Return to search

Proposição e análise de modelos híbridos para o problema de escalonamento de produção em oficina de máquinas / Presentation and analysis of hybridization models for the jobshop scheduling problem

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Nas últimas décadas, o problema de escalonamento da produção em oficina de
máquinas, na literatura referido como JSSP (do inglês Job Shop Scheduling Problem), tem
recebido grande destaque por parte de pesquisadores do mundo inteiro. Uma das razões que
justificam tamanho interesse está em sua alta complexidade. O JSSP é um problema de
análise combinatória classificado como NP-Difícil e, apesar de existir uma grande variedade
de métodos e heurísticas que são capazes de resolvê-lo, ainda não existe hoje nenhum método
ou heurística capaz de encontrar soluções ótimas para todos os problemas testes apresentados
na literatura. A outra razão basea-se no fato de que esse problema encontra-se presente no diaa-
dia das indústrias de transformação de vários segmento e, uma vez que a otimização do
escalonamento pode gerar uma redução significativa no tempo de produção e,
consequentemente, um melhor aproveitamento dos recursos de produção, ele pode gerar um
forte impacto no lucro dessas indústrias, principalmente nos casos em que o setor de produção
é responsável por grande parte dos seus custos totais. Entre as heurísticas que podem ser
aplicadas à solução deste problema, o Busca Tabu e o Multidão de Partículas apresentam uma
boa performance para a maioria dos problemas testes encontrados na literatura. Geralmente, a
heurística Busca Tabu apresenta uma boa e rápida convergência para pontos ótimos ou subótimos,
contudo esta convergência é frequentemente interrompida por processos cíclicos e a
performance do método depende fortemente da solução inicial e do ajuste de seus parâmetros.
A heurística Multidão de Partículas tende a convergir para pontos ótimos, ao custo de um
grande esforço computacional, sendo que sua performance também apresenta uma grande
sensibilidade ao ajuste de seus parâmetros. Como as diferentes heurísticas aplicadas ao
problema apresentam pontos positivos e negativos, atualmente alguns pesquisadores
começam a concentrar seus esforços na hibridização das heurísticas existentes no intuito de
gerar novas heurísticas híbridas que reúnam as qualidades de suas heurísticas de base,
buscando desta forma diminuir ou mesmo eliminar seus aspectos negativos. Neste trabalho,
em um primeiro momento, são apresentados três modelos de hibridização baseados no
esquema geral das Heurísticas de Busca Local, os quais são testados com as heurísticas Busca
Tabu e Multidão de Partículas. Posteriormente é apresentada uma adaptação do método
Colisão de Partículas, originalmente desenvolvido para problemas contínuos, onde o método
Busca Tabu é utilizado como operador de exploração local e operadores de mutação são
utilizados para perturbação da solução. Como resultado, este trabalho mostra que, no caso dos
modelos híbridos, a natureza complementar e diferente dos métodos Busca Tabu e Multidão
de Partículas, na forma como são aqui apresentados, da origem à algoritmos robustos capazes
de gerar solução ótimas ou muito boas e muito menos sensíveis ao ajuste dos parâmetros de
cada um dos métodos de origem. No caso do método Colisão de Partículas, o novo algorítimo
é capaz de atenuar a sensibilidade ao ajuste dos parâmetros e de evitar os processos cíclicos
do método Busca Tabu, produzindo assim melhores resultados. / In recent decades, the Job Shop Scheduling Ploblem (JSSP) has received great
attention of researchers worldwide. One of the reasons for such interest is its high complexity.
The JSSP is a combinatorial optimization problem classified as NP-Hard and, although there
is a variety of methods and heuristics that are able to solve it, even today no method or
heuristic is able to find optimal solutions for all benchmarcks presented in the literature. The
other reason builds on noted fact that this problem is present in day-to-day of industries of
various segments and, since the optimal scheduling may cause a significant reduction in
production time and thus a better utilization of manufacturing resources, it can generate a
strong impact on the gain of these industries, especially in cases where the production sector
is responsible for most of their total costs. Among the heuristics that can be applied to the
solution of this problem, the Tabu Search and the Particle Swarm Optimization show good
performance for most benchmarcks found in the literature. Usually, the Taboo Search heuristic
presents a good and fast convergence to the optimal or sub-optimal points, but this
convergence is frequently interrupted by cyclical processes, offset, the Particle Swarm
Optimization heuristic tends towards a convergence by means of a lot of computational time,
and the performance of both heuristics strongly depends on the adjusting of its parameters.
This thesis presents four different hybridization models to solve the classical Job Shop
Scheduling Problem, three of which based on the general schema of Local Search Heuristics
and the fourth based on the method Particle Collision. These models are analyzed with these
two heuristics, Taboo Search and Particle Swarm Optimization, and the elements of this
heuristics, showing what aspects must be considered in order to achieve a best solution of the
one obtained by the original heuristics in a considerable computational time. As results this
thesis demonstrates that the four models are able to improve the robustness of the original
heuristics and the results found by Taboo Search.

Identiferoai:union.ndltd.org:IBICT/urn:repox.ist.utl.pt:UERJ:oai:www.bdtd.uerj.br:2386
Date26 March 2010
CreatorsTatiana Balbi Fraga
ContributorsAntônio José da Silva Neto, Francisco José da Cunha Pires Soeiro, Luiz Biondi Neto, José Eduardo Souza de Cursi, Edson Luiz Cataldo Ferreira, Horacio Hideki Yanasse
PublisherUniversidade do Estado do Rio de Janeiro, Programa de Pós-Graduação em Modelagem Computacional, UERJ, BR
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis
Formatapplication/pdf
Sourcereponame:Biblioteca Digital de Teses e Dissertações da UERJ, instname:Universidade do Estado do Rio de Janeiro, instacron:UERJ
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0024 seconds