Please use this identifier to cite or link to this item: http://www.repositorio.ufop.br/handle/123456789/10820
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorSouza, Marcone Jamilson Freitaspt_BR
dc.contributor.advisorChagas, Jonatas Batista Costa daspt_BR
dc.contributor.authorAquino, Roberto Dias-
dc.date.accessioned2019-03-26T13:55:19Z-
dc.date.available2019-03-26T13:55:19Z-
dc.date.issued2018-
dc.identifier.citationAQUINO, Roberto Dias. Abordagem exata e heurísticas para o problema de planejamento de ordens de manutenção de longo prazo : um estudo de caso industrial de larga escala. 2018. 95 f. Dissertação (Mestrado em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2018.pt_BR
dc.identifier.urihttp://www.repositorio.ufop.br/handle/123456789/10820-
dc.descriptionPrograma de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto.pt_BR
dc.description.abstractEste trabalho propõe uma modelagem de programação linear inteira mista e algoritmos meta-heurísticos para um problema real de planejamento de manutenção de longo prazo para uma planta de beneficiamento de minério de ferro no Brasil. Este é um problema complexo de programação de ordens de manutenção preventiva, para o qual é necessário atribuir ordens de manutenção preventiva para as equipes de trabalho disponíveis em um horizonte de 52 semanas. Foi desenvolvido um modelo de programação inteira mista e os resultados foram utilizados como um benchmark. Como o modelo não foi capaz de resolver a instância real, foram propostos algoritmos meta-heurísticos para resolvê-la. Esses algoritmos foram baseados nos métodos Simulated Annealing, Variable Neighborhood Search, Multi-Start, Biased Random-Key Genetic Algorithm e algoritmos meméticos. Os algoritmos heurísticos desenvolvidos foram capazes de resolver a instância real, assim como melhorar a maioria dos resultados das instâncias de dimensões menores, levando a novos benchmarks.pt_BR
dc.language.isopt_BRpt_BR
dc.rightsabertopt_BR
dc.subjectProgramação - matemáticapt_BR
dc.subjectProgramação heurísticapt_BR
dc.subjectOtimização combinatóriapt_BR
dc.titleAbordagem exata e heurísticas para o problema de planejamento de ordens de manutenção de longo prazo : um estudo de caso industrial de larga escala.pt_BR
dc.typeDissertacaopt_BR
dc.rights.licenseAutorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 25/03/2019 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho desde que sejam citados o autor e o licenciante.pt_BR
dc.contributor.refereeSouza, Marcone Jamilson Freitaspt_BR
dc.contributor.refereeChagas, Jonatas Batista Costa daspt_BR
dc.contributor.refereeCarvalho, Marco Antonio Moreira dept_BR
dc.contributor.refereeSouza, Sérgio Ricardo dept_BR
dc.description.abstractenIn this work we propose a Mixed Integer Linar Programming (MILP) model and metaheuristic approaches for the long-term maintenance programming of an iron ore processing plant of a company in Brazil. The problem is a complex maintenance programming where machine preventive programming orders have to be assigned to the available work teams over a 52-week planning. In order to evaluate our solution we developed a general mixed integer programming model and used the numerical results as the benchmark. As the proposed model was not able for solving the real instance, then we have also proposed metaheuristic approaches based on Simulated Annealing, Variable Neighborhood Search, Multi-Start, Biased Random-Key Genetic Algorithm and Memetic Algorithms. The proposed metaheuristic approaches were able to solve the real instance and also improved most of the small instances leading to new benchmarks.pt_BR
Appears in Collections:PPGCC - Mestrado (Dissertações)

Files in This Item:
File Description SizeFormat 
DISSERTAÇÃO_AbordagemExataHeurísticas.pdf1,77 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons