Modelos mono e multiobjetivo para o problema de localização de máxima cobertura estudo de caso SAMU-BH
Carregando...
Data
2018-02-07
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Centro Federal de Educação Tecnológica de Minas Gerais
Resumo
O Problema de Localização de Facilidades (Facility Location Problem - FLP) é um dos temas clássicos na Pesquisa Operacional e se propõe a definir os melhores pontos de instalação de p facilidades para que n demandas sejam atendidas. O modelo visa minimizar custos ou maximizar algum benefício sob determinadas restrições (de capacidade, tempo, equipe etc). Uma de suas versões, o Problema de Máxima Cobertura (Maximal Covering Location Problem - MCLP), tem o objetivo de cobrir a maior demanda possível dentro de um limite preestabelecido (de tempo ou distância). Neste trabalho, o problema do tipo MCLP foi aplicado à realidade do Serviço de Atendimento Móvel de Urgência da cidade de Belo Horizonte, Minas Gerais, SAMU-BH, com o objetivo de maximizar a cobertura dos chamados atendidos dentro de um tempo de resposta de até oito minutos para as unidades de suporte básico (USBs) e de até dez minutos para as unidades de suporte avançado (USAs). Foram coletados dados dos prontuários referentes às ocorrências de Maio/2016 a Abril/2017, totalizando 29.048 registros. Os dados foram utilizados para a criação de instâncias do problema baseadas no comportamento dos chamados e representam a realidade do estudo de caso. Foi desenvolvido um modelo de programação linear inteira, adaptado de um modelo da literatura, e mapeados 427 nós de demanda e 1.527 nós candidatos à instalação de facilidades. Os tempos de resposta entre os nós foram calculados pelo aplicativo GoogleMaps Direction API. O modelo foi implementado em IBM ILOG CPLEX R 12.7.1, em tempos computacionais satisfatórios. Foram construídos três cenários para localização das 26 ambulâncias disponíveis. Considerou-se o remanejamento entre as bases existentes, a localização ótima em novos pontos mapeados e as taxas de ocupação para cada tipo de ambulância conforme níveis de confiança predefinidos. Os resultados foram comparados com o cenário real de localização das bases, vigente em 2017. Houve um aumento de 9% a 25% na taxa de cobertura, que variou conforme parâmetros estabelecidos, e chegou à cobertura de 100% dos chamados com empenho de USBs. Novos cenários também foram testados, com a aquisição de ambulâncias conforme planejamento para o triênio 2018-2020. O resultado apresentou uma cobertura das ocorrências com o empenho de unidades avançadas 36% maior que a atual. No caso das unidades básicas, o tempo de resposta desejado foi reduzido para 6 minutos e a cobertura aumentou em 20%. Uma abordagem multiobjetivo foi apresentada, utilizando o método da Soma Ponderada, a posteriori, com os objetivos de aumentar a cobertura total e reduzir o número de bases instaladas. Foram encontradas 25 soluções Pareto-Ótimas, sendo alternativas para a tomada de decisão gerencial.
Descrição
Palavras-chave
Otimização combinatória, Programação linear, Saúde pública, Pesquisa operacional