Resumo: A Indústria 4.0 trouxe processos mais dinâmicos e efetivos. Entretanto, também trouxe novos desafios para vários setores como manufatura e logística. Na manufatura, há que se considerar uma nova geração de robôs, os colaborativos, que trabalham ao lado de humanos e possibilitam equipes híbridas no chão de fábrica (os chamados Human-Robot Teams). Com esse aumento de performance e flexibilidade, surgem novas questões. Por exemplo, quais tarefas devem ser executadas por cada um dos elementos dessas equipas? E como sincronizá-las em tempo real? Em logística, particularmente em portos de granel, o recente aumento de demanda requer operações mais eficientes sob um maior nível de incerteza. Esta apresentação trata sobre questões críticas nos dois setores resolvendo o problema de sequenciamento que surge por trás, o Multimode Multiprocessor Task Scheduling. Em ambos os casos (Human-Robot Teams e operações portuárias), é necessário tomar decisões em tempo real e fazer um sequenciamento dinâmico das operações. Como solução, abordaremos as regras de despacho e Genetic Programming, o principal mecanismo de aprendizagem para a geração dessas regras. Comparadas a outras estratégias, as regras são promissoras em ambientes muito sujeitos a incerteza. Além disso, ao empregar uma abordagem de aprendizagem guiada e incorporar conhecimento de domínio, demonstra-se que GP gera regras não somente efetivas, mas também interpretáveis. Apresentamos resultados para dois casos de uso, e mostramos que as regras de despacho previnem a deterioração de performance em ambientes com alta variação nos tempos de processamento.

Biografia: Cristiane Ferreira possui graduação em Ciência da Computação pela UFAL e mestrado na mesma área pela UFF, com foco em Otimização Combinatória. Foi analista e gerente de otimização por mais de 10 anos na Gapso (Accenture), implementando algoritmos e modelos matemáticos para resolver problemas da indústria. Concluiu o doutorado em Engenharia Industrial na Universidade do Porto em 2021, na área de Pesquisa Operacional. Hoje é pesquisadora da Amazon e desenvolve modelos para otimizar sua logística de transporte.