Solución de un problema de secuenciamiento en configuración jobshop flexible utilizando un Algoritmo de Estimación de Distribuciones.

ResumenEl problema de secuenciamiento en configuración jobshop flexible se refiere en asignar operaciones de diversos trabajos a un conjunto de equipos disponibles. La asignación mencionada busca generalmente minimizar el tiempo de culminación de todos los trabajos conocido en la literatura como ‘makespan’. Se propone un Algoritmo de Estimación de Distribuciones para Secuenciamiento, AEDS por simplicidad y funcionalidad. El AEDS intenta encontrar una relación o interacción entre las variables de entrada, trabajos, operaciones y turnos de trabajo, para optimizar la variable de salida de procesos de manufactura reales, el makespan. En este sentido el algoritmo AEDS es usado para guiar la búsqueda y resolver el problema. En el marco del algoritmo, tres modelos gráficos fueron usados para encontrar mejores soluciones. Establecer horas fuera de servicio para los operadores antes de iniciar sus actividades en cada turno de trabajo como parámetro de entrada y su desarrollo a través del algoritmo AEDS constituye una novedad de esta investigación respecto los trabajos existentes. La comparación entre AEDS y un algoritmo genético muestra la efectividad del AEDS resolviendo el problema enunciado. Usando el AEDS propuesto, el desempeño de procesos de manufactura reales mejora notablemente cuando diferentes equipos disponibles son asignados a diferentes programas de producción.AbstractThe flexible jobshop scheduling problem permits the operation of each job to be processed by more than one machine. The configuration mentioned generally seeks to minimize the completion time of all jobs known in the literature as ‘makespan’. We propose an Estimation of Distribution Algorithm for Sequencing, AEDS for simplicity and functionality. The AEDS attempts to find a relationship or interaction between the input variables, jobs, operations and shifts to optimize the output variable of real manufacturing processes, the makespan. In this sense the AEDS algorithm is used to guide the search and to solve the problem. In the algorithm, three graphical models were used to find better solutions. To set off-duty hours for operators before starting their activities in each shift as an input parameter and its development through the AEDS algorithm is a novelty of this research on the current research work. The comparison between AEDS and a genetic algorithm shows the effectiveness of AEDS solving the problem statement. Using the AEDS proposed, the performance of real manufacturing processes can be improved significantly when different machines are assigned to different schedules