Solución de un sistema open shop en un taller de mecánica automotriz mediante el diseño de un algoritmo genético

El área de programación de tareas (también conocida como scheduling) se encarga de planificar la mejor asignación de los recursos dentro de un sistema productivo que permita la consecución de un conjunto de tareas; logrando eficiencia y efectividad en tal asignación. El incentivo de estudiar problemas relacionados con el scheduling nace de la necesidad de obtener soluciones factibles de alta calidad de un grupo de tareas y recursos (como máquinas) que requieren ser secuenciados de forma que se optimicen los recursos productivos y obtener así un beneficio económico. El presente estudio buscar solucionar uno de los problemas más relevantes de esta área: el Open Shop, mediante el desarrollo de un algoritmo genético. Un problema Open Shop se define como un conjunto de m máquinas las cuales deben procesar un conjunto de n tareas que tienen un tiempo de procesamiento específico; cada tarea debe ser procesado por todas las máquinas (o un subconjunto de ellas). Adicionalmente, solo se puede ejecutar un solo tarea a la vez, y cada máquina solo puede procesar una tarea simultáneamente. Inicialmente, se desarrolló un Modelo Matemático que generó soluciones factibles obtenidas mediante el software de optimización AMPL, quien resultó eficiente solo para instancias inferiores a 5 máquinas y 5 tareas. Con el ánimo de mejorar amplitud en resultados y aplicaciones, se desarrolló un Algoritmo Genético el cual encontró soluciones para instancias de hasta 20 máquinas y 20 tareas, las que a su vez fueron evaluadas con las bases de datos más usadas en literatura: las instancias de Taillard (1993), Brucker (2007) y Guéret & Prins (1999) encontrando desviaciones promedio inferiores al 9% en tamaños de hasta 20 máquinas x 20 tareas. Finalmente, el algoritmo mencionado fue aplicado a un caso real de un taller de mecánica automotriz en el que se evidenció que asignando de una mejor manera las secuencias de operaciones y las máquinas, el tiempo de ejecución (makespan) mejoraría sustancialmente permitiendo incrementar la eficiencia de la operación cuantificada con los siguientes indicadores: Ejecución total de órdenes de trabajo diarias (100%), 14% de tiempo disponible y 86% de ocupación.

• Autores: Delgado Moore, Luis Fernando
• Tipo de recurso: Masters Thesis
• Fecha de publicación: 2020
• Institución: Pontificia Universidad Javeriana Cali
• Repositorio: Vitela
• Idioma: spa
• OAI Identifier: oai:vitela.javerianacali.edu.co:11522/2184
• Acceso en línea: https://vitela.javerianacali.edu.co/handle/11522/2184
• Palabra clave: Open shop; Scheduling; Makespan; Metaheurísticas; Algoritmo genético
• License: https://creativecommons.org/licenses/by-nc-nd/4.0/