XXIII Encontro Nac. de Eng.

de Produo - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003

Problema de cobertura de arcos um estudo de caso

Andria Smiderle (Fac. Mater Dei) deia@qualinet.com.br

Maria Teresinha Arns Steiner (UFPR) tere@mat.ufpr.br
Celso Carnieri (UFPR) carnieri@mat.ufpr.br

Resumo
Neste trabalho proposta uma soluo para o servio de leitura dos medidores das contas de
gua dos clientes, efetuado por uma empresa de saneamento bsico do municpio de Pato
Branco (PR), utilizando algumas tcnicas da Pesquisa Operacional. A metodologia aqui
apresentada divide o trabalho em duas fases distintas: na primeira fase so formados os
grupos de atendimento para cada leiturista e, na segunda fase, so formadas as rotas para
cada um deles. Para a primeira fase, utilizou-se um algoritmo gentico cuja resposta
melhorada com a heurstica clssica de Teitz e Bart, definindo-se assim, as 12-medianas
necessrias para o problema. Estas medianas servem como sementes para a formao dos
12 grupos de atendimento dos leituristas, obtidos atravs do algoritmo de designao de
Gillett e Johnson. O problema do roteamento de cada um destes grupos um problema de
cobertura de arcos, que resolvido na segunda fase, utilizando a formulao matemtica do
Problema Carteiro Chins. O objetivo principal do trabalho obter, de forma rpida e
eficiente, o caminho otimizado de percorrida para cada leiturista de forma a minimizar o
tempo despendido com o seu deslocamento, oferecendo um atendimento com maior qualidade
aos usurios desses servios.
Palavras chave: Algoritmos Genticos, Problema de Cobertura de Arcos, Problema do
Carteiro Chins.

1. Introduo
Servios do setor pblico, como por exemplo, varredura de ruas, coleta de lixo, roteamento de
carteiros, inspeo de linhas de gua, eletricidade ou gs, so realizados a partir da utilizao
de recursos humanos em grande escala, visto que, para a execuo dessas tarefas necessrio
haver a percorrida ao longo dos trechos trabalhados. A proposta deste trabalho relaciona-se
leitura das ligaes de gua, no que se refere melhoria do nvel de atendimento prestado pela
Companhia de Saneamento do Paran (Sanepar).
Os objetivos do presente trabalho so: a) estabelecer a rea de atendimento para leitura das
ligaes de gua para cada leiturista, levando em considerao que a quantidade de faturas
emitidas seja, aproximadamente, a mesma para todos eles; b) determinar, para cada leiturista,
o percurso a ser feito dentro de sua rea de atendimento, adequando-o as caractersticas do
trabalho do leiturista.
Os servios de saneamento bsico oferecidos pela Sanepar, so operacionalizados pelos
agentes ou leituristas, que fazem a leitura, digitam os dados em um microcomputador, emitem
a fatura e a entregam ao cliente; alm disso, funo do leiturista, conferir dados do
logradouro, prestar informaes diversas, vender servios como consertos dos mais diversos e
verificar as condies de instalao da ligao predial de gua (conjunto formado pelo ramal
predial e o cavalete) e hidrmetro dos locais visitados.
Por isso a necessidade de otimizar, ao mximo, o caminho de percorrida do leiturista para que
o tempo com o seu deslocamento, seja o menor possvel, oferecendo, desta forma, um
atendimento com maior qualidade aos usurios desses servios.

ENEGEP 2003 ABEPRO 1

 XXIII Encontro Nac. de Eng. de Produo - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003

2. Descrio do Problema Real

A Sanepar, empresa estadual de economia mista, responsvel pelas aes de saneamento
bsico em quase todo o Estado do Paran.
O saneamento bsico do Paran, no incio da dcada de 60, possua um ndice de atendimento
muito baixo. Apenas 8,3% da populao era servida por rede de abastecimento de gua, e
apenas 4,1% com rede de esgoto. Das 221 sedes municipais da poca, 19 possuam todos os
servios e 37 somente o de gua. Das 20 cidades mais populosas do Estado, segundo o censo
de 1950, apenas 11 tinham servio de gua. Hoje 98% da populao urbana abastecida com
gua tratada; so mais de 7 milhes de habitantes, distribudos entre as 619 localidades
atendidas pela Sanepar.
A Sanepar, unidade de Pato Branco, centraliza o atendimento das cidades: Chopinzinho,
Clevelndia, Coronel Vivida, Itapejara do Oeste, Mangueirinha, Maripolis, Palmas, Pato
Branco, So Joo e Vitorino. Nestas cidades o nmero total de ligaes de gua de 38.281.
Aps a distribuio da gua, existe o trabalho de faturar os consumos. A empresa Mercado
uma empresa terceirizada que realiza esta atividade em Pato Branco, usando um sistema de
processamento e emisso de fatura no prprio local do consumo. A utilizao de
microcomputadores portteis reduz, em muito, os custos operacionais se comparada aos
sistemas convencionais de faturamento (coleta das informaes, deslocamento at a empresa
para a digitao, consistncia, processamento e a impresso da fatura, e retorno para o
endereo para entregar a fatura ao cliente).
Em Pato Branco existem 14.097 ligaes de gua. Para a realizao da leitura das contas de
gua, a cidade est dividida, atualmente, em 07 grupos. Para fins de estudo deste trabalho, foi
considerado o grupo 11 que formado pelos bairros: Centro (parte), Parzianelo, Cadorin,
Bancrios, Pinheiros, Braslia, Vila Isabel, So Luiz, Bortot, Trevo da Guarani (Parte). Este
grupo foi escolhido por apresentar caractersticas de centro e bairros. Apresenta trechos com
vrios clientes e tambm longos trechos com poucos clientes.
Esse grupo possui 2.932 ligaes e est dividido, atualmente, em 12 rotas para os leituristas.
De acordo com as informaes da empresa, so percorridos 105.793 metros para efetuar a
leitura destas 2.932 ligaes. Doze leituristas realizam esse trabalho ao longo de um dia.

3. Implementao Computacional e Obteno dos Resultados

Preliminarmente implementao computacional dos algoritmos, definiu-se a rea de atuao
dos leituristas na cidade de Pato Branco. Para fazer a leitura dos medidores de consumo de
gua, os leituristas devem percorrer, mensalmente, uma rede viria, composta de ruas. Cada
rua dividida em trechos (quadras), onde cada trecho um pedao de rua compreendido entre
duas ruas transversais, os quais podem ou no possuir medidores de gua; os que possuem so
os trechos produtivos, os outros so chamados improdutivos.
O problema , ento, determinar qual leiturista dever atender a quais pontos de leitura, de
maneira a percorrer seu trajeto de forma otimizada, atravessando o mnimo possvel trechos
improdutivos. Portanto, o problema a ser tratado divide-se em duas fases: diviso da parte da
rede viria a ser estudada em subgrupos, sendo que cada subgrupo dever ser percorrido por
um leiturista e o roteamento do percurso nos diferentes subgrupos.
3.1 Etapas da Implementao Computacional
A implementao computacional dos algoritmos para soluo do problema foi dividida em 4

ENEGEP 2003 ABEPRO 2

 XXIII Encontro Nac. de Eng. de Produo - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003

etapas distintas.
Na primeira etapa, efetuou-se o cadastramento de vrios pontos no mapa digitalizado da
cidade de Pato Branco. Esses pontos foram dispostos de maneira a mapear a parte da rede
viria a ser estudada. Foram introduzidos pontos nas intersees das ruas e no meio das
quadras, buscando a melhor caracterizao dos trechos produtivos. No mapa, pequenos
smbolos indicam a presena destes pontos. Assim, um banco de dados formado pelas
coordenadas geogrficas de cada um destes pontos.
Na segunda etapa, foi utilizado o Algoritmo Gentico aplicado ao Problema das P-Medianas
(AGPMed) para a determinao de 12 medianas. Na aplicao do referido algoritmo, fixou-se
o nmero mximo de iteraes Kmx = 1000 e uma populao variando de 75 a 200 indivduos
(cromossomos). O algoritmo pra, quando se atinge o nmero mximo de iteraes, ou
quando a diferena dos valores de transmisso entre o melhor e o pior cromossomo menor
que 2.000 metros. Considerando-se o aspecto probabilstico dos algoritmos genticos, foram
efetuadas 5 simulaes. Em cada uma dessas simulaes, a partir da soluo obtida pelo
AGPMed, iniciou-se o algoritmo de Teitz e Bart, buscando melhorar a soluo atravs da
substituio de vrtices. Os resultados so apresentados no Quadro 1.

Algoritmo Gentico (AGPMed) Algoritmo de Teitz e Bart

Simulao Iteraes Populao Valor Trans. Iteraes Valor Trans.
(metros) (metros)
1 1000 200 201.569,1775 17 185.152,4898
2 1000 150 202.306,3062 14 184.663,2083
3 1000 75 203.176,7247 18 184.920,8433
4 1000 200 202.946,4390 12 187.156,6691
5 1000 100 213.958,3634 15 186.164,3975

Quadro 1 Resultados numricos das simulaes para o problema das 12-medianas

Ficaram assim definidos 12 pontos que representam uma boa aproximao para o problema de
localizao de 12 facilidades (12-medianas que representaro depsitos fictcios ou sementes)
do grafo cujos vrtices so os 774 pontos que demarcam a rea de atendimento em estudo.
A terceira etapa consta em associar a cada uma destas sementes, um leiturista diferente,
fazendo com que cada um atendesse, aproximadamente, a mesma quantidade de clientes. Para
tanto, utilizou-se o algoritmo de designao proposto por Gillet e Johnson (BODIN, 1983).
Atravs da designao dos pontos a cada uma das 12 sementes ser obtida a formao dos 12
clusters de atendimento, que podem ser visualizados na Figura 1, onde os smbolos maiores
indicam as p-medianas que so as sementes de cada cluster.

ENEGEP 2003 ABEPRO 3

 XXIII Encontro Nac. de Eng. de Produo - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003

Figura 1. Determinao dos 12 clusters definidos pelo algoritmo de G&J

Na quarta e ltima etapa, para cada um dos clusters, foram construidos roteiros atravs do
Modelo Matemtico do Problema do Carteiro Chins (PCC), sendo que a formulao do
mesmo foi desenvolvida para cada subgrupo separadamente, e est descrita a seguir:
n n
Minimizar z= cij xij (1)
i =1 j =1

Sujeito a:
n n

x ji xij = 0
j =1 j =1
i =1,...,n (2)

xij + x ji 1 (i,j) A (3)

xij 0 e inteiros (4)

onde, a funo objetivo (1) minimiza o custo total, ou seja, a distncia total a ser percorrida. A
restrio (2) garante a continuidade do passeio e a restrio (3) que nenhuma aresta deixar de
ser considerada, e em (4) tem-se que as variveis do problema so inteiras.
Nesta formulao, a restrio x ij + x ji 1 foi substituda por x ij + x ji 2 tendo-se em vista
que a leitura deve ser feita em ambos os lados da rua, ou seja, considerou-se arcos duplos em
todos os trechos produtivos. A formulao do PCC foi aplicada a cada um dos clusters e,
utilizando o software LINGO (Language for Interactive General Optimizer), obteve-se a
soluo exata para todos os subgrupos, que totalizou 97.839 metros.

ENEGEP 2003 ABEPRO 4

 XXIII Encontro Nac. de Eng. de Produo - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003

3.2 Anlise dos Resultados

A primeira fase da implementao foi dividida em trs etapas. Na primeira etapa, utilizando-
se o software AutoCad, foram obtidas as coordenadas geogrficas dos 774 pontos que
demarcavam os trechos produtivos do grupo a ser trabalhado, formando-se assim, o grafo
inicial. Na segunda etapa foram obtidas as 12 sementes para a subseqente formao dos
grupos de atendimento para cada um dos leituristas. Nessa etapa, trabalhou-se com duas
propostas de soluo: a primeira com o AGPMed e a outra com o Algoritmo de Teitz e Bart
aplicados ao problema das P-medianas. O AGPMed parte de uma soluo inicial aleatria, faz
1000 iteraes, em todas as 5 simulaes, e apresenta uma soluo aproximada da tima, que
foi utilizada como soluo inicial pelo Algoritmo de Teitz e Bart, com o objetivo de melhor-
la, sendo que o nmero de iteraes necessrias variou de 12 a 18 na procura das 12 medianas
do grafo de 774 pontos, conforme apresentado no quadro 1.
Analisando-se as respostas contidas no Quadro 1, a soluo escolhida para a continuidade do
trabalho, foi a da Simulao 2 em que o algoritmo de Teitz e Bart melhorou em 8,72% a
soluo fornecida pelo AGPMed. Esse resultado reflete a boa combinao desses dois
algoritmos. Esta simulao foi escolhida por apresentar o menor valor de transmisso entre os
pontos, definindo assim, as 12 sementes melhor localizadas.
No Algoritmo Gentico, o nmero de indivduos para formar a populao variou de 75 a 200
e apresentou a melhor soluo com 150 indivduos, o que mostra no ser necessrio uma
populao numerosa, haja vista que esse algoritmo probabilstico e busca os indivduos mais
aptos para o crossover.
Na terceira etapa, utilizou-se o algoritmo de Gillet e Johnson para a clusterizao dos pontos
(formao dos agrupamentos em torno das medianas encontradas na etapa anterior). Esse
algoritmo foi implementado incorporando-se a restrio de capacidade para cada um dos
depsitos (leituristas), o que garantiu aproximadamente a mesma quantidade de clientes para
cada um.
Na segunda fase foi proposta a formulao do PCC que foi resolvido pelo software LINGO. O
tempo de execuo foi de, aproximadamente, 1 segundo para cada cluster, com uma mdia de
110 iteraes para cada um destes clusters. Esta formulao considerou apenas os arcos
vlidos, ou seja, os vrtices que podem ser realmente ligados.

4. Concluses
A utilizao do Algoritmo Gentico melhorado com a utilizao do Algoritmo de Teitz e Bart
fornece uma boa soluo para o problema das p-medianas. O algoritmo de Gillet e Johson
fcil de ser implementado e apresenta resultados satisfatrios para a designao dos pontos
aos respectivos depsitos (leituristas).
Para o roteamento dos subgrupos, o PCC mostrou-se ser eficiente e comparando-se a soluo
da implementao com a soluo atual do problema, percebe-se no total uma melhoria de
6,15%. Isso representa uma reduo mdia de 7.200 metros no circuito total deste grupo de
774 pontos e, considerando-se que existem outros 6 grupos semelhantes no municpio de Pato
Branco, torna-se vivel e importante a sua implementao. Outro aspecto a ser considerado
a automatizao na obteno das rotas, de maneira rpida e eficaz.

ENEGEP 2003 ABEPRO 5

 XXIII Encontro Nac. de Eng. de Produo - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003

Referncias

BARBOSA, H. (1997). Introduo aos Algoritmos Genticos. CNMAC, Gramado, RS.

BODIN, L.D.; ASSAD, B.L. & BALL, A. (1983). Routing and Scheduling of Vehicles and Crew, The State of
the Art. Computers & Ops. Res.10, 69-211.
CHRISTOFIDES, N. (1975). Graph theory An algorithmic approach. New York: Academic Press Inc, London.
EDMONDS; J. & JOHNSON, E.L. (1973). Matching, Euler tour and the chinese postman. Mathematical
Programming, 5, 88-124.
EULER, L. (1976). Solution problematics ad geometrian situs pertinentis. Comentarii Academae Scientarum,
Petropolinae, 8, 128-140.
GOLDBARG, M.C. (2000). Otimizao Combinatria e programao linear: modelos e algoritmos. Campus,
Rio de Janeiro.
GOLDBERG, D. (1986). Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley,
Menlo Park, CA.
MAYERLE, S.F. (1994). Um Algoritmo Gentico para Soluo do Problema do Caixeiro Viajante. Trabalho
Interno: UFSC, Florianpolis.
SMIDERLE, A. (2001). Tcnicas da Pesquisa Operacional Aplicadas a um Problema de Cobertura de Arcos.
Dissertao de Mestrado, UFPR.
TEITZ, M.B. & BART, P. (1968). Heuristics methods for estimating the generalized vertex median of a
weighted graph. Operations Research, 16, 955-961.

ENEGEP 2003 ABEPRO 6