Los grupos de interés en la programación de producción de un sistema de manufactura “Job Shop”
Los grupos de interés en la programación de producción de un sistema de manufactura “Job Shop”
Contenido principal del artículo
Resumen
En este artículo, se integran durante el proceso de programación de un sistema de manufactura tipo “Job Shop”, algunas expectativas de los siguientes grupos de interés: proveedores, sociedad, colaboradores de la organización, clientes y accionistas. De esta forma, se diseña un proceso de evaluación multiobjetivo, por medio del cual se pretende la minimización simultánea del conjunto de variables presentadas a continuación: tiempo proceso, emisiones dióxido de carbono, nivel de fatiga, factor global desperdicio y costos de producción. Asimismo, se expresa que el método propuesto, se encuentra fundamentado en la selección de aquellos individuos, cuyo grado de cercanía a determinados puntos de referencia, sea el máximo posible. Es así como, el desempeño del método anterior (método puntos referencia), se coteja con el desempeño de cierto método multiobjetivo, basado en análisis de subgrupos (método subgrupos). Al respecto, se observa que el primer método muestra, mayor capacidad para detectar la fluctuación estadística inherente a los datos. De este modo, se establece que el “método puntos referencia” supera el desempeño del “método subgrupos”, en cuanto al comportamiento de los parámetros “coeficiente de variación” y “rango”, para el caso de 4 (tiempo proceso, emisiones dióxido carbono, nivel fatiga, costos producción) de las 5 variables analizadas.
Descargas
Detalles del artículo
Referencias (VER)
• Azadeh, A.; Goldansaz, S. y Zahedi-Anaraki, A. (2016). “Solving and optimizing a bi-objective open shop scheduling problem by a modified genetic algorithm”. International Journal of Advanced Manufacturing Technology, vol. 85, pp. 1603-1613.
• Coca, G.; Castrillón, O. y Ruiz, S. (2013). “Metodología basada en los algoritmos VEGA y MOGA para solucionar un problema multi-objetivo en un sistema de producción Job Shop”. Revista EIA, vol. 13, pp. 175-191.
• Deb, K. y Jain, H. (2014). “An Evolutionary Many-Objective Optimization Algorithm Using Reference-Point-Based Nondominated Sorting Approach, Part I: Solving Problems With Box Constraints”. IEEE Transactions on Evolutionary Computation, vol. 18, No. 4, pp. 577-601.
• Haider, A. y Mirza, J. (2015). “An implementation of lean scheduling in a job shop environment”. Advances in Production Engineering & Management, vol. 10, No. 1, pp. 5-17.
• Hao, X.; Gen, M.; Lin, L. y Suer, G. (2017). “Effective multiobjective EDA for bi-criteria stochastic Job-Shop scheduling problem”. Journal of intelligent Manufacturing, vol. 28, No. 3, pp. 833-845.