4.6.3.1 Hipóteses

Associadas ao Modelo 4.6.3.2. Controle Lógico das Máquinas

Os modelos de simulação, em geral, não requerem tantas hipóteses quanto os modelos analíticos. No entanto, o desenvolvimento de qualquer tipo de modelo, necessita um claro delineamento de suas fronteiras. Além disso, pode não ser apropriado, nem mesmo viável, incorporar todo o tipo de detalhamento ao modelo de simulação. Assim, para manter o esforço de modelagem sob controle é necessário fazer algumas hipóteses razoáveis sobre o sistema. No modelo desenvolvido, as seguintes hipóteses foram feitas:

• O tamanho de buffer para todas as máquinas é infinito;

• Todas as matérias primas das peças a serem produzidas estão disponíveis, isto é, não há atraso devido a falta de matéria prima;

• Os veículos de transporte permanecem na estação em que foram liberados, até que haja outra solicitação.

O controle lógico das máquinas, está totalmente associado às peças que podem estar sendo processadas ou aguardando para serem processadas ou transportadas. Se mais de uma peça aguarda por processamento, então a regra de prioridade de seqüenciamento é aplicada para selecionar uma peça. A regra é selecionada pelo processador de filas, sendo repassadas para os controladores de fila, que serão os responsáveis pela determinação da peça a ser levada para a máquina. A figura 4.11 ilustra esta lógica.

O Modelo Proposto Para Geração de Scheduling

4.6.3.3. Medidas de Desempenho

As medidas de desempenho operacional para a avaliação simulada de sistemas de produção podem ser as mais diversas. As principais medidas de desempenho operacional utilizadas neste estudo são:

• o tempo de passagem; • o tempo do ciclo produtivo;

• a taxa de utilização das máquinas; • a taxa de utilização dos transportadores; • o tamanho das filas nas máquinas

O tempo de passagem é definido como o tempo que uma peça permanece no sistema, iniciando-se sua contagem no momento em que esta é liberada para o sistema, isto é, na sua entrada na primeira máquina do seu roteiro até sua saída para montagem ou para casamento com outra(s) peça(s).

O tempo do ciclo de produção, é definido pelo tempo total para a manufatura de todas as peças requeridas. Nos ambientes produtivos sob investigação, somente um número finito de peças

é produzido em cada ciclo. Da literatura [MAHESHWARI, 1992], fica comprovado que medir o tempo do ciclo produtivo, é análogo a medir-se a utilização do sistema como um todo ou sua taxa de produção.

A taxa de utilização das máquinas é determinada pela relação entre o tempo que cada máquina passa efetivamente processando peças e o tempo total do ciclo produtivo.

A taxa de utilização dos transportadores é determinada pela relação entre o tempo que cada transportador passa movimentando-se, carregado ou vazio e o tempo total do ciclo produtivo. Outra taxa que pode ser utilizada é a de utilização efetiva dos transportadores, na qual somente o tempo de uso com carga é computado.

O tamanho das filas das máquinas é fornecido como resultado de uma média ponderada pelo tempo, do número de elementos que se encontrem, ao longo da simulação, naquelas filas. É uma importante medida, diretamente relacionada com detecção de gargalos.

4.7. O Otimizador o método de otimização escolhido foi baseado no uso de GAs.

Faz-se necessário explicitar que os GAs são otimizadores matemáticos, sendo portanto responsáveis apenas pela maximização da função objetivo estabelecida. No caso do modelo proposto, esta função é dada pela resposta do simulador em função das alternativas colocadas.

Os algoritmos otimizadores utilizados foram desenvolvidos em linguagem C++, utilizando o compilador Borland C / C++ 3.0. Este programa é conectado ao Arena, através de comandos de acesso ao sistema operacional MS-DOS 6.2 da Microsoft e por

O Modelo Proposto Para Geração de Scheduling

arquivos externos usados tanto pelo Arena quanto pelo programa de otimização. A listagem encontra-se no ANEXO II.

O esquema de funcionamento dos GAs é mostrado na figura 4.12. Chama-se a atenção para a inicialização do sistema, que necessita da definição de alguns parâmetros. Estes parâmetros são relacionados às características da população (tamanho da população, tamanho das strings, probabilidade de ocorrência de mutação e crossover), à geração de número aleatórios (semente), e ao tamanho do experimento (número de gerações).

Uma vez definidos os parâmetros iniciais, os GAs se encarregam de gerar alternativas para análise. As alternativas iniciais (primeira geração) são baseadas exclusivamente na geração aleatória de indivíduos. A partir destes indivíduos, o sistema procurará otimizar o desempenho baseado no mecanismo de seleção natural, isto é, indivíduos serão gerados a partir de sorteios, que escolherão os pais. Observa-se que indivíduos com maior fltness terão maior probabilidade de cruzamento. Isto faz com que alternativas que não obtiverem sucesso, naturalmente desapareçam, enquanto alternativas, que apresentem um bom desempenho, evoluam, gerando novas alternativas, mantendo parte significante das características dos pais.

Explicado o mecanismo de reprodução, toma-se necessário examinar o mecanismo relacionado ao crossover e à mutação. O mecanismo de crossover aqui utilizado foi o chamado crossover

2. Este mecanismo é baseado na quebra dupla do cromossomo,

isto é, o cromossomo é secionado em duas partes, havendo troca de material genético entre os indivíduos nestas seções. Este algoritmo foi utilizado por ter melhor desempenho, isto é, convergir mais rapidamente para o valor ótimo. Quanto ao mecanismo de mutação, este é baseado na probabilidade de ocorrência do mesmo. Havendo a mutação, a rotina se encarrega

de escolher um dos alelos, alterando sua paridade. A figura 4.14 esquematiza a geração de indivíduos.

A nova população gerada conforme as regias acima, ainda colocada no vetor newpop é transferida então para o vetor oldpop, desencadeando assim o processo geração de nova população. Este processo acaba, quando os indivíduos de uma população apresentarem convergência, isto é, 95% dos indivíduos da população apresentarem mesmo material genético (cromossomos semelhantes). Neste ponto, o valor ótimo dos parâmetros dos controladores é obtido.

inicialização

O Modelo Proposto Para Geração de Scheduling