Análisis del desempeño de dos metodologías meta heurísticas en el problema de formación de celdas de manufactura

En este trabajo de investigación se presenta el análisis de la metodología meta-heurística Particle Swarm Optimizatino (PSO) y su adaptación al problema de formación de celdas de manufactura, bajo un esquema de agrupamiento simultáneo de productos y máquinas. Para ello se llevó a cabo una amplia rev...

Full description

Autores:
Rodríguez León, Cindy Johanna
Tipo de recurso:
http://purl.org/coar/version/c_b1a7d7d4d402bcce
Fecha de publicación:
2011
Institución:
Universidad Industrial de Santander
Repositorio:
Repositorio UIS
Idioma:
spa
OAI Identifier:
oai:noesis.uis.edu.co:20.500.14071/25279
Acceso en línea:
https://noesis.uis.edu.co/handle/20.500.14071/25279
https://noesis.uis.edu.co
Palabra clave:
Celdas de fabricación
Tecnología de grupos
Manufactura celular
Metodologías meta-heurísticas
Algoritmo PSO
algoritmos genéticos
transferencias intercelulares.
Manufacturing cells
Group technology
Cellular manufacturing
Meta-heuristic methodologies
PSO algorithm
genetic algorithms
intercellular transfers.
Rights
License
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
Description
Summary:En este trabajo de investigación se presenta el análisis de la metodología meta-heurística Particle Swarm Optimizatino (PSO) y su adaptación al problema de formación de celdas de manufactura, bajo un esquema de agrupamiento simultáneo de productos y máquinas. Para ello se llevó a cabo una amplia revisión bibliográfica acerca del problema de optimización a desarrollar y se construyó el estado del arte correspondiente. Esta revisión bibliográfica sirvió como base para la formulación matemática del problema de formación de celdas de manufactura en el lenguaje propio del algoritmo implementado. En este punto fue necesario realizar un ajuste de parámetros a través de un diseño de experimentos completamente al azar en dos etapas: en la primera etapa se ajustaron cuatro de los parámetros del algoritmo, los más relevantes según la revisión bibliográfica realizada y el criterio del autor con base en el problema de optimización estudiado. En la segunda etapa se tuvieron en cuenta únicamente los parámetros que efectivamente resultaron más influyentes en el desempeño del algoritmo, para lo cual fue necesario incluir un quinto factor en el ajuste de parámetros. Posteriormente se actualizó y se le hicieron los ajustes necesarios a un algoritmo genético previamente desarrollado. Los dos algoritmos fueron implementados en seis problemas de aplicación diferentes, en el lenguaje de programación Matlab, y las respuestas obtenidas fueron comparadas en términos del costo de la mejor solución encontrada y del tiempo de ejecución consumido para llegar a dicha solución.