Resumen

Las metodologías de inteligencia artificial, como el núcleo de los sistemas de control discreto y de apoyo a la toma de decisiones, se han aplicado ampliamente en el sector de la producción industrial. Las herramientas resultantes producen excelentes resultados en ciertos casos; sin embargo, la naturaleza NP-hard de muchos problemas de control discreto o toma de decisiones en el área de manufactura puede requerir recursos computacionales inasequibles, limitados por el tiempo disponible necesario para obtener una solución. Con el propósito de mejorar la eficiencia de una metodología de control para sistemas discretos, basada en una optimización basada en simulación y el modelo de red de Petri (PN) del sistema dinámico de eventos discretos (DEDS) real, este artículo presenta una estrategia, donde una transformación aplicada al modelo permite eliminar la información redundante para obtener un modelo más pequeño que contenga la misma información útil. Como resultado, se pueden implementar optimizaciones discretas más rápidas. Esta metodología se basa en el uso de un formalismo perteneciente al paradigma de la PN para describir DED

• Materias:Ecuaciones diferenciales Ecuaciones integrales Variables independientes Sistemas dinámicos Combinaciones convexas
• Subjects:Differential equations Integral equations Independent variables Dynamic systems Convex combinations
• Palabras claves:Metodologías de inteligencia artificial; Control discreto; Sistemas de apoyo a la toma de decisiones; área de manufactura; Optimización basada en simulación; Modelo de red de Petri
• Keywords:Artificial intelligence methodologies; Discrete control; Decision support systems; Manufacturing area; Simulation-based optimization; Petri net model