No abstract

José do Rio Preto, SP, BrasilResumo. Os problemas de dimensionamento de lotes consistem em determinar a quantidade de itens que devem ser produzidos em todos os períodos de um horizonte de planejamento. Em geral, são considerados custos de produção, preparação de máquina e de manutenção de estoque. Neste trabalho estuda-se uma extensão do problema de dimensionamento de lotes com restrição de capacidade que considera tempos de preparação, preparação carryover e crossover, em que se tem umaúnica máquina,único estágio, multi-itens e big-bucket (CLSP-SCC). Para a resolução do problemaé proposta uma heurística híbrida que combina as heurísticas Relax-and-Fix e Fix-and-Optimize (RF-FO), em que a heurística Relax-andFixé usada para obter uma solução inicial e a heurística Fix-and-Optimize melhora essa solução. Por fim, apresentam-se os resultados computacionais comparando os resultados da heurística com os do pacote computacional CPLEX. Palavras-chave. Problemas de Dimensionamento de Lotes com Restrição de Capacidade, PreparaçãoCarryover, Preparação Crossover, Heurística Relax-and-Fix, Heurística Fix-andOptimize IntroduçãoNeste trabalho, considera-se o Problema de Dimensionamento de Lotes com Restrição de Capacidade (Capacitated Lot-Sizing Problem-CLSP) em que se tem umaúnica máquina, unico-estágio, multi-itens, big bucket e tempos e custos de preparação, onde os tempos de preparação são menores do que a capacidade por período.Na formulação clássica deste problema (proposta em [8]), a preparação para o primeiro tipo de item produzido em um período começa no início deste período. Neste trabalho, estuda-se uma extensão deste problema de dimensionamento de lotes que inclui as possibilidades de preparações carryover e crossover. Observa-se que considerar esta extensão pode resultar em soluções mais eficientes em comparação com a formulação clássica.

A Radiation Therapy Design Problem consists in minimize the total radiation dosage at the patient. In this work, the dosage values are represented by fuzzy numbers. The transition from healthy tissue to tumour cells is continuous and the surprise function is adopted to model it. We propose to solve this problem by a specially tailored Primal-Dual Interior Point Method and present numerical experiments with real world large-scale problems.