Planejamentos fatoriais fracionados para análise de sensibilidade de modelos de simulação de eventos discretos

• Autor(a) principal: ALMEIDA FILHO, Renaldo Gonzaga de
• Data de Publicação: 2006
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UNIFEI (RIUNIFEI)
• Texto Completo: https://repositorio.unifei.edu.br/jspui/handle/123456789/3782
• topic: CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUÇÃO; Simulação; Otimização; Planejamento de experimentos,; Fatorial fracionado.

A modelagem de sistemas de manufatura através da simulação é utilizada desde primórdios da década de 1960 e tornou-se uma das mais populares e poderosas ferramentas empregadas para analisar complexos sistemas de manufatura. Através da modelagem dos sistemas é possível realizar sua otimização. Entretanto, a integração entre otimização e simulação não ocorreu rapidamente, na prática, até o fim do último milênio otimização e simulação estiveram bem separadas, mas esse quadro tem mudado e, atualmente, programas de otimização são parte integrantes na maioria dos pacotes de simulação. A otimização via simulação exige um considerável esforço computacional, pois para se localizar a solução ótima é necessário verificar diversas configurações de valores dos parâmetros. Uma forma de acelerar a otimização é reduzir o seu espaço de busca limitando o número de variáveis que o comporão, uma vez que nem todas as variáveis são igualmente importantes com respeito ao seu efeito sobre a resposta do modelo. A presente pesquisa estudou o emprego das técnicas estatísticas de planejamento fatorial fracionado na identificação das variáveis mais importantes de dois modelos de simulação de eventos discretos objetivando a redução do espaço de busca da otimização de modo a acelerar esta fase. Esta pesquisa classifica-se como experimental quantitativa de natureza aplicada com objetivo explicativo. A ferramenta utilizada para a realização dos experimentos é a simulação de eventos discretos. O procedimento experimental seguido foi otimizar cada modelo de duas formas distintas. Na primeira forma, inicialmente, realizou-se a análise de sensibilidade das variáveis do modelo utilizando planejamentos fatoriais fracionados. Após a identificação das variáveis mais significativas, realizou-se a otimização do modelo utilizando esse espaço de busca reduzido. A segunda forma consistia na otimização pura e simples do modelo. Nenhum estudo foi feito nesta abordagem para determinar se todas as variáveis do modelo têm o mesmo efeito no resultado final. Por fim, comparou-se o número de execuções de cada uma das formas. O resultado da primeira aplicação indicou uma redução de 59% no número de execuções entre a otimização planejada e a otimização não planejada. Para a segunda aplicação, não houve vantagem no planejamento preliminar da otimização. A principal razão para o resultado desfavorável desta última aplicação deveu-se a sua forma de modelagem mostrando a importância da construção do modelo.