[pt] O problema de localização de hubs visa encontrar pontos de concentração de fluxo numa rede, de modo que a soma das distâncias das ligações compartilhadas entre pontos da rede seja minimizada. Neste trabalho, o problema fundamental de localização de hubs com alocação simples para o sistema de transporte aéreo brasileiro é abordado, através da identificação de hubs regionais e hubs centrais, a fim de minimizar o fluxo na rede via a resolução primeiramente de um modelo integrado. A seguir, é proposto um método heurístico de duas fases em vista de reduzir o tempo de resposta e superar a limitação de memória. Na primeira fase da heurística proposta são identificados hubs regionais via resolução do modelo da p-mediana. Utilizando os resultados da primeira fase na segunda fase, procede-se à identificação de hubs centrais resolvendo-se o modelo q-hub-mediana numa rede de aeroportos menor, porém de mesmo fluxo de passageiros. Experimentos computacionais com as duas estratégias propostas para o problema de localização de hubs são realizados, tendo como instância base o sistema de transporte aéreo brasileiro com 150 aeroportos. Para estratégia via modelo integrado é considerado um total de 24 aeroportos no sistema, com o número de hubs regionais variando de 10 a 19 e o de hubs centrais variando de 2 a 6; para a estratégia via método heurístico é considerado um total de 150 aeroportos no sistema, com o número de hubs regionais variando de 10 a 40 na primeira fase, e o de hubs centrais variando de 2 a 6, na segunda fase. Ainda, recursos gráficos são usados na visualização dos resultados obtidos. / [en] The hub location problem aims to find points of concentration in a ow network, such that the sum of the distances of the connections shared between grid points is minimized. In this work, the fundamental problem of locating hubs with simple allocation for the Brazilian air transportation system is approached, by identifying regional and central hubs, in order to minimize the network ow by solving first an integrated model. Then, a two-phase heuristic method is proposed in order to reduce the response time and overcome the memory limitation. In the first phase of the proposed heuristic the regional hubs are identifed through the resolution of the p- median model. Using the results of the first phase in the second one, the identification of central hubs is proceeded by solving a q-hub-median model in a smaller airport grid, but of the same passenger ow. Computational experiments with the two proposed strategies for the hub location problem are performed, having as basic instance the Brazilian air transportation system with 150 airports. For the integrated model strategy a total of 24 airports in the system is considered, with the number of regional hubs varying from 10 to 19 and the number of central hubs varying from 2 to 6; and for the heuristic method strategy a total of 150 airports in the system is considered, with the number of regional hubs varying from 10 to 40 in the first stage, and the number of central hubs varying from 2 to 6 in the second stage. Further, graphical features are used in the visualization of the results.

[pt] A pandemia de COVID-19 causada pelo novo coronavírus (Sars-CoV-2) tornou-se um grande desafio à saúde pública. A rápida disseminação da doença em diferentes partes do mundo desafia os governos a controlar a transmissão do vírus e minimizar a insuficiência de recursos, além do seu impacto econômico. O presente trabalho tem como objetivo propor um modelo para localizar hospitais de campanha e alocar leitos públicos de unidades de terapia intensiva (UTI) e de enfermaria, e ventiladores mecânicos para oferecer o tratamento adequado aos pacientes. Para isso, inicialmente foi realizada a previsão dos novos casos de COVID-19 com base no modelo ARIMA (Autoregressive Integrated Moving Average) para o mês de maio. Em seguida, foi proposto um modelo de cobertura de conjuntos, cujo objetivo é atender toda a demanda, minimizando a distância percorrida pelo paciente e os custos envolvidos. Os dados de internação, notificação de casos confirmados, leitos e ventiladores mecânicos foram coletados do Departamento de Informática do SUS (DATASUS) e da Secretaria de Saúde do Estado do Rio de Janeiro (SESRJ). Quatro diferentes cenários são sugeridos aos tomadores de decisão, buscando minimizar a distância percorrida pelo paciente e o custo de instalação dos hospitais. Os resultados mostram que o planejamento inicial do governo do Estado do Rio de Janeiro, além de ser muito caro e não ter sido finalizado, anteciparia mais leitos do que o necessário. A implementação da solução proposta pode fornecer tratamento e estrutura ideais para a população em face de desafios semelhantes relacionados a emergências temporárias. / [en] The COVID-19 pandemic caused by a novel coronavirus (Sars-CoV-2) has become a major public health challenge. The rapid spread of the disease in different parts of the world has challenged the governments to control the virus transmission and minimize the insufficient supply of resources, besides its economic impact. We aimed to localize field hospitals as well as allocate public intensive care beds, ward beds, and mechanical ventilators to provide the appropriate treatment to patients. For this, firstly we estimated the number of confirmed cases based on ARIMA (Autoregressive Integrated Moving Average) for May 2020; then a set covering model was implemented aiming to attend the whole demand while minimizing the distance traveled by the patient and the costs involved. Data on hospitalization, notification of confirmed cases, beds, and mechanical ventilators was collected from DATASUS and the Rio de Janeiro State Health Department (SES-RJ). Four different scenarios were suggested to decision-makers, seeking to minimize the distance traveled by the patient and the cost of installing hospitals. According to our results, the initial planning of the government of Rio de Janeiro State was over-dimensioned and anticipated more beds than necessary. Our solution could provide the optimal treatment and structure to the population in the face of similar challenges regarding temporary emergencies.

[pt] A relação entre as atividades logísticas desempenhadas nas empresas de telecomunicações e sua prestação de serviço parece, para o público em geral, estarem desassociadas. Entretanto, a necessidade de atendimento de áreas extensas associadas a redução custos, coloca essas atividades, ditas não-essenciais, no grupo de atividades estratégicas. Através da introdução do ambiente de telecomunicações brasileiro, da importância da logística para este serviço e do estudo de problemas de localização, a presente dissertação de mestrado desenvolve um modelo MIP - Mix Integer Programming – dinâmico para o problema de localização de hubs conhecido como: ULP - Uncapacitated Hub Location Problem, sendo este modelo utilizado na análise de um estudo de caso real de uma operadora de serviços de telecomunicações via satélite, onde foram obtidos insights quanto o nível de redução de custo através do redesenho da rede de distribuição e da escolha de novos pontos de armazenagem, sendo comprovados através um estudo estocástico com 500 cenários aleatórios. / [en] The relationship between logistics activities performed on telecommunications companies and their service delivery seems, to the public, is disassociated. However, the need to service large areas associated with reducing costs, puts these activities nonessential into to the group of strategic activities. Through the introduction of the Brazilian telecommunications environment, the importance of logistics for this service and the study location problems, this master thesis develops a dynamic MIP model - Mix Integer Programming - for the hub location problem known as ULP - Uncapacitated Hub Location Problem, and this model is used in the analysis of a real case study of an satellite telecommunications operator. which were obtained insights into the level of reducing cost by redesigning of distribution network and the choice of new warehouse points, being demonstrated by a stochastic study of 500 random scenarios.