Programación Multiobjetivo en un Sistema de Fabricación Tipo "Contra Existencia" (Job Shop)

Abstract

ResumenEn el presente artículo se analiza el desempeño de las variables tiempo de procesamiento, fracción defectuosa causada por la fatiga del operario y costo de mano de obra directa, en un sistema tipo "contra existencia" (job shop). Con el anterior propósito se comparan dos métodos, el primero toma elementos de los algoritmos VEGA y MOGA (VyM), mientras que el segundo corresponde a un método de sumas ponderadas (MSP). Al aplicar las metodologías se encontró que el método VyM presenta mejor desempeño al compararlo con el MSP. Respecto al tiempo de proceso (en horas) el primero supera al segundo en 7.0 %; respecto al tiempo de proceso (en semanas) el primero supera al segundo en 6.7 % y respecto a la fracción defectuosa, el primero supera al segundo en 1,4 %. En cuanto al costo de mano de obra, ambos métodos presentan igual desempeño. Palabras clave: multiobjetivo, algoritmos genéticos, moga, job shop, tiempo de procesamiento Multiobjective Programming in a Manufacturing System of the Job Shop Type AbstractIn this paper, the performance of the variables: makespan time, defective fraction due to operator fatigue and direct labor cost, in a job shop manufacturing system is presented. Two methods are compared; the first one blends elements from VEGA and MOGA algorithms (V&M), while the second one corresponds to a weighted sums method (WSM). Applying these methodologies, it was found that the method V&M has a better performance than the WSM. Comparing he variable makespan time (in hours) the first is better by 7.0 %; comparing the variable makespan time (in weeks) by 6.7 %; and comparing the variable defective fraction by 1.4 %. Regarding the variable labor costs, both methods have the same performance.

Máquinas de Soporte Vectorial, Clasificador Naïve Bayes y Algoritmos Genéticos para la Predicción de Riesgos Psicosociales en Docentes de Colegios Públicos Colombianos

“…Es por eso que la aplicación de técnicas de aprendizaje de máquina (machine learning) como los algoritmos máquina de soporte vectorial (SVM) (Cortes et al,1995;Vapnik 1998), el algoritmo Naïve Bayes (Chandra et al,2007)., se utilizan como herramienta para la predicción de afecciones de índole psicosocial, con el fin de evaluar su eficiencia en el grado de precisión con respecto a la identificación del tipo de grado de riesgo y mejorar los procesos de administración y gestión de recursos humanos para la prevención de riesgos. Para la reducción de la dimensionalidad se utilizan los algoritmos genéticos, los cuales ya han sido probados como técnicas de inteligencia artificial (Coca et al,2013) en otros procesos para optimizar diferentes objetivos. El desarrollo y validación de nuevos instrumentos desde la rama de la ingeniería que contribuyan a la detección de riesgos psicosociales en las organizaciones de toda índole es posible gracias a los patrones que facilitan la clasificación de las variables (atributos) que denotan un resultado (clase), actualmente se trabaja en el desarrollo de nuevos algoritmos que faciliten el trabajo para la administración y la gerencia de seguridad y salud en el trabajo en todo tipo de actividades (Mosquera et al,2016;Mosquera et al,2018).…”

Metodología para la Predicción del Grado de Riesgo Psicosocial en Docentes de Colegios Colombianos utilizando Técnicas de Minería de Datos

“…Por lo tanto, se hace necesario el monitoreo de procesos organizacionales. Estos procesos sintetizan las diferentes etapas del proceso de organización del trabajo, razón por la cual las variables contempladas en cada uno deben tener relación directa con el objeto mismo del trabajo docente (Huerta et al, 2016), así como su análisis y seguimiento, el cual se puede dar a través de las técnicas de minería de datos que muestran en diversos estudios haber sido efectivas como técnicas de inteligencia artificial (Castro et al, 2014;Matos et al, 2006;Castrillón 2014;Coca et al,2013 ).…”