Solución al problema de formación de celdas de manufactura dinámicas (dynamic cell formation problem, dcfp) a través del algoritmo búsqueda armónica (harmony search,hs)

En la presente investigación se estudia el problema de formación de celdas de manufactura dinámicas (Dynamic Cell Formation Problem, DCFP) considerando múltiples periodos, diversos productos y la secuencia de producción. Para dar solución a este problema se diseña un modelo de programación lineal en...

Full description

Autores:
Escobar Rodriguez, Laura Yeraldin
Tipo de recurso:
http://purl.org/coar/version/c_b1a7d7d4d402bcce
Fecha de publicación:
2018
Institución:
Universidad Industrial de Santander
Repositorio:
Repositorio UIS
Idioma:
spa
OAI Identifier:
oai:noesis.uis.edu.co:20.500.14071/38401
Acceso en línea:
https://noesis.uis.edu.co/handle/20.500.14071/38401
https://noesis.uis.edu.co
Palabra clave:
Problema De Formación De Celdas De Manufactura Dinámicas
Celdas De Manufactura Multiperiodo
Programación Lineal Entera Mixta
Algoritmo Búsqueda Armónica
Hs.
Dynamic Cell Formation Problem
Multi-Period Cell Manufacturing
Mixed-Integer Linear Programming
Harmony Search Algorithm.
Rights
License
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
Description
Summary:En la presente investigación se estudia el problema de formación de celdas de manufactura dinámicas (Dynamic Cell Formation Problem, DCFP) considerando múltiples periodos, diversos productos y la secuencia de producción. Para dar solución a este problema se diseña un modelo de programación lineal entera mixta implementado en el software GAMS® haciendo uso del solver CPLEX12 y como alternativa al modelo propuesto se desarrolla el algoritmo Búsqueda Armónica. El algoritmo es desarrollado en Matlab® y sus parámetros (Memoria Armónica, HMS; Número de improvisaciones, MAXIMP; Tasa de consideración armónica, HMCR; Tasa de afinación, PAR; Tamaño de la Armonía, SUBARMON) son calibrados a través de un diseño experimental. El desempeño del algoritmo es comparado con los resultados obtenidos en el modelo MILP, haciendo uso de instancias adaptadas de la literatura (considerando niveles bajo, medio y alto, de acuerdo a la cantidad de máquinas a asignar). Como resultado se determina que el factor que más impacto tiene en el comportamiento de la función objetivo es la Memoria Armónica, y en cuanto al tiempo computacional la interacción entre la Memoria Armónica y la Tasa de Consideración Armónica. Adicionalmente, se establece que dividir el vector de soluciones en sub vectores denominados sub armonías, no genera una diferencia significativa, ni respecto a la función objetivo ni al tiempo computacional.