Detalhes bibliográficos
Ano de defesa: |
2021 |
Autor(a) principal: |
Ushizima, Mariana Monteiro |
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 Paulista (Unesp)
|
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: |
http://hdl.handle.net/11449/204496
|
Resumo: |
Em um contexto de Indústria 4.0, em que a transformação do mercado de consumo exige cada vez mais que as indústrias repensem e reformulem seus modelos de negócio para lidar com as constantes mudanças nas demandas dos clientes, sistemas de produção capazes de serem flexíveis para produzirem diversos modelos de forma eficiente ganham destaque. Além disso, neste mesmo contexto, a aplicação de inteligência artificial está inserida no conjunto de tecnologias que vão permitir as indústrias trilharem uma trajetória rumo a um sistema inteligente de manufatura. Neste trabalho aborda-se o Problema de Sequenciamento de Linhas de Montagem de Modelos Mistos – linhas destinadas à produção de modelos diversificados, suportada por diferentes fornecedores. Em situações em que existe um alto número de modelos a serem produzidos, o sequenciamento é uma ferramenta importante para obter benefícios tais como nivelar estoques intermediários e carga de trabalho, evitar paradas de linha, e o desbalanceamento de carga do fornecedor e minimizar a variação da taxa de produção. Neste trabalho, os objetivos do sequenciamento multiobjetivo considerados são minimizar a distância entre o consumo real do consumo ideal de componentes ao longo dos instantes e o número de setups, simultaneamente. Para resolver o problema, foi aplicado de forma inédita ao sequenciamento, a meta-heurística Pareto Iterated Local Search, escolhido devido sua simplicidade e eficiência. O método foi testado utilizando instâncias da literatura, se mostrando capaz de fornecer boas soluções, com tempo computacional competitivo, quando comparado a outros métodos. Posteriormente, o modelo foi aplicado a um caso real de montagem de estruturas em uma indústria do ramo automotivo, resultando em um conjunto de boas soluções, que melhoram o sequenciamento atual, em um tempo adequado, para o decisor optar. |