???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: http://bibliotecatede.uninove.br/handle/tede/212
Tipo do documento: Dissertação
Título: Otimização por algoritmos genéticos do sequenciamento de ordens de produção em ambientes Job Shop.
Autor: Grassi, Flávio 
Primeiro orientador: Pereira, Fabio Henrique
Primeiro membro da banca: Morabito Neto, Reinaldo
Segundo membro da banca: Araújo, Sidnei Alves de
Resumo: A otimização de processos produtivos é tema de grande relevância na indústria, sendo portanto tratado por diversos pesquisadores ao redor do mundo, há mais de cinquenta anos. Dentre os problemas a serem solucionados, tem grande destaque a questão do sequenciamento de ordens de produção devido à sua vasta aplicabilidade como, por exemplo, no aumento da produtividade de veículos em indústrias automobilísticas ou na melhoria do desempenho de processadores em computadores. No presente trabalho foram abordados estudos envolvendo a otimização de problemas determinísticos de sequenciamento de ordens de produção em ambientes Job Shop através do uso de algoritmos genéticos. Os problemas testados pertencem à um grupo de exemplares disponíveis em uma biblioteca de problemas de pesquisa operacional, largamente utilizada por pesquisadores neste contexto, sendo que nesses exemplares todas as ordens de produção estão disponíveis para alocação no instante zero e os tempos de processamento são fixos. A função de avaliação das soluções geradas durante a otimização foi desenvolvida em linguagem C. O algoritmo genético adotado utiliza operadores genéticos convencionais e representação binária, promovendo melhorias em relação à pesquisas que também se baseiam nesses operadores, através da escolha da população inicial, que é realizada adotando um conceito de semente dinâmica desenvolvido nesta dissertação. Inicialmente a semente geradora da população do algoritmo genético adota uma regra simples de sequenciamento baseada na sequência das ordens de produção em relação à sua rota, que é definida pelo problema, e posteriormente novas sementes são utilizadas, considerando aquelas que geraram os melhores indivíduos das gerações anteriores. Conforme apresentado na seção de resultados, esse conceito de semente dinâmica efetivamente gera um número maior de soluções factíveis. Os resultados qualitativos demonstram que a abordagem desenvolvida se mostra competitiva em relação à outras representações clássicas de ambientes de Job Shop, gerando soluções em tempos aceitáveis para esse tipo de problema.
Abstract: The optimization of processes is a highly relevant topic in the industry, and therefore treated by many researchers around the world for more than fifty years. Among the problems to be solved, must highlight the issue of sequencing of the production scheduling due its wide applicability, such as increasing productivity of vehicles in automobile industry or improving the performance of processors in computers. In the present work were conducted studies involving scheduling of production orders of deterministic problems in Job Shop environments through the use of genetic algorithms. The problems tested belong to a group available from an operations research library, widely used by researchers in this context, and in such instances all production orders are available for allocation since the instant zero, and processing times are fixed. The fitness function of the solutions generated during optimization was developed in C language. The adopted genetic algorithm uses conventional genetic operators and binary representation, and promotes improvements in relation to research which are also based on these operators, through the choice of the initial population, which is performed by adopting a concept of dynamic seed developed in this dissertation. Initially the generating seed of the population in the genetic algorithm adopts a simple sequencing rule based on the sequence of the production orders in relation to its route, which is defined by the problem, and then new seeds are used, which are those that generated the best individuals of previous generations. As presented in the results section, this concept of dynamic seed effectively generates a larger number of feasible solutions. The qualitative results show that the developed approach is competitive in relation to other classic representations of Job Shop environments, providing solutions in acceptable time for this sort of problem.
Palavras-chave: job shop
algoritmo genético
otimização
sequenciamento da produção
job shop
genetic algorithms
optimization
production scheduling
Área(s) do CNPq: ENGENHARIAS::ENGENHARIA DE PRODUCAO
Idioma: por
País: BR
Instituição: Universidade Nove de Julho
Sigla da instituição: Uninove
Departamento: Engenharia
Programa: Programa de Mestrado em Engenharia de Produção
Citação: GRASSI, Flávio. Otimização por algoritmos genéticos do sequenciamento de ordens de produção em ambientes Job Shop.. 2014. 127 f. Dissertação (Mestrado em Engenharia) - Universidade Nove de Julho, São Paulo, 2014.
Tipo de acesso: Acesso Aberto
URI: http://localhost:8080/tede/handle/tede/212
Data de defesa: 11-Feb-2014
Appears in Collections:Programa de Mestrado em Engenharia de Produção

Files in This Item:
File SizeFormat 
B_Flavio Grassi.pdf9,23 MBAdobe PDFDownload/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.