Metaheurísticas híbridas para a programação detalhada e integrada de operações de produção e distribuição em sistemas No-Wait Flow Shop

• Ano de defesa: 2021
• Autor(a) principal: Pereira, Mario Tonizza
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Combinatorial optimization; Flow Shop scheduling; Integrated systems; Metaheurísticas; Metaheuristics; Otimização combinatória; Programação Flow Shop; Roteamento de veículos; Sistemas integrados; Vehicle routing
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/18/18156/tde-13092021-161727/

Nos complexos ambientes de negócio atuais, a otimização de processos operacionais é fator essencial à sobrevivência das organizações. Muitas empresas, esforçando-se cada vez mais para manterem-se competitivas, buscam por melhores métodos e modelos operacionais que possibilitem minimizar seus custos logísticos e melhorar seus níveis de serviço ao mercado. Nestas empresas, a coordenação das atividades de manufatura e logística é crítica. A integração e sincronização destas atividades é a alternativa que estas empresas necessitam para melhorar seus desempenhos operacionais e, consequentemente, aumentar o nível de serviço ao cliente. Esta Tese contribui para esta abordagem, propondo e avaliando novos métodos heurísticos para a resolução do problema de programação de operações de produção e distribuição em sistemas no-wait flow shop integrados a sistemas de transporte que operam estratégias distintas de distribuição. Os métodos propostos (ILSSA-VNS, IG¹SA, IG²SA) implementam algoritmos baseados nas metaheurísticas IG, ILS, SA e VNS que programam de forma conjunta as operações de produção e transporte. O mínimo tempo total de fluxo é o principal critério de otimização adotado. O problema aqui estudado foi motivado por um caso real da indústria de produtos eletrônicos. A análise dos resultados experimentais demonstrou que os métodos propostos têm potencial para resolver o problema. Especificamente, o método IG²SA obteve os melhores resultados, melhorando a qualidade da solução inicial em até 16% para instâncias menores e 11% para instâncias maiores. O estudo também verificou uma hipótese proposta para melhorar a qualidade das soluções geradas pelos métodos heurísticos que mostrou ser verdadeira para a maior parte dos experimentos.