• Flowshop
• Makespan
• Optimization
• Ottimizzazione
• Processi Produttivi
• Programmazione
• Scheduling

Nel panorama sempre più competitivo delle industrie moderne, l'ottimizzazione dei processi produttivi è diventata una priorità strategica per garantire l'efficienza operativa e la soddisfazione dei clienti. Tra i numerosi problemi di pianificazione della produzione che affrontano le aziende, il Distributed Permutation Flowshop Scheduling (DPFS) occupa un posto di rilievo, poiché si concentra sulla pianificazione dei flussi di produzione in ambienti complessi e distribuiti.
Il DPFS è una variante avanzata del più ampio problema di programmazione del flusso in un ambiente di produzione, noto come Flowshop Scheduling. Questo problema si basa sull'organizzazione sequenziale di una serie di operazioni o lavori su diverse macchine, cercando di minimizzare obiettivi chiave come i tempi di completamento, i tempi di attesa e i costi operativi. Tuttavia, mentre il Flowshop Scheduling tradizionale considera una singola sede di produzione, il DPFS affronta scenari in cui la produzione è distribuita su diverse sedi, ciascuna con un proprio set di macchine e risorse.
L'importanza del DPFS risiede nella sua capacità di affrontare le sfide complesse che emergono quando la produzione è decentralizzata. Le aziende moderne spesso operano su scala globale, con unità produttive sparse in diverse località geografiche, ciascuna con esigenze, capacità e vincoli specifici. La pianificazione efficace in questo contesto richiede la sincronizzazione di attività di produzione distribuite, l'allocazione intelligente delle risorse e la minimizzazione dei costi complessivi.
La complessità computazionale del DPFS è notevole, soprattutto quando si considerano vincoli aggiuntivi come i tempi di setup tra le macchine, i vincoli di capacità e le sequenze dipendenti dalle operazioni. Pertanto, la risoluzione ottimale di problemi di DPFS richiede l'uso di algoritmi avanzati di ottimizzazione e tecniche di ricerca operativa.
Questa tesi si propone di esplorare in dettaglio il Distributed Permutation Flowshop Scheduling, analizzando le sue sfide, le soluzioni proposte e le applicazioni pratiche. Verranno esaminate diverse metodologie di risoluzione e, inoltre, verranno illustrati quali sono i vantaggi e gli svantaggi che si presentano quando si va ad analizzare dei vincoli specifici come l’introduzione del vincolo di blocking and buffering, il vincolo no-wait, il vincolo no-idle e quanto i tempi di set up vengono considerati come aspetti rilevanti nella schedulazione dell’attività produttiva.
La tesi si concluderà con un capitolo dedicato all’analisi di un caso reale studiato con un software per la simulazione di processi logistici chiamato AnyLogic .