Gestión de la programación de tareas para producción en talleres de maquinado con sistemas MOEAs

Autores/as

  • Hiovanis Castillo Pantoja Universidad de Holguín, Cuba.
  • Lidia María Pérez Vallejo Universidad de Holguín, Cuba.
  • Roberto Pérez Rodríguez Universidad de Holguín, Cuba.

DOI:

https://doi.org/10.51896/rilco.v6i21.421

Palabras clave:

Gestión, programación de tareas, MOEAs, NSAG-III

Resumen

En la actualidad, la gestión de la programación productiva en las empresas de manufactura determina el uso eficiente de los recursos y la entrega a tiempo de los productos terminados a los clientes. En este contexto, ante las limitaciones en la logística de las materias primas las plantas industriales adoptan soluciones basadas en la optimización multi-objetivo para la gestión de las capacidades de producción. Este trabajo se enfoca en la mejora de la eficiencia de las producciones a corto plazo en talleres de maquinado, empleando la variante del método evolutivo multi-objetivo (MOEAs). Se consideran en el modelo óptimo multi-objetivo tres variables: costo de producción, volumen de producción y el acabado superficial de las piezas. Se toman cuatro objetivos a minimizar: velocidad de la herramienta circular abrasiva, velocidad de la pieza, profundidad de corte y avance. Como caso de estudio se tomó un proceso de rectificado para la producción de piezas metálicas prismáticas en un taller de maquinado. Se muestra la evaluación cuantitativa de la gestión de la programación de la producción y se demuestra la efectividad del método propuesto al realizar la comparación con dos métodos de optimización.

Citas

Fu, G., Kapelan, Z., Kasprzyk, J. R., & Reed, P. (2013). Optimal design of water distribution systems using many-objective visual analytics. Journal of Water Resources Planning and Management, 139(6), 624-633. https://doi.org/doi:10.1061/(ASCE)WR.1943-5452.0000311

Huang, Y., Duan, H.-F., Zhao, M., Zhang, Q., Zhao, H., & Zhang, K. (2017). Probabilistic analysis and evaluation of nodal demand effect on transient analysis in urban water distribution systems. Journal of Water Resources Planning and Management, 143(8), 04017041. https://doi.org/doi:10.1061/(ASCE)WR.1943-5452.0000797

Kahhal, P., Brooghani, S. Y. A., & Azodi, H. D. (2013). Multi-objective optimization of sheet metal forming die using FEA coupled with RSM. Journal of Mechanical Science and Technology, 27(12), 3835-3842. https://doi.org/10.1007/s12206-013-0927-8

Patil, S. S., & Bhalerao, Y. J. (2019). Application of NSGA-II for optimisation of cylindrical plunge grinding process parameters. International Journal of Abrasive Technology, 9(4), 319-329. https://doi.org/10.1504/ijat.2019.106678

Sang, Y., & Tan, J. (2022). Intelligent factory many-objective distributed flexible job shop collaborative scheduling method. Computers & Industrial Engineering, 164, 107884. https://doi.org/https://doi.org/10.1016/j.cie.2021.107884

Xu, E. B., Yang, M. S., Li, Y., Gao, X. Q., Wang, Z. Y., & Ren, L. J. (2021). A multi-objective selective maintenance optimization method for series-parallel systems using NSGA-III and NSGA-II evolutionary algorithms. Advances in Production Engineering & Management, 16(3), 372-384. https://doi.org/https://doi.org/10.14743/apem2021.3.407

Wang, Y., Chen, C., Tao, Y., Wen, Z., Chen, B., & Zhang, H. (2019). A many-objective optimization of industrial environmental management using NSGA-III: A case of China’s iron and steel industry. Applied Energy, 242, 46-56. https://doi.org/https://doi.org/10.1016/j.apenergy.2019.03.048

Wang, J., Tian, Y., Hu, X., Li, Y., Zhang, K., & Liu, Y. (2021). Predictive modelling and Pareto optimization for energy efficient grinding based on aANN-embedded NSGA II algorithm. Journal of Cleaner Production, 327, 129479. https://doi.org/https://doi.org/10.1016/j.jclepro.2021.129479

Zhang G., Liu M., Li J., Ming W. , Shao X. & Huang Y. (2014). Multi-objetive optimization for surface grinding process using a hybrid particle sward optimization algorithm. International Journal Advanced Manufacturing Technology, 71, 1861-1872. https://doi.org/https://doi.org/10.1007/s00170-013-5571-z

Descargas

Publicado

2024-02-12

Cómo citar

Castillo Pantoja, H., Pérez Vallejo, L. M., & Pérez Rodríguez, R. (2024). Gestión de la programación de tareas para producción en talleres de maquinado con sistemas MOEAs. Revista De Investigación Latinoamericana En Competitividad Organizacional, 6(21), 103–113. https://doi.org/10.51896/rilco.v6i21.421

Número

Vol. 6 Núm. 21 (2024): Febrero

Sección

Estudio de Casos

Licencia

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.

Usted es libre de:

  • Adaptar — remezclar, transformar y construir a partir del material

Bajo los siguientes términos: