O Problema do Empacotamento de Itens Irregulares em Bins

• Ano de defesa: 2024
• Autor(a) principal: Hono, Diego Yoshihiro
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Algorítmo genético; Bin packing; Empacotamento em bins; Genetic algorithm; Heuristic method; Irregular shapes; Mathematical programming; Método heurístico; Modelagem; Modeling; Peças irregulares; Programação matemática
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-05062024-155001/

Na indústria de confecção de roupas, para manter a qualidade de um produto e agilizar sua produção, todas as partes que o compõem devem ser cortadas do mesmo tecido, por exemplo, as mangas, a frente e as costas de uma camiseta devem ser cortadas sempre em conjunto. Além disso, a aquisição do tecido representa um custo elevado para a indústria de vestuário, portanto, a redução do desperdício de tecido tem impactos econômicos e ambientais positivos. O processo de corte começa dispondo o tecido sobre uma mesa de corte com largura fixa e comprimento que pode ser fixado dentro de uma dada faixa. Um plano de corte deve ser definido em seguida, ou seja, os itens precisam ser alocados neste tecido retangular (bin). O objetivo é maximizar o aproveitamento da matéria-prima ao gerar planos de corte que atendam à demanda de produtos finais (por exemplo, camisa, camiseta ou calça). Do ponto de vista de otimização, este problema pode ser tratado como um problema de empacotamento bidimensional em bins, pois demandas grandes exigem com que mais de um plano de corte seja elaborado e as dimensões de cada bin são limitadas devido ao tamanho das mesas de corte. Além disso, também é permitida uma pequena redução no comprimento do bin para reduzir o desperdício de matéria-prima no caso em que não é possível empacotar mais produtos. Neste trabalho, é apresentado um modelo de programação linear inteira-mista para representar o problema e uma heurística biased random key genetic algorithm (BRKGA) para resolver o problema. Experimentos computacionais mostraram que as soluções obtidas ao representar as instâncias pelo modelo proposto e resolvê-las utilizando o solver Gurobi (v9.5.1), são melhores em relação à qualidade, sendo 21,2% melhores em média, porém seu custo computacional é significativamente maior, o que torna a heurística uma opção viável em casos em que as instâncias são maiores.