Metodologia para utilização de algoritmos genéticos em modelos de simulação computacional em ambientes de manufatura

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Pós-graduação em Engenharia Mecânica - FEG

Métodos de otimização combinados com a simulação computacional a eventos discretos têm sido utilizados em diversas aplicações na manufatura. Entretanto, estes métodos possuem baixo desempenho, em relação ao tempo computacional, ao manipularem mais de uma variável de decisão. Desta forma, o objetivo desta tese de doutorado é propor um método para otimização de modelos de simulação a eventos discretos com maior eficiência em relação ao tempo de processamento quando comparado a uma ferramenta comercial conhecida. Cabe ressaltar que a qualidade da variável de resposta não será alterada, ou seja, o método proposto manterá a eficácia das soluções encontradas. Será mostrado que a melhora neste desempenho é obtida através de uma melhor percepção do comportamento dos parâmetros existentes nos algoritmos genéticos, em especial o parâmetro tamanho da população. A comparação entre o método desenvolvido com a ferramenta de otimização existente no mercado se dará através de uma metodologia já consolidada disponível na literatura. As conclusões serão apresentadas comprovando a eficácia do método proposto.

Optimization methods combined with discrete events simulation have been used in many manufacturing applications. However, these methods have poor performance considering the computational time, when manipulating more than one decision variable. In this way, the aim of this thesis is to propose a method for optimizing discrete events simulation models with higher efficiency in relation to the processing time when compared to a known commercial tool. Besides, the optimization quality will not be altered, i. e., the proposed method will keep the effectiveness of the achieved solutions. It will be shown that the performance improvement is obtained by means of a better perception of the behavior of all parameters presented in the genetic algorithms, particularly the population size parameter. The comparison between the developed method and the optimization tool will be accomplished by means of a consolidated methodology available in the simulation literature. The conclusions will be presented proving the effectiveness of the developed method.