Desarrollo de un algoritmo de búsqueda tabú para la programación de pedidos en manufactura aditiva
La fabricación o manufactura aditiva (AM), también conocida como impresión 3D, es un proceso de producción en el que se construyen objetos capa por capa a partir de sus modelos digitales tridimensionales. En esta industria, los tiempos de impresión suelen ser muy elevados, razón por la cual, las dec...
- Autores:
-
Chacon Santamaria, Paula Andrea
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2023
- Institución:
- Universidad Industrial de Santander
- Repositorio:
- Repositorio UIS
- Idioma:
- spa
- OAI Identifier:
- oai:noesis.uis.edu.co:20.500.14071/12464
- Palabra clave:
- Manufactura aditiva
programación de la producción
búsqueda tabú
makespan
Additive manufacturing
scheduling
tabu search
makespan
- Rights
- openAccess
- License
- Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
| Summary: | La fabricación o manufactura aditiva (AM), también conocida como impresión 3D, es un proceso de producción en el que se construyen objetos capa por capa a partir de sus modelos digitales tridimensionales. En esta industria, los tiempos de impresión suelen ser muy elevados, razón por la cual, las decisiones para programar de la producción son de vital importancia. En esta investigación se utilizó un algoritmo de búsqueda tabú (TS) para resolver el problema de programación de pedidos en un ambiente de múltiples máquinas AM diferentes, el cual es de tipo NP-hard. Por tanto, las técnicas metaheurísticas son apropiadas para su solución. La función objetivo fue la minimización del makespan. El algoritmo TS fue probado con instancias de la literatura. En las instancias de menor tamaño mostró ser una buena opción para la resolución de este problema. Al ser comparado con el método exacto, logró una disminución del tiempo de cómputo promedio de 1020,69 a 0,48 segundos, mientras que los resultados del makespan distaron en promedio un 2,45% de los obtenidos mediante CPLEX. Además, al compararlo con otras metaheurísticas como Búsqueda Local Iterada de Aprendizaje por Refuerzo (ILS+Q-Learning) y un algoritmo evolutivo (EA) de la literatura, la diferencia relativa promedio fue de 0,70% y 0,75% en favor del TS, respectivamente. En instancias de mayor tamaño el algoritmo TS mostró un menor rendimiento en comparación con la ILS+Q-Learning y el EA, ya que estas diferencias fueron de 3,02% y 3,01%, respectivamente a favor de estos últimos. |
|---|