Production scheduling is one of the most important issues in the planning and operation of manufacturing systems. Customers increasingly expect to receive the right product at the right price at the right time. Various problems experienced in manufacturing, for example low machine utilization and excessive work-in-process, can be attributed directly to inadequate scheduling. In this dissertation a production scheduling algorithm is developed for Optimatix, a South African-based company specializing in supply chain optimization. To address the complex requirements of the customer, the problem was modeled as a flexible job shop scheduling problem with sequence-dependent set-up times, auxiliary resources and production down time. The algorithm development process focused on investigating the application of both particle swarm optimization (PSO) and differential evolution (DE) to production scheduling environments characterized by multiple machines and multiple objectives. Alternative problem representations, algorithm variations and multi-objective optimization strategies were evaluated to obtain an algorithm which performs well against both existing rule-based algorithms and an existing complex flexible job shop scheduling solution strategy. Finally, the generality of the priority-based algorithm was evaluated by applying it to the scheduling of production and maintenance activities at Centurion Ice Cream and Sweets. The production environment was modeled as a multi-objective uniform parallel machine shop problem with sequence-dependent set-up times and unavailability intervals. A self-adaptive modified vector evaluated DE algorithm was developed and compared to classical PSO and DE vector evaluated algorithms. Promising results were obtained with respect to the suitability of the algorithms for solving a range of multi-objective multiple machine scheduling problems. Copyright / Dissertation (MEng)--University of Pretoria, 2009. / Industrial and Systems Engineering / unrestricted

Studien genomfördes på industriföretaget Gränges Finspång AB som är en producent av valsade aluminiumprodukter för värmeväxlare vilka används som komponenter främst inom bilindustrin och värme, ventilation och luftkonditionering. Aluminium är en miljöeffektiv råvara tack vare materialets naturliga egenskaper samt dess återanvändbarhet vilket har lett till att allt fler företag vill ta vara på dessa egenskaper vid tillverkning av klimatsmarta produkter. För Gränges Finspång AB har materialets aktualitet på marknaden inneburit en ökad efterfrågan på företagets produkter vilket i sin tur har satt ökad press på företagets produktionseffektivitet. Den produktionsprocess som studerades på företaget var en uppsättning maskiner – även kallade kallvalsverk – vilka kan liknas med en funktionell verkstad. Syftet med studien var att, med hjälp av optimeringsmetoder, ta fram en modell som kan användas som beslutsunderlag för sekvensering av produkter i företagets kallvalsverk. Utifrån intervjuer, granskning av interna dokument och en kvantitativ dataanalys genomfördes en kartläggning av Gränges Finspång AB:s hela produktionsflöde såväl som de processer unika för kallvalsprocessen. För sekvensering av företagets produkter tillämpades en linjär heltalsmodell vilken anger optimum för maximalt 14 produkter. Studien bekräftar att företagets kallvalsning är ett komplext produktionssystem ur ett schemaläggningsperspektiv. / <p>Examensarbetet är utfört vid Institutionen för teknik och naturvetenskap (ITN) vid Tekniska fakulteten, Linköpings universitet</p>