Evaluación comparativa de Algoritmos Computacionales aplicados a la Optimización de la Planificación Agregada de la Producción
Barra lateral del artículo
Contenido principal del artículo
Resumen
Se analiza el desempeño de diferentes algoritmos en la optimización de la planificación agregada de la producción (PAP), con el objetivo de identificar cual presenta mejor performance. Los algoritmos evaluados son GRG Nonlinear, Evolutionary, DEPS Evolutionary, SCO Evolutionary, lq-CMA-ES y Purecma. Los resultados indican que el tiempo de procesamiento no es un factor de comparación crítico, sin embargo, la consecución de un resultado óptimo es fundamental para las operaciones de las organizaciones. El algoritmo lq-CMA-ES se destaca por su buen desempeño, aunque requiere mayor tiempo de desarrollo y ajuste. Alternativamente, los algoritmos DEPS, SCO y GRG son recomendados por su facilidad de implementación.
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
D. Allendes y A. Benito, Entorno VUCA: enfrentando el desafío organizacional a través del liderazgo efectivo, Santiago, Chile: Facultad de Ingeniería de la Iniversidad del Desarrollo, 2020.
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, Prentice Hall, Upper Saddle River, NJ: Pearson , 2012.
J. A. Dominguez Machuca, S. Garcia Gonzales , A. Ruiz Jimenez, M. A. Dominguez Machuca y M. J. Alvarez Gil, Dirección de operaciones, Aspectos tácticos y operativos en la producción y los servicios, Madrid: McGraw Hill, 1995.
A. M. S. B. A. E. P. D. El-Awady Attia, Aggregate production planning considering performance evolution : a case study., Caire, Egypt: AMME Conference, Apr 2016.
F. K. H. M. Ali Cheraghalikhania, Aggregate production planning: A literature review and future research directions, Iran: International Journal of Industrial Engineering Computations , 2018.
I. S. Buscaglia y J. C. Michalus, «Optimización de la Planificación Agregada de la Producción: Una Exploración de los Algoritmos Genéticos,» XIII-Jornadas de Investigación, Desarrollo Tecnológico, Extensión, Vinculación y Muestra de la Producción, 2023.
I. S. Buscaglia y J. C. Michalus, «Análisis Exploratorio de Algoritmos Genéticos aplicados a la Planificación Agregada de,» XX Reunión de Trabajo en Procesamiento de la Información y Control, 2023.
M. Muzzammil, J. Alam y M. Muzzammil, «An optimization technique for estimation of rating curve parameters,» Symposium on Hydrology Indian Association of Hydrologists (IAH), Roorkee. New Delhi, India., 2015.
Frontline Systems Inc ®, «EXCEL SOLVER - ALGORITHMS AND METHODS USED,». Recuperado de: https://www.solver.com/excel-solver-algorithms-and-methods-used. Consultado el: 24/7/2024.
LibreOffice, «Solver Algorithms Options,» https://help.libreoffice.org/latest/en-US/text/scalc/01/solver_options_algo.html?&DbPAR=SHARED&System=WIN#DEPSEvolutionaryalgorithmh2,Consultado el: 07/02/2024.
X.-F. XIE, W.-J. ZHANG y Z.-L. YANG, «SOCIAL COGNITIVE OPTIMIZATION FOR NONLINEAR PROGRAMMING PROBLEMS,» Beijing, 2002.
J. Blank y K. Deb, pymoo: multi-objective optimization in python, IEEE Access, 8():89497–89509, 2020. doi:10.1109/ACCESS.2020.2990567., 2020.
N. Hansen., The CMA Evolution Strategy: A Comparing Review, Springer Berlin Heidelberg, Berlin, Heidelberg: URL: https://doi.org/10.1007/3-540-32494-1_4, doi:10.1007/3-540-32494-1_4., 2006.
N. Hansen, «A global surrogate assisted {CMA-ES},» de Proceedings of the Genetic and Evolutionary Computation Conference ({GECCO}), New York, NY, USA, Association for Computing Machinery, 2019.
G. &. D. F. L. Van Rossum, «Python 3 Reference Manual,» CreateSpace, Scotts Valley, CA, 2009.
N. Hansen, «cma.purecma,». Recuperado de: https://cma-es.github.io/apidocs-pycma/cma.purecma.html#__author__, 2017. Consultado el: 24/7/2024.