“Bicentenário da Independência: 200 anos de ciência, tecnologia e inovação no Brasil e 96 anos de contribuição da UFV”.

8 a 10 de novembro de 2022

Trabalho 16645

ISSN 2237-9045
Instituição Universidade Federal de Viçosa
Nível Graduação
Modalidade Pesquisa
Área de conhecimento Ciências Exatas e Tecnológicas
Área temática Ciência da computação
Setor Departamento de Informática
Bolsa PIBIC/CNPq
Conclusão de bolsa Não
Apoio financeiro CNPq
Primeiro autor Davi de Paula Oliveira
Orientador ANDRE GUSTAVO DOS SANTOS
Título Uso de entregadores ocasionais na última milha das entregas
Resumo Compras por e-commerce movimentaram mais de U$500 bilhões em 2019, com um crescimento estimado nos EUA de 31% até 2023. Mas, com a pandemia, as compras aumentaram muito mais que isso, não só nos EUA. Isto aumenta enormemente o número de veículos que fazem a entrega, que já contribuíam com 16 a 50% da emissão de poluentes em áreas urbanas, demandando uma alternativa urgente. A literatura científica recente contém diversas propostas e estudos de crowdsourcing, em que os próprios clientes fazem a entrega a outros clientes. Os problemas deste projeto de pesquisa são de grande interesse prático, visto o uso de crowdsourcing pode reduzir consideravelmente a quantidade de veículos em circulação, diminuindo tráfego e emissão de poluentes e também de interesse teórico, pela dificuldade computacional, dado o volume de dados, estocásticos e dinâmicos, exigindo adaptações das heurísticas e métodos existentes para uma resposta rápida. O contexto é então o de entrega de produtos comprados on-line por entregadores ocasionais (OCs - ocasional courriers), clientes da própria empresa que decidem ir à loja/depósito. Produtos não entregues por OCs devem ser entregues por uma frota profissional (PF), veículos da empresa para entrega porta-a-porta. Portanto, o objetivo do projeto é, dado um conjunto de entregas a serem feitas para os clientes e um conjunto de OCs, decidir as entregas por OCs para minimizar o custo esperado de entregas da empresa, ou seja, a soma do valor total gasto com os OCs com o valor total gasto com a PF. Para determinar quais clientes terão seus produtos entregues por OCs e quais terão pela PF, foi utilizada a Pesquisa de Árvore de Monte Carlo (MCTS - Monte Carlo Tree Search). MCTS é um algoritmo de busca baseado em heurística e probabilidade que combina a implementação de uma busca em árvore com os princípios de aprendizado por reforço. Como já havia na literatura uma heurística que procurava resolver o mesmo problema proposto pelo projeto, após a implementação do MCTS, foi feita uma comparação dos dois algoritmos. Comparando os resultados, foi possível concluir que o MCTS foi um pouco pior em relação à qualidade da solução, porém ele conseguiu ser mais rápido que a heurística. Nesse contexto, é primordial ter uma decisão rápida, vantagem do MCTS. Porém, por mais que o MCTS tenha funcionado bem para este problema, é preciso considerar dois pontos: não foram utilizadas instâncias reais; e foi considerado que todos os clientes e OCs são conhecidos de antemão. Todavia, no mundo real os OCs aparecem ao longo do dia, ou seja, eles não são conhecidos de antemão. Portanto, a etapa atual e futura do projeto é, dado um conjunto de entregas para os clientes e um histórico de valores oferecidos para os OCs, implementar um algoritmo que determina o valor e o cliente ideal para cada OC que chegar à loja de forma que, simultaneamente, os custos sejam minimizados e a probabilidade dele aceitar seja alta.
Palavras-chave Entrega de Última Milha, Roteamento de Veículos, Pesquisa de Árvore de Monte Carlo
Forma de apresentação..... Vídeo
Link para apresentação Vídeo
Gerado em 0,62 segundos.