Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2015-10-26T09:48:39Z No. of bitstreams: 2 Dissertação - Caio Soares de Araújo - 2014.pdf: 1793471 bytes, checksum: 4a336fd03b4e7f3964731aed0679439b (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2015-10-26T09:53:07Z (GMT) No. of bitstreams: 2 Dissertação - Caio Soares de Araújo - 2014.pdf: 1793471 bytes, checksum: 4a336fd03b4e7f3964731aed0679439b (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2015-10-26T09:53:07Z (GMT). No. of bitstreams: 2 Dissertação - Caio Soares de Araújo - 2014.pdf: 1793471 bytes, checksum: 4a336fd03b4e7f3964731aed0679439b (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Previous issue date: 2014-10-30 / In this work are presented and evaluated sequencing rules and heuristic methods for production scheduling in permutation flow shop systems with setup times independent of the sequence of execution of tasks. The release dates of the tasks were also considered, seeking simulate a reality closer to a production environment in an organization where tasks usually arrive dynamically and not simultaneously. In the first part of this study, were defined and implemented computationally eight rules (R1, R2, R3, R4, R5, R6, R7 and R8), based on recognized rules SPT (Shortest Processing Time) and LPT (Longest Processing Time), adapted to this problem. The second stage of this study consisted of the creation of four heuristics (H1, H2, H3 and H4), based on the best rules, and comparative analysis of the performance of all the methods proposed solution, similar to the assessment rules priority, including the results of the optimal solution obtained by the method of complete enumeration. After computational implementation, the H1, H2 and H3 heuristics performed well, with satisfactory results near optimal solution. / Neste estudo são apresentadas e avaliadas regras de sequenciamento e métodos heurísticos para programação da produção em sistemas flow shop permutacional com tempos de setup independentes da sequência de execução das tarefas. Foram consideradas também as datas de liberação das tarefas, para simular uma realidade mais próxima de um ambiente de produção numa organização em que as tarefas geralmente chegam de forma dinâmica e não simultaneamente. Na primeira parte deste trabalho, foram definidas e implementadas computacionalmente oito regras (R1, R2, R3, R4, R5, R6, R7 e R8), fundamentadas nas reconhecidas regras SPT (Shortest Processing Time) e LPT (Longest Processing Time), adaptadas a este problema. A segunda etapa deste estudo constituiu-se da criação de quatro heurísticas (H1, H2, H3 e H4), baseadas nas melhores regras, e análise comparativa do desempenho de todos os métodos de solução propostos, nos moldes da avaliação feita para as Regras de Prioridade, incluindo os resultados da solução ótima obtida por meio do método de enumeração completa. Após a implementação computacional, as heurísticas H1, H2 e H3 apresentaram um desempenho eficiente, com resultados satisfatórios próximos a solução ótima.

Este trabalho aborda o problema de no-wait flowshop em um ambiente com custos de setup apartados dos tempos de processamento, são investigados os casos de setups dependentes e independentes da seqüência para makespan e total flowtime. Diversas aplicações práticas podem ser modeladas sob estas suposições, dentre elas destacamos a indústria química e alimentícia. É proposta uma metaheurística evolutiva baseada em algoritmo genético e clustering search e seus resultados são comparados com os métodos de Brown et al (2004), França et al (2006) e Ruiz e Allahverdi (2007) através dos bancos de dados de Ruiz e Stützle (2008) e Ruiz e Allahverdi (2007). Os métodos são avaliados segundo o percentual de sucesso e desvio relativo médio. Os resultados obtidos demonstram a superioridade do método proposto para problemas de grande porte. / This work intends to research the no-wait flowshop scheduling problem with setup times separated from the processing costs; the both cases where the sequence is dependent and independent are targeted for makespan and total flowtime. There are numerous practical situations that can be modeled under these assumptions, such as, chemical industry, food processing, etc. A hybrid metaheuristic method based on a genetic algorithm and clustering search is proposed and its results are compared to the methods of Brown et al (2004), França et al (2006) e Ruiz e Allahverdi (2007) using the data base from Ruiz e Stützle (2008) and Ruiz e Allahverdi (2007). The methods are evaluated as regarding the success rate and average relative deviation. The results show that the proposed method delivers better solutions for problems with higher complexity.

Este trabalho aborda o problema de no-wait flowshop em um ambiente com custos de setup apartados dos tempos de processamento, são investigados os casos de setups dependentes e independentes da seqüência para makespan e total flowtime. Diversas aplicações práticas podem ser modeladas sob estas suposições, dentre elas destacamos a indústria química e alimentícia. É proposta uma metaheurística evolutiva baseada em algoritmo genético e clustering search e seus resultados são comparados com os métodos de Brown et al (2004), França et al (2006) e Ruiz e Allahverdi (2007) através dos bancos de dados de Ruiz e Stützle (2008) e Ruiz e Allahverdi (2007). Os métodos são avaliados segundo o percentual de sucesso e desvio relativo médio. Os resultados obtidos demonstram a superioridade do método proposto para problemas de grande porte. / This work intends to research the no-wait flowshop scheduling problem with setup times separated from the processing costs; the both cases where the sequence is dependent and independent are targeted for makespan and total flowtime. There are numerous practical situations that can be modeled under these assumptions, such as, chemical industry, food processing, etc. A hybrid metaheuristic method based on a genetic algorithm and clustering search is proposed and its results are compared to the methods of Brown et al (2004), França et al (2006) e Ruiz e Allahverdi (2007) using the data base from Ruiz e Stützle (2008) and Ruiz e Allahverdi (2007). The methods are evaluated as regarding the success rate and average relative deviation. The results show that the proposed method delivers better solutions for problems with higher complexity.