Resumen

Este trabajo considera un entorno de producción de flowshop flexible con tiempos de preparación anticipatorios dependientes de la secuencia. Se presenta un algoritmo genético mejorado para minimizar la tardanza total. La generación de la población inicial se realiza utilizando vecindades de las heurísticas EDD (en inglés Earliest Due Date) y Slack, considerando además una búsqueda en vecindad IP para mejorar el rendimiento del algoritmo genético propuesto. Los resultados muestran que los algoritmos genéticos con población inicial generada como vecindad de EDD (AG_EDD) y Slack (AG_Slack) mejoran el rendimiento del algoritmo genético básico. El algoritmo AG_EDD muestra un mejor desempeño, característica que se mantiene al incorporar una búsqueda en vecindad IP.

INTRODUCCIÓN

En entornos cada vez más competitivos y de constante cambio en el mercado, se hace necesario el disponer de herramientas de planificación para obtener el máximo rendimiento de los sistemas productivos. Esto obliga a los sistemas productivos a adaptarse, reduciendo o aumentando el número de máquinas o etapas de producción, a fin de obtener la flexibilidad y poder cumplir con las demandas y compromisos con los clientes. La necesidad de adaptarse y responder a la demanda del mercado en forma rápida y eficiente da lugar a problemas de programación complejos [1].

Los problemas de programación de la producción pueden ser clasificados de acuerdo con su configuración productiva, o de acuerdo con el número de máquinas en el sistema.

El flowshop flexible (FFS) también llamado comúnmentefowshop híbrido (HFS), línea de flujo flexible (FFL) o flowshop con múltiples procesadores (FSMP) [2-3], es uno de los sistemas que permiten representar a muchos de los sistemas productivos existentes. Se han aplicado en la fabricación de partes electrónicas, industria de embalaje, fabricación de vidrio, industria textil, sector farmacéutico, en la producción de motores de aviones, semiconductores [4-5], como también su aplicación incluye la industria del papel [6] y la industria del acero [7].

El problema de programación de un FFS es un problema NP-hard [6, 8]. Además, los problemas de programación con tiempos de preparación dependientes de la secuencia (sequence-dependent setup times (SDST)) se encuentran entre los problemas más difíciles de resolver en programación de trabajos. El caso de una máquina con tiempos de setup dependientes de la secuencia es equivalente a un problema del vendedor viajero que es un conocido problema NP-hard [9].

El criterio de minimizar el makespan es un criterio frecuentemente utilizado en la programación de un flowshop flexible [3], mientras que no lo son otros criterios como la tardanza total.

• Materias:Técnica heurística Población Algoritmo genético
• Subjects:Metaheuristic technique Population Genetic algorithm
• Palabras claves:Flowshop flexible, algoritmos genéticos, heurísticas, búsqueda en vecindad, tardanza total, tiempos de preparación dependientes de la secuencia.
• Keywords:Flexible flowshop, genetic algorithms, heuristics, neighborhood search, total tardiness, sequence-dependent setup times.