Programação de máquinas paralelas dedicadas com famílias de setups, recursos adicionais e datas de entrega
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10400.22/23864 |
Resumo: | A empresa INPLAS procura melhorar o planeamento de produção nas suas fábricas. Nesse sentido, o principal objetivo deste trabalho foi o desenvolvimento de um sistema de apoio à decisão para resolver o desafio específico de programação de máquinas paralelas dedicadas, considerando setups dependentes da sequência de famílias, recursos adicionais e datas de entrega (PMSR). Primeiro foram estudados e adaptados dois modelos matemáticos: Strip-Packing e Time Index. As adaptações referidas prendem-se com considerações necessárias para responder à realidade do problema, nomeadamente, conversão dos modelos gerais para o caso particular de máquinas dedicadas, introdução da configuração inicial das máquinas, inclusão das datas de entrega e a capacidade de lidar com setups dependentes da sequência de famílias. Além disso propõe-se uma função multi-objetivo para a minimização do tardiness e da soma dos makespan de todas as máquinas. A programação do modelo funciona de forma lexicográfica pelo método de duas fases, resolvendo na 1ª fase o modelo com vista à minimização do tardiness e na 2ª fase objetivando a minimização da soma dos makespan de todas as máquinas. Após constatar que o modelo StripPacking apresentou um desempenho superior em relação ao modelo Time Index, a análise concentrou-se exclusivamente no Strip-Packing. Neste trabalho são também desenvolvidas heurísticas matemáticas para atingir melhores resultados visto que o modelo matemático só se mostrou capaz de resolver instâncias de pequena dimensão. Dentro deste paradigma, as estratégias utilizadas foram o warm-start (fornecimento de uma solução inicial válida que atua como upper bound) e um lower bound (limita o espaço soluções inferiormente). Assim, foram desenvolvidas uma heurística inicial para limitar inferiormente a soma dos makespan de todas as máquinas e uma metaheurística GRASP para gerar soluções iniciais válidas. As heurísticas matemáticas foram eficazes, com destaque para a combinação da heurística construtiva e da metaheurística GRASP com modelo matemático. Para as instâncias pequenas, a 1ª fase, que procura a minimização do tardiness, permitiu encontrar a solução ótima em 75% dos testes executados, tendo um gap médio de 4,40% e um ganho de 31,57% em gap e 24,82% em tempo computacional face ao comportamento isolado do modelo. A 2ª fase, que procura a minimização da soma dos makespan de todas as máquinas também mostrou resultados positivos, atingindo um gap médio de 3,89% e ganhos de 84,87% em gap e 9,66% em tempo computacional face ao modelo isolado, encontrando a solução ótima em 37,5% dos testes executados com as instâncias pequenas. Os resultados obtidos pelo GRASP evidenciam a qualidade das suas soluções. Em 37,5% das instâncias, a solução do GRASP foi a solução ótima de tardiness, sendo 4,4% o desvio médio da solução GRASP à solução ótima. A heurística associada ao lower bound superou a relaxação linear, valorizando a sua introdução. Relativamente aos limites computacionais, o GRASP apresenta bons resultados para instâncias pequenas, no entanto, nas maiores instâncias pode atingir tempos computacionais até 50 minutos, valores consideravelmente elevados. Por outro lado, a heurística construtiva para lowerbound produz soluções em menos de 1 segundo para qualquer dimensão. |
id |
RCAP_7b8f4eef5af94994fcaade4fb5eec7be |
---|---|
oai_identifier_str |
oai:recipp.ipp.pt:10400.22/23864 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Programação de máquinas paralelas dedicadas com famílias de setups, recursos adicionais e datas de entregaMáquinas ParalelasDatas de EntregaRecursosSetupsHeurísticas MatemáticasGRASPParallel machinesDue DatesResourcesSetupsMatheuristicsA empresa INPLAS procura melhorar o planeamento de produção nas suas fábricas. Nesse sentido, o principal objetivo deste trabalho foi o desenvolvimento de um sistema de apoio à decisão para resolver o desafio específico de programação de máquinas paralelas dedicadas, considerando setups dependentes da sequência de famílias, recursos adicionais e datas de entrega (PMSR). Primeiro foram estudados e adaptados dois modelos matemáticos: Strip-Packing e Time Index. As adaptações referidas prendem-se com considerações necessárias para responder à realidade do problema, nomeadamente, conversão dos modelos gerais para o caso particular de máquinas dedicadas, introdução da configuração inicial das máquinas, inclusão das datas de entrega e a capacidade de lidar com setups dependentes da sequência de famílias. Além disso propõe-se uma função multi-objetivo para a minimização do tardiness e da soma dos makespan de todas as máquinas. A programação do modelo funciona de forma lexicográfica pelo método de duas fases, resolvendo na 1ª fase o modelo com vista à minimização do tardiness e na 2ª fase objetivando a minimização da soma dos makespan de todas as máquinas. Após constatar que o modelo StripPacking apresentou um desempenho superior em relação ao modelo Time Index, a análise concentrou-se exclusivamente no Strip-Packing. Neste trabalho são também desenvolvidas heurísticas matemáticas para atingir melhores resultados visto que o modelo matemático só se mostrou capaz de resolver instâncias de pequena dimensão. Dentro deste paradigma, as estratégias utilizadas foram o warm-start (fornecimento de uma solução inicial válida que atua como upper bound) e um lower bound (limita o espaço soluções inferiormente). Assim, foram desenvolvidas uma heurística inicial para limitar inferiormente a soma dos makespan de todas as máquinas e uma metaheurística GRASP para gerar soluções iniciais válidas. As heurísticas matemáticas foram eficazes, com destaque para a combinação da heurística construtiva e da metaheurística GRASP com modelo matemático. Para as instâncias pequenas, a 1ª fase, que procura a minimização do tardiness, permitiu encontrar a solução ótima em 75% dos testes executados, tendo um gap médio de 4,40% e um ganho de 31,57% em gap e 24,82% em tempo computacional face ao comportamento isolado do modelo. A 2ª fase, que procura a minimização da soma dos makespan de todas as máquinas também mostrou resultados positivos, atingindo um gap médio de 3,89% e ganhos de 84,87% em gap e 9,66% em tempo computacional face ao modelo isolado, encontrando a solução ótima em 37,5% dos testes executados com as instâncias pequenas. Os resultados obtidos pelo GRASP evidenciam a qualidade das suas soluções. Em 37,5% das instâncias, a solução do GRASP foi a solução ótima de tardiness, sendo 4,4% o desvio médio da solução GRASP à solução ótima. A heurística associada ao lower bound superou a relaxação linear, valorizando a sua introdução. Relativamente aos limites computacionais, o GRASP apresenta bons resultados para instâncias pequenas, no entanto, nas maiores instâncias pode atingir tempos computacionais até 50 minutos, valores consideravelmente elevados. Por outro lado, a heurística construtiva para lowerbound produz soluções em menos de 1 segundo para qualquer dimensão.The company INPLAS aims to improve production planning in its factories. In this regard, the main objective of this work was to develop a decision support system to address the specific challenge of scheduling dedicated parallel machines, considering sequence-dependent family setups, additional resources, and delivery dates (PMSR). Initially, two mathematical models, Strip-Packing and Time Index, were studied and adapted. The adaptations made were necessary to address the problem's reality, including converting the general models to the specific case of dedicated machines, introducing the initial machine configuration, incorporating delivery dates, and handling sequence-dependent family setups. Additionally, a multi-objective function was proposed to minimize tardiness and the sum of makespans for all machines. The model was programmed using a lexicographic approach with a two-phase method, solving the first phase for minimizing tardiness and the second phase for minimizing the sum of makespans for all machines. After determining that the Strip-Packing model outperformed the Time Index model, the analysis focused exclusively on Strip-Packing. In this work, mathematical heuristics were also developed to achieve better results, as the mathematical model alone proved capable of solving only small-sized instances. Within this paradigm, the strategies employed were warm-start (providing an initial valid solution that acts as an upper bound) and a lower bound (limiting the solution space from below). Thus, an initial heuristic was developed to lower bound the sum of makespans for all machines, and a GRASP metaheuristic was implemented to generate valid initial solutions. The mathematical heuristics proved effective, particularly the combination of the constructive heuristic and the GRASP metaheuristic with the mathematical model. For small instances, the first phase, which aimed to minimize tardiness, found the optimal solution in 75% of the tests performed, with an average gap of 4.40% and a gap reduction of 31.57% and computational time improvement of 24.82% compared to the isolated model. The second phase, which aimed to minimize the sum of makespans for all machines, also yielded positive results, with an average gap of 3.89% and gap reductions of 84.87% and 9.66% in computational time compared to the isolated model, finding the optimal solution in 37.5% of the tests performed with small instances. The results obtained by GRASP demonstrate the quality of its solutions. In 37.5% of the instances, the GRASP solution was the optimal tardiness solution, with an average deviation of 4.4% from the optimal solution. The heuristic associated with the lower bound outperformed the linear relaxation, highlighting its effectiveness. Regarding computational limits, GRASP showed good results for small instances; however, for larger instances, it can reach computational times of up to 50 minutes, which are considerably high values. On the other hand, the constructive heuristic for the lower bound produces solutions in less than 1 second for any dimension.Lopes, Manuel Joaquim PereiraRepositório Científico do Instituto Politécnico do PortoFerreira, Ana Rita Barbosa Moura Mota2023-11-08T14:43:08Z20232023-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.22/23864TID:203380215porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-15T01:47:44Zoai:recipp.ipp.pt:10400.22/23864Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T22:42:33.419903Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Programação de máquinas paralelas dedicadas com famílias de setups, recursos adicionais e datas de entrega |
title |
Programação de máquinas paralelas dedicadas com famílias de setups, recursos adicionais e datas de entrega |
spellingShingle |
Programação de máquinas paralelas dedicadas com famílias de setups, recursos adicionais e datas de entrega Ferreira, Ana Rita Barbosa Moura Mota Máquinas Paralelas Datas de Entrega Recursos Setups Heurísticas Matemáticas GRASP Parallel machines Due Dates Resources Setups Matheuristics |
title_short |
Programação de máquinas paralelas dedicadas com famílias de setups, recursos adicionais e datas de entrega |
title_full |
Programação de máquinas paralelas dedicadas com famílias de setups, recursos adicionais e datas de entrega |
title_fullStr |
Programação de máquinas paralelas dedicadas com famílias de setups, recursos adicionais e datas de entrega |
title_full_unstemmed |
Programação de máquinas paralelas dedicadas com famílias de setups, recursos adicionais e datas de entrega |
title_sort |
Programação de máquinas paralelas dedicadas com famílias de setups, recursos adicionais e datas de entrega |
author |
Ferreira, Ana Rita Barbosa Moura Mota |
author_facet |
Ferreira, Ana Rita Barbosa Moura Mota |
author_role |
author |
dc.contributor.none.fl_str_mv |
Lopes, Manuel Joaquim Pereira Repositório Científico do Instituto Politécnico do Porto |
dc.contributor.author.fl_str_mv |
Ferreira, Ana Rita Barbosa Moura Mota |
dc.subject.por.fl_str_mv |
Máquinas Paralelas Datas de Entrega Recursos Setups Heurísticas Matemáticas GRASP Parallel machines Due Dates Resources Setups Matheuristics |
topic |
Máquinas Paralelas Datas de Entrega Recursos Setups Heurísticas Matemáticas GRASP Parallel machines Due Dates Resources Setups Matheuristics |
description |
A empresa INPLAS procura melhorar o planeamento de produção nas suas fábricas. Nesse sentido, o principal objetivo deste trabalho foi o desenvolvimento de um sistema de apoio à decisão para resolver o desafio específico de programação de máquinas paralelas dedicadas, considerando setups dependentes da sequência de famílias, recursos adicionais e datas de entrega (PMSR). Primeiro foram estudados e adaptados dois modelos matemáticos: Strip-Packing e Time Index. As adaptações referidas prendem-se com considerações necessárias para responder à realidade do problema, nomeadamente, conversão dos modelos gerais para o caso particular de máquinas dedicadas, introdução da configuração inicial das máquinas, inclusão das datas de entrega e a capacidade de lidar com setups dependentes da sequência de famílias. Além disso propõe-se uma função multi-objetivo para a minimização do tardiness e da soma dos makespan de todas as máquinas. A programação do modelo funciona de forma lexicográfica pelo método de duas fases, resolvendo na 1ª fase o modelo com vista à minimização do tardiness e na 2ª fase objetivando a minimização da soma dos makespan de todas as máquinas. Após constatar que o modelo StripPacking apresentou um desempenho superior em relação ao modelo Time Index, a análise concentrou-se exclusivamente no Strip-Packing. Neste trabalho são também desenvolvidas heurísticas matemáticas para atingir melhores resultados visto que o modelo matemático só se mostrou capaz de resolver instâncias de pequena dimensão. Dentro deste paradigma, as estratégias utilizadas foram o warm-start (fornecimento de uma solução inicial válida que atua como upper bound) e um lower bound (limita o espaço soluções inferiormente). Assim, foram desenvolvidas uma heurística inicial para limitar inferiormente a soma dos makespan de todas as máquinas e uma metaheurística GRASP para gerar soluções iniciais válidas. As heurísticas matemáticas foram eficazes, com destaque para a combinação da heurística construtiva e da metaheurística GRASP com modelo matemático. Para as instâncias pequenas, a 1ª fase, que procura a minimização do tardiness, permitiu encontrar a solução ótima em 75% dos testes executados, tendo um gap médio de 4,40% e um ganho de 31,57% em gap e 24,82% em tempo computacional face ao comportamento isolado do modelo. A 2ª fase, que procura a minimização da soma dos makespan de todas as máquinas também mostrou resultados positivos, atingindo um gap médio de 3,89% e ganhos de 84,87% em gap e 9,66% em tempo computacional face ao modelo isolado, encontrando a solução ótima em 37,5% dos testes executados com as instâncias pequenas. Os resultados obtidos pelo GRASP evidenciam a qualidade das suas soluções. Em 37,5% das instâncias, a solução do GRASP foi a solução ótima de tardiness, sendo 4,4% o desvio médio da solução GRASP à solução ótima. A heurística associada ao lower bound superou a relaxação linear, valorizando a sua introdução. Relativamente aos limites computacionais, o GRASP apresenta bons resultados para instâncias pequenas, no entanto, nas maiores instâncias pode atingir tempos computacionais até 50 minutos, valores consideravelmente elevados. Por outro lado, a heurística construtiva para lowerbound produz soluções em menos de 1 segundo para qualquer dimensão. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-11-08T14:43:08Z 2023 2023-01-01T00:00:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.22/23864 TID:203380215 |
url |
http://hdl.handle.net/10400.22/23864 |
identifier_str_mv |
TID:203380215 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799134990791868416 |