Programación De La Producción En Un Sistema Flow Shop Híbrido En Panificadora de Barranquilla

Este proyecto abarca la programación de tareas de un sistema de Flow Shop Híbrido para minimizar la tardanza total de los trabajos de una panificadora. El sistema productivo de esta empresa consta de cinco estaciones secuenciales, en donde las tres primeras etapas cuentan con una sola máquina, la et...

Full description

Autores:
Fayad Ramos, Korina Lucia
Vergara Garay, Silvana Carolina
Vilar Padilla, Jairo Alfredo del
Tipo de recurso:
Fecha de publicación:
2020
Institución:
Universidad del Norte
Repositorio:
Repositorio Uninorte
Idioma:
spa
OAI Identifier:
oai:manglar.uninorte.edu.co:10584/8897
Acceso en línea:
http://hdl.handle.net/10584/8897
Palabra clave:
Tardanza Total, Algoritmo Genético, Flow Shop Híbrido
Total Tardiness, Genetic Algorithm, Hybrid Flow Shop
Rights
License
Universidad del Norte
Description
Summary:Este proyecto abarca la programación de tareas de un sistema de Flow Shop Híbrido para minimizar la tardanza total de los trabajos de una panificadora. El sistema productivo de esta empresa consta de cinco estaciones secuenciales, en donde las tres primeras etapas cuentan con una sola máquina, la etapa siguiente equivale al tiempo de crecimiento del pan y y en la última etapa existen cuatro máquinas paralelas idénticas. Esta configuración corresponde a la línea de producción de Pan a Granel Máquina. Se analizaron 37 trabajos y se diseñó un algoritmo genético utilizando MATLAB con el objetivo de obtener la secuencia que minimice la tardanza total. La cual se comparó con la programación actual que maneja la empresa, y con la heurística cuello de botella obtenida mediante el programa LEKIN. Por medio de un diseño experimental 2^k se determinaron los parámetros para el caso del algoritmo genético. Se consideró de una población inicial de 500 cromosomas que se generaron aleatoriamente, escogiendo el que presentó la menor tardanza. Después, se realizaron 500 mutaciones a partir del mejor cromosoma, obteniendo una nueva población, de la cual se obtendría la secuencia con el mejor desempeño en términos de la función objetivo. Para escoger la secuencia que solucionaría el problema planteado en el proyecto, se realizaron 60 replicas. Los resultados mostraron que la mejor secuencia encontrada por el algoritmo genético reduce la tardanza total en un 27.2% con respecto al panorama actual. La programación generada por la heurística de LEKIN no presentó una disminución significativa en el objetivo. Además, se obtuvo que el tiempo computacional promedio requerido para la ejecución del algoritmo fue de 14.5 segundos. Teniendo en cuenta que el horizonte de programación es diario, este resulta poco significativo.