Uma abordagem estocástica para aumento de produtividade em linhas de montagem: o problema de balanceamento de produção

Detalhes bibliográficos
Autor(a) principal: Souza, Yuri Prado
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://hdl.handle.net/11449/157366
Resumo: Neste trabalho propõe-se uma abordagem para o Problema de Balanceamento de Linhas de Montagem (do inglês, Assembly Line Balancing Problem - ALBP) para aumentar a eficiência de uma indústria montadora de veículos. O ALBP caracteriza-se como um problema de sequenciamento de tarefas em estações de trabalho classificado como um problema de Otimização Combinatória NP-difícil e, portanto, a solução exata do problema em ambientes reais geralmente implica em elevado custo computacional. Para resolver o ALBP, foram formulados um modelo matemático de otimização inteira mista para obtenção de soluções determinísticas e um modelo estocástico com recurso que considera a incerteza dos tempos de execução das tarefas pelos operadores. A motivação para o desenvolvimento do presente trabalho decorre da observação de interrupções constantes do fluxo de produção nesta indústria, atribuídas às mais diversas naturezas, e que causavam transtornos e elevados níveis de estresse aos trabalhadores. Ambos os modelos, determinístico e estocástico, aumentaram a capacidade de produção de 196 unidades/dia para 245 e 233 unidades/dia, respectivamente. O modelo estocástico aumentou o tempo de ciclo CT em 5,6% quando comparado ao modelo determinístico, embora diminua a capacidade efetiva em 4,8% Porém, não considerar a incerteza no tempo de execução das tarefas pode diminuir a quantidade produzida em até 10,6%. Contrariamente ao entendimento comum em linhas de montagem, este trabalho conclui que reduzir os tempos de ociosidade aos níveis mínimos é prejudicial à produtividade de linhas de montagem. Isto se deve ao fato de que uma parcela do tempo atribuído à ociosidade dos operadores, na verdade contêm um tempo adicional gerado pela incerteza do tempo de execução das tarefas. Os resultados sugerem que a abordagem do ALBP sob incerteza contribui para o aumento dos índices de capacidade operacional da empresa. Devido ao grande esforço computacional necessário para a solução dos modelos de otimização propostos (determinístico e estocástico), não se consegue resolver, em um tempo computacional razoável, exemplares de dimensões reais do problema. Em vista disto, o trabalho propõe também uma heurística para a solução do ALBP visando minimizar o tempo de ciclo. Experimentos computacionais sugerem que a heurística proposta obtém resultados razoáveis para grandes exemplares do problema em um tempo computacional pequeno
id UNSP_2b87b3f83c30d2ca1a1c828e7172efdf
oai_identifier_str oai:repositorio.unesp.br:11449/157366
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Uma abordagem estocástica para aumento de produtividade em linhas de montagem: o problema de balanceamento de produçãoAn stochastic approach to increase productivity in assembly lines: the assembly line balancing problemProblema de Balanceamento de Linhas de MontagemProgramação Inteira MistaProgramação EstocásticaModelo estocástico com recursoHeurísticaMétodos de linha de montagemAssembly line balancing problemMixed integer programmingStochastic programmingStochastic model with recourseHeuristicNeste trabalho propõe-se uma abordagem para o Problema de Balanceamento de Linhas de Montagem (do inglês, Assembly Line Balancing Problem - ALBP) para aumentar a eficiência de uma indústria montadora de veículos. O ALBP caracteriza-se como um problema de sequenciamento de tarefas em estações de trabalho classificado como um problema de Otimização Combinatória NP-difícil e, portanto, a solução exata do problema em ambientes reais geralmente implica em elevado custo computacional. Para resolver o ALBP, foram formulados um modelo matemático de otimização inteira mista para obtenção de soluções determinísticas e um modelo estocástico com recurso que considera a incerteza dos tempos de execução das tarefas pelos operadores. A motivação para o desenvolvimento do presente trabalho decorre da observação de interrupções constantes do fluxo de produção nesta indústria, atribuídas às mais diversas naturezas, e que causavam transtornos e elevados níveis de estresse aos trabalhadores. Ambos os modelos, determinístico e estocástico, aumentaram a capacidade de produção de 196 unidades/dia para 245 e 233 unidades/dia, respectivamente. O modelo estocástico aumentou o tempo de ciclo CT em 5,6% quando comparado ao modelo determinístico, embora diminua a capacidade efetiva em 4,8% Porém, não considerar a incerteza no tempo de execução das tarefas pode diminuir a quantidade produzida em até 10,6%. Contrariamente ao entendimento comum em linhas de montagem, este trabalho conclui que reduzir os tempos de ociosidade aos níveis mínimos é prejudicial à produtividade de linhas de montagem. Isto se deve ao fato de que uma parcela do tempo atribuído à ociosidade dos operadores, na verdade contêm um tempo adicional gerado pela incerteza do tempo de execução das tarefas. Os resultados sugerem que a abordagem do ALBP sob incerteza contribui para o aumento dos índices de capacidade operacional da empresa. Devido ao grande esforço computacional necessário para a solução dos modelos de otimização propostos (determinístico e estocástico), não se consegue resolver, em um tempo computacional razoável, exemplares de dimensões reais do problema. Em vista disto, o trabalho propõe também uma heurística para a solução do ALBP visando minimizar o tempo de ciclo. Experimentos computacionais sugerem que a heurística proposta obtém resultados razoáveis para grandes exemplares do problema em um tempo computacional pequenoThis work proposes solution approaches to the Assembly Line Balancing Problem (ALBP) to increase the efficiency of a vehicle assembler industry. The ALBP is characterized as a task sequencing in workstations which is classified as a NP-hard Combinatorial Optimization problem and, therefore, the exact solution of the problem in real environments usually implies a high computational cost. In order to solve the ALBP, a mathematical model of mixed integer optimization to obtain deterministic solutions and a stochastic model with resource that considers the uncertainty of the execution times of the tasks by the operators were formulated. The motivation for the development of this work stems from the constant interruptions of the production flow in this industry, attributed to the most diverse natures, which cause disorders and high levels of stress to the workers. The deterministic and stochastic models increased the production capacity from 196 units / day to 245 and 233 units / day, respectively. The stochastic model increased the cycle time by 5.6% when compared to the deterministic model, although it reduced the effective capacity by 4.8%, which is equivalent to 12 vehicles / day. However, not considering the uncertainty in task execution times can decrease the amount produced by up to 10.6% or 26 vehicles / day. Contrary to the most acceptable idea, this work concludes that reducing idle times to minimum levels is detrimental to assembly line productivity. This is due to the fact that a portion of the time attributed to the idleness of the operators actually contains an additional time generated by the uncertainty of the execution time of the tasks. The results suggest that the approach of the ALBP under uncertainty contributes to the increase of the indices of operational capacity of the company. Due to the great computational effort required to solve the proposed optimization models (deterministic and stochastic), it is not possible to solve real instances of the problem in a reasonable computational time. In view of this, this work also proposes a heuristic for the ALBP solution in order to minimize the cycle time. Computational experiments suggest that the proposed heuristic obtains reasonable results for large instances of the problem in a small computational timeUniversidade Estadual Paulista (Unesp)Senne, Edson Luiz França [UNESP]Universidade Estadual Paulista (Unesp)Souza, Yuri Prado2018-10-19T19:04:38Z2018-10-19T19:04:38Z2018-08-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11449/15736600090919333004080052P013380082375900560000-0002-6544-2964porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-07-04T12:52:35Zoai:repositorio.unesp.br:11449/157366Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T22:07:16.620435Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Uma abordagem estocástica para aumento de produtividade em linhas de montagem: o problema de balanceamento de produção
An stochastic approach to increase productivity in assembly lines: the assembly line balancing problem
title Uma abordagem estocástica para aumento de produtividade em linhas de montagem: o problema de balanceamento de produção
spellingShingle Uma abordagem estocástica para aumento de produtividade em linhas de montagem: o problema de balanceamento de produção
Souza, Yuri Prado
Problema de Balanceamento de Linhas de Montagem
Programação Inteira Mista
Programação Estocástica
Modelo estocástico com recurso
Heurística
Métodos de linha de montagem
Assembly line balancing problem
Mixed integer programming
Stochastic programming
Stochastic model with recourse
Heuristic
title_short Uma abordagem estocástica para aumento de produtividade em linhas de montagem: o problema de balanceamento de produção
title_full Uma abordagem estocástica para aumento de produtividade em linhas de montagem: o problema de balanceamento de produção
title_fullStr Uma abordagem estocástica para aumento de produtividade em linhas de montagem: o problema de balanceamento de produção
title_full_unstemmed Uma abordagem estocástica para aumento de produtividade em linhas de montagem: o problema de balanceamento de produção
title_sort Uma abordagem estocástica para aumento de produtividade em linhas de montagem: o problema de balanceamento de produção
author Souza, Yuri Prado
author_facet Souza, Yuri Prado
author_role author
dc.contributor.none.fl_str_mv Senne, Edson Luiz França [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Souza, Yuri Prado
dc.subject.por.fl_str_mv Problema de Balanceamento de Linhas de Montagem
Programação Inteira Mista
Programação Estocástica
Modelo estocástico com recurso
Heurística
Métodos de linha de montagem
Assembly line balancing problem
Mixed integer programming
Stochastic programming
Stochastic model with recourse
Heuristic
topic Problema de Balanceamento de Linhas de Montagem
Programação Inteira Mista
Programação Estocástica
Modelo estocástico com recurso
Heurística
Métodos de linha de montagem
Assembly line balancing problem
Mixed integer programming
Stochastic programming
Stochastic model with recourse
Heuristic
description Neste trabalho propõe-se uma abordagem para o Problema de Balanceamento de Linhas de Montagem (do inglês, Assembly Line Balancing Problem - ALBP) para aumentar a eficiência de uma indústria montadora de veículos. O ALBP caracteriza-se como um problema de sequenciamento de tarefas em estações de trabalho classificado como um problema de Otimização Combinatória NP-difícil e, portanto, a solução exata do problema em ambientes reais geralmente implica em elevado custo computacional. Para resolver o ALBP, foram formulados um modelo matemático de otimização inteira mista para obtenção de soluções determinísticas e um modelo estocástico com recurso que considera a incerteza dos tempos de execução das tarefas pelos operadores. A motivação para o desenvolvimento do presente trabalho decorre da observação de interrupções constantes do fluxo de produção nesta indústria, atribuídas às mais diversas naturezas, e que causavam transtornos e elevados níveis de estresse aos trabalhadores. Ambos os modelos, determinístico e estocástico, aumentaram a capacidade de produção de 196 unidades/dia para 245 e 233 unidades/dia, respectivamente. O modelo estocástico aumentou o tempo de ciclo CT em 5,6% quando comparado ao modelo determinístico, embora diminua a capacidade efetiva em 4,8% Porém, não considerar a incerteza no tempo de execução das tarefas pode diminuir a quantidade produzida em até 10,6%. Contrariamente ao entendimento comum em linhas de montagem, este trabalho conclui que reduzir os tempos de ociosidade aos níveis mínimos é prejudicial à produtividade de linhas de montagem. Isto se deve ao fato de que uma parcela do tempo atribuído à ociosidade dos operadores, na verdade contêm um tempo adicional gerado pela incerteza do tempo de execução das tarefas. Os resultados sugerem que a abordagem do ALBP sob incerteza contribui para o aumento dos índices de capacidade operacional da empresa. Devido ao grande esforço computacional necessário para a solução dos modelos de otimização propostos (determinístico e estocástico), não se consegue resolver, em um tempo computacional razoável, exemplares de dimensões reais do problema. Em vista disto, o trabalho propõe também uma heurística para a solução do ALBP visando minimizar o tempo de ciclo. Experimentos computacionais sugerem que a heurística proposta obtém resultados razoáveis para grandes exemplares do problema em um tempo computacional pequeno
publishDate 2018
dc.date.none.fl_str_mv 2018-10-19T19:04:38Z
2018-10-19T19:04:38Z
2018-08-27
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/11449/157366
000909193
33004080052P0
1338008237590056
0000-0002-6544-2964
url http://hdl.handle.net/11449/157366
identifier_str_mv 000909193
33004080052P0
1338008237590056
0000-0002-6544-2964
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.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1808129393943379968