Upload
thiago-richter
View
940
Download
1
Embed Size (px)
DESCRIPTION
Artificial Intelligence applied to Supply Chain & Logistics
Citation preview
Inteligência ArtificialInteligência Artificialaplicada na aplicada na SC&LSC&L
Thiago RichterEESC-USP
Delphi Automotive Systems
Thiago Richter 3
ÍÍndicendice
� Introdução a Inteligência Artificial;
� Agentes Autônomos� RAST
� Sistemas Fuzzy� Produção de Saquê
� Redes Neurais Artificiais� Aproximador de Funções� Forecasting de Vendas� Classificadores� Clustering
� Algoritmos Genéticos� Planejamento de Produção
� Tetris� Seqüenciamento de Produção� Layout de Fábrica� Roteirizador
� Caixeiro Viajante
Sistemas InteligentesSistemas Inteligentes
Thiago Richter 5
Sistemas InteligentesSistemas Inteligentes
� O que são?� Ferramentas computacionais que buscam simular mecanismos
inteligentes encontrados na natureza.
� Grandes áreas:� Agentes Autônomos;� Sistemas de Inferência Nebulosos (Fuzzy);� Redes Neurais Artificiais;� Computação Evolutiva.
Thiago Richter 6
Sistemas InteligentesSistemas Inteligentes
� Potenciais Áreas de Aplicações:� Controle de Processos:
� Controle de Aeronaves (Rockwell).� Operação do Metro de Sendai (Hitashi).� Transmissão Automática (Nissan, Subaru, GM).� Space Shuttle Docking (NASA).� (...)
� Otimização e Planejamento:� Elevadores (Mitsubishi, Hitachi, Fujteck, Schindler).� Estimação de Mercado de Ações (Yamaichi).� Otimização de Sistemas de Potência (Scada). � (...)
� Análise de Sinais e Imagens:� Ajuste de Imagem de TV (Sony).� Autofocus Para Câmeras de Vídeo (Canon, JVC).� Estabilizador de Imagens de Vídeo (Panasonic).� Diagnóstico Baseados em Imagens (Siemens, INPE).� (...)
Agentes AutônomosAgentes Autônomos
Thiago Richter 8
Agentes Autônomos Agentes Autônomos -- DefiniDefiniççãoão
� O que é?� Entidade cognitiva, ativa e autônoma, ou seja:
� Possui um sistema interno de tomada de decisões,� Age sobre um mundo e sobre os outros agentes que o rodeiam e, por fim, � É capaz de funcionar sem necessitar de algo ou de alguém para o guiar (tem mecanismos próprios de percepção do exterior).
Thiago Richter 9
Agentes Autônomos Agentes Autônomos -- CaracterCaracteríísticassticas
� Devem ter bases de conhecimento.
� Devem ter mecanismos de raciocínio.
� Devem ser capazes de reconhecer situação em que devam se ativar, sem que o usuário perceba, ou seja, de forma transparente ao usuário.
Thiago Richter 10
Agentes Autônomos Agentes Autônomos -- CaracterCaracteríísticassticas
� Ilustração de Características
Ambiente
Agente
Autonomia
Mobilidade
Racionalidade
Reatividade
Orientado-a-objetivo
Aprendizado
Pró-atividade
Comunicação
Cooperação
Coordenação
Thiago Richter 11
Agentes AutônomosAgentes Autônomos
� Exemplo: � Exemplo 2:
Thiago Richter 12
Agentes Autônomos Agentes Autônomos -- DARTDART
� Ferramenta de análise e re-planejamento dinâmicosDynamic Analysis and Replanning Tool
� Projeto do DoD-DARPA (USA) para realizar o Planejamento Logístico Automatizado e a Programação de Execução do Transportedurante a crise do Golfo Pérsico em 1991.
� Envolveu até 50.000 veículos, transporte de carga aérea e de pessoal ao mesmo tempo, e teve de levar em conta os pontos de partida, destinos, rotas e resolução de conflitos entre todos os parâmetros.
Thiago Richter 13
Agentes Autônomos Agentes Autônomos -- DARTDART
� Características:� Agentes inteligentes para auxiliar sistemas de apoio à decisão;
� Automatizar processos de decisão;
� Possibilitar aos Planejadores (humanos) que analisassem rapidamente a viabilidade logística de planos de combates;
Thiago Richter 14
Agentes Autônomos Agentes Autônomos -- DARTDART
� Impactos:� Logo no lançamento, resolveu vários “pesadelos” logísticos;� Permitiram a geração em algumas horas de um plano que exigiria
semanas com outros métodos.� Esta única aplicação compensou com folga os 30 anos de
investimentos da DARPA em IA.
Sistemas NebulososSistemas Nebulosos
Thiago Richter 16
Sistemas Sistemas FuzzyFuzzy
� Como trabalham os computadores (normalmente)?� Sim ou Não?� Verdadeiro ou Falso?� 1 ou 0?� Bits?
� A Lógica usada pelos computadores é chamada de Lógica Clássica.� Pertence ou Não Pertence a alguma classe,� Verdadeiro ou Falso,� etc.
Thiago Richter 17
Sistemas Sistemas FuzzyFuzzy
� Lógica Clássica, ou, Lógica de Aristóteles:
� A velocidade é considerada Alta entre 100 e 140Km/h.
� 110Km/h é considerado Alta velocidade?� E 99Km/h?
Thiago Richter 18
Sistemas Sistemas FuzzyFuzzy
� Lógica Nebulosa ou Lógica Fuzzy:
� Sim, Não, Mais ou Menos,Extremamente, Não Muito, etc.
Thiago Richter 19
Sistemas Sistemas FuzzyFuzzy
� Sistemas de Inferência Nebulosos = Sistemas Fuzzy.
� O que são:� Exploram as formas que o cérebro usa para o tratamento de
informações qualitativas e incertas;
� Suportam os modos de raciocínio que são aproximados;
� Capazes de tratar informações vagas, aproximadas, as quais são expressas por regras lingüísticas.
� Consistem em aproximar a decisão computacional da decisão humana.
Thiago Richter 20
Sistemas Sistemas FuzzyFuzzy
Infere que
RegrasRegras
Regras
Regras Lingüísticas:-Mais Ou Menos Assado;
-Extremamente Assado;
-Não muito Assado
“Defuzzyficação” �
Thiago Richter 21
Sistemas Sistemas FuzzyFuzzy -- ProduProduçção de Saquêão de Saquê
� Problema:� Produto característico do Japão;� Tecnologia de produção milenar;� Produção em Larga Escala usando “mestres de saquê”;� Mão de Obra escassa.
� Solução Proposta:� Substituir o processo de produção empírico por um sistema Fuzzy
baseado na experiência e conhecimento dos mestres.
J. Koizumi, Y. Tsuchiya, K. Suenari e S. Nagai. “Fuzzy Control for Japanese Sake Fuzzy Decision Controller and Fuzzy Simulator for Japanese sake fermentation”.
Thiago Richter 22
Sistemas Sistemas FuzzyFuzzy -- ProduProduçção de Saquêão de Saquê
Entradas:
Mudança de
Temperatura(kn )
+ +
Dias de
Fermentação
Thiago Richter 23
Sistemas Sistemas FuzzyFuzzy -- ProduProduçção de Saquêão de Saquê
Regras:
Resultados:
“Deffuzyficação”:
- Aumentar ou Diminuir a Temperatura
- Finalizar o Processo
Redes Neurais ArtificiaisRedes Neurais Artificiais
Thiago Richter 25
Redes Neurais Artificiais (RNA)Redes Neurais Artificiais (RNA)
� O que são?� Modelos computacionais inspirados nos mecanismos de
aprendizagem do cérebro humano;� E que tentam emular a forma com que o cérebro resolve
problemas.
� Características:� Aprender através de exemplos;� Capacidade de se adaptar ou aprender;� Capacidade de generalização;� Agrupar ou organizar dados;� Tolerância à Falhas;� Auto-Organização.
Thiago Richter 29
RNA RNA –– InspiraInspiraçção Biolão Biolóógicagica
Representação do Neurônio Biológico
Representação do Neurônio Artificial
Thiago Richter 30
RNA RNA –– TopologiasTopologias
� Topologia em RNA significa a forma como se conectam os neurônios artificiais (e suas configurações).
� Existem inúmeras Topologias, cada tipo de problema tem uma topologia desenvolvida.
� Também são Inspiradas no Cérebro:� Memória;� Associação/Classificação;� “Feeling” /Previsão/Estimação;� Etc.
Thiago Richter 31
RNA RNA –– Exemplo de TopologiaExemplo de Topologia
� Topologia Perceptron Multicamadas
Thiago Richter 32
RNA RNA -- AproximadorAproximador de Funde Funççõesões
0 100 200 300 400 500 600 700 800 9000
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
segundos
0 100 200 300 400 500 600 700 800 9000.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
seconds
Norm
aliz
ed L
am
bda v
alu
es
Entradas:
Saída Desejada:
Thiago Richter 33
RNA RNA -- AproximadorAproximador de Funde Funççõesões
Resultados:
100 200 300 400 500 600 700 8000
0.2
0.4
0.6
0.8
1
Seconds
Target
Reached
240 260 280 300 320 340 360 380 400 420 4400
0.2
0.4
0.6
0.8
1
Seconds
Target
Reached
480 482 484 486 488 490 492 494 496 498 5000.23
0.24
0.25
0.26
0.27
0.28Relative Mean Error (%): 0.20619
Seconds
Target
Reached
Thiago Richter 34
RNA RNA –– InspeInspeçção de Produão de Produççãoão
� Inspeção de Placas de Circuito Impresso (Classificador).
A. Castellar. “Sistema de Inspeção Visual Automática de Resistores de Montagem em Superfície”, III WVC, UNESP.
Fotografia
Verificar o
componente 3
Classificador Neural
Imagem 3
Resultado
Satisfatório!
Thiago Richter 35
RNA RNA -- ClusteringClustering
� Problema: Agrupar características (pontos) do gráfico em 3 grupos.
� As características podem ser de Clientes, Produtos, Processos, etc.
0 500 1000 1500 2000 25000
500
1000
1500
2000
2500
Thiago Richter 36
RNA RNA -- ClusteringClustering
� Problema: Agrupar características (pontos) do gráficoem 3 grupos.
� As características podem ser de Clientes, Produtos, Processos, etc.
0 500 1000 1500 2000 25000
500
1000
1500
2000
2500
Algoritmos GenAlgoritmos Genééticosticos
Thiago Richter 38
Algoritmos GenAlgoritmos Genééticos ticos -- AGAG
� O que é?� Modelos computacionais que tentam imitar a natureza evolutiva
das espécies (Teoria da Evolução das Espécies);
� Principal ramo da chamada Computação Evolutiva.
� Principal Aplicação:� Problemas de Otimização
� MAXimizar ou minimizar.
Thiago Richter 39
AG AG -- FuncionamentoFuncionamento
População atual
Reprodução
Avaliação
Seleção
População inicial População final
Thiago Richter 41
AG AG -- FuncionamentoFuncionamento
� Avaliação: Determinação do grau de aptidão do indivíduo;
� Seleção: Mais aptos para representar a solução do problema;
� Reprodução: Cruza-se os indivíduos (normalmente os mais aptos) para gerar nova população, pode ser sexuado ou assexuado;
� Mutação: Modifica-se aleatoriamente alguns indivíduos;
� Predação: Introduz algum “vírus”, “predador” ou, simplesmente, “fuzila”uma parcela da população.
População atual
Reprodução,Mutação e
Predação.
Avaliação
Seleção
População inicial População final
Thiago Richter 43
AG AG -- FuncionamentoFuncionamento
� Reprodução:
Thiago Richter 44
AG AG -- ExemploExemplo
População inicial: População final:
Evolução da População:
Benefícios:
Maior possibilidade de encontrar os máximos ou mínimos Globais!
Busca é paralela, vários indivíduos!
Thiago Richter 45
AG AG -- RoteirizadorRoteirizador
� Problema do Caixeiro Viajante:� Caixeiro tem que passar por todas as cidades, na menor distância
e sem repetir as cidades.
Início:
Thiago Richter 46
AG AG -- RoteirizadorRoteirizador
� Problema do Caixeiro Viajante:� Caixeiro tem que passar por todas as cidades, na menor distância
e sem repetir as cidades.
Durante evolução:
Thiago Richter 47
AG AG -- RoteirizadorRoteirizador
� Problema do Caixeiro Viajante:� Caixeiro tem que passar por todas as cidades, na menor distância
e sem repetir as cidades.
Final, evoluído:
Thiago Richter 48
AGAG
Thiago Richter 49
AG AG –– TruckTruck LoadLoad
� Objetivo: Utilizar ao Máximo o espaço do Caminhão;
� Aplicável em outros problemas: Packing, Corte de Chapas, Estamparia, etc.
Evolução
População Evoluída
Thiago Richter 50
Algoritmos GenAlgoritmos Genééticosticos
� Planejamento de Produção� Job Shop
Sistemas HSistemas Hííbridosbridos
Thiago Richter 52
Sist. HSist. Hííbridos bridos -- ForecastingForecasting
Thiago Richter 53
� Coletores de Dados em Armazéns são bons para um WMS?� E em Frigoríficos?� Utiliza Fuzzy e RNA (topologia FAN – Free Associative Neurons).
Sist. HSist. Hííbridosbridos
M. B. de Paula. “Reconhecimento de Palavras Faladas usandoRedes Neurais Artificiais”, UFPEL.
Trechos
da Fala
Palavras Treinadas:
Classificador
NeuralTrecho
Classificado
Esquerda
-- Reconhecimento de VozReconhecimento de Voz