[en] ALLOCATION OF SKILLED WORKFORCE ON INSPECTION MISSIONS OF A REGULATORY AGENCY

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: FLAVIO ARAUJO LIM-APO
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: MAXWELL
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=57358&idi=1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=57358&idi=2
http://doi.org/10.17771/PUCRio.acad.57358
Resumo: [pt] As atividades de transporte aéreo devem ser fiscalizadas para garantir a adequação dos níveis de segurança e procedimentos operacionais, no Brasil essa atividade é realizada pela Agência Nacional de Aviação Civil (ANAC). Diversos aeroportos devem ser fiscalizados e em cada um deles uma inspeção diferente pode ser necessária. Os inspetores estão alocados em centros da ANAC em diferentes estados e é importante que o custo dessa atividade de inspeção seja minimizado, respeitando as regras existentes. Nesse sentido, essa dissertação de mestrado propõe dois modelos matemáticos para alocação de agentes qualificados para a realização de missões de fiscalização no território brasileiro. O objetivo é a definição de quais colaboradores formarão cada equipe de fiscalização, minimizando o custo de deslocamento dos agentes. O modelo proposto nesse trabalho é multi-período, para o planejamento operacional quinzenal, com a definição do período que as atividades devem ocorrer, da equipe de inspetores multi-habilitados em atividades de inspeção, multi-origens e multi-destinos. A modelagem é feita no LINGO e em Julia com a utilização do pacote JuMP e dos solvers Gurobi e CPLEX. O Modelo 1 propõe uma reformulação de artigos da literatura e possui tempo de solução entre 2 e 25 vezes menor. O Modelo 2 leva em consideração aspectos não considerados até então no Modelo 1, além disso, dada a quantidade de variáveis de decisão, foi utilizada para resolução do modelo heurística baseada na geração de colunas com programação dinâmica, proposta pelo autor, capaz de reduzir em até 95 porcento a quantidade de variáveis de decisão. A heurística permitiu a obtenção de solução inteira em instâncias que não a obtiveram com o modelo completo.