Escalonamento Da Produção Para Sistema De Manufatura Job Shop Com Parâmetros Inteligentes

• Autor(a) principal: Martins, Dayvid Wesley Pereira
• Data de Publicação: 2018
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás)
• Texto Completo: http://tede2.pucgoias.edu.br:8080/handle/tede/4117
• topic: Scheduling, Aplicativo web, Benchmark sets, Algoritmo genético, Otimização heurística.; Key words: Scheduling, Web Application, Benchmark sets, Genetic Algorithm, Optimization Heuristic.; ENGENHARIAS::ENGENHARIA DE PRODUCAO

A elaboração de um processo de planejamento eficaz, para a sequência de processamento de ordens de produção na programação de sistemas de manufatura, é uma tarefa com alto grau de complexidade. A ausência de plataformas para experimentações simuladas da escala de produção, qualquer que seja a tipologia: flow shop, job shop, open shop, dificulta a curva de aprendizagem metodológica para este tipo de problema. Este trabalho propõe a concepção de um aplicativo web, que implementa um algoritmo genético (AG) personalizado para minimizar o makespan (tempo de finalização), de modo a permitir experimentações simuladas dos benchmark sets de escalonamento da produção em sistemas de manufatura do tipo job shop. O aplicativo web está disponível em <http://iproductionscheduling.com> e foi desenvolvido utilizando as linguagens Python e HTML5. Desse modo, é possível realizar online simulações otimizadas da escala de produção de instâncias do tipo abz, dum, ft, yn, la, orb, swv e ta, seguindo a premissa que o job emerge segundo uma ordem de produção emitida com especificações de roteiro de fabricação e tempo de processo com particularidades próprias contidas em um benchmark set. Os operadores genéticos propostos (crossover por roleta e mutações) foram adaptados para promover a intensificação e exploração no espaço de busca. Utilizou-se o elitismo e imigrantes aleatórios como técnica de controle da diversidade populacional. Na fase de ensaios, os operadores genéticos foram testados de forma isolada com a instância abz5 10 × 10 para verificar o impacto de diferentes variações nos parâmetros do AG no resultado esperado. Após isto, o aplicativo foi avaliado a partir de duas instâncias, sendo a abz5 10 × 10 e ft06 6 × 6, com resultados compatíveis aos da literatura recente, obtidos por outros métodos heurísticos. As experimentações realizadas comprovaram que o algoritmo implementado no núcleo da página web, se aproxima dos atuais limites ótimos e acrescenta quando disponibiliza um ambiente de experimentação e mostra os resultados do escalonamento em Gráficos de Gantt, além de apresentar tabelas e gráficos para avaliação do processo de otimização com os parâmetros determinados pelo usuário.