Balanceo de líneas de producción en la industria farmacéutica mediante Programación por metas

Introducción: En una línea de fabricación es muy importante que los tiempos de ciclo de las diferentes estaciones estén balanceados y que sean bajos, ya que esto permite disminuir los inventarios de producto en proceso, sin embargo, hacer esto conlleva a aumentar el número de estaciones, lo que no e...

Full description

Autores:
Orejuela Cabrera, Juan Pablo
Flórez González, Andrés
Tipo de recurso:
Article of journal
Fecha de publicación:
2019
Institución:
Corporación Universidad de la Costa
Repositorio:
REDICUC - Repositorio CUC
Idioma:
spa
OAI Identifier:
oai:repositorio.cuc.edu.co:11323/12208
Acceso en línea:
https://hdl.handle.net/11323/12208
https://doi.org/10.17981/ingecuc.15.1.2019.10
Palabra clave:
line balancing
cycle time
goal programming mathematical model
multi-objective approach
balanceo de línea
tiempo de ciclo
programación por metas
modelo matemático
enfoque multi-objetivo
Rights
openAccess
License
INGE CUC - 2019
id RCUC2_b94de33709823bebfeedce40a9585408
oai_identifier_str oai:repositorio.cuc.edu.co:11323/12208
network_acronym_str RCUC2
network_name_str REDICUC - Repositorio CUC
repository_id_str
dc.title.spa.fl_str_mv Balanceo de líneas de producción en la industria farmacéutica mediante Programación por metas
dc.title.translated.eng.fl_str_mv Production line balancing in the pharmaceutical industry using Goal Programming
title Balanceo de líneas de producción en la industria farmacéutica mediante Programación por metas
spellingShingle Balanceo de líneas de producción en la industria farmacéutica mediante Programación por metas
line balancing
cycle time
goal programming mathematical model
multi-objective approach
balanceo de línea
tiempo de ciclo
programación por metas
modelo matemático
enfoque multi-objetivo
title_short Balanceo de líneas de producción en la industria farmacéutica mediante Programación por metas
title_full Balanceo de líneas de producción en la industria farmacéutica mediante Programación por metas
title_fullStr Balanceo de líneas de producción en la industria farmacéutica mediante Programación por metas
title_full_unstemmed Balanceo de líneas de producción en la industria farmacéutica mediante Programación por metas
title_sort Balanceo de líneas de producción en la industria farmacéutica mediante Programación por metas
dc.creator.fl_str_mv Orejuela Cabrera, Juan Pablo
Flórez González, Andrés
dc.contributor.author.spa.fl_str_mv Orejuela Cabrera, Juan Pablo
Flórez González, Andrés
dc.subject.eng.fl_str_mv line balancing
cycle time
goal programming mathematical model
multi-objective approach
topic line balancing
cycle time
goal programming mathematical model
multi-objective approach
balanceo de línea
tiempo de ciclo
programación por metas
modelo matemático
enfoque multi-objetivo
dc.subject.spa.fl_str_mv balanceo de línea
tiempo de ciclo
programación por metas
modelo matemático
enfoque multi-objetivo
description Introducción: En una línea de fabricación es muy importante que los tiempos de ciclo de las diferentes estaciones estén balanceados y que sean bajos, ya que esto permite disminuir los inventarios de producto en proceso, sin embargo, hacer esto conlleva a aumentar el número de estaciones, lo que no es favorable ya que eleva los costos fijos asociados a las estaciones, en tal sentido es necesario definir estrategias que permitan lograr un equilibrio entre estos requerimientos. Objetivo: En este artículo se propone la formulación de un modelo para el balanceo de línea, utilizando la técnica de programación multiobjetivo por metas, aplicada a la industria farmacéutica con el fin de minimizar el número de estaciones, minimizar el tiempo de ciclo y el inventario en proceso. Metodología: Se emplea la programación por metas para abordar un modelo de balance de línea, que considera al mismo tiempo la asignación de múltiples estaciones una operación y la asignación de múltiples operaciones a una estación. Resultados: Se logra una reducción significativa del tiempo ciclo y del tiempo ocioso a costos mínimos, además se presenta una comparación entre el modelo determinístico y estocástico. Conclusiones: A través de esta implementación del modelo en LINGO, se validó el cumplimiento de las restricciones planteadas, la precedencia de las operaciones y el buen funcionamiento del modelo mediante las soluciones óptimas obtenidas. La simulación, es una herramienta que permite ilustrar la complejidad de las operaciones del sistema de producción, las cuales requieren como en nuestro caso de una modelación más ajustada a la realidad para comprender el comportamiento del proceso y evaluar diferentes estrategias
publishDate 2019
dc.date.accessioned.none.fl_str_mv 2019-03-07 00:00:00
2024-04-09T20:15:10Z
dc.date.available.none.fl_str_mv 2019-03-07 00:00:00
2024-04-09T20:15:10Z
dc.date.issued.none.fl_str_mv 2019-03-07
dc.type.spa.fl_str_mv Artículo de revista
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_6501
http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.content.spa.fl_str_mv Text
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/article
dc.type.local.eng.fl_str_mv Journal article
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/ART
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.coarversion.spa.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
format http://purl.org/coar/resource_type/c_6501
status_str publishedVersion
dc.identifier.issn.none.fl_str_mv 0122-6517
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/11323/12208
dc.identifier.url.none.fl_str_mv https://doi.org/10.17981/ingecuc.15.1.2019.10
dc.identifier.doi.none.fl_str_mv 10.17981/ingecuc.15.1.2019.10
dc.identifier.eissn.none.fl_str_mv 2382-4700
identifier_str_mv 0122-6517
10.17981/ingecuc.15.1.2019.10
2382-4700
url https://hdl.handle.net/11323/12208
https://doi.org/10.17981/ingecuc.15.1.2019.10
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.ispartofjournal.spa.fl_str_mv Inge Cuc
dc.relation.references.spa.fl_str_mv N. Boysen, M. Fliedner and A. Scholl, “A classification of assembly line balancing problems,” Eur. J. Oper. Res., vol. 183, no. 2, pp. 674–693, Dec. 2007, doi: https://doi.org/10.1016/j.ejor.2006.10.010
J. Pereira and E. Álvarez-Miranda, “An exact approach for the robust assembly line balancing problem,” Omega, vol. 78, pp. 85–98, Jul. 2018, doi: https://doi.org/10.1016/j.omega.2017.08.020
I. Baybars, “A Survey of Exact Algorithms for the Simple Assembly Line Balancing Problem,” Manage. Sci., vol. 32, no. 8, pp. 909–932, Aug. 1986, doi: https://doi.org/10.1287/mnsc.32.8.909
E. Erel, “A study on production lines with discrete batch WIP inventory transfer,” Int. J. Prod. Econ., vol. 55, no. 1, pp. 71–85, Jun. 1998, doi: https://doi.org/10.1016/S0925-5273(98)00042-5
E. Erel, “Effect of discrete batch WIP transfer on the efficiency of production lines,” Int. J. Prod. Res., vol. 31, no. 8, pp. 1827–1838, Aug. 1993, doi: https://doi.org/10.1080/00207549308956825.
P. J. Egbelu and N. Roy, “Material flow control in AGV/unit load based production lines,” Int. J. Prod. Res., vol. 26, no. 1, pp. 81–94, Jan. 1988, doi: https://doi.org/10.1080/00207548808947842
P. J. Egbelu, “Batch production time in a multi-stage system with material-handling consideration,” Int. J. Prod. Res., vol. 29, no. 4, pp. 695–712, Apr. 1991, doi: https://doi.org/10.1080/00207549108930096
P. J. Egbelu, “Machining and material flow system design for minimum cost production,” Int. J. Prod. Res., vol. 28, no. 2, pp. 353–368, Feb. 1990, doi: https://doi.org/10.1080/00207549008942716
R. G. Qiu, “Virtual production line based WIP control for semiconductor manufacturing systems,” Int. J. Prod. Econ., vol. 95, no. 2, pp. 165–178, Feb. 2005, doi: https://doi.org/10.1016/j.ijpe.2003.12.004
W. Choi and Y. Lee, “A dynamic part-feeding system for an automotive assembly line,” Comput. Ind. Eng., vol. 43, no. 1–2, pp. 123–134, Jul. 2002, doi: https://doi.org/10.1016/S0360-8352(02)00071-2
A. Scholl and R. Klein, “SALOME: A Bidirectional Branch-and-Bound Procedure for Assembly Line Balancing,” INFORMS J. Comput., vol. 9, no. 4, pp. 319–334, Nov. 1997, doi: https://doi.org/10.1287/ijoc.9.4.319
P. R. McMullen and P. Tarasewich, “Multi-objective assembly line balancing via a modified ant colony optimization technique,” Int. J. Prod. Res., vol. 44, no. 1, pp. 27–42, Jan. 2006, doi: https://doi.org/10.1080/00207540500216748
A. Scholl and C. Becker, “State-of-the-art exact and heuristic solution procedures for simple assembly line balancing,” Eur. J. Oper. Res., vol. 168, no. 3, pp. 666–693, Mar. 2006, doi: https://doi.org/10.1016/j.ejor.2004.07.022
Y. Bukchin and T. Raviv, “Constraint programming for solving various assembly line balancing problems,” Omega, vol. 78, pp. 57–68, Jul. 2018, doi: https://doi.org/10.1016/j.omega.2017.06.008
J. Pereira and E. Álvarez-Miranda, “An exact approach for the robust assembly line balancing problem,” Omega, vol. 78, pp. 85–98, Jul. 2018, doi: https://doi.org/10.1016/j.omega.2017.08.020
J. R. Coronado-Hernandez and H. Ospina-Mateus, “Incorporación de Riesgos Ergonómicos en el Balanceo de Líneas de Ensamble en U,” WPOM - Work. Pap. Oper. Manag., vol. 4, no. 2, pp. 29–43, Sept. 2013, doi: http://dx.doi.org/10.4995/wpom.v4i2.1164
E. H. Bowman, “Assembly-Line Balancing by Linear Programming,” Oper. Res., vol. 8, no. 3, pp. 385–389, Jun. 1960. doi: http://dx.doi.org/10.1287/opre.8.3.385
C. N. Klahr, “Multiple Objectives in Mathematical Programming,” Oper. Res., vol. 6, no. 6, pp. 849–855, Nov. 1958. Available: https://doi.org/10.1287/opre.6.6.849
A. Charnes and W. W. Cooper, Management models and industrial applications of linear programming, vol. 1, N.J., USA: John Wiley & Sons, 1961.
Y. Ijiri, Management goals and accounting for control, Haarlem, Netherlands: North Holland Pub. Co., 1965.
F. S. Hillier and G. J. Lieberman, Investigación de operaciones, 10th ed., Madrid, España: McGraw-Hill Interamericana S.L., 2016.
C. Romero, “El enfoque multiobjetivo en los modelos matemáticos de planificación de cultivos,” Rev. Econ. Polit., vol. 89, pp. 179–204, Sept. 1981.
S. M. Lee, Goal Programming for Decision Analysis, Philadelphia, USA: Auerbach Pub., 1972.
J. P. Ignizio, Goal programming and extensions, Toronto, Canada: Lexington Books, 1976.
C. Romero, Análisis de las decisiones multicriterio, vol. 14, Madrid, España: Isdefe, 1996.
Ö. Polat, Ö. Mutlu and E. Özgörmüş, “A Goal Programming Model For Assembly Line Balancing Problem Type 2 Under Workload Constraint.” in The 2015 Northeast Decision Sciences Conf., Cambridge, MA, March 2015.
M. C. O. Moreira, R. Pastor, A. M. Costa and C. Miralles, “The multi-objective assembly line worker integration and balancing problem of type-2,” Comput. Oper. Res., vol. 82, pp. 114–125, Jun. 2017, doi: https://doi.org/10.1016/j.cor.2017.01.003
A. J. R. Smith and A. Bhandari, “Multiple criteria approach to the stochastic assembly line balancing problem,” Proc. 33rd Int. Matador Conf., 2000, pp. 61–66.
O. Rosenberg and H. Ziegler, “A comparison of heuristic algorithms for cost-oriented assembly line balancing,” ZOR Zeitschrift fü Oper. Res. Methods Model. Oper. Res., vol. 36, no. 6, pp. 477–495, Nov. 1992. Available: https://link.springer.com/article/10.1007/BF01416240
dc.relation.citationendpage.none.fl_str_mv 122
dc.relation.citationstartpage.none.fl_str_mv 109
dc.relation.citationissue.spa.fl_str_mv 1
dc.relation.citationvolume.spa.fl_str_mv 15
dc.relation.bitstream.none.fl_str_mv https://revistascientificas.cuc.edu.co/ingecuc/article/download/1906/2059
https://revistascientificas.cuc.edu.co/ingecuc/article/download/1906/2092
https://revistascientificas.cuc.edu.co/ingecuc/article/download/1906/2287
dc.relation.citationedition.spa.fl_str_mv Núm. 1 , Año 2019 : (Enero - Junio)
dc.rights.spa.fl_str_mv INGE CUC - 2019
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv INGE CUC - 2019
http://creativecommons.org/licenses/by-nc-nd/4.0
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
text/html
application/xml
dc.publisher.spa.fl_str_mv Universidad de la Costa
dc.source.spa.fl_str_mv https://revistascientificas.cuc.edu.co/ingecuc/article/view/1906
institution Corporación Universidad de la Costa
bitstream.url.fl_str_mv https://repositorio.cuc.edu.co/bitstreams/ebb45250-b9ab-4a37-b12c-6ac650834718/download
bitstream.checksum.fl_str_mv 65a5c26b4dc5972463b2b4f9ee3fec72
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositorio de la Universidad de la Costa CUC
repository.mail.fl_str_mv repdigital@cuc.edu.co
_version_ 1828166696545812480
spelling Orejuela Cabrera, Juan PabloFlórez González, Andrés2019-03-07 00:00:002024-04-09T20:15:10Z2019-03-07 00:00:002024-04-09T20:15:10Z2019-03-070122-6517https://hdl.handle.net/11323/12208https://doi.org/10.17981/ingecuc.15.1.2019.1010.17981/ingecuc.15.1.2019.102382-4700Introducción: En una línea de fabricación es muy importante que los tiempos de ciclo de las diferentes estaciones estén balanceados y que sean bajos, ya que esto permite disminuir los inventarios de producto en proceso, sin embargo, hacer esto conlleva a aumentar el número de estaciones, lo que no es favorable ya que eleva los costos fijos asociados a las estaciones, en tal sentido es necesario definir estrategias que permitan lograr un equilibrio entre estos requerimientos. Objetivo: En este artículo se propone la formulación de un modelo para el balanceo de línea, utilizando la técnica de programación multiobjetivo por metas, aplicada a la industria farmacéutica con el fin de minimizar el número de estaciones, minimizar el tiempo de ciclo y el inventario en proceso. Metodología: Se emplea la programación por metas para abordar un modelo de balance de línea, que considera al mismo tiempo la asignación de múltiples estaciones una operación y la asignación de múltiples operaciones a una estación. Resultados: Se logra una reducción significativa del tiempo ciclo y del tiempo ocioso a costos mínimos, además se presenta una comparación entre el modelo determinístico y estocástico. Conclusiones: A través de esta implementación del modelo en LINGO, se validó el cumplimiento de las restricciones planteadas, la precedencia de las operaciones y el buen funcionamiento del modelo mediante las soluciones óptimas obtenidas. La simulación, es una herramienta que permite ilustrar la complejidad de las operaciones del sistema de producción, las cuales requieren como en nuestro caso de una modelación más ajustada a la realidad para comprender el comportamiento del proceso y evaluar diferentes estrategiasIntroduction: In a production Line it’s important that the stations’ cycle times are balanced and that they are low since this allows to reduce the work in process. However, doing this leads to an increase in the stations’ number, that is not favorable because it raises the costs associated with the stations, therefore it is necessary to define strategies that allow achieving a balance between these requirements. Objective: In this article we propose the formulation of a model for the line balancing, using the technique of multi-objective goal programming, applied to the pharmaceutical industry in order to minimize the stations’ number, minimize cycle time and inventory in process. Methodology: Goal programming is used to address a line balance model, which considers at the same time the assignment of multiple stations to one operation and the assignment of multiple operations to one station. Results: A significant decrease in cycle time and idle time at minimum costs is achieved, and a comparison between the deterministic and stochastic models is presented. Conclusions: Through this implementation of the LINGO model, the compliance of the proposed restrictions, the precedence of operations and the proper functioning of the model were validated through the optimal solutions obtained. The simulation is a tool that illustrates the complexity of the operations of the production system, which require, as in our case, more realistic modeling to understand the behavior of the process and evaluate different strategies.application/pdftext/htmlapplication/xmlspaUniversidad de la CostaINGE CUC - 2019http://creativecommons.org/licenses/by-nc-nd/4.0info:eu-repo/semantics/openAccessEsta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.http://purl.org/coar/access_right/c_abf2https://revistascientificas.cuc.edu.co/ingecuc/article/view/1906line balancingcycle timegoal programming mathematical modelmulti-objective approachbalanceo de líneatiempo de cicloprogramación por metasmodelo matemáticoenfoque multi-objetivoBalanceo de líneas de producción en la industria farmacéutica mediante Programación por metasProduction line balancing in the pharmaceutical industry using Goal ProgrammingArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1Textinfo:eu-repo/semantics/articleJournal articlehttp://purl.org/redcol/resource_type/ARTinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85Inge CucN. Boysen, M. Fliedner and A. Scholl, “A classification of assembly line balancing problems,” Eur. J. Oper. Res., vol. 183, no. 2, pp. 674–693, Dec. 2007, doi: https://doi.org/10.1016/j.ejor.2006.10.010J. Pereira and E. Álvarez-Miranda, “An exact approach for the robust assembly line balancing problem,” Omega, vol. 78, pp. 85–98, Jul. 2018, doi: https://doi.org/10.1016/j.omega.2017.08.020I. Baybars, “A Survey of Exact Algorithms for the Simple Assembly Line Balancing Problem,” Manage. Sci., vol. 32, no. 8, pp. 909–932, Aug. 1986, doi: https://doi.org/10.1287/mnsc.32.8.909E. Erel, “A study on production lines with discrete batch WIP inventory transfer,” Int. J. Prod. Econ., vol. 55, no. 1, pp. 71–85, Jun. 1998, doi: https://doi.org/10.1016/S0925-5273(98)00042-5E. Erel, “Effect of discrete batch WIP transfer on the efficiency of production lines,” Int. J. Prod. Res., vol. 31, no. 8, pp. 1827–1838, Aug. 1993, doi: https://doi.org/10.1080/00207549308956825.P. J. Egbelu and N. Roy, “Material flow control in AGV/unit load based production lines,” Int. J. Prod. Res., vol. 26, no. 1, pp. 81–94, Jan. 1988, doi: https://doi.org/10.1080/00207548808947842P. J. Egbelu, “Batch production time in a multi-stage system with material-handling consideration,” Int. J. Prod. Res., vol. 29, no. 4, pp. 695–712, Apr. 1991, doi: https://doi.org/10.1080/00207549108930096P. J. Egbelu, “Machining and material flow system design for minimum cost production,” Int. J. Prod. Res., vol. 28, no. 2, pp. 353–368, Feb. 1990, doi: https://doi.org/10.1080/00207549008942716R. G. Qiu, “Virtual production line based WIP control for semiconductor manufacturing systems,” Int. J. Prod. Econ., vol. 95, no. 2, pp. 165–178, Feb. 2005, doi: https://doi.org/10.1016/j.ijpe.2003.12.004W. Choi and Y. Lee, “A dynamic part-feeding system for an automotive assembly line,” Comput. Ind. Eng., vol. 43, no. 1–2, pp. 123–134, Jul. 2002, doi: https://doi.org/10.1016/S0360-8352(02)00071-2A. Scholl and R. Klein, “SALOME: A Bidirectional Branch-and-Bound Procedure for Assembly Line Balancing,” INFORMS J. Comput., vol. 9, no. 4, pp. 319–334, Nov. 1997, doi: https://doi.org/10.1287/ijoc.9.4.319P. R. McMullen and P. Tarasewich, “Multi-objective assembly line balancing via a modified ant colony optimization technique,” Int. J. Prod. Res., vol. 44, no. 1, pp. 27–42, Jan. 2006, doi: https://doi.org/10.1080/00207540500216748A. Scholl and C. Becker, “State-of-the-art exact and heuristic solution procedures for simple assembly line balancing,” Eur. J. Oper. Res., vol. 168, no. 3, pp. 666–693, Mar. 2006, doi: https://doi.org/10.1016/j.ejor.2004.07.022Y. Bukchin and T. Raviv, “Constraint programming for solving various assembly line balancing problems,” Omega, vol. 78, pp. 57–68, Jul. 2018, doi: https://doi.org/10.1016/j.omega.2017.06.008J. Pereira and E. Álvarez-Miranda, “An exact approach for the robust assembly line balancing problem,” Omega, vol. 78, pp. 85–98, Jul. 2018, doi: https://doi.org/10.1016/j.omega.2017.08.020J. R. Coronado-Hernandez and H. Ospina-Mateus, “Incorporación de Riesgos Ergonómicos en el Balanceo de Líneas de Ensamble en U,” WPOM - Work. Pap. Oper. Manag., vol. 4, no. 2, pp. 29–43, Sept. 2013, doi: http://dx.doi.org/10.4995/wpom.v4i2.1164E. H. Bowman, “Assembly-Line Balancing by Linear Programming,” Oper. Res., vol. 8, no. 3, pp. 385–389, Jun. 1960. doi: http://dx.doi.org/10.1287/opre.8.3.385C. N. Klahr, “Multiple Objectives in Mathematical Programming,” Oper. Res., vol. 6, no. 6, pp. 849–855, Nov. 1958. Available: https://doi.org/10.1287/opre.6.6.849A. Charnes and W. W. Cooper, Management models and industrial applications of linear programming, vol. 1, N.J., USA: John Wiley & Sons, 1961.Y. Ijiri, Management goals and accounting for control, Haarlem, Netherlands: North Holland Pub. Co., 1965.F. S. Hillier and G. J. Lieberman, Investigación de operaciones, 10th ed., Madrid, España: McGraw-Hill Interamericana S.L., 2016.C. Romero, “El enfoque multiobjetivo en los modelos matemáticos de planificación de cultivos,” Rev. Econ. Polit., vol. 89, pp. 179–204, Sept. 1981.S. M. Lee, Goal Programming for Decision Analysis, Philadelphia, USA: Auerbach Pub., 1972.J. P. Ignizio, Goal programming and extensions, Toronto, Canada: Lexington Books, 1976.C. Romero, Análisis de las decisiones multicriterio, vol. 14, Madrid, España: Isdefe, 1996.Ö. Polat, Ö. Mutlu and E. Özgörmüş, “A Goal Programming Model For Assembly Line Balancing Problem Type 2 Under Workload Constraint.” in The 2015 Northeast Decision Sciences Conf., Cambridge, MA, March 2015.M. C. O. Moreira, R. Pastor, A. M. Costa and C. Miralles, “The multi-objective assembly line worker integration and balancing problem of type-2,” Comput. Oper. Res., vol. 82, pp. 114–125, Jun. 2017, doi: https://doi.org/10.1016/j.cor.2017.01.003A. J. R. Smith and A. Bhandari, “Multiple criteria approach to the stochastic assembly line balancing problem,” Proc. 33rd Int. Matador Conf., 2000, pp. 61–66.O. Rosenberg and H. Ziegler, “A comparison of heuristic algorithms for cost-oriented assembly line balancing,” ZOR Zeitschrift fü Oper. Res. Methods Model. Oper. Res., vol. 36, no. 6, pp. 477–495, Nov. 1992. Available: https://link.springer.com/article/10.1007/BF01416240122109115https://revistascientificas.cuc.edu.co/ingecuc/article/download/1906/2059https://revistascientificas.cuc.edu.co/ingecuc/article/download/1906/2092https://revistascientificas.cuc.edu.co/ingecuc/article/download/1906/2287Núm. 1 , Año 2019 : (Enero - Junio)PublicationOREORE.xmltext/xml2628https://repositorio.cuc.edu.co/bitstreams/ebb45250-b9ab-4a37-b12c-6ac650834718/download65a5c26b4dc5972463b2b4f9ee3fec72MD5111323/12208oai:repositorio.cuc.edu.co:11323/122082024-09-17 11:05:42.984http://creativecommons.org/licenses/by-nc-nd/4.0INGE CUC - 2019metadata.onlyhttps://repositorio.cuc.edu.coRepositorio de la Universidad de la Costa CUCrepdigital@cuc.edu.co

Publicaciones similares