implementação de ag no balanceamento interativo de linhas de montagem
DESCRIPTION
Implementação de AG no Balanceamento Interativo de Linhas de Montagem. Éldman de Oliveira Nunes e Aura Conci. PROPÓSITO Descrever a aplicação de um Algorítmo Genético para o problema de otimização de um trecho da linha de montagem de automóveis. - PowerPoint PPT PresentationTRANSCRIPT
![Page 1: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/1.jpg)
Implementação de AG no Balanceamento Interativo
de Linhas de Montagem
Éldman de Oliveira Nunes e Aura Conci
![Page 2: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/2.jpg)
PROPÓSITO
Descrever a aplicação de um Algorítmo Genético para o problema de
otimização de um trecho da linha de montagem de automóveis.
Ao algoritmo genético pesquisado foram incorporadas modificações
visando melhorar o seu desempenho.
Os resultados computacionais demonstraram que as modificações
propostas melhoram de forma considerável os resultados obtidos no
artigo referenciado.
![Page 3: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/3.jpg)
Descrição do Problema
![Page 4: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/4.jpg)
O trecho da linha de montagem considerado é composto de 10 estações de trabalho.
Em cada uma delas, os operadores podem realizar tarefas em ambos os lados da linha, num total de 13 atividades a serem feitas no processo de montagem final do veículo.
Da esquerda para a direita, os veículos sendo montados entram na linha e passam pelos dez postos de trabalho (P1 a P10).
Não pode haver atividades em ambos os lados da linha em todos os postos de trabalho, devido às restrições de espaço (suprimentos e equipamentos).
![Page 5: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/5.jpg)
Cada posto de trabalho tem comprimento fixo e o veículo move-se continuamente, sem parar em momento algum do processo.
![Page 6: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/6.jpg)
Para o tratamento do problema são necessárias duas informações fundamentais: o tempo necessário para a execução de cada atividade e a ordem de precedência entre elas
O tempo total de trabalho em um dos postos é dado pelo tempo da atividade de maior duração deste posto, uma vez que ambas se iniciam no mesmo instante.
O tempo total de trabalho em todo o trecho é dado pela soma dos tempos em cada um dos postos.
Na linha real, ainda não otimizada, este tempo é atualmente de 21min 22s (ou 21,37min).
![Page 7: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/7.jpg)
O trecho da linha em análise tem 10 postos e 13 atividades, o que resulta em cerca de 4,83 x 1014 diferentes configurações possíveis.
A área de montagem final possui 66 atividades distribuídas em 49 estações de trabalho aumentando o número de configurações possíveis para cerca de 3,58.x 10118.
Este espaço de busca é intratável por qualquer método de busca seqüencial, em um tempo razoável, por mais recursos computacionais de que se disponha.
Neste cenário, os AGs mostram-se como uma alternativa simples e eficiente.
![Page 8: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/8.jpg)
Descrição do AG Original
![Page 9: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/9.jpg)
PARÂMETROS DO AG
População inicial : 100 indivíduos.
Reprodução: crossover de um ponto (com probabilidade de 80%) e mutação simples de bits (com probabilidade de 4% por bit).
Seleção: Método de seleção roleta. Foi usado elitismo através das gerações de modo conservar o melhor indivíduo encontrado em uma geração na geração seguinte.
Sobrevivência : A cada geração toda uma nova população era criada, com a permanência do melhor indivíduo na próxima geração.
Critério de parada: 200 gerações.
![Page 10: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/10.jpg)
AVALIAÇÃO
Ffitness = 1- (Fobj + Cp . Penalty)/STT + 72 . Tp max
FObj = (i=110) max { TTA [Aesq (Pi)], TTA [Adir (Pi)]}
Cp (Coeficiente de aplicação de penalidade) = 2,0
Penalidade = V . Tp max
SST = (i=113) TTA (Ai )
![Page 11: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/11.jpg)
RESULTADOS
Cada execução do AG consumiu cerca de 0,85s de processamento num PentiumTM III 500MHz em WindowsTM 98.
O melhor indivíduo encontrado e o seu correspondente layout da linha de montagem, leva a um tempo total de trabalho na linha de 15,29min, o que representa uma diminuição de 28,5% em relação ao tempo da configuração atual, que é de 21,37min.
![Page 12: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/12.jpg)
Descrição do AG Proposto
![Page 13: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/13.jpg)
PARÂMETROS DO AG PROPOSTO
Número de gerações : de 1 a 300;
Critério de parada: pelo número de gerações ou por estabilização do fitness (encerra após k gerações sem modificação do fitness, sendo 10<=k=>100);
Forma de geração e o tamanho da população inicial: a população inicial pode ser gerada aleatoriamente ou através de uma forma heurística. O tamanho da população pode variar de 1 a 200;
Tipo de Seleção: Roleta (stochastic universal sampling);
![Page 14: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/14.jpg)
PARÂMETROS DO AG PROPOSTO
Tipo de operador genético de Cruzamento: cruzamento de um ponto ou através do operador especial de cruzamento proposto, com taxa de ocorrência variável entre 50% e 100%;
Tipo de operador genético de Mutação: mutação simples ou operador especial de mutação proposto, com taxa de ocorrência variável entre 1% e 10%;
Opção de Busca Local: com taxa de ocorrência variável entre 1% e 10%;
Definição dos tempos das atividades;
Definição da precedência entre as atividades;
![Page 15: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/15.jpg)
OUTRAS INFORMAÇÕES DISPONÍVEIS:
Gráfico do fitness do melhor indivíduo em cada geração;
Gráfico do fitness médio da população em cada geração;
Relatório contendo: parâmetros de configuração do AG, número da geração, codificação do cromossomo, valor da função objetivo, valor da função de avaliação (fitness), número de violações, valor da função de avaliação média da população a cada geração, tempo de execução do AG;
![Page 16: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/16.jpg)
OUTRAS INFORMAÇÕES DISPONÍVEIS:
Codificação do melhor cromossomo;
Lay out da linha para o melhor cromossomo;
Tempo da linha do melhor cromossomo;
Número de violações do melhor cromossomo;
Informações sobre o artigo.
![Page 17: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/17.jpg)
![Page 18: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/18.jpg)
Testes e Resultados
![Page 19: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/19.jpg)
Testando a inicialização heurística proposta (fitness do melhor indivíduo da 1ª geração)
População Inicial
0,4500,5000,5500,6000,6500,7000,7500,8000,8500,9000,950
1 2 3 4 5 6 7 8 9 10
Testes
Bes
t Fitn
ess
Aleatorio
Inic AG
![Page 20: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/20.jpg)
Testando a inicialização heurística proposta(melhor indivíduo encontrado)
Operadores Genéticos
14,8514,9515,0515,1515,2515,3515,4515,5515,6515,7515,8515,9516,0516,1516,2516,3516,45
1 2 3 4 5 6 7 8 9 10
Testes
Tem
po d
a Li
nha
Original
Inic AG
![Page 21: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/21.jpg)
Testando o cruzamento proposto(melhor indivíduo encontrado)
Operadores Genéticos
14,8514,9515,0515,1515,2515,3515,4515,5515,6515,7515,8515,9516,0516,1516,2516,3516,45
1 2 3 4 5 6 7 8 9 10
Testes
Tem
po d
a Li
nha
Original
Cruz Mod
![Page 22: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/22.jpg)
Testando a mutação proposta (melhor indivíduo encontrado)
Operadores Genéticos
14,8514,9515,0515,1515,2515,3515,4515,5515,6515,7515,8515,9516,0516,1516,2516,3516,45
1 2 3 4 5 6 7 8 9 10
Testes
Tem
po d
a Li
nha
Original
Mut Mod
![Page 23: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/23.jpg)
Testando a busca local proposta (melhor indivíduo encontrado)
Operadores Genéticos
14,8514,9515,0515,1515,2515,3515,4515,5515,6515,7515,8515,9516,0516,1516,2516,3516,45
1 2 3 4 5 6 7 8 9 10
Testes
Tem
po d
a Li
nha
Original
Busca Local
![Page 24: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/24.jpg)
Testando todos os operadores propostos (melhor indivíduo encontrado)
Operadores Genéticos
14,8514,9515,0515,1515,2515,3515,4515,5515,6515,7515,8515,9516,0516,1516,2516,3516,45
1 2 3 4 5 6 7 8 9 10
Testes
Original
Todos
![Page 25: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/25.jpg)
Testando todos os operadores propostos com tamanho da população e número de gerações reduzidas a 50
(melhor indivíduo encontrado)
Operadores Genéticos
0,850
0,8600,870
0,880
0,8900,900
0,910
0,9200,930
0,940
1 2 3 4 5 6 7 8 9 10
Testes
Bes
t Fitn
ess
Original
Todos
![Page 26: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/26.jpg)
Valor do Fitness em cada uma das gerações do AGBALIM
Desempenho do AG Modificado
0,8800,8850,8900,8950,9000,9050,9100,9150,9200,9250,9300,9350,940
1 11 21 31 41 51 61 71 81 91 101
111
121
131
141
151
161
171
181
191
201
Gerações
Bes
t Fitn
ess
![Page 27: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/27.jpg)
Conclusão
![Page 28: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/28.jpg)
O melhor cromossomo encontrado pelo AGBALIM leva um tempo total de trabalho na linha de 14,90 min, o que representa uma diminuição de 30,3% em relação ao tempo da configuração atual, que é de 21,37 min.
O melhor resultado do artigo em estudo apresentou um tempo total de trabalho na linha de 15,29 min o que representa uma diminuição de 28,5% em relação ao tempo da configuração atual.
Os resultados encontrados com o algoritmo proposto foram superiores aos apresentados no artigo em estudo comprovando a boa integração entre as várias estratégias escolhidas e desenvolvidas para formarem o corpo do algoritmo genético modificado.
![Page 29: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/29.jpg)
O algoritmo AGBALIM demonstrou ser capaz de gerar melhores soluções com menor número de gerações, menor tamanho de população e conseqüente, menor tempo de processamento.
Trabalhos futuros :
Configuração dos parâmetros do AGsimples para construção da população inicial,
Configuração do tamanho da linha de montagem.
![Page 30: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/30.jpg)
Referências
![Page 31: Implementação de AG no Balanceamento Interativo de Linhas de Montagem](https://reader033.vdocuments.net/reader033/viewer/2022052914/568150ad550346895dbec23c/html5/thumbnails/31.jpg)
Noronha, T.F.,Silva, M.M., Aloise, D.J. Uma Abordagem sobre
Estratégias Metaheurísticas, disponível em http://www.sbc.org.br/
reic/edicoes/2001e1/cientificos/UmaAbordagemsobreEstratégias
Metaheuristicas.pdf
Nunes, E.O., Conci, A., Otimização de Linhas de Montagem por
Algoritmos Genéticos: Análise, Aperfeiçoamento e Implementação,
painel apresentado no XXXV SBPO, organizado pela
SOBRAPO/UFRN - Natal, de 4 a 7 de novembro, 2003.