Resumo:
Esta pesquisa estuda um dos mais complexos e importantes problemas na área de sequenciamento de produção: os sistemas job shop flexíveis, o qual pertence à classe de problemas matematicamente intratáveis, denominados NP-hard. O aludido sistema é de suma importância para a indústria que utiliza a estratégia de produção make to order e busca flexibilidade de mix e volume. Existe uma demanda atual pela robustez do método de sequenciamento. O mesmo deve ser eficaz perante a problemas inesperados do cotidiano, que afetam a eficiência da sequência inicial definida. Além disso, deve-se considerar tempos estocásticos e buscar atingir mais objetivos de produção simultaneamente. Sendo assim, esta pesquisa realizará o sequenciamento por meio da simulação, que deverá sequenciar as ordens de produção no início do processo e re-sequenciar quando necessário, a fim de se buscar um modelo mais robusto aos problemas cotidianos e procurando melhorar mais indicadores ao mesmo tempo, isso porque modelos tradicionais tendem a ser mais sensíveis a eventos inesperados. Para isso, o referido sistema precisará usar agentes dentro de modelos de Simulação a Eventos Discretos, formando um modelo de Simulação Híbrida. O objetivo é avaliar como o agente dentro do modelo pode ajudar na resposta a estes eventos, adicionando robustez ao mesmo, além de deixa-o mais acessível aos usuários. A pesquisa é de caráter quantitativo, utilizando o método de modelagem e simulação, seguindo um modelo empírico normativo. A contribuição científica é gerada no modelo final que é mais robusto a eventualidades e tem um foco mais abrangente. Além disso, esta maneira de modelar traz uma interface amigável para inserir modificações, o que melhora a integração com os usuários mais despreparados. A validação do modelo consiste na comparação de seus resultados com os resultados do gráfico de Gantt. Depois disso, foram feitas comparações dos resultados obtidos com e sem re-sequenciamento. Primeiro, com o agente utilizando uma lógica de sequenciamento e depois também a utilizando, porém com ajustes na sequência durante a produção dos lotes, buscando responder a eventos e neutralizar os pontos negativos da lógica inicial através do re-sequenciamento. Frisa-se que essa programação garante que o agente “Gerente” reduza o makespan e aumente a utilização das máquinas quando aumenta sua interferência no modelo.
