Made available in DSpace on 2016-06-02T19:52:03Z (GMT). No. of bitstreams: 1 5761.pdf: 2593684 bytes, checksum: 000d3a163875f2beb7e15774305fbab2 (MD5) Previous issue date: 2014-02-18 / Financiadora de Estudos e Projetos / Many scheduling problems found in the literature are classified as NP-Hard, which means that the computational costs of the solutions within known exact mathematical methods can be very time consuming. In the case of partial outsourcing it is essential to consider the outsourcing decisions inside the scheduling problem to achieve optimal results from outsourcing. This project discusses the following issue: a single machine environment where the setup times are sequence-dependent and there is an outsourcing option. The goal is to determinate the set of jobs that will be outsourced and the production sequence of the jobs that will be performed inhouse, aiming to eliminate the total tardiness of all jobs, witch is a NP-Had problem. New approaches regarding meta-heuristics, like ACO (Ant Colony Optimization) show a new horizon for this kind of issues. The hybrid algorithm, including ACO and local search methods, reached the optimal values in 94,7% of the problems. / Diversos problemas de scheduling são classificados na literatura como NP-Difíceis, o que significa que os custos computacionais das soluções desenvolvidas usando métodos exatos conhecidos são muito altos para esses problemas. No caso da possibilidade de terceirização de parte das tarefas existentes se torna vital inserir essas decisões nos problemas de scheduling visando à obtenção de resultados ótimos para os objetivos de desempenho. O presente trabalho trata de um caso como esse: um ambiente de máquina única onde os tempos de setup são dependentes da sequência de execução das operações e com a possibilidade de terceirização. O objetivo é determinar a sequência de operações executadas no ambiente de máquina única e o conjunto de operações a serem terceirizadas de forma que nenhuma das ordens de serviço seja entregue com atraso e o custo de terceirização seja mínimo. A aplicação de meta-heurísticas, como o ACO (Ant Colony Optimization) abre um novo horizonte para o desenvolvimento de soluções para problemas este, classificado como NP-Difícil, sobretudo quando aplicadas em conjunto com métodos de busca local para o refinamento das soluções. Os resultados demontram que o algoritmo híbrido incluindo ACO e busca local, obteve resultados significativos, atingindo a resposta ótima em 94,7% dos problemas.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2016-12-21T10:50:23Z No. of bitstreams: 1 flaviarodriguesdonascimento.pdf: 1211614 bytes, checksum: ab9ba99ac0572dc9242451b399b808c5 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2016-12-22T12:00:31Z (GMT) No. of bitstreams: 1 flaviarodriguesdonascimento.pdf: 1211614 bytes, checksum: ab9ba99ac0572dc9242451b399b808c5 (MD5) / Made available in DSpace on 2016-12-22T12:00:31Z (GMT). No. of bitstreams: 1 flaviarodriguesdonascimento.pdf: 1211614 bytes, checksum: ab9ba99ac0572dc9242451b399b808c5 (MD5) Previous issue date: 2011-09-15 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A programação diária da operação de sistemas termoelétricos de geração consiste em determinar uma estratégia de despacho das unidades geradoras para atender a demanda de energia, satisfazendo as restrições operacionais e funcionais do sistema elétrico de potência. O problema pode ser dividido em dois subproblemas: (i) referente à determinação das unidades que devem estar em operação mediante a demanda solicitada, “Thermal Unit Commitment” e (ii) referente à determinação da potência gerada por cada uma das unidades colocadas em serviço, “Despacho Econômico”. Devido à variação de carga ao longo do tempo, a programação da operação envolve decisões do sistema de geração a cada hora, dentro do horizonte de um dia a duas semanas. Os estudos relacionados às técnicas de otimização bio-inspiradas, utilizadas na resolução da programação diária da operação de sistemas termoelétricos de geração, apontam que a combinação entre os métodos computacionais biologicamente inspirados com outras técnicas de otimização tem papel importante na obtenção de melhores soluções em um menor tempo de processamento. Seguindo esta linha de pesquisa, o presente trabalho faz uso de uma metodologia baseada na otimização por colônia de formiga para a minimização do custo da programação diária de operação de unidades termoelétricas. O modelo proposto utiliza uma Matriz de Sensibilidade (MS) baseada nas informações fornecidas pelos multiplicadores de Lagrange a fim de melhorar o processo de busca bio-inspirado. Desta forma, um percentual dos indivíduos da colônia faz uso destas informações no processo evolutivo da colônia. Os resultados alcançados através das simulações indicam que a utilização da MS resulta em soluções de qualidade com um número reduzido de indivíduos. / The daily schedule of thermoelectric systems consists of determining the strategy to set the generation units to be put in operation to meet the load, meeting also the operational and functional constraints of the respective power system. This problem can be split into two subproblems: (i) schedule of units that must operate in accordance with a given load, or Thermal Unit Commitment and (ii) set the power generation for each committed unit, or Economical Schedule. Due to load variations the schedule involves hourly generation decisions, in a horizon that varies from one day to two weeks. Researches related to bio-inspired optimization strategies applied to the daily thermal system operation show that the combination between bio-inspired computing techniques and other optimization methods has an important role in order to obtain better solutions in a shorter computing time. Following this, the present work makes use of a methodology based on Ant Colony Optimization to minimize the costs of the thermal system daily scheduling. This proposed method uses a Sensitivity Matrix (SM) based on information from Lagrange Multipliers related to the problem in order to improve the bio-inspired process. In this way, a percentage of the individuals make use of the provided information in the colony evolution process. The results obtained through those simulations indicate that the use of the SM presents better quality solutions with a reduced number of individuals.