Algorithms For Solving The Job Rotation Problem With Heterogeneous Workers
rotação de tarefas; balanceamento de linha de produção; trabalhadores heterogêneos; heurísticas; programação inteira mista.
Este estudo aborda o problema de balanceamento de linhas de produção e designação de trabalhadores em linhas de montagem com rotação de tarefas (JRALWABP). O problema em questão considera trabalhadores com heterogeneidade na execução de tarefas. O objetivo consiste em maximizar o número de tarefas distintas executadas pelos trabalhadores e minimizar o tempo de ciclo médio em relação a todos os períodos, sujeito às precedências de tarefas. Inicialmente, avaliamos duas formulações exatas de programação inteira mista (Modelos M1 e M2), considerando o tempo médio de ciclo como restrição. Embora essas formulações fossem úteis como referência, mostraram-se inviáveis para instâncias maiores, aumentando a necessidade de heurísticas robustas. Nesse contexto, desenvolvemos a estratégia denominada HAJR2, que evolui o algoritmo híbrido existente (HAJR1) por meio de um processo iterativo intercalando heurísticas como, GRASP, Busca Tabu e um algoritmo genético, além da introdução da heurística Pattern Injection Local Search (PILS). Os parâmetros da Busca Tabu e do algoritmo genético foram calibrados com Irace e a execução de ambos foi feita em mesma base, assegurando comparações justas. Os experimentos em quatro famílias de instâncias mostraram que HAJR2 supera HAJR1, aumentando a variedade média de tarefas atribuídas sem afetar o tempo de ciclo, e se mostra mais resistente em instâncias com alta taxa de incompatibilidade tarefa/trabalhador. Este trabalho refina o estado da arte na programação de rotação de trabalhadores heterogêneos, oferecendo uma base prática e extensível para aplicações reais em linhas de montagem.