MODELO MATEMÁTICO PARA O PLANEJAMENTO OPERACIONAL DE ATIVIDADES AGRÍCOLAS: ESTUDO DE CASO EM UMA FAZENDA ORGÂNICA DE MÉDIO PORTE
Planejamento de Atividades. Otimização Agrícola. Programação Linear.
A gestão eficiente das operações no setor agrícola depende do planejamento de produção, um processo crucial que organiza e otimiza as atividades e a carga de trabalho. Isso leva à redução de tempo e custos de produção, assegurando máxima eficiência ao determinar o que, quando e onde as tarefas devem ser realizadas. Os modelos matemáticos de apoio à decisão são ferramentas valiosas nesse cenário, pois podem incorporar diversos dados para encontrar as melhores formas de organização, minimizando custos ou maximizando lucros. Isso permite que os agricultores ajustem suas estratégias de plantio e colheita em cada área, levando em conta cenários de temperatura, precipitação e disponibilidade de mão de obra. Este trabalho, portanto, propõe um modelo matemático de apoio à decisão para atividades agrícolas em nível operacional, visando melhorar a gestão e a eficiência do setor. Para o processo de modelagem, também foi realizada uma revisão sistemática e narrativa do estado da arte de modelos parecidos, seguido de um estudo de caso com uma importante fazenda de orgânicos no Distrito Federal. O modelo matemático empregou apenas variáveis e restrições lineares, com a função objetivo de minimizar a distância total percorrida para atender todas as demandas de atividades do produtor dentro de um intervalo de dias disponíveis. O modelo segue o formato de roteamento, em que o maquinário percorre um caminho específico para atender às demandas, utilizando os nós (lotes) com suas respectivas distâncias em metros como percurso. Para avaliar a eficiência e o desempenho de resolução, realizou-se uma comparação dos tempos de resolução em diferentes períodos de planejamento – 7, 15, 30 e 60 dias – utilizando cinco solvers distintos: Gurobi, CPLEX, GLPK, CBC e HiGHS, sendo os dois primeiros pagos e os demais gratuitos. Os resultados mostraram que todos os solvers conseguiram encontrar soluções ótimas dentro de tempo hábil para todos os períodos avaliados. Porém, para os períodos mais longos, os solvers pagos (Gurobi e CPLEX) tiveram desempenho superior, enquanto os solvers gratuitos (CBC e HiGHS) também se saíram bem, com o GLPK sendo o menos eficiente e não recomendado para os períodos mais longos. Assim, o modelo pode ser considerado funcional nos cenários apresentados, sendo validado com informações reais do estudo de caso realizado e consolidando-se como uma ferramenta viável para apoiar decisões no planejamento operacional de atividades agrícolas. O trabalho enfrentou limitações devido à abrangência inicial do modelo, necessitando de futuras alterações e adições de restrições para lidar com mais atividades do setor. Uma opção seria adicionar variáveis inteiras e binárias, o que pode aumentar o tempo de resolução, mas permite representar diversos outros cenários matematicamente. Para pesquisas futuras, sugere-se aplicar o modelo em outros casos semelhantes, para quantificar distâncias e custos das atividades, comparando seu desempenho com cenários sem a otimização. Recomenda-se também desenvolver uma interface gráfica intuitiva e gratuita em Python para facilitar a visualização e uso do modelo pelo usuário final.