Resumen

El objetivo de este trabajo es comparar el uso de la meta-heurística Red Neuronal Artificial Aumentada (RNA) con la heurística Minimum Bin Slack (MBS) para la resolución de Problemas de Optimización Combinatoria, más concretamente problemas de Bin Packing, una clase de Problemas de Corte y Embalaje (PCE). Los PCE están muy extendidos en diversas ramas de la industria y el tratamiento adecuado de este tipo de problemas puede tener un impacto directo en el ahorro de materias primas y/o espacio físico en las empresas. Para optimizar los parámetros de la RNA se utilizó un Diseño de Experimento (DOE) de tipo Factorial Completo. Las pruebas, realizadas sobre diversos problemas de referencia de la literatura, mostraron que, en general, la heurística MBS era superior tanto en términos de calidad de las respuestas (alrededor de un 70% mejor) como de tiempo computacional (aproximadamente un 90% menos).

1. INTRODUCCIÓN

El proceso diario de toma de decisiones en las empresas implica a menudo el objetivo de maximizar o minimizar alguna función, respetando al mismo tiempo un conjunto determinado de restricciones. ¿Cómo producir más eficazmente respetando las capacidades de los recursos humanos, las máquinas y los insumos disponibles en cada momento? ¿Cuál es la mejor ruta para entregar los productos minimizando la distancia recorrida y evitando retrasos al cliente? ¿Cuál es la mejor manera de acomodar los productos en un contenedor para maximizar el espacio utilizado, respetando las dimensiones del contenedor? ¿Cuál es la mejor manera de distribuir las tareas entre los recursos, teniendo en cuenta sus capacidades? Cuando el dominio de la función objetivo modelizada para estos problemas es finito, e implica numerosas combinaciones posibles, entonces tenemos Problemas de Optimización Combinatoria (COP). Muchos de estos problemas se clasifican como NP-duros, ya que a medida que aumenta el número de restricciones, como ocurre en situaciones prácticas, su resolución mediante métodos exactos se vuelve inviable e incluso intratable. De este modo, se han creado, adaptado y perfeccionado diversos métodos heurísticos y metaheurísticos para lograr un tratamiento adecuado de los problemas encontrados en la práctica de la industria, ayudándoles a aumentar su eficiencia y, en consecuencia, su rentabilidad y competitividad.

Una categoría relevante de POC son los Problemas de Corte y Embalaje (SCP). Tanto los problemas de corte como los de empaquetado comparten la misma estructura y consisten en, dado un stock de objetos grandes, asignar elementos pequeños a estos objetos, formando subconjuntos. Deben cumplirse condiciones geométricas, es decir, la suma de las dimensiones de los elementos asignados a un subconjunto no debe superar el tamaño del objeto y no debe haber solapamiento de elementos, y debe optimizarse una función objetivo determinada.

• Materias:Resolución de problemas Optimización de procesos Redes neuronales artificiales
• Subjects:Troubleshooting Process optimization Artificial neural networks
• Palabras claves:Redes neuronales; Corte y embalaje; Diseño de experimentos; Empaquetado en contenedores; Holgura mínima de contenedor
• Keywords:Neural network; Cutting and packing; Design of experiments; Bin Packing; Minimum Bin Slack