Face à la rareté des ressources énergétiques non renouvelables, aux problèmes géopolitiques d'approvisionnement et à l'impact du changement climatique, le secteur manufacturier doit développer des solutions plus efficaces énergétiquement pour ses opérations. L'ordonnancement économe en énergie représente une méthode particulièrement attractive pour les entreprises manufacturières puisqu'elle peut être déployée rapidement et montrer des résultats immédiats, ce qui en fait un enjeu crucial dans des industries allant de l'automobile à la pharmacie.
Cette étude se concentre sur le problème d'ordonnancement hybride en flowshop avec contraintes de blocage (BHFS), où l'objectif est de minimiser simultanément le temps de complétion maximal (makespan) et la consommation énergétique globale. Ces deux objectifs sont généralement conflictuels, ce qui nécessite une approche d'optimisation multi-objectifs sophistiquée. Les chercheurs ont d'abord formulé le problème sous forme d'un nouveau modèle de programmation mixte en nombres entiers (MIP) et proposé une méthode epsilon-contrainte augmentée pour identifier les solutions Pareto-optimales.
Pour résoudre des instances de grande taille dans des temps raisonnables, les auteurs ont développé un algorithme métaheuristique multi-objectifs efficace baptisé Refined Iterated Pareto Greedy (RIPG). Cette approche a été évaluée sur des instances de petite, moyenne et grande taille, avec des comparaisons établies par rapport à deux algorithmes bien connus du domaine. Les résultats computationnels démontrent l'efficacité de la méthode proposée, offrant ainsi une solution pratique pour les entreprises manufacturières cherchant à optimiser simultanément leur productivité et leur efficacité énergétique.