Redução do espaço de busca em problemas de otimização via simulação multiobjetivo utilizando análise envoltória de dados e latin hypercube design

• Autor(a) principal: LOPES, Guilherme Ferreira
• Data de Publicação: 2024
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UNIFEI (RIUNIFEI)
• Texto Completo: https://repositorio.unifei.edu.br/jspui/handle/123456789/4110
• topic: CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUÇÃO; Simulação a eventos discretos; Otimização via simulação multiobjetivo; DEA BCC; Supereficiência; LHD

Dentro de um contexto globalizado, o processo de tomada de decisão é crucial para o andamento das atividades planejadas. Tal importância tem refletido diretamente na busca pelo aperfeiçoamento dos processos, o que possibilitou a aplicação da otimização dos sistemas, voltando-os ao uso da Simulação a Eventos Discretos (SED). Entretanto, este campo de pesquisa ainda é pouco explorado devido ao tempo de convergência dos algoritmos, uma vez que os problemas reais apresentam inúmeros objetivos, sendo eles conflitantes entre si. Neste contexto, o trabalho propõe um framework capaz de reduzir o espaço de busca em problemas de Otimização via Simulação Multiobjetivo (OvSM) e, consequentemente, o tempo computacional, obtendo soluções de elevada qualidade, identificando os melhores limites de variação para cada variável de decisão e, adicionalmente, apresentar ao tomador de decisão, a melhor alocação dos recursos. Para isso, o framework proposto combina a SED, o método de Latin Hypercube Design (LHD) e a análise de Supereficiência por meio da Análise Envoltória de Dados (DEA) com retornos variáveis de escala (BCC). Neste framework, o espaço de busca completo é representado pela matriz LHD e com base nos cenários gerados pela matriz, o método de Supereficiência DEA – BCC é aplicado, sendo adotados os novos limites do problema multiobjetivo. A proposta foi aplicada a dois objetos de estudos, o primeiro abrange uma operação do setor logístico e o segundo, retrata o processo de uma multinacional líder em soluções para construção civil, de modo que ambos os objetos de estudos utilizaram-se de dados reais e apresentam níveis de complexidades distintos. Desta forma, o primeiro objeto de estudo apresentou uma redução de 70% do espaço de busca e de 17,44% do tempo computacional. Já para o segundo objeto, apresentou uma redução de 89% do espaço de busca e de 28,71% do tempo computacional. Em suma, o framework proposto demonstrou-se promissor ao abordar objetos complexos de OvSM e apresentou resultados significativos.