SUPPORT VECTOR MACHINE PARA METAMODELAGEM EM PROBLEMAS DE OTIMIZAÇÃO VIA SIMULAÇÃO

Favoritar este trabalho
Como citar esse trabalho?
Detalhes
  • Tipo de apresentação: Trabalho completo (oral)
  • Eixo temático: 18. SIM – Simulação
  • Palavras chaves: Otimização via simulação; Machine Learning; Simulação a Eventos Discretos;
  • 1 Universidade Federal de Itajubá

SUPPORT VECTOR MACHINE PARA METAMODELAGEM EM PROBLEMAS DE OTIMIZAÇÃO VIA SIMULAÇÃO

João Victor Soares do Amaral

Universidade Federal de Itajubá

Resumo

Com o advento da indústria 4.0 os sistemas produtivos tendem a necessitar cada vez mais de ferramentas que possibilitem a análise e tomada de decisões com o menor tempo possível. Neste sentido, ferramentas de otimização via simulação baseadas em metamodelos surgem como uma promissora alternativa aos métodos convencionais de otimização em simulação. Esta pesquisa busca avaliar a integração entre as técnicas de machine learning, metamodelagem e OvS para solução de problemas reais da indústria, estudando a aplicabilidade do algoritmo Support Vector Machine para metamodelagem para otimização em um modelo de simulação a eventos discretos. Na construção, treino e otimização do metamodelo foi possível observar uma redução de 99,08% no tempo demandado para geração de todo espaço de soluções, encontrando um valor para a função objetivo superior ao benchmark gerado pelo software de otimização SimRunner®.

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!