Desafios de agendamento de job shop

A programação matemática é uma ferramenta poderosa para o gerenciamento da cadeia de suprimentos e o planejamento da produção. Ele também pode ser usado para agendamento de job shop, próximo a outros domínios de aplicativos populares, como design de rede e preços. A aplicação de programação matemática para agendamento de job shop pode ter um grande impacto positivo em um negócio, mas você deve estar ciente dos desafios de agendamento de job shop que podem surgir ao longo do caminho.

No SCDA, por exemplo, demonstramos exemplos de aplicação de otimização matemática para projeto de rede de distribuição , fluxo de distribuição ideal e agendamento de trabalhadores. Por exemplo, leia os seguintes artigos publicados por nós no passado:

Link : Análise prescritiva para design de rede
Link : Agendamento com o Google OU Ferramentas
Link : Otimização de preço e estoque
Link : Programação de restrições com o Google ortools

A programação de job shop é outro campo que pode se beneficiar da otimização matemática e da programação de restrições. As economias e melhorias potenciais do ponto de vista comercial são enormes. Mas existem grandes obstáculos para a aplicação comercial bem-sucedida de programação matemática para programação de oficinas. Aqui estão cinco grandes desafios com os quais tive de lidar no passado.

Complexidade da definição e cálculo do modelo

Os problemas de agendamento de tarefas de produção podem ser extremamente complexos, com grande número de variáveis e restrições. Isso pode dificultar a formulação de um problema de otimização que possa ser resolvido de forma eficiente.

Restrições e condições dinâmicas

Os problemas de agendamento de tarefas de produção geralmente são dinâmicos, com novas tarefas e restrições variáveis sendo introduzidas ao longo do tempo. Isso torna desafiador o desenvolvimento de um modelo matemático que possa se adaptar às mudanças nas condições.

Qualidade imperfeita dos dados disponíveis

Para aplicar a otimização matemática ao agendamento de trabalhos de produção, uma quantidade significativa de dados é necessária, incluindo informações sobre requisitos de trabalho, recursos da máquina e restrições de agendamento. Obter e manter esses dados pode ser difícil e demorado.

Enorme variedade de restrições de capacidade

A programação do trabalho de produção geralmente envolve um grande número de recursos limitados, como máquinas, pessoal e materiais. Essas restrições de recursos podem dificultar o desenvolvimento de um modelo de otimização que possa produzir cronogramas realistas.

Custo de implementação

A implementação de uma solução de otimização matemática para agendamento de tarefas de produção pode ser cara e requer conhecimento técnico significativo. Muitas empresas podem não ter os recursos ou experiência para desenvolver e implementar tal solução.

Desafios e simulação de agendamento de job shop

A simulação pode ser uma ferramenta útil para superar alguns dos desafios associados à otimização matemática na programação de trabalhos de produção. Existem 6 métodos de simulação importantes que os gerentes da cadeia de suprimentos e planejadores de produção devem conhecer. Eu os ilustrei na figura abaixo:

Os métodos de simulação podem ser combinados (abordagem híbrida / abordagem multimétodo) e cada um deles tem seus pontos fortes e fracos. Leia mais sobre os 6 importantes métodos de simulação aqui:

Link : Métodos de simulação para analistas de SCM

Ao simular diferentes cenários, é possível obter informações sobre o impacto de diferentes decisões de programação e identificar possíveis problemas antes de implementar mudanças no ambiente de produção real. A simulação pode ser particularmente útil para abordar a natureza dinâmica, a disponibilidade de dados e as restrições de recursos.

Além disso, a simulação pode ser usada para testar e refinar modelos de otimização matemática. Ao usar a simulação para testar e refinar o modelo de otimização, é possível garantir que ele seja preciso e eficaz em condições do mundo real.

No entanto, a simulação também tem seu próprio conjunto de desafios. Por exemplo, requer conhecimento técnico significativo e recursos computacionais para criar um modelo de simulação preciso . Além disso, a simulação pode não ser capaz de capturar todas as complexidades e nuances dos ambientes de produção do mundo real. Portanto, a simulação deve ser utilizada em conjunto com outras ferramentas, como a otimização matemática, para obter os melhores resultados na programação dos trabalhos de produção.