Dissertação

{pt_PT=Dynamic Scheduling using Artificial Bee Colony Algorithm} {} EVALUATED

{pt=Uma revolução industrial está a acontecer e fábricas inteligentes que usam a Indústria 4.0 baseadas em sistemas colaborativos representam o futuro da rede industrial. A indústria 4.0 é baseada na flexibilidade, visibilidade de fábrica e tomadas de decisão optimizidas. Consequentemente, o escalonamento em ambientes dinâmicos tem um papel importante. Através do correcto processamento, são criadas soluções que se adaptam a perturbações e eventos dinâmicos, implicando poupança nos custos e recursos e um aumento da eficiência. Inicialmente, uma técnica de agendamento usando o Algoritmo de Colónia de Abelhas Artificiais foi implementada em ambientes estáticos, combinando diferentes populações iniciais e métodos de produção de novas fontes de comida, incluindo uma técnica de mover operações e um método de procura local aumentando a vizinhança de procura que, como resultado, aumenta a qualidade da solução. O algoritmo foi validado e a performance testada num problema de Produção Flexível. O trabalho é focado em desenvolver ferramentas para processar a informação da fábrica através do desenvolvimento de boas soluções quando encontrando perturbações e eventos dinâmicos. São considerados três eventos em tempo real: o cancelamento de tarefas, o cancelamento de operações e a chegada de novas tarefas. Foram estudados dois cenários, para cada um dos eventos, na primeira situação é minimizada a disrupção entre o escalonamento e o reescalonamento. Por sua vez, a segunda situação gera um completo novo escalonamento. Resumindo, foram desenvolvidas seis heurísticas e as suas performances foram testadas. Finalmente, a principal tarefa do trabalho foi a criação de conjunto de dados para testes dinâmicos. , en=An industrial revolution is happening and smart factories using Industry 4.0 based on collaborative systems represent the future of industrial networks. Industry 4.0 is based on flexibility, factory visibility, and optimized decision-making. Consequently, scheduling in a dynamic environment plays an important role. Through the right processing, solutions which are adapted to the disruptions and dynamic events are created, implying costs and resources saving and an increase in efficiency. First, a scheduling technique using the Artificial Bee Colony Algorithm was implemented for a static environment, combining different initial populations and generation of new food source methods, including a moving operations technique and a local search method increasing the neighborhood search that, as a result, improves the solution quality. The algorithm was validated, and its performance was tested in a static environment for Flexible Job Shop Problem. The work focuses on developing tools to process the information on the factory through the development of good solutions when facing disruptions and dynamic events. Three real-time events were considered on the dynamic environment: jobs cancellation, operations cancellation and new jobs arrival. Two scenarios were studied, for each real-time event, the first situation minimizes the disruption between the previous schedule and the new one. The second situation generate a completely new schedule. Summarizing, six heuristics were created to solve dynamic environment scenarios and their performances were tested. Finally, the main task of the work was the creation of data sets for dynamic testing. }
{pt=Ambiente dinâmico, Chegada Novas Tarefas, Cancelamento Operações, Cancelamento Tarefas, Rescalonamento para Produção Flexível, en=Dynamic environment, New Jobs Arrival, Operations Cancellation, Jobs Cancellation, Flexible Job Shop Rescheduling}

Março 20, 2019, 14:0

Orientação

ORIENTADOR

João Miguel Da Costa Sousa

Departamento de Engenharia Mecânica (DEM)

Professor Catedrático

ORIENTADOR

Susana Margarida da Silva Vieira

Departamento de Engenharia Mecânica (DEM)

Professor Auxiliar