Optimización de la programación de producción en tanques reactores farmacéuticos mediante un algoritmo genético

Procaps, líder en la industria farmacéutica en Latinoamérica, enfrenta problemas en la programación de producción de cápsulas blandas de gelatina debido al uso ineficiente de los tanques reactores. La programación manual actual causa retrasos y subutilización de recursos, impactando negativamente la...

Full description

Autores:
Lara Bayona, Juan Sebastián
Villa Vergara, Camilo Andrés
Salazar Arias, Natalia Andrea
Tipo de recurso:
Fecha de publicación:
2024
Institución:
Universidad del Norte
Repositorio:
Repositorio Uninorte
Idioma:
spa
OAI Identifier:
oai:manglar.uninorte.edu.co:10584/11972
Acceso en línea:
http://hdl.handle.net/10584/11972
Palabra clave:
Algoritmo
Genetico
Farmacéutico
JSSP
Rights
License
Universidad del Norte
id REPOUNORT2_87cd208632083a48d2f466770eca7c13
oai_identifier_str oai:manglar.uninorte.edu.co:10584/11972
network_acronym_str REPOUNORT2
network_name_str Repositorio Uninorte
repository_id_str
dc.title.es_ES.fl_str_mv Optimización de la programación de producción en tanques reactores farmacéuticos mediante un algoritmo genético
dc.title.en_US.fl_str_mv Optimization of Production Scheduling in Pharmaceutical Reactor Tanks Using a Genetic Algorithm
title Optimización de la programación de producción en tanques reactores farmacéuticos mediante un algoritmo genético
spellingShingle Optimización de la programación de producción en tanques reactores farmacéuticos mediante un algoritmo genético
Algoritmo
Genetico
Farmacéutico
JSSP
title_short Optimización de la programación de producción en tanques reactores farmacéuticos mediante un algoritmo genético
title_full Optimización de la programación de producción en tanques reactores farmacéuticos mediante un algoritmo genético
title_fullStr Optimización de la programación de producción en tanques reactores farmacéuticos mediante un algoritmo genético
title_full_unstemmed Optimización de la programación de producción en tanques reactores farmacéuticos mediante un algoritmo genético
title_sort Optimización de la programación de producción en tanques reactores farmacéuticos mediante un algoritmo genético
dc.creator.fl_str_mv Lara Bayona, Juan Sebastián
Villa Vergara, Camilo Andrés
Salazar Arias, Natalia Andrea
dc.contributor.advisor.none.fl_str_mv Galindo Pacheco, Gina María
dc.contributor.author.none.fl_str_mv Lara Bayona, Juan Sebastián
Villa Vergara, Camilo Andrés
Salazar Arias, Natalia Andrea
dc.subject.es_ES.fl_str_mv Algoritmo
Genetico
Farmacéutico
topic Algoritmo
Genetico
Farmacéutico
JSSP
dc.subject.en_US.fl_str_mv JSSP
description Procaps, líder en la industria farmacéutica en Latinoamérica, enfrenta problemas en la programación de producción de cápsulas blandas de gelatina debido al uso ineficiente de los tanques reactores. La programación manual actual causa retrasos y subutilización de recursos, impactando negativamente la operación y facturación de la empresa. Para solucionar esto, se seleccionó un algoritmo genético por su capacidad para resolver el Job Shop Scheduling Problem (JSSP). Este algoritmo utiliza operadores genéticos como selección, cruce y mutación para generar y evaluar soluciones de manera eficiente. Un cromosoma, compuesto por 82 genes que representan tareas asignadas a máquinas específicas, se genera aleatoriamente y sirve como punto de partida para el algoritmo. La selección por torneo se utilizó para elegir los mejores cromosomas según su aptitud, evaluada por el Tiempo Total de Finalización (TFT) y la Sumatoria de Tardanzas (TM), penalizando tardanzas que excedan tres meses. La implementación del algoritmo genético redujo el TFT de 2187 a 1659 horas (24.1% de mejora) y mantuvo la TM en 0 horas, distribuyendo eficientemente la carga de trabajo entre las máquinas. Se concluyó que el sistema puede operar eficientemente con un mínimo de 9 máquinas. Esta optimización mejoró significativamente la programación de producción, reduciendo tiempos y aumentando la eficiencia operativa, lo que permitió cumplir con la demanda sin retrasos, mejorando la competitividad y satisfacción del cliente. Este enfoque demostró ser una solución efectiva y prometedora para la sostenibilidad de la empresa en el mercado farmacéutico.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-06-12T14:12:37Z
dc.date.available.none.fl_str_mv 2024-06-12T14:12:37Z
dc.date.issued.none.fl_str_mv 2024-06-06
dc.type.es_ES.fl_str_mv article
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_6501
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/10584/11972
url http://hdl.handle.net/10584/11972
dc.language.iso.es_ES.fl_str_mv spa
language spa
dc.rights.es_ES.fl_str_mv Universidad del Norte
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Universidad del Norte
http://purl.org/coar/access_right/c_abf2
dc.publisher.es_ES.fl_str_mv Barranquilla, Universidad del Norte, 2024
institution Universidad del Norte
bitstream.url.fl_str_mv https://manglar.uninorte.edu.co/bitstream/10584/11972/1/LARA-SALZAR-VILLA%20IMAGEN%20PF%20ES.png
https://manglar.uninorte.edu.co/bitstream/10584/11972/2/LARA-SALZAR-VILLA%20IMAGEN%20PF%20ES.pdf
https://manglar.uninorte.edu.co/bitstream/10584/11972/3/LARA-SALZAR-VILLA%20IMAGEN%20PF%20ING.png
https://manglar.uninorte.edu.co/bitstream/10584/11972/4/LARA-SALZAR-VILLA%20IMAGEN%20PF%20ING.pdf
https://manglar.uninorte.edu.co/bitstream/10584/11972/5/license.txt
bitstream.checksum.fl_str_mv 5bf19a9a73498ed3b3e9fba7813ce6c2
638d4e3f5718554815f2756de8073a17
c98c0b88bce895014c5e424813535951
385fca1b6bcde4d21e3a5aae395049ad
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Digital de la Universidad del Norte
repository.mail.fl_str_mv mauribe@uninorte.edu.co
_version_ 1812183117372325888
spelling Galindo Pacheco, Gina MaríaLara Bayona, Juan SebastiánVilla Vergara, Camilo AndrésSalazar Arias, Natalia Andrea2024-06-12T14:12:37Z2024-06-12T14:12:37Z2024-06-06http://hdl.handle.net/10584/11972Procaps, líder en la industria farmacéutica en Latinoamérica, enfrenta problemas en la programación de producción de cápsulas blandas de gelatina debido al uso ineficiente de los tanques reactores. La programación manual actual causa retrasos y subutilización de recursos, impactando negativamente la operación y facturación de la empresa. Para solucionar esto, se seleccionó un algoritmo genético por su capacidad para resolver el Job Shop Scheduling Problem (JSSP). Este algoritmo utiliza operadores genéticos como selección, cruce y mutación para generar y evaluar soluciones de manera eficiente. Un cromosoma, compuesto por 82 genes que representan tareas asignadas a máquinas específicas, se genera aleatoriamente y sirve como punto de partida para el algoritmo. La selección por torneo se utilizó para elegir los mejores cromosomas según su aptitud, evaluada por el Tiempo Total de Finalización (TFT) y la Sumatoria de Tardanzas (TM), penalizando tardanzas que excedan tres meses. La implementación del algoritmo genético redujo el TFT de 2187 a 1659 horas (24.1% de mejora) y mantuvo la TM en 0 horas, distribuyendo eficientemente la carga de trabajo entre las máquinas. Se concluyó que el sistema puede operar eficientemente con un mínimo de 9 máquinas. Esta optimización mejoró significativamente la programación de producción, reduciendo tiempos y aumentando la eficiencia operativa, lo que permitió cumplir con la demanda sin retrasos, mejorando la competitividad y satisfacción del cliente. Este enfoque demostró ser una solución efectiva y prometedora para la sostenibilidad de la empresa en el mercado farmacéutico.Procaps, a leading pharmaceutical company in Latin America, faces challenges in the production scheduling of soft gelatin capsules due to inefficient use of reactor tanks. The current manual scheduling process results in delays and underutilization of resources, negatively impacting the company’s operations and revenue. To address this, a genetic algorithm was selected for its capability to solve the Job Shop Scheduling Problem (JSSP). This algorithm employs genetic operators such as selection, crossover, and mutation to efficiently generate and evaluate potential solutions. A chromosome, consisting of 82 genes representing tasks assigned to specific machines, is generated randomly and serves as the starting point for the algorithm. Tournament selection was used to choose the best chromosomes based on their fitness, evaluated by the Total Flow Time (TFT) and Total Tardiness (TM), with a penalty for delays exceeding three months. The implementation of the optimized genetic algorithm reduced the TFT from 2187 to 1659 hours (a 24.1% improvement) and maintained the TM at 0 hours, efficiently distributing the workload across machines. It was concluded that the system can operate efficiently with a minimum of 9 machines. This optimization significantly improved production scheduling, reducing times and increasing operational efficiency, enabling the company to meet demand without delays, thus enhancing competitiveness and customer satisfaction. This approach proved to be an effective and promising solution for the company’s long-term sustainability in the pharmaceutical market.spaBarranquilla, Universidad del Norte, 2024Universidad del Nortehttp://purl.org/coar/access_right/c_abf2AlgoritmoGeneticoFarmacéuticoJSSPOptimización de la programación de producción en tanques reactores farmacéuticos mediante un algoritmo genéticoOptimization of Production Scheduling in Pharmaceutical Reactor Tanks Using a Genetic Algorithmarticlehttp://purl.org/coar/resource_type/c_6501ORIGINALLARA-SALZAR-VILLA IMAGEN PF ES.pngLARA-SALZAR-VILLA IMAGEN PF ES.pngimage/png9779061https://manglar.uninorte.edu.co/bitstream/10584/11972/1/LARA-SALZAR-VILLA%20IMAGEN%20PF%20ES.png5bf19a9a73498ed3b3e9fba7813ce6c2MD51LARA-SALZAR-VILLA IMAGEN PF ES.pdfLARA-SALZAR-VILLA IMAGEN PF ES.pdfapplication/pdf1140645https://manglar.uninorte.edu.co/bitstream/10584/11972/2/LARA-SALZAR-VILLA%20IMAGEN%20PF%20ES.pdf638d4e3f5718554815f2756de8073a17MD52LARA-SALZAR-VILLA IMAGEN PF ING.pngLARA-SALZAR-VILLA IMAGEN PF ING.pngimage/png9771329https://manglar.uninorte.edu.co/bitstream/10584/11972/3/LARA-SALZAR-VILLA%20IMAGEN%20PF%20ING.pngc98c0b88bce895014c5e424813535951MD53LARA-SALZAR-VILLA IMAGEN PF ING.pdfLARA-SALZAR-VILLA IMAGEN PF ING.pdfapplication/pdf1141273https://manglar.uninorte.edu.co/bitstream/10584/11972/4/LARA-SALZAR-VILLA%20IMAGEN%20PF%20ING.pdf385fca1b6bcde4d21e3a5aae395049adMD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://manglar.uninorte.edu.co/bitstream/10584/11972/5/license.txt8a4605be74aa9ea9d79846c1fba20a33MD5510584/11972oai:manglar.uninorte.edu.co:10584/119722024-06-12 09:12:37.74Repositorio Digital de la Universidad del Nortemauribe@uninorte.edu.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