Blucher Engineering Proceedings

Dezembro 2020, vol.7, num.3 - VIII Simpósio de Engenharia de Produção
Artigo completo - Open Access Idioma principal | Segundo principal

PROGRAMAÇÃO DA PRODUÇÃO HÍBRIDA PARA MINIMIZAR O CUSTO TOTAL DO CONSUMO DE ENERGIA

PROGRAMAÇÃO DA PRODUÇÃO HÍBRIDA PARA MINIMIZAR O CUSTO TOTAL DO CONSUMO DE ENERGIA

Koehler, Carlos Guilherme Souza; Mestria, Mário

Artigo completo:

Problemas de programação da produção em um ambiente de produção híbrida são bastante pesquisados, entretanto o foco principal das pesquisas tem sido a eficiência da produção, pouca atenção tem sido dada ao consumo de eletricidade. Esse trabalho tem como foco utilizar um algoritmo genético para considerar além do tempo total de produção o consumo de energia elétrica. Os resultados desse trabalho são comparados com resultados de referência da literatura e foram geradas 20 instâncias considerando o consumo de energia elétrica onde foi avaliado o impacto da estratégia multiobjetivo no tempo de produção. Os resultados dessa pesquisa têm significantes implicações na gestão da produção de sistemas reais.

Problemas de programação da produção em um ambiente de produção híbrida são bastante pesquisados, entretanto o foco principal das pesquisas tem sido a eficiência da produção, pouca atenção tem sido dada ao consumo de eletricidade. Esse trabalho tem como foco utilizar um algoritmo genético para considerar além do tempo total de produção o consumo de energia elétrica. Os resultados desse trabalho são comparados com resultados de referência da literatura e foram geradas 20 instâncias considerando o consumo de energia elétrica onde foi avaliado o impacto da estratégia multiobjetivo no tempo de produção. Os resultados dessa pesquisa têm significantes implicações na gestão da produção de sistemas reais.

Download (PDF)

Palavras-chave:

DOI: 10.5151/viisimep-315869

Referências bibliográficas
  • [1] BLUM, C.; ROLI, A. Metaheuristics in combinatorial optimization: Overview and conceptual comparison.
  • [2] ACM computing surveys (CSUR), Acm, v. 35, n. 3, p. 268–308, 2003.
  • [3] CORMEN, T. H. et al. Introduction to algorithms. [S.l.]: MIT press, 2009.
  • [4] DING, J.-Y.; SONG, S.; WU, C. Carbon-efficient scheduling of flow shops by multi-objective optimization.
  • [5] European Journal of Operational Research, v. 248, n. 3, p. 758–771, 2016.
  • [6] EPE. Anuário estatístico de Energia Elétrica 2017. Brasília: [s.n.], 2017.
  • [7] FAN, K. et al. Review and classification of hybrid shop scheduling. Production Engineering, v. 12, n. 5, p.
  • [8] 597–609, 2018.
  • [9] GUPTA, J. N. D. Two-Stage, Hybrid Flowshop Scheduling Problem. Journal of the Operational Research
  • [10] Society, v. 39, n. 4, p. 359, 1988.
  • [11] HURINK, J.; JURISCH, B.; THOLE, M. Tabu search for the job-shop scheduling problem with multi-purpose
  • [12] machines. Operations-Research-Spektrum, v. 15, n. 4, p. 205–215, Dec 1994.
  • [13] KELLER, F.; SCHÖNBORN, C.; REINHART, G. Energy-orientated Machine Scheduling for Hybrid Flow
  • [14] Shops. Procedia CIRP, v. 29, p. 156–161, 2015.
  • [15] LI, J.-q. et al. Efficient multi-objective optimization algorithm for hybrid flow shop scheduling problems with
  • [16] setup energy consumptions. Journal of Cleaner Production, v. 181, p. 584–598, 2018.
  • [17] LI, X.; GAO, L. An effective hybrid genetic algorithm and tabu search for flexible job shop scheduling problem.
  • [18] International Journal of Production Economics, v. 174, p. 93–110, 2016.
  • [19] LIU, Y. et al. A multi-objective genetic algorithm for optimisation of energy consumption and shop floor
  • [20] production performance. International Journal of Production Economics, v. 179, p. 259–272, 2016.
  • [21] LU, C. et al. Energy-efficient permutation flow shop scheduling problem using a hybrid multi-objective
  • [22] backtracking search algorithm. Journal of Cleaner Production, v. 144, p.228–238, 2017.
  • [23] LUO, H. et al. Hybrid flow shop scheduling considering machine electricity consumption cost. International
  • [24] Journal of Production Economics, Elsevier, v. 146, n. 2, p. 423–439, dec 2013.
  • [25] MANSOURI, S. A.; AKTAS, E.; BESIKCI, U. Green scheduling of a two-machine flowshop: Trade-off etween
  • [26] makespan and energy consumption. European Journal of Operational Research, v. 248, n. 3, p. 772–788,
  • [27] 2016.
  • [28] MASTROLILLI, M.; GAMBARDELLA, L. M. Effective neighbourhood functions for the flexible job shop
  • [29] problem. Journal of scheduling, Wiley Online Library, v. 3, n. 1, p. 3–20, 2000.
  • [30] MOKHTARI, H.; HASANI, A. An energy-efficient multi-objective optimization for flexible job-shop
  • [31] scheduling problem. Computers and Chemical Engineering, v. 104, p. 339–352, 2017.
  • [32] PEZZELLA, F.; MORGANTI, G.; CIASCHETTI, G. A genetic algorithm for the Flexible Job-shop Scheduling
  • [33] Problem. Computers & Operations Research, v. 35, n. 10, p. 3202–3212, 2008.
  • [34] PINEDO, M. L. Scheduling. 5aedição. ed. Cham: Springer International Publishing, 2016. ISBN 978-3-319-
  • [35] 26578-0.
  • [36] PIROOZFARD, H.; WONG, K. Y.; WONG, W. P. Minimizing total carbon footprint and total late work
  • [37] criterion in flexible job shop scheduling by using an improved multi-objective genetic algorithm. Resources,
  • [38] Conservation & Recycling, v. 128, p. 267–283, 2018.
  • [39] QUADT, D.; KUHN, H. A taxonomy of flexible flow line scheduling procedures. European Journal of
  • [40] Operational Research, v. 178, n. 3, p. 686–698, may 2007.
  • [41] RIBAS, I.; LEISTEN, R.; FRAMIÑAN, J. M. Review and classification of hybrid flow shop scheduling
  • [42] problems from a production system and a solutions procedure perspective. Computers & Operations Research,
  • [43] Pergamon, v. 37, n. 8, p. 1439–1454, aug 2010.
  • [44] RUIZ, R.; VÁZQUEZ-RODRÍGUEZ, J. A. The hybrid flow shop scheduling problem. European Journal of
  • [45] Operational Research, North-Holland, v. 205, n. 1, p. 1–18, aug 2010.
  • [46] WORLDBANK. Value Added (% of GDP). 2016. Disponível em:
  • [47] <https://data.worldbank.org/indicator/NV.IND.MANF.ZS>.
  • [48] YAN, J. et al. A multi-level optimization approach for energy-efficient flexible flow shop scheduling. Journal
  • [49] of Cleaner Production, v. 137, p. 1543–1552, 2016.
  • [50] ZHANG, R.; CHIONG, R. Solving the energy-efficient job shop scheduling problem: a multi-objective genetic
  • [51] algorithm with enhanced local search for minimizing the total weighted tardiness and total energy consumption.
  • [52] Journal of Cleaner Production, v. 112, p. 3361–3375, 2016.
Como citar:

Koehler, Carlos Guilherme Souza; Mestria, Mário; "PROGRAMAÇÃO DA PRODUÇÃO HÍBRIDA PARA MINIMIZAR O CUSTO TOTAL DO CONSUMO DE ENERGIA", p-3176-3190. In: Anais do VIII Simpósio de Engenharia de Produção . São Paulo: Blucher, 2020.
ISSN 23577592, DOI 10.5151/viisimep-315869

últimos 30 dias

77
downloads

186
visualizações

576
indexações