JOB SCHEDULING USING LINEAR PROGRAMMING.

Desarrollo de modelos de programacin lineal para la optimizacin de la secuenciacin de N Jobs en una sola mquina. En el primer modelo la funcin objetivo a optimizar es el "average flow time". Como se observa en la solucin ptima, la programacin de los trabajos queda de acuerdo a la regla SPT (shortest processing time). Ntese que en este modelo NO es necesario restringir las variables a enteros o binarias, el problema tiene la probabilidad de Integralidad, la solucin resulta binaria de manera natural. Sin embargo en el Solver de Excel es necesario agregar las restricciones de integralidad, pero este se debe a la falta de precisin de los clculos en Excel. En el segundo modelo la funcin objetivo a optimizar es "average tardiness". Como se obeserva en la solucin ptima, la programacin de los trabajos queda de acuerdo a la regla EDD (earliest due date). En el tercer modelo se trata de obtener la secuencia que minimice el mximo retraso. Este problema no es posible formularlo como un modelo lineal, y Excel Solver no puede encontrar una solucin factible.

Min Avg Flow Time j = orden de procesamiento 2 3 4 5 6 7 0 0 0 0 1 0 0 ### 1 0 0 0 1 ### 0 0 0 0 0 1 0 0 0 0 0 0 ### 1 0 0 0 0 0 0 0 1 ### 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 12 15 21 32 35 44 20 35 56 88 123 167

i 1 2 3 4 5 6 7 8 SUMj fj Fj

i = identificador del Job

ti 35 21 12 15 32 44 8 50

Average FT:

1 0 0 0 0 0 0 1 0 1 8 8 89.25

8 0 0 0 0 0 ### 0 1 1 50 217

SUMi 1 1 1 1 1 1 1 1

DDi 200 150 80 47 120 100 220 150

Datos fijos del problema Valores calculados Variables de decisin

Pgina 1

Min Avg Tardiness j = orden de procesamiento 2 3 4 5 6 7 0 0 0 0 0 1 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 ### 0 0 ### 0 ### 0 0 0 0 1 0 1 1 1 1 1 1 12 44 32 21 50 35 27 71 103 124 174 209 80 100 120 150 150 200

i 1 2 3 4 5 6 7 8 SUMj fj Fj DDj

i = identificador del Job

ti 35 21 12 15 32 44 8 50

1 0 0 0 1 0 0 0 0 1 15 15 47 117.5 32 0 47 4.125

8 0 ### 0 ### 0 ### 1 0 1 8 217 220

SUMi 1 1 1 1 1 1 1 1

DDi 200 150 80 47 120 100 220 150

Average FT: Adelantoj: Retrasoj: Fj + adej - retrj: Average Retraso:

53 0 80

29 0 100

17 0 120

26 0 150

0 24 150

0 9 200

3 0 220

Datos fijos del problema Valores calculados Variables de decisin

Pgina 2

Min Max Tardiness j = orden de procesamiento 3 4 5 6 b 0 b 0 b 0 b 0 b 0 b 1 b 0 b 0 b 0 b 0 b 0 b 0 b 1 b 0 b 0 b 0 b 0 b 0 b 1 b 0 b 0 b 0 b 0 b 0 b 0 b 0 b 0 b 0 b 0 b 0 b 0 b 1 1 15 71 47 1 21 92 150 1 32 124 120 1 50 174 150

i 1 2 3 4 5 6 7 8 SUMj fj Fj DDj

ti 35 21 12 15 32 44 8 50
b b b b b b b b

1 0 0 1 0 0 0 0 0 12 12

b b b b b b b b

2 0 0 0 0 0 1 0 0 1 44 56

b b b b b b b b

7 1 0 0 0 0 0 0 0 1 35

b b b b b b b b

8 0 0 0 0 0 0 1 0 1 8

SUMi 1 1 1 1 1= 1 1 1 1

i = identificador del Job

1 1=

209 200

217 220

Average FT: Adelantoj: Retrasoj: Fj + adej - retrj: Average Retraso: Mximo retraso

80 100 119.38

68 0

44 0 100

0 24 47

58 0 150

0 4 120

0 24 150

0 9 200

3 0 220

= 80
7.625
min

24

24

24

24

24

24

24

24

Pgina 3

Min Max Tardiness

DDi 200 150 80 47 120 100 220 150

1=

Pgina 4