INTEGRAÇÃO DA INTELIGÊNCIA ARTIFICIAL (IA) COM A SIMULAÇÃO BASEADA EM AGENTES (SBA)

Resumo

Os resultados desta pesquisa evidenciam que a heurística NEH se destacou como a estratégia mais eficiente para o problema de escalonamento flow shop simulado, apresentando redução significativa no makespan em comparação tanto com a fila randômica quanto com o aprendizado por reforço. Além de reduzir em média 6,8% o tempo total em relação à fila, o NEH demonstrou maior consistência replicação a replicação, o que foi confirmado por testes estatísticos robustos, com efeito de grande magnitude. Em contrapartida, o modelo de aprendizado por reforço, apesar de seu potencial teórico para adaptação em cenários dinâmicos, não apresentou ganhos relevantes em relação à fila na implementação atual. Esse resultado sugere que o treinamento e os parâmetros adotados podem não ter sido suficientes para capturar a complexidade do sistema produtivo modelado. Dessa forma, a pesquisa contribui para reforçar a aplicabilidade de heurísticas consolidadas como o NEH em contextos industriais simulados, ao mesmo tempo em que aponta para a necessidade de avanços metodológicos na aplicação do aprendizado por reforço nesse tipo de problema. Trabalhos futuros poderão explorar ajustes no design do agente, técnicas híbridas de otimização e cenários mais complexos, visando aumentar a capacidade de adaptação do RL e aproximar sua performance do nível observado para o NEH.