Mejora de tiempos de entrega en un flow shop híbrido flexible usando técnicas inteligentes. Aplicación en la industria de tejidos técnicos
- Autores: Jaime Antero Arango Marín
- Directores de la Tesis: Jaime A. Giraldo García (dir. tes.), Omar D. Castrillón Gómez (dir. tes.)
- Lectura: En la Universidad Nacional de Colombia (UNAL) ( Colombia ) en 2016
- Idioma: español
-
Materias:
- Física
- Ciencias de la tierra y del espacio
- Ciencias tecnológicas
- Ingeniería y tecnología aeronáuticas
- Tecnología bioquímica
- Ingeniería y tecnología químicas
- Tecnología de los ordenadores
- Tecnología de la construcción
- Ingeniería y tecnología eléctricas
- Tecnología electrónica
- Ingeniería y tecnología del medio ambiente
- Tecnología industrial
- Tecnología de la instrumentación
- Tecnología de materiales
- Tecnología e ingeniería mecánicas
- Tecnología médica
- Tecnología metalúrgica
- Tecnología de productos metálicos
- Tecnología de vehículos de motor
- Tecnología minera
- Tecnología naval
- Tecnología nuclear
- Tecnología del carbón y del petróleo
- Tecnología energética
- Tecnología de los ferrocarriles
- Tecnología del espacio
- Tecnología de las telecomunicaciones
- Tecnología textil
- Tecnología de los sistemas de transporte
- Procesos tecnológicos
- Planificación urbana
- Otras especialidades tecnológicas
- Ciencias de las artes y las letras
- Enlaces
- Tesis en acceso abierto en: repositorio.unal.edu.co
- Resumen
Se busca aportar herramientas útiles para la programación de producción en la industria de tejidos técnicos. Se parte de las condiciones actuales de la programación de producción en este tipo de industria y de los antecedentes en la literatura científica sobre modelos aplicables a estos entornos. Se propone un modelo de solución por técnicas inteligentes a la problemática de la secuenciación y asignación de tareas en los entornos flow shop híbrido flexible considerando situaciones como: paralelismo entre máquinas no relacionadas, tiempos de montaje dependientes de la secuencia, entrada dinámica de trabajos, restricción de elegibilidad, maleabilidad y lotes de transferencia variables entre etapas. De allí se construye la propuesta de solución que involucra simultáneamente todas las condiciones de entorno real mencionadas y aplica un algoritmo genético modificado de acuerdo a las características del problema. Se concluye que el modelado considerando condiciones realistas es posible, que los algoritmos genéticos son una opción práctica para entornos reales y que las empresas pueden obtener mejoras en su capacidad de respuesta con este tipo de soluciones
