Resumen

La planeación de la manufactura en pequeñas y medianas empresas (PYMES) utiliza un comportamiento determinista, y la ejecución de estos planes tiene un comportamiento estocástico. La evaluación de la planeación de manufactura se basa en un criterio simple como trabajo a tiempo o trabajo retrasado, sin integrar condiciones de incertidumbre en los tiempos de ciclo para cada trabajo. En este artículo se propone un enfoque nuevo denominado sistema estocástico multidimensional de lógica difusa (msFLS) para realizar un plan con comportamiento estocástico en las pymes de tejido de punto. Esta investigación plantea dos contribuciones principales: La primera es la generación de un sistema difuso multidimensional. La función de densidad de probabilidad normal se utiliza para generar variables multi-lingüísticas como función de transformación del plan determinístico a un plan estocástico en las pymes de tejido de punto. Los subconjuntos difusos o los términos lingüísticos se etiquetan y categorizan en un claro y simple lenguaje como: pobres (P), regulares (R), buenos (G) y excelentes (E). La función gaussiana fue utilizada como función de membresía. El segundo es el uso del indicador “suma de frecuencias” en la etapa de implicación para el sistema multi-difuso. Esta investigación fue validada a través de la integración de dos técnicas inteligentes diferentes: msFLS y redes neuronales. Las redes neuronales se utilizaron como un mecanismo de generalización para realizar cualquier planeación estocástica en las empresas de tejido de punto. Las entradas y salidas del sistema difuso se utilizan como patrones de entrenamiento en la red neuronal. Las etapas del enfoque propuesto se describen explícitamente y se aplican a datos aleatorios múltiples y se validan con datos reales de PYMES del Sur de Guanajuato, México. El sistema propuesto tuvo una respuesta positiva en la empresa textil, el cual sigue utilizándose para realizar sus planeaciones de trabajos y la evaluación de su ejecución.

Introducción

Es bien sabido que el resultado del proceso de planificación es la información para los procesos de fabricación correspondientes y sus parámetros fijos. Además, se identifican las máquinas, las herramientas y los dispositivos necesarios para realizar los procesos de fabricación (Haddadzade et al., 2014). La programación suele partir de un conjunto determinado de actividades, que deben satisfacer un conjunto de restricciones temporales y de recursos. El resultado es una programación en la que se identifican tiempos de inicio precisos y se asignan recursos precisos a cada actividad (Bidot et al., 2009). Sin embargo, cuando las actividades son ejecutadas por los trabajadores, los conceptos de recursos unarios y de duración de la actividad deben ser reevaluados. 

• Materias:Redes neuronales (Computadores) Procesos estocásticos Conjuntos difusos
• Subjects:Neural networks (Computer science) Stochastic processes Fuzzy sets
• Palabras claves:Planes estocásticos; Sistema difuso; Densidad de probabilidad normal; Red neuronal.
• Keywords:Stochastic plans; fuzzy system; Normal probability density; Neural network