Solución de un sistema open shop en un taller de mecánica automotriz mediante el diseño de un algoritmo genético
| dc.contributor.advisor | Morillo Torres, Daniel | |
| dc.contributor.author | Delgado Moore, Luis Fernando | |
| dc.date.accessioned | 2024-06-11T16:42:57Z | |
| dc.date.available | 2024-06-11T16:42:57Z | |
| dc.date.issued | 2020 | |
| dc.description.abstract | 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. | |
| dc.description.abstracteng | The task scheduling area (also known as scheduling) is responsible for planning the best allocation of resources within a productive system that allows the achievement of a set of tasks; achieving efficiency and effectiveness in such assignment. The incentive to study problems related to scheduling arises from the need to obtain high quality feasible solutions from a group of tasks (jobs) and resources (such as machines) that need to be sequenced in such a way as to optimize productive resources and thus obtain an economic benefit. The present study seeks to solve one of the most relevant problems in this area: the Open Shop, through the development of a genetic algorithm. An Open Shop problem is defined as a set of m machines which must process a set of n jobs that have a specific processing time; each job must be processed by all machines (or a subset of them). Additionally, only one job can be run at a time, and each machine can only process one job simultaneously. Initially, a Mathematical Model was developed that generated feasible solutions obtained through the AMPL optimization software, which was efficient only for instances of less than 5 machines and 5 jobs. With the aim of improving the breadth of results and applications, a Genetic Algorithm was developed which found solutions for instances of up to 20 machines and 20 jobs, which in turn were evaluated with the most used databases in literature: instances of Taillard (1993), Brucker (2007) and Guéret & Prins (1999) finding average deviations of less than 9% in sizes of up to 20 machines x 20 jobs. Finally, the aforementioned algorithm was applied to a real case of an auto mechanic workshop in which it was shown that by assigning the sequences of operations and machines in a better way, the execution time (makespan) would improve substantially, allowing to increase the efficiency of the operation quantified with the following indicators: Total execution of daily work orders (100%), 14% of available time and 86% of occupancy. | |
| dc.format.extent | 43 p. | |
| dc.format.mimetype | application/pdf | |
| dc.identifier.uri | https://vitela.javerianacali.edu.co/handle/11522/2184 | |
| dc.language.iso | spa | |
| dc.publisher | Pontificia Universidad Javeriana Cali | |
| dc.rights.accessrights | http://purl.org/coar/access_right/c_abf2 | |
| dc.rights.creativecommons | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | Open shop | |
| dc.subject | Scheduling | |
| dc.subject | Makespan | |
| dc.subject | Metaheurísticas | |
| dc.subject | Algoritmo genético | |
| dc.thesis.discipline | Facultad de Ingeniería y Ciencias. Maestría en Ingeniería | |
| dc.thesis.grantor | Pontificia Universidad Javeriana Cali | |
| dc.thesis.level | Maestría | |
| dc.title | Solución de un sistema open shop en un taller de mecánica automotriz mediante el diseño de un algoritmo genético | spa |
| dc.type.coar | http://purl.org/coar/resource_type/c_bdcc | |
| dc.type.local | Tesis/Trabajo de grado - Monografía - Maestría | |
| dc.type.redcol | https://purl.org/redcol/resource_type/TM |
Files
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 1.71 KB
- Format:
- Item-specific license agreed to upon submission
- Description: