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...

Full description

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
Acceso en línea:
https://noesis.uis.edu.co/handle/20.500.14071/12464
https://noesis.uis.edu.co
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)
id UISANTADR2_4db24fcaca2f010bc2f79fa6c719a264
oai_identifier_str oai:noesis.uis.edu.co:20.500.14071/12464
network_acronym_str UISANTADR2
network_name_str Repositorio UIS
repository_id_str
dc.title.none.fl_str_mv Desarrollo de un algoritmo de búsqueda tabú para la programación de pedidos en manufactura aditiva
dc.title.english.none.fl_str_mv A tabu search algorithm for additive manufacturing scheduling
title Desarrollo de un algoritmo de búsqueda tabú para la programación de pedidos en manufactura aditiva
spellingShingle Desarrollo de un algoritmo de búsqueda tabú para la programación de pedidos en manufactura aditiva
Manufactura aditiva
programación de la producción
búsqueda tabú
makespan
Additive manufacturing
scheduling
tabu search
makespan
title_short Desarrollo de un algoritmo de búsqueda tabú para la programación de pedidos en manufactura aditiva
title_full Desarrollo de un algoritmo de búsqueda tabú para la programación de pedidos en manufactura aditiva
title_fullStr Desarrollo de un algoritmo de búsqueda tabú para la programación de pedidos en manufactura aditiva
title_full_unstemmed Desarrollo de un algoritmo de búsqueda tabú para la programación de pedidos en manufactura aditiva
title_sort Desarrollo de un algoritmo de búsqueda tabú para la programación de pedidos en manufactura aditiva
dc.creator.fl_str_mv Chacon Santamaria, Paula Andrea
dc.contributor.advisor.none.fl_str_mv Ortiz Pimiento, Néstor Raúl
Lozano Suarez, Lina Mayerly
dc.contributor.author.none.fl_str_mv Chacon Santamaria, Paula Andrea
dc.contributor.evaluator.none.fl_str_mv Lamos Diaz, Henry
Talero Sarmiento, Leonardo Hernan
dc.subject.none.fl_str_mv Manufactura aditiva
programación de la producción
búsqueda tabú
makespan
topic Manufactura aditiva
programación de la producción
búsqueda tabú
makespan
Additive manufacturing
scheduling
tabu search
makespan
dc.subject.keyword.none.fl_str_mv Additive manufacturing
scheduling
tabu search
makespan
description 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.
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2023-03-09T13:08:08Z
dc.date.available.none.fl_str_mv 2023-03-09T13:08:08Z
dc.date.created.none.fl_str_mv 2023-03-08
dc.date.issued.none.fl_str_mv 2023-03-08
dc.type.local.none.fl_str_mv Tesis/Trabajo de grado - Monografía - Pregrado
dc.type.hasversion.none.fl_str_mv http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv https://noesis.uis.edu.co/handle/20.500.14071/12464
dc.identifier.instname.none.fl_str_mv Universidad Industrial de Santander
dc.identifier.reponame.none.fl_str_mv Universidad Industrial de Santander
dc.identifier.repourl.none.fl_str_mv https://noesis.uis.edu.co
url https://noesis.uis.edu.co/handle/20.500.14071/12464
https://noesis.uis.edu.co
identifier_str_mv Universidad Industrial de Santander
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.license.none.fl_str_mv Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.creativecommons.none.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
rights_invalid_str_mv Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
http://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
eu_rights_str_mv openAccess
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Industrial de Santander
dc.publisher.faculty.none.fl_str_mv Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program.none.fl_str_mv Ingeniería Industrial
dc.publisher.school.none.fl_str_mv Escuela de Estudios Industriales y Empresariales
publisher.none.fl_str_mv Universidad Industrial de Santander
institution Universidad Industrial de Santander
bitstream.url.fl_str_mv https://noesis.uis.edu.co/bitstreams/a2f03fa9-3702-4410-aed7-dd81907f6550/download
https://noesis.uis.edu.co/bitstreams/db1efb26-eac3-46fa-bdb1-5f45978adc82/download
https://noesis.uis.edu.co/bitstreams/17a5a3b8-5cf7-4e59-8310-5fa4d522bd9d/download
https://noesis.uis.edu.co/bitstreams/5f8b52c1-c387-452e-9e80-cf0bd4eae0e2/download
https://noesis.uis.edu.co/bitstreams/24d770d2-53f9-43b9-8ed7-fa6f7bac9958/download
https://noesis.uis.edu.co/bitstreams/32d8e401-2636-412e-b46b-5a88bdb82eed/download
https://noesis.uis.edu.co/bitstreams/c113b5a8-908c-46c6-8a5b-0bc112151624/download
https://noesis.uis.edu.co/bitstreams/c98729f2-2f9b-4213-a881-a55f0a0b1148/download
https://noesis.uis.edu.co/bitstreams/0b7882a3-d28f-41ad-9174-7526b0640f3b/download
https://noesis.uis.edu.co/bitstreams/54cebdf4-a4c6-4ca9-ae6c-387344f9d88a/download
bitstream.checksum.fl_str_mv a6552bdec00ffe28cd49c985871476f8
10029079ba68592ec2645cc5c4fa3735
4131b6f5e8fc3f8e7569d2aa2ef2a05c
8d628a30f5780124241e6b466714bc09
2a0651c97f71171c3e646b81abe5b12f
b06bb77aed72ca66f9fb386b7a1c215e
ccb942f59e4c25720239247f319945bc
63fc1e397e52f4103db005afc799ff60
cd6936ef92ed135f8947be39e947c9d1
d6298274a8378d319ac744759540b71b
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv DSpace at UIS
repository.mail.fl_str_mv noesis@uis.edu.co
_version_ 1814095174590005248
spelling Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/http://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)Ortiz Pimiento, Néstor RaúlLozano Suarez, Lina MayerlyChacon Santamaria, Paula AndreaLamos Diaz, HenryTalero Sarmiento, Leonardo Hernan2023-03-09T13:08:08Z2023-03-09T13:08:08Z2023-03-082023-03-08https://noesis.uis.edu.co/handle/20.500.14071/12464Universidad Industrial de SantanderUniversidad Industrial de Santanderhttps://noesis.uis.edu.coLa 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.PregradoIngeniero IndustrialAdditive manufacturing (AM), also known as 3D printing, is a production process in which objects are built layer by layer from their three-dimensional digital models. In this industry, printing times are usually very high, which means decisions to schedule production are of vital importance. In this research, a tabu search (TS) algorithm was used to solve the scheduling problem in an environment of multiple different AM machines, which is NP-hard. Therefore, metaheuristic techniques are appropriate for its solution. The objective function was the minimization of the makespan. The TS algorithm was tested with instances from the literature. In smaller instances, it proved to be a good option for solving this problem. When compared with the exact method, it achieved a decrease in average computation time from 1020.69 to 0.48 seconds, while the makespan results were on average 2.45% different from those obtained using CPLEX. Furthermore, when compared with other metaheuristics such as Reinforcement Learning Iterated Local Search (ILS+Q-Learning) and an Evolutionary Algorithm (EA) from literature, the average relative difference was 0.70% and 0.75% in favor of the TS, respectively. In larger instances, the TS algorithm showed lower performance compared to ILS+Q-Learning and EA, since these differences were 3.02% and 3.01%, respectively, in favor of the latter.application/pdfspaUniversidad Industrial de SantanderFacultad de Ingeníerias FisicomecánicasIngeniería IndustrialEscuela de Estudios Industriales y EmpresarialesManufactura aditivaprogramación de la producciónbúsqueda tabúmakespanAdditive manufacturingschedulingtabu searchmakespanDesarrollo de un algoritmo de búsqueda tabú para la programación de pedidos en manufactura aditivaA tabu search algorithm for additive manufacturing schedulingTesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/version/c_b1a7d7d4d402bccehttp://purl.org/coar/resource_type/c_7a1fORIGINALDocumento.pdfDocumento.pdfapplication/pdf1102205https://noesis.uis.edu.co/bitstreams/a2f03fa9-3702-4410-aed7-dd81907f6550/downloada6552bdec00ffe28cd49c985871476f8MD51Carta de Autorizacion.pdfCarta de Autorizacion.pdfapplication/pdf498075https://noesis.uis.edu.co/bitstreams/db1efb26-eac3-46fa-bdb1-5f45978adc82/download10029079ba68592ec2645cc5c4fa3735MD52Nota de Proyecto.pdfNota de Proyecto.pdfapplication/pdf398494https://noesis.uis.edu.co/bitstreams/17a5a3b8-5cf7-4e59-8310-5fa4d522bd9d/download4131b6f5e8fc3f8e7569d2aa2ef2a05cMD53Apéndice A.rarApéndice A.rarapplication/octet-stream117775https://noesis.uis.edu.co/bitstreams/5f8b52c1-c387-452e-9e80-cf0bd4eae0e2/download8d628a30f5780124241e6b466714bc09MD54Apéndice B.rarApéndice B.rarapplication/octet-stream712524https://noesis.uis.edu.co/bitstreams/24d770d2-53f9-43b9-8ed7-fa6f7bac9958/download2a0651c97f71171c3e646b81abe5b12fMD55Apéndice C.rarApéndice C.rarapplication/octet-stream1020800https://noesis.uis.edu.co/bitstreams/32d8e401-2636-412e-b46b-5a88bdb82eed/downloadb06bb77aed72ca66f9fb386b7a1c215eMD56Apéndice D.rarApéndice D.rarapplication/octet-stream12404572https://noesis.uis.edu.co/bitstreams/c113b5a8-908c-46c6-8a5b-0bc112151624/downloadccb942f59e4c25720239247f319945bcMD57Apéndice E.rarApéndice E.rarapplication/octet-stream104856https://noesis.uis.edu.co/bitstreams/c98729f2-2f9b-4213-a881-a55f0a0b1148/download63fc1e397e52f4103db005afc799ff60MD58Apéndice F.docxApéndice F.docxapplication/vnd.openxmlformats-officedocument.wordprocessingml.document221171https://noesis.uis.edu.co/bitstreams/0b7882a3-d28f-41ad-9174-7526b0640f3b/downloadcd6936ef92ed135f8947be39e947c9d1MD59LICENSElicense.txtlicense.txttext/plain; charset=utf-82237https://noesis.uis.edu.co/bitstreams/54cebdf4-a4c6-4ca9-ae6c-387344f9d88a/downloadd6298274a8378d319ac744759540b71bMD51020.500.14071/12464oai:noesis.uis.edu.co:20.500.14071/124642023-05-02 08:18:10.629http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://noesis.uis.edu.coDSpace at UISnoesis@uis.edu.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