Optimización de la redistribución de recursos en proyectos con retrasos utilizando algoritmos genéticos

• Pérez Esquivel, José Manuel ^[1] ; Mendoza Pérez, Marco Alberto ^[1] ; Juárez Landín, Cristina ^[1]
  1. [1] Centro Universitario UAEM Valle de Chalco
• Localización: RILCO DS: Revista de Desarrollo sustentable, Negocios, Emprendimiento y Educación, ISSN-e 2695-6098, Vol. 6, Nº. 59, 2024 (Ejemplar dedicado a: Septiembre), págs. 39-53
• Idioma: español
• Títulos paralelos:
  • Otimizando a redistribuição de recursos em projetos com atrasos utilizando algoritmos genéticos
  • Optimizing resource redistribution in delayed projects using genetic algorithms
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    La gestión eficiente de recursos es crucial en la ejecución de proyectos, especialmente en la industria de la construcción, donde los retrasos son comunes y pueden impactar significativamente los costos y la calidad. Este estudio se enfoca en evaluar la eficacia de un algoritmo genético para la redistribución óptima de recursos en proyectos con retrasos en su inicio usando un diseño experimental, se manipularon variables independientes determinadas por los parámetros del algoritmo genético para observar sus efectos sobre la eficacia y eficiencia en la redistribución de recursos. La población de estudio consistió en actividades simuladas de planificación de recursos, representativas de entornos de la industria de la construcción con una selección muestra de 10 actividades con una duración de 44 días laborables. La distribución inicial se generó utilizando la distribución normal, con una media (μ) de 22 y una desviación estándar (σ) de 8.8, posteriormente para simular retrasos, los valores de los primeros 10 días se ajustaron reflejando un retraso acumulado del 10%. Para evaluar la robustez y eficacia del algoritmo genético, se generaron múltiples instancias de actividades con diferentes distribuciones iniciales, simulando diversos escenarios para la implementación del algoritmo, se utilizó el lenguaje Python, usando técnicas como la selección por torneo, el cruzamiento de un punto y la mutación uniforme. La función de aptitud, basada en el Error Cuadrático Medio (ECM), permitió medir la calidad de la redistribución de recursos en términos de minimización del retraso acumulado y eficiencia en el uso de recursos.

  • português

    A gestão eficiente de recursos é crucial na execução de projetos, especialmente na indústria da construção, onde atrasos são comuns e podem impactar significativamente os custos e a qualidade. Este estudo tem como foco avaliar a eficácia de um algoritmo genético para a redistribuição ótima de recursos em projetos com atrasos no seu início utilizando um desenho experimental, variáveis ​​independentes determinadas pelos parâmetros do algoritmo genético foram manipuladas para observar seus efeitos na eficácia e eficiência. na redistribuição de recursos. A população do estudo consistiu em atividades simuladas de planejamento de recursos, representativas de ambientes da indústria da construção, com uma seleção amostral de 10 atividades com duração de 44 dias úteis. A distribuição inicial foi gerada utilizando a distribuição normal, com média (μ) de 22 e desvio padrão (σ) de 8,8, posteriormente para simular atrasos, os valores dos primeiros 10 dias foram ajustados refletindo um atraso acumulado de 10 %. Para avaliar a robustez e eficácia do algoritmo genético foram geradas múltiplas instâncias de atividades com diferentes distribuições iniciais, simulando vários cenários para a implementação do algoritmo, foi utilizada a linguagem Python, utilizando técnicas como seleção por torneio, cruzamento de ponto e a mutação uniforme. A função de fitness, baseada no Erro Quadrático Médio (MSE), permitiu medir a qualidade da redistribuição dos recursos em termos de minimização do atraso acumulado e eficiência na utilização dos recursos.

  • English

    Efficient resource management is crucial in project execution, especially in the construction industry, where delays are common and significantly impact costs and quality. This study focuses on evaluating the effectiveness of a genetic algorithm for optimal resource redistribution in projects with delays using an experimental design. Independent variables were manipulated based on genetic algorithm parameters to observe their effects on resource redistribution effectiveness and efficiency. This study population consisted of simulated resource planning activities, representative of construction industry environments, with a selected sample of 10 activities each lasting 44 working days. Initial distribution was generated using the normal distribution, with a mean (μ) of 22 and standard deviation (σ) of 8.8. To simulate delays, values for the first 10 days were adjusted to reflect a cumulative delay of 10%. To evaluate the robustness and effectiveness of the genetic algorithm, multiple instances of activities with different initial distributions were generated, simulating various scenarios. Python was used for algorithm implementation, employing techniques such as tournament selection, single-point crossover, and uniform mutation. The fitness function, based on the Mean Squared Error (MSE), measured the quality of resource redistribution in terms of minimizing cumulative delay and resource efficiency.