Baixe o app para aproveitar ainda mais
Prévia do material em texto
Problema de Alocação de Salas e Laboratórios no IFC SBS utilizando Programação Inteira Problem Allocation of Rooms and Laboratories in IFC SBS using Integer Programming Autores: Bruno Alexandre Gomes de SOUZA; Edgar Della GIUSTINA; Vitor Teles CORREIA; Identificação autores: IFC - São Bento do Sul Edital (015/2018);Engenharia de Controle e Automação;Orientador IFC-Campus São Bento do Sul;Orientador IFC-Campus São Bento do Sul; RESUMO Esse trabalho visa mostrar um formato novo para as acomodações de salas de aulas e laboratórios do IFC São Bento do Sul para melhorar a eficácia na utilização dos espaços com auxílio de modelagem matemática computacional. Até o momento os resultados encontrados são limitados para cada horário. Palavras-chave: Alocação de Salas; Programação Inteira; Otimização. ABSTRACT This paper aims to show a new format for the accommodation of IFC São Bento do Sul's classrooms and laboratories to improve the efficiency in the use of spaces with the aid of computational mathematical modeling. So far the results are limited for each time. Keywords: Room Allocation; Whole Programming; Optimization INTRODUÇÃO E JUSTIFICATIVA Na preparação para o próximo ano letivo as escolas sempre encaram o mesmo problema para montar o horário respeitando a distribuição das turmas considerando todas as limitações de salas de aulas, laboratórios, horários dos professores e particularidades dos estudantes (Wendt & Müller, 2017). Em alguns casos, essa questão é solucionada de forma manual, demorando bastante tempo para chegar numa solução e nem sempre se consegue a eficácia esperada. Em outros casos, são utilizados programas prontos que não contém todas as restrições necessárias para atender cada instituição (Sales, 2015). Esse problema também será enfrentado no IFC de São Bento do Sul, especialmente por ter aumentado a oferta de cursos e por seu espaço físico não ter crescido no mesmo passo. Este trabalho apresenta a metodologia utilizada, os resultados encontrados até o momento e os comentários com base nesses resultados. METODOLOGIA Para que uma solução ótima fosse encontrada, a técnica de modelagem PLIM foi utilizada para o desenvolvimento do modelo do problema de alocação, e tendo como base a forma de modelar o problema de alocação abordado por Hillier e Lieberman (2006), o seguinte modelo inicial foi obtido: inimizar Z Xm = ∑ 14 i=1 ∑ 14 j=1 P ij ij Onde, é a função para ser minimizada,i é o número de espaços didáticosZ disponíveis (incluindo laboratórios e a quadra poliesportiva), j é as 9 turmas do ensino médio mais 5 turmas fantasmas, são os pontos de penalização definidos para cada P ij ambiente, e é a variável de decisão binária que está sujeita às seguintes condições:X ij , asoasalasuporteaquelaturmanohoráriodef inidoX ij = 1 c , asoasalanãosuporteaatividadequeserádesenvolvidaX ij = 0 c Onde uma matriz cruzando as turmas reais e fantasmas com os ambientes disponíveis pode ser montada com i linhas e j colunas, as restrições do modelo se tornam as seguintes: comivariandode1até14Li = ∑ 14 j=1 X ij = 1 comjvariandode1até14C j = ∑ 14 i=1 X ij = 1 Em que são as colunas e as linhas das variáveis de decisão em uma matriz C j Li Espaços vs Turmas. RESULTADOS E DISCUSSÕES Um teste do modelo atual foi feito, em uma simulação em que existe 7 salas e 7 laboratórios disponíveis e 9 turmas para ocupar este espaço. A matriz de penalizações ficou da seguinte forma: Tabela 1: Matriz de penalizações Nesta tabela percebemos algumas penalizações muito grandes, e elas tem o propósito de afastar as variáveis binárias daquelas possíveis alocações. Realizando o procedimento de Otimização através do solver, obtém-se: Tabela 2: Matriz de variáveis binárias Com a visualização destas matrizes é possível ver a capacidade de se otimizar a alocação das turmas no campus, tendo mais espaços livres. Na matriz binária, é possível identificar que vários espaços foram alocados para turmas virtuais, mostrando com o campus possui vários ambientes em estado ocioso. Em contrapartida, o resultado não se compara aos resultados encontrados por Sales (2015), Ou como Wendt e MÜLLER (2017), por alguns fatores, como tempo para o desenvolvimento da pesquisa e as limitações do método utilizado. O principal desafio será a tentativa de otimizar múltiplos horários de forma simultânea e realizar a implementação via Excel, de forma que do ponto de vista institucional, seja um projeto viável. CONSIDERAÇÕES FINAIS Fica claro que o modelo proposto já é capaz de otimizar a alocação dos espaços didáticos da instituição. Até o presente momento há uma limitação que possibilita a otimização apenas um horário da instituição por vez, e sendo necessária uma readequação de toda a matriz de penalizações, demonstra que mesmo ele sendo capaz de otimizar, demanda um trabalho que torna sua implementação a nível institucional inviável, dito isto, os próximos passos são a correção dessas falhas do modelo e sua validação e implementação. REFERÊNCIAS LIEBERMAN, G. J. Introdução à pesquisa operacional. 9. ed. Porto Alegre: AMGH, 2012. 1028p. SALES, Elijeane dos Santos. Problema de Alocação de Salas e a otimização dos Espaços no centro de tecnologia da UFSM. 2015. 119 p. Dissertação (Mestrado em Administração)- Universidade Federal de Santa Maria, Santa Maria, 2015. Disponível em: <https://repositorio.ufsm.br/bitstream/handle/1/4751/SALES%2c%20ELIJEANE%20DOS% 20SANTOS.pdf?sequence=1&isAllowed=y>. Acesso em: 26 set. 2018. WENDT, J. F. M.; MÜLLER, F. M. Solução do Problema de Alocação de salas utilizando um Modelo Matemático Multi-índice. In: SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL, 49., 2017, Blumenau. Anais... Blumenau: SBPO, 2011. p. 790-797.
Compartilhar