METODOLOGÍA BASADA EN LOS ALGORITMOS VEGA Y MOGA PARA SOLUCIONAR UN PROBLEMA MULTIOBJETIVO EN UN SISTEMA DE PRODUCCIÓN JOB SHOP (METHODOLOGY BASED ON THE ALGORITHMS VEGA AND MOGA TO SOLVE A MULTIOBJECTIVE PROBLEM IN A SYSTEM OF PRODUCTION JOB SHOP)
En este artículo se presenta una metodología que pretende minimizar de forma simultánea, en un ambiente de producción tipo “job shop” correspondiente a una empresa metalmecánica, las siguientes variables: tiempo de proceso, costo de mano de obra directa y, asimismo la fracción defectuosa generada po...
- Autores:
-
Coca Ortegón, Germán Augusto
Castrillón Gómez, Ómar Danilo
Ruiz Herrera, Santiago
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2013
- Institución:
- Universidad EIA .
- Repositorio:
- Repositorio EIA .
- Idioma:
- spa
- OAI Identifier:
- oai:repository.eia.edu.co:11190/4849
- Acceso en línea:
- https://repository.eia.edu.co/handle/11190/4849
https://revistas.eia.edu.co/index.php/reveia/article/view/507
- Palabra clave:
- multiobjetivo
job shop
tiempo de procesamiento
costos de mano de obra directa
Vega
Moga. KEYWORDS
multiobjective
makespan time
cost of direct labor
Moga. PALAVRAS-CHAVE
job shop multiobjetivo
tempo de processamento
custos de m
- Rights
- openAccess
- License
- Revista EIA - 2014
id |
REIA2_ae59472e2295658b0cf2306e119fdf88 |
---|---|
oai_identifier_str |
oai:repository.eia.edu.co:11190/4849 |
network_acronym_str |
REIA2 |
network_name_str |
Repositorio EIA . |
repository_id_str |
|
dc.title.spa.fl_str_mv |
METODOLOGÍA BASADA EN LOS ALGORITMOS VEGA Y MOGA PARA SOLUCIONAR UN PROBLEMA MULTIOBJETIVO EN UN SISTEMA DE PRODUCCIÓN JOB SHOP (METHODOLOGY BASED ON THE ALGORITHMS VEGA AND MOGA TO SOLVE A MULTIOBJECTIVE PROBLEM IN A SYSTEM OF PRODUCTION JOB SHOP) |
dc.title.translated.eng.fl_str_mv |
METODOLOGÍA BASADA EN LOS ALGORITMOS VEGA Y MOGA PARA SOLUCIONAR UN PROBLEMA MULTIOBJETIVO EN UN SISTEMA DE PRODUCCIÓN JOB SHOP (METHODOLOGY BASED ON THE ALGORITHMS VEGA AND MOGA TO SOLVE A MULTIOBJECTIVE PROBLEM IN A SYSTEM OF PRODUCTION JOB SHOP) |
title |
METODOLOGÍA BASADA EN LOS ALGORITMOS VEGA Y MOGA PARA SOLUCIONAR UN PROBLEMA MULTIOBJETIVO EN UN SISTEMA DE PRODUCCIÓN JOB SHOP (METHODOLOGY BASED ON THE ALGORITHMS VEGA AND MOGA TO SOLVE A MULTIOBJECTIVE PROBLEM IN A SYSTEM OF PRODUCTION JOB SHOP) |
spellingShingle |
METODOLOGÍA BASADA EN LOS ALGORITMOS VEGA Y MOGA PARA SOLUCIONAR UN PROBLEMA MULTIOBJETIVO EN UN SISTEMA DE PRODUCCIÓN JOB SHOP (METHODOLOGY BASED ON THE ALGORITHMS VEGA AND MOGA TO SOLVE A MULTIOBJECTIVE PROBLEM IN A SYSTEM OF PRODUCTION JOB SHOP) multiobjetivo job shop tiempo de procesamiento costos de mano de obra directa Vega Moga. KEYWORDS multiobjective makespan time cost of direct labor Moga. PALAVRAS-CHAVE job shop multiobjetivo tempo de processamento custos de m |
title_short |
METODOLOGÍA BASADA EN LOS ALGORITMOS VEGA Y MOGA PARA SOLUCIONAR UN PROBLEMA MULTIOBJETIVO EN UN SISTEMA DE PRODUCCIÓN JOB SHOP (METHODOLOGY BASED ON THE ALGORITHMS VEGA AND MOGA TO SOLVE A MULTIOBJECTIVE PROBLEM IN A SYSTEM OF PRODUCTION JOB SHOP) |
title_full |
METODOLOGÍA BASADA EN LOS ALGORITMOS VEGA Y MOGA PARA SOLUCIONAR UN PROBLEMA MULTIOBJETIVO EN UN SISTEMA DE PRODUCCIÓN JOB SHOP (METHODOLOGY BASED ON THE ALGORITHMS VEGA AND MOGA TO SOLVE A MULTIOBJECTIVE PROBLEM IN A SYSTEM OF PRODUCTION JOB SHOP) |
title_fullStr |
METODOLOGÍA BASADA EN LOS ALGORITMOS VEGA Y MOGA PARA SOLUCIONAR UN PROBLEMA MULTIOBJETIVO EN UN SISTEMA DE PRODUCCIÓN JOB SHOP (METHODOLOGY BASED ON THE ALGORITHMS VEGA AND MOGA TO SOLVE A MULTIOBJECTIVE PROBLEM IN A SYSTEM OF PRODUCTION JOB SHOP) |
title_full_unstemmed |
METODOLOGÍA BASADA EN LOS ALGORITMOS VEGA Y MOGA PARA SOLUCIONAR UN PROBLEMA MULTIOBJETIVO EN UN SISTEMA DE PRODUCCIÓN JOB SHOP (METHODOLOGY BASED ON THE ALGORITHMS VEGA AND MOGA TO SOLVE A MULTIOBJECTIVE PROBLEM IN A SYSTEM OF PRODUCTION JOB SHOP) |
title_sort |
METODOLOGÍA BASADA EN LOS ALGORITMOS VEGA Y MOGA PARA SOLUCIONAR UN PROBLEMA MULTIOBJETIVO EN UN SISTEMA DE PRODUCCIÓN JOB SHOP (METHODOLOGY BASED ON THE ALGORITHMS VEGA AND MOGA TO SOLVE A MULTIOBJECTIVE PROBLEM IN A SYSTEM OF PRODUCTION JOB SHOP) |
dc.creator.fl_str_mv |
Coca Ortegón, Germán Augusto Castrillón Gómez, Ómar Danilo Ruiz Herrera, Santiago |
dc.contributor.author.spa.fl_str_mv |
Coca Ortegón, Germán Augusto Castrillón Gómez, Ómar Danilo Ruiz Herrera, Santiago |
dc.subject.spa.fl_str_mv |
multiobjetivo job shop tiempo de procesamiento costos de mano de obra directa Vega Moga. KEYWORDS multiobjective makespan time cost of direct labor Moga. PALAVRAS-CHAVE job shop multiobjetivo tempo de processamento custos de m |
topic |
multiobjetivo job shop tiempo de procesamiento costos de mano de obra directa Vega Moga. KEYWORDS multiobjective makespan time cost of direct labor Moga. PALAVRAS-CHAVE job shop multiobjetivo tempo de processamento custos de m |
description |
En este artículo se presenta una metodología que pretende minimizar de forma simultánea, en un ambiente de producción tipo “job shop” correspondiente a una empresa metalmecánica, las siguientes variables: tiempo de proceso, costo de mano de obra directa y, asimismo la fracción defectuosa generada por la fatiga del operario. Con este propósito se fusionan elementos de los algoritmos genéticos Vega y Moga, desarrollando para el efecto las siguientes etapas: generar la población inicial, conformar la nueva población, realizar análisis de varianza y por último, comparar con un método híbrido entre sumas ponderadas y algoritmos genéticos.De acuerdo con lo anterior, al evaluar el individuo de menor tiempo de proceso proveniente de la metodología basada en los algoritmos Vega y Moga, respecto al individuo de menor tiempo de desarrollo proveniente del método híbrido entre sumas ponderadas y algoritmos genéticos, se encuentra que el primero supera en desempeño al segundo así: en cuanto a la variable tiempo de proceso (en horas) en 27,86%; en cuanto a la variable tiempo de proceso (en semanas) en 1,25%; en cuanto a la variable costo de mano de obra directa (MOD) en 6,73% y, en cuanto a la variable fracción defectuosa en 25,85%.Abstract: This paper presents a methodology that aims to minimize simultaneously, in a “Jo b Shop” production system the following variables: process time (makespan time), cost of direct labor and also the fraction defective generated by operator fatigue. For this purpose, are taken and fused elements of genetic algorithms Vega and Moga, through the following steps: generating the initial population, form the new population, obtaining the appropriate analysis of variance and finally compared with a hybrid method of weighted sums and genetic algorithms.According to the above, when evaluating the solution faster processing time corresponding to the method based on algorithms Vega and Moga, respect to the solution faster processing time calculated from the method based on weighted sums and genetic algorithms, states that the first one exceeds the second performance as: for process time variable (in hours) at 27.86%, for variable in process time (in weeks) at 1.25%, in terms of the variable cost of direct labor in 6.73% and, as to the variable defective fraction in 25.85%.Sumário:Neste artigo apresentamos uma metodologia que visa minimizar ao mesmo tempo, em um ambiente de produção tipo “job shop” para uma empresa de engenharia, as seguintes variáveis: tempo de processo, custo de mão de obra direta e também a fração defeituosa gerada pela fadiga do operador. Para este efeito, os elementos de fusível e algoritmos genéticos Moga Vega, desenvolvido para efectuar os seguintes passos: geração de uma população inicial, formam a nova população, a análise de variância e, finalmente, em comparação com um método híbrido e somas ponderadas algoritmos genéticos. De acordo com o exposto, o menor tempo individual processo de avaliação da metodologia baseada em algoritmos e Moga Vega, em comparação com o tempo de processamento menor do indivíduo a partir da soma ponderada método híbrido e de algoritmos genéticos, a primeira supera a segunda maneira: como a variável de tempo do processo (em horas) 27,86%, em termos de tempo variável de processo (em semanas) a 1,25%, em termos de custo variável mão de obra direta (MOD) em 6,73% e, como a fração defeituosa variável 25,85%. |
publishDate |
2013 |
dc.date.accessioned.none.fl_str_mv |
2013-10-16 00:00:00 2022-06-17T20:17:47Z |
dc.date.available.none.fl_str_mv |
2013-10-16 00:00:00 2022-06-17T20:17:47Z |
dc.date.issued.none.fl_str_mv |
2013-10-16 |
dc.type.spa.fl_str_mv |
Artículo de revista |
dc.type.eng.fl_str_mv |
Journal article |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 http://purl.org/coar/resource_type/c_6501 |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.content.spa.fl_str_mv |
Text |
dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/ARTREF |
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 |
1794-1237 |
dc.identifier.uri.none.fl_str_mv |
https://repository.eia.edu.co/handle/11190/4849 |
dc.identifier.eissn.none.fl_str_mv |
2463-0950 |
dc.identifier.url.none.fl_str_mv |
https://revistas.eia.edu.co/index.php/reveia/article/view/507 |
identifier_str_mv |
1794-1237 2463-0950 |
url |
https://repository.eia.edu.co/handle/11190/4849 https://revistas.eia.edu.co/index.php/reveia/article/view/507 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.relation.bitstream.none.fl_str_mv |
https://revistas.eia.edu.co/index.php/reveia/article/download/507/495 |
dc.relation.citationedition.spa.fl_str_mv |
Núm. 19 , Año 2013 |
dc.relation.citationendpage.none.fl_str_mv |
191 |
dc.relation.citationissue.spa.fl_str_mv |
19 |
dc.relation.citationstartpage.none.fl_str_mv |
175 |
dc.relation.citationvolume.spa.fl_str_mv |
10 |
dc.relation.ispartofjournal.spa.fl_str_mv |
Revista EIA |
dc.rights.spa.fl_str_mv |
Revista EIA - 2014 |
dc.rights.uri.spa.fl_str_mv |
https://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 |
Revista EIA - 2014 https://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 |
dc.publisher.spa.fl_str_mv |
Fondo Editorial EIA - Universidad EIA |
dc.source.spa.fl_str_mv |
https://revistas.eia.edu.co/index.php/reveia/article/view/507 |
institution |
Universidad EIA . |
bitstream.url.fl_str_mv |
https://repository.eia.edu.co/bitstreams/6cb77028-dfea-4d33-b69c-f70df5b3f558/download |
bitstream.checksum.fl_str_mv |
de2c272b6d861695a457d97385b26751 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositorio Institucional Universidad EIA |
repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
_version_ |
1828317370792280064 |
spelling |
Coca Ortegón, Germán Augusto5cb2ab727ac324f61dd9afbee4493dd9300Castrillón Gómez, Ómar Danilo8d3196533528aa99d6adf5dd6e8ff573300Ruiz Herrera, Santiago7da5b8244db11085d614046c4e906ee23002013-10-16 00:00:002022-06-17T20:17:47Z2013-10-16 00:00:002022-06-17T20:17:47Z2013-10-161794-1237https://repository.eia.edu.co/handle/11190/48492463-0950https://revistas.eia.edu.co/index.php/reveia/article/view/507En este artículo se presenta una metodología que pretende minimizar de forma simultánea, en un ambiente de producción tipo “job shop” correspondiente a una empresa metalmecánica, las siguientes variables: tiempo de proceso, costo de mano de obra directa y, asimismo la fracción defectuosa generada por la fatiga del operario. Con este propósito se fusionan elementos de los algoritmos genéticos Vega y Moga, desarrollando para el efecto las siguientes etapas: generar la población inicial, conformar la nueva población, realizar análisis de varianza y por último, comparar con un método híbrido entre sumas ponderadas y algoritmos genéticos.De acuerdo con lo anterior, al evaluar el individuo de menor tiempo de proceso proveniente de la metodología basada en los algoritmos Vega y Moga, respecto al individuo de menor tiempo de desarrollo proveniente del método híbrido entre sumas ponderadas y algoritmos genéticos, se encuentra que el primero supera en desempeño al segundo así: en cuanto a la variable tiempo de proceso (en horas) en 27,86%; en cuanto a la variable tiempo de proceso (en semanas) en 1,25%; en cuanto a la variable costo de mano de obra directa (MOD) en 6,73% y, en cuanto a la variable fracción defectuosa en 25,85%.Abstract: This paper presents a methodology that aims to minimize simultaneously, in a “Jo b Shop” production system the following variables: process time (makespan time), cost of direct labor and also the fraction defective generated by operator fatigue. For this purpose, are taken and fused elements of genetic algorithms Vega and Moga, through the following steps: generating the initial population, form the new population, obtaining the appropriate analysis of variance and finally compared with a hybrid method of weighted sums and genetic algorithms.According to the above, when evaluating the solution faster processing time corresponding to the method based on algorithms Vega and Moga, respect to the solution faster processing time calculated from the method based on weighted sums and genetic algorithms, states that the first one exceeds the second performance as: for process time variable (in hours) at 27.86%, for variable in process time (in weeks) at 1.25%, in terms of the variable cost of direct labor in 6.73% and, as to the variable defective fraction in 25.85%.Sumário:Neste artigo apresentamos uma metodologia que visa minimizar ao mesmo tempo, em um ambiente de produção tipo “job shop” para uma empresa de engenharia, as seguintes variáveis: tempo de processo, custo de mão de obra direta e também a fração defeituosa gerada pela fadiga do operador. Para este efeito, os elementos de fusível e algoritmos genéticos Moga Vega, desenvolvido para efectuar os seguintes passos: geração de uma população inicial, formam a nova população, a análise de variância e, finalmente, em comparação com um método híbrido e somas ponderadas algoritmos genéticos. De acordo com o exposto, o menor tempo individual processo de avaliação da metodologia baseada em algoritmos e Moga Vega, em comparação com o tempo de processamento menor do indivíduo a partir da soma ponderada método híbrido e de algoritmos genéticos, a primeira supera a segunda maneira: como a variável de tempo do processo (em horas) 27,86%, em termos de tempo variável de processo (em semanas) a 1,25%, em termos de custo variável mão de obra direta (MOD) em 6,73% e, como a fração defeituosa variável 25,85%.En este artículo se presenta una metodología que pretende minimizar de forma simultánea, en un ambiente de producción tipo “job shop” correspondiente a una empresa metalmecánica, las siguientes variables: tiempo de proceso, costo de mano de obra directa y, asimismo la fracción defectuosa generada por la fatiga del operario. Con este propósito se fusionan elementos de los algoritmos genéticos Vega y Moga, desarrollando para el efecto las siguientes etapas: generar la población inicial, conformar la nueva población, realizar análisis de varianza y por último, comparar con un método híbrido entre sumas ponderadas y algoritmos genéticos.De acuerdo con lo anterior, al evaluar el individuo de menor tiempo de proceso proveniente de la metodología basada en los algoritmos Vega y Moga, respecto al individuo de menor tiempo de desarrollo proveniente del método híbrido entre sumas ponderadas y algoritmos genéticos, se encuentra que el primero supera en desempeño al segundo así: en cuanto a la variable tiempo de proceso (en horas) en 27,86%; en cuanto a la variable tiempo de proceso (en semanas) en 1,25%; en cuanto a la variable costo de mano de obra directa (MOD) en 6,73% y, en cuanto a la variable fracción defectuosa en 25,85%.Abstract: This paper presents a methodology that aims to minimize simultaneously, in a “Jo b Shop” production system the following variables: process time (makespan time), cost of direct labor and also the fraction defective generated by operator fatigue. For this purpose, are taken and fused elements of genetic algorithms Vega and Moga, through the following steps: generating the initial population, form the new population, obtaining the appropriate analysis of variance and finally compared with a hybrid method of weighted sums and genetic algorithms.According to the above, when evaluating the solution faster processing time corresponding to the method based on algorithms Vega and Moga, respect to the solution faster processing time calculated from the method based on weighted sums and genetic algorithms, states that the first one exceeds the second performance as: for process time variable (in hours) at 27.86%, for variable in process time (in weeks) at 1.25%, in terms of the variable cost of direct labor in 6.73% and, as to the variable defective fraction in 25.85%.Sumário:Neste artigo apresentamos uma metodologia que visa minimizar ao mesmo tempo, em um ambiente de produção tipo “job shop” para uma empresa de engenharia, as seguintes variáveis: tempo de processo, custo de mão de obra direta e também a fração defeituosa gerada pela fadiga do operador. Para este efeito, os elementos de fusível e algoritmos genéticos Moga Vega, desenvolvido para efectuar os seguintes passos: geração de uma população inicial, formam a nova população, a análise de variância e, finalmente, em comparação com um método híbrido e somas ponderadas algoritmos genéticos. De acordo com o exposto, o menor tempo individual processo de avaliação da metodologia baseada em algoritmos e Moga Vega, em comparação com o tempo de processamento menor do indivíduo a partir da soma ponderada método híbrido e de algoritmos genéticos, a primeira supera a segunda maneira: como a variável de tempo do processo (em horas) 27,86%, em termos de tempo variável de processo (em semanas) a 1,25%, em termos de custo variável mão de obra direta (MOD) em 6,73% e, como a fração defeituosa variável 25,85%.application/pdfspaFondo Editorial EIA - Universidad EIARevista EIA - 2014https://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://revistas.eia.edu.co/index.php/reveia/article/view/507multiobjetivojob shoptiempo de procesamientocostos de mano de obra directaVegaMoga. KEYWORDSmultiobjectivemakespan timecost of direct laborMoga. PALAVRAS-CHAVEjob shop multiobjetivotempo de processamentocustos de mMETODOLOGÍA BASADA EN LOS ALGORITMOS VEGA Y MOGA PARA SOLUCIONAR UN PROBLEMA MULTIOBJETIVO EN UN SISTEMA DE PRODUCCIÓN JOB SHOP (METHODOLOGY BASED ON THE ALGORITHMS VEGA AND MOGA TO SOLVE A MULTIOBJECTIVE PROBLEM IN A SYSTEM OF PRODUCTION JOB SHOP)METODOLOGÍA BASADA EN LOS ALGORITMOS VEGA Y MOGA PARA SOLUCIONAR UN PROBLEMA MULTIOBJETIVO EN UN SISTEMA DE PRODUCCIÓN JOB SHOP (METHODOLOGY BASED ON THE ALGORITHMS VEGA AND MOGA TO SOLVE A MULTIOBJECTIVE PROBLEM IN A SYSTEM OF PRODUCTION JOB SHOP)Artículo de revistaJournal articlehttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionTexthttp://purl.org/redcol/resource_type/ARTREFhttp://purl.org/coar/version/c_970fb48d4fbd8a85https://revistas.eia.edu.co/index.php/reveia/article/download/507/495Núm. 19 , Año 20131911917510Revista EIAPublicationOREORE.xmltext/xml3001https://repository.eia.edu.co/bitstreams/6cb77028-dfea-4d33-b69c-f70df5b3f558/downloadde2c272b6d861695a457d97385b26751MD5111190/4849oai:repository.eia.edu.co:11190/48492023-07-25 16:46:53.287https://creativecommons.org/licenses/by-nc-nd/4.0Revista EIA - 2014metadata.onlyhttps://repository.eia.edu.coRepositorio Institucional Universidad EIAbdigital@metabiblioteca.com |