Um algoritmo aprimorado de otimização multiobjetivo animada de aveia para o projeto organizacional de obras com recursos limitados

Por que cronogramas de obras precisam de planejamento mais inteligente

Quando um novo condomínio ou conjunto habitacional surge em uma cidade congestionada, errar o cronograma pode significar custos em espiral, trabalhadores ociosos numa semana e falta de mão de obra na seguinte, além de moradores irritados aguardando as chaves. Este artigo apresenta um novo método computacional de planejamento que trata o cronograma de construção como um quebra-cabeça complexo com múltiplos trade-offs — quanto tempo o projeto leva, quanto custa e quão suavemente os trabalhadores são usados — e mostra como um algoritmo inspirado na natureza pode encontrar soluções melhores do que as ferramentas atuais.

Grandes projetos urbanos, objetivos entrelaçados

Projetos de construção modernos precisam conciliar vários objetivos ao mesmo tempo. Incorporadores querem prédios prontos rapidamente para começar a gerar receita. Empreiteiros precisam conter custos para manter a lucratividade. Gerentes de obra precisam manter as equipes ocupadas, mas não sobrecarregadas, lidando com limites de quantos trabalhadores estão disponíveis por dia. Técnicas tradicionais de planejamento, como gráficos de Gantt feitos à mão ou regras simples de software, frequentemente tratam um objetivo por vez — tipicamente a duração total do projeto — e se apoiam fortemente na experiência. Em projetos urbanos complexos com prazos apertados e mão de obra limitada, isso pode levar a atrasos, estouros de custo e oscilações caóticas na demanda por trabalhadores de um dia para o outro.

Aprendendo com sementes que rolam

O estudo baseia-se em um método de otimização relativamente novo e “bioinspirado” chamado Otimização Animada de Aveia, que imita como sementes de aveia selvagem rolam e se catapultam pelo solo para encontrar bons pontos para germinar. Na versão original, esse comportamento foi usado para resolver problemas de objetivo único: as sementes vagam amplamente no começo (exploração) e depois se assentam em áreas promissoras (refinamento). Os autores estendem essa ideia para que ela lide com vários objetivos simultaneamente, criando o que chamam de algoritmo Multiobjetivo de Otimização Animada de Aveia, ou MOAOO. Em vez de buscar uma única "melhor" resposta, o método procura uma família de cronogramas que equilibrem duração, custo e suavidade do uso da força de trabalho de maneiras diferentes.

Transformando construção em um problema de busca

Para aplicar o método, os pesquisadores primeiro traduzem um projeto real de pequeno edifício residencial em Chengdu, China, para um modelo matemático. Cada tarefa de construção — como escavação, fundações, estrutura e instalação de equipamentos — tem um tempo de início, uma duração e um número de trabalhadores atribuídos. As tarefas devem seguir uma ordem lógica (não se pode levantar paredes antes da fundação) e há um limite diário superior na força de trabalho disponível. O modelo acompanha três aspectos: duração total do projeto, custo total (principalmente mão de obra mais um valor fixo por tarefa e penalidades por horas extras) e quanto o número total de trabalhadores no canteiro varia dia a dia. Uma curva de trabalhadores mais suave significa menos picos e vales, o que facilita contratação, treinamento e controle de horas extras.

Como o novo algoritmo explora opções

O MOAOO libera uma população de “cronogramas candidatos”, cada um representado como uma semente rolante em um espaço multidimensional. Em cada rodada de cálculo, alguns candidatos são empurrados aleatoriamente para explorar novas possibilidades, enquanto outros seguem padrões inspirados na física de sementes que rolam e balançam — ajustes curtos para melhoria local e saltos maiores para escapar de becos sem saída. Ao mesmo tempo, o método mantém uma memória evolutiva de cronogramas especialmente bons que não são superados em nenhum dos três objetivos. Esses candidatos "de elite" ajudam a orientar a busca. Um sistema em camadas verifica e corrige violações de ordem de tarefas, sincronização e limites de recursos, e um monitor interno interrompe a busca precocemente quando as melhorias se tornam pequenas, economizando tempo de computação.

O que o método alcança na prática

Usando o projeto habitacional de Chengdu como estudo de caso, os autores mostram que o MOAOO pode gerar rapidamente uma ampla gama de cronogramas viáveis. Em seus testes, o algoritmo tipicamente convergiu em cerca de 118 rodadas de cálculo. Um cronograma focado em velocidade pura reduziu a duração do projeto em cerca de um quinto em comparação com a linha de base, embora com custo maior. Outro minimizou custo aceitando um tempo de construção mais longo. Mais impressionante, um cronograma de compromisso concluiu o projeto em 279 dias com cerca de US$ 1,34 milhão, ao mesmo tempo que reduziu as flutuações no uso de mão de obra em 72,7%. Isso significa que as equipes são usadas de forma muito mais constante ao longo do tempo, o que é atraente para empreiteiros reais que tentam evitar picos de horas extras e períodos de ociosidade.

Por que isso importa para futuros projetos de construção

Além de um caso específico, a equipe testou o MOAOO em benchmarks matemáticos padrão e constatou que ele é competitivo ou superior a vários métodos multiobjetivo bem conhecidos, sugerindo que a abordagem é amplamente válida. Para um leitor não especialista, a mensagem central é que os cronogramas de construção não precisam mais ser compromissos rígidos ajustados manualmente. Ao emprestar ideias de como as sementes se movem na natureza, esse algoritmo pode sugerir automaticamente muitos planos diferentes, cada um trocando tempo, dinheiro e estabilidade da força de trabalho de maneira transparente. Gerentes de projeto podem então escolher o cronograma que melhor se ajusta às suas prioridades e restrições, tornando a construção urbana mais previsível, eficiente e resiliente.

Citação: Xue, Q., Wu, C., Nie, J. et al. An improved multi-objective animated oat optimization algorithm for resource-constrained construction project organization design. Sci Rep 16, 10239 (2026). https://doi.org/10.1038/s41598-026-39502-7

Palavras-chave: cronograma de construção, otimização multiobjetivo, gestão de recursos, algoritmos bioinspirados, planejamento de projetos