Escalonamento Dinâmico da Produção de uma fábrica

Detalhes bibliográficos
Autor(a) principal: Sousa, Ricardo Henrique Macedo
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10400.22/21131
Resumo: A indústria 4.0 está já aí. Com o seu desenvolvimento, as fabricas estão a ficar cada vez mais ciberfísicas. Sendo assim, sistemas de escalonamento dinâmico que podem tratar altas quantidades de dados fazem cada vez mais sentido. Estes sistemas podem reduzir os custos de uma fábrica, otimizando a produção na mesma ao máximo. Em primeiro lugar, o estado da arte dos sistemas de escalonamento foi estudado, de forma a perceber qual seria a melhor opção para implementar um. Duas possibilidades foram implementadas: um algoritmo genético (GA) e um algoritmo de colónia de abelhas artificiais (ABC). Estas soluções utilizam o makespan como função objetivo e oferecem uma grande variabilidade nas soluções devido ao seu sistema de gerar soluções iniciais para os algoritmos. Estes algoritmos foram validados e testados para o Flexible Job Shop Scheduling Problem, resultando daí a conclusão de que o ABC é melhor que o GA por 2% e que o ABC está perto de outros algoritmos de estado da arte. Esta tese também tem como objetivo o tratamento de possíveis eventos dinâmicos que podem acontecer numa fábrica, criando heurísticas para o tratamento destes. A melhor solução implementada com estas heurísticas tem como objetivo diminuir a entropia entre o antigo e o novo planeamento de produção. Foram feitos testes comparando o algoritmo com algoritmos do estado da arte, obtendo bons resultados. Para concluir, dois sistemas de escalonamento estático foram desenvolvidos e várias heurísticas para tratar diferentes disrupções na fábrica foram desenhadas.
id RCAP_5bcda8a694536201a862d596db7bda25
oai_identifier_str oai:recipp.ipp.pt:10400.22/21131
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Escalonamento Dinâmico da Produção de uma fábricaOtimizaçãoEscalonamentoFlexible Job Shop Scheduling ProblemAlgoritmo GenéticoAlgoritmo de Colonia de Abelhas ArtificiaisOptimizationSchedulingGenetic AlgorithmArtificial Bee Colony AlgorithmA indústria 4.0 está já aí. Com o seu desenvolvimento, as fabricas estão a ficar cada vez mais ciberfísicas. Sendo assim, sistemas de escalonamento dinâmico que podem tratar altas quantidades de dados fazem cada vez mais sentido. Estes sistemas podem reduzir os custos de uma fábrica, otimizando a produção na mesma ao máximo. Em primeiro lugar, o estado da arte dos sistemas de escalonamento foi estudado, de forma a perceber qual seria a melhor opção para implementar um. Duas possibilidades foram implementadas: um algoritmo genético (GA) e um algoritmo de colónia de abelhas artificiais (ABC). Estas soluções utilizam o makespan como função objetivo e oferecem uma grande variabilidade nas soluções devido ao seu sistema de gerar soluções iniciais para os algoritmos. Estes algoritmos foram validados e testados para o Flexible Job Shop Scheduling Problem, resultando daí a conclusão de que o ABC é melhor que o GA por 2% e que o ABC está perto de outros algoritmos de estado da arte. Esta tese também tem como objetivo o tratamento de possíveis eventos dinâmicos que podem acontecer numa fábrica, criando heurísticas para o tratamento destes. A melhor solução implementada com estas heurísticas tem como objetivo diminuir a entropia entre o antigo e o novo planeamento de produção. Foram feitos testes comparando o algoritmo com algoritmos do estado da arte, obtendo bons resultados. Para concluir, dois sistemas de escalonamento estático foram desenvolvidos e várias heurísticas para tratar diferentes disrupções na fábrica foram desenhadas.Industry 4.0 is around the corner. As it develops, factories are becoming more and more cyber-physical. Thus, a dynamic scheduling system that can treat the ever-increasing amount of data produced every day by a factory makes more sense as it goes. These can reduce costs and resource waste, optimizing the efficiency of production to its maximum. In a first instance, static scheduling algorithms were studied and compared, to understand which was the best. Two of them were implemented: a genetic algorithm (GA) and an artificial bee colony algorithm (ABC). These solutions provide variability in its initial populations by generating them through different rules and use the makespan as the function to evaluate the solutions. Furthermore, the algorithms were validated and tested for the Flexible Job Shop Scheduling Problem, where operations can be produced in several machines. The conclusion was that the ABC algorithm had a 2% improvement against the Genetic Algorithm. This thesis also comprises the treatment of possible dynamic events that happen in a factory, through the development and testing of heuristics for the problem. The proposed implementation can treat two types of disruptions: job disruptions and machine disruptions. The solution provided tries to diminish the entropy between the previous and new schedule, by keeping the schedule the same until a certain point in time. The best performing algorithm was tested under these possible disruptions, allied with the heuristics providing good results when compared to the state of the art. To conclude, two static scheduling systems were developed and several heuristic methods to treat different disruptions were designed.Ramos, Carlos Fernando da SilvaRepositório Científico do Instituto Politécnico do PortoSousa, Ricardo Henrique Macedo20222025-07-21T00:00:00Z2022-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.22/21131TID:203086961enginfo:eu-repo/semantics/embargoedAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-03-13T13:16:58Zoai:recipp.ipp.pt:10400.22/21131Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T17:41:12.844273Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Escalonamento Dinâmico da Produção de uma fábrica
title Escalonamento Dinâmico da Produção de uma fábrica
spellingShingle Escalonamento Dinâmico da Produção de uma fábrica
Sousa, Ricardo Henrique Macedo
Otimização
Escalonamento
Flexible Job Shop Scheduling Problem
Algoritmo Genético
Algoritmo de Colonia de Abelhas Artificiais
Optimization
Scheduling
Genetic Algorithm
Artificial Bee Colony Algorithm
title_short Escalonamento Dinâmico da Produção de uma fábrica
title_full Escalonamento Dinâmico da Produção de uma fábrica
title_fullStr Escalonamento Dinâmico da Produção de uma fábrica
title_full_unstemmed Escalonamento Dinâmico da Produção de uma fábrica
title_sort Escalonamento Dinâmico da Produção de uma fábrica
author Sousa, Ricardo Henrique Macedo
author_facet Sousa, Ricardo Henrique Macedo
author_role author
dc.contributor.none.fl_str_mv Ramos, Carlos Fernando da Silva
Repositório Científico do Instituto Politécnico do Porto
dc.contributor.author.fl_str_mv Sousa, Ricardo Henrique Macedo
dc.subject.por.fl_str_mv Otimização
Escalonamento
Flexible Job Shop Scheduling Problem
Algoritmo Genético
Algoritmo de Colonia de Abelhas Artificiais
Optimization
Scheduling
Genetic Algorithm
Artificial Bee Colony Algorithm
topic Otimização
Escalonamento
Flexible Job Shop Scheduling Problem
Algoritmo Genético
Algoritmo de Colonia de Abelhas Artificiais
Optimization
Scheduling
Genetic Algorithm
Artificial Bee Colony Algorithm
description A indústria 4.0 está já aí. Com o seu desenvolvimento, as fabricas estão a ficar cada vez mais ciberfísicas. Sendo assim, sistemas de escalonamento dinâmico que podem tratar altas quantidades de dados fazem cada vez mais sentido. Estes sistemas podem reduzir os custos de uma fábrica, otimizando a produção na mesma ao máximo. Em primeiro lugar, o estado da arte dos sistemas de escalonamento foi estudado, de forma a perceber qual seria a melhor opção para implementar um. Duas possibilidades foram implementadas: um algoritmo genético (GA) e um algoritmo de colónia de abelhas artificiais (ABC). Estas soluções utilizam o makespan como função objetivo e oferecem uma grande variabilidade nas soluções devido ao seu sistema de gerar soluções iniciais para os algoritmos. Estes algoritmos foram validados e testados para o Flexible Job Shop Scheduling Problem, resultando daí a conclusão de que o ABC é melhor que o GA por 2% e que o ABC está perto de outros algoritmos de estado da arte. Esta tese também tem como objetivo o tratamento de possíveis eventos dinâmicos que podem acontecer numa fábrica, criando heurísticas para o tratamento destes. A melhor solução implementada com estas heurísticas tem como objetivo diminuir a entropia entre o antigo e o novo planeamento de produção. Foram feitos testes comparando o algoritmo com algoritmos do estado da arte, obtendo bons resultados. Para concluir, dois sistemas de escalonamento estático foram desenvolvidos e várias heurísticas para tratar diferentes disrupções na fábrica foram desenhadas.
publishDate 2022
dc.date.none.fl_str_mv 2022
2022-01-01T00:00:00Z
2025-07-21T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10400.22/21131
TID:203086961
url http://hdl.handle.net/10400.22/21131
identifier_str_mv TID:203086961
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/embargoedAccess
eu_rights_str_mv embargoedAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799131500338216960

Registros relacionados