Inteligência Artificial
  aplicada na SC&L


    Thiago Richter
          EESC-USP
  Delphi Automotive Systems
Índice

   Introdução a Inteligência Artificial;
   Agentes Autônomos
        RAST
   Sistemas Fuzzy
        Produção de S...
Sistemas Inteligentes
Sistemas Inteligentes
   O que são?
        Ferramentas computacionais que buscam simular mecanismos
        inteligentes ...
Sistemas Inteligentes
   Potenciais Áreas de Aplicações:
      Controle de Processos:
             Controle de Aeronaves (...
Agentes Autônomos
Agentes Autônomos - Definição

  O que é?
     Entidade cognitiva, ativa e autônoma, ou seja:
          Possui um sistema ...
Agentes Autônomos - Características

   Devem ter bases de conhecimento.

   Devem ter mecanismos de raciocínio.

   Devem...
Agentes Autônomos - Características
   Ilustração de Características


                                          Ambiente
...
Agentes Autônomos
     Exemplo:             Exemplo 2:




Thiago Richter                         11
Agentes Autônomos - DART

     Ferramenta de análise e re-planejamento dinâmicos
     Dynamic Analysis and Replanning Tool...
Agentes Autônomos - DART


      Características:
            Agentes inteligentes para auxiliar sistemas de apoio à decis...
Agentes Autônomos - DART


      Impactos:
            Logo no lançamento, resolveu vários “pesadelos” logísticos;
       ...
Sistemas Nebulosos
Sistemas Fuzzy
   Como trabalham os computadores (normalmente)?
        Sim ou Não?
        Verdadeiro ou Falso?
        1...
Sistemas Fuzzy
   Lógica Clássica, ou, Lógica de Aristóteles:

        A velocidade é considerada Alta entre 100 e 140Km/h...
Sistemas Fuzzy
   Lógica Nebulosa ou Lógica Fuzzy:




             Sim, Não, Mais ou Menos,
             Extremamente, Nã...
Sistemas Fuzzy
   Sistemas de Inferência Nebulosos = Sistemas Fuzzy.

   O que são:
        Exploram as formas que o céreb...
Sistemas Fuzzy
                                                 Regras Lingüísticas:
                                     ...
Sistemas Fuzzy - Produção de Saquê
   Problema:
        Produto característico do Japão;
        Tecnologia de produção mi...
Sistemas Fuzzy - Produção de Saquê

 Entradas:



   Dias de
 Fermentação


                 +          +
 Mudança de
 Tem...
Sistemas Fuzzy - Produção de Saquê

Regras:                   “Deffuzyficação”:
                          - Aumentar ou Di...
Redes Neurais Artificiais
Redes Neurais Artificiais (RNA)
   O que são?
        Modelos computacionais inspirados nos mecanismos de
        aprendiz...
RNA – Inspiração Biológica




    Representação do Neurônio Biológico




                                          Repre...
RNA – Topologias
   Topologia em RNA significa a forma como se conectam os
   neurônios artificiais (e suas configurações)...
RNA – Exemplo de Topologia
   Topologia Perceptron Multicamadas




Thiago Richter                          31
RNA - Aproximador de Funções
      Entradas:
     1

    0.9


    0.8


    0.7


    0.6


    0.5

    0.4


    0.3


...
RNA - Aproximador de Funções
                       1

Resultados:                                                        ...
RNA – Inspeção de Produção
   Inspeção de Placas de Circuito Impresso (Classificador).


                                 ...
RNA - Clustering
        Problema: Agrupar características (pontos) do gráfico
        em 3 grupos.
        As característ...
RNA - Clustering
        Problema: Agrupar características (pontos) do gráfico
        em 3 grupos.
        As característ...
Algoritmos Genéticos
Algoritmos Genéticos - AG
   O que é?
        Modelos computacionais que tentam imitar a natureza evolutiva
        das es...
AG - Funcionamento



                 População inicial                População final



                               ...
AG - Funcionamento
   Avaliação: Determinação do grau de aptidão do indivíduo;
   Seleção: Mais aptos para representar a s...
AG - Funcionamento
   Reprodução:




Thiago Richter                  43
AG - Exemplo
       População inicial:                     População final:




                                         E...
AG - Roteirizador
   Problema do Caixeiro Viajante:
        Caixeiro tem que passar por todas as cidades, na menor distânc...
AG - Roteirizador
   Problema do Caixeiro Viajante:
        Caixeiro tem que passar por todas as cidades, na menor distânc...
AG - Roteirizador
   Problema do Caixeiro Viajante:
        Caixeiro tem que passar por todas as cidades, na menor distânc...
AG




Thiago Richter   48
AG – Truck Load
  Objetivo: Utilizar ao Máximo o espaço do Caminhão;

                 Evolução




                      ...
Algoritmos Genéticos
   Planejamento de Produção
        Job Shop




Thiago Richter                    50
Sistemas Híbridos
Sist. Híbridos - Forecasting




Thiago Richter                            52
Sist. Híbridos - Reconhecimento de Voz
        Coletores de Dados em Armazéns são bons para um WMS?
        E em Frigorífi...
Dúvidas? Sugestões?

     Obrigado!

        Thiago Richter

     thiago.richter@yahoo.com.br
Upcoming SlideShare
Loading in …5
×

Inteligência Artificial Aplicada na SC&L - Thiago Richter - Palestra 2009 Pt Br

1,212 views

Published on

Artificial Intelligence applied to Supply Chain & Logistics

0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
1,212
On SlideShare
0
From Embeds
0
Number of Embeds
8
Actions
Shares
0
Downloads
29
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

Inteligência Artificial Aplicada na SC&L - Thiago Richter - Palestra 2009 Pt Br

  1. 1. Inteligência Artificial aplicada na SC&L Thiago Richter EESC-USP Delphi Automotive Systems
  2. 2. Índice 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 Thiago Richter 3
  3. 3. Sistemas Inteligentes
  4. 4. Sistemas 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 5
  5. 5. Sistemas 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). (...) Thiago Richter 6
  6. 6. Agentes Autônomos
  7. 7. Agentes Autônomos - Definição 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 8
  8. 8. Agentes Autônomos - Características 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 9
  9. 9. Agentes Autônomos - Características Ilustração de Características Ambiente Agente Comunicação Autonomia Aprendizado Mobilidade Cooperação Pró-atividade Racionalidade Reatividade Orientado-a-objetivo Coordenação Thiago Richter 10
  10. 10. Agentes Autônomos Exemplo: Exemplo 2: Thiago Richter 11
  11. 11. Agentes Autônomos - DART Ferramenta de análise e re-planejamento dinâmicos Dynamic Analysis and Replanning Tool Projeto do DoD-DARPA (USA) para realizar o Planejamento Logístico Automatizado e a Programação de Execução do Transporte durante 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 12
  12. 12. Agentes Autônomos - DART 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 13
  13. 13. Agentes Autônomos - DART 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. Thiago Richter 14
  14. 14. Sistemas Nebulosos
  15. 15. Sistemas Fuzzy 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 16
  16. 16. Sistemas Fuzzy 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 17
  17. 17. Sistemas Fuzzy Lógica Nebulosa ou Lógica Fuzzy: Sim, Não, Mais ou Menos, Extremamente, Não Muito, etc. Thiago Richter 18
  18. 18. Sistemas Fuzzy 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 19
  19. 19. Sistemas Fuzzy Regras Lingüísticas: -Mais Ou Menos Assado; -Extremamente Assado; -Não muito Assado Regras Regras Regras Infere que “Defuzzyficação” Thiago Richter 20
  20. 20. Sistemas Fuzzy - Produção 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 21
  21. 21. Sistemas Fuzzy - Produção de Saquê Entradas: Dias de Fermentação + + Mudança de Temperatura (kn ) Thiago Richter 22
  22. 22. Sistemas Fuzzy - Produção de Saquê Regras: “Deffuzyficação”: - Aumentar ou Diminuir a Temperatura - Finalizar o Processo Resultados: Thiago Richter 23
  23. 23. Redes Neurais Artificiais
  24. 24. 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 25
  25. 25. RNA – Inspiração Biológica Representação do Neurônio Biológico Representação do Neurônio Artificial Thiago Richter 29
  26. 26. RNA – Topologias 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 30
  27. 27. RNA – Exemplo de Topologia Topologia Perceptron Multicamadas Thiago Richter 31
  28. 28. RNA - Aproximador de Funções Entradas: 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 100 200 300 400 500 600 700 800 900 segundos Saída Desejada: 1 0.9 0.8 Normalized Lambda values 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 100 200 300 400 500 600 700 800 900 seconds Thiago Richter 32
  29. 29. RNA - Aproximador de Funções 1 Resultados: Target Reached 0.8 0.6 0.4 0.2 0 100 200 300 400 500 600 700 800 Seconds 1 Target 0.8 Reached Relative Mean Error (%): 0.20619 0.6 0.28 Target 0.4 0.27 Reached 0.2 0.26 0 0.25 240 260 280 300 320 340 360 380 400 420 440 Seconds 0.24 0.23 480 482 484 486 488 490 492 494 496 498 500 Seconds Thiago Richter 33
  30. 30. RNA – Inspeção de Produção Inspeção de Placas de Circuito Impresso (Classificador). Resultado Satisfatório! Classificador Neural Fotografia Imagem 3 Verificar o componente 3 A. Castellar. “Sistema de Inspeção Visual Automática de Thiago Richter Resistores de Montagem em Superfície”, III WVC, UNESP. 34
  31. 31. RNA - Clustering Problema: Agrupar características (pontos) do gráfico em 3 grupos. As características podem ser de Clientes, Produtos, Processos, etc. 2500 2000 1500 1000 500 0 0 500 1000 1500 2000 2500 Thiago Richter 35
  32. 32. RNA - Clustering Problema: Agrupar características (pontos) do gráfico em 3 grupos. As características podem ser de Clientes, Produtos, Processos, etc. 2500 2000 1500 1000 500 0 0 500 1000 1500 2000 2500 Thiago Richter 36
  33. 33. Algoritmos Genéticos
  34. 34. Algoritmos Genéticos - AG 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 38
  35. 35. AG - Funcionamento População inicial População final Avaliação População atual Seleção Reprodução Thiago Richter 39
  36. 36. AG - Funcionamento 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 inicial População final Avaliação População atual Seleção Reprodução, Mutação e Predação. Thiago Richter 41
  37. 37. AG - Funcionamento Reprodução: Thiago Richter 43
  38. 38. AG - Exemplo População inicial: População final: Evolução da População: Benefícios: Maior possibilidade de encontrar os máximos ou mínimos Globais! Busca é paralela, vários indivíduos! Thiago Richter 44
  39. 39. AG - Roteirizador Problema do Caixeiro Viajante: Caixeiro tem que passar por todas as cidades, na menor distância e sem repetir as cidades. Início: Thiago Richter 45
  40. 40. AG - Roteirizador Problema do Caixeiro Viajante: Caixeiro tem que passar por todas as cidades, na menor distância e sem repetir as cidades. Durante evolução: Thiago Richter 46
  41. 41. AG - Roteirizador Problema do Caixeiro Viajante: Caixeiro tem que passar por todas as cidades, na menor distância e sem repetir as cidades. Final, evoluído: Thiago Richter 47
  42. 42. AG Thiago Richter 48
  43. 43. AG – Truck Load Objetivo: Utilizar ao Máximo o espaço do Caminhão; Evolução População Evoluída Aplicável em outros problemas: Packing, Corte de Chapas, Estamparia, etc. Thiago Richter 49
  44. 44. Algoritmos Genéticos Planejamento de Produção Job Shop Thiago Richter 50
  45. 45. Sistemas Híbridos
  46. 46. Sist. Híbridos - Forecasting Thiago Richter 52
  47. 47. Sist. Híbridos - Reconhecimento de Voz Coletores de Dados em Armazéns são bons para um WMS? E em Frigoríficos? Utiliza Fuzzy e RNA (topologia FAN – Free Associative Neurons). Palavras Treinadas: Trechos Classificador da Fala Trecho Neural Classificado Esquerda M. B. de Paula. “Reconhecimento de Palavras Faladas usando Thiago Richter Redes Neurais Artificiais”, UFPEL. 53
  48. 48. Dúvidas? Sugestões? Obrigado! Thiago Richter thiago.richter@yahoo.com.br

×