APLICAÇÃO DE META-HEURÍSTICAS À ENGENHARIA DE PRODUÇÃ O

Transcrição

1 APLICAÇÃO DE META-HEURÍSTICAS À ENGENHARIA DE PRODUÇÃ O João Carlos Zayatz Universidade Estadual de Maringá jcarloszay@gmail.com Gislaine Camila Lapasini Leal Universidade Estadual de Maringá gclleal@uem.br Resumo Em Engenharia de Produção, a tomada de decisão deve ser pautada na utilização de métodos de pesquisa apropriados a natureza do problema. Quando a modelagem matemática de uma situação real exige uma solução que trate em tempo computacional adequado problemas do tipo NP-Completos, meta-heurísticas têm se mostrado como aliadas eficazes aos pesquisadores. Este trabalho apresenta uma pesquisa bibliométrica realizada em bases de dados científicas que demonstra a efetividade da utilização de meta-heurísticas em Engenharia de Produção. Três métodos são abordados: Algoritmos Genéticos, Simulated Annealing, Particle Swarm. Palavras-Chave Meta-heurística, Pesquisa Bibliométrica. 1. Introdução Em ambientes de negócios, o processo de tomada de decisão deve ser apoiado por métodos de pesquisa quantitativos, em busca de soluções para problemas práticos, levando à melhoria da lucratividade. A representação de um cenário real pode levar ao desenvolvimento de um modelo matemático, onde as grandezas são representadas por variáveis de decisão, e as relações entre as mesmas por expressões matemáticas. Conforme Goldbarg e Luna (2000), a Pesquisa Operacional (PO) congrega técnicas para solução de situações deste gênero, por

2 meio de amparo no ferramental matemático, objetivando a determinação das melhores condições de funcionamento para os sistemas representados. Em Engenharia de Produção, muitos problemas são pertencentes à classe NP- Completos, na qual o tempo computacional de busca por soluções cresce exponencialmente de acordo com a dimensão do problema. Diversos autores têm utilizado com sucesso meta-heurísticas em problemas deste gênero. Estes métodos, ainda que não garantam encontrar a solução ótima, fornecem uma solução viável, com um tempo computacional aceitável. Algumas das meta-heurísticas mais conhecidas são: Algoritmos Genéticos (AGs), Simulated Annealing (SA) e Particle Swarm (PSO). Fazem analogia com situações da natureza, dando origem a algoritmos de busca, implementados em linguagem de programação. A robustez e eficácia dos métodos fez crescer o número de publicações nas bases de dados científicas nos últimos anos que utilizam estas técnicas, demonstrando resultados promissores. O comportamento de cada uma pode ser encontrado, respectivamente, nos trabalhos de Braga et al. (2005), Oliveira (2006) e Muller (2007). Este trabalho tem como objetivo apresentar a aplicabilidade de meta-heurísticas em Engenharia de Produção, por meio da investigação de publicações científicas em importantes bases de dados que utilizaram os três métodos citados como alternativas para solução de problemas nos últimos anos. 2. Materiais e Métodos Por meio de pesquisa bibliométrica, os trabalhos divulgados nos últimos dez anos nas principais bases de dados científicas com reconhecimento nacional em Engenharia de Produção que utilizaram meta-heurísticas como alternativa de solução, foram consultados. O estudo foi delimitado a três métodos: Algoritmos Genéticos, Particle Swarm e Simulated Annealing. Estes, foram escolhidos devido à aplicabilidade comprovada, facilidade de compreensão e possibilidade de implementação por meio de linguagens de programação populares e disponíveis aos pesquisadores. Nove bases de dados foram acessadas: Encontro Nacional de Engenharia de Produção (ENEGEP), Simpósio de Engenharia de Produção

3 (SIMPEP), Revista GEPROS, Revista PO, Revista Produção, Regista G&P, Revista PODes, Scientific Eletronic Library Online (SCIELO) e Departamento de Engenharia de Produção da Universidade Estadual de Maringá (DEP/UEM). 3. Resultados e Discussões Os trabalhos foram classificados e analisados quanto ao ano de publicação, fonte de publicação, meta-heurísticas utilizadas, linguagem de programação para implementação e área de Engenharia de Produção a qual se aplicam. Foram identificados 102 trabalhos publicados entre janeiro de 2002 e setembro de A Figura 1 apresenta o número de publicações por ano. Neste gráfico, a linha de tendência ascendente indica uma evolução positiva no sentido do aumento do número de publicações em trabalhos utilizando as três meta-heurísticas abordadas. A Figura 2 apresenta o número de publicações por fonte. Do total de trabalhos avaliados, 39% foram publicados no ENEGEP, enquanto o SIMPEP agregou 18% das publicações. Isto se deve ao fato de que estes eventos são os maiores do Brasil em quantidade de publicações. Figura 1 - Gráfico do número de publicações por ano. Figura 2 - Gráfico do número de publicações por fonte. A Figura 3 apresenta o gráfico da utilização das meta-heurísticas abordadas. É possível perceber que, com 67% das publicações, Algoritmos Genéticos se mostram como a principal alternativa de solução. Um fator que concorre a favor dos Algoritmos Genéticos é o tradicionalismo desta técnica, sendo mais antiga e conhecida em comparação com as demais.

4 Quanto à linguagem de programação utilizada para implementação, não foi possível proceder uma análise com a totalidade dos trabalhos, devido ao fato de que houve publicações onde não foi declarada esta informação. A Figura 4 apresenta o gráfico das publicações que tiveram a liguagem informada. Em sua maioria, os trabalhos utilizaram as tradicionais linguagens C++, representando 31%, e C, com 29%. Figura 3 - Gráfico das Meta-heurísticas utilizadas. Figura 4 - Gráfico das linguagens de programação utilizadas. Quanto às áreas de aplicação em Engenharia de Produção, foi considerada a divisão apresentada pela Associação Brasileira de Engenharia de Produção (ABEPRO). A Figura 5 destaca a área de aplicação dos trabalhos estudados. Em sua maioria, com a incidência de 60% do total de publicações, a área de Engenharia de Operações e Processos de Produção é onde predomina a maior parte dos trabalhos levantados neste estudo utilizando os métodos citados. Há, também, um número significativo de trabalhos em Logística, com 25% do total. Figura 5 - Gráfico das áreas de aplicação.

5 Conclusão O interesse no estudo de meta-heurísticas reside no fato de representarem soluções eficazes e em tempo computacional viável a problemas complexos, num contexto competitivo em que a busca por ferramentas de otimização por parte de organizações e pesquisadores vai de encontro à necessidade de minimização de custos de processos e melhor aproveitamento de recursos. A pesquisa possibilitou verificar que há um interesse crescente pela utilização dos métodos abordados, sobretudo nas áreas de Engenharia de Operações e Processos de Produção e Logística, onde frequentemente surgem problemas que envolvem grandes quantidades de variáveis de decisão e possibilidades de resposta. O tradicionalismo e a eficácia dos AGs é fator determinante para que este supere os demais em número de publicações. O mesmo ocorre com as linguagens de programação C++ e C. Todavia, novos métodos e linguagens de programação podem ser utilizados com eficiência, cabendo ao pesquisador estudar os recursos à sua disposição e realizar as adaptações convenientes ao modelo a ser solucionado. Referências ASSOCIAÇÃO BRASILEIRA DE ENGENHARIA DE PRODUÇÃO. Áreas e Sub-áreas da Engenharia de Produção. Site Institucional. Disponível em < acesso em 18 de abril de BRAGA, A.; CARVALHO, A.; LUDEMIR, T.. Computação Evolutiva. In Computação Evolutiva Fundamentos e Aplicações. Organização de Solange OliveiraRezende. Barueri, SP: Manole, GOLBARG, M.; LUNA, H.. Otimização Combinatória e Programação Linear Modelos e Algoritmos. Rio de Janeiro: Elsevier, 2000, 7ª reimpressão. ISBN: MULLER, V.. Otimização de Layouts Industriais através do Método Enxame de Partículas. Dissertação. Pós-graduação em Sistemas e Processos Industriais, Universidade de Santa Cruz do Sul, Disponível em < acesso em 18 de abril de OLIVEIRA, G.. Estudo e Aplicação da Evolução Diferencial. Dissertação. Faculdade de Engenharia Mecânica, Universidade Federal de Uberlância, Disponível em < 545/Publico/GTSOliveiraDISSPRT.pdf>, acesso em 18 de abril de 2013.