Distributed permutation flow shop estocástico para minimizar la tardanza esperada

En los últimos años la programación de la producción -Scheduling- ha tomado fuerza y relevancia dentro de las organizaciones por su impacto en el logro de los objetivos de la organización. En un mundo cada vez más globalizado, la producción y la gestión de los recursos pueden irse extendiendo desde una sola fábrica, hasta una red compleja de producción distribuida. Este artículo estudia el problema del Distributed Permutation Flowshop (DPFSP) estocástico que minimiza el valor esperado de la tardanza. Para la solución del problema, se propone una simheurística basada en un algoritmo genético hibridizado con simulación de Monte Carlo. A su vez, para evaluar el desempeño de la simheurística propuesta, se utilizaron 92 instancias extraídas de la literatura, en las cuales se pudo mejorar en un 100% la solución en las instancias cortas, en cuanto a las instancias largas, en el 88% de las corridas realizadas se encontró una mejor solución con la simheuristica, sin embargo se destaca que en el 100% de las instancias se encontraron como mínimo 6 soluciones donde la FO disminuye con la simheuristica, habiendo realizado 9 corridas por instancia. Al comparar la simheuristica implementada, junto con el modelo matemático y la regla de despacho ATC, en los resultados estadísticos obtenidos, se pudo identificar que la tardanza esperada se pudo mejorar hasta en un 20% comparada con los otros métodos ya mencionados.

• Autores: Walteros Pirajon, Carlos Eduardo; Orjuela Lozano, Juan Camilo; Sánchez Niño, Natalia; Sánchez Gamba, Juan Daniel
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2022
• Institución: Pontificia Universidad Javeriana
• Repositorio: Repositorio Universidad Javeriana
• Idioma: spa
• OAI Identifier: oai:repository.javeriana.edu.co:10554/61667
• Acceso en línea: http://hdl.handle.net/10554/61667
• Palabra clave: Taller de flujo de permutación; Tardanza; Estocástico; Instancias; Permutation flowshop; Tardiness; stochastic; instances; Ingeniería industrial - Tesis y disertaciones académicas; Modelos estocásticos; Metaheurística; Mejoramiento de procesos
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional