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...

Full description

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