Resumen

El problema de asignar buffers en una línea de producción para obtener una tasa de producción óptima es un problema combinatorio de tipo NP-Hard y se conoce como Problema de Asignación de Buffers. Es de gran importancia para los diseñadores de sistemas de producción debido a los costos involucrados en términos de requisitos de espacio. En este trabajo se estudia la relación entre el número de espacios de buffer, el número de estaciones de trabajo y la tasa de producción. Se utilizaron la metodología de superficie de respuesta y una red neuronal artificial para desarrollar modelos predictivos que encuentren valores óptimos de rendimiento. Se utilizaron 360 valores de tasa de producción para diferentes números de espacios de buffer y estaciones de trabajo para obtener un modelo matemático de cuarto orden y una red neuronal artificial con cuatro capas ocultas. Ambos modelos tienen un buen rendimiento en la predicción del rendimiento, aunque el modelo de red neuronal artificial muestra un mejor ajuste () frente a la metodología de superficie de respuesta (). Además, la red neuronal artificial produce mejores predicciones para datos no utilizados en la construcción de los modelos.

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Asignación de buffers; Tasa de producción; Problema de asignación de buffers; Requisitos de espacio; Modelos predictivos; Red neuronal artificial
• Keywords:Assigning buffers; Production rate; Buffer Allocation Problem; Space requirements; Predictive models; Artificial neural network