Revisão sistemática de modelos matemáticos para o planejamento operacional de produção de atividades agrícolas

Authors

  • Artur Guerra Rosa
  • Silvia Araújo dos Reis
  • Fabricio Oliveira Leitão
  • Andréia Alves Rosa

DOI:

https://doi.org/10.54033/cadpedv21n3-242

Keywords:

Logística, Linear, MIP, Heurísticas, Tomada de Decisão

Abstract

O planejamento operacional na agricultura é vital para traduzir estratégias em ações de curto prazo, otimizando a alocação de recursos e auxiliando no processo de tomada de decisão. A gestão eficaz inclui o uso de modelos matemáticos para enfrentar desafios como alocação de mão de obra, cronograma de plantio e outras atividades. Neste ramo, existe uma lacuna de um levantamento dos modelos utilizados no planejamento operacional de produção, o que possibilitaria o reaproveitamento de equações e inspiração para modelagens mais avançadas. O presente estudo teve como objetivo identificar os trabalhos mais relevantes na área, identificando as práticas matemáticas mais utilizadas e quais suas funções para atender as demandas dos interessados. Foi utilizada uma revisão sistemática para a seleção dos artigos, que posteriormente foram codificados e discutidos sobre suas particularidades e relações com seus respectivos temas. Os trabalhos selecionados foram de diversas áreas, focando nas áreas de logística, agendamento do uso de maquinário e planejamentos intrínsecos ao trabalho, como culturas na área agrícola. Os principais modelos utilizados foram lineares, mistos inteiros e heurísticas, com algumas vertentes de outras metodologias, como algoritmos específicos de economia que não se encaixam nestas classificações. O levantamento realizado evidenciou que uma variedade de técnicas de programação pode ser empregada para abordar problemas similares, possibilitando a seleção ou integração de diferentes equações e métodos para resolver novas demandas específicas no contexto do planejamento operacional na produção de atividades agrícolas. Essa flexibilidade na escolha e combinação de abordagens oferece uma ampla gama de opções para enfrentar desafios e otimizar processos nesse campo.

References

AHUMADA, O.; HERNÁNDEZ-CRUZ, X.; ULLOA, R.; PEINADO-GUERRERO, M.; QUIJADA, F.; VILLALOBOS, J. R. A tactical planning model for fresh produce production considering productive potential and changing weather patterns. Biosystems Engineering, v. 232, p. 13–28, 2023. DOI: https://doi.org/10.1016/j.biosystemseng.2023.06.009

AHUMADA, O.; RENE VILLALOBOS, J.; NICHOLAS MASON, A. Tactical planning of the production and distribution of fresh agricultural products under uncertainty. Agricultural Systems, v. 112, p. 17–26, 2012. DOI: https://doi.org/10.1016/j.agsy.2012.06.002

AHUMADA, O.; VILLALOBOS, J. R. Application of planning models in the agri-food supply chain: A review. European Journal of Operational Research, v. 196, n. 1, p. 1–20, 2009. DOI: https://doi.org/10.1016/j.ejor.2008.02.014

AHUMADA, O.; VILLALOBOS, J. R. Operational model for planning the harvest and distribution of perishable agricultural products. International Journal of Production Economics, v. 133, n. 2, p. 677–687, 2011. DOI: https://doi.org/10.1016/j.ijpe.2011.05.015

ALBORNOZ, V. M.; URRUTIA-GUTIÉRREZ, C. A mixed-integer linear optimization model for a two-echelon agribusiness supply chain. Electronic Notes in Discrete Mathematics, v. 69, p. 253–260, 2018. DOI: https://doi.org/10.1016/j.endm.2018.07.033

AMUI, L. B. L.; JABBOUR, C. J. C.; SOUSA JABBOUR, A. B. L. DE; KANNAN, D. Sustainability as a dynamic organizational capability: a systematic review and a future agenda toward a sustainable transition. Journal of cleaner production, v. 142, p. 308–322, 2017. DOI: https://doi.org/10.1016/j.jclepro.2016.07.103

AZEVEDO, P. H. F. Modelo de apoio à decisão na produção de alimentos agrícolas: o caso de um produtor de alimentos orgânicos. 52f. Monografia (Bacharelado em Administração) - Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas, Departamento de Administração: Brasília, 2022.

BETTANY-SALTIKOV, J. How to do a Systematic Literature Review in Nursing: A step-by-step guide. London: McGraw-Hill Education (UK), 2016.

BHATIA, M.; RANA, A. A mathematical approach to optimize crop allocation–A linear programming model. Int. J. Des. Nat. Ecodynamics, v. 15, n. 2, p. 245–252, 2020. DOI: https://doi.org/10.18280/ijdne.150215

BOCHTIS, D.; SORENSEN, C. A. G.; KATERIS, D. Operations management in agriculture. London: Academic Press, 2018. DOI: https://doi.org/10.1016/B978-0-12-809786-1.00006-0

BORODIN, V.; BOURTEMBOURG, J.; HNAIEN, F.; LABADIE, N. Handling uncertainty in agricultural supply chain management: A state of the art. European Journal of Operational Research, v. 254, n. 2, p. 348–359, 2016. DOI: https://doi.org/10.1016/j.ejor.2016.03.057

BRABAZON, P. G.; MACCARTHY, B. Virtual-build-to-order as a mass customization order fulfilment model. Concurrent Engineering Research and Applications, v. 12, n. 2, p. 155–165, 2004. DOI: https://doi.org/10.1177/1063293X04044379

BROECKE, F. VAN DEN; AGHEZZAF, E.-H.; LANDEGHEM, H. VAN. Migrating the fair share algorithm from a distribution to a production planning environment. Robotics and Computer-Integrated Manufacturing, v. 24, n. 4, p. 553–561, 2008. DOI: https://doi.org/10.1016/j.rcim.2007.07.006

CAIXETA-FILHO, J. V. Orange harvesting scheduling management: A case study. Journal of the Operational Research Society, v. 57, n. 6, p. 637–642, 2006. DOI: https://doi.org/10.1057/palgrave.jors.2602041

CHANDIO, A. A.; BILAL, K.; TZIRITAS, N.; YU, Z.; JIANG, Q.; KHAN, S. U.; XU, C.-Z. A comparative study on resource allocation and energy efficient job scheduling strategies in large-scale parallel computing systems. Cluster Computing, v. 17, n. 4, p. 1349–1367, 2014. DOI: https://doi.org/10.1007/s10586-014-0384-x

CRONIN, P.; RYAN, F.; COUGHLAN, M. Undertaking a literature review: a step-by-step approach. British journal of nursing, v. 17, n. 1, p. 38–43, 2008. DOI: https://doi.org/10.12968/bjon.2008.17.1.28059

EDWARDS, G.; SØRENSEN, C. G.; BOCHTIS, D. D.; MUNKHOLM, L. J. Optimised schedules for sequential agricultural operations using a Tabu Search method. Computers and Electronics in Agriculture, v. 117, p. 102–113, 2015. DOI: https://doi.org/10.1016/j.compag.2015.07.007

EMDE, S.; GENDREAU, M. Scheduling in-house transport vehicles to feed parts to automotive assembly lines. European Journal of Operational Research, v. 260, n. 1, p. 255–267, 2017. DOI: https://doi.org/10.1016/j.ejor.2016.12.012

FICKEN, F. A. The simplex method of linear programming. California: Courier Dover Publications, 2015.

FLORES-FONSECA, C.; LINFATI, R.; ESCOBAR, J. W. Exact algorithms for production planning in mining considering the use of stockpiles and sequencing of power shovels in open-pit mines. Operational Research, v. 22, n. 3, p. 2529–2553, 2022. DOI: https://doi.org/10.1007/s12351-020-00618-x

FLOUDAS, C. A.; LIN, X. Mixed Integer Linear Programming in Process Scheduling: Modeling, Algorithms, and Applications. Annals of Operations Research, v. 139, n. 1, p. 131–162, 2005. DOI: https://doi.org/10.1007/s10479-005-3446-x

FOWLER, A. C. Mathematical models in the applied sciences. New York: Cambridge University Press, 1997. v. 17

FRAGNIERE, E.; GONDZIO, J. Optimization modeling languages. Handbook of Applied Optimization, p. 993–1007, 2002.

GILLI, M.; SCHUMANN, E. Heuristic optimisation in financial modelling. Annals of operations research, v. 193, p. 129–158, 2012. DOI: https://doi.org/10.1007/s10479-011-0862-y

GUROBI OPTIMIZATION, L. L. C. Gurobi optimizer reference manual, 2021.

KLANŠEK, U. A comparison between MILP and MINLP approaches to optimal solution of Nonlinear Discrete Transportation Problem. Transport, v. 30, n. 2, p. 135–144, 2015. DOI: https://doi.org/10.3846/16484142.2014.933361

LABORIE, P.; ROGERIE, J.; SHAW, P.; VILÍM, P. IBM ILOG CP optimizer for scheduling: 20+ years of scheduling with constraints at IBM/ILOG. Constraints, v. 23, p. 210–250, 2018. DOI: https://doi.org/10.1007/s10601-018-9281-x

LACEY, F. M.; MATHESON, L.; JESSON, J. Doing your literature review: Traditional and systematic techniques. London: Sage, 2011.

LAWLER, E. L.; WOOD, D. E. Branch-and-bound methods: A survey. Operations research, v. 14, n. 4, p. 699–719, 1966. DOI: https://doi.org/10.1287/opre.14.4.699

LI, J.; RODRIGUEZ, D.; ZHANG, D.; MA, K. Crop rotation model for contract farming with constraints on similar profits. Computers and Electronics in Agriculture, v. 119, p. 12–18, 2015. DOI: https://doi.org/10.1016/j.compag.2015.10.002

LOPEZ, P.; ROUBELLAT, F. Production scheduling. Hoboken: John Wiley & Sons, 2013.

NETH, H.; GIGERENZER, G. Heuristics: Tools for an uncertain world. Em: Emerging trends in the social and behavioral sciences. Hoboken: John Wiley & Sons, 2015. p. 1–18. DOI: https://doi.org/10.1002/9781118900772.etrds0394

OLSON, K. D. Farm management : principles and strategies. 1st ed ed. Aimes: Iowa State Press, 2004.

OSAKI, M.; BATALHA, M. O. Optimization model of agricultural production system in grain farms under risk, in Sorriso, Brazil. Agricultural Systems, v. 127, p. 178–188, 2014. DOI: https://doi.org/10.1016/j.agsy.2014.02.002

PAKAWANICH, P.; UDOMSAKDIGOOL, A.; KHOMPATRAPORN, C. Crop production scheduling for revenue inequality reduction among smallholder farmers in an agricultural cooperative. JOURNAL OF THE OPERATIONAL RESEARCH SOCIETY, v. 73, n. 12, p. 2614–2625, 2022. DOI: https://doi.org/10.1080/01605682.2021.2004946

PEART, R. M.; SHOUP, W. D. Agricultural systems management: optimizing efficiency and performance. New York: CRC Press, 2004. DOI: https://doi.org/10.1201/9780203021835

PENA, J. G. C.; OLIVEIRA, V. B. DE; SALLES, J. L. F. Optimal scheduling of a by-product gas supply system in the iron- and steel-making process under uncertainties. Computers and Chemical Engineering, v. 125, p. 351–364, 2019. DOI: https://doi.org/10.1016/j.compchemeng.2019.01.025

SAVELSBERGH, M. W. P. Preprocessing and probing techniques for mixed integer programming problems. ORSA Journal on Computing, v. 6, n. 4, p. 445–454, 1994. DOI: https://doi.org/10.1287/ijoc.6.4.445

SMITH, J. C.; TASKIN, Z. C. A tutorial guide to mixed-integer programming models and solution techniques. Optimization in Medicine and Biology, p. 521–548, 2008.

SOLANO, N. E. C.; GARCÍA LLINÁS, G. A.; MONTOYA-TORRES, J. R. Operational model for minimizing costs in agricultural production systems. Computers and Electronics in Agriculture, v. 197, 2022. DOI: https://doi.org/10.1016/j.compag.2022.106932

SOLANO, N. E. C.; GARCÍA LLINÁS, G. A.; MONTOYA-TORRES, J. R.; RAMIREZ POLO, L. E. A planning model of crop maintenance operations inspired in lean manufacturing. Computers and Electronics in Agriculture, v. 179, 2020. DOI: https://doi.org/10.1016/j.compag.2020.105852

SØRENSEN, C. G.; BOCHTIS, D. D. Conceptual model of fleet management in agriculture. Biosystems Engineering, v. 105, n. 1, p. 41–50, 1 jan. 2010. DOI: https://doi.org/10.1016/j.biosystemseng.2009.09.009

VANDERBEI, R. J. Linear programming. Cham: Springer, 2020. DOI: https://doi.org/10.1007/978-3-030-39415-8

WANG, Y.-J.; HUANG, G. Q. A two-step framework for dispatching shared agricultural machinery with time windows. Computers and Electronics in Agriculture, v. 192, 2022. DOI: https://doi.org/10.1016/j.compag.2021.106607

WOLSEY, L. A. Heuristic analysis, linear programming and branch and bound. Em: RAYWARD-SMITH, V. J. (Ed.). Combinatorial Optimization II. 3. ed. Berlin, Heidelberg: Springer, 1980. p. 121–134. DOI: https://doi.org/10.1007/BFb0120913

Published

2024-03-29

How to Cite

Rosa, A. G., Reis, S. A. dos, Leitão, F. O., & Rosa, A. A. (2024). Revisão sistemática de modelos matemáticos para o planejamento operacional de produção de atividades agrícolas . Caderno Pedagógico, 21(3), e3525. https://doi.org/10.54033/cadpedv21n3-242

Issue

Section

Articles