Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                

FUCHIGAMI 2024 (SP.03) Sequenciamento em Máquina Única (Alterações)

Fazer download em pdf ou txt
Fazer download em pdf ou txt
Você está na página 1de 44

Sequenciamento da Produção

Sequenciamento em
máquina única

Prof. Dr. Hélio Fuchigami


UFSCar/DEP

2024
Problema de máquina única

n tarefas
máquina única

✓ Solução: sequenciamento
✓ Para n tarefas  n! sequências possíveis
2

Problema 𝟏||𝑭 ou 𝟏||𝑭
✓Fj: tempo de fluxo da tarefa j (flowtime)
✓Tempo total de fluxo: 𝑭 = σ𝒏𝒋=𝟏 𝑭𝒋
σ𝒏
𝒋=𝟏 𝑭𝒋
✓Tempo médio de fluxo: 𝑭
ഥ=
𝒏

✓Solução ótima: Regra SPT


◼ Shortest Processing Time

3

Problema 𝟏||𝑭 ou 𝟏||𝑭
Exemplo 1

Jj J1 J2 J3 J4 J5
pj 5 6 2 5 3

SPT J3 J5 J1 J4 J2
Cj = Fj 2 5 10 15 21

𝑭∗ = 𝟓𝟑 ഥ ∗ = 𝟏𝟎, 𝟔
𝑭
4
Tempo de espera
✓Wj: tempo de espera da tarefa j (waiting time)

✓Do Exemplo 1:

W3=0
W2=15
W4=10
W1=5
W5=2

5
Tempo de espera
✓Wj: tempo de espera da tarefa j (waiting time)

✓Do Exemplo 1:

p4=5

W4=10 F4=15

𝑭𝒋 = 𝑾𝒋 + 𝒑𝒋 ⇒ 𝑴𝒊𝒏 𝑭 = 𝑴𝒊𝒏 𝑾
6

Problema 𝟏||𝑭 ou 𝟏||𝑭
✓Equivale ao problema 𝟏||𝑾
✓Tempo total de espera: 𝑾 = σ𝒏𝒋=𝟏 𝑾𝒋
✓𝑾𝒋 = 𝑭𝒋 − 𝒑𝒋
✓Importante para a qualidade de serviços,
satisfação do cliente

✓Solução ótima: Regra SPT


◼ Shortest Processing Time
7
Problema 𝟏||𝑭𝒘
✓wj: peso ou prioridade da tarefa j (weight)
σ𝒏
𝒋=𝟏 𝒘𝒋 𝑭𝒋
✓Tempo de fluxo ponderado: 𝑭𝒘 = σ𝒏
𝒋=𝟏 𝒘𝒋

✓Solução ótima: Regra WSPT


◼ Weighted Shortest Processing Time (pj/wj)

8
Problema 𝟏||𝑭𝒘
Exemplo 2
Jj J1 J2 J3 J4 J5
pj 5 6 2 5 3
wj 4 1 5 3 2
pj/wj 1,25 6,00 0,40 1,67 1,50

WSPT J3 J1 J5 J4 J2
Cj 2 7 10 15 21
wjCj 10 28 20 45 84
𝑭∗𝒘 = 𝟏𝟐, 𝟓 9
Problema 𝟏||𝑻𝒎𝒂𝒙
✓Atraso máximo: 𝑻𝒎𝒂𝒙 = 𝐦𝐚𝐱 𝑻𝒋
✓Equivale ao problema 𝟏||𝑳𝒎𝒂𝒙

✓Solução ótima: Regra EDD


◼ Earliest Due Date

✓Atraso total (problema 𝟏||𝑻): não há regra


de prioridade com solução ótima
10
Problema 𝟏||𝑻𝒎𝒂𝒙
Exemplo 3
Jj J1 J2 J3 J4 J5
pj 4 2 3 5 3
dj 7 6 11 13 5

EDD J5 J2 J1 J3 J4
Cj 3 5 9 12 17
Tj 0 0 2 1 4


𝑻𝒎𝒂𝒙 =𝟒 11
Problema 𝟏||𝑬𝒎𝒂𝒙
✓Adiantamento máximo: 𝑬𝒎𝒂𝒙 = 𝐦𝐚𝐱 𝑬𝒋

✓Solução ótima: Regra MST


◼ Minimum Slack Time
◼ Menor folga ou maior urgência: 𝒅𝒋 − 𝒑𝒋

p2
d2 – p2
J2

d2 12
Problema 𝟏||𝑬𝒎𝒂𝒙
Do Exemplo 3
Jj J1 J2 J3 J4 J5
pj 4 2 3 5 3
dj 7 6 11 13 5
dj – p j 3 4 8 8 2

MST J5 J1 J2 J3 J4
Cj 3 7 9 12 17
Ej 2 0 0 0 0

𝑬∗𝒎𝒂𝒙 = 𝟐 13
Atividade 2-a
Considere um problema de máquina única com
os dados da tabela abaixo.
Jj J1 J2 J3 J4 J5 J6 J7 J8
pj 5 2 4 8 2 4 7 3
dj 14 10 32 25 12 15 22 7
Encontre uma sequência ótima para cada um dos
critérios e calcule a medida de desempenho ótima:
✓ Tempo médio de fluxo
✓ Atraso máximo
✓ Adiantamento máximo
14
Problema 𝟏||𝒏𝑻
✓Número de tarefas atrasadas: 𝒏𝑻 = σ𝒏𝒋=𝟏 𝑼𝒋
✓𝑼𝒋 = 𝟏 se a tarefa j está atrasada e 0 caso
contrário

✓Solução ótima: Algoritmo de Hodgson

15
Problema 𝟏||𝒏𝑻
✓Solução ótima: Algoritmo de Hodgson
◼ Passo 1 – Ordene as tarefas pela regra EDD.
◼ Passo 2 – Identifique a primeira tarefa atrasada
(JT). Se não houver tarefas atrasadas, vá para o
Passo 4. Caso contrário, vá para o Passo 3.
◼ Passo 3 – Da primeira tarefa até JT, remova a
tarefa com o maior tempo de processamento
para a lista de tarefas removidas. Atualize os
instantes de término e volte ao Passo 2.
◼ Passo 4 – Acrescente as tarefas removidas (em
qualquer ordem) à sequência obtida. Pare. 16
Exemplo 4: Algoritmo de Hodgson – nT
Jj J1 J2 J3 J4 J5 J6 J7 J8
pj 10 6 3 1 4 8 7 6
dj 35 20 11 8 6 25 28 9

EDD J5 J4 J8 J3 J2 J6 J7 J1
Cj 4 5 11
Tj 0 0 2
JT

Lista de tarefas removidas


J8 17
Exemplo 4: Algoritmo de Hodgson – nT
Jj J1 J2 J3 J4 J5 J6 J7 J8
pj 10 6 3 1 4 8 7 6
dj 35 20 11 8 6 25 28 9

EDD J5 J4 J3 J2 J6 J7 J1 –
Cj 4 5 8 14 22 29
Tj 0 0 0 0 0 1
JT

Lista de tarefas removidas


J8 J6 18
Exemplo 4: Algoritmo de Hodgson – nT
Jj J1 J2 J3 J4 J5 J6 J7 J8
pj 10 6 3 1 4 8 7 6
dj 35 20 11 8 6 25 28 9

EDD J5 J4 J3 J2 J7 J1 – –
Cj 4 5 8 14 21 31
Tj 0 0 0 0 0 0
nenhuma tarefa atrasada

Lista de tarefas removidas


J8 J6 19
Exemplo: Algoritmo de Hodgson – nT
Jj J1 J2 J3 J4 J5 J6 J7 J8
pj 10 6 3 1 4 8 7 6
dj 35 20 11 8 6 25 28 9

Solução J5 J4 J3 J2 J7 J1 J8 J6
Cj 4 5 8 14 21 31 37 45
Tj 0 0 0 0 0 0 28 20


𝒏𝑻 =𝟐
20
Atividade 2-b
Uma empresa de consultoria deverá executar 7 projetos,
tendo cada um sua data de entrega estabelecida. A
empresa é de pequeno porte, de modo que somente
executará um projeto de cada vez, ou seja, os projeto são
executados sequenciamento e sem interrupção. De
acordo com o contrato, a empresa receberá um prêmio
de $800 para cada projeto terminado sem atraso e pagará
uma multa de $500 para cada projeto que for concluído
após a data de entrega estabelecida. As durações do
projetos e as respectivas datas de entrega são dadas na
tabela. Como poderão ser sequenciados os projetos, de
forma a maximizar o prêmio líquido? Com a sequência
encontrada, qual será o prêmio líquido?
21
Atividade 2-b

Projeto 1 2 3 4 5 6 7
Duração 2 4 6 8 10 12 14
Prazo 6 12 30 19 12 18 24

22
Projeto 1 2 3 4 5 6 7
Duração 2 4 6 8 10 12 14
Atividade
Prazo 2-b
6 12 30 19 12 18 24

Uma empresa de consultoria deverá executar 7 projetos,


tendo cada um sua data de entrega estabelecida. A
empresa é de pequeno porte, de modo que somente
executará um projeto de cada vez, ou seja, os projeto são
executados sequenciamento e sem interrupção. De
acordo com o contrato, a empresa receberá um prêmio
de $800 para cada projeto terminado sem atraso e pagará
uma multa de $500 para cada projeto que for concluído
após a data de entrega estabelecida. As durações do
projetos e as respectivas datas de entrega são dadas na
tabela. Como poderão ser sequenciados os projetos, de
forma a maximizar o prêmio líquido? Com a sequência
encontrada, qual será o prêmio líquido?
23

Problema 𝟏|𝒏𝑻 = 𝟎|𝑭
✓Tempo médio de fluxo sem tarefas
atrasadas
✓Problema equivalente: 𝟏|𝑻𝒎𝒂𝒙 = 𝟎|𝑭

✓Pode não haver solução viável: se não
houver sequência sem atraso

✓Solução ótima: Algoritmo de Smith

24

Problema 𝟏|𝒏𝑻 = 𝟎|𝑭
✓Solução ótima: Regra de Smith
◼ A tarefa i deve ser programada na última
posição da sequência se e somente se:

a) 𝒅𝒊 ≥ σ𝒏𝒋=𝟏 𝒑𝒋 e

b) 𝒑𝒊 ≥ 𝒑𝒌 , ∀𝑱𝒌 |𝒅𝒌 ≥ σ𝒏𝒋=𝟏 𝒑𝒋 .

◼ Caso contrário, não há solução viável.

25

Problema 𝟏|𝒏𝑻 = 𝟎|𝑭
Exemplo 5
Iteração 1
Jj J1 J2 J3 J4 J5 ∑pj
pj 4 7 1 6 3 21
dj 16 16 8 21 9

Solução J4

26

Problema 𝟏|𝒏𝑻 = 𝟎|𝑭
Exemplo 5
maior pj Iteração 2
Jj J1 J2 J3 – J5 ∑pj
pj 4 7 1 – 3 15
dj 16 16 8 – 9

Solução J2 J4

27

Problema 𝟏|𝒏𝑻 = 𝟎|𝑭
Exemplo 5
maior pj Iteração 3
Jj J1 – J3 – J5 ∑pj
pj 4 – 1 – 3 8
dj 16 – 8 – 9

Solução J1 J2 J4

28

Problema 𝟏|𝒏𝑻 = 𝟎|𝑭
Exemplo 5 maior pj
Iteração 4
Jj – – J3 – J5 ∑pj
pj – – 1 – 3 4
dj – – 8 – 9

Solução J5 J1 J2 J4

29

Problema 𝟏|𝒏𝑻 = 𝟎|𝑭
Exemplo 5
Iteração 5
Jj – – J3 – –
pj – – 1 – –
dj – – 8 – –

Solução J3 J5 J1 J2 J4

30

Problema 𝟏|𝒏𝑻 = 𝟎|𝑭
Exemplo 5
Jj J1 J2 J3 J4 J5
pj 4 7 1 6 3
dj 16 16 8 21 9

Solução J3 J5 J1 J2 J4
Cj 1 4 8 15 21
Tj 0 0 0 0 0

ഥ ∗ = 𝟗, 𝟖 | 𝒏𝑻 = 𝟎
𝑭 31
Atividade 2-c
Considere um problema de máquina única com os
dados da tabela abaixo.
✓ Determine a sequência com o tempo médio de
fluxo ótimo. Para esta sequência, calcule o número
de tarefas atrasadas.
✓ Determine a sequência que minimiza o tempo
médio de fluxo sem tarefas atrasadas. Calcule o
tempo médio de fluxo.
Jj J1 J2 J3 J4 J5
pj 4 2 3 2 5
dj 10 15 14 18 9 32
Problema 𝟏|𝒔𝒊𝒋|𝑪𝒎𝒂𝒙
✓Makespan com setup dependente da
sequência

✓Equivalente à soma dos tempos de setup


(os tempos de processamentos são
constantes)

✓Analogia com o Problema do Caixeiro


Viajante (Travelling Salesman Problem – TSP)

33
Problema 𝟏|𝒔𝒊𝒋|𝑪𝒎𝒂𝒙
✓Problema do Caixeiro Viajante:
✓Vendedor ambulante que deseja percorrer
o caminho mais curto a partir da sua
morada, passando por todas as cidades e
retornando ao ponto de origem
◼ Cidades = tarefas
◼ Distâncias entre as cidades = tempos de setup

34
Problema 𝟏|𝒔𝒊𝒋|𝑪𝒎𝒂𝒙
✓ Heurística: Algoritmo do Vizinho Mais Próximo
◼ Passo 1 – Escolha arbitrariamente o nó inicial
(tarefa fictícia J0). Selecione o nó mais próximo.
◼ Passo 2 – Entre os nós ainda não selecionados
escolha o mais próximo (menor setup) de
qualquer nó já selecionado.
◼ Passo 3 – Examine todas as possibilidades de
inserção do nó escolhido, adotando a que leve
ao menor comprimento total da rota (menor
makespan).
◼ Passo 4 – Se todos os nós foram selecionados,
Pare. Senão, volte ao Passo 2.
35
Problema 𝟏|𝒔𝒊𝒋|𝑪𝒎𝒂𝒙
Exemplo 6
pj 3 6 3 5

sij J1 J2 J3 J4
J0 5 3 7 4
J1 – 4 9 6
J2 12 – 6 8
J3 7 18 – 9
J4 15 3 10 –
36
sij J1 J2 J3 J4
J0 5 3 7 4
J1 – 4 9 6

Problema 𝟏|𝒔𝒊𝒋|𝑪𝒎𝒂𝒙 J2
J3
12
7

18
6

8
9
J4 15 3 10 –
Exemplo 6: Algoritmo do Vizinho Mais Próximo

✓ J0 – J2 3

✓ J0 – J2 – J4 3 + 8 = 11
✓ J0 – J4 – J2 4+3=7

37
sij J1 J2 J3 J4
J0 5 3 7 4
J1 – 4 9 6

Problema 𝟏|𝒔𝒊𝒋|𝑪𝒎𝒂𝒙 J2
J3
12
7

18
6

8
9
J4 15 3 10 –
Exemplo 6: Algoritmo do Vizinho Mais Próximo

✓ J0 – J4 – J2 – J1 4 + 3 + 12 = 19
✓ J0 – J4 – J1 – J2 4 + 15 + 4 = 23
✓ J0 – J1 – J4 – J2 5 + 6 + 3 = 14

38
sij J1 J2 J3 J4
J0 5 3 7 4
J1 – 4 9 6

Problema 𝟏|𝒔𝒊𝒋|𝑪𝒎𝒂𝒙 J2
J3
12
7

18
6

8
9
J4 15 3 10 –
Exemplo 6: Algoritmo do Vizinho Mais Próximo

✓ J0 – J1 – J4 – J2 – J3 5 + 6 + 3 + 6 = 20
✓ J0 – J1 – J4 – J3 – J2 5 + 6 + 10 + 18 = 39
✓ J0 – J1 – J3 – J4 – J 2 5 + 9 + 9 + 3 = 26
✓ J0 – J3 – J1 – J4 – J2 7 + 7 + 6 + 3 = 23

39
sij J1 J2 J3 J4
J0 5 3 7 4
J1 – 4 9 6

Problema 𝟏|𝒔𝒊𝒋|𝑪𝒎𝒂𝒙 J2
J3
12
7

18
6

8
9
J4 15 3 10 –
Exemplo 6: Algoritmo do Vizinho Mais Próximo

✓ J0 – J1 – J4 – J2 – J3 5 + 6 + 3 + 6 = 20

𝑪𝒎𝒂𝒙 = 𝟑𝟕

40
Problema 𝟏|𝒔𝒊𝒋|𝑪𝒎𝒂𝒙
✓ Heurística: Algoritmo do Vizinho Mais Distante
◼ Passo 1 – Escolha arbitrariamente o nó inicial
(tarefa fictícia J0). Selecione o nó mais distante.
◼ Passo 2 – Entre os nós ainda não selecionados
escolha o mais distante (menor setup) de
qualquer nó já selecionado.
◼ Passo 3 – Examine todas as possibilidades de
inserção do nó escolhido, adotando a que leve
ao menor comprimento total da rota (menor
makespan).
◼ Passo 4 – Se todos os nós foram selecionados,
Pare. Senão, volte ao Passo 2.
41
Atividade 2-d
Considere um
problema de pj 7 5 4 2
máquina única com
sij J1 J2 J3 J4
os dados da tabela.
Resolva o problema J0 10 3 7 15
de minimização do
J1 – 12 9 20
makespan usando
os algoritmos do J2 6 – 18 3
Vizinho Mais
J3 13 1 – 8
Próximo e do
Vizinho Mais J4 17 4 14 –
Distante.
42
Próxima aula:
Software Lekin
(trazer o notebook)
Referências
FUCHIGAMI, H.Y. Introdução ao Sequenciamento da
Produção. Aparecida de Goiânia: UFG, 2021. Material
didático. Versão 8.0.

MOCCELLIN, J.V. Técnicas de sequenciamento e


programação de operações em máquinas. São Carlos:
USP/EESC, 1994. Material didático.

PINEDO, M. Scheduling: theory, algorithms and systems.


New Jersey, Prentice-Hall, 2016. 5ª ed.

TAHA, H.A. Pesquisa Operacional: uma visão geral. São


Paulo: Pearson Prentice Hall, 2008. 8ª ed.
44

Você também pode gostar