Estratégia de modelagem da tarefa de programação reativa da produção

Buscando uma vantagem competitiva, as empresas têm dado maior atenção à engenharia do conhecimento, visando o uso de técnicas para extrair e representar os conhecimentos já existentes, porém algumas vezes inexplorados ou explorados de maneira inadequada. A proposta deste trabalho é apresentar uma estratégia de modelagem do conhecimento no âmbito da programação reativa da produção. Essa estratégia de modelagem visa realizar a aquisição tanto do conhecimento tácito quanto do explícito, para representá-los de uma maneira que obtenha resultados mais próximos da realidade, visando também um tipo de representação que seja de fácil compreensão para a validação dos especialistas do domínio. Com o objetivo de validar o modelo proposto, foi desenvolvido um sistema computacional, para avaliar o comportamento do sistema perante dados do domínio e verificar se os resultados obtidos por ele estão compatíveis com o desejado. Esse modelo visa auxiliar a tomada de decisão dos especialistas perante eventos não programados que possam ocorrer durante a execução da programação, possibilitando a tomada de decisão do especialista, de uma maneira mais abrangente, pelo fato de considerar o conhecimento de vários especialistas e também possibilitando a tomada de decisão pelo operador na falta do especialista da área. A validação desse trabalho se deu em dois momentos, o primeiro sendo a validação do sistema computacional que foi realizado módulo por módulo, e depois a integração deles. O segundo foi a validação do modelo proposto em dois aspectos, o primeiro validado por meio dos casos de uso levantados tendo como base a fábrica presente no laboratório TEAR, e o outro aspecto foi a facilidade do entendimento dos modelos pelos especialistas, seguindo os mesmos métodos de representação utilizados em um projeto existente entre o laboratório TEAR e uma indústria.Aiming at improving competitive advantage, organizations in general have been giving more attention to knowledge engineering, as well as its techniques and methods to acquire and represent knowledge already in place. This knowledge is sometimes not fully explored, or not explored properly. This approach is to develop a knowledge modeling strategy for reactive production scheduling, which focuses on tacit and explicit knowledge acquisition and representation. The knowledge representation aims at getting results closer to the organization reality and should also be comprehensible and easy to be validated by experts. To validate the proposed model, a computational system was developed to evaluate the model behavior under a specific domain, as well as to verify if the results are satisfactory. The model supports decision-making when unplanned events occur during the production process, enabling the possibility of evaluating greater knowledge to make the decision and also allowing the operator to make the decision without any expert support. The validation was performed in two steps; the first one, the computational system validation, was carried out by unit tests on every module, and after that, an integration test was performed. The second one, the proposed model validation, was verified in two ways. The first one was the validation using the industry use cases based on industry platform existing in the TEAR laboratory; the acceptance and understanding of the models by experts were verified using the same models already validated in a project between an industry and the TEAR laboratory