Universidade Federal de Santa Catarina Florianpolis SC - Brasil www.producaoonline.inf.br ISSN 1676 - 1901 / Vol. 6/ Num.

3/ dezembro 2006

APRIMORAMENTO DA PRODUTIVIDADE DE SISTEMAS DE MANUFATURA E APLICAO DE ALGORITMOS GENTICOS NA SOLUO DE PROBLEMAS DE AGRUPAMENTOS CELULARES IMPROVEMENT OF THE PRODUCTIVITY IN MANUFACTURE SYSTEMS AND APPLICATION OF GENETIC ALGORITHMS IN THE SOLUTION OF PROBLEMS OF CELLULAR GROUPINGS

Antnio Srgio Coelho Professor Doutor em Engenharia de Produo Universidade Federal de Santa Catarina Programa de Ps Graduao em Engenharia de Produo R. Dep. Antnio Edu Vieira, 1304, Apto 102 B. 048 33317058 coelho@deps.ufsc.br

Rogrio Malta Branco Professor Doutorando em Engenharia de Produo Universidade Federal de Santa Catarina Programa de Ps Graduao em Engenharia de Produo Rua Douglas Seabra Levier, 163, apto 402 bloco E 048 84049515 rogerio.branco@gmail.com Gislene Salim Rodrigues Professora Mestre em Engenharia de Produo Universidade Tecnolgica Federal do Paran Coordenao de Automao de Processos Industriais Rua Douglas Seabra Levier, 163, apto 402 bloco E 048 3238 1518 - g_salim_r@hotmail.com

Revista Produo Online, Florianpolis, v.6, n.3,p.116, set./dez., 2006

Universidade Federal de Santa Catarina Florianpolis SC - Brasil www.producaoonline.inf.br ISSN 1676 - 1901 / Vol. 6/ Num. 3/ dezembro 2006

RESUMO A necessidade de uma melhora constante na qualidade de bens e servios imprime s indstrias de manufatura o aprimoramento nas suas habilidades de fabricao, dadas s exigncias de um mercado cada vez mais competitivo. Com este intuito, utiliza-se a Tecnologia de Grupo, atravs da Anlise de Fluxo de Produo (AFP). Resultantes destes procedimentos, famlias de peas sero identificadas e devero ser processadas em determinadas mquinas. Este processo de organizao combinatria NP rduo, classe de problemas sem soluo em tempo polinomial. Entretanto, pode-se obter solues eficientes para problemas de tamanho razovel com o uso de heursticas. Este trabalho prope a aplicao da Tecnologia de Grupo, pela AFP, a fim de obter layouts celulares. Para a formao de clulas de manufatura, utiliza-se os algoritmos genticos na soluo de problemas de agrupamento de mquinas/peas, considerando matrizes incidncia binrias ou com tempos de processamentos definidos, bem como tamanhos de lotes de peas. Palavras-chave: Tecnologia de grupo, Algoritmos genticos, Manufatura celular. ABSTRACT The necessity of a constant improvement in the quality of goods and services prints to the manufacture industries the improvement in its abilities of manufacture, given to the requirements of a market each more competitive time. With this intention, it is used Technology of Group, through the Production Flow Analysis (PFA). Resultants of these procedures, families of parts will be identified and will have processed in determined machines. This organization process with combinatorial nature is a NPhard problem without solution in polynomial time. However, efficiently solutions can be obtained for these problems of reasonable size with heuristic approaches. This work considers the application of Group Technology, by PFA, in order to get cellular layouts. To the formation of manufacture cells, genetic algorithms are used in the solution of machines-parts grouping problems, considering binary or process-time-defined incidence matrix, as well as sizes of lots of parts. Key-words: Group tecnology, Genetic algorithms, manufacturing cells.

1. INTRODUO

Diante da crescente competio internacional, fruto da globalizao de mercado e conseqentemente das exigncias dos consumidores, os fabricantes tm buscado tcnicas que otimizem a produo, garantindo qualidade, a menores custos, com alta flexibilidade e alta produtividade, bem como produo em pequenos lotes. Santos e Arajo (1999), consideram que cerca de 75% das peas produzidas nas indstrias metalrgicas so em lotes menores que
Revista Produo Online, Florianpolis, v.6, n.3,p.117, set./dez., 2006

Universidade Federal de Santa Catarina Florianpolis SC - Brasil www.producaoonline.inf.br ISSN 1676 - 1901 / Vol. 6/ Num. 3/ dezembro 2006

50 peas, apontando uma tendncia a lotes pequenos e diversificados, o que torna importante um planejamento de produo eficiente, haja visto que em alguns casos 95% do tempo gasto para produzir uma pea pode dar-se em movimentao pela fbrica e espera ao p da mquina, formando filas longas em funo de gargalos. Neste contexto, a Tecnologia de Grupo (TG) desponta como princpio cientfico na melhora da produtividade de sistemas de manufatura em lotes, onde diferentes tipos de produtos com volumes pequenos, so produzidos em lotes pequenos (WON e LEE, 2001). Ribeiro & Miguelati (2002) consideram que fabricar famlias de peas em clulas ou ilhas, resulta em uma maior automatizao, com reduo do tempo de preparao das mquinas, padronizao das ferramentas em uso e reduo dos ciclos de fabricao. Assim, com o layout de manufatura celular resultante da aplicao da TG em processos produtivos, obtm-se as tabelas de incidncia mquina/pea, sejam binrias ou que considerem o tempo de processamento mquina/pea, bem como o tamanho dos lotes de peas. Tais tabelas, ou matrizes, necessitam de organizao otimizada, relacionando mquinas e clulas. Os algoritmos baseados em heursticas apresentam-se como formas eficientes na busca destas solues de agrupamento, uma vez que tais agrupamentos so de natureza combinatria de tempo no-polinomial para processamento, ou seja, so NP-arduos. Com a aplicao deste algoritmo baseado em tcnicas evolutivas, promove a busca de solues eficientes e/ou eficazes para o problema do agrupamento de mquinas/peas em clulas, na elaborao do layout celular, considerando-se como entradas as matrizes mquinas/peas. Em se tratando de meta-heursticas, a aplicao dos AGs permite a obteno de solues quase-timas para os arranjos mquinas/peas agrupadas em clulas, com base nos ndices de eficincia e eficcia do agrupamento propostos por Zolfaghari e Liang (2002).

2. TECNOLOGIA DE GRUPO E O PROBLEMA DA FORMAO CELULAR

A Tecnologia de Grupo (TG), conceituada por Mitrofanov no trabalho Scientific Principle of Group Technology consiste em agrupar peas com similaridade geomtrica em famlias, fabricadas em uma nica mquina. Burbidge (1971a, p.390) a popularizou como uma abordagem da produo em lotes, baseada no uso do layout em grupo. Segundo Gallagher e Knight (1986), a TG um princpio de manufatura que identifica e designa peas e processos semelhantes ou relacionados, tirando vantagens destas similaridades durante todos os estgios de projeto e manufatura. A definio dos atributos Revista Produo Online, Florianpolis, v.6, n.3,p.118, set./dez., 2006

Universidade Federal de Santa Catarina Florianpolis SC - Brasil www.producaoonline.inf.br ISSN 1676 - 1901 / Vol. 6/ Num. 3/ dezembro 2006

constitui, portanto, a base da aplicao da TG. Santos e Arajo (1999) relacionam os atributos forma geomtrica, funo das peas e planos de processos para as mesmas. Lorini (1993) considera que a clula de manufatura, que processa famlias de peas em mais de uma mquina, a evoluo do conceito de Mitrofanov. As atuais necessidades de mercado primam por maior eficincia na manufatura, com linhas de produo mais flexveis. Dimopoulos e Mort (2001) salientam neste contexto os Sistemas de Manufatura Flexveis (SMF), aplicados no aprimoramento das requisies de flexibilidade em vrios aspectos dos procedimentos de manufatura. Entretanto, o passo inicial para um SMF a Manufatura Celular (MC), que consiste na aplicao da TG em um processo de manufatura, resultando num novo layout, agora celular. No layout celular, as mquinas so organizadas em clulas, sendo que cada uma capaz de processar as operaes de manufatura de uma ou mais famlias de peas. Quando neste layout, seu processo de formao denominado agrupamento mquina/pea. Como forma de obter as clulas tecnolgicas mencionadas, a TG imprime, pela Anlise do Fluxo de Produo (AFP), a seqncia de alguns passos bsicos. A Figura 1 ilustra a tcnica AFP e suas etapas sucessivas.

Figura 1: Etapas da Anlise do Fluxo de Produo Fonte: adaptado de Araujo (1998, p.38)

Revista Produo Online, Florianpolis, v.6, n.3,p.119, set./dez., 2006

Universidade Federal de Santa Catarina Florianpolis SC - Brasil www.producaoonline.inf.br ISSN 1676 - 1901 / Vol. 6/ Num. 3/ dezembro 2006

Segundo Burbidge (1971a), na AFP que so classificadas todas as rotas de processos e produo de peas, descobrindo-se famlias de peas que j usam o mesmo grupo de mquinas ou que possam ser facilmente re-encaminhadas. 2.1 Anlise de Fluxo de Produo Burbidge (1971b) considera a AFP como nico mtodo bsico usado na produo de peas, onde o detalhamento de projeto no importante e tendo aplicao em qualquer caminho da fbrica. composto pelas anlises: do fluxo de fbrica, de grupo e de linha. Segundo Lorini (1993), a AFP analisa a seqncia de operao e o caminho que a pea percorre atravs das mquinas dentro da fbrica. As peas so agrupadas atravs das rotas comuns, onde o fluxo de cada componente independente do tamanho ou formato. Como pode ser observado na Figura 1, a AFP divide-se em algumas etapas, melhor descritas a seguir, conforme Burbidge (1971a e 1971b). Um exemplo mais detalhado de aplicao de cada uma das etapas a seguir pode ser observado no estudo de Rodrigues (2004). 2.1.1 Anlise do Fluxo de Fbrica (AFF) Nesta etapa, objetiva-se melhor dividir a fbrica e encontrar o maior departamento de processamento, possibilitando oferecer um simples sistema de fluxo de material interdepartamental. O plano de processo completo necessrio para cada componente, revelando a necessidade de uma srie de operaes usadas para fazer cada pea em todos os departamentos. Para cada rota ou caminho, dado o nmero de rota do processo (NRP), indicando os departamentos visitados. A dificuldade desta etapa est associada migrao de algumas peas de um grupo de departamento (de operaes ou prestao de servios), para outro. Venkumar e Noorul Haq (2006) consideram estes componentes envolvidos em movimentos entre clulas, como excepcionais. 2.1.2 Anlise de Grupo (AG) Visando a melhor diviso dos componentes (peas) em famlias, e, das mquinas em grupos, promove-se a anlise dos planos de processos feitos para os componentes de cada departamento.
Revista Produo Online, Florianpolis, v.6, n.3,p.120, set./dez., 2006

Universidade Federal de Santa Catarina Florianpolis SC - Brasil www.producaoonline.inf.br ISSN 1676 - 1901 / Vol. 6/ Num. 3/ dezembro 2006

Nesta fase, utiliza-se uma matriz incidncia de mquinas/peas para cada departamento, onde o sistema obtm as clulas tecnolgicas, por unidade produtiva (departamentos), Arajo (1998, p.41). Aps a migrao para o sistema celular, as peas que so excees, novamente sero identificadas e eliminadas. Na Figura 2(a) tem-se exemplo de matriz mquina x pea binria, resultante do processo de anlise de grupo. Observa-se na Figura 2(b) o resultado de um procedimento de organizao celular, onde mquinas e famlias de peas so designadas a grupos ou clulas.

(a)

(b)

Figura 2: Exemplos de matrizes (a) de incidncia binria e (b) agrupamento celular. Fonte: Adil e Ghosh (2005, p. 1403-1404) 2.1.3 Anlise de Linha (AL) Nesta etapa, objetiva-se uma seqncia de layout para as mquinas com arranjo prximo ao em linha. Arajo (1998) prev o estabelecimento de rotas de utilizao das mquinas para cada clula(s) em cada departamento, na organizao do layout de cada clula. 2.2 Tcnicas de cluster Para os agrupamentos, diversas tcnicas podem ser utilizadas. Lorini (1993) menciona: programao matemtica; tcnicas baseadas em arranjos (Ranked Order Clustering e o Bond Energy Analysis); agrupamentos hierrquicos e tcnicas heursticas. Dimopoulos & Mort (2001) acrescentam mtodos matriciais e aproximaes utilizando grafos e heursticas. Os problemas de agrupamentos de mquinas baseados em matrizes incidncia mquina-pea binrias so considerados NP-rduo, dada sua natureza combinatria. Ainda assim, como para o aumento das variveis do problema como para o caso maior onde tem-se
Revista Produo Online, Florianpolis, v.6, n.3,p.121, set./dez., 2006

Universidade Federal de Santa Catarina Florianpolis SC - Brasil www.producaoonline.inf.br ISSN 1676 - 1901 / Vol. 6/ Num. 3/ dezembro 2006

matrizes com os tempos de processamento e tamanhos de lote, a complexidade computacional ir aumentar tambm de forma no polinomial (ZOLFAGHARI E LIANG, 2002). No intuito de promover solues ao problema, diversos mtodos, heursticas e noheursticas tem sido aplicados. Em casos de matrizes bem estruturadas, mtodos como teoria de grafos, algoritmos genticos, simulated annealing e busca tabu esto sendo aplicadas para dispor de solues aproximadas (VENKUMAR E NOORUL HAQ, 2006). 2.3. Manufatura celular No tocante a criao de famlias de peas e clulas de mquinas, Chandrasekharan & Rajagopalan (1986) organizam uma matriz binria com peas nas colunas e mquinas nas linhas, orientados pelas folhas de processos, como visto na Figura 2. Autores como King (1980), Kusiak (1987), Wei & Kern (1989), Lorini (1993), Adil, et alii (1996), Won & Lee (2001) e Adil e Ghosh (2005) utilizam matrizes binrias, onde seus elementos a(ij) relacionam a pea i com a mquina j. Assumindo valor 1, h incidncia e a pea ser processada na mquina. Caso contrrio, no h processamento. Na etapa de formao celular, Lorini (1993) alerta para a importncia no controle do tamanho dos agrupamentos devido a: limitao do espao fsico; tipo de sistema de movimentao; o tamanho dos lotes de fabricao e o nmero de operadores em cada clula. Ele acrescenta que a FC reduz os tempos improdutivos, 95% do tempo total necessrio da produo em um sistema tradicional. Apenas 5% equivale ao tempo na mquina. Segundo Rodrigues et alii (2003), com a TG promovendo a otimizao dos processos produtivos e, a organizao de layout celular sendo parte integrante desta filosofia, dispor de ferramentas rpidas e eficientes para a transio de layouts, certamente so bem aceitas pelos profissionais do setor. Isto desejvel, principalmente se os problemas de agrupamentos dispuserem matrizes mquinas/peas com tempos de processamento e lotes, aliado a quantidade de cada item.

3. INDICADORES DE PERFORMANCE NA FORMAO CELULAR

A performance dos agrupamentos celulares pode ser observada pelo uso de ndices de eficcia e eficincia, o que permite aprimorar o agrupamento, servindo como funoobjetivo a ser maximizada, em termos de programao matemtica. Revista Produo Online, Florianpolis, v.6, n.3,p.122, set./dez., 2006

Universidade Federal de Santa Catarina Florianpolis SC - Brasil www.producaoonline.inf.br ISSN 1676 - 1901 / Vol. 6/ Num. 3/ dezembro 2006

De acordo com Dimopoulos e Mort (2001) e Zolfaghari e Liang (2002), muitos ndices de performance tem sido estudados e propostos na literatura em questes que envolvem problemas de agrupamento de mquinas. Existem os seguintes ndices citados comumente na literatura para medio de performance nos agrupamentos envolvendo matrizes binrias mquina-pea: eficincia de agrupamento, (Chandrasekharan e Rajagopalan, 1986); eficcia de agrupamento, (Kumar e Chandrasekharan, 1990). Os ndices (, , g, g) foram descritos, juntamente com a notao necessria, como segue, por Zolfaghari e Liang (2002), para aplicao com algoritmos genticos: Notao i j r k t ed eo td to tjmx Lj Mr Nr Nc r g g ndice de mquinas, i=1, 2, ..., M; ndice de peas, j = 1, 2, ..., N; ndice de clulas, r = 1, 2, ..., R; ndice de cromossomos, k = 1, 2, ..., K; ndice de iterao; nmero de operaes em clulas; nmero de operaes fora das clulas; total de tempo de processamento em clulas; total de tempo de processamento fora das clulas; total de tempo de processamento da pea tipo j; tamanho do lote da pea tipo j; nmero de mquinas na clula r; nmero de peas na clula r; Nmero de pontos de crossover no mtodo AG; grupo de peas designado para a clula r; eficincia de agrupamento; eficincia de agrupamento generalizado; eficcia de agrupamento; eficcia de agrupamento generalizado;

Abaixo segue os ndices de eficincia e eficcia a serem utilizados pelo algoritmo gentico como funo objetivo: Eficincia de agrupamento = q 1 + (1 q ) 2 ,
(1)

onde q um fator de peso variando entre 0 e 1, 1 realiza a medio da densidade de 1s nos agrupamentos da diagonal da matriz binria e 2 mede a densidade de 0s fora dos agrupamentos da diagonal da referida matriz binria. So assim definidos:

Revista Produo Online, Florianpolis, v.6, n.3,p.123, set./dez., 2006

Universidade Federal de Santa Catarina Florianpolis SC - Brasil www.producaoonline.inf.br ISSN 1676 - 1901 / Vol. 6/ Num. 3/ dezembro 2006
R

M
q=
r =1

Nr , ,
Nr eo
R

M N
ed
R

(2) (3)

1 =

M
r =1

2 = 1

(4)

M N M r Nr
r =1

Eficcia de agrupamento:

ed
R

(5)

eo + M r N r
r =1

No que diz respeito aos problemas de agrupamentos de mquinas que envolvem matrizes timed, ou tambm chamados problemas de agrupamento abrangentes, sero empregados os ndices generalizados de eficincia e eficcia, sugeridos nos trabalhos de Zolfaghari e Liang (2002): Eficincia de agrupamento generalizado:

g = q g d + (1 q g ) o ,

(6)

onde qg um fator de peso variando entre 0 e 1, d realiza a medio da densidade de tempos de processamento nas clulas e o mede a escassez de tempos de processamento fora de clulas, sendo respectivamente apresentados a seguir:
R

M
r =1

L j t max j
j =1 j r N

qg =

M L j t max j
j =1

(7)

d =

td
R

M
r =1

N r

,
max j

(8)

Lj t
j =1 j r

Revista Produo Online, Florianpolis, v.6, n.3,p.124, set./dez., 2006

Universidade Federal de Santa Catarina Florianpolis SC - Brasil www.producaoonline.inf.br ISSN 1676 - 1901 / Vol. 6/ Num. 3/ dezembro 2006

o = 1

to M L j t max M r L j t max j j
j =1 r =1 j =1 j r N R N

(9)

Eficcia de agrupamento generalizado: g = td

R r =1 N

,
max j

(10)

to + M r L j t
j =1 j r

importante mencionar que quando os tempos de processamento e tamanhos de lote forem iguais para todas as peas, as duas medies (g e g) sero reduzidas para as medies binrias de eficincia de grupo e eficcia de grupo ( e ), de tempo computacional menor.

4. ALGORITMOS GENTICOS APLICADOS NA FORMAO CELULAR

Os algoritmos genticos (AG) so algoritmos de busca baseados nos mecanismos da seleo natural e gentica. Eles combinam sobrevivncia do indivduo entre outros indivduos, com estruturas de cadeia criadas, inicialmente de forma aleatria. Os primeiros trabalhos nesta linha so originrios de Holland (1975), objetivando replicar os processos utilizados pelos sistemas auto-adaptativos em um contexto computacional. Na verdade, seus objetivos eram fundamentar uma teoria geral de sistemas e adaptao robusta, contudo encontrando uma excelente aplicao prtica na determinao de mximos e mnimos de funes matemticas. Os AGs diferem dos diversos mtodos heursticos por apresentar um grupo de caractersticas distintas: operar em um conjunto de pontos (populao) e no a partir de pontos isolados; operar em um espao de solues codificadas e no diretamente no espao de busca; necessitam como informao, somente o valor de uma funo objetivo (funo de adaptabilidade, ou fitness); usam transies probabilsticas e no regras determinsticas (GOLDBARG E LUNA, 2000). Em linhas gerais, uma populao inicial criada (o cromossomo de cada indivduo criado randomicamente) e o valor de adaptao (fitness) calculado para cada indivduo. Operadores genticos so aplicados a indivduos selecionados probabilisticamente, com base nos seus fitness, e uma nova gerao de indivduos criada. Contudo, a evoluo de novas
Revista Produo Online, Florianpolis, v.6, n.3,p.125, set./dez., 2006

Universidade Federal de Santa Catarina Florianpolis SC - Brasil www.producaoonline.inf.br ISSN 1676 - 1901 / Vol. 6/ Num. 3/ dezembro 2006

geraes tambm conduzida pela insero de pares de cromossomos na populao corrente usando crossover e mutao. Apenas os cromossomos que apresentarem melhores fitness tero mais chances na seleo. Este procedimento ir se repetir at que o critrio de finalizao seja atingido. Um algoritmo elucidativo ser proposto mais adiante. Na aplicao ao problema de agrupamento de mquinas, quatro ndices de medio de performances foram anteriormente apresentados por Zolfaghari e Liang (2002) e podem ser utilizados para o clculo do fitness (, , g, g). Os cromossomos denotam solues factveis para o problema, e seu comprimento ser igual quantidade de mquinas apresentada na matriz MxN. Cada gene da string do cromossomo equivale a uma clula e cada locus denota uma mquina. Assim, ficam duas informaes contidas em cada posio da string do indivduo, como visto na Figura 3.

Figura 3: Exemplo de gentipo (cromossomo de indivduo) ou soluo codificada

Fonte: prpria
Conforme mencionado, dois operadores sero aplicados no AG: crossover e mutao. O crossover determina o mecanismo de combinao de dois cromossomos existentes e cria dois filhos. J a mutao, refere-se a mudanas randmicas nos genes, para escapar de mximos locais e garantir acesso a qualquer soluo do espao. O algoritmo gentico relativo ao problema do agrupamento de mquinas descrito a seguir, conforme Zolfaghari e Liang (2002) e Goldberg (1989):

Passo 1: Inicializao
Ler o tamanho da populao, K, e taxa de mutao, pm. Inicializar cromossomos pela gerao de tantas solues factveis quanto o tamanho da populao.

Passo 2: Clculo do fitness

Calcular os valores de fitness de cada indivduo da populao.

Passo 3: Seleo dos pais

Revista Produo Online, Florianpolis, v.6, n.3,p.126, set./dez., 2006

Universidade Federal de Santa Catarina Florianpolis SC - Brasil www.producaoonline.inf.br ISSN 1676 - 1901 / Vol. 6/ Num. 3/ dezembro 2006

Selecionar

randomicamente

dois

cromossomos

da

populao,

considerando a probabilidade de escolha associada ao fitness de cada um.

Passo 4: Gerao de descendncia

Empregando o operador crossover, gerar dois cromossomos a partir dos pais selecionados no passo 3.

Passo 5: Fim da gerao de descendncia

Repetir os passos 3 e 4 se o tamanho da gerao de descendentes for < K; caso contrrio, ir para o passo 6.

Passo 6: Mutao
Para cada indivduo da populao, varrer os elementos de cada cromossomo, modificando-os randomicamente, com probabilidade pm.

Passo 7: Clculo do fitness

Calcular o fitness para os cromossomos descendentes.

Passo 8: Finalizao
Caso o critrio de finalizao tenha sido alcanado, parar; caso contrrio, dirigir-se ao passo 3. Zolfaghari e Liang (2002) investigaram os efeitos do tamanho da populao, taxas de mutao e nmeros de pontos de crossovers na qualidade das solues. Observaram que grandes populaes e pequenas taxas de mutao tendem a melhorar a performance dos AGs na soluo de problemas de agrupamentos de mquinas abrangentes, em detrimento ao fato de que o nmero de pontos para crossovers no afetou significativamente tal qualidade. Como sugesto, os autores estimam para algumas variveis do AG: tamanho da populao (K) = 5M; taxa de mutao (pm) = 2%; nmero de crossovers (Nc) = 1.

5. CONIDERAES FINAIS

Com o objetivo principal de otimizar o sistema produtivo, parte-se por aplicar a TG, principalmente a AFP em processos fabris de interesse. Resultante em uma manufatura celular tem-se as vantagens da flexibilidade dos job-shops e a eficincia dos flow-shops, alm da reduo na complexidade no controle (VIN, DE LIT E DELCHAMBRE, 2005). Na AFP, aps estudo de freqncia de uso das mquinas, identificao de mquinas gargalo, estudo de rotas de processos para as peas e do teste de carregamento das mquinas, ter-se- como Revista Produo Online, Florianpolis, v.6, n.3,p.127, set./dez., 2006

Universidade Federal de Santa Catarina Florianpolis SC - Brasil www.producaoonline.inf.br ISSN 1676 - 1901 / Vol. 6/ Num. 3/ dezembro 2006

resultado uma matriz de incidncia mquinas/peas (binria) ou uma matriz abrangente de mquinas/peas, caso sejam considerados em relao primeira, tempos de processamento das peas nas mquinas e tamanho de lotes. Na anlise destas matrizes, diversas tcnicas vm sendo empregadas, variando das formas algbricas, programao matemtica, grafos e heursticas. Para Santos e Arajo (1999), referindo-se a Kussiak, o tamanho do problema resultado da quantidade de mquinas e peas presentes nestas matrizes, existindo uma escolha natural dos melhores algoritmos de TG para a soluo e otimizao da planta em termos de eficincia de agrupamentos, tempos de execuo, etc. O presente trabalho apresenta, portanto, uma estrutura para o aprimoramento dos sistemas de manufatura e tambm a soluo de problemas de formao de clulas, baseandose nos algoritmos genticos. Dimopoulos e Mort (2001), em seus estudos, permitem que se obtenha resultados bastante animadores em termos de tempo de processamento e eficincia ou eficcia nos agrupamentos de porte pequeno e mdio, como define Kusiak (1990).

Figura 3: Visualizao das matrizes: (a) mquina/pea e lotes e (b) soluo mquina/pea.

Fonte: prpria
Na Figura 3 tm-se duas telas de um programa desenvolvido para aplicao computacional do AG apresentado, referindo-se a matriz de entrada e a soluo encontrada, j com os respectivos agrupamentos celulares. Assim, uma vez que a TG promove uma otimizao dos processos produtivos, e que a organizao de um layout celular parte integrante desta filosofia de aprimoramento, dispor
Revista Produo Online, Florianpolis, v.6, n.3,p.128, set./dez., 2006

Universidade Federal de Santa Catarina Florianpolis SC - Brasil www.producaoonline.inf.br ISSN 1676 - 1901 / Vol. 6/ Num. 3/ dezembro 2006

de ferramentas rpidas e eficientes para garantir uma transio de layouts sem este tipo de concepo, certamente so bem aceitas pelos profissionais do setor, principalmente se os problemas de agrupamentos disporem de matrizes mquinas/peas com tempos de processamento e lotes, aliando-se ainda a quantidade de cada item. evidente que a organizao celular no o nico passo da implantao de TG em um processo produtivo, assunto muito bem tratado por Santos e Arajo (1999), mas pea fundamental para promover, alm das redues de custo nas operaes de movimentao, ajuste ou espera, tambm o aprimoramento das habilidades dos operadores, a melhoria do controle de ferramentas, planejamentos simplificados, diminuio de tempos de fluxo e aumento nas relaes humanas.

Revista Produo Online, Florianpolis, v.6, n.3,p.129, set./dez., 2006

Universidade Federal de Santa Catarina Florianpolis SC - Brasil www.producaoonline.inf.br ISSN 1676 - 1901 / Vol. 6/ Num. 3/ dezembro 2006

REFERENCIAS
ADIL, G. K. & GHOSH, J. B. Forming GT cells incrementally using GRASP. The International Journal of Advanced Manufacturing Technology, Vol. 26, n. 11-12, Nov. 2005. ARAJO, L. O. J. Sistema de tecnologia de grupo: um estudo de caso utilizando anlise

do fluxo da produo. 1998. Dissertao (Mestrado em Tecnologia) Programa de PsGraduao do Centro Federal de Educao Tecnolgica de Minas Gerais, CEFET/ MG, Belo Horizonte. BURBIDGE, John L. Production Planning. London: William Heinemann, 1971a. ___. Production Flow Analysis. The Production Engineer, p. 139 -152, april-may, 1971b.

CHANDRASEKHARAN, M. P. & RAJAGOPALAN, R. An ideal seed non-hierarchical

clustering algorithm for cellular manufaturing. International Journal of Production

Research, Vol.24, p.451-464, 1986.

DIMOPOULOS C. & MORT N. A Hierarchical Methodology Base don Genetic

Programming for the Solution of Simple Cell-formation Problems. International Journal

of Production Research, Vol.39, n.1, p.1-19, 2001

GALLACHER, C.C. & KNIGHT, W.A. Group Technology Production Methods in

Manufacturing. John Willey & Sons. England, 1986

GOLDBARG, M. C. & LUNA, H.P.L. Otimizao Combinatria e Programao Linear. Campus. Rio de Janeiro, 2000.

GOLDBERG, D. E. Genetic Algorithms in Search, Optimization, and Machine Learning. U.S.A.: Addison-Wesley publishing company, inc, 1989.

Revista Produo Online, Florianpolis, v.6, n.3,p.130, set./dez., 2006

Universidade Federal de Santa Catarina Florianpolis SC - Brasil www.producaoonline.inf.br ISSN 1676 - 1901 / Vol. 6/ Num. 3/ dezembro 2006

HOLLAND, J. H., Adaptation in Natural and Artiicial Systems. Ann Arbor: University of Michigan Press, 1975.

KUMAR, C. S. & CHANDRASEKHARAN, M. P. Grouping efficacy: a quantitative

criterion for goodness of block diagonal forms of binary matrices in group technology.
International Journal of Production Research, Vol.28, p.233-243, 1990.

KUSIAK, A. Intelligent Manufacturing Systems. Series in Industrial and Systems Engineering. Prentice Hall Internatinal. USA, 1990.

LORINI, Flvio J. Tecnologia de grupo e organizao da manufatura. Florianpolis: Ed. da UFSC, 1993.

RIBEIRO, J.F.F. & MEGUELATI, S. Organizao de um sistema de produo em clulas

de fabricao. Gesto & Produo, v.9, n.1, p. 62-77, 2002.

RODRIGUES, G. S., BRANCO, R. M., ROSA, L. C. Tecnologia de grupo: algoritmos

genticos na soluo de problemas de agrupamentos celulares de mquinas e peas. In:

XXIII Encontro Nacional de Engenharia de Produo, 2003. Ouro Preto, 2003. Anais[ CDRom]. Ouro Preto, ABEPRO, 2003.

RODRIGUES, G.S. Tecnologia de grupo: uma proposta de arranjo celular para sistemas

produtivos. Santa Maria, 2004. Dissertao (Mestrado em Engenharia de Produo)

Programa de Ps-Graduao em Engenharia de Produo, Universidade Federal de Santa Maria.

SANTOS, N. R. & ARAJO, L. O. J. Sistema de Tecnologia de Grupo: um estudo de caso

atravs de anlise do fluxo da produo. Produo, Vol.9, n.1, p.65-82, 1999.

VENKUMAR, P. & NOORUL HAQ, A. Fractional cell formation in group technology

using modified ART1 neural networks. The International Journal of Advanced

Manufacturing Technology, Vol. 28, n. 7-8, p. 761-765, Abril, 2006 Revista Produo Online, Florianpolis, v.6, n.3,p.131, set./dez., 2006

Universidade Federal de Santa Catarina Florianpolis SC - Brasil www.producaoonline.inf.br ISSN 1676 - 1901 / Vol. 6/ Num. 3/ dezembro 2006

VIN, E. & DE LIT, P. & DECHAMBRE, A. A multiple-objective grouping genetic

algorithm for the cell formation problem with alternative routings. Journal of Intelligent
Manufacturing, Vol. 16, p.189205, 2005. WEI, J. C. & KERN, G. M. Commonality analysis: a linear cell clustering algorithm for

group technology. International Journal Production Research, v.27, n.12, p.2053-2062, 1989.

WON, Y. & LEE K. Group technology cell formation considering operation sequences

and production volumes. International Journal of Production Research, Vol.39, n.13,

p.2755-2768, 2001.

ZOLFAGHARI S. & LIANG M. Comparative Study of Simulated Anneling, Genetic

Algorithms and Tabu Search for Soving Binary and Comprehensive Machine-grouping Problems. International Journal of Production Research, Vol.40, n.9, p.2141-2158, 2002.

Revista Produo Online, Florianpolis, v.6, n.3,p.132, set./dez., 2006