Tese de mestrado integrado. Engenharia Informática e Computação. Faculdade de Engenharia. Universidade do Porto. 2009

Submitted by Alison Vanceto (alison-vanceto@hotmail.com) on 2017-08-30T12:26:40Z No. of bitstreams: 1 DissMSV.pdf: 2771156 bytes, checksum: add74067c9db203edececa7202e83a52 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-09-20T14:06:15Z (GMT) No. of bitstreams: 1 DissMSV.pdf: 2771156 bytes, checksum: add74067c9db203edececa7202e83a52 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-09-20T14:06:22Z (GMT) No. of bitstreams: 1 DissMSV.pdf: 2771156 bytes, checksum: add74067c9db203edececa7202e83a52 (MD5) / Made available in DSpace on 2017-09-20T14:11:11Z (GMT). No. of bitstreams: 1 DissMSV.pdf: 2771156 bytes, checksum: add74067c9db203edececa7202e83a52 (MD5) Previous issue date: 2016-08-29 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / In recent years, several studies have been carried out to minimize the production time (makespan) in a production schedule of a scenario that represents a manufacturing system. The problem of production scheduling is classified as a combinatorial problem belongs to the NP-hard class of computational problems. Furthermore, in a real world production system, there are many unexpected events (eg, review of production, entry of new products, breaking machines, etc.). To deal with the interruptions of the initial programming, we need to change any settings, which is called reactive production schedule or, simply, reactive scheduling. As a problem of combinatorial features, meta-heuristics is widely used in its resolution. This paper proposes a method that uses an evolutionary meta-heuristic Genetic Algorithm in conjunction with an operator called “Transgenics”, which allows to manipulate the genetic material of individuals adding features which are believed to be important, with the proposal to direct some population of individuals to a more favorable solution to the problem without removing the diversity of the population with a lower cost of time. The objective of this study is to use the Genetic Algorithm with transgenics operator obtain a reactive programming acceptable response time to minimize the makespan value. The objective of this study is to use the Genetic Algorithm with transgenics Operator obtain a reactive programming acceptable response time to minimize the makespan value. Experimental results show the proposed algorithm is able to bring better results than the makespan algorithm and compared in a shorter processing time due to the search direction which provides transgenic operator. / Nos últimos anos, várias pesquisas vêm sendo realizadas a fim de minimizar o tempo total de produção (makespan) em uma programação da produção de algum cenário que representa um sistema de manufatura. O problema da programação da produção é classificado como sendo um problema combinatório pertencente à classe NP-Hard dos problemas computacionais. Além disso, em um sistema de produção real, há muitos eventos inesperados (por exemplo, a revisão da produção, chegada de novos produtos, quebra máquinas, etc.). Para lidar com as interrupções da programação inicial, é preciso realizar outra programação, a qual é denominada de programação reativa da produção. Sendo um problema de recursos combinatórios, é amplamente utilizado metaheurísticas em sua resolução. Neste trabalho é proposto um método que faz uso de uma metaheurística evolutiva Algoritmo Genético em conjunto com um operador intitulado Operador de Transgenia, no qual possibilita manipular o material genético dos indivíduos acrescentando características das quais se acredita serem importantes, com a proposta de direcionar alguns indivíduos da população para uma solução mais favorável para o problema sem tirar a diversidade da população com um custo menor de tempo. O Objetivo deste trabalho é utilizando o Algoritmo Genético com Operador de Transgenia obter uma programação reativa em tempo de resposta aceitável, visando minimizar o valor de makespan. Resultados experimentais mostraram que algoritmo proposto foi capaz de trazer resultados de makespan melhores que os algoritmos comparados e em um menor tempo de processamento, devido ao direcionamento na busca que operador de transgenia proporciona.