[pt] Esta dissertação investiga a aplicação de Algoritmos Genéticos e de Co-Evolução Cooperativa na otimização da programação da produção em refinarias de petróleo. Refinarias de petróleo constituem um dos mais importantes exemplos de plantas contínuas multiproduto, isto é, um sistema de processamento contínuo gerador de múltiplos produtos simultâneos. Uma refinaria, em geral, processa um ou mais tipos de petróleo, produzindo uma série de produtos derivados, como o GLP (gás liquefeito de petróleo), a nafta, o querosene e o óleo diesel. Trata- se de um problema complexo de otimização, devido ao número e diversidade de atividades existentes e diferentes objetivos. Além disso, neste problema, algumas atividades dependem de que outras atividades já tenham sido planejadas para que possam então ser planejadas. Um caso típico é o das retiradas de produtos de uma unidade de processo, que dependem de que a carga já tenha sido planejada, assim como em qual campanha a unidade estará naquele instante. Por isso, o uso de modelos revolucionários convencionais, como os baseados em ordem, pode gerar muitas soluções inválidas, que deverão ser posteriormente corrigidas ou descartadas, comprometendo o desempenho e a viabilidade do algoritmo. O objetivo do trabalho foi, então, desenvolver um modelo evolucionário para otimizar a programação da produção (scheduling), segundo objetivos bem definidos, capaz de lidar com as restrições do problema, gerando apenas soluções viáveis. O trabalho consistiu em três etapas principais: um estudo sobre o refino de petróleo e a programação da produção em refinarias; a definição de um modelo usando algoritmos genéticos e co-evolução cooperativa para otimização da programação da produção e a implementação de uma ferramenta para estudo de caso. O estudo sobre o refino e a programação da produção envolveu o levantamento das várias etapas do processamento do petróleo em uma refinaria, desde o seu recebimento, destilação e transformação em diversos produtos acabados, que são então enviados a seus respectivos destinos. Neste estudo, também foi levantada a estrutura de tomada de decisão em uma refinaria e seus vários níveis, diferenciando os objetivos destes níveis e explicitando o papel da programação da produção nesta estrutura. A partir daí, foram estudadas em detalhes todas as atividades que normalmente ocorrem na refinaria e que são definidas na programação, e seus papéis na produção da refinaria. A decisão de quando e com que recursos executar estas atividades é o resultado final da programação e, portanto, a saída principal do algoritmo. A modelagem do algoritmo genético consistiu inicialmente em um estudo de representações utilizadas para problemas de scheduling. O modelo coevolucionário adotado considera a decomposição do problema em duas partes e,portanto, emprega duas populações com responsabilidades diferentes: uma é responsável por indicar quando uma atividade deve ser planejada e a outra é responsável por indicar com quais recursos essa mesma atividade deve ser realizada. A primeira população teve sua representação baseada em um modelo usado para problemas do tipo Dial-A-Ride (Moon et al, 2002), que utiliza um grafo para indicar à função de avaliação a ordem na qual o planejamento deve ser construído. Esta representação foi elaborada desta forma para que fosse levada em conta a existência de restrições de precedência (atividades que devem ser planejadas antes de outras), e assim não fossem geradas soluções inválidas pelo algoritmo. A segunda população, que se responsabiliza pela alocação dos recursos para a execução das atividades, conta com uma representação onde os operadores genéticos podem atuar na ordem de escolha dos recursos que podem realizar cada uma das atividades. Finalmente, des / [en] This work investigates the use of Genetic Algorithms and Cooperative Coevolution in refinery scheduling optimization. Oil refineries are one of the most important examples of multiproduct continuous plants, that is, a continuous processing system that generates a number of products simultaneously. A refinery processes various crude oil types and produces a wide range of products, including LPG (liquefied petroleum gas), gasoline, kerosene and diesel. It is a complex optimization problem, mainly due to the number of different tasks involved and different objective criteria. In addition, some of the tasks have precedence constraints that require other tasks to be scheduled first. For example, in order to schedule a task that transfers one of the yields of a certain crude distillation unit, both the task that feeds the crude oil into the unit and the task that sets the unit`s current operation mode must already be scheduled. Therefore, applying traditional evolutionary models, like the order- based ones, can create many infeasible solutions that will have to be corrected or rejected later on, thereby jeopardizing the algorithm performance and feasibility. The main goal was the development an evolutionary model satisfying well-defined objectives, which would optimize production scheduling and address the various constraints entailed in the problem, thus generating only feasible solutions. This work consisted on three main steps: a survey on crude oil refining and refinery scheduling; the development of a cooperative coevolutionary model to optimize the refinery scheduling and the development of a software tool for case studies. The study about refining and scheduling involved gathering information about the existent processes in a refinery, starting from the arrival of crude oil, its distillation and transformation into several products and, finally, the delivery of these products to their respective destination. The levels of decision making in a refinery were surveyed too, in order to identify the main goals for each one, and how the scheduling level fits into the structure as whole. Then, all the routine scheduling tasks and their roles in a refinery were carefully studied. The decision of when and how to assign those tasks is the final output of the scheduling task, so it must be the main output of the algorithm too. The development of the evolutionary model consisted of a survey on some of the most common evolutionary approaches to scheduling. The adopted coevolutionary model breaks the problem down into two parts, thus using two species with different responsibilities: One is responsible for deciding when a task should be scheduled, while the other is responsible for assigning a resource for this task. The first species representation was based on a model used for the Dial-a- Ride (Moon et al, 2002) kind of problems, and uses a graph to help the fitness evaluation function find the right order in which to schedule the tasks. This representation was devised in such a way that the precedence constraints were satisfied and no infeasible solutions were generated. The representation of the second species, which assigns resources for the tasks, let genetic operators change the selection order when picking a resource for a task. Finally, a software tool was developed to be used for implement this model and for performing a case study. This case study should comprise all the needed characteristics, in order to test the quality of the representation as well as evaluate the results. A simple refinery was designed, containing all equipment types, tasks and constraints found in a real-world refinery. The constraints mentioned are the precedence constraints, handled by the graph used by the first species, plus other operational constraints found in refinery scheduling. It was possible, then, to see the decoding of chromosomes into feasible solutions, always satisfying all the constraints. Several tests

[pt] O mundo vive hoje uma era de transformação digital resultante da chamada indústria 4.0 ou quarta revolução industrial. Nesta fase, a tecnologia tem exercido um papel cada vez mais estratégico no desempenho das organizações. Estes avanços tecnológicos têm revolucionado o processo de tomada de decisão na gestão e operação de cadeias de suprimentos. Neste contexto, esta dissertação apresenta uma metodologia de apoio à decisão na gestão de estoques, que combina multi-criteria decision making (MCDM) e machine learning (ML). A princípio, é realizada uma revisão sistemática da literatura para analisar como estas duas abordagens são aplicadas na gestão de estoques. Os resultados são complementados com um scoping review abrangendo a previsão de demanda. Inicia-se então um estudo de caso, aplicado em uma ferrovia de transporte de cargas. É aplicado, inicialmente, o método MCDM combinado Fuzzy AHP Vikor para ranquear os stock keeping units (SKUs) em ordem de criticidade. O passo seguinte é a aplicação do método de ML combinado GA-ANN, artificial neural network com genetic algorithm, com o objetivo de realizar a previsão de demanda em um piloto com alguns dos itens mais críticos. A etapa final consiste em estruturar um dashboard gerencial, integrando os resultados das etapas anteriores. Dentre os resultados alcançados, a partir do modelo proposto, observa-se considerável melhora na performance da previsão de demanda dos SKUs selecionados. Além disso, a integração entre as abordagens e implementação em um dashboard gerencial permitiu o desenvolvimento de um modelo semiautomático de tomada de decisão na gestão de estoques. / [en] The world is experiencing an era of digital transformation resulting from the industry 4.0 or fourth industrial revolution. In this period, technology has played an increasingly strategic role in the performance of organizations. These technological advances have revolutionized the decision-making process in the management and operation of supply chains. In this context, this dissertation presents a methodology to support decision-making in inventory management, which combines multi-criteria decision-making (MCDM) and machine learning (ML). At first, there is a systematic literature review in order to analyze how these two approaches are applied in inventory management. The results are complemented with a scoping review that includes the demand forecasting. A case study is then applied to a freight transport railway. Initially, the MCDM combined Fuzzy AHP Vikor method is applied to rank stock keeping units (SKUs) in degrees of criticality. The next step is the application of the ML combined GA-ANN method, artificial neural network with genetic algorithm, for the purpose of demand forecasting in a pilot with some of the most critical items. The final step is to structure a management dashboard, integrating the results of the previous steps. Among the results achieved from the proposed model, there is a considerable improvement in the performance of the demand forecasting for the selected SKUs. In addition, the integration between approaches and implementation in a management dashboard allowed the development of a semiautomatic model for decision-making in inventory management.

[pt] A solução do problema de planejamento da expansão da transmissão (PET) tem por objetivo geral identificar reforços a serem construídos na rede de forma a garantir a adequada interligação entre carga e geração, previstos para um determinado horizonte de estudo. No processo de solução desse problema, busca-se manter o equilíbrio ótimo entre os custos envolvidos (investimento e operação) e os níveis de qualidade e desempenho na operação do sistema reforçado. Nesse sentido, é proposta nesta dissertação de mestrado uma ferramenta de otimização especializada para solução do problema PET, a qual é baseada na técnica metaheurística Algoritmo Genético. A ferramenta proposta, denominada Algoritmo Genético Especializado (AGE-PET), faz uso de informações heurísticas fundamentadas em análises atualizadas de fluxo de potência da rede realizadas durante o processo evolutivo de solução do problema. Essas informações heurísticas são traduzidas por meio de índices de sensibilidade, os quais são integrados aos operadores genéticos inerentes à ferramenta, conduzindo a solução do problema na direção de planos de expansão de boa qualidade. Para análise e validação da metodologia proposta, é solucionado o problema PET estático de longo prazo, considerando o modelo linearizado DC com perdas ôhmicas e atendimento do critério de segurança N-1 para a rede de transmissão. Sistemas elétricos de transmissão com diferentes características e dimensões, incluindo um subsistema atual da rede interligada brasileira, são empregados nos estudos realizados. / [en] The main goal in the solution of the transmission expansion planning (TEP) is to identify reinforcements to be built in the network in order to guarantee the adequate interconnection between load and electric power generation, both foreseen for a given future planning horizon. In the process of solving this problem, the aim is to maintain the optimal balance between the costs involved (investment and operation) and the levels of quality and performance in the operation of the reinforced system. Thus, it is proposed in this dissertation a specialized optimization tool for solving the TEP problem, which is based on the metaheuristic Genetic Algorithm technique. The proposed tool, called Specialized Genetic Algorithm (SGA-TEP), makes use of heuristic information based on updated network power flow analyses carried out during the evolutionary process of solving the problem. This heuristic information is translated by means of sensitivity indices, which are integrated with the genetic operators inherent to the tool, leading to the solution of the problem in the direction of good quality expansion plans. For analysis and validation of the proposed methodology, the long-term static TEP problem is solved, considering the linearized DC model with ohmic losses and the compliance of the N-1 security criterion for the transmission network. Electric transmission systems with different characteristics and dimensions, including a recent subsystem of the Brazilian interconnected grid, are used in the case studies.

[pt] Nos sistemas de potência ao redor do mundo, inclusive o brasileiro, são feitas as medições dos níveis de tensão nos barramentos e a corrente nos ramos de transmissão durante algum tipo de contingência em tempo real. A lista de contingências inclui: a perda de qualquer ramo de transmissão, a perda de alguns pares de ramos e, de menor importância, a perda de geração. Nesse momento, também são avaliadas as condições de estabilidade de tensão. A inclusão na lista de contingências de perda de controle de tensão devido ao esgotamento da fonte controladora (gerador, compensador, tap de LTC) em todas as barras de tensão controlada e também a perda de capacidade de aumentar/diminuir a geração de potência ativa em todos os geradores da rede permite identificar o grau de sensibilidade de cada grandeza contingenciada sobre a margem de estabilidade de tensão. Depois de feita a análise dos esgotamentos, é determinado em ordem decrescente as tensões e as gerações que mais influenciam a margem de estabilidade de tensão de uma determinada barra. Esse resultado indica as direções do movimento das grandezas. Portanto, para melhorar a margem da barra crítica, devem-se calcular ações de controle, ou seja, variar a tensão e/ou a potência ativa dos geradores, encontrando assim um novo ponto de operação. Esse novo ponto de operação deve ser buscado através de algoritmos genéticos. O desvio mínimo quadrático em relação ao ponto de operação do caso base deve ser observado, ou seja, busca-se um novo ponto de operação que não seja muito distante ao caso base. No algoritmo genético, a tensão dos geradores é a variável; a sua variação é discreta em degraus de 0,01 pu (em módulo). Também há casos em que potência ativa dos geradores será variável do GA e tendo suas variações em degraus de 5 porcento em módulo em relação ao caso base. São realizados diversos testes para encontrar o novo ponto de operação, buscando encontrar os menores desvios possíveis enquanto melhora-se a margem de potência. No primeiro sistema utilizado (CEPEL-34) duas configurações dentre os testes feitos para o GA se sobressaem das demais e por isso são usadas para outro sistema (Nórdico). Em ambos os sistemas o objetivo inicial é cumprido. / [en] Power systems around the world, including the Brazilian one, measure the voltage levels on the buses and the current in the transmission branches during some type of contingency in real time. The list of contingencies includes: the loss of any branch of transmission, the loss of some pairs of branches and, of less importance, the loss of generation. At that time, the voltage stability conditions are also evaluated. The inclusion in the list of contingencies of loss of voltage control due to the exhaustion of the controlling source (generator, compensator, LTC tap) in all controlled voltage bars and also the loss of capacity to increase / decrease the generation of active power in all generators in the network make it possible to identify the degree of sensitivity of each contingent quantity on the voltage stability margin. After the analysis of the exhausts, the tensions and generations that most influence the voltage stability margin of a given bar are determined in decreasing order. This result indicates the directions of movement of the quantities. Therefore, to improve the margin of the critical bar, control actions must be calculated, that is, vary the voltage and / or the active power of the generators, thus finding a new point of operation. This new point of operation must be sought through genetic algorithms. The minimum quadratic deviation in relation to the operating point of the base case must be observed, that is, a new operating point that is not far from the base case is sought. In the genetic algorithm, the voltage of the generators is the variable; its variation will be discrete in steps of 0.01 pu (in module). There will also be cases in which the active power of the generators will be variable in the GA and having their variations in steps of 5 percent in module in relation to the base case. Several tests are carried out to find the new operating point, seeking to find the smallest possible deviations while improving the power margin. In the first system used (CEPEL-34) two configurations among the tests made for GA stand out from the others and therefore replicated to another system (Nordic). In both systems the initial objective is fulfilled.

[pt] Esta dissertação investiga a utilização de técnicas de Eletrônica Evolucionária nos processos de reparo e ajuste de circuitos eletrônicos. O objetivo do trabalho foi avaliar o desempenho de algoritmos de computação evolucionária no reparo de circuitos eletrônicos efeituosos e no ajuste e melhoria de circuitos não ótimos, fornecendo desta forma, base teórica e experimental para ferramentas de reparo e ajuste automático de circuitos. A necessidade de ferramentas que efetuem reparos de circuitos eletrônicos em situações emergenciais, bem como a diversidade de defeitos encontrados nos vários tipos de circuito, motivaram esta pesquisa. O trabalho de pesquisa foi desenvolvido em 6 etapas principais: um estudo sobre algoritmos evolutivos e suas aplicações na área da Eletrônica Evolucionária; uma revisão de estratégias de múltiplos objetivos que culminou na proposta de um novo parâmetro de importância para os objetivos dos algoritmos evolutivos e na reformulação do cálculo do erro no Método de Minimização de Energia; o projeto de um protótipo de plataforma reconfigurável; a proposta de uma técnica de reparos e ajustes por evolução extrínseca; a proposta de uma técnica de reparos e ajustes por evolução intrínseca; e o estudo de casos. De acordo com o objetivo do trabalho de avaliar o desempenho do algoritmos evolutivos no reparo e ajuste de circuitos eletrônicos, primeiramente efetuou-se um estudo sobre a aplicação destes algoritmos na área da eletrônica evolucionária. Este estudo envolveu as diferentes formas de representação e avaliação, bem como os principais operadores. Também fez parte deste estudo estratégias de múltiplos objetivos e suas aplicações na otimização e síntese de circuitos, tanto por evolução extrínseca quanto intrínseca. Como resultado deste estudo preliminar, verificou-se a necessidade de reavaliar a metodologia de múltiplos objetivos baseada na minimização de energia, atribuindo valores de importância diferentes aos diferentes objetivos dos algoritmos evolutivos. Foi proposto então um parâmetro Importância do Objetivo que prioriza atender aos objetivos mais importantes desses algoritmos. Ou seja, privilegia as mais relevantes características avaliadas do circuito. Foi ainda revista a fórmula de cálculo do erro no Método de Minimização de Energia, sugerindo-se outra que baseia-se na avaliação do melhor indivíduo. Esta proposta visa direcionar o processo evolutivo para os objetivos não satisfeitos do melhor indivíduo. As técnicas de reparos e ajustes automáticos por evolução extrínseca aqui propostas são muito semelhantes às técnicas de síntese de circuitos por computação evolucionária. Foi dada especial atenção à avaliação dos circuitos e aos objetivos dos algoritmos que estão intimamente relacionados com o circuito original não defeituoso ou com o circuito ideal. Para realizar reparos e ajustes automáticos por evolução intrínseca faz-se necessário o uso de uma plataforma reconfigurável de circuitos eletrônicos. Isto implica em uma diferente forma de representação dos circuitos quando comparamos esta técnica com aquela baseada em evolução extrínseca. Além disso, técnicas de inicialização da população dos algoritmos evolutivos foram utilizadas para orientar a evolução com base na topologia do circuito falho. Para possibilitar a realização de experimentos com evolução extrínseca, foi projetado e implementado um protótipo de plataforma reconfigurável para circuitos analógicos chamada de PAMA. Foram realizados estudos de caso de modo a avaliar o desempenho destas técnicas de reparos e ajustes automáticos tanto por evolução extrínseca quanto por evolução intrínseca. Além disso foi avaliada a relevância e o desempenho do parâmetro Importância do Objetivo. Nos estudos de caso realizados foram utilizados circuitos bem conhecidos, como portas TTL / [en] This dissertation investigates the application of Evolvable Hardware Techniques in the process of repair and adjustment of electronic circuits. The objective of this work was to evaluate the performance of evolvable techniques in the repair of defective electronic circuits and in the adjustment of non-optimum circuits, providing theoretical and experimental basis for self-adjustment and self-repair tools. The need of emergency repair tools for electronic circuits, besides the diversity of damages that can be found in various types of circuits has motivated this research. This research had 6 steps: a study on evolvable algorithms and its application in Evolvable Hardware field; a review of multi-objective strategies that motivated the proposal of the parameter Objective`s Importance and of a new formula to calculate the error in the Energy Minimization Method; the design of a prototype of reconfigurable platform; the proposal of techniques to extrinsically evolve the repair and to adjust circuits; a proposal of techniques to intrinsically repair and adjust circuits; and the case studies. According to the objective of this work of evaluating the performance of evolvable algorithms in the repair and adjustment of electronic circuits, at first a study on representation, evaluation and operators of these algorithms was done. Multi-objective strategies and its applications in extrinsic and intrinsic evolution for optimisation and synthesis of circuits was also part of this study. As result of this preliminary study, was observed that each objective has a different importance. If this importance is not assigned to the objectives, some circuits may have a good fitness but important objectives may not be satisfied while not so important ones may be. The use of a new parameter called Objective`s Importance was proposed to solve this problem. The calculus of the error in the Energy Minimization Method was also reformulated to give more importance to the best individual. The techniques of extrinsic evolvable repair and adjustment proposed here are very similar to the evolvable techniques used to synthesize circuits. The circuits` evaluation and algorithm`s objectives were studied and some changes were proposed. To intrinsically repair circuits is necessary to use a reconfigurable platform of analog circuits. This method is different from the extrinsic one. The individuals representation in this case may vary and depends on the platform used. Techniques to initialise populations were used to seed the population. To make intrinsic evolution experiments possible, a reconfigurable platform for analog circuits called PAMA was designed and implemented. Through the case studies the performance of the techniques proposed were evaluated. Tests with intrinsic and extrinsic systems were done. The relevance and performance of the Objective`s Importance parameter was also studied. Well known analog circuits like TTL gates and amplifiers were used in the experiments. The results showed the accomplishment of such class of techniques and tools, which are very useful to repair circuits, especially in emergencies. Due to the viability of using evolvable techniques and its advantages when compared to the regular methods, the plans are, in future work, to keep testing variations of these methods and testing these techniques in bigger circuits. / [es] Esta disertación investiga la utilización de técnicas de electrónica Evolutiva en los procesos de reparación y ajuste de circuitos electrónicos. El objetivo del trabajo fue evaluar el desempeño de algoritmos de computación evolutiva en la reparación de circuitos electrónicos defectuosos y en el ajuste y mejoría de los circuitos no óptimos, ofreciendo una base teórica y experimental para herramientas de reparación y ajuste automático de circuitos. La necesidad de herramientas que efectuen reparaciones de circuitos electrónicos en situaciones de emergencia, bien como la diversidad de defectos encontrados en los varios tipos de circuito, motivaron esta investigación. El trabajo de investigación fue desarrollado en 6 etapas principales: un estudio sobre algoritmos evolutivos y sus aplicaciones en el área de la Electrónica Evolutiva; una revisión de estrategias de múltiples objetivos que culminó en la propuesta de un nueva parámetro de importancia para los objetivos de los algoritmos evolutivos y en la reformulación del cálculo del error en el Método de Minimización de Energía; el proyecto de un prototipo de plataforma reconfigurable; la propuesta de una técnica de reparaciones y ajustes por evolución extrínseca; la propuesta de una técnica de reparaciones y ajustes por evolución intrínseca; y el estudio de casos. De acuerdo con los objetivo del trabajo de evaluar el desempeño del algoritmos evolutivos en la reparación y ajuste de circuitos electrónicos, primeramente se efectuó un estudio sobre la aplicación de estos algoritmos en el área de la electrónica evolutiva. Este estudio involucró las diferentes formas de representación y evaluación, así como los principales operadores. También forma parte de este estudio las estrategias de múltiples objetivos y sus aplicaciones en la optimización y síntesis de circuitos, tanto por evolución extrínseca como intrínseca. Como resultado de este estudio preliminar, se verificó la necesidad de reevaluar la metodología de múltiples objetivos baseada en la minimización de energía atribuyendo valores de importancia diferentes a los diferentes objetivos de los algoritmos evolutivos. Se propone entonces un parámetro Importancia del objetivo que prioriza atender los objetivos más importantes de esos algoritmos. O sea, favorece las características más relevantes del circuito. Se revisó la fórmula de cálculo del error en el Método de Minimización de Energía sugiriendo otra que se basa en la evaluación del mejor individuo. Esta propuesta direcciona el proceso evolutivo para los objetivos no satisfechos del mejor individuo. Las técnicas de reparación y ajustes automáticos por evolución extrínseca que aqui se proponen son muy semejantes a las técnicas de síntesisde circuitos por computación evolucionaria. Fue dada especial atención a la evaluación de los circuitos y al os objetivos de los algoritmos que están íntimamente relacionados con el circuito original no defectuoso o con el circuito ideal. Para realizar reparaciones y ajustes automáticos por evolución intrínseca se hace necesario el uso de una plataforma reconfigurable de circuitos electrónicos. Esto trae consigo una forma diferente de representación de los circuitos cuando comparamos esta técnica con la basada en evolución extrínseca. Además, técnicas de inicialización de la populación de los algoritmos evolutivos fueron utilizadas para orientar la evolución con base en la topología del circuito fallo. Para poder realizar los experimentos con evolución extrínseca, se proyectó e implementado un protótipo de plataforma reconfigurable para circuitos analógicos llamada de PAMA. Fueron realizados estudios de caso de modo a evaluar el desempeño de estas técnicas de reparaciones y ajustes automáticos tanto por evolución extrínseca cuanto por evolución intrínseca. En los estudios de caso realizados se utilizaron circuitos bien conocidos, como puertas TTL y pré-ampli