[pt] O Brasil é um dos principais produtores e exportadores de celulose e papel no mundo, beneficiando-se de condições climáticas e de solo favoráveis, além de investimentos substanciais em pesquisa. Um desafio significativo nesse setor é o Problema de Planejamento de Colheita Florestal (PPCF), semelhante a um derivado do Problema de Roteamento de Veículos (VRP), com uma frota heterogênea, demanda periódica e ganho de volume de madeira. Este estudo aborda o PPCF utilizando um modelo matemático de Programação Linear Inteira Mista (MILP) e a metaheurística Greedy Randomized Adaptive Search Procedure (GRASP) em cenários simulados e reais para otimizar o sequenciamento dos times de colheita entre as unidades produtivas. O objetivo é reduzir os custos operacionais e aumentar o crescimento do volume ao longo de um horizonte de planejamento de 12 meses, considerando também as restrições de janelas de tempo. Um total de 12 instâncias foram testadas para avaliar o desempenho do GRASP, sendo que a metaheurística superou o resultado do modelo MILP em nove casos. Além disso, três instâncias refletem cenários reais de uma grande empresa brasileira de celulose e papel. Quando comparado aos resultados da equipe de planejamento da empresa, o GRASP alcançou uma redução de até 61,9 por cento nos custos totais. Além disso, o GRASP fornece planos de colheita detalhados em um curto tempo de execução, reduzindo a carga de trabalho da equipe de planejamento e aumentando a flexibilidade na tomada de decisões. / [en] Brazil is one of the world s leading producers and exporters of pulp and paper, benefiting from favorable climatic and soil conditions, coupled with substantial investments in research. A significant challenge in this sector is the Forest Harvesting Planning Problem (FHPP), akin to a derivative of the Vehicle Routing Problem (VRP) featuring a heterogeneous fleet, periodic demand, and wood volume gain. This study addresses FHPP by employing Mixed Integer Linear Programming (MILP) modeling and the Greedy Randomized Adaptive Search Procedure (GRASP) metaheuristic across real and simulated scenarios to optimize the sequencing of harvesting teams among stands. The objective is to reduce operational costs and enhance volume growth over a 12- month planning horizon, while also considering time windows and scheduling constraints. A total of 12 instances were tested to evaluate GRASP s performance, with the metaheuristic matching or outperforming the MILP model in nine cases. Additionally, three instances reflect real scenarios from a major Brazilian pulp and paper company. When compared against the company s planning team results, GRASP achieved up to a 61.9 percent reduction in total costs. Furthermore, GRASP provides detailed harvesting plans within a short execution time, reducing planning team workload and enhancing decision-making flexibility.

Submitted by Liliane Ferreira (ljuvencia30@gmail.com) on 2018-03-08T14:57:43Z No. of bitstreams: 2 Dissertação - Kamyla Maria Ferreira - 2018.pdf: 2406020 bytes, checksum: 87a4f31f5a394055dd9a84a1c7c73512 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2018-03-12T11:16:50Z (GMT) No. of bitstreams: 2 Dissertação - Kamyla Maria Ferreira - 2018.pdf: 2406020 bytes, checksum: 87a4f31f5a394055dd9a84a1c7c73512 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-03-12T11:16:50Z (GMT). No. of bitstreams: 2 Dissertação - Kamyla Maria Ferreira - 2018.pdf: 2406020 bytes, checksum: 87a4f31f5a394055dd9a84a1c7c73512 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2018-02-16 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / This research deals with the resolution of problems that involve the location, routing, and packing decisions with focus on the location routing problem, capacitated vehicle routing problem with two-dimensional loading constraints, and location routing problem with two-dimensional loading constraints. For that, it is proposed a framework that reuses part of the algorithms, which are of a common domain, such that the development of the project is systematized. The objective of the framework is allowing the resolution of different variants of problems that integrate location, routing, and packing decisions without the need to replicate algorithms. As a proposal for an algorithm, it is developed a hybrid heuristic, which involves the cooperation between the simulated annealing and the artificial algae algorithm. The simulated annealing has four neighborhood operators, local search, and three procedures to diversify the solution. The artificial algae algorithm is combined with the skyline method in order to verify the feasibility of the two-dimensional packing constraints. Once the framework and heuristics have been codified, computational experiments are performed to test its performance, as well as comparisons are made with the most recent results published in the literature. The results show that the heuristic is competitive with other methods from the literature since it could obtain 36.25% solutions equal to the best ones reported in the literature of the location routing problem, besides the average GAP being 0.57%. For the vehicle routing problem with two-dimensional loading constraints, the heuristic could obtain 43.05% solutions equal to the best known in the literature, besides the average GAP being 3.33%. The results obtained for the location routing problem with twodimensional loading constraints were satisfactory. / Este trabalho trata da resolução de problemas que envolvem decisões de localização, roteamento e empacotamento com foco nos problemas de localização e roteamento, roteamento de veículos capacitado com restrições de empacotamento bidimensional, e localização e roteamento com restrições de empacotamento bidimensional. Para tanto, propõe-se um framework capaz de reutilizar parte dos algoritmos, que são de domínio comum, para que o desenvolvimento do projeto seja sistematizado. O objetivo é que o framework possibilite a resolução de diferentes variantes do problema que integram as decisões de localização, roteamento e empacotamento sem ter que replicar algoritmos. Como proposta de algoritmo, desenvolve-se uma heurística híbrida, a qual envolve a cooperação entre dois métodos, o recozimento simulado e o algoritmo artificial de algas. O recozimento simulado possui quatro operadores de vizinhança, procedimentos de busca local e três procedimentos para diversificar a solução. O algoritmo artificial de algas é combinado com a técnica Skyline para verificar as restrições de empacotamento bidimensional. A partir da codificação do framework e da heurística, experimentos computacionais foram realizados para testar o seu desempenho e comparar os resultados com os mais recentes da literatura. Os resultados indicam que a heurística é competitiva com os demais métodos da literatura, sendo possível obter 36,25% de soluções iguais às melhores reportadas na literatura do problema de localização e roteamento, além do GAP médio ter sido de 0,57%. No problema de roteamento de veículos com restrições de empacotamento bidimensional, a heurística obteve 43,05% soluções iguais às melhores conhecidas na literatura, além do GAP médio ter sido de 3,33%. Os resultados obtidos para o problema de localização e roteamento com restrições de empacotamento bidimensional foram satisfatórios.