Otimização Multiobjetivo na Indústria Distribuída e a Sustentabilidade Ambiental: uma Revisão Sistemática da Literatura
DOI:
https://doi.org/10.54580/10Palavras-chave:
Otimização multiobjetivo, Indústria Distribuída, Poluição ambiental, SustentabilidadeResumo
Com o crescimento da industrialização, os investigadores têm-se preocupado cada vez mais com a proteção do ambiente. As questões ambientais têm sido um dos problemas e um dos objectivos a considerar quando se trata de problemas de escala de produção, principalmente a minimização do consumo de energia e a minimização das emissões de carbono, bem como vários outros objectivos a otimizar. Foram criadas medidas que pressionam as organizações a prestar mais atenção ao ambiente, a par de outras medidas, não só económicas, mas também sociais. Uma boa programação da produção permite que as organizações tenham mais sucesso nos negócios, pois contribui para um melhor ambiente e sociedade. Por isso, a procura de processos que permitam uma tomada de decisão mais eficaz e eficiente está a tornar-se um assunto de extrema importância a estudar. A sustentabilidade é atualmente um desafio urgente para a engenharia e para as organizações. Uma das formas de contribuir para sistemas de produção mais sustentáveis é o desenvolvimento de tecnologias inteligentes e a partilha de sistemas de produção. Este artigo estuda a literatura sobre abordagens de programação da produção em empresas distribuídas e os seus potenciais benefícios para o ambiente e para a sociedade, para além dos benefícios económicos. Desta forma, a otimização de medidas ambientais, sociais e económicas no planeamento e programação da produção em contextos de empresas alargadas, utilizando abordagens baseadas na otimização multiobjectivo, é o foco principal deste trabalho.
Downloads
Referências
Borrego, M., Foster, M. J., & Froyd, J. E. (2014). Systematic literature reviews in engineering education and other developing interdisciplinary fields. Journal of Engineering Education, 103(1), 45–76. https://doi.org/10.1002/jee.20038
Budgen, D., & Brereton, P. (2006). Performing systematic literature reviews in software engineering. Proceedings - International Conference on Software Engineering, 2006, 1051–1052. https://doi.org/10.1145/1134285.1134500
Chen, R., & Hung, P. (2014). Multiobjective Order Assignment Optimization in a Global Multiple-Factory Environment. Mathematical Problems in Engineering, 2014, 1–14. https://doi.org/10.1155/2014/673209
dos Santos, F., Costa, L. A., & Varela, L. (2022). A Systematic Literature Review About Multi-objective Optimization for Distributed Manufacturing Scheduling in the Industry 4.0. Lecture Notes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 13378 LNCS, 157–173. https://doi.org/10.1007/978-3-031-10562-3_12
dos Santos, F., Costa, L., & Varela, L. (2023). Multi-objective Optimization of the Job Shop Scheduling Problem on Unrelated Parallel Machines with Sequence-Dependent Setup Times. In International Conference on Computational Science and Its Applications (pp. 495–507). Springer. https://doi.org/10.1007/978-3-031-37108-0_32
Entezaminia, A., Heydari, M., & Rahmani, D. (2016). A multi-objective model for multi-product multi-site aggregate production planning in a green supply chain: Considering collection and recycling centers. Journal of Manufacturing Systems, 40, 63–75. https://doi.org/10.1016/j.jmsy.2016.06.004
Gao, H., Ji, X., Li, K., & Wu, N. (2019). Multi-objective Comprehensive Optimization of Distribution Network considering the randomness of DG. IOP Conference Series: Materials Science and Engineering, 569(4), 1–10. https://doi.org/10.1088/1757-899X/569/4/042050
Ibrahim, C., Mougharbel, I., Kanaan, H. Y., Georges, S. W., Daher, N. abou, & Saad, M. (2020). Industrial Loads Used as Virtual Resources for a Cost-Effective Optimized Power Distribution. IEEE Access, 8, 14901–14916. https://doi.org/10.1109/aCCESS.2020.2966736
Kaur, K., Garg, S., Kaddoum, G., Bou-Harb, E., & Choo, K. K. R. (2020). A Big Data-Enabled Consolidated Framework for Energy Efficient Software Defined Data Centers in IoT Setups. IEEE Transactions on Industrial Informatics, 16(4), 2687–2697. https://doi.org/10.1109/TII.2019.2939573
Liu, T. K., Chen, Y. P., & Chou, J. H. (2014). Developing a multiobjective optimization scheduling system for a screw manufacturer: A refined genetic algorithm approach. IEEE Access, 2, 356–364. https://doi.org/10.1109/ACCESS.2014.2319351
Lu, C., Gao, L., Yi, J., & Li, X. (2021). Energy-Efficient Scheduling of Distributed Flow Shop with Heterogeneous Factories: A Real-World Case from Automobile Industry in China. IEEE Transactions on Industrial Informatics, 17(10), 6687–6696. https://doi.org/10.1109/TII.2020.3043734
Okoli, C. (2015). A guide to conducting a standalone systematic literature review. Communications of the Association for Information Systems, 37(1), 879–910. https://doi.org/10.17705/1cais.03743
Oláh, J., Aburumman, N., Popp, J., Khan, M. A., Haddad, H., & Kitukutha, N. (2020). Impact of industry 4.0 on environmental sustainability. Sustainability (Switzerland), 12(11), 1–21. https://doi.org/10.3390/su12114674
Przewozniczek, M. W., Dziurzanski, P., Zhao, S., & Indrusiak, L. S. (2021). Multi-Objective parameter-less population pyramid for solving industrial process planning problems. Swarm and Evolutionary Computation, 60(September 2020). https://doi.org/10.1016/j.swevo.2020.100773
Ramakurthi, V. B., Manupati, V. K., Machado, J., & Varela, L. (2021). A hybrid multi-objective evolutionary algorithm-based semantic foundation for sustainable distributed manufacturing systems. Applied Sciences (Switzerland), 11(14). https://doi.org/10.3390/app11146314
Shao, W., Pi, D., & Shao, Z. (2019). A Pareto-Based Estimation of Distribution Algorithm for Solving Multiobjective Distributed No-Wait Flow-Shop Scheduling Problem with Sequence-Dependent Setup Time. IEEE Transactions on Automation Science and Engineering, 16(3), 1344–1360. https://doi.org/10.1109/TASE.2018.2886303
Starkey, A., Hagras, H., Shakya, S., Owusu, G., Mohamed, A., & Alghazzawi, D. (2016). A cloud computing based many objective type-2 fuzzy logic system for mobile field workforce area optimization. Memetic Computing, 8(4), 269–286. https://doi.org/10.1007/s12293-016-0206-1
Thomé, A. M. T., Scavarda, L. F., & Scavarda, A. J. (2016). Conducting systematic literature review in operations management. Production Planning and Control, 27(5), 408–420. https://doi.org/10.1080/09537287.2015.1129464
Wang, B., Yu, X., Wu, Q., Li, Z., Jiang, R., Qian, G., & Huang, R. (2022). Case studies of a distributed building energy system incorporating with EVs considering effects of random charging behaviors and time-of-use pricing in electricity. Case Studies in Thermal Engineering, 38(May), 102297. https://doi.org/10.1016/j.csite.2022.102297
Yuan, L. (2019). Optimization Operation of Multi-energy Complementary System based on Interval Model. IEEE PES Innovative Smart Grid Technologies Asia, ISGT 2019, 3837–3842. https://doi.org/10.1109/ISGT-Asia.2019.8881325
Zhang, W. Y., Zhang, S., Cai, M., & Huang, J. X. (2011). A new manufacturing resource allocation method for supply chain optimization using extended genetic algorithm. International Journal of Advanced Manufacturing Technology, 53(9–12), 1247–1260. https://doi.org/10.1007/s00170-010-2900-3
Zhang, X., Fang, J., Zou, J., Chen, Q., Chen, S., Hong, J., & Wang, S. (2022). Optimal Scheduling of Distributed Resources in Multi area and Multi-station Optical Storage System Based on Improved Genetic Algorithm. IMCEC 2022 - IEEE 5th Advanced Information Management, Communicates, Electronic and Automation Control Conference, 5, 1302–1307. https://doi.org/10.1109/IMCEC55388.2022.10020044
Zhao, J. H., Foster, J., Dong, Z. Y., & Wong, K. P. (2011). Flexible transmission network planning considering distributed generation impacts. IEEE Transactions on Power Systems, 26(3), 1434–1443. https://doi.org/10.1109/TPWRS.2010.2089994
Downloads
Publicado
Edição
Secção
Licença
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0.
