Mixed-Integer Programming Models for Flowshop Scheduling Problems Minimizing the Total Earliness and Tardiness

Ronconi, Débora P.; Birgin, Ernesto G.

doi:10.1007/978-1-4614-1123-9_5

Cited by 29 publications

(22 citation statements)

References 23 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The mathematical model in this paper is the modification of Ronconi & Birgin [24]. The model was developed by adding and changing constraints.…”

Section: Mathematical Modelmentioning

confidence: 99%

“…The modifications are carried out by changing the speed update formula and by using a transition probability matrix. For the multi-objective function, we used the multi-objective function by Ronconi & Birgin [24]. The main contribution of this paper is since a new position update method is developed to be applied to all classes of combinatorial optimization problems in the literature.…”

mentioning

confidence: 99%

See 1 more Smart Citation

The Discrete Particle Swarm Optimization Algorithms for Permutation Flowshop Scheduling Problem

Amallynda¹

2019

JTI

View full text Add to dashboard Cite

In this paper, two types of discrete particle swarm optimization (DPSO) algorithms are presented to solve the Permutation Flow Shop Scheduling Problem (PFSP). We used criteria to minimize total earliness and total tardiness. The main contribution of this study is a new position update method is developed based on the discrete domain because PFSP is represented as discrete job permutations. In addition, this article also comes with a simple case study to ensure that both proposed algorithm can solve the problem well in the short computational time. The result of Hybrid Discrete Particle Swarm Optimization (HDPSO) has a better performance than the Modified Particle Swarm Optimization (MPSO). The HDPSO produced the optimal solution. However, it has a slightly longer computation time. Besides the population size and maximum iteration have any impact on the quality of solutions produced by HDPSO and MPSO algorithms

show abstract

“…The mathematical model in this paper is the modification of Ronconi & Birgin [24]. The model was developed by adding and changing constraints.…”

Section: Mathematical Modelmentioning

confidence: 99%

mentioning

confidence: 99%

The Discrete Particle Swarm Optimization Algorithms for Permutation Flowshop Scheduling Problem

Amallynda¹

2019

JTI

View full text Add to dashboard Cite

show abstract

“…Os resultados obtidos mostram que o software CPLEX utilizando as formulações de precedência obtém melhores resultados em relação ao número de soluções ótimas para o problema job shop do que através do uso das formulações do tipo designação, ao contrário do que acontece em outros ambientes com máquina simples (Baker & Keller, 2010) e flow shop (Stafford et al, 2004;Ronconi & Birgin, 2012). Além disso, observa-se que o melhor desempenho é obtido utilizando-se a formulação proposta por Manne (1960), pois através da sua resolução encontra-se o maior número de soluções ótimas no tempo estabelecido e o melhor limitante superior nos diferentes testes computacionais.…”

Section: Conclusõesunclassified

“…Além disso, observa-se que o melhor desempenho é obtido utilizando-se a formulação proposta por Manne (1960), pois através da sua resolução encontra-se o maior número de soluções ótimas no tempo estabelecido e o melhor limitante superior nos diferentes testes computacionais. A resolução da formulação de Liao-You obteve piores resultados do que os obtidos através da formulação de Manne, mostrando que a simplificação que os autores realizaram sobre o número de restrições e o incremento das variáveis contínuas não ajudaram ao processo de solução do problema, comportamento semelhante ao observado por Ronconi & Birgin (2012).…”

Section: Conclusõesunclassified

Formulações matemáticas e estratégias de resolução para o problema job shop clássico

Morales

Ronconi

2015

Prod.

View full text Add to dashboard Cite

IntroduçãoO modelo conceitual job shop clássico é um modelo que representa o ambiente operacional de empresas manufatureiras com as seguintes características: alta variedade de produtos, volume baixo de produção e uma organização dividida em áreas funcionais. O modelo procura simular e determinar a programação da produção (scheduling) da empresa com a premissa de que cada produto a ser elaborado surge através de um pedido realizado pelo cliente com especificações e particularidades próprias.Formalmente, o modelo job shop é definido como um conjunto de n tarefas (jobs), um conjunto de m máquinas e m operações definidas para cada tarefa j. A série de operações deve ser determinada no instante de início da produção da fábrica, cada operação deve ser realizada numa única máquina por um determinado período de tempo sem interrupção, e cada máquina pode realizar somente uma operação de cada vez.A Figura 1 ilustra o ambiente descrito. Note que as tarefas possuem diferentes sequências de processamento no ambiente, ao contrário de outros ambientes como o flow shop, em que as tarefas são processadas em estágios sucessivos, formando um fluxo contínuo.A programação de tarefas no ambiente job shop é um problema combinatório de elevada complexidade, em que o sequenciamento de n tarefas em m máquinas envolve (n! M ) soluções possíveis. Este problema é classificado por Garey et al. (1976) como NP-Hard para a minimização do makespan (instante de término de processamento de todas as tarefas a serem processadas no ambiente) e pode ser descrito através da notação α|β|γ, como Jm|n|C max .Neste trabalho, considera-se o caso determinístico estático, em que o tempo de processamento de cada operação e a sequência de operações para cada tarefa são conhecidos e não variantes, e todas as máquinas e tarefas estão disponíveis no começo do processamento. As suposições e conjecturas para facilitar a concepção e definição do problema são citadas a seguir.Suposições referentes aos produtos ou tarefas: i) cada tarefa é determinada no início do período de Palavras-chaveJob shop. Programação da produção. Makespan. Modelos de programação linear inteira mista.

show abstract

“…Muitos trabalhos consideram o problema com estoque intermediário ilimitado (Ignall;Schrage, 1965;Nawaz et al, 1983) ou considerando o setup embutido ao tempo de processamento da tarefa Sriskandarajah, 1996;Leisten, 1990;McCormick et al, 1989;Papadimitriou;Kanellakis, 1980;Ronconi, 2004;Ronconi;Armentano, 2001;Ronconi, 2005;Ronconi;Birgin, 2012). O tempo de setup da máquina separado do tempo de processamento permite uma flexibilidade maior para o sequenciamento da produção, podendo resultar em um maior aproveitamento de tempo, consequentemente numa redução do makespan.…”

Section: Conclusõesunclassified

Uma contribuição para o problema de programação de operações flow shop com buffer zero e tempos de setup dependente da sequência e da máquina

Takano¹

View full text Add to dashboard Cite

Production scheduling is defined as a problem of allocating jobs in machines in a production environment and it has been largely studied. The scheduling can vary in difficulty and complexity depending on the environment, the variety and types of technological restraints and the objective function of the problem. The use of decision making methods to solve scheduling problems in the industry needs models that are capable to solve real problems, that usually involve a big variety of restraints that have to be simultaneously studied. At the present work the scheduling problem in a permutational flow shop environment, considering blocking with zero buffer, and sequence and machine dependent setup times, with the objective of minimizing makespan is studied, which is considered a NP-Complete problem and little explored in literature. The work presents a calculation procedure for the makespan and three solution methods for the problem: four lower bounds for the Branch-and-Bound procedure; four MILP models, two of which are adapted; and 28 constructive heuristic methods adapted to the problem. The methods developed are based on mathematical properties of the problem that are presented in this work as a lower bound and an upper bound. Among all the MILP models, the adapted model RBZBS1 was the one to obtain the best results for the smaller problems, and the developed model TNZBS1 obtained the smallest mean relative deviation of the makespan for the bigger problems that were not solved within the specified computational time limit. The lower bound for the Branch-and-Bound LB TN2 obtained smaller computational times and number of explored nodes as well as the number of unsolved problems and the mean relative deviation for the makespan than all other lower bounds. Also, a comparison among the best MILP model and the best lower bound for the Branch-and-Bound was performed, being that the last obtained better results for the tested problems. Among the adapted heuristic methods, the PF heuristic was the one that obtained, in general, the better results in all phases.

show abstract

Mixed-Integer Programming Models for Flowshop Scheduling Problems Minimizing the Total Earliness and Tardiness

Cited by 29 publications

References 23 publications

The Discrete Particle Swarm Optimization Algorithms for Permutation Flowshop Scheduling Problem

The Discrete Particle Swarm Optimization Algorithms for Permutation Flowshop Scheduling Problem

Formulações matemáticas e estratégias de resolução para o problema job shop clássico

Uma contribuição para o problema de programação de operações <i>flow shop </i>com <i>buffer </i>zero e tempos de <i>setup</i> dependente da sequência e da máquina

Contact Info

Product

Resources

About