TIMES ASSÍNCRONOS PARA FLOW SHOP COM BUFFERS
|
|
- Micaela Leveck Amarante
- 8 Há anos
- Visualizações:
Transcrição
1 TIMES ASSÍNCRONOS PARA FLOW SHOP COM BUFFERS Márcio Antônio Ferreira Belo Filho Instituto de Ciências Matemáticas e de Computação - Universidade de São Paulo (USP) Av. Trabalhador São-carlense, 400, Caixa Postal São Carlos - SP - Brasil marciobelof@gmail.com Maristela Oliveira dos Santos Instituto de Ciências Matemáticas e de Computação - Universidade de São Paulo (USP) Av. Trabalhador São-carlense, 400, Caixa Postal São Carlos - SP - Brasil mari@icmc.usp.br Cláudio Nogueira de Meneses Centro de Matemática, Computação e Cognição - Universidade Federal do ABC (UFABC) Rua Catequese, 242/Santo André-SP claudio_n_meneses@yahoo.com RESUMO Neste trabalho um problema de dimensionamento e seqüenciamento de lotes é considerado. O objetivo é determinar uma programação de produção visando minimizar os custos de estoque, o uso de horas extras e o tempo de fluxo total de produção. Propomos a aplicação da técnica Times Assíncronos (A-Teams) cuja arquitetura é composta de distintas heurísticas que se comunicam pelo acesso a soluções armazenadas em memórias compartilhadas. Desenvolvemos um programa escrito na linguagem C que obteve bons resultados para várias instâncias. A metodologia desenvolvida e os resultados obtidos são apresentados nesse artigo. PALAVRAS CHAVE. Times Assíncronos, Flow Shop, Estoques Intermediários Metaheurística, Administração e Gestão da Produção ABSTRACT In this work a lot sizing and sequencing problem is considered. The objective is determine a production scheduling aiming minimize the inventory costs, the overtime use and the makespan. We propose the application of technique Asynchronous Teams (A-Teams) which architecture is composed of distinct heuristics that communicate with each other by accessing solutions stored in shared memories. We developed a C program that obtains good results to many instances. The developed methodology and the results are presented in the paper. KEYWORDS. Asynchronous Teams, Flow Shop, Intermediate Buffers Metaheuristics, Production Management 173
2 1. Introdução Nos últimos anos as indústrias vêm sendo forçadas a aperfeiçoarem os seus níveis de produção, de forma a satisfazerem suas demandas, a respeitarem suas capacidades de recursos disponíveis e minimizarem seus custos de produção. O problema investigado consiste na determinação de uma programação de produção em um sistema de produção do tipo Flow Shop. Desejamos resolver o problema de dimensionamento e seqüenciamento de lotes, obtendo ao final, uma seqüência de produção e os tamanhos dos lotes nos períodos distribuídos num horizonte de planejamento. São consideradas restrições de capacidade de produção, estoques intermediários, tempos de preparação de máquinas dependentes da seqüência de produtos e custos de horas extras. Os objetivos são a redução do tempo de fluxo total de produção (makespan), a minimização do uso de estoque e de horas extras. Diversos pesquisadores estudaram o problema de dimensionamento e seqüenciamento de lotes em uma programação de produção de múltiplos itens, diversas máquinas em uma linha de produção do tipo Flow Shop. O problema é tradicionalmente decomposto em dois subproblemas: o dimensionamento de lotes e o seqüenciamento de lotes. Esta é uma maneira aproximada de se resolver o problema, porque em geral essas decisões são interdependentes. Há estudos na literatura sobre estes subproblemas. O problema de dimensionamento de lotes consiste em definir o número de unidades de um item contidos nos lotes a serem produzidos no período, de forma que a demanda seja atendida. O leitor interessado neste tema é referido aos artigos: Karimi et al. (2003) e Jans e Degraeve (2007). O problema de seqüenciamento de lotes, que consiste em estabelecer seqüencias dos lotes de produtos a serem produzidos, é bem estudado em Ouenniche et al. (1999) e Taillard (1990). O problema é analisado em conjunto por Lee et al. (2001) e Ruiz et al. (2005), porém não são considerados estoques intermediários. Sikora et al. (1996) apresenta o problema analisado nesse artigo, considerando estoques intermediários, preparações de máquinas dependentes da seqüência e horas extras. O autor apresenta uma heurística para o problema, denominada Integrated Approach, que analisa o problema de forma integrada, usando adaptações de heurísticas já existentes na literatura. Sikora (1996) propõe um algoritmo genético para o problema apresentado em Sikora et al. (1996), obtendo melhores resultados em menor tempo computacional, por meio de uma aproximação no recálculo do makespan, além do uso de seleção por torneio, agentes de mutação e cruzamento específicos para o dimensionamento e seqüenciamento de lotes. Ponnambalam e Reddy (2003) desenvolvem uma heurística híbrida, composta de um algoritmo genético e um simulated annealing para o problema descrito em Sikora et al. (1996). O algoritmo genético trata do dimensionamento de lotes, enquanto o simulated annealing faz buscas locais do seqüenciamento de lotes. Neste artigo propomos a aplicação do método Times Assíncronos para o problema discutido em Sikora et al. (1996). O método A-Teams foi proposto por Talukdar e Souza (1993). Um A-Team é composto de distintos algoritmos heurísticos, chamados agentes, que se comunicam por meio de memórias compartilhadas. As memórias armazenam as soluções geradas pelos agentes. Cada agente pode tomar suas próprias decisões de seleção, uso e alocação de recursos. A técnica é bem utilizada na solução de problemas combinatórios. Um exemplo de uso da técnica é descrito em Meneses et al. (2008). Na próxima Seção descrevemos o problema. A Seção 3 apresenta uma breve descrição da técnica A-Teams, enquanto a Seção seguinte lista os agentes utilizados, com detalhes e exemplos da utilização dos mesmos. Na Seção 5 os detalhes da implementação são discutidos e os resultados computacionais são analisados. Na Seção 6 alguns comentários finais são apresentados. 2. Descrição do Problema O problema consiste em definir uma programação de produção para uma indústria cujo ambiente de produção é do tipo Flow Shop. Nesse ambiente, todos os produtos devem passar pelo mesmo roteiro de máquinas dispostas em série. Assim sendo, caracterizam o problema: 174
3 M máquinas em série; N produtos diferentes (itens); T períodos de planejamento de igual duração, caracterizando um horizonte de planejamento finito; Depósitos intermediários (buffers ou estoques intermediários), são depósitos entre máquinas cuja finalidade é armazenar produtos inacabados de uma máquina para outra. Esses buffers possuem capacidade C j, indicando quantas unidades de um lote podem ser armazenadas, (j=1,2,...,m-1); Quando um estoque intermediário se encontra cheio, a máquina imediatamente anterior fica parada (caracterizando o blocking), voltando a ficar pronta para processar o próximo item assim que uma unidade do estoque intermediário seja transferida para a máquina seguinte, liberando assim espaço no buffer; Tempo de processamento, p ij, é o tempo necessário para cada produto i ser processado na máquina j, (i=1,2,...,n; j=1,2,...,m); Tempo de preparação de máquina (setup), s ikj, é o tempo necessário para preparação da máquina j que outrora produzia o item i, para produzir o item k, (j=1,2,...,m; i=1,2,...,n; k=1,2,...,n; i k). Os tempos de setup são dependentes da seqüência, ou seja, o tempo de preparação de uma determinada máquina depende do item processado pela mesma anteriormente. A máquina não precisa ser preparada para produtos iguais, apenas para mudanças de produtos; Os primeiros tempos de preparação das máquinas em todos os períodos são dados pela média dos tempos de preparação de todos os produtos para o primeiro produto na seqüência da programação da produção, não importando o último produto da seqüência do período anterior, ou seja, não preservam as preparações (setup carryover); Todas preparações de máquinas são não-antecipatórias (attached, non-antecipatory), ou seja, só é iniciada a preparação da máquina quando o novo produto estiver pronto para ser processado pela mesma (caso fosse antecipatória, o setup seria iniciado assim que o último produto na máquina fosse processado); O produto semi-acabado, P ij, é o resultado do processamento do produto i na máquina j, (i=1,2,...,n; j=1,2,...,m-1). O produto P im é o produto final obtido após processamento na máquina M. O produto semi-acabado P ij é transferido para o estoque entre as máquinas j e j+1, e na sua vez, será processado pela máquina j+1 assim que estiver pronta, (i=1,2,...,n; j=1,2,...,m-1); A ordem de processamento dos itens é a mesma para depósitos intermediários e máquinas, não havendo preferência entre itens. A linha de produção é uma fila na qual todos os itens têm de passar por todos processos (máquinas e buffers); O estoque de produtos acabados, I it, é o estoque do produto acabado P im ao final do período t, (i=1,2,...,n; t=1,2,...,t). Não é permitido estoque intermediário de produtos inacabados ao final de todo período. O estoque de produtos acabados possui capacidade ilimitada; Custo de estoque, h i, para cada produto acabado P im, por período de tempo estocado, (i=1,2,...,n). O custo de estoque é independe do período. Demanda de produto, D it, é a demanda de produtos acabados i, ao final do período de tempo t, (i=1,2,...,n; t=1,2,...,t). Deve ser satisfeita em todos os períodos por meio da produção naquele período e/ou de estoques de períodos anteriores; Para definir a programação de produção resultante deve-se encontrar os tamanhos dos lotes x it, referentes à quantidade de produto i que será produzida ao final do período de tempo t, (i=1,2,...,n; t=1,2,...,t). O problema investigado é multi-objetivo e visa a minimização do tempo total de produção (makespan) e do custo total de estoque de produtos acabados. O tempo total de produção inclui o tempo do período mais um tempo extra (overtime), que pode ser usado caso necessário, associando-se um custo de overtime. Para tratar desse problema como um problema de um único objetivo, associamos pesos aos objetivos e definimos a função: 175
4 O custo de produção é proporcional ao tempo de produção. é o custo de produção referente ao tempo gasto no período regular de trabalho, OT é o custo de produção do tempo gasto em tempo extra, enquanto o custo de estoque é dado pelo somatório que associa o custo de cada produto h i ao estoque dos períodos I it. O custo de hora extra é, na maioria dos casos, maior que o custo do período regular, e representa de certa forma uma penalidade na função objetivo, já que o custo das horas extras são maiores que os custos no período regular ( OT >> ). Variantes do problema foram analisadas. A primeira delas é o bloqueio da máquina, blocking. No modelo descrito a máquina anterior a um estoque intermediário cheio pára e inicia o processamento do item seguinte apenas quando o depósito intermediário volta a não estar cheio. Dessa forma o tempo de início de processamento do item na máquina coincide com o tempo em que o buffer fica não cheio. Foi considerada a situação em que o tempo final de processamento coincide com o tempo de esvaziamento do estoque intermediário. A segunda envolve a preparação de máquina. No modelo descrito as preparações de máquina são não antecipatórias, assim, apenas quando o item inacabado fica disponível para determinada máquina esta inicia a sua preparação. Essa preparação de máquina pode ser antecipada, quando um controle maior do processo industrial é feito. Logo, antecipa-se o setup da máquina ao desmembrar o setup com a chegada do item na máquina. Segue um exemplo de uma programação de produção. Suponha que a fábrica possui três máquinas e produz três itens diferentes. Os estoques entre máquinas possuem capacidade igual a dois. Os estoques intermediários trabalham como filas, assim, a primeira unidade a entrar será necessariamente a primeira a sair (FIFO First in, First Out). Os tempos de processamento em minutos e os tempos de preparação de máquina (setup) dependentes da seqüência são dados pela Tabela 1, entre parênteses. Por exemplo, o tempo de processamento do item 3 na máquina 1 é de 3 minutos e o tempo de setup do item 1 para o item 2 é de 4 minutos na máquina 3. Não há preparação de máquina dentro da produção de um lote, ou seja, após setup para determinado item, a máquina continua preparada para produzi-lo. Tempos Máquina 1 Máquina 2 Máquina 3 (minutos) Item 1 Item 2 Item 3 Item 1 Item 2 Item 3 Item 1 Item 2 Item 3 Item 1 0 (1) (2) (2) 4 3 Item (2) (2) (1) 4 Item (3) (1) (1) Tabela 1 Tempos de processamento dos itens e tempos de preparação das máquinas. A demanda é de seis unidades de cada item ao final dos dois períodos, distribuída igualmente entre os períodos, ou seja, cada período possui uma demanda de três unidades de cada item. Os custos de estoque são de 1 unidade monetária para os itens 1 e 2, enquanto que para o item 3 esse custo é de 0,5 unidades monetárias. Os custos de makespan são equivalentes a 1 unidade monetária por minuto e o período equivale a 40 minutos. Caso seja ultrapassado 40 minutos, são consideradas horas extras a um custo de 3 unidades monetárias por minuto. A partir desses dados simulamos uma linha de produção e apresentamos os gráficos de Gantt dos períodos. (Ver as Figuras de 1 a 8). As partes em cinza claro são os tempos de descanso (idle times) das máquinas (máquina parada) e dos estoques intermediários (parte do estoque intermediário vazia), as partes em branco, envolvidas por um contorno são os tempos de carregamento (load times), que representam máquina carregada ou parte do estoque intermediário cheio. As partes do diagrama em cinza escuro correspondem aos tempos de preparação de máquina. No primeiro período a seqüência dos itens é dada por 1, 2 e 3, sendo que os lotes possuem três unidades do item 1, três e seis unidades dos itens 2 e 3 respectivamente, caracterizando a notação (1,3)(2,3)(3,6). De acordo com a demanda, o período terminará com três unidades do item 3 em estoque. As preparações de máquina são do tipo não-antecipatórias (non- 176
5 anticipatory ou attached), consequentemente, observa-se grandes períodos de máquina parada cumulativos. Isto se deve ao fato da fábrica modelada por Sikora et al. (1996) ter poucos funcionários que fazem as preparações das máquinas manualmente. Na Figura 1, o gráfico de Gantt apresenta a primeira preparação de máquina, juntamente com a primeira unidade do lote do item 1. O primeiro setup é dado pela média das preparações de máquina de um item qualquer para o primeiro item na seqüência, para cada máquina. Assim, a máquina 1 (M1) demora 3 minutos para ser preparada. Após sua preparação, o produto intermediário da primeira unidade do lote é produzido em 1 minuto. Após sua produção, a unidade permanece no estoque intermediário até que a preparação da máquina seguinte esteja pronta. A preparação da máquina começa quando a unidade de um item diferente do anterior chega ao buffer anterior, ou seja, os setups são não-antecipatórios. A M2 demora 3 minutos para ser preparada, enquanto M3 demora 4 minutos. Observa-se que a M3 levou 9 minutos para começar o seu setup, e 13 minutos para começar a produção de um item, nesse cenário cujos tempos de preparação é da mesma ordem que os tempos de processamento dos itens. Figura 1. Primeiro Período Primeiro Setup e Primeira Unidade do Item 1 Na Figura 2, outra unidade do item 1 é produzida. Nota-se que o término da produção dessa unidade em M1 ocorre enquanto parte do estoque está cheio da primeira unidade, que ainda espera pela preparação da máquina 2. Dessa forma, o estoque intermediário estará cheio, enquanto primeiro item não iniciar seu processo em M2. Feito isso, a segunda unidade produzida avança no estoque intermediário, liberando o estoque para mais uma unidade. Figura 2. Primeiro Período Segunda Unidade do Item 1 Na Figura 3, é observado que a M1 e M2 ficam determinadas partes do tempo paradas devido ao blocking. Toda vez que o buffer estiver cheio, a máquina imediatamente anterior pára. Apenas quando o estoque voltar a ter espaço disponível, a produção na máquina anterior é retomada. Terminada a produção do primeiro lote (1,3) (item 1, 3 unidades), iniciar-se-á a produção do lote (2,3). 177
6 Figura 3. Primeiro Período Terceira Unidade do Item 1. Na Figura 4, inicia-se a preparação de M1 para a produção do item 2. Assim, o tempo gasto nesta preparação é dado por 4 minutos na máquina 1, 3 minutos na máquina 2 e 4 minutos na última máquina. Como ressaltado, as preparações de máquinas são não-antecipatórias. Figura 4. Primeiro Período Segundo Setup, Primeira Unidade do Item 2 Por fim, na Figura 5 o primeiro período é representado. Como o período de trabalho equivale a 40 minutos, e o término da última tarefa ocorre em 43 minutos, observa-se o uso de tempo extra, ou seja, os 3 minutos finais são overtime. Figura 5 Gráfico de Gantt do Primeiro Período Na Figura 6, o segundo período é apresentado. Não há produção do item 2 nesse período, afinal sua produção foi adiantada e produzida no primeiro período. Figura 6 Gráfico de Gantt do Segundo Período O custo desse exemplo é dado pela soma dos custos de tempo de produção, hora extra e estoque. O custo total do período 1 é de 50,5 unidades monetárias enquanto o 178
7 segundo período possui custo de 27 unidades monetárias, resultando num custo de programação de produção de 77,5 unidades monetárias. Segue na Figura 7 o gráfico de Gantt do primeiro período do exemplo simulado numa linha de produção onde o blocking é tratado tal que o tempo de final de processamento de um item na máquina coincide com o tempo de esvaziamento parcial do estoque intermediário seguinte quando o este se encontra cheio. Esse procedimento pode não eliminar o tempo de máquina parada, como pode ser visto na Figura 7, mas reduz este tempo. Figura 7 Gráfico de Gantt considerando non-blocking Na Figura 8, as preparações de máquinas são consideradas não antecipatórias, logo, não é necessária a chegada do item à máquina para a mesma iniciar a sua preparação. As máquinas são preparadas antecipadamente, exigindo um controle maior sobre a sua linha de produção, utilizando técnicas de controle e automação industrial. Logo inicialmente todas as máquinas são preparadas. Como pode ser visto na Figura 8, as preparações de máquinas antecipadas decresceram o uso dos estoques intermediários consideravelmente, já que os itens decresceram o tempo de espera nos buffers intermediários devido ao tempo de preparação da máquina seguinte. Figura 8 Gráfico de Gantt considerando preparação de máquina antecipatória 3. Times Assíncronos Nesta seção é apresentada uma breve descrição de Times Assíncronos. Um A-Teams é composto por agentes e memórias compartilhadas, e pode ser caracterizado predominantemente por 3 características: Agentes Autônomos: Os agentes tomam suas próprias decisões de seleção de soluções, o momento de uso das mesmas, e controle de alocação de memória; Comunicações Assíncronas: Os agentes podem ler e escrever informação nas memórias compartilhadas sem qualquer sincronização entre eles; Fluxo de dados cíclico: Os agentes tomam, modificam e salvam informações continuamente nas memórias compartilhadas. A Figura 9 mostra um A-Teams. As setas e o retângulo representam, respectivamente, os agentes e a memória compartilhada. Os agentes são normalmente heurísticas simples, mas metaheurísticas (busca tabu, algoritmo genético, simulated annealing, GRASP etc) também podem ser usadas. Os agentes construtores são responsáveis pela criação e inclusão de soluções na memória compartilhada. Os agentes de melhoria lêem soluções da memória compartilhada e, após processamento, retornam uma solução para a memória, que é inserida juntamente com a eliminação de soluções da memória feita pelos agentes destruidores. 179
8 A-Teams são efetivos na resolução de problemas combinatórios de difícil resolução, onde há vários algoritmos implementados, mas que nenhum deles é totalmente satisfatório. Chega-se a um meio termo combinando-os para obter respostas melhores num tempo menor. Qualquer agente pode ser excluído/incluído do/no conjunto de agentes de forma fácil. Assim, para determinadas aplicações pode-se escolher quais agentes são utilizados para melhoria de desempenho do programa. Na próxima seção descrevemos os agentes desenvolvidos neste trabalho. Vários agentes foram estudados e testados por meio de várias instâncias. Os melhores agentes permaneceram no programa final. Figura 9 Exemplo de um A-Team. 4. A-Team Aplicado ao Problema Os agentes desenvolvidos são responsáveis pela criação de soluções iniciais, pela melhoria e destruição de soluções. Dessa forma os agentes são divididos em 3 grupos: agentes construtores, de melhoria e destrutores Agentes Construtores O primeiro agente construtor dimensiona o número de lotes de cada período, tomando os valores que satisfazem a demanda do mesmo (política lote-por-lote). A seqüência de tarefas é dada aleatoriamente. Por exemplo, seja um período com 5 itens (1,2,3,4,5) e cujas demandas sejam, respectivamente, 10, 15, 20, 40 e 20 unidades. Dessa forma, o agente construtor cria uma solução para o período de seqüência aleatória, por exemplo: (2,15)(3,20)(5,20)(1,10)(4,40). O segundo agente é uma heurística que adota a política lote-por-lote para o dimensionamento de lotes e cuja seqüência é definida por meio do índice D it /p ij. Assim, dado um estágio j, calcula-se o índice de cada item em cada período colocando-os em ordem decrescente. Dessa maneira pode-se construir uma solução para cada máquina, ou seja, M soluções. Esse agente foi baseado na heurística BDS (Best Descending Sequence- Ouenniche et al., (1999)). Considere o exemplo anterior, porém os tempos de processamento dos mesmos na máquina j são dados por 1, 2, 4, 2 e 5 minutos, respectivamente. Dessa forma, o índice fica, na máquina j, 10 para o item 1, 7.5 para o item 2, 5 para o item 3, 20 para o item 4 e 4 para o item 5 e obtemos a seqüência: (4,40)(1,10)(2,15)(3,20)(5,20). O terceiro agente é uma heurística análoga à heurística BAS (Best Ascending Sequence- Ouenniche et al., 1999) e da mesma forma que o segundo agente construtor, define o índice D it /p ij, tomando esse índice na ordem crescente. Assim, usando o exemplo dado a seqüência é (5,20)(3,20)(2,15)(1,10)(4,40) Agentes de Melhoria Todos os agentes de melhoria escolhem uma solução da memória compartilhada por meio de seleção por torneio de tamanho 2 (Tournament Selection). O primeiro agente, dada a vizinhança definida por troca de dois itens quaisquer na seqüência (swap), analisa certa quantidade de soluções vizinhas à solução inicial. O agente retorna a melhor combinação das soluções construindo uma solução com os melhores períodos de todas as soluções geradas. Por exemplo, seja a solução gerada pelo agente construtor 2 dada por 180
9 (4,40)(1,10)(2,15)(3,20)(5,20), a solução (4,40)(3,20)(2,15)(1,10)(5,20) pode ser obtida trocandose as posições dos itens 1 e 3 na seqüência. O segundo agente utiliza a vizinhança de swap assim como o primeiro agente. É analisado um caminho de uma certa quantidade de soluções iniciando-se da solução selecionada, tomando-se os vizinhos dos vizinhos. O agente retorna a melhor combinação das soluções da mesma forma que o agente anterior. Considerando o exemplo (4,40)(1,10)(2,15)(3,20)(5,20), um primeiro vizinho poderia ser (4,40)(3,20)(2,15)(1,10)(5,20), que é obtida trocando-se as posições dos itens 1 e 3 na primeira seqüência. Dessa última seqüência tem-se outro vizinho (2,15)(3,20)(4,40)(1,10)(5,20) resultado da troca dos itens 2 e 4. O terceiro e quarto agentes são análogos ao primeiro e segundo respectivamente, entretanto a vizinhança definida é de simples inserção, onde se escolhe um item da seqüência e o insere em outra posição. O quinto agente de melhoria adianta tarefas para períodos anteriores. Dessa forma, transfere toda a produção de certo item escolhido aleatoriamente de um período para outro imediatamente anterior. Caso tenha-se que inserir um item a mais na seqüência, este será inserido na primeira posição. O objetivo desse agente é a diminuição do valor do makespan, já que tempos de setup são eliminados do processo de produção. Em contrapartida haverá custos relacionados ao estoque de produtos acabados. O sexto agente é análogo ao agente anterior, porém analisa a capacidade do período com relação ao makespan, permitindo que partes da produção de um item sejam adiantadas de um período para outro imediatamente anterior. Apenas em períodos que possuem itens em comum haverão mudanças, assim, é necessário que haja produção do item no período destino. O sétimo agente, ao contrário dos dois anteriores posterga a produção excedente. Seleciona aleatoriamente um dos itens que tem produção excedente, posterga certa quantidade de produção para os outros períodos, mas sempre atendendo a demanda. Caso tenha-se que inserir um item a mais na seqüência, este será inserido na primeira posição. O oitavo e último agente mescla os dois últimos agentes, postergando parte da produção e adiantando parte de outra produção. Esse agente foi desenvolvido para o caso do custo de estoques seja menor que o custo do makespan. Ao postergar a produção, aumentar-se-ia o custo, porém ao adiantar a produção de outro item poder-se-ia ter um resultado melhor que o inicial Agentes Destruidores O agente de destruição é bastante simples. Se a solução gerada por um agente de melhoria é igual a uma das soluções pertencentes à memória compartilhada, então a memória compartilhada fica inalterada. Caso contrário, a solução gerada é inserida na memória compartilhada somente se esta solução é melhor do que a pior solução existente na memória compartilhada. 5. Experimentos Computacionais Nesta seção descrevemos os resultados computacionais dos testes realizados Instâncias Usadas nos Experimentos As instâncias foram geradas com base nos experimentos propostos nos artigos Sikora (1996), Sikora et al. (1996) e Ponnambalam & Reddy (2003). Foram feitos testes com instâncias contendo 5, 10 e 15 máquinas através dos quais são produzidos 5, 10 ou 15 produtos diferentes em 3 períodos de 1200 minutos. A capacidade de cada estoque intermediário é de 2 unidades. Os tempos de setup dependentes da seqüência foram considerados de 5 a 15 minutos. Os tempos de processamento de cada item são dados entre 0.10 e 1 minuto. Os custos de estoque são dados entre 0.10 e 1 unidade de custo por item. O custo de makespan é dado por 1 unidade de custo por minuto. O valor da hora extra é dada por 3 vezes o valor do período normal, 3 unidades de custo por minuto. A demanda é gerada de forma aleatória, tal que as primeiras soluções (obtidas com a política lote-por-lote, usando a seqüência de tarefas aleatória) seja de 3 períodos de aproximadamente 1200 minutos de tempo total de produção. Foram geradas 45 instâncias, 5 de 181
10 cada combinação de 5, 10 e 15 itens por 5, 10, 15 máquinas. Cada combinação MxN possui 5 instâncias. Cada instância é sujeita a dez testes, e por isso possui dez valores iniciais da função geradora de números aleatórios, assim as três abordagens (Algoritmo Genético, Algoritmo GA + SA e A-Teams) usam os mesmos valores iniciais dessa função pseudo-aleatória Ambiente de Teste O algoritmo usado para a geração de números aleatórios é uma implementação do multiplicative linear congruential generator, com parâmetros (multiplicador) e (número primo). Este algoritmo é descrito em Park e Miller (1988). Todos os testes foram feitos usando um Intel Core 2 Duo com velocidade de 2.0GHz e 2GB de RAM sob o MS Windows Vista. Todos os algoritmos foram implementados em C e os tempos de CPU foram computados usando a função clock Parâmetros usados nos algoritmos Em todos os algoritmos foi usada uma população de 10 indivíduos. O número de iterações dos algoritmos foi baseado na função mais cara computacionalmente do algoritmo, dada pelo cálculo da função objetivo, principalmente o cálculo do makespan, ou seja, a cada recálculo da função objetivo se tem uma iteração. O custo do makespan é dado por a igual a 1 unidade de custo por minuto. O custo da hora extra a OT é dado por 3 unidades de custo por minuto Algoritmo Genético - Sikora (1996) Os parâmetros utilizados são iguais aos utilizados por Sikora (1996). A seleção é feita por meio de torneio de tamanho 2. As probabilidades de uso dos operadores de cruzamento e de mutação são fixas com o valor de 0.7 e 0.3 respectivamente, tanto para os operadores relacionados ao problema de dimensionamento quanto aos de seqüenciamento. O número de gerações do algoritmo genético é 2000, resultando em 20 mil iterações. A população inicial é dada aplicando-se a política lote-por-lote, enquanto a seqüência é aleatória Algoritmo GA + SA - Ponnambalam & Reddy (2003) Os parâmetros utilizados são iguais aos descritos em Ponnambalam & Reddy (2003). Para o algoritmo genético as probabilidades de uso dos operadores de cruzamento e mutação e a seleção são iguais aos do trabalho de Sikora (1996). Para o algoritmo de Simulated Annealing é utilizado: coeficiente de redução de temperatura a=0.7, temperatura inicial T 0 =10 e condição de parada e=1. A vizinhança é de inserção simples. O número de gerações é 20, assim, como a cada geração uma iteração é feita para mudanças de dimensionamento de lotes e 105 iterações são feitas na heurística Simulated Annealing, a cada geração temos 1060 iterações, portanto em 20 iterações temos iterações. A população inicial é gerada assim como Sikora (1996) A-Team Proposto O número de indivíduos da memória é dado por 10 soluções. A população inicial é dada pelos agentes construtores, que possuem a mesma probabilidade de serem escolhidos. Os agentes de melhoria são oito no total e também possuem probabilidade igual de serem escolhidos. Os agentes de seqüenciamento, como descritos acima, analisam duas vizinhanças diferentes. Para os agentes de seqüenciamento, o parâmetro da quantidade de vizinhos analisados é 10. A condição de parada é dada por 20 mil iterações, assim a utilização de um agente de melhoria de seqüenciamento é responsável por 10 iterações, já que são analisados 10 vizinhos nesses agentes Análise dos Experimentos Os resultados computacionais são apresentados pela Figura 10, um gráfico de colunas que apresenta as médias dos resultados dos testes de cada combinação do número de máquinas e do número de produtos (MxN). Em cada combinação MxN a primeira coluna (branca) representa os resultados do A-Team. A segunda (cinza claro) e a terceira (cinza escuro) colunas representam os resultados do Algoritmo Genético de Sikora (1996) e de Ponnambalam e Reddy (2003), respectivamente. Todos os valores considerados são dados pelas médias das 5 instâncias de cada combinação MxN. Os valores são apresentados de forma relativa, considerando que o melhor 182
11 resultado obtido pelo A-Team vale 1.0 para cada combinação. A primeira parte de cada coluna representa a média das melhores soluções para cada instância, enquanto a parte em preto representa a diferença da primeira parte de cada coluna para a média das soluções dos testes de cada combinação. Os resultados mostraram que o A-Team proposto foi, em média, melhor que o Algoritmo Genético de Sikora (1996) e a Heurística Híbrida de Ponnambalam e Reddy (2003) para as instâncias analisadas. Para combinações de máquinas e quantidade de itens pequenas, os resultados foram próximos, aumentando as diferenças entre os métodos ao aumentar o tamanho do problema. A heurística híbrida de Ponnambalam e Reddy (2003) se demonstrou mais instável, já que a diferença entre os melhores resultados e a média dos resultados resultou numa diferença maior que as outras heurísticas. Figura 10 Gráfico de colunas dos resultados obtidos. Usamos também o A-Team proposto para testar as seguintes variantes do problema: (a) Diminuição do blocking de máquinas e (b) Antecipação das preparações de máquina. Na Figura 11 são apresentados os resultados dessas simulações. O gráfico de colunas representa para cada combinação MxN os resultados do A-Team mudando-se o modelo nas variantes citadas. A coluna branca (primeira) é o método normal, de acordo com o problema de Sikora et al. (1996), a segunda (cinza claro) e terceira (cinza escuro) colunas de cada combinação são dadas pelas simulação da programação de produção com a redução do blocking e com o setup antecipatório, respectivamente. Vale ressaltar que o modelo descrito possui preparação de máquina não antecipatória e blocking. Da mesma maneira que o gráfico anterior, os valores são relativos ao resultado dos melhores resultados do A-Team para o problema de Sikora et al. (1996). Analogamente, a parte inferior de cada coluna representa a média das melhores soluções para cada instância, enquanto a parte em preto representa a diferença da primeira parte de cada coluna para a média das soluções dos testes de cada combinação. A segunda variante é mais estável indicando que a convergência de resultados é mais consistente. Os resultados indicam que a automação do sistema produtivo, com o aumento do controle do tempo de preparação de máquinas (com a contratação de funcionários ou automação da máquina) e de processamento dos lotes nas máquinas, é viável, para o problema considerado. Figura 11 Gráficos de colunas dos resultados das variantes. Nota-se que ambas variantes causam redução no custo da função objetivo devido à redução do tempo total de produção. Observou-se que quanto maior é o tamanho do problema, maior é a redução do valor da função objetivo para as variantes. Dessa forma os melhores resultados da segunda variante na combinação 15x15 é apenas 30% do valor da função objetivo 183
12 dos resultados do A-Team aplicado ao problema original. A segunda variante é mais estável, indicando que a convergência de resultados é mais consistente. 7. Comentários Finais Consideramos o problema de programação de produção envolvendo o dimensionamento e seqüenciamento de lotes em um ambiente de produção Flow Shop, com tempos de preparação de máquinas dependentes da seqüência, estoques intermediários e horas extras, conforme proposto por Sikora et al. (1996). Para tentar resolver o problema implementamos os algoritmos de Sikora (1996), baseado em Algoritmo Genético e de Ponnambalam e Reddy (2003), baseado em Algoritmo Genético juntamente com Simulated Annealing. Também foi desenvolvido e implementado um algoritmo do tipo Times Assíncronos, sendo que o uso desta metaheurística é inédito para este problema. Os resultados obtidos utilizando as três metaheurísticas sobre um conjunto de instâncias foram comparados e analisados. Os resultados finais do A-Team proposto são bastante promissores. Um fato importante é que A-Teams são bastante flexíveis, podendo os agentes ser adicionados ou retirados de maneira adaptativa. Outra idéia de melhoria do método proposto é a sua paralelização. Como os agentes trabalham de forma assíncrona, o método se enquadra muito bem à programação em paralelo. Agradecimentos Agradecemos a FAPESP pelo apoio financeiro para o desenvolvimento deste trabalho (Iniciação Científica - Processo: 2007/ ). Bibliografia Jans, R. e Degraeve, Z. (2007), Meta-heuristics for dynamic lot sizing: A review and comparison of solution approaches, European Journal of Operational Research, 177, Karimi, B., Ghomi Fatemi, S.M.T. e Wilson, J.M. (2003), The Capacitated lot sizing problem: a review of models and algorithms, OMEGA, 31, Lee, I., Gupta, J.N.D. e Amar, A.D. (2001), A Multi-Neural-Network Learning for Lot Sizing and Sequencing on a Flow-Shop, Proceedings of the 2001 ACM symposium on Applied Computing, Meneses, C.N., Pardalos,P.M. e Ragle, M. (2008), Asynchronous Teams for probe selection problems, Discrete Optimization, 5, Ouenniche, J., Boctor, F.F. e Martel, A. (1999), The impact of sequencing decisions on multiitem lot sizing and scheduling in flow shops, International Journal of Production Research, 37(10), Park, S. e Miller, K. (1988), Random number generators: Good ones are hard to find. Communications of the ACM, 31, Ponnambalam, S. G. e Reddy, M. M. (2003), A GA-SA Multiobjective Hybrid Search Algorithm for Integrating Lot Sizing and Sequencing in Flow-Line Scheduling, International Journal of Advanced Manufacturing Technology, 21, Ruiz, R., Maroto, C. e Alcaraz, J. (2005), Solving the flowshop scheduling problem with sequence dependent setup times using advanced metaheuristics, European Journal of Operational Research, 165, Sikora, R., Chhajed, D., e Shaw, M. (1996), Integrating the lot sizing and sequencing decisions for scheduling a capacitated flow line, Computers Industrial Engineering, 30, Sikora, R. (1996), A genetic algorithm for integrating lot sizing and sequencing in scheduling a capacitated flow line, Computers Industrial Engineering, 30, Taillard, E. (1990), Some efficient heuristic methods for the flow shop sequencing problem, European Journal of Operational Research, 47, Talukdar, S. N. e Souza, P. S. (1993), Asynchronous organizations for multialgorithm problems, ACM Symposium on Applied Computing, Indianapolis. 184
UMA HEURÍSTICA GRASP PARA O PROBLEMA ESTENDIDO DE SEQUENCIAMENTO DE CARROS
UMA HEURÍSTICA GRASP PARA O PROBLEMA ESTENDIDO DE SEQUENCIAMENTO DE CARROS Lucas Middeldorf Rizzo Universidade Federal de Minas Gerais Av. Antônio Carlos, 6627 - Pampulha - Belo Horizonte - MG CEP 31270-901
Leia maisMOG-45 - GESTÃO DE OPERAÇÕES LISTA DE EXERCÍCIOS 2
MOG-45 - GESTÃO DE OPERAÇÕES LISTA DE EXERCÍCIOS 2 1. Questões teóricas de sistemas de planejamento da produção: a. Defina e descreva planejamento agregado. b. Relacione as vantagens e desvantagens dos
Leia maisPROGRAMAÇÃO DA PRODUÇÃO EM PROCESSOS BATELADAS UTILIZANDO PLANILHAS ELETRÔNICAS
IX Congresso Brasileiro de Engenharia Química - Iniciação Científica 03 a 06 de julho de 2011 Maringá, Paraná, Brasil PROGRAMAÇÃO DA PRODUÇÃO EM PROCESSOS BATELADAS UTILIZANDO PLANILHAS ELETRÔNICAS MIRANDA
Leia maisRelatório Trabalho Prático 2 : Colônia de Formigas para Otimização e Agrupamento
Relatório Trabalho Prático 2 : Colônia de Formigas para Otimização e Agrupamento Ramon Pereira Lopes Rangel Silva Oliveira 31 de outubro de 2011 1 Introdução O presente documento refere-se ao relatório
Leia maisMemória cache. Prof. Francisco Adelton
Memória cache Prof. Francisco Adelton Memória Cache Seu uso visa obter uma velocidade de acesso à memória próxima da velocidade das memórias mais rápidas e, ao mesmo tempo, disponibilizar no sistema uma
Leia maisSistemas Operacionais
Sistemas Operacionais GERÊNCIA DO PROCESSADOR MACHADO/MAIA: CAPÍTULO 08 Prof. Pedro Luís Antonelli Anhanguera Educacional Gerenciamento do Processador A gerência do processador pode ser considerada a atividade
Leia maisINSTITUTO SUPERIOR DE CIÊNCIAS APLICADAS ADMINISTRAÇÃO DE EMPRESAS B
2 INSTITUTO SUPERIOR DE CIÊNCIAS APLICADAS ADMINISTRAÇÃO DE EMPRESAS B GERÊNCIAMENTO E CONTROLE DE ESTOQUE Guilherme Demo Limeira SP 2005 3 GUILHERME DEMO GERÊNCIAMENTO E CONTROLE DE ESTOQUE Projeto científico
Leia maisCapítulo 5: Aplicações da Derivada
Instituto de Ciências Exatas - Departamento de Matemática Cálculo I Profª Maria Julieta Ventura Carvalho de Araujo Capítulo 5: Aplicações da Derivada 5- Acréscimos e Diferenciais - Acréscimos Seja y f
Leia maisMRP II. Planejamento e Controle da Produção 3 professor Muris Lage Junior
MRP II Introdução A lógica de cálculo das necessidades é conhecida há muito tempo Porém só pode ser utilizada na prática em situações mais complexas a partir dos anos 60 A partir de meados da década de
Leia maisExercícios Teóricos Resolvidos
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar
Leia maisAulas 17 & 18. Comutação Rápida a Pacote. Eytan Modiano MIT
Aulas 17 & 18 Comutação Rápida a Pacote Eytan Modiano MIT 1 Comutador a Pacote Etiqueta Um comutador a pacote consiste de uma máquina de roteamento (table lookup), um escalonador e uma máquina de comutação.
Leia maisProblema de Otimização Combinatória
Problema de Otimização Combinatória Otimização é o processo de encontrar e comparar soluções factíveis até que nenhuma solução melhor possa ser encontrada. Essas soluções são ditas boas ou ruins em termos
Leia maisO mecanismo de alocação da CPU para execução de processos constitui a base dos sistemas operacionais multiprogramados.
O mecanismo de alocação da CPU para execução de processos constitui a base dos sistemas operacionais multiprogramados. A multiprogramação tem como objetivo permitir que, a todo instante, haja algum processo
Leia maisAPLICAÇÃO DA METAHEURÍSTICA COLÔNIA DE FORMIGAS AO PROBLEMA DE ROTEAMENTO DE VEÍCULOS
APLICAÇÃO DA METAHEURÍSTICA COLÔNIA DE FORMIGAS AO PROBLEMA DE ROTEAMENTO DE VEÍCULOS Mirlam Moro Lombardi e Jean Eduardo Glazar Departamento de Ciência da Computação Faculdade de Aracruz Uniaracruz {mirlam,
Leia maisEspecificação do Trabalho
Especificação do Trabalho I. Introdução O objetivo deste trabalho é abordar a prática da programação orientada a objetos usando a linguagem Java envolvendo os conceitos de classe, objeto, associação, ligação,
Leia maisTÉCNICAS DE PROGRAMAÇÃO
TÉCNICAS DE PROGRAMAÇÃO (Adaptado do texto do prof. Adair Santa Catarina) ALGORITMOS COM QUALIDADE MÁXIMAS DE PROGRAMAÇÃO 1) Algoritmos devem ser feitos para serem lidos por seres humanos: Tenha em mente
Leia maisFigure 2 - Nós folhas de uma árvore binária representando caracteres ASCII
A ocorrência tamanho ASCII codificação de Huffman é um A Codificação método de compactação de Huffman caracteres (American e a variável codificação dos usado símbolos Standard para por cada muitas no Code
Leia maisDescrição do processo de priorização para tomada de tempos: Pesquisa ação em uma empresa job shop de usinados aeronáuticos.
Descrição do processo de priorização para tomada de tempos: Pesquisa ação em uma empresa job shop de usinados aeronáuticos. Tatiana Sakuyama Jorge Muniz Faculdade de Engenharia de Guaratingüetá - Unesp
Leia maisUma Heurística para o Problema de Redução de Padrões de Corte
Uma Heurística para o Problema de Redução de Padrões de Corte Marcelo Saraiva Limeira INPE/LAC e-mail: marcelo@lac.inpe.br Horacio Hideki Yanasse INPE/LAC e-mail: horacio@lac.inpe.br Resumo Propõe-se um
Leia mais3 Previsão da demanda
42 3 Previsão da demanda Este capítulo estuda o processo de previsão da demanda através de métodos quantitativos, assim como estuda algumas medidas de erro de previsão. Num processo de previsão de demanda,
Leia maisUnidade 5: Sistemas de Representação
Arquitetura e Organização de Computadores Atualização: 9/8/ Unidade 5: Sistemas de Representação Números de Ponto Flutuante IEEE 754/8 e Caracteres ASCII Prof. Daniel Caetano Objetivo: Compreender a representação
Leia maisO MÉTODO HÚNGARO PARA RESOLUÇÃO DE PROBLEMAS DE OTIMIZAÇÃO
O MÉTODO HÚNGARO PARA RESOLUÇÃO DE PROBLEMAS DE OTIMIZAÇÃO João Cesar Guirado Universidade Estadual de Maringá E-mail: jcguirado@gmail.com Márcio Roberto da Rocha Universidade Estadual de Maringá E-mail:
Leia maisEspecificação do 3º Trabalho
Especificação do 3º Trabalho I. Introdução O objetivo deste trabalho é abordar a prática da programação orientada a objetos usando a linguagem Java envolvendo os conceitos de classe, objeto, associação,
Leia maisComputador E/S, Memória, Barramento do sistema e CPU Onde a CPU Registradores, ULA, Interconexão interna da CPU e Unidade de controle.
Introdução Os principais elementos de um sistema de computação são a unidade central de processamento (central processing unit CPU), a memória principal, o subsistema de E/S (entrada e saída) e os mecanismos
Leia maisCaso de uma Central de distribuição. Seqüência de processamento. Injeção de plásticos
Max-Prod SIMULADORES DE PLANEJAMENTO E PROGRAMAÇÃO DE ALTA PERFORMANCE OTIMIZAÇÃO NO SEQUENCIAMENTO DE OP S E CARGA DE MÁQUINAS OTIMIZAÇÃO NA ESCOLHA DE MATERIAS DE PRODUTOS E COMPONENTES OTIMIZAÇÃO NA
Leia maisTEORIA DAS RESTRIÇÕES: PRINCIPAIS CONCEITOS E APLICAÇÃO PRÁTICA
TEORIA DAS RESTRIÇÕES: PRINCIPAIS CONCEITOS E APLICAÇÃO PRÁTICA Peter Wanke, D.Sc. Introdução A Teoria das Restrições, também denominada de TOC (Theory of Constraints) é um desenvolvimento relativamente
Leia maisTrabalho Computacional
Universidade Federal do Espírito Santo Departamento de Informática Profª Claudia Boeres Teoria dos Grafos - 2014/2 Trabalho Computacional 1. Objetivo Estudo e implementação de algoritmos para resolução
Leia maisORGANIZAÇÃO DE COMPUTADORES MÓDULO 1
ORGANIZAÇÃO DE COMPUTADORES MÓDULO 1 Índice 1. Introdução...3 1.1. O que é um Computador?... 3 1.2. Máquinas Multiníveis... 3 2 1. INTRODUÇÃO 1.1 O QUE É UM COMPUTADOR? Para estudarmos como um computador
Leia mais6. Programação Inteira
Pesquisa Operacional II 6. Programação Inteira Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção Programação Inteira São problemas de programação matemática em que a função objetivo, bem
Leia maisFigura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001
47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações
Leia mais3 Estratégia para o enriquecimento de informações
34 3 Estratégia para o enriquecimento de informações Podemos resumir o processo de enriquecimento de informações em duas grandes etapas, a saber, busca e incorporação de dados, como ilustrado na Figura
Leia maisFaculdade Sagrada Família
AULA 12 - AJUSTAMENTO DE CURVAS E O MÉTODO DOS MÍNIMOS QUADRADOS Ajustamento de Curvas Sempre que desejamos estudar determinada variável em função de outra, fazemos uma análise de regressão. Podemos dizer
Leia maisUTILIZAÇÃO DE SOFTWARES NA RESOLUÇÃO DE UM PROBLEMA DE PROGRAMAÇÃO LINEAR. Cintia da Silva Araújo, Tiago de Souza Marçal, Magda Aparecida Nogueira
UTILIZAÇÃO DE SOFTWARES NA RESOLUÇÃO DE UM PROBLEMA DE PROGRAMAÇÃO LINEAR Cintia da Silva Araújo, Tiago de Souza Marçal, Magda Aparecida Nogueira 1 Centro de Ciências Agrárias-Universidade Federal do Espírito
Leia maisALGORITMOS E FLUXOGRAMAS
ALGORITMOS E FLUXOGRAMAS Prof. André Backes INTRODUÇÃO Computadores = cérebros eletrônicos? Computadores são máquinas e, por si sós, não podem ser inteligentes. Alguém as projetou e deu a ela todas as
Leia maisResolução da lista de exercícios de casos de uso
Resolução da lista de exercícios de casos de uso 1. Explique quando são criados e utilizados os diagramas de casos de uso no processo de desenvolvimento incremental e iterativo. Na fase de concepção se
Leia maisMODELAGEM E SIMULAÇÃO
MODELAGEM E SIMULAÇÃO Professor: Dr. Edwin B. Mitacc Meza edwin@engenharia-puro.com.br www.engenharia-puro.com.br/edwin Terminologia Básica Utilizada em de Sistemas Terminologia Básica Uma série de termos
Leia maisARQUITETURA DE COMPUTADORES
1 ARQUITETURA DE COMPUTADORES U C P Prof. Leandro Coelho Plano de Aula 2 Aula Passada Definição Evolução dos Computadores Histórico Modelo de Von-Neumann Básico CPU Mémoria E/S Barramentos Plano de Aula
Leia maisESTENDENDO A UML PARA REPRESENTAR RESTRIÇÕES DE INTEGRIDADE
ESTENDENDO A UML PARA REPRESENTAR RESTRIÇÕES DE INTEGRIDADE Fabiana Gomes Marinho Faculdade Lourenço Filho Resumo: Na UML, a modelagem conceitual dos dados é descrita pelo diagrama de classes, que através
Leia maisCálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU
Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia) III Resolução de sistemas lineares por métodos numéricos. Objetivos: Veremos
Leia maisDEFINIÇÃO DE PARÂMETROS NA UTILIZAÇÃO DE METAHEURÍSTICAS PARA A PROGRAMAÇÃO DE HORÁRIOS ESCOLARES
DEFINIÇÃO DE PARÂMETROS NA UTILIZAÇÃO DE METAHEURÍSTICAS PARA A PROGRAMAÇÃO DE HORÁRIOS ESCOLARES José Carlos dos Santos Ferreira 1 e Jean Eduardo Glazar 2 1 Aluno do Curso de Ciência da Computação 2 Professor
Leia maisROTEAMENTO PERIÓDICO DE VEÍCULOS UTILIZANDO SIMULATED ANNEALING
ROTEAMENTO PERIÓDICO DE VEÍCULOS UTILIZANDO SIMULATED ANNEALING Marcos Vinicios Gomes dos Reis (UNICAMP) marcosreis_9@yahoo.com.br Sibelius Lellis Vieira (PUC GOIAS) sibelius.vieira@gmail.com A gestão
Leia maisBem-vindo ao curso delta Gerenciamento de peso para a versão 9.1. Este curso aborda a nova solução de peso introduzida nessa versão.
Bem-vindo ao curso delta Gerenciamento de peso para a versão 9.1. Este curso aborda a nova solução de peso introduzida nessa versão. Você deve ter bons conhecimentos de estoque, UM e administração de posições
Leia maisANÁLISE DE DIFERENTES MODELOS DE ATRIBUIÇÃO DE NOTAS DA AVALIAÇÃO INTEGRADORA (AVIN) DO CURSO DE ENGENHARIA CIVIL DO UNICENP
ANÁLISE DE DIFERENTES MODELOS DE ATRIBUIÇÃO DE NOTAS DA AVALIAÇÃO INTEGRADORA (AVIN) DO CURSO DE ENGENHARIA CIVIL DO UNICENP Flavia Viviani Tormena ftormena@unicenp.edu.br Júlio Gomes jgomes@unicenp.edu.br
Leia maisAnálise de Arredondamento em Ponto Flutuante
Capítulo 2 Análise de Arredondamento em Ponto Flutuante 2.1 Introdução Neste capítulo, chamamos atenção para o fato de que o conjunto dos números representáveis em qualquer máquina é finito, e portanto
Leia maisSistemas Operacionais Arquivos. Carlos Ferraz (cagf@cin.ufpe.br) Jorge Cavalcanti Fonsêca (jcbf@cin.ufpe.br)
Sistemas Operacionais Arquivos Carlos Ferraz (cagf@cin.ufpe.br) Jorge Cavalcanti Fonsêca (jcbf@cin.ufpe.br) Copyright Carlos Ferraz Cin/UFPE Implementação do Sistema de Arquivos Sistemas de arquivos são
Leia maisClassificação: Determinístico
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ Da mesma forma que sistemas os modelos de simulação podem ser classificados de várias formas. O mais usual é classificar os modelos
Leia maisALGORITMO EVOLUTIVO PARA A OTIMIZAÇÃO DA GRADE HORÁRIA DO CURSO DE ENGENHARIA ELÁTRICA DA FEIS-UNESP
INSTRUÇÕES PARA A PREPARAÇÃO E SUBMISSÃO DE TRABALHOS PARA CONGRESSO BRASILEIRO DE ENSINO DE ENGENHARIA 2003 ALGORITMO EVOLUTIVO PARA A OTIMIZAÇÃO DA GRADE HORÁRIA DO CURSO DE ENGENHARIA ELÁTRICA DA FEIS-UNESP
Leia maisBACHARELADO EM SISTEMAS DE INFORMAÇÃO EaD UAB/UFSCar Sistemas de Informação - prof. Dr. Hélio Crestana Guardia
O Sistema Operacional que você usa é multitasking? Por multitasking, entende-se a capacidade do SO de ter mais de um processos em execução ao mesmo tempo. É claro que, num dado instante, o número de processos
Leia maisBem-vindo ao tópico sobre administração de listas de preços.
Bem-vindo ao tópico sobre administração de listas de preços. Nesse tópico, você aprenderá a administrar listas de preços no SAP Business One. Sua empresa atualiza múltiplas listas de preços para fornecer
Leia maisCAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves
CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C01 Simulated Annealing (20/11/07). C02 Busca Tabu (22/11/07). C03 Colônia
Leia maisWhite-box test: Também conhecido como teste estrutural, tem por objetivo validar os dados derivados das funções do sistema.
22. Planejamento, Especificação e Execução dos Testes A implantação de um sistema de boa qualidade, dentro de um prazo específico, pode ser seriamente prejudicada caso uma etapa extremamente importante
Leia maisIII Seminário da Pós-graduação em Engenharia Elétrica
ESTUDO SOBRE A EXPANSÃO DO SISTEMA DE TRANSMISSÃO DE ENERGIA NO BRASIL Tiago Forti da Silva Aluno do Programa de Pós-Graduação em Engenharia Elétrica Unesp Bauru Prof. Dr. André Nunes de Souza Orientador
Leia maisTrabalho 7 Fila de prioridade usando heap para simulação de atendimento
Trabalho 7 Fila de prioridade usando heap para simulação de atendimento Data: 21/10/2013 até meia-noite Dúvidas até: 09/10/2013 Faq disponível em: http://www2.icmc.usp.br/~mello/trabalho07.html A estrutura
Leia maisTÓPICO ESPECIAL DE CONTABILIDADE: IR DIFERIDO
TÓPICO ESPECIAL DE CONTABILIDADE: IR DIFERIDO! O que é diferimento?! Casos que permitem a postergação do imposto.! Diferimento da despesa do I.R.! Mudança da Alíquota ou da Legislação. Autores: Francisco
Leia maisGerenciamento de memória
Na memória principal ficam todos os programas e os dados que serão executados pelo processador. Possui menor capacidade e custo maior. S.O buscam minimizar a ocupação da memória e otimizar sua utilização.
Leia maisCENTRO DE CIÊNCIAS TECNOLÓGICAS CCT CURSO DE TECNOLOGIA EM SISTEMAS DE INFORMAÇÃO
UNIVERSIDADE DO ESTADO DE SANTA CATARINA CENTRO DE CIÊNCIAS TECNOLÓGICAS CCT CURSO DE TECNOLOGIA EM SISTEMAS DE INFORMAÇÃO PLANEJAMENTO DE PROCESSOS ASSISTIDO POR COMPUTADOR CAPP (COMPUTER AIDED PROCESS
Leia maisMétodos Quantitativos Prof. Ms. Osmar Pastore e Prof. Ms. Francisco Merlo. Funções Exponenciais e Logarítmicas Progressões Matemáticas
Métodos Quantitativos Prof. Ms. Osmar Pastore e Prof. Ms. Francisco Merlo Funções Exponenciais e Logarítmicas Progressões Matemáticas Funções Exponenciais e Logarítmicas. Progressões Matemáticas Objetivos
Leia maisIntrodução à Engenharia de Computação
Introdução à Engenharia de Computação Tópico: O Computador como uma Multinível José Gonçalves - Introdução à Engenharia de Computação Visão Tradicional Monitor Placa-Mãe Processador Memória RAM Placas
Leia maisDadas a base e a altura de um triangulo, determinar sua área.
Disciplina Lógica de Programação Visual Ana Rita Dutra dos Santos Especialista em Novas Tecnologias aplicadas a Educação Mestranda em Informática aplicada a Educação ana.santos@qi.edu.br Conceitos Preliminares
Leia maisA presente seção apresenta e especifica as hipótese que se buscou testar com o experimento. A seção 5 vai detalhar o desenho do experimento.
4 Plano de Análise O desenho do experimento realizado foi elaborado de forma a identificar o quão relevantes para a explicação do fenômeno de overbidding são os fatores mencionados na literatura em questão
Leia maisMODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS DISCRETAS
MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS DISCRETAS Definições Variáveis Aleatórias Uma variável aleatória representa um valor numérico possível de um evento incerto. Variáveis aleatórias
Leia maisFACULDADE CAMPO LIMPO PAULISTA MESTRADO EM CIÊNCIA DA COMPUTAÇÃO. Projeto e Análise de Algoritmos II Lista de Exercícios 2
FACULDADE CAMPO LIMPO PAULISTA MESTRADO EM CIÊNCIA DA COMPUTAÇÃO Projeto e Análise de Algoritmos II Lista de Exercícios 2 Prof. Osvaldo. 1. Desenvolva algoritmos para as operações abaixo e calcule a complexidade
Leia maisBoletim. Contabilidade Internacional. Manual de Procedimentos
Boletim Manual de Procedimentos Contabilidade Internacional Custos de transação e prêmios na emissão de títulos e valores mobiliários - Tratamento em face do Pronunciamento Técnico CPC 08 - Exemplos SUMÁRIO
Leia maisAvaliação de Desempenho de Sistemas
Avaliação de Desempenho de Sistemas Introdução a Avaliação de Desempenho de Sistemas Prof. Othon M. N. Batista othonb@yahoo.com Roteiro Definição de Sistema Exemplo de Sistema: Agência Bancária Questões
Leia maisIMPLANTAÇÃO DOS PILARES DA MPT NO DESEMPENHO OPERACIONAL EM UM CENTRO DE DISTRIBUIÇÃO DE COSMÉTICOS. XV INIC / XI EPG - UNIVAP 2011
IMPLANTAÇÃO DOS PILARES DA MPT NO DESEMPENHO OPERACIONAL EM UM CENTRO DE DISTRIBUIÇÃO DE COSMÉTICOS. XV INIC / XI EPG - UNIVAP 2011 Rogério Carlos Tavares 1, José Luis Gomes da Silva² 1 Universidade de
Leia maisMaterial Teórico - Aplicações das Técnicas Desenvolvidas. Exercícios e Tópicos Relacionados a Combinatória. Segundo Ano do Ensino Médio
Material Teórico - Aplicações das Técnicas Desenvolvidas Exercícios e Tópicos Relacionados a Combinatória Segundo Ano do Ensino Médio Prof Cícero Thiago Bernardino Magalhães Prof Antonio Caminha Muniz
Leia maisApresentação. 1. Introdução. 2. Situação Problema
EASY GLASS Easy Glass Resumo O Easy Glass é um projeto desenvolvido para implantar a manutenção dos pára-brisas dos veículos ferroviários, cujo objetivo consiste na implantação de um guindaste de coluna
Leia maisEstudaremos métodos numéricos para resolução de sistemas lineares com n equações e n incógnitas. Estes podem ser:
1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia
Leia maisLaudo Técnico. Belo Horizonte, 22 de outubro de 2014. Retificação ao Laudo Técnico emitido no dia 18 de setembro de 2014. Considerar o presente laudo.
Laudo Técnico Belo Horizonte, 22 de outubro de 2014 Retificação ao Laudo Técnico emitido no dia 18 de setembro de 2014. Considerar o presente laudo. 1) Solicitante: Associação Brasileira de Frigoríficos
Leia maisSó Matemática O seu portal matemático http://www.somatematica.com.br FUNÇÕES
FUNÇÕES O conceito de função é um dos mais importantes em toda a matemática. O conceito básico de função é o seguinte: toda vez que temos dois conjuntos e algum tipo de associação entre eles, que faça
Leia maisDois eventos são disjuntos ou mutuamente exclusivos quando não tem elementos em comum. Isto é, A B = Φ
Probabilidade Vimos anteriormente como caracterizar uma massa de dados, como o objetivo de organizar e resumir informações. Agora, apresentamos a teoria matemática que dá base teórica para o desenvolvimento
Leia maisIntrodução a Banco de Dados Aula 03. Prof. Silvestri www.eduardosilvestri.com.br
Introdução a Banco de Dados Aula 03 Prof. Silvestri www.eduardosilvestri.com.br Arquiteturas de Banco de Dados Arquiteturas de BD - Introdução Atualmente, devem-se considerar alguns aspectos relevantes
Leia maisSequenciamento da Produção em uma Linha de Usinagem Industrial utilizando a Metaheurística Simulated Annealing
Sequenciamento da Produção em uma Linha de Usinagem Industrial utilizando a Metaheurística Simulated Annealing Marcelo Vilela Figueiredo marcelo_mvf@yahoo.com.br FEG-Unesp José Roberto Dale Luche dluche@feg.unesp.br
Leia maisERP-8115 Nota Fiscal Eletrônica v2.0 (XML) Erro "Elemento inválido" emitido pelo sistema na transmissão da Nota Fiscal Eletrônica.
Release 3.60 Resumo das alterações Faturamento ERP-6954 Em casos em que o usuário tentar efetivar um pedido de vendas onde um dos produtos encontra-se inativo, o sistema está efetivando normalmente. Para
Leia maisTecnologia da Informação Prof. Mário Henrique de Souza Pardo Resumo Aula 4
Tecnologia da Informação Prof. Mário Henrique de Souza Pardo Resumo Aula 4 1 MS-Excel Aplicando funções às suas fórmulas de Excel (continuação) Serão vistas, nesta aula as funções de busca e referência
Leia maisEstudo de Casos 57. 5.1. Estudo de Caso 1: Velocidade Intervalar e Espessura da Camada
Estudo de Casos 57 5 Estudo de Casos Neste capítulo são relatados três estudos de caso com sismogramas de referência sintéticos que têm como objetivo avaliar o modelo proposto. Na descrição dos estudos
Leia mais18º Congresso de Iniciação Científica IMPLEMENTAÇÃO DE UM MODELO DE TESTE DE APLICAÇÕES WEB
18º Congresso de Iniciação Científica IMPLEMENTAÇÃO DE UM MODELO DE TESTE DE APLICAÇÕES WEB Autor(es) HARLEI MIGUEL DE ARRUDA LEITE Orientador(es) PLÍNIO ROBERTO SOUZA VILELA Apoio Financeiro PIBIC/CNPQ
Leia maisParametrização Itens para Movimentação
Parametrização Itens para Movimentação Sumário Manutenção Itens... 4 Filtro... 5 Movimentações de Entrada... 8 Movimentações de Saída... 10 Configurações de Inventário de Item... 11 Código de Barras e
Leia maisPLANEJAMENTO DA MANUFATURA
58 FUNDIÇÃO e SERVIÇOS NOV. 2012 PLANEJAMENTO DA MANUFATURA Otimizando o planejamento de fundidos em uma linha de montagem de motores (II) O texto dá continuidade à análise do uso da simulação na otimização
Leia maisArquitetura e Organização de Computadores
Arquitetura e Organização de Computadores Suporte do Sistema Operacional Material adaptado, atualizado e traduzido de: STALLINGS, William. Arquitetura e Organização de Computadores. 5ª edição Objetivos
Leia maisSoluções Nível 1 5 a e 6 a séries (6º e 7º anos) do Ensino Fundamental
a e 6 a séries (6º e 7º anos) do Ensino Fundamental 1. (alternativa C) Os números 0,01 e 0,119 são menores que 0,12. Por outro lado, 0,1 e 0,7 são maiores que 0,. Finalmente, 0,29 é maior que 0,12 e menor
Leia maisCapítulo 4 Gerência do Processador. O que sabemos é uma gota, o que ignoramos é um oceano. Isaac Newton
Universidade Federal de Itajubá UNIFEI Instituto de Engenharia de Sistemas e Tecnologias da Informação IESTI CCO 004 Sistemas Operacionais Prof. Edmilson Marmo Moreira 4.1 Introdução Capítulo 4 Gerência
Leia maisO QUE É A CENTRAL DE JOGOS?
O QUE É A CENTRAL? A Central de Jogos consiste de duas partes: Um site na Internet e um programa de computador (Central) que deve ser instalado em sua máquina. No site www.centraldejogos.com.br, você pode
Leia maisAula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística
Aula 4 Conceitos Básicos de Estatística Aula 4 Conceitos básicos de estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa
Leia maisMATEMÁTICA A - 12o Ano Probabilidades - Triângulo de Pascal Propostas de resolução
MATEMÁTICA A - 12o Ano Probabilidades - Triângulo de Pascal Propostas de resolução Exercícios de exames e testes intermédios 1. A linha do triângulo de Pascal em que a soma dos dois primeiros elementos
Leia maisConsiderações sobre redimensionamento de motores elétricos de indução
Considerações sobre redimensionamento de motores elétricos de indução Artigo publicado na revista Lumiere Electric edição nº 166 Aplicações de investimentos dentro das empresas sempre são questionadas
Leia maisKarine Nayara F. Valle. Métodos Numéricos de Euler e Runge-Kutta
Karine Nayara F. Valle Métodos Numéricos de Euler e Runge-Kutta Professor Orientador: Alberto Berly Sarmiento Vera Belo Horizonte 2012 Karine Nayara F. Valle Métodos Numéricos de Euler e Runge-Kutta Monografia
Leia maisExercícios Adicionais
Exercícios Adicionais Observação: Estes exercícios são um complemento àqueles apresentados no livro. Eles foram elaborados com o objetivo de oferecer aos alunos exercícios de cunho mais teórico. Nós recomendamos
Leia maisOtimização do tempo de setup na operação gargalo de uma indústria gráfica utilizando o Sistema de Troca Rápida de Ferramentas
Otimização do tempo de setup na operação gargalo de uma indústria gráfica utilizando o Sistema de Troca Rápida de Ferramentas Jonas Alves de Paiva (UFPB) jonas@ct.ufpb.br Thiago Miranda de Vasconcelos
Leia maisCAPÍTULO 1 REVISÃO DE LÓGICA COMBINACIONAL
1 CAPÍTULO 1 REVISÃO DE LÓGICA COMBINACIONAL Sumário 1.1. Sistemas de Numeração... 3 1.1.1. Conversão Decimal Binária... 3 1.1.2. Conversão Binária Decimal... 3 1.1.3. Conversão Binária Hexadecimal...
Leia maisGerência do Processador
Andrique Amorim www.andrix.com.br professor@andrix.com.br Gerência do Processador Gerência do Processador No gerenciamento dos processos serão definidas as propriedades dos processos em execução, e a maneira
Leia maisCapítulo 4 Gerenciamento de Memória
Capítulo 4 Gerenciamento de Memória 4.1 Gerenciamento básico de memória 4.2 Troca de processos 4.3 Memória virtual 4.4 Algoritmos de substituição de páginas 4.5 Modelagem de algoritmos de substituição
Leia maisLISTA DE VERIFICAÇAO DO SISTEMA DE GESTAO DA QUALIDADE
Questionamento a alta direção: 1. Quais os objetivos e metas da organização? 2. quais os principais Produtos e/ou serviços da organização? 3. Qual o escopo da certificação? 4. qual é a Visão e Missão?
Leia maisOBTENÇÃO DE CONFIGURAÇÕES ECONÔMICAS PARA O PROJETO DE TESOURAS EM AÇO
CONSTRUMETAL CONGRESSO LATINO-AMERICANO DA CONSTRUÇÃO METÁLICA São Paulo Brasil 31 de agosto a 02 de setembro 2010 OBTENÇÃO DE CONFIGURAÇÕES ECONÔMICAS PARA O PROJETO DE TESOURAS EM AÇO 1. Guilherme Fleith
Leia maisRequisitos de Software
Requisitos de Software (Cap 6 - Sommerville) UNIVERSIDADE FEDERAL DE ALAGOAS Curso de Ciência da Computação Engenharia de Software I Prof. Rômulo Nunes de Oliveira Requisitos funcionais e não funcionais
Leia maisQUESTÃO 1 ALTERNATIVA B
1 QUESTÃO 1 Marcos tem 10 0,25 = 2,50 reais em moedas de 25 centavos. Logo ele tem 4,30 2,50 = 1,80 reais em moedas de 10 centavos, ou seja, ele tem 1,80 0,10 = 18 moedas de 10 centavos. Outra maneira
Leia maisSistemas de Arquivos NTFS, FAT16, FAT32, EXT2 e EXT3
Sistemas de Arquivos NTFS, FAT16, FAT32, EXT2 e EXT3 Os sistemas de arquivos é a parte do SO responsável pelo gerenciamento dos arquivos (estrutura, identificação, acesso, utilização, proteção e implementação).
Leia maisANÁLISE DE DESEMPENHO DA PARALELIZAÇÃO DO CÁLCULO DE NÚMEROS PRIMOS UTILIZANDO PTHREAD E OPENMP 1
ANÁLISE DE DESEMPENHO DA PARALELIZAÇÃO DO CÁLCULO DE NÚMEROS PRIMOS UTILIZANDO PTHREAD E OPENMP 1 Francisco Berti Da Cruz 2, Cleber Cristiano Sartorio 3, Edson Luiz Padoin 4, Emilio Hoffmann 5. 1 Trabalho
Leia mais3. Fase de Planejamento dos Ciclos de Construção do Software
3. Fase de Planejamento dos Ciclos de Construção do Software A tarefa de planejar os ciclos de construção do software pode partir de diretrizes básicas. Estas diretrizes visam orientar que os ciclos de
Leia maisA SEGUIR ALGUMAS DICAS PARA O DESENVOLVIMENTO DE UM PROJETO CIENTÍFICO
A SEGUIR ALGUMAS DICAS PARA O DESENVOLVIMENTO DE UM PROJETO CIENTÍFICO DESENVOLVENDO UM PROJETO 1. Pense em um tema de seu interesse ou um problema que você gostaria de resolver. 2. Obtenha um caderno
Leia mais