Portal de Periódicos da CAPES

METODOLOGÍA BASADA EN LOS ALGORITMOS VEGA Y MOGA PARA SOLUCIONAR UN PROBLEMA MULTIOBJETIVO EN UN SISTEMA DE PRODUCCIÓN JOB SHOP (METHODOLOGY BASED ON THE ALGORITHMS VEGA AND MOGA TO SOLVE A MULTIOBJECTIVE PROBLEM IN A SYSTEM OF PRODUCTION JOB SHOP)

2014; EIA University; Volume: 10; Issue: 19 Linguagem: Espanhol

10.24050/reia.v10i19.507

2463-0950

Germán Augusto Coca Ortegón, Ómar Danilo Castrillón Gómez, Santiago Ruiz Herrera,

Assembly Line Balancing Optimization

En este articulo se presenta una metodologia que pretende minimizar de forma simultanea, en un ambiente de produccion tipo “job shop” correspondiente a una empresa metalmecanica, las siguientes variables: tiempo de proceso, costo de mano de obra directa y, asimismo la fraccion defectuosa generada por la fatiga del operario. Con este proposito se fusionan elementos de los algoritmos geneticos Vega y Moga, desarrollando para el efecto las siguientes etapas: generar la poblacion inicial, conformar la nueva poblacion, realizar analisis de varianza y por ultimo, comparar con un metodo hibrido entre sumas ponderadas y algoritmos geneticos. De acuerdo con lo anterior, al evaluar el individuo de menor tiempo de proceso proveniente de la metodologia basada en los algoritmos Vega y Moga, respecto al individuo de menor tiempo de desarrollo proveniente del metodo hibrido entre sumas ponderadas y algoritmos geneticos, se encuentra que el primero supera en desempeno al segundo asi: en cuanto a la variable tiempo de proceso (en horas) en 27,86%; en cuanto a la variable tiempo de proceso (en semanas) en 1,25%; en cuanto a la variable costo de mano de obra directa (MOD) en 6,73% y, en cuanto a la variable fraccion defectuosa en 25,85%. Abstract: This paper presents a methodology that aims to minimize simultaneously, in a “Jo b Shop” production system the following variables: process time (makespan time), cost of direct labor and also the fraction defective generated by operator fatigue. For this purpose, are taken and fused elements of genetic algorithms Vega and Moga, through the following steps: generating the initial population, form the new population, obtaining the appropriate analysis of variance and finally compared with a hybrid method of weighted sums and genetic algorithms. According to the above, when evaluating the solution faster processing time corresponding to the method based on algorithms Vega and Moga, respect to the solution faster processing time calculated from the method based on weighted sums and genetic algorithms, states that the first one exceeds the second performance as: for process time variable (in hours) at 27.86%, for variable in process time (in weeks) at 1.25%, in terms of the variable cost of direct labor in 6.73% and, as to the variable defective fraction in 25.85%. Sumario:Neste artigo apresentamos uma metodologia que visa minimizar ao mesmo tempo, em um ambiente de producao tipo “job shop” para uma empresa de engenharia, as seguintes variaveis: tempo de processo, custo de mao de obra direta e tambem a fracao defeituosa gerada pela fadiga do operador. Para este efeito, os elementos de fusivel e algoritmos geneticos Moga Vega, desenvolvido para efectuar os seguintes passos: geracao de uma populacao inicial, formam a nova populacao, a analise de variância e, finalmente, em comparacao com um metodo hibrido e somas ponderadas algoritmos geneticos. De acordo com o exposto, o menor tempo individual processo de avaliacao da metodologia baseada em algoritmos e Moga Vega, em comparacao com o tempo de processamento menor do individuo a partir da soma ponderada metodo hibrido e de algoritmos geneticos, a primeira supera a segunda maneira: como a variavel de tempo do processo (em horas) 27,86%, em termos de tempo variavel de processo (em semanas) a 1,25%, em termos de custo variavel mao de obra direta (MOD) em 6,73% e, como a fracao defeituosa variavel 25,85%.