Publicação: Algoritmo evolutivo multiobjetivo para o escalonamento de produção com restrição na indústria farmacêutica
Carregando...
Tipo do documento
Data
Direito de acesso
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Oliveira, Gina Maira Barbosa de
Resumo
O escalonamento de bateladas em processos químicos em ambientes reais, por exemplo
com variabilidade de demanda e restrições de vendas perdidas, tem sido investigados.
Sendo tipicamente não lineares com funções de avaliação com alto custo computacional,
dificultando a convergência de soluções. São caracterizados por múltiplos objetivos e restrições
conflitantes entre si, aumentando a complexidade da exploração de soluções viáveis.
Isto dificulta a adoção de certas técnicas, porém os Algoritmos Evolutivos Multiobjetivo
(MOEA) têm sido explorados devido aos seus operadores flexíveis e eficientes, aplicáveis
a diversos problemas não lineares multiobjetivo. Neste trabalho, novas estratégias de
inicialização da população, seleção de indivíduos e mutação baseada em busca local são
incorporadas a um MOEA, baseado no NSGA-II, aplicadas ao escalonamento de bateladas
em uma linha de produção da indústria farmacêutica como um problema multiobjetivo
com restrições. A qualidade das soluções não-dominadas foi avaliada, considerando o número
de soluções válidas (NS) e métricas multiobjetivo, tais como: hipervolume (hv), taxa
de erro (E) e distância geracional invertida (IGD+). Resultados experimentais mostraram
que a abordagem evolutiva melhorou significativamente o modelo de referência, tanto em
ambientes estáticos (onde um único conjunto de demandas é usado na avaliação), quanto
dinâmicos (onde as demandas mudam ao longo das gerações do MOEA). Nos ambientes
estáticos, nossa abordagem, em comparação à referência, melhorou 23,3% na média do
E, 82,5% no IGD+, 0,3% no hv e teve uma piora de 30,2% no NS, enquanto que nos
ambientes dinâmicos, melhorou em 38,7% no E, 83,7% no IGD+, 86,6% no NS e 0,8% no
hv. Observamos que a integração de uma busca local ao operador de mutação reduziu em
10,5% no E, 0,1% no IGD+, 0,1% no hv e 10,7% no NS, comparado com o algoritmo que
adota apenas a inicialização e o método de seleção propostos. A análise de dominância
indicou que a busca local no número de bateladas é eficaz em cenários dinâmicos.
Abstract
Batch scheduling in chemical processes under real-world conditions, such as demand
variability and lost sales constraints, has been investigated. These problems are typically
non-linear with computationally expensive evaluation functions, making solution
convergence challenging. They are characterized by multiple conflicting objectives and
constraints, increasing the complexity of exploring viable solutions. This complicates the
adoption of certain techniques, but Multiobjective Evolutionary Algorithms (MOEAs)
have been explored due to their flexible and efficient operators, applicable to various
non-linear multiobjective problems. In this work, new strategies for population initialization,
individual selection, and local search-based mutation are incorporated into an
NSGA-II-based MOEA, applied to batch scheduling in a pharmaceutical production line
as a multiobjective constrained problem. The quality of non-dominated solutions was
evaluated considering the number of valid solutions (NS) and multiobjective metrics such
as hypervolume (hv), error rate (E), and inverted generational distance (IGD+). Experimental
results showed that the evolutionary approach significantly improved the reference
model in both static environments (where a single demand set is used for evaluation) and
dynamic environments (where demands change over MOEA generations). In static environments,
our approach, compared to the reference, improved by 23.3% the average of E,
82.5% in IGD+, 0.3% in hv, and had a 30.2% deterioration in NS. In dynamic environments,
it improved by 38.7% in E, 83.7% in IGD+, 86.6% in NS, and 0.8% in hv. We
observed that integrating local search into the mutation operator reduced E by 10.5%,
IGD+ by 0.1%, hv by 0.1%, and NS by 10.7%, compared to the algorithm using only the
proposed initialization and selection methods. Dominance analysis indicated that local
search in the number of batches is effective in dynamic scenarios.
Palavras-chave
Otimização Multiobjetivo com restrição, Algoritmos Genéticos Multiojetivos, Escalonamento de Bateladas, Manufatura Farmacêutica, Constrained Multiobjective Optimization, Multiobjective Genetic Algorithms, Batch Scheduling, Pharmaceutical Manufacturing
Citação
KOHARA, Debora Toshie. Algoritmo evolutivo multiobjetivo para o escalonamento de produção com restrição na indústria farmacêutica. 2025. 153 f. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2025. DOI http://doi.org/10.14393/ufu.di.2024.637.
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto