Jonas Carvalho - Academia.edu (original) (raw)

Papers by Jonas Carvalho

Anais do 14º Simpósio Brasileiro de Automação Inteligente, 2019

In today's industry, the search for process optimization has become increasingly common, but ofte... more In today's industry, the search for process optimization has become increasingly common, but often this practice is quite complex given the number of variables involved, as in the case of defining the most productive work teams from a heterogeneous group of workers. In situations like this, the use of the metaheuristic genetic algorithm becomes attractive, since it provides a reliable solution in an acceptable computational time. In this context, this paper modeled a problem of definition of work teams in a wagon maintenance workshop, where based on historical performance data of the teams, the genetic algorithm indicated an optimized solution 22% better than the random work team selection. Resumo: Na indústria atual a busca pela otimização de processos tem sido cada vez mais constante, porém muitas vezes tal prática mostra-se extremamente complexa dada a quantidade de variáveis envolvidas, exemplo disso é a partir de um grupo heterogêneo de trabalhadores definir um conjunto ótimo de duplas de trabalho de forma que a produtividade coletiva seja a maior possível. Em situações como esta, o uso da metaheurística algoritmo genético torna-se bastante atrativa, uma vez que a mesma permite otimizar problemas complexos em tempo computacional e qualidade de solução aceitáveis. Neste contexto, este artigo modelou um problema de definição de equipes de trabalho em uma oficina de manutenção de vagões, onde a partir de dados históricos de desempenho das equipes, o algoritmo genético indicou uma solução otimizada 22% melhor quando comparada com a escolha aleatória de equipes de trabalho.

Anais do 14º Simpósio Brasileiro de Automação Inteligente, 2019

In today's industry, the search for process optimization has become increasingly common, but ofte... more In today's industry, the search for process optimization has become increasingly common, but often this practice is quite complex given the number of variables involved, as in the case of defining the most productive work teams from a heterogeneous group of workers. In situations like this, the use of the metaheuristic genetic algorithm becomes attractive, since it provides a reliable solution in an acceptable computational time. In this context, this paper modeled a problem of definition of work teams in a wagon maintenance workshop, where based on historical performance data of the teams, the genetic algorithm indicated an optimized solution 22% better than the random work team selection. Resumo: Na indústria atual a busca pela otimização de processos tem sido cada vez mais constante, porém muitas vezes tal prática mostra-se extremamente complexa dada a quantidade de variáveis envolvidas, exemplo disso é a partir de um grupo heterogêneo de trabalhadores definir um conjunto ótimo de duplas de trabalho de forma que a produtividade coletiva seja a maior possível. Em situações como esta, o uso da metaheurística algoritmo genético torna-se bastante atrativa, uma vez que a mesma permite otimizar problemas complexos em tempo computacional e qualidade de solução aceitáveis. Neste contexto, este artigo modelou um problema de definição de equipes de trabalho em uma oficina de manutenção de vagões, onde a partir de dados históricos de desempenho das equipes, o algoritmo genético indicou uma solução otimizada 22% melhor quando comparada com a escolha aleatória de equipes de trabalho.