Distributed permutation flow shop stochastic to minimize the expected tardy

En los últimos años la programación de la producción -Scheduling- ha tomado fuerza y relevancia dentro de las organizaciones por su impacto en el logro de los objetivos de la organización. En un mundo cada vez más globalizado, la producción y la gestión de los recursos pueden irse extendiendo desde una sola fábrica, hasta una red compleja de producción distribuida. Este artículo estudia el problema del Distributed Permutation Flowshop (DPFSP) estocástico que minimiza el valor esperado de la tardanza. Para la solución del problema, se propone una simheurística basada en un algoritmo genético hibridizado con simulación de Monte Carlo. A su vez, para evaluar el desempeño de la simheurística propuesta, se utilizaron 92 instancias extraídas de la literatura, en las cuales se pudo mejorar en un 100% la solución en las instancias cortas, en cuanto a las instancias largas, en el 88% de las corridas realizadas se encontró una mejor solución con la simheuristica, sin embargo se destaca que en el 100% de las instancias se encontraron como mínimo 6 soluciones donde la FO disminuye con la simheuristica, habiendo realizado 9 corridas por instancia. Al comparar la simheuristica implementada, junto con el modelo matemático y la regla de despacho ATC, en los resultados estadísticos obtenidos, se pudo identificar que la tardanza esperada se pudo mejorar hasta en un 20% comparada con los otros métodos ya mencionados.Lately, scheduling problems have been taking more strength and relevance inside the organizations and companies on account of the impact in accomplishing the achievements of the company. With this more and more globalized world, production and management of resources can be growing since the one and only factory, until that complex network of distributed production. This article studies the Distributed Permutation Flow shop (DPFSP) stochastic which minimizes the expected tardiness value. In order to solve this problem, it is proposed a simheuristic based on a genetic algorithm mixed with Monte Carlo simulation. Also, looking for rate and evaluate the outcome of the simheuristic proposed, there were used 92 instances digged out of the literature in which can be evidenced that the improvement of the solution in compare with short instances was 100%. On the other hand, speaking about long instances, in the 88% of the runs, it was found a better solution with the simheuristic. However, it needs to be highlighted that in the 100% of the instances it was found at least 6 possible solutions where the objective function gets in decrease with the simheuristic, having made 9 runs per instance. Comparing the simheuristic with the mathematical model and the ATC dispatch rule -in the obtained statistical results- it can be identified that the expected tardiness can be improved in a 20%, compared with other methods already mentioned.Ingeniero (a) IndustrialPregrad