Made available in DSpace on 2016-06-02T19:06:27Z (GMT). No. of bitstreams: 1 DissARS.pdf: 1479466 bytes, checksum: b0e4db694de6cc642354b502d3f9187f (MD5) Previous issue date: 2005-05-31 / Universidade Federal de Sao Carlos / Production planning in automated manufacturing environments is a complex task which comprehends, among other activities, the production sequencing. One of the techniques used to determine the best production sequencing is the simulation. All possible sequences can be simulated and, right after that, the sequences with the best performance are verified, according to some criteria. However, due to the combinatory nature of the sequencing, the simulation of all possible combinations takes long time, becoming quite impracticable in many cases. Besides, events that were not programmed occur frequently in automated manufacturing environments and the decision maker must be fast choosing alternatives. Aiming to contour this problem, this work proposes a fuzzy analyser of sceneries for the production sequencing (ANCSP). The goal is to reduce the quantity of sequences to be simulated by the decision maker when non programmed events occur in the productive system, according to a defined performance criteria. The maximum quantity of generated sequences is calculated based on the time avaliable to realize the simulation. The proposed model intends to support the usage of the simulation technique by the decision makers. The ANCSP was implemented and various tests were performed. A specific model of flexible manufacturing system was considered to perform the tests. The performance of the ANCSP was analyzed comparing its results with those presented by a simulation software, for the same test sets and in accordance to the performance measures established. / O planejamento da produção em ambientes automatizados de manufatura é uma tarefa complexa que compreende, dentre outras atividades, o sequenciamento da produção. Uma das técnicas usadas para determinar qual a melhor sequência de produção é a simulação. Todas as sequências possíveis são simuladas e, logo após, verifica-se qual a sequência que obteve o melhor desempenho, de acordo com algum critério. Entretanto, devido à natureza combinatória do sequenciamento, a simulação de todas as sequências possíveis consome muito tempo, tornando-se inviável em muitos casos. Além disso, eventos não programados ocorrem com frequência nos ambientes automatizados de manufatura e o tomador de decisão precisa ter escolhas rápidas. Visando contornar esses problemas, esse trabalho propõe um analisador nebuloso de cen´arios para o sequenciamento da produção (ANCSP). O objetivo é reduzir a quantidade de sequências a serem simuladas pelo tomador de decis ao no momento da ocorrência de eventos não programados no sistema produtivo, de acordo com alguma medida de desempenho. A quantidade máxima de sequências geradas é calculada com base no tempo que o tomador de decisão possui para realizar a simulação. Dessa maneira, o modelo proposto pretende apoiar o uso da técnica de simulação pelos tomadores de decisão. O ANCSP foi implementado e diversos testes foram realizados. Para a realização dos testes, considerou-se um modelo específico de sistema flexível de manufatura. O desempenho do ANCSP foi analisado mediante comparação dos seus resultados com aqueles apresentados por um software de simulação, para o mesmo conjunto de testes e de acordo com as medidas de desempenho estabelecidas.

Submitted by Daniele Amaral (daniee_ni@hotmail.com) on 2016-09-15T12:10:51Z No. of bitstreams: 1 DissHPL.pdf: 5127660 bytes, checksum: 4ffaa3ce20b9eb7adef78d152d5c17d2 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-09-16T19:47:09Z (GMT) No. of bitstreams: 1 DissHPL.pdf: 5127660 bytes, checksum: 4ffaa3ce20b9eb7adef78d152d5c17d2 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-09-16T19:47:15Z (GMT) No. of bitstreams: 1 DissHPL.pdf: 5127660 bytes, checksum: 4ffaa3ce20b9eb7adef78d152d5c17d2 (MD5) / Made available in DSpace on 2016-09-16T19:47:20Z (GMT). No. of bitstreams: 1 DissHPL.pdf: 5127660 bytes, checksum: 4ffaa3ce20b9eb7adef78d152d5c17d2 (MD5) Previous issue date: 2015-09-17 / Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA) / Historically, since Mamdani proposed his model of fuzzy rule-based system, a lot has changed in the construction process of this type of models. For a long time, the research efforts were directed towards the automatic construction of accurate models starting from data, making fuzzy systems almost mere function approximators. Realizing that this approach escaped from the original concept of fuzzy theory, more recently, researchers attention focused on the automatic construction of more interpretable models. However, such models, although interpretable, might not make sense to the expert. This work proposes an interactive methodology for constructing fuzzy rule-based systems, which aims to integrate the knowledge extracted from experts and induced from data, hoping to contribute to the solution of the mentioned problem. The approach consists of six steps. Feature selection, fuzzy partitions definition, expert rule base definition, genetic learning of rule base, rule bases conciliation and genetic optimization of fuzzy partitions. The optimization and learning steps used multiobjective genetic algorithms with custom operators for each task. A software tool was implemented to support the application of the approach, offering graphical and command line interfaces and a software library. The efficiency of the approach was evaluated by a case study where a fuzzy rule-based system was constructed in order to offer support to the evaluation of reproductive fitness of Nelore bulls. The result was compared to fully manual and fully automatic construction methodologies, the accuracy was also compared to classical algorithms for classification. / Historicamente, desde que Mamdani propôs seu modelo de sistema fuzzy baseado em regras, muita coisa mudou no processo de construção deste tipo de modelo. Durante muito tempo, os esforços de pesquisa foram direcionados à construção automática de sistemas precisos partindo de dados, tornando os sistemas fuzzy quase que meros aproximadores de função. Percebendo que esta abordagem fugia do conceito original da teoria fuzzy, mais recentemente, as atenções dos pesquisadores foram voltadas para a construção automática de modelos mais interpretáveis. Entretanto, tais modelos, embora interpretáveis, podem ainda não fazer sentido para o especialista. Este trabalho propõe uma abordagem interativa para construção de sistemas fuzzy baseados em regras, que visa ser capaz de integrar o conhecimento extraído de especialistas e induzido de dados, esperando contribuir para a solução do problema mencionado. A abordagem é composta por seis etapas. Seleção de atributos, definição das partições fuzzy das variáveis, definição da base de regras do especialista, aprendizado genético da base de regras, conciliação da base de regras e otimização genética da base de dados. As etapas de aprendizado e otimização utilizaram algoritmos genéticos multiobjetivo com operadores customizados para cada tarefa. Uma ferramenta de software foi implementada para subsidiar a aplicação da abordagem, oferecendo interfaces gráfica e de linha de comando, bem como uma biblioteca de software. A eficiência da abordagem foi avaliada por meio de um estudo de caso, onde um sistema fuzzy baseado em regras foi construído visando oferecer suporte à avaliação da aptidão reprodutiva de touros Nelore. O resultado foi comparado às metodologias de construção inteiramente manual e inteiramente automática, bem como a acurácia foi comparada a de algoritmos clássicos para classificação.

CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico / Esse trabalho propõe a modelagem e o controle neuro-fuzzy aplicados na estabilidade estática de um veículo de duas rodas do tipo pêndulo invertido, utilizando como método de otimização a evolução diferencial. Durante a fase de modelagem, determinam-se as incertezas relacionadas aos parâmetros e também à resposta do modelo neuro-fuzzy. Verifica-se que este é capaz de se ajustar satisfatoriamente aos dados extraídos experimentalmente do veículo. Na determinação do controlador neuro-fuzzy, testam-se três estratégias de ajuste de parâmetros, sendo duas delas propostas neste texto, e os resultados são comparados entre si e aos obtidos através de controladores clássicos, e verifica-se experimentalmente e por meio de testes estatísticos que as abordagens propostas apresentam grande capacidade de adaptação às restrições impostas à planta, garantindo a estabilidade estática e a eficiência energética do sistema. / This work proposes the neuro-fuzzy modeling and control applied to the static stability of a two-wheeled inverted pendulum vehicle, using differential evolution as optimization technique. During the modeling phase, the uncertainties related to the parameters and also to the neuro-fuzzy model response are determined. It is possible to verify that the neuro-fuzzy system is capable of satisfactorily adjusts to the data experimentally extracted from the vehicle. In the determination of the neuro-fuzzy controller, three strategies of parameter adjustment are tested, two of them being proposed in this text, and the results are compared between them and those obtained through classical controllers, and it is verified experimentally and through tests that the proposed approaches present a great capacity to adapt to the constraints imposed on the plant, guaranteeing the static stability and the energy efficiency of the system. / Dissertação (Mestrado)