabalhos futuros.
13
CAPTULO 2
REVISO BIBLIOGRFICA
Neste captulo apresentada uma breve reviso bibliogrfica dos principais conceitos e
tcnicas utilizadas ao longo do trabalho em questo. Assim, na seo (2.1) so abordados os
sistemas de despacho utilizados na minerao, suas bases e polticas, bem como os estudos
realizados no desenvolvimento de algoritmos de despacho. Na seo (2.2), o captulo trata da
lgica nebulosa, suas aplicaes em minerao e em otimizao. Por fim, a seo (2.3) trata
da simulao e de suas aplicaes em minerao.
2.1 - Sistemas de despacho
As atividades de minerao podem ser realizadas em minas subterrneas e/ou em minas a cu

aberto. De acordo com SAAYMAN et al. (2006), em minas subterrneas, h maior nfase em
automatizao de veculos devido ao ambiente perigoso de tais minas que no despacho
timo dos mesmos, enquanto que, em minas a cu aberto, na dcada passada, houve vasta
implementao de sistemas computadorizados de gerenciamento em tempo real. Segundo ele,
mtodos de otimizao de sistemas de despacho em minas so necessrios para aumentar a
eficincia, e os princpios de despacho de veculos so os mesmos tanto em minas a cu
aberto quanto em minas subterrneas.
O despacho de caminhes envolve a deciso de para qual carregadeira o caminho livre

(vazio) ser enviado (SOUMIS et al., 1989).
Em minas subterrneas, embora os princpios gerais de despacho de veculos sejam os

mesmos, as rotas se alteram com grande freqncia, uma vez que, constantemente, novas
galerias so abertas, ao passo que galerias antigas so eliminadas. Alm disso, as condies da
estrada tambm devem ser levadas em conta pelo sistema de despacho em minas subterrneas,
uma vez que as estradas so danificadas com grande freqncia, em funo do peso dos
caminhes, o que torna necessria uma manuteno regular das estradas, com conseqentes
atrasos nos deslocamentos dos veculos (SAAYMAN et al., 2006).
Em minas a cu aberto, os caminhes se deslocam at uma das frentes de lavra pontos da

mina onde o minrio (ou estril) est sendo retirado e, aps serem carregados, se deslocam
para algum ponto de descarga (RODRIGUES, 2006). Os pontos de descarga podem ser:
a) pilhas de estril (material no aproveitado pelo processo);
b) pilhas de homogeneizao para mistura de material;
c) usina de beneficiamento onde o minrio tratado.
A alocao de caminhes em minas a cu aberto pode ser esttica ou dinmica. Na alocao

esttica, cada caminho designado a um ponto de carga e a um ponto de descarga,
deslocando-se apenas entre esses dois pontos durante um determinado perodo de tempo. Na
alocao dinmica, cada caminho direcionado para um ponto especfico, a cada carga e/ou
descarga, de acordo com critrios preestabelecidos (RODRIGUES, 2006).
Historicamente, as minas a cu aberto sempre operaram utilizando a alocao esttica, mas,

com o advento da possibilidade de monitoramento e controle por computador, vm utilizando,
atualmente, a alocao dinmica, despachando os caminhes para a lavra com maior
possibilidade de contribuio para o atendimento dos objetivos de produo no curto prazo
(KOLONJA et al., 1993).
RODRIGUES (2006) afirma que a alocao esttica ainda o mtodo mais utilizado nas
mineraes, em funo de no depender da utilizao de um sistema automtico de alocao.
Por ser mais simples e apresentar menores custos, esse tipo de alocao , geralmente,
aplicado em minas de pequeno e mdio porte. Apesar de permitir menores custos de
implantao, esse mtodo proporciona menor produtividade, pois pode ocasionar filas de
caminhes e ociosidade dos equipamentos de carga.
A utilizao da alocao dinmica requer o uso de um sistema de despacho. Pode-se dizer que
os termos "alocao dinmica" e "despacho" so equivalentes, ou seja, o termo despacho
refere-se alocao dinmica de caminhes a equipamentos de carga.
TU e HUCKA (1985) explicam que, no sistema de despacho, ao contrrio da alocao

esttica, os caminhes no so alocados para uma mesma carregadeira durante todo o tempo,
o que significa que, aps cada descarregamento, o caminho enviado a uma carregadeira de
acordo com a situao de momento da mina.
Os sistemas de despacho utilizam critrios previamente estabelecidos, como qualidade

(atendimento das restries qumicas da usina de beneficiamento) ou produtividade
(maximizao da utilizao dos equipamentos), entre outros. CHIRONIS (1985) relata que a
primeira instalao de um sistema de despacho ocorreu em 1979, numa mina de cobre em
Tyrone.
O sistema de carregamento / transporte determina a lucratividade de uma mina superficial

(KONYUKH et al., 1999). WANG et al. (2006) afirmam que, no final dos anos 90, os custos
de transporte correspondiam a mais de 50% dos custos de produo de minas a cu aberto.
Como os sistemas de transporte em minas a cu aberto envolvem grande volume de capital e

recursos (MARAN e TOPUZ, 1988), o objetivo do problema de transporte em minerao
mover o material retirado da mina para a usina de modo que o custo seja minimizado, sendo
que esse custo de transporte do minrio influencia a escolha de onde retirar o mesmo
(GERSHON, 1982). Nesse intuito, o sistema de despacho pode reduzir o custo de capital e da
operao, atravs da reduo da frota de caminhes necessria e do aumento da produo com
a utilizao da mesma frota (WHITE e OLSON, 1986; WHITE et al., 1993; RODRIGUES,
2006).
O potencial que o sistema de despacho possui de melhorar a utilizao da frota de caminhes

e carregadeiras obtido evitando filas excessivas de caminhes em uma carregadeira
enquanto outra pode estar aguardando caminhes (TU e HUCKA, 1985). J o potencial de
melhorar a qualidade obtido despachando os caminhes para as carregadeiras que melhor
contribuem para a mistura na pilha (ou usina), considerando as condies de momento, ou
seja, atendendo s restries de qualidade e reduzindo a varincia dos teores alimentados.
GERSHON (1982) alerta que no se deve otimizar um dos fatores ligados atividade mineral
(como limites da cava final, teor de corte, programao da produo, necessidades de
equipamentos, entre outros) independentemente de outro, pois, se os fatores forem resolvidos
separadamente, as vrias otimizaes podem ser conflitantes, criando uma srie de solues
que poderiam no ser viveis para serem colocadas em prtica. Assim, o problema do
transporte (representado pela poltica de produtividade para alocao de caminhes) e o
problema da blendagem (representado pela poltica de qualidade) devem ser resolvidos
simultaneamente para obter melhores resultados.
Vale ressaltar que, enquanto o objetivo do problema de transporte mover o material retirado
da mina para a usina de modo que o custo seja minimizado, o objetivo do problema de
blendagem em minerao manter o teor do minrio em um nvel quase constante para
alimentar a mina (GERSHON, 1982).
Segundo KOLONJA et al. (1993), devido aos avanos da tecnologia computacional, existem
vrios sistemas de despacho de caminhes, os quais tm potencial de melhorar a
produtividade dos caminhes e dos equipamentos de carga, gerando, conseqentemente,
economias para o sistema. Para eles, a introduo de um sistema de despacho em uma mina
pode gerar ganhos operacionais pela reduo dos tempos de espera e obteno de outros
benefcios, como melhor monitoramento, roteirizao tima e controle de teor.
Diversos mtodos tm sido desenvolvidos para implementar o despacho de caminhes (TU e

HUCKA, 1985). Esses mtodos podem ser agrupados em trs tipos bsicos de sistemas de
despacho de caminhes:
a) Sistemas de despacho manual utilizado desde o incio dos anos 60, trata-se de
uma prtica padro de alocao de caminhes, na qual o despachador, que fica em
um ponto estratgico da mina (de onde possa ter uma boa viso da operao), toma
decises com base em sua experincia (e tambm, logicamente, na situao que ele
est presenciando) e envia as instrues por rdios-transmissores aos caminhes e
carregadeiras. Esse mtodo indicado para minas pequenas ou de tamanho
moderado, nas quais a quantidade de caminhes no to grande e o despachador
tem viso total da cava, uma vez que, numa operao com grande quantidade de
caminhes, o despachador pode no ter tempo suficiente para tomar as decises de
despacho necessrias com eficincia (TU e HUCKA, 1985).
b) Sistemas de despacho semi-automticos neste sistema, o computador (que grava
o status dos equipamentos e a localizao dos caminhes) programado para
auxiliar o despachador no processo de tomada de deciso referente alocao dos
caminhes. Esse sistema chamado de semi-automtico porque o computador no
tem contato direto com o equipamento, sendo necessrio o despachador para
decidir (conforme a sugesto do computador ou no) e comunicar todas as
instrues.
c) Sistemas de despacho automticos mais abordados na literatura atual, estes
sistemas permitem ao computador tomar decises referentes ao despacho dos
caminhes (e envi-las para os mesmos) sem a interveno de um despachador
humano.
ETIN (2004) entende que as melhorias significativas na tecnologia dos computadores tm

levado a indstria de minerao a desenvolver muitos modelos de tomada de deciso para
auxiliar na melhor alocao possvel dos caminhes em minas a cu aberto. Segundo ele, os
sistemas de despacho computadorizados foram desenvolvidos nos anos 70 e tm se tornado o
modo mais comum de operao em muitas minas a cu aberto de larga escala. Devido ao seu
alto custo de implementao, tais sistemas no apresentam justificativa econmica em minas
de mdio ou pequeno porte. Mas a evoluo cada vez mais crescente na informtica,
principalmente a partir do fim dos anos 80, tem possibilitado a reduo dos custos de
implantao de sistemas de despacho, o que vem contribuindo para a adoo dos mesmos por
mineradoras de pequeno e mdio porte (ETIN, 2004; RODRIGUES, 2006).
O objetivo do despacho computadorizado maximizar o tempo total produtivo da mina,

minimizar a quantidade de caminhes necessria para o transporte, maximizar a produo
dos equipamentos de carga (CHIRONIS, 1985; RODRIGUES 2006) e atender aos padres de
qualidade da usina de tratamento (RODRIGUES, 2006).
SAAYMAN et al. (2006) acreditam que um importante passo na criao de um sistema de

despacho determinar a importncia relativa dos diferentes parmetros (tempo, distncia,
etc.) que sero levados em conta. Um sistema de despacho bem planejado e implementado
pode gerar boas economias para a empresa, ao reduzir, por exemplo, o tamanho da frota
necessria de caminhes (CHIRONIS, 1985).
Mas TU e HUCKA (1985) alertam que, em funo do considervel investimento que um

sistema de despacho computadorizado envolve e, principalmente, devido a cada mina ser
diferente, faz-se necessrio um estudo cuidadoso a fim de determinar se as melhorias de
produtividade da frota so grandes o suficiente para pagar os custos da implementao do
sistema.
De acordo com CHIRONIS (1985), um sistema de despacho computadorizado facilmente se

paga quando a mina tem pelo menos quatro carregadeiras ou escavadeiras trabalhando e/ou
quando os caminhes devem ser despachados para muitos locais de carregamento ou de
descarga.
O transporte por caminhes amplamente usado em minas a cu aberto e representa tambm

o maior item de custo nas operaes destes tipos de minas, chegando, em alguns casos, a at
50% dos custos de operao (TU e HUCKA, 1985). No entendimento de TU e HUCKA
(1985), a substituio de caminhes (a qual se faz necessria de tempos em tempos), o
aumento da profundidade das minas e os altos custos de energia / combustvel contribuem
para o aumento dos custos na operao da frota de caminhes. Esses autores afirmam que
tm sido observadas melhorias de 3% a 15% na produtividade do transporte por caminhes
nas operaes das minas a cu aberto que implementaram sistemas computadorizados de

despacho de caminhes.
Para se implementar um sistema computadorizado de despacho em tempo real necessrio

decidir um critrio (ou poltica) de despacho (TU e HUCKA, 1985). TU e HUCKA citam que
as polticas de despacho mais comumente usadas so:
a) Maximizao da produtividade dos caminhes prev onde o caminho poder ser
carregado primeiro e o aloca para a carregadeira equivalente, tendendo a
minimizar o tempo ocioso dos caminhes e maximizar a utilizao dos mesmos.
b) Maximizao da produtividade das carregadeiras prev qual carregadeira seria a
prxima a ficar ociosa ou estaria ociosa por mais tempo e aloca o caminho para
ela, tendendo a igualar os tempos ociosos e a utilizao das carregadeiras.
A eficincia da frota de caminhes e carregadeiras depende da estratgia de despacho em uso,

da complexidade do sistema caminhes / carregadeiras e de uma variedade de outras variveis
(KOLONJA et al., 1993). Segundo TU e HUCKA (1985), a estratgia de maximizao da
produtividade das carregadeiras pode ser til em casos de balano de produo para atender
qualidade, em minas profundas, por exemplo.
SOUMIS et al. (1989) defendem que a alocao de um caminho para um determinado

destino deve ser feita de forma a otimizar seu destino juntamente com os destinos dos demais
caminhes a serem despachados, uma vez que uma deciso tomada considerando apenas um
caminho por vez pode estar distante do timo. O seguinte exemplo, citado por esses autores,
reforam essa idia.
Supondo que o primeiro caminho seja enviado para a melhor carregadeira, mas existe uma
segunda opo de carregadeira tambm muito boa. Se esta melhor carregadeira tambm se
tornar a melhor escolha para o prximo caminho e todas as outras carregadeiras estiverem
muito distantes deste segundo caminho, ento melhor reservar a primeira escolha para o
segundo caminho e enviar o primeiro caminho para a segunda opo de escolha.
De acordo com CHANDA e DAGDELEN (1995), uma meta de produo bvia e usada com
muita freqncia o fornecimento de minrio com qualidade (teor e tonelagem) uniforme,
com base nas necessidades da planta, de forma a garantir a eficincia operacional da mesma.
Para assegurar a uniformidade da alimentao do processo de beneficiamento, preciso

misturar minrios de qualidades diferentes de vrias frentes de lavra da mina e/ou de
diferentes minas. A simulao e os mtodos heursticos foram as primeiras tcnicas
computacionais a serem aplicadas no planejamento de minas de carvo (FRASER, 1973,
citado por CHANDA e DAGDELEN, 1995).
A blendagem pode ser vista como um processo sistemtico e metdico de combinao de uma
variedade de matrias dentro de uma massa uniforme. Este processo um dever para minas
com um alto grau de variabilidade de teor, ou seja, para minas no homogneas,
especialmente para commodities (como minrio de ferro, ouro, carvo, entre outros), onde a
qualidade do produto importante. Assim, em situaes nas quais os limites de qualidade do
produto se tornam mais estritos, seja por motivos econmicos, ambientais, ou por outras
razes, a blendagem se torna um aspecto importante no planejamento da mina (CHANDA e
DAGDELEN, 1995).
Uma blendagem de minrio apropriada pode ampliar a base de reserva, na medida em que o
minrio abaixo do teor de corte no considerado estril, mas pode ser utilizado, misturado
com material de alto teor (CHANDA e DAGDELEN, 1995).
2.1.1 - Aplicaes de sistemas de despacho
Os clculos dos despachos computadorizados envolvem programao linear, que um

mtodo matemtico para resolver uma variedade de problemas em diversas reas
(CHIRONIS, 1985). Segundo CHANDA e DAGDELEN (1995), a rea de aplicao de
programao linear mais bem sucedida, em minerao, tem sido os problemas de blendagem /
produo. Eles sugerem que, sempre que a tcnica de blendagem for usada em uma mina,
deve-se modelar matematicamente a situao para garantir a mistura (blendagem) tima.
Diversos autores vm propondo algoritmos/metodologias para sistemas de despacho/controle

de caminhes visando otimizao da produo em minerao, podendo-se citar: HAUCK
(1973); GERSHON (1982); CHIRONIS (1985); WHITE e OLSON (1986); SOUMIS et al.
(1989); REGO e ROUCARIOL (1995); CHANDA e DAGDELEN (1995); EZAWA e SILVA
(1995); ALVARENGA (1997); BONATES e LIZOTTE (1998); LI (1990); PINTO e
MERSCHMANN (2001); ZHANG (2002); COSTA (2004); TA et al. (2005); COSTA et al.
(2005); entre outros.
GERSHON (1982) descreveu um modelo de programao linear para otimizao de

seqenciamento de operaes em minas. Segundo ele, a programao linear tem sido aplicada
a uma grande variedade de problemas em minerao. Para ele, embora a maioria das
aplicaes bem sucedidas na indstria da minerao pode ser observada em problemas de
mistura, h um grande potencial para aplicaes na programao da produo e no
seqenciamento.
Tendo em vista a quantidade de rotas possveis que os caminhes podem seguir para as vrias
reas de carregamento e depsito, CHIRONIS (1985) props um sistema computadorizado de
despacho que analisa as necessidades de redefinio das rotas continuamente para otimizar a
produo. Esse sistema considera o tempo de ciclo num sistema de alocao esttica como a
soma de: tempo de viagem do caminho carregado, tempo de descarga, tempo de viagem do
caminho descarregado e tempo de carregamento do caminho. Assim, a quantidade de
caminhes necessrios dada pela diviso do tempo de ciclo pelo tempo de carregamento do
caminho (para que no haja formao de filas).
WHITE e OLSON (1986) fazem uma discusso acerca dos aspectos dos sistemas de despacho
computadorizados em minas com objetivos de operao simultneos, ou seja, que visam
resolver, ao mesmo tempo, o problema da produtividade da frota de equipamentos, da
blendagem e da garantia da taxa de alimentao da planta. Segundo eles, o uso de
programao linear em sistemas de despacho mais indicado quando a densidade
relativamente constante para qualquer tipo de material e todos os caminhes tm o mesmo
tamanho (capacidade). Eles descreveram um modelo baseado em dois passos programao
linear e programao dinmica desenvolvido para controlar a complicao adicional da
blendagem. A otimizao do despacho por programao linear dividida em duas partes: a
primeira resolve o problema de otimizao geral, enquanto que a segunda maximiza a
produo. J a programao dinmica que segue o Princpio da Otimalidade de Bellmans, o
qual diz que uma poltica tima tem a propriedade que, qualquer que sejam o estado inicial e
a deciso inicial, as decises restantes devem constituir uma poltica tima com relao ao
estado resultante da primeira deciso envolve, no caso de despacho de caminhes /
carregadeiras, alocaes timas de todos os caminhes que aguardam a solicitao de
atribuio para uma carregadeira (num futuro prximo), atendendo ao timo previamente
determinado nos caminhos selecionados.
SOUMIS et al. (1989) propuseram uma metodologia para resolver o problema de despacho
baseada em trs fases: a primeira fase escolha do equipamento envolve a seleo da
localizao das carregadeiras; a segunda planejamento operacional estabelece uma
estratgia tima (um plano de produo), para um certo perodo de tempo, resolvendo um
problema de rede com custos no-lineares associados ao tempo de espera de caminhes e
carregadeiras e aos objetivos de qualidade (a soluo deste problema fornece taxas das
carregadeiras e caminhos dos caminhes); e a ltima fase despacho despacha cada
caminho, em tempo real, resolvendo um problema de atribuio.
REGO e ROUCARIOL (1995) utilizaram a Heurstica de Busca Tabu para resolver um

problema de despacho dinmico de caminhes com vrias origens e destinos. Eles
descreveram um algoritmo composto por duas fases para a aplicao em um problema real de
roteirizao de caminhes para abastecimento de materiais. Na primeira fase, o algoritmo
determina a seqncia de rotas usando um mtodo de decomposio. Na segunda, as rotas
iniciais so melhoradas usando um mtodo de Busca Tabu, o qual baseado em movimentos
especficos de insero e extrao de arcos em um grafo do problema, de forma a melhorar as
rotas em cada passo (iterao). Os testes realizados mostraram que o algoritmo fornece,
rapidamente, resultados bem prximos do timo. Os autores apontaram que uma das
vantagens deste algoritmo a flexibilidade, permitindo, entre outras, aes estratgicas como,
por exemplo, a modificao do ponto de origem de um veculo. Segundo eles, usando a
mesma tcnica, possvel adaptar o algoritmo para vrios outros contextos. Assim,
considerando as frentes de lavras como as origens e a planta de beneficiamento como o
destino, o algoritmo pode ser adaptado para a definio do despacho de caminhes sob a
poltica de produtividade.
Visto que a formulao do problema da blendagem como um modelo de programao linear

clssico limitada, pelo fato de que apenas uma funo objetivo pode ser formulada por vez,
quando de fato o problema da blendagem / produo multi-objetivo, CHANDA e
DAGDELEN (1995) apresentaram uma formulao conhecida como Programao Linear
por Metas, que engloba dois critrios de otimizao na funo-objetivo: a maximizao de
um critrio econmico e a minimizao da soma dos desvios absolutos dos teores e das
tonelagens em relao a suas metas. Variveis de desvio foram usadas para calcular
penalidades (ou premiaes) associadas ao no atendimento das especificaes de qualidade.
A vantagem desta formulao que foi resolvida pelo mtodo Simplex sobre a
programao linear clssica justamente esta funo-objetivo secundria (minimizar a soma
dos desvios absolutos dos parmetros individuais de qualidade, bem como das tonelagens, em
relao a um conjunto de objetivos).
EZAWA e SILVA (1995) desenvolveram um sistema de alocao dinmica de caminhes

visando reduo da variabilidade dos teores dos minrios produzidos e a gerao de ganhos
de produtividade no sistema de transporte da Mina do Pico do Itabirito. Segundo eles, a
preocupao com a qualidade se faz necessria, nesta mina, devido complexidade geolgica
da reserva da mesma.
O sistema desenvolvido por EZAWA e SILVA (1995) pode ser considerado um exemplo de
tentativa de utilizao dos dois critrios de despacho (qualidade e produtividade), mas que
no considera as polticas simultaneamente. De acordo com os autores, uma condio
assumida pelo sistema que:
a) para reas com controle de qualidade: o parmetro de qualidade um parmetro de
deciso forte, que elimina qualquer outro, ou seja, para essas reas, o despacho
feito de acordo com a poltica de qualidade. Em caso de empate, o Tempo em
Fila (fator ligado a produtividade) ser considerado como critrio de desempate.
Persistindo o empate, o operador do sistema definir entre Tempo de Ciclo
Total, Prioridade de Produo e Melhor Equipamento de Carregamento para o
caminho a ser alocado a seqncia de fatores de desempate.
b) Para as reas sem controle de qualidade: ignora-se o parmetro de qualidade,
utilizando diretamente o Tempo em Fila. Em caso de empate, o despacho
decidido usando a mesma seqncia de deciso utilizada em reas com controle de
qualidade.
PINTO e MERSCHMANN (2001) apresentaram modelos matemticos para o planejamento

operacional de lavra de mina. Considerando a qualidade do minrio em cada frente, a relao
estril/minrio desejada, a produo requerida, as caractersticas dos equipamentos de carga e
de transporte, e as caractersticas operacionais da mina, seus modelos determinam o ritmo de
lavra a ser implementado em cada frente de lavra, considerando a possibilidade de alocao
esttica e dinmica dos caminhes. Porm, somente no caso de alocao esttica (em que os
caminhes atendem sempre mesma frente), o modelo faz alocao dos caminhes frente.
COSTA et al. (2004) propuseram um modelo de programao linear por metas, semelhante ao
proposto por CHANDA e DAGDELEN (1995), substituindo as restries no-lineares
propostas em PINTO e MERSCHMANN (2001) por restries lineares equivalentes, de
forma a garantir a otimalidade da soluo gerada. Esse modelo visa resolver o problema de
alocao de carregadeiras a frentes de lavra, o qual engloba os problemas de mistura de
minrios e de alocao de equipamentos. Apesar do atendimento das metas de produo
requeridas nos testes desse modelo, pode-se dizer que sua formulao baseia-se,
principalmente, na poltica de qualidade.
COSTA et al. (2005) propuseram um modelo semelhante ao proposto por eles em 2004,
porm aplicado alocao esttica de caminhes. Este modelo, que tambm se baseia na
poltica de qualidade, tambm apresentou bons resultados quanto ao atendimento das metas de
produo e qualidade, nos testes realizados, porm com uma pequena reduo de
produtividade, demonstrando que possvel atingir as metas requeridas e otimizar as
operaes de transporte e carregamento, com uma pequena reduo de produtividade.
Aps propor, juntamente com outros autores, modelos de programao matemtica para o
problema da mistura de minrio oriundo de diversas frentes de lavra, com alocao esttica e
dinmica de caminhes, visando ao atendimento de metas de produo e qualidade, COSTA
(2005) modelou o mesmo problema com uma metodologia de otimizao baseada na meta
heurstica Mtodo de Pesquisa em Vizinhana Varivel. Os resultados desse estudo
mostraram que a heurstica desenvolvida capaz de encontrar solues finais de qualidade
mais rapidamente que os mtodos baseados em programao matemtica.
MURINATHINAM e YINGLING (1994), ALARIE e GAMACHE (2002) e RODRIGUES

(2006) fizeram uma reviso acerca das principais metodologias e estratgias utilizadas em
sistemas de despacho de caminhes em minas a cu aberto. Os autores concordam que os
sistemas computadorizados de despacho so cada vez mais utilizados, em minas a cu aberto,
para melhorar a utilizao e produtividade dos equipamentos.
MURINATHINAM e YINGLING (1994) fizeram uma reviso das principais estratgias

utilizadas em sistemas computadorizados de despacho, examinando detalhes da formulao
matemtica de cada uma. Eles classificam os sistemas de despacho em dois tipos: heuristc
rule-driven que despacha o caminho com base em uma regra heurstica e plan-driven
que despacha o caminho com base em programao matemtica. Nesse trabalho, eles
tambm explicam o sistema comercial DISPATCH.
ALARIE e GAMACHE (2002) fazem uma reviso das principais estratgias (1-caminho
para n-carregadeiras; m-caminhes para 1-carregadeira; e m-caminhes para n-carregadeiras)
utilizadas em sistemas de despacho de caminhes em minas de cu aberto, analisando as
vantagens e desvantagens de cada uma. RODRIGUES (2006) faz uma anlise comparativa
das diversas metodologias adotadas em tais sistemas, implementando as metodologias
baseadas em Programao Linear e Dinmica e em Heurstica.
Na opinio de ETIN (2004) e de WANG et al. (2006), o DISPATCH, desenvolvido pela

Modular Mining Systems (tambm citado por MURINATHINAM e YINGLING, 1994), um
dos mais poderosos sistemas de despacho em uso em muitas minas a cu aberto pelo mundo
inteiro.
Esse sistema visa maximizar a produtividade com os equipamentos disponveis ou minimizar

os equipamentos necessrios para atingir a produo desejada, de forma a minimizar as filas
de caminhes nas carregadeiras e minimizar o tempo ocioso das carregadeiras (pode-se dizer
que define o despacho de acordo com a poltica de produtividade), alm de ajudar a atingir os
objetivos de blendagem das operaes (WHITE et al., 1993; ETIN, 2004). Para isso, o
DISPATCH realiza um despacho dinmico, com monitoramento constante da seleo da rota
e da localizao e do status do caminho e da carregadeira.
Nesse sistema, o motorista do caminho solicita uma alocao no incio do trajeto, o sistema
indica quando o caminho chega e quando ele carregado, e o operador da carregadeira
informa o tipo de material que est comeando a ser carregado (ETIN, 2004). O DISPATCH
utiliza uma lgica de alocao por programao dinmica (ETIN, 2004) e consiste de trs
subsistemas: determinao do Melhor Caminho para cada mudana na topografia,
Programao Linear para cada alterao significativa nas variveis dependentes das
condies de tempo, e Programao Dinmica para alocaes em tempo real (WHITE et
al., 1993). WHITE (1993) relatou melhorias em torno de 10% na produtividade das minas que
implantaram o sistema DISPATCH.
WANG et al. (2006) propuseram um princpio de despacho de caminhes em tempo real com
controle macroscpico, ou seja, a otimizao do fluxo do caminho feita considerando todas
as taxas de fluxo de caminhes atuais do sistema. Segundo os autores, a simulao indicou
certa vantagem de desempenho deste princpio em relao ao mtodo de programao
dinmica do DISPATCH e, obviamente, em relao ao mtodo fixo de seqenciamento
manual.
2.2 - Lgica Nebulosa
A Teoria dos Conjuntos Nebulosos foi capaz de se proliferar rapidamente aps suas bases
cientficas formais terem sido dadas por Zadeh, em 1965 (MEECH, 2006).
Segundo MEECH (2006), a primeira aplicao bem sucedida dos Conjuntos Nebulosos
ocorreu no campo de controle de processos, com o famoso artigo de Mandani sobre o controle
de uma mquina a vapor, em 1975. Pouco tempo depois, a indstria cimenteira dinamarquesa
aplicou a tcnica desenvolvida por Mandani para desenvolver um controlador de forno de
cimento.
Desde meados dos anos 80, o uso da Teoria dos Conjuntos Nebulosos (e da lgica de controle
fuzzy) tem se expandido rapidamente por todas as reas da indstria, incluindo geologia,
minerao, metalurgia e controle de poluio ambiental (MEECH, 2006).
A lgica nebulosa uma ferramenta capaz de capturar informaes vagas, em geral descritas
em uma linguagem natural, e convert-las para um formato numrico, de fcil manipulao
pelos computadores (CAMINHAS, 2006). Tem a capacidade, tambm de realizar inferncias.
A lgica nebulosa baseada na teoria dos conjuntos nebulosos (GOMIDE et al., 1995). Pela
teoria clssica dos conjuntos, um dado elemento do universo em discurso pertence ou no ao
referido conjunto. Pela teoria dos conjuntos nebulosos existe um grau de pertinncia de cada
elemento a um determinado conjunto.
O conjunto nebuloso no apresenta fronteiras bem definidas como o clssico (nem as mesmas
propriedades). Um conjunto nebuloso A definido por: A={(x, A (x))/x X}, onde x um
elemento do conjunto universo (X) e A (x) a funo de pertinncia, que determina o grau de
pertinncia variando entre 0 e 1 de cada elemento de X ao conjunto A.
Os conjuntos nebulosos possuem operadores prprios para as operaes complemento, unio

e interseo. A tabela 1 mostra alguns exemplos destes operadores:
Tabela 1- Principais operadores nebulosos
Complemento Unio (s_norma) - Interseo (t_norma) -

C(a) = 1-a a[0,1] U(a,b) = max (a,b) i(a,b) = min (a,b)
C(a) = (1-a)/(1+s*a) a[0,1] U(a,b) = a + b - a*b i(a,b) = a*b
s]-1, [ U(a,b) = min (1, a + b) i(a,b) = max (0, a + b -1)
a, se b = 0 a, se b = 1
C(a) = (1-aw)1/w a[0,1] e w>0 U(a,b) = b, se a = 0 i(a,b) = b, se a = 1
C(a) = (1+cos a) a[0,1] 1, caso contrrio 0, caso contrrio
As regras nebulosas e o raciocnio nebuloso so a base dos sistemas de inferncia nebulosa,

que constituem a mais importante ferramenta de modelagem baseada na teoria dos conjuntos
nebulosos (JANG et al., 1997). Tais sistemas tm sido aplicados em automao e controle,
reconhecimento de padres, predio de sries temporais e classificao de dados.
Todas as teorias axiomticas de deciso usam as relaes binrias. Uma relao binria R no
conjunto X um subconjunto de pares ordenados no produto X x X. Assim, uma relao
binria nebulosa R pode ser expressa da seguinte forma: R={[(x,y), R (x,y)]/ (x,y) X x Y}.
Enquanto nos conjuntos clssicos, dados x, y e z, onde y = f(x) e z = g(y), tem-se z = g(f(x)),
nos conjuntos nebulosos, as relaes R 1 e R 2 podem ser combinadas por composio max-
min R1R2 (x,z) = y [ R1 (x,y) R2 (y,z)] ou por composio max-produto R1R2 (x,z) =
y [ R1 (x,y)* R2 (y,z)].
Uma proposio nebulosa a atribuio de um valor lingstico a uma varivel lingstica. As

regras nebulosas so do tipo: se x A ento y B, onde A e B so valores lingsticos
definidos por conjuntos nebulosos. Se A implica B (AB, ou seja, se x A, y B) a funo
de pertinncia da relao nebulosa entre x e y A B (x,y) ou R (x,y) uma funo de
A (x) e B (y).
O raciocnio nebuloso um procedimento de inferncia que conduz a concluses a partir de

regras e proposies nebulosas conhecidas. Sendo A, A e B conjuntos nebulosos de X, X e
Y, respectivamente, e assumindo que a implicao nebulosa AB expressa como uma
relao nebulosa R em X x Y, ento o conjunto nebuloso B, inferido por x A e pela regra
nebulosa se x A ento y B, definido por: B (y) = x [ A (x) R (x,y)]. A seguir so
exemplificados alguns tipos de raciocnio nebuloso:
a) regra simples com um antecedente:

Regra: Se x A, ento y B
Fato: x A
Concluso: y B
A A B
w B
i(A,A)
x y y
Figura 1 - Representao grfica do procedimento de inferncia para regra simples com um antecedente
Como B (y) = x [ A (x) AB (x,y)] e AB (x,y) = A (x) B (y), tem-se que B (y) =
x { A (x)[ A (x) B (y)]} = x [ A (x) A (x) B (y)]. Como w = x [ A (x) A (x)], tem-
se que B (y) = w B (y). Este raciocnio pode ser resumido nos seguintes passos:
1. i(A,A); 2. w = max(i(A,A)); 3. B= min(w,B).
b) regra simples com mais de um antecedente:

Regra: Se x A e y B, ento z C
Fato: x A e y B
Concluso: z C
t_norma
A A B B C
w
w w C
x y z z
Figura 2 - Representao do procedimento de inferncia para regra simples com mais de um antecedente
Neste caso tem-se C (z) = w C (z), com w = w A w B . Este raciocnio pode ser resumido
nos seguintes passos: 1. passos 1 e 2 do item a para cada antecedente; 2. w = t_norma
(w is ); 3. C= min(w,C).
c) regras mltiplas com mltiplos antecedentes:

Regra 1: Se x A 1 e y B 1 , ento z C 1
Regra 2: Se x A 2 e y B 2 , ento z C 2
Fato: x A e y B
Concluso: z C
t_norma
A A B B C
w
w w C1
x y z z
t_norma
C
A A B B C C1 v
w z
w w C2
x y z z
Figura 3 - Representao do procedimento de inferncia para regras mltiplas com mltiplos antecedentes
Neste caso tem-se C (z) = [w 1 C1 (z)] [w 2 C2 (z)]. Passos: 1. trabalhar cada regra
individualmente; 2. C= unio entre os C is de cada regra.
Um sistema de inferncia nebulosa constitudo por um conjunto de regras nebulosas, um

banco de dados (que define as funes de pertinncia usadas pelas regras) e pelo mecanismo
de raciocnio (que executa o processo de inferncia). A entrada pode ser tanto conjuntos
nebulosos quanto valores determinsticos, porm as sadas so sempre valores determinsticos,
o que implica a necessidade de um processo de defuzzificao (mecanismo que transforma os
valores de sada de um conjunto nebuloso em um valor determinstico).
Os principais modelos para inferncia nebulosa so o de Sugeno e o de Mandani. No modelo

de Sugeno, a forma tpica da regra se x A e y B, ento z f(x,y), onde f(x,y) uma
funo determinstica (geralmente um polinmio). Como cada regra tem um valor
determinstico, a sada total do sistema obtida pela soma ponderada da sada de cada regra (z
= (w 1 z 1 +w 2 z 2 +...+w n z n ) / (w 1 +w 2 +...+w n )), evitando a necessidade de defuzzificao. J no
modelo de Mandani, a forma tpica da regra se x A e y B, ento z C.
As principais dificuldades de uma modelagem via sistemas nebulosos esto ligadas gerao
das regras, gerao das funes de pertinncia e escolha dos operadores, sendo os sistemas
adaptativos uma soluo para este problema (CAMINHAS, 2006).
A ANFIS (Adaptative Neuro-Fuzzy Inference System) uma arquitetura de rede adaptativa

que equivale funcionalmente a um sistema de inferncia nebulosa. Usando um procedimento
de aprendizado hbrido, essa arquitetura pode servir como base para a construo de um
conjunto de regras nebulosas se-ento, com funes de pertinncia apropriadas, para gerar
um par entrada-sada estipulado (JANG, 1993).
Considerando um sistema nebuloso com duas entradas (x e y) e uma sada (f), para uma base
de regras com duas regras se-ento do tipo Sugeno, ou seja:
Regra 1: Se x A 1 e y B 1 , ento f 1 = p 1* x + q 1* y + r 1 ,
Regra 2: Se x A 2 e y B 2 , ento f 2 = p 2* x + q 2* y + r 2 ,
tem-se o modelo de inferncia de Sugeno e a arquitetura ANFIS equivalente conforme a
figura 4:
A1 B1 Modelo Sugeno
w1 f1 = p1*x + q1*y + r1
A2 B2 w1*f1 + w2*f2
f=
w1+w2
w2 f2 = p2*x + q2*y + r2
x y
camada 1
camada 4 Modelo ANFIS
camada 2 camada 3
xy
A1 camada 5
w1 w1
x
Z
w1 f1
A2
f
B1
y w2 f2
Z
w2 w2
B2
xy
Figura 4 - Modelo de Sugeno e arquitetura ANFIS correspondente
Na camada 1, cada n i executa a funo O1 i = Ai (x), onde x a entrada do n i e A i o

valor lingstico associado, ou seja, O1 i a funo de pertinncia de A i . Os parmetros nesta
camada so chamados de premissas. Na camada 2, o sinal de entrada multiplicado: w i =
Ai (x) + Bi (y), i = 1, 2. O resultado enviado para a prxima camada, sendo que cada sada
de um n representa a regra de ativao. Na camada 3, o i-simo n calcula a relao entre a i-
sima regra e o somatrio de todas as regras ativadas: w i = w i /(w 1 +w 2 ), i = 1, 2. As sadas
desta camada so chamadas de ativao normalizada. Na camada 4, os ns executam a funo
O4 i = w i* f i = w i (p i* x+q i* y+r i ), onde w i a sada da camada 3 e p i , q i e r i so os parmetros
conseqentes. Na camada 5, o n calcula o somatrio de todos os sinais de entrada: O5 i =
w i* f i /w i .
O aprendizado da rede ANFIS feito pelo mtodo de treinamento hbrido, no qual os

parmetros das funes de pertinncia so ajustados pelo mtodo gradiente, no passo para
trs (backward pass), e os parmetros das funes f i so ajustados pelo mtodo dos mnimos
quadrados, no passo para frente (forward pass).
2.2.1 - Aplicaes da Lgica Nebulosa em minerao
Pode-se dizer que os Conjuntos Nebulosos (Fuzzy Sets ou Lgica Fuzzy) tm sido usados na
Engenharia de Minas desde o incio das atividades de minerao, a centenas de anos atrs,
porm, a aplicao formal da lgica nebulosa para revelar a matemtica por trs da
terminologia lingstica s ocorreu aps meados dos anos 80 (MEECH, 2006).
A aplicao, em minerao, da Teoria dos Conjuntos Nebulosos estabeleceu, na opinio de

MEECH (2006), uma racionalizao dos pesos relativos das variveis usadas para caracterizar
o corpo mineral, para selecionar mtodos de minerao subterrnea, e para planejar
escavaes exploratrias no corpo mineral.
HARRIS e MEECH (1987) descreveram a aplicao da lgica nebulosa para o controle de

uma planta de britagem secundria. WHILE et al. (2004, citado por MEECH, 2006) afirma
que foram instalados mais de 15 sistemas inteligentes de controle de britagem na indstria
mineral desde meados dos anos 90.
MEECH (2006) cita vrios exemplos de aplicao dos Conjuntos Nebulosos em controle de
processo em plantas na indstria mineral. Na Mina de Carajs, no Brasil, a lgica nebulosa foi
utilizada para controlar um espessador de rejeito (SANTOS et al., 1985, citado por MEECH,
2006).
CIFUENTES et al. (1995, citado por MEECH, 2006) desenvolveu um modelo quantitativo de
um circuito semi-autnomo de moagem (SAG Semi-Autonomous Grinding) baseado em
lgica nebulosa, para o monitoramento e avaliao de fatores responsveis por atrasos e
perdas de produo, interpretando combinaes de padres de tendncias de sinais de
sensores.
Na mina de ouro Mt. Rawdon, na Austrlia, foi instalado, em 2002, um sistema de controle de
moagem baseado em lgica nebulosa (circuito SAG) para aumentar a eficincia do circuito e
melhorar o processamento (MEECH, 2006).
MEECH (2006) cita, tambm, diversas aplicaes da lgica nebulosa nos sistemas geolgicos
das minas. Ele referencia, por exemplo, os trabalhos de BISS (1995) e BABIENKO (2001)
no desenvolvimento de sistemas de escavao em minas a cu aberto, usando lgica nebulosa,
e de BASETIN (2003) e PAPAVASILEIOU et al. (2002) no uso de sistemas inteligentes,
baseados em lgica nebulosa, para ajudar a selecionar equipamentos em minas subterrneas
ou a cu aberto.
Nesta rea, alm dos trabalhos acima, tambm podem ser citados JIANG et al. (1997), que
aplicaram a Teoria dos Conjuntos Nebulosos na avaliao do comportamento das escavaes
subterrneas e das condies de teto de abertura, LI e MEI (2004), que propuseram um
modelo nebuloso para predio de deslocamentos e deformaes de massa rochosa devido a
minas a cu aberto e para a seleo de ngulos de talude, e SINGH et al. (2005), que fizeram
um estudo comparativo de sistemas nebulosos ANN (Artificial Neural Network) e Neuro-
Fuzzy para prever constantes ligadas s propriedades geomecnicas das rochas, entre outros.
Pelo levantamento de MEECH (2006), pode-se observar que, apesar da lgica nebulosa estar
sendo utilizada em muitas reas da minerao, ainda no se encontram publicaes referentes
utilizao da mesma em sistemas de despacho.
2.2.2 - Aplicaes da Lgica Nebulosa em otimizao
VERDEGAY (1995) discute os modelos, mtodos e perspectivas da utilizao da lgica

nebulosa em problemas de otimizao. Segundo ele, os problemas de Otimizao Nebulosa
tm sido desenvolvidos principalmente no caso da programao linear e, se as regras de
controle nebulosas forem usadas para resolver problemas convencionais de otimizao, a
Programao Linear Fuzzy (FLP) pode auxiliar a Programao Matemtica Clssica.
Um problema de Programao Linear (LP) formado por uma funo-objetivo e por um

conjunto de restries, conforme mostram as equaes 1, 2 e 3, nas quais x j representa as
variveis, c j representa os custos (economias ou lucros), e a ij e b j representam os coeficientes:
. . 1
. : . . , 1 2
0, 1 3
Segundo VERDEGAY (1995), em um problema de LP, os principais tipos de FLP possveis

so: problemas com restries nebulosas, problemas com funo-objetivo nebulosa,
problemas com custos nebulosos (c j s), problemas com coeficientes nebulosos (a ij s e b i s),
alm daqueles resultantes da combinao de dois ou mais destes tipos.
Nos FLP com restries nebulosas, todos os parmetros so conhecidos, porm permite-se
que as restries sejam violadas at um determinado valor (t i ). O grau de atendimento da i
restrio nebulosa dado pela equao 4:
1 , se (Ax) i < b i
i (x) = { h i [(Ax) i ] , se b i (Ax) i b i + t i (4)
0 , se (Ax) i > b i + t i
comum assumir que h i () [0,1], tal que quanto maior for a violao da restrio, menor o
valor de h i .
Nos FPL com funo-objetivo nebulosa h uma meta nebulosa o (x): Rn [0,1], tal que
o (x) [0,1] expressa o grau de atendimento do objetivo nebuloso. Geralmente, fixado um
nvel desejado para a funo-objetivo e a meta nebulosa que o valor da funo objetivo seja
maior ou igual ao nvel desejado. Formalmente, o (x) idntico ao i (x) apresentado na
equao 4.
VERDEGAY tambm discute a utilizao da lgica nebulosa em problemas de Programao

Inteira e Programao Inteira-Mista, alm de apresentar alguns mtodos para a resoluo dos
diversos tipos de problemas de Programao Matemtica Nebulosa, os quais no sero
detalhados neste trabalho.
Ele explica que as regras nebulosas podem ser utilizadas, no caso especfico de problemas de
otimizao, no critrio para terminar o algoritmo, devendo-se considerar a nebulosidade no
conjunto-soluo e na condio de satisfatoriedade pr-estabelecida.
De acordo com o autor, o uso da lgica nebulosa ajuda a resolver problemas de Programao
Linear convencionais, com a vantagem de permitir a obteno de solues suficientemente
timas (dependendo do desejo do tomador de decises quanto ao grau de otimalidade),
rapidamente.
Exemplos de aplicao da lgica nebulosa em problemas de otimizao podem ser

encontrados em: TAN et al. (2000); ZIMMERMANN (2001); CAPRIHAN et al. (2006);
entre outros.
ZIMMERMANN (2001) trata do uso dos conjuntos nebulosos em problemas associados

logstica, como gerenciamento de trfego (superviso e controle de trfego, roteamento, etc.)
e seqenciamento e despacho (atribuio de pedidos a caminhes, etc.).
TAN et al. (2000) contemplam o uso da lgica nebulosa em um sistema de despacho para
veculos guiados automaticamente Automated Guided Vehicles (AGVs) operando em um
ambiente de manufatura. Segundo eles, os resultados da simulao mostraram que o Sistema
de Despacho Nebuloso analisado permite a obteno de elevados ndices de produtividade e
eficincia operacional das fbricas. Como o ambiente de manufatura apresenta algumas
diferenas em relao minerao (principalmente quanto ausncia de polticas de

qualidade na deciso do despacho, por no haver casos de blendagem), tal sistema de
despacho no atende aos objetivos do presente trabalho.
CAPRIHAN et al. (2006) tambm apresentaram uma Estratgia de Despacho Nebulosa,

visando solucionar o problema de seqenciamento em sistemas de manufatura flexveis,
diante do atraso de informaes. Eles afirmam que os experimentos de simulao
demonstraram a superioridade dessa estratgia sobre a estratgia convencional a heurstica
work-in-next-queue.
Estes exemplos mostram a utilidade e o crescente uso da lgica nebulosa em problemas de

otimizao ligados aos sistemas de despacho de veculos nas mais diversas reas.
2.3 - Simulao
O processo de tomada de deciso complexo e envolve diversos fatores, os quais, muitas

vezes, so subjetivos. Quando a deciso tomada com base apenas nas experincias passadas
e nos sentimentos da pessoa responsvel por ela, a obteno dos melhores resultados fica
comprometida, por carecer de uma base cientfica.
De acordo com ANDRADE (1990), a pesquisa operacional fornece instrumentos cientficos

que auxiliam o processo decisrio. A pesquisa operacional aplicada a problemas que dizem
respeito a como conduzir e coordenar as operaes ou atividades dentro de uma organizao
(HILLIER e LIEBERMAN, 1990).
A simulao uma tcnica de pesquisa operacional utilizada para analisar problemas cuja
soluo analtica impraticvel, seja pela presena de variveis aleatrias ou por uma
excessiva complexidade do sistema.
A simulao, assim como outras tcnicas de pesquisa operacional, se baseia no

desenvolvimento de modelos representativos do sistema real para obteno de solues para
os problemas sem a necessidade de interveno direta no sistema. Isto traz diversas vantagens
relacionadas reduo de custos e tempo, capacidade de replicao, aspectos ligados a
segurana e legalidade (PIDD, 1998).
A simulao computacional permite a rpida manipulao dos parmetros do sistema sem a

necessidade de experimentao em situaes reais (VAGENAS, 1999). Assim, ela faz o papel
do laboratrio ou planta-piloto em situaes onde a execuo de experincias seria
fisicamente impraticvel ou proibitiva em termos de custo (TU e HUCKA, 1985).
KNIGHTS e BONATES (1999) tambm explicitam a importncia da simulao ao permitir

que mudanas na operao sejam testadas sem as despesas envolvidas na experimentao em
um sistema real.
A simulao tem sido vastamente usada em sistemas de manufatura, controle de materiais,

sistemas militares, controle de trfego, treinamento de pilotos, projeto e planejamento de
minas, e em vrios outros sistemas que envolvem formao de filas (STURGUL e LI, 1997).
PINTO e PINTO (2005) definem um sistema como um conjunto de objetos que interagem
entre si em busca de um propsito lgico, e um modelo como sendo uma representao do
funcionamento deste sistema. A simulao pode ser vista como um processo no qual um
modelo computacional projetado de forma a representar um sistema real e a partir do uso
deste modelo so realizadas experincias visando ao entendimento do comportamento do
sistema e a avaliao de estratgias operacionais ligadas a ele (PEDGEN, 1990).
Para MARAN e TOPUZ (1988), a simulao computacional uma forma de medir a

performance de um sistema complexo por meio da conduo de experimentos de amostragem
em um modelo matemtico desse sistema.
Como um modelo de simulao pode ser definido como uma representao simplificada do
sistema real, ao se projetar um modelo de simulao, deve-se definir quanto o modelo de
simulao vai se aproximar do sistema real (KNIGHTS e BONATES, 1999).
Os avanos na tecnologia de hardware e software execuo mais rpida, maior capacidade

de armazenamento de dados, programao orientada a objetos, interface grfica, ODBC
(Open Data Base Connectivity), OLE (Object Linking and Embedding), entre outras tm
tido alto impacto na indstria de softwares de simulao, resultando em maior qualidade,
processamento mais rpido, maior flexibilidade e pacotes de simulao mais amigveis
(STURGUL e LI, 1997).
De acordo com PINTO e PINTO (2005), existe no mercado um grande nmero de aplicativos
(softwares) especficos para o desenvolvimento de modelos de simulao, sendo o Arena, da
Rockwell Softwares, um deles. Os autores afirmam que o Arena surgiu em 1993, a partir da
juno da linguagem de simulao SIMAN com o aplicativo de animao CINEMA.
Segundo PINTO e PINTO (2005), o Arena apresenta uma interface grfica destinada ao
desenvolvimento de modelos, animao e anlise estatstica de dados de entrada e sada. A
metodologia de execuo da simulao adotada pelo Arena a abordagem por processos, que
est voltada para a modelagem do processo a ser executado pelas classes de entidades do
sistema, que competem por recursos para execuo de algumas atividades e/ou cooperam
entre si para execuo de outras. Esta metodologia considerada por FREITAS FILHO
(2001) como intuitiva, devido ao fato do modelo representar o fluxo das entidades pelo
sistema.
O SIMAN (SIMulation ANalysis) um programa para modelagem de sistemas discretos e/ou

contnuos baseado na linguagem C (KOLONJA, KALASKY e MUTMANSKY, 1993).
Outro software muito utilizado o SLAM (Simulation Language for Alternative Modeling),
que consiste de uma srie de subprogramas escritos em FORTRAN. O SLAM uma
linguagem de simulao orientada a eventos que trabalha com entidades, atributos e eventos
(TU e HUCKA, 1985).
VAGENAS (1999) cita tambm as seguintes linguagens de simulao, as quais podem ser
usadas com o propsito de modelagem de sistemas de minerao: AUTO-MOD, SIM-
FACTORY, TAYLOR II e QUEST. RAMOS NETO (2002) faz uma reviso acerca das
linguagens de simulao utilizadas na simulao de operaes em minas.
A escolha da linguagem de simulao deve ser feita com base em diversos critrios,
principalmente: a facilidade de uso, o fornecimento de ferramentas de diagnstico e
depurao de erros adequadas, a capacidade de importar dados de outros softwares (como
planilhas e pacotes CAD Computer-Aided-Design) e a capacidade de ser combinada com
ambientes de animao grfica para visualizao do processo que estiver sendo simulado.
PINTO e PINTO (2005) explicam que a simulao de uma determinada realidade pode ser
vista como a operao do modelo que a representa. Eles esclarecem que, aps o
desenvolvimento do modelo, diferentes cenrios associados a ele podem ser analisados. Os
resultados das simulaes dos diversos cenrios fornecem uma base para a tomada de
decises gerenciais (TU e HUCKA, 1985).
TURNER (1999) esclarece que a simulao envolve a modelagem do processo, com base nas
regras operacionais, com posterior verificao do modelo, usando distribuies estatsticas
dos parmetros de entrada, e comparao dos resultados da simulao com os indicadores de

performance da operao atual.
As etapas de construo de um modelo passam pela definio do problema, identificao das

variveis relevantes, elaborao do modelo conceitual (modelo lgico), levantamento de
dados, implementao computacional, validao do modelo e anlise de cenrios (PINTO e
PINTO, 2005). A ltima etapa, a anlise de cenrios, pode ser vista como a resposta do
modelo a uma determinada configurao, ou seja, a resposta a perguntas do tipo: O que
aconteceria se o sistema operasse de determinada forma?.
Estas respostas auxiliam efetivamente o tomador de deciso, uma vez que ele pode testar uma
srie de alternativas e escolher aquela que ele julgar a mais adequada para a situao. Esta
anlise de cenrios implica na observao de diversas caractersticas do sistema tais como: a
taxa de utilizao de recursos, gargalos existentes, tempos em fila, etc. (PINTO e PINTO,
2005).
STURGUL (1992) alerta que, quando obtemos uma soluo usando simulao
computacional, importante entender o significado desta soluo, j que um modelo de
simulao no resolve um problema, apenas mostra como um sistema ir operar sob um dado
conjunto de parmetros.
STURGUL e LI (1997) destacam a importncia da animao na simulao. Segundo eles, a

popularidade da animao se deve sua habilidade de comunicar a essncia do modelo de
simulao para os gerentes e demais pessoas ligadas ao projeto, aumentando a credibilidade
do modelo.
A animao serve para comparar o modelo conceitual com o modelo computacional, ou seja,
para depurar e validar o modelo, determinando se o mesmo reflete a realidade de um sistema
existente ou proposto (STURGUL e LI, 1997).
STURGUL e LI (1997) tambm salientam a importncia da integrao da simulao com

outros aplicativos, como planilhas eletrnicas, sistemas CAD, sistemas de gerenciamento de
dados, entre outros.
2.3.1 - Simulao em minerao
A simulao comeou a ser utilizada na indstria mineral no incio dos anos 60 (STURGUL e
LI, 1997; RODRIGUES, 2006), sendo que, em 1995, em Papua e Nova Guin, foi projetada a
primeira mina que utilizou simulao e animao desde a fase de projeto (STURGUL, 1995,
citado por RODRIGUES, 2006).
A simulao vem ganhando cada vez mais aceitao na indstria de minerao e tem se
tornado importante para o planejamento de novas minas, bem como para o monitoramento das
operaes (TURNER, 1999; PANAGIOTOU, 1999). Na opinio de TURNER (1999), a
simulao tem emergido como uma forma til de explorar os impactos de novos
investimentos e tem proposto novos mtodos em minerao.
A simulao tem se estabelecido como a nica tcnica que pode rodar sistemas de minerao
complexos, os quais so de natureza estocstica, mudam dinamicamente ao longo do tempo e
do espao e operam dentro de um ambiente econmico varivel (PANAGIOTOU, 1999).
De acordo com KALASKY e MUTMANSKY (1996), a simulao vem ganhando aceitao e

importncia na indstria mineral (e tambm nos estudos da rea), correspondendo, em meados
dos anos 90, a mais que um quarto de todas as aplicaes relacionadas pesquisa operacional
em minerao.
A simulao, particularmente quando feita com animao, uma ferramenta que pode ser
usada pelos engenheiros para convencer o gerente da mina de que certas metas podem ou no
ser atingidas (PANAGIOTOU, 1999). Para VAGENAS (1999), a facilidade de uso de
animao a razo primordial para o crescimento da popularidade da modelagem por
simulao em minerao.
Computadores de alto desempenho e baixos custos, disponveis hoje em muitas minas, aliados
a linguagens de simulao/modelagem que permitem a construo rpida de modelos e
facilitam as alteraes, tm tornado a simulao uma importante ferramenta na minerao
(PANAGIOTOU, 1999).
Segundo WHITE et al. (1993), as tcnicas de simulao, em minerao, so mais

freqentemente usadas para avaliao e comparao. PANAGIOTOU (1999) defende que as
aplicaes mais comuns em minerao so em sistemas de otimizao e dimensionamento ou
de tomada de deciso. Para VAGENAS (1999), a simulao tem sido aplicada, em minerao,
principalmente em conexo com sistemas de transporte, nas operaes e nos planejamentos
das minas, e em seqenciamento da produo.
STURGUL (1992) defende que a simulao auxilia o engenheiro a determinar o envio correto
(ou timo) de um caminho para um determinado trabalho. Para KOLONJA et al. (1993) e
ETIN (2004), em muitos casos, a simulao computacional o mtodo mais aplicado e
efetivo de comparao de estratgias de despacho alternativas.
De acordo com STURGUL (1992), os estudos de simulao precisam usar as distribuies

estatsticas exatas que representam os tempos de viagem dos caminhes ao invs de utilizar os
tempos exatos (ou seja, as mdias de tempo), uma vez que a utilizao das mdias pode levar
a erros nos resultados. Para ele, o uso de distribuies estatsticas para vrios tempos (e no
apenas para os tempos de ciclos dos caminhes) leva os resultados de um estudo de simulao
a se aproximarem mais da realidade e, terem, conseqentemente, maior efeito.
Para MARAN e TOPUZ (1988), a simulao computacional pode ser usada como uma forma
de experimentao e avaliao de problemas de despacho, especialmente quando mtodos
analticos no so satisfatrios. Os sistemas de transporte de caminhes de uma mina a cu
aberto de grande porte so to complexos que se torna difcil obter resultados quantitativos
pela teoria das filas (TU e HUCKA, 1985). Assim, a simulao computacional
provavelmente o nico mtodo prtico para predizer a performance de um sistema de
transporte de caminhes sob controle de despacho computadorizado (TU e HUCKA, 1985).
Os sistemas de transporte de caminhes so modelados como sistemas de eventos discretos,

ou seja, como sistemas nos quais as mudanas podem ser representadas por uma coleo de
eventos discretos (MARAN e TOPUZ, 1988).
A simulao de sistemas de eventos discretos aquela na qual o estado do modelo muda

apenas em um conjunto discreto (mas possivelmente aleatrio) de pontos no tempo,
conhecidos como tempos de eventos, enquanto que a simulao de sistemas contnuos, o

estado do modelo muda continuamente ao longo do tempo (PANAGIOTOU, 1999).
Para KONYUKH et al. (1999), a simulao computacional fornece uma excelente

oportunidade para analisar variveis para sistemas discretos de minerao. KNIGHTS e
BONATES (1999) afirmam que modelos discretos de simulao podem ser aplicados, de
forma til, para estimar variveis de produo durante as fases de estudo de viabilidade e
planejamento dos projetos, bem como para avaliar estratgias alternativas de operao em
minas existentes.
MARAN e TOPUZ (1988) esclarecem que a incluso de regras de decises complexas no

programa de simulao consiste na maior dificuldade da modelagem das operaes de
despacho de caminhes.
KONYUKH et al. (1999) entendem que a simulao de sistemas de despacho mais difcil
que a simulao em planejamento de minas, uma vez que o modelo do primeiro caso deve
levar em considerao as mudanas nas entradas reais do processo, para refletir o processo em
tempo real.
De acordo com TURNER (1999), os modelos de simulao, em sistemas de gerenciamento de

minas, so utilizados, entre outros, com os seguintes propsitos:
- anlise de impacto anterior implementao;
- benchmarking de operaes existentes;
- verificao de algoritmos de alocao e da lgica operacional;
- anlises do tipo o que... se?.
PANAGIOTOU (1999) tem entendimento semelhante quanto utilizao da simulao em

minerao. Para ele, a simulao tem sido usada como uma ferramenta para responder uma
variada gama de questes do tipo o que... se?, visando avaliar alternativas antes da
construo ou modificao do sistema atual, testar o comportamento de diferentes tticas
operacionais e prever o desempenho econmico e operacional de diversas estratgias.
Segundo STURGUL e LI (1997), as ferramentas de simulao mais utilizadas na minerao

so: GPSS/H (e Proof Animation), Arena (SIMAN e CINEMA), SLAM (SLAMSYSTEM /
AweSim), MODSIM III e WITNESS.
TU e HUCKA (1985) desenvolveram um modelo de simulao para analisar a performance

de uma operao de caminho / carregadeira em uma mina a cu aberto. Alm de permitir a
anlise das operaes dos caminhes e das carregadeiras, o modelo tambm pode ser usado
para avaliar diferentes leiautes de redes de transporte na fase de planejamento e/ou para
comparar a performance esperada de alternativas de sistemas de despacho de caminhes. Eles
usaram a linguagem de simulao SLAM. Para modelar a variao aleatria no tempo de cada
atividade, a simulao estocstica foi utilizada, o que deu uma representao mais realstica
do processo. No modelo em questo, os caminhes foram considerados as entidades e as
carregadeiras, os recursos. Os resultados da simulao indicaram que, nas condies
estudadas, o uso do despacho computadorizado poderia gerar uma reduo de 2 a 3% no
tamanho total da frota necessria.
PEREIRA (1992) desenvolveu um modelo de simulao para estudar o efeito da Alocao

Dinmica na produtividade, em comparao com o modo convencional a alocao esttica
de alocao de caminhes. Seu modelo considerou as caractersticas da rede de transportes, os
limites de velocidade, as caractersticas e as disponibilidades dos equipamentos e a
configurao da cava. Esse modelo foi utilizado na Companhia Vale do Rio Doce CVRD.
FORSMAN et al. (1993) simularam uma mina a cu aberto, utilizando o modelo de simulao
METAFORA, para avaliar estratgias de controle de despacho. As regras de despacho
analisadas foram: despacho fixo, maximizao de caminhes e maximizao de carregadeiras.
A simulao das estratgias mostrou que, para o modelo criado, a operao obteve melhor
performance sob a poltica de maximizao de caminhes. Para a seleo de uma rota tima,
durante o despacho, foi utilizado o algoritmo do menor caminho de Dijkstra.
EZAWA e SILVA (1995) utilizaram a tcnica de simulao para a concepo, validao e

implantao do sistema de alocao dinmica de caminhes na Mina do Pico do Itabirito, de
forma que todos os testes preliminares foram realizados nos prottipos e no com o sistema
acabado. Eles afirmam que a simulao foi importante para se levantar problemas
operacionais do sistema, corrigidos antes mesmo da implantao, o que proporcionou uma

rpida assimilao da nova tecnologia pelo pessoal envolvido.
No final da dcada de 90, diversos autores fizeram uma anlise da utilizao da simulao em
minerao nos vrios pases e continentes do planeta (TURNER, 1999; PANAGIOTOU,
1999; KNIGHTS e BONATES, 1999; KONYUKH et al., 1999; VAGENAS, 1999).
TURNER (1999) descreveu alguns dos trabalhos que estavam sendo executados, na poca, na
frica do Sul. Segundo ele, a frica do Sul est expandindo o uso de sistemas de
seqenciamento de transporte em tempo real e a indstria mineral deste pas usa a simulao
extensivamente.
PANAGIOTOU (1999) analisou a evoluo da simulao, enfatizando os sistemas de minas a

cu aberto, na Europa. Segundo ele, as primeiras simulaes, no continente, parecem terem
sido feitas por vrios pesquisadores, no final dos anos 50, em minas no norte da Sucia, as
quais foram feitas a mo. Um desses estudos foi um modelo do sistema ferrovirio de
transporte para a mina de ferro subterrnea de Kiruna.
KNIGHTS e BONATES (1999) analisaram algumas aplicaes de simulao na indstria

mineral na Amrica do Sul. Eles citaram exemplos de uso de simulao em Minas Gerais, na
Bahia, em Gois e em outros estados do Brasil, alm de outros pases da Amrica do Sul. Para
eles, o uso da simulao no continente parece estar restrito s universidades e s maiores
companhias mineradoras (como a CVRD, por exemplo).
KONYUKH et al. (1999) situam o uso da simulao em minerao no continente asitico. De

acordo com eles, o conhecimento dos engenheiros de minas deste continente a respeito de
novos mtodos de simulao est defasado, existindo um grande nmero de minas obsoletas
na sia. As linguagens especializadas de simulao e animao, at a poca de divulgao do
trabalho dos autores, eram ainda desconhecidas na minerao russa. Eles ainda afirmam que
os custos de transporte equivalem a cerca de 50% a 60% do custo total de produo das minas
a cu aberto na Rssia.
VAGENAS (1999) fez uma reviso das aplicaes de simulao, na minerao canadense,
nos anos 90, mencionando os softwares utilizados e as minas que tm realizado estudos de
simulao.
PINTO (1999) props uma metodologia de anlise do planejamento de lavra em minas a cu

aberto baseada em simulao das operaes de lavra. Neste trabalho, foi apresentado o SIMIN
(SIMulador para MINerao), desenvolvido para a execuo de simulao de operaes de
lavra em minas a cu aberto. O SIMIN foi desenvolvido em Delphi, com base no Diagrama de
Ciclo de Atividades (DCA) e no mtodo das trs fases. Alm do mdulo de minerao
(Sim_Minerao), o SIMIN tambm possui um mdulo bsico (Sim_Bsico), utilizado para
construir modelos genricos.
MERSCHMANN (2002) desenvolveu um sistema de otimizao e simulao para anlise de

cenrios de produo em minas a cu aberto o OTISIMIN. De forma semelhante ao SIMIN,
o OTSIMIN foi desenvolvido em Delphi, com base no DCA e no mtodo das trs fases. Esse
sistema dividido em dois mdulos: um de otimizao que trabalha com programao
linear e utiliza o software de otimizao LINDO e um de simulao.
RAMOS NETO (2002) desenvolveu um TEMPLATE no programa Arena, para simulao das
operaes de carregamento e transporte em minas a cu aberto. Apesar das facilidades
oferecidas pelo template especfico, para a construo de um modelo de simulao, o presente
trabalho no se utilizou do template desenvolvido por este autor (foram utilizados apenas os
mdulos dos templates Basic Process e Advanced Process), uma vez que, segundo o prprio
autor, na medida em que os templates se tornam mais especficos, ocorre uma perda em sua
flexibilidade apesar de aumentar a facilidade do uso.
ETIN (2004) desenvolveu um modelo para simular o despacho e a produo de uma mina a
cu aberto de mdio porte, com o intuito de analisar e comparar regras heursticas de
despacho de caminhes. Os resultados das anlises estatsticas mostraram que os efeitos das
regras bsicas de despacho no so significativos para a performance do sistema os ndices
de performance utilizados foram: produo do caminho, utilizao da carregadeira e
utilizao do caminho.
SAAYMAN (2005) utilizou um modelo de simulao para avaliar estratgias de otimizao

de sistemas de despacho de veculos em minas subterrneas.
48
CAPTULO 3
IMPLEMENTAO DO MODELO
Apesar de no se tratar de um software de programao, todos os algoritmos foram

desenvolvidos e implementados utilizando-se o software Arena, verso 11.0, da Rockwell
Software. O Arena um software de simulao utilizado por pesquisadores e profissionais do
mundo inteiro.
A grande vantagem vista na utilizao do Arena para o desenvolvimento das rotinas de

despacho, foi a unificao de todo o trabalho em um nico software, eliminando, assim, a
necessidade de interfaces entre diferentes softwares a necessidade de comunicao entre
softwares distintos torna a programao mais complexa e com riscos de erros na transio de
dados de um software para outro.
Como o Arena possui blocos Decide (que tem a funo de deciso se...ento) e Assign (com
funo de declarao de comandos de atribuio), naturalmente possvel desenvolver uma
programao estruturada em seu ambiente.
Neste captulo sero descritos os detalhes da implementao computacional. A seo (3.1)

descreve o modelo de despacho por qualidade. A seo (3.2) detalha o modelo de despacho
por produtividade. E a seo (3.3) apresenta o modelo de despacho por qualidade e
produtividade simultaneamente, com o uso da lgica nebulosa (o qual representa o algoritmo
proposto por este trabalho). A seo (3.4) detalha os cenrios analisados para avaliar a
metodologia de despacho proposta. Por fim, a seo (3.5) descreve o modelo de simulao, ou
seja, a mina virtual, desenvolvido no Arena.
3.1 - Poltica de Qualidade
O teor do minrio do R.O.M. resultante da combinao dos teores das diversas frentes que o
compem, ou seja, o teor do minrio do R.O.M. a mdia ponderada dos teores das frentes da
mina que fornecem minrio para o R.O.M. Como o teor de minrio de cada corrida deve estar
entre os limites inferior e superior permitidos, os caminhes so enviados para frentes com
maior ou com menor teor de minrio, de acordo com a necessidade de momento do R.O.M.,
para garantir o atendimento desta especificao de qualidade. Essa poltica de despacho de
caminhes para frentes de lavra em funo da garantia do teor da mistura chamada de
poltica de qualidade. Ela visa reduzir a varincia do teor de alimentao do R.O.M.
De acordo com RODRIGUES (2006), a poltica de qualidade objetiva manter as variveis

dentro dos limites de qualidade, dividindo a produo em lotes 1 , na tentativa de se colocar a
qualidade de cada lote dentro desses limites.
O algoritmo de despacho de caminhes por qualidade, desenvolvido neste trabalho, obtm o

erro em relao ao teor das variveis de controle de cada frente, despachando o caminho
para a frente que apresentar o menor erro, ou seja, para a frente que ocasionar o menor desvio
das variveis de controle em relao aos limites.
O erro de cada varivel representa o desvio do teor da varivel em relao aos limites de teor
permitidos, conforme mostra a figura 5:
Figura 5 - Erro da varivel
1
O conceito de lote est relacionado discretizao da produo, ou seja, separao, do que produzido, em
partes. O tamanho do lote pode ser definido em quantidade de unidades do produto (no caso de processos
discretos) ou em alguma unidade de medida (no caso de processos contnuos). Um lote, numa fbrica de
parafusos, por exemplo, pode corresponder a cada 1.000 parafusos produzidos. J em uma Aciaria, um lote pode
corresponder a cada 10 toneladas de ao lquido produzido.
O erro da cada frente equivale ao desvio total dos teores das variveis de controle no lote, em
relao a seus respectivos limites, caso o caminho seja enviado para a frente.
Em caso de empate entre duas ou mais frentes com o menor erro, a frente a ser escolhida ser
aquela que apresentar maior defasagem em relao produo ideal.
RODRIGUES (2006) chama esta escolha por defasagem de Poltica por Ritmo de Lavra.
Aqui, essa poltica foi utilizada como critrio de desempate dentro da poltica de qualidade,
uma vez que o ritmo de lavra est intimamente ligado qualidade. A poltica ritmo de lavra
visa manter os ritmos de lavra de cada frente (t/h) o mais prximo possvel dos valores ideais
com o objetivo de manter a qualidade exigida (RODRIGUES, 2006).
A priori, devem ser definidos: o tamanho mnimo do lote (vLote min ); o tamanho mximo do
lote (vLote max ); o peso de cada varivel de controle (vPeso vc ); e os limites mximo
(vTeor_superior vc ) e mnimo (vTeor_inferior vc ) permitidos para o teor de cada varivel de
controle, no lote.
A primeira anlise feita pelo algoritmo se a frente est funcionando. Apesar de se ter citado
que o algoritmo obtm o erro para cada frente, no justifica perder tempo com clculos para
uma frente de lavra se a mesma estiver inoperante. Neste caso, considera-se um erro muito
grande para a frente inativa (por exemplo, 9999) e passa-se aos clculos relativos prxima
frente.
Para cada frente em operao2 , calcula-se o erro da mesma (vErro f ). Esse erro representa a
mdia dos erros de cada varivel de controle para esta frente (vErro vc,f ), ponderada pelos
respectivos pesos. Assim, para uma mesma frente f, calcula-se o erro de cada varivel de
controle (vErro vc,f ). A equao 5 utilizada para o clculo do erro, sendo vQtd vc a quantidade
de variveis de controle consideradas:
, .
5

2
Neste trabalho, considera-se uma frente em operao qualquer frente que no esteja inativa, ou seja, qualquer
frente que esteja disponvel para carregamento, mesmo que ela esteja ocupada (carregando algum caminho).
Para obter vErro vc,f , necessrio calcular como ficaria o teor da varivel vc no lote (vTeor),
caso o caminho fosse enviado para frente f. importante ressaltar que este teor no deve ser
alterado no valor real do lote, uma vez que o caminho ainda no foi enviado para esta frente.
O teor da varivel no lote (vTeor) dado pela soma do teor real da varivel no lote (vTeor vc )
multiplicado pelo tamanho do lote (vLote) com o teor da varivel na frente f (vTeor vc,f )
multiplicado pela capacidade do caminho (aCap); tudo isso dividido pela soma do tamanho
do lote com a capacidade do caminho:
. , .
6
O valor obtido para vTeor pode representar uma das trs situaes: ser maior que o teor
mximo permitido para a varivel de controle (vTeor_superior vc ); ser menor que o valor
mnimo permitido (vTeor_inferior vc ); ou estar entre vTeor_inferior vc e vTeor_superior vc .
Caso vTeor, para a varivel de controle vc, estiver entre vTeor_inferior vc e vTeor_superior vc ,
ou seja, se o teor estiver dentro dos limites aceitveis para a varivel, o erro de vc na frente f
nulo (vErro vc,f = 0).
Se vTeor for maior que o limite superior, o erro de vc na frente f dado pela diferena entre o
teor da varivel no lote e o limite superior (vErro vc,f = vTeor - vTeor_superior vc ). Se vTeor for
menor que o limite inferior, o erro de vc na frente f dado pela diferena entre o limite
inferior e o teor da varivel no lote (vErro vc,f = vTeor_inferior vc - vTeor).
Aps calcular o erro de todas as variveis de controle para a frente f, pode-se ento calcular o
erro da frente (vErro f ), conforme a equao 5. E, aps calcular o erro de todas as frentes,
escolhe-se a frente de menor erro: MIN(vErro f ).
Se houver empate entre uma ou mais frentes, com o menor erro, faz-se a escolha pela
defasagem. Para este caso, deve ser definido, a priori, o percentual desejado de participao
de cada frente na produo total (vPd f ), durante o intervalo de tempo em anlise (vIntervalo),
o qual tambm deve ser definido inicialmente esta definio normalmente obtida via
modelos de otimizao.
Calcula-se, para cada frente, sua defasagem (vDef f ), ou seja, a diferena entre o percentual
desejado da produo da frente (vPd f ) e o percentual real de sua produo (vPr f ). Vale
lembrar que a defasagem da frente somente calculada se a frente tiver empatada com
outra(s), com o menor erro.
O percentual real da produo da frente no intervalo (vPr f ) obtido dividindo-se a produo

da frente no intervalo (vProdf) pela produo total somadas todas as frentes no intervalo
(vProd_total). Aps obter a defasagem de todas as frentes, escolhe-se a frente de maior
defasagem em relao produo ideal: MAX(vDef f ).
Uma vez definida a frente para o qual o caminho ser enviado, aps a descarga do mesmo,
procede-se com a alterao dos dados relativos ao lote. Assim, deve-se acertar o teor de cada
varivel no lote (vTeor vc ) e o tamanho do lote (vLote). O novo teor de cada varivel
calculado pela mdia ponderada entre o teor da varivel que o lote apresentava antes de ser
acrescido dessa quantidade de material (vTeor vc ) e o teor da varivel na frente da qual o
minrio foi retirado (vTeor vc,f ):
. , .
7
Depois de acertar o teor de cada varivel de controle, deve-se incrementar o tamanho do lote
de acordo com a capacidade do caminho que acabou de descarregar (vLote = vLote + aCap).
Sempre que o lote se tornar maior que o lote mnimo e todas as variveis de controle
apresentarem teores dentro dos limites permitidos (vTeor_inferior vc vTeor vc
vTeor_superior vc ), o lote fechado e inicia-se um novo lote. Neste caso, o lote considerado
bom. Um lote tambm encerrado sempre que se tornar maior que o lote mximo (vLote max ).
Neste caso, o lote fechado fora das especificaes (e considerado ruim).
Ao se iniciar um novo lote, as variveis tamanho do lote (vLote) e teor de cada varivel de
controle no lote (vTeor vc ) devem ser zeradas.
As figuras 6, 7 e 8 mostram um resumo, em PORTUGOL (GUIMARES e LAGES, 1985),

do procedimento de despacho sob a poltica de qualidade:
para f de 1 at vQtd_frentes faa

. vErro f 0;
. vDenom f 0;
. se estado da carregadeira f < > inativo ento
. . para vc de 1 at vQtd_vc faa
. . . vTeor (vTeor vc . vLote + vTeor vc,f . aCap) / (vLote + aCap);
. . . se vTeor > vTeor_superior vc ento
. . . . vErro vc,f vTeor - vTeor_superior vc ;
. . . seno
. . . . se vTeor < vTeor_inferior vc ento
. . . . . vErro vc,f vTeor_inferior vc - vTeor;
. . . . seno
. . . . . vErro vc,f 0;
. . . . fim se;
. . . fim se;
. . . vErro f vErro f + vErro vc,f . vPeso vc ;
. . . vDenom f vDenom f + vPeso vc ;
. . fim para;
. . vErro f vErro f / vDenom f ;
. seno
. . vErro f 9999;
. fim se;
fim para;
Ordena vErro f em ordem crescente;
se houver empate nas primeiras posies ento
. Escolha por defasagem;
seno
. Aloca caminho para menor vErro f ;
fim se;
Acerta lote.
Figura 6 - Algoritmo de despacho sob a Poltica de Qualidade
procedimento Escolha por defasagem

incio
. para f de 1 at vQtd_frentes faa
. . se frente tiver empatado (com menor erro) ento
. . . Calcular vProdf; {calcular a produo total da frente no intervalo}
. . . vPr f vProdf / vProd_total;{% real de produo da frente no intervalo}

. . . vDef f vPd f - vPr f ; {defasagem de produo da frente}
. . seno
. . . vDef f -3;
. . fim se;
. fim para;
. Ordena vDef f em ordem decrescente;
. Aloca caminho para maior vDef f ;
fim.
Figura 7 - Procedimento Escolha por defasagem
procedimento Acerta lote

incio
. para vc de 1 at vQtd_vc faa
. . vTeor vc (vTeor vc . vLote + vTeor vc,f . aCap) / (vLote + aCap);
. fim para;
. vLote vLote + aCap;
. se (vLote > vLote max ) ou
. (vLote > vLote min e vTeor_inferior vc vTeor vc vTeor_superior vc ) ento
. . vLote 0;
. . para vc de 1 at vQtd_vc faa
. . . vTeor vc 0;
. . fim para;
. seno
. . abandone;
. fim se;
fim.
Figura 8 - Procedimento Acerta lote
3.2 - Poltica de Produtividade
A princpio, a adoo da poltica de qualidade parece ser adequada, pois resolve o problema
do teor de minrio do R.O.M. Porm, esse critrio pode gerar um problema no que diz
respeito produtividade dos caminhes (e demais equipamentos). Por exemplo, quando a
mistura est muito pobre em relao a alguma varivel de controle (ou seja, a concentrao
dessa varivel est muito baixa), de acordo com o critrio de qualidade, os caminhes seriam
alocados para a frente de maior concentrao dessa varivel. Com os caminhes sendo
despachados para esta frente, haveria a formao de uma fila, o que reduziria a taxa de
utilizao dos caminhes (e das carregadeiras das demais frentes), ou seja, haveria a reduo
da produtividade dos equipamentos. Enquanto uma frente estaria com uma fila de caminhes
aguardando carregamento, a outra estaria sem nenhum caminho.
Um exemplo de ocorrncia dessa situao, na prtica, quando uma frente de baixo teor de
uma determinada varivel de controle por exemplo, o fsforo pra (por quebra da
carregadeira, problemas na estrada ou qualquer outro motivo). Enquanto o problema estiver
sendo resolvido (e os caminhes despachados para outras frentes), o teor de fsforo vai
aumentando, podendo ficar muito acima do limite superior permitido. Ento, assim que a
frente com baixo teor de fsforo retorna ao funcionamento, o algoritmo que despacha por
qualidade tende a mandar muitos caminhes para a mesma, a fim de reduzir o teor de fsforo
a valores inferiores ao limite superior, porm gerando fila.
A poltica de produtividade visa o aumento da taxa de utilizao dos equipamentos, obtido

pela reduo do tempo em fila (e tambm de trajeto) dos caminhes. Neste caso, os
caminhes so despachados para as frentes de lavra com menores filas, ou seja, para as frentes
nas quais eles perdero menos tempo. Em geral, adota-se este critrio em minas cujas frentes
so mais homogneas onde a qualidade no ficar comprometida ao se priorizar a
produtividade.
O algoritmo de despacho de caminhes por produtividade, desenvolvido neste trabalho, obtm

o tempo total esperado de fila causado em cada frente (vTF f ), caso o caminho seja enviado
para ela, despachando o caminho para a frente que apresentar o menor tempo de fila, ou seja,
para a frente com menor somatrio dos tempos esperados de fila de cada caminho. Vale
ressaltar que esse tempo total de fila calculado para cada frente apenas estimado, uma vez
que, aps cada caminho ser enviado para uma frente, uma diversidade de fatores aleatrios
pode ocorrer, com conseqente reduo ou elevao dos tempos de deslocamento e
carregamento.
Em caso de empate entre duas ou mais frentes com o menor tempo de fila, a frente a ser
escolhida ser aquela que apresentar menor tempo de ciclo.
RODRIGUES (2006) chama a escolha por tempo de fila de Poltica Tempo de Fila, e a
escolha por tempo de ciclo de Poltica Tempo de Ciclo. Aqui, a Poltica Tempo de Fila
tratada como Poltica de Produtividade, sendo que a Poltica Tempo de Ciclo foi utilizada
como critrio de desempate dentro da Poltica de Produtividade, uma vez que o tempo de
ciclo est intimamente ligado produtividade dos equipamentos.
Cada caminho c enviado para uma frente f possui um horrio de chegada (vHC c,f ), um tempo
em fila (vTF c,f ) e um horrio de liberao (vHL c,f ) lembrando que todas estas variveis
ligadas ao tempo so previstas, podendo no corresponder aos instantes reais. O instante de
chegada (vHC c,f ) obtido pelo tempo mdio de deslocamento do local de despacho at a
frente em questo (vT_desloc d,f ), acrescido do horrio do despacho (TNOW) equao 8. O
tempo em fila (vTF c,f ) dado pela diferena entre o instante de liberao da frente pelo
caminho anterior (vHL c-1,f ) e o instante de chegada do caminho (atual) frente equao 9.
E o instante de liberao da frente, pelo caminho atual (vHL c,f ), obtido acrescentando o
tempo mdio de carregamento (vT_carreg) ao instante de liberao da frente pelo caminho
anterior (vHL c-1,f ) equao 10.
vHC c,f = vT_desloc d,f + TNOW (8)

vTF c,f = vHL c-1,f - vHC c,f (9)
vHL c,f = vHL c-1,f + vT_carreg (10)
Para cada frente em operao, calcula-se o instante de chegada do caminho frente (vHC c,f ),
com base no tempo mdio de deslocamento do local de despacho mesma. Em seguida,
calcula-se o tempo total em fila (vTF f ), ocasionado pela chegada do caminho frente. O
tempo total em fila de uma frente a soma do tempo que o caminho fica aguardando na fila
para ser carregado, caso ele chegue depois de outro, com os tempos que os demais caminhes
(que j foram enviados para a mesma frente) ficaro em fila, caso o caminho atual chegue
antes de algum deles, conforme mostra a equao 11, onde c* representa o ltimo caminho a
ser liberado pela frente:
, 11
Assim, para calcular o tempo total em fila de uma frente, necessrio, primeiro, verificar se o
caminho que ser despachado chegar antes ou depois de outro(s) caminho(es). Existem
quatro possibilidades:
a) o instante de chegada do caminho atual (vHC c,f ) ser posterior ao instante de
liberao da frente pelo ltimo caminho (vHL c*,f ). Neste caso, o caminho atual
no aguarda em fila nem gera fila nos demais. Assim, o tempo de fila total da
frente zero: se vHC c,f vHL c*,f ento vTF f = 0;
b) o instante de chegada do caminho atual for posterior ao instante de chegada do
ltimo caminho frente de lavra (vHC c*,f ), porm inferior ao instante de liberao
deste caminho (vHL c*,f ). Neste caso, o caminho atual aguarda o carregamento do
ltimo, mas no gera fila nos demais. Assim, o tempo de fila total da frente dado
pelo tempo em fila do caminho atual, ou seja, pela diferena entre o instante de
liberao da frente pelo ltimo caminho e o instante de chegada do caminho
atual: se (vHC c,f vHC c*,f ) e (vHC c,f vHL c*,f ) ento vTF f = vHL c*,f - vHC c,f ;
c) o instante de chegada do caminho atual for anterior chegada do primeiro
caminho previsto para chegar frente de lavra. Neste caso, o caminho atual no
aguarda em fila, mas gera fila para todos os demais caminhes despachados para a
mesma frente. Assim, o tempo de fila total da frente dado pela soma dos tempos
em filas dos demais caminhes (antes, porm, deve-se acertar os valores das
variveis vHC c,f , vTF c,f e vHL c,f dos demais caminhes, conforme ser visto mais
adiante): se vHC c,f vHC c1,f ento vTF f = vTF c,f , com tempo em fila do
caminho atual igual a 0;
d) o instante de chegada do caminho atual for anterior liberao da frente, porm
entre o instante de chegada do primeiro e do ltimo caminho. Neste caso, o
caminho aguarda em fila e tambm gera fila nos demais. Assim, o tempo de fila
da frente obtido de modo semelhante ao descrito no item anterior: se (vHC c,f
vHL c*,f ) e (vHC c1,f vHC c,f vHC c*,f ) ento vTF f = vTF c,f .
O caso descrito no item (d) apresenta duas diferenas bsicas em relao ao descrito no item
(c), no que diz respeito ao clculo do tempo total de fila da frente. A primeira que, no item
(d), o caminho atual apresenta tempo em fila diferente de zero. A segunda e mais
importante que, no caso descrito em (d), deve-se descobrir qual a posio da fila que ser
ocupada pelo caminho atual, ou seja, entre quais caminhes enviados para a mesma frente
ele chegar.
Uma vez identificada a posio na fila de carregamento da frente de lavra a ser ocupada pelo
caminho atual, deve-se computar o tempo de fila da frente, com base no tempo em fila do
caminho atual. Em seguida, deve-se atualizar o tempo em fila e o instante de liberao de
cada um dos caminhes que chegaro depois do atual, incrementando o tempo em fila de cada
um, no tempo total de fila da frente. Todos estes clculos seguem as equaes 8, 9, 10 e 11.
Um pequeno detalhe a ser lembrado que o incremento no tempo total de fila da frente, dado
por cada caminho, a diferena entre o tempo em fila do caminho se o caminho atual for
para a frente em questo e o tempo em fila do caminho se o atual no for para a frente em
questo.
Como os clculos descritos acima so feitos antes de se definir para qual frente o caminho
seguir, importante manter os dados originais de cada frente. Para identificar a posio em
que o caminho atual chegar, deve-se comparar seu instante de chegada com os instantes de
chegada dos demais. Assim, considerando o w caminho como o primeiro a chegar depois do
atual, o caminho atual ocupar a posio w da fila.
Aps calcular o tempo total de fila de cada frente, escolhe-se a frente de menor fila:
MIN(vTF f ).
Se houver empate entre uma ou mais frentes, com o menor tempo total de fila, faz-se a
escolha pelo tempo de ciclo. Assim, para cada frente nesta situao (de empate), calcula-se o
tempo de ciclo caso o caminho seja enviado para a mesma.
O tempo de ciclo (vTC f ) compreende o deslocamento do caminho vazio at a frente de lavra

(vT_desloc d,f ), o tempo que o caminho aguarda o carregamento, ou seja, o tempo em fila
(vTF c,f ), o tempo de carregamento (vT_carreg) e o tempo de deslocamento do caminho cheio
at o ponto de descarga (vT_desloc f,d ). Como o instante de liberao do caminho em cada
frente (vHL c,f ) compreende os tempos associados ao deslocamento at a frente, fila para
carregamento e ao carregamento, nosso algoritmo obtm o tempo de ciclo de cada frente
simplesmente pela soma do instante de liberao do caminho com o tempo de deslocamento
do caminho cheio:
vTC f = vHL c,f + vT_desloc f,d (12)
Aps obter o tempo de ciclo de todas as frentes, escolhe-se a frente de menor tempo de ciclo:
MIN(vTC f ). Uma vez definida a frente para o qual o caminho ser enviado, procede-se com
o acerto das variveis vHC c,f , vTF c,f e vHL c,f , referentes ao caminho em questo e frente
escolhida.
As figuras 9, 10 e 11 mostram um resumo do procedimento de despacho sob a poltica de

produtividade:
para f de 1 at vQtd_frentes faa

. vHC c, f vT_desloc d, f + TNOW ;
. se vHC c ,f vHL c*, f ento {situao descrita no item a}
. . vTF f 0;
. . vHC 1, f _2 vHC c, f ;
. . vTF 1, f _2 0;
. . vHL 1, f _2 vHC c, f + vT_carreg;
. . vK f quantidade de caminhes na frente f + 1;
. seno
. . se vHC c, f vHC c*, f ento {situao descrita no item b}
. . . vHC 1, f _2 vHC c, f ;
. . . vTF 1, f _2 vHL c*, f vHC 1, f _2 ;
. . . vHL 1, f _2 vHL c*, f + vT_carreg;
. . . vK f quantidade de caminhes na frente f + 1;
. . . vTF f vTF c, f _2;
. . seno
. . . se vHC c, f < vHC c1, f ento {situao descrita no item c}
. . . . vHC 1, f _2 vHC c, f ;
. . . . vTF 1, f _2 0;
. . . . vHL 1, f _2 vHC c, f + vT_carreg;
. . . . vK f 1;
. . . . vTF f 0;
. . . . Acerta dados dos demais caminhes;
. . . seno {situao descrita no item d}
. . . . para w de 2 at quantidade de caminhes na frente f faa
. . . . . se vHC c, f < vHC cw, f ento {chega antes do w cam.}
. . . . . . vK f w;
. . . . . . vHC 1, f _2 vHC c, f ;
. . . . . . vTF 1, f _2 vHL c vKf , f vHC 1, f _2 ;
. . . . . . vHL 1, f _2 vHL c vKf , f + vT_carreg;
. . . . . . vTF f vTF 1, f _2;
. . . . . . Acerta dados dos demais caminhes;
. . . . . . w quantidade de caminhes na frente f + 1;
. . . . . fim se;
. . . . fim para;
. . . fim se;
. . fim se;
. fim se;
fim para;
Ordena vTF f em ordem crescente;
se houver empate nas primeiras posies ento
. Escolha por tempo de ciclo
seno
. Aloca caminho para menor vTF f ;
fim se;
Acerta vHC c, f , vTF c, f e vHL c, f .
Figura 9 - Algoritmo de despacho sob a Poltica de Produtividade

procedimento Escolha por tempo de ciclo

incio
. para f de 1 at vQtd_frentes faa
. . se frente tiver empatado (com menor fila) ento
. . . vTC f vHL 1, f _2 + vT_desloc f,d ;
. . seno
. . . vTC f 9999;
. . fim se;
. fim para;
. Ordena vTC f em ordem crescente;
. Aloca caminho para menor vTC f ;
fim.
Figura 10 - Procedimento Escolha por tempo de ciclo
procedimento Acerta vHC c, f , vTF c, f e vHL c, f

incio
. para L de 1 at (quantidade de caminhes na frente f - vK f +1) faa
. . vHC L+1, f _2 vHC c vKf+L-1 , f ;
. . vTF L+1, f _2 vHL L, f _2 - vHC L+1, f _2;
. . vHL L+1, f _2 vHL L, f _2 + vT_carreg;
. . vTF f vTF f + vTF L+1, f _2 - vTF c vKf+L-1 , f ;
. fim para;
fim.
Figura 11 - Procedimento "Acerta vHCc,f , vTFc,f e vHLc,f
3.3 - Qualidade e Produtividade simultaneamente, com lgica

nebulosa
Visto que cada uma das polticas explicadas nos itens anteriores soluciona um problema, mas
pode criar outro, para resolver simultaneamente a questo da qualidade da mistura e da
produtividade dos equipamentos, necessrio apelar para os conjuntos nebulosos.
Pela Teoria dos Conjuntos Nebulosos, existe um grau de pertinncia de cada elemento a um
determinado conjunto, uma vez que os conjuntos nebulosos no apresentam fronteiras bem
definidas como os conjuntos clssicos.
Pela lgica clssica, se definirmos que uma pessoa considerada idosa a partir de 60 anos,
podem surgir questes do tipo: uma pessoa com 60 anos e 1 dia idosa, porm uma pessoa
com 59 anos e 364 dias no o ; ou uma pessoa de 60 anos idosa, mesmo sendo
comparada com uma pessoa de 120 anos... Entretanto, no parece lgico dizer que uma
pessoa que nasceu apenas dois dias aps a outra no pertence ao mesmo conjunto (de idade)
que a mais velha, ou que uma pessoa que tenha o dobro da idade da outra pertence ao
mesmo grupo da mais nova.
De maneira anloga, no podemos dizer que uma produtividade de 1800 ton/h boa e uma de
1799 ton/h no . As fronteiras 60 anos ou 1800 ton/h no diferenciam as caractersticas
dos elementos que se encontram imediatamente abaixo ou acima das mesmas.
A lgica nebulosa permite dizer que uma pessoa de 59 anos e 364 dias possui um grau de
pertinncia de 59,9% ao conjunto dos idosos, enquanto uma de 60 anos e 1 dia possui um
grau de pertinncia de 60,01%, e uma de 120 anos pertence 99,98% ao conjunto dos idosos.
Esse paradigma da lgica nebulosa pode ser utilizado para definir o despacho dos caminhes
de acordo com o grau de pertinncia da qualidade da mistura e da produtividade dos
equipamentos de carregamento.
O algoritmo de despacho de caminhes, proposto neste trabalho, calcula o erro, a defasagem,

o tempo em fila e o tempo de ciclo de cada frente, identifica o nvel de qualidade da R.O.M. e
a produtividade dos equipamentos, obtm a participao (ou seja, o grau de pertinncia) de

cada um dos critrios, e define a frente para a qual o caminho ser despachado de acordo
com o erro, a defasagem, o tempo em fila e o tempo de ciclo, ponderados pela participao de
cada critrio a figura 12 resume estes procedimentos:
1 - Calcular para cada frente:

a) Erro (em relao s variveis de controle);
b) Defasagem (quanto produo ideal da frente);
c) Tempo em Fila;
d) Tempo de Ciclo.
2 - Identificar:
a) a qualidade da mistura;
b) a produtividade da mina.
3 - Obter o grau de participao da poltica de qualidade z
(a participao da poltica de produtividade na escolha dada por: 1 - z).
4 - Escolher a frente com base nos parmetros calculados no 1 passo, ponderados
pela participao de cada critrio (obtida no 3 passo).
Figura 12 - Fases do algoritmo de despacho com lgica nebulosa
O clculo do erro, da defasagem, do tempo em fila e do tempo de ciclo, para cada frente,
feito de maneira semelhante ao descrito nos itens anteriores. A diferena que aqui no
necessrio ordenar as frentes por ordem crescente ou decrescente desses parmetros. Alm
disso, os quatro ndices so calculados para todas as frentes.
Aps calcular os ndices para todas as frentes, o algoritmo calcula a qualidade da mistura e a
produtividade dos equipamentos.
A qualidade da mistura dada pela mdia das qualidades das variveis de controle,
ponderadas pelos respectivos pesos. A qualidade de cada varivel de controle funo da
distncia entre o teor da varivel e seus limites e metas. Considerando as variveis de controle
utilizadas neste estudo, tm-se duas situaes possveis:
a) varivel com limite inferior e limite superior a meta a mdia entre os limites
inferior e superior;
b) varivel apenas com limite superior a meta igual ao limite inferior, ou seja, vale
zero.
Em qualquer uma das duas situaes, a qualidade da varivel dada pela faixa de valores a
qual a varivel pertence. Para obter as faixas de valores possveis para a varivel, necessrio
calcular o parmetro dist, que equivale a da distncia entre a meta e o limite superior. A
figura 13 mostra o valor da qualidade da varivel de controle referente a cada faixa de valores
do teor:
Figura 13 - Qualidade da varivel de controle em funo de seu teor
Se o teor da varivel pertencer ao intervalo [Meta-dist, Meta+dist], a qualidade da mesma vale

5. Se o teor pertencer ao intervalo [Meta-2*dist, Meta-dist] ou ao intervalo [Meta+dist,
Meta+2*dist], a qualidade vale 4. Se o teor pertencer ao intervalo [Limite inferior, Meta-
2*dist] ou ao intervalo [Meta+2*dist, Limite superior], a qualidade vale 3. Se o teor pertencer
ao intervalo [Meta-6*dist, Limite inferior] ou ao intervalo [Limite superior, Meta+6*dist], a
qualidade vale 2. Se o teor pertencer ao intervalo [Meta-8*dist, Meta-6*dist] ou ao intervalo
[Meta+6*dist, Meta+8*dist], a qualidade vale 1. E se o teor da varivel for menor que Meta-
8*dist ou maior que Meta+8*dist, a qualidade da varivel vale 0.
Aps obter a qualidade de cada varivel, basta calcular a mdia ponderada da qualidade da
varivel pelo seu peso, para obter a qualidade da mistura.
A produtividade obtida dividindo a produo total acumulada (somatrio da produo de

todas as frentes) pelo tempo decorrido.
Sendo a ordem de grandeza da qualidade diferente da ordem de grandeza da produtividade,

deve-se fazer a converso dos valores obtidos para tais parmetros, visando que os valores
fiquem na mesma escala um do outro, de modo a facilitar a entrada de dados para o clculo do
grau de participao de cada poltica. Assim, o valor de produtividade obtido convertido em
um valor entre 0 (zero) e 5 (cinco).
Considerando que a produtividade mnima vale zero, o fator de converso (fc) obtido
dividindo o valor mximo do parmetro (vm) pela quantidade de classificaes possveis (qc)
menos um: fc = vm / (qc - 1). Assim, considerando seis possveis classificaes, se o valor
mximo para a produtividade for 2400, seu fator de converso ser 480.
O fc utilizado para converter o valor real do parmetro (vr) no valor apropriado para servir
de entrada no clculo do grau de participao de cada poltica (va). Essa converso feita
dividindo o valor real encontrado para a qualidade (ou produtividade) pelo fator de converso:
va = vr / fc.
A quantidade de classificaes possveis pode ser definida pelo usurio. Neste estudo, foram
definidas seis classificaes possveis para cada parmetro: pssima, ruim, regular, boa, muito
boa e excelente. Por isso, a converso dos valores feita para um valor entre 0 e 5 (conforme
citado anteriormente). Neste caso, pela Teoria dos Conjuntos Clssicos, teramos: 0
pssima; 1 ruim; 2 regular; 3 boa; 4 muito boa; e 5 excelente. Poderamos, ento,
agrupar os valores convertidos (va) conforme a tabela 2:
Tabela 2 - Faixas de classificao de qualidade ou produtividade pela Teoria dos Conjuntos Clssicos
Valor convertido (va) Qualidade / Produtividade correspondente

0 va < 0,5 Pssima
0,5 va < 1,5 Ruim
1,5 va < 2,5 Regular
2,5 va < 3,5 Boa
3,5 va < 4,5 Muito boa
4,5 va 5 Excelente
Assim, uma produtividade de 2,5 seria considerada boa enquanto uma produtividade de 2,499
seria considerada apenas regular. Como o modelo proposto segue a Teoria dos Conjuntos
Nebulosos, esta tabela no utilizada. Ao invs de pertencer a uma determinada faixa de
valores, cada va obtido possui um grau de pertinncia associado a cada classificao.
A figura 14 mostra funes de pertinncia associadas s seis categorias definidas para a

qualidade / produtividade. Nela, pode-se observar que uma produtividade de 2,5 pertence,
com um grau de pertinncia de 0,5, categoria boa, e de 0,5 categoria regular o que mais
coerente que a pertinncia obtida utilizando os conjuntos clssicos.
Figura 14 - Funes de pertinncia para seis categorias de qualidade / produtividade
Obtidos os valores de qualidade e produtividade dentro da faixa de valores de 0 at 5, passa-se

ao clculo do grau de participao das polticas de despacho na deciso da frente para a qual o
caminho ser enviado.
O clculo da participao de cada poltica envolve a utilizao de um modelo ANFIS.

Conforme descrito no captulo 2, a ANFIS uma arquitetura de rede adaptativa que equivale
funcionalmente a um sistema de inferncia nebulosa e serve como base para a construo de
um conjunto de regras nebulosas se-ento, com funes de pertinncia apropriadas, para
gerar um par entrada-sada estipulado.
O aprendizado da rede ANFIS feito pelo mtodo de treinamento hbrido, no qual os

parmetros das funes de pertinncia so ajustados pelo mtodo gradiente. Portanto, o
algoritmo proposto envolve a gerao de funes de pertinncia e o treinamento da rede.
No caso deste estudo, existem duas entradas (qualidade e produtividade) e seis valores
lingsticos associados a cada entrada: pssima (A 1 ou B 1 ), ruim (A 2 ou B 2 ), regular (A 3 ou
B 3 ), boa (A 4 ou B 4 ), muito boa (A 5 ou B 5 ) e excelente (A 6 ou B 6 ). A quantidade de regras
dada pela quantidade de valores lingsticos elevada quantidade de entradas (NR = NFPNE),
sendo, portanto 36 regras.
A figura 15 mostra o modelo ANFIS correspondente situao deste estudo:
Figura 15 - Topologia ANFIS para 2 entradas e 6 funes de pertinncia por entrada

As regras so do tipo:
Regra 1: Se x 1 A 1 e x 2 B 1 , ento y 1 = p 1* x 1 + q 1* x 2 + r 1 ;
:
.
Regra 36: Se x 1 A 6 e x 2 B 6 , ento y 36 = p 36* x 1 + q 36* x 2 + r 36 .
Cada w i representa a funo de pertinncia associada regra i, e cada y i representa a sada

referente regra i. A sada final (y) dada pela diviso de a por b, sendo a = w i .y i e b =
wi.
Para calcular o grau de participao das polticas, necessrio definir, a priori, a quantidade
de funes de pertinncia a serem geradas (m), a quantidade de repeties do treinamento a
serem realizadas (nepoca), a quantidade de entradas (n), e o tamanho do passo do mtodo
gradiente (alfa).
Conforme j dito anteriormente, o modelo possui duas entradas (o valor da qualidade e o

valor da produtividade, ambos convertidos para um valor entre 0 e 5), portanto, n = 2. Os
demais parmetros so ajustveis, e esto intimamente ligados eficincia do modelo em
achar o valor correto para a sada (y) do modelo.
Essa calibrao de m, nepoca e alfa, constitui-se numa das partes mais difceis na
construo deste modelo. O mtodo utilizado para definir os melhores valores desses
parmetros, para se chegar resposta otimizada, foi basicamente o da tentativa-e-erro.
Variando-se cada um dos parmetros e mantendo os demais constantes, pode-se analisar a
sensibilidade do modelo a cada um.
Foi facilmente observado que, para valores de m muito elevados, os resultados eram piores,
ou seja, a qualidade do modelo inversamente proporcional quantidade de funes de
pertinncias geradas. Tambm foi observado que o modelo demora muito mais para responder
quando o valor de m grande. Assim, definiu-se pela gerao de apenas duas funes de
pertinncia (m= 2).
A quantidade de treinamentos a ser realizada tambm tem impacto sobre o tempo de resposta
do modelo. Apesar do tempo de resposta ser maior para valores mais elevados de nepoca,
nestes casos, a qualidade da resposta aumenta. Entretanto, a partir de um determinado valor, a
qualidade no mais aumenta com o aumento da quantidade de treinamentos. Para esse
parmetro, valores entre 500 e 1000 apresentaram bons resultados na maioria das
combinaes testadas. Como o impacto sobre o tempo foi quase imperceptvel para m = 2
(primeiro parmetro definido), optou-se pela realizao de 1000 treinamentos (nepoca =
1000).
O ltimo parmetro a ser definido foi o alfa. Esse parmetro indica o tamanho do passo a ser
dado, no sentido do timo, pelo mtodo gradiente. Por um lado, valores muito baixos de alfa
exigem maior quantidade de treinamento, por mover os valores muito lentamente em direo
ao timo. Por outro lado, valores muito altos de alfa tambm podem exigir grande
quantidade de treinamentos por passar do timo, a cada passo, fazendo os valores terem um
comportamento semelhante ao de um pndulo. Foi adotado o valor 0,07 para alfa, uma vez
que este valor foi o que apresentou o melhor resultado com m = 2 e nepoca = 1000.
Definidos os valores dos parmetros, o algoritmo gera a entrada para validao (xv) e entrada
para treinamento (xt), sendo ambas matrizes, de acordo com os dados de entrada fornecidos.
A matiz de entrada de validao possui 36 linhas e duas colunas. As linhas representam as 36
regras, ou seja, as 36 combinaes possveis entre os seis valores lingsticos de qualidade e
os seis valores de produtividade. J as colunas representam os valores de cada uma das
entradas (coluna 1 valores possveis para qualidade; coluna 2 valores possveis para
produtividade):
Tabela 3 - Varivel de entrada para validao (xv)
Coluna1 Coluna2 Coluna1 Coluna2 Coluna1 Coluna2

Linha1 0 0 Linha13 2 0 Linha25 4 0
A matriz de entrada para treinamento foi definida com 25 linhas e duas colunas, considerando
apenas cinco valores lingsticos, intermedirios aos adotados para o problema:
Tabela 4 - Varivel de entrada para treinamento (xt)
Coluna1 Coluna2 Coluna1 Coluna2 Coluna1 Coluna2

Linha1 0,5 0,5 Linha9 1,5 3,5 Linha17 3,5 1,5
Linha25 4,5 4,5
O algoritmo tambm obtm a sada desejada na validao (ydv) e a sada desejada no

treinamento (ydt), sendo ambas vetores tambm de acordo com os dados de entrada
fornecidos. Para cada par de valores de entrada (qualidade, produtividade) deve ser informada
a sada correspondente (desejada).
A gerao das entradas e das sadas de validao e treinamento pode ser feita tanto por uma
rotina de gerao dos valores como pela leitura dos dados em um arquivo.
Os dados de entrada utilizados neste trabalho so apresentados na tabela 5, na qual as linhas

de 0 a 5 indicam os valores de entrada da produtividade, as colunas de 0 a 5 indicam os
valores de entrada da qualidade, e os valores entre 0 e 1 referem-se sada desejada para cada
par linha-coluna (ou seja, produtividade-qualidade):
Tabela 5 - Dados de entrada para o modelo
Qualidade
0 1 2 3 4 5
0 0,5 0,4 0,3 0,2 0,1 0
1 0,6 0,5 0,4 0,3 0,2 0,1
Produtividade
2 0,7 0,6 0,5 0,4 0,3 0,2

3 0,8 0,7 0,6 0,5 0,4 0,3
4 0,9 0,8 0,7 0,6 0,5 0,4
5 1 0,9 0,8 0,7 0,6 0,5
Caso o usurio do modelo queira priorizar uma das duas polticas (em uma mina sem
problemas de qualidade, o tomador de deciso pode desejar priorizar a produtividade, por
exemplo), basta alterar os parmetros da tabela 5.
O prximo passo a gerao das m funes de pertinncia (mf). As funes de pertinncia

geradas seguem curvas do tipo gaussiana, com parmetros sig e c. A distncia entre duas mfs
consecutivas quaisquer (delta) obtida pela diviso da diferena entre o valor mximo e o
mnimo pela quantidade de funes de pertinncia menos um (delta = (x max -x min )/(m-1)).
Como m = 2, para cada entrada (produtividade e qualidade) obtm-se duas mfs. O x max tanto
para qualidade como para produtividade vale 5. E o x min vale 0 para ambos.
Para cada mf, define-se o valor dos parmetros c, sig, p e q, alm de obter a curva da funo
de pertinncia (wp) e a sada (y) correspondente. O parmetro c j o valor da mf (da j-sima
regra) que apresenta grau de pertinncia igual a um. Para cada entrada, c j igual ao valor
mnimo da entrada somado ao produto de j-1 com delta: c j = x min + (j-1) * delta. O parmetro
sig no varia e obtido pela diviso de 0,5 vezes delta pela raiz quadrada de 2 vezes log de 2:
sig = (0,5*delta) / (2*log(2)). Para os parmetros p j e q (utilizados no clculo de y) so
gerados valores aleatrios entre 0 e 1. Para cada entrada, obtm-se duas curvas gaussianas
com parmetros c j e sig. A sada y obtida somando p j vezes x com q: y = p j * x + q.
Figura 16 - Funes de pertinncia geradas para a qualidade e para a produtividade
A funo funo_saida_nent gera a sada ys para cada par de valores de entrada fornecido.
Esse clculo feito com base nos parmetros x, c, sig, p, q, m e n fornecidos. A figura 17
mostra um comparativo entre a sada desejada e a sada obtida com os parmetros iniciais:
Figura 17 - Sada desejada versus sada obtida com os parmetros iniciais

O treinamento a prxima etapa do algoritmo. Conforme pode ser observado na figura 17, h
uma discrepncia muito grande entre os valores de sada obtidos e os esperados. Isso se deve
aos valores dos parmetros c, sig, p e q no estarem adequados. O ajuste desses parmetros
feito pelo mtodo gradiente.
O uso do mtodo gradiente indicado para achar o mnimo de uma funo ponto no qual a
derivada da funo vale zero quando a equao no possui soluo algbrica para suas
derivadas. Ao minimizar a funo erro, o mtodo gradiente contribui para a otimizao dos
parmetros. Esse mtodo foi escolhido por fornecer aproximao mais rpida, e consiste de
repeties consecutivas do seguinte clculo: x k+1 = x k -.f(x k ).
Assim, para cada iterao do treinamento, gera-se uma sada para cada par de valores de
entrada, por meio da funo funo_saida_nent. Aps gerar a sada, calculam-se as derivadas
parciais para, em seguida, acertar os parmetros pelo mtodo gradiente. As equaes 13, 14,
15 e 16 mostram as frmulas para acerto dos parmetros segundo o mtodo gradiente:
. . . . 13
. . . . 14
. . . . 15
. . . . 16
O modelo engloba as funes erro mdio (quadrado da diferena entre a sada real e a
desejada, dividido por dois), sada real (somatrio do produto funo de pertinncia vezes
sada da j-sima regra, dividido pelo somatrio das funes de pertinncia), sada da j-smia
regra (soma de p j vezes a entrada com q j ) e funo de pertinncia da j-sima regra
(exponencial de - vezes o quadrado da entrada menos c j , dividido por j ), as quais so
calculadas, respectivamente, pelas equaes 17, 18, 19 e 20:
17
2
. 18
1
. 19
2
. 20
Dessa forma, temos que: e = f(y); y = f(w j , y j ); w j = f(c j , j ); yj = f(p j , q j ). E e = f(c j , j , p j ,

q j ), j = 1...m. Portanto, as derivadas parciais necessrias para os acertos dos parmetros,
visando minimizao do erro, apresentam as seguintes frmulas:
21

22
23
.
24
.
25
1 26
27
Aps realizar o acerto dos parmetros para cada par de valores de entrada, passa-se para a
prxima iterao do treinamento, at se atingir uma quantidade de iteraes igual a nepoca. A
seguir, o modelo gera novas funes de pertinncia (agora com os valores ajustados), para
validar o treinamento. A figura 18 mostra as funes de pertinncia geradas aps o ajuste dos
parmetros:
Figura 18 - Funes de pertinncia geradas aps ajuste dos parmetros
Alm das novas funes de pertinncia, tambm faz parte da validao do treinamento a
obteno de y a partir de novos dados de entrada e a comparao do valor obtido com o valor
esperado. Novamente, a sada obtida pela funo funo_saida_nent. Essa funo gera a
sada y, de acordo com a rede ANFIS, ou seja, obtendo-se cada w j e cada y j para,
posteriormente, realizar os somatrios a (w j .y j ) e b (w j ), bem como a diviso de a por b. A
figura 19 mostra a comparao da sada obtida aps o ajuste dos parmetros realizado no
treinamento (linha) com a sada esperada (crculos):
Figura 19 - Sada desejada versus sada obtida com os parmetros
O erro quadrtico mdio apresentado pelo modelo da ordem de grandeza de 10-5. Uma vez
validado o treinamento, basta entrar com o par de valores (da qualidade e da produtividade) e
chamar a funo funo_saida_nent que o modelo retornar a sada correspondente. O valor
retornado pelo modelo equivale participao da poltica de qualidade.
Uma vez obtido o grau de participao da poltica de qualidade (z), o grau de participao dos
critrios de produtividade dado pelo complemento de z (ou seja, 1 - z).
A figura 20 mostra um resumo do passo 3 do algoritmo de despacho de caminhes por

qualidade e produtividade simultaneamente, com o uso da lgica nebulosa:
m 2;
nepoca 1000;
n 2;
alfa 0,07;
Figura 20 - Passo 3: obteno do grau de participao de cada poltica
Ler arquivo contendo dados de entrada; {coluna 1: valores de qualidade; coluna 2: de produtividade;
coluna 3: valores de y; as 30 primeiras linhas referem-se validao e as 25 seguintes, ao treinamento}
npv quantidade de valores de xv;

npt quantidade de valores de xt;
para i de 1 at n faa
x max maior valor da coluna i de xv;
x min maior valor da coluna i de xv;
delta (x max - x min ) / (m-1);
para j de 1 at m faa
c i,j x min + (j - 1)*delta;
sig i,j 0,5 * delta / raiz (2 * log(2));
p i,j valor aleatrio entre 0 e 1;
q j valor aleatrio entre 0 e 1;
wp curva gaussiana com parmetros (sig i,j , c i,j );
y p i,j * coluna i de xv + q j ;
fim para;
fim para;
para k de 1 at npv faa
funcao_saida_nent;
fim para;
para l de 1 at nepoca faa
para k de 1 at npt faa
funcao_saida_nent;
dedy ys k ydt k ;
entrada todas as colunas da linha k de xt ;
dyjdqj 1;
dydwj (y j - ys k ) / b;
dydyj w j / b;
dyjdpj entrada i ;
dwjdcj (entrada i c i,j ) / (sig i,j )2;
Figura 20 Passo 3: obteno do grau de participao de cada poltica
dwjdsigj (entrada i c i,j )2 / (sig i,j )3;

c i,j c i,j alfa * dedy * dydwj * dwjdcj;
sig i,j sig i,j alfa * dedy * dydwj * dwjdsigj;
p i,j p i,j alfa * dedy * dydyj * dyjdpj;
fim para;
q j q j alfa * dedy * dydyj * dyjdqj;
fim para;
fim para;
fim para;
w curva gaussiana com parmetros (sig i,j , c i,j );
y p i,j * coluna i de xv + q j ;
fim para;
fim para;
para k de 1 at npv faa
funcao_saida_nent;
fim para;
somatorio 0;
para k de 1 at quantidade de valores de xv faa
somatorio somatorio + (ys k - ydv k )2;
fim para;
eqm somatorio / 2 * quantidade de valores de xv;
ent [qualidade produtividade]; {ent um vetor de duas posies, as quais correspondem aos valores de
qualidade e produtividade, respectivamente}
funcao_saida_nent;
participao da poltica de qualidade ys;
participao da poltica de produtividade 1 ys.
Figura 20 Passo 3: obteno do grau de participao de cada poltica
procedimento funcao_saida_nent
incio
a 0;
b 0;
w j 1;
y j 0;
w j curva gaussiana com parmetros (sig i,j , c i,j );
y j p i,j * x i ;
fim para;
yj yj + qj ;
a a + wj * yj;
b b + wj;
fim para;
ys a / b;
fim.
Figura 21 - Funo funcao_saida_nent
Neste ponto, j se pode com base nos parmetros erro, defasagem, tempo em fila e tempo de
ciclo, ponderados pela participao de cada critrio escolher a frente para a qual o caminho
ser despachado. Cada parmetro recebe um valor entre 0 a 5, em funo do valor calculado,
conforme a tabela 6:
Tabela 6 - Valor correspondente ao valor calculado de cada parmetro
Tempo de ciclo Valor

Erro (E) Defasagem (D) Tempo em Fila (TF)
(TC) correspondente
E0 D > 0,75 TF 0 TC 0,2 5
0 < E 0,1 0,25 < D 0,75 0 < TF 0,017 0,2 < TC 0,25 4
0,1 < E 1 0 D 0,25 0,017 < TF 0,082 0,25 < TC 0,35 3
1<E5 -0,5 D < 0 0,082 < TF 0,17 0,35 < TC 0,5 2
5 < E 20 -1 D < -0,5 0,17 < TF 0,5 0,5 < TC 1 1
E > 20 D < -1 TF > 0,5 TC > 1 0
Assim, cada frente possuir quatro valores entre 0 e 5: um para o erro, um para a defasagem,
um para o tempo em fila e um para o tempo de ciclo. Por exemplo: se o erro calculado para
uma determinada frente foi de 2,3, o valor correspondente para o erro dessa frente ser 2; se a
defasagem calculada para essa frente foi de 0,5, o valor correspondente da defasagem dessa
frente ser 4. A tabela 7 esclarece este exemplo, mostrando os valores calculados para uma
determinada frente e os respectivos valores correspondentes:
Tabela 7 - Exemplo de correspondncia de valores dos parmetros para uma frente
Parmetro Valor calculado Valor correspondente

Erro 2,3 2
Defasagem 0,5 4
Tempo em fila 0 5
Tempo de ciclo 1,1 0
Com base nestes valores, possvel calcular a qualidade e a produtividade equivalente a cada
frente. A qualidade de cada frente (Q f ) dada pela mdia entre os valores correspondentes do
erro (VCE f ) e da defasagem (VCD f ) dessa frente. J a produtividade de cada frente (P f )
obtida pela mdia entre os valores correspondentes do tempo em fila (VCTF f ) e do tempo de
ciclo (VCTC f ) dessa frente.
28
2
29
2
A seguir, obtm-se o ndice de cada frente (I f ). Esse ndice dado pela mdia entre a
qualidade e a produtividade da frente, ponderada pelo grau de participao de cada poltica na
escolha da frente (definidos no passo anterior).
1
1 30
1
O algoritmo escolhe, ento, a frente de maior ndice, ou seja, aquela que melhor contribui para
o resultado global, considerando as necessidades momentneas da qualidade da mistura e da
produtividade dos equipamentos.
3.4 - Cenrios
Para a simulao dos sistemas de despacho baseados nas polticas de qualidade, de

produtividade e em ambas simultaneamente (utilizando a lgica nebulosa), foram
desenvolvidas trs minas virtuais, as quais contam com um conjunto de frentes, caminhes,
equipamentos de carga, usina de beneficiamento e pilha de estril. As minas diferem entre si,
basicamente, quanto aos teores das frentes.
O software utilizado para simular as minas virtuais foi o Arena, da Rockwell Software, verso
11.0. Para desenvolver os algoritmos de despacho segundo cada poltica, poderia ser utilizada
alguma linguagem de programao (como Basic, Pascal, C, entre outras). Porm, os
algoritmos de despacho foram desenvolvidos no prprio Arena, em funo, principalmente,
das instabilidades associadas troca de dados entre diferentes softwares. Para exemplificar,
enquanto um modelo construdo em sua totalidade no Arena rodava em menos de um minuto,
o mesmo modelo, interfaceado com o Excel (da Microsoft), no rodava em menos de uma
hora.
Apesar de ser um software desenvolvido para simulao, o Arena tambm pode ser utilizado
para desenvolver modelos de programao, uma vez que blocos Decide e Assign podem
ser combinados para criar rotinas de repetio.
As minas virtuais desenvolvidas no Arena foram validadas da seguinte maneira: os teores das
frentes de uma mina real foram testados no modelo virtual e os resultados de produo e de
percentual de lotes bons da mina virtual ficaram dentro dos resultados esperados para uma
mina que opera nas mesmas caractersticas da mesma.
Para cada mina, foram testadas as trs polticas, totalizando, assim, em nove cenrios para
anlise. O objetivo destes cenrios comparar as diferentes polticas de despacho em diversas
situaes encontradas nas minas a cu aberto.
Todas as minas possuem cinco frentes (sendo uma de estril e quatro de minrio), cinco
caminhes, uma usina de beneficiamento e uma pilha de estril. Cada frente possui apenas um
equipamento de carga. A relao estril-minrio considerada foi de 10% 3 e o intervalo de

controle, de 4h. O lote mnimo adotado foi de 500 toneladas (o lote mximo varia para cada
cenrio, podendo ser de 1.000 ou 1.500 toneladas) 4 .
Tabela 8 - Dados das minas virtuais
Caracterstica Valor
Quantidade de caminho 5
Quantidade de equipamento de carga 5
Quantidade de frente 5
Quantidade de pilha de estril 1
Quantidade de britador / usina de beneficiamento 1
REM 0,1 (10%)
Lote mnimo 500 t
Intervalo de controle 4h
A capacidade de carga de cada caminho foi considerada igual para todos, ou seja, cada
caminho possui capacidade para transportar 100 toneladas por viagem.
A taxa de carregamento de cada carregadeira foi considerada igual para todos, ou seja, cada
frente carrega o caminho seguindo uma curva normal com mdia 2,5 minutos e desvio-
padro 0,25 minutos 5 .
A durao da descarga foi considera a mesma, tanto no britador (usina de beneficiamento)

como na pilha de estril, para todos os caminhes, ou seja, o descarregamento do caminho
segue uma distribuio normal com mdia 0,7 minutos e desvio 0,07 minutos.
3
O baixo valor definido para a REM se deve ao fato de ter sido considerada somente uma frente de estril no
modelo, uma vez que o objetivo de avaliao do modelo mais focado na qualidade e produtividade do R.O.M.
Na realidade, a REM costuma ser bem maior que 10% nas minas de minrio, por exemplo, esta relao
costuma ser maior que 100%. Esta diferena, porm, no influencia nos resultados avaliados.
4
O objetivo da adoo de limites mnimo e mximo para os lotes discretizar a formao da pilha de
homogeneizao e reduzir a varincia dos teores do R.O.M. A adequao da qualidade da mistura em cada lote
garante, por conseqncia, a qualidade da pilha de homogeneizao.
5
Os tempos definidos como curvas de distribuio so assim utilizados para representar a variabilidade
associada a cada atividade. A distribuio normal foi escolhida para representar tempos de carregamento,
descarga e deslocamento devido ao fato destas operaes serem muito padronizadas e executadas
exaustivamente durante todo o turno, tendo uma vari6ancia relativamente baixa (principalmente os tempos de
carga e descarga).
Tabela 9 - Capacidade e tempos de carregamento e descarga dos caminhes
Caracterstica Valor
Capacidade do caminho 100 t
Tempo de carregamento NORM(2.5, 0.25) min
Tempo de descarga NORM(0.7, 0.07) min
Os tempos de deslocamento so diferentes para cada frente. Os tempos tambm diferem se o

deslocamento for entre uma frente e a britagem ou entre uma frente e a pilha de estril.
A carga do caminho tambm interfere nos tempos de deslocamento, ou seja, o tempo de

deslocamento do caminho vazio, em qualquer trajeto, diferente do tempo de deslocamento
do caminho cheio (carregado).
Vale lembrar que os deslocamentos de caminhes vazios ocorrem entre os pontos de descarga
usina ou pilha de estril e as frentes, enquanto que os deslocamentos de caminhes
carregados ocorrem entre as frentes e os pontos de descarga.
Os tempos de deslocamento, entretanto, no diferem entre os caminhes, ou seja, cada

caminho gasta o mesmo tempo para fazer o mesmo trajeto, com a mesma condio de carga
o mesmo tempo no significa, aqui, um tempo igual e constante para cada caminho, mas
que cada caminho gasta um tempo que segue a mesma distribuio de probabilidade.
A tabela 10 mostra os tempos de deslocamento, em minutos, entre a britagem e as frentes

(caminho vazio) e vice-versa (caminho cheio). E a tabela 11 mostra os tempo de
deslocamento, tambm em minutos, entre a pilha de estril e as frentes (caminho vazio) e
vice-versa (caminho cheio).
Tabela 10 - Tempos de deslocamento entre as frentes e a britagem (e vice-versa)
Frente Deslocamento vazio Deslocamento cheio

1 NORM(4, 0.4) min NORM(5, 0.5) min
3 NORM(5.7, 0.57) min NORM(6.5, 0.65) min
4 NORM(7.2, 0.72) min NORM(8.5, 0.85) min
Tabela 11 - Tempos de deslocamento entre as frentes e a pilha de estril
Frente Deslocamento vazio Deslocamento cheio

2 NORM(6.5, 0.65) min NORM(7, 0.7) min
3 NORM(4.9, 0.49) min NORM(5.2, 0.52) min
4 NORM(3.7, 0.37) min NORM(4.5, 0.45) min
Os limites inferior e superior para cada varivel de controle (na usina de beneficiamento),
bem como os pesos associados a cada uma, so mostrados na tabela 12:
Tabela 12 - Limites e peses das variveis de controle
Varivel de controle Limite inferior Limite superior Peso

V1 53 55 5
V2 0 0,035 10
V3 0 3,5 5
V4 0 9 6
V5 0 4 5
Foi considerado que o intervalo entre paradas consecutivas em cada frente (carregadeira)
segue uma distribuio exponencial com parmetro 8,5 horas, sendo que a durao da cada
parada segue uma curva exponencial com parmetro 1,5 hora.
Para os caminhes, foi considerado um intervalo entre paradas seguindo uma distribuio
exponencial com parmetro 2 horas, e a durao de cada parada seguindo uma exponencial
com parmetro 15 minutos.
Tabela 13 - Tempos de falhas
Carregadeira Caminho
Intervalo entre falhas EXPO(8,5) h EXPO(2) h
Durao das falhas EXPO(1,5) h EXPO(15) min
A mina virtual 1 apresenta frentes homogneas e muito boas. Os dados relativos aos teores
das variveis de controle nas frentes dessa mina so mostrados na tabela 14. O lote mximo
nessa mina de 1.500 toneladas.
Tabela 14 - Teores das variveis de controle para a mina virtual 1
Frente
F1 F2 F3 6 F4 F5
VC
V1 54 53 0 54 55
V2 0,035 0,029 0 0,032 0,035
V3 3,34 2,5 0 3 4
V4 9 7 0 8 9.1
V5 4 0,5 1 3 2,6
A mina virtual 2 apresenta frentes heterogneas. Os dados relativos aos teores das variveis de
controle nas frentes dessa mina so mostrados na tabela 15. O lote mximo nessa mina de
1.000 toneladas.
Frente
F1 F2 F3 7 F4 F5
VC
V1 54 52 0 54 57
V2 0,037 0,039 0 0,032 0,035
V3 3,8 2,5 0 3 4
V4 10 7 0 8 10
V5 5 0,5 1 3 2,6
A mina virtual 3 tambm apresenta frentes heterogneas, porm com uma frente reguladora (a
frente 4), a qual bem melhor que as outras. Os dados relativos aos teores das variveis de
controle nas frentes dessa mina so mostrados na tabela 16. O lote mximo nessa mina de
1.500 toneladas.
6
Frente de estril.
7
Frente de estril.
Frente
F1 F2 F3 8 F4 F5
VC
V1 55 52 0 54 57
V2 0,037 0,039 0 0,032 0,035
V3 3,8 4 0 3 4
V4 10 10 0 8 10
V5 5 5 1 3 2,6
Considerando essas trs minas a as trs polticas de despacho discutidas neste trabalho, tem-
se, ento, nove cenrios:
Tabela 17 - Cenrios analisados
Cenrio Poltica Mina Lote mximo (t)

1 Qualidade 1 1.500
2 Produtividade 1 1.500
3 Fuzzy 1 1.500
4 Qualidade 2 1.000
6 Fuzzy 2 1.000
7 Qualidade 3 1.500
9 Fuzzy 3 1.500
8
Frente de estril.
3.5 Modelo de Simulao
O modelo de simulao desenvolvido neste trabalho mostrado na figura 22:
Figura 22 - Modelo de simulao

O modelo pode ser dividido, para fins didticos, em seis etapas: gerao dos caminhes;
processo; acerto do lote; escolha da frente; gerao de falhas dos caminhes; e controle das
falhas (ou manuteno).
- Gerao dos caminhes:
Nesta etapa, o bloco Create gera, no instante zero, um nico caminho. Esse caminho recebe
o atributo aCam (referente ao nmero do caminho) no bloco Assign o atributo inicializa
com o valor zero e incrementado segundo a frmula: aCam = aCam+1.
O bloco Decide verifica se o nmero do caminho menor que a varivel vQtd_cam

(referente quantidade de caminhes da mina). Em caso positivo, o caminho duplicado
(bloco Duplicate), indo um para o prximo bloco Assign e o outro para o Assign anterior,
onde ocorre o incremento do atributo aCam (esse caminho passa, depois, novamente pelo
bloco Decide). Dessa forma, quando um caminho recebe um valor para aCam igual a
vQtd_cam, no so gerados (duplicados) mais caminhes de maneira que, do bloco Decide,
o caminho vai direto para o prximo Assign.
No Assign seguinte, so definidos outros atributos do caminho, tais como: a capacidade do
caminho (aCap_cam); a frente para a qual o caminho ser enviado inicialmente
(aFrente_cam); a rota do caminho no deslocamento vazio (aCol_vazio); a rota do caminho
aps o carregamento (aCol_cheio); e a localizao do caminho (aBrit_ou_PE).
A capacidade do caminho obtida de acordo com uma varivel pr-definida do modelo.

Trata-se de um vetor, onde cada posio contm o valor da capacidade de um caminho.
Assim, se aCam igual a 2, por exemplo, a capacidade do caminho o valor da 2 posio
deste vetor.
Os atributos aFrente_cam, aCol_vazio, aCol_cheio e aBrit_ou_PE so importantes para

enderearem o valor de algumas variveis do modelo, em momentos posteriores, tais como
tempo de deslocamento cheio e tempo de deslocamento vazio, entre outras. A frente
inicial do caminho definida aleatoriamente. A rota do caminho no deslocamento vazio
pode ser da britagem para a frente ou da pilha de estril para a frente. A rota do caminho
no deslocamento cheio (aps carregamento) pode ser da frente para a britagem ou da
frente para a pilha de estril. O atributo aBrit_ou_PE pode receber os valores 0 (se o
caminho estiver na britagem) ou 1 (se estiver na pilha de estril).
- Processo:
Esta etapa inicia-se com o deslocamento do caminho descarregado, em direo frente. O

bloco Delay computa o tempo desse deslocamento de acordo com uma varivel pr-definida
do modelo. Trata-se de uma matriz, onde cada linha representa uma das frentes e as colunas
referem-se ao local de origem do deslocamento. Assim, o valor utilizado aquele cuja linha
da matriz corresponde frente para a qual o caminho foi enviado (aFrente_cam) e a coluna
corresponde rota do deslocamento vazio (aCol_vazio), ou seja, a origem desse
deslocamento.
Em seguida, um bloco Process representa o carregamento do caminho, com a ao Seize-

Delay-Release. O recurso utilizado um membro especfico do conjunto (Set) Carregadeiras,
definido de acordo com a frente para a qual o caminho foi enviado (aFrente_cam).
O deslocamento do caminho aps o carregamento (cheio) representado de forma

semelhante o deslocamento do caminho vazio. A diferena que a coluna da matriz
corresponde rota do deslocamento cheio (aCol_cheio), ou seja, ao destino desse
deslocamento.
A descarga ou seja, o descarregamento do caminho representada por um bloco Delay.
- Acerto do lote:
Aps decorrer o tempo de descarga, o modelo verifica se o caminho descarregou na britagem

ou na pilha de estril. Essa verificao feita por um bloco Decide, por meio do valor do
atributo aBrit_ou_PE. Caso o caminho estiver na britagem, o valor do atributo aCol_vazio
alterado para o valor correspondente britagem. Caso no estiver, esse valor alterado para o
valor correspondente pilha de estril. A alterao do valor deste atributo feita por um
bloco Assign especfico para cada caso.
A prxima ao do modelo controlar o banco de dados que armazena as informaes

relativas produo de cada frente no intervalo considerado. Esse controle importante para
o acompanhamento do percentual de contribuio de cada frente no lote, e feito por meio de
um sub-modelo (bloco Process) este sub-modelo no ser detalhado neste trabalho por se
tratar de raciocnio ligado to somente ao algoritmo de estruturao de dados (ou seja, no ter
relao com a mina virtual em si). O intervalo de controle dos dados uma constante pr-
definida no modelo.
Esta etapa do modelo encerrada pela verificao do lote, feita por um bloco Decide,
havendo quatro situaes possveis:
a) o tamanho do lote (vLote) ser maior que o lote mximo permitido (vLote_max);
b) o tamanho do lote ser menor que o lote mnimo permitido (vLote_min);
c) o lote estar entre o tamanho mnimo e mximo, porm com uma (ou mais) varivel de
controle fora dos limites de especificao;
d) o lote estar entre o tamanho mnimo e mximo, e com todas as variveis de controle
dentro dos limites de especificao.
No primeiro caso, no foi possvel atender aos limites de qualidade antes que o lote
estourasse, sendo o mesmo considerado ruim. Assim, um bloco Assign utilizado para
incrementar a quantidade de lotes ruins (vQtd_lote_ruim) e a quantidade total de lotes
(vQtd_lote) em uma unidade cada, bem como para zerar o tamanho do lote e os teores de cada
varivel de controle. Feito este acerto, o modelo executa a etapa de controle das falhas.
No ltimo caso, o lote atende a todas as especificaes, sendo considerado bom. Um bloco
Assign utilizado com a mesma funo citada no pargrafo anterior, porm incrementando a
quantidade de lotes bons (vQtd_lote_bom) ao invs da quantidade de lotes ruins e o modelo
segue para a etapa de controle das falhas.
Nos casos contemplados pelas letras b e c, os caminhes devem continuar sendo enviados
para mais frentes, na tentativa de acertar o lote, seguindo diretamente para a etapa de controle
das falhas.
- Gerao de falhas:
A gerao de falhas dos caminhes feita de maneira semelhante gerao de caminhes. O

bloco Create gera, tambm no instante zero, uma nica falha. Essa falha recebe o atributo
aFalha (referente ao nmero do caminho) no bloco Assign o atributo inicializa com o valor
zero e incrementado segundo a frmula: aFalha = aFalha+1.
O bloco Decide verifica se o nmero de falhas menor que a varivel vQtd_cam (referente
quantidade de caminhes da mina). Em caso positivo, a falha duplicada (bloco Duplicate),
indo uma para a etapa de controle de falhas e a outra para o Assign anterior, onde ocorre o
incremento do atributo aFalha (essa falha passa, depois, novamente pelo bloco Decide).
Dessa forma, quando uma falha recebe um valor para aFalha igual a vQtd_cam, no so
geradas (duplicadas) mais falhas de maneira que, do bloco Decide, a falha vai direto para a
etapa de controle de falhas. Esse procedimento gera uma falha para cada caminho.
As falhas das carregadeiras so definidas por um bloco Failure.
- Controle das falhas:
Esta etapa inicia-se com um bloco Delay, com a funo de aguardar o intervalo entre falhas de
cada caminho. Este intervalo calculado de acordo com uma varivel pr-definida do
modelo. Trata-se de uma matriz, onde cada linha representa um dos caminhes e as colunas 1
e 2 referem-se ao intervalo entre falhas e durao da falha, respectivamente. Assim, o
valor utilizado nesse bloco o valor da primeira coluna, da linha aFalha.
Como no faz sentido gerar uma falha para um caminho que j est em manuteno,
utilizou-se um bloco Hold, com a finalidade de evitar esta situao. Este bloco faz com que a
falha de um determinado caminho s ocorra quando o mesmo estiver liberado da
manuteno. Para isso, foi criada uma varivel de controle da liberao do caminho
(vCaminhao_liberado). Trata-se de um vetor, no qual cada posio refere-se a um caminho,
podendo assumir os valores 0 (caminho em manuteno) ou 1 (caminho liberado de
manuteno). A posio do vetor a ser avaliada indicada pelo atributo aFalha. Assim,
somente quando o valor da posio aFalha da varivel vCaminhao_liberado for igual a 1,
que a entidade falha segue para o prximo bloco.
O bloco seguinte ao Hold um Assign, que tem a nica funo de alterar para 0, o valor da
posio aFalha da varivel vCaminhao_liberado (impedindo assim, que ocorram novas falhas
para o mesmo caminho enquanto ele estiver em manuteno).
Paralelamente a este processo, h um bloco Decide com a funo de verificar se o caminho

est liberado. Esse bloco recebe entidades (caminhes) vindas da etapa de acerto do lote. Se o
valor da posio aCam da varivel vCaminhao_liberado for igual a 1, o caminho segue para
a etapa de escolha da frente. Se no, o caminho vai para o bloco Match.
O bloco Match recebe as entidades falhas e caminhes (vindas dos blocos Hold e Decide,
mencionados nos dois pargrafos anteriores). Ele tem a funo de reter uma das entidades
at que a outra chegue. Sempre que este bloco recebe uma entidade falha e uma entidade
caminho, significa que deve haver a manuteno do caminho em questo (uma vez que este
caminho s ser enviado para este bloco se apresentar o valor 0 na respectiva posio da
varivel vCaminhao_liberado). Nesta ocasio, a entidade falha retorna para o primeiro bloco
Delay desta etapa (e fica aguardando passar o intervalo entre falhas daquele caminho),
enquanto que a entidade caminho vai para a manuteno.
A manuteno do caminho representada por um bloco Delay, sendo o tempo de

manuteno dado pela segunda coluna da varivel / vetor vCaminhao_liberado, de acordo
com o atributo aCam (o qual indica a linha a ser consultada).
Aps a manuteno, um bloco Assign libera o caminho, alterando para 1, o valor da posio
aCam da varivel vCaminhao_liberado (o que permite que o Decide desta etapa envie o
caminho para a etapa de escolha da frente quando no houver falha referente ao mesmo).
Caminho liberado, significa que hora de escolher a frente para a qual ele deve ser enviado.
- Escolha da frente:
Esta etapa inicia-se pela verificao da relao estril-minrio. Um bloco Decide confere se a
razo entre a produo total de estril (vProducao_esteril) e a produo total
(vProducao_total) menor que a relao estril-minrio desejada (vREM) e,
simultaneamente, se a carregadeira da frente de estril est funcionando. Caso as duas
condies sejam verdadeiras, o caminho despachado para a frente de estril. Se a
carregadeira da frente de estril estiver quebrada e/ou se a relao estril-minrio estiver

dentro do esperado, procede-se com o algoritmo de escolha da frente.
O despacho do caminho para a frente de estril implica na utilizao de um bloco Assign, o

qual define o atributo aFrente_cam como sendo a frente de estril (constante pr-definida no
modelo). O valor do atributo aCol_cheio alterado para o valor correspondente pilha de
estril, e o valor do atributo aBrit_ou_PE alterado para 1. Tambm ocorrem os incrementos
da produo de estril, da produo total e da produo da frente, todos com base na
capacidade do caminho (vProducao_esteril = vProducao_esteril + aCap_cam;
vProducao_total = vProducao_total + aCap_cam; e vProducao(aFrente_cam) =
vProducao(aFrente_cam) + aCap_cam).
A escolha da frente, caso a carregadeira da frente de estril estiver quebrada e/ou se a relao
estril-minrio estiver dentro do esperado, representada por um sub-modelo (bloco Process),
no qual so implementadas as rotinas descritas nas sees anteriores deste captulo, ou seja, os
algoritmos de despacho com base na qualidade, na produtividade ou na lgica nebulosa. Aps
escolher a frente, um bloco Assign utilizado para definir o atributo aFrente_cam como
sendo a frente escolhida pelo algoritmo. O valor do atributo aCol_cheio alterado para o
valor correspondente britagem, e o valor do atributo aBrit_ou_PE alterado para 0.
Tambm ocorrem os incrementos da produo do lote, da produo total, da produo da
frente e da produo total no intervalo, todos com base na capacidade do caminho (vLote =
vLote + aCap_cam; vProducao_total = vProducao_total + aCap_cam;
vProducao(aFrente_cam) = vProducao(aFrente_cam) + aCap_cam; e vProd_Tot_Int =
vProd_Tot_Int + aCap_cam). Este Assign tambm serve para fazer o acerto dos teores de
todas as variveis no lote e a entrada de dados no banco de dados (referido na etapa de acerto
do lote).
As etapas gerao de caminhes e gerao de falhas ocorrem somente uma vez, no incio
da simulao. Durante o restante da simulao, ocorre um ciclo entre as etapas processo,
acerto do lote, controle de falhas, escolha da frente, processo...
94
CAPTULO 4
RESULTADOS
Cada poltica foi testada por um modelo de simulao, em cada um dos cenrios descritos no
item (3.4). Neste captulo so apresentados os resultados obtidos, bem como uma anlise
comparativa dos mesmos.
Os testes foram realizados em um microcomputador AMD Sempron 3500+ (1.8 GHz, 512 KB
L2 cache), com 1GB de memria RAM e sistema operacional Windows XP.
As simulaes foram rodadas utilizando 10 corridas, com durao de 720 horas cada e warm-
up (perodo de aquecimento) de 4 horas.
Foram analisadas a produtividade da mina e a porcentagem de lotes bons para cada uma das
trs polticas, em cada mina virtual. Os resultados de cada cenrio so mostrados na tabela 18:
Tabela 18 - Resultados das simulaes dos cenrios
Poltica de Caracterstica Lote Produtividade Percentual

Cenrio despacho da mina mximo (t/h) de lotes bons
(t) (%)
1 Qualidade 1 Homognea 1.500 1.681,78 99,90
2 Produtividade 1 Homognea 1.500 1.948,19 75,75
3 Fuzzy 1 Homognea 1.500 1.727,56 99,62
4 Qualidade 2 Heterognea 1.000 1.604,31 89,93
5 Produtividade 2 Heterognea 1.000 1.948,19 0,80
6 Fuzzy 2 Heterognea 1.000 1.648,32 53,62
7 Qualidade 3 Heterognea 1.500 1.566,09 94,99
8 Produtividade 3 Heterognea 1.500 1.948,19 0,81
9 Fuzzy 3 Heterognea 1.500 1.675,39 66,29
Estes resultados nos permitem concluir, num mbito geral, que a poltica que utiliza a lgica
nebulosa apresenta um ganho de qualidade em relao poltica de produtividade e um ganho
de produtividade em relao poltica de qualidade o que era esperado.
Assim, outra concluso tambm esperada que, caso se deseje produtividade mxima, a
poltica de produtividade deve ser utilizada, mas, caso se deseje qualidade mxima, a poltica
de qualidade deve ser utilizada. Por outro lado, caso o desejo seja uma melhor combinao
dos dois parmetros, deve-se utilizar a poltica fuzzy.
Os resultados nos mostram, mais especificamente, que, em minas homogneas e com bons
teores das frentes (como na mina virtual 1), a poltica de lgica nebulosa mais vantajosa que
a poltica de qualidade, uma vez que as duas polticas alcanam ndices semelhantes de
qualidade, mas o despacho com base na lgica nebulosa gera um ganho em produtividade de,
aproximadamente, 3% em relao ao despacho com base na qualidade.
Para minas semelhantes mina virtual 1, a poltica de lgica nebulosa tambm mais
vantajosa que a poltica de produtividade, uma vez que o despacho com base na lgica
nebulosa, apesar de apresentar perda de cerca de 12% em produtividade (em relao ao
despacho com base apenas na produtividade), apresenta ganho superior a 30% em qualidade.
Em minas deste tipo, no h uma frente muito superior a outra, de forma que, quando a
carregadeira de uma frente quebra, os caminhes podem ser enviados para qualquer frente
sem causar um impacto muito negativo na qualidade, visto que todas as frentes possuem bons
teores das variveis de controle.
Quanto a minas mais heterogneas, os resultados mostram que a poltica de produtividade

alcana os melhores resultados de produtividade, porm, fornece ndices de qualidade
inaceitveis (menos que 10% de lotes dentro dos limites de controle, nas minas virtuais 2 e 3).
A poltica de lgica nebulosa apresenta produtividade cerca de 15% menor (em relao de
produtividade), mas qualidade 60% e 85% maior, nas minas virtuais 2 e 3, respectivamente.
A poltica de qualidade apresenta os melhores resultados para qualidade em minas desse tipo,
porm, a produtividade das minas heterogneas cujo despacho feito com base nessa poltica,
pode ser reduzida a nveis inaceitveis. J o despacho por lgica nebulosa pode alcanar,
simultaneamente, nveis de qualidade e produtividade aceitveis.
Em minas heterogneas, quando uma frente reguladora 9 pra, a qualidade dos lotes sofre um
impacto negativo, uma vez que as demais frentes para os quais os caminhes so enviados
possuem teores ruins. Quando esta frente volta a operar, os algoritmos de despacho baseados
em qualidade enviam os caminhes preferencialmente para ela, visando recuperar a qualidade,
mas ocasionando queda de produtividade.
J o algoritmo baseado em lgica nebulosa tenta equilibrar a qualidade e a produtividade,

despachando o caminho com maior enfoque em qualidade, se este for o parmetro crtico, ou
em produtividade, caso ela esteja baixa. Dessa forma, quando uma frente reguladora pra,
nem todos os caminhes so enviados imediatamente para esta frente quando ela volta a
operar, evitando, assim, que a produtividade caia muito.
A comparao dos resultados das minas virtuais 2 e 3 independentemente da poltica

mostra que o aumento do lote mximo (limite superior de tonelagem do lote) favorece a
qualidade. Se uma frente reguladora parar, quando ela voltar a operar pode no haver tempo
suficiente para acertar o lote. Assim, lotes mximos maiores aumentam a chance de acertar a
qualidade do lote.
Talvez, a explicao para a vantagem, em termos de produtividade, da poltica nebulosa sobre

a de qualidade, esteja no comportamento de cada critrio diante de eventos como quebra de
frentes reguladoras. O grfico da figura 23 mostra o comportamento de cada uma das
polticas, em relao produtividade da mina, diante da ocorrncia de um mesmo evento
quebra de uma frente reguladora, que volta a operar pouco tempo depois.
Como pode ser observado, a queda na produtividade, diante deste evento, quando o critrio de
produtividade adotado, muito suave e facilmente recuperada. A queda de produtividade,
diante do mesmo evento, quando o critrio nebuloso utilizado, um pouco mais ntida, mas
tambm facilmente recuperada. J a queda de produtividade, diante da parada de uma frente
9
Frente com teores melhores que as demais.
boa, quando o critrio de qualidade usado, bem mais acentuada e de difcil recuperao,
tendo em vista que essa no a preocupao desta poltica.
1.900,00
1.850,00
Produtividade
Qualidade
1.800,00
Produtividade
1.750,00
Fuzzy
1.700,00
1.650,00 tempo
Figura 23 - Comportamento de cada poltica em relao produtividade
O grfico da figura 24 mostra o comportamento de cada poltica, diante da mesma situao da

figura 23, porm, com relao qualidade da R.O.M. no caso, do teor de uma das variveis
de controle.
0,0316
Teordavariveldecontrole
0,0314
0,0312
Qualidade
0,0310
Produtividade
0,0308
Fuzzy
0,0306
0,0304
0,0302 tempo
Figura 24 - Comportamento de cada poltica em relao qualidade
As inclinaes na curva da poltica de qualidade mostram a presteza com a qual este critrio
busca recuperar o teor desejado para o lote diante da queda (ou elevao) do mesmo. Por
outro lado, o fato da curva do critrio de produtividade ser quase uma linha reta, mostra a
indiferena desta poltica diante da qualidade dos teores dos lotes.
J a curva do critrio nebuloso apresenta inclinaes mais suaves, o que indica que esta
poltica tambm busca recuperar o teor desejado para o lote, porm no com a mesma gana
que a poltica de qualidade, o que lhe permite buscar a qualidade sem desprezar a
produtividade.
CAPTULO 5
CONCLUSES
Este trabalho, apesar de simples na sua concepo (desenvolver e testar uma nova
metodologia), apresentou resultados prticos importantes. A lgica nebulosa vem sendo cada
vez mais utilizada, com sucesso, em diversas reas, porm ainda no existe, no mercado,
nenhum sistema de despacho de caminhes em minas a cu aberto que faa uso desta tcnica.
Foi proposta uma metodologia, baseada na lgica nebulosa, para o desenvolvimento de

sistemas de despacho de caminhes em minas a cu aberto, que considera os critrios de
qualidade e de produtividade, simultaneamente, alcanando, assim, o objetivo geral deste
estudo.
Alm de estudar as diversas metodologias utilizadas em sistemas de despacho de caminhes,

neste trabalho foi desenvolvido um sistema nebuloso capaz de planejar o despacho
considerando as duas polticas (de qualidade e de produtividade). Esse sistema foi testado e
validado, utilizando-se o modelo de simulao (mina virtual) criado especificamente para este
fim.
A hiptese de que seria possvel utilizar um controlador fuzzy para definir o despacho de
caminhes para frentes de lavras de minrio, com eficincia, considerando, simultaneamente,
as polticas de produtividade e qualidade foi comprovada.
Mais do que isso, alm de ser possvel utilizar a lgica nebulosa para criar um sistema de
despacho de caminhes eficiente, os resultados mostram que a poltica que utiliza a lgica
nebulosa apresenta um ganho de qualidade em relao poltica de produtividade e um ganho
de produtividade em relao poltica de qualidade.
Tambm ficou evidente que, entre as trs alternativas de polticas de despacho (por qualidade,
por produtividade ou por ambas), a poltica proposta neste trabalho a que gera maior ganho
simultneo de qualidade e produtividade.
A comparao dos cenrios mostra que, em cada situao, o ganho proporcional oferecido
pela lgica nebulosa diferente. Em uma mina muito boa, a ponto de tornar totalmente
desnecessria a preocupao com a qualidade, a poltica de produtividade pode ser a mais
adequada. Em uma mina muito ruim, que apresenta srias dificuldades de atender aos limites
de teores especificados, a poltica de qualidade pode ser a mais adequada. Porm, em outras
situaes, as quais justifiquem a preocupao tanto com a qualidade quanto com a
produtividade, a poltica que utiliza a lgica nebulosa pode ser a mais indicada.
Como estudos subseqentes a esse trabalho sugere-se fazer uma anlise de sensibilidade do
modelo, ou seja, testar novos cenrios, variando outros fatores, com a finalidade de descobrir
em quais situaes a lgica nebulosa oferece melhores resultados totais em relao s demais
polticas de despacho.
Naturalmente, os resultados obtidos poderiam ser diferentes para outros cenrios no

avaliados neste trabalho, pois a poltica de despacho no o nico fator que influencia a
qualidade e a produtividades das mina a cu aberto.
A freqncia e a durao das quebras das frentes um dos fatores que pode impactar a
qualidade da corrida e a produtividade da mina. Caso as melhores frentes fiquem muito tempo
paradas, a qualidade tende a cair, com possvel queda tambm de produtividade, caso o
algoritmo de despacho tente regular (recuperar) a qualidade. Assim, poderiam ser testados
cenrios com diferentes intervalos entre paradas e durao das paradas das frentes.
Neste trabalho no foram consideradas, por exemplo, as pequenas paradas das carregadeiras
para lubrificao, abastecimento, troca de turno, lanche e ida ao banheiro do operador, entre
outras.
Os teores das frentes correspondem a um importante fator de influncia na qualidade. Se as

frentes forem todas muito boas, mesmo polticas de produtividade podem atingir bons
resultados de qualidade. Por outro lado, se todas as frentes forem muito ruins, mesmo
polticas de qualidade podem no conseguir alcanar nveis de qualidade aceitveis.
A relao tempo de carregamento / tempo de deslocamento e a distncia entre as frentes so

fatores que podem impactar diretamente na produtividade. Outros fatores, como a quantidade
de frentes, de caminhes, de usinas, etc., tambm podem influenciar na qualidade e na

produtividade, e tambm devem ser testados.
Outra sugesto de continuidade deste trabalho a calibrao dos parmetros das tabelas 2, 5
e 6.
Como o modelo apresentado neste trabalho utiliza valores determinsticos para algumas
caractersticas, tambm seria interessante o desenvolvimento de modelos com entradas
estocsticas (como, por exemplo, o teor das variveis de cada frente).
102
REFERNCIAS
[1] ALARIE, S., GAMACHE, M. Overview of solution strategies used in Truck Dispatching
Systems for open pit mines. International Journal of Surface Mining, Reclamation and
Environment, 16:1, 59-76, 2002.
[2] ALVARENGA, G.B., Despacho timo de caminhes numa minerao de ferro

utilizando algoritmo gentico com processamento paralelo. Dissertao de Mestrado,
Programa de Ps-Graduao em Engenharia Eltrica, Universidade Federal de Minas
Gerais, Belo Horizonte, 1997.
[3] ANDRADE, E. L. Introduo Pesquisa Operacional, Livros Tcnicos e Cientficos

Editora S.A., 2a Edio, Rio de Janeiro, 1990.
[4] BONATES, E., LIZOTTE, Y. A combined approach to solve truck dispatching

problems. First Canadian Conference on Computer Applications in the Mineral Industry,
403-410, 1998.
[5] BERTRAND, J.W.M, FRANSOO, J.C. Modeling and simulation: operations

management research methodologies using quantitative modeling. International Journal
of Operations and Production Management, 22:2, 241-264, 2002.
[6] CAMINHAS, W.M. Sistemas Nebulosos. Notas de aula, Programa de Ps-Graduao

em Engenharia Eltrica, Universidade Federal de Minas Gerais, Belo Horizonte, 2006.
[7] CAPRIHAN, R., KUMAR, A., STECKE, K.E. A fuzzy dispatching strategy for due-date
scheduling of FMSs with information delays. International Journal do Flexible
Manufacturing Systems, 18:1, 29-53, 2006.
[8] ETIN, N. Open-Pit truck/shovel haulage system simulation. Tese de Doutorado,

School of Natural and Applied Science of Middle East Technical University, 2004.
[9] CHANDA, E.K.C., DAGDELEN, K. Optimal blending of mining production using goal
programming and interactive graphics systems. International Journal of Surface Mining,
Reclamation and Environment, 9, 203-208, 1995.
[10] CHIRONIS, N.P. Computer monitors and controls all Truck-Shovel operations. Coal
Age, 50-55, 1985.
[11] COSTA, F. P. Aplicaes de tcnicas de otimizao a problemas de planejamento

operacional de lavra em minas a cu aberto. Dissertao de Mestrado, Programa de
Ps-Graduao em Engenharia Mineral, Universidade Federal de Ouro Preto, 2005.
[12] COSTA, F.P., SOUZA, M.J.F., PINTO, L.R. Um modelo de alocao dinmica de
caminhes, Brasil Mineral, 231, 26-31, 2004.
[13] COSTA, F.P., SOUZA, M.J.F., PINTO, L.R. Um modelo de programao matemtica
para alocao esttica de caminhes visando ao atendimento de metas de produo e
qualidade. Revista Escola de Minas, 58:1, 77-81, 2005.
[14] COUGHLAN, P., COGHLAN, D. Action research for operations management.

International Journal of Operations and Production Management, 22:2, 220-240, 2002.
[15] EZAWA, L., SILVA, K.S. Alocao dinmica de caminhes visando qualidade, VI
Congresso Brasileiro de Minerao, 15-22, 1995.
[16] FORSMAN, B., RNNKVIST, E., VAGENAS, N. Truck dispatch computer

simulation in Aitik open pit mine. International Journal of Surface Mining and
Reclamation, 7, 117-120, 1993.
[17] FORZA, C. Survey research in operations management: a process-based perspective.

International Journal of Operations and Production Management, 22:2, 152-194, 2002.
[18] FREITAS FILHO, P.J. Introduo Modelagem e Simulao de Sistemas. Visual

Books Editora, v.1, Florianpolis, 2001.
[19] GERSHON, M. A linear programming approach to mine scheduling optimization.

Proceedings of the 17th Application of Computers and Operation Research in the
Mineral Industry, 483-493, 1982.
[20] GOMIDE, F.A.C., GUDWIN, R.R., TANSCHEIT, R. Conceitos fundamentais da

teoria de conjuntos fuzzy, lgica fuzzy e aplicaes, Sixth International Fuzzy Systems
Association World Congress, IFSA 95/ Unicamp, 1-38, So Paulo, 1995.
[21] GUIMARES, A.M., LAGES, N.A.C. Algoritmos e estruturas de dados, LTC, Rio de
Janeiro, 1985.
[22] HARRIS, C.A., MEECH, J. Fuzzy Logic: a potential control technique for mineral
processing. CIM Bulletin, 80:905, 51-59, 1987.
[23] HAUCK, R.F., A real-time dispatching algorithm for maximizing open-pit mine
production under processing and blending requirements. Proceedings, Seminar on
Scheduling in Mining, Smelting and Steelmaking, 1973.
[24] HILLIER, F. S., LIEBERMAN, G. J. Introduction to Operations Research, McGraw-

Hill, Singapura, 1990.
[25] JANG, J.-S.R. ANFIS: Adaptive-Network-Based Fuzzy Inference System, IEEE

Transactions on Systems, Man, and Cybernetics, 23:3, 665-684, 1993.
[26] JANG, J.-S.R., SUN, C.-T., MIZUTANI, E. Neuro-fuzzy and soft computing: a
computational approach to learning and machine intelligence, Prentice Hall, 1997.
[27] JIANG, Y.M., PARK, D.W., DEB, D., SANFORD, R. Application of fuzzy set theory
in the evaluation of roof categories in long wall mining. Mining Engineering, 49:3, 53-
57, 1997.
[28] KALASKY, D.R., MULTMANSKY, J.M. Computer Simulation in the mineral

industries: analytical and international trends, Proceedings of the 25th APCON, 20:1,
141-145, 1996.
[29] KNIGHTS, P.F., BONATES, E.J.L. Applications of discrete mine simulation modeling
in South America. International Journal of Surface Mining, Reclamation and
Environment, 13, 69-72, 1999.
[30] KOLONJA, B., KALASKY, D.R., MUTMANSKY, J.M. Optimization of dispatching

criteria for open pit truck haulage system design using multiple comparisons with the
best and common random numbers. Proceedings of the 1993 Winter Simulation
Conference, 393-401, 1993.
[31] KONYUKH, V., GALIYEV, S., LI, Z. Mine simulation in Asia. International
Journal of Surface Mining, Reclamation and Environment, 13, 57-67, 1999.
[32] LI, Z. A methodology for the optimum control of shovel and truck operations in open-
pit mining. Mining Science and Technology, 10, 337-340, 1990.
[33] LI, W.X., MEI, S.H. Fuzzy system method for the design of a jointed rock slop.
International Journal of Rock Mechanics and Mining Sciences, 41:1, 569-574, 2004.
[34] MARAN, J., TOPUZ, E. Simulation of truck haulage systems in surface mines.
International Journal of Surface Mining, 2, 43-49, 1988.
[35] MEECH, J.A. The evolution of intelligent systems in the mining industry.
Proceedings of Mineral Process Modeling, Simulation and Control Conference, 2006.
[36] MERSCHMANN, L.H.C. Desenvolvimento de um sistema de otimizao e simulao

para anlise de cenrios de produo em minas a cu aberto. Dissertao de Mestrado,
Programa de Engenharia de Produo, COPPE/Universidade Federal do Rio de Janeiro,
Rio de Janeiro, 2002.
[37] MUNIRATHINAM, M., YINGLING, J.C., A review of computer-based truck

dispatching strategies of surface mining operations. International Journal of Surface
Mining, Reclamation and Environment, 8, 1-15, 1994.
[38] PANAGIOTOU, G.N. Discrete mine system simulation in Europe. International

[39] PEGDEN, C.D., SHANNON, R.E e SADOWSKI, R.P. Introduction to Simulation

Using SIMAN, McGraw-Hill, v.2, Nova York, 1990.
[40] PEREIRA, G.G. Sistema computacional de alocao dinmica de caminhes

SCADC. V Seminrio Nacional O Computador e sua Aplicao no Setor Mineral, 295-
310, 1992.
[41] PIDD, M. Computer Simulation in Management Science, John Wiley & Sons,
Chichester, 1998.
[42] PINTO, L.R. Metodologia de anlise do planejamento de lavra em minas a cu aberto

baseada em simulao das operaes de lavra. Tese de Doutorado, Programa de
Engenharia de Produo, COPPE/Universidade Federal do Rio de Janeiro, Rio de
Janeiro, 1999.
[43] PINTO, E.B., PINTO, L.R. O uso da simulao como ferramenta de apoio tomada de
decises em uma indstria siderrgica: estudo de caso. Anais do SBPO XXXVII
Simpsio Brasileiro de Pesquisa Operacional, 2231-2238, 2005.
[44] PINTO, L.R., MERSCHMANN, L.H.C. Planejamento Operacional de Lavra de Mina

usando modelos matemticos. Revista Escola de Minas, 54:3, 211-214, 2001.
[45] RAMOS NETO, A.N. Desenvolvimento de um TEMPLATE no programa Arena para

simulao das Operaes de carregamento e transporte em minas a cu aberto.
Dissertao de Mestrado, Programa de Ps-Graduao em Engenharia Mineral,
Universidade Federal de Ouro Preto, Ouro Preto, 2002.
[46] REGO, C., ROUCAIROL, C. Using Tabu Search for solving a dynamic multi-terminal
truck dispatching problem. European Journal of Operation Research, 83, 411-429,
1995.
[47] RODRIGUES, L.F. Anlise comparativa de metodologias utilizadas no despacho de

caminhes em minas de cu aberto. Dissertao de Mestrado, Programa de Ps-
Graduao em Engenharia de Produo, Universidade Federal de Minas Gerais, Belo
Horizonte, 2006.
[48] SAAYMAN, P., CRAIG, I.K., CAMISANI-CALZOLARI, E. Optimization of an

autonomous vehicle dispatch system in an underground mine. Journal of the South
African Institute of Mining and Metallurgy, 106:2, 77-86, 2006.
[49] SINGH, T.N., KANCHAN, R., VERMA, A.K. A comparative study of ANN e Neuro-
fuzzy prediction of a dynamic constant of rock mass. Journal of Earth System Science
114:1, 75-86, 2005.
[50] SOUMIS, F., ETHIER, J., ELBROND, J. Truck dispatching in an open pit mine.
International Journal of Surface Mining, 3, 115-119, 1989.
[51] STURGUL, J.R. Using exact statistical distributions for truck shovel simulation
studies. International Journal of Surface Mining and Reclamation, 6, 137-139, 1992.
[52] STURGUL, J.R., LI, Z. New developments in simulation technology and applications
in the minerals industry. International Journal of Surface Mining, Reclamation and
Environment, 11, 159-162, 1997.
[53] TA, C.H., KRESTA, J.V., FORBES, J.F., MARQUEZ, H.J. A stochastic optimization
approach to mine truck allocation. International Journal of Surface Mining,
Reclamation and Environment, 19:3, 162-175, 2005.
[54] TAN, K.K, TAN, K.C., TANG, K.Z. Evolutionary tuning of a Fuzzy Dispatching
System for Automated Guided Vehicles, IEEE Transactions on Systems, Man, and
Cybernetics, 30:4, 632-636, 2000.
[55] TU, J.H., HUCKA, V.J. Analysis of open-pit truck haulage system by use of a
computer model. CIM Bulletin, 78:879, 53-59, 1985.
[56] TURNER, R.J. Simulation in the mining industry of South Africa. International
[57] VAGENAS, N. Applications of discrete-event simulation in Canadian mining

operations in the nineties. International Journal of Surface Mining, Reclamation and
Environment, 13, 77-78, 1999.
[58] VERDEGAY, J.L. Fuzzy optimization: models, methods and perspectives, Sixth
International Fuzzy Systems Association World Congress, IFSA 95/ Unicamp, 39-72,
So Paulo, 1995.
[59] VOSS, C., TSIKRIKTSIS, N., FROHLICH, M. Case research in operations

management. International Journal of Operations and Production Management, 22:2,
195-219, 2002.
[60] WANG, Q., ZHANG, Y., CHEN, C., XU, W. Open-pit mine truck real-time principle
under macroscopic control. Proceedings of the First International Conference on
Innovative Computing, Information and Control, 2006.
[61] WHITE, J.W., OLSON, J.P. Computer based dispatching in mines with concurrent
operating objectives. Mining Engineering, 183, 1045-1054, 1986.
[62] WHITE, J.W., OLSON, J.P., VOHNOUT, S.I. On improving truck/shovel productivity
in open pit mines. CIM Bulletin, 9, 43-49, 1993.
[63] ZHANG, B.G. Dispatching algorithm in open-pit mine truck dispatching system.
Metallurgy Mining, 315, 35-38, 2002.
[64] ZIMMERMANN, H.L. Approximate Reasoning in Logistics IFSA World Congress

and 20th NAFIPS International Conference, 5, 2763-2766, 2001.

Eduardo Barbosa Pinto Dissertacao Final (Full Permission)

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Eduardo Barbosa Pinto Dissertacao Final (Full Permission)

Diunggah oleh

Hak Cipta:

Format Tersedia

Eduardo Barbosa Pinto

Despacho de caminhes em minerao usando lgica

Dissertao apresentada Escola de Engenharia da

Orientador: Prof. Dr. Luiz Ricardo Pinto

Despacho de caminhes em minerao usando lgica

Dissertao apresentada Escola de Engenharia da

MESTRADO EM ENGENHARIA DE PRODUO

A meus pais, que me educaram sempre no caminho da verdade, me incentivando, desde

A meus irmos e amigos, que sempre torceram por mim.

E aos colegas do DEP.

Neste trabalho, foi desenvolvido um algoritmo de despacho de caminhes em minas a cu

Palavras chave: Despacho de caminhes, Minas a cu aberto, Simulao, Lgica nebulosa.

Keywords: Truck Dispatch, Open Pit Mines, Simulation, Fuzzy Logic.

LISTA DE FIGURAS ................................................................................................................ ii

Figura 1 - Representao grfica do procedimento de inferncia para regra simples com um

Tabela 1- Principais operadores nebulosos .............................................................................. 28

AGV Automated Guided Vehicles

As empresas do setor de minerao esto entre as que vm fazendo maiores investimentos no

necessidade de momento do R.O.M. Essa poltica de despacho de caminhes para frentes de

A poltica de produtividade visa o aumento da taxa de utilizao dos equipamentos, obtido

Em vista do exposto, pretende-se criar um algoritmo de despacho de caminhes em minas,

em considerao que a de qualidade (que tambm ser considerada, s que em menor

A hiptese a ser testada a de que possvel utilizar um controlador fuzzy que um

1.2.1 - Objetivo Geral

1.2.2 - Objetivos Especficos

Visando alcanar o objetivo geral proposto acima, pretende-se:

Os critrios de definio de despacho de caminhes (qualidade e produtividade) so

Os estudos visando melhorias nos sistemas de despacho de caminhes se justificam,

As pesquisas cientficas podem ser agrupadas em quatro grupos principais quanto

Um Estudo de Caso envolve a histria de um fenmeno passado ou atual, obtida de mltiplos

Uma Pesquisa-Ao pode ser definida pelas seguintes caractersticas:

A Pesquisa-Ao apropriada quando a pesquisa se relaciona descrio de uma srie de

Inicialmente, a Modelagem Quantitativa em PO foi orientada mais para a resoluo de

Modelos quantitativos baseiam-se em um conjunto de variveis que variam em um domnio

A metodologia de pesquisa em gerenciamento operacional baseada em Modelagem

Geralmente, a pesquisa axiomtica normativa, embora tambm sejam realizadas pesquisas

O objetivo de uma pesquisa axiomtica descritiva analisar e entender as caractersticas de

A pesquisa emprica visa assegurar que o modelo se ajuste s observaes e aes da

De acordo com (BERTRAND e FRANSOO, 2002), as etapas de uma pesquisa quantitativa

Enquanto a relevncia de uma PA determinada pela contribuio da mesma para a literatura,

Quando o modelo/problema muito complexo para anlises matemticas, a PA usa a

As etapas de uma PA com simulao so: justificativa do mtodo; justificativa da soluo ou

A Pesquisa Emprica (PE) est preocupada em testar a validade de modelos cientficos ou a

Este trabalho, que utilizar a metodologia de pesquisa baseada na Modelagem Quantitativa

1.5 - Organizao do Trabalho

O segundo captulo trata da reviso bibliogrfica. Inicialmente, so abordados os sistemas de

O terceiro captulo detalha a implementao computacional, descrevendo o modelo de

No quarto captulo so apresentados os resultados obtidos. E o ltimo captulo apresenta as

2.1 - Sistemas de despacho

As atividades de minerao podem ser realizadas em minas subterrneas e/ou em minas a cu

O despacho de caminhes envolve a deciso de para qual carregadeira o caminho livre

Em minas subterrneas, embora os princpios gerais de despacho de veculos sejam os

Em minas a cu aberto, os caminhes se deslocam at uma das frentes de lavra pontos da

A alocao de caminhes em minas a cu aberto pode ser esttica ou dinmica. Na alocao

Historicamente, as minas a cu aberto sempre operaram utilizando a alocao esttica, mas,

TU e HUCKA (1985) explicam que, no sistema de despacho, ao contrrio da alocao

Os sistemas de despacho utilizam critrios previamente estabelecidos, como qualidade

O sistema de carregamento / transporte determina a lucratividade de uma mina superficial

Como os sistemas de transporte em minas a cu aberto envolvem grande volume de capital e

O potencial que o sistema de despacho possui de melhorar a utilizao da frota de caminhes

Diversos mtodos tm sido desenvolvidos para implementar o despacho de caminhes (TU e

ETIN (2004) entende que as melhorias significativas na tecnologia dos computadores tm

O objetivo do despacho computadorizado maximizar o tempo total produtivo da mina,