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

• Ano de defesa: 2025
• Autor(a) principal: Alcântara , Mariane Gonçalves [UNESP]
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Otimização via Simulação; Simulação de Eventos Discretos; New-MCDEA VRS; Arranjo Hipercubo Latino; Espaço de busca; Análise de envoltória de dados; Processo decisório por critérios multiplos; Otimização matemática
• Link de acesso: https://hdl.handle.net/11449/311663; http://lattes.cnpq.br/3648927116078387

A Otimização via Simulação tem sido amplamente utilizada para apoiar a solução de problemas complexos em diversas áreas, como manufatura, logística e cadeia de suprimentos. Porém, à medida que a complexidade do problema aumenta — em função do número de variáveis de decisão, dos limites destas variáveis e do número de funções a serem otimizadas —, a elevada carga computacional e o tempo necessário para avaliar os múltiplos cenários de simulação representam desafios significativos. Neste contexto, esta tese propõe uma sistemática para redução do espaço de busca em problemas de Otimização via Simulação, por meio da combinação entre Análise Envoltória de Dados Multicritério, especificamente o modelo NewMCDEA, associada ao conceito de supereficiência, técnicas de delineamento de experimentos, incluindo Arranjos Hipercubo Latino, e a Simulação de Eventos Discretos. O objetivo do método é identificar os melhores limites para cada variável de decisão do modelo de otimização. A sistemática opera da seguinte forma: inicialmente, são gerados cenários experimentais com base no Arranjo Hipercubo Latino; posteriormente, esses cenários são simulados, e suas eficiências são avaliadas pelo modelo New-MCDEA com supereficiência, o qual ranqueia os cenários e identifica uma fronteira eficiente. Com base nesse ranqueamento, os limites das variáveis de decisão são redefinidos, resultando em um espaço de busca reduzido, mais promissor para a otimização final. A metodologia foi aplicada a cinco objetos de estudo, incluindo um problema de otimização multiobjetivo, e validada por meio da comparação entre os resultados obtidos na otimização no espaço de busca reduzido e no espaço de busca completo. A aplicação do método proposto possibilitou uma redução média de 92% no espaço de busca e 58% no tempo computacional necessário para a otimização, sem comprometer a qualidade das soluções. Como contribuição, este trabalho oferece uma ferramenta capaz de auxiliar profissionais da área de simulação a reduzir ainda mais o tempo computacional necessário ao processo de OvS, ao mesmo tempo que permite encontrar soluções de boa qualidade. Essa redução implica em menor consumo de recursos computacionais e financeiros, tornando a otimização mais acessível para empresas e gestores. Além disso, a redução no tempo computacional possibilita aos gestores um processo de tomada de decisões mais eficiente, melhorando o desempenho operacional de sistemas complexos.