@MASTERSTHESIS{ 2024:1584279152,
 	title = {Escalonamento de Produção em Manufatura em Rede: uma abordagem multicritério utilizando aprendizagem por reforço},
 	year = {2024},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/5666",
 	abstract = "Um controle eficiente de fabricação desempenha um papel fundamental na capacidade da indús-
 tria manufatureira de atender às crescentes demandas por produção personalizada, caracterizada
 por rápidas mudanças nas preferências dos clientes. Para otimizar configurações de manufatura
 flexíveis e altamente automatizadas, é essencial incorporar decisões autônomas no planejamento
 e execução da produção. Contudo, o desenvolvimento de um controle de fabricação resiliente e
 proativo, capaz de antecipar mudanças repentinas na prática industrial, é um desafio. Isso exige
 ferramentas inteligentes de programação da produção. Diversas tecnologias orientadas a dados
 têm sido adotadas em pesquisas de programação da produção, dentre as quais a aprendizagem
 por reforço destaca-se por sua capacidade de mapear observações do ambiente para ações que
 melhoram o desempenho. Esta dissertação apresenta um framework de aprendizagem por reforço
 para resolver o problema de programação da produção com eventos dinâmicos em uma unidade
 local de uma rede de manufatura auto-otimizada, visando encontrar um cronograma de produção
 ótimo. O algoritmo de aprendizagem por reforço treina um agente para capturar a relação entre
 as informações do chão de fábrica e os critérios a serem atingidos, tomando decisões em tempo
 real em um sistema sujeito a eventos inesperados. Propõe-se um cenário de validação no qual
 o agente aceita demandas de produção considerando prioridades em relação a três critérios
 (econômico, sustentabilidade e variabilidade), dada a carga do sistema e os possíveis atrasos e
 perdas financeiras. Para isso, um ambiente de aprendizagem por reforço é implementado com
 software de código aberto de última geração. O ambiente, projetado como um problema de
 agente único, permite que o agente decida quais demandas produzir a cada passo de tempo. A
 função de recompensa, projetada para orientar o agente, equilibra a influência de cada critério
 com um fator de priorização. Implementam-se três algoritmos de Aprendizagem por Reforço:
 Deep Q-Network (DQN), Proximal Policy Optimization (PPO) e PPO Recorrente. O DQN é
 um algoritmo off-policy baseado em Q-learning que utiliza uma rede neural para aproximar a
 função Q. O PPO é um algoritmo on-policy baseado em gradiente de política, com destaque
 para sua estabilidade e eficiência. O PPO Recorrente incorpora memória, tornando-o adequado
 para problemas com dependências temporais, como o agendamento dinâmico. A abordagem
 de aprendizagem por reforço é avaliada comparando suas soluções com dados simulados. Os
 resultados demonstram que a abordagem gera cronogramas mais lucrativos e personalizados, ou
 mais sustentáveis, dependendo do critério. O desempenho do agente é influenciado pelo fator de
 priorização na função de recompensa.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET},
 	note = {DEPARTAMENTO DE INFORMÁTICA/CCET}
}