Resumo Este trabalho trata do problema de roteamento e programação de navios que transportam óleo cru das plataformas offshore (localizadas no oceano) até os terminais costeiros, motivado por um estudo de caso feito em uma empresa brasileira que realiza essa operação. Com base nesse estudo, propõe-se um modelo de programação inteira mista que é uma extensão do problema clássico de coleta e entrega com janelas de tempo. Esse problema pertence à classe NP-difícil, sendo sua resolução bastante desafiadora na prática. Ao problema da literatura foram agregadas outras restrições práticas relacionadas ao caso em estudo, o que torna a formulação ainda mais desafiadora para resolução direta por meio de softwares de otimização. Em vista disso, dois métodos de solução exatos do tipo branch-and-cut são propostos neste trabalho, os quais usam desigualdades válidas específicas para o problema em estudo. Os resultados de experimentos computacionais realizados com instâncias reais fornecidas pela empresa mostram que os métodos branch-and-cut propostos resolveram uma quantidade maior de instâncias em comparação com a resolução direta do modelo por meio de software de otimização.

Abstract This paper addresses the routing and scheduling problem of vessels that collect crude oil from offshore platforms (located in the ocean) and transport it to terminals on the coast. This problem is motivated by a case study carried out in an oil company that operates in Brazil. Based on this study, we propose a mixed integer programming model that extends the classical pickup and delivery problem with time windows. This problem belongs to the NP-hard class and its solution is very challenging in practice. To model specific features of the addressed case, we include new constraints in the classical formulation, which makes it even more challenging for general purpose optimization solvers. To overcome this, we propose two Branch-and-cut methods that use valid inequalities especially developed for the oil company case. Computational results performed with a real data set provided by the company show that the proposed Branch-and-cut methods are effective and able to solve more instances than a state of the art general purpose optimization solver.