{"title":"Determinación de lotes y programación de múltiples productos en una máquina con tiempos de preparación","authors":"Eduardo Salazar Hornig, Mónica Riquelme Garrido","doi":"10.22201/fi.25940732e.2021.22.3.018","DOIUrl":null,"url":null,"abstract":"Se desarrolla una metaheurística para resolver el problema de la determinación de lotes y programación de producción en un sistema de una máquina con múltiples productos y tiempos de preparación dependientes de secuencia. La metaheurística combina muestreo aleatorio utilizando el método Montecarlo y algoritmos genéticos para resolver en forma simultánea la configuración de lotes y la programación de la producción de la máquina, minimizando la cantidad de producto entregada en forma atrasada en los diferentes periodos del horizonte de programación. El proceso de optimización de la metaheurística se ilustra sobre la base de un problema generado en forma aleatoria según la literatura. La metaheurística se compara con un método de búsqueda en vecindad utilizado previamente en una empresa manufacturera de bolas de molienda para la minería evaluando un conjunto de instancias del problema de determinación de lotes y programación de producción de la práctica. En todas las instancias de prueba considerada, la metaheurística desarrollada en este trabajo mejora su solución con bajos tiempos computacionales. De acuerdo al planteamiento del problema se establece una generalización del problema de determinación y programación de lotes cuya estructura y método de solución puede ser extendida a diferentes entornos productivos. La definición de la medida de desempeño, que en la aplicación tratada en este trabajo se definió como la cantidad de producto entregada atrasada (a minimizar), puede adoptar una definición diferente según sea la realidad en otro sistema productivo.","PeriodicalId":30321,"journal":{"name":"Ingenieria Investigacion y Tecnologia","volume":" ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2021-09-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Ingenieria Investigacion y Tecnologia","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.22201/fi.25940732e.2021.22.3.018","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
Se desarrolla una metaheurística para resolver el problema de la determinación de lotes y programación de producción en un sistema de una máquina con múltiples productos y tiempos de preparación dependientes de secuencia. La metaheurística combina muestreo aleatorio utilizando el método Montecarlo y algoritmos genéticos para resolver en forma simultánea la configuración de lotes y la programación de la producción de la máquina, minimizando la cantidad de producto entregada en forma atrasada en los diferentes periodos del horizonte de programación. El proceso de optimización de la metaheurística se ilustra sobre la base de un problema generado en forma aleatoria según la literatura. La metaheurística se compara con un método de búsqueda en vecindad utilizado previamente en una empresa manufacturera de bolas de molienda para la minería evaluando un conjunto de instancias del problema de determinación de lotes y programación de producción de la práctica. En todas las instancias de prueba considerada, la metaheurística desarrollada en este trabajo mejora su solución con bajos tiempos computacionales. De acuerdo al planteamiento del problema se establece una generalización del problema de determinación y programación de lotes cuya estructura y método de solución puede ser extendida a diferentes entornos productivos. La definición de la medida de desempeño, que en la aplicación tratada en este trabajo se definió como la cantidad de producto entregada atrasada (a minimizar), puede adoptar una definición diferente según sea la realidad en otro sistema productivo.