Algoritmo genético para solucionar el problema de dimensionamiento y programación de lotes con costo

Algoritmo genético para solucionar el problema de dimensionamiento y programación de lotes con costo

1. Algoritmo Genetico

   • Es susceptible de ser resuelto utilizando un método basado en GA o HGA.
     • Genetic Algorithms o GA Hybrid Genetic Algorithm o HGA
     • Se presenta la hibridación entre un algoritmo genético y un algoritmo de propósito específico como lo es el Optimal Timing
       • Se establece un nivel de hibridación de bajo nivel
         • Los HGA son esquemas de optimización cooperativa en el que los algoritmos incorporados trabajan en conjunto con los operadores genéticos
         • Los GA y los HGA han sido ampliamente utilizados como método de solución para problemas de tamaño de lote y de programación en una máquina

2. Problema

   • Determinar los tamaños de los lotes de producción y su programación
     • La suma de los costos de:
       • Alistamiento, mantener unidades en el inventario, penalizaciones por entregas tardías
   • El problema de tamaño de lote ha sido modelado de dos formas diferentes:
     • “Ventana de tiempo grande” es el Problema de Programación y Tamaño de Lote Capacitado
     • “Ventana de tiempo pequeña” es el Problema de Programación y Tamaño de Lote Discreto

3. Resultados

   • El HGA se desarrolló en lenguaje Java, las instancias se corrieron en un computador personal con procesador AMD® Athlon® II X2 250 con 4 GB de memoria RAM
   • El algoritmo propuesto obtiene soluciones robustas para un ambiente de manufactura de una sola máquina sin importar cuales sean las proporciones de los costos de alistamiento y penalización por tardanza con respecto al costo de mantener inventario.
   • Se desarrollo un algoritmo genético híbrido para la secuenciación de tamaños de lote con penalizaciones por terminaciones tempranas, tardías y costos de alistamiento dependientes de la secuencia.