Un algoritmo genético para el problema de formación de celdas de manufactura considerando el movimiento de trabajadores (PFCMT)

En este trabajo se propone un algoritmo genético para la solución al problema de formación de celdas de manufactura considerando el movimiento de trabajadores con recursos limitados expuesto por Wang et al. [1] . Para dicho problema se pretende la calibración del algoritmo genético (GA) a partir de...

Full description

Autores:
Mogollón Carreño, Dilan Jhoanny
Páez Becerra, Sebastián Elías
Tipo de recurso:
http://purl.org/coar/resource_type/c_f744
Fecha de publicación:
2022
Institución:
Universidad Autónoma de Bucaramanga - UNAB
Repositorio:
Repositorio UNAB
Idioma:
spa
OAI Identifier:
oai:repository.unab.edu.co:20.500.12749/20906
Acceso en línea:
http://hdl.handle.net/20.500.12749/20906
Palabra clave:
Manufacture
Modeling
Simulation
Mechatronic design
Investigation
Makespan
Optimization
Operations
Automation
Control
Manufacturing cells
Genetic algorithm
Manufactura
Modelamiento
Simulación
Diseño mecatrónico
Investigación
Makespan
Optimización
Operaciones
Automatización
Control
Celdas de manufactura
Algoritmo genético
Rights
License
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Description
Summary:En este trabajo se propone un algoritmo genético para la solución al problema de formación de celdas de manufactura considerando el movimiento de trabajadores con recursos limitados expuesto por Wang et al. [1] . Para dicho problema se pretende la calibración del algoritmo genético (GA) a partir de parámetros como la cantidad de cruces y la probabilidad de mutación, dejando como valor fijo la cantidad de individuos presente para la generación de la población inicial. Los resultados obtenidos son sometidos a un diseño de experimento factorial tipo 2k que pretende dan a conocer bajo qué niveles de cada factor resulta más apropiada la implementación del algoritmo genético. El análisis estadístico muestra que el GA presenta un mejor desempeño en instancias bajas, definiendo así los parámetros para cada factor en un total de 50 cruces y 10% en la probabilidad de mutación y son bajo estos parámetros que se realizan dos pruebas con un mayor número de variables.