Ordonnancement coopératif en industries agroalimentaires

Dans ce sujet nous avons abordé le problème d'ordonnancement sur des machines en série avec des contraintes spécifiques relatives à l'industrie agroalimentaire afin de minimiser la durée total des tâches notée Cmax ou makespan. Nous avons représenté les méthodes exactes et les méthodes approchées avec les avantages et les inconvénients de chaque méthode. Nous avons proposé une méthode exacte qui est le branch and bound pour la résolution d'un cas particulier des problèmes d'ordonnancement à l'industrie agroalimentaire, un atelier de trois machine et quatre tâches, et ainsi et pour résoudre des problèmes de taille grandes de point de vue nombre de machines et des tâches, il faut utiliser des méthodes approchées, pour cela nous avons considéré un atelier de 9 tâches et 3 machines et nous avons utilisé l'algorithme génétique pour le résoudre. Les résultats obtenues sont comparés avec la solution optimale de la méthode branch and bound et a prouvé l'efficacité des algorithmes génétiques à trouver des solutions satisfaisantes et acceptables et ceci en une durée de résolution très courte par rapport à la méthode branch and bound.

Autorentext

Hmida Hmaied est technologue en génie électrique à ISET bizerte et consultant pour l'indsutrie sans le domaine de côntrole commande des lignes de production.

Klappentext

Dans ce sujet nous avons abordé le problème d'ordonnancement sur des machines en série avec des contraintes spécifiques relatives à l'industrie agroalimentaire afin de minimiser la durée total des tâches notée Cmax ou makespan. Nous avons représenté les méthodes exactes et les méthodes approchées avec les avantages et les inconvénients de chaque méthode. Nous avons proposé une méthode exacte qui est le branch and bound pour la résolution d'un cas particulier des problèmes d'ordonnancement à l'industrie agroalimentaire, un atelier de trois machine et quatre tâches, et ainsi et pour résoudre des problèmes de taille grandes de point de vue nombre de machines et des tâches, il faut utiliser des méthodes approchées, pour cela nous avons considéré un atelier de 9 tâches et 3 machines et nous avons utilisé l'algorithme génétique pour le résoudre. Les résultats obtenues sont comparés avec la solution optimale de la méthode branch and bound et a prouvé l'efficacité des algorithmes génétiques à trouver des solutions satisfaisantes et acceptables et ceci en une durée de résolution très courte par rapport à la méthode branch and bound.