Modelo para definición del layout de una celda de manufactura a través de optimización

La definición del layout de un sistema de manufactura celular implica la solución de dos problemas: el primero la formación de celdas (CF cell formation), el cual toma en cuenta la similitud entre las partes con respecto a sus procesos de fabricación para agrupar las máquinas en celdas y las partes...

Full description

Autores:
Mejía Moncayo, Camilo
Tipo de recurso:
Fecha de publicación:
2012
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/11117
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/11117
http://bdigital.unal.edu.co/8511/
Palabra clave:
62 Ingeniería y operaciones afines / Engineering
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
Description
Summary:La definición del layout de un sistema de manufactura celular implica la solución de dos problemas: el primero la formación de celdas (CF cell formation), el cual toma en cuenta la similitud entre las partes con respecto a sus procesos de fabricación para agrupar las máquinas en celdas y las partes en familias. El segundo es la definición del layout inter e intra celdas, proceso donde se define la posición relativa de las máquinas al interior de la celda y de las celdas entre sí.Este documento presenta la solución simultánea del problema del layout de celdas de manufactura a través de dos algoritmos, el primero un algoritmo mono-objetivo híbrido discreto basado en forrajeo de bacterias y algoritmos genéticos, denominado DHBFGA (Discrete Hybrid Bacterial Foraging Genetic Algorithm) que minimiza el costo de transporte y maximiza el agrupamiento de las celdas, considerando la secuencia de operaciones, los volúmenes de producción y la cantidad de piezas en cada movimiento. El segundo algoritmo es una versión híbrida discreta del algoritmo BCMOA (Bacterial Chemotaxis Multiobjetive Optimization Algorithm), que minimiza el costo de transporte y maximiza el agrupamiento de las celdas. El desempeño del algoritmo mono-objetivo propuesto fue probado con problemas de prueba del agente viajero TSP y problemas de layout de las celdas de manufactura, los resultados obtenidos se compararon con las soluciones de versiones discretas del BFOA, AG y el algoritmo Bacterial-GA Foraging, obteniéndose un mejor desempeño en fitness y tiempo respecto a estos. La propuesta multi-objetivo fue comparada con los algoritmos NSGA2 y SPEA2, solucionando el problema multi-objetivo de las mochilas y problemas de layout de celdas de manufactura, obteniéndose un mejor desempeño en cuanto a tiempo y convergencia del algoritmo propuesto DH-BCMOA. / Abstrct. The definition of cell manufacturing layout implies the solution of two problems: first the cell formation problem, which takes account the similarity between the parts with respect to shape and production processes to group machines in cells and parts in families. The second is the definition of inter and intra cell layout, process which defines the relative position of the machines within the cell and the cells between these. This document presents the simultaneous solution of cell manufacturing layout problem through two algorithms, first a mono-objective discrete hybrid algorithm based on bacterial foraging and genetic algorithms, called Discrete Hybrid Bacterial Foraging Genetic Algorithm DHBFGA that minimizes the transportation cost and maximizes the grouping of cells, considering the sequence of operations, production volumes and the number of pieces in each movement. The second algorithm is a discrete and hybrid version of Bacterial Chemotaxis Multiobjective Optimization Algorithm BCMOA, which minimizes transportation costs and maximizes the grouping of cells. The performance of the proposed mono-objective algorithm was tested with benchmark problems of traveling salesman problems TSP and cell manufacturing layout, the results obtained were compared with the solutions of discrete versions of BFOA, AG and Bacterial-GA Foraging Algorithm, obtaining a better performance in fitness and time than these. The proposed multiobjective algorithm was compared with NSGA2 and SPEA2, solving the problem of multiobjective knapsack problems and cell manufacturing layout problems, resulting in better performance in terms of time and convergence of the proposed algorithm DH-BCMOA.