Key points are not available for this paper at this time.
La replanification dans un flowshop hybride revêt une importance significative dans les industries modernes confrontées à des événements incertains. De plus, les scénarios de fabrication réels utilisent souvent le lot streaming pour améliorer la compétitivité sur le marché. À la lumière de la demande énergétique croissante et de ses impacts environnementaux conséquents, les entreprises de fabrication contemporaines mettent un accent accru sur l'efficacité énergétique. Cette étude a abordé un problème de replanification de flowshop hybride vert avec des sous-lots cohérents (GHFRPCS) dans le contexte de l'insertion urgente de lots. Initialement, nous établissons un modèle d'optimisation visant à minimiser le makespan, la consommation totale d'énergie et la stabilité du système. Pour s'attaquer à ce problème d'optimisation multi-objectifs NP-difficile, nous développons une heuristique constructive générant des solutions prometteuses basées sur la division de lots, la séquence et des règles de recherche locale. Une amélioration supplémentaire est réalisée grâce à un algorithme de colonie d'abeilles artificielles discrètes multi-objectifs (MDABC). MDABC décompose le problème en sous-problèmes, initiant des solutions avec l'heuristique constructive et les affinant à travers les phases d'abeilles employées, d'abeilles observatrices et d'abeilles éclaireuses. Les expériences computationnelles comparent MDABC à d'autres algorithmes évolutionnaires multi-objectifs (MOEAs) sur des problèmes à petite et grande échelle. Les résultats démontrent la supériorité de MDABC, réalisant une amélioration de quatre fois en exactitude et en efficacité pour des instances à petite échelle et une amélioration de six fois pour des problèmes à grande échelle à faible coût par rapport à d'autres MOEAs.
Wang et al. (mar,) ont étudié cette question.