1. Biblioteca Digital de Monografias
  2. CAMPUS DO BACANGA
  3. Curso de Graduação em Ciência da Computação do Campus do Bacanga
  4. TCCs de Graduação em Ciência da Computação do Campus do Bacanga
Use este identificador para citar ou linkar para este item: http://hdl.handle.net/123456789/3460
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorSANTOS, Alex Newman Veloso dos-
dc.date.accessioned2019-05-31T20:13:30Z-
dc.date.available2019-05-31T20:13:30Z-
dc.date.issued2016-04-06-
dc.identifier.urihttp://hdl.handle.net/123456789/3460-
dc.descriptionAbstract The high competition in industry has broaden the search for more effective and low cost manufacturing processes. Production plans have become more complexes, evaluating a higher number of variables and involving considerable risks. In this scenario, production line decision-making is the game changer to achieve high lucrativity or suffer huge losses in the future. Pattern sequencing problems emerge from the most various industry sectors. Evolutive hybrid algorithms have excelled for being successfully applied to solve this type of problem. This work presents an adaptive fuzzy control for the population of the Training Population Algorithm - TPA, specifically for applications related to pattern sequencing. Following the development, a series of experiments were conducted. The population behaviour plots show a control’s proper working. Results obtained are similar to other approaches.pt_BR
dc.description.abstractA alta competitividade industrial tem estimulado a busca por processos de manufatura mais efetivos e baratos. Os planos de produção têm-se tornado cada vez mais complexos, avaliando um número maior de variáveis e envolvendo riscos consideráveis. Neste cenário, a tomada de decisões na linha de produção é fator determinante para se obter alta lucratividade ou amargurar prejuízos no futuro. Problemas de sequenciamento de padrões surgem nas mais variadas searas da indústria. Algoritmos evolutivos híbridos destacam-se por terem sido aplicados com sucesso na solução deste tipo de problema. Este trabalho propõe um controle adaptativo fuzzy para a população do Algoritmo de Treinamento Populacional - ATP, específico para aplicações relacionadas ao sequenciamento de padrões. Após o desenvolvimento, uma série de experimentos com problemas-teste foi executada. Gráficos do comportamento da população apontam para um bom funcionamento do controle. Os resultados obtidos são comparáveis a outras abordagens.pt_BR
dc.description.sponsorshipConselho Nacional de Desenvolvimento Científico e Tecnológico - CNPqpt_BR
dc.language.isootherpt_BR
dc.publisherUniversidade Federal do Maranhãopt_BR
dc.subjectSequenciamento de Padrões;pt_BR
dc.subjectControlador fuzzypt_BR
dc.subjectAlgoritmo evolutivo híbrido difusopt_BR
dc.subjectPattern sequencingpt_BR
dc.subjectFuzzy logic controllerpt_BR
dc.subjectEvolutive hybrid fuzzy algorithmpt_BR
dc.titleAlgoritmo evolutivo híbrido difuso aplicado a problemas de sequenciamento de padrõespt_BR
dc.title.alternativeDiffuse hybrid evolution algorithm applied to pattern sequencing problemspt_BR
dc.typeOtherpt_BR
Aparece nas coleções:TCCs de Graduação em Ciência da Computação do Campus do Bacanga

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
ALEX-SANTOS.pdfTrabalho de Conclusão de Curso1,11 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.