Escalonamento da produção num sistema job-shop flexível: aplicação ao fabrico de pavimentos de madeira

Abstract

This work is based on a curricular internship at the startup SimpleAxis, in Portugal, as part of the Masters in Industrial and Management Engineering at the University of Coimbra. Its main objective is to propose a solution related to the production scheduling of Castro Wood Floors enterprise, in order to minimize the makespan and the tardiness in deliveries in order to optimize the production process creating new opportunities of development to the company.In this sense, initially, a detailed characterization of the problem and of its restrictions was carried out to make it possible to look at the theoretical framework searching for the most suitable method to solve it.In this context, after analyzing several methods, seeing the most used and recurring in the literature, it was found out that the creation of a genetic algorithm would be an efficient method to solve the type of problem to be tackled in the environment of a flexible job shop.The model was implemented in Python programming language and tested to find the parameters that would achieve the best results for different instances. The best results were compared with those obtained by the algorithm used by SimpleAxis, to validate the capacity of the developed model.The comparison between the two algorithms, led to the conclusion that the model presented in this paper is efficient and not only produced better results than those achieved by SimpleAxis, but also ran in shorter computing time, meeting the initially proposed goals.

O trabalho desenvolvido nesta dissertação segue um estágio curricular na startup SimpleAxis, em Portugal, inserido no Mestrado em Engenharia e Gestão Industrial da Universidade de Coimbra. O seu objetivo principal é propor uma solução para escalonar as encomendas da empresa Castro Wood Floors, minimizando o makespan e os atrasos nas entregas, de forma a otimizar a o processo de produção criando novas oportunidade de desenvolvimento para a empresa, uma vez que Deste modo, inicialmente foi feita a caracterização detalhada do problema e das suas restrições e, a partir disso, foi possível direcionar o enquadramento teórico em busca do método mais adequado para solucioná-lo. Neste contexto, e após a análise dos vários métodos possíveis, dos mais utilizados e recorrentes na literatura, verificou-se que a criação de um algoritmo genético seria um método eficaz para resolver o tipo de problema em questão que se enquadra num job shop flexível.A implementação do modelo foi elaborada em linguagem de programação Python e testada para que se pudessem encontrar os parâmetros que trouxessem os melhores resultados para diferentes instâncias. Os melhores resultados foram analisados e comparados com os resultados obtidos pelo algoritmo feito pela startup SimpleAxis, para validar a capacidade do modelo desenvolvido.A partir desta comparação, foi possível concluir que o modelo criado é eficiente e não só gerou resultados melhores do que os alcançados pela SimpleAxis, como também o fez com tempos de computação menores tendo, portanto, alcançado os objetivos inicialmente propostos.