Professional Documents
Culture Documents
ARTCULO
DE
IN
El
tn
C<
p1
f
UI
ce
dE
ce
di
in
SE
Pl
El
d(
pi
SE
er
es
RESUMEN
ABSTRACT
de
opmlzac16n
combinatoria.
en conflguraci6n de
El
de
y
m
br
pe
pe
ot:
Fir
plants.
de
PAL\BRAS CIAVE
KEYWORDS
l.
La
de
l.
Lo'
libre.
Ingeniero lndustnal. Esoc. PtoducclOn Docente Tiempo Completo Escuela Colombiana de Carreras lndustnates.
de
INTRODUCCIN
GA
eEvaluacin
prOducto
nslca
l:
de manera ptima. se
de s01uc1ones Que
con la
variedad
se pueden
de
obtener de acuerdo
comb1nac1ones posibles de
Mutac i n
aplicar el software
en la literatura. en
es
2, donde se
cada
una
de
las
aphcac1ones.
7.
generaciones. A
contJnuac1n se
(1nc11vleluos
con informacin
gentica), generadas
1nd1v1duos,
de
la
poblacin
en este arcu
t lo
se
dcscnben a continuacin:
J. l Algoritmo Gentico
Los Algoritmos Genticos
a la siguiente se obllene.
Las metodologas
i
ele soluciones. Cuando el algortmo
se emplea de forma
siguiente y conducen a
obtenidos
inicial") a
una
rango s probabilidades.
ISl<r A.A AgenetJC aigonUTn l>l>'oach for ITUtiple entena tacdoty 1a,ou1 aesign.ln(emotional Journal of p<00.oe11on Rcseareh. VOi 36.No.
6. 1998. 1549 1569.
1nd1viduos (hijos)
son generados.
padre (solucin)
Laguna (1993)'.
El GA es modificado por el usuario de i.lCuerdo con
x.
i,
X
N
2.
Pa
Cr<
ca
1
tra
me
se
la 1
Ac
dar
V
i, J
Gk1Y'cr. f
"i Laguna. \4. tt993>. Tabu seatch tn odem Heousuc TechniQUeS for Combinatooal Problcms, Blacio.wt"ll Orlord Sot1ng
fac 11y la)'OUt problems Mth ge<>me-tnc cons.tra1ns using parollel genetJC atgOOt.hms.: e1penrnenta:tion
(1)
<!onde:
donde
Dimensin donde k
d,
x.
x,
1,2.
Nmero de
de
carga por
unidades
carga que
de
sern
de trabao.
rrabajo.
(reculinea)
siguiente factor
la estacin
de trabajo
1 y la j
trabajo 1 en la dimensin k
S=
donde:
Nmero de d1mens1ones
carga de transporte
ha
la razn entre la
carga Ideal por transportar de u na estacin de tra baj o
i a una estacin de trabajo j y la carga realmente
transportada de la estacin de trabao i a la j. Al
maximizar este factor que siempre est ar entre O y 1,
se obte nd r el efecto contrario que es Ja red u cci n d e
l a carga d e transporte.
--
L, L, c.,f.d,,
n
1 2
I L. t,d,
1-2'
L. L, e,,'d,,
(2)
-1 ,... 2
Ca rga
1, j
d1
(rect1hnea).
Lu1
"'
a
I.I.I
(3)
IL.Ia
1
l.lk-1
"
ndice de estaciones
de trab ao I=
Indice de celdas
1,2,3 ... P.
indice de filas en el
plano de diseo de la
Indice de columnas en
el
p l anta.
plano de diseo de
la
planta.
b
Nmero de filas
en
el plano
de dis eo
de
r
,
u,,,
p lanta.
de trabajo.
de trabajo
donde:
Ideal
planta.
t=
s:
L, r,
de forma
unl<lad
de transportar una
Dista nc ia entre
2.2 i\tinin1i.1...ar la
Costo
f,
1 =
r,
S,
Conjunto de celdas
a...
de la estacin de tr aba jo k.
en
la
e staci n de trabao k.
1sser A A A&enette atgonUYn app<oaeh f0<mutt1p1e cruena fac1Utyl;l)'()Ut design.lntemationll Journal otproctucuon Re&earch, VOi 36. No.
6.
2.-t
diferencia
la
demandadas
entre
las
rea!)
7)
A-t.t.I
b
A,.
k
a,
Ia,, s 1
para todo i y j
A,$
IIa,.
!
' j }
66
A, para todo k
IIIa,.
1
(6)
'
l ja lk-1
S4
dentro
d
'
Seb
4
4.
... 1
(4)
Donde:
segunda
IE
rr
a,.
III
t:
. ... . , ...
La
desviacin:
h ..
Q
f
(7)
(8)
ut
el
de
pe
3.
METODOLOGA
es
multicriterio, debido a que se evalan tres criterios
que son: func in de carga, factor de forma y factor
de desviacin. La comparacin de los resultados
obtenidos frente a esta funcin objetivo es dificil
llevar a cabo dado
resultados es la siguiente:
n-1
MIN.
(5)
"
t., d,
I Le"
j,.. 2
- 1
(9)
gen eran
estos modelos
Para
et cual
se
las
a continuacin:
Tabla 1. Areas disponibles para los depar tame ntos
-
De p a rt am en t o s
,_
reas
1
2
3
12000
8000
6000
12000
8000
12000
12000
5
6
7
45
15
25
30
10
25
5
35
20
5
6
6
5
15
10
65
35
65
Gen
de
los
a travs
Domorcuez canos Andrs, oe LOs RIOs G'"""' llelSQuez Juan David, Dlstnbuan de espacios onousv1a1es uS<lndo su-.. Taoo,
Uno.ersldad Nacoonal de Colomboa.
67
113333444466667777
113333444466667777
5. RESULTADOS OBTENIDOS
113332444465667777
113322444455667777
111122444455667777
si gu i entes:
111122444455667777
Tabla
113322444455667777
111122245455666707
11112222555 5666600
111122225555666600
conf1gurac1ones reportadas.
Mi)todo
C os to
ALDEP
3199.95
CRAFT
2833.5
BT
2024.78
Figura
3. Solucin encontrada
00000000000000000000
01122224455666677770
de experimentos es el siguiente:
01122224455666677770
01122224455666677770
01122224455666677770
01122224455666677770
01111444455663377770
01111444455663377770
01111444455663337070
11
t
00000000000000000000
111111111177777777
333222222266777777
333322222266666666
3333222222666666
333324444555555666
444444444555555666
l
c
t
meores padres
111111111177777777
= Media general
111111111177777777
donde:
01111444456
56 3333000
<
01111444455663333000
'
por
i = 1. 2
J
1, 2
k = 1, 2
1=1, .... 5
4444444555555666
444444440000055666
E
n
IE
Ir
5. ANOVA
Tabla
"91()\A 'f(lr 'Yl
MA,lct' MO!k
S_.t"e
,
3 Ho .11
Jl sea diferente
_,
11'1'.0t'
de cero
t.ack
Pure
rotal
o.tlltH
O.tlJOll
''''
0.14,IJl
01 11t)
Err-o.-)
o.,,,.,,
1.17111
'
.., '
0.147JlS
J.4 3
0.45t1ll
0.041111
o."""""
l.4l1CJ
''J"l
0.0
7)tf<'
O.SOltl
0.1ffl.12'
O.S0'"4
O.llCJt
.s..1oto11
O.J717J7
0.011
'''''1
y genera validez al
procedimiento
no
Fraccin de
70%
rneores padres
20%
70%
generados por
--1
m oresp
_ ad
"'
re s
-'--'
'--
1l
Probabilidad de
o.oo5
07
mutac in
satisfactorio
en
los
las
errores
07
01
01
07
(17
11575
0 575
10
11
pruebas
de
_!._
se
distribuyen
cero y
20%
--''----;.
meores hoos
la condicin,
S.47lt77
l7.1SlC1
O.HJOf'J
?1.0''
11,'JJIS
1.11ou
'' '
los tratamientos.
fue
'
"l
l.IMlJt
O,J71Jl1
O.MS4Jl
"
1
"
observaciones
en el modelo.
diseo
"'''"1'
l.tot: l lt
O.J1tJt7
O.OSS4ll
o.1stl
fl'IJICClOfllRVC
'l'l)ll(C10""MUTKIJ
tlltolliCCO,.._"""'"_...
El
1
1
1
'"""""-"
Fraccin de
..
fl!Aea>t_
yz = 1J = O
Factor
.,
"VllCClOft
1
L
13
14
O S
07
0575
01
0575
07
07
O02125 O 2200l2905
07
0.7
16
OS
17
0 7
0 57 5
19
02
20
045
21
07
0325
0575
07
07
07
07
0325
22
23
24
25
005375 O 363289165
00375 0.352381593
002125 -O3'1'7402
0005 -O 330'.l66''8
007 -0136
0.325
0575
Y1
O 374196737
07
07
07
07
0575
07
07
o7
07
0575
07
045
15
18
0 07
0.575
07
0005
-O
2!1372822
1
002125 -O2ll07.18A63
00375
-Ol57748104
O 005 -OL!i6SSS&l5
o 05J75 -O'Nm77'32
o05375 -O 25<751&5
007 -023191535
007 -021709186
o 005 -O 220051769
00375
Ollll361447
007 0.195572207
0005
01932135'3
O 0375 O 183115815
o07 o.17769(193<
o 02125 -O159267318
69
de algoritmo gentico es de
se debe
utilizar
10% de meiores
padres.
0.07:
la variable
superior
2291.11366 bastante
aiustada.
es
de
13.546
segundos.
parmetro
i nteresante
corrida con
5 rplicas
y los
La
Figur a 6. Resultados obtenidos
,,..
,,..
,,..
! 1JM
2>00
mo
,,..
2240
l
Corrida
4 4 4 4 4
4 4 4 4 4
4 4 4 4 4
2 2 2 2 2
2 2 2 2 2
1
1
1
1 1 1 1
1 1 3 3 3
3 3 3 3 3
4 4 4 4 4 4
4 4 4 4 5 5
4 2 2 2 5 5
2 2 2 2 6 6
2 2 1 1 6 6
1 1 1 1 6 6
1 7 7
1 1 1 1 7 7
3 3 3 3 7 7
3 3 3 3 o o
4 4 4
5 5 5
5 5 5
6 6 6
6 6 6
6 6 6
7 7 7
7 7 7
5 5 5 5
5
5
6
6
6
7
7
s 5 5
5
6
6
6
7
7
7 7 7 7 7
o o o o o
7
7
7
7
7
7
7
7
1.
CONCLUSIONES
la solucin obtenida bajo la heuristca deAlgoritmo
Gentico fue superior a la obtenida con BT. pero
bao AlDEP
reporta
que
al t ie m po de ejecucin de
ms rigurosa. en c ua nto
cada
la
cuanto a distribucin
objetivas.
BIBLIOGRAFA
ARMOUR G. y BUFFA E. A heuristic alg o r ithm and simulation approach to relabve locat1ons fachties. En:
OOMINGUEZ cartos An drs . De los Ros Goovann.l VelSQuez JuanDavid. Distnbuc1nde espacoos industriales
1
1
2001.
GOLBERG, D.E. Genetic Algorithms in search. optlmlzation, and machine learning, Addison Wcsley, Bastan.
1989.
ISLICR A.A. A genelic algorithm approach for multiple criteria facility layout design. En: lntcrnatlonal Journal of
Producllon Research, Vol.
MONTGOMERY. Douglas. D s
1 usa. 2005.
i e oy an lisis de experimentos. Segunda E dici n, Mxico D.F. l m
TOMPKINS, James. Planeac1n demstalac1ones. Tercera edicin, Mx co
i D.F.. Thomson, 2006.
Pg.35&357.
71