Estudo comparativo entre diferentes métodos de aglutinação em otimização com múltiplas respostas

Abstract

Estudo comparativo entre diferentes métodos de aglutinação em otimização com múltiplas respostasEste trabalho tem o objetivo de avaliar o desempenho das funções aglutinadoras Desirability, Desirability Modificada e Programação por Compromisso, aplicadas na otimização de problemas com múltiplas respostas. O desempenho das funções aglutinadoras foi mensurado por meio da Distância Percentual Média. Para a aplicação do método proposto foram selecionados três problemas contendo múltiplas respostas presentes na literatura. Os resultados obtidos para os casos de estudo selecionados indicam um melhor desempenho da função aglutinadora Desirability Modificada, para a otimização simultânea de múltiplas respostas, especialmente quando essas respostas são modeladas por equações contendo termos quadráticos, independentemente do número de termos, do tipo de respostas e do número de variáveis que possam conter. A metodologia e os resultados apresentados neste trabalho visam colaborar com a pesquisa, o desenvolvimento e a avaliação de técnicas avançadas para a otimização de problemas com múltiplas respostas que são relevantes na busca de especificações para o aumento da eficiência em processos industriais. Palavras-chave: Desirability, otimização, múltiplas respostas. This work aims to evaluate the performance of the agglutination functions Desirability, ModifiedDesirability and Commitment Programming , applied in the optimization of problems with multiple response. The performance of the agglutinating functions was measured through the Average Percentage of Deviation. In order to apply the proposed method, three problems containing multiple responses were selected in the literature. The results obtained for the selected case studies indicate a better performance of the modified Desirability agglutination function for the simultaneous optimization of multiple responses, especially when these responses are modeled by equations containing quadratic terms, regardless of the number of terms, type of responses and Number of variables they may contain. The methodology and results presented in this study aim to collaborate with the research, development and evaluation of advanced techniques for the optimization of problems with multiple responses that are relevant in the search for specifications to increase efficiency in industrial processes.

Scientific research trends about metaheuristics in process optimization and case study using the desirability function

“…A viable explanation for this fact is that this combination is present in the Minitab® software's Optimizer function, which would facilitate the execution of this method (Cardoso et al, 2023;Gomes, Pereira, Marins, et al, 2019). DOE is a structured and organized method used to determine the relationship between different process input and output factors, involving the definition of the set of experiments, in which all relevant factors are systematically varied.…”

“…Optimization methods are widely used to solve multiobjective optimization problems with objectives that generate conflicts. Reasonable tradeoffs between different objectives are considered (Gomes, Pereira, Marins, et al, 2019;Kalra & Singh, 2015). Combinatorial optimization is one of the most studied fields in artificial intelligence, optimization, logistics and other applications.…”