Otimização via simulação da programação de produção de um flow shop híbrido

Abstract

Given the competitiveness present in the market dynamics, proper production scheduling represents a competitive advantage by reducing production costs and providing higher productivity rates. However, obtaining a schedule for complex systems and with stochastic variables represents a challenge for traditional mathematical modeling methods. Thus, by providing a simpler way of dealing with these complexities, simulation optimization is considered a useful tool in production scheduling. In this sense, the objective of this work is to use discrete event simulation in conjunction with the genetic algorithm to optimize the production planning of an automotive component production line, characterized as a hybrid flow shop environment. It was found that the proposed method of optimization via simulation discrete events is superior to the method of delivery of prioritization by earlier date of delivery and criticality used by the company. However, the computational time required for this type of optimization can be considered a negative point for the approach

Diante da competitividade presente na dinâmica de mercado, uma a programação da produção adequada representa vantagem competitiva ao reduzir custos de produção e proporcionar maiores índices de produtividade. No entanto, obter tal programação para sistemas complexos e de variáveis estocásticas representa um desafio para os métodos tradicionais de modelagem matemática. Assim, por proporcionar uma maneira mais simples de lidar com estas complexidades, a otimização via simulação é considerada uma ferramenta útil na programação da produção. Neste sentido, o objetivo deste trabalho é utilizar a simulação a eventos discretos em conjunto com o algoritmo genético para otimização do planejamento de produção de uma linha de produção de componentes automotivos, caracterizada como um ambiente flow shop híbrido. Verificou-se que o método proposto de otimização via simulação eventos discretos é superior ao método de entrega de priorização por data de entrega mais cedo e criticidade utilizado pela empresa. Porém, o tempo computacional exigido para esse tipo de otimização pode ser considerado um ponto negativo para a abordagem