Se presenta y analiza una propuesta de formación invertida para la enseñanza de las técnicas de programación de producción buscando tener mayor interés, colaboración y satisfacción de los estudiantes, que en los cursos magistrales. A los participantes en el curso se les plantea un problema de una planta de producción de tamaño real, donde hay que tomar decisiones del nivel táctico y de nivel operativo. Para la toma de las diferentes decisiones se brinda al grupo los fundamentos de las diferentes herramientas, soportadas en aplicativos de software. Estos incorporan técnicas inteligentes aplicadas a las diferentes etapas de la programación. Se valida la efectividad de las herramientas frente al comportamiento de los indicadores claves del área de producción, pudiendo utilizar esas medidas como criterio para la calificación de los estudiantes. La evaluación cualitativa de las pruebas preliminares sugiere que la aplicación de un modelo de este estilo mejora la motivación, la interacción entre estudiantes y profesores, y el desempeño académico. Palabras clave: instrucción invertida; planeación de producción; programación de producción; simulación
Algoritmo genético para reducir el makespan en un flow shop híbrido flexible con máquinas paralelas no relacionadas y tiempos de alistamiento dependientes de la secuencia* Juan Camilo López-VargasCandidato a Doctor en Ingeniería Industrial y Organizaciones de la Universidad Nacional de Colombia Sede Manizales, Colombia. jclopezva@unal.edu.co Jaime Antero Arango-MarínCandidato a Doctor en Ingeniería Industrial y Organizaciones de la Universidad Nacional de Colombia Sede Manizales, Colombia. Profesor Asociado Facultad de Ingeniería y Arquitectura Universidad Nacional de Colombia Sede Manizales, Colombia. jaarangom@unal.edu.co R e s u m e nEl artículo propone el algoritmo genético simple o estándar (AGS) como enfoque de solución al problema de programación de producción para un ambiente tipo flow shop híbrido flexible minimizando el makespan. La codificación del algoritmo propuesto permite obtener resultados con tiempos de cómputo bastante razonables y con un nivel de convergencia del makespan cercano al 2%, con mejores soluciones que un algoritmo alternativo diseñado para el mismo caso de programación de producción. A partir de los resultados obtenidos en el proceso de experimentación y del posterior análisis comparativo, se concluye que a partir del modelamiento más completo de las condiciones reales de producción, el algoritmo genético ejecuta la programación de producción reduciendo el tiempo máximo de procesamiento, o makespan. En futuros trabajos, el enfoque de investigación será la búsqueda de más escenarios alternativos de producción, con el fin de incrementar la aplicación de este tipo de herramientas y generar impacto en los entornos empresariales reales. PalabRas c l av eAlgoritmo genético, flow shop híbrido flexible, makespan, máquinas paralelas no relacionadas, tiempos de alistamiento dependientes de la secuencia.Genetic algorithm for reducing the makespan in a flexible hybrid flow shop with unrelated parallel machines, and sequence-dependent setup times a b s t R a c t This article proposes a simple or standard (AGS) genetic algorithm as a focus of solution to the problem of production scheduling for a flexible hybrid flow shop environment, minimizing makespan. The coding of the proposed algorithm makes it possible to obtain results with rather reasonable computation times and with a level of convergence of the makespan close to 2%, with better solutions than those of an alternative algorithm designed for the same case of production scheduling. Based on the results obtained from the testing process and on the subsequent comparative analysis, it can be concluded that, based on the most complete modeling of the actual production conditions, the genetic algorithm executes production scheduling, reducing the maximum processing time or makespan. In future work, the focus of research will be the search for other alternative production scenarios in order to increase the application of this type of tool and generate an impact on the actual business environment. KeywoRdsGenetic algorithm, flexible hybrid flow ...
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.