Um algoritmo de otimização por baleias aprimorado para problemas de escalonamento em oficinas de trabalho flexíveis com efeitos de deterioração de máquinas

Por que os problemas de tempo na fábrica importam

Por trás de produtos do dia a dia como celulares, carros e alimentos embalados existe um quebra-cabeça oculto: decidir qual máquina realiza qual tarefa, e em que ordem. Esse desafio de planejamento, conhecido como escalonamento, determina se uma fábrica entrega no prazo ou faz clientes esperarem. O artigo explora como planejar o trabalho da fábrica quando as máquinas se desgastam lentamente, e apresenta um algoritmo computadorizado inspirado em baleias capaz de encontrar planos de produção mais rápidos e realistas.

Como máquinas reais envelhecem no chão de fábrica

Nos livros-texto de escalonamento, as máquinas são tratadas como perfeitas: sua velocidade de processamento nunca muda. Oficinas reais são diferentes. À medida que as máquinas operam por longas horas, peças se desgastam, o calor aumenta e o desempenho cai. Trabalhos que começam mais tarde na mesma máquina podem levar mais tempo do que tarefas idênticas processadas anteriormente. Esse efeito, chamado deterioração, é comum em indústrias como siderurgia, plásticos, maquinário e defesa. Ignorá-lo faz com que os cronogramas pareçam bons no papel, mas desapontadores na prática, porque os tempos reais de conclusão acabam sendo bem maiores do que o previsto.

Transformando desgaste em uma regra simples

Os autores estudam uma oficina de trabalho flexível, onde cada etapa de cada trabalho pode ser feita em mais de uma máquina, e adicionam uma regra realista para o envelhecimento das máquinas. Em vez de assumir que o tempo de processamento cresce indefinidamente, eles adotam um padrão em degraus: para uso inicial, a máquina opera na velocidade básica; após determinada carga de trabalho, tempo extra é adicionado a cada trabalho conforme o desgaste cresce; além de um limite superior, a desaceleração para de aumentar e permanece em um atraso extra fixo. Usando essa regra, constroem um modelo matemático cujo objetivo é minimizar o tempo total até que todos os trabalhos sejam concluídos, respeitando a ordem das tarefas, as escolhas de máquina e os atrasos crescentes causados pela deterioração.

Tomando emprestado ideias de baleias caçadoras

Para enfrentar esse complexo problema de planejamento, o artigo aprimora o Whale Optimization Algorithm, um método de busca inspirado em como as baleias-jubarte circulam e aprisionam presas. Cada “baleia” no algoritmo representa um cronograma possível. Atualizando repetidamente esses cronogramas, o grupo busca planos melhores. Os autores redesenham várias partes desse processo. Eles criam um modo mais inteligente de gerar o lote inicial de cronogramas, misturando raciocínio global, refinamento local e aleatoriedade. Também ajustam como as baleias virtuais mudam da exploração ampla no início para o ajuste fino depois, usando uma regra de convergência curva e uma “inércia” variável que controla o tamanho dos passos.

Mantendo a busca diversa e evitando becos sem saída

Versões padrão do método das baleias podem ficar presas, circulando em torno de um plano apenas razoável em vez de encontrar um melhor. Para prevenir isso, os autores emprestam um truque de mutação de outra família de algoritmos, em que novos cronogramas candidatos são criados combinando diferenças entre os existentes. Esse passo diferencial aleatório injeta variedade de volta no grupo. Eles também introduzem uma estratégia de seno dourado, usando movimentos suaves em forma de onda e a razão áurea para empurrar a busca através de uma região mais ampla do espaço de soluções, ao mesmo tempo em que ainda se dirige a áreas promissoras. Juntas, essas mudanças equilibram exploração ousada com polimento cuidadoso.

O que os testes mostram na prática

A equipe testa seu algoritmo aprimorado em conjuntos de problemas de escalonamento padrão que foram adaptados para incluir desgaste de máquina. Eles comparam os resultados com o método original das baleias, um algoritmo genético clássico e um otimizador lobo-cinzento. Na maioria dos conjuntos de teste, o novo método encontra cronogramas que terminam mais cedo e o faz de forma mais consistente entre execuções. Em um exemplo detalhado, simplesmente adicionar deterioração das máquinas quase dobra o tempo de conclusão previsto se nenhum reescalonamento for feito. Quando o método das baleias aprimorado é aplicado, o tempo total com desgaste incluído cai cerca de um terço em comparação com esse plano ingênuo, mostrando ganhos claros de eficiência.

O que isso significa para fábricas reais

Em termos simples, o estudo mostra que planejar o trabalho da fábrica como se as máquinas nunca desacelerassem pode enganar seriamente os gestores. Incorporando o envelhecimento das máquinas ao cronograma e usando uma busca refinada inspirada em baleias, as fábricas podem organizar tarefas e escolhas de máquinas de maneiras que correspondam melhor à realidade, reduzindo tempos de espera e melhorando o rendimento. Embora a abordagem ainda assuma condições estáveis e parâmetros ajustados, ela aponta para ferramentas digitais mais inteligentes que ajudam oficinas a lidar tanto com flexibilidade quanto com desgaste, aproximando os planos gerados por computador do que realmente acontece no chão de fábrica.

Citação: Li, K., Tian, S. An improved whale optimization algorithm for flexible job shop scheduling problems with machine deterioration effects. Sci Rep 16, 14604 (2026). https://doi.org/10.1038/s41598-026-44409-4

Palavras-chave: escalonamento, otimização, manufatura, desgaste de máquinas, metaheurísticas