Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
LONDRINA - PR
2014
LAURA CRISTINA DO ESPRITO SANTO
LONDRINA - PR
2014
LAURA CRISTINA DO ESPRITO SANTO
BANCA EXAMINADORA
____________________________________
Prof. Helen Mattos Senefonte
Universidade Estadual de Londrina
____________________________________
Prof. Componente da Banca
Universidade Estadual de Londrina
____________________________________
Prof. Componente da Banca
Universidade Estadual de Londrina
RESUMO
ABSTRACT
This work consists in planning the design of a program that implements a genetic algorithm to
solve the problem scheduling machines. This problem is present in an industrial environment
so that its optimization brings improvements to production and a market differential.
AG Algoritmos Genticos
PPCP Planejamento, Programao e Controle de Produo
PAC Controle de Produo
PA Produtos Acabados
MP Matrias-Primas
DNA cido Desoxirribonucleico
CE Computao Evolucionria
FIFO First in, First out Estrutura de Fila
APS Advanced Planning and Scheduling - Sistemas Avanados de Programao de
Produo
GRASP Greedy Randomised Adaptive Search Procedure Mtodo Iterativo
Probabilstico
11
SUMRIO
1 INTRODUO ..........................................................................................................................................12
2 FUNDAMENTAO TERICA ..............................................................................................................14
2.1 PPCP ............................................................................................................................................................ 15
2.2.1 Planejamento de Produo ................................................................................................................. 15
2.2.2 Programao de Produo ................................................................................................................. 16
2.2.3 Controle de Produo ......................................................................................................................... 16
2.2.4 Objetivos do PPCP ............................................................................................................................. 17
2.2.5 Etapas da Programao de Produo ................................................................................................ 18
2.2.6 Anlise da Capacidade de Produo .................................................................................................. 19
2.2 ALGORITMOS GENTICOS .................................................................................................................................. 19
3 O PROBLEMA DE SEQUENCIAMENTO ...............................................................................................27
3.1 CLASSIFICAO DO PROBLEMA ........................................................................................................................... 27
3.2 TCNICAS DE SEQUENCIAMENTO ......................................................................................................................... 31
3.2.1 Regras de Despacho ........................................................................................................................... 31
3.2.2 Sistemas Avanados de Planejamento e Sequenciamento .................................................................. 32
4 MODELAGEM DO PROBLEMA .............................................................................................................34
4.1 DADOS DE ENTRADA......................................................................................................................................... 34
4.1.1 Estrutura de um Job ............................................................................................................................ 35
4.2 DADOS DE SADA ......................................................................................................................................... 36
5 ALGORITMO ............................................................................................................................................37
5.1 INDIVDUO ...................................................................................................................................................... 37
5.2 FUNO DESEMPENHO ..................................................................................................................................... 37
5.3 GERAO DE POPULAO INICIAL ....................................................................................................................... 38
5.2 SELEO DE INDIVDUOS ................................................................................................................................... 38
6 IMPLEMENTAES ................................................................................................................................39
6.1 REPRESENTAO POR CHAVES RANDMICAS......................................................................................................... 40
6.2 REPRESENTAO POR VETOR DE LISTAS ................................................................................................................ 40
6.3 RESULTADOS GERADOS ..................................................................................................................................... 41
7 CONCLUSO ............................................................................................................................................42
REFERNCIAS ............................................................................................................................................43
12
1 INTRODUO
computacional relativamente mais baixo que um mtodo matemtico que conclui com o
encontro da soluo tima.
14
2 FUNDAMENTAO TERICA
A busca pela produtividade fazer mais e melhor com cada vez menos, ou
seja, busca por melhores resultados. A produtividade responsabilidade gerencial,
constituindo uma vantagem estratgica sobre as empresas concorrentes. A ao conjunta, o
ambiente de ampla participao e a avaliao de resultados so, entre outros, aspectos
importantes que contribuem diretamente para a produtividade de uma empresa.
As mudanas no ambiente empresarial fazem com que as empresas tenham
que se adaptar s novas condies de mercado. Melhorias no processo produtivo trazem um
diferencial competitivo indstria, trazendo minimizao de custos e reduo do prazo de
entrega dos produtos, por exemplo.
Nesse contexto, o Planejamento, Programao e Controle de Produo
torna-se ferramenta gerencial indispensvel na indstria, vem assumindo papel cada vez mais
importante na competitividade das empresas, assim est entre os fatores que influenciam a
produtividade industrial.
Nesse contexto, o Planejamento, Programao e Controle de Produo
torna-se ferramenta gerencial indispensvel na indstria, vem assumindo papel cada vez mais
importante na competitividade das empresas, assim est entre os fatores que influenciam a
produtividade industrial.
O PPCP um dos principais instrumentos para obteno de eficincia e
eficcia no processo produtivo[15], uma funo administrativa relacionada ao planejamento,
direo e controle do suprimento de materiais, peas e componentes e das atividades do
processo de produo de uma empresa.
Nesse contexto, encaixa-se a alocao de processos e mquinas de forma a
satisfazer um conjunto de restries temporais e de recursos, e objetivando-se um cronograma
com tempos precisos de incio e fim de cada atividade nos recursos alocados. Esse processo
de alocao de recursos industriais chamado Sequenciamento de Mquinas ou
Sequenciamento de Operaes.
Sequenciamento de operaes so as decises que direcionam a ordem em
que os produtos devem ser fabricados, respeitando prioridades e restries impostas pelo
processo. A programao da produo tem como objetivo a definio de prazos atravs do
sequenciamento das ordens de fabricao, ou seja, alocao dos recursos da fbrica durante
um perodo para realizao de um determinado conjunto de tarefas[21].
A programao de produo consiste basicamente na alocao dos recursos
15
2.1 PPCP
finalidade de determinar desvios e possibilitar aes preventivas e/ou corretivas. Estes desvios
podem ser utilizados para identificar possveis problemas na produo para uma mquina,
ordem de produo, lote ou ainda ser utilizado como um dado consolidado para identificar
tendncias.
Recombinao Gnica;
probabilidades que definem que pontos de cada estrutura pai se replicar em cada estrutura
filho, e regras aleatrias em conjunto de probabilidades permitem alteraes na configurao
dos novos elementos da populao.
O processo de evoluo utilizado aleatrio, mas guia-se por um
mecanismo de seleo baseado na adaptao de estruturas individuais.
A cada iterao do algoritmo, denominada como gerao na
contextualizao, um novo conjunto de estruturas criado a partir das bem adaptadas
selecionadas na gerao anterior, pela troca de informao entre essas estruturas. Novas
informaes so geradas aleatoriamente com uma dada probabilidade, e includas nas
estruturas descendentes[8].
2.1.5 Seleo
A etapa de seleo objetiva determinar os indivduos que sero genitores de
uma nova gerao. Mantendo a analogia com os termos biolgicos, nessa etapa que simula-
se a seleo natural. Em geral, gera-se uma populao temporria de n indivduos extrados
com probabilidade proporcional adequabilidade relativa de cada indivduo na populao, ou
seja, necessrio uma funo que simule a adaptao ao meio ambiente que permite aos
indivduos sobreviverem e se reproduzirem.
A partir dos valores encontrados com a aplicao da funo desempenho a
cada indivduo estabelece-se critrios para escolha da subpopulao que ser responsvel pela
nova gerao de solues.
Figura 3 Funcionamento de um AG
27
3 O PROBLEMA DE SEQUENCIAMENTO
FIFO (first in, first out): tarefas so efetuadas na mesma ordem em que
so cadastradas objetivando menor tempo de espera, porm no
considerando nem tempo ou melhor ordem para execuo das atividades;
Menor Folga: tarefas com menor diferena entre o tempo de finalizao
estimado e data limite so priorizadas, objetivando menor atraso possvel e
melhorando a regra de Menor Data de Entrega.
4 MODELAGEM DO PROBLEMA
problema torna-se uma simples ordenao da lista a partir de alguns critrios a serem
definidos.
5 ALGORITMO
do mtodo para gerao de uma populao inicial de indivduos e a seleo dos melhores para
o cruzamento.
5.1 INDIVDUO
mi=0nj=0 Cij
38
6 IMPLEMENTAES
em [25].
torneio n-rio (tcnica utilizada em uma das implementaes para definir os individuos para a
40
segundo pai nos filhos onde se obtm o menor tempo de concluso da mquina, procedimento
conhecido como Busca Local Limitada.
7 CONCLUSO
REFERNCIAS
[1] ADAMS, Joseph; BALAS, Egon; ZAWACK, Daniel. The shifting bottleneck procedure
for job shop scheduling. Management science, v. 34, n. 3, p. 391-401, 1988.
[3] GLOVER, Fred et al. Tabu search. Boston: Kluwer academic publishers, 1997.
[4] BINATO, S. et al. A GRASP for job shop scheduling. In: Essays and surveys in
metaheuristics. Springer US, 2002. p. 59-79.
[5] YING, Wu; BIN, Li. Job-shop scheduling using genetic algorithm. In: Systems, Man, and
Cybernetics, 1996., IEEE International Conference on. IEEE, 1996. p. 1994-1999.
[12] GOLDBERG, David E.; HOLLAND, John H. Genetic algorithms and machine learning.
Machine learning, v. 3, n. 2, p. 95-99, 1988.
[14] TUBINO, Dalvio Ferrari. Manual de planejamento e controle da produo. Atlas, 2000.
44
[16] BELAN, Helder Carlo; PALMA, Jandira Guenka. Mtodo Adaptativo de Programa ao
da Produ ao Apoiado por um Sistema de Medi ao de Desempenho e Melhoria
Contnua.
[19] VON ZUBEN, Fernando J. Computao evolutiva: uma abordagem pragmtica. Anais da
I Jornada de Estudos em Computao de Piracicaba e Regio (1a JECOMP), v. 1, p.
25-45, 2000.
[20] AMABIS, J. M.; MARTHO, G. M. Biologia das populaes. Vol 3: Gentica, Evoluo
biolgica e Ecologia. Moderna, 2004.
[21] PINEDO, Michael. Scheduling: theory, algorithms, and systems. Springer, 2012.
[22] MONTEVECHI, Jos Arnaldo Barra et al. Application of design of experiments on the
simulation of a process in an automotive industry. In: Proceedings of the 39th
conference on Winter simulation: 40 years! The best is yet to come. IEEE Press,
2007. p. 1601-1609.
[24] KURZ, M.; ASKIN, R. Heuristic scheduling of parallel machines with sequence
dependent set-up times. Int. Journal of Production Research, v. 39, p. 37473769,
2001
[25] HADDAD, Matheus Nohra; SOUZA, Marcone Jamilson Freitas; SANTOS, Haroldo
Gambini. Algoritmos Genticos para o Problema de Sequenciamento em Mquinas
Paralelas No-Relacionadas com Tempos de Preparao Dependentes da Sequncia.
[26] SOA. Instncias para o problema de sequenciamento em mquinas paralelas
norelacionadas com tempos de preparao dependentes da sequncia, Acesso em 21
de Abril de 2011. URL: http://soa.iti.es/problem-instances.
45