O transporte de cargas do setor florestal brasileiro é realizado em sua maior parte pelo modal rodoviário. Sua complexidade exibe a importância de diagnosticar o desenvolvimento da atividade para que se possa, por meio da pesquisa operacional, empregar de forma mais eficiente seus recursos disponíveis sem que haja perda de produtividade. Atualmente, o problema de escalonamento de motoristas é considerado um dos principais entraves à otimização em empresas de transporte, pois apresenta uma grande quantidade de restrições físicas e técnicas. Esta pesquisa teve como objetivo solucionar um problema real de escalonamento de motoristas no transporte de madeira de uma empresa florestal por meio de cinco meta-heurísticas (Algoritmo Genético – AG, Algoritmo Memético – AM, Clustering Search – CS, Greedy Randomized Adaptive Search – GRASP e Simulated Annealing – SA), comparar os métodos entre si e entre a situação corrente na empresa, e propor uma nova escala de serviços. Para validação da abordagem proposta, foi utilizada uma entrada de dados gerada a partir da pesquisa qualitativa e de estudos de tempos e movimentos. Os resultados indicam que todos os métodos foram eficientes para resolver o problema sobressaindo-se o CS como melhor, seguido do SA, GRASP, AM e AG. O CS conseguiu atender aos objetivos com uma redução em 1/3 do quadro de 150 motoristas além de eliminar médias diárias de horas extras e excedentes que eram de 01h03min e 00h51min, respectivamente.
The cargo transportation in Brazilian forest area is carried out mostly by road. Their complexity shows the importance of diagnosing the development of the activity so that we can, means operational research, more efficiently employ their resources without losing productivity. Currently, the driver scheduling problem is considered a major constraint for optimizing of transportation companies, because it has a lot of physical and technical restriction. This research aimed to solve a real problem of driver scheduling for the wood transportation from a forest company by using five metaheuristics (Genetic Algorithm – AG, Memetic Algorithm – AM, Clustering Search – CS, Greedy Randomized Adaptive Search – GRASP, and Simulated Annealing – SA), compare the methods among themselves and between the company's actual situation and propose a new scale of services. To validate the proposed approach, we used a data input generated from the qualitative research and studies time and movement. The results indicate that all methods were effective to solve the problem standing out as the best CS, followed by the SA, GRASP, AM and AG. The CS was able to meet the goals with a reduction of one third of the frame of 150 drivers and eliminates daily averages of overtime and surpluses which were 01h03min and 00h51min, respectively.
