Made available in DSpace on 2015-03-05T13:56:58Z (GMT). No. of bitstreams: 0 Previous issue date: 20 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Este trabalho tem como objetivo a geração de um modelo de escalonamento aplicado ao Jobshop Scheduling Problem num Sistema de Manufatura Flexível que considera o tempo total de produção (makespan), o tempo total de atraso, o tempo total parado e o tempo total ocioso.O modelo proposto é composto por: (a) uma função objetivo que reflete, através de suas variáveis de decisão e seus pesos respectivos, as estratégias de otimização, e de (b) uma arquitetura que está dividida em cinco fases. O modelo utilizou o algoritmo Busca Tabu que,através de duas estratégias de geração de vizinhanças, busca a otimização da função objetivo. A arquitetura do modelo baseia-se na extração da demanda de produção, na Tecnologia de Grupo, nas Regras de Despacho, no Algoritmo Busca Tabu e na gravação do plano de produção, para tratar os Problemas de Seleção de Partes (Famílias de Partes) e do Escalonamento. Foram realizados, através de um estudo de caso, diversos experimentos que possibilitaram a comparação de estratégias de otimiza / This paper has the aim of generating a scheduling model applied to Job-shop Scheduling Problem in Flexible Manufacturing System, which considers the makespan, total tardiness time, total stop time, total idle time. The model proposed is composed for: (a) an objective function that reflects, through its variables of decision and its weights, the optimization strategies, and (b) arquitecture that is divided in five phases. The model used the Tabu Search algorithm which, through two strategies neighborhoods generation, searching the objective function optimization. The model architecture is based on extraction of production demand, in the Group Technology, in the Dispatching Rules, in the Tabu Search algorithm and save production plan, to deal the Part Selections (Part Families) and Scheduling Problems.Through a study of case, it has been realized several experiments which makes it possible the comparison of optimization strategies and real scheduling, and which proves conflicts in decision variables. For mo

Submitted by Alison Vanceto (alison-vanceto@hotmail.com) on 2017-01-03T12:57:22Z No. of bitstreams: 1 DissMRS.pdf: 7075641 bytes, checksum: 8e6f815544b7f6f2ce4a1a5a47b25482 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2017-01-16T16:33:09Z (GMT) No. of bitstreams: 1 DissMRS.pdf: 7075641 bytes, checksum: 8e6f815544b7f6f2ce4a1a5a47b25482 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2017-01-16T16:33:38Z (GMT) No. of bitstreams: 1 DissMRS.pdf: 7075641 bytes, checksum: 8e6f815544b7f6f2ce4a1a5a47b25482 (MD5) / Made available in DSpace on 2017-01-16T16:33:48Z (GMT). No. of bitstreams: 1 DissMRS.pdf: 7075641 bytes, checksum: 8e6f815544b7f6f2ce4a1a5a47b25482 (MD5) Previous issue date: 2016-12-14 / Não recebi financiamento / In recent years, companies have used Artificial Intelligence (AI) techniques to facilitate the decisionmaking process in manufacturing systems. The use of these techniques allows increased performance of Flexible Manufacturing System (FMS). The automation of the process using computational resources allows a deeper analysis of the system conditions, which sometimes result in a better decision taking. In this sense, the Fuzzy Logic has been engaged to carry out this task, because it has the characteristic of dealing easily with inaccurate information and encoding knowledge specialist in Fuzzy rules. However, as soon as the system complexity increases, the task of generating a Fuzzy Rule Base (FRB) appropriate to the proposed system becomes increasingly difficult. To assist this process of generation of the FRB, several techniques can be used and among them stand out the search technique called Evolutionary Algorithm (EA). The EA is used, for example, for tuning the FRB of the FMS through the reduction of the optimization variables values as Makespan or Tardiness. In the case of variable called Makespan, the tuning occurs when the EA generates an FRB that reduces the makespan values of a FMS. However, the construction of the EA that effectively generates a tuning FRB is not trivial. It is required to be in the process, the construction of various EA with different selection methods and different mutation rates among other settings until an appropriate EA for a given situation appears. Therefore, in this study we aim to build an environment configuration and performance analysis of EAs in order to define the tuning FRB of the Fuzzy Control System of an FMS, i.e., it is intended to investigate how the EA ideal parameter scenario used for tuning the FRB of the said control system. In this study, the used EA was an extension of Genetic Algorithm (GA). For implementing the proposal, an evolutionary system for configuration and analysis of this variant of the GA was created. In this system, entitled "EvolSys - Evolutionary System" parameters of the system as Number of Input Variables of FRB, Number of Output Variables of FRB, Population Size, Mutation Rate and the EA Crossover Rate, among others are configured and then, one FRB is generated. Using this, there is an EA analysis of the possibility for choosing a FRB that will provide the reduction of makespan in FMS. Consequently, through this study, we may conclude that the use of EAs in collaboration with Fuzzy system may become an important tool for turning the system responsibility to the sequences of an FMS operation. Accordingly, the environment created meets the configuration step and analysis of EAs. / Nos últimos anos, empresas tem usado técnicas de Inteligência Artificial (AI) para auxiliar o processo de tomada de decisão em sistemas de manufatura. O uso dessas técnicas possibilita o aumento do desempenho dos Sistemas Flexíveis de Manufatura (FMS), uma vez que a automatização do processo com o uso de recursos computacionais permite uma análise mais profunda das condições do sistema o que, por vezes, resulta em uma melhor tomada de decisão. Neste sentido, a Lógica Fuzzy vem sendo usada para realizar essa tarefa, pois ela tem a característica de lidar facilmente com informações imprecisas, codificando o conhecimento do especialista nas chamadas Regras Fuzzy. Entretanto, à medida que a complexidade do sistema aumenta, a tarefa de gerar uma Base de Regras Fuzzy (FRB) adequada ao sistema proposto se torna cada vez mais difícil. Para auxiliar esse processo de geração da FRB, várias técnicas podem ser usadas e dentre elas destaca-se a técnica de busca denominada Algoritmo Evolutivo (EA). O EA pode ser usado, por exemplo, para a sintonia da Base de Regras Fuzzy do Sistema de Controle de um FMS por intermédio da redução de valores de variáveis de otimização como Makespan ou Tardiness. No caso da variável denominada Makespan, a sintonia ocorre quando o EA gera uma FRB que reduz os valores do makespan do FMS em questão. Entretanto, a construção do EA que efetivamente gera uma FRB sintonizada para um FMS não é trivial, pois é necessário que haja, nesse processo, a construção de vários tipos de EA com métodos de seleção diferentes, taxas de cruzamento e mutação diferentes dentre outras configurações, até que se encontre o EA adequado à uma dada situação. Sendo assim, no presente trabalho, o objetivo é a construção de um ambiente de configuração e análise de desempenho de EAs para sintonia da FRB do Sistema de Controle de um FMS, ou seja, pretende-se investigar qual o cenário de parâmetros ideal do EA usado na sintonia da FRB do referido sistema de controle. No presente trabalho, o EA usado foi uma extensão do Algoritmo Genético (GA). Para implementação da proposta, um Sistema Evolutivo para configuração e análise dessa variante do GA foi criado. Nesse sistema, intitulado “EvolSys - Evolutionary System”, parâmetros dos sistema como Número de Varáveis de Entrada da FRB, Número de Variáveis de Saída da FRB, Tamanho da População, Taxa de Mutação e Taxa de Cruzamento do EA, dentre outros são configurados e, por consequência, uma FRB é gerada. Com isso, há a possiblidade da análise do EA para a escolha de uma FRB que venha propiciar a redução do makespan em FMSs. Portanto, é possível concluir, a partir desse trabalho, que o uso de EAs em colaboração com os sistemas Fuzzy pode vir a se tornar uma importante ferramenta para sintonia da Base de Regras do sistema responsável pelo sequenciamento das operações de um FMS e, nesse sentido, o ambiente criado cumpre a etapa de configuração e análise do desempenho de EAs.