Uma abordagem multi-agente para competição de agentes negociadores em gerenciamento de cadeias de suprimentos

Detalhes bibliográficos
Ano de defesa: 2010
Autor(a) principal: Gomes, Gilzamir Ferreira
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual do Ceará
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=67309
Resumo: <span style="font-style: normal;">Esta dissertação objetivou a concepção de uma abordagem computacional para o problema de gerenciamento de cadeias de suprimento no cenário </span><em>Trading Agent Compeition for Supply Chain</em> (TAC-SCM) quando perturbações no processo de fabricação são consideradas. Foi realizada uma investigação sobre a natureza centralizada e descentralizada do planejamento. Simulações realizadas têm demonstrado que a abordagem descentralizada baseada em produtos inteligentes é promissora em termos de robustez do sistema de controle e planejamento. Contudo, essa mesma abordagem tem obtido resultados pobres em termos de lucro. Dessa forma, é requerido mais investigação sobre como sistemas podem utilizar o melhor de ambas as abordagens: planejamento centralizado e descentralizado. Para se chegar a uma arquitetura multi-agente híbrida e robusta à estes problemas, foi investigado como a regulamentação social de mercado, os produtos inteligentes e aprendizagem de máquina poderiam ser combinados em um mecanismo de controle distribuído de recursos e responsabilidades. Os resultados mostraram que a solução desenvolvida é promissora quando combinada com técnicas adequadas de aprendizagem de máquina (ou mesmo boas heurísticas) e algum mecanismo de mercado controlando a distribuição de recursos para os elementos distribuídos do sistema. Palavras-Chave: Sistemas Multi-Agente, Inteligência Artificial, Produtos Inteligentes