Framework BRKGA-VNS para sequenciamento na etapa de têmpera em uma siderurgia

- 326282
Trabalho completo (Oral)
Favoritar este trabalho
Como citar esse trabalho?
Resumo

Este artigo propõe um framework híbrido baseado no Biased Random-Key Genetic Algorithm (BRKGA) acoplado a um General Variable Neighborhood Search (GVNS) para o problema de sequenciamento de máquina única com tempos de setup dependentes da sequência com janela de tempo. Motivado pelo ganho de performance e capacidade de um dos processos críticos da siderurgia, a têmpera, o modelo inclui uma condição de Dupla Têmpera, onde pares de jobs não podem ser feitos diretamente um após o outro. Experimentos computacionais utilizando oito instancias reais indicam que o framework supera o modelo de programação linear e a heurística VNS anterior, obtendo gaps melhores em media de 21,3% no makespan em 15 minutos de execução quando comparados a 60 minutos de modelagens inteiras em um solver comercial. Os resultados confirmam o potencial da abordagem para aplicações de pesquisa operacional e meta-heurísticas na indústria mesmo em projetos industriais com regras de negócio específicas

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 UFMG
  • 2 Universidade Federal de Minas Gerais
  • 3 Vallourec
Eixo Temático
  • 12. MH – Metaheurísticas
Palavras-chave
Sequenciamento de uma máquina
BRKGA
GVNS
Meta-heurísticas
Janelas de Tempo