dc.creator |
LOPES, Guilherme Ferreira |
|
dc.date.issued |
2024-07-10 |
|
dc.identifier.uri |
https://repositorio.unifei.edu.br/jspui/handle/123456789/4110 |
|
dc.description.abstract |
In a globalized context, the decision-making process is crucial for the progress of planned activities. This importance has directly reflected in the pursuit of process improvement, enabling the application of system optimization, specifically through the use of Discrete Event Simulation (DES). However, this research field remains underexplored due to the convergence time of algorithms, as real-world problems present numerous objectives that is often conflicting. In this context, this work proposes a method capable of reducing the search space in Multi-objective Simulation Optimization (MOSO) problems and, consequently, the computational time, obtaining high-quality solutions, identifying the best variation limits for each decision variable, and additionally presenting the decision-maker with the best resource allocation. To achieve this, the proposed method combines DES, the Latin Hypercube Design (LHD) method, and Super-efficiency analysis through Data Envelopment Analysis (DEA) with variable returns to scale (VRS). In this method, the complete search space is represented by the LHD matrix, and based on the scenarios generated by the matrix, the DEA – VRS Super-efficiency method is applied, adopting the new limits for the multi-objective problem. The proposal was applied to two study objects: the first encompasses a logistics sector operation, and the second portrays the process of a multinational leader in construction solutions, with both study objects using real data and presenting distinct levels of complexity. Thus, the first study object showed a 70% reduction in the search space and a 17.44% reduction in computational time. For the second object, there was an 89% reduction in the search space and a 28.71% reduction in computational time. In summary, the proposed method proved to be promising in addressing complex MOSO objects and presented significant results. |
pt_BR |
dc.language |
por |
pt_BR |
dc.publisher |
Universidade Federal de Itajubá |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.subject |
Simulação a eventos discretos |
pt_BR |
dc.subject |
Otimização via simulação multiobjetivo |
pt_BR |
dc.subject |
DEA BCC |
pt_BR |
dc.subject |
Supereficiência |
pt_BR |
dc.subject |
LHD |
pt_BR |
dc.title |
Redução do espaço de busca em problemas de otimização via simulação multiobjetivo utilizando análise envoltória de dados e latin hypercube design |
pt_BR |
dc.type |
Dissertação |
pt_BR |
dc.date.available |
2024-08-08 |
|
dc.date.available |
2024-08-08T13:43:53Z |
|
dc.date.accessioned |
2024-08-08T13:43:53Z |
|
dc.creator.Lattes |
http://lattes.cnpq.br/0256673363135787 |
pt_BR |
dc.contributor.advisor1 |
MIRANDA, Rafael de Carvalho |
|
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/4478766390160865 |
pt_BR |
dc.description.resumo |
Dentro de um contexto globalizado, o processo de tomada de decisão é crucial para o andamento das atividades planejadas. Tal importância tem refletido diretamente na busca pelo aperfeiçoamento dos processos, o que possibilitou a aplicação da otimização dos sistemas, voltando-os ao uso da Simulação a Eventos Discretos (SED). Entretanto, este campo de pesquisa ainda é pouco explorado devido ao tempo de convergência dos algoritmos, uma vez que os problemas reais apresentam inúmeros objetivos, sendo eles conflitantes entre si. Neste contexto, o trabalho propõe um framework capaz de reduzir o espaço de busca em problemas de Otimização via Simulação Multiobjetivo (OvSM) e, consequentemente, o tempo computacional, obtendo soluções de elevada qualidade, identificando os melhores limites de variação para cada variável de decisão e, adicionalmente, apresentar ao tomador de decisão, a melhor alocação dos recursos. Para isso, o framework proposto combina a SED, o método de Latin Hypercube Design (LHD) e a análise de Supereficiência por meio da Análise Envoltória de Dados (DEA) com retornos variáveis de escala (BCC). Neste framework, o espaço de busca completo é representado pela matriz LHD e com base nos cenários gerados pela matriz, o método de Supereficiência DEA – BCC é aplicado, sendo adotados os novos limites do problema multiobjetivo. A proposta foi aplicada a dois objetos de estudos, o primeiro abrange uma operação do setor logístico e o segundo, retrata o processo de uma multinacional líder em soluções para construção civil, de modo que ambos os objetos de estudos utilizaram-se de dados reais e apresentam níveis de complexidades distintos. Desta forma, o primeiro objeto de estudo apresentou uma redução de 70% do espaço de busca e de 17,44% do tempo computacional. Já para o segundo objeto, apresentou uma redução de 89% do espaço de busca e de 28,71% do tempo computacional. Em suma, o framework proposto demonstrou-se promissor ao abordar objetos complexos de OvSM e apresentou resultados significativos. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
IEPG - Instituto de Engenharia de Produção e Gestão |
pt_BR |
dc.publisher.program |
Programa de Pós-Graduação: Mestrado - Engenharia de Produção |
pt_BR |
dc.publisher.initials |
UNIFEI |
pt_BR |
dc.subject.cnpq |
CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUÇÃO |
pt_BR |
dc.relation.references |
LOPES, Guilherme Ferreira. Redução do espaço de busca em problemas de otimização via simulação multiobjetivo utilizando análise envoltória de dados e latin hypercube design. 2024. 118 f. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2024. |
pt_BR |