El objetivo de este artículo es predecir el rendimiento académico de estudiantes de educación superior, a partir de diversos factores influyentes usando técnicas de inteligencia artificial (clasificadores). El estudio de tales factores, aunque ha sido ampliamente analizado desde enfoques cuantitativos y cualitativos, aun presenta oportunidades de investigación usando herramientas que provee la inteligencia artificial, particularmente en la predicción del rendimiento académico. Con los factores definidos (educacionales, familiares, socioeconómicos, de hábitos y costumbres, entre otros), se diseñó una metodología que permite entrenar un sistema capaz de clasificar a priori a un nuevo estudiante, en una de las cinco categorías predeterminadas de rendimiento académico. Esta clasificación permite a una institución educativa identificar con anticipación estudiantes con problemas potenciales de rendimiento académico. A partir de ello, se pueden desplegar acciones de acompañamiento y mitigación inmediatas. La metodología fue aplicada a una muestra de estudiantes de una universidad pública en Colombia, obteniendo un nivel de aciertos del 91.7%.
ResumenEn este artículo se establece un enfoque novedoso para programar sistemas Job Shop, basado en sostenibilidad. Se evalúan las siguientes variables de sostenibilidad: emisiones equivalentes de dióxido de carbono (variable ambiental), intensidad sonora, accidentalidad laboral y peso manipulado (variables sociales: salud ocupacional) y finalmente, tiempo de proceso y costos de mano de obra directa (variables económicas). La metodología se estructura en catorce pasos que cubren aspectos tales como diseño del método multiobjetivo, fundamentos de los algoritmos genéticos y comparación con otros métodos. Se determina que el método diseñado muestra un desempeño superior para la variable factor ponderado (P(Xj), al compararlo con resultados de otros métodos tales como reglas de programación o el método del cuello de botella móvil. Palabras clave: sostenibilidad; dióxido de carbono; accidentalidad laboral; Job Shop; algoritmos genéticos Programming in a Manufacturing System of the "Job Shop" type with a Focus on Sustainability AbstractIn this paper an innovative focus to programming Job Shop systems, based on sustainability, is presented. The following sustainability variables are evaluated: carbon dioxide emissions (environmental variable), sound intensity, accident rate and handled weight (social variables: occupational health) and finally, makespan time and direct labor costs (economic variables). The methodology is structured in fourteen steps that cover aspects such as multiobjective method design, description of genetic algorithms, and comparison with other methods. It is determined that the designed method shows greater performance for the variable weighted factor P(Xj) when they are compared with results from other methods such as programming rules and mobile bottle neck method. INTRODUCCIÓNEn la actualidad, debido a las tendencias de desarrollo internacional, se hace necesario gestionar las organizaciones, bajo un enfoque fundamentado en los conceptos de sostenibilidad (Pagell y Shevchenko, 2014). De esta forma, se señala que en la literatura de corriente principal, el sistema de manufactura "Job Shop" se ha investigado, buscando incrementar la eficiencia de las diversas operaciones intervinientes en el sistema productivo (Shen et al., 2014). De manera consecuente, se plantea que en la programación de tal clase de sistema de manufactura, se ha desconocido la importancia de minimizar los impactos negativos, ya sea respecto a la salud de la persona o respecto al medio ambiente (Becic et al., 2012). Es así como, en este artículo se evalúa el sistema de operaciones de una compañía del sector metalmecánico, clasificada bajo el tipo: "Job Shop". Para la organización objeto de estudio, se ilustra a continuación el comportamiento de las variables de sostenibilidad: tiempo de proceso y costos de mano de obra directa (variables económicas), emisiones equivalentes de dióxido de carbono (variable ambiental), y por último: intensidad sonora, accidentalidad laboral y peso manipulado en promedio por turno de trabajo (varia...
Se propone una metodología basada en redes neuronales para la programación de pedidos en un ambiente job shop-open shop. El problema de programación de la producción en sistemas job shop consiste en definir la mejor secuencia de pedidos para minimizar el tiempo total de proceso (makespan) u otras variables relevantes. Diversas técnicas inteligentes se han aplicado para resolver este tipo de problema. Sin embargo, estás presentan dificultades prácticas cuando se requieren cambios de programación, pues exigen reconfigurar nuevamente el problema para obtener una nueva solución. La metodología propuesta entrena la red mediante la combinación de los tiempos de proceso en cada nodo, por medio de funciones de transferencia multiplicadas por pesos que son generados por el algoritmo de programación de la red. La red neuronal propuesta permite obtener soluciones no solo para un problema en particular, sino para los nuevos que surjan sin necesidad de hacer una nueva reconfiguración. Las soluciones encontradas fueron comparadas con otras técnicas de programación de la producción, encontrándose desempeños superiores en el makespan del orden del 30% al 164%. Palabras clave: programación de la producción; redes neuronales; job shop-open shop; makespan
ResumenSe presenta un modelo de simulación como plataforma de experimentación de la logística de operación de una cadena de fabricación/distribución de pequeña escala, dirigida especialmente a estudiantes y profesionales involucrados en su planeación, diseño y operación. En la construcción del modelo, se usó en conjunto de métodos: simulación basada en agentes y por eventos discretos, además del uso de un Sistema de Información Geográfica (SIG). El uso iterativo del modelo permite evaluar el desempeño de diversos escenarios que se presentan en el mundo real. Permite, además, analizar diferentes situaciones para el desarrollo de habilidades y competencias para la toma de decisiones bajo incertidumbre, relacionadas con tamaño de la flota de transporte, capacidad del sistema de producción, cobertura geográfica de servicio a la demanda y ubicación apropiada de la planta de fabricación/distribución utilizando un ejemplo típico de la Abstract A simulation model is presented as a platform for experimentation in the logistics of the operation of a smallscale manufacturing / distribution chain, aimed especially at students and professionals involved in its planning, design and operation. In the construction of the model, several methods were involved: simulation based on agents and discrete events, in addition to the use of a Geographic Information System (GIS). The iterative use of the model allows evaluating the performance of different scenarios that are presented in the real world. It also allows analyzing different situations to develop skills and competencies for decision making under uncertainty related to size of the transport fleet, system capacity of production, geographical coverage of service to the demand and appropriate location of the manufacturing/distribution plant using a typical example of the industry.
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.