| dc.contributor | Frazzon, Enzo Morosini | |
| dc.contributor | Mendes, Lúcio Galvão | |
| dc.contributor | Universidade Federal de Santa Catarina | |
| dc.creator | Quadras, Djonathan Luiz de Oliveira | |
| dc.date | 2021-09-28T19:43:26Z | |
| dc.date | 2021-09-28T19:43:26Z | |
| dc.date | 2021-09-17 | |
| dc.date.accessioned | 2023-09-02T10:10:42Z | |
| dc.date.available | 2023-09-02T10:10:42Z | |
| dc.identifier | https://repositorio.ufsc.br/handle/123456789/228289 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8590557 | |
| dc.description | TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de Produção | |
| dc.description | O planejamento e controle da produção é uma atividade essencial para todos os
sistemas produtivos, uma vez que seu desempenho afeta diretamente critérios importantes como
custo, qualidade, tempo e disponibilidade, fatores fundamentais para a competitividade
empresarial. O problema de programação do flow shop é um dos problemas mais comuns
envolvendo o planejamento de sistemas produtivos, sendo altamente aplicado no mundo real.
A solução para este problema não pode ser encontrada facilmente devido à sua complexidade,
o que impossibilita a utilização de métodos que retornem resultados ótimos a um baixo tempo
de execução computacional. Assim, a Otimização Adaptativa Baseada em Simulação é uma
ferramenta com potencial aplicação pois considera a estocasticidade do problema, buscando
soluções que estejam alinhadas com o cenário real por meio de uma simulação e otimizando as
variáveis desejadas. O objetivo geral do presente trabalho é avaliar comparativamente
diferentes modelos de otimização adaptativa baseada em simulação para sistemas de produção
flow shop. Foram considerados dois métodos para comparação, ambos aplicando um algoritmo
genético integrado com uma simulação de eventos discretos. O primeiro método busca
encontrar a melhor regra de sequenciamento para cada máquina do sistema produtivo, enquanto
o segundo busca encontrar diretamente o melhor sequenciamento de ordens de produção sem
uma regra pré-determinada. Os resultados mostram que um sequenciamento direto de ordens
de produção retorna resultados melhores que as regras de despacho, tanto o makespan quanto
o tempo de execução. | |
| dc.description | Production planning and control is an essential activity for all production systems,
since its performance directly affects important criteria such as cost, quality, time and
availability, factors that are fundamental for business competitiveness. The flow shop
scheduling problem is one of the most common problems involving the planning of production
systems, being highly applied in the real world. The solution to this problem cannot be easily
found due to its complexity, which makes it impossible to use methods that return optimal
results at a low computational execution time. Thus, Adaptive Simulation-Based Optimization
is a tool with potential application as it considers the stochasticity of the problem, seeking
solutions that are aligned with the real scenario through a simulation and optimizing the desired
variables. The general objective of the present work is to comparatively evaluate different
adaptive simulation-based optimization models for flow shop production systems. Two
methods for comparison were considered, which apply a genetic algorithm integrated with a
simulation of discrete events. The first method seeks to find the best dispatching rule for each
machine in the production system, while the second seeks to directly find the best sequencing
of production orders without a pre-determined rule. The results show that the rule-free
sequencing of production orders returns better results than dispatch rules, both makespan and
execution time | |
| dc.format | 62 | |
| dc.format | application/pdf | |
| dc.language | pt_BR | |
| dc.publisher | Florianópolis, SC | |
| dc.rights | Open Access | |
| dc.subject | Planejamento e Controle da Produção | |
| dc.subject | Programação do Flow Shop | |
| dc.subject | Otimização Adaptativa Baseada em Simulação | |
| dc.subject | Otimização Baseada em Simulação | |
| dc.subject | Algoritmo Genético | |
| dc.subject | Production Planning and Control | |
| dc.subject | Flow Shop Scheduling | |
| dc.subject | Adaptive SimulationBased Optimization | |
| dc.subject | Simulation-Based Optimization | |
| dc.subject | Genetic Algorithm | |
| dc.title | Otimização Adaptativa Baseada em Simulação para a programação da produção em sistemas flow shop: um estudo comparativo | |
| dc.type | TCCgrad | |
