UM MODELO DE ALGORITMO

GENTICO ALIADO SIMULAO

COMPUTACIONAL PARA APOIO
CONSTRUO DE PROGRAMAS DE
PRODUO NUMA LINHA DE
INSERO DE COMPONENTES
ELETRNICOS EM PLACAS DE
CIRCUITO IMPRESSO.


Manoel Carlos Pego Saisse (INT)
manoelca@int.gov.br



Resumo
O presente trabalho prope um novo modelo para tratamento de
problemas de programao da produo baseado nas tcnicas de
algoritmos genticos aliadas algoritmos de simulao computacional
com programao por capacidade finita. A etapa dee codificao do
cromossomo no algoritmo gentico aqui proposto foi formulada com
base na dimenso temporal do programa de produo, particionando o
horizonte de planejamento em perodos de tempo que representam os
genes do cromossomo. O simulador de capacidade finita atua no
apenas como decodificador dos cromossomos gerados pelo algoritmo
31 de Julho a 02 de Agosto de 2008

IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

2
gentico, mas tambm como aprimorador das solues construdas a
cada nova gerao. O modelo foi codificado em linguagem
computacional e testado num ambiente real de produo, tendo
apresentado resultados expressivamente promissores, tanto no que se
refere qualidade das solues obtidas frente aos objetivos gerenciais
buscados, quando velocidade de gerao destas solues

Abstract
This paper presents a new model for dealing with production
scheduling problems based on genetic algorithms, computer simulation
and finite capacity scheduling. The coding phase of the genetic
algorithm is based on the temporal dimension off the production
schedule. The planning horizon is divided into temporal periods, each
of which represents a gene of the chromosome. The finite capacity
simulator not only translates de chromosomes in terms of the objective
function but also improves the solutions formulated in each new
generation of the genetic algorithm. This model has been codified in
computational language and tested with real production scheduling
data. The results obtained are significantly promising both in terms of
quality and speed of the production schedules generated.


Palavras-chaves: Programao da Produo, Algoritmos Genticos,
Simulao Computacional

IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

3

1. INTRODUO

A expanso da variedade de produtos ofertados e a acelerao da introduo de novos
produtos tem sido uma constante nos mercados modernos de bens manufaturados. Em funo
destas tendncias os planos de produo se tornaram cada vez mais instveis e as alternativas
de produo disponveis no cho de fbrica se ampliaram, o que tornou mais complexa a
tarefa de gesto da capacidade produtiva no curto prazo. Como bem observa Vollmann(2005)
na medida em que passam a lidar com uma variedade cada vez maior de materiais, produtos e
alternativas de processamento o universo de solues possveis para os problemas de
programao da produo tambm se amplia, portanto os sistemas de planejamento e controle
devem se adaptar no sentido de desenvolver uma capacidade de resposta cada vez mais ampla
e rpida.
O presente trabalho prope um novo modelo para tratamento de problemas de
programao da produo baseado nas tcnicas de algoritmos genticos e simulao
computacional. O algoritmo gentico aqui proposto atua em conjunto com um simulador de
capacidade finita para dar suporte ao processo de busca de uma soluo satisfatria de
programao da produo no curto prazo.
Os algoritmos genticos trabalham diretamente com os valores da funo objetivo dos
problemas tratados, o que, lhes d maior flexibilidade quando os objetivos do problema se
alteram com freqncia, na medida em que a esta tcnica evita anlises que envolvam a
estrutura interna do problema. O universo de solues possveis para o problema explorado
a partir de grupos de solues alternativas (diferentemente dos mtodos tradicionais de busca
que analisam uma soluo por vez), o que reduz o risco dos algoritmos serem atrados para
timos locais e os torna mais adequado para navegao em universos de solues complexos,
como o caso daqueles formados pelos problemas reais de programao da produo.
O algoritmo proposto foi desenvolvido a partir de um problema real de produo e
seus primeiros testes demonstraram resultados extremamente promissores, tanto no que se
refere qualidade das solues geradas quanto aos tempos de processamento necessrios para
ger-las.

IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

4

2. UM PROBLEMA REAL DE PROGRAMAO DA PRODUO

A empresa manufatureira cuja linha de produo serviu de referncia para o
desenvolvimento do modelo proposto neste trabalho uma multinacional, lder mundial de
mercado no setor de produtos eletro-eletrnicos. A linha de produo em questo, que
denominaremos daqui por diante de LIAC (Linha de Insero Automtica de Componentes),
localiza-se na cidade de Manaus, no Estado do Amazonas. A LIAC recebe como material
bsico para suas operaes, placas de material polimrico com o desenho do circuito
eletrnico previamente impresso, e componentes eletrnicos (resistores, capacitores, circuitos
integrados), e tem como funo montar, atravs de soldagem e meios mecnicos, os
componentes eletrnicos nas placas formando assim as placas de circuito impresso prontas,
que sero usadas na montagem final dos produtos eletro-eletrnicos.
O programador da produo da LIAC possui longa experincia tanto tcnica como
gerencial. Sua percepo global das possibilidades e limitaes da LIAC foi
significativamente ampliada com o uso de um sistema computacional de apoio programao
da produo baseado em tcnicas de simulao computacional e capacidade finita, adquirido a
cerca de dois anos pela empresa. Mesmo dispondo desta ferramenta, que lhe permite avaliar
rapidamente vrias solues alternativas para os problemas dirios que enfrenta, ele se
ressente do pouco tempo de que dispe para gerar novos programas de produo a partir do
instante em que as necessidades de replanejamento so identificadas. A complexidade do
universo de solues possveis de serem aplicadas a problemas reais de programao da
produo aliada freqncia de replanejamento e a urgncia com que a fbrica demanda
solues para lidar com ambientes de mercado cada vez mais instveis faz com que o
planejador da LIAC seja forado a emitir programas de produo que no atingem a totalidade
das metas pretendidas, o que o leva freqentemente a recorrer a renegociao de alguns
prazos de entrega.
A insero dos componentes eletrnicos nas placas feita por mquinas automticas.
As placas so colocadas nas mquinas manualmente, uma a uma, sendo removidas tambm
manualmente aps o trmino do processamento. Cada mquina recebe uma placa de cada vez.

IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

5
H quatro tipos de mquinas envolvidas no processo de insero de componentes: (i)
Seqenciadores, VCDs, Radiais e SMDs.
Cada mquina possui um horrio de funcionamento que pode ou no ser diferente dos
horrios das demais mquinas, e que previamente conhecido. Os horrios de funcionamento
das mquinas no so contnuos, podendo incluir paradas regulares (almoo e janta), folgas
(domingos e feriados) e paradas programadas eventuais (manuteno preventiva). H um
nmero fixo e previamente conhecido de mquinas de cada tipo. Considera-se que sempre h
um operador disponvel para cada mquina.
Cada placa s processada uma nica vez em cada tipo de mquina. O roteiro de
fabricao de cada placa nico, e deve seguir sempre uma mesma ordem, definida a partir
dos tipos de operao a serem processadas. O roteiro de fabricao de cada placa indica, para
cada tipo de operao, as mquinas especficas nas quais a placa pode ser processada. A
velocidade de processamento das mquinas medida em termos da quantidade de placas que
uma mquina pode processar em uma hora de trabalho contnuo, e varia em funo do modelo
da placa, do nmero e da posio dos componentes eletrnicos a serem inseridos em cada
operao.
Estoques de placas semi-processadas so formados ao final de cada estgio de
fabricao, bem como um estoque de placas prontas ao final da linha de produo. Limitaes
de capacidade de armazenamento destes estoques no so consideradas para efeitos de
montagem do programa de produo.
Parte-se do princpio que os materiais necessrios fabricao das placas (placas e
componentes eletrnicos) estaro sempre disponveis, logo os processamentos referentes ao
primeiro estgio dos roteiros de produo podem ser iniciados sem nenhuma verificao
prvia de disponibilidade de materiais. Para os demais estgios de fabricao, s possvel
iniciar o processamento de uma quantidade Q de placas quando houver, no mnimo, Q placas
do mesmo tipo disponveis no estoque aps processo do estgio imediatamente anterior do
roteiro de fabricao. No incio do horizonte de planejamento so registradas as quantidades
de placas disponveis nos estoques aps processo de cada estgio do roteiro de fabricao.
Estes estoques iniciais de placas semi-processadas so considerados quando do clculo da
demanda de fabricao de cada placa em cada um dos seus estgios de fabricao ao longo do
horizonte de planejamento.

IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

6
As placas so processadas numa estrutura de lotes. Os lotes de processamento (que
definem a quantidade placas de um mesmo tipo que pode ser processada seguidamente por
um mesmo recurso) no possuem tamanho mximo definido, porm, possuem um tamanho
mnimo determinado pelo lote de transferncia de um determinado estgio para o estgio
seguinte. O tamanho do lote de transferncia de cada placa em cada um dos seus estgios de
fabricao um dado de entrada do problema. Como cada recurso s pode produzir, no
mnimo, uma quantidade equivalente a um lote de transferncia de uma placa de cada vez, os
lotes de produo sero sempre mltiplos inteiros dos lotes de transferncia, sendo que, cada
vez que um recurso completa a quantidade equivalente a um lote de transferncia, esta
imediatamente transferida para o estgio seguinte. O repasse das placas prontas do seu ltimo
estgio de processamento para os estoques finais que abastecem a linha de montagem tambm
segue esta mesma lgica.
O material necessrio ao processamento de cada lote de transferncia (placas semi-
processadas at o estgio anterior ao do lote em questo quando o lote no se refere ao
primeiro estgio de um roteiro de processamento) reservado antes do incio do
processamento. Uma vez iniciado, o processamento de um lote de transferncia numa
determinada mquina dever seguir at o fim nesta mesma mquina e no poder ser
interrompido em hiptese alguma.
Diariamente, a linha de montagem requisita dos estoques finais de placas da LIAC as
quantidades de placas definidas no cronograma de produo. Chamaremos de Entregas, s
requisies dirias de placas prontas. Todas as requisies programadas para serem entregues
num mesmo dia so cobradas num mesmo horrio pr-definido, quando a linha de montagem
transfere para seus estoques de materiais as placas requisitadas do estoque final da LIAC. A
esta transferncia chamaremos Pagamento de Entrega.
O nmero mximo de aparelhos que podem ser pagos num determinado instante com
os estoques disponveis de placas prontas determinado pelo menor estoque das placas
prontas que compem o aparelho a ser pago. Assim, se o aparelho RADIO_A utiliza duas
placas, RADIO_A_PLACA1 e RADIO_A_PLACA2 e se, no momento do pagamento de uma
entrega que requisita 800 aparelhos, os estoques e placas prontas apontam uma quantidade de
500 placas RADIO_A_PLACA1 e 800 placas RADIO_A_PLACA2, s ser possvel pagar o
equivalente a 500 aparelhos RADIO_A. As 300 placas prontas RADIO_A_PLACA2 que

IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

7
permanecero nos estoques de placas prontas s podero ser utilizadas em pagamentos do
aparelho RADIO_A quando houver uma quantidade igual de placas prontas
RADIO_A_PLACA1 em estoque.
Se a quantidade de placas prontas disponvel nos estoques finais for menor do que a
requisitada por uma determinada entrega no dia previsto para o seu pagamento, a quantidade
que falta continuar sendo requisitada com prioridade mxima nos dias seguintes, no mesmo
horrio fixo, at que a entrega em questo tenha sido completamente paga.
Consequentemente, o pagamento de uma entrega planejada para um determinado dia s pode
ser iniciado aps o pagamento integral de todas as entregas prevista para o mesmo aparelho
que a antecedem.
Continuando o exemplo acima, suponha que haja uma entrega prevista de mais 400
aparelhos RADIO_A prevista para o dia 9 no cronograma de produo. O pagamento desta
entrega s poder ser iniciado aps a fbrica ter produzido as 300 placas
RADIO_A_PLACA1 que faltam para o pagamento integral da entrega deste mesmo aparelho
prevista para o dia 8.
O cumprimento dos prazos de entrega objetivo fundamental a ser perseguido no
ambiente de produo estudado, portanto, estabeleceremos que os planos de produo gerados
sero avaliados conforme o seguinte ndice de pontualidade :

Entregas Pontuais / Total de Entregas Demandadas no Horizonte de Planejamento

3. ALGORITMOS GENTICOS, SIMULAO COMPUTACIONAL E
PROBLEMAS DE PROGRAMAO DA PRODUO

Uma das maiores dificuldades impostas pelos problemas reais de seqenciamento e
programao de tarefas a enorme complexidade da relao entre as variveis envolvidas e as
solues possveis. Fang et al.(1994), observam que, para problemas de seqenciamento, a
complexidade e o tamanho do universo de possveis solues aliado grande ocorrncia de
timos locais, dificulta a obteno de solues timas em tempo razovel atravs de mtodos
convencionais de busca e/ou inteligncia artificial. Esta caracterstica faz com que mtodos
convencionais enumerativos - tais como branch and bound e programao dinmica que
tentam resolver o problema atravs de um processo de mapeamento do universo de solues

IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

8
seguido da eliminao de solues no timas - se tornem extremamente demorados quanto
aplicados a problemas reais de produo (French, 1982).
Estas dificuldades so freqentemente citadas na literatura como sendo tpicas dos
problemas para os quais os algoritmos genticos oferecem uma alternativa bastante adequada
Goldberg(1989). Com relao complexidade estrutural dos problemas de seqenciamento,
os algoritmos genticos trabalham apenas com os valores da funo objetivo, sem realizar
nenhum tipo avaliao que inclua a explorao da estrutura interna do problema. No que se
refere ocorrncia de timos locais, os algoritmos genticos so especialmente hbeis em
evitar este tipo de armadilha.
Os algoritmos genticos necessitam avaliar um grupo de solues vlidas luz da
funo objetivo do problema a cada nova iterao, por isso, devem atuar em conjunto com
mecanismos de avaliao precisos e rpidos. No caso dos problemas de programao da
produo, os simuladores de capacidade finita podem preencher a funo do mecanismo de
avaliao, uma vez que, os exemplares mais modernos so capazes de gerar um programa de
produo vivel de porte real e avali-lo em poucos segundos (Carvalho & Costa, 2004),
(Sasse & Wilding, 1997), (Saisse, 2001).

4. O CROMOSSOMO TEMPORAL

Para codificar, na forma de uma matriz finita, uma soluo vlida para o problema de
programao da produo descrito anteriormente, tomamos como ponto de partida o conjunto
de programas de trabalho das mquinas envolvidas no problema. Cada um destes programas
de trabalho define os instantes de incio e fim de processamento dos lotes de transferncia
atribudos a cada mquina, e, por excluso, os momentos durante os quais esta dever
permanecer inativa.
Para o problema de programao da produo tratado neste trabalho, todas as possveis
solues ocorrem dentro de um mesmo intervalo de tempo (horizonte de planejamento)
determinado previamente, portanto, optamos por fragmentar este intervalo em perodos de
tamanho fixo.

IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

9

Figura 1- Fragmentao do Horizonte de Planejamento em Perodos

O cromossomo temporal tem a forma de uma matriz de recursos x perodos, onde as
linhas representam os recursos e as colunas os perodos. Cada posio da matriz corresponde
a um par recurso x perodo, e contem informaes que indicam o estado de ocupao do
recurso durante o intervalo de tempo abrangido pelo perodo considerado.
processamento de um lote de
tranferncia do Item l1
Recurso R1
Tempo
P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12 P13
Recurso R2
Recurso R3
processamento de um lote de
transferncia do Item l2
P14 P15 P16 P17
Perodo do
Cromossoma
Temporal
Lote de Transferncia do
Modelo l1 no recurso R1

IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

10
Inicio_de_Tarefa1
Entrega1
Item_1
Fim_de_Tarefa1
Perodo 1
Recurso 1
Perodo 2
Recurso 1
Perodo 3
Recurso 1
. . .
Perodo n
Recurso 1
Perodo 1
Recurso 2
Perodo 2
Recurso 2
Perodo 3
Recurso 2
. . .
Perodo n
Recurso 2
.
Perodo 1
Recurso M
Perodo 2
Recurso M
Perodo 3
Recurso M
. . .
Perodo n
Recurso M
Entrega2
Item_2
.
.
Inicio_de_Tarefa2
Fim_de_Tarefa2
Genes Genes

Figura 2 Genes do cromossomo temporal


Operao_1- Cdigo identificador da primeira operao que atravessa o perodo
Inicio_de_Operao1 - Instante no qual a operao descrita no campo Operao_1
inicia seu atravessamento no perodo considerado
Fim_de_Operao1- Instante no qual a operao descrita no campo Operao_1
termina o seu atravessamento no perodo considerado
Entrega_1 - Entrega relacionada operao descrita no campo Operao_1
Operao_2 - Cdigo identificador da primeira operao que atravessa o perodo
Inicio_de_Operao2 - Instante no qual a operao descrita no campo Operao_1
inicia seu atravessamento no perodo considerado
Fim_de_Operao2 - Instante no qual a operao descrita no campo Operao_1
termina o seu atravessamento no perodo considerado
Entrega_2 - Entrega relacionada operao descrita no campo Operao_2


IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

11

Para determinar o tamanho do perodo, tomamos o conjunto dos dados relativos aos
tempos de processamento de todos os lotes de transferncia definidos para o problema tratado
e calculamos o menor tempo necessrio, Tmin, para processar um lote de transferncia. Na
descrio do problema assumimos que, uma vez iniciado, o processamento de um lote de
transferncia deve seguir at o fim no mesmo recurso, portanto, se estabelecermos o tamanho
do perodo como sendo igual a Tmin, podemos garantir que nenhum perodo ser atravessado
pelo processamento de mais do que duas operaes distintas (veja o perodo 9 do recurso 2 na
figura 1).
As informaes contidas em cada perodo funcionam como ordens de
ativao/desativao com incio e fim definidos, que indicam, para um determinado intervalo
de tempo, se o recurso dever permanecer parado ou se dever estar processando uma
determinada operao. Como o perodo pode envolver at duas operaes distintas,
necessrio dispor de dois grupos de campos identificadores de operao e intervalo de
processamento. Os campos identificadores de operaes informaro quais operaes foram
processadas durante os perodos. Os campos relativos aos intervalos de processamento
informaro os instantes de incio e fim de cada uma das duas operaes processadas durante o
perodo. Alm destes, o perodo conter ainda mais dois campos que armazenaro
informaes sobre as entregas que esto relacionadas a cada uma das operaes que o
atravessam. Estes dois ltimos campos sero discutidos em mais detalhes na prxima seo
deste trabalho.
Apesar de poderem abranger at duas operaes distintas, muitos perodos abrangem
apenas uma operao. Neste caso, apenas os campos de identificao de operaes e de incio
e fim de processamento referentes primeira operao do perodo sero preenchidos. Caso
nenhuma operao esteja sendo executada pelo recurso durante o perodo em questo,
nenhum dos campos do perodo ser preenchido. Por fim, apenas quando o perodo abrange
duas operaes distintas todos os seus campos sero preenchidos.
Os genes so as unidades mnimas de informao que podero ser retiradas de uma
soluo durante o processo de formao de uma nova soluo filha. No caso do cromossomo
temporal, os genes so o conjunto de informaes relacionados a cada perodo (figura 2).

IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

12
Denominaremos genes de produo aos genes que estiverem ligados a um perodo que prev
o processamento de ao menos uma operao. Caso o gene esteja associado a um intervalo de
tempo durante o qual o recurso dever permanecer parado ele ser chamado de gene vazio.

5. A DECOMPOSIO DA FUNO OBJETIVO

A funo objetivo do problema proposto neste trabalho - medida a partir da razo entre
o nmero de entregas pagas no prazo e o total de entregas previstas para serem pagas no
horizonte de planejamento - pode ser decomposta numa srie de objetivos parciais, cada um
dos quais definidos pela busca de pontualidade no pagamento de uma das entregas envolvidas
no problema. Cada um destes objetivos parciais se constitui, portanto, numa entrega isolada,
que pode ser analisada independentemente das demais. Se a entrega foi paga no prazo, trata-se
de um objetivo atingido que representa uma boa caracterstica do indivduo. Quanto mais
boas caractersticas o indivduo conseguir acumular, maior o seu valor. Esta decomposio
da funo objetivo ser muito til, na medida em que, como veremos adiante, o cromossomo
temporal permite que se estabelea uma ligao entre alguns de seus genes e os objetivos
parciais que formam a funo objetivo do problema.

6. O MAPEAMENTO DO CROMOSSOMO TEMPORAL

No cromossomo temporal, possvel estabelecer uma cadeia de relacionamentos que
une os genes de produo funo objetivo do problema. Cada gene de produo est
diretamente ligado a um lote de transferncia. O algoritmo de simulao discreta utilizado no
processo de decodificao permite rastrear cada lote de transferncia e determinar em qual
entrega os seus itens foram utilizados (Nunes & Costa, 2004). Esta relao aplicada ao vetor
de quantidades acumuladas, calculado a partir da frmula apresentada nesta seo, permite
estabelecer uma ligao entre cada gene de processamento do cromossomo e uma entrega.
Com base na ligao identificada entre os genes de processamento e as entregas
previstas, foram estabelecidas duas classes de valor para os genes de processamento: (i)
Genes Promissores - Para que uma entrega qualquer E
j
seja paga no prazo, preciso que

IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

13
todos os itens I
k
por ela demandados atinjam o nvel mnimo de produo acumulada Q
min
(E
j.

I
k
) at a data prevista para o seu pagamento. Conforme citamos acima, o decodificador
utilizado no modelo proposto capaz de estabelecer uma ligao entre cada um dos genes de
produo do cromossomo e uma das entregas envolvidas no problema. Para que um gene seja
considerado promissor, preciso que a entrega E
j ,
que foi paga com os itens I
k
produzidos
em funo da informao contida no gene, tenha sido integralmente paga dentro do prazo
previsto;(ii) Genes Pobres - Se o gene de processamento no atinge a condio da entrega
qual se encontra relacionado ele denominado pobre.
Cabe notar que o conceito de gene promissor pode ser desenvolvido de diferentes
formas. Os genes promissores, como o prprio nome sugere, so aqueles responsveis pelas
boas caractersticas do indivduo, porm o que se considera uma boa caracterstica certamente
varia de acordo com a estrutura do problema considerado.
A classificao de valor dos genes de processamento e o mtodo de mapeamento dos
genes do cromossomo temporal foram desenvolvidos para aumentar a eficincia do operador
de cruzamento. As informaes sobre o mapeamento e o valor do gene podem ser
armazenadas no prprio gene. Para isso servem os dois campos denominados Entrega_1 e
Entrega_2. Cada um deles ser preenchido com o cdigo identificador da entrega E
j
qual o
gene est ligado. Adicionalmente, cabe lembrar que, nos genes de parada, os campos
referentes s entregas permanecero vazios.

7. SELEO E COMPLEMENTARIDADE

Deste ponto em diante, denominaremos genitores s solues que so selecionadas
para serem combinadas e gerarem novas solues. s solues resultantes do cruzamento de
um par de genitores denominaremos solues filhas.
Nesta etapa, os pares para cruzamento sero montados percorrendo-se toda a
populao e buscando, para cada indivduo, o seu complementar em maior grau, que ser o
seu par para cruzamento. Um indivduo IC dito complementar de outro indivduo principal
I P quando, para uma mesma entrega, o nmero de aparelhos pagos na data prevista da entrega

IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

14
em I C maior do que o nmero de aparelhos pagos na mesma entrega em I P. Quanto maior o
nmero de entregas nesta situao, maior o grau de complementaridade entre dois indivduos.
Este procedimento pode resultar na duplicao de pares quando, por exemplo, numa
determinada populao, a soluo B a que apresenta o maior grau de complementaridade em
relao soluo A e, simultaneamente, a soluo A apresenta o maior grau de
complementaridade em relao soluo B. Neste caso, apenas um dos pares formados
submetido ao cruzamento.
Numa populao contendo M indivduos este mtodo de seleo poder formar, no
mximo, M pares para cruzamento - se no houver nenhuma duplicao de par e, no
mnimo, M/2 pares para cruzamento - se todos os pares para cruzamento se duplicam. Cada
par d origem a duas solues filhas que podero ser passadas para a gerao seguinte,
portanto o conjunto de novas solues formadas por cruzamento poder conter de M at 2M
elementos. Para evitar que este processo resulte num crescimento indefinido do tamanho da
populao, estabelecemos que o tamanho de populao ser fixo ao longo de todo o
algoritmo. Quando, para um tamanho fixo de populao M, uma determinada gerao de um
algoritmo gentico temporal contiver a mais do que M indivduos filhos, eles sero ordenados
em ordem decrescente de valor da funo objetivo, e apenas os M primeiros indivduos filhos
sero considerados para realizar os cruzamentos que daro origem prxima gerao.
Os genes responsveis por entregas que tiveram seu pagamento realizado com atraso
no sero transmitidos para o filho. Para orientar o preenchimento dos vazios deixados por
estes genes fracos, cada novo cromossomo montado receber uma lista anexa que conter os
cdigos de todas as operaes ligadas s entregas que no receberam genes durante o
cruzamento. Esta lista, denominada Lista_de_Operaes/Entregas_Crticas, comear a ser
preenchida aps a formao do par para cruzamento, com os cdigos de todas as operaes
ligadas s entregas que se encontram com o pagamento de entrega atrasado em ambos os
genitores.

8. O MTODO DE CRUZAMENTO

O mtodo de cruzamento utilizado neste modelo aplicado sobre cada um dos pares
de solues complementares, formados segundo o mtodo de seleo descrito anteriormente.

IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

15
Cada par de genitores realizar dois cruzamentos, dando origem assim a dois indivduos
filhos. Para formar o primeiro filho um dos genitores, denominado dominante, ser escolhido
para exercer um papel preponderante na transmisso de genes promissores para o filho
enquanto que o outro, denominado recessivo, transmitir ao filho apenas os genes que
complementam as deficincias do genitor dominante. O segundo filho de cada par ser gerado
invertendo-se os papis atribudos aos genitores, ou seja, o indivduo dominante se torna
recessivo e o indivduo recessivo se torna a dominante.
A classificao de valor dos genes de processamento apresentada neste trabalho
permite um melhor aproveitamento da situao de complementaridade dos genitores
resultante do processo de seleo, uma vez que possibilita a identificao dos genes mais
"fortes" de cada indivduo. O genitor recessivo dever contribuir apenas com o que de melhor
ele puder oferecer para reforar as caractersticas do genitor dominante. Para tanto, devero
ser selecionados do genitor recessivo, apenas os genes de processamento promissores para os
quais as entregas correspondentes no genitor dominante estejam atrasadas. Tais genes sero
denominados Complementares, e devem atender s seguintes condies dentro do par
formado para cruzamento: (i) Os itens I
k
fabricados em funo da informao contida no
gene devem ter sido utilizados no pagamento de uma entrega E
j
que foi paga integralmente
dentro do prazo previsto. (ii) A mesma entrega E
j
deve ter tido o seu pagamento integral
realizado com atraso no genitor dominante. Os genes de processamento do genitor recessivo
que no atenderem a estes requisitos sero denominados de Genes No Complementares.
O operador de cruzamento desenvolvido funciona em duas etapas. Na primeira, todos
os genes promissores do genitor dominante so transmitidos para o novo filho. Para tanto, o
operador de cruzamento percorre as linhas dos recursos do cromossomo temporal no sentido
crescente do tempo. Para os genes de processamento, verifica-se se a entrega correspondente
foi integralmente paga dentro do prazo. Caso esta condio se verifique, o gene copiado
para o indivduo filho na mesma posio (instante do horizonte de planejamento) que ocupava
no genitor dominante.
Na segunda etapa do cruzamento so copiados para o novo filho, os genes
complementares o genitor dominante que ocupam posies distintas dos genes promissores
que j lhe foram transmitidos na etapa anterior do cruzamento. Em outras palavras, os genes

IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

16
complementares s podero ocupar, no cromossomo do filho, os espaos de tempo que
permaneceram vazios aps a execuo da primeira etapa de cruzamento.

9. A LISTA DE ENTREGAS CRTICAS

O filho parcialmente formado na primeira etapa no recebe nenhum gene referente s
entregas que no conseguiram ser pagas no prazo no genitor dominante. Na segunda etapa do
cruzamento, os genes complementares transmitidos ao filho pelo genitor recessivo podem no
ser suficientes para cobrir todas as entregas envolvidas no problema. Os pares
(operao,entrega) referentes s entregas que no conseguiram receber genes de nenhum dos
genitores tambm foram so copiados para um vetor denominado
Lista_de_Operaes/Entregas_Crticas, que servir de guia para o preenchimento das
lacunas do cromossomo formado a partir da etapa de cruzamento. Veremos a seguir que este
preenchimento ser realizado pelo algoritmo de simulao discreta, durante a etapa de
decodificao do cromossoma temporal.

10. ESPAOS VAZIOS NO CROMOSSOMO TEMPORAL

Aps a realizao do cruzamento, faz-se necessrio decodificar os cromossomos
resultantes para que se possa avaliar os novos indivduos formados em funo do valor que a
funo objetivo assume em cada um deles. A etapa de decodificao do cromossomo
temporal realizada por um algoritmo de simulao discreta, inspirado na estrutura proposta
por Costa (1996) para um simulador de capacidade finita voltado para ambientes de produo
sob encomenda.
No modelo de algoritmo gentico proposto, o algoritmo de simulao no apenas
decodifica o cromossomo, mas tambm participa ativamente no processo de construo da
nova soluo gerada. A soluo formada aps a etapa de cruzamento apresenta diversos
espaos vazios, portanto, caber ao algoritmo de simulao preench-los tomando como base
as informaes contidas na Lista_de_Operaes/Entregas_Crticas. Este preenchimento
fundamental no s para se tentar cobrir as reas do problema no resolvidas durante o

IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

17
cruzamento, mas tambm para assegurar o bom desempenho dos genes promissores
transmitidos ao filho na etapa de cruzamento.
Durante o processo de decodificao, o algoritmo de simulao executar, sempre que
possvel, os carregamentos ordenados pelo cromossomo. A
Lista_de_Operaes/Entregas_Crticas funciona como uma lista de operaes crticas, que
ordenada em funo da data de entrega. Sempre que o algoritmo de simulao detecta, num
determinado recurso, um espao vazio onde no h carregamentos previstos pelo
cromossomo, ele percorre a Lista_de_Operaes/Entregas_Crticas, buscando encontrar uma
operao que possa ser carregada no recurso sem invadir o espao dos genes promissores. Por
outro lado, sempre que se atinge a quantidade mnima acumulada que uma entrega demanda
de uma operao, o par (operao, entrega) retirado da
Lista_de_Operaes/Entregas_Crticas.
Suponhamos que uma determinada placa P1 seja demandada por seis entregas
consecutivas denominadas respectivamente E1, E2, E3, E4, E5, E6, sendo que E1, E2, E3 e
E6 foram pagas no prazo e E4 e E5 foram pagas com atraso. Suponhamos ainda que, durante
o cruzamento, no se conseguiu transmitir para o filho formado nenhum gene promissor
ligado s entregas E4 e E5. O cromossomo filho apresentar um "vazio" com relao aos
genes que comandam a fabricao de placas para cobrir as entregas E4 e E5, vazio este que
deveria ser coberto pelos carregamentos comandados pela
Lista_de_Operaes/Entregas_Crticas.

E1 E6 E5 E4 E3 E2
t1 t4 t3 t2
Genes promissores
ligados s entregas
E1,E2,e E3
Vazio
(Genes ligados a E4 e
E5 atrasados no
foram copiados)
Genes
promissores
ligados
entrega E6
Incio do
HP
Tempo
Vazio a ser Preenchido com a
Lista De Entregas/Operaes
Crticas

Figura 3 - Vazios resultantes da etapa de cruzamento


IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

18
Por outro lado, a Lista_de_Operaes/Entregas_Crticas atua como uma lista
ordenada, e provavelmente conter, no apenas as operaes relativas s entregas E4 e E5,
mas todos os pares (operao, entrega) crticos que no foram cobertos pelos genes do
cruzamento e que esto ligados a outras placas que no P1. A disputa pelos espaos vazios
pode se dar de uma forma tal que no se consiga pagar a entrega E5 a tempo (antes do instante
t3), o que faria com que os primeiros genes que foram transmitidos originalmente para pagar a
entrega E6 passassem a comandar carregamentos que seriam utilizados para pagar a entrega
E5 com atraso. Neste caso, a entrega E6 passa a ser uma entrega crtica no problema.
Sempre que o algoritmo de simulao projeta o carregamento de um lote de
transferncia decorrente de um gene originrio do cruzamento, ele avalia em qual entrega este
carregamento ser utilizado. Se o lote resultante estiver sendo direcionado para uma entrega
anterior quela a qual o gene estava ligado originalmente no genitor de origem, os comandos
de carregamento desta entrega para o recurso considerado contidos no cromossomo so
cancelados e os pares (operao, entrega) correspondentes so transferidos para a
Lista_de_Operaes/Entregas_Crticas, que tentar carreg-los de uma forma mais intensa
porm atuando em contexto com as demais entregas crticas. No caso do exemplo mostrado
acima, se durante um carregamento decorrente de um gene que estava ligado entrega E6 no
genitor principal, o algoritmo de simulao detecta que o lote resultante encontra-se na faixa
de pagamento de E5, os comandos de carregamento de E5 contidos no cromossomo sero
cancelados para o recurso em questo e a operao, juntamente com a entrega E5, sero
adicionadas Lista_de_Operaes/Entregas_Crticas.

11. AVALIAO DO MODELO PROPOSTO

Para efeitos de teste e avaliao, desenvolvemos uma implementao do Algoritmo
Gentico Temporal em Visual Basic 6. Para leitura de dados de entrada e gravao dos
resultados utilizamos um banco de dados implementado em Microsoft Access. Esta plataforma
a mesma utilizada pelo simulador de capacidade finita See The Future, atualmente
implantado na empresa de referncia. Os testes foram realizados num microcomputador de
tipo PC, com processador Pentium 2.4 GHz e 1 Gb de memria RAM.

IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

19
Optamos por realizar os experimentos de avaliao do Algoritmo Gentico Temporal
com base em dois conjuntos dados extrados de uma situao real de produo na empresa de
referncia. O porte e a complexidade dos problemas representados nestes conjuntos de dados
so muito superiores aos da maior parte dos problemas Benchmark de seqenciamento
(Taillard, 1993). Os dois problemas envolvem um conjunto de 23 mquinas, processando 10
placas pertencentes a 7 aparelhos eletrnicos distintos. Os cronogramas de produo
englobam demandas de mais de 20000 unidades de aparelhos, resultando na programao de
mais de 2900 lotes de transferncia no problema de maior porte. O problema inclui
complicadores tais como horrios de funcionamento de mquinas que incluem paradas dirias
para refeies, roteiros de produo que incluem mquinas alternativas, lotes de produo
variveis, dentre outros fatores.
Os dois conjuntos de dados utilizados para teste envolvem basicamente: (i) Dados
referentes aos recursos produtivos disponveis; (ii) dados referentes aos produtos a serem
fabricados; (iii) O cronograma de produo da fbrica. Os dados referentes aos recursos so
os mesmos nos dois conjuntos de dados, e representam a estrutura da linha de produo da
empresa de referncia, composta por 23 mquinas agrupadas em quatro diferentes grupos, de
acordo com o tipo de operao que so capazes realizar. Os dados de produtos utilizados
tambm foram os mesmos, envolvendo 10 diferentes placas com caractersticas de produo
distintas. A distino entre os dois conjuntos de dados de teste reside nos planos de entrega e
nos estoques iniciais de placas.

IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

20
12. AS SOLUES INICIAIS

Os cronogramas de produo semanais - que formam nos dados de entrada de
demanda da programao de curto prazo - so montados com base num planejamento de
mdio prazo, que considera, de forma agregada, as limitaes de capacidade da fbrica. Disto
resulta que as solues iniciais de programao montadas pelo planejador de produo com o
auxlio de um sistema de capacidade finita aberto apresentam, em geral, padres de
desempenho de pontualidade que atingem ndices superiores a 70% de entregas pontuais. As
maiores dificuldades comeam a surgir quando o planejador tenta se aproximar dos nveis
prximos ao timo de pontualidade da situao de produo corrente. O ciclo de construo
de solues de programao nos sistemas abertos segue a lgica: ajustar novas decises
gerenciais, acionar algoritmo de capacidade finita, avaliar nova soluo gerada. As decises
quase timas, em geral, so muito frgeis uma vez que so concebidas sobre um grande
conjunto de decises gerenciais fortemente interligadas. Estas solues representam timos
locais do universo de busca, que podem dar ao planejador a falsa impresso de que o timo
global j foi atingido. O Algoritmo Gentico Temporal trabalha num nvel de muito mais
especfico do que o que programador da produo quando da tomada das decises gerenciais.
Isto permite que os pontos fortes de cada uma das solues de programao disponveis sejam
precisamente identificados e extrados para serem recombinados na forma de novas solues
aperfeioadas.
Dois conjuntos de quatro solues de programao geradas pelo simulador See The
Future para o problema acima foram utilizados como populao inicial para as corridas do
algoritmo gentico temporal. Cada uma destas solues se constitui num programa de
produo que abrange de cerca de 3000 lotes de transferncia distintos, indicando
precisamente os instantes de incio e fim de processamento de cada um dos lotes, a mquina
responsvel por cada processamento e os tempos de preparao envolvidos. Estas solues
foram construdas pelo planejador da produo responsvel pela linha de produo utilizada
nos testes, utilizando um sistema programao da produo por simulao com capacidade
finita, e serviram de ponto de partida para os testes do algoritmo gentico temporal.

IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

21
13. APRESENTAO E ANLISE DOS RESULTADOS

O algoritmo gentico temporal foi aplicado aos dois problemas descritos
anteriormente com uma populao inicial de 4 indivduos e um total de 10 geraes. O tempo
de processamento do algoritmo gentico temporal para o problema 1 foi de 5 minutos e para o
problema 2, 7 minutos.
Anlise dos Resultados do Problema 1
Mdia de Pontualidade da Populao
80
85
90
95
100
0 1 2 3 4 5 6 7 8 9 10
Gerao

Figura 4 - Evoluo da mdia da pontualidade e do nmero de
aparelhos entregues com atraso no problema 1

Na primeira gerao do algoritmo gentico temporal foi formada uma soluo com
ndice de pontualidade (97%) e nmero de aparelhos entregues com atraso (295), muito mais
favorveis do que os da melhor soluo fornecida na populao inicial (91,1% de
pontualidade e 795 aparelhos entregue com atraso). Esta foi a primeira soluo construda na
primeira gerao do algoritmo gentico temporal. Ela resulta do cruzamento da melhor
soluo inicial com a sua soluo complementar. Em todos os cruzamentos da primeira
gerao a nova soluo obtida apresentou um desempenho de entrega melhor do que o
desempenho do genitor dominante que a gerou. Isto nem sempre se mantm. O primeiro
indivduo da segunda gerao, por exemplo, apresenta um desempenho de pontualidade igual
ao do seu genitor principal, porm seu desempenho de nmero de aparelhos atrasados
inferior. Este mtodo de cruzamento incrementa a ainda diversidade criando novos genes que
podero favorecer a outros indivduos, o que nos levou a dispensar a etapa de mutao. A
Mdia de Aparelhos Entregues com
Atraso
0
1000
2000
3000
0 1 2 3 4 5 6 7 8 9 10
Gerao

IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

22
mdia de pontualidade da populao continua a aumentar at a stima gerao e a mdia de
aparelhos entregues com atraso decai at a terceira gerao.
Na segunda gerao surge, no terceiro indivduo, a melhor soluo desta corrida do
algoritmo gentico, com 97 % de pontualidade e 195 aparelhos entregues com atraso, o que
representa uma reduo de 75 % no nmero de aparelhos atrasados da melhor soluo da
populao inicial.
Anlise dos Resultados do Problema 2





Figura 5 - Evoluo da mdia da pontualidade e do
nmero de aparelhos entregues com atraso no problema 2

No caso do problema 2, a reduo obtida no nmero de entregas pagas fora do prazo
foi de cinco entregas atrasadas, na melhor soluo da populao inicial, para duas entregas
atrasadas, na melhor entrega gerada pelo algoritmo gentico temporal. A reduo no nmero
de aparelhos atrasados no segundo problema atingiu ndice de cerca de 84 % - 2025 aparelhos
entregues com atraso na melhor soluo da populao inicial contra 325 aparelhos entregues
com atraso na melhor soluo gerada pelo algoritmo gentico temporal. Estes resultados, bem
como os do Problema 1 mostram que o algoritmo gentico temporal foi capaz de agir no s
ampliando o ndice global de pontualidade, mas tambm reduzindo o nmero de itens
entregues com atraso.
Mdia de Aparelhos Entregues Com
Atraso
0
2000
4000
6000
0 1 2 3 4 5 6 7 8 9 10
Gerao
Mdia de Pontualidade da Populao
70
75
80
85
90
95
100
0 1 2 3 4 5 6 7 8 9 10
Gerao

IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

23
14. CONCLUSES E POSSVEIS DESDOBRAMENTOS

A idia de particionamento do horizonte de planejamento em intervalos de tempo
discretos representa uma profunda inovao nos mtodos de codificao de algoritmos
genticos aplicados a problemas de seqenciamento. O algoritmo gentico temporal prope
que o tempo seja utilizado como eixo bsico do processo de codificao, o que contribui para
reduzir a ocorrncia de fenmenos aleatrios - disrupo e epistasia - inerentes ao uso dos
algoritmos genticos.
O algoritmo gentico temporal se utiliza do mtodo de codificao baseado no
tempo e na possibilidade de rastreamento do caminho percorrido por cada lote de produo ao
longo do horizonte de planejamento - oferecida pelas tcnicas de simulao discreta utilizadas
nos sistemas de capacidade finita -, para avaliar o grau de contribuio de cada gene do
cromossomo para a funo objetivo de pontualidade. Com isso, foi possvel criar um mtodo
de cruzamento onde os genes a serem transmitidos para os filhos so escolhidos de forma
determinstica, de acordo com a sua contribuio para a funo objetivo.
O mtodo de seleo proposto gera pares para cruzamento onde os indivduos
genitores apresentam caractersticas complementares no que se refere funo objetivo, ou
seja, as caractersticas mais "fracas" de um genitor do par pertencem ao conjunto das
caractersticas "fortes" no seu par de cruzamento.
O Algoritmo Gentico Temporal foi implementado e testado em problemas reais de
produo, de porte e complexidade muito mais elevados do que os tradicionais problemas
benchmark de seqenciamento disponveis na literatura. Nestes testes, o Algoritmo Gentico
Temporal foi capaz de gerar programas de produo aperfeioados demandando um tamanho
de populao e um nmero de geraes expressivamente menor do que os usualmente
utilizados na literatura corrente de algoritmos genticos. O tempo de processamento do
algoritmo gentico temporal nos testes feitos com base em dados reais de produo indica que
ele perfeitamente adequado para o uso em situaes reais de produo.
A estrutura do algoritmo gentico temporal pode facilmente ser adaptada para outros
ambientes de produo que no o abordado neste trabalho. Em determinados ambientes de
produo sob encomenda, onde equipamentos com complexas estruturas de material so

IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

24
fabricados em quantidades reduzidas, o rastreamento do caminho percorrido por cada item de
produo ainda mais simples do que nas estruturas de produo em massa.
O conceito de gene promissor pode tambm ser trabalhado de diferentes formas. No
caso dos ambientes de produo sob encomenda citado acima, o conceito de gene promissor
poderia incluir no apenas os itens ligados a entregas pontuais, mas sim todos os itens cujos
processamentos se encerraram com uma antecedncia tal que seria possvel ainda processar os
demais itens que o sucedem na rvore de material adicionados de um tempo de espera
estimado e ainda assim entregar o produto dentro do prazo previsto. Isto permitiria o
aproveitamento de partes potencialmente promissoras do programa de produo relacionadas
a produtos previstos para serem entregues com atraso.

REFERNCIAS

Carvalho, A. R. N., Costa, R. S., Simulao Computacional para programar as atividades
de produo, Revista Mquinas e Metais, So Paulo, p. 122 - 133, Maro, 2004.
Costa, R. S., Pontualidade Total na Produo sob Encomenda: Conceito, Tecnologia e Uso
da Simulao Computacional na Gesto do Cho-de-Fbrica, Tese de Doutorado,
COPPE/Universidade Federal do Rio de Janeiro, Rio de Janeiro, Brasil, 1996.
Fang, H. F., Genetic Algorithms in Timetabling and Scheduling, Tese de Doutorado,
Universidade de Edimburgo, Edimburgo, Inglaterra, 1994.
French, S., "Sequencing and Scheduling: An Introduction to The Mathematics of the Job
Shop", London, Ellis Horwood Limited, 1982.
Goldberg, D. E., "Genetic Algorithms in Search, Optimisation, and Machine Learning",
United Kingdom, Addison-Wesley Publishing, 1989.
Saisse, M. C. P. ,Wilding, R. Short-Term Strategic Management in Mass Customized
Markets. Logistics Information Management, Inglaterra, Vol 10, Num. 4 e 5, p. 199-207,
1997.
Saisse, M.C. P. Inovao e flexibilidade na produo em massa Uma investigao sobre o
uso de programao evolucionria aliada simulao computacional para apoio

IV CONGRESSO NACIONAL DE EXCELNCIA EM GESTO
Responsabilidade Socioambiental das Organizaes Brasileiras
Niteri, RJ, Brasil, 31 de julho, 01 e 02 de agosto de 2008




IV CNEG

25
programao da produo no curto prazo. Tese de Doutorado, COPPE/Universidade Federal
do Rio de Janeiro, Rio de Janeiro, Brasil.
Taillard, E., (1993), Benchmarks for Basic Scheduling Problems, European Journal of
Operational Research, v. 64, n. 2, pp. 278-285.
Vollman, T. E., Berry, W. L., Whybark, D. C. , J acobs, F. R. Manufacturing Planning &
Control Systems for Sopply Chain Management, NewYork, McGraw-Hill, 2005.