Modelo hipercubo integrado a meta-heurísticas para análise de um sistema médico emergencial em rodovias

• Ano de defesa: 2024
• Autor(a) principal: Oropeza Oropeza, Keily Marian [UNIFESP]
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de São Paulo
• Palavras-chave em Português: Modelo hipercubo; BRKGA; SA; SAE; Otimização
• Link de acesso: https://hdl.handle.net/11600/71497

Diariamente, surgem situações em que os Serviços de Atendimento Emergencial (SAE) são solicitados. Com o aumento populacional, torna-se fundamental aperfeiçoar a gestão des- ses serviços para assegurar sua qualidade e atender às necessidades dos usuários. Atrasos podem ter um custo elevado, podendo significar a diferença entre salvar vidas ou enfrentar consequências graves. Um destes sistemas no Brasil é o SAE presente nas rodovias brasilei- ras. Observe que os SAE não podem ser planejados para trabalhar com um grande número de servidores devido a restrições no orçamento, e dado que o funcionamento deles é afe- tado por fatores probabilísticos devidos às distribuições espaciais e temporal dos chamados e servidores, eles fazem investimento nas melhoras da qualidade dos serviços. Mas, muitas vezes não é considerado o fator probabilístico ao fazer o modelo dos sistemas e além disso se tem que os sistemas estão sendo muito pouco estudados, o qual influi na demora das melhoras ao não contar com uma equipe multidisciplinar que aborde o problema. Dada a relevância dos SAE em rodovias, o objetivo do estudo é propor uma abordagem para a oti- mização das operações do Sistema Anjos do Asfalto, utilizando meta-heurísticas para modi- ficar a configuração das regiões atendidas pelos servidores. Contribuindo à servir no auxilio das decisões envolvidas num SAE, em especial as relacionadas com localizações das áreas de cobertura de cada servidor, para otimizar seu desempenho. Para analisar o desempenho do abordagem se realizou uma implementação em PYTHON das meta-heurísticas BRKGA (Biased Random-Key Genetic Algorithm) e SA (Simulated Annealing) incorporando o mo- delo hipercubo, se analisou como a utilização delas afeita as medidas de desempenho, e se compararam os resultados obtidos entre as meta-heurísticas, cujos resultados proporciona- ram uma visão que permite melhorar o SAE.