otimizaÇÃo de cÉlulas flexÍveis de manufatura … · figura 2 - classificação de alguns dos...
TRANSCRIPT
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA
E DE MATERIAIS - PPGEM
RAFAEL VILAS BOAS WIECHETECK
OTIMIZAÇÃO DE CÉLULAS FLEXÍVEIS DE MANUFATURA COM
OPERAÇÕES DE TORNEAMENTO
DISSERTAÇÃO
CURITIBA
2011
RAFAEL VILAS BOAS WIECHETECK
OTIMIZAÇÃO DE CÉLULAS FLEXÍVEIS DE
MANUFATURA COM OPERAÇÕES DE
TORNEAMENTO
Dissertação apresentada como requisito parcial para
obtenção do grau de Mestre em Engenharia, do Progra-
ma de Pós-Graduação em Engenharia Mecânica e de
Materiais, Universidade Tecnológica Federal do Para-
ná. Área de Concentração: Engenharia da Manufatura.
Orientador: Prof. Dr. Luiz Carlos de Abreu Rodrigues
CURITIBA
ABRIL – 2011
TERMO DE APROVAÇÃO
RAFAEL VILAS BOAS WIECHETECK
OTIMIZAÇÃO DE CÉLULAS FLEXÍVEIS DE MANUFATURA COM
OPERAÇÕES DE TORNEAMENTO
Esta Dissertação foi julgada para a obtenção do título de mestre em engenharia, área
de concentração em engenharia da manufatura, e aprovada em sua forma final pelo
Programa de Pós-graduação em Engenharia Mecânica e de Materiais.
_________________________________
Prof. Giuseppe Pintaude, Dr. Eng.
Coordenador de Curso
Banca Examinadora
_______________________________________
Prof. Luiz Carlos de Abreu Rodrigues, Dr. Eng.
(UTFPR)
______________________________
Prof. Leandro Magatão, Dr. Eng.
(UTFPR)
______________________________________
Profᵃ Maria Teresinha Arns Steiner, Dra. Eng.
(UFPR)
_____________________________
Prof. Milton Luiz Polli, Dr. Eng.
(UTFPR)
Curitiba, 11 de Março de 2011
Aos meus pais, que sempre me apoiaram e me
incentivaram em minhas escolhas, dedico este
trabalho.
AGRADECIMENTOS
À Deus, por todas as oportunidades que recebi e que recebo.
À minha família, pelo apoio e incentivo em todos os momentos e em todas as minhas
escolhas. À Fabiola, minha noiva, pela paciência e compreensão durante todo esse período.
Ao meu orientador Luiz Carlos de Abreu Rodrigues, por todos os ensinamentos,
ajudas, confiança e amizade.
Aos professores da área de Automação do DAMEC e ao professor Leandro Magatão
por toda a ajuda e orientação.
Aos amigos e colegas que fiz durante esse período de estudo, por toda a ajuda e
amizade.
“A mente que se abre a uma nova idéia jamais
voltará ao seu tamanho original.”
(Albert Einstein)
WIECHETECK, Rafael Vilas Boas. Otimização de Células Flexíveis de Manufatura com
operações de torneamento. 2011. 89 f. Dissertação (Mestrado em Engenharia) - Programa de
Pós-Graduação em Engenharia Mecânica e de Materiais, Universidade Tecnológica Federal
do Paraná, Curitiba, 2011.
RESUMO
Uma célula flexível de manufatura (CFM) é um sistema de produção utilizado em empresas
que produzem vários produtos diferentes, mas que compartilham os mesmos equipamentos,
dispostos numa sequência definida. O desafio do CFM é atingir o melhor aproveitamento dos
equipamentos disponíveis. Esta técnica é interessante visto que os CFM podem ser formados
pelo agrupamento de equipamentos de comando numérico, altamente automatizados, que
permitem a troca de programas (produtos) e ferramentas de forma rápida e eficiente. Estes
equipamentos são considerados eficientes, visto que podem ser utilizados vários programas
para um mesmo produto, proporcionando flexibilidade e produtividade controladas. Com isso
pode-se trabalhar de forma mais rápida ou mais lenta em função da demanda de produção.
Porém, a otimização de um CFM de usinagem quanto à sua produtividade e custo de
produção dependem da seleção ótima da sequência de produção e dos parâmetros de
usinagem. Este trabalho propõe a otimização dos parâmetros de usinagem em um torno CNC
e da sequência de produção, permitindo maximizar a taxa de produção e/ou minimizar o custo
da produção. Para isso, a primeira etapa do trabalho foi o desenvolvimento de um software
baseado nas técnicas de algoritmos genéticos (AG) que busque os melhores parâmetros de
usinagem, respeitando as restrições físicas dos materiais e equipamentos. Na segunda etapa da
dissertação, descreve-se uma abordagem de Programação Linear Inteira Mista, disponível na
literatura, que foi utilizada para o sequenciamento da produção. Esta abordagem foi utilizada
em uma célula flexível de manufatura, tendo como objetivo a maximização da produtividade
e a minimização dos custos de produção. A terceira e última etapa foi o controle da célula
flexível de manufatura sob um novo paradigma de produtividade, onde propõe-se o uso de
sistemas supervisórios em conjunto com o sistema de otimização apresentado.
Palavras-chave: Otimização, usinagem, algoritmo genético, CNC, torneamento.
WIECHETECK, Rafael Vilas Boas. Optimization of Flexible Manufacturing System (FMS)
with turning operations. 2011. 89 f. Dissertação (Mestrado em Engenharia) - Programa de
Pós-Graduação em Engenharia Mecânica e de Materiais, Universidade Tecnológica Federal
do Paraná, Curitiba, 2011.
ABSTRACT
Flexible manufacturing systems are used in companies that produce a variety of parts in the
same production line, allowing better utilization of available equipment. This system is
interesting because the manufacturing cells are formed by grouping numerical control
equipment, which may be highly automated; allowing the exchange of programs (products)
and tools quickly and efficiently. Even though these devices are considered efficient their
throughput can be improved, since many programs can be used for the same product.
Working with more than one program allows production to work faster or slower depending
on production demand seeking greater production rate or a lower cost of production. This
work proposes the optimization of machining parameters in a CNC lathe using a heuristic
technique (genetic algorithms) seeking either higher production rate or a reduction in
production costs. For this, a first step is proposed, developing a software based on the
technique of genetic algorithms (GA). Given a mathematical formulation of the problem
where the input are the demands of the produced parts, the output of GA will be the best
machining parameters, respecting the physical constraints of materials and equipment. The
second proposed step of this work is to use this software in a flexible manufacturing system,
with the objective of maximizing productivity and minimizing production costs. The third and
final stage is the control of a flexible manufacturing cell under a new paradigm of
productivity using a supervisory control system integrated with the proposed optimization
approach.
Keywords: Optimization, machining, genetic algorithm, CNC, turning.
LISTA DE FIGURAS
Figura 1a - Solução por lotes de peças. ...................................................................................... 5
Figura 1b - Solução por sequência “flexível” de peças..............................................................5
Figura 2 - Classificação de alguns dos processos de fabricação (BELTRÃO, 2007) ................ 8
Figura 3 - Tipos de torneamento (FERRARESI, 1977). ......................................................... 10
Figura 4 - Tipos de torneamento (FERRARESI, 1977) ........................................................... 10
Figura 5 - Direção dos movimentos de corte e avanço no torneamento (STEMMER, 1992).. 11
Figura 6 - Composição do ciclo de trabalho (VOLPATO, 2008) ............................................ 11
Figura 7 – Sistemas na hierarquia industrial (WIECHETECK (2006) apud SEIXAS FILHO
(2005b)) .................................................................................................................................... 16
Figura 8 - Célula de manufatura automatizada (GROOVER, 2007) ........................................ 20
Figura 9 - Layouts do FMS. (a) em linha, (b) escada (GROOVER, 2007) .............................. 21
Figura 10 - Sistema Flexível de Manufatura. (GROOVER, 2007) .......................................... 22
Figura 11 - Sequência típica de um processo de fabricação (GROOVER, 2007) .................... 23
Figura 12 – Sistema CAPP com busca de planos de processo semelhantes na base de dados
(GROOVER, 2007) .................................................................................................................. 25
Figura 13 - Bases de dados subdivididos (SCHEER, 1993) .................................................... 26
Figura 14 - Base de dados integrada (SCHEER, 1993) ............................................................ 26
Figura 15 - Princípio do controle CNC (GROOVER, 2008) ................................................... 28
Figura 16 – Esquema simplificado de um sistema DNC (WITTE, 1998) ................................ 29
Figura 17 – Exemplos de topologia. (a) barramento (b) anel (TANENBAUM, 2003) ............ 32
Figura 18 – Formas de comunicação. (a) direta (b) indireta .................................................... 32
Figura 19 – Esquema geral de um sistema de supervisão e controle de processos (FERRAZ,
2002) ......................................................................................................................................... 34
Figura 20 – Esquema de processo de formulação e validação de um modelo matemático
(GOLBARG e LUNA, 2005) ................................................................................................... 36
Figura 21 – Método de seleção por roleta (REZENDE, 2002) ................................................ 39
Figura 22 – Método da seleção por torneio (REZENDE, 2002) .............................................. 40
Figura 23 – Método de seleção por amostragem universal estocástica (REZENDE, 2002) .... 41
Figura 24 – Exemplo de mutação (REZENDE, 2002) ............................................................. 41
Figura 25 – Cruzamento de um ponto (REZENDE, 2002) ...................................................... 41
Figura 26 – Cruzamento em dois pontos (REZENDE, 2002) – modificado ............................ 42
Figura 27 – FMS didático presente na UTFPR de Curitiba ..................................................... 47
Figura 28 – Peça modelo utilizada para o desenvolvimento do algoritmo genético
(SARAVANAN et al., 2005) ................................................................................................... 49
Figura 29 – Representação de um cromossomo formado por 20 bits (5 bits para cada
parâmetro) ................................................................................................................................. 51
Figura 30 – Fluxograma de funcionamento do algoritmo genético .......................................... 52
Figura 31 – Fluxograma simplificado da formação aleatória dos parâmetros Vcd, Fd, Vca e
Fa .............................................................................................................................................. 53
Figura 32 – Exemplo da definição dos bits escolhidos aleatoriamente para formar um
cromossomo .............................................................................................................................. 54
Figura 33 – Exemplo da formação de um parâmetro factível considerando o novo limite
máximo ..................................................................................................................................... 56
Figura 34 – Fluxograma de funcionamento do Simulated Annealing ...................................... 60
Figura 35 – Representação das variáveis empty(m,k) e wait(m,k). (Adaptado de GUÉRET et
al., 2000). .................................................................................................................................. 62
Figura 36 – Arquitetura de integração do FMS adaptado (FERREIRA, 2009) ....................... 64
Figura 37 – Diagrama em blocos apresentando uma interface interligando um sistema de alto
nível a um sistema de baixo nível (LEDUC, 2006) .................................................................. 65
Figura 38 – Sistema supervisório implementado em labview para o gerenciador central do
FMS .......................................................................................................................................... 66
Figura 39 – Representação das entradas e saídas da interface do robô (FERREIRA, 2009) ... 67
Figura 40 – Sistema supervisório implementado em labview para o gerenciador do torno CNC
.................................................................................................................................................. 67
Figura 41 – Representação das entradas e saídas da interface das máquinas CNCs
(FERREIRA, 2009) .................................................................................................................. 68
Figura 42 – Representação das entradas e saídas da interface do FMS (FERREIRA, 2009) . 68
Figura 43 – Linha de produção com execução de um lote completo de cada vez .................... 69
Figura 44 – Linha de produção depois de aplicado o sequenciamento da produção................ 70
Figura 45 – Tempos de execução da linha de produção após a otimização de parâmetros para
máxima produtividade .............................................................................................................. 70
Figura 46 – Linha de produção após a aplicação da otimização de parâmetros para mínimo
custo .......................................................................................................................................... 71
Figura 47 – Convergência dos resultados em função do tamanho da população para o
cruzamento aleatório com parâmetros de 5 bits ....................................................................... 73
Figura 48 – Convergência dos resultados em função do tamanho de população para o melhor
cruzamento com parâmetros de 5 bits ...................................................................................... 74
Figura 49 – Gráficos comparativos dos métodos de cruzamento. (a) para 20 indivíduos, (b)
para 40 indivíduos e (c) para 100 indivíduos ........................................................................... 76
Figura 50 – Convergência dos resultados em função do tamanho da população para o
cruzamento aleatório com parâmetros de 10 bits ..................................................................... 78
Figura 51 – Convergência dos resultados em função do tamanho da população para o “melhor
cruzamento” com parâmetros de 10 bits................................................................................... 79
Figura 52 – Gráficos comparativos dos métodos de cruzamento para parâmetros de 10 bits. (a)
para 20 indivíduos, (b) para 40 indivíduos e (c) para 100 indivíduos ...................................... 81
Figura 53 – Cromossomo do melhor resultado obtido entre todos os testes realizados ........... 82
LISTA DE QUADROS
Quadro 1 - Tempo de fabricação de cada etapa da produção de cada peça do exemplo
proposto. ..................................................................................................................................... 4
Quadro 2 – Exemplo da definição de parâmetros para geração de indivíduos factíveis .......... 54
Quadro 3 – Tempos de produção para programas CNCs calculados de forma padrão e com
otimização de parâmetros ......................................................................................................... 69
Quadro 4 – Resultados obtidos para parâmetros formados por 5 bits ...................................... 73
Quadro 5 – Gerações mais próximas do melhor resultado para o cruzamento aleatório ......... 75
Quadro 6 – Gerações mais próximas do melhor resultado para o “melhor cruzamento” ........ 75
Quadro 7 – Diferença de resolução entre parâmetros formados com 5 bits e 10 bits .............. 77
Quadro 8 – Resultados obtidos para parâmetros formados por 10 bits .................................... 78
Quadro 9 - Gerações mais próximas do melhor resultado para o cruzamento aleatório para
parâmetros de 10 bits ................................................................................................................ 79
Quadro 10 - Gerações mais próximas do melhor resultado para o ”melhor cruzamento” para
parâmetros de 10 bits ................................................................................................................ 80
Quadro 11 – Resultados obtidos no SA .................................................................................... 83
LISTA DE ABREVIATURAS E SIGLAS
AC/DC Alternate Current/Direct Current
CAD Computer Aided Design
CAE Computer Aided Engineering
CAM Computer Aided Manufacturing
CAPP Computer Aided Process Planning
CIM Computer Integrated Manufacturing
CLP Controlador Lógico Programável
CNC Controle Numérico Computadorizado
DNC Direct Numerical Control
EPS Enterprise Production System
ERP Enterprise Resource Planning
FMC Flexible Manufacturing Cell
FMS Flexible Manufacturing System
FTL Flexible Transfer Line
I/O Input/Output
LAN Local Area Network
MES Manufacturing Execution System
MRP Manufacturing Resource Planning
NC Numerical Control
OPC OLE for Process Control
PCP Planejamento e Controle da Produção
PIMS Plant Information Management System
RTU Remote Terminal Unit
SCADA Supervisory Control and Data Acquisition
TCP/IP Transmission Control Protocol / Internet Protocol
XML eXtensible Markup Language
LISTA DE SÍMBOLOS
Profundidade de corte (mm)
Constantes da equação de vida da ferramenta
Diâmetro da peça (em mm)
Avanço (mm/rev)
Custo total do ciclo de produção (em R$)
Custo (constante) para cada peça produzida (em R$/peça)
Constantes que dependem da relação peça-ferramenta
Custo do tempo de usinagem (em R$)
Constantes
Custo da ferramenta (em R$/ferramenta)
Comprimento da peça (em mm)
Quantidade de peças a serem produzidas
Constantes da equação de vida da ferramenta
Eficiência
Potência de corte durante o processo de usinagem (em kW)
Temperatura durante a usinagem
Temperatura máxima permitida
Raio da ponta da ferramenta de corte (em mm)
Raio do arco em um ponto “a” entre os pontos inicial e final
Rugosidade superficial máxima aceitável (em )
Tempo de usinagem no processo de torneamento circular (em min.)
Tempo de usinagem no processo de faceamento (em min.)
Tempo de usinagem no processo de torneamento cônico (em min.)
Soma dos tempos de usinagem no desbaste e no acabamento
Soma de todos os tempos de usinagem no desbaste
Soma dos tempos de troca de ferramentas e tempo de setup
Tempo de carga/descarga da peça na máquina. É uma constante
Soma de todos os tempos de usinagem na acabamento
Tempo de usinagem no torneamento linear (em min.)
Tempo total do ciclo de produção (em min.)
Tempo de troca da ferramenta (em min.)
Vida da ferramenta (em min.)
Tempo de vida da ferramenta no desbaste (em min.)
Tempo de vida da ferramenta no acabamento (em min.)
Velocidade de corte (em m/min)
Limite inferior da velocidade de corte
Raio do ponto inicial e final no processo de torneamento (em mm)
Ângulo do ponto inicial do torneamento circular
Ângulo do ponto final do torneamento circular
Ângulo utilizado no cálculo de torneamento
Ângulo para usinagem do torneamento cônico
Comprimento entre os pontos inicial e final no processo de torneamento
(em mm)
SUMÁRIO
1 INTRODUÇÃO ..................................................................................................................... 1
1.1 OBJETIVO ....................................................................................................................... 2
1.2 JUSTIFICATIVA ............................................................................................................. 3
1.3 ESTRUTURA DO TRABALHO ..................................................................................... 5
2 REVISÃO BIBLIOGRÁFICA ............................................................................................. 7
2.1. USINAGEM .................................................................................................................... 7
2.1.1 Torneamento............................................................................................................... 9
2.1.2 Equações no processo de torneamento ..................................................................... 10
2.2 SISTEMA DE CONTROLE DA PRODUÇÃO (MANUFACTURING EXECUTION
SYSTEM - MES) ................................................................................................................... 15
2.2.1 Planejamento e Controle da Produção ..................................................................... 17
2.2.2 Sistemas Flexíveis de Fabricação ............................................................................. 18
2.3 PLANEJAMENTO DO PROCESSO DE PRODUÇÃO ................................................ 22
2.4 MANUFATURA INTEGRADA POR COMPUTADOR (CIM) ................................... 25
2.5 CONTROLE NUMÉRICO COMPUTADORIZADO (CNC) ....................................... 26
2.5.1 DNC (Direct Numerical Control) ............................................................................ 28
2.5.2 Características dos equipamentos CN ...................................................................... 29
2.6 SISTEMAS SUPERVISÓRIOS ..................................................................................... 30
2.6.1 Redes Industriais ...................................................................................................... 31
2.7 OTIMIZAÇÃO DA PRODUÇÃO ................................................................................. 34
2.7.1 Programação Matemática ......................................................................................... 35
2.7.2 Métodos Heurísticos ................................................................................................. 36
2.7.2.1 Algoritmos Genéticos ............................................................................................ 37
2.7.2.2 Simulated Annealing (SA) ..................................................................................... 43
3 PROBLEMA PROPOSTO ................................................................................................. 46
4 ABORDAGEM PROPOSTA.............................................................................................. 49
4.1 OTIMIZAÇÃO DE PARÂMETROS ............................................................................. 49
4.1.1 Implementação do algoritmo genético ..................................................................... 50
4.1.2 Implementação do Simulated Annealing .................................................................. 57
4.2 SEQUENCIAMENTO .................................................................................................... 61
4.2.1 Exemplo de um sequenciamento da produção com o auxílio do sistema supervisório
........................................................................................................................................... 69
5 RESULTADOS DA IMPLEMENTAÇÃO DOS MÉTODOS HEURÍSTICOS ............ 72
5.1 OTIMIZAÇÃO DOS PARÂMETROS DE USINAGEM .............................................. 72
5.1.1 Solução usando Algoritmo Genético ....................................................................... 72
5.1.2 Solução usando Simulated Annealing (SA) ............................................................. 82
6 CONCLUSÃO ...................................................................................................................... 84
7 BIBLIOGRAFIA ................................................................................................................. 86
1
1 INTRODUÇÃO
Com o aumento na utilização das máquinas CNCs1, foi desenvolvido o conceito de
sistemas flexíveis de manufatura ou células de manufatura2, que nada mais é que um conjunto
de CNCs interligados por sistemas de transporte e manipulação de peças e controlados por
sistemas computacionais que coordenam quais recursos serão associados a determinadas
peças a serem produzidas (REYES et al., 2002). Esses sistemas possuem a capacidade de
produzir uma variedade de peças diferentes, pois a máquina CNC pode realizar a troca
automática das ferramentas usadas no processamento das peças. Outra característica é a
melhora na qualidade final dos produtos (as máquinas CNCs possuem alta repetibilidade).
Os sistemas flexíveis de manufatura permitem a produção de uma variedade grande de
produtos, contudo, gera-se uma complexidade no sequenciamento da produção e na
(re)definição do tamanho dos lotes produzidos, porque pode haver a disponibilidade de mais
de um equipamento para executar uma mesma operação. Deste modo, otimizar esses sistemas
pode gerar vantagens competitivas significantes.
Segundo Saravanan et al.(2005), a otimização dos parâmetros de usinagem é um passo
importante, principalmente quando há a utilização dos equipamentos de controle numérico, já
que esses equipamentos possuem um alto custo de aquisição e implantação. Normalmente, os
fabricantes de ferramentas fornecem tabelas com as recomendações desses parâmetros, porém
eles não levam em consideração aspectos econômicos. Entretanto, o que se observa é a
utilização de um único conjunto de parâmetros para cada peça produzida em uma linha de
produção. Desta forma, mesmo com as variações de demanda (naturais em qualquer linha de
produção) as máquinas controladas por controle numérico tendem a trabalhar com os mesmos
parâmetros de usinagem; ou seja, se a demanda estiver alta não é possível produzir mais peças
em um tempo menor de produção e se a demanda for reduzida não é possível produzir menos
peças por hora, minimizando-se os custos de produção.
Basicamente as otimizações podem ser estudadas por programação matemática ou por
métodos heurísticos. A primeira possui a característica de buscar a melhor solução existente
(solução “ótima”). Porém, há problemas onde não se dispõe de um modelo matemático
adequado ou que são de difícil representação, e que tendem a ser de difícil uso da
1 CNC – Controle Numérico Computadorizado
2 Neste trabalho mencionam-se, indistintamente, Sistemas Flexíveis de Manufatura (cuja sigla em inglês é FMS),
Células Flexíveis de Manufatura e Células de Manufatura. Pede-se ao leitor que os interprete como sinônimos.
Na literatura há autores que diferenciam tais sistemas, mas ainda assim o produto deste mestrado pode ser
aplicado a qualquer um destes sistemas de manufatura.
2
programação matemática, se demandar uma carga computacional “elevada”. Neste caso, os
métodos heurísticos, que não apresentam garantias de otimalidade, podem prover soluções
boas, representando uma alternativa para problemas de otimização. Neste trabalho optou-se
por avaliar a otimização por meio de métodos heurísticos e, mais especificamente endereçar
um problema de otimização dos parâmetros de usinagem para máquinas operadas por controle
numérico.
1.1 OBJETIVO
Este trabalho tem como objetivo geral apresentar uma proposta de otimização dos
parâmetros de usinagem para equipamentos CNC em uma célula flexível de manufatura. A
proposta é identificar conjuntos de parâmetros que se aproximem de soluções ótimas e que
possam ser disponibilizados em mais de um programa CNC para uma mesma peça
permitindo, desta forma, que em determinadas situações um programa traga mais benefícios
que os outros durante um processo de produção. Os dois benefícios considerados são a
maximização da taxa de produção durante períodos de grande demanda em uma máquina
“gargalo de produção” e o segundo benefício é a minimização dos custos de produção, em
situações onde a demanda de produção no equipamento CNC está baixa e não há a
necessidade de se trabalhar na velocidade máxima do equipamento.
O objetivo geral foi subdividido em dois objetivos específicos a fim de facilitar o
desenvolvimento deste trabalho, os quais são descritos na sequência:
Objetivo específico 1 – Otimização dos parâmetros de usinagem
O processo de torneamento envolve alguns parâmetros de usinagem que quando
alterados resultam em modificações no custo de produção ou no tempo de produção. Dentre
os principais parâmetros estão a velocidade de corte, a velocidade de avanço e a
profundidade de corte. Este objetivo consiste em identificar quais as melhores combinações
de parâmetros que, sem desrespeitar as restrições do conjunto (máquina, material e
ferramenta), possa resultar em uma taxa de produção maior ou num menor custo de
produção. Neste trabalho optou-se por desenvolver um software que utiliza uma técnica
baseada em algoritmos genéticos.
Objetivo específico 2 – indicar como o sistema de otimização de parâmetros de
torneamento pode ser usado no âmbito do chão de fábrica.
3
Nos sistemas flexíveis de manufatura nem sempre as máquinas envolvidas recebem
um fluxo regular e balanceado de produção, o que acarreta em máquinas gargalo e máquinas
ociosas. Isso ocorre por fatores como capacidade de produção e “mix de produção” com
demandas variadas.
Neste trabalho propõe-se um estudo sobre a utilização de um sistema de otimização de
parâmetros de usinagem (objetivo específico 1) em um sistema flexível de manufatura
permitindo que, em momentos onde o equipamento torna-se gargalo de produção, um
programa de usinagem que tenha como objetivo uma taxa maior de produção seja utilizado,
ou seja, trabalhar na produção máxima. Por outro lado, em situações onde não haja a
necessidade de trabalhar na velocidade máxima opta-se por utilizar outro programa. Neste
caso, o objetivo descreve uma abordagem que maximize a produtividade, fazendo com que a
máquina trabalhe na velocidade de menor custo. Para a definição se o objetivo na otimização
dos parâmetros será a maximização da produtividade ou a minimização de custos em uma
célula de manufatura, faz-se necessário o seqüenciamento da produção. Com isso, pode-se
identificar quais máquinas são gargalos de produção, onde se aplica a maximização da
produção, e nas demais máquinas pode-se aplicar a minimização de custos.
Os Sistemas Flexíveis de Manufatura são altamente automatizados, pois envolvem a
utilização de CLPs, máquinas CNCs e supervisórios, entre outros sistemas. Porém,
frequentemente na indústria, a sequência de produção não é realizada de forma otimizada.
Ao se fazer o sequenciamento da produção, conforme realizado por Takano (2010),
pode-se utilizar um sistema supervisório para enviar os programas às máquinas, de forma a
facilitar a troca dos programas CNC em função da demanda de produção.
1.2 JUSTIFICATIVA
Para melhor visualizar os problemas de otimização simultâneos de sequenciamento e
de definição dos parâmetros de usinagem numa célula de manufatura, apresenta-se como
exemplo, no quadro 1, a produção de quatro peças distintas (peças A, B, C e D), com
demanda de 5 unidades que precisam ser fabricadas em uma célula de manufatura. Esta célula
possui três máquinas (um torno com CNC, uma fresadora com CNC e uma retificadora com
CNC) para executar o trabalho. Todas as peças precisam necessariamente ser processadas,
primeiro no torno CNC, em seguida na fresadora CNC e, por fim, na retificadora CNC.
O primeiro objetivo proposto foi otimizar os parâmetros de usinagem a fim de se obter
o menor tempo de manufatura de cada etapa de cada peça nas máquinas. Com isso é obtido o
4
menor tempo possível de cada etapa. Imaginemos que tais tempos de produção são indicados
no quadro 1.
Com o tempo mínimo de cada etapa de produção definido, como indicado no quadro
1, é possível definir o sequenciamento ótimo da produção. Como indicado na figura 1a,
muitas empresas recorrem à produção por lotes. Ou seja, tenta-se produzir a totalidade ou um
lote (não-unitário) de peças de cada vez, para depois realizar-se a produção de outras peças. O
problema da produção por lotes não-unitários (ou a totalidade) de tipo distinto de peças é que
isso pode exacerbar a ociosidade das máquinas. No exemplo da figura 1a, é possível notar
ociosidades (ou tempos de máquina parada) na retífica.
Quadro 1 - Tempo de fabricação de cada etapa da produção de cada peça do exemplo proposto.
Tempo de fabricação
A B C D
Torno CNC 6 3 2 12
Fresadora CNC 14 5 4 4
Retificadora CNC 7 5 9 5
Demanda 5 5 5 5
Um Sistema Flexível de Manufatura tenta explorar o conceito de lotes mistos de peças.
No sequenciamento indicado na figura 1b, o lote misto de peças é composto por uma unidade
das peças A, B, C e D. A adoção de lotes mistos é possível sempre que não houver a
necessidade de setup (ou preparação das máquinas) entre a produção de uma peça e a
produção da peça seguinte. Ao definir uma sequência que minimize o tempo de produção
destas quatro peças, se terá definido a sequência que maximizará a produtividade das três
máquinas. Como pode ser visto na figura 1b, a solução apresentada (com tempo total de 145
unidades de tempo) é três unidades de tempo inferior à solução indicada na figura 1a. Para um
caso real, o total de peças produzido seria maior e, portanto, a diferença entre as duas soluções
(nas figuras 1a e 1b) também seria maior.
No sequenciamento foi identificada a sequência ótima de produção, de forma a
minimizar o tempo total de produção do lote todo de peças. Na figura 1b foram indicados os
“gargalos de produção”. Ou seja, apenas será possível reduzir o tempo total de produção
através da redução nos tempos de produção das tarefas que sejam “gargalos de produção”.
Porém, a solução na figura 1b também permite visualizar que as tarefas que não são gargalos
podem ter seus tempos de produção revistos, visando-se a minimização dos custos de
produção. A minimização dos custos de produção das tarefas será possível desde que não
afetem o tempo mínimo de produção de todas as peças. Assim, a minimização dos custos de
produção visará explorar a ociosidade das máquinas, sendo também limitada por ela.
5
Nesta dissertação, o segundo objetivo específico será apenas apresentar a formulação a
ser usada para o sequenciamento da produção. Ainda que este objetivo específico seja simples
e já disponível na literatura, ele é crucial para a compreensão do problema de minimização do
tempo total de produção ou makespan, como conhecido na literatura, e que após isso (a
minimização do tempo total de produção) será possível minimizar o custo total de produção.
Assim, o algoritmo genético proposto neste trabalho poderá ser usado tanto para minimizar o
custo como o tempo de produção das peças.
O terceiro objetivo específico será propor um sistema de controle da produção numa
célula de manufatura. Devido a problemas de comunicação entre o torno CNC e o controlador
da célula de manufatura existente na UTFPR, pretende-se apenas descrever um possível
“sistema supervisório” para esta célula. O objetivo aqui será apenas indicar que as indústrias
com células de manufatura de usinagem podem se utilizar da abordagem proposta para
otimizar a sua produtividade e custos de produção apenas pela revisão de seus sistemas
supervisórios, que controlam processos de usinagem. Não se conhece nenhuma indústria que
tenha adotado tal solução. Note que a posterior minimização dos custos de produção induzirá
que uma mesma tarefa seja produzida com tempos de produção distintos, dependendo da sua
posição na sequência de produção e dependendo se ela é ou não um gargalo de produção.
1.3 ESTRUTURA DO TRABALHO
O presente capítulo apresentou uma introdução sobre este trabalho de mestrado e sua
organização que envolve a otimização dos parâmetros de usinagem e o controle de um
sistema flexível de manufatura.
Peça A
Peça B
Peça C
Peça D
torno
fresadora
retífica
0 20 40 60 80 100 120 140
Figura 1a - Solução por lotes de peças.
torno
fresadora
retífica
0
20 40 60 80 100 120 140
Figura 1b - Solução por sequência “flexível” de peças.
Gargalos de
produção
6
O capítulo 2 apresenta uma descrição dos principais assuntos que estão envolvidos
neste trabalho. A revisão bibliográfica aborda conceitos de usinagem convencional, mais
especificamente o torneamento, os sistemas MES, planejamento do processo de produção, o
conceito de manufatura integrada por computador (CIM), o controle numérico
computadorizado (CNC) que é um ponto central neste trabalho, os sistemas supervisórios e
otimização da produção.
O capítulo 3 aborda o problema proposto, indicando-se como um sistema flexível de
manufatura é utilizado hoje e o que pode ser melhorado.
O capítulo 4 descreve a metodologia aplicada, onde utiliza-se os algoritmos genéticos
como ferramenta para se alcançar os melhores parâmetros de usinagem e como aplicar esse
parâmetros em um sistema de produção flexível. Neste capítulo também é apresentado o
modelo matemático do sequenciamento da produção e proposto um sistema supervisório para
controle da célula de manufatura disponível na UTFPR.
O capítulo 5 apresenta os resultados da implementação dos algoritmos genéticos e
simulated annealing aplicados à minimização do custo de produção.
O capítulo 6 apresenta as conclusões e proposta de trabalhos futuros.
7
2 REVISÃO BIBLIOGRÁFICA
Este capítulo tem como objetivo apresentar alguns conceitos necessários para melhor
entendimento deste trabalho que, além das técnicas de otimização utilizadas para obtenção
dos melhores parâmetros de usinagem, também aborda a utilização do planejamento do
processo de produção, equipamentos CNC (cuja operação será otimizada neste trabalho),
sistemas flexíveis de manufatura (onde os equipamentos CNC podem ser utilizados),
planejamento e programação da produção, redes industriais (que são o meio pelo qual é
possível fazer o controle à distância dos equipamentos) e os sistemas supervisórios (para a
interface com o usuário e também para facilitar a integração com outros equipamentos da
planta).
2.1. USINAGEM
Os materiais em um processo de fabricação podem sofrer vários tipos de
processamentos. Basicamente, a divisão é feita entre os processos que resultam em remoção
de cavacos e os processos que não resultam em remoção de cavacos. A usinagem, tanto
convencional quanto não convencional, encontra-se no grupo dos processos que resultam em
remoção de cavaco. A usinagem convencional trata de processos como torneamento,
fresamento e furação, enquanto que, a usinagem não convencional trata de processos como
jato d‟água, ultrasom e plasma. Nos processos que não geram cavaco, encontram-se a
fundição, soldagem e conformação metálica (BELTRÃO, 2007). A figura 2 apresenta as
subdivisões entre processos de fabricação.
Devido ao amplo campo dos processos de fabricação, esta seção abordará
exclusivamente o processo de usinagem convencional e, ainda dentro deste grupo, somente o
torneamento que é o foco deste trabalho. Maiores informações sobre os outros tipos de
processos de fabricação podem ser obtidos na vasta literatura sobre fabricação mecânica
(FERRARESI, 1997; GROOVER, 2007; STEMMER, 1992).
Usinagem é um processo de produção onde a geometria da peça a ser produzida é
obtida através da remoção do material excedente pela movimentação da ferramenta de corte
sobre a matéria prima. Ela é considerada um dos processos mais versáteis devido à variedade
de formas que podem ser obtidas a um baixo custo e com alta precisão (GROOVER, 2008). O
material excedente removido é o cavaco.
8
As operações de usinagem são realizadas com a combinação de algumas variáveis
como velocidade de corte, avanço e profundidade de corte que, de forma conjunta, são
denominadas de condições de corte para um determinado processo de usinagem (GROOVER,
2008). Durante a usinagem, para se chegar ao produto final, são realizados alguns passes de
desbaste para a remoção do sobre-metal e, normalmente, um passe de acabamento para retirar
material excedente no perfil da peça e para dar o acabamento final (SARAVANAN et al.,
2005).
PROCESSOS DE FABRICAÇÃO
COM REMOÇÃO DE CAVACO SEM REMOÇÃO DE CAVACO
FUNDIÇÃO
SOLDAGEM
METALURGIA
DO PÓ
CONFORMAÇÃO
Laminação
Extrusão
Trefilamento
Forjamento
Estampagem
USINAGEM
CONVENCIONALNÃO
CONVENCIONAL
Torneamento
Fresamento
Furação
Retificação
Mandrilamento
Brunimento
Serramento
Roscamento
Aplainamento
Alargamento
Jato D’água
Jato Abrasivo
Fluxo Abrasivo
Ultrasom
Eletroquímica
Eletroerosão
Laser
Plasma
Feixe de elétrons
Química
Figura 2 - Classificação de alguns dos processos de fabricação (BELTRÃO, 2007)
9
2.1.1 Torneamento
O torneamento é um processo mecânico onde a forma final da peça é obtida a partir de
uma matéria-prima cilíndrica. Neste processo, a peça gira no eixo principal da máquina
enquanto a ferramenta se desloca em uma trajetória coplanar ao eixo de rotação. Este processo
pode ser retilíneo/linear (cilíndrico, cônico, radial e perfilamento) ou curvilíneo/circular. No
torneamento retilíneo, a ferramenta se desloca seguindo uma trajetória retilínea e conforme o
objetivo específico recebe uma denominação própria. Quando o deslocamento é paralelo ao
eixo de rotação da máquina, independente de ser externo (figura 3a) ou interno (figura 3b) à
peça, é chamado de torneamento cilíndrico. Caso o objetivo seja executar um entalhe circular
e perpendicular ao eixo de rotação, chama-se sangramento axial (figura 3c). O torneamento
cônico possui uma trajetória inclinada em relação ao eixo principal da máquina e também
pode ser externo (figura 3d) ou interno (figura 3e) à peça. No torneamento radial, a ferramenta
se movimenta perpendicularmente ao eixo principal e, em função do objetivo a ser executado,
pode ser denominado de faceamento (figura 3f) ou sangramento radial (figura 3g). No
faceamento, o objetivo é executar uma superfície plana, enquanto que, no sangramento radial,
o objetivo é executar um entalhe. O perfilamento executa um movimento que pode ser tanto
radial (figura 3h) quanto axial (figura 4a), porém a forma dada à peça depende do perfil da
ferramenta utilizada. Já o torneamento curvilíneo (figura 4b) executa uma trajetória curvilínea
na peça usinada. Outro critério de classificação do tornamento que pode ser utilizado é o
torneamento de desbaste, onde busca-se obter na peça a forma próxima às dimensões finais e
o torneamento de acabamento, onde o objetivo é buscar as dimensões finais efetivamente
(FERRARESI, 1977).
Nos processos de usinagem, os movimentos podem ser divididos entre os que resultam
diretamente na saída de cavaco e os movimentos que não formam cavaco diretamente. Dentro
do grupo que resulta em cavaco, está o movimento de corte que é o movimento principal que
tem como objetivo provocar um deslocamento relativo entre a ferramenta e a peça a fim de
forçar o material da peça sobre a face da ferramenta, e o movimento de avanço que tem o
objetivo de provocar um deslocamento relativo adicional entre a peça e a ferramenta, que em
conjunto com o movimento de corte resulta na retirada contínua de cavaco, sendo esses
movimentos apresentados na figura 5. A velocidade de corte é a velocidade instantânea do
movimento principal, do ponto selecionado do gume em relação à peça e a velocidade de
avanço é a velocidade instantânea do movimento de avanço do ponto selecionado do gume
10
em relação à peça. No segundo grupo encontram-se os movimentos de aproximação, ajuste,
correção e recuo (FERRARESI, 1977).
Figura 3 - Tipos de torneamento (FERRARESI, 1977).
Figura 4 - Tipos de torneamento (FERRARESI, 1977)
2.1.2 Equações no processo de torneamento
Serão descritas nesta seção somente as equações pertinentes ao trabalho realizado,
visto que há inúmeras equações para a solução de parâmetros de torneamento. Neste trabalho
11
são consideradas duas funções objetivo diferentes, onde uma refere-se ao custo de produção
por unidade produzida e a outra se refere ao tempo de produção gasto por unidade produzida.
Figura 5 - Direção dos movimentos de corte e avanço no torneamento (STEMMER, 1992)
O tempo de produção de uma peça é a soma do tempo de produção efetivamente
realizado, mais o tempo gasto para preparar a máquina (tempo de setup), e mais o tempo gasto
para colocar a peça na máquina e retirá-la após a usinagem. A figura 6 apresenta a
composição típica de um ciclo de trabalho em um processo de usinagem.
A equação (1) representa o cálculo dos tempos de processamento, onde indica o
tempo total do ciclo de produção (em minutos), indica a quantidade de peças a serem
produzidas, representa a soma dos tempos de usinagem no desbaste e no acabamento,
representa a soma dos tempos de troca de ferramentas e tempo de setup e é o tempo de
LIB
ER
AR
RE
TIR
AR
PE
ÇA
US
INA
DA
DE
PO
SIT
AR
PE
ÇA
PE
GA
R N
OV
A P
EÇ
A
LIM
PA
R E
CO
NT
RO
LA
R A
PE
ÇA
ES
TA
BE
LE
CE
R A
PO
SIÇ
ÃO
AX
IAL
CO
RR
ET
A
INT
RO
DU
ZIR
NO
DIS
PO
SIT
IVO
DE
FIX
AÇ
ÃO
E
PO
SIC
ION
AM
EN
TO
FIX
AR
PA
RT
IDA
DA
MÁ
QU
INA
AP
RO
XIM
AÇ
ÃO
DA
FE
RR
AM
EN
TA
FE
RR
AM
EN
TA
EM
AÇ
ÃO
(US
INA
GE
M)
DE
SL
IGA
ME
NT
O D
A
MÁ
QU
INA
TEMPO DE MANUSEIO TEMPO DE MÁQUINA
CICLO DE TRABALHO
TEMPOS SECUNDÁRIOS
AGILIDADE E
HABILIDADE DO
OPERADOR
TEMPOS ÚTEIS
DADOS TÉCNICOS (Vc, n, f)
T.U.
Sec.
T.U.
Princ.
T.U.
Sec.
Figura 6 - Composição do ciclo de trabalho (VOLPATO, 2008)
12
carga/descarga (que é uma constante) da peça na máquina (em minutos) (SARAVANAN et
al., 2001).
(1)
A equação (2) apresenta os itens envolvidos no cálculo do custo total de usinagem,
onde é o custo total do ciclo de produção (R$), é o custo (constante) para cada peça
produzida (em R$/peça), é o custo da ferramenta (em R$/ferramenta), é a soma de todos
os tempos de usinagem no desbaste, é o tempo de vida da ferramenta (em minutos), é a
soma de todos os tempos de usinagem no acabamento, é o tempo de vida da ferramenta no
acabamento (em minutos), é o custo do tempo de usinagem (em R$) e é o tempo total do
ciclo de produção (em minutos). É importante ressaltar que esta equação é referente ao custo
de usinagem em uma única máquina (SARAVANAN et al., 2005).
(2)
Os parâmetros de usinagem são determinados dentro de limites que permitam a
factibilidade das operações. Essa factibilidade refere-se também às restrições físicas das
máquinas, ferramentas e peças. As inequações (3), (4) e (5) são, respectivamente, as restrições
para velocidade de corte, avanço e profundidade de corte e determinam os valores máximos e
mínimos de operação que podem ser usados tanto nas operações de desbaste quanto nas
operações de acabamento (SARAVANAN et al., 2005).
(3)
(4)
(5)
O tempo de vida da ferramenta pode ser obtido pela equação (6) e serve para o
desbaste e para o acabamento, onde é a vida da ferramenta (em minutos), e são
constantes da equação de vida da ferramenta e é a velocidade de corte (STEMMER, 1987).
=
(6)
A equação (7) representa o tempo de setup, ou seja, o tempo gasto para preparar a
máquina, colocar/retirar a peça e também o tempo de troca da ferramenta, onde é a
13
soma dos tempos de troca de ferramentas e tempo de setup, é a quantidade de peças a serem
produzidas, é a soma de todos os tempos de usinagem no desbaste, é o tempo de vida da
ferramenta no desbaste (em minutos), é o tempo de troca da ferramenta (em minutos), é
a soma de todos os tempos de usinagem no acabamento e é o tempo de vida da ferramenta
no acabamento (em minutos) (SARAVANAN et. al., 2001).
(7)
O limite de potência da máquina é apresentado pela equação (8) e é usado tanto para
as operações de desbaste quanto para as operações de acabamento, onde é a potência de
corte durante o processo de usinagem (em kW), são constantes que dependem da
relação entre a peça e a ferramenta, é a velocidade de corte (em metros/minuto), é o
avanço (em milímetros/minuto), é a profundidade de corte, é a eficiência e é a
potência de corte máxima permitida (em kW) (SU e CHEN, 1999).
(8)
A equação (9) apresenta a formulação para a restrição de temperatura na ferramenta,
onde é a temperatura durante a usinagem, são constantes, é a velocidade de
corte (em metros/minuto), é o avanço (em milímetros/revolução), é a profundidade de
corte e é a temperatura máxima na qual a ferramenta pode ser submetida. Esta
temperatura quando excedida afeta as características da ferramenta de forma a reduzir sua
vida útil (SU e CHEN, 1999).
(9)
Como descrito anteriormente, existem diferentes formas de torneamento (linear,
cônico, etc.) e cada uma delas possui uma equação diferente para a realização dos cálculos
dos seus tempos de processamento. As equações de torneamento aqui apresentadas servem
tanto para as operações de desbaste quanto para as operações de acabamento. A equação (10)
refere-se à operação de torneamento linear, ou seja, a operação é longitudinal ao eixo da peça
e a alteração do diâmetro é constante, sendo que é o tempo de usinagem no torneamento
linear (em minutos), é o diâmetro da peça (em milímetros), é o comprimento da peça (em
14
milímetros), é a velocidade de corte (em metros/minuto) e é o avanço (em
milímetros/revolução) (SU e CHEN, 1999).
(10)
Para as outras formas de torneamento (como cônico, circular e faceamento), a equação
(10) não pode ser utilizada, pois o diâmetro da peça não é constante. Deste modo, deve-se
considerar o ângulo que será aplicado para o processo de usinagem. O ângulo pode ser
determinado conforme a equação (11) que considera o raio inicial e final da peça e também a
distância entre os dois pontos. Nesta equação (11), o é o ângulo utilizado no cálculo de
torneamento, são os raios do ponto inicial e final no processo de torneamento (em
milímetros) e é o comprimento entre os pontos inicial e final no processo de torneamento
(em milímetros) (SU e CHEN, 1999).
(11)
Nos processos de torneamento cônico, a formulação utilizada para representação é
mostrada pela equação (12), onde é o tempo de usinagem no processo de torneamento
cônico (em minutos), é a velocidade de corte (em metros/minuto), é o avanço (em
milímetros/revolução), é o ângulo para usinagem do torneamento cônico e são os
raios dos pontos inicial e final no processo de torneamento (em milímetros). Nesta equação é
utilizado o ângulo conforme mostrado na equação (11) e o raio do ponto inicial ( ) e final
( ) do torneamento (SU e CHEN, 1999).
(12)
A equação (13) refere-se ao faceamento, sendo que, neste processo, o seno não é
indicado por ser igual a +1 ou –1, devido o ângulo ser ou , respectivamente. Nesta
equação, é o tempo de usinagem no processo de faceamento (em minutos),
é a
velocidade de corte (em metros/minuto), é o avanço (em milímetros/revolução) e são
os raios dos pontos inicial e final no processo de torneamento (em milímetros) (SU e CHEN,
1999).
15
(13)
A equação (14) mostra a formulação para a execução do torneamento circular, onde
são considerados também os ângulos do ponto inicial ( ) e final ( ) do processo de
torneamento. Também são indicados nessa equação o que é o tempo de usinagem no
processo de torneamento circular (em minutos), o que representa a velocidade de corte
(em metros/minuto), que é o avanço (em milímetros/revolução) e o raio do arco em um
ponto “a” entre os pontos inicial e final (SU e CHEN, 1999).
(14)
A rugosidade final da peça é um item importante na qualidade do produto e deve ser
considerada. Ela é determinada pelo avanço da ferramenta e pelo raio da sua ponta. A
inequação (15) apresenta o limite máximo de rugosidade, onde é o avanço da ferramenta,
o raio da ponta da ferramenta de corte (em milímetros) e a rugosidade superficial
máxima (em ) (SARAVANAN et al.,2005).
(15)
2.2 SISTEMA DE CONTROLE DA PRODUÇÃO (MANUFACTURING EXECUTION
SYSTEM - MES)
Como este trabalho aborda a otimização do processamento de uma célula de
manufatura, apresenta-se aqui uma breve visão da estrutura hierárquica do planejamento e
controle da produção em sistemas corporativos. Além disso, é apresentada uma revisão sobre
sistemas de produção.
Um sistema corporativo industrial envolve vários elementos de planejamento e
controle em diferentes níveis de atuação, porém interligados e concorrendo por um objetivo
em comum. Cada nível nessa hierarquia, representada na figura 7, possui softwares
característicos que executam suas respectivas funções. No nível mais alto encontram-se os
sistemas ERP (Enterprise Resource Planning), Supply Chain (gerenciamento da cadeia de
suprimentos) e EPS (Enterprise Production Systems). No nível intermediário os sistemas
utilizados são o MES (Manufacturing Execution Systems) e PIMS (Plant Information
16
Management System) e no nível inferior encontram-se os sistemas supervisórios ou SCADA
(Supervisory Control and Data Acquisition System), que será visto na seção 2.6
(WIECHETECK, 2006).
O controle de um chão-de-fábrica envolve atividades como monitoração e controle dos
pedidos através de toda a linha de produção até a liberação das ordens para o cliente. Um
sistema típico compreende a liberação da ordem para a produção, o agendamento desta ordem
e seu progresso durante o processo de fabricação. O sistema computacional responsável por
monitorar de forma online os pedidos, as instruções dos processos e o controle de estoque é
conhecido como MES (GROOVER, 2008). Este sistema tem como objetivo melhorar o
desempenho da gestão da produção. Para isso ele adquire e armazena várias informações
geradas pelo chão-de-fábrica, sendo que essas informações são utilizadas para realimentar o
sistema de planejamento (FAVARETTO, 2001).
Figura 7 – Sistemas na hierarquia industrial (WIECHETECK (2006) apud SEIXAS FILHO (2005b))
De uma forma geral, os sistemas MES coordenam as funções de controle, liberação e
alocação da produção e possuem algumas funcionalidades como a gerência dos lotes, gestão
de recursos (sequenciamento, liberação e monitoramento de equipamentos), alocação e
coordenação de recursos (humanos e ferramentas), instruções de trabalho e rastreabilidade
(FAVARETTO, 2001).
A liberação de ordens é responsável por fornecer toda a documentação necessária ao
processo de produção e compreende as folhas de processo, requisição de matéria prima,
relatórios que indicam o tempo trabalhado e o quanto do processo total foi efetivamente
executado, realizando o controle e autorização da transferência do material de uma máquina
para outra e também a lista de componentes para a montagem do produto final. Toda esta
documentação é gerada a partir de duas fontes principais, sendo a primeira o MRP
(Manufacturing Resource Planning) que basicamente envolve o agendamento mestre da
17
produção e a segunda fonte vem das bases de dados de engenharia e produção que fornecem
informações sobre a estrutura do produto e dos planos de processo (GROOVER, 2008).
O agendamento de ordens tem a função de determinar por quais máquinas as ordens
devem passar durante o processo de produção e também a ordem de prioridades entre os
vários trabalhos. Também está envolvida a ocupação das máquinas, determinada em função
das ordens de produção alocadas para cada equipamento, e a sequência de produção que é
determinada em função das prioridades entre os vários lotes de produção que estão na fila de
produtos esperando para serem executados. A determinação dessas prioridades pode ser
dinâmica e mudar em função de vários problemas como maior/menor demanda de
determinados produtos, quebra de equipamentos, cancelamento de pedidos, etc. (GROOVER,
2008).
O acompanhamento do progresso das ordens de produção é realizado para que o status
da ordem seja acompanhado por toda a planta. Esta função é importante para fornecer
informações necessárias ao gerenciamento da fábrica com base nas informações coletadas em
tempo real (GROOVER, 2008).
2.2.1 Planejamento e Controle da Produção
O planejamento e controle da produção tem como foco os problemas de logística
envolvidos em uma planta industrial. Basicamente, enquanto o planejamento da produção
preocupa-se com quais produtos serão fabricados, em quais quantidades, quando e os recursos
necessários para executar um plano de produção, o controle da produção verifica se os
recursos necessários para executar o plano foram disponibilizados, e caso não, determinar a
ação necessária para contornar o problema (GROOVER, 2007).
O plano de negócios de uma indústria inclui, entre outras tarefas, definir o que será
produzido, em qual quantidade e quando. Esses itens são determinados em função dos
pedidos de clientes, previsão de vendas, estoque disponível e capacidade da planta. Também
considera-se o horizonte de planejamento que pode ser dividido em três categorias, sendo
elas:
i) Planejamento de longo prazo – são planos com horizonte acima de um ano e são
associados com estratégias e metas corporativas, como por exemplo, linhas de
produção futuras, planos de financiamento e obtenção de recursos;
ii) Planejamento de médio prazo – são planos com horizonte entre seis meses e um ano e
analisa-se aqui o plano de produção em um nível mais alto, ou seja, a linha de
18
produção como um todo (não produtos específicos) e coordenados com vendas e
marketing e o agendamento da produção que é basicamente converter o plano básico
das linhas de produção em agendamento de produtos específicos. Desta forma, o
agendamento da produção é determinar quais produtos serão fabricados, quando
deverão estar prontos e em quais quantidades;
iii) Planejamento de curto prazo – são planos com horizonte de dias a semanas e os
planejamentos são de necessidades de material, e capacidade e programação da
produção (ou agendamento de pedidos) (GROOVER, 2007).
O controle de estoque também deve ser considerado, porque o objetivo deste controle
é encontrar um equilíbrio entre a redução de custo com estoque e a maximização de
atendimento ao consumidor. Os custos de estoque envolvem os custos de investimento de
material, custo do armazenamento e possível perda do material por mudanças do mercado
consumidor. O estoque ainda pode ser dividido em alguns tipos dentro do processo de
fabricação, sendo eles o estoque de matéria prima, estoque de componentes comprados,
estoque intermediário na linha de produção e estoque de produto acabado (GROOVER,
2007).
2.2.2 Sistemas Flexíveis de Fabricação
O processo de produção tem sofrido considerável mudança nos últimos anos devido
alguns fatores como a diminuição do ciclo de vida dos produtos, aumento na diversificação
exigida pelo mercado consumidor, aumento na qualidade, necessidade de entregar o produto
com mais rapidez (diminuindo desta forma os lead times de produção) entre outros fatores
(SIMA, 1995). Para que a adequação a essas necessidades seja alcançada, é necessária uma
readequação no sistema de produção para que se possa diminuir os estoques intermediários
durante a produção e aumentar a diversificação sem perder produtividade (SIMA, 1995).
Os sistemas flexíveis podem ser caracterizados de várias formas (SIMA, 1995):
• Centro de usinagem: são máquinas com controle numérico e sistema de troca de
ferramentas automática. Executam diferentes rotinas de usinagem como desbaste,
furação e roscas. Pela sua flexibilidade, consegue uma grande redução no tempo de
processamento das tarefas;
• Linhas transfer-flexíveis (Flexible Transfer Lines - FTL): utilizadas para produção em
alta escala. São compostas por grupos de máquinas, normalmente, organizadas de forma
19
linear, onde a peça segue um caminho sequencial através dos equipamentos. A
sequência de processamento é fixa para todas as peças e há uma rotina específica para
cada peça, sendo esta programada em cada máquina;
• Células flexíveis de manufatura (Flexible Manufacturing Cell - FMC) e Sistemas
flexíveis de manufatura (FMS): são compostos por várias máquinas flexíveis e
máquinas especiais interligadas por um sistema de transporte flexível. Várias peças
diferentes passam no sistema de transporte através de percursos diferentes e podem ser
usinadas ao mesmo tempo. A denominação de um FMS pode variar conforme o número
de máquinas-ferramenta utilizadas e o nível de flexibilidade, entretanto esta distinção
não é aceita totalmente. Quando o sistema é formado por três máquinas ou menos, pode
ser chamado de Célula Flexível de Manufatura ou FMC e quando possui mais de quatro
máquinas é chamado de FMS (GROOVER, 2007).
Um Sistema Flexível de manufatura ou FMS (Flexible Manufacturing Systems) pode
ser caracterizado como uma célula que contém máquinas altamente automatizadas,
normalmente equipamentos CNC, interligadas por um sistema transporte, manipulação e
armazenagem, também automatizadas e controladas por um sistema computacional. Além
disso, são capazes de executar uma variedade de peças diferentes de forma simultânea sendo
necessária apenas a troca dos programas NC (GROOVER, 2007).
Nem todos os sistemas “altamente” automatizados podem ser considerados FMS. Para
que essa caracterização seja feita, o sistema deve satisfazer os seguintes critérios
(GROOVER, 2007):
• Produzir diferentes peças simultaneamente;
• Permitir mudanças no sequenciamento da produção;
• Não parar o sistema em caso de falha ou manutenção em algum equipamento (re-
organizando a sequência de produção);
• Permitir a introdução de novas peças no sistema.
Um exemplo de sistema altamente automatizado, porém sem caracterizar-se como um
FMS é uma linha transfer porque produz um único ou poucos produtos, em grandes
quantidades e, normalmente, não permite fácil readequação para novos produtos sem parar a
produção.
A figura 8 apresenta uma célula de manufatura automatizada, e a questão é se essa
célula pode ser caracterizada como um FMC ou não. No caso das duas máquinas produzirem
20
somente um tipo de produto e o carrossel for carregado somente com matéria prima
unicamente para este produto, então essa célula não é considerada uma FMC mesmo sendo
altamente automatizada, visto que o material entra e sai da célula através de um sistema
automático de transporte e um robô manipulador alimente as duas máquinas. Entretanto, se as
duas máquinas-ferramenta possuem a capacidade de produzir uma variedade de peças
diferentes e o carrossel alimenta a célula com matéria prima para toda essa variedade de
produtos, então esta célula é considerada uma FMC (GROOVER, 2007).
Figura 8 - Célula de manufatura automatizada (GROOVER, 2007)
O layout de um FMS depende dos tipos de peças que serão fabricadas. Em função do
tamanho, forma geométrica, peso e quantidade, é definido o sistema de transporte que irá
interligar as máquinas-ferramenta que pode ser feito por esteiras, veículos auto guiados e
robôs industriais. O layout possui alguns formatos típicos como: robô central, em linha,
escada e loop. O formato robô central (indicado na figura 8) permite que um robô
manipulador alcance todas as máquinas-ferramenta e posições de carga/descarga das peças.
No formato em linha, o sistema de transporte desloca-se de forma linear entre as estações,
podendo movimentar-se nas duas direções, como pode ser visto na figura 9a. Na configuração
em escada (conforme mostra a figura 9b) qualquer sequência de produção é conseguida com
facilidade, pois as máquinas localizam-se na parte interna no sistema de transporte. No
formato em loop as estações de trabalho estão dispostas de forma a rodear o sistema de
transporte, conforme representado na figura 10, permitindo também que qualquer sequência
de produção seja criada (GROOVER, 2007).
Um sistema FMS necessita de um computador central para coordenar a integração de
todos os seus componentes. Essa coordenação equivale a fazer comunicação com os sistemas
21
computacionais individuais de cada máquina e enviar um comando para que um determinado
equipamento comece a operar, receber um comando do equipamento avisando que um
determinado procedimento está concluído e também, em caso de falha de algum dispositivo
aplicar procedimentos de segurança. O sistema central também pode determinar quais
programas NC devem ser enviados às máquinas (GROOVER, 2007).
Segundo Ferreira et al. (2009), há duas formas de implantar um FMS ou FMC, sendo
uma pela aquisição de soluções prontas, onde normalmente não há a transferência de
tecnologia e a segunda forma, construir o sistema através da integração física e lógica das
máquinas, sistema de transporte, manipulação e armazenamento. Nesta segunda opção, é
necessária a definição das interfaces para os equipamentos, fazer a modelagem do sistema,
estabelecer o padrão de integração e comunicação entre os equipamentos e desenvolver o
sistema de controle, gerenciamento e interface com o usuário.
Aut.
Entrada/Saída de peças
Aut. Aut. Aut. Aut.
Máquinas
Esteira
(a)
Aut.Carga /
Descarga
Entrada de peças
Saída de peças
Máquinas
Aut. Aut.
Esteira
(b)
Figura 9 - Layouts do FMS. (a) em linha, (b) escada (GROOVER, 2007)
22
Aut. Aut. Aut.
Aut. Aut. Aut.
Carga /
Descarga
Entrada de peças
Saída de peças
Máquinas
Figura 10 - Sistema Flexível de Manufatura. (GROOVER, 2007)
Um sistema FMS é formado por CLPs, computadores, máquinas CNCs, sistemas de
transporte, manipulação e armazenagem, sistema de controle e a interligação de todos esses
equipamentos através de redes industriais. Assim, um grande obstáculo técnico a ser superado
na implantação de um FMS é a grande variedade de equipamentos e fabricantes, pois os
recursos de comunicação tendem a ser muito heterogêneos. Ferreira et al. (2009) propõe a
construção de gerenciadores, um para cada equipamento, utilizando softwares supervisórios e
a partir destes gerenciadores fazer a comunicação entre os equipamentos através de um
protocolo aberto. A comunicação entre o gerenciador e um CNC, por exemplo, é feito através
de um CLP no caso do equipamento não possuir sistema de comunicação. Para que a
modelagem de uma planta FMS seja feita, é necessário definir os possíveis eventos, a
hierarquia de controle e o número mínimo de mensagens para que o sincronismo das ações
seja feita de forma correta. A arquitetura de controle descentralizada aumenta a autonomia do
sistema (FERREIRA, 2009).
2.3 PLANEJAMENTO DO PROCESSO DE PRODUÇÃO
Uma sequência de produção deve ser cuidadosamente planejada para que esse
processo seja feito de forma econômica tanto na questão de custo quanto na questão de tempo
de produção. Encontrar a forma de produção mais econômica envolve vários fatores como
determinar a melhor sequência de produção e quais equipamentos a serem utilizados,
considerando as especificações técnicas do projeto (material utilizado, tolerâncias
dimensionais, etc.), limitações dos equipamentos (que atendam às tolerâncias exigidas),
capacidade produtiva da planta, entre outros fatores (GROOVER, 2007). A utilização de um
planejamento de processo tem como objetivo orientar o fluxo de um produto através da linha
23
de produção. A forma como um plano de processo é utilizado varia conforme a empresa, indo
de uma simples sugestão sobre quais máquinas poderiam ser usadas até documentos
extremamente elaborados que detalham e norteiam os métodos a serem executados
(PROENÇA et al., 1995). Os sistemas coorporativos de gestão do chão de fábrica podem
dispor de uma ferramenta computacional para a elaboração do planejamento de processo,
chamado Computer-Aided Process Planning (CAPP).
Uma segunda definição para planejamento do processo de produção vem de Ciurana et
al. (2008) que descreve o objetivo do planejamento de processo como sendo a seleção e
definição do processo envolvido em transformar matéria prima em produto acabado,
garantindo a factibilidade dos processos, operações e parâmetros necessários.
A sequência básica típica de um processo de fabricação, segundo Groover (2007), é
apresentada na figura 11, onde o primeiro bloco, que é dos processos básicos, tem a função de
alterar a matéria prima a fim de alterar sua forma geométrica a ponto de estabelecer a
geometria inicial que irá resultar no produto final. O segundo bloco refere-se aos processos
secundários, que também alteram a geometria da peça, só que neste ponto as alterações são
mais suaves, pois o objetivo é refinar a suas formas para se chegar às dimensões do produto
final. O terceiro bloco visa melhorar as propriedades do material como, por exemplo, através
de tratamento térmico, esse bloco não é obrigatório e depende muito do produto que está
sendo fabricado. O quarto e último bloco é referente às operações de acabamento que em um
processo de manufatura pode ser a aplicação de uma acabamento ou a montagem das peças
que foram produzidas para formar o produto final.
Processos
Básicos
Processos
Secundários
Processos p/ melhorar
as propriedades do
material
Operações de
acabamentoEntrada da
matéria prima
Produto
acabado
Figura 11 - Sequência típica de um processo de fabricação (GROOVER, 2007)
Raramente otimizações são realizadas nos planos de processos existentes, sendo que
desta forma as peças serão fabricadas sempre da mesma forma enquanto o resultado final for
satisfatório (PROENÇA et al., 1995). Porém, devido à competição globalizada, há uma
grande demanda por novidades, produtos personalizados e maior qualidade. Tudo isso leva as
indústrias a constantemente necessitarem de modernização no sistema produtivo. Essas
modernizações buscam basicamente a flexibilização do sistema de produção para alcançar
24
maior diversificação de produtos sem acréscimo significativo no custo (FERREIRA et al.,
2009). Desta forma, as empresas que trabalham com produção variável devem explorar
melhor a flexibilização da produção. Visto que a produção é planejada em lotes, definidos nos
sistemas ERP3 em função da demanda solicitada pelos clientes e sendo, na sequência, os
equipamentos preparados para produzir produtos variados em um determinado período de
tempo (SIMÃO et al., 2009), pode-se afirmar que as empresas já dispõem da tecnologia
necessária para maximizar sua produtividade e flexibilidade, sendo necessário aproveitar
melhor toda esta potencialidade tecnológica.
Os sistemas CAPP4 originalmente foram desenvolvidos para interligar o projeto com a
produção, permitindo também a comunicação entre sistemas CAD5 e CAM
6. As entradas
desses sistemas são, por exemplo, variáveis como tolerância e tipo de material. Esses
parâmetros permitem saídas específicas como rota, sequência das operações de produção e
informações como profundidade de corte, velocidade, dimensões, passos de montagem, tipos
de ferramenta, etc. Os sistemas CAPP também podem ser utilizados para gerar rotas
alternativas para cada produção (CIURANA et al., 2008).
Os sistemas de auxílio ao planejamento da produção possuem dois métodos de
funcionamento com características diferentes. O primeiro método utiliza planos de processo
existentes na base de dados que estão codificados e relacionados com as peças produzidas
pela linha. O sistema busca o grupo de peças onde se encaixa a peça pesquisada, ou no caso
de ser uma nova peça e não haver registro, ele busca em qual grupo de peças a atual se
encaixa melhor e permite que, na sequência, algumas alterações possam ser efetuadas,
gerando um novo plano. A figura 12 exemplifica este primeiro método, onde o código para a
nova peça é gerada pela da derivação de um grupo semelhante desenvolvido através de uma
tecnologia de grupo (GT) (GROOVER, 2007).
3ERP (Manufacturing Execution System) – sistema computacional para administração empresarial, com
funçõesde gestão dos materiais e planejamento das atividades corporativas (FERRAZ, 2002). 4CAPP (Computer Aided Production Planning) – sistema computacional utilizado para auxiliar no Planejamento
da produção. 5CAD (Computer Aided Design) – sistema computacional utilizado para auxiliar no desenvolvimento de projetos
e desenhos técnicos. 6CAM (Computer Aided manufacturing) – sistema computacional utilizado para auxiliar a codificação dos
desenhos CAD em códigos para os equipamentos de produção.
25
Código
derivado da
GT p/ a peça
Pesquisa pela
família de peças
p/ o código GT
Retorna plano
de processo
padrão
Editar plano
existente ou
criar novo plano
Ajustar
plano de
processo
Plano de
processo final
Base de dados
das famílias de
peças
Outros
sistemas
Planos de
processo
padrão
Figura 12 – Sistema CAPP com busca de planos de processo semelhantes na base de dados (GROOVER, 2007)
O segundo método é conhecido como sistema generativo, pois, utilizando
procedimentos sistemáticos, ele cria os planos de processo para cada nova peça sem utilizar
padrões pré-definidos. Contudo, ele necessita de uma base de dados técnica sobre a produção
para que ele possa gerar um novo plano e precisa das descrições do produto, que podem ser o
modelo geométrico gerado em CAD ou um código que o relaciona com uma determinada
tecnologia de grupo para que as características da peçam possam ser identificadas
(GROOVER, 2007).
Ainda segundo Groover (2007), alguns benefícios dos sistemas CAPP são: (1)
padronização do processo que resulta em planos mais consistentes e lógicos; (2) aumento de
produtividade nos planos de processo; (3) redução no tempo de desenvolvimento e preparação
dos planos; (4) melhor legibilidade das rotas; (5) possibilidade de comunicação com outros
sistemas, como a definição de estimativa de custo.
2.4 MANUFATURA INTEGRADA POR COMPUTADOR (CIM)
Esta seção faz uma breve descrição do conceito CIM (Computer Integrated
Manufacturing), a fim de localizá-lo dentro de toda a estrutura de uma indústria. Desta forma,
não será feito uma abordagem aprofundada por não ser o foco deste trabalho. A manufatura
integrada por computador ou CIM pode ser definida como todas as atividades desenvolvidas
dentro de uma empresa e interligadas através de sistemas computacionais, a fim de permitir a
integração organizacional para obter vantagens e melhoras no processo de produção (SIMA,
1995).
A grande utilização de sistemas computacionais nas organizações, inclusive nas linhas
de produção, traz várias vantagens competitivas como redução no tempo de lançamento de
novos produtos, aumento na confiabilidade do produto, aumento na qualidade, redução de
custos entre outros. As áreas de planejamento (contabilidade, pessoal, vendas, etc.) já estão
bastante integradas, entretanto, as áreas de projeto e produção ainda sofrem com dificuldades
26
impostas pela complexidade de sistemas heterogêneos disponíveis no mercado, gerando muita
incompatibilidade de dados (SIMA, 1995).
Segundo Scheer (1993), o conceito CIM faz referência ao processamento das
informações geradas em uma indústria de forma integrada e abrangendo todas as tarefas
técnicas e operacionais. As tarefas operacionais estão relacionadas com os sistemas de
planejamento e controle da produção (PCP) e tratam do gerenciamento dos pedidos, enquanto
que, as tarefas técnicas estão relacionadas aos sistemas CAx (CAD, CAE, CAM, CAPP) e
tratam da especificação dos produtos e dos recursos de produção. A figura 13 mostra o padrão
atual, onde ainda são utilizadas bases de dados individuais em setores ou departamentos
diferentes. A figura 14 ilustra o conceito proposto pela filosofia CIM, onde o objetivo é gerar
uma base de dados única para toda a empresa, de forma a facilitar e agilizar o acesso das
informações entre os departamentos e, consequentemente, reduzir as chances de ocorrer
inconsistência de dados entre várias bases de dados.
Subprocesso 1
Departamento A Ba
se
de
da
do
s
Período de Entrada
Subprocesso 2
Departamento B
Período de Entrada
Subprocesso 3
Departamento C
Período de Entrada
Ba
se
de
da
do
s
Ba
se
de
da
do
s
Transferência
de dados
Transferência
de dados
Subprocesso 1
Departamento A
Ba
se
de
da
do
s c
om
um
Período de Entrada
Subprocesso 2
Departamento B
Período de Entrada
Subprocesso 3
Departamento C
Período de Entrada
Figura 13 - Bases de dados subdivididos (SCHEER, 1993) Figura 14 - Base de dados integrada (SCHEER, 1993)
2.5 CONTROLE NUMÉRICO COMPUTADORIZADO (CNC)
O aprimoramento das máquinas e ferramentas na indústria mecânica sempre foi uma
busca constante a fim de aumentar a produtividade, melhorar a qualidade e mais recentemente
melhorar a flexibilidade desses equipamentos. A necessidade de flexibilidade começou a
surgir com a entrada de novos conceitos nos sistemas de produção, associados ao Sistema
Toyota de Produção e à Manufatura Enxuta, onde propõe-se a produção de lotes de peças
27
menores e a diversificação de produtos foi aumentada (SIMA, 1995). A principal
característica das linhas de produção era possuir um fluxo de material constante e o período
em que os produtos eram produzidos eram longos. Hoje, esse tipo de linha de produção é
conhecida como Automação Rígida. Com o desenvolvimento de novas tecnologias de
hardware e software, dos sistemas de produção “Enxutos” e exigências do mercado, surgiu a
necessidade de trabalhar com lotes pequenos e com uma variedade maior de produtos. Com
isto a indústria teve que se adaptar às constantes mudanças no planejamento de produção,
adotando assim sistemas mais flexíveis. Esses sistemas flexíveis possuem a capacidade de se
ajustar de forma rápida às mudanças de composição de lote, processos e sequências de
produção. Esta é a automatização flexível (VOLPATO, 2008).
O Controle Numérico Computadorizado (CNC) é um sistema de controle onde a
principal variável a ser controlada é a posição da ferramenta em relação a peça a ser usinada.
Todas as informações pertinentes à produção da peça são inseridas em um programa que, ao
ser executado, permite que a máquina realize seu trabalho de forma totalmente automática
(MADISON, 1996). Essas máquinas são muito flexíveis, pois ao término de um processo de
usinagem, pode-se alterar o programa e produzir outra peça diferente da primeira. Com isso,
os equipamentos CNC tornam-se muito úteis nas linhas de produção.
Inicialmente, o objetivo da utilização de um CNC foi buscar a redução no custo da
produção. Posteriormente outros objetivos foram definidos, como a redução no tempo de
programação, aumento da capacidade operacional, redução no tempo de usinagem, custo de
fixação e armazenagem das ferramentas e aumento no tempo de vida da ferramenta
(MADISON, 1996).
Um sistema CNC pode ser decomposto em três partes principais, conforme pode ser
visto na figura 15 (GROOVER, 2008; VOLPATO, 2008):
Programa – comandos que detalham passo a passo as ações que devem ser executadas
pelo equipamento, como por exemplo, o posicionamento da ferramenta de corte,
velocidade de rotação, avanço, profundidade de corte, seleção da ferramenta de corte entre
outras. Basicamente deve-se responder às seguintes perguntas antes do desenvolvimento
do software: O que fazer? (peça), Onde? (dados geométricos da peça), Quando?
(sequência de operação), Com quê? (ferramenta) e Como? (dados tecnológicos);
Unidade de controle – é o sistema microprocessado, responsável por receber os
programas, interpretá-los e enviar os comandos para os acionamentos mecânicos. Ou seja,
executa as instruções do programa e as converte em ações mecânicas;
28
Sistema mecânico – responsável por efetivamente transformar a matéria prima em produto
acabado ou semi acabado. São os elementos de comando, acionamentos e medição.
SISTEMA CNC
PROGRAMA (SOFTWARE)
UNIDADE DE CONTROLE
SISTEMA MECÂNICO
Figura 15 - Princípio do controle CNC (GROOVER, 2008)
2.5.1 DNC (Direct Numerical Control)
O DNC foi desenvolvido na década de 60 para controlar várias máquinas-ferramenta
em tempo real utilizando um único computador através de uma conexão direta. Desta forma,
as instruções são enviadas em blocos pelo computador aos equipamentos. De forma geral, um
sistema DNC é composto por um computador central que armazena os programas NC e os
envia para as máquinas. Quando uma máquina CNC necessita do programa, ela envia uma
requisição ao computador central que busca os dados em sua memória e as envia ao
equipamento solicitante. O computador central também envia um programa a uma
determinada máquina para que o processamento do material seja executado. Outra vantagem
deste tipo de controle de usinagem é a possibilidade das máquinas-ferramenta enviarem dados
referentes à produção, como por exemplo, quantidade de peças produzidas, desgastes de
ferramentas, tempo parado por defeito e tempo de utilização, entre outras informações. A
principal desvantagem é o custo elevado para se implementar toda a comunicação, o que pode
inviabilizar sua implantação (GROOVER, 2008). A figura 16 apresenta um esquema
simplificado de um sistema DNC, o computador central e sua interligação com mais de um
equipamento.
29
COMPUTADOR CENTRAL
INTRODUÇÃO
DE DADOS
CÁLCULO DE
FABRICAÇÃO
CENTRAL
MEMÓRIA
ELEMENTO DE
LIGAÇÃO
NC CONVENCIONAL
ACESSÓRIO DNC
MÁQUINA
NC CONVENCIONAL
ACESSÓRIO DNC
MÁQUINA
MEIO DE COMUNICAÇÃO
Figura 16 – Esquema simplificado de um sistema DNC (WITTE, 1998)
2.5.2 Características dos equipamentos CN
De forma geral, a tecnologia CN é adotada para produções de baixo a médio volume e
média a alta variedade de produtos. Algumas características podem ser citadas:
Produção: estes equipamentos são vantajosos para produções com pequenos e médios
tamanhos de lote, de uma unidade a centenas de unidades, e também para produções com
grande variedade de produtos, já que o setup é efetuado de forma mais rápida;
Repetibilidade e qualidade: o programa de usinagem da peça permite que o processo seja
repetido inúmeras vezes com a mesma precisão. Assim, mesmo a produção de grandes
lotes e/ou pouca (ou nenhuma) variedade de produtos num equipamento CN pode ser
interessante, quando se considera a qualidade obtida;
Geometrias complexas: torna-se viável a execução de superfícies complexas que seriam
de difícil realização em máquinas-ferramenta convencionais;
Diferentes operações de usinagem na mesma peça: uma peça pode necessitar de vários
processos de usinagem diferentes, exigindo dessa forma diferentes ferramentas de corte.
No processo manual, o tempo de setup seria muito mais longo para realizar os mesmos
ajustes que em uma máquina CN.
30
2.6 SISTEMAS SUPERVISÓRIOS
Os sistemas supervisórios são sistemas computacionais utilizados para monitorar e
rastrear informações de um processo de produção ou planta industrial em tempo real. Os
sistemas supervisórios, também são conhecidos como sistemas SCADA (Supervisory Control
and Data Aquisition). Os primeiros sistemas supervisórios eram representados por grandes
painéis com o sinóptico da fábrica desenhado nas portas e lâmpadas para representar o estado
dos equipamentos e chaves e botoeiras para os acionamentos. Atualmente, esses sistemas são
softwares instalados em computadores onde o status da planta é mostrado em um ou vários
monitores e os acionamentos são executados com o mouse ou teclado (SILVA e
SALVADOR, 2005).
Os sistemas SCADA identificam as variáveis de processo envolvidas na aplicação
através de tags que podem executar operações matemáticas, lógicas e com strings
representando para o usuário todos os pontos de entrada e saída de dados do processo. Podem
ser usadas faixas de valores pré-estabelecidas onde, ao serem ultrapassados os limites, há
condições de alarmes sinalizando a situação indesejada, sendo possível também a gravação
dos registros dessas condições. Essas informações podem ser acompanhadas pelos usuários
através de gráficos, animações, relatórios, entre outras formas de exibição (SILVA e
SALVADOR, 2005).
De uma forma resumida, os componentes de um sistema de supervisão são os sensores
e atuadores, as redes de comunicação, as estações remotas (aquisição e controle) e
monitoração (sistema computacional) (SILVA e SALVADOR, 2005). A aquisição dos dados
é feita através de estações remotas, CLPs (Controladores Lógico-Programáveis) e RTUs
(Remote Terminal Units) que realizam a leitura dos valores dos dispositivos. Os CLPs e
RTUs, são unidades computacionais específicas distribuídas pelas plantas industriais a fim de
ler as entradas, realizar cálculos e controles, e atualizar as saídas. As redes de comunicação
possuem a função de fazer a ligação entre os CLPs, RTUs e o sistema supervisório. A
definição e escolha de uma rede depende de vários fatores como distância, forma de
transmissão (cabos metálicos, fibras ópticas ou via rádio), confiabilidade, segurança e área em
que será aplicada, entre outros fatores (SILVA e SALVADOR, 2005).
A troca de informações nos sistemas SCADA pode ser dividida de três formas: i)
comunicação com os CLPs e RTUs; ii) entre outras estações SCADA; e iii) entre outros
sistemas. A comunicação com os dispositivos de campo pode ser realizada através da
comunicação mestre/escravo onde a estação remota (escravo) só responde à estação central
31
quando solicitado, simplificando desta forma o processo de comunicação para a coleta de
dados, além de diminuir o problema de colisão no tráfego na rede. Entretanto, é incapaz de
comunicar situações anormais ao sistema mestre. A comunicação através de interrupção
ocorre quando os sistemas remotos detectam alterações significativas nas variáveis
monitoradas. Esta comunicação evita informações desnecessárias e diminui o tráfego na rede,
permitindo rápida detecção de problemas. A comunicação entre estações SCADA e também
com outros sistemas pode ser realizada através das redes ethernet TCP/IP7 e várias técnicas de
compartilhamento de dados como banco de dados central e tecnologias como XML8 e OPC
9
(SILVA e SALVADOR, 2005).
Para sistemas discretos, como é o caso das plantas de manufatura, Leduc (2006)
propõe uma supervisão baseada em interfaces hierárquicas para realizar a supervisão e
controle de uma planta industrial de forma modular e com redução de complexidade. Esta
técnica segue o conceito de comunicação mestre/escravo, onde um sistema de alto nível
solicita informações dos sistemas de baixo nível.
Para a comunicação mestre/escravo as interfaces desenvolvidas devem ser bem
definidas para que se possa alcançar a redução de complexidade, visto que há uma interface
para cada conjunto de comunicação do sistema alto nível/baixo nível. Desta forma, se o
sistema de alto nível se comunica com três sistemas de baixo nível, haverá três interfaces
independentes (LEDUC, 2006).
Esta técnica permite que a expansão da planta seja feita com o mínimo de alterações
necessárias no sistema de alto nível, enquanto que os outros sistemas de baixo nível ficam
inalterados. Além de facilitar a manutenção, também evita o bloqueio de toda a planta em
caso de falha (LEDUC, 2006).
2.6.1 Redes Industriais
As redes de computadores são fundamentais para a integração industrial, pois é através
delas que se faz o compartilhamento de recursos, um melhor fluxo de comunicação
intersetorial, acesso a banco de dados centralizados e monitoração e controle de plantas e
processos (SIMA, 1995). Além disso, as redes industriais garantem que as informações sejam
transmitidas de forma rápida, confiável e com segurança.
7 TCP/IP (Transmission Control Protocol/Internet Protocol) – conjunto de protocolos de comunicação.
8 XML (eXtensible Markup Language) – tecnologia para criar infra-estrutura única para diversas linguagens.
9 OPC (OLE for Process Control) – tecnologia para facilitar a comunicação entre equipamentos de diversos
padrões diferentes.
32
As redes locais interligam computadores pessoais, estações de trabalho e
equipamentos em escritórios e instalações industriais. As LANs (Local Area Network) podem
ser construídas utilizando-se de diversas topologias, como por exemplo, em barramento
(representado na figura 17a) ou anel (como pode ser visto na figura 17b) (TANENBAUM,
2003).
(a) (b)
Figura 17 – Exemplos de topologia. (a) barramento (b) anel (TANENBAUM, 2003)
Quanto à forma de comunicação, ela pode ser feita de forma direta ou indireta. A
comunicação direta, como pode ser vista na figura 18a, é realizada quando duas máquinas
compartilham o mesmo meio físico, já na comunicação indireta, apresentado na figura 18b, as
informações passam por equipamentos intermediários que lêem o cabeçalho do pacote e
verificam quem deve recebê-lo, redirecionando as mensagens para o destinatário correto.
Também pode haver a necessidade de enviar uma mensagem para todas as máquinas de uma
rede (broadcasting) ou um grupo de máquinas (multicasting) (TANENBAUM, 2003).
(a) (b)
Figura 18 – Formas de comunicação. (a) direta (b) indireta
Um ambiente industrial utiliza várias redes diferentes conforme as características do
ambiente e a necessidade técnica dos dispositivos interconectados. Essas redes, na maioria
dos casos, podem ser conectadas entre si. Como cada rede possui características técnicas
distintas, há a necessidade de utilizar equipamentos que convertam uma rede em outra, sendo
que esses dispositivos são os gateways (TANENBAUM, 2003).
33
As redes industriais começaram a ser desenvolvidas para resolver problemas
específicos de alguns fabricantes. Desta forma, cada fabricante direcionou o desenvolvimento
para seu nicho de negócio e com isso surgiu várias redes industriais diferentes. Entretanto,
essa diversidade gerava altos custos de desenvolvimento e fabricação, além de não haver
compatibilidade entre as diferentes tecnologias. Esses problemas levaram à criação de comitês
para o estabelecimento de padrões com especificações abertas e independente de fabricante
(CARO, 2004). As redes de comunicação basicamente podem ser divididas em duas: Redes
de Informação e Redes de Controle. As redes de informação encontram-se no nível
corporativo e caracterizam-se por transmitir grande quantidade de informações, com baixa
frequência de fluxo e utilizando protocolos mais elaborados, porém mais lentos se comparado
com as redes de controle. As redes de controle são utilizadas nos níveis que encontram-se no
chão de fábrica. Essas redes transmitem uma quantidade menor de informações, porém em
fluxos maiores e como estão transmitindo informações de equipamentos deve ser mais rápida
que uma rede de informação. Outra característica das redes de controle é a imunidade a áreas
agressivas com interferência eletromagnética, altas temperaturas, áreas com perigo de
explosão, etc (WIECHETECK, 2006).
As redes de informação são utilizadas no nível mais alto da hierarquia em uma
arquitetura de sistemas de automação, o nível corporativo. Essa rede interliga sistemas ERP e
EPS, por exemplo, que exigem a transferência de uma grande quantidade de informações. Por
outro lado, as redes de controle são utilizadas nos níveis que atendem o chão de fábrica. Elas
interligam sistemas supervisórios, CLPs e remotas de aquisição de dados e também alguns
sistemas de PIMS e MES (WIECHETECK, 2006).
Dentro das redes de controle, existem as redes de campo e a redes digitais. As redes de
campo são utilizadas pelos CLPs para que possa ser feita a leitura dos sensores (tanto digitais
quanto analógicos). Os sinais discretos são codificados de 0 a 24Vcc, 0 a 110Vca ou 0 a
220Vca e os sinais analógicos são geralmente codificados na faixa de 0 a 20mA ou 0 a 10V.
A rede digital ou barramento de campo, é outra alternativa para interligar instrumentos e
sensores. Essa rede pode ser dividida em três tipos diferentes:
Redes de sensores ou Sensorbus – é o nível mais baixo das redes industriais, sendo
apropriadas para interligar sensores e atuadores discretos. Estes tipos de redes têm como
objetivo reduzir o cabeamento necessário para interligar todos os sensores e atuadores. Isso é
34
conseguido utilizando-se de sensores e atuadores inteligentes ou levando uma interface de
I/O10
próximo aos equipamentos.
Redes de dispositivos ou Devicebus – são redes capazes de interligar dispositivos mais
genéricos como CLPs, remotas de aquisição de dados e controle, conversores AC/DC11
, relés
de medição inteligentes, etc.
Redes de instrumentação ou Fieldbus – são redes concebidas para integrar
instrumentos analógicos no ambiente industrial, como transmissores de vazão, pressão,
temperatura, válvulas de controle, etc. A figura 19 apresenta a classificação das redes em um
ambiente industrial.
2.7 OTIMIZAÇÃO DA PRODUÇÃO
Otimização é uma área de pesquisa que busca encontrar os melhores valores para as
variáveis de decisão de determinado problema, satisfazendo as restrições do modelo
matemático. Dentro do conjunto de soluções, os resultados que atendem às restrições
impostas pelo modelo são chamadas de soluções factíveis (CARNIATO, 2005). Segundo
Goldbarg e Luna (2005), um modelo não é igual à realidade, porém é bastante similar para
que os resultados obtidos através de sua análise possam ser estendidos à realidade.
Figura 19 – Esquema geral de um sistema de supervisão e controle de processos (FERRAZ, 2002)
10 I/O (Input/Output) – dispositivo utilizado para entrada de dados/saída de dados
11 AC/DC – circuito eletrônico responsável por converter tensão alternada em tensão contínua
35
Há vários problemas onde a alocação otimizada de recursos traz benefícios
significativos. Como exemplo de ganhos estão a minimização de custos, maximização dos
lucros (ganhos) ou otimização na utilização de recursos. As técnicas de otimização
normalmente são utilizadas em problemas complexos, onde não é possível chegar a uma
solução de forma direta ou quando há um número muito grande de possíveis soluções
(CARNIATO, 2005).
A otimização pode ser global, definida como a melhor solução dentre todas as
soluções possíveis ou otimização local que é caracterizada pela melhor solução em um
conjunto limitado de soluções que estão próximas entre si. A otimização global só é garantida
pelo uso dos chamados métodos exatos, como várias abordagens de programação matemática
(por exemplo, programação linear, programação inteira e programação linear inteira mista).
Porém, os métodos exatos podem não ser capazes de solucionar um problema devido à sua
complexidade computacional. Por outro lado, a otimização local pode ocorrer para problemas
não lineares ou quando métodos heurísticos são usados. Os métodos heurísticos têm a
característica de não garantir a identificação da solução ótima, mas tendem a evidenciar uma
boa solução local (RODRIGUES, 2008). A seguir apresenta-se uma breve revisão de
programação matemática e de métodos heurísticos.
A otimização da produção permite, em casos reais (GOLDBARG e LUNA, 2005):
Estabelecer melhorias mensuráveis na operação do sistema;
Definir parâmetros (set-points) para a automação de processos e identificar gargalos
operacionais;
Fornecer pontos de referência para análise e avaliação;
Ajudar nas tomadas de decisões;
Desenvolver análises comparativas de desempenho operacional;
Determinar valores de referência para diversos produtos na cadeia de produção,
processamento, estocagem e transporte.
2.7.1 Programação Matemática
Há dois desafios na solução de um problema de otimização: i) gerar uma
representação do problema; e ii) aplicar um método de busca (ou de solução) do problema
(RODRIGUES, 2008). Há vários softwares comerciais de programação matemática que
dispõem do método de busca, mas cabe ao usuário gerar a representação do problema através
de um modelo matemático, sendo este o principal desafio no uso da programação matemática.
36
A formulação de um modelo envolve a tradução do problema em variáveis e um
sistema de equações/inequações, onde cada (in)equação representa uma restrição do
problema. A validação do modelo é feita através de várias etapas, através da intervenção
contínua do desenvolvedor até se obter o modelo adequado, conforme pode ser visto na figura
20. Os elementos que compõem a programação matemática são (CARNIATO, 2005):
Variáveis de decisão - são as variáveis que resultam na solução do problema (por
exemplo, quantidade produzida, recursos utilizados);
Função objetivo - é a função que deve ser maximizada ou minimizada, como por
exemplo, menor custo, maior lucro e maior taxa de produção. A função objetivo é
encontrada em função das variáveis de decisão;
Restrições - são as funções que limitam o espaço dos resultados factíveis. Essas restrições
são impostas em função das limitações reais do sistema modelado. Como exemplo, pode-
se citar restrições físicas de equipamentos, limite de recursos e restrições operacionais.
Figura 20 – Esquema de processo de formulação e validação de um modelo matemático (GOLBARG e LUNA,
2005)
2.7.2 Métodos Heurísticos
Os métodos heurísticos são utilizados em problemas onde a programação matemática
requer um alto custo computacional ou quando não se consegue gerar um modelo matemático
eficiente (para resolver o problema via programação matemática) ou a solução ótima não é
exigida. Estes algoritmos não garantem a solução ótima do problema, mas alcançam soluções
boas e às vezes até muito próximas da solução ótima, dependendo do tempo dedicado à busca
(CARNIATO, 2005).
37
2.7.2.1 Algoritmos Genéticos
Algoritmo Genético (AG) é uma abordagem heurística tradicional de busca e
otimização. O seu processamento é baseado nos mecanismos de genética e seleção natural
(SARAVANAN et al., 2003). A “computação evolutiva” tem como objetivo tratar de
sistemas que resolvam problemas que utilizam modelos computacionais baseados na teoria da
evolução natural.
Os Algoritmos Genéticos ou AGs (utilizados com maior ênfase em aplicações de
engenharia) são programas evolutivos que se baseiam na teoria da seleção natural e na
hereditariedade, ou seja, para certa população, os indivíduos com as melhores características
genéticas têm maiores chances de sobrevivência e de produzirem indivíduos cada vez mais
aptos. Por outro lado, os menos aptos tendem a desaparecer. Cada indivíduo, que é
representado por um cromossomo, corresponde a uma possível solução para o problema. Um
mecanismo de reprodução é aplicado sobre a população para gerar novas gerações,
aumentando o espaço de busca e, com isso, permitindo que melhores soluções sejam
encontradas. Segundo o princípio básico de genética populacional, além da recombinação, a
variabilidade entre indivíduos em uma população é produzida também pela mutação
(REZENDE, 2002).
Várias técnicas de busca e otimização tradicionais, como o Simulated Annealing e a
Busca Tabu, trabalham com apenas um candidato, que é manipulado através de uma
heurística diretamente associada ao problema a ser resolvido. Apesar desses métodos não
serem muito robustos, eles são amplamente utilizados com sucesso em inúmeras aplicações.
Por outro lado, as técnicas de computação evolutiva trabalham com uma população de
candidatos em paralelo, desta forma é possível realizar a busca em diferentes áreas do “espaço
de solução”. Com isso, essa técnica tem maior chance de atingir as melhores áreas no espaço
de busca (REZENDE, 2002).
Há quatro aspectos principais que diferem os Algoritmos Genéticos (AGs) de outros
métodos tradicionais de busca e otimização, sendo eles: AGs trabalham com uma codificação
do conjunto de parâmetros e não com os próprios parâmetros; trabalham com uma população
e não com um único ponto; utilizam informações de custo ou ganho e não derivadas ou outro
conhecimento auxiliar; e utilizam regras de transição probabilística e não determinísticas
(REZENDE, 2002). Os Algoritmos Genéticos têm obtido soluções eficientes, conseguindo
resultados muito próximos de soluções ótimas para uma variedade grande de problemas
(REZENDE, 2002).
38
Os Algoritmos Genéticos começam com a geração de uma população através de um
conjunto aleatório de indivíduos que podem ser possíveis soluções para o problema. Cada
indivíduo recebe uma nota que reflete sua habilidade de adaptação. Uma porcentagem dos
mais aptos é mantida, sendo os outros descartados. Os indivíduos mantidos podem sofrer
modificações através de mutações, cruzamentos ou recombinações gerando descendentes para
a próxima geração. Esse processo de reprodução é repetido até que uma solução satisfatória
ou um critério seja atingido (REZENDE, 2002).
a) Características gerais dos AGs:
Um problema é representado por uma string que pode ser interpretada como se fosse
um cromossomo, onde cada posição dessa string representa um gene. Cada gene pode ser um
valor binário, inteiro ou real, entretanto o mais comum é a utilização de valores binários. Essa
cadeia de valores representa o conjunto de parâmetros da função-objetivo que será
maximizada ou minimizada (REZENDE, 2002). Por exemplo, uma string que possui um
tamanho de vinte unidades pode representar os valores da velocidade de corte e do avanço
(num processo de usinagem), sendo que as cinco primeiras posições são utilizadas para
representar a velocidade de corte para o processo de desbaste, enquanto que as cinco posições
seguintes representam o avanço da ferramenta para o processo de desbaste. As dez últimas
posições representam a velocidade de corte e o avanço para o processo de acabamento, sendo
cinco posições dedicadas a cada um dos parâmetros (SARAVANAN et al., 2003).
A população inicial é gerada com uma determinada quantidade de indivíduos que varia
conforme o problema. Quando não se conhece o espaço de busca do problema, a população
inicial é gerada de forma aleatória, entretanto, quando é conhecida a região do espaço de
busca que contém os melhores resultados, é possível gerar a população inicial à partir deste
conhecimento prévio (REZENDE, 2002).
Para cada indivíduo da geração analisada é gerado um valor de aptidão que representa
quão bom é cada indivíduo, permitindo privilegiar os mais fortes. A aptidão é calculada com
base na função-objetivo e varia para cada problema (REZENDE, 2002). Em alguns casos,
inclusive neste trabalho, o valor da aptidão varia no intervalo (0,1) e a somatória da aptidão de
todos os indivíduos de uma geração deve ser igual a 1.
Um processo de seleção é aplicado na geração atual, utilizando-se como base a aptidão
de cada indivíduo. Desta forma, gera-se um novo conjunto de indivíduos que é chamada de
população intermediária. Há vários métodos de seleção, sendo que a maioria das abordagens,
39
mesmo favorecendo os indivíduos com maior aptidão, aceita indivíduos mais fracos, dentro
de uma determinada probabilidade, a fim de manter uma melhor diversidade da “população de
soluções”, ou diversidade genética (REZENDE, 2002).
Há três métodos principais de seleção que serão descritos a seguir (REZENDE, 2002):
Método da roleta: é o método mais simples e o mais utilizado. Uma roleta é utilizada para
selecionar os indivíduos, sendo que ela é dividida em fatias que possuem um tamanho
proporcional à aptidão de cada indivíduo (sendo que quanto maior a aptidão, maior a
fatia). A figura 21 apresenta cinco indivíduos (S1, S2, S3, S4 e S5) que participarão do
sorteio. A roleta é girada algumas vezes, dependendo do tamanho da população
intermediária que será gerada, e o indivíduo que for “apontado pela seta” em cada passo é
selecionado. Conforme descrito por Camargo (2006), este método possui uma alta
pressão seletiva nos casos em que a diferença de probabilidade entre os indivíduos é
grande, pois o indivíduo mais apto possuirá uma fatia maior na roleta. Isto acarreta em
uma baixa diversidade populacional e convergência mais rápida para um ótimo local;
Figura 21 – Método de seleção por roleta (REZENDE, 2002)
Método do torneio: neste método, um determinado número de indivíduos é selecionado
de forma aleatória, porém com a mesma probabilidade de escolha. Dentre esse número de
selecionados, o que tiver a maior aptidão é escolhido para compor a população
intermediária e o processo é repetido até completar esta população. A figura 22 apresenta
um exemplo do método do torneio para uma seleção de três indivíduos (mesmos
indivíduos da figura 21). Segundo Camargo (2006), como o método é baseado na
comparação entre „n‟ indivíduos, quanto maior o „n‟ maior será a pressão seletiva
imposta à população, pois mais rapidamente as características genéticas dos melhores
indivíduos dominarão a população;
S1
S2
S3
S4
S5
40
S1, S2, S5 S2
S2, S4, S5 S2
S5, S1, S3 S5
S4, S5, S3 S4
S3, S1, S5 S5
Candidatos Selecionado
Figura 22 – Método da seleção por torneio (REZENDE, 2002)
Método da amostragem universal estocástica: este método, também bastante utilizado, é
uma variante do método da roleta, sendo que neste caso utiliza-se x setas, distanciadas
entre si de forma regular, e a quantidade é determinada pelo número de indivíduos que
serão selecionados para compor a população intermediária, conforme pode ser visto na
figura 23. Com isso, a roleta é girada somente uma vez ao invés de várias vezes como no
método da roleta.
Os operadores genéticos são utilizados para gerar novas populações buscando
melhorar a aptidão com o passar das novas gerações. Esses operadores são o cruzamento e a
mutação, e são importantes para que as novas populações sejam criadas com indivíduos
novos, porém mantendo algumas características dos pais. Desta forma, permite-se a
diversificação e mantém-se as características de adaptação adquiridas pelas gerações
anteriores. Há situações onde um indivíduo é considerado promissor e não deve ser
descartado, nestes casos é possível fazer a clonagem, ou seja, o indivíduo é copiado ou
mantido na geração seguinte (REZENDE, 2002).
A mutação tem como função permitir que ocorra a diversidade genética na população
através da alteração aleatória de um ou mais componentes na estrutura de um determinado
indivíduo, como pode ser visto na figura 24. Em outras palavras, a mutação permite que o
problema de mínimos locais possa ser contornado pela sutil alteração na direção da busca. A
probabilidade de ocorrer a mutação normalmente é baixa por ser um operador genético
secundário (REZENDE, 2002).
41
Figura 23 – Método de seleção por amostragem universal estocástica (REZENDE, 2002)
0 1 0 0 0 1 1
0 1 0 1 0 1 1
Antes da mutação
Depois da mutação
Figura 24 – Exemplo de mutação (REZENDE, 2002)
O cruzamento, ou crossover, é responsável por fazer a recombinação das
características dos pais para que a geração seguinte criada herde essas características. Como
este é um operador genético predominante, sua probabilidade de ocorrer é maior se
comparada com a mutação. O cruzamento pode ser realizado de várias formas (REZENDE,
2002):
Cruzamento de um ponto: neste método, um ponto de cruzamento é selecionado e as
informações que se encontram antes desse ponto de um indivíduo é ligada com as
informações que estão depois desse ponto do outro indivíduo, gerando dessa forma dois
filhos diferentes (representado pela figura 25).
0 1 0 0 0 1 1
0 1 0 0 1 0 1
Pais
Filhos
0 0 1 0 1 0 1
0 0 1 0 0 1 1
Figura 25 – Cruzamento de um ponto (REZENDE, 2002)
S1S2S3S4S5
42
Cruzamento multiponto: é uma variação do cruzamento de um ponto, porém neste método
é possível utilizar vários pontos de cruzamento. A figura 26 apresenta um cruzamento
multiponto para 2 pontos.
0 1 0 0 0 1 1
0 1 0 0 1 1 1
Pais
Filhos
0 0 1 0 1 0 1
0 0 1 0 0 1 1
Figura 26 – Cruzamento em dois pontos (REZENDE, 2002) – modificado
O algoritmo genético sofre grande influência dos parâmetros utilizados e desta forma,
é importante que seja analisado como esses parâmetros devem ser utilizados em função do
problema a ser resolvido. Na sequência são descritos os principais parâmetros utilizados
(REZENDE, 2002):
i) Tamanho da população: este parâmetro afeta tanto o desempenho global quanto a
eficiência do algoritmo genético. A aplicação de pequenas populações pode levar a um
baixo desempenho, pois o espaço de busca do problema é menor. Por outro lado, com
grandes populações evita-se que o resultado tenda para soluções locais. Entretanto, é
necessário maior capacidade computacional para o processamento;
ii) Taxa de cruzamento: a taxa de cruzamento determina com que velocidade novas
estruturas são introduzidas na população. Quando essa taxa é muito alta, estruturas com
boas aptidões podem ser retiradas de forma mais rápida, enquanto que, com taxa muito
baixa a busca pode não avançar adequadamente;
iii) Taxa de mutação: quando esta taxa é baixa, ela evita que a busca fique presa em sub-
regiões e permite que qualquer ponto do espaço de busca seja alcançado. Por outro lado,
uma taxa muito alta faz com que a busca torne-se aleatória;
iv) Intervalo de geração: faz o controle percentual da população que será substituída na
geração seguinte. Um alto intervalo faz com que uma boa parte da população seja
substituída, perdendo desta forma estruturas com alta aptidão. Um baixo intervalo faz com
que o algoritmo se torne muito lento;
43
v) Critério de parada: define quando o algoritmo genético irá terminar a execução. Os
critérios de parada podem variar e depende da análise do desenvolvedor.
b) Funcionamento
Passos para a implementação de um algoritmo genético (SARAVANAN et al., 2003):
1) Escolher uma representação para os parâmetros do processo, um operador de seleção, um
operador de crossover e um operador de mutação. Ainda neste passo, deve-se definir o
tamanho da população, a probabilidade de crossover e a probabilidade de mutação. Para
terminar este passo é definido o número máximo de gerações permitidas;
2) Testar cada string da população;
3) Se o critério de término for satisfeito, termina-se o código;
4) Realizar a reprodução na população;
5) Realizar crossover em um par de strings com a probabilidade definida para ele;
6) Realizar a mutação nas strings com a probabilidade definida para ela;
7) Testar as strings na nova população. Atualizar o controle de gerações e retorna para o
passo 3.
2.7.2.2 Simulated Annealing (SA)
Simulated Annealing (SA) é um modelo computacional baseado no processo físico de
recozimento (ou têmpera) de materiais e na resolução de problemas de otimização
combinatória (CARNIATO, 2005). O SA é uma técnica de busca e otimização não tradicional
que lembra o processo de resfriamento de metais. Com uma escolha adequada dos parâmetros
iniciais, ele é um algoritmo que pode encontrar um ponto ótimo global (SARAVANAN et al.,
2003). O fenômeno de resfriamento é simulado controlando-se o parâmetro “temperatura”
através da distribuição de Boltzmann que diz que um material (ou solução) em equilíbrio
térmico a uma determinada temperatura T tem sua energia interna distribuída de forma
probabilística em função da equação (16) (SARAVANAN et al., 2001).
(16)
onde:
K constante de Boltzmann
44
T temperatura
Energia interna do ponto inicial ( ) – energia interna do ponto vizinho ( )
A constante K é utilizada para se definir a taxa de resfriamento que será aplicada ao
processo. Por exemplo, se a taxa de resfriamento for definida como 0,9, a cada iteração a
temperatura (T) será multiplicada por essa constante fazendo com que o novo valor seja
inferior ao anterior. Esse procedimento é realizado até que o critério de parada seja alcançado.
Desta forma, a temperatura (T) é utilizada como um controle para o término do algoritmo.
Com o controle da temperatura e assumindo que o processo de busca segue a
distribuição de Boltzmann, pode-se controlar a convergência de um algoritmo. Desta forma,
pode-se usar este processo nas funções de minimização. Com uma escolha adequada dos
parâmetros iniciais, este algoritmo pode convergir para o ponto ótimo global (SARAVANAN
et al., 2003).
Esta técnica inicia-se com um ponto inicial e uma temperatura. Um segundo ponto é
escolhido e comparado com o primeiro. Caso este último seja menor, ele é escolhido como o
novo ponto vigente, caso contrário, ele é aceito com uma certa probabilidade .
A cada passo a temperatura é diminuída conforme um padrão pré-estabelecido e o algoritmo é
finalizado quando a temperatura chega a um valor suficientemente pequeno (SARAVANAN
et al., 2003).
a) Funcionamento
O simulated annealing segue os seguintes passos (SARAVANAN et al., 2003):
1) Escolhe-se um ponto inicial, uma temperatura suficientemente alta e a taxa de
resfriamento;
2) Calcula-se um novo ponto na vizinhança da solução atual;
3) Faz-se a diferença E entre os valores da função objetivo para os dois pontos. Caso o
resultado de E seja negativo, o novo ponto é aceito e a temperatura é atualizada.
Entretanto, se o resultado de E for positivo, gera-se um valor aleatório r entre 0 e 1, e o
compara à expressão . No caso do valor aleatório ser menor que o resultado
da expressão exponencial (r ) o ponto é aceito como nova solução; caso
contrário; o ponto é ignorado. Ao final a temperatura é atualizada.
45
4) Se a temperatura for pequena o suficiente, o algoritmo é finalizado. Caso contrário, volta-
se para o passo 2.
Este capítulo buscou apresentar as principais informações que envolvem um FMS.
Foram apresentados conceitos sobre usinagem, máquinas CNCs, a importância da
comunicação nesses sistemas e as técnicas de otimização que podem ser utilizadas a fim de se
tentar alcançar melhores resultados com os equipamentos e sistemas já implantados.
Nos capítulos seguintes serão apresentados o problema estudado e a abordagem
definida para se chegar à proposta apresentada.
46
3 PROBLEMA PROPOSTO
Neste capítulo é apresentado um estudo de caso onde se utiliza o FMS didático da
Universidade Tecnológica Federal do Paraná em Curitiba (UTFPR), conforme pode ser visto
na figura 27, que possui um torno CNC da marca Denford com um controlador Fanuc OT
modelo Mirac PC, uma fresadora CNC da marca Denford com um controlador Fanuc OM
modelo Triac PC, um sistema de transporte em circuito fechado por correia transportadora,
sistema de armazenagem, e dois robôs industriais Mitsubishi move master EX modelo RV-
M1 para transferir a peça do sistema de transporte para o CNC e vice-versa. Todo o sistema é
integrado por um CLP Omron que coordena o sincronismo da planta. A proposta é aplicar a
otimização dos parâmetros de usinagem nesta planta, mais especificamente no torno CNC,
para validar as mudanças sugeridas.
Objetiva-se aproveitar, da melhor forma possível, os recursos disponíveis em um
FMS, visto que os equipamentos utilizados possuem um alto custo de aquisição e implantação
e em muitas situações não operam de forma a usufruir de toda a capacidade do sistema.
Particularmente, as máquinas CNC são equipamentos de valor elevado, com a
característica de possibilitar a usinagem de produtos com formas geométricas complexas e
produzir uma variedade de produtos de forma fácil e rápida. Isto ocorre devido à característica
do equipamento que possibilita trocar ferramentas com facilidade. Essas máquinas utilizam-se
da interpretação de programas que contêm todas as coordenadas necessárias para se chegar à
forma final da peça, incluindo as variáveis de usinagem como velocidade de corte, velocidade
de avanço e profundidade de corte. Esses programas são enviados ou inseridos nos CNCs
sempre que há uma mudança na peça ou lote que será produzido. Desta forma, a otimização
dos parâmetros de usinagem torna-se interessante para as indústrias, visto que o aumento da
competitividade exige uma busca constante por economia nas operações da produção
(SARAVANAN et al., 2005).
Em relação às tecnologias necessárias para resolver esse problema, não há a
necessidade de mudanças físicas visto que a arquitetura já dispõe de algumas comunicações
seriais entre o torno CNC, o computador com o sistema supervisório, CLPs, sistemas de
transporte e manipulação.
Os principais parâmetros de usinagem envolvidos nas otimizações dos processos são a
profundidade de corte, a velocidade de corte e o avanço. Para se otimizar esses parâmetros de
usinagem, é necessário levar em consideração as restrições envolvidas no processo. Essas
restrições incluem as características do material da peça a ser usinada, da ferramenta utilizada
47
e também da máquina usada. Como exemplo de restrições pode-se citar a força de corte,
potência aplicada, características específicas e temperatura das ferramentas e rugosidade
superficial (SARAVANAN et al., 2005). A escolha de um valor ótimo para os parâmetros de
corte é uma tarefa importante nos processos de usinagem para se alcançar um ponto
econômico adequado de produção. Os objetivos econômicos podem ser uma taxa maior de
produção ou um custo mínimo de produção (LEE e TARNG, 2000).
TORNO CNC
FRESADORA CNC
ROBÖ MANIPULAÇÃO
SISTEMA DE TRANSPORTE
Figura 27 – FMS didático presente na UTFPR de Curitiba
O aumento na taxa de produção equivale a diminuir o tempo de usinagem por peça, ou
seja, completar uma ordem de produção em um tempo menor. O tempo de usinagem é
dividido em três partes: tempo de movimentação, tempo de usinagem e tempo de troca de
material. Já a redução do custo de produção é a diminuição do custo por peça. O custo por
peça é divido em quatro partes: custo de movimentação da peça, custo de usinagem, custo da
troca de ferramenta e o custo da ferramenta (LEE e TARNG, 2000).
Várias técnicas de otimização já foram utilizadas em diversos estudos em busca de
parâmetros de corte ótimos. Entre essas técnicas, pode-se citar a programação dinâmica,
programação geométrica, programação linear, redes neurais entre outras (SARAVANAN et
al., 2005). Outra forma é através de modelos matemáticos, porém eles são de difícil resolução.
Também é possível utilizar ferramentas de aprendizagem adaptativa onde parâmetros e
48
rendimentos de corte são associados para se obter gradativamente uma melhora nos resultados
(LEE e TARNG, 2000).
Segundo Saravanan et al. (2003), as técnicas tradicionais de otimização tais como
programação geométrica e programação dinâmica não são eficientes o suficiente para tratar de
problemas práticos que necessitam de um espaço de possibilidades muito amplo, além do que
a grande quantidade de restrições torna o problema muito complexo. Com isso, essas técnicas
tendem a fornecer solução com valores ótimos locais. Ainda segundo Saravanan et al. (2005)
existem as técnicas não tradicionais. Exemplos dessas técnicas são os algoritmos genéticos,
simulated annealing, busca tabu, algoritmo memético entre outras.
No presente trabalho, desenvolveu-se um software em linguagem C baseado nas
técnicas de algoritmos genéticos, onde a entrada de dados é alimentada pelas equações
matemáticas da peça a ser usinada e pelas equações e restrições da máquina e da ferramenta.
Após o processamento, como resultado, são fornecidos os valores de velocidade de corte e o
avanço que resultam na melhor taxa de produção ou no menor custo de produção (conforme
configuração do usuário). Esses parâmetros, na sequência, podem ser inseridos em um
programa CNC, enviados para uma máquina através de um sistema DNC e também podem ser
usados como entrada manual em softwares CAM.
A otimização dos parâmetros de usinagem também pode ser utilizada em conjunto
com um sequenciamento da produção para que a linha de produção ganhe em produtividade.
Um sistema supervisório pode ser utilizado de forma a permitir o envio de mais de um
programa CNC para um mesmo tipo de produto em função das características de demanda de
um determinado período.
49
4 ABORDAGEM PROPOSTA
Neste capítulo é apresentada a metodologia aplicada neste trabalho, cuja intenção é
verificar a possibilidade de se aproveitar melhor as características e funcionalidades de um
sistema FMS, onde a intenção é ajustar os parâmetros de usinagem conforme uma demanda
contratada (produção variável). O ajuste das máquinas CNCs (antes de iniciar a usinagem de
cada lote e não durante o processo de usinagem) envolve reprogramar os parâmetros de
usinagem para valores que, em um momento de grande fluxo de produção, leve à redução do
tempo de produção por unidade e, em outro momento, os parâmetros sejam reprogramados
para que levem à redução de custo, buscando uma economia de ferramenta em momentos em
que o fluxo de produção não está tão grande.
4.1 OTIMIZAÇÃO DE PARÂMETROS
A princípio, o modelo de peça escolhido para começar o desenvolvimento do algoritmo
genético foi a peça “exemplo 1”, como mostrado na figura 28, proposto por Saravanan et al.
(2005), que foi um dos artigos que inspiraram o início deste trabalho.
Figura 28 – Peça modelo utilizada para o desenvolvimento do algoritmo genético (SARAVANAN et al., 2005)
50
As restrições adotadas inicialmente também foram baseadas em Saravanan et al.
(2005), pois o primeiro passo foi comparar os valores obtidos por esses autores com os
gerados nesse trabalho. Desta forma, para as velocidades de corte no desbaste e no
acabamento, os valores limite foram de 50m/min para a velocidade de corte mínima e de
550m/min para a velocidade de corte máxima, sendo representados na equação (3) da seção
2.1. Os valores máximo e mínimo para o avanço, conforme a equação (4) da seção 2.1, foram
definidos em 0,2mm/rev e 1,0mm/rev, respectivamente, e a profundidade de corte foi fixada
em 1mm, como proposto em Saravanan et al. (2005).
Para se chegar ao formato da peça apresentada na figura 28 utilizam-se as equações
(10), (11), (12), (13) e (14), que referem-se à usinagem propriamente dita. Entretanto, deve-se
considerar também as restrições físicas impostas pelo conjunto como a potência de corte da
máquina (conforme equação (8)), tempo de vida e temperatura da ferramenta utilizada
(conforme equações (6) e (9), respectivamente) e rugosidade final da peça usinada (conforme
equação (15)).
Para se chegar ao custo total da usinagem, apresentado na equação (2), é necessário
considerar também o tempo de preparação da máquina, ou tempo de setup, apresentado na
equação (7). Todas as equações indicadas encontram-se na seção 2.1.
4.1.1 Implementação do algoritmo genético
A implementação do algoritmo genético foi realizada utilizando-se dos valores abaixo
descritos para os parâmetros de configuração:
Tamanho da população – foram usados 20, 40 e 100 indivíduos por geração;
Tamanho do cromossomo – foram realizados testes com 20 bits (5 bits para cada
parâmetro) e 40 bits (10 bits para cada parâmetro), sendo que os parâmetros usados
foram a velocidade de corte no desbaste ( , avanço no desbaste ( , velocidade de
corte no acabamento ( e avanço no acabamento ( . A figura 29 apresenta um
cromossomo (indivíduo) formado por parâmetros compostos por 5 bits (totalizando 20
bits para cada indivíduo). Para se achar o valor real correspondente a cada segmento, em
primeiro lugar deve-se transformar a representação binária em um número inteiro,
conforme a equação (17). A seguir apresenta-se o procedimento usado para definir os
quatro parâmetros;
51
1 0000 0 01100 01011 000 1
Vcr = 308.06 m/min Fr = 0.64 mm/rev Vcf = 211.29 m/min Ff = 0,35 mm/rev
Figura 29 – Representação de um cromossomo formado por 20 bits (5 bits para cada parâmetro)
(17)
Para o exemplo da figura 29, a conversão ficaria da seguinte forma:
A próxima etapa é converter os valores obtidos entre 0 e 31 para números reais conforme
a equação (18).
(18)
onde:
Valor Real Valor real da variável que se deseja assumir
Mínimo Menor valor que a variável pode assumir
Máximo Maior valor que a variável pode assumir
Valor inteiro Valor obtido da conversão do vetor binário para número inteiro
As equações (19) e (20) exemplificam a conversão para valores reais dos parâmetros
e .
(19)
(20)
Método de seleção – utilizou-se o método da roleta descrito na seção 2.7.2.1;
52
Método de cruzamento – foram propostos dois métodos de cruzamento: aleatório e
melhor resultado (testando todos os genes). Os dois métodos são descritos a seguir na
explicação do algoritmo;
Probabilidade de cruzamento – conforme proposto por Saravanan et al. (2003)
considerou-se a probabilidade de cruzamento (crossover) de 90% e, consequentemente,
quando não ocorre o cruzamento, ocorrerá a replicação (clonagem) dos pais;
Probabilidade de mutação – foi considerada igual a 1% para cada gene, conforme
proposto por Saravanan et al. (2003);
Função de avaliação – a função de avaliação ou função objetivo baseou-se na
minimização do custo de produção.
A figura 30 apresenta o fluxograma do algoritmo genético implementado, sendo cada
um dos blocos explicados na sequência. O bloco 1 da figura 30 refere-se à definição dos
parâmetros de configuração do algoritmo genético que devem ser parametrizados antes de
iniciar a execução do sistema. Esses parâmetros são o tamanho da população, a quantidade de
bits que irão compor o cromossomo ou indivíduo, o método de seleção, método de
cruzamento, probabilidades de cruzamento e mutação utilizados e a função avaliação (função
objetivo). Todos esses itens são definidos no início e uma única vez para toda a execução do
algoritmo.
INÍCIO
1 - DEFINIR PARÂMETROS DE
CONFIGURAÇÃO
2 - GERAÇÃO DA POPULAÇÃO
INICIAL
3 – SORTEIO DOS INDIVÍDUOS
QUE FORMARÃO A GERAÇÃO
SEGUINTE
5 - EXECUÇÃO DA MUTAÇÃO
(CONFORME PROBABILIDADE)
6 – CALCULAR CUSTO DA
NOVA GERAÇÃO
7 - PENALIZAÇÃO DOS
INDIVÍDUOS INFACTÍVEIS
CRITÉRIO DE
PARADA
ATINGIDO?
FIM
SIM
4 - EXECUÇÃO DO
CRUZAMENTO OU CLONAGEM
(CONFORME PROBABILIDADE)
A
A
B
B
Figura 30 – Fluxograma de funcionamento do algoritmo genético
53
O bloco 2 da figura 30 diz respeito à geração da população inicial. Neste bloco, quatro
parâmetros de usinagem são definidos de forma aleatória, sendo eles a velocidade de corte no
desbaste ( ), a velocidade de corte no acabamento (
), o avanço no desbaste ( ) e o
avanço no acabamento ( ). Especificamente, na população inicial, todos os indivíduos
gerados são factíveis. O processo para a geração da população inicial é descrito na sequência:
Inicialmente, gera-se aleatoriamente um valor para a velocidade de corte no desbaste
( ). Isso é feito dando-se a chance de cada bit que compõem o parâmetro de usinagem
ser escolhido como 1 ou 0 (a chance de escolha é de 50% para cada um). A figura 31
apresenta um fluxograma simplificado do processo de geração aleatória do valor de e a
figura 32 mostra um exemplo dos valores, entre “0” e “1”, escolhidos para um parâmetro
composto por 5 bits e a representação no vetor binário. Posteriormente essa sequência de
bits é transformada em um número real (respeitando os valores máximo e mínimo
definidos para o parâmetro);
Figura 31 – Fluxograma simplificado da formação aleatória dos parâmetros Vcd, Fd, Vca e Fa
54
BIT 1 : 0,47
BIT 2 : 0,33
BIT 3 : 0,62
BIT 4 : 0,12
BIT 5 : 0,85
0 0 1 0 1
BIT 1 BIT 2 BIT 3 BIT 4 BIT 5
Figura 32 – Exemplo da definição dos bits escolhidos aleatoriamente para formar um cromossomo
O passo seguinte é estabelecer quais são os avanços máximos no desbaste ( ) que em
conjunto com o anterior respeite os limites das restrições de potência de corte e
temperatura da ferramenta (conforme equações (8) e (9), respectivamente, do seção 2.1).
O menor entre eles é selecionado para ser o limite máximo permitido (no momento em
que for definido de forma aleatória e bit a bit o novo valor) para o avanço no desbaste
(seguindo o fluxograma da figura 31). O quadro 2 apresenta um exemplo de como é
definido os valores máximos para o em função das restrições, onde tem-se que o limite
máximo para o avanço é de 1,0mm/rev e calculando as outras restrições verifica-se que
para a potência de corte não há problema com o valor máximo, pois o limite máximo
imposto é menor que o limite calculado por esta equação (em conjunto com o
encontrado anteriormente). Por outro lado, para que a restrição de temperatura da
ferramenta seja respeitada o não pode ser maior que 0,48mm/rev. Com isso, conclui-se
que ao definir o aleatoriamente não se pode aceitar valores maiores que 0,48mm/rev,
pois infactibilizaria o indivíduo;
Quadro 2 – Exemplo da definição de parâmetros para geração de indivíduos factíveis
EXEMPLO PARA DEFINIÇÃO DOS PARÂMETROS (SOMENTE INDIVÍDUOS
FACTÍVEIS)
gerado aleatoriamente : 11 (0-31) 227,42 m/min
Calcular máximo de forma a respeitar as restrições
o Limite máximo para = 1,0
o Potência de corte :
o Temperatura da ferramenta :
Selecionar o menor entre os resultados obtidos como novo limite máximo
o Limite máximo 1,0
o Potência de corte 147,66 1,0
o Temperatura da ferramenta 0,4
Limite máximo para não deve ultrapassar 0,48 9 (0-31)
55
Na sequência é gerada também de forma aleatória a velocidade de corte no acabamento
( ), conforme figura 31, sendo que a única restrição é esta velocidade ser maior ou igual
a ;
O avanço no desbaste ( ) é o último parâmetro de corte a ser gerado aleatoriamente. Para
isso, da mesma forma como é feito com , encontra-se o máximo que respeite as
restrições de potência de corte, temperatura da ferramenta, tolerância no acabamento e
rugosidade, sendo que o menor encontrado entre as restrições analisadas é definido
como o limite máximo que o aleatório pode ser definido.
Após definido o limite máximo para um determinado parâmetro, este é submetido ao
sorteio dos bits que o compõem. O processo de sorteio segue o método apresentado na figura
31, entretanto, um controle é aplicado ao processo para evitar que o valor do parâmetro
ultrapasse o novo limite máximo estipulado. Este controle verifica para cada bit se no caso
dele ser “setado” o valor correspondente entre (0 – 31 para 5 bits) não ultrapassa o
novo limite máximo. No caso de ultrapassar, o bit é forçado a “0” e no caso de não ultrapassar
o sorteio é realizado (sorteio para verificar se o bit será “0” ou “1”).
A figura 33 apresenta dois exemplos da formação de um parâmetro de forma aleatória,
porém respeitando a factibilidade das restrições impostas. Considerando o valor máximo de
mostrado no quadro 2, que é o número 9 (entre 0 e 31) , o resultado da geração aleatória não
pode ultrapassar esse valor. Os bits em vermelho na figura 33 são aqueles que foram forçados
a “0”, pois caso contrário, ultrapassariam o limite máximo de , enquanto que, os bits em
preto foram submetidos à probabilidade de serem definidos como “0” ou “1”.
Na figura 33a o bit foi sorteado como “1” fazendo com que os bits e fossem
forçados a “0” para manter a factibilidade do indivíduo e o bit pôde ser sorteado. Já na
figura 33b o bit foi sorteado como “0” permitindo que os bits , e pudessem ser
sorteados.
A definição da velocidade de corte e avanço é feita para cada um dos indivíduos que
irão compor a população inicial. Na sequência executam-se os cálculos para se obter o custo
de cada um. Após obter o custo de todos os indivíduos da população inicial, é gerado um
valor de aptidão que representa a qualidade do indivíduo. Este valor de aptidão é usado no
sorteio dos indivíduos que participarão da formação da próxima geração e quanto maior a
aptidão maior a chance de ser escolhido.
56
0 1 0 0 1
16 8 4 2 1
0 0 1 1 0
16 8 4 2 1
(a)
(b)
Figura 33 – Exemplo da formação de um parâmetro factível considerando o novo limite máximo
O próximo passo é a execução do bloco 3 da figura 30 onde o objetivo é
sortear, em função da qualidade de cada indivíduo, quais serão escolhidos para criar a nova
geração. Os pares são formados conforme vão sendo sorteados, ou seja, o primeiro sorteado
com o segundo, o terceiro com o quarto e assim por diante.
Na sequência passa-se ao bloco 4 da figura 30, onde é realizado o sorteio da
probabilidade de cruzamento ou não entre os indivíduos, sendo que a chance de cruzamento é
de 90% e a chance de clonagem de 10% (essa porcentagem foi baseada em Saravanan et al.
(2005)). Para o cruzamento foram testadas duas abordagens diferentes, sendo elas
apresentadas na sequência:
Cruzamento aleatório: neste método sorteou-se um dos bits que compõe o “cromossomo”
do indivíduo e nesse ponto foi feito o cruzamento, sendo que o filho 1 foi gerado com a
primeira parte do pai 1 (até o ponto de corte) e a segunda parte do pai 2. O segundo filho
recebe a primeira parte do pai 2 e a segunda parte do pai 1. Este método é representado na
figura 25 da seção 2.7.2.1;
Cruzamento ponto a ponto de todo o cromossomo para seleção do melhor entre todos:
neste método o cruzamento é realizado em todos os bits do cromossomo guardando o
melhor par, sendo que ao continuar o teste se for encontrado um resultado melhor este
substitui o anterior.
Na clonagem simplesmente os pais são copiados para a geração seguinte. Tanto no
cruzamento quanto na clonagem, cada bit tem a chance de sofrer mutação, representado no
bloco 5 da figura 30, que é uma modificação aleatória onde o bit ou gene da string é alterado,
com uma probabilidade de 1%. Nessas situações a mutação inverte o valor do bit de “1” para
“0” ou vice-versa. Na sequência, após os cruzamentos, clonagens e mutações, segue-se ao
57
bloco 6 da figura 30 onde os custo dos indivíduos são calculado para completar a formação da
nova geração.
O passo seguinte, conforme o bloco 7 da figura 30, é verificar quais indivíduos
ficaram infactíveis e nesse caso penalizar com a soma do maior custo factível ao seu custo
fazendo com que a chance dele ser escolhido seja reduzida.
Após o bloco 7 verifica-se o critério de parada, que aqui foi definido como sendo 1000
gerações, independente do valor gerado. Enquanto o critério não for atingido volta-se para o
bloco 3. Caso contrário, o algoritmo é finalizado.
4.1.2 Implementação do Simulated Annealing
No algoritmo SA implementado, os parâmetros iniciais foram definidos com base na
implementação proposta por Saravanan et al. (2003) que sugere os seguintes valores:
Valor inicial – gerado aleatoriamente toda a vez que o algoritmo for executado;
Temperatura inicial – definida em 475 (Este é um parâmetro adimensional e pode ser
definido de forma arbitrária);
Taxa de resfriamento – utilizou-se duas taxas diferentes, sendo uma 0,9 e a outra 0,99.
Para a implementação desenvolvida, a geração do valor inicial foi modificada para
permitir que o algoritmo fosse iniciado com um valor factível. Esta modificação foi realizada
porque a geração aleatória sem nenhuma restrição permite que valores infactíveis sejam
gerados fazendo com que o espaço de busca fique muito amplo.
Normalmente, problemas reais estão sujeitos a restrições físicas impostas pelo
equipamento e material utilizado, e restrições de qualidade final do produto, entre outras que
variam conforme o problema tratado. Desta forma, a geração do valor inicial seguiu o mesmo
princípio da geração da população inicial do algoritmo genético, ou seja, gerou-se
aleatoriamente a velocidade de corte e o avanço no desbaste (sorteando bit a bit os valores
binários que compõem o vetor que constitui um parâmetro) e, na sequência, gerou-se os
valores da velocidade de corte e o avanço no acabamento em função dos valores obtidos para
o desbaste a fim de garantir que o valor inicial seja sempre factível.
A figura 34 apresenta um fluxograma que exemplifica o funcionamento do SA. O
primeiro bloco tem a função de definir os parâmetros e configurações que serão utilizados no
decorrer da execução do algoritmo, sendo definidos, desta forma, o valor inicial, a
58
temperatura inicial e a taxa de resfriamento utilizada. O bloco seguinte tem a função de
calcular um novo ponto na vizinhança para ser comparado com o valor existente. Para a
obtenção do novo ponto, transforma-se o ponto atual em um vetor binário. Neste caso, cada
parâmetro (velocidade de corte no desbaste, avanço no desbaste, velocidade de corte no
acabamento e avanço no acabamento) é constituído por 10 bits que juntos formam um vetor
de 40 bits. Neste vetor de 40 bits escolhe-se aleatoriamente um bit para ser invertido, ou seja,
se o bit selecionado for “1” é alterado para “0” e no caso de ser “0” é alterado para “1”. Após
essa alteração, o vetor é transformado novamente nos valores reais dos parâmetros de
usinagem correspondentes para serem recalculados.
No terceiro bloco da figura 34 é realizada a diferença entre o novo ponto e o ponto
vigente. Para executar esta diferença, primeiro calcula-se o fitness do ponto que é obtido pela
equação (21). O fitness é uma forma de dar um peso maior para os pontos de menor custo de
produção.
(21)
Na sequência calcula-se a diferença entre os pontos, sendo este cálculo realizado pela
equação (22), onde o equivale ao fitness do novo ponto e o o fitness do ponto
vigente.
(22)
Sendo o positivo, o custo do novo ponto é menor que o custo o ponto vigente,
sendo dessa forma aceito como o novo ponto vigente. Após o novo ponto ser aceito, atualiza-
se a temperatura aplicando o fator de resfriamento. No caso do ser negativo, o novo ponto
tem um custo maior que o ponto vigente, porém ainda é permitido a ele a chance de ser
escolhido como o novo ponto vigente. Esta chance é uma forma de evitar que uma solução
fique presa a um ponto considerado “ótimo local”. Para isso, gera-se um valor aleatório “r”
entre “0” e “1” e aplica-se a expressão TE /exp , onde T é a temperatura atual. A próxima
etapa é verificar se TEr /exp . Em caso afirmativo, aceita-se o novo ponto como o
ponto vigente. Caso contrário, ignora-se o novo ponto e atualiza-se a temperatura,
multiplicando-se a temperatura atual por um fator K, onde K é menor que 1.
59
Após aceitar ou ignorar o novo ponto e atualizar a temperatura, verifica-se se o critério
de parada foi atingido, ou seja, se a temperatura é menor que um dado valor.
No problema tratado, a temperatura de parada proposta por Saravanan et al. (2003) foi
de 30. Em caso negativo volta-se à segunda etapa em busca de um novo ponto. Em caso
positivo, faz-se um reaquecimento, ou seja, a temperatura é definida em 475 e um novo
processo é realizado utilizando como valor inicial o melhor ponto encontrado no processo
anterior. Após realizar o reaquecimento cinco vezes, finaliza-se o algoritmo.
60
INÍCIO
Escolher ponto
inicial,
temperatura e
taxa de
resfriamento
Calcular novo
ponto na
vizinhança
Analisar ΔE
ΔE positivo?
Aceita novo ponto
S
Atualiza
temperatura
Gera valor aleatório ‘r’
entre 0 e 1
N
Compara ‘r’ à
expressão
Exp( -ΔE/KT)
‘r’ < Exp( -ΔE/KT) S
Ignora ponto gerado
N
Temp. atingiu
critério
parada?
Critério
reaquecimento
atingido?
Finaliza algoritmo
N
S
N
S
Figura 34 – Fluxograma de funcionamento do Simulated Annealing
61
4.2 SEQUENCIAMENTO
Um problema de sequenciamento consiste na distribuição de várias tarefas no tempo,
respeitando as restrições existentes no problema com o objetivo de melhorar um determinado
critério (duração total, número de tarefas, etc) (GUERET et al, 2000).
Em um flow-shop12
, a ordem das máquinas é a mesma para todas as peças produzidas
na linha. Caso uma máquina esteja executando uma operação e a anterior termine a sua, a
peça da máquina anterior ficará parada esperando que a operação da máquina posterior
termine, acarretando em estoque intermediário, surgimento de máquinas ociosas e máquinas
gargalo (GUERET et al, 2000).
A otimização do seqüenciamento de um flow-shop tem como objetivo identificar qual
é a melhor sequência de produção de um conjunto de peças para uma dada sequência de
máquinas, visando minimizar o tempo total de produção (GUERET et al, 2000).
No flow-shop, a formulação do problema é feita considerando-se o número de
máquinas que compõem a linha de produção ( },...,1{ NMmaq ), o número de peças que serão
produzidas ( },...,1{ NPpeças ) e o tempo de processamento de cada peça em cada máquina
(DURm,p) (GUERET et al, 2000). A sequência de execução é única, sendo que todas as peças
do grupo “peças” devem estar contidas no grupo “seq”, que define a sequência em que as
peças serão processadas, respeitando a restrição que determina que apenas uma peça pode
ocupar uma determinada posição sequência (GUERET et al, 2000), 1,0, kpseq para
seqkpeçasp , .
A variável binária seqp,k será igual a um quando a peça p for executada na posição k na
seqüência de produção; caso contrário, seqp,k terá valor zero. O número total de posições é o
mesmo que o número total de peças a serem produzidas, pois cada peça deve ser alocada em
uma única posição na seqüência de produção. Essa restrição, segundo Guéret et al. (2000),
pode ser definida pela equação 23. Ainda, cada posição na seqüência de produção deve ser
ocupada por apenas uma tarefa, que, segundo Guéret et al. (2000), é restrito pela equação 24.
kseq
p
kp ,1, (23)
pseq
k
kp ,1, (24)
12
O problema de sequenciamento num flow-shop também é aplicado num FMS ou linha ou célula de produção.
62
Na sequência de produção pode ocorrer duas situações. Uma é quando a máquina
“m+1” está processando a peça “p+1” e a máquina “m” termina o processo na peça “p”.
Quando isto ocorre, a peça “p” fica parada esperando que a máquina “m+1” termine a peça
“p+1”. Esta situação é representada na equação 25, com a indicação de que a variável
esperam,k será maior que zero. A outra situação ocorre quando a máquina “m” está
processando a peça “p” e termina sua execução, ficando pronta para receber a peça “p-1”,
entretanto, a peça “p-1” ainda está sendo processada pela máquina “m-1”. Isto faz com que a
máquina “m” fique ociosa (GUERET et al., 2000), o que é representada na equação 26 com a
variável ociosom,k sendo maior que zero.
seqkNMmespera km ,1,...,1,0, (25)
1,...,1,,0, NJkmaqmocioso km (26)
A duração do processamento da peça “p” na máquina “m” é dada pela equação 27.
seqkmaqmseqDURdurpeçasp
kppmkm
,,. ,,, (27)
Um ponto importante é relacionar as variáveis esperam,k (waitm,k na figura 35) e
ociosom,k (emptym,k na figura 35) com a variável seqp,k. A figura 35 mostra um exemplo de
uma transição entre peças em uma máquina e de uma peça entre máquinas, auxiliando na
formulação da expressão que define a relação entre as variáveis. Segundo Guéret et al.
(2000), a relação entre estas três variáveis pode ser escrita como na equação 28.
Figura 35 – Representação das variáveis empty(m,k) e wait(m,k). (Adaptado de GUÉRET et al., 2000).
kmkmkmkmkmkm durociosoesperaduresperaocioso ,1,1,1,1,, (28)
...
... durm+1,k
Máquina m
Máquina m+1
durm,k+1
durm+1,k+1
durmk
waitmk
waitm,k+1emptymk
emptym+1,k
63
O objetivo do seqüenciamento da produção é determinar a melhor sequência das peças
buscando a minimização do tempo de produção, tempo de máquina ociosa e tempo de peça
parada. A equação de minimização é representada pela equação 29 (GUERET et al, 2000):
(29)
onde, a primeira somatória representa o tempo total de produção da primeira peça (após
passar por todas as máquinas) e a segunda somatória é o tempo total que a última máquina
ficou ociosa esperando peça(s) da sequência a ser executada (GUÉRET et al., 2000).
Nesta dissertação, somente houve a previsão de uso do sequenciamento da produção,
já que os testes do algoritmo genético somente foram aplicados a uma peça. No entanto, era
importante prever o sequenciamento da produção, já que o sistema supervisório proposto
utilizará este problema. O sequenciamento da produção utilizando a técnica aqui descrita pode
ser visto no trabalho realizado por Takano (2010).
Proposta de um sistema supervisório
Um Sistema Flexível de Manufatura (FMS), para pequenos e médios lotes de
produção, tende a trazer mais flexibilidade, diversidade e redução de custo nessas linhas de
produção. Entretanto, um FMS possui um alto nível de automação já que envolve centros de
usinagem automatizados, tornos e fresadoras CNC, robôs para manipulação e sistemas de
transporte para movimentação. Este alto nível de automação torna-se complexo pelo fato dos
equipamentos serem de vários fabricantes diferentes, dificultando a comunicação e integração
entre eles. Todos os equipamentos e recursos que compõem um FMS são coordenados por um
sistema computacional central que permite a produção de diferentes tipos de peças com os
mesmos equipamentos e sistemas (FERREIRA, 2009).
Segundo Ferreira (2009) há duas formas possíveis de se implementar um FMS, sendo
que a primeira é comprar uma solução pronta de um fabricante que possui tecnologia
proprietária e as manutenções e ampliações ficam amarradas com o fabricante e a segunda
forma é implementar a integração física e lógica de todos os equipamentos que compõem o
FMS. Esta última permite a utilização de equipamentos de fabricantes diversos, que apesar da
complexidade, não fica dependente de um único fornecedor e permite que expansões e novas
tecnologias possam ser agregadas ao sistema em funcionamento.
64
Neste trabalho optou-se pela integração física e lógica dos equipamento, pois no
laboratório da UTFPR existe um torno CNC Denford, uma fresadora CNC Denford, CLPs da
Omron e disponibilidade de implementação de um sistema supervisório com softwares da
Elipse e National Instruments (LabView). Como os equipamentos não permitem integração
direta entre si, é necessário criar gerenciadores para cada um, conforme sugere Ferreira
(2009). Além de utilizar um gerenciador para cada equipamento, pode-se utilizar também um
gerenciador que coordenada todos os outros. Entre cada equipamento e seu gerenciador
utiliza-se um CLP para realizar a comunicação, e entre os gerenciadores pode-se utilizar uma
rede ethernet convencional. Esses gerenciadores são desenvolvidos utilizando-se sistemas
supervisórios, neste caso o LabView da National Instrument. A figura 36 apresenta a
arquitetura proposta por Ferreira (2009) modificada para o FMS em questão, onde a
comunicação entre a fresadora CNC e o torno CNC com seus respectivos gerenciadores é
realizado através de comunicação serial RS-232, a comunicação entre os robôs e esteira
transportadora com o gerenciador é executada através de um CLP e a comunicação entre os
gerenciadores através de rede ethernet.
GERENCIADOR
DO FMS
GERENCIADOR
DA FRESADORA FRESADORA
COMUNICAÇÃO
RS 232
GERENCIADOR
DO TORNOTORNO
COMUNICAÇÃO
RS 232
CLP
ROBÔ DO
TORNO
ESTEIRA
ROBÔ DA
FRESADORA
REDE ETHERNET
I/O DO CLP I/O DO CLP
Figura 36 – Arquitetura de integração do FMS adaptado (FERREIRA, 2009)
Esta arquitetura de integração permite a descentralização de algumas tomadas de
decisão, possibilitando uma maior autonomia do sistema, diminuindo a chance de bloqueio de
todo o sistema por falha ou manutenção de um determinado equipamento e facilitando a
escalabilidade na ampliação do FMS ou inserção de novas células (FERREIRA, 2009;
LEDUC, 2006).
65
Cada comunicação entre gerenciador/equipamento e gerenciador/gerenciador necessita
de uma interface de comunicação bem definida de forma que os conjuntos de eventos
possíveis para cada interface sejam bem claros (LEDUC, 2006). A figura 37 apresenta o
posicionamento de uma interface em relação a sistemas e equipamentos de alto e baixo nível a
fim de padronizar e facilitar a transmissão de informações entre eles.
SISTEMA DE ALTO NÍVEL
INTERFACE 1 INTERFACE n
SISTEMA DE
BAIXO NÍVEL
SISTEMA DE
BAIXO NÍVEL
Figura 37 – Diagrama em blocos apresentando uma interface interligando um sistema de alto nível a um sistema
de baixo nível (LEDUC, 2006)
Os eventos incorporados a uma interface dependem dos dispositivos que estarão se
comunicando, quais suas principais funções e quais informações devem chegar no fluxo de
entrada e quais devem ser enviados no fluxo de saída (LEDUC, 2006).
A figura 38 apresenta o sistema supervisório desenvolvido em labview para o
gerenciamento da produção do FMS. Neste supervisório é possível verificar quais as peças
que podem ser fabricadas, quais os tamanhos de lote de cada peça, os status das máquinas
CNCs (usinando ou ocioso), qual peça está sendo usinada em cada máquina e o programa
CNC que está sendo utilizado. Outra função importante que pode ser atribuída ao
supervisório, é verificar qual a melhor sequência de produção. Após a sequência estar
definida, é possível aplicar a otimização dos parâmetros de usinagem a fim de carregar o
programa CNC mais adequado.
Para cada peça pode-se ter dois programas CNCs distintos, onde um prioriza a
minimização do custo de produção e outro que prioriza a maximização da produção. Desta
forma, após a sequência de produção estar definida pode-se carregar os programas que
objetivam a redução de custo nas máquinas mais ociosas e para as máquinas que tendem a ser
gargalo carrega-se os programas que objetivam a maximização da produção.
66
Figura 38 – Sistema supervisório implementado em labview para o gerenciador central do FMS
A interface dos robôs, um para o torno e outro para a fresadora, é apresentada na
figura 39. Nesta interface pode ser utilizada algumas entradas como o programa a ser
executado pelos robôs, a verificação de presença de pallet na esteira com uma peça esperando
para ser colocado no CNC, sinalização de aberto/fechado dos dispositivos de fixação do torno
e da fresadora, verificação de aberto/fechado das portas dos CNC para evitar uma colisão do
robô e indicação se os CNCs estão livres ou usinando. As saídas relacionadas a essa interface
podem ser a sinalização de que o robô está livre ou em movimento, indicação de que o robô
está em um ponto próximo ao sistema de fixação do CNC e também em um ponto seguro
(sem perigo de ocorrer uma colisão) e também sinalizar que o robô está em emergência
(FERREIRA, 2009).
Os equipamentos CNCs, torno e fresadora, necessitam de um gerenciador próprio para
cada um, pois a comunicação com essas máquinas é mais complexa. A figura 40 apresenta um
gerenciador simplificado para o torno CNC desenvolvido em labview, onde os campos “peça
a ser produzida”, “tamanho do lote” e “objetivo para o lote” são informações recebidas do
gerenciador do FMS. Neste gerenciador simplificado, obtém-se do torno a sinalização de
torno ocupado ou livre e de porta aberta ou fechada.
67
ENTRADAS
SAÍDAS
PROGRAMA A SER EXECUTADO
PRESENÇA DE PALLET NA ESTEIRA
DISP. DE FIXAÇÃO DO CNC ABERTO/FECHADO
PORTA DO CNC ABERTA/FECHADA
CNC LIVRE/USINANDO
ROBÔ
ROBÔ LIVRE/EM MOVIMENTO
ROBÔ NO DISP. DE FIXAÇÃO DO CNC
ROBÔ EM ÁREA SEGURA
ROBÔ EM EMERGÊNCIA
Figura 39 – Representação das entradas e saídas da interface do robô (FERREIRA, 2009)
Figura 40 – Sistema supervisório implementado em labview para o gerenciador do torno CNC
Cada equipamento CNC comunica-se com seu gerenciador (computador) através de
uma comunicação serial RS-232 ou RS-485 e este se comunica com o gerenciador do FMS
através de uma rede ethernet. Desta forma haverá duas interfaces, sendo uma entre o CNC e
seu gerenciador e a outra entre o gerenciador do CNC e o gerenciador do FMS. As interfaces
dos CNCs apresentam como entradas o programa a ser executado, a sinalização do robô (livre
ou em movimento), sinalização se o robô carregou ou descarregou a peça e se o robô está em
área segura ou carregando a peça. Como saída, é sinalizado se o CNC está livre ou usinando,
68
se sua porta está aberta ou fechada e se o dispositivo está aberto ou fechado. A figura 41
mostra a representação da interface dos equipamentos CNC (FERREIRA, 2009).
ENTRADAS
SAÍDAS
PROGRAMA A SER EXECUTADO
ROBÔ LIVRE/EM MOVIMENTO
ROBÔ CARREGOU/DESCARREGOU PEÇA
ROBÔ EM ÁREA SEGURA/CARREGANDO CNC
CNC
CNC LIVRE/USINANDO
PORTA ABERTA/FECHADA
DISPOSITIVO DE FIXAÇÃO ABERTO/FECHADO
Figura 41 – Representação das entradas e saídas da interface das máquinas CNCs (FERREIRA, 2009)
A interface do FMS, conforme pode ser visto na figura 42, possui como entradas a
sinalização se as máquinas CNCs estão livres ou usinando, se os robôs estão livres ou em
movimento e também se estão em área segura para que os CNCs possam executar suas
funções e se os pallets chegaram em frente aos robôs para que a transferência para as
máquinas de usinagem possa ser executada (FERREIRA, 2009).
ENTRADAS
SAÍDAS
CNC LIVRE/USINANDO
ROBÔ LIVRE/EM MOVIMENTO
ROBÔ EM ÁREA SEGURA
PALLET EM FRENTE AO CNC
FMS
ESCOLHA DA PEÇA A SER PRODUZIDA
MENSAGENS PARA USUÁRIOS
ESCOLHA DO PROGRAMA A SER UTILIZADO
Figura 42 – Representação das entradas e saídas da interface do FMS (FERREIRA, 2009)
Pode-se verificar que um sistema supervisório tem a capacidade de integrar-se com
praticamente qualquer equipamento que faça parte de um FMS. Com isso, mostra-se viável a
utilização do supervisório no sequenciamento da produção, a fim de auxiliar na comunicação
com os equipamentos CNCs para enviar os programas corretos para cada máquina em função
da demanda da produção e da ocupação de cada CNC.
69
4.2.1 Exemplo de um sequenciamento da produção com o auxílio do sistema supervisório
Para exemplificar o sequenciamento da produção com o auxílio de um sistema
supervisório, é apresentada nesta seção uma linha de produção que possui três máquinas e
quatro peças, conforme apresentado no quadro 1 da seção 1.2. O quadro 3 apresenta os
tempos de produção para os programas padrão, menor custo e maior produtividade para cada
peça em cada uma das máquinas da linha de produção. Os tempos de menor custo e maior
produtividade equivalem aos valores gerados com os algoritmos de otimização de parâmetros
de usinagem. A demanda de cada produto foi definida como sendo cinco unidades.
Quadro 3 – Tempos de produção para programas CNCs calculados de forma padrão e com otimização
de parâmetros
Tempos de produção
A B C D
Padrão Menor
Custo
Maior
Produt. Padrão
Menor
Custo
Maior
Produt. Padrão
Menor
Custo
Maior
Produt. Padrão
Menor
Custo
Maior
Produt.
Torno CNC 6 8 4 3 4 2 2 3 1 12 14 10
Fresadora
CNC 14 15 12 5 7 3 4 5 3 4 5 3
Retificadora
CNC 7 9 6 5 7 3 9 11 7 5 5 3
Demanda 5 5 5 5
Iniciemos com a definição da produção de forma que o lote de peça seja produzido
completamente antes de iniciar o lote da peça seguinte (este é um método muito comum nas
linhas de produção). Pode-se verificar na figura 43 que desta forma teríamos um tempo de
produção total de 150 unidades de tempo.
Máquina CNC 1
Máquina CNC 2
Máquina CNC 3
0 20 40 60 80 100 120 140
Figura 43 – Linha de produção com execução de um lote completo de cada vez
A aplicação do sequenciamento da produção permite que se obtenha uma melhora no
tempo de produção total de uma linha. A figura 44 apresenta o resultado obtido após se
aplicar o sequenciamento na linha em questão. Observa-se que ao produzir uma unidade de
70
cada produto por vez pode-se obter uma redução no tempo total de produção. Neste caso,
como a linha de produção possui somente 5 produtos com uma demanda de 5 unidades para
cada uma, a redução não foi significativa.
Máquina CNC 1
Máquina CNC 2
Máquina CNC 3
0 20 40 60 80 100 120 140
Figura 44 – Linha de produção depois de aplicado o sequenciamento da produção
Com o sequenciamento definido, na sequência, pode-se aplicar a otimização dos
parâmetros de usinagem buscando o melhor conjunto de valores que permita a maximização
da produção. A figura 45 apresenta o tempo total de produção, considerando a utilização de
parâmetros para uma maior taxa de produção para cada conjunto de máquina/produto.
Observa-se que houve uma redução significativa no tempo total de produção, reduzindo de
aproximadamente 145 unidades de tempo para um pouco mais de 110 unidades de tempo.
Pode-se verificar, ainda na figura 45, que na máquina CNC 3 entre as peças amarelas e as
peças vermelhas há um período em que a máquina fica ociosa esperando que a peça vermelha
na máquina CNC 2 fique pronta para ser liberada. Nestes pontos, onde a máquina fica ociosa,
pode-se aplicar a otimização dos parâmetros de usinagem, a fim de encontrar conjunto de
valores com os quais se obtém a minimização de custos.
Máquina CNC 1
Máquina CNC 2
Máquina CNC 3
0 20 40 60 80 100 120 140
Figura 45 – Tempos de execução da linha de produção após a otimização de parâmetros para máxima
produtividade
A figura 46 apresenta o tempo total de produção após a aplicação da otimização dos
parâmetros de usinagem para minimização de custos. Verifica-se que o tempo total de
produção é o mesmo apresentado na figura 45, entretanto, o tempo de ociosidade da máquina
CNC 3 foi reduzido. A usinagem com parâmetros obtidos pela minimização de custo pode,
por exemplo, auxiliar na redução de custo de ferramenta sem comprometer o tempo total de
produção.
71
Máquina CNC 1
Máquina CNC 2
Máquina CNC 3
0 20 40 60 80 100 120 140
Figura 46 – Linha de produção após a aplicação da otimização de parâmetros para mínimo custo
Após definidos os parâmetros de usinagem para a minimização de custo ou
maximização da produção, pode-se deixar dois programas CNCs prontos, sendo um para a
redução de custo e o outro para maior produtividade. Esses programas podem ser carregados
pelo operador conforme a necessidade através de um sistema supervisório que envia o
programa correto para a máquina.
72
5 RESULTADOS DA IMPLEMENTAÇÃO DOS MÉTODOS HEURÍSTICOS
Neste capítulo são apresentados e discutidos os resultados das implementações e
propostas expostas no capítulo 4.
5.1 OTIMIZAÇÃO DOS PARÂMETROS DE USINAGEM
Tomando-se como base a peça proposta por Saravanan et al. (2005), apresentada na
seção 4.1, apresenta-se na sequência os resultados da otimização dos parâmetros de usinagem,
tendo como função objetivo a minimização dos custos de produção. Na seção 5.1.1 são
apresentados os resultados da solução do algoritmo genético proposto. Na seção 5.1.2 são
apresentados os resultados da solução do algoritmo simulated annealing.
5.1.1 Solução usando Algoritmo Genético
São apresentados na sequência os resultados obtidos nos testes realizados com o uso
do Algoritmo Genético. Em todos os testes foram utilizadas 1000 gerações, mudando-se o
tamanho da população, a quantidade de bits para formar cada parâmetro dos indivíduos e as
formas de cruzamento. Optou-se pela utilização de 1000 gerações porque no caso de utilizar
uma quantidade de gerações pequenas, poderia ocorrer a perda de resultados melhores. Desta
forma, com a quantidade de gerações estipuladas foi possível analisar aproximadamente em
qual geração a convergência tenderia a ficar mais próxima do resultado final. Foram
realizados testes com tamanhos de população diferentes e quantidades de bits diferentes para
que se pudesse analisar qual a influência da variação desses parâmetros no algoritmo.
Indivíduos formados com parâmetros de 5 bits
Os primeiros testes foram realizados com os indivíduos de 20 bits, ou seja, 5 bits para
cada um dos parâmetros que o compõem. A fim de permitir uma melhor análise dos
resultados, cada conjunto de parâmetros foi testado em 1000 repetições (não se deve
confundir as 1000 repetições com as 1000 gerações. O algoritmo testa 1000 gerações, e este
processo foi repetido 1000 vezes). O quadro 4 apresenta os conjuntos de configurações e as
respectivas médias obtidas para os valores máximo, mínimo, média e desvio padrão. Ressalta-
se que os as médias apresentadas foram obtidas com os resultados das 1000 repetições. Cada
73
linha do quadro 4 apresenta as informações de um conjunto de parâmetros (população e tipo
de cruzamento). Em todos os casos a população inicial foi gerada de forma aleatória.
Quadro 4 – Resultados obtidos para parâmetros formados por 5 bits
Melhores resultados
(média de 1000 repetições)
População Tipo de cruzamento Máximo Mínimo Média Desvio Padrão
20 melhor resultado 16,59 12,36 12,80 0,76
20 aleatório 17,09 12,36 13,16 1,16
40 melhor resultado 13,96 12,36 12,62 0,58
40 aleatório 15,32 12,36 12,90 0,80
100 melhor resultado 14,35 12,36 12,58 0,52
100 aleatório 13,97 12,36 12,97 0,27
Analisando-se mais a fundo os resultados obtidos, pode-se verificar algumas
características em relação ao tamanho da população utilizada e ao método de cruzamento
utilizado. Em relação ao tamanho da população, verificou-se que o aumento desta leva a uma
convergência mais rápida para pontos próximos ao melhor resultado. A figura 47 apresenta o
gráfico de convergência dos três tamanhos de população testados utilizando o cruzamento
aleatório. Pode-se verificar que nesta situação, a utilização de uma população de 100
indivíduos torna a convergência mais acentuada se comparada às populações de 20 e 40
indivíduos. No entanto, ao se comparar os resultados finais, observa-se que os valores
encontram-se na mesma região.
Figura 47 – Convergência dos resultados em função do tamanho da população para o cruzamento aleatório com
parâmetros de 5 bits
0
50
100
150
200
250
1 11 21 31 41 51 61 71 81 91
Custo x Gerações5bits - cruzamento aleatório
20 indivíduos
40 indivíduos
100 indivíduos
(geração x 10)
74
Ao se utilizar o “melhor cruzamento” ao invés do “cruzamento aleatório” mantém-se
as mesmas características descritas anteriormente, porém para a população de 100 indivíduos
percebe-se que a convergência em relação aos outros tamanhos de população foi o mais
acentuado. A figura 48 apresenta o gráfico de convergência dos três tamanhos de população
para o “melhor cruzamento”.
Figura 48 – Convergência dos resultados em função do tamanho de população para o melhor cruzamento com
parâmetros de 5 bits
Os gráficos das figuras 47 e 48 apresentam uma aparente convergência prematura para
os melhores resultados, entretanto, ressalta-se que a rápida convergência é para valores que
estão fora da região próxima ao melhor resultado. O quadro 5 apresenta uma análise para o
cruzamento aleatório onde identificou-se que o melhor custo médio foi obtido próximo à
geração 990. A partir deste valor buscou-se identificar em aproximadamente quais gerações
foram obtidos resultados que ficaram a 1%, 3% e 5% do melhor custo. Com esta análise
concluiu-se que, por exemplo, para 20 indivíduos chegou-se a um valor 5% acima do melhor
resultado na geração 500, 3% acima do melhor resultado na geração 670 e 1% acima do
melhor resultado na geração 890. Percebe-se que estando nas proximidades do melhor
resultado, para todos os tamanhos de população foram necessárias mais de 500 gerações para
se chegar a um valor próximo de 1% do melhor resultado, sendo que desta forma observa-se
que a convergência não foi tão prematura.
0
50
100
150
200
250
1 11 21 31 41 51 61 71 81 91
Custo x Gerações5bits - melhor cruzamento
20 indivíduos
40 indivíduos
100 indivíduos
(geração x 10)
75
Quadro 5 – Gerações mais próximas do melhor resultado para o cruzamento aleatório
5 bits – cruzamento aleatório 1% 3% 5%
20 indivíduos Melhor custo médio 13,16 13,30 13,56 13,82
Geração 990 890 670 500
40 indivíduos Melhor custo médio 12,90 13,03 13,28 13,54
Geração 990 660 410 300
100 indivíduos Melhor custo médio 12,97 13,10 13,36 13,62
Geração 990 610 280 170
O quadro 6 apresenta os resultados das gerações mais próximas do melhor resultado
para o “melhor cruzamento”, sendo que sua análise segue o mesmo procedimento utilizado no
quadro 6. No “melhor cruzamento” observa-se que para as populações de 40 e 100 indivíduos
se obtém valores próximos a 1% do melhor resultado antes da geração 500.
Quadro 6 – Gerações mais próximas do melhor resultado para o “melhor cruzamento”
5 bits – melhor cruzamento 1% 3% 5%
20 indivíduos Melhor custo médio 12,80 12,93 13,18 13,44
Geração 990 640 400 300
40 indivíduos Melhor custo médio 12,62 12,75 13,00 13,25
Geração 990 340 250 200
100 indivíduos Melhor custo médio 12,58 12,70 12,96 13,21
Geração 990 380 200 140
Conclui-se que para indivíduos de 5 bits o aumento da população permite uma
convergência mais rápida para pontos próximos à região do melhor valor. A utilização do
“melhor cruzamento” também ajuda na convergência mais rápida para pontos próximos à
região do melhor valor se comparado com o cruzamento aleatório. As figuras 49a, 49b e 49c
apresentam os gráficos comparativos de convergência entre as duas formas de cruzamento
utilizadas, sendo elas para as populações de 20, 40 e 100 indivíduos respectivamente,
confirmando os dados apresentados nos quadros 5 e 6. Quanto ao resultado final, todos os
métodos foram satisfatórios.
76
(a)
(b)
(c)
Figura 49 – Gráficos comparativos dos métodos de cruzamento. (a) para 20 indivíduos, (b) para 40 indivíduos e
(c) para 100 indivíduos
10
20
30
40
50
50
90
130
170
210
250
290
330
370
410
450
Custos x Gerações20 indivíduos - cruz. aleaório x
melhor cruz.
cruz. aleatório
melhor cruz.
10
20
30
40
50
50
80
110
140
170
200
230
260
290
320
350
380
410
440
Custos x Gerações40 indivíduos - cruz. aleaório x
melhor cruz.
cruz. aleatório
melhor cruzamento
10
15
20
25
30
50
80
110
140
170
200
230
260
290
320
350
380
410
440
Custos x Gerações100 indivíduos - cruz. aleaório x
melhor cruz.
cruz. aleatório
melhor cruz.
77
Indivíduos formados com parâmetros de 10 bits
Um problema encontrado com a utilização de 5 bits para formação dos parâmetros foi
a sua resolução, ou seja, os níveis de conversão dentro dos quais os valores analógicos são
classificados no seu equivalente digital. Desta forma, optou-se por utilizar também a
formação dos parâmetros com 10 bits. O quadro 7 apresenta a diferença de resolução entre os
parâmetros de 5 bits e 10 bits, onde pode-se observar que a diferença entre eles é significativa.
Enquanto para 5 bits possui um “salto” entre níveis de 16,13 m/min, o mesmo parâmetro
formado com 10 bits possui um “salto” entre níveis de 0,49 m/min. O mesmo ocorre para o
parâmetro onde ao ser formado com 5 bits apresenta um “salto” de 0,03 mm/ver, enquanto
que com 10 bits a diferença fica em 0,0008 mm/rev. Essa diferença entre níveis impactou
diretamente no resultado final, pois com a utilização de 10 bits pode-se trabalhar com um
número muito maior de resultados possíveis.
Quadro 7 – Diferença de resolução entre parâmetros formados com 5 bits e 10 bits
PARÂMETRO BITS REPRESENTAÇÃO
VALOR REAL DIFERENÇA
ENTRE NÍVEIS BINÁRIO
5 00000 0 50 (m/min) 16,13 (m/min)
5 00001 1 66,13 (m/min)
5 00000 0 0,2 (mm/rev) 0,03(mm/rev)
5 00001 1 0,23 (mm/rev)
10 0000000000 0 50 (m/min) 0,49(m/min)
10 0000000001 1 50,49 (m/min)
10 0000000000 0 0,2000 (mm/rev) 0,0008 (mm/rev)
10 0000000001 1 0,2008 (mm/rev)
O quadro 8 apresenta a média dos resultados obtidos para os parâmetros formados
com 10 bits, totalizando 40 bits por indivíduo. Da mesma forma como foi feito com os
parâmetros de 5 bits, foram realizadas 1000 execuções para cada conjunto de configuração
(tamanho da população/método de cruzamento). Pode-se observar no quadro 8 que a
utilização de 10 bits por parâmetro permitiu uma melhora na obtenção dos melhores
resultados, visto que conseguiu-se obter no pior caso (com 10 bits) um custo de R$ 12,22 e no
melhor caso R$ 12,09, enquanto que, com 5 bits obteve-se um custo mínimo de R$ 12,36.
Os resultados apresentados no quadro 8 não permitem uma avaliação detalhada sobre
qual tamanho de população e qual tipo de cruzamento tende a ser o melhor conjunto,
entretanto, este quadro apresenta algumas informações importantes. Com relação aos valores
mínimos não serem iguais, e ao contrário do quadro 4 onde o mínimo foi igual para todos os
78
testes, ocorre que a redução do “salto” entre níveis permite um número maior de resultados
entre os limites máximo e mínimo dos parâmetros. Desta forma, o GA pode chegar em
resultados diferentes em função da população inicial gerada e da aleatoriedade do cruzamento
e da mutação. Outra informação importante é que independente do tamanho da população e
do cruzamento utilizado, em todos os casos o GA convergiu para a mesma região de possíveis
“melhores resultados”.
Quadro 8 – Resultados obtidos para parâmetros formados por 10 bits
Melhor resultado (média de 1000 execuções)
População Tipo de cruzamento Máximo Mínimo Média Desvio Padrão
20 aleatório 16,77 12,17 12,96 0,98
20 melhor resultado 13,64 12,09 12,45 0,35
40 aleatório 15,72 12,15 12,74 0,58
40 melhor resultado 13,22 12,09 12,44 0,38
100 aleatório 13,89 12,22 12,91 0,26
100 melhor resultado 13,86 12,17 12,93 0,27
Como visto anteriormente, o tamanho da população e o tipo de cruzamento utilizado
não possui uma influência significativa no resultado final do algoritmo. Entretanto, como
pode ser visto na figura 50 (cruzamento aleatório) e figura 51 (melhor cruzamento), a
população e o cruzamento influenciam na velocidade de convergência para a região onde se
encontram as melhores soluções.
Figura 50 – Convergência dos resultados em função do tamanho da população para o cruzamento aleatório com
parâmetros de 10 bits
0
20
40
60
80
100
120
140
160
180
200
1 11 21 31 41 51 61 71 81 91
Custos x Gerações10bits - cruzamento aleatório
20 indivíduos
40 indivíduos
100 indivíduos
79
Da mesma forma que ocorre com a utilização de parâmetros de 5 bits, o aumento da
população antecipa a convergência para a região que se localiza nas proximidades dos
melhores resultados.
Figura 51 – Convergência dos resultados em função do tamanho da população para o “melhor cruzamento” com
parâmetros de 10 bits
A análise mais detalhada dos resultados, da mesma forma como foi feita com os
parâmetros com 5bits, foi realizada com a verificação das gerações onde se encontram valores
5%, 3% e 1% acima do melhor resultado obtido pelo algoritmo. No quadro 9, onde a análise
foi feita para o cruzamento aleatório, é possível confirmar que o aumento da população resulta
em uma convergência antecipada e significativa para a região onde se encontra os melhores
resultados. Ainda neste quadro percebe-se que conforme a precisão desejada é possível
reduzir o número de gerações a serem executadas.
Quadro 9 - Gerações mais próximas do melhor resultado para o cruzamento aleatório para parâmetros de 10 bits
10bits - cruzamento aleatório
1% 3% 5%
20 indivíduos melhor custo médio 12,96 13,09 13,35 13,61
Geração 990 820 590 490
40 indivíduos melhor custo médio 12,75 12,88 13,13 13,39
Geração 990 650 430 320
100 indivíduos melhor custo médio 12,91 13,04 13,30 13,56
Geração 990 610 280 170
A mesma análise se aplica ao quadro 10 que apresenta os resultados detalhados para o
“melhor cruzamento”.
0
50
100
150
200
250
1 11 21 31 41 51 61 71 81 91
Custos x Gerações10bits – melhor cruzamento
20 indivíduos
40 indivíduos
100 indivíduos
80
Quadro 10 - Gerações mais próximas do melhor resultado para o ”melhor cruzamento” para parâmetros de 10
bits
10bits – melhor cruzamento
1% 3% 5%
20 indivíduos melhor custo médio 12,45 12,58 12,82 13,07
Geração 990 680 440 350
40 indivíduos melhor custo médio 12,44 12,56 12,81 13,06
Geração 990 400 240 200
100 indivíduos melhor custo médio 12,93 13,06 13,32 13,58
Geração 990 630 310 200
Ao se comparar as formas de cruzamento (aleatório e “melhor cruzamento”), verifica-
se que para populações de 20 e 40 indivíduos o “melhor cruzamento” auxilia o tamanho da
população na convergência antecipada dos resultados, como pode ser visto nas figuras 52a e
52b, porém para uma população de 100 indivíduos o método de cruzamento não faz com que
a diferença seja significativa, como pode ser visto na figura 52c.
(a)
10
15
20
25
30
35
40
45
50
50
80
110
140
170
200
230
260
290
320
350
380
410
440
Custos x Gerações20 indivíduos - cruz. aleaório x melhor cruz.
cruz. aleatório
melhor cruz.
81
(b)
(c)
Figura 52 – Gráficos comparativos dos métodos de cruzamento para parâmetros de 10 bits. (a) para 20
indivíduos, (b) para 40 indivíduos e (c) para 100 indivíduos
Resumindo, sobre os resultados do algoritmo genético, concluiu-se que para se obter
melhores resultados é importante que seja utilizado 10 bits para a formação dos parâmetros
que compõem os indivíduos. O tamanho da população influi na convergência para uma região
onde se encontram os melhores resultados, ou seja, é preferível utilizar populações maiores
(no caso deste trabalho, uma população com 100 indivíduos). Quanto ao cruzamento, não há
diferenças significativas podendo ser utilizada o cruzamento aleatório. Todas as configurações
testadas convergiram para a mesma região, obtendo resultados satisfatórios.
10
15
20
25
30
35
40
45
50
50
80
110
140
170
200
230
260
290
320
350
380
410
440
Custos x Gerações40 indivíduos - cruz. aleaório x melhor cruz.
cruz. aleatório
melhor cruz.
10
12
14
16
18
20
22
24
26
28
30
50
70
90
110
130
150
170
190
210
230
250
270
290
310
330
350
370
390
410
430
450
Custos x Gerações100bits – cruz. Aleatório x melhor cruzamento
cruz. aleatório
melhor cruz.
82
Uma alteração sugerida neste trabalho, que deve ser destacada, é a técnica utilizada
para aceitar somente indivíduos factíveis. Problemas reais possuem restrições que devem ser
respeitadas, dessa forma, é importante garantir que os resultados gerados sejam factíveis.
Todos os resultados obtidos neste trabalho respeitaram todas as restrições impostas.
A figura 53 apresenta o cromossomo do melhor resultado obtido neste trabalho, que
foi o custo de R$ 12,09, com a sequência binária separada por parâmetros e seus respectivos
valores reais.
0 11000110 0 1 10001001 00 10010110 01 11111111 1
Vcd = 146,774 m/min Fd = 1,00 mm/rev Vca = 152,639 m/min Fa = 0,827 mm/rev
Figura 53 – Cromossomo do melhor resultado obtido entre todos os testes realizados
5.1.2 Solução usando Simulated Annealing (SA)
Os testes realizados com o SA tiveram como objetivo a comparação com os resultados
obtidos no GA. Desta forma, não foram realizados testes exaustivos como os realizados com o
GA.
Ao contrário do GA que trabalha com um grupo de soluções, o SA trabalha com
apenas uma solução por vez. Por isso, optou-se por realizar testes com este algoritmo, a fim
de permitir uma comparação de resultados finais encontrados.
As configurações testadas nesse trabalho basearam-se nos dados fornecidos por
Saravanan et al.(2005), sendo que a temperatura inicial (variável adimensional utilizada no
processo de resfriamento e que pode ser definida com qualquer valor arbitrário) foi mantida
em 475, para a taxa de resfriamento foram feitos testes com uma taxa de 0,9 e uma segunda
taxa de 0,99 e a aplicação de reaquecimento sendo feita cinco vezes para então encerrar o
algoritmo. O quadro 11 apresenta os valores máximo, mínimo, média e desvio padrão dos
melhores resultados obtidos. Para cada uma das taxas de resfriamento, foram gerados 100
resultados para a obtenção dos valores apresentados. Os resultados permitem afirmar que o
SA com taxa de resfriamento de 0,99 é melhor que o SA com taxa de resfriamento de 0,9.
Porém, ao comparar com a abordagem de Algoritmos Genéticos, pode-se afirmar que, nos
testes realizados, o SA é inferior a qualquer uma das abordagens com Algoritmos Genéticos.
83
Quadro 11 – Resultados obtidos no SA
Melhor resultado
Taxa de resfriamento Máximo Mínimo Média Desvio Padrão
0,9 2515,10 13,61 576,51 801,98
0,99 34,36 12,67 18,36 4,33
84
6 CONCLUSÃO
Este trabalho teve como objetivo principal a otimização de parâmetros de usinagem
para o processo de torneamento, onde as funções-objetivo foram a redução de custo por
unidade produzida ou a maximização da produção. Junto a esse objetivo principal, foram
definidos dois objetivos específicos a fim de aplicar a otimização dos parâmetros de
usinagem de forma mais ampla. Um dos objetivos foi revisar o sequenciamento da produção,
pois pode-se otimizar os equipamentos de uma linha de produção para o menor tempo,
aplicar o sequenciamento na linha de produção e posteriormente otimizar os equipamentos
ociosos para produzir no menor custo. O outro objetivo específico foi propor a utilização das
redes industriais para enviar os novo parâmetros otimizados diretamente para o equipamento,
ou alterar o código CNC e enviar o programa para o equipamento CNC.
Para a otimização dos parâmetros de usinagem, foi utilizado o algoritmo genético
(AG), onde foram testadas algumas variações como a quantidade de bits que formam os
parâmetros (5 e 10 bits), o tamanho da população, técnicas de cruzamento (tradicional e
“melhor resultado”, sendo que o último foi proposto neste trabalho), geração de população
inicial somente com indivíduos factíveis (proposto neste trabalho) e apresentação de somente
resultados factíveis (proposto neste trabalho). Todos os testes convergiram para bons
resultados que ficaram na mesma região de soluções. A forma de cruzamento utilizado, neste
trabalho, não influiu nos resultados finais, porém alteraram a curva de convergência dos
resultados. O “melhor cruzamento” obteve melhor resultado ao convergir de forma mais
rápida para a região das soluções finais. Quanto ao número de bits que formam os
parâmetros, mostrou-se importante a utilização de um número grande de bits (no caso deste
trabalho 10 bits), pois com uma resolução maior é possível se obter um número maior de
resultado dentro dos limites máximo e mínimo impostos pelo problema. O Simulated
Annealing (SA) foi implementado com base nos dados de Saravanan et al.(2005) a fim de
realizar uma comparação entre dois métodos heurísticos com características diferentes, e por
causa disso, não foram realizados testes exaustivos. A título de comparação, o SA obteve
resultados na mesma região obtida pelo AG, entretanto, o melhor resultado alcançado pelo
primeiro ficou 4,8% acima do melhor resultado encontrado pela segunda técnica.
Uma comparação entre o AG e a programação matemática foi apresentada por
Rodrigues et.al. (2009), onde os resultados obtidos pela programação matemática foram
significativamente melhor que o AG. Entretanto, como se pode verificar nos resultados
obtidos neste trabalho, após efetuarem-se melhorias na implementação do AG, este último
85
apresentou um resultado melhor que a programação matemática para a peça em questão. O
melhor custo apresentado neste trabalho foi de 12,09 contra 12,62 apresentado pela
programação matemática no referido artigo. Esta análise confirma a viabilidade em se utilizar
métodos heurístico para resolver problemas de minimização de custo ou maximização da
produtividade em parâmetros de usinagem para o processo de torneamento.
Quanto à proposta do sistema supervisório, pretendeu-se inicialmente comunicar o
torno CNC via RS-232 com um computador que estivesse rodando o software de otimização
de parâmetros para que o programa CNC pudesse ser descarregado automaticamente.
Entretanto, essa comunicação não pode ser realizada devido a dificuldade de se identificar o
protocolo de comunicação do equipamento tanto pelo fato deste protocolo ser proprietário
quanto pelo fato do equipamento ser antigo, o que dificultou o suporte junto ao fabricante.
De qualquer forma, essa falta de comunicação não impede que o sistema funcione, pois pode-
se fazer a alteração manual dos parâmetros gerados ou a implementação de um software que
leia o programa CNC e altere somente as linhas referentes aos parâmetros de usinagem.
Assim, pode-se realizar o sequenciamento das peças antes do seu processamento e, a partir
daí, inserir “manualmente” os programas CNC correspondentes às peças a serem produzidas.
Uma vez feito isso, os sistemas supervisórios e de controle existentes permitirão
acompanhar/controlar a produção da célula de manufatura existente.
86
7 BIBLIOGRAFIA
BELTRÃO, Paulo A. C. Notas de aula da disciplina de Processos de Fabricação I.
Programa de Mestrado em Engenharia Mecânica e de Materiais – Universidade
Tecnológica Federal do Paraná - Curitiba, 2007.
CAMARGO, Gilberto de M. Controle da pressão seletiva em algoritmo genético aplicado
a otimização de demanda em infra-estrutura aeronáutica. 2006. 186f. Dissertação
(Mestrado em Engenharia) – Escola Politécnica da Universidade de São Paulo, 2006.
CARNIATO, Antônio. Planejamento da produção e mistura de carvão mineral:
programação matemática e estudo de caso. 2005. 125f. Dissertação (Mestrado em
Engenharia Elétrica) – Universidade Federal de Santa Catarina, Florianópolis, 2005.
CARO, Dick. Automation Network Selection. ISA – The Instrumentation , Systems and
Automation Society, 2004.
CIURANA, J. et. al. A model for integrating process planning and production planning
and control in machining processes. Robotics and Computer-Integrated Manufacturing 24
(2008) 523-544
FAVARETTO, Fábio. Uma contribuição ao processo de gestão da produção pelo uso da
coleta automática de dados de chão de fábrica. 2001. 222 f. Tese (Doutorado em
Engenharia Mecânica) – Escola de engenharia de São Carlos, Universidade de São Paulo, São
Carlos, 2001.
FERRARESI, Dino. Fundamentos da Usinagem dos Metais. Ed. Edgard Blücher Ltda.
1977
FERRAZ, Fábio. Desenvolvimento de um sistema de monitoramento e supervisão para o
processo de torneamento. 2002. 79f. Dissertação (Mestrado em Engenharia Mecânica) –
Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2002.
87
FERREIRA, João C. E. et al. Desenvolvimento de um Supervisório Modular para uma
Célula Flexível de Manufatura. 5 COBEF 14 a 17 de abril de 2009.
GOLBARG, Marco C., LUNA, Henrique P. Otimização Combinatória e Programação
Linear. 2ª Edição. Editora Campus, 2005.
GROOVER, Mikell P. Automation, Production Systems and Computer-Integrated
Manufacturing. 3rd
Edition. Ed. Prentice Hall, 2008.
GROOVER, Mikell P. Fundamentals of modern manufacturing: materials, processes and
systems. 3ª Edição. Editora John Wiley & Sons, 2007.
GUERET, C., PRINS, C., SEVAUX, M. Application of optimization with Xpress-MP.
Revised translation from the French language edition of Programmation Lineaire. Translated
and revised by Susanne Heipcke, 2000.
LEDUC, Ryan J. . Hierarchical Interface-Based Supervisory Control of a Flexible
Manufacturing System. IEEE Transactions on Control Systems Technology. Vol. 14 n. 4 :
645-668 (2006)
LEE B. Y., TARNG Y. S. Cutting-parameter selection for maximizing production rate or
minimizing production cost in multistage turning operations. Journal of Materials
Processing Technology. 105 (2000) 61-66
MADISON, James. CNC Machining Handbook: basic theory, production data and
machining procedures. 1ª Edition. Ed. Industrial Press Inc., 1996.
PROENÇA, Adriano et al. Manufatura Integrada por Computador – Sistemas Integrados
de Produção: Estratégia, Organização, Tecnologia e Recursos Humanos. Rio de Janeiro,
Campus: SENAI: COPPE/UFRJ, 1995.
REYES, A., YU, H., KELLEHER, G., LLOYD S. Integrating Petri Nets and hybrid
heuristic search for the scheduling of FMS. Computer in Industry. 47 (2002) 123-138
88
REZENDE, Solange O. Sistemas inteligentes – fundamentos e aplicações. 1ª Edição.
Editora Manole, 2002.
RODRIGUES, Luiz C. A. Notas de aula da disciplina “Métodos Heurísticos”, PPGEM-
UTFPR, Curitiba, PR, 2008.
RODRIGUES, Luiz C. A.; TAKANO, Mauricio I.; WIECHETECK, Rafael V. B. Analysis
among three optimization techniques to set cutting parameters in turning operations. In:
Congresso Brasileiro de Engenharia Mecânica, 20., 2009, Gramado.
SARAVANAN R., ASOKAN P., SACHITHANANDAM M. Comparative Analysis of
Conventional and Non-Conventional Optimisation Techniques for CNC Turning
Process. The International Journal of Advanced Manufacturing Technology. 17:471-476
(2001).
SARAVANAN R., ASOKAN P., VIJAYAKUMAR K.. Machining Parameters
Optimisation for Turning Cylindrical Stock into a Continuous Finished Profile Using
Genetic Algorithm (GA) and Simulated Annealing (SA). The International Journal of
Advanced Manufacturing Technology. 21:1-9 (2003)
SARAVANAN R., SANKAR R. S., ASOKAN P., VIJAYAKUMAR K., PRABHAHARAN
G., Optimization of cutting conditions during continuous finished profile machining
using non-tradicional techniques. International Journal Adv. Manufacturing Technology.
26: 30-40 (2005)
SCHEER, A. -W. CIM – Evoluindo para a fábrica do futuro. Tradução de Patrice Charles
François Xavier Wuillaume e Mathias Mangels. Rio de Janeiro. Editora QualityMark, 1993.
SILVA A.P.G., SALVADOR M. O que são sistemas supervisórios?. Elipse software, 20
dez 2005. Disponível em: <http://www.elipse.com.br>. Acesso em: 04 nov. 2008.
SIMA, Arnaldo A. F. Manufatura integrada por computador – Sistemas Integrados de
Produção: estratégia, organização, tecnologia e recursos humanos. Capítulo 5. Rio de
Janeiro. Editora Campus, 1995.
89
SIMÃO, Jean M. et al. Holonic Manufacturing Execution Systems for Customized and
Agile Production: Manufacturing Plant Simulation. 5 COBEF 14 a 17 de abril de 2009
STEMMER, Caspar Erich. Ferramentas de Corte I. 3ª Edição. Florianópolis. Editora da
UFSC, 1987.
STEMMER, Caspar Erich. Ferramentas de Corte II. Florianópolis. Editora da UFSC, 1992.
SU, Chao-Ton, CHEN, Um-Chen. Computer-aided optimization of multi-pass turning
operations for continuous forms on CNC lathes. IEEE Transactions. 31:583-596 (1999).
TAKANO, Mauricio Iwama. Otimização da produção de uma célula flexível de
manufatura com torno e fresadora CNC. 2010. 88 f. Dissertação (Mestrado em
Engenharia) – Programa de Pós-Graduação em Engenharia Mecânica e de Materiais,
Universidade Tecnológica Federal do Paraná, Curitiba, 2010.
TANENBAUM, Andrew S. Computer Networks. 4ª Edição. Prentice-Hall, 2003.
VOLPATO, Neri. Notas de aula da disciplina de Fabricação Auxiliada por Computador
– CAD/CAM. Programa de Mestrado em Engenharia Mecânica e de Materiais –
Universidade Tecnológica Federal do Paraná - Curitiba, 2008.
WIECHETECK, Rafael V. B. OPC UA: Integração total da produção. 2006. 53f.
Monografia (Especialização em Mecatrônica Industrial) – Pontifícia Universidade Católica do
Paraná, Curitiba, 2006.
WITTE, Horst. Máquinas ferramenta: Elementos básicos de máquinas e técnicas de
construção. Tradução: Mário Ferreira de Brito. Ed. Hemus, 1998.