João Victor Soares Do Amaral, R. Miranda, C. Santos, J. A. B. Montevechi, Flavio Oliveira DE Brito
{"title":"元模型仿真的神经网络优化:在工业领域的应用","authors":"João Victor Soares Do Amaral, R. Miranda, C. Santos, J. A. B. Montevechi, Flavio Oliveira DE Brito","doi":"10.14488/enegep2022_tn_st_384_1900_43774","DOIUrl":null,"url":null,"abstract":"No contexto da indústria moderna, a otimização surge como uma das ferramentas mais poderosas, permitindo que os tomadores de decisão aloquem seus recursos de forma mais assertiva e lidem com problemas complexos de fabricação. Além disso, os sistemas de manufatura geralmente envolvem interdependência de atividades e altos níveis estocásticos, sendo necessário associar técnicas de otimização e simulação para resolver problemas. Embora a otimização via simulação seja uma técnica poderosa, pode levar muito tempo para convergir em uma boa solução, o que muitas vezes limita seu uso nas operações do dia-a-dia. Como alternativa, metamodelos podem ser usados para substituir modelos de simulação no processo de otimização. Nos últimos anos, com o desenvolvimento na área de aprendizado de máquina, surgiram algoritmos com alta capacidade de aprendizado, tornando a otimização via simulação por metamodelagem um campo de estudo promissor. Neste contexto, o presente trabalho visa avaliar","PeriodicalId":145654,"journal":{"name":"Anais do Encontro Nacional de Engenharia de Produção","volume":"92 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-10-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"REDES NEURAIS PARA OTIMIZAÇÃO VIA SIMULAÇÃO POR METAMODELAGEM: UMA APLICAÇÃO NO SETOR INDUSTRIAL\",\"authors\":\"João Victor Soares Do Amaral, R. Miranda, C. Santos, J. A. B. Montevechi, Flavio Oliveira DE Brito\",\"doi\":\"10.14488/enegep2022_tn_st_384_1900_43774\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"No contexto da indústria moderna, a otimização surge como uma das ferramentas mais poderosas, permitindo que os tomadores de decisão aloquem seus recursos de forma mais assertiva e lidem com problemas complexos de fabricação. Além disso, os sistemas de manufatura geralmente envolvem interdependência de atividades e altos níveis estocásticos, sendo necessário associar técnicas de otimização e simulação para resolver problemas. Embora a otimização via simulação seja uma técnica poderosa, pode levar muito tempo para convergir em uma boa solução, o que muitas vezes limita seu uso nas operações do dia-a-dia. Como alternativa, metamodelos podem ser usados para substituir modelos de simulação no processo de otimização. Nos últimos anos, com o desenvolvimento na área de aprendizado de máquina, surgiram algoritmos com alta capacidade de aprendizado, tornando a otimização via simulação por metamodelagem um campo de estudo promissor. Neste contexto, o presente trabalho visa avaliar\",\"PeriodicalId\":145654,\"journal\":{\"name\":\"Anais do Encontro Nacional de Engenharia de Produção\",\"volume\":\"92 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-10-10\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Anais do Encontro Nacional de Engenharia de Produção\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.14488/enegep2022_tn_st_384_1900_43774\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais do Encontro Nacional de Engenharia de Produção","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.14488/enegep2022_tn_st_384_1900_43774","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
REDES NEURAIS PARA OTIMIZAÇÃO VIA SIMULAÇÃO POR METAMODELAGEM: UMA APLICAÇÃO NO SETOR INDUSTRIAL
No contexto da indústria moderna, a otimização surge como uma das ferramentas mais poderosas, permitindo que os tomadores de decisão aloquem seus recursos de forma mais assertiva e lidem com problemas complexos de fabricação. Além disso, os sistemas de manufatura geralmente envolvem interdependência de atividades e altos níveis estocásticos, sendo necessário associar técnicas de otimização e simulação para resolver problemas. Embora a otimização via simulação seja uma técnica poderosa, pode levar muito tempo para convergir em uma boa solução, o que muitas vezes limita seu uso nas operações do dia-a-dia. Como alternativa, metamodelos podem ser usados para substituir modelos de simulação no processo de otimização. Nos últimos anos, com o desenvolvimento na área de aprendizado de máquina, surgiram algoritmos com alta capacidade de aprendizado, tornando a otimização via simulação por metamodelagem um campo de estudo promissor. Neste contexto, o presente trabalho visa avaliar
求助内容：
应助结果提醒方式：
京公网安备 11010802042870号
