Please use this identifier to cite or link to this item:
https://hdl.handle.net/10316/37003
Title: | Loteamento e sequenciamento da produção: um caso de estudo na indústria de injeção de plásticos | Other Titles: | Lot stizing and scheduling: a case study in the plastic enjection industry | Authors: | Veríssimo, João Marcelo Figueira | Orientador: | Silva, Cristóvão | Keywords: | Indústria de plásticos; Produtividade; Gestão da produção; Programação linear inteira mista | Issue Date: | Sep-2016 | Abstract: | Atualmente verifica-se que a indústria está em constantes mudanças, sendo cada vez mais inteligente e flexível. Nos processos industriais, a tomada de decisão é fulcral e pode ser facilitada com recurso a diversos métodos e técnicas computacionais. A otimização dos processos suscita um interesse elevado no tecido industrial, uma vez que permite aumentar a competitividade e o lucro.
Assim sendo, a principal motivação deste trabalho passa pelo desenvolvimento de uma ferramenta que possa auxiliar a tomada de decisão no tecido industrial, visando a otimização dos processos, racionalização de recursos e, consequentemente ganhos em eficiência no processo produtivo.
A ferramenta foi obtida através da construção de um modelo matemático de Programação Linear Inteira Mista e tem como objetivo minimizar o atraso total das tarefas programadas, e consequentemente, encontrar a melhor sequência de agendamento da produção num ambiente de n tarefas em m máquinas paralelas idênticas. Para além disto, o sequenciamento é obtido tendo em conta o loteamento de tarefas, nomeadamente o binómio molde-máquina. Devido à elevada natureza combinatória estes problemas são considerados como NP-Hard.
O modelo proposto foi implementado na linguagem de modelagem matemática AMPL (Algebraic Mathematical Programming Language), recorrendo posteriormente ao software GLPK (GNU Linear Programming Kit).
Ao longo do trabalho foi possível testar duas instâncias, sendo a primeira com 32 tarefas e 2 máquinas e a segunda com 10 tarefas e 2 máquinas. A ferramenta é eficaz na tomada de decisão para instâncias de pequena dimensão, no entanto, quando se aumenta a quantidade de informação (tarefas e máquinas), o problema não é resolvido num tempo computacional útil. Currently all the industry sectors are constantly changing and becoming intelligent and flexible. In industrial processes decision-making is critical and can be improved significantly using various methods and computational techniques. The optimization has huge advantages in the industrial environment, as it allows an increase in competitiveness and profit. Therefore, the main motivation of this work involves the development of a tool that can assist decision-making processes in the industry, with prime focus on process optimization and resource rationalization in order to get efficiency in the overall production. The tool is obtained by building a mathematical model of mixed linear programming integer that aims to minimize the total tardiness of scheduled jobs, and thus finding the best scheduling sequence of production giving n jobs over m identical parallel machines. In addition, the sequence is achieved regarding the subdivision of jobs, including binomial mold-machine. Because of the high combinatorial nature of these problems they are considered to be NP-Hard. The proposed model was implemented in mathematical modeling language AMPL (Algebraic Mathematical Programming Language), then using the GLPK software (GNU Linear Programming Kit). Throughout the work, it was possible to test two instances, the first one with 32 jobs and 2 machines and the second 10 jobs and 2 machines. The tool is effective in decision making for small instances, however, when increasing the amount of information (jobs and machines), the problem is not solved in a useful computational time. |
URI: | https://hdl.handle.net/10316/37003 | Rights: | openAccess |
Appears in Collections: | UC - Dissertações de Mestrado FCTUC Eng.Mecânica - Teses de Mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
TESE LAST.pdf | 1.89 MB | Adobe PDF | View/Open |
Page view(s) 50
476
checked on Aug 13, 2024
Download(s) 50
911
checked on Aug 13, 2024
Google ScholarTM
Check
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.