Integração da análise envoltória de dados multicritério e arranjo hipercubo latino para a redução do espaço de busca em problemas de otimização via simulação

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSilva, Aneirson Francisco-
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.contributorDias, Érica Ximenez-
Autor(es): dc.creatorAlcântara , Mariane Gonçalves-
Data de aceite: dc.date.accessioned2025-08-21T17:27:59Z-
Data de disponibilização: dc.date.available2025-08-21T17:27:59Z-
Data de envio: dc.date.issued2025-07-02-
Data de envio: dc.date.issued2025-05-20-
Fonte completa do material: dc.identifierhttps://hdl.handle.net/11449/311663-
Fonte completa do material: dc.identifierhttp://lattes.cnpq.br/3648927116078387-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/311663-
Descrição: dc.descriptionA Otimização via Simulação tem sido amplamente utilizada para apoiar a solução de problemas complexos em diversas áreas, como manufatura, logística e cadeia de suprimentos. Porém, à medida que a complexidade do problema aumenta — em função do número de variáveis de decisão, dos limites destas variáveis e do número de funções a serem otimizadas —, a elevada carga computacional e o tempo necessário para avaliar os múltiplos cenários de simulação representam desafios significativos. Neste contexto, esta tese propõe uma sistemática para redução do espaço de busca em problemas de Otimização via Simulação, por meio da combinação entre Análise Envoltória de Dados Multicritério, especificamente o modelo NewMCDEA, associada ao conceito de supereficiência, técnicas de delineamento de experimentos, incluindo Arranjos Hipercubo Latino, e a Simulação de Eventos Discretos. O objetivo do método é identificar os melhores limites para cada variável de decisão do modelo de otimização. A sistemática opera da seguinte forma: inicialmente, são gerados cenários experimentais com base no Arranjo Hipercubo Latino; posteriormente, esses cenários são simulados, e suas eficiências são avaliadas pelo modelo New-MCDEA com supereficiência, o qual ranqueia os cenários e identifica uma fronteira eficiente. Com base nesse ranqueamento, os limites das variáveis de decisão são redefinidos, resultando em um espaço de busca reduzido, mais promissor para a otimização final. A metodologia foi aplicada a cinco objetos de estudo, incluindo um problema de otimização multiobjetivo, e validada por meio da comparação entre os resultados obtidos na otimização no espaço de busca reduzido e no espaço de busca completo. A aplicação do método proposto possibilitou uma redução média de 92% no espaço de busca e 58% no tempo computacional necessário para a otimização, sem comprometer a qualidade das soluções. Como contribuição, este trabalho oferece uma ferramenta capaz de auxiliar profissionais da área de simulação a reduzir ainda mais o tempo computacional necessário ao processo de OvS, ao mesmo tempo que permite encontrar soluções de boa qualidade. Essa redução implica em menor consumo de recursos computacionais e financeiros, tornando a otimização mais acessível para empresas e gestores. Além disso, a redução no tempo computacional possibilita aos gestores um processo de tomada de decisões mais eficiente, melhorando o desempenho operacional de sistemas complexos.-
Descrição: dc.descriptionSimulation-Based Optimization has been widely used to support the solution of complex problems in various fields, such as manufacturing, logistics, and supply chain management. However, as problem complexity increases — due to the number of decision variables, their respective limits, and the number of objective functions to be optimized — the high computational burden and the time required to evaluate multiple simulation scenarios become significant challenges. In this context, this dissertation proposes a systematic approach to search space reduction in Simulation-Based Optimization problems by integrating Multi-Criteria Data Envelopment Analysis, specifically the New-MCDEA model, combined with the concept of super-efficiency, experimental design techniques, including Latin Hypercube Designs, and Discrete Event Simulation. The objective of the proposed method is to identify the optimal boundaries for each decision variable within the optimization model. The systematic approach operates as follows: initially, experimental scenarios are generated using Latin Hypercube Design; subsequently, these scenarios are simulated, and their efficiencies are evaluated using the New-MCDEA model with super-efficiency. This model ranks the scenarios and identifies an efficient frontier. Based on this ranking, the bounds of the decision variables are redefined, resulting in a reduced and more promising search space for the final optimization. The methodology was applied to five case studies, including a multi-objective optimization problem, and was validated by comparing the results obtained from optimization in the reduced search space with those obtained from the full search space. The implementation of the proposed method resulted in an average reduction of 92% in the search space and 58% in computational time required for optimization, without compromising the quality of the solutions. As a contribution, this work offers a tool that helps simulation professionals further reduce the computational time required for the OvS process, while still enabling the identification of high-quality solutions. This reduction leads to lower consumption of computational and financial resources, making optimization more accessible to companies and decision-makers. Furthermore, the decrease in computational time enables a more efficient decision-making process, improving the operational performance of complex systems.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Estadual Paulista (UNESP)-
Direitos: dc.rightsinfo:eu-repo/semantics/openAccess-
Palavras-chave: dc.subjectOtimização via Simulação-
Palavras-chave: dc.subjectSimulação de Eventos Discretos-
Palavras-chave: dc.subjectNew-MCDEA VRS-
Palavras-chave: dc.subjectArranjo Hipercubo Latino-
Palavras-chave: dc.subjectEspaço de busca-
Palavras-chave: dc.subjectAnálise de envoltória de dados-
Palavras-chave: dc.subjectProcesso decisório por critérios multiplos-
Palavras-chave: dc.subjectOtimização matemática-
Título: dc.titleIntegração da análise envoltória de dados multicritério e arranjo hipercubo latino para a redução do espaço de busca em problemas de otimização via simulação-
Título: dc.titleIntegration of multicriteria data envelopment analysis and latin hypercube design for search space reduction in simulation optimization problems-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.