Objetivos da otimização de processos.

Entende-se por processo a maneira pela qual se realiza uma operação segundo determinadas normas. O índice de desempenho mede a eficiência do processo em atingir o objetivo e a otimização de processos visa as seguintes metas:

1. Rapidez na correção de desvios.
2. Prevenção e antecipação de problemas.
3. Redução da oscilação das variáveis.
4. Melhor resultado do processo.
5. Mais e melhores informações sobre o processo.

Este trabalho teve como objetivo a solução do problema de otimização de processos complexos utilizando algoritmos com inteligência artificial em um computador adquirindo dados para tomada de decisão em tempo real de modo autônomo e levando em conta que:

• A otimização de cada módulo é menos eficiente que a otimização global do processo.
• O sistema de controle e otimização deve se adaptar a alterações do processo em tempo real.
• As informações disponíveis para a operação devem ser suficientes a utilização do sistema.
• O sistema deve aperfeiçoar seus modelos durante a sua utilização, isto é, deve aprender.

O objetivo a ser atingido depende de fatores diretos como a carteira de vendas ou perspectiva de consumo do mercado, e de fatores exógenos decorrentes do clima, políticas do governo e de fornecedores, sendo expresso por um modelo matemático que relaciona cada componente e sua influência no resultado final. É selecionado pelo responsável em tempo real dentre um elenco de alternativas pré configuradas.

O algoritmo inteligente, baseado no modelo do processo e nas informações disponíveis, busca o melhor conjunto de parâmetros e estruturas de controle que maximizem o objetivo definido. Foi desenvolvido através da associação do Algoritmo Genético com a Programação Genética e foi denominado Controle Genético - GenCo em Tese de Doutorado defendida na Escola Politécnica da Universidade de São Paulo em setembro de 1999.

A busca da condição de máximo do objetivo com as informações disponíveis era uma tarefa difícil de ser executada sem a utilização do Controle Genético - GenCo devido ao tempo de processamento, grande quantidade de variáveis, dificuldades decorrentes da complexidade matemática e da adaptação dos modelos a variações do processo.

A contribuição central do trabalho de doutorado foi o desenvolvimento de um algoritmo que permite a auto estruturação e adaptação do modelo de atuação em tempo real, acompanhando as alterações de estado do processo, utilizando para isto técnicas adaptativas e evolucionárias.