| Summary: | O objetivo desta tese foi desenvolver um procedimento para projeto de arranjo físico modular. O procedimento usa um algoritmo genético de agrupamento para gerar módulos de arranjo físico em manufatura. Um módulo é um grupo de máquinas com um fluxo característico. O algoritmo genético de agrupamento (AGA) permite ao usuário especificar a priori o número desejado de módulos (problema de K-agrupamentos), e também trabalhar de forma que o número e formação dos módulos seja uma otimização do problema (problema de agrupamento automático). Uma característica importante do AGA é sua flexibilidade, pois fornece possibilidade ao usuário de dirigir seu raciocínio através da escolha de diferentes codificações do cromossomo, de funções de aptidão para avaliar a qualidade da solução, de medidas de similaridade para comparação de seqüências de operações e de métodos de geração da nova população. Para tal foram desenvolvidos três operadores de cruzamento e quatro operadores de mutação. Os experimentos permitiram avaliar o comportamento do AGA com diferentes operadores e configurações de parâmetros, através do número de vezes em que a melhor solução foi encontrada. Os módulos de arranjo físico gerados pelo AGA e o arranjo físico final da fábrica foram comparados aqueles da principal referência encontrada na bibliografia em projeto de arranjo físico modular. No arranjo físico final da fábrica, elaborado a partir das soluções do AGA, houve importante redução da distância total percorrida pelo conjunto de peças, demonstrando a eficácia do algoritmo genético de agrupamento. Dessa forma, os resultados apontaram o algoritmo genético de agrupamento como uma alternativa à geração de módulos de arranjo físico em projeto de arranjo físico modular. === The objective of this thesis was the development of a procedure to the design of modular facility layouts. The procedure uses a clustering genetic algorithm to generate layout modules. A module is a group of machines with a specific patterned flow. The clustering genetic algorithm (CGA) allows the specification of the desired number of modules (K-grouping problem) and also the optimization of the number of modules (automatic clustering problem). The genetic algorithm is very flexible and the user can guide his reasoning. It supplies different options of chromosome encoding, generation of the initial population, fitness function to evaluate the solution quality, different similarity measures for comparison of operation sequences and methods for generation of the new population. Three crossover operators and four mutation operators have been developed. The experiments have allowed evaluating the behavior of the CGA with different operators and parameters configurations, through the number of times in which the best solution was found. The layout modules generated by the CGA and the block layout were compared with the main reference which was found in literature in the design of modular facility layouts. In the block layout elaborated from the solutions of the CGA there was an important reduction of the total distance traveled by the set of parts, demonstrating the effectiveness of the clustering genetic algorithm. The results indicated that the clustering genetic algorithm is an alternative for generation of layout modules in the design of modular facility layouts.
|
|---|
