refactor: simplifica Fleet Assignment para nível Brasil sem restrição de esquadrões (Modelo 1)

create_nb.py

@@ -202,22 +202,22 @@ plt.show()
 """))
 
 # Cell 9: Markdown FAM
-cells.append(nbf.v4.new_markdown_cell("""## 4. Fleet Assignment Model (FAM)
-Conforme o livro base *Airline Operations and Scheduling*, o problema de alocação de frotas busca atribuir os tipos de aeronaves às pernas de voo visando minimizar o custo e as perdas de receita (spill). Como temos apenas um tipo (C-97), nosso problema adapta-se a uma **alocação de esquadrões (e suas respectivas bases)** aos voos requeridos para minimizar o custo total de operação, que é proporcional à distância voada.
+cells.append(nbf.v4.new_markdown_cell("""## 4. Fleet Assignment Model (FAM) - Nível Brasil
+Conforme o MODELO 1 solicitado (aeronaves podem pernoitar em qualquer hub), não há restrição de base ou esquadrão específico. Toda a frota de C-97 opera a nível nacional.
 
 **Modelo Matemático:**
-- **Variáveis de decisão:** $X_{s, r}$ (Quantidade de voos operados pelo esquadrão $s$ no trecho $r$)
-- **Função Objetivo:** Minimizar a distância total (Distância de posicionamento da base + Distância do trecho + Retorno para a base).
+- **Variáveis de decisão:** $X_r$ (Quantidade de voos alocados no trecho $r$)
+- **Função Objetivo:** Minimizar a distância total da operação (Distância do trecho $\\times$ voos no trecho). Como as aeronaves não precisam retornar a uma base fixa, desconsideramos voos de posicionamento.
 - **Restrições:**
-  1. O número de voos alocados para o trecho deve suprir a demanda média (Média PAX / Capacidade do C-97).
-  2. O total de voos atribuídos a um esquadrão não pode exceder o número de aeronaves disponíveis naquele esquadrão no dia.
+  1. O número de voos alocados para o trecho deve suprir a demanda diária operada daquela rota.
+  2. O total de voos atribuídos no dia não pode exceder o total da frota de C-97 disponível (14 aeronaves).
 """))
 
 # Cell 10: Code FAM
 cells.append(nbf.v4.new_code_cell("""# Preparação dos dados para o modelo
 rotas_lista = top_trechos['Trecho'].tolist()
 
-# Dicionário de distâncias
+# Dicionário de distâncias apenas dos trechos diretos
 def calc_distancia(icao1, icao2):
     try:
         lat1, lon1, alt1 = df_aeroportos.loc[icao1, ['lat', 'lon', 'elevation']]
@@ -230,52 +230,46 @@ def calc_distancia(icao1, icao2):
 distancias_voo = {}
 for r in rotas_lista:
     origem, destino = r.split('-')
-    dist_trecho = calc_distancia(origem, destino)
-    for esq, base in bases_esquadroes.items():
-        dist_ida = calc_distancia(base, origem) if base != origem else 0
-        dist_volta = calc_distancia(destino, base) if base != destino else 0
-        distancias_voo[(esq, r)] = dist_ida + dist_trecho + dist_volta
+    distancias_voo[r] = calc_distancia(origem, destino)
 
-# Demanda de voos por rota (Média diária)
+# Demanda de voos por rota
 voos_requeridos = {}
 for _, row in top_trechos.iterrows():
-    # Arredondamento para cima da (demanda / capacidade)
     voos = math.ceil(row['Media_PAX_Dias_Operados'] / CAPACIDADE_C97)
-    # Pelo menos 1 voo para suprir a demanda da rota selecionada
     voos_requeridos[row['Trecho']] = max(1, voos)
 
 # MODELAGEM COM PULP
-prob = pulp.LpProblem("Fleet_Assignment_C97", pulp.LpMinimize)
+prob = pulp.LpProblem("Fleet_Assignment_C97_Brasil", pulp.LpMinimize)
 
-# Variáveis
-X = pulp.LpVariable.dicts("X", [(esq, r) for esq in aeronaves_por_esquadrao.keys() for r in rotas_lista], lowBound=0, cat='Integer')
+# Variáveis (número de voos em cada rota)
+X = pulp.LpVariable.dicts("X", rotas_lista, lowBound=0, cat='Integer')
 
-# Função Objetivo
-prob += pulp.lpSum([distancias_voo[(esq, r)] * X[(esq, r)] for esq in aeronaves_por_esquadrao.keys() for r in rotas_lista])
+# Função Objetivo: Minimizar distância voada nos trechos
+prob += pulp.lpSum([distancias_voo[r] * X[r] for r in rotas_lista])
 
-# Restrição 1: Suprir a demanda da rota
+# Restrição 1: Suprir a demanda
 for r in rotas_lista:
-    prob += pulp.lpSum([X[(esq, r)] for esq in aeronaves_por_esquadrao.keys()]) >= voos_requeridos[r]
+    prob += X[r] >= voos_requeridos[r]
 
-# Restrição 2: Limite de aeronaves por esquadrão
-for esq in aeronaves_por_esquadrao.keys():
-    prob += pulp.lpSum([X[(esq, r)] for r in rotas_lista]) <= aeronaves_por_esquadrao[esq]
+# Restrição 2: Limite global de frota (nível Brasil)
+prob += pulp.lpSum([X[r] for r in rotas_lista]) <= total_aeronaves
 
 # Solução
 prob.solve(pulp.PULP_CBC_CMD(msg=False))
 
 # Exibição dos resultados
-print("== RESULTADO DO FLEET ASSIGNMENT ==")
+print("== RESULTADO DO FLEET ASSIGNMENT (NÍVEL BRASIL) ==")
 print(f"Status: {pulp.LpStatus[prob.status]}")
-print(f"Distância Total Minimizada: {pulp.value(prob.objective):.2f} km\\n")
+print(f"Distância Total da Operação: {pulp.value(prob.objective):.2f} km\\n")
 
-print("Alocações (Voos Diários):")
+print("Alocações (Voos Diários Globais):")
+voos_totais = 0
 for r in rotas_lista:
-    print(f"\\nTrecho: {r} (Voos necessários: {voos_requeridos[r]})")
-    for esq in aeronaves_por_esquadrao.keys():
-        qtd = int(X[(esq, r)].varValue)
-        if qtd > 0:
-            print(f" -> {esq} (Base {bases_esquadroes[esq]}): {qtd} voo(s)")
+    qtd = int(X[r].varValue)
+    voos_totais += qtd
+    print(f"Trecho: {r:10} | Demanda Média PAX: {voos_requeridos[r]*CAPACIDADE_C97:3.0f} | Alocados: {qtd} voo(s)")
+
+print(f"\\nTotal de voos alocados na malha diária: {voos_totais} de {total_aeronaves} aeronaves disponíveis.")
 """))
 
 nb.cells = cells