Mejora de tiempos de entrega en un flow shop híbrido flexible usando técnicas inteligentes. Aplicación en la industria de tejidos técnicos

Se busca aportar herramientas útiles para la programación de producción en la industria de tejidos técnicos. Se parte de las condiciones actuales de la programación de producción en este tipo de industria y de los antecedentes en la literatura científica sobre modelos aplicables a estos entornos. Se...

Full description

Autores:
Arango Marín, Jaime Antero
Tipo de recurso:
Doctoral thesis
Fecha de publicación:
2016
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/56724
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/56724
http://bdigital.unal.edu.co/52637/
Palabra clave:
51 Matemáticas / Mathematics
62 Ingeniería y operaciones afines / Engineering
67 Manufactura / Manufacturing
Secuenciación de tareas
Industria textil
Algoritmos genéticos
Tejidos técnicos
Flow shop
Flow shop híbrido flexible
Task scheduling
textile industry
genetic algorithms
Technical textiles,
Flow shop
Flexible hybrid flow shop
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
Description
Summary:Se busca aportar herramientas útiles para la programación de producción en la industria de tejidos técnicos. Se parte de las condiciones actuales de la programación de producción en este tipo de industria y de los antecedentes en la literatura científica sobre modelos aplicables a estos entornos. Se propone un modelo de solución por técnicas inteligentes a la problemática de la secuenciación y asignación de tareas en los entornos flow shop híbrido flexible considerando situaciones como: paralelismo entre máquinas no relacionadas, tiempos de montaje dependientes de la secuencia, entrada dinámica de trabajos, restricción de elegibilidad, maleabilidad y lotes de transferencia variables entre etapas. De allí se construye la propuesta de solución que involucra simultáneamente todas las condiciones de entorno real mencionadas y aplica un algoritmo genético modificado de acuerdo a las características del problema. Se concluye que el modelado considerando condiciones realistas es posible, que los algoritmos genéticos son una opción práctica para entornos reales y que las empresas pueden obtener mejoras en su capacidad de respuesta con este tipo de soluciones