Resumen

El objetivo de este documento es analizar, modelar y resolver el problema de reprogramación en entornos dinámicos de flujo de permutación, considerando varios criterios para optimizar. Buscar soluciones óptimas en problemas de optimización multiobjetivo puede ser difícil ya que estos objetivos expresan conceptos diferentes y no son directamente comparables. Por lo tanto, no es posible reducir el problema a una optimización de un solo objetivo, y se debe encontrar un conjunto de soluciones eficientes (no dominadas), llamado frente de Pareto. Además, en entornos de fabricación, los cambios disruptivos suelen surgir en problemas de programación, como averías de máquinas o la llegada de nuevos trabajos, lo que provoca la necesidad de una rápida adaptación del horario. En este documento, se propone un modelo matemático para este tipo de problema y se utiliza una metaheurística reiniciada iterada de Pareto codiciosa (RIPG) para encontrar el frente de Pareto óptimo. Para demostrar la adecuación de este enfoque, el algoritmo se aplica a un banco de

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Análisis; Problema de reprogramación; Optimización multiobjetivo; Frente de Pareto; Entornos de fabricación; Interrupciones
• Keywords:Analyse; Rescheduling problem; Multiobjective optimization; Pareto front; Manufacturing environments; Disruptions