Escolar Documentos
Profissional Documentos
Cultura Documentos
So Carlos
2011
UNIVERSIDADE DE SO PAULO
ESCOLA DE ENGENHARIA DE SO CARLOS
DEPARTAMENTO DE ENGENHARIA DE
PRODUO
So Carlos
2011
AGRADECIMENTOS
Agradeo primeiramente a Deus, por todas as oportunidades a mim concedidas, pela
sade e pelas pessoas que Ele colocou em minha vida.
Gostaria de agradecer tambm ao meu orientador, professor Dr Marcelo Seido Nagano,
pelo conhecimento e orientao dados que foram muito alm deste trabalho, que
perdurou pelo longo e valoroso trajeto da faculdade.
Agradeo imensamente a minha famlia, e em especial aos meus pais Kiyoji e Massae,
por todo o apoio que possibilitou a concretizao de um grande sonho me formar em
uma renomada escola. Agradeo pelo amor, carinho e dedicao que pude contar desde
os meus primeiros segundos de vida at o presente momento.
Agradeo a todos que indiretamente contriburam para a concluso desta fase de minha
vida.
E por fim, agradeo ao meu grande amor, Tssia, que esteve comigo em todos os
momentos da confeco deste trabalho, com seu suporte e carinho que foram
fundamentais para a finalizao deste ciclo.
Muito obrigado!
RESUMO
Este trabalho se prope a classificar os melhores mtodos heursticos da literatura que
tratam da programao de operaes em ambiente flowshop permutacional para
minimizao da durao total da programao (makespan). Tal classificao feita
segundo a proposta de Framinan, Gupta e Leisten (2004). Inicialmente foi feita uma
anlise bibliogrfica das heursticas construtivas que tratam do tema em questo.
Posteriormente, procedeu-se classificao de suas fases de construo e elaborao
de exemplos numricos ilustrados de cada uma. Com isso, a pesquisa busca facilitar a
localizao de heursticas simples ou compostas dentro de um quadro mais amplo,
permitindo a identificao de combinaes entre elas que possam melhorar seus
resultados individuais em trabalhos futuros.
Palavras-chave: Flowshop permutacional. Programao da produo. Mtodos
heursticos construtivos. Makespan.
ABSTRACT
The proposal of this work is to classify the best heuristics methods from the literature
that deal with the Permutation Flowshop scheduling problem with the objective of
minimizing the total flow time of jobs (makespan) according to Framinan, Gupta and
Leisten (2004) classification system. The first step done was a literature review and
analysis of the best constructive heuristics that deal with makespan minimization.
Subsequently, this work proceeded with the classification of the constructive phases for
each heuristic and the numeric illustration of the application for better understanding.
In this way, this research seeks to facilitate the choice of simple or composed heuristics
in the literature, enabling the identification of combination between them in order to
improve individual results for future research.
Key-words: Permutation flowshop. Scheduling. Constructive heuristics. Makespan.
LISTA DE FIGURAS
Figura 1 - Programao da produo em funo dos prazos solicitados.
Fonte: Gigante (2010) ..................................................................................................... 20
Figura 2 - Sequncia tima. Regra de Johnson .............................................................. 51
Figura 3 - Grfico de Gantt da sequncia obtida por Palmer ......................................... 53
Figura 4 - Grfico de Gantt da sequncia obtida utilizando o mtodo CDS. ................. 56
Figura 5 - Grfico de Gantt da sequncia parcial obtida J1 - J3..................................... 59
Figura 6 - Grfico de Gantt da sequncia parcial obtida J3 - J1..................................... 60
Figura 7 - Grfico de Gantt da sequncia parcial obtida J3 - J1 - J2 .............................. 60
Figura 8 - Grfico de Gantt da sequncia parcial obtida J3 - J2 - J1 .............................. 60
Figura 9 - Grfico de Gantt da sequncia parcial obtida J2 - J3 - J1 .............................. 61
Figura 10 - Grfico de Gantt da sequncia obtida J3 - J1 - J2 - J4 ................................ 61
Figura 11 - Grfico de Gantt da sequncia obtida J3 - J1 - J4 - J2 ................................. 61
Figura 12 - Grfico de Gantt da sequncia obtida J3 - J4 - J1 - J2 ................................. 62
Figura 13 - Grfico de Gantt da sequncia obtida J4 - J3 - J1 - J2 ................................. 62
Figura 14 - Grfico de Gantt da sequncia parcial obtida J5 - J2................................... 66
Figura 15 - Grfico de Gantt da sequncia parcial obtida J2 - J5................................... 66
Figura 16 - Grfico de Gantt da sequncia parcial obtida J4 - J2 - J5 ............................ 66
Figura 17 - Grfico de Gantt da sequncia parcial obtida J2 - J4 - J5 ............................ 67
Figura 18 - Grfico de Gantt da sequncia parcial obtida J2 - J5 - J4 ............................ 67
Figura 19 - Grfico de Gantt da sequncia parcial obtida J1 - J2 - J4 - J5 ..................... 68
Figura 20 - Grfico de Gantt da sequncia parcial obtida J2 - J1 - J4 - J5 ..................... 68
Figura 21 - Grfico de Gantt da sequncia parcial obtida J2 - J4 - J1 - J5 ..................... 68
Figura 22 - Grfico de Gantt da sequncia parcial obtida J2 - J4 - J5 - J1 ..................... 69
Figura 23 - Grfico de Gantt da sequncia obtida J3 - J1 - J2 - J4 - J5 .......................... 69
Figura 24 - Grfico de Gantt da sequncia obtida J1 - J3 - J2 - J4 - J5 .......................... 70
LISTA DE TABELAS
Tabela 1 - Tempos de processamento para a Regra de Johnson50
Tabela 2 -Tempos de processamento para a heurstica Palmer ...................................... 52
Tabela 3 - Tempos de processamento para a heurstica CDS......................................... 54
Tabela 4 - Tempo de processamento para k=1 ............................................................... 55
Tabela 5 - Tempo de processamento para k=2 ............................................................... 55
Tabela 6 - Quadro resumo at a k-sima sequncia........................................................ 56
Tabela 7 - Tempos de processamento para a heurstica NEH ........................................ 59
Tabela 8 - Tempos de processamento para o mtodo NEHKK ...................................... 65
Tabela 9 - Tempos de processamento 10 tarefas - heurstica NEHKK .......................... 72
Tabela 10 - Tempos de processamento heurstica NEH-D............................................. 75
Tabela 11 Tempos de processamento heurstica FRB3 .................................................. 83
Tabela 12 - Tempos de Processamento heurstica HC ................................................... 93
Tabela 13 - Clculo do gap d1ij ....................................................................................... 94
Tabela 14 - Clculo do gap d2i.j ...................................................................................... 94
Tabela 15 - Clculo do gap d3i,j ...................................................................................... 94
Tabela 16 - Gaps ajustados dRi,j ...................................................................................... 95
Tabela 17 - Tempos de Processamento heurstica N&M .......................................... 100
SUMRIO
Resumo
Abstract
1
INTRODUO .................................................................................................... 14
1.1
OBJETIVOS .................................................................................................. 16
1.2
2.2
2.3
2.4
2.4.1
2.4.2
2.5
PERMUTACIONAL .................................................................................................... 38
3.1
3.1.1
3.1.2
3.1.3
3.1.4
4
4.1.1
4.1.1
4.1.2
4.1.3
4.1.4
4.1.5
4.1.6
4.1.7
4.1.8
4.2
4.2.1
4.2.2
4.3
14
1. INTRODUO
15
de 80, demonstrou-se que a maioria dos problemas de programao da produo
enquadram-se nesta classe NP-hard (LAWLER et al. 1993; BLAZEWICZ et al. 1996).
Com isso, os pesquisadores voltaram-se para mtodos heursticos de resoluo
desses problemas, buscando uma soluo de boa qualidade em tempo computacional
baixo situao desejvel no cenrio da produo, onde o tempo de tomada de deciso
curto, geralmente um dia ou um turno (GIGANTE, 2010).
A pesquisa aborda o problema de programao de operaes em ambiente
flowshop permutacional, onde o nmero de solues viveis (n!), sendo n o nmero de
tarefas a serem programadas independentemente do nmero de mquinas do sistema.
Para resolver problemas de programao flowshop permutacional, as principais
abordagens na literatura incluem programao matemtica, mtodos heursticos e metaheursticos. Mtodos heursticos construtivos podem fornecer boas solues, uma vez
que apresentam o melhor trade-off entre a qualidade da soluo e o custo
computacional.
Desta forma, o objeto de estudo deste trabalho so os mtodos heursticos
construtivos voltados para ambientes de flowshop permutacional, com o objetivo de
reduo do tempo total de fluxo (makespan). Dentre os fatores a serem considerados
durante a programao em ambientes flowshop, a minimizao do tempo de concluso
mximo (Cmx) ou makespan so diretamente relacionados maximizao do
rendimento e da utilizao dos recursos. Portanto, no surpresa que a maioria das
pesquisas referente s ultimas dcadas se concentraram sobre a minimizao do
makespan. Um ambiente flowshop consiste de n tarefas que devem ser processadas em
m mquinas na mesma ordem (Fm). O problema de programao em ambientes
flowshop em encontrar uma sequncia de tarefas para cada mquina de acordo com
determinada(s) medida(s) de desempenho. Alm disso, para muitas situaes, assume-se
que todas as sequncias de tarefas sero as mesmas em todas as mquinas (flowshop
permutacional - prmu).
Este um assunto relevante para o dinmico ambiente de produo atual, e tem
atrado ateno de muitos pesquisadores nos ltimos anos. De fato, houve um
crescimento exponencial de heursticas do tipo Fm/prmu/Cmax a partir da dcada de
1960. Um certo nmero de abordagens foi sugerido (SZWARC, 1971; LAGEWEG et
al, 1978; POTTS, 1980, ou CARLIER; REBAI,1996), considerando o problema do tipo
NP-hard para trs ou mais mquinas, mas a maioria dos esforos se concentraram em
propor procedimentos heursticos que produzam boas solues (e no necessariamente
16
timas) dentro de intervalos relativamente curtos, tais como aqueles requeridos na
tomada de decises de programao e seqenciamento.
Como o nmero de heursticas disponveis para estes tipos de problema estava
aumentando, tornou-se claro que nem todos eles eram da mesma natureza, apresentando
vrias propriedades diferentes, tais como ordem de complexidade, tempo de
processamento computacional ou memria requerida. Por exemplo, Widemer e Hertz
(1991) ou Moccellin (1995) apresentaram heursticas que requerem uma soluo inicial
(obtidas em ambos os casos por uma analogia ao problema do caixeiro viajante) seguida
de uma busca-tabu que, a princpio, poderia ser empregada como uma soluo inicial
para qualquer outra soluo heurstica.
Atualmente, portanto, existem diversas heursticas disponveis que tratam do
problema citado, Fm/prmu/Cmax , contudo, embora muitas tentativas de classificao j
tenham sido realizadas por exemplo, Gupta (1971), Pinedo (2008), ou Loureno
(1996) , no existe nenhum quadro de classificao aprofundado sobre essas
heursticas. Tal quadro fundamental para conduzir possveis pontos de pesquisas
futuras. Ao analisar estas heursticas de acordo com uma classificao comum,
possvel entender o modo como elas so construdas estruturalmente, e assim enxergar
combinaes de duas ou mais heursticas para obter uma heurstica composta que leve a
solues de melhor qualidade.
1.1 OBJETIVOS
O trabalho tem como objetivo uma classificao das fases de heursticas
construtivas para o ambiente de flowshop permutacional. A heurstica pode ser definida
como um mtodo desenvolvido atravs de um modelo cognitivo, usualmente atravs de
regras baseadas na experincia dos desenvolvedores. Heursticas construtivas so assim
denominadas por construrem a soluo de um problema de maneira incremental, a
partir do zero.
Devido ao fato de os problemas de flowshop permutacional com n-tarefas e mmquinas pertencerem aos problemas NP-hard, (Johnson e Montgomery, 1974), os
requisitos computacionais para obter solues timas, que aumentam exponencialmente
medida que aumenta o tamanho do problema, tornam-se importantes na resoluo de
problemas de flowshop permutacional. Heursticas construtivas foram desenvolvidas
sob esta situao. Embora a meta-heurstica melhore muito a qualidade das solues, os
17
requisitos computacionais e a complexidade de implementao tambm aumentam, que
uma desvantagem quando se aplica na prtica. Encontrar uma heurstica construtiva
eficaz e computacionalmente vivel traz contribuies tanto para a prtica quanto para a
literatura, pois os resultados podem ser usados como inicializao para as metaheursticas, como por exemplo, para o algoritmo gentico hbrido, e Busca Tabu
(REEVES, 1993), o Algoritmo Gentico (CHEN et al, 1995), etc.
Inicialmente, portanto, busca-se identificar e analisar os principais mtodos
heursticos relacionados ao tema, para, posteriormente, estabelecer uma classificao de
suas fases. Com isso, procura-se disponibilizar uma sntese das ferramentas heursticas
utilizadas para otimizar a programao das operaes em Flowshop permutacional,
fornecendo um panorama geral sobre o que existe na rea e facilitando a combinao
destas heursticas para a resoluo de problemas.
18
2 REVISO BIBLIOGRFICA
19
distintas para a execuo dessas atividades ou 120 solues possveis de ordenamento.
Em um caso que apresente dez atividades, o nmero de alternativas cresce para
3.268.800 problema ainda pequeno em comparao ao que ocorre em ambientes reais
(GIGANTE, 2010).
Por fim, programao o conjunto de atividades que definem os volumes de cada
produto, datas de incio e trmino de produo e os equipamentos usados para sua
fabricao. Seu objetivo, segundo Rodammer e White Jr. (1981), encontrar um modo
adequado de distribuir e sequenciar o uso de recursos compartilhados de forma que
atenda s restries da produo e minimize os custos.
Segundo Nambiar et al (1981), a programao da produo est no nvel mais
baixo na hierarquia de um sistema de planejamento da produo. Nessa hierarquia, o
primeiro nvel determinado pelo programa mestre, elaborado com base nas decises
agregadas sobre produo e capacidade. Uma vez fixado o programa mestre de
produo, temos o segundo nvel da hierarquia, onde se determinam as quantidades a
serem produzidas (ou compradas) dos diferentes componentes. O terceiro e ltimo nvel
encontra-se aps a definio das quantidades e datas de entrega dos diferentes
componentes, e compreende os programas de produo e as alocaes dos recursos
necessrios. Para o autor, portanto, o objetivo de uma programao atribuir e
seqenciar a utilizao desses recursos compartilhados, minimizando os custos e
atendendo s restries de produo.
De modo geral, a programao da produo envolve um conjunto de tarefas a
serem processadas, e cada tarefa, por sua vez, compreende um conjunto de operaes
distintas. As operaes requerem mquinas, recursos humanos e recursos materiais e
devem ser executadas de acordo com uma sequncia tecnolgica vivel. A programao
influenciada, portanto, por diversos fatores: prioridade de tarefas, prazos de entrega,
restries de custos, nveis de produo, restries quanto aos tamanhos dos lotes,
disponibilidade e capacidade de mquinas, precedncias de operaes, requerimentos de
recursos e disponibilidade de recursos. O programa gerado seleciona uma seqncia
adequada de operaes que resultar na concluso de todas as tarefas do conjunto no
menor tempo possvel.
No nvel da programao de produo, as decises tomadas no apresentam
importncia de forma individual. O conjunto de decises tomadas em um perodo de
tempo, contudo, possuem enorme influncia nos planos elaborados nos nveis
superiores da hierarquia, podendo comprometer o desempenho de um dado ambiente de
20
programao. Uma programao de baixa qualidade pode ocasionar desperdcio de
recursos e materiais, atrasos nas datas de entregas, baixa qualidade de produtos, baixa
lucratividade, entre outros.
Para Graves (1981), o problema de programao da produo abrange um
conjunto de tarefas a serem realizadas e os critrios de realizao, que podem
determinar, por exemplo, um trmino adiantado ou prolongado dessas tarefas.
A programao da produo e os estoques acomodam a demanda pelos produtos.
Entretanto, h variveis controlveis externas, como o nvel de estoque e cargamquina, que influenciam o desempenho do sistema produtivo. Assim, tais fatores
tambm devem ser considerados na programao da produo, bem como os fatores
internos, ambos levando a estratgias distintas.
Quanto orientao externa, a programao busca atender a influncia da
demanda, representada pelas solicitaes dos clientes em quantidade e prazo. J a
orientao externa, ligada produtividade, envolve o uso eficiente dos recursos.
A programao da produo orientada aos fatores externos abrange a
considerao de prazos, isto , estabelecer os tempos de execuo ou durao, bem
como as tolerncias de fabricao, a partir de um prazo de entrega ou data de trmino.
Deste modo so obtidas as datas de incio de fabricao ou execuo das atividades.
Prazos podem ser estabelecidos de diversas maneiras, de acordo com os aspectos
especficos de cada processo produtivo. Abaixo, tem-se um exemplo:
Figura 1 - Programao da produo em funo dos prazos solicitados. Fonte: Gigante (2010)
21
A situao ilustrada em (a) aplica-se aos casos onde j esto disponveis as
matrias-primas a serem usadas na fabricao. O prazo para incio da funo obtido
subtraindo-se o tempo de execuo da funo do prazo solicitado pelo cliente, ou do
prazo dado pela reposio do estoque. O tempo de execuo da funo pode
complementar tempos de espera caso haja indisponibilidade de equipamentos devido
fabricao de demais produtos da empresa, entre outros.
Na situao (b), onde no h disponibilidade de matria-prima (ou outros
recursos), ocorre um atraso no pedido do cliente, que s processado aps a obteno
dos recursos. Assim, alm de coordenar a programao, preciso coordenar tambm a
obteno dos recursos necessrios.
Pode ocorrer ainda uma terceira situao, na qual o pedido do cliente marca o
incio da funo. Nesse caso, o prazo de entrega ou trmino dado pela durao da
funo ou atividade. Recebido o pedido do cliente, o incio da funo depende apenas
da disponibilidade de recursos.
A programao da produo voltada aos fatores internos procura uma utilizao
eficiente da capacidade, como por exemplo, a mxima utilizao das mquinas, atravs
da coordenao das atividades simultneas que ocorrem internamente.
Assim, a programao da produo orientada externamente busca atender critrios
de servios ao cliente, enquanto a orientada internamente busca atingir a produtividade
dos recursos. Apesar do fato de que a estratgia de programao da produo dependa
da prtica de cada empresa, alguns objetivos bsicos so preservados: entrega dos
produtos fabricados nas datas compromissadas ou estabelecidas; distribuio da carga
de trabalho para obter mxima utilizao dos recursos; garantia de disponibilidade da
matria-prima e componentes quando solicitados pela fabricao; impedimento de
grande concentrao de trabalho em poucas mquinas; previso da ociosidade da
capacidade produtiva; estabelecimento de sequncias de produo que minimizem o
tempo de equipamento sem trabalho.
Os problemas de capacidade e de estoques esto fortemente ligados aos problemas
de programao da produo, tanto ligados aos aspectos externos como aos internos.
A programao se torna mais complexa nas situaes em que no h estoques de
produtos acabados e as decises de programao so influenciadas pela demanda
imposta pelos clientes, pois o grau de competitividade das tarefas baixo, o que
demanda um alto controle na programao.
22
J nas situaes em que h estoque, a programao deve analisar trs estgios do
sistema: o prazo para o produto final entrar no estoque, o incio da fabricao do
produto e a disponibilidade de matrias-primas para a fabricao. Apesar de envolver
mais estgios e ser tecnicamente mais complexa, nesta situao a determinao dos
prazos mais simples porque se volta para a demanda do estoque, e no para o cliente
(GIGANTE, 2010).
De modo geral, um nvel alto de demanda est ligado padronizao de produtos
e servios, o que acarreta uma repetitividade da funo e a existncia de recursos com
finalidades especficas. Um nvel baixo de demanda, por sua vez, pode estar associado
variedade de produtos e servios no padronizados, que gera baixa repetitividade das
tarefas e exige mquinas e equipamentos de uso geral.
A eficincia da programao da produo pode ser avaliada por parmetros
ligados a aspectos internos e externos. So parmetros de orientao interna: nvel de
produtos acabados ou trabalhos em andamento/progresso; porcentagem de faltas nos
estoques; e tempo parado por outros motivos (quebras, falta de uso, etc). So
parmetros de orientao externa: porcentagem das ordens entregues antes do prazo ou
no prazo e tempo de espera do cliente. E h, ainda, parmetros de origem externa e
interna: porcentagem de utilizao dos recursos, quantidade de clientes perdidos e
tempo de preparao das mquinas.
Tcnicas e mtodos com finalidades especficas foram desenvolvidos para
executar a programao da produo de acordo com seus objetivos, tanto para atender
aos aspectos externos como para cumprir orientaes internas. Entre os mais difundidos
esto os Grficos de Gantt, o Diagrama de Montagem, as Tcnicas de Redes (CPM e
PERT) e diversos mtodos heursticos que determinam o melhor seqenciamento da
produo.
23
operacionais diretos minimizados. J Sipper e Bulfin Jr. (1997) definem scheduling
como o processo de organizar, escolher e temporizar o uso de recursos na realizao de
todas as atividades necessrias para produzir sadas nos momentos necessrios. O
scheduling deve satisfazer um grande nmero de restries de tempo e de relaes entre
as atividades e os recursos. Caso os recursos sejam ilimitados, um problema de
scheduling no existe (FERNANDES; FILHO, 2010).
Considerando uma mquina que processe 32 tarefas, o nmero de sequncias
possveis seria de 32! = 2,5x1035, nmero excepcionalmente grande (SIPPER; BULFIN
JR, 1997). Utilizando um computador sofisticado para avaliar todas as alternativas, este
processo levaria centenas de anos. Portanto, verifica-se a necessidade de algoritmos
para reduzir este universo de possibilidades de modo a obter as melhores sequncias.
De modo geral, podemos afirmar que a programao da produo ou scheduling
um processo de deciso onde o objetivo a otimizao da produo e onde o uso dos
recursos est sujeito a uma srie de restries. Portanto, esta programao diz respeito
alocao de recursos limitados para tarefas ao longo do tempo. As formas de recursos e
tarefas podem ser diferentes, dada a variedade de indstrias e seus objetivos.
Em um sistema de manufatura, os pedidos devem ser liberados e traduzidos em
tarefas, com suas respectivas datas de entregas. Tais tarefas devem ser processadas por
mquinas em centros de trabalhos em uma determinada ordem ou sequncia, e podem
ter que esperar ou adiantar seu processamento caso as mquinas estejam ocupadas ou
quando tarefas de alta prioridade precisam ser processadas antecipadamente. O
planejamento detalhado das tarefas a serem executadas em um sistema de produo
necessrio para manter a eficincia e o controle das operaes. A programao um
importante processo de tomada de deciso existente na maioria dos sistemas de
manufatura e produo, em ambientes de processamento de informaes, de transporte e
distribuio e outros tipos de indstrias de servios. A programao da produo tem
diferentes focos, desde o ponto de vista tcnico at o da implementao. Na academia,
os trabalhos cientficos do destaque para problemas de programao so semelhantes
aos modelos de otimizao combinatria e modelagem estocstica. As dificuldades que
ocorrem durante a implementao na indstria, contudo, so de um tipo diferente e
esto relacionados com a modelagem dos problemas de programao do mundo real e
recuperao da informao (PINEDO, 2008).
De fato, a programao da produo tem sido objeto de estudo altamente
explorado pelas comunidades acadmicas nas ltimas dcadas. Trata-se de uma das
24
reas com mais publicaes em conferncias e revistas especializadas. No entanto,
tambm uma das reas onde h uma enorme distncia entre a teoria e o que se consegue
aplicar na prtica industrial. Embora considerada relativamente simples em termos de
formulao e visualizao do que requerido, esta classe de problemas apresenta alto
grau de dificuldade para obter solues timas at mesmo nas situaes mais comuns. A
maioria dos problemas reais de programao da produo por natureza muito
complexa e de difcil resoluo, em termos da soluo tima. Tal constatao no
implica dizer que os problemas de programao da produo do cotidiano das empresas
no sejam resolvidos. O que se quer dizer que as solues encontradas por elas no
so as solues timas, mas sim solues semi-timas que resolvem os problemas com
a mxima eficincia possvel.
Existem duas maneiras de descrever os problemas de programao. Conway et al.
(1967) introduziram uma notao de parmetros A/B/C/D, em que A representa o
nmero de tarefas, B o nmero de mquinas, C o ambiente da mquina, e D a funo
objetivo. Graham et al. (1979) introduziram uma notao de trs parmetros //,
amplamente utilizada na literatura atual. O campo descreve o ambiente da mquina e
contm uma nica entrada. O campo fornece detalhes das caractersticas de
processamento e as restries, e pode no conter entradas, uma entrada nica, ou
mltiplas entradas. O campo contm o objetivo a ser minimizado e, geralmente,
contm uma nica entrada.
Existem cinco principais categorias de ambiente de mquina em problemas de
programao: mquina nica, mquinas paralelas, flowshop, jobshop e openshop.
Alguns deles podem ser quebrados em subcategorias. O caso de uma nica mquina
apresentado no campo =1 e o mais simples de todos os ambientes de mquinas
possvel. Pm descreve o ambiente de m mquinas idnticas paralelas. A tarefa j requer
uma nica operao e pode ser processada em qualquer uma das m mquinas ou em
qualquer uma pertencente a um dado subconjunto. Qm descreve o ambiente de
mquinas paralelas uniformes, em que m mquinas em paralelo possuem velocidades
diferentes, mas a relao de velocidade conhecida. O ambiente de mquinas paralelas
generalizado usando as letras Rm para representar mquinas paralelas no
relacionadas, no qual as velocidades das mquinas so diferentes e a relao das
velocidades so desconhecidas.
Os exemplos de possveis dados de entrada no campo so: data de liberao (rj),
os tempos de set up dependentes da seqncia (sjk), interrupes (prmp), restries de
25
precedncia (prec), avarias (brkdwn), restries de elegibilidade de mquina (Mj),
permutaes (prmu), bloqueio (block), sem-espera (nwt) e recirculao (recrc).
Exemplos de possveis dados de entrada no campo so: data de trmino (Cij),
tempo de fluxo (Fj), atraso da tarefa (Lj), tempo de atraso da tarefa (Tj), makespan o
tempo para completar todas as tarefas (Cmax), atraso mximo (Lmax), atraso ponderado
(
tarefas atrasadas (
), nmero ponderado de
e gesto.
O ambiente Fluxoshop (Fm) descreve o ambiente em que m mquinas esto em
srie. Cada tarefa tem que ser processada em cada uma das m mquinas. Todas as
tarefas tm as mesmas sequncias. Aps a concluso em uma mquina, uma tarefa
precisa esperar na fila caso a prxima mquina esteja ocupada. Se todas as filas so
assumidas para operar sob o regime first in first out (FIFO), o flowshop conhecido
como Flowshop permutacional. O Flowshop flexvel uma generalizao do ambiente
de flowshop e de mquinas paralelas, e denotado por FFs.
2.3 O AMBIENTE FLOWSHOP PERMUTACIONAL
Em muitas linhas de fabricao e montagem, vrias operaes necessitam ser
realizadas em todas as tarefas. Muitas vezes, essas operaes tm de ser realizadas em
todas as tarefas na mesma ordem, o que implica que essas tarefas devem seguir a mesma
sequncia. Assume-se que as mquinas esto instaladas em srie e o ambiente referido
o flowshop. Em um problema de programao flowshop permutacional, h um conjunto
de n tarefas para serem processadas em um conjunto de m mquinas, o ambiente
assumido dispes de m mquinas instaladas em srie e cada tarefa processada
exatamente na mesma ordem. O objetivo encontrar uma sequncia, entre as n!
possveis, para o processamento das tarefas nas mquinas, de modo que alguma funoobjetivo previamente estabelecida seja minimizada. Neste trabalho, o objetivo a
minimizao do tempo total da programao ou makespan, que o critrio mais comum
citado na literatura (RUIZ e MAROTO, 2005).
Os tempos de processamento necessrios para as tarefas nas mquinas so
representados por tij, onde i = 1, ... n, e j = 1, ..., m. Os tempos de processamento so
fixos, conhecidos previamente, e no negativos. Baker (1974) lista vrias premissas que
so comumente feitas sobre esse problema:
26
Cada tarefa i pode ser processada no mximo em uma mquina j por vez;
Cada operao tem no mximo uma precedente e uma sucessora, isto , possuem
fluxo unidirecional;
Algoritmo Exato
Heursticas
27
comportamento do problema, gerando um nmero muito menor de solues. Diante da
dificuldade em encontrar uma soluo tima para o problema de flowshop, mtodos
heursticos englobam estratgias, procedimentos e mtodos aproximativos com o
objetivo de encontrar uma boa soluo, mesmo que no seja a ideal, em um tempo
computacional razovel (FERNANDES; FILHO, 2010).
Quanto forma de obteno da soluo, a literatura classifica os mtodos
heursticos em construtivos e melhorativos.
Os mtodos construtivos consistem em construir a soluo de um problema a
partir do zero, de forma incremental, e que ser o resultado final do problema
(PALMER, 1965; CAMPBELL et al., 1970; DANNENBRING, 1977; KOULAMAS,
1998; DAVOUD POUR, 2001; NAGANO e MOCCELLIN, 2002; KALCZYNSKI e
KAMBUROWSKI, 2007; DONG; HUANG e CHENG, 2008; KALCZYNSKI e
KAMBUROWSKI, 2008; RAD; RUIZ e BOROOJERDIAN, 2009).
Este tipo de
mtodo gera uma soluo factvel para o problema das seguintes maneiras:
28
Rapid Access (RA). Rad, Ruiz e Boroojerdian (2009) modificaram a heurstica NEH ao
adicionar a abordagem da busca local aps o procedimento principal. Pode-se citar
ainda Taillard (1990); Widmer e Hertz (1991) e Nowicki e Smutnicki (1996). Rajedran
e Ziegler (2004) apresentaram dois novos mtodos baseados no ant-colony optimization
(ACO). Estas heursticas melhorativas utilizam tcnicas de busca local para melhorar a
qualidade da soluo gerada.
Apesar da vasta gama de estudos na rea de programao da produo em
ambiente flowshop, muitos dos mtodos desenvolvidos so considerados complexos e
requerem grande esforo computacional. Portanto, a busca de mtodos heursticos mais
simples, eficazes e de mais fcil implementao ainda permanecem como objetos de
estudos visando melhoria contnua no ambiente produtivo.
2.5 HEURSTICAS CONSTRUTIVAS
A seguir so apresentadas as principais heursticas construtivas que tratam dos
problemas de flowshop permutacional com critrio de minimizao da durao total da
programao (makespan). Para tal, adotaremos as seguintes notaes:
Seja J={J1, J2, J3, ..., Jj, ..., Jn} um conjunto de n tarefas a serem processadas em
m mquinas distintas na mesma seqncia de processamento.
pij o tempo de processamento de tarefa Jj na mquina i, isto pij (i=1, 2, 3, ...,
m; j=1, 2, 3... n). Vale lembrar que mesmo que todas as tarefas obedecem
mesma seqncia, uma determinada tarefa x pode no ser processada em uma
determinada mquina y, e portanto, pyx=0.
Para problemas de n tarefas que sejam processadas em apenas 2 mquinas,
Johnson (1954) desenvolveu um algoritmo que fornece a soluo tima de
sequenciamento em ambientes flowshop com objetivo de minimizao do makespan.
Para problemas com n tarefas e m mquinas, encontrar uma soluo tima dentro de um
tempo computacional finito ainda no foi possvel. Isto se deve ao fato de que a funo
de complexidade do tempo computacional de problemas de flowtime de natureza
exponencial. E ento para estes casos que se faz necessrio o uso de heursticas para a
resoluo destes problemas com objetivo de alcanar solues boas com esforo
computacional aceitvel.
Campbell, Dudek, e Smith (1970) desenvolveram uma heurstica que conhecida
29
como CDS. Trata-se de uma heurstica multi-estgio que constri m-1 sequncias,
agrupa as m mquinas originais em duas mquinas artificiais e resolve o problema
gerado de duas mquinas utilizando repetidamente a regra de Johnson. Os tempos de
processamento da tarefa j na mquina i (i=1 ou 2) so gerados iterativamente a partir
dos tempos de processamentos originais nos m-1 estgios.
No estgio 1:
e
Para cada estgio t (t = 1, 2, ..., m-1), obtm-se uma sequncia de tarefas por meio
da regra de Johnson. Com esta sequncia, calcula-se o makespan com os tempos de
processamento do problema original. Aps m-1 estgios, a sequncia que fornecer o
menor makespan escolhida como a melhor soluo para o problema.
Palmer (1965) desenvolveu uma heurstica que atribui um ndice para cada tarefa,
o chamado slope index, e em seguida, organiza a sequncia de acordo com o ndice
atribudo a cada tarefa. Este ndice calculado de modo a organizar as tarefas em ordem
no-crescente de seus tempos de processamento. As tarefas que possuem maiores
30
tempos de processamento recebem maiores ndices, e ento, cada tarefa organizada de
modo que aquelas com os maiores slope ndex (Sj) ocupam as primeiras posies na
sequncia de execuo. Tal ndice Sj para a tarefa Jj dado por:
(
Gupta props uma modificao do slope index de Palmer que explorava algumas
semelhanas entre os problemas de programao e triagem (Gupta, 1971). Na verdade,
Gupta reconheceu que o algoritmo de Johnson na verdade um mtodo de ordenao de
tarefas em problemas com 2 ou 3 mquinas, a partir da atribuio de um ndice para
cada tarefa, seqenciando-as de acordo com a ordem crescente de tais ndices. Gupta
ento generalizou o problema mas caso em que m>= 4 mquinas.
A seguir
()
onde:
{
A partir dos ndices obtidos por este mtodo, duas novas sequencias podem ser
encontradas. Seleciona-se a sequencia que apresentar o menor makespan.
31
Moccellin (1995) props uma heurstica denominada FSHOPH (flowshop
heuristic), semelhante heurstica SPIRIT proposta por Widmer e Hertz (1991). A
heurstica FSHOPH baseia-se no problema do Caixeiro Viajante, porm o conceito de
distncia percorrida entre duas tarefas muito diferente nesta heurstica se comparado
SPIRIT.
O clculo da durao total da programao no problema de Programao de
Operaes Flowshop Permutacional de uma sequncia S com n tarefas e m mquinas
dada por
( )
Onde:
Se considerarmos
)]
32
Onde:
um limitante superior de
( )
Se considerarmos
[ ][
Dannenbring apresentou a heurstica Rapid Acess (RA), que uma mistura das
idias prvias do ndice de Palmer e CDS (Dannenbring 1977). A principal idia por
trs construir um nico subproblema de duas mquinas (ao invs de m-1
subproblemas), onde os tempos de processamento de cada tarefa so determinados pelo
esquema de ponderao linear. Este subproblema resolvido usando o algoritmo de
Johnson para duas mquinas. O procedimento de RA fornece uma boa soluo de
maneira rpida. Os pesos para as tarefas so calculados por:
( )
33
solues dentro de tempos de processamento razoveis. No entanto, a qualidade das
solues ainda possui muitas oportunidades a serem melhoradas.
Sarin e Lefoka (1993) exploraram a ideia de minimizar o tempo ocioso da ltima
mquina, pois o aumento do tempo ocioso da ltima mquina se traduzir em um
aumento no tempo de concluso total ou makespan. Portanto, a sequncia completada
inserindo-se uma tarefa de cada vez, e dada prioridade ao trabalho que resulta na
mnima adio de tempo ocioso na mquina m.
Nawaz, Enscore, e Ham (1983) desenvolveram uma heurstica construtiva
denominada NEH, que compreende duas fases simples, baseado na ideia de priorizar as
tarefas em funo da soma de seus tempos de processamento em todas as m mquinas.
A heurstica NEH classificada como uma heurstica construtiva, ao passo que exige n
iterao do procedimento, que tem (n2m) clculos possveis, de acordo com Ruiz e
Maroto (2006).
Devido ao bom desempenho da heurstica NEH original, pesquisadores
enfatizaram o aprimoramento do NEH para diferentes abordagens. As principais
direes das pesquisas para a modificao do NEH na literatura de programao da
produo so baseadas em quatro categorias principais, descritas a seguir:
O objeto da primeira categoria estudar o efeito da sequncia inicial na fase I, na
abordagem do NEH para o seu desempenho (NEH original). Framinan et al. (2003)
analisaram 177 diferentes sequncias iniciais, verificando mudanas nas fases iniciais
(fase de indexao) do NEH, a qual os cinco melhores mtodos para as funes objetivo
de minimizao de makespan, tempo ocioso de mquina (idletime) e tempo total de
fluxo (flowtime). Foi calculado a porcentagem de desvio relativo, e os resultados
mostraram que a sequncia do NEH original teve o melhor desempenho para as funes
objetivo de minimizao do makespan e tempo ocioso.
Nagano e Moccellin (2002) desenvolveram uma heurstica construtiva
denominada N&M, onde esta se difere da heurstica NEH (1983) apenas na fase inicial
de ordenao. Este processo quebrado em duas etapas:
Etapa 1: Calcular
Onde:
34
= tempo de processamento da tarefa i na mquina k;
n = nmero de tarefas;
m = nmero de mquinas
( (
))
sendo,
[ ]
[ ])
[ ]
[ ]
[ ])
e faa lx 1.
Para l de 2 at n, faa:
Teste a tarefa r na posio l de
SE o makespan da sequncia
35
)}
sequncia (
Ento faa: lx 1 e
[(
) ]
) ]
Desta forma, cada tarefa recebe um valor do esquema de ponderao dado pela
(
combinao linear
( )
( )
Logo
( )
o tempo de
( )
( )
( )
(
( ))
36
posio x com o menor
( ).
e teste h em todas as
Para o mtodo FRB4, a nica mudana em relao ao FRB3 est no modo como
feito o processo de busca na Etapa 2.1. O FRB3 realiza a busca em l possveis solues,
enquanto que o FRB4 busca em um intervalo definido entre o mximo de l e p k e o
mnimo de l e p+k, onde p a posio em que a tarefa foi inserida no passo 2 e k um
valor pr-definido para mtodo e varia entre {2, 4, 6, 8, 10, 12}. O mtodo FRB4
apresentado a seguir:
Etapa 1: Calcule
e
Etapa 2.1: Para i=Max (i, p-k) at Mn (l, p+k), retire a tarefa h da posio i de
e teste a em todas as posies possveis de
menor makespan.
37
(2007) introduziram o procedimento de poda baseado nas propriedades de bloco dos
problemas de programao flowshop, que investigado para reduzir o tempo de
execuo, e dentro da heurstica NEH, para reduzir a complexidade computacional. Os
resultados experimentais mostraram que o NEH aperfeioado apresenta uma grande
reduo do tempo de execuo quando comparado com o NEH original. Gao et al.
(2007) propuseram o NEH melhorado, com completos movimentos de inseres para
resolver o problema de flowshop permutacional. Mtodo para o rpido clculo do
makespan e a poltica de eliminao de permutaes no-promissoras so introduzidos
para reduzir o esforo da avaliao.
38
3 CLASSIFICAES
EXISTENTES
FLOWSHOP PERMUTACIONAL
DE
HEURSTICAS
DE
39
simples quanto como uma forma de generalizao de uma heurstica mais simples. Por
exemplo, a heurstica de Campbell et al (1970) pode ser considerada uma forma
generalizada da heurstica de agregao de mquinas de Rck e Schmidt (1983). Na
classificao sugerida por Loureno (1996), vrias heursticas de diferentes naturezas,
tais como Nawaz et al (1983) e Gupta (1971), poderiam ser agrupadas dentro do termo
heurstica construtiva. Porm na prtica, esta ltima heurstica seria considerada como
um ponto inicial para formar a soluo final. Com relao classificao de Gupta, de
um lado ela no cobre os desenvolvimentos de heursticas recentes tais como a de Page
(1961), que se baseia em buscas locais. De outro lado, desenvolvimentos relativamente
novos tais como as meta-heursticas no se encaixam nesta classificao por razes
bvias. Por fim, outros trabalhos como os de Morton e Pentico (1993), simplesmente
distinguem entre heursticas e mtodos de busca local, sem fazer a relao entre eles.
3.1 CLASSIFICAO PROPOSTA POR FRAMINAN, GUPTA E LEISTEN
Dando continuidade a estes estudos, Framinan, Gupta e Leisten (2004)
desenvolvem um quadro geral para estender classificaes anteriores de modo a
abranger todas as principais heursticas.
No quadro geral proposto, o desenvolvimento de uma heurstica consiste em trs
fases:
geral so independentes uma da outra. Entretanto, uma heurstica que consista em mais
de uma destas fases deve ocorrer na ordem acima mencionada. As trs fases sero
explicadas com mais detalhes a seguir.
3.1.1
40
sequenciamento das tarefas. O resultado desta fase a lista seqenciada das tarefas para
serem inseridas para a prxima fase, ou soluo.
Para derivar o ndice, podemos usar ou no um problema anlogo. Problema
anlogo refere-se ao uso de dados de problemas do tipo Fm/prmu/Cmax para construir e
resolver um caso de diferentes classes de problemas. Quando o ltimo problema tiver
sido resolvido por determinados meios, a soluo obtida convertida em uma sequncia
de tarefas para o problema original Fm/prmu/Cmax. Talvez o exemplo mais bvio de um
problema anlogo seja a analogia F2//Cmax, empregada em heursticas como a de
Campbell et al (1970). Nesta heurstica, um problema F2//Cmax construdo por
agregao de mquinas a partir de dados oriundos do problema Fm/prmu/Cmax original a
ser resolvido. O problema F2//Cmax ento obtido resolvido de forma tima em tempo
polinomial aplicando a regra de Johnson, e a sua soluo tima aceita como uma
soluo para o problema original Fm/prmu/Cmax.
Se nenhuma analogia for usada, a propriedade deve ser simplesmente deduzida a
partir de alguma forma de relacionamento assumido, que envolva o tempo de
processamento das tarefas e suas posies correspondentes dentro da sequncia.
Nos casos onde alguns problemas anlogos precisam ser empregados, as duas
questes seguintes devem ser consideradas:
a) A simplicidade dos problemas anlogos empregados, isto , se existem mtodos
polinomiais disponveis para resolver otimamente o problema anlogo, ou ao
menos alguma heurstica eficiente para este ltimo;
b) A correspondncia entre solues dos problemas de analogia e dos problemas
Fm/prmu/Cmax, isto , se possvel provar que as solues boas ou timas
provenientes do problema anlogo rendem boas (ou timas) solues para o
problema original.
Trs problemas anlogos tm sido usados at agora para derivar uma ordenao
das tarefas: F2//Cmax, o Problema do Caixeiro Viajante (PCV) e a analogia da Soma de
Vetores, explicados a seguir.
Analogia F2//Cmax
Como mencionado antes, a analogia mais clara e a mais utilizada a analogia com
o problema F2//Cmax via agregao de mquinas. A agregao de mquinas refere-se a
uma simplificao do problema original em relao s mquinas. Como resultado, o
problema original convertido em um novo problema denominado Aggregated
41
Problem Instance , com um nmero de mquinas fictcias denominadas m menor
que o problema original. Mais especificamente, um problema com n tarefas, m
mquinas transformado em um problema com n tarefas, m mquinas, sendo m < m.
Com relao s duas questes acima sobre as analogias mencionadas na seo
anterior (simplicidade e correspondncia), o primeiro alcanado fixando m = 2, desde
que seja possvel resolver o problema F2//Cmax otimamente em tempo polinomial, de
acordo com a regra de Johnson. Portanto, embora m possa valer teoricamente
qualquer valor m < m, m fixado a 2 em todas as heursticas existentes que utilizem o
procedimento de agregao de mquinas. Por outro lado, o caso de agregao de
mquinas com m > 2 implica na resoluo de um problema cuja complexidade
idntica quela do problema original. Desta forma, no vivel desenvolver uma
heurstica de agregao de mquinas com m > 2, a menos que abordagens heursticas
especficas sejam desenvolvidas para um determinado caso Fm//Cmax, sendo 2 < m < m,
ou exista uma heurstica que apresente um desempenho extraordinariamente melhor
para um determinado m > m. Finalmente, perceba que para m < 2, isto , m = 1,
qualquer sequenciamento timo, logo no parece ser possvel converter a soluo do
problema agregado correspondente em uma soluo que faa sentido para o problema
original.
Com relao correspondncia entre solues, nenhuma prova formal foi
desenvolvida at o momento. Desde que os tempos de processamento do caso sejam
envolvidos, a correspondncia ser dependente do caso e, portanto, boas abordagens
para a agregao podem ser distinguidas de abordagens ruins apenas com base
estatstica, isto , o percentual de problemas em que uma certa abordagem para designar
tempos de processamento que produza casos agregados cuja soluo tima representa
uma boa soluo para o problema original. As principais abordagens para designar
tempos de processamento para duas mquinas referem-se a Campbell et al (1970),
Dannenbring (1977), Rck e Schmidt (1983), Selim e Al-Turki (1987), e Lai (1996).
Todas essas abordagens resolvem otimamente o problema F2//Cmax (pela regra de
Johnson) e usam essa soluo como soluo para o problema Fm/prmu/Cmax, com
exceo da heurstica de Lai, que simplesmente classifica uma tarefa j em um dos dois
grupos seguintes: U:{j:p1j p2j}, V:{j:p1j > p2j}, como na regra de Johnson.
Entretanto, as tarefas em cada grupo no so classificadas mas sim sequenciadas
arbitrariamente, e unidas com a nica condio de que as tarefas em U devam preceder
as tarefas em V. Esse procedimento permite que a heurstica seja muito rpida,
42
apresentando uma anlise do pior caso no muito diferente de outros procedimentos de
agregao de mquinas. Porm, nenhum experimento computacional foi realizado para
testar a performance desta heurstica (FRAMINAN; GUPTA; LEISTEN, 2004).
Analogia PCV
A analogia do problema Fm/prmu/Cmax com o PCV foi apontada pela primeira vez
por Gupta (1968), e tem sido tambm estudada por Stinson e Smith (1982), Widmer e
Hertz (1991) e Moccellin (1995). Nestes trs artigos, a matriz de distncia que define o
caso PCV de n cidades montado utilizando o tempo de processamento das mquinas
(no caso do artigo de Stinson e Smith so apresentados mais de seis diferentes modos de
construo da matriz de distncias). Assim, o PCV resolvido, e a sua soluo
mantida como soluo para o problema original Fm/prmu/Cmax.
Considerando que o PCV seja do tipo NP-hard, no h mtodo disponvel que
garanta uma soluo tima dentro do intervalo de deciso (FRAMINAN; GUPTA;
LEISTEN, 2004).
||
3.1.2
Nesta fase, uma soluo construda de forma recursiva ao tentar inserir uma ou
mais tarefas no sequenciadas em uma ou mais posies de uma sequncia parcial, at
que todo o sequenciamento esteja completo. Portanto, esta fase consiste de uma srie
limitada de tentativas (loops). Em cada loop k, o conjunto de tarefas dividido em dois
subconjuntos: o subconjunto Sk de tarefas j sequenciadas e o subconjunto Rk de tarefas
43
no-sequenciadas. Perceba que no k-simo loop, o subconjunto Sk define uma sequncia
parcial de k tarefas. Em cada loop, uma tarefa removida do subconjunto nosequenciado e inserida no subconjunto de tarefas j sequenciadas.
Nesta fase existem duas questes em qualquer loop k:
a) Seleo de tarefas, isto , definir qual tarefa j Rk ser inserida no
subconjunto Sk..
A seleo de tarefas deve ser decidida de acordo com uma das seguintes
abordagens:
44
devem coincidir ou pelo menos ser consistentes com a funo objetivo
(minimizao do makespan). Similarmente ao caso de seleo das tarefas, devero
existir algumas regras de desempate quando mltiplas posies so testadas.
Novamente, este aspecto ignorado pela maioria das heursticas existentes.
Percebe-se que as decises para a seleo e a insero de tarefas (caso sejam
tomadas) so tomadas usando informao parcial (local) e, portanto, apenas
melhoramentos locais podem ser obtidos. Logo, no se pode garantir que a sequncia
resultante fornea um makespan menor que a sequncia inicial desenvolvida na fase I,
ou at mesmo uma sequncia aleatria.
3.1.3
Nesta fase, de acordo com Framinan, Gupta e Leisten (2004), uma soluo
existente melhorada por meio de alguns procedimentos. As duas principais
caractersticas desta fase so:
45
vizinhana especficas so aquelas em que a definio de vizinhana considera algumas
caractersticas especficas para o problema Fm/prmu/Cmax.
3.1.4
46
Para este trabalho, a anlise concentra-se na primeira parte do estudo de
Framinan, Leisten e Ruiz-Usano (2005), onde so descritas determinadas estratgias
para determinao de heursticas simples. Para classificar as heursticas relevantes para
o problema considerado, segue-se o esquema em trs fases empregado por Framinan,
Gupta e Leisten (2004): desenvolvimento de ndices, construo da soluo, e
melhoramento da soluo. Cada heurstica pode usar uma mais ou mais dessas fases.
Como as estratgias descritas valem apenas para casos de heursticas simples,
importante destacar que Framinan, Leisten e Ruiz-Usano (2005) definem o termo
heurstica composta da seguinte maneira: uma heurstica considerada composta se
ela empregar outra heurstica para uma ou mais das trs fases j mencionadas.
Consequentemente, uma heurstica considerada como simples se ela no utilizar outra
heurstica em nenhuma das trs fases.
De acordo com a classificao apresentada, dentre as heursticas simples
mencionadas, existem diversas estratgias para a fase I (desenvolvimento do ndice).
So elas:
47
48
encontrar uma soluo melhorada, o processo de troca inicia-se a partir da
primeira tarefa da nova sequencia.
Alm destas, h uma estratgia que segue a mesma ideia que a expressada acima:
BPE-R ou Backward Pairwise Exchange (restart). Trata-se de uma estratgia
semelhante a BPE, porm quando a troca de tarefas realizada, o processo de trocas se
inicia a partir da ltima tarefa da nova sequencia. As quatro estratgias citadas acima
para a fase de melhoramento exploram a troca aos pares das vizinhanas. Embora no
existam estudos especficos que abordem a minimizao do flowtime, a insero nas
vizinhanas considerada o esquema mais eficiente para busca local com o objetivo de
minimizao do makespan (TAILLARD, 1990).
49
4 RESULTADOS E DISCUSSO
A seguir, sero descritas e classificadas as principais heursticas encontradas na
literatura cujo objetivo a minimizao do tempo total da programao (makespan).
Todas estas heursticas se encaixaro no quadro de classificao proposto por Framinan
et al (2004) nas trs fases seguintes: desenvolvimento (index development), construo
da soluo (solution construction) e melhoramento da soluo (solution improvement).
Na fase de desenvolvimento, o objetivo gerar uma ordenao inicial das tarefas
a serem sequenciadas, utilizando algum critrio especfico do problema, como por
exemplo, a ordenao no-crescente dos tempos de processamento. Na fase de
construo da soluo ocorre a aplicao e estruturao da heurstica no problema.
Porm, apesar de prover a estrutura do mtodo, no se pode garantir que nesta fase
consiga-se obter uma soluo melhor que aquela obtida na fase I. Por fim, a fase de
melhoramento da soluo procura, por meio de algum critrio de busca local, obter um
melhoramento do sequenciamento gerado pela fase II. Vale ressaltar que podem ocorrer
combinaes entre duas ou mais heursticas para obter uma soluo otimizada. Portanto,
os mtodos aqui descritos esto divididos em heursticas simples e compostas.
Observaes quanto a notao: Seja J={J1, J2, ..., JJ, ..., Jn} um conjunto de n
tarefas que devem ser processadas na mesma sequncia, por um conjunto de m
mquinas distintas. O tempo de processamento da tarefa Ji na mquina i pij (1, 2, ..., m;
j = 1, 2, ..., n). Se uma tarefa no tiver operao em uma determinada mquina, seu
tempo de processamento igual a zero.
4.1.1
50
No problema n/2/F/M, a programao tima uma programao permutacional
onde: A tarefa
precede a tarefa
se
}.
Fase de Desenvolvimento
Passo 1: Escolha a tarefa i com o menor tempo de processamento, para i = 1, 2, ..., n.
Desempates podem ser realizados arbitrariamente.
Passo 3: Se esta tarefa estiver na mquina M1, coloque-a na primeira posio possvel
da sequncia. Se estiver na mquina M2, coloque na ltima posio possvel.
ILUSTRAO NUMRICA.
Para ilustrar o procedimento descrito acima, ser resolvido o problema cujos os
tempos de processamento so dados Tabela 1, composta por n = 5 tarefas e m = 2
mquinas.
Tarefas (n)
Mquinas (m)
1
2
3
4
5
M1
M2
3
5
1
6
7
6
2
2
6
5
);
51
Passo3: Como levantado no passo2, por estar na primeira mquina, esta atividade
ocupar a primeira posio da sequncia :
52
4.1.1 Palmer (1965)
A heurstica desenvolvida por Palmer (1965) um esforo para se utilizar a regra
de Johnson, a partir de um ndice denominado slope ndex. O slope index calculado de
modo que as tarefas cujos tempos de processamento apresentam uma tendncia de
crescimento em cada mquina recebem maiores valores. Isto significa que a sequncia
de tarefas pode ser gerada baseada em uma ordenao no-crescente dos slope ndex de
cada tarefa.
Fase de Desenvolvimento
Passo 1: Seja S(j) o slope ndex da tarefa j e pij o tempo de processamento da tarefa j na
mquina i. O slope index de Palmer calculado da seguinte forma:
()
Passo 2: Aps calcular o slope ndex para todas as tarefas e montar a sequncia nocrescente, obtm-se a sequncia final.
ILUSTRAO NUMRICA
Para ilustrar o procedimento descrito acima, ser resolvido o problema dado na Tabela
2, de 5 tarefas e 3 mquinas.
Mquinas (m)
1
2
3
4
5
Tarefas (n)
Passo1: Calcule
()
1
11
13
20
9
11
= 22;
2
12
15
10
12
18
3
20
18
12
20
15
53
S5 = -2*11 + 0*18 + 2*15
= 8;
p2j =
mquina 2 (M2)
54
Fase de Desenvolvimento
Passo 1: Estabelea uma matriz n x m com os tempos de processamento pij;
Passo 2: Faa k=1 e calcule os tempos de processamento artificiais p1j e p2j para as
mquinas M1 e M2, respectivamente, de todas as atividades. Faa k=k+1.
ILUSTRAO NUMRICA
Passo1: Matriz n x m com os tempos de processamento pij
Tabela 3 - Tempos de processamento para a heurstica CDS
Tarefas (n)
Mquinas (m)
1
2
3
4
5
6
7
8
1
13
31
17
19
94
8
10
80
2
79
13
1
28
75
24
57
17
3
23
14
0
10
0
3
13
38
4
71
94
23
4
58
32
1
40
5
60
60
36
58
0
4
92
66
6
27
61
8
73
68
94
75
25
7
2
57
86
40
46
89
29
88
55
Tabela 4 - Tempo de processamento para k=1
Mquinas (m)
M1
M2
k=1
Tarefas (n)
1
2
3
4
5
6
7
8
13
31
17
19
94
8
10
80
2
57
86
40
46
89
29
88
Faz-se k = k +1 = 2.
Passo3: Aplicando-se a Regra de Johnson para m=2, obtm-se a seguinte sequncia:
6-7-3-4-2-8-5-1.
Mquinas (m)
M1
M2
Tarefas (n)
k=2
1
2
3
4
5
6
7
8
92
44
18
47
169
32
67
97
29
118
94
113
114
183
104
113
Faz-se k = k +1 = 3.
Passo3: Aplicando-se a Regra de Johnson para m=2, obtm-se a seguinte sequncia:
3-6-2-4-7-8-5-1.
56
k-sima Seq.
Sequncia
1
2
3
4
5
6
6
3
3
3
6
3
7
6
6
4
3
6
3
2
4
6
4
4
4
4
2
7
7
7
2
7
7
2
2
8
8
8
8
8
8
2
5
5
5
5
1
1
1
1
1
1
5
5
Makespan
618
628
596
632
605
595
57
( )
58
exaustiva, isto , considerando as duas possveis sequncias. A posio relativa dessas
duas tarefas em relao s outras fixada nas etapas seguintes do algoritmo. Em
seguida, a terceira tarefa com a maior soma de seus tempos de processamento
selecionada e as trs sequncias parciais so testadas, onde esta tarefa posicionada no
incio, no meio e na ltima posio da sequncia parcial encontrada na primeira etapa. A
melhor sequncia parcial encontrada fixar a posio relativa dessas trs tarefas nas
etapas seguintes. Este processo repetido at que todas as tarefas estejam fixadas e a
sequncia completa seja encontrada. O nmero de sequncias parciais e completas
testadas neste algoritmo dado por:
(
Fase de Desenvolvimento
Passo1: Para cada tarefa i, calcule o tempo total de processamento das tarefas, dado por:
Onde
59
Passo5: Se n=i, pare. Caso contrrio, faa i=i+1 e retorne ao passo4.
ILUSTRAO NUMRICA
Para ilustrar o procedimento descrito acima, ser resolvido o problema dado na
Tabela 7, de 4 tarefas e 5 mquinas.
Tarefas (n)
1
2
3
4
Mquinas (m)
2
3
4
5
9
9
4
9
3
4
8
1
8
6
2
8
10
5
8
10
1
8
7
: 1, 3, 2, 4
60
61
62
[ ][
( )
63
tempo de processamento da j-sima tarefa na ltima mquina, da sequncia
S.
intervalo de tempo entre o trmino da operao da j-sima tarefa e o incio
da operao da (j + 1)-sima tarefa na sequncia S.
tarefa fictcia com tempo de processamento igual a zero e que ocupa
sempre a primeira posio na sequncia.
Se
[ ][
[ ][
],
da sequncia particular que for considerada. Desta forma, as distncias entre as tarefas
devem ser estimadas a partir dos dados do problema, isto , dos tempos de
processamento das tarefas, de maneira que a soluo do problema do caixeiro viajante
corresponda a uma soluo heurstica do problema original de programao de
operaes.
Na heurstica FSHOPH proposta por Moccellin, a distncia entre duas tarefas
baseada na seguinte propriedade do problema de operao de flowshop permutacional.
Seja u e v duas tarefas arbitrrias de um conjunto de n tarefas. Para qualquer
sequncia S que contenha as tarefas u e v ocupando respectivamente as posies j e
(j+1), j = 1, 2, ..., n 1, tem-se:
[
)]
( )
Onde:
limitante superior de
64
A partir das equaes (1) e (2), para uma sequncia qualquer S de n tarefas, o
limitante superior do seu makespan M(S) pode ser calculado por:
( )
Se considerar
[ ][
[ ][
))
UB M(S). Para encontrar uma boa soluo para o problema do caixeiro viajante, pode-se
utilizar por exemplo o conhecido procedimento Farthest Insertion Travelling Salesman
Procedures (FITSP).
O segundo passo da heurstica a aplicao da Busca Tab visando melhorar a
soluo obtida at o momento.
65
Fase de Desenvolvimento
Passo1: Calcule
[ ]
[ ] ).
[ ]
[ ]
[ ] ),
e faa
Para de 2 at n, faa:
Teste r na posio de e avalie de acordo com o seguinte critrio:
SE o makespan
OU SE
( )
( )
Ento faa
ILUSTRAO NUMRICA
Para ilustrar a heurstica NEHKK, ser resolvido um problema de n=10 tarefas,
m=5 mquinas utilizando tal heurstica, de acordo com a Tabela 8.
Tarefas (n)
1
2
3
4
5
Mquinas (m)
2
3
4
55
83
81
54
91
65
50
23
64
80
66
24
98
1
65
43
68
33
86
77
42
94
29
67
29
271 (4)
319 (2)
264 (5)
272 (3)
342 (1)
66
} makespan = 434:
Sequncia parcial {
} makespan = 425:
Sequncia parcial {
}.
faa
,
{
}.
para
} .
( )
67
Tiebreaking:
(
Portanto:
{
para
} .
( )
Como
( )
),
Prxima tarefa.
Para
faa
,
e
}.
68
para
} .
( )
Tiebreaking:
(
Portanto:
{
para
}
} .
( )
69
Como
( )
),
para
}
{
( )
} .
Como
( )
),
Prxima tarefa.
Para
faa
,
{
para
} .
( )
70
Tiebreaking:
(
Portanto:
{
para
} .
( )
Tiebreaking:
(
Portanto:
{
para
}
} .
( )
71
Tiebreaking:
(
Portanto:
{
para
} .
( )
Como
( )
),
} com um makespan
( )
}e
72
Tarefas (n)
1
2
3
4
5
6
7
8
9
10
Mquinas (m)
2
3
4
69
55
83
9
28
81
67
13
54
91
82
65
50
8
93
23
44
82
64
80
35
66
24
53
14
98
12
85
1
65
18
43
68
80
80
33
58
20
86
77
29
42
94
75
25
29
27
54
67
29
233 (8)
271 (4)
319 (2)
225 (9)
240 (7)
264 (5)
208 (10)
254 (6)
272 (3)
342 (1)
}, e um makespan de
73
4.1.7 Dong, Huang e Chen (2009)
Como sabido, a heurstica NEH serviu de base para muitas outras heursticas
construtivas do tipo Fm/prmu/Cmax . O NEH constitudo de duas fases: primeiramente
as tarefas so ordenadas em ordem no-crescente da soma de seus tempos de
processamento; em seguida, uma sequncia de tarefas construda inserindo tarefas
oriundas da ordenao inicial proveniente da fase I avaliando o menor makespan.
Durante a insero de tarefas na fase II da heurstica NEH, podem ocorrer
empates (ties), isto , podem haver vrias sequncias parciais que resultem no mesmo
makespan. Porm, o algoritmo original NEH no possui uma estratgia para resolver
estes empates. Considerando a complexidade do problema, pode-se concluir que no
existe nenhuma estratgia sequer que consiga resolver estes casos otimamente, porm
pode-se melhorar os resultados utilizando estratgias tie-breaking para os casos de
empates.
Considerando esta hiptese, Dong, Huang e Cheng (2008) propuseram a
heurstica NEH-D, que se diferencia da NEH ao apresentar uma estratgia de desempate
visando otimizar o makespan, que ser detalhado a seguir.
Primeiramente, algumas notas so definidas. Para uma sequncia qualquer ,
considere:
( )
( )
( )
Como regra de prioridade que ser utilizada para a ordenao inicial das tarefas,
so utilizadas as mdias e desvios padro dos tempos de processamento de cada tarefa.
Esta regra de prioridade baseada na seguinte considerao: quanto maior o desvio dos
tempos de processamento de uma tarefa em cada mquina, maior prioridade esta deve
ter.
( )
74
( )
) ]
( )
( )
( )
( )
e
( )
( )
(
( ))
( )
trmino da tarefa (x) na mquina i caso (x) seja a ltima tarefa na sequncia parcial;
seja
( )
(
),
( )
, e assim
neste caso.
Com isso, ao inserir uma tarefa na sequncia parcial, a posio que resultar no
menor makespan escolhida. Caso existam empates, a posio x que minimize
( )
escolhida. Caso o empate ainda persista, qualquer uma dessas posies aceitvel. A
ideia base deste procedimento a utilizao da posio que resulte no balanceamento da
utilizao de cada mquina.
A heurstica NEH-D assim explicitada:
75
Fase de Desenvolvimento
Passo1: Calcule
( )
escolhida.
ILUSTRAO NUMRICA
Para ilustrar o procedimento descrito acima, ser resolvido um problema de 4
mquinas, 5 tarefas. Os tempos de processamento para cada tarefa esto descritos na
Tabela 10
Tabela 10 - Tempos de processamento heurstica NEH-D
Tarefas (n)
Mquinas (m)
1
2
3
4
1
2
3
4
5
6
4
8
2
2
7
2
5
4
3
3
5
1
9
5
5
6
10
7
6
6
6
7
3
2
{ }.
6,0
5,8
4,0
4,5
6,3
3,0
:
2,2
1,7
1,8
2,4
3,0
2,7
8,2
7,5
5,8
6,9
9,2
5,7
(2)
(3)
(5)
(4)
(1)
(6)
76
Portanto
( )
77
Sequncia parcial 1-5-2 makespan = 39
Portanto
( )
78
Sequncia parcial 1-2-5-4 makespan = 47
Portanto
( )
79
Sequncia parcial 4-1-2-3-5 makespan = 43
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( ))
( )
( )
( )
( )
( )
( ))
( ))
( ))
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
80
(
( )
( )
( ))
( ))
( ))
( ))
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( ))
( ))
( ))
( ))
0,2617
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( ))
( ))
( ))
( )
( )
( )
( )
( ))
81
Portanto,
( )
82
Sequncia parcial 3-4-1-6-2-5 makespan = 50
Portanto,
( )
83
Uma possvel crtica do mtodo NEH consiste no fato de que a partir do momento
que uma tarefa inserida na sequncia parcial, a sua posio relativa em relao s
tarefas j inseridas permanecem fixas. Quando se insere uma nova tarefa, muitas vezes
benfico reconsiderar a ordem das tarefas j inseridas para melhor acomodar a nova
tarefa a ser inserida.
O mtodo FRB3 detalhada a seguir:
Fase de Desenvolvimento
Passo1: Calcule
e faa
em todas as
Passo2.1: Para
at l retire a tarefa
ILUSTRAO NUMRICA
Para ilustrar o procedimento descrito acima, ser resolvido um problema de 4
mquinas, 5 tarefas. Os tempos de processamento para cada tarefa esto descritos na
Tabela 11.
Tarefas (n)
Mquinas (m)
1
20 (1)
18 (3)
18 (4)
17 (5)
10
20 (2)
Passo1: Soma dos tempos de processamento e ordenao seguindo a ordem nocrescente, que resulta na sequncia. {
84
{ }. Inserindo a prxima tarefa h do passo1.
Portanto
Passo2.1:
( )
( )
( )
Portanto:
( )
}
}
( )
( )
. tarefa h:
85
Portanto
Passo2.1:
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
86
Portanto:
( )
. tarefa h:
87
Portanto
Passo2.1:
}
}
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
Portanto:
( )
( )
. tarefa h:
88
89
Portanto
Passo2.1:
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
90
Portanto:
( )
(8)
M1
job1
job2
job3
job4
gap1
M2
job1
job2
job3
tk2
job4
gap2
M3
job1
job2
job3
tk3
job4
91
Desde que os trs primeiros termos da equao (8) so constantes, a minimizao
do makespan possvel pela minimizao da soma do gap1 e gap2. A heurstica de Ho
e Chang tem por objetivo minimizar estes gaps. Visando buscar capturar a essncia
destes gaps, a heurstica utiliza-se das seguintes diferenas:
( )
entre
negativo na
valores negativos:
( )
( )
(10)
92
Ao combinar todos os
Para i, j = 1, 2, ..., n.
Baseado nos gaps revisados, a heurstica de Ho e Chang calculada de acordo
com o seguinte algoritmo:
Fase de Desenvolvimento
Passo1: Aplique a heurstica CDS para obter uma soluo inicial, chamada de soluo
incumbente;
a posio l. Faa a = 1 e b = n.
Passo9: Faa a=a +1, e troque as posies das tarefas cujas posies sejam a e u. V
para o passo11;
Passo10: Fala b=b-1, e troque as posies das tarefas cujas posies sejam b e v.
93
ILUSTRAO NUMRICA
Para ilustrar o procedimento descrito acima, ser resolvido o problema de 4
mquinas, 5 tarefas. Os tempos de processamento para cada tarefa esto na Tabela 12.
Tabela 12 - Tempos de Processamento heurstica HC
Tarefas (n)
1
1
2
3
4
5
31
19
23
13
33
Mquinas (m)
2
3
4
41
55
42
22
5
25
3
27
14
57
30
34
6
13
19
94
Tabela 13 - Clculo do gap d1ij
1
2
3
4
5
22
18
28
24
32
42
22
11
23
29
-9
-1
-11
-26
-14
-18
-8
1
2
3
4
5
-38
-14
-27
16
-30
-28
-41
2
-17
-39
-28
15
3
-19
5
35
20
-2
22
9
-
1
2
3
4
5
9
-19
-12
6
27
3
10
16
3
7
-14
-8
16
20
-8
5
-27
-23
-51
-44
-
( )
( )
95
Tabela 16 - Gaps ajustados dRi,j
1
2
3
4
5
12,1
1,4
-25
-11
32,5
10,6
-9,6
4
11,7 47 25,3
17,6 51,6 18,6
33,2 25,9
-18
-6,4
-3,8 32
-
= -6,40, para
(tarefa 2) e
(tarefa 5).
96
Passo5: O menor valor Y de
l = 4 e portanto, v = 4.
(tarefa1) e
(tarefa 5).
97
onde
) onde
precede imediatamente
, pode-se calcular o
Figura 69 - Tempo total para executar uma programao permutacional (Makespan M())
Baseado em uma investigao feita por Nagano, pode ser afirmado que:
Seja u e v duas tarefas de um conjunto de n tarefas. Para uma sequncia qualquer
contendo as tarefas u e v ocupando respectivamente as posies j e (j + 1), j=1, 2, ..., n
1, tem-se:
[ (
Onde:
98
)]
A propriedade descrita acima, chamada LBY, est ilustrada na Figura 70. Ela
derivada da condio de viabilidade entre mquina e tempos ociosos das tarefas em
problemas de operaes em flowshop, dado por (Figura 69):
a)
b)
Se
ento
A heurstica N&M muito similar heurstica NEH. A nica diferena entre esta
e aquela est no modo como realizada a ordenao inicial das tarefas, que ocorre nos
passos 1 e 2. Veja:
99
Fase de Desenvolvimento
Passo1: Para cada tarefa v, calcule:
Onde
Onde
100
ILUSTRAO NUMRICA
Para ilustrar a heurstica N&M, ser utilizado um problema com n = 10 tarefas e
m = 4 mquinas. Os tempos de processamento esto contidos na Tabela 17.
Desde que n = 10 tarefas, tem-se um total de n(n 1 ) = 90 pares (u, v) de tarefas
adjacentes, para os quais, deve ser calculados os limitantes inferiores
2, 3.
Seja o primeiro par (u, v) = (1, 2). Assim:
[ (
Onde
e
)]
Tarefas (n)
Mquinas (m)
1
2
3
4
1
2
3
4
5
6
7
8
9
10
1
2
8
3
6
2
3
4
4
1
10
3
2
6
4
7
4
3
7
5
2
2
1
1
1
10
8
2
10
7
7
6
4
1
7
3
4
10
8
5
20
13
15
11
18
22
19
19
29
18
Onde
Portanto
[ (
] = mx (0, 8) = 8;
____
Para k =2
[ (
Onde
Assim
(
[
)
)]
)] = mx (0, -8) = 0;
para k =1,
101
E portanto
[ (
] = mx (0, -1) = 0;
____
Para k =3
[ (
[
Onde
(
[
Assim
)]
)] = mx (0, 1) = 1;
E portanto
[ (
] = mx (0, 4) = 4;
para os
pares restantes (u, v). Estes valores esto representados na matriz M1.
- 12 8
7 10 6
7 13 9 10 9
- 10 11 6 11
12 18 14 15 14 8 10 16 - 12
Tendo
1, 2 , ..., 9, 10:
para v =
102
103
104
Aps estudar como se estrutura cada uma das heursticas abordadas neste
trabalho, pode-se verificar que a maioria delas parte de uma ordenao inicial a partir da
organizao em ordem no-crescente de seus tempos de processamento totais,
caracterizando a fase I do sistema de classificao adotado.
Alm disso, devido sua eficcia e simplicidade de implementao, o mtodo
NEH em sua essncia muito utilizado para a fase construtiva de mtodos posteriores a
ela, com apenas algumas pequenas mudanas.
Por fim, possvel verificar a combinao de heursticas simples que podem
surgir formando heursticas compostas e assim obter bons resultados para o objetivo
almejado, como o caso da utilizao do CDS para a obteno de uma ordenao
inicial, para o caso da heurstica HC, ou ento, a partir de uma ordenao inicial, utilizar
um outro mtodo na sua fase de construo como o NEH, no caso da heurstica N&M.
105
5 CONSIDERAES FINAIS
O trabalho realizado uma tentativa inicial de classificao de heursticas
construtivas voltadas para ambientes de flowshop permutacional com objetivo de
minimizao
do
makespan.
Tal
classificao
fornece informaes
para
os
106
6 REFERNCIAS BIBLIOGRFICAS
ALLAHVERDI, A., ALDOWAISAN, T. New heuristic to minimize total completion
time in m-machines flowshop. International Journal of Production Economics; 7: 7183, 2002.
BAKER, K. R. Introduction to sequencing and scheduling. New York: John Wiley,
1974.
BLAZEWICZ, J. J. et al. Scheduling Computer and Manufacturing Processes. [s.l.]
Springer Verlag, 1996.
CAMPBELL, H. G.; DUDEK, R. A.; SMITH, M. L. A heuristic algorithm for the njob, m-machine sequencing problem. Mngt Sci 16: B630B637, 1970.
CARLIER, R. I. Two branch and bound algorithms for the permutation flowshop
problem. Eur J Opl Res 90: 238251, 1996.
CONWAY, R. H.; MAXWELL, W. L.; MILLER, L. W. Theory of scheduling. New
York: Dver, 1967.
COOK, S. A. The complexity of theorem-proving procedures. Proc. 3th. Annual
ACM Symp. Theory Computational, p. 151-158, 1971.
DANNENBRING, D. G. An evaluation of flow-shop sequence heuristics. Mngt Sci
23: 11741182, 1977.
FERNANDES, F. C. F.; FILHO, M. G. Planejamento e controle da produo: dos
fundamentos ao essencial. So Paulo: Editora Atlas, 2010.
FRAMINAN, J. M.; LEISTEN, R. An efficient heuristic for flowtime minimization
in permutational flowshops. OMEGA; 31: 311-7, 2003.
FRAMINAN, J. M.; LEISTEN, R., GUPTA, J. N. D. A review and classification
heuristics for permutational flowshop scheduling with makespan objective.
Technical Report 2001/02, Industrial Management, University of Seville; 2001.
FRAMINAN, J. M.; LEISTEN, R., RAJENDRAN, C. Different initial sequences for
the heuristic of Nawaz, Enscore and Ham to minimize makespan, idletime or
flowtime in the static permutational flowshop. International Journal of Production
Research; 41: 121-48, 2003.
107
FRAMINAN, J. M.; LEISTEN, R.; RUIZ-USANO, R. Comparison of heuristics for
flowtime minimisation in permutation flowshops. In: Computers & Operations
Research, v. 32, n. 5, p. 1237-1254, May 2005.
FRENCH, S. Sequencing and scheduling: an introduction to the mathematics of the
job shop. New York: John Wiley, 1982.
GAREY, M. R.; JOHNSON, D. S. Computers and intractability: a guide of NPcompleteness. New York: W. H. Freemon; p. 330-340, 1979.
GIGANTE, R. L. Heurstica construtiva para a programao de operaes flowshop
permutacional. Dissertao (Mestrado em Engenharia de Produo). Escola de
Engenharia de So Carlos, Universidade de So Paulo, So Carlos, 2010.
GRAHAM, R. L. et al. Optimisation and approximation in deterministic sequencing and
scheduling: a survey. Annals of Discrete Mathematics, p.287-326, 1979.
GRAHAM, R. L. et al. Optimization and approximation in deterministic
sequencing and scheduling: a survey. Ann. Discrete Math. 4, 287-326, 1979.
GRAVES, S. G. A review of production scheduling. Operations Research, Linthicum,
v.29, n.4, p. 646-675, jul. 1981.
GUPTA J. N. D. Heuristic rules for n m flowshop scheduling problem. Opsearch
(India) 5: 165170, 1968.
GUPTA, J. N. D. A functional heuristic for the flow-shop scheduling problem. Opns
Res Quart 22: 3947, 1971.
GUPTA, J. N. D. Flowshop scheduling via sorting analogy. UARI Research Report
No. 109,University of Alabama in Huntsville, USA, 1971.
GUPTA, J. N. D. Heuristic algorithms for multistage flowshop scheduling problem.
AIIE Trans 4: 1118, 1972.
GUPTA, J. N. D. Travelling salesman problem: a survey of theoretical
developments and applications. Opsearch (India) 5:181192. Res 44: 648652, 1968.
JOHNSON, S. M. Optimal two-and three-stage production schedules with setup
times included. Naval Research Logistics Quarterly, Washington, v.1, n.1, p. 61-68,
1954.
KALCZYNSKI, P. J.; KAMBUROWSKI, J. An Improved NEH heuristic to
minimize makespan in permutation flowshop. Computers & Operations Research,
Amsterdam, v.35, n.9, p.3001-3008, Sept 2008.
108
KING, J. R.; SPACHIS, A. S. Heuristics for flow-shop scheduling. Int J Prod Res 18:
345357, 1980.
LAGEWEG, B. J.; LENSTRA, J. K.; RINNOOY, K. A. H. G. A general bounding
scheme for the permutation flowshop problem. Opns Res 26: 5367, 1978.
LAI, T. A note on heuristics of flow-shop scheduling. Opns. Res 44:648-652, 1996.
LAWLER, E. L. et al. Sequencing and scheduling: Algorithms and complexity.
Logistics of Production and Inventory, Handbooks in Operations Research and
Management Science 4, North-Holland, 1993.
LIU, J.; REEVES, C. R. Constructive and composite heuristic solutions to the P||Ci
scheduling problem. European Journal of Operational Research; 132:439-52, 2001.
LOMNICKI, Z. A branch and bound algorithm for the exact solution of three
machine scheduling problem. Oper. Res. Quart. 16(1), p. 89-100, 1965.
LOURENO, H. R. Sevastyanovs algorithm for the flowshop scheduling problem.
Eur J Opl Res 91: 176189, 1996.
MACCARTHY, B. L.; LIU, J. Adressing the gap in scheduling research: a review of
optimization and heuristic methods in production scheduling. International Journal
of Production Research, Londres, v.31, n.1, p. 59-79, 1993.
MANNE, A. S. The job-shop scheduling problem. Oper. Res., p. 219-223, 1960.
MCMAHON, C.B.; AND BURTON, P.G. Flowshop scheduling with the branch and
bound method. Oper. Res.15, p. 473-81, 1967.
MOCCELLIN, J. V. A new heuristic method for the permutation flow-shop
scheduling problem. J Opl Res Soc 46: 883886, 1995.
MORTON, T. E.; PENTICO, D. W. Heuristic Scheduling Systems. Wiley: New York,
1993.
MORTON, T. E.; PENTICO, D. W. Heuristic scheduling systems: with applications
to production systems and project management. New York: John Wiley, 1993.
NAGANO, M. S.; MOCCELLIN, J. V. A high quality solution constructive for flow
shop sequencing. Journal of the Operational Research Society. v. 53, pp. 1374-1379,
2002.
NAMBIAR, J. M. et al. A Large Scale Location-Allocation Problem in the Natural
Rubber Industry. European Journal of Operational Research, v.6, p. 183-189, 1981.
109
NAWAZ M, ENSCORE EE, HAM I. A heuristic algorithm for the m-machine, n-job
flow-shop sequencing problem. OMEGA; 11: 91-5, 1983.
NAWAZ, M.; ENSCORE, E. E.; HAM, I. A heuristic algorithm for the m-machine,
n-job flow-shop sequencing problem. Omega-Int J Mngt Sci 11: 9195, 1983.
NOWICKI, E.; SMUTNICKI, C. A fast tabu search algorithm for the permutation
flow-shop problem. Eur J Opl Res 91: 160175, 1996.
PAGE, E. S. An approach to the scheduling of jobs on machines. J R Stat Soc 24:
484492, 1961.
PALMER, D. S. Sequencing jobs through a multistage process in the minimum
total time: a quick method of obtaining a near optimum. Opns Res Quart 16: 101
107, 1965.
PINEDO, M. Scheduling: Theory, Algorithms and Systems. [s.l.] Springer, 2008.
POTTS, C. N. An adaptive branching rule for the permutation flowshop problem.
Eur J Opl Res 5: 1925, 1980.l
RAD, S.R.; RUIZ, R.; BOROOJERDIAN, N. New high performing heuristic for
minimizing makespan in permutation flowshops. Omega: the internation journal of
management science, Oxford, v37, n2, p331-345, Apr, 2009.
RAJENDRAN, C.; ZIEGLER, H. An efficient heuristic for scheduling in a flowshop to
minimize total weighted flowtime of jobs. European Journal of Operational Research;
103: 129-38, 1997.
ROCK, H.; SCHMIDT, G. Machine aggregation heuristics in shop-scheduling.
Methods Opl Res 45: 303314, 1983.
RODAMMER, F. A.; WHITE JR., K. P. A recent survey of production scheduling.
IEEE Transactions on Systems, Man and Cybernetics, New York, v.18, n.6, p. 841-851,
2002.
RUIZ, R.; MAROTO, C. A comprehensive review and evaluation of permutation
flowshop heuristics. European Journal of Operational Research, 165, 479-494, 2005.
SELIM, S. Z.; AL-TURKI, U. M. A new heuristic algorithm for the flowshop
problem. In: Kusiak A (ed). Modern Production Management Systems. Elsevier
Science,Am sterdam, pp 9196, 1987.
SIPPER, D.; BULFIN JR., R.L. Production: planning , control and integration. New
110
York: McGraw-Hill, 1997.
SLACK, N. Vantagem competitiva em manufatura. So Paulo: Atlas, 2002.
SLACK, N.; CHAMBERS, S.; JOHNSTON, R. Administrao da Produo. 2 ed.
So Paulo: Atlas, 2002.
STINSON, J. P.; SMITH, W. A heuristic programming procedure for sequencing
the static flowshop. Int J Prod Res 20:753764, 1982.
STTZLE, T. An ant approach for the flowshop problem. ELITE Foundation (ed).
Proceedings of EUFIT98 Aachen, Germany. Verlag Mainz,A achen, Germany, pp.
15601564, 1998.
SZWARC, W. Elimination methods in the m_n sequencing problem. Naval Res
Logist 18: 295305, 1971.
TAILLARD E. Some efficient heuristic methods for the flow-shop sequencing
problem. European Journal of Operational Research; 47: 65-74, 1990.
WIDMER, M.; HERTZ, A. A new heuristic method for the flow-shop sequencing
problem. Eur J Opl Res 41: 186193, 1991.
WOO, D. S.; YIM, H. S. A heuristic algorithm for mean flowtime objective in
flowshop scheduling. Computers and Operations Research; 25: 175-82, 1998.