El problema de programación de flujo de trabajo de taller de permutación con recursos humanos: modelos MILP, procedimientos de decodificación, heurísticas basadas en NEH y un algoritmo codicioso iterado
Autores: Fernandez-Viagas, Victor; Sanchez-Mediano, Luis; Angulo-Cortes, Alvaro; Gomez-Medina, David; Molina-Pariente, Jose Manuel
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
El problema de programación de flujo de trabajo de taller de permutación con recursos humanos: modelos MILP, procedimientos de decodificación, heurísticas basadas en NEH y un algoritmo codicioso iterado
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Problema de programación de flujo en tiendas de permutación
Tiempos de preparación dependientes de la secuencia
Tiempos de preparación no anticipatorios
Modelos de programación lineal entera mixta
Reglas de despacho
Algoritmo codicioso iterado
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 30
Citaciones: Sin citaciones
En este documento, abordamos el problema de programación de flujo de trabajo de taller de permutación con tiempos de preparación dependientes de la secuencia y no anticipativos. Estas configuraciones son realizadas o supervisadas por múltiples servidores, que son recursos secundarios renovables (típicamente recursos humanos). A pesar de las aplicaciones reales de este tipo de supervisión humana y la creciente atención prestada en la literatura de programación, no tenemos conocimiento de ningún estudio previo sobre el problema en cuestión. Para cubrir esta brecha, comenzamos abordando teóricamente el problema mediante: proponiendo tres modelos de programación lineal entera mixta para encontrar soluciones óptimas en el problema; y proponiendo diferentes procedimientos de decodificación para codificar soluciones en procedimientos aproximados. Después de eso, el mejor procedimiento de decodificación se utiliza para proponer un nuevo mecanismo que genera 896 reglas de despacho diferentes, combinando diferentes medidas, indicadores y criterios de clasificación. Todas estas reglas de despacho están integradas en el algoritmo NEH tradicional. Finalmente, se propone un algoritmo codicioso iterado para encontrar soluciones casi óptimas. Al hacerlo, proporcionamos a académicos y profesionales métodos eficientes que pueden ser utilizados para obtener soluciones exactas del problema; aplicados para programar trabajos rápidamente y reaccionar ante cambios; utilizados para inicialización o integrados en algoritmos más avanzados; y/o fácilmente actualizados e implementados en escenarios de fabricación reales.
Descripción
En este documento, abordamos el problema de programación de flujo de trabajo de taller de permutación con tiempos de preparación dependientes de la secuencia y no anticipativos. Estas configuraciones son realizadas o supervisadas por múltiples servidores, que son recursos secundarios renovables (típicamente recursos humanos). A pesar de las aplicaciones reales de este tipo de supervisión humana y la creciente atención prestada en la literatura de programación, no tenemos conocimiento de ningún estudio previo sobre el problema en cuestión. Para cubrir esta brecha, comenzamos abordando teóricamente el problema mediante: proponiendo tres modelos de programación lineal entera mixta para encontrar soluciones óptimas en el problema; y proponiendo diferentes procedimientos de decodificación para codificar soluciones en procedimientos aproximados. Después de eso, el mejor procedimiento de decodificación se utiliza para proponer un nuevo mecanismo que genera 896 reglas de despacho diferentes, combinando diferentes medidas, indicadores y criterios de clasificación. Todas estas reglas de despacho están integradas en el algoritmo NEH tradicional. Finalmente, se propone un algoritmo codicioso iterado para encontrar soluciones casi óptimas. Al hacerlo, proporcionamos a académicos y profesionales métodos eficientes que pueden ser utilizados para obtener soluciones exactas del problema; aplicados para programar trabajos rápidamente y reaccionar ante cambios; utilizados para inicialización o integrados en algoritmos más avanzados; y/o fácilmente actualizados e implementados en escenarios de fabricación reales.