Optimización de la Planificación Agregada de la Producción: Una Exploración de los Algoritmos Genéticos
Barra lateral del artículo
Contenido principal del artículo
Resumen
Se abarca la integración de tecnologías de información en los procesos productivos, resaltando la importancia de la adaptación en entornos volátiles y complejos. Además, explora cómo la Industria 4.0 puede ser una estrategia para fusionar tecnologías y optimizar los procesos. En este contexto, cobra relevancia la inteligencia artificial, especialmente
los algoritmos genéticos, que son un enfoque de resolución basado en la teoría de la evolución. Estos algoritmos tienen la capacidad de seleccionar y reproducir las mejores soluciones para lograr resultados más apropiados. Enfocándonos en la aplicación de los algoritmos genéticos en la planificación agregada de la producción, se identifica su eficacia en
comparación con otras técnicas. Se describen distintos métodos de optimización, y se analiza cómo los algoritmos genéticos demuestran eficiencia en la resolución de problemas. Asimismo, se ofrece un análisis detallado de las herramientas de software que utilizan algoritmos genéticos, destacando sus características como funciones integradas,
interfaz de usuario, accesibilidad y compatibilidad. Además, se evalúan enfoques de desarrollo personalizado que emplean lenguajes de programación. Se concluye con la necesidad de adaptabilidad en entornos cambiantes y la relevancia de la inteligencia artificial y los algoritmos genéticos en la toma ágil de decisiones. Como alternativa, se sugiere el
desarrollo de soluciones específicas, y se plantea la posibilidad de futuras evaluaciones basadas en factores ponderados y comparativas con otros enfoques de optimización.
Detalles del artículo
Usted es libre de:
Compartir— copiar y redistribuir el material en cualquier medio o formato para cualquier propósito, incluso comercialmente.
Adaptar— remezclar, transformar y construir a partir del material para cualquier propósito, incluso comercialmente.
La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia
Bajo los siguientes términos:
Atribución— Usted debe dar crédito de manera adecuada, brindar un enlace a la licencia, e indicar si se han realizado cambios . Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
No hay restricciones adicionales — No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.
Referencias
B. A. ALLENDES DÍAZ, Entorno VUCA: enfrentando el desafío organizacional a través del liderazgo efectivo, Santiago, Chile: Facultad de Ingeniería de la Iniversidad del Desarrollo, 2020.
C. C. SÁENZ, Industria 4.0, La Rioja, Argentina.: Universidad de la Rioja, Facultad , 2016.
A. GARCÍA SERRANO, Inteligencia artificial, fundamentos, práctica y aplicaciones, Madrid, España.: R C Libros. 38830 San Fernando de Henares, 2012.
J. A. DE LA PEÑA y A. P. TRUYOL, Algoritmos genéticos, Getafe, España.: Universidad Carlos III, 2007.
V. G. CANIZALES, Aplicación de algoritmos genéticos en el balanceo de líneas de producción, San Nicolás de los Garza, México.: Facultad de Ingeniería Mecánica y Eléctrica de la Universidad Autónoma de Nuevo Leon, 2005.
F. J. CASTILLO ZUNINO, Algoritmos genéticos para planificar la secuencia, asignación, tamaño y cantidad de lotes en una planta multiproducto, Santiago, Macul, región metropolitana, Chile.: Pontificia Universidad Católica de Chile Escuela de Ingeniería, 2014.
S. CHOPRA y P. MEINDL, Administración de la cadena de suministro, estrategia, planeación y operación, México: Pearson Educación, 2013.
J. A. A. G. M. J. G. G. S. D. M. M. &. R. G. A. DOMÍNGUEZ MACHUCA, Dirección de operaciones: aspectos tácticos y operativos en la producción y los servicios., Madrid, España: Mc Graw-Hill/Interamericana de España S.A, 1995.
M. D. C. HERNÁNDEZ AYUSO, Introducción a la programación lineal, Circuito exterior, Ciudad Universitaria, Distrito Federal, México.: Universidad Nacional Autónoma de México, Facultad de Ciencias. , 2007.
C. R. KUMAR y Y. M. A. A. HASIN, Solving an aggregate production planning problem by using multi-objective genetic algorithm (MOGA) approach, Rajshahi-6204, Bangladesh: Department of Industrial & Production Engineering, Rajshahi University of Engineering & Technology, 2012.
H. S. CARDONA ZAPATA, Aplicación del algoritmo genético con el fin de optimizar las tareas operativas de los ambientes de trabajo tipo job-shop, Pereira, Risaralda, Colombia.: Universidad Tecnológica de Pereira Facultad de Ciencias Empresariales, 2019.
M. Toshtzar, Multi-criteria decision making approach to computer software evaluation: application of the analytical hierarchy process, Upper Montclair, New Jersey: Montclair State College, School of Business Administration, Department of Finance and Quantitative Methods, 1988.
D. A. B. J. &. M. M. S. Savić, «A DSS generator for multiobjective optimisation of spreadsheet-based models,» de Environmental Modelling and Software, North Park Road, Exeter, Devon EX4 4QF, United Kingdom, The Centre for Water Systems, College of Engineering, Mathematics and Physical Sciences, University of Exeter, 2011, pp. 551-561.
Palisade©, «Evolver, Innovative Optimization in Excel,» Palisade©, 2023. [En línea]. Available: https://www.palisade.com/evolver/. [Último acceso: 11 Julio 2023].
I. ©. Ward Systems Group, «GeneHunter,» Ward Systems Group, Inc. ©, 2023. [En línea]. Available: http://www.wardsystems.com/genehunter.asp. [Último acceso: 11 Julio 2023].
©. New Light Industries, «Generator,» New Light Industries,© , 2008. [En línea]. Available: http://www.nli-ltd.com/products/genetic_algorithms/generator.php. [Último acceso: 11 Julio 2023].
©. Inductive Solutions, «GenSheet,» Inductive Solutions, ©, 2015. [En línea]. Available: https://inductive.com/softgen.htm. [Último acceso: 11 Julio 2023].
A. C. Schreyer, «Genetic algorithm optimization for ms excel,» Alexander C. Schreyer, 2016. [En línea]. Available: https://alexschreyer.net/projects/xloptim/. [Último acceso: 11 Julio 2023].
S. ©, «SolveXL - Genetic Algorithm Optimization add-in for Microsoft Excel,» SolveXL.com ©, 2013. [En línea]. Available: https://www.solvexl.com/index.html. [Último acceso: 11 Julio 2023].
T. ©, «Standard Genetic Algorithm (SGA),» TechnoLogismiki ©, 2023. [En línea]. Available: https://xloptimizer.com/features/genetic-algorithms-ga/standard-genetic-algorithm. [Último acceso: 11 Julio 2023].
S. M. Inc, «NLPSolver,» Sun Microsystems Inc, 2012. [En línea]. Available:
https://wiki.openoffice.org/wiki/NLPSolver. [Último acceso: 11 Julio 2023].
Microsoft, «Office 365,» Microsoft, 2023. [En línea]. Available: https://www.microsoft.com/es/microsoft-365/excel. [Último acceso: 16 Julio 2023].
S. Castillo-Ponce, M. Lino-Cevallos, C. Sánchez-Suango y L. Cevallos Torres, «Aplicación de un Algoritmo Genético para solucionar,» Facultad de Ciencias Matemáticas y Físicas, Universidad de Guayaquil, Ecuador, 2019.
G. &. D. F. L. Van Rossum, «Python 3 Reference Manual,» CreateSpace, Scotts Valley, CA, 2009.
D. R. Briones Briones y J. R. Pérez Gallardo, «Optimización de la secuencia de producción por medio de un algoritmo genético,» 02 2021. [En línea]. Available: https://cimat.repositorioinstitucional.mx/jspui/handle/1008/1140. [Último acceso: 15 Julio 2023].