dc.contributor |
Universidade Federal de Santa Catarina |
pt_BR |
dc.contributor.advisor |
Barcia, Ricardo Miranda |
pt_BR |
dc.contributor.author |
Gauthier, Fernando Alvaro Ostuni |
pt_BR |
dc.date.accessioned |
2016-01-08T18:30:31Z |
|
dc.date.available |
2016-01-08T18:30:31Z |
|
dc.date.issued |
1993 |
pt_BR |
dc.identifier.other |
94310 |
pt_BR |
dc.identifier.uri |
https://repositorio.ufsc.br/xmlui/handle/123456789/157820 |
|
dc.description |
Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnologico |
pt_BR |
dc.description.abstract |
O controle e gerênciamento da produção estão entre os principais fatores que influênciam a produtividade industrial. As empresas devem se adaptar às condições de mercado, que mudam constantemente, afetando o tempo disponível para a tomada de decisões. Um algoritmo para solucionar problemas de programação da produção em diferentes ambientes "flow shop", podendo levar em consideração diferentes critérios, apresenta-se como uma contribuição para essa área. Neste trabalho é apresentada uma abordagem baseada em algoritmos genéticos que dadas as suas características de paralelismo implícito e robustez, mostra resultados promissores. O algoritmo proposto separa a função objetivo da sua rotina principal, o que proporciona vantagens sobre as soluções heurísticas que são desenvolvidas para funções objetivo específicas. Essa separação permite rápida adaptação do algoritmo a qualquer ambiente do tipo "flow shop". O sistema computacional desenvolvido foi utilizado para resolver problemas gerados aleatoriamente, através de três diferentes critérios de programação. Dadas as suas características híbridas o algoritmo obtém soluções iguais ou melhores que as das regras de programação heurísticas. Os resultados dos testes mostraram a viabilidade do algoritmo. |
pt_BR |
dc.format.extent |
130f.| il |
pt_BR |
dc.language.iso |
por |
pt_BR |
dc.subject.classification |
Controle de produção |
pt_BR |
dc.subject.classification |
Algoritmos genéticos |
pt_BR |
dc.title |
Programação da produção : uma abordagem utilizando algoritmos geneticos |
pt_BR |
dc.type |
Tese (Doutorado) |
pt_BR |