Algoritmos evolutivos adaptativos para problemas de programação de pessoal

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de ProduçãoA crescente concorrência mundial tem estimulado empresas a tornar seus produtos mais competitivos e serviços mais eficazes, observando a redução de custos. Atualmente, percebe-se um rápido crescimento no setor de serviços, o que mostra a importância da utilização eficaz dos recursos materiais e humanos disponíveis. Com o foco neste crescimento, em special no setor de Call Centers, este trabalho aborda uma metodologia para a resolução de problema de Programação de Pessoal com aplicação em uma empresa neste setor. O problema foi dividido em duas etapas, sendo resolvidas na seguinte ordem: problema de Turnos de Trabalho e problema de Designação dos Turnos aos Atendentes. O primeiro, consiste em eterminar os turnos de trabalho e a quantidade de atendentes em cada turno, de modo a satisfazer à demanda. O segundo, busca a configuração de jornadas de trabalho e a designação destas aos atendentes. Os objetivos são o de minimizar a quantidade de atendentes e de encontrar jornadas que iniciem o turno o mais próximo possível de um horário determinado. Para resolver o problema, foi desenvolvido um Algoritmo Evolutivo (AE) que integra outros AEs, denominado Algoritmo Evolutivo Adaptativo (AEA). A ideia que motivou o desenvolvimento do AEA foi a introdução de um processo que leva em consideração o desempenho prévio de cada AE. Para a resolução do primeiro problema foram utilizados Algoritmos Genéticos, Evolução Diferencial Discreta e o AEA integrando os dois algoritmos anteriores. Também, um modelo de PLI foi desenvolvido e resolvido com os aplicativos XPRESS, Cbc, Gurobi e MOSEK, disponibilizados em um site na internet. Os resultados encontrados pelos AEs se mostraram próximos aos encontrados a partir da resolução do modelo em PLI. Os resultados do AEA e do modelo em PLI foram utilizados como dados de entrada para o segundo problema. Nesta segunda fase foi desenvolvida uma EDD com variáveis mistas (inteiras e binárias). Os resultados encontrados mostraram que para se encontrar resultados adequados para o problema de Programação de Pessoal, não é necessário usar os melhores resultados encontrados na primeira etapa, mas apenas resultados adequados. O AEA desenvolvido pode integrar, além de AEs, outras ferramentas e ser utilizado em outras aplicações. A metodologia adotada pode ser considerada adequada para aplicação em empresas de Call Center, podendo ser expandida para outras com características similares.Increasing global competition has encouraged companies to make their products more competitive and more efficient services, noting the cost savings. Currently, we see a rapid growth in the services sector, what shows the importance of efficient use of available human and material resources. With the focus on this growth, particularly in the Call Center industry, this paper presents a methodology for solving Human Resource problem with an application for a company in this sector. The problem was divided into two phases, resolved in the following order: Working Shift problem and Assignment of the Shifts to the Telephone Operators problem. The first one is to determine the shifts and the number of telephone operators on each shift to meet demand. The second one seeks the setting working hours and the assignment of the telephone operators. The objectives are to minimize the number of telephone operators and find working hours that begin the shift as close as possible to a certain time. To solve the problem has been developed an Evolutionary Algorithm (EA) that integrates other EAs, called Adaptive Evolutionary Algorithm (AEA). The idea that led to the development of the AEA was the introduction of a process that takes into account the previous performance of each EA. To solve the first problem was used Genetic Algorithms, Discrete Differential Evolution and AEA integrating the two previous algorithms. Also, an ILP model was developed and solved with XPRESS, Cbc, Gurobi and MOSEK applications, available on a website. The results find to AEs showed similar to those found from solving the ILP model. The results of AEA and PLI model were used as input data for the second problem. The second phase was developed with an EDD mixed variables (integer and binary). The results showed that in order to find appropriate results for the Human Resource problem, there is no need to use the best results in the first step, but only use the adequate results. The AEA developed may include, beyond the AE, others tools to be used in other applications. The methodology can be considered suitable for application in Call Center companies and can be expanded to others with similar characteristics