O problema de programação de operações em ambiente no-wait flow shop tem sido abordado desde a década de 60. Por se tratar de um ambiente em que as tarefas devem ser processadas continuamente e sem interrupções entre uma máquina e outra, um tempo de espera entre o início da tarefa anterior e o início da tarefa atual deve ser determinado na primeira máquina. Neste sentido, uma vez que a tarefa inicia seu processamento, as máquinas devem estar disponíveis para que atendam a restrição de no-wait. Portanto, operações de manutenção preventiva são necessárias para que a programação seja atendida sem maiores problemas. Este trabalho aborda dois problemas: no-wait flow shop e no-wait flow shop com operações de manutenção preventiva. O critério de desempenho adotado foi a duração total da programação (makespan). Por meio de uma revisão de literatura, mecanismos de construção de soluções foram identificadas e classificadas e, baseando-se em tais, novos métodos heurísticos construtivos simples e compostos foram propostos para o problema no-wait flow shop e uma heurística composta foi desenvolvida considerando as operações de manutenção preventiva. Experimentações computacionais para os dois problemas foram realizadas para fins de comparação e avaliação dos métodos propostos com os métodos heurísticos construtivos da literatura. Para o problema Fm|no - wait|Cmax resultados evidenciaram que as heurísticas propostas H4GPSLLS e MH4GPSLLS superaram as heurísticas da literatura em qualidade de solução, com diferença estatisticamente significativa no nível de 5% de significância. Para o problema Fm|no - wait, m(k)|Cmax, pode-se constatar que a heurística BIHLS e as heurísticas H4GPSLLS e MH4GPSLLS apresentaram desempenho superior com diferença estatística significativa no nível de 5% de significância em comparação as heurísticas da literatura. / The no-wait flow shop scheduling problem has been studied since 60\'s. In this environment, jobs must be processed continuously without interruption between one machine and another, and because of this, a delay between the start time of the previous job and the start time of the current job must be determined in the first machine. In this sense, since a job starts its processing, the machines must be available to respect the no-wait constraint. Therefore, preventive maintenance operations are needed. This work adresses two problems: the m machine no-wait flow shop and the m machine no-wait flow shop with preventive maintenance operations. The performance measure adopted was the makespan. By means of a literature review, mechanisms of solution construction were identified and classified. New simple and composite constructive heuristics were proposed to the no-wait flow shop problem and a new composite constructive heuristic was developed considering the preventive maintenance operations. Computational experiments and their respective analyses for both problems were carried out to compare and evaluate the performance between the proposed methods and the constructive heuristics of the literature. Regarding Fm|no - wait|Cmax problem, results show that the proposed heuristics H4GPSLLS and MH4GPSLLS outperformed the heuristics of the literature in quality of the solution and is statistically significative to 5% of significance level. To the Fm|no - wait, m(k)|Cmax problem it can be seen that the proposed heuristic BIHLS and H4GPSLLS and MH4GPSLLS outperformed the heuristics of the literature and is statistically better to 5% of significance level.

Este trabalho trata o problema multi-estágios de programação da produção em ambientes Flow Shop com máquinas paralelas, apresentando um estágio de produção dominante (máquina única), no qual os tempos de preparação (setup) da máquina são assimétricos e dependentes da seqüência de execução das tarefas. Tal ambiente é constituído de k estágios de produção, com k = {4, 7}, divididos em três etapas assim definidas: na etapa um, o número de estágios de produção pode variar de um até cinco e cada estágio será constituído de m1 máquinas paralelas idênticas , com m1 &#8712 {2, 3, 4}, o que determina m1 flow shops paralelos. A etapa dois constitui o estágio dominante d, cuja localização oscila dependendo do número de estágios das etapas um e três. Por ultimo, a etapa três, semelhante à etapa um, possui m2 máquinas paralelas idênticas, onde m2 &#8712 {2, 3, 4} e m1 e m2 são gerados aleatoriamente. Todas as tarefas são processadas nas três etapas e o critério de desempenho é a otimização da duração total da programação (makespan) e também a análise do deslocamento do estágio dominante. A programação das tarefas é feita separadamente em cada uma das etapas. Na primeira etapa foi utilizado o método heurístico N&M para cada um dos m1 flow shops paralelos. Para segunda etapa foram desenvolvidos quatro regras e dois métodos heurísticos construtivos com base nos problemas do caixeiro viajante (TSP). Na última etapa, a alocação das tarefas é feita por ordem de chegada na máquina disponível ou com menor carga. Não foram encontrados na literatura trabalhos que retratassem ambientes dessa natureza, logo os métodos desenvolvidos foram comparados entre si. A experimentação computacional analisou os resultados obtidos por meio da porcentagem de sucesso de cada regra, desvio relativo entre os resultados de cada regra, deslocamento da posição do estágio dominante, influência das ordens de grandeza dos tempos de processamento e setup e tempo médio de computação. / This dissertation deals with problem multi-periods of production scheduling of the in Flow Shop environment with parallel machines, presenting a period of dominant production (single machine), in which the setup times for the processing of the jobs is asymmetric and sequence dependent on the execution of the jobs. Such environment is constituted by k periods of production, with k = {4, 7} divided in to three stages defined as: First stage: In stage one the number of production periods can vary from one to five, and each period will be constituted of m1 &#8712 {2, 3, 4} identical parallel machines, determining m1 parallel flow shops. Stage two - It constitutes the dominant period d, whose localization oscillates between the periods of stages one and three. Finally stage three it is similar to stage one, and has m2 &#8712 {2, 3, 4} identical parallel machines, where m1 and m2 Randomly generated. All the jobs are processed in the three stages and the objective is to optimize the total time to complete the scheduling (makespan) and also to analyze the displacement of the dominant period position. The scheduling of the jobs was performed separately in each of the stages. In the first stage the heuristic method N&M was used for each m1 parallel flow shops. In the second stage four constructive rules and two heuristic methods were developed based on traveling salesman problems (TSP). In the last stage the allocation of the jobs was performed according to the arrival time of the available machine or with lesser load. This type of work has not been found in literature; therefore the developed methods were compared among themselves. The statistics used in order to evaluate the heuristic performances were the percentage of success (in finding the best solution), relative deviation and average computational time. The displacement of the dominant period position as well as the influence of the relation of setup-times and processing-times, were also studied. The results of computational experience are discussed.

Neste trabalho abordamos o problema de programação de tarefas em um ambiente flow shop permutacional com mais de duas máquinas. Restringimos o estudo para o caso em que todas as tarefas têm uma data de entrega comum e restritiva, e onde o objetivo é minimizar a soma total dos adiantamentos e atrasos das tarefas em relação a tal data de entrega. É assumido também um ambiente estático e determinístico. Havendo soluções com o mesmo custo, preferimos aquelas que envolvem menos tempo de espera no buffer entre cada máquina. Devido à dificuldade de resolver o problema, mesmo para instâncias pequenas (o problema pertence à classe NP-difícil), apresentamos uma abordagem heurística para lidar com ele, a qual está baseada em busca local e faz uso de um algoritmo linear para atribuir datas de conclusão às tarefas na última máquina. Este algoritmo baseia-se em algumas propriedades analíticas inerentes às soluções ótimas. Além disso, foi desenvolvida uma formulação matemática do problema em programação linear inteira mista (PLIM) que vai permitir validar a eficácia da abordagem. Examinamos também o desempenho das heurísticas com testes padrões (benchmarks) e comparamos nossos resultados com outros obtidos na literatura. / In this work we approach the permutational flow shop scheduling problem with more than two machines. We restrict the study to the case where all the jobs have a common and restrictive due date, and where the objective is to minimize the total sum of the earliness and tardiness of jobs relative to the due date. A static and deterministic environment is also assumed. If there are solutions with the same cost, we prefer those that involve less buffer time between each machine. Due to the difficulty of solving the problem, even for small instances (the problem belongs to the NP-hard class), we present a heuristic approach to dealing with it, which is based on local search and makes use of a linear algorithm to assign conclusion times to the jobs on the last machine. This algorithm is based on some analytical properties inherent to optimal solutions. In addition, a mathematical formulation of the problem in mixed integer linear programming (MILP) was developed that will validate the effectiveness of the approach. We also examined the performance of our heuristics with benchmarks and compared our results with those obtained in the literature.

O problema de programação de operações em ambiente no-wait flow shop tem sido abordado desde a década de 60. Por se tratar de um ambiente em que as tarefas devem ser processadas continuamente e sem interrupções entre uma máquina e outra, um tempo de espera entre o início da tarefa anterior e o início da tarefa atual deve ser determinado na primeira máquina. Neste sentido, uma vez que a tarefa inicia seu processamento, as máquinas devem estar disponíveis para que atendam a restrição de no-wait. Portanto, operações de manutenção preventiva são necessárias para que a programação seja atendida sem maiores problemas. Este trabalho aborda dois problemas: no-wait flow shop e no-wait flow shop com operações de manutenção preventiva. O critério de desempenho adotado foi a duração total da programação (makespan). Por meio de uma revisão de literatura, mecanismos de construção de soluções foram identificadas e classificadas e, baseando-se em tais, novos métodos heurísticos construtivos simples e compostos foram propostos para o problema no-wait flow shop e uma heurística composta foi desenvolvida considerando as operações de manutenção preventiva. Experimentações computacionais para os dois problemas foram realizadas para fins de comparação e avaliação dos métodos propostos com os métodos heurísticos construtivos da literatura. Para o problema Fm|no - wait|Cmax resultados evidenciaram que as heurísticas propostas H4GPSLLS e MH4GPSLLS superaram as heurísticas da literatura em qualidade de solução, com diferença estatisticamente significativa no nível de 5% de significância. Para o problema Fm|no - wait, m(k)|Cmax, pode-se constatar que a heurística BIHLS e as heurísticas H4GPSLLS e MH4GPSLLS apresentaram desempenho superior com diferença estatística significativa no nível de 5% de significância em comparação as heurísticas da literatura. / The no-wait flow shop scheduling problem has been studied since 60\'s. In this environment, jobs must be processed continuously without interruption between one machine and another, and because of this, a delay between the start time of the previous job and the start time of the current job must be determined in the first machine. In this sense, since a job starts its processing, the machines must be available to respect the no-wait constraint. Therefore, preventive maintenance operations are needed. This work adresses two problems: the m machine no-wait flow shop and the m machine no-wait flow shop with preventive maintenance operations. The performance measure adopted was the makespan. By means of a literature review, mechanisms of solution construction were identified and classified. New simple and composite constructive heuristics were proposed to the no-wait flow shop problem and a new composite constructive heuristic was developed considering the preventive maintenance operations. Computational experiments and their respective analyses for both problems were carried out to compare and evaluate the performance between the proposed methods and the constructive heuristics of the literature. Regarding Fm|no - wait|Cmax problem, results show that the proposed heuristics H4GPSLLS and MH4GPSLLS outperformed the heuristics of the literature in quality of the solution and is statistically significative to 5% of significance level. To the Fm|no - wait, m(k)|Cmax problem it can be seen that the proposed heuristic BIHLS and H4GPSLLS and MH4GPSLLS outperformed the heuristics of the literature and is statistically better to 5% of significance level.

Submitted by Silvana Teresinha Dornelles Studzinski (sstudzinski) on 2017-02-08T15:41:51Z No. of bitstreams: 1 Wagner Lourenzi Simões_.pdf: 1389162 bytes, checksum: 302aec842d2f4e8b0a7c78ecbae24357 (MD5) / Made available in DSpace on 2017-02-08T15:41:51Z (GMT). No. of bitstreams: 1 Wagner Lourenzi Simões_.pdf: 1389162 bytes, checksum: 302aec842d2f4e8b0a7c78ecbae24357 (MD5) Previous issue date: 2016-12-06 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Neste estudo, foi desenvolvida uma ferramenta computacional baseada em metaheurísticas para a otimização do sequenciamento de produção em Flow Shop permutacionais aplicados à montagem de placas eletrônicas que operam em ambientes High-Mix, Low-Volume. O ambiente High-Mix, Low-Volume exige a realização de um grande número de setups para atender à flexibilidade exigida. Esse elevado número de sucessivos setups para a produção de pequenos lotes impacta negativamente nos custos operacionais da empresa. Uma das formas de se obter vantagem ao lidar com um grande mix de produção é explorando características similares entre os produtos, de forma que, através de um sequenciamento adequado, seja possível reduzir o tempo total de parada para setup e, por consequência, reduzir também o tempo total de processamento (makespan). A literatura apresenta muitos exemplos de sucesso na aplicação de técnicas de otimização para o sequenciamento da produção como forma de ganho de vantagem competitiva. Porém, a complexidade e o grande esforço computacional exigidos na solução deste problema, por muitas vezes, inviabilizam sua aplicação na rotina das indústrias. Neste contexto, as metaheurísticas emergem como uma opção para a viabilização de ferramentas para otimização do sequenciamento de produção. Dentre as abordagens metaheurísticas existentes, destacam-se as abordagens híbridas que combinam estratégias de busca local com algoritmos evolutivos como opções para a geração, de forma rápida, de boas soluções para o problema de sequenciamento, ainda que estes métodos não possam garantir a otimalidade da solução. A ferramenta desenvolvida, baseada no uso combinado das metaheurísticas Busca Tabu e Algoritmo Genético, busca a melhor sequência possível dentro do tempo computacional disponível de forma a reduzir os tempos gastos com operações de tempo de setup, e consequentemente o makespan. O Algoritmo Hibrido foi avaliado utilizando instâncias da literatura e instâncias advindas de um caso real. Os resultados dos testes indicam a superioridade da abordagem híbrida sobre as abordagens canônicas do algoritmo Genético e Busca Tabu. Os resultados obtidos na avaliação de instâncias reais indicam a aplicabilidade da ferramenta em ambientes reais, obtendo bons resultados na otimização dos tempos de setup, mesmo para o sequenciamento de grandes quantidades de produtos diferentes. / This work proposes the development of a metaheuristics based computation tool, to solve the permutation flow shop scheduling problem (PFSSP) in the electronic manufacturing operating in High-mix, Low-volume enviroment. To operate in HMLV enviroment is demanded a large number of setup changes to comply the flexibility required. This elevated number of successive setup changes to produce little batches have negative impacts on the operation costs. One way for to obtain advantages handling a large product mix is to explore the similar features between this products. Through a proper scheduling we can reduce the total downtime to setup changes, and consequently reduces the process time (makespan). The literature brings many success examples in the production scheduling optimization as a way to obtain competitive advantages. But, the complexity and the computational effort demanded to solve this problems, sometimes, turns the practical application unfeasible in the factories routine. In this contexto emerges the metaheuristics as an option to viability this type of application. Among the mataheuristics approaches, outstands the hybrid approaches that combine local search strategies with evolutionary algorithms as a way to obtain good and fast solutions for the scheduling problems, although the optimality is not been guaranted. The tool proposed combine the metaheuristics Genetic Algorithm and Tabu Search to optimize the flow shop scheduling in the shortest possible time to allow the practical application in industry. The tool was evaluate based on quality metrics like makespan and mean setup time. The Hybrid Algorithm has been evaluated using instances of the literature and instances arising from a real case. The results of the tests indicate a superiority of the hybrid approach over canonical approaches of the Genetic algorithm and Tabu Search. The results obtained in the evaluation of real instances indicate an applicability of the tool in real environments, obtaining good results in the optimization of textit setup times, also for the sequencing of large products. The Hybrid Algorithm has been evaluated using instances of the literature and instances arising from a real case. The tests results indicate a superiority of the hybrid approach over canonical approaches of the Genetic algorithm and Tabu Search. The results obtained in the evaluation of real instances indicate an applicability of the tool in real environments, obtaining good results in the setup time optimization, also for the sequencing of large products.

Este trabalho trata o problema multi-estágios de programação da produção em ambientes Flow Shop com máquinas paralelas, apresentando um estágio de produção dominante (máquina única), no qual os tempos de preparação (setup) da máquina são assimétricos e dependentes da seqüência de execução das tarefas. Tal ambiente é constituído de k estágios de produção, com k = {4, 7}, divididos em três etapas assim definidas: na etapa um, o número de estágios de produção pode variar de um até cinco e cada estágio será constituído de m1 máquinas paralelas idênticas , com m1 &#8712 {2, 3, 4}, o que determina m1 flow shops paralelos. A etapa dois constitui o estágio dominante d, cuja localização oscila dependendo do número de estágios das etapas um e três. Por ultimo, a etapa três, semelhante à etapa um, possui m2 máquinas paralelas idênticas, onde m2 &#8712 {2, 3, 4} e m1 e m2 são gerados aleatoriamente. Todas as tarefas são processadas nas três etapas e o critério de desempenho é a otimização da duração total da programação (makespan) e também a análise do deslocamento do estágio dominante. A programação das tarefas é feita separadamente em cada uma das etapas. Na primeira etapa foi utilizado o método heurístico N&M para cada um dos m1 flow shops paralelos. Para segunda etapa foram desenvolvidos quatro regras e dois métodos heurísticos construtivos com base nos problemas do caixeiro viajante (TSP). Na última etapa, a alocação das tarefas é feita por ordem de chegada na máquina disponível ou com menor carga. Não foram encontrados na literatura trabalhos que retratassem ambientes dessa natureza, logo os métodos desenvolvidos foram comparados entre si. A experimentação computacional analisou os resultados obtidos por meio da porcentagem de sucesso de cada regra, desvio relativo entre os resultados de cada regra, deslocamento da posição do estágio dominante, influência das ordens de grandeza dos tempos de processamento e setup e tempo médio de computação. / This dissertation deals with problem multi-periods of production scheduling of the in Flow Shop environment with parallel machines, presenting a period of dominant production (single machine), in which the setup times for the processing of the jobs is asymmetric and sequence dependent on the execution of the jobs. Such environment is constituted by k periods of production, with k = {4, 7} divided in to three stages defined as: First stage: In stage one the number of production periods can vary from one to five, and each period will be constituted of m1 &#8712 {2, 3, 4} identical parallel machines, determining m1 parallel flow shops. Stage two - It constitutes the dominant period d, whose localization oscillates between the periods of stages one and three. Finally stage three it is similar to stage one, and has m2 &#8712 {2, 3, 4} identical parallel machines, where m1 and m2 Randomly generated. All the jobs are processed in the three stages and the objective is to optimize the total time to complete the scheduling (makespan) and also to analyze the displacement of the dominant period position. The scheduling of the jobs was performed separately in each of the stages. In the first stage the heuristic method N&M was used for each m1 parallel flow shops. In the second stage four constructive rules and two heuristic methods were developed based on traveling salesman problems (TSP). In the last stage the allocation of the jobs was performed according to the arrival time of the available machine or with lesser load. This type of work has not been found in literature; therefore the developed methods were compared among themselves. The statistics used in order to evaluate the heuristic performances were the percentage of success (in finding the best solution), relative deviation and average computational time. The displacement of the dominant period position as well as the influence of the relation of setup-times and processing-times, were also studied. The results of computational experience are discussed.

Neste trabalho abordamos o problema de programação de tarefas em um ambiente flow shop permutacional com mais de duas máquinas. Restringimos o estudo para o caso em que todas as tarefas têm uma data de entrega comum e restritiva, e onde o objetivo é minimizar a soma total dos adiantamentos e atrasos das tarefas em relação a tal data de entrega. É assumido também um ambiente estático e determinístico. Havendo soluções com o mesmo custo, preferimos aquelas que envolvem menos tempo de espera no buffer entre cada máquina. Devido à dificuldade de resolver o problema, mesmo para instâncias pequenas (o problema pertence à classe NP-difícil), apresentamos uma abordagem heurística para lidar com ele, a qual está baseada em busca local e faz uso de um algoritmo linear para atribuir datas de conclusão às tarefas na última máquina. Este algoritmo baseia-se em algumas propriedades analíticas inerentes às soluções ótimas. Além disso, foi desenvolvida uma formulação matemática do problema em programação linear inteira mista (PLIM) que vai permitir validar a eficácia da abordagem. Examinamos também o desempenho das heurísticas com testes padrões (benchmarks) e comparamos nossos resultados com outros obtidos na literatura. / In this work we approach the permutational flow shop scheduling problem with more than two machines. We restrict the study to the case where all the jobs have a common and restrictive due date, and where the objective is to minimize the total sum of the earliness and tardiness of jobs relative to the due date. A static and deterministic environment is also assumed. If there are solutions with the same cost, we prefer those that involve less buffer time between each machine. Due to the difficulty of solving the problem, even for small instances (the problem belongs to the NP-hard class), we present a heuristic approach to dealing with it, which is based on local search and makes use of a linear algorithm to assign conclusion times to the jobs on the last machine. This algorithm is based on some analytical properties inherent to optimal solutions. In addition, a mathematical formulation of the problem in mixed integer linear programming (MILP) was developed that will validate the effectiveness of the approach. We also examined the performance of our heuristics with benchmarks and compared our results with those obtained in the literature.

Abstract Optimizing the use of resources plays an important role in today’s modern manufacturing and service organizations. Scheduling, involving setup times and costs, leads to better allocation of resources over time to perform a collection of required tasks. This compilation dissertation examines how the learning effect of workers and a combination of setup activities can be used to optimize resource utilization in manufacturing systems and maintenance services. The learning effect is a technique that can model improvement in worker’s ability as a result of repeating similar tasks. By considering the learning effect, setup times will be reduced, and a schedule can be determined to place jobs that share similar tools and fixtures next to each other. The purpose is to schedule a set of jobs in a hybrid flow shop environment while minimizing two criteria that represent the manufacturers’ and consumers’ concerns: namely maximum completion time (makespan) and total tardiness. Combining setup activities can also reduce setup times and costs. In the maintenance of systems consisting of multiple components, costs can be saved when several components are jointly maintained. By using this technique, a schedule can be determined to minimize the total cost of maintenance and renewal projects for various components and their relevant setup activities. Mathematical programming models that incorporate these aspects of the problem are developed in this research and the performance of the proposed models are tested on a set of problem instances. The results of this work show that the proposed techniques perform well in reducing setup times and costs and eliminate the need for setups through scheduling. This work proposes several exact, heuristic, and meta-heuristic methods to solve the developed models and compare their efficiency. This study contributes to the theoretical discussion of multi-criteria production and maintenance scheduling. For practitioners, this dissertation work provides optimization techniques and tools through scheduling that can help keep costs down and allow companies to operate according to time and budget constraints. / Tiivistelmä Resurssien käytön optimoinnilla on tärkeä rooli nykypäivän tuotanto- ja palveluympäristöissä. Joukko tehtäviä voidaan toteuttaa resurssitehokkaammin niille varatussa ajassa huomioimalla aikataulutuksessa asetusajat ja –kustannukset. Tämä kokoomaväitöskirja tarkastelee, kuinka työntekijöiden oppimisefektin mallinnus ja asetustoimien yhdistäminen tukevat resurssien optimointia tuotantojärjestelmissä ja kunnossapitopalveluissa. Oppimisefekti on tekniikka, jolla voidaan mallintaa työntekijän osaamisen kehittymistä samankaltaisia työtehtäviä toistettaessa. Huomioimalla oppimisefekti asetusaikoja voidaan pienentää, ja töille luoda aikataulu jossa samankaltaiset työkalut ja laitteet ovat lähellä toisiaan. Osana väitöskirjaa esitetään työerän aikataulutus tietyssä yksittäistuotantoympäristössä minimoiden kahta kriteeriä: valmistajan tavoite kokonaisläpimenoaika ja asiakkaan tavoite yksittäisten töiden aikataulussa valmistuminen. Toinen väitöskirjassa esitetty tekniikka asetusaikojen ja –kustannusten pienentämiseen on asetustöiden yhdistely. Useista komponenteista koostuvassa systeemissä kustannussäästöjä voidaan saavuttaa huoltamalla useita komponentteja yhtä aikaa. Tämän yhdistelyn avulla voidaan luoda aikataulu, joka minimoi useiden komponenttien ylläpidon, uusimisen, ja asetuskustannusten kokonaiskustannuksen. Työssä mallinnetaan näitä tekniikoita matemaattisen ohjelmoinnin keinoin, ja luotuja malleja testataan joukolla esimerkkiongelmia. Väitöskirjan tulokset osoittavat, että ehdotetuilla tekniikoilla voidaan vähentää asetusaikoja ja –kustannuksia, tai poistaa asetustöistä aiheutuvia kustannuksia kokonaan. Siinä esitetään useita eksakteja, heuristisia ja metaheuristisia menetelmiä kehitettyjen mallien ratkaisuun ja niiden suorituskyvyn vertailuun. Työn tulokset edistävät tieteellistä keskustelua monikriteeriskeduloinnin alalla, erityisesti liittyen tuotanto- ja kunnossapitosysteemeihin. Käytännön toimijoille väitöskirja tarjoaa optimointitekniikoita- ja työkaluja aikataulutukseen ja sen kautta taloudellisissa ja ajallisissa rajoitteissa toiminnan mahdollistamiseen.

Le contexte de notre travail s'intéresse à l'ordonnancement des activités de maintenance dans les systèmes de production. L'objectif de la thèse concerne l'élaboration de méthodes de résolution minimisant un critère regroupant les deux aspects production et maintenance. Les règles de priorité ainsi que les algorithmes génétiques ayant fait leur preuve dans le domaine seront à la base de notre étude. Etude faite tout d'abord sur un problème à une machine puis étendue au cas du Flow Shop. Notre contribution comporte tois volets. Le premier volet prend appui sur les solutions générées à l'aide d'une règle de dominance reliant les tâches de production et les tâches de maintenance. Le deuxième volet propose un algorithme par séparation et évaluation permettant de générer des ordonnancements de permutation du problème conjoint de la production et de la maintenance au sein du FLow Shop à deux machines. Le troisième volet étend l'étude au cas du Flow Shop à plusieurs machines. Nous proposons dans ce cas un algorithme génétique avec un codage approprié. Cet algorithme a l'avantage de balayer tout l'espace de recherche et par conséquent de générer des ordonnancements de très bonne qualité. Nous optons pour la maintenance préventive systématique pour l'appliquer dans notre étude. L'une des difficultés majeures de ce type de maintenance est le choix des périodes d'interventions optimales. Nous proposons dans ce cadre une méthode de choix de périodes systématiques.

Neste trabalho será estudado um ambiente de produção que é freqüentemente encontrado na prática: o flowshop com múltiplos processadores. No caso estudado existem estágios em série e em cada estágio existe um número de máquinas idênticas em paralelo. Todas as tarefas devem ser processadas por todos os estágios. O objetivo é minimizar o atraso das tarefas. Primeiramente o problema foi abordado através de um método que programa as tarefas por estágio e em ordem direta, ou seja, do primeiro para o último estágio. Em seguida, foram desenvolvidas duas novas regras que utilizam o mesmo método de programação, porém consideram o ambiente como uma série de problemas de máquinas em paralelo. Uma das regras desenvolvidas tem como característica principal considerar estados futuros do sistema. Também foi desenvolvido um novo método de programação em ordem inversa, no qual as tarefas são programadas do último para o primeiro estágio. Este método apresenta melhor desempenho se comparado com o método de programação em ordem inversa da literatura. Por último foi desenvolvido um método de programação com foco no estágio gargalo, visto que este estágio pode impedir um bom fluxo das tarefas pelo sistema e resultar em uma conclusão tardia das mesmas. Este método é mais simples, rápido e tem resultados competitivos frente ao método com foco no gargalo da literatura. / This work considers a production environment that is frequently found in practice: the flexible flowshop. In the case studied, there are stages in series and in each stage there are a number of identical parallel machines. All jobs must be processed by all stages. The objective is to minimize the tardiness of jobs. First the problem was addressed by a method in which jobs are schedule forward, that is, from first to last stage. Two new rules were developed using this same method, but considering the environment as a series of parallel machines problems. One of the rules is able to consider future states of the system. It was also developed a new method in which jobs are scheduled backward, i.e., from last to first stage. This method shows better performance compared to the literature method. At last, it was developed a method that focus on the bottleneck stage scheduling (since this stage may prevent a good flow of jobs throughout the system and result in late completions). This method is simpler, faster and competitive next to the literature method.