Resumen

Este estudio propone una regla fuzzy-neural diversificadora de la holgura para mejorar el despacho de trabajos en una fábrica de fabricación de obleas. En la metodología propuesta se han aplicado varias técnicas de soft computing, como la clasificación difusa y la predicción mediante redes neuronales artificiales. Se aplica un enfoque neuronal difuso muy eficaz para estimar el tiempo de ciclo restante de un trabajo. Esta investigación presenta pruebas empíricas de la relación entre la precisión de la estimación y el rendimiento de la programación. Dado que se ha demostrado que la maximización dinámica de la desviación estándar de la holgura de la programación mejora el rendimiento, este trabajo aplica dicha maximización a una regla difuso-neuronal diversificadora de la holgura derivada de una regla de suavización de fluctuaciones no lineales adaptada de dos factores para el tiempo de ciclo medio (2f-TNFSMCT). La eficacia de la regla propuesta se comprobó con un caso simulado, que proporcionó pruebas de la eficacia de la regla. Los resultados de esta investigación apuntan en varias direcciones que pueden explotarse en el futuro.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:regla neuronal, varias técnicas de soft computing, predicción de redes neuronales artificiales, regla de suavizado de fluctuaciones no lineales, tiempo medio de ciclo, fábrica de fabricación de obleas, eficacia, trabajo, regla, holgura
• Keywords:neural rule, several soft computing techniques, artificial neural network prediction, nonlinear fluctuation smoothing rule, mean cycle time, wafer fabrication factory, effectiveness, job, rule, slack