Programação de tarefas em máquinas paralelas não-relacionadas com tempos de setup dependentes da sequência

• Ano de defesa: 2012
• Autor(a) principal: Etcheverry, Guilherme Vazquez
• Orientador(a): Anzanello, Michel José
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Planejamento e controle da produção
• Palavras-chave em Inglês: Scheduling; Unrelated parallel machines; Setup times; Earliness; Tardiness
• Link de acesso: http://hdl.handle.net/10183/75747

A concorrência nos mercados mundiais impõe a necessidade de aumento da competitividade das empresas que desejam assumir posições de liderança nos segmentos em que atuam. Neste ínterim, a programação de tarefas contribui para que as empresas promovam a eficiente utilização dos recursos produtivos visando a realização de seus objetivos estratégicos. Esta dissertação enfoca a programação de tarefas em máquinas paralelas não-relacionadas e com tempos de setup dependentes da sequência de processamento. Primeiramente é abordado o objetivo de minimização do atraso total e do tempo total para a conclusão de um conjunto de tarefas, através de uma heurística de três etapas que (i) ordena as tarefas pelo WSPT (Weighted Shortest Processing Time), (ii) aloca as tarefas às máquinas e (iii) aprimora a solução proposta pela etapa (ii) através de Tabu Search. Quando aplicada em um ambiente de manufatura real composto por duas máquinas paralelas não-relacionadas no processo de metalização de filmes plásticos em alto vácuo, a heurística resulta em um desvio de 1,1% para o tempo total de processamento das tarefas e 4,6% para o atraso total, em comparação ao resultado ótimo obtido por enumeração. Na sequência, o objetivo passa a ser a minimização simultânea do atraso e do adiantamento das tarefas através de uma heurística de três etapas que (i) caracteriza o conjunto de tarefas por um conjunto de métricas, (ii) aloca as tarefas às máquinas através de uma versão modificada do ATCS (Apparent Tardiness Cost with Setup) de Lee e Pinedo (1997), e (iii) aprimora a solução final com Tabu Search. A aplicação em dados reais resulta em 14% de desvio em relação à solução ótima obtida por enumeração. Quando aplicada em cenários com data de entrega, tempos de processamento e setup simulados, a heurística resulta em desvio médio de 18% da solução ótima gerada por enumeração para pelo menos 70% das simulações.