1 minute read
Job shop estocástico con minimización del valor esperado del maximum lateness
Autores
Maria José Ocampo Monsalve Gabriel Fernando Forero Ortiz Andrea Rivera Torres
Directora
Eliana María González
Los inconvenientes que implica la programación en el ambiente de producción Job shop, hacen referencia a una notoria dificultad para su resolución debido a su naturaleza NP-hard. Sin embargo, las investigaciones en los últimos años han aumentado debido al uso constante de este ambiente productivo en las industrias manufactureras. Según los estudios, la mayor parte de las investigaciones han abordado el problema de programación de Job shop a través de un enfoque determinístico. No obstante, los entornos industriales reales están sujetos a eventos aleatorios como: fallas de maquinaria, tiempos de mantenimiento, duración de tramitación, tiempos de alistamiento, tiempos de disponibilidad, entre muchos otros.
El impacto de este proyecto se debe a que, se plantea un Job shop estocástico con minimización del valor esperado del maximum lateness. Considerando los tiempos de alistamiento dependientes de la secuencia y, tanto las averías en las máquinas como los tiempos de reparación como eventos estocásticos a través de una simheuristica. Los resultados obtenidos demostraron que la simheurística mejora los resultados de simulaciones del modelo en un 37% para instancias 4x4 y en un 11% para instancias 6x6, exponiendo que la simheurística es mejor que un modelo matemático determinístico simulado. Además, se evaluó el desempeño simheurístico, para instancias grandes, en comparación con la simulación de la secuencia de la regla de despacho EDD. Los resultados muestran que el promedio la mejora es del 28% en la distribución logarítmica normal y del 10% en la distribución exponencial. En instancias medianas y grandes el modelo no había obtenido ninguna solución factible luego del tiempo límite de 2 horas de ejecución mientras que la simheuristica la obtuvo en 16 minutos y 30 segundos para las medianas, y 26 minutos y 40 segundos para las grandes.
