Pesquisa Lúcio Galvão

Lúcio Galvão Mendes é pesquisador do ProLogIS e, além de atuar em projetos do laboratório, está desenvolvendo sua tese de doutorado. Confira o que ele compartilhou conosco sobre a sua pesquisa:

O planejamento e programação do uso de recursos na área da saúde são importantes processos decisórios, pois podem promover a redução dos tempos de espera, aumentar a satisfação dos usuários, além de fornecer ganhos em rentabilidade às organizações. Dentre os recursos presentes para a assistência hospitalar, os leitos são considerados uns dos mais críticos.  À nível operacional, a preocupação de definir quando e em qual leito alocar cada paciente é conhecida como problema de programação da admissão do paciente (patient admission scheduling – PAS), tratado como um problema de otimização. O objetivo da pesquisa consiste na proposição de um modelo para resolução do PAS de forma dinâmica, adaptativa e integrada, utilizando a abordagem de otimização baseada em simulação (simulation-based optimization – SBO). Além disso, a pesquisa visa a integração a um modelo de Machine Learning para a previsão da ocupação de leitos pela demanda não programável (emergencial), de forma a subsidiar o processo de programação.

Com o objetivo de evidenciar o gap da  pesquisa, o primeiro artigo chamado “Hybrid Approach in Bed Planning and Scheduling Decisions: A Literature Review and Future Perspectives” foi apresentado na International Conference of Production Research Americas (ICPR Americas) 2022. O artigo discute sobre a utilização conjunta das técnicas de otimização e simulação no contexto da gestão de leitos hospitalares. O artigo será publicado em breve como parte de livro digital pela Springer Nature Publisher.

Pesquisa Matheus Cardoso

Matheus Cardoso Pires é pesquisador do ProLogIS e, além de atuar em projetos do laboratório, está desenvolvendo sua tese de doutorado. Confira o que ele compartilhou conosco sobre a sua pesquisa:

A visão de empresas trabalhando isoladamente evoluiu para uma visão holística, onde empresas atuam de forma integrada para manter sua competitividade no mercado. Para adquirir vantagem competitiva, o planejamento integrado pode aprimorar o desempenho global do sistema. Devido às interdependências existentes, a consideração integrada dos processos de produção, transporte e controle de estoque pode melhorar o desempenho geral do sistema produtivo.

Para lidar com cenários tão complexos de otimização em um ambiente tão dinâmico e incerto, foi proposto um método de otimização integrada baseado em simulação para o planejamento do estoque de matérias primas, da produção e da entrega, capaz de lidar com tais sistemas complexos envolvendo grande número de elementos e variáveis, dentro de ambientes dinâmicos contendo diversas variáveis estocásticas.

A pesquisa já rendeu a publicação do seguinte artigo: Matheus C. Pires, Enzo M. Frazzon, Djonathan Quadras, Eike Broda, Michael Freitag (2020). Simulation-Based Optimization for the Integrated Control of Production and Logistics: A Performance Comparison. Disponível em: https://lnkd.in/eZgqMBDz

A tese está disponível no link: https://repositorio.ufsc.br/handle/123456789/251686

Pesquisa Ícaro Agostino

Ícaro Agostino é pesquisador do ProLogIS e, além de atuar em projetos do laboratório, está desenvolvendo sua tese de doutorado. Confira o que ele compartilhou conosco sobre a sua pesquisa intitulada “Modelo para Planejamento e Controle Síncrono de Sistemas Distribuídos de Manufatura”:

A pesquisa objetiva desenvolver um modelo para gerenciamento em tempo real de sistemas distribuídos de manufatura considerando as tecnologias da indústria 4.0. O modelo em desenvolvimento combina utilização de Simulação de Eventos Discretos com dados em Tempo real utilizando tecnologias IoT em conjunto com heurísticas de otimização para programação e reprogramação de múltiplas ordens de produção em um cenário com centros de manufatura distribuídos geograficamente.

A pesquisa, que ainda está em desenvolvimento, já rendeu a publicação do seguinte artigo: AGOSTINO, Icaro Romolo Sousa et al. Dynamic production order allocation for distributed additive manufacturing. IFAC-PapersOnLine, v. 53, n. 2, p. 10658-10663, 2020 (esse artigo tem a primeira versão do modelo com um caso reduzido). Disponível em: https://lnkd.in/dQVMbP5q.

Pesquisa Maurício Randolfo

Maurício Randolfo Flores é pesquisador do ProLogIS e, além de atuar em projetos do laboratório, está desenvolvendo sua tese de doutorado. Confira o que ele compartilhou conosco sobre a sua pesquisa:

A pesquisa está inserida no contexto logístico portuário e aborda, especificamente, o problema da sincronização do fluxo logístico de contêineres. A ocorrência de eventos disruptivos, como a chegada desbalanceada de caminhões na área portuária pode acarretar congestionamento, longos tempos de espera, diminuição da eficiência operacional e aumento dos custos para os usuários do serviço portuário. Dessa forma, o objetivo da tese é desenvolver um sistema inteligente baseado em algoritmo de Machine Learning para identificar antecipadamente a chegada de caminhões fora do horário agendado, por meio de monitoramento da localização da transportadora em tempo real, e propor reagendamento dinâmico. Ainda, a pesquisa busca inserir na simulação computacional as consequências da interação humana com tecnologia, a partir da avaliação de decisões tomadas por gestores logísticos baseadas em dados decisórios extraídos do sistema de reagendamento inteligente proposto.

O primeiro artigo apresentando o framework conceitual da solução proposta é intitulado “Human-centric decisions for the Integrated Planning of Smart Port Systems” e foi aprovado e será apresentado na International Conference on Human Interaction & Emerging Technologies (IHIET), que ocorrerá em Nice/França em agosto de 2023.

Ficou interessado no assunto da pesquisa e quer saber mais sobre? Vale a pena conferir o artigo citado!

Pesquisa Djonathan Quadras

Djonathan Quadras é pesquisador do ProLogIS e, além de atuar em projetos do laboratório, está desenvolvendo sua tese de mestrado, apresentada da seguinte forma:

Em ambientes industriais dinâmicos e voláteis, o planejamento eficaz da produção é crucial para alcançar objetivos específicos de fabricação, especialmente considerando a alocação de recursos limitados. Além disso, o desgaste das máquinas impacta a qualidade e a disponibilidade dos produtos. Nesse contexto, a integração inteligente das atividades de manutenção com o sequenciamento e despacho das ordens de produção é fundamental. A pesquisa destaca a relevância dos algoritmos de Reinforcement Learning no planejamento integrado da produção e manutenção. Embora existam diversos métodos de otimização de sistemas produtivos, os algoritmos de Reinforcement Learning têm se mostrado promissores. Com base em um cenário real, esta pesquisa tem como objetivo geral comparar modelos de Reinforcement Learning, visando aprimorar o despacho de ordens de produção e atividades de manutenção. Os resultados contribuem para a eficiência e competitividade da indústria, proporcionando uma gestão mais inteligente e integrada dos processos produtivos.