Sistemas Avanzados de Producción. Equilibrado de líneas de producción II
|
|
- Elisa Sandoval Cabrera
- hace 6 años
- Vistas:
Transcripción
1 UNIVERSITAT POLITÈCNICA DE CATALUNYA BARCELONATECH OPE ORGANIZACIÓN DE LA PRODUCCIÓN Y DE EMPRESA (ASPECTOS TÉCNICOS, JURÍDICOS Y ECONÓMICOS EN PRODUCCIÓN ) Sistemas Avanzados de Producción. Equilibrado de líneas de producción II SISTEMAS AVANZADOS DE PRODUCCIÓN 0EO16 Máster Universitario en Ingeniería de Organización (0MUEO) - ETSEIB Joaquín Bautista-Valhondo OPE-PROTHIUS OPE-MSc.016/ 0EO16 (0160) Departamento de Organización de Empresas ETSEIB UPC SAP 16 ALBP (II) 0
2 Contenido Entorno : Planta de fabricación, procesos, suministros y líneas Líneas de producción Tipología Problemas de equilibrado de líneas. Elementos, descripción, clasificación, variantes SALBP y eficiencia Ejemplo 1. Presentación Modelos SALBP. Hipótesis, objetivos y formulación SALBP-1: Programa matemático, Heurística HB-1, resolución Ejemplo-1 SALBP-: Programa matemático, Heurísticas HB- y HB-, resolución Ejemplo-1 SALBP-E: Programa matemático, Heurística HB-, resolución Ejemplo-1 SALBP-F: Programa matemático GALBP: Restricciones adicionales Líneas en forma de U Ejemplo. Líneas en U Presentación Modelos GALBP-U. Formulación GALBP-U1: Programa matemático, Heurística HB-6, resolución Ejemplo- Programas matemáticos: GALBP-U, GALBP-UE y GALBP-UF Procedimientos de resolución problemas ALB SAP 16 ALBP (II) 1
3 WC Entorno (1): Planta de fabricación P P CARPA PLANTA TRANSMISIONES A A PAP NC B ET (MONT) X8 (MONT) X8 (AÉREA) X8 (VEST) ET (VEST) C C HM (LINEA FINAL) HM (UNDER FLOOR) DOOR LESS HM (VESTIDO) E PINTURA 1 EWALS PINTURA CARROCERIAS ET - HM CARROCERIAS X8 F ILM K G P SAP 16 ALBP (II)
4 Entorno (): Procesos Carrocería Pintura Montaje Información a los proveedores de la secuencia prevista desde el inicio del proceso. Producción secuenciada Suministro según secuencia prevista Proveedor L Suministro según secuencia prevista Proveedor L1 SAP 16 ALBP (II)
5 Entorno (): Suministro a líneas Áreas de Sincro Interno Suministro manual Líneas de Montaje SAP 16 ALBP (II)
6 Entorno (): Líneas SAP 16 ALBP (II)
7 Líneas de producción Tipología Clasificación: Línea MONOMODELO (single model line), diseñada para fabricar un sólo producto o modelo. Líneas de carrocería especializadas; montaje de vagones, etc Línea MULTIMODELO (multimodel line), dos o más modelos se fabrican por lotes sucesivamente (setups). Líneas de envasado de líquidos, detergentes..; líneas de fabricación de bastidores, contrapuertas, parachoques etc. Línea MODELOS MIXTOS (mixed model line), dos o más modelos se fabrican unidad a unidad. Líneas de vestido de distintas variantes de un modelo de vehículo; ensamblado de asientos, etc. SAP 16 ALBP (II) 6
8 Problemas de equilibrado de líneas. Elementos (1) Elementos de los problemas básicos: Estación: Parte elemental y especializada del proceso. La línea queda constituida por un número de estaciones de trabajo, m, dispuestas en serie y/o en paralelo, a través de las cuales fluye la obra en curso de un producto. Tarea: Parte elemental del trabajo. La fabricación de una unidad de producto se divide en un conjunto J de tareas. Carga de una estación: Subconjunto de tareas S k perteneciente a J que se asigna a la estación k. Toda tarea j sólo puede estar asignada a una estación. Tiempo de operación: Toda tarea j requiere un tiempo de operación t j >0 que es función de las tecnologías de fabricación, de los recursos empleados y de la actividad de los operarios. Tareas Precedentes: La tecnología y la propia naturaleza del producto hacen que cada tarea j pueda estar vinculada a un conjunto de tareas precedentes inmediatas, P j, las cuales deben estar concluidas antes de que se inicie la tarea j. SAP 16 ALBP (II) 7
9 Problemas de equilibrado de líneas. Elementos () Elementos de los problemas básicos: Tiempo de carga de estación: Suma de las duraciones de las tareas asignadas a la estación: t(s k ), k=1,.., m. Tiempo de carga total: Suma de tiempos de carga de estación: t sum = Sum k t(s k ). Trabajo total para completar una unidad de producto. Tiempo de ciclo: Tiempo concedido a cada estación para realizar las tareas de una unidad de producto que tiene asignadas: c, max k {t(s k )} <= c <= t sum. Tasa de producción de la línea: Número de unidades de producto que completa la línea en la unidad de tiempo: r ; r=1/c. Tiempo muerto de estación: Diferencia entre el tiempo de ciclo y tiempo de carga de la estación: I k = c- t(s k ), k=1,., m. Tiempo muerto de la línea: Suma de tiempos muertos de estación que se vincula a la ineficiencia de la línea: I sum = Sum k I k = m c- t sum. SAP 16 ALBP (II) 8
10 Problemas de equilibrado de líneas. Descripción y Clasificación Descripción: Los problemas de equilibrado de líneas de montaje ALBP (Assembly Line Balancing Problem) están enfocados a agrupar de manera eficiente y coherente las tareas del conjunto J en estaciones de trabajo. Clasificación: SALBP (Simple Assembly Line Balancing Problem): dados un conjunto de n tareas con sus atributos y un grafo de precedencias, cada tarea debe asignarse a una sola estación de manera que se satisfagan todas las restricciones de precedencia y que ningún tiempo de carga de estación, t(s k ), sea mayor que el tiempo de ciclo c. GALBP (General Assembly Line Balancing Problem): se añade a SALBP restricciones adicionales como: la consideración de estaciones en paralelo, las agrupaciones forzadas de tareas y las posibles incompatibilidades entre tareas, la limitación de espacio en las estaciones de trabajo, entre otras. SAP 16 ALBP (II) 9
11 Problemas de equilibrado de líneas. Variantes SALBP Variantes de SALBP: SALBP-1: minimizar el número de estaciones m dado un valor fijo del tiempo de ciclo c. SALBP-: minimizar el tiempo de ciclo c (maximizar la tasa de producción r) dado un número fijo de estaciones m. SALBP-E: minimizar simultáneamente c y m considerando su relación con el tiempo muerto total o la ineficiencia de la línea. SALBP-F: dados m y c determinar si el problema es factible, y en caso afirmativo hallar una solución. Objetivo: Maximizar la eficiencia de la línea SAP 16 ALBP (II) 10
12 Problemas de equilibrado de líneas. Eficiencia Medidas de eficiencia básicas: - Número mínimo de estaciones para un ciclo c: " m min (c) = # 1 # c J! - Eficiencia para m estaciones y ciclo c:!( m, c) = 1 mc j=1 - Eficiencia máxima para un ciclo c: t j! max ( c) =!( m min (c),c) = $ % (1) % J! t j () j=1 1 m min (c) & c J! t j () j=1 SAP 16 ALBP (II) 11
13 Ejemplo 1. Presentación Ejemplo 1: Línea de producción 10 tareas Tarea Tiempo Prec. (1) a - () b - () c a () d 6 b () e c, d (6) f e (7) g e (8) h f, g a b c 6 d e f g h i j (9) i h (10) j h 9 Determinar los límites del tiempo de ciclo c; el número mínimo de estaciones m min y la eficiencia máxima de la línea para los ciclos 10, 1 y 0 ut. SAP 16 ALBP (II) 1
14 Modelos SALBP. Hipótesis y objetivos Hipótesis generales: 1. Una unidad de producto se puede descomponer en un conjunto de tareas elementales.. Cada tarea tiene asociado un conjunto de atributos, entre ellos el tiempo de proceso, supuesto determinista y medido a actividad normal.. Las estaciones de trabajo están dispuestas en serie y el producto fluye progresivamente entre ellas, de una a su siguiente, a carencia constante.. A toda estación se concede el mismo tiempo para efectuar las tareas que tiene asignadas, dicho tiempo recibe el nombre de tiempo de ciclo.. Las estaciones requieren recursos tecnológicos y humanos homogéneos con unos costes muy similares. Objetivos: 1. Maximizar la eficiencia de la línea.. Maximizar la tasa de producción.. Minimizar el requerimiento de recursos. SAP 16 ALBP (II) 1
15 Modelos SALBP. Formulación Nomenclatura: Parámetros: J, j Conjunto de tareas elementales Índice de tarea j!j j = 1,.., J K, k Conjunto de estaciones de trabajo Índice de estación de trabajo k!k k = 1,.., K t j P j, P j c min c max m min Tiempo de proceso de la tarea j : j = 1,.., J Conjuntos de tareas precedentes de j : j = 1,.., J ( ) ( ) ( ) ( ) inmediatas y transitivas. Tiempo de ciclo mínimo valor inverso de la tasa de producción máxima Tiempo de ciclo máximo valor inverso de la tasa de producción mínima Número mínimo de estaciones de trabajo condicionado por la tasa de demanda Número máximo de estaciones de trabajo condicionado por la disponibilidad de recursos Variables: c Tiempo de ciclo de la línea Tiempo concedido a cada estación para realizar sus tareas m Número de estaciones de trabajo requeridas por la línea Variable binaria que vale 1 si la tarea j!j se asigna a la estación k!k, y 0 en caso contrario. x j,k SAP 16 ALBP (II) 1
16 Modelo SALBP-1. Programa matemático SALBP-1 Formulación: PM-SALBP-1: Min z 1 = m (0) s.a.:! x j,k =1 "j =1,., J (1) k=1 m # J! kx j,k $ 0 "j =1,., J () k=1! t j x j,k % c max "k =1,., () j=1! k( x j,k # x i,k ) $ 0 " i, j k=1 { } & J :i ' P j () x j,k ' {0,1} "j =1,., J,"k =1,., () SAP 16 ALBP (II) 1
17 Modelo SALBP-1. Resolución orientación tareas (1) SALBP-1 Resolución Heurística HB-1: Paso! 0 :Inicializar I sum = 0;k = 1;S k = ";T = c (T : tiempo disponible); J = J (J : conjunto de tareas no asignadas). Paso!1: Construcción del conjunto de tareas candidatas a asignar (Ĵ # J ) sea : Ĵ = { j $J : ( t j % T ) & ( P j ' J = ")} Paso! : Test de cierre y apertura de estación si Ĵ = 0 (cierre), hacer: I sum ( I sum + T;T = c;k ( k +1;S k = ";Ir a Paso!1. si _ no, continuar. SAP 16 ALBP (II) 16
18 Modelo SALBP-1. Resolución orientación tareas () SALBP-1 Resolución Heurística HB-1 (continuación): Paso! : Elección de la tarea asignar (dada una regla! "#) ( ) & j $, si % j $ "Ĵ j! = : t j $ = T ( ( ' + )( argmax j" v Ĵ (! ( j) ), si _ no,( Paso! : Asignación de j! hacer : T - T! t j! ;S k - S k. j! { } ;J - J! { j! } Paso! : Test de finalización (todas las tareas asignadas) si J = 0, hacer : m = k; mostrar resultados : S k (k = 1,.., m); finalizar. si _ no, Ir a Paso!1. SAP 16 ALBP (II) 17
19 Modelo SALBP-1. Resolución orientación tareas () SALBP-1 Reglas de prioridad Paso HB-1: Siguientes inmediatas : F j = j! "J : j "P j! Siguientes transitivas : F j = j! "J : j "P j! Primera estación asignable: e j = 1 $ c t + t ', + & j # j! ) - % j!"p + j ( - { } ( j = 1,.., J ) { } ( j = 1,.., J ) Última estación asignable: l j = m $ c t ', + & j + # t j! ) - % j!"f + j ( - Nivel: n j = max! n j! j "P j ( j = 1,.., J ) ( j = 1,.., J ) ( ) +1 ( j = 1,.., J ) SAP 16 ALBP (II) 18
20 Modelo SALBP-1. Resolución orientación tareas () SALBP-1 Reglas de prioridad Paso HB-1 (Continuación): Dados Ĵ! J (tareas candidatas! tareas no_asignadas), "(conjunto de reglas) y! "(pesos)#" $": Seleccionar j " : j " = argmax j$ Ĵ v " ( j) ( ) : #! $" 0.v 0 ( j) = Rnd(0 %1). v ( j) = t j + ' j & $F j t j & ( ) 1+ F j 10. v 10 ( j) = m % l j % e j 1. v 1 ( j) = t j 6. v 6 ( j) = m % l j 11. v 11 ( j) = F j l j % e j. v ( j) = F j 7. v 7 ( j) = m % l j 1. v 1 ( j) = t j + F j 1+ F j. v ( j) = F j 8. v 8 ( j) = t j l j 1. v 1 ( j) = max j & $ Ĵ ( n j& ) % n j v. v ( j) = t j + ' t j& 9. v 9 ( j) = m % e j 1.v 1 ( j) =! " ( j) " j & $F j '!$" max j & $ Ĵ ( v " ( j &)) SAP 16 ALBP (II) 19
21 Ejemplo 1. Resolución HB-1 (1) Ejemplo 1: Línea de producción 10 tareas Resolución HB-1 (c=10) Dados Ĵ! J y una regla! "# : Seleccionar j! : j! = argmax j" v Ĵ (! ( j) ). Sea! =.. v ( j) = t j + t $ j % &j "J; regla(carga transitiva pendiente - Helgeson&Birnie) j $ "F j Tarea Tiempo Prec. (1) a - () b - () c a () d 6 b () e c, d (6) f e (7) g e (8) h f, g (9) i h (10) j h 9 a b c 6 d e f g h i j SAP 16 ALBP (II) 0
22 Ejemplo 1. Resolución HB-1 () Ejemplo 1: Línea de producción 10 tareas Resolución HB-1 (c=10) Dados Ĵ! J y una regla! "# : Seleccionar j! : j! = argmax j" v Ĵ (! ( j) ). Sea! =.. v ( j) = t j + t $ j % &j "J; regla(carga transitiva pendiente - Helgeson&Birnie) j $ "F j Tarea Tiempo Prec. (1) a - () b - () c a () d 6 b () e c, d (6) f e (7) g e (8) h f, g (9) i h (10) j h 9 a 9 b 9 c 6 d e 19 f 1 g 1 h 10 i j SAP 16 ALBP (II) 1
23 Ejemplo 1. Resolución HB-1 () Ejemplo 1: Línea de producción 10 tareas Resolución HB-1 (c=10). v ( j) = t j + t! # j $j "J; regla(carga transitiva pendiente - Helgeson&Birnie) k T Ĵ j!"f j a, b b, c - b d - e f, g g - h i, j i j a c b d e f g h j i v 9 sat t I j sum a 9 b 9 c 6 d c = 10! m = # m min (c) = $ 1 $ c! max ( c) = J " j=1 1 m min c!( m,c) = 1 mc J t j e 19 f 1 g 1 % # &; m min (10) = 9 % & $ 10 & = J " t j ;! max 10 j=1 " t j ;!,10 j=1 ( ) = 9 ( ) = 9 h 10 0 = = 0.97 i j SAP 16 ALBP (II)
24 Ejemplo 1. Resolución HB-1 () Ejemplo 1: Línea de producción 10 tareas Resolución HB-1 (c=10) Inverso Dados Ĵ! J y una regla! "# : Seleccionar j! : j! = argmax j" v Ĵ (! ( j) ). Sea! =.. v ( j) = t j + t $ % j &j "J; regla(carga transitiva pendiente - Helgeson&Birnie) j $ "F j Tarea Tiempo Prec. (1) a - () b - () c a () d 6 b () e c, d (6) f e (7) g e (8) h f, g (9) i h (10) j h 9 Grafo valoración inversa: a c 10 6 b d 10 e f 6 g h i 6 j 7 SAP 16 ALBP (II)
25 Ejemplo 1. Resolución HB-1 () Ejemplo 1: Línea de producción 10 tareas Resolución HB-1 (c=10) Inverso. v ( j) = t j + t! # j $j "J; regla(carga transitiva pendiente - Helgeson&Birnie)%Inverso k T Ĵ j!"f j i, j i h - f, g g e - c, d a - d b j j i h f g e c a d b v t I j sum a b c 10 6 c = 10! m = # m min (c) = $ 1 $ c! max ( c) = J d " j= m min c!( m,c) = 1 mc J t j e f 6 g % # &; m min (10) = 9 % & $ 10 & = J " t j ;! max 10 j=1 " t j ;!,10 j=1 ( ) = 9 ( ) = 9 h 0 = = 0.97 i 6 j 7 SAP 16 ALBP (II)
26 Modelo SALBP-. Programa matemático SALBP- Formulación: PM-SALBP-: Min z = c (0) s.a.:! x j,k =1 "j =1,., J (1) k=1 J c #! t j x j,k $ 0 "j =1,., J () j=1! k( x j,k # x i,k ) $ 0 " i, j k=1 { } % J :i & P j () x j,k & {0,1} "j =1,., J,"k =1,., () SAP 16 ALBP (II)
27 Modelo SALBP-. Resolución orientación tareas Bisección (1) SALBP- Resolución Heurística HB- Bisección asistida por HB-1: Paso! 0 :Inicialización fijar ( :1 < < J,! "# J, µ = 0.); ( $ t c 1 = max t max, sum & + % m '- ) max, ; ( m 1, S k (k = 1,.., m 1 )). HB_1(c 1,!);! c = t sum ;m = 1 Paso!1: Test inicial si m 1 /, hacer : c = c 1 ;m = m 1 ;0 = { S k (k = 1,.., m) };Ir a Paso! (finalizar). si _ no, continuar. SAP 16 ALBP (II) 6
28 Modelo SALBP-. Resolución orientación tareas Bisección () SALBP- Resolución Heurística HB- Bisección asistida por HB-1 (Continuación): Paso! :Reducción del rango del ciclo ( ) " 1, hacer : mientras c! c 1 c # = c 1 + µ ( c! c 1 ); ( m #, S k (k = 1,.., m #)) $ HB_1( c #,!)! fin _ mientras si m # >, hacer : c 1 = c# si _ no, hacer : { } c = c #;c = %& c '(;m = m #;) = S k (k = 1,.., m) Paso! :Finalización mostrar resultados : c, m, { S k (k = 1,.., m) }; finalizar. SAP 16 ALBP (II) 7
29 Ejemplo 1. Resolución HB- (1) Ejemplo 1: Línea de producción 10 tareas Resolución HB- (m=) Dados Ĵ! J y una regla! "# : Seleccionar j! : j! = argmax j" v Ĵ (! ( j) ). Sea! =.. v ( j) = t j + t $ j % &j "J; regla(carga transitiva pendiente - Helgeson&Birnie) j $ "F j Tarea Tiempo Prec. (1) a - () b - () c a () d 6 b () e c, d (6) f e (7) g e (8) h f, g (9) i h (10) j h 9 a b c 6 e d g Ciclo tentativo: 1. Bisección c1=10 y c=1 f h i j SAP 16 ALBP (II) 8
30 Modelo SALBP-. Resolución orientación tareas Áurea (1) SALBP- Resolución Heurística HB- Áurea asistida por HB-1: Paso! 0 :Inicialización ( ) $ fijar (1 < < J ),! "# J," = 1 % & 1+ ' $ ( ) ;c 1 = max& t max, + % ( m 1,. 1 = { S k (k = 1,.., m 1 )}) / HB_1(c 1,!);c! = t sum ;m = 1;. = J Paso!1: Test inicial si m 1 0, hacer : si _ no, hacer : c = c 1 ;m = m 1 ;. =. 1 ;Ir a Paso! (finalizar). c = c ;m = m ;. =. ;continuar. Paso! :Segmentación inicial c 1 = c! (!!1)( c! c 1 ); c 1 = c 1 + (!!1)( c! c 1 ); ( ) / HB_1( 1 m 1,. 1 ( ) / HB_1( 1 c 1,!);! m 1,. c,!!) { } t sum,' -) ( ; SAP 16 ALBP (II) 9
31 Modelo SALBP-. Resolución orientación tareas Áurea () SALBP- Resolución Heurística HB- Áurea asistida por HB-1 (Continuación): Paso! :Reducción del rango del ciclo ( ) " 1, hacer : mientras c! c 1 si m 1 # >, hacer : c 1 = c 1 #; c 1 # = c #; c # = c 1 + (!!1)( c! c 1 ); fin _ mientras Paso! :Finalización: ( ) % HB_1( # m 1 # = m #;$ 1 = $ ; m #, $ c,!)! si _ no, hacer : c = c 1 #; c # = c 1 + ("!1)( c! c 1 ); c 1 # = c! (!!1)( c! c 1 ); c = &' c ();m = m 1 #;$ = $ 1 ; ( ) % HB_1( # m 1 #, $ 1 mostrar resultados : c, m, $; finalizar. ( ) % HB_1( # c 1,!);! m #, $ c,!!) SAP 16 ALBP (II) 0
32 Ejemplo 1. Resolución HB- (1) Ejemplo 1: Línea de producción 10 tareas Resolución HB- (m=) Dados Ĵ! J y una regla! "# : Seleccionar j! : j! = argmax j" v Ĵ (! ( j) ). Sea! =.. v ( j) = t j + t $ j % &j "J; regla(carga transitiva pendiente - Helgeson&Birnie) j $ "F j Tarea Tiempo Prec. (1) a - () b - () c a () d 6 b () e c, d (6) f e (7) g e (8) h f, g (9) i h (10) j h 9 a b c 6 e d g Ciclo tentativo: 1. Bisección c1=10 y c=1 f h i j SAP 16 ALBP (II) 1
33 Modelo SALBP-E. Programa matemático SALBP-E Formulación: PM-SALBP-E: Min z = m! c (0) s.a.: m " m min (1) # x j,k =1 $j =1,., J () k=1 m % # kx j,k " 0 $j =1,., J () J k=1 c %# t j x j,k " 0 $j =1,., J () j=1 # k( x j,k % x i,k ) " 0 $ i, j k=1 { } & J :i ' P j () x j,k ' {0,1} $j =1,., J,$k =1,., (6) SAP 16 ALBP (II)
34 Modelo SALBP-E. Resolución orientación tareas Barrido (1) SALBP-E Resolución Heurística HB- Barrido de m asistido por HB-: Paso! 0 :Inicialización fijar ( m min, (1 < m min " < J ),! #$ J ); ( c min, % max = { S k (k = 1,.., )}) & HB_(,!);! ( c max, % min = { S k '(k = 1,.., m min )}) & HB_(m min,!)! Paso!1: Test inicial de mínimo si c min " c max m min, hacer : z = c min ;c = c min ;m = ;% = % max si _ no, hacer : fin _ si z = c max m min ;c = c max ;m = m min ;% = % min SAP 16 ALBP (II)
35 Modelo SALBP-E. Resolución orientación tareas Barrido () SALBP-E Resolución Heurística HB- Barrido de m asistido por HB- (Cont.): Paso! :Barrido sobre el número de estaciones m " = m min +1 mientras m " <, hacer : ( c ", S k (k = 1,.., m ")) # HB_( m ",!)! si m " c " $ z, hacer : fin _ si m " # m " +1 fin _ mientras Paso! :Finalización { } z = m " c ";c = c ";m = m ";% = S k (k = 1,.., m ") mostrar resultados : z, c, m, %; finalizar. SAP 16 ALBP (II)
36 Ejemplo 1. Resolución HB- (1) Ejemplo 1: Línea de producción 10 tareas Resolución HB- ( m =: [, 10] ) Dados Ĵ! J y una regla! "# : Seleccionar j! : j! = argmax j" v Ĵ (! ( j) ). Sea! =.. v ( j) = t j + t $ j % &j "J; regla(carga transitiva pendiente - Helgeson&Birnie) j $ "F j Tarea Tiempo Prec. (1) a - () b - () c a () d 6 b () e c, d (6) f e (7) g e (8) h f, g (9) i h (10) j h 9 a b c 6 e d g f Barrido: m min = y = 10 h i j SAP 16 ALBP (II)
37 Modelo SALBP-F. Programa matemático SALBP-F Formulación: PM-SALBP-F: Satisfacer restricciones (1)-() Restricciones:! x j,k =1 "j =1,., J (1) k=1 J! t j x j,k # c max "j =1,., J () j=1! k( x j,k $ x i,k ) % 0 " i, j k=1 { } & J :i ' P j () x j,k ' {0,1} "j =1,., J,"k =1,., () SAP 16 ALBP (II) 6
38 GALBP Restricciones adicionales GALBP Incompatibilidad entre tareas: Sea!el conjunto de pares de tareas incompatibles (sin transitividad):!= {( j, j" ) # J :( j # S k )$( j " # S ") % k & k ",'k, k " =1,.., m k max } add : ) k( x j,k ( x j ",k ) 1 '( j, j ") #! (1) k=1 Selectividad entre tareas (ILU-NISSAN) de una misma familia Sea! j la familia de tareas alternativas a la representante (estándar) j: & 1. Rectificar: t j x j,k $ % t! j x! j,k (k =1,.., ) (! "j # J :! j >1 Hacer: j #! j ( ' + (. Añadir: % x! j,k = x j,k (k =1,.., )( )(! j #! j,( SAP 16 ALBP (II) 7
39 GALBP Líneas en forma de U Líneas en U Características: (1) Cercanía entre los puntos de entrada y de salida de WIP de la línea. () Posibilidad de hacer estaciones abiertas. () Posibilidad de concentrar los requerimientos de espacio y de reducir movimientos. () Comodidad en la reorganización ante cambios del tiempo de ciclo. PARTE B Máquinas Parte A PARTE A Máquinas Parte B SAP 16 ALBP (II) 8
40 Ejemplo. Líneas en U Presentación Ejemplo : Línea de producción 1 tareas Forma de U c = 10 : t sum = 60, mmin (10) = 6, max = 10 = η ( 10) = = 1.00, η( 6,10) = Determinar los límites del tiempo de ciclo c; el número mínimo de estaciones m min y la eficiencia máxima de la línea para los ciclos 10, 1 y 0 ut. SAP 16 ALBP (II) 9
41 Modelos GALBP-U. Formulación Nomenclatura: Parámetros: J, j Conjunto de tareas elementales Índice de tarea j!j j = 1,.., J K, k Conjunto de estaciones de trabajo Índice de estación de trabajo k!k k = 1,.., K t j P j, P j F j, F j c min c max m min Tiempo de proceso de la tarea j : j = 1,.., J Conjuntos de tareas precedentes de j : j = 1,.., J ( ) ( ) ( ) ( ) inmediatas y transitivas. ( ) inmediatas y transitivas. Conjuntos de tareas siguientes de j : j = 1,.., J Tiempo de ciclo mínimo valor inverso de la tasa de producción máxima Tiempo de ciclo máximo valor inverso de la tasa de producción mínima Número mínimo de estaciones de trabajo condicionado por la tasa de demanda Número máximo de estaciones de trabajo condicionado por la disponibilidad de recursos Variables: c, m Tiempo de ciclo de la línea Número de estaciones de trabajo requeridas por la línea x j,k Variable binaria que vale 1 si la tarea j!j se asigna a la estación k!k, y 0 en caso contrario. m j, y j Estación a la que se asigna la tarea j!j y j Variable binaria auxiliar de asignación de los conjuntos P j y F j en función de m j SAP 16 ALBP (II) 0
42 Modelo GALBP-U1. Programa matemático GALBP-U1 Formulación: PM-GALBP-U1: Min z 1 = m (0) s.a.:! x j,k = 1 "j = 1,., J (1) k=1 m #! kx j,k $ 0 "j = 1,., J () J k=1! t j x j,k % c max "k = 1,., () j=1! kx j,k = m j "j = 1,., J () k=1 m i # m j % (1# y j ) m j # m i % (1# y j ) m j # m i % y j { } & J : i 'P j { } & J : i 'F j { } & J : i 'P j { } & J : i 'F j " i, j " i, j " i, j ( ) () ( ) (6) ( ) (7) ( ) (8) m i # m j % y j " i, j x j,k, y j '{0,1} "j = 1,., J, "k = 1,., (9) SAP 16 ALBP (II) 1
43 Modelo GALBP-U1. Resolución orientación tareas (1) GALBP-U1 Resolución Heurística HB-6 Regla 1: argmax(t j ) Paso! 0 :Inicialización I sum = 0;k = 1;S k = ";T = c (T : tiempo disponible); J = J (J : conjunto de tareas no asignadas). Paso!1: Construcción del conjunto de tareas candidatas a asignar (Ĵ # J ) sea : Ĵ = { j $J : ( t j % T ) & (( P # J! J j ) ' ( F # J! J j ))} Paso! : Test de cierre y apertura de estación si Ĵ = 0 (cierre), hacer: I sum ( I sum + T;T = c;k ( k +1;S k = ";Ir a Paso!1. si _ no, continuar. SAP 16 ALBP (II)
44 Modelo GALBP-U1. Resolución orientación tareas () GALBP-U1 Resolución Heurística HB-6 Regla 1: argmax(t j ) (Continuación): Paso! : Elección de la tarea asignar j! = ( ) % j ", si # j " $Ĵ : t j " = T ) ' ' & (' argmax j$ v Ĵ ( 1 ( j) = t j ), si _ no +' Paso! : Asignación de j! hacer : T, T! t j! ;S k, S k - j! { } ;J, J! { j! } Paso! : Test de finalización (todas las tareas asignadas) si J = 0, hacer : m = k; mostrar resultados : S k (k = 1,.., m); finalizar. si _ no, Ir a Paso!1. SAP 16 ALBP (II)
45 Ejemplo. Resolución HB-6 Ejemplo : Línea de producción forma U 1 tareas GALBP-U1 HB-6 (c=10) c = 10! m = 6 t sum = 60!( 6,10) = 60 6 "10 = 1.00 I sum = Estación 1 Estación Estación Estación Estación 6 Estación SAP 16 ALBP (II)
46 Modelo GALBP-U. Programa matemático GALBP-U Formulación: PM-GALBP-U: Min z = c (0) s.a.:! x j,k = 1 "j = 1,., J (1) k=1 c #! t j x j,k $ 0 "j = 1,., J () k=1! kx j,k = m j "j = 1,., J () k=1 m i # m j % (1# y j ) m j # m i % (1# y j ) m j # m i % y j { } & J : i 'P j { } & J : i 'F j { } & J : i 'P j { } & J : i 'F j " i, j " i, j " i, j ( ) () ( ) () ( ) (6) ( ) (7) m i # m j % y j " i, j x j,k, y j '{0,1} "j = 1,., J, "k = 1,., (8) SAP 16 ALBP (II)
47 Modelo GALBP-UE. Programa matemático GALBP-UE Formulación: PM-GALBP-UE: Min z E = m! c (0) s.a.: m " m min (1) # x j,k = 1 $j = 1,., J () k=1 m % # kx j,k " 0 $j = 1,., J () k=1 c % # t j x j,k " 0 $j = 1,., J () k=1 # kx j,k = m j $j = 1,., J () k=1 m i % m j & (1% y j ) m j % m i & (1% y j ) m j % m i & y j { } ' J : i (P j { } ' J : i (F j { } ' J : i (P j { } ' J : i (F j $ i, j $ i, j $ i, j ( ) (6) ( ) (7) ( ) (8) ( ) (9) m i % m j & y j $ i, j x j,k, y j ({0,1} $j = 1,., J,$k = 1,., (10) SAP 16 ALBP (II) 6
48 Modelo GALBP-UF. Programa matemático GALBP-UF Formulación: PM-GALBP-UF: Satisfacer (1) - (8)! x j,k = 1 "j = 1,., J (1) k=1 J! t j x j,k # c max "k = 1,., () j=1! kx j,k = m j "j = 1,., J () k=1 m i $ m j # (1$ y j ) m j $ m i # (1$ y j ) m j $ m i # y j { } % J : i &P j { } % J : i &F j { } % J : i &P j { } % J : i &F j " i, j " i, j " i, j ( ) () ( ) () ( ) (6) ( ) (7) m i $ m j # y j " i, j x j,k, y j &{0,1} "j = 1,., J, "k = 1,., (8) SAP 16 ALBP (II) 7
49 Procedimientos de resolución problemas ALB Procedimientos Exactos: Programación matemática Programación dinámica Procedimientos heurísticos: Metaheurísticos - híbridos computación evolutiva algoritmos genéticos algoritmos meméticos algoritmos bioinspirados colonias de hormigas algoritmos basados en colonias/ enjambres sistemas inmunes computación natural búsqueda tabú búsqueda dispersa enfriamiento simulado GRASP búsqueda basada en entornos búsqueda local iterada búsqueda por vecindarios otros. SAP 16 ALBP (II) 8
Dirección de Operaciones. Introducción a DO
UNIVERSITAT POLITÈCNICA DE CATALUNYA BARCELONATECH OPE ORGANIZACIÓN DE LA PRODUCCIÓN Y DE EMPRESA (ASPECTOS TÉCNICOS, JURÍDICOS Y ECONÓMICOS EN PRODUCCIÓN ) Dirección de Operaciones. Introducción a DO
Más detallesScientia Et Technica ISSN: Universidad Tecnológica de Pereira Colombia
Scientia Et Technica ISSN: 0122-1701 scientia@utp.edu.co Universidad Tecnológica de Pereira Colombia JARAMILLO GARZON, ANDRES; RESTREPO CORREA, JORGE HERNAN APLICACIÓN DE LA PROGRAMACIÓN DINÁMICA PARA
Más detallesIntroducción a las RdP. Optimización basada en redes de Petri. Redes de Petri. Son objeto de estudio: RdP. Ejemplos:
Seminario sobre toma de decisiones en logística y cadenas de suministro Introducción a las RdP Optimización basada en redes de Petri https://belenus.unirioja.es/~emjimene/optimizacion/transparencias.pdf
Más detallesModelos y herramientas de decisión. Teoría de Juegos II
UNIVERSITAT POLITÈCNICA DE CATALUNYA BARCELONATECH OPE ORGANIZACIÓN DE LA PRODUCCIÓN Y DE EMPRESA (ASPECTOS TÉCNICOS, JURÍDICOS Y ECONÓMICOS EN PRODUCCIÓN ) Modelos y herramientas de decisión. Teoría de
Más detallesPráctica N o 8 Desigualdades Válidas - Algoritmos de Planos de Corte - Algoritmos Branch & Cut
Práctica N o 8 Desigualdades Válidas - Algoritmos de Planos de Corte - Algoritmos Branch & Cut 8.1 Para cada uno de los siguientes conjuntos, encontrar una desigualdad válida que agregada a la formulación
Más detallesPlanteamiento de problemas de programación lineal. M. En C. Eduardo Bustos Farías
Planteamiento de problemas de programación lineal M. En C. Eduardo Bustos Farías 1 Ejemplo. Breeding Manufacturing Inc. Mezcla de productos 2 La Breeding Manufacturing Inc., fabrica y vende dos tipos de
Más detallesPráctica N 6 Modelos de Programación Lineal Entera
Práctica N 6 Modelos de Programación Lineal Entera 6.1 Una empresa textil fabrica 3 tipos de ropa: camisas, pantalones y shorts. Las máquinas necesarias para la confección deben ser alquiladas a los siguientes
Más detallesPLANEACIÓN AGREGADA VARIABLES Y CONSIDERACIONES DE UN PLAN AGREGADO
PLANEACIÓN AGREGADA -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Más detallesBreve introducción a la Investigación de Operaciones
Breve introducción a la Investigación de Operaciones Un poco de Historia Se inicia desde la revolución industrial, usualmente se dice que fue a partir de la segunda Guerra Mundial. La investigación de
Más detallesInicio. Cálculos previos GRASP. Resultados. Fin. Figura 5.1: Diagrama de flujo del algoritmo.
5. DISEÑO FUNCIONAL En este apartado vamos a detallar los diagramas funcionales que han constituido la base para la posterior implantación informática de la metaheurística. 5.1. Diseño funcional del algoritmo
Más detallesScientia Et Technica ISSN: 0122-1701 scientia@utp.edu.co Universidad Tecnológica de Pereira Colombia
Scientia Et Technica ISSN: 0122-1701 scientia@utp.edu.co Universidad Tecnológica de Pereira Colombia Escobar Alvarán, Daniel Felipe; Garcés Hincapié, Julián Alberto; Restrepo Correa, Jorge Hernán Aplicación
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Programación Lineal Encuentro #9 Tema: PROBLEMA DE ASIGNACIÓN Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /201 Objetivos: Resolver problemas de asignación
Más detallesC a l ses P P y y NP C a l se P C a l se N P N P [No N n o -De D te t rmin i i n s i ti t c i Polynomial-tim i e]
Análisis y Diseño de Algoritmos Introducción Análisis y Diseño de Algoritmos Concepto de algoritmo Resolución de problemas Clasificación de problemas Algorítmica Análisis de la eficiencia de los algoritmos
Más detallesPROGRAMACION POR METAS APLICADA AL PROBLEMA DE BALANCEO DE LINEA EN UNA INDUSTRIA FARMACEUTICA
PROGRAMACION POR METAS APLICADA AL PROBLEMA DE BALANCEO DE LINEA EN UNA INDUSTRIA FARMACEUTICA ANDRES FLOREZ GONZALEZ (udv) andresflorez21@yahoo.es JUAN PABLO OREJUELA CABRERA (udv) juanp77@pino.univalle.edu.co
Más detallesOptimización de Colonia de Hormigas para resolver el problema de Distribución en Planta
Optimización de Colonia de Hormigas para resolver el problema de Distribución en Planta Luis Felipe Romero Dessens, José Alberto González Anaya y Luis Manuel Lozano Cota Universidad de Sonora, Departamento
Más detallesMQ1 - Métodos Cuantitativos 1
Unidad responsable: 860 - EEI - Escuela de Ingeniería de Igualada Unidad que imparte: 732 - OE - Departamento de Organización de Empresas Curso: Titulación: 2016 GRADO EN INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Más detallesALGORÍTMICA
ALGORÍTMICA 2012 2013 Parte I. Introducción a las Metaheurísticas Tema 1. Metaheurísticas: Introducción y Clasificación Parte II. Métodos Basados en Trayectorias y Entornos Tema 2. Algoritmos de Búsqueda
Más detallesTEMA 2: PROGRAMACIÓN LINEAL.
TEMA : PROGRAMACIÓN LINEAL.. 1. INTRODUCCIÓN. La Programación Lineal (PL) puede considerarse como uno de los grandes avances científicos habidos durante la primera mitad del siglo XX y sin duda es una
Más detallesBALANCEO DE UN MÓDULO DE CONFECCIÓN UTILIZANDO EL ALGORITMO DE HELGESON AND BIRNIE: UN CASO DE ESTUDIO
Scientia et Technica Año XII, No 32, Diciembre de 2006. UTP. ISSN 0122-1701 325 BALANCEO DE UN MÓDULO DE CONFECCIÓN UTILIZANDO EL ALGORITMO DE HELGESON AND BIRNIE: UN CASO DE ESTUDIO RESUMEN En este documento
Más detallesTema 5: Análisis de Sensibilidad y Paramétrico
Tema 5: Análisis de Sensibilidad y Paramétrico 5.1 Introducción 5.2 Cambios en los coeficientes de la función objetivo 5.3 Cambios en el rhs 5.4 Análisis de Sensibilidad y Dualidad 5.4.1 Cambios en el
Más detallesGeneración de secuencias de montaje y equilibrado de líneas. Liliana Capacho Betancourt, Rafael Pastor Moreno
Generación de secuencias de montaje y equilibrado de líneas IOC-DT-P-2004-04 Abril 2004 GENERACIÓN DE SECUENCIAS DE MONTAJE Y EQUILIBRADO DE LÍNEAS Barcelona, España - Abril de 2004 Índice Índice de figuras,
Más detallesBALANCEO DE CARGA ACADÉMICA EN EL DISEÑO DE UN CURRÍCULUM BASADO EN COMPETENCIAS
BALANCEO DE CARGA ACADÉMICA EN EL DISEÑO DE UN CURRÍCULUM BASADO EN COMPETENCIAS Martín G. Solar Monsalves Facultad de Ciencias de la Ingeniería Universidad Austral de Chile, Valdivia, Chile. Casilla 567,
Más detallesII. INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES
II. INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES Objetivo de la unidad: El estudiante, conocerá los fundamentos en que se basan las herramientas de la investigación de operaciones para la toma de decisiones.
Más detallesUNIDAD III. INVESTIGACIÓN DE OPERACIONES
UNIDAD III. INVESTIGACIÓN DE OPERACIONES Objetivo de la unidad: El alumno resolverá problemas utilizando la programación lineal y de proyectos para sugerir cursos de acción de mejora en las empresas turísticas
Más detallesPROBLEMA 1. Considere el siguiente problema de programación lineal:
PROBLEMA 1 Considere el siguiente problema de programación lineal: Sean h1 y h2 las variables de holgura correspondientes a la primera y segunda restricción, respectivamente, de manera que al aplicar el
Más detallesIntroducción a Programación Lineal
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 18 Programación Lineal ICS 1102 Optimización Profesor : Claudio Seebach 4 de octubre de 2005
Más detallesgreedy (adj): avaricioso, voraz, ávido, codicioso, glotón
Algoritmos Greedy Análisis y Diseño de Algoritmos Algoritmos Greedy Características generales Elementos de un algoritmo greedy Esquema de un algoritmo greedy s Almacenamiento óptimo en cintas Problema
Más detallesConceptos y buenas prácticas de DFM
El diseño para la manufactura es la integración del diseño de productos y la planeación de procesos en una actividad en común. El objetivo es un diseñar un producto que sea económico y fácilmente fabricado.
Más detallesProf. Pérez Rivas Lisbeth Carolina
Ingeniería de Sistemas Investigación de Operaciones Prof. Pérez Rivas Lisbeth Carolina Investigación de Operaciones Es una rama de las Matemáticas consistente en el uso de modelos matemáticos, estadística
Más detallesP O R Q U É I D E A S CLIENTES. La innovación impulsa la excelencia, los logros y los ahorros
P O R Q U É A L C A N C E I D E A S I D E A S La innovación impulsa la excelencia, los logros y los ahorros C Ó M O P R O P Ó S I T O Q U I É N O B J E T I V O El objetivo del programa IDEAS de Eaton es
Más detallesConsideración del Margen de Desvanecimiento con ICS Telecom en Planeación de Redes de Microceldas (NLOS)
Consideración del Margen de Desvanecimiento con ICS Telecom en Planeación de Redes de Microceldas (NLOS) Agosto 2008 SEAN YUN Traducido por ANDREA MARÍN Modelando RF con Precisión 0 0 ICS Telecom ofrece
Más detallesINDICE 1. Introducción a la Contabilidad de Costos y la Administración de Costos Parte 1. Conceptos Básicos de la Administración de Costos
INDICE 1. Introducción a la Contabilidad de Costos y la Administración de 1 Costos Contabilidad financiera, Administración y de Costos 2 Evolución de la contabilidad 3 Primeros sistemas de contabilidad
Más detallesIngeniería de Sistemas. basados en computadoras
Ingeniería de Sistemas basados en computadoras Ingeniería de Sistemas basados en computadoras Sistema basado en computadores (SBC) Las aplicaciones informáticas se integran en sistemas contribuyendo, junto
Más detallesTema 3: El Método Simplex. Algoritmo de las Dos Fases.
Tema 3: El Método Simplex Algoritmo de las Dos Fases 31 Motivación Gráfica del método Simplex 32 El método Simplex 33 El método Simplex en Formato Tabla 34 Casos especiales en la aplicación del algoritmo
Más detalles: Algorítmica y Estructura de Datos I
FACULTAD POLITÉCNICA DIRECCIÓN ACADÉMICA PROGRAMA DE ESTUDIO I. IDENTIFICACIÓN Carrera : Ingeniería de Sistemas CARGA HORARIA (Horas reloj) Asignatura : Algorítmica y Estructura de Datos I Carga Horaria
Más detallesProyectos: Formulación y evaluación
Pág. N. 1 Proyectos: Formulación y evaluación Familia: Editorial: Autor: Ingeniería Macro Luis Angulo Aguirre ISBN: 978-612-304-335-3 N. de páginas: 440 Edición: 1. a 2016 Medida: 17.5 x 24.8 Colores:
Más detallesTema 6 Organización y gestión de la memoria
Departamento de Tecnologías de la Información Tema 6 Organización y gestión de la memoria Ciencias de la Computación e Inteligencia Artificial Índice 6.1 Organización de la memoria en tiempo de ejecución
Más detallesTEMA 5 SISTEMA DE COSTES BASADO EN LAS ACTIVIDADES 5.1. LÍMITES DE LOS SISTEMAS DE COSTES TRADICIONALES
TEMA 5 SISTEMA DE COSTES BASADO EN LAS ACTIVIDADES 1 5.1. LÍMITES DE LOS SISTEMAS DE COSTES TRADICIONALES A comienzos del siglo XX fueron desarrollados los sistemas convencionales de cálculo de costes,
Más detallesOptiHPerVISUAL. Info:
Info: optihper@dsic.upv.es http://gps.webs.upv.es/optihper/ Asignación Optimizada de Horarios al Personal TIENDA SECCIONES TAREAS HORARIOS PERSONAL Asignación Optimizada de Horarios al Personal TIENDA
Más detallesIntroducción a la programación lineal
Introducción a la programación lineal La programación lineal se aplica a modelos de optimización en los que las funciones objetivo y restricción son estrictamente lineales. La técnica se aplica en una
Más detallesModelos de Programación Matemática
Modelos de Programación Matemática Las proposiciones matemáticas, en cuanto tienen que ver con la realidad, no son ciertas; y en cuanto que son ciertas, no tienen nada que ver con la realidad A. Einstein
Más detallesClase #1 INTRODUCCIÓN: INVESTIGACIÓN DE OPERACIONES (I.O.) Y MODELAMIENTO MATEMATICO
Clase #1 INTRODUCCIÓN: INVESTIGACIÓN DE OPERACIONES (I.O.) Y MODELAMIENTO MATEMATICO CONTENIDO 1. Objetivos del curso 2. Programa Resumido 3. Evaluaciones 4. Bibliografía 5. Orígenes de la I. O. 6. Casos
Más detallesPROGRAMACIÓN. UNIDAD II. ALGORITMO PROFA : HAU MOY
PROGRAMACIÓN. UNIDAD II. ALGORITMO PROFA : HAU MOY ALGORITMO DEFINICIÓN: CONSISTE EN LA DESCRIPCIÓN CLARA Y DETALLADA DEL PROCEDIMIENTO A SEGUIR PARA ALCANZAR LA SOLUCIÓN A UN PROBLEMA EN DONDE SE ESTABLECE
Más detallesPlanificación contra stock
Planificación contra stock 129 Problema FS1 Planificación contra stock Determinar el ciclo de producción para la siguiente familia suponiendo 250 días de trabajo por año. Producto D I (u/año) p i ( /u)
Más detallesMETODOS CUANTITATIVOS IV
UNIVERSIDAD DE SAN CARLOS DE GUATEMALA CENTRO UNIVERSITARIO DE ORIENTE CIENCIAS ECONÓMICAS PROGRAMA FIN DE SEMANA METODOS CUANTITATIVOS IV GUÍA PROGRAMÁTICA (EDICIÓN 2016) CHIQUIMULA, GUATEMALA ENERO 2016
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales SEGMENTACIÓN DE LA IMAGEN Segmentación basada en texturas INTRODUCCIÓN La textura provee información sobre la distribución espacio-local del color o niveles de intensidades
Más detallesAPUNTES DE ÁLGEBRA LINEAL TEMA 2. SISTEMAS DE ECUACIONES LINEALES
APUNTES DE ÁLGEBRA LINEAL TEMA 2. SISTEMAS DE ECUACIONES LINEALES Ignacio López Torres. Reservados todos los derechos. Prohibida la reproducción total o parcial de esta obra, por cualquier medio electrónico
Más detallesIN34A - Optimización
IN34A - Optimización Modelos de Programación Lineal Leonardo López H. lelopez@ing.uchile.cl Primavera 2008 1 / 24 Contenidos Programación Lineal Continua Problema de Transporte Problema de Localización
Más detallesGUÍA DE ESTUDIO TEMA 7. PROCESOS INDUSTRIALES. FABRICACIÓN
GUÍA DE ESTUDIO TEMA 7. PROCESOS INDUSTRIALES. FABRICACIÓN OBJETIVOS Presentar la evolución histórica de los procesos industriales. Clasificar los procesos industriales e introducir algunos conceptos previos
Más detallesPROGRAMACIÓN LINEAL MÉTODO GRÁFICO
1 PROGRAMACIÓN LINEAL MÉTODO GRÁFICO Dado un problema de programación lineal se debe: 1. Graficar cada una de las restricciones. 2. Encontrar el Polígono de factibilidad, que es la intersección de los
Más detallesPROBLEMA DE FLUJO DE COSTO MINIMO.
PROBLEMA DE FLUJO DE COSTO MINIMO. EL PROBLEMA DE TRANSPORTE 1. Una empresa energética dispone de tres plantas de generación para satisfacer la demanda eléctrica de cuatro ciudades. Las plantas 1, 2 y
Más detallesGUIA PARA LA PREPARACION Y EVALUACION DE PROYECTOS DE INVERSION
GUIA PARA LA PREPARACION Y EVALUACION DE PROYECTOS DE INVERSION 1. ANTECEDENTES DEL PROYECTO Políticas, planes de desarrollo y estrategias de la empresa Desarrollo histórico del proyecto u otros afines
Más detallesINDICE Prologo Capitulo 1. Algoritmos y programas Capitulo 2. La resolución de los problemas con computadoras y las herramientas de programación
INDICE Prologo XI Capitulo 1. Algoritmos y programas 1.1. Configuraciones de una computadora 1 1.2. Lenguajes de programación 2 1.3. Resolución de problemas 1.3.1. Fase de resolución del problema 3 1.3.1.1.
Más detallesFlujos de redes (Network Flows NF)
Fluos de redes (Network Flows NF). Terminología. Árbol generador mínimo. Camino mínimo 4. Fluo máximo 5. Fluo de coste mínimo TEORÍA DE GRAFOS. OPTIMIZACIÓN EN REDES Terminología Red o grafo (G) Nodos
Más detallesMÉTODO DEL DUAL (TEORIA DE DUALIDAD)
MÉTODO DEL DUAL (TEORIA DE DUALIDAD) Todo problema de programación lineal tiene asociado con él otro problema de programación lineal llamado DUAL. El problema inicial es llamado PRIMO y el problema asociado
Más detallesProducto.- Se debe revisar si es un solo producto o sin son productos estandarizados, varios productos o un producto a pedido.
INTRODUCCION RESUMEN EJECUTIVO 1. PROBLEMAS La empresa CASAS PREFABRICADAS Y SERVICIO EN GENERAL S.A. no iene una adecuada distribución de los espacios de trabajo, el cual le genera costos innecesarios
Más detallesIntroducción a los Sistemas Operativos
Introducción a los Sistemas Operativos Pedro Corcuera Dpto. Matemática Aplicada y Ciencias de la Computación Universidad de Cantabria corcuerp@unican.es 1 Índice General Conceptos sobre ordenadores Concepto
Más detallesPlanteamiento de problemas de programación lineal. M. En C. Eduardo Bustos Farías
Planteamiento de problemas de programación lineal M. En C. Eduardo Bustos Farías 1 Objetivo Analizar diferentes ejemplos del uso de la metodología de la Investigación de Operaciones para el planteamiento
Más detallesUniversidad Nacional Autónoma de Nicaragua UNAN-Managua. Curso de Investigación de Operaciones
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Investigación de Operaciones Profesor: MSc. Julio Rito Vargas Avilés. Presentación del Programa de Investigación de Operaciones Estudiantes:
Más detallesPresupueste las actividades
Gestión de Proyectos C U R S O I N T E R N A C I O N A L Las 12 Reglas de Oro del Gerente de Proyecto Quinta regla Presupueste las actividades RECURSOS Y COSTOS Programación de Recursos y Costos Pasos
Más detallesNúmeros reales. Valor absoluto. Desigualdades. Distancias entre la recta real. Intervalos y entornos.
MATEMÁTICAS I Contenidos. Aritmética y álgebra: Números reales. Valor absoluto. Desigualdades. Distancias entre la recta real. Intervalos y entornos. Resolución e interpretación gráfica de ecuaciones e
Más detallesP L A N I F I C A C I O N
P L A N I F I C A C I O N ESTABLECIMIENTO: INSTITUTO SUPERIOR JUJUY CARRERA: TECNICATURA SUPERIOR EN INFORMATICA CON ORIENTACION EN SISTEMAS DE INFORMACION ASIGNATURA: HS. CATEDRA: MODALIDAD: PROFESOR:
Más detallesEl método simplex 1. 1 Forma estándar y cambios en el modelo. 2 Definiciones. 3 Puntos extremos y soluciones factibles básicas. 4 El método simplex.
El método simplex Forma estándar y cambios en el modelo. Definiciones. Puntos extremos y soluciones factibles básicas. 4 El método simplex. Definiciones y notación. Teoremas. Solución factible básica inicial.
Más detallesPROCEDIMIENTO HEURÍSTICO PARA MINIMIZAR EL C max EN CELDAS ROBOTIZADAS CON BUFFERS FINITOS Y PIEZAS DISTINTAS
27 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8 11 de abril de 2003 PROCEDIMIENTO HEURÍSTICO PARA MINIMIZAR EL C max EN CELDAS ROBOTIZADAS CON BUFFERS FINITOS Y PIEZAS DISTINTAS
Más detallesMANUAL DE USUARIO NOTAS PARCIALES MODULO CONFIGUARACION DE NOTAS -288
MANUAL DE USUARIO NOTAS PARCIALES MODULO CONFIGUARACION DE NOTAS -288 Manual Notas Parciales Página 1 de 39 Tabla de contenido Cómo usar el manual de usuario 4 Inicio 5 Notas Parciales: 6 Profesores (Listados
Más detallesGuía práctica Excel 2007
Guía práctica Excel 2007 (c) Francisco Charte Ojeda Introducción Hojas de cálculo Microsoft Excel 2007 Este libro Cómo usar este libro Convenciones tipográficas 1. Instalación 1.1. Consideraciones previas
Más detallesDISEÑO CURRICULAR AUDITORIA DE SISTEMAS
DISEÑO CURRICULAR AUDITORIA DE SISTEMAS FACULTAD (ES) CARRERA (S) Ingeniería Sistemas CÓDIGO HORAS TEÓRICAS HORAS PRÁCTICAS UNIDADES DE CRÉDITO SEMESTRE PRE-REQUISITO 129543 04 03 IX SISTEMAS DE INFORMACIÓN
Más detallesTécnicas de Clasificación Supervisada DRA. LETICIA FLORES PULIDO
Técnicas de Clasificación Supervisada DRA. LETICIA FLORES PULIDO 2 Objetivo El objetivo principal de las técnicas de clasificación supervisada es obtener un modelo clasificatorio válido para permitir tratar
Más detallesIV. EL ESTUDIO TECNICO
IV. EL ESTUDIO TECNICO A. ANÁLISIS DE LOS ASPECTOS TÉCNICOS 1. LA INVERSIÓN, LA TECNOLOGÍA Y EL ALCANCE DEL ESTUDIO TÉCNICO DE INGENIERÍA El objetivo es determinar la función de producción óptima para
Más detalles2.3 Clasificación de modelos matemáticos.
2.3 Clasificación de modelos matemáticos. Qué es un modelo? Un modelo es una representación ideal de un sistema y la forma en que este opera. El objetivo es analizar el comportamiento del sistema o bien
Más detallesAPUNTE: Introducción a la Programación Lineal
APUNTE: Introducción a la Programación Lineal UNIVERSIDAD NACIONAL DE RIO NEGRO Asignatura: Matemática Carreras: Lic. en Administración Profesor: Prof. Mabel Chrestia Semestre: do Año: 06 Definición La
Más detallesMARKETING MIX INTERNACIONAL
MARKETING MIX INTERNACIONAL Modalidad: Presencial Duración: 130 hrs. presenciales Módulo formativo MF1008_3, perteneciente al curso COMM0110 PROGRAMA DEL CURSO MÓDULO 1: MARKETING MIX INTERNACIONAL 130
Más detallesProcedimiento heurístico para la asignación de horarios y tareas a trabajadores polivalentes
VIII Congreso de Ingeniería de Organización Leganés, 9 y 10 de septiembre de 2004 Procedimiento heurístico para la asignación de horarios y tareas a trabajadores polivalentes Jordi Ojeda Rodríguez 1, Albert
Más detallesEstrategias a nivel funcional
Estrategias a nivel funcional Finalidad de dar a la empresa una mayor: Eficiencia Calidad Innovación Capacidad de respuesta al cliente Esto conlleva a una ventaja competitiva para un mayor crecimiento
Más detallesGerencia de Proyectos
3. Planificación y Dirección del Proyecto a. Plan del Proyecto b. Proceso de Dirección 1 Esfuerzo Ciclo de vida del proyecto Ciclo de vida del proyecto Imagen tomada de: http://www.formasminerva.com/bancoproceso/c/como_administrar_proyectos_de_desarrollo_de_software/como_administrar_proyectos_de_desarrollo_de_software.asp?codidioma=esp
Más detalles6.5 ESTIMAR LA DURACIÓN DE LAS ACTIVIDADES
6.5 ESTIMAR LA DURACIÓN DE LAS ACTIVIDADES Dante Guerrero-Chanduví Piura, 2015 FACULTAD DE INGENIERÍA Área departamental de Ingeniería Industrial y de Sistemas Esta obra está bajo una licencia Creative
Más detallesOPTIMIZACIÓN VECTORIAL
OPTIMIZACIÓN VECTORIAL Métodos de Búsqueda Directa Utilizan sólo valores de la función Métodos del Gradiente Métodos de Segundo Orden Requieren valores aproimados de la primera derivada de f) Además de
Más detallesPROCEDIMIENTO APLICACIÓN CRITERIO DE SEGURIDAD N-1
Versión 23? PROCEDIMIENTO APLICACIÓN CRITERIO DE SEGURIDAD N-1 Preparada para: Marzo, 2014 M 1432 PROCEDIMIENTO APLICACIÓN DE CRITERIO DE SEGURIDAD N-1 INDICE CAPÍTULO I OBJETIVO, ALCANCE Y DEFINICIONES...
Más detallesRESOLUCIÓN DE MODELOS DE PROGRAMACIÓN ENTERA MÉTODOS DE CORTE CORTES DE GOMORY
25 de Junio de 2012 RESOLUCIÓN DE MODELOS DE PROGRAMACIÓN ENTERA MÉTODOS DE CORTE CORTES DE GOMORY Postgrado de Investigación de Operaciones Facultad de Ingeniería Universidad Central de Venezuela Programación
Más detallesProblema de Localización de Plantas con Capacidades y Distancias Limitadas
Problema de Localización de Plantas con Capacidades y Distancias Limitadas M. Albareda-Sambola, E. Fernández, G. Laporte Universitat Politècnica de Catalunya HEC-Montréal Reunión de coordinación Red Española
Más detallesFormule un modelo de programación lineal binaria que minimice la distancia máxima entre un distrito y su respectiva estación.
Profesores: Daniel Espinosa, Roberto Cominetti. Auxiliares: Victor Bucarey, Pablo Lemus, Paz Obrecht. Coordinador: Matías Siebert. IN3701 - Modelamiento y Optimización Auxiliar 2 22 de Marzo de 2012 P1.
Más detallesMáster Universitario en Tecnologías de la Información y las Comunicaciones Universidad de Alcalá Curso Académico 2013/14
Sistemas Distribuidos de Control Máster Universitario en Tecnologías de la Información y las Comunicaciones Universidad de Alcalá Curso Académico 2013/14 GUÍA DOCENTE Nombre de la asignatura: Código: 200593
Más detallesUNIVERSIDAD NACIONAL AUTONOMA DE NICARAGUA UNAN-MANAGUA FAREM - CARAZO
UNIVERSIDAD NACIONAL AUTONOMA DE NICARAGUA UNAN-MANAGUA FAREM - CARAZO INVESTIGACIÓN DE OPERACIONES Laboratorio #1 GRAFICA DE REGIONES CONVEXAS Y SOLUCIÓN POR MÉTODO GRÁFICO DE UN PROBLEMA DE PROGRAMACIÓN
Más detallesUNIDAD ACADÉMICA PROFESIONAL TIANGUISTENCO PROGRAMA DE ESTUDIOS: LICENCIATURA DE INGENIERO EN PRODUCCIÓN INDUSTRIAL
UNIDAD ACADÉMICA PROFESIONAL TIANGUISTENCO PROGRAMA DE ESTUDIOS: LICENCIATURA DE INGENIERO EN PRODUCCIÓN INDUSTRIAL UNIDAD DE APRENDIZAJE: ADMINISTRACIÓN DE LA PRODUCCIÓN Créditos institucionales de la
Más detallesEstructuras de Repetición (Repita para)
Estructuras de Repetición (Repita para) Andrés Arcia Departamento de Computación Escuela de Ingeniería de Sistemas Facultad de Ingeniería Universidad de Los Andes Programación Digital I 1 REPITA PARA Fijar
Más detallesDirección de Recursos Humanos
Dirección de Recursos Humanos Duración: 45.00 horas Descripción Este curso de Dirección de Recursos Humanos profundiza en los aspectos relacionados con la estrategia empresarial de Recursos Humanos en
Más detallesOPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 4 Optimización no Lineal
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 4 Optimización no Lineal ORGANIZACIÓN DEL TEMA Sesiones: El caso sin restricciones: formulación, ejemplos Condiciones de optimalidad, métodos Caso con restricciones:
Más detallesProgramación Lineal Continua
Elisenda Molina Universidad Carlos III de Madrid elisenda.molina@uc3m.es 8 de octubre de 2008 Esquema 1 Formulación y Ejemplos 2 3 Ejemplo: Producción de carbón Una empresa minera produce lignito y antracita.
Más detallesDespliegue de la Función de Calidad
Despliegue de la Función de Calidad Diplomado en Gestión de la calidad Ing. J. Gpe. Octavio Cabrera Lazarini M.C. Concepto El DFC significa el Despliegue de la Función de Calidad o por su nombre en inglés
Más detallesUNIDAD II PLANEACIÓN AGREGADA DE LA PRODUCCIÓN
UNIDAD II PLANEACIÓN AGREGADA DE LA PRODUCCIÓN Curso: Administración de Operaciones III OBJETIVOS Cuando haya completado esta unidad, debe ser capaz de identificar y definir: Planeación agregada Propósito
Más detallesPROGRAMA DE CERTIFICACIÓN DE GESTIÓN EN ABASTECIMIENTO, ALMACENES Y DISTRIBUCIÓN
PROGRAMA DE CERTIFICACIÓN DE GESTIÓN EN ABASTECIMIENTO, ALMACENES Y DISTRIBUCIÓN TEMARIO 1. Ofimática aplicada a la gestión Microsoft Word Básico Ingreso y Edición de Textos. Formato básico. Numeración
Más detallesAsignación de cargas de trabajo mediante gantt:
TEMA 2: PROGRAMACIÒN DE OPERACIONES EJERCICIOS RESUELTOS Asignación de cargas de trabajo mediante gantt: 1. Encuentre un programa factible para los siguientes datos de un taller de producción intermitente:
Más detallesDIFERENCIA, VENTAJAS Y DESVENTAJAS DE INSTRUMENTOS ANALÓGICOS Y DIGITALES
DIFERENCIA, VENTAJAS Y DESVENTAJAS DE INSTRUMENTOS ANALÓGICOS Y DIGITALES En general los parámetros que caracterizan un fenómeno pueden clasificarse en Analógicos y Digitales, se dice que un parámetro
Más detallesUniversidad Nacional de Ingeniería
Universidad Nacional de Ingeniería Recinto Universitario Augusto Cesar Sandino Uni - RUACS Trabajo de Investigación de Operaciones Orientado Por: Ing. Mario Pastrana Moreno Carrera: Ingeniería de Sistemas
Más detallesDISEÑO DE REDES EN LA CADENA DE SUMINISTRO
ASIGNATURA: Logística Y Cadenas De Suministro. UNIDAD 2 Diseño de cadenas de suministro CAPÍTULO 5 DISEÑO DE REDES EN LA CADENA DE SUMINISTRO Catedrático: Dr. En IE. Juan Manuel Carrión Delgado LAS DECISIONES
Más detallesComplejidad computacional (Análisis de Algoritmos)
Definición. Complejidad computacional (Análisis de Algoritmos) Es la rama de las ciencias de la computación que estudia, de manera teórica, la optimización de los recursos requeridos durante la ejecución
Más detallesTransistor BJT como Amplificador
Transistor BJT como Amplificador Lección 05.2 Ing. Jorge Castro-Godínez Escuela de Ingeniería Electrónica Instituto Tecnológico de Costa Rica II Semestre 2013 Jorge Castro-Godínez Transistor BJT como Amplificador
Más detallesMatemáticas aplicadas a las CC.SS. II 2º Bachillerato
4. PROGRAMACIÓN LINEAL 4.1. Introducción 1. Determina las variables, la función objetivo y el conjunto de restricciones de los siguientes problemas de programación lineal: a) En una empresa de alimentación
Más detallesAntecedentes. Ejemplos de Optimización en Procesos Agrícolas. Planificación v/s Operación. Planificación, Operación y Control en el negocio agrícola
Ejemplos de Optimización en Procesos Agrícolas Pedro Traverso Profesor Asociado Escuela de Administración Pontifica Universidad Católica de Chile Ingeniero Agrónomo PUC MBA, PUC M.Sc. Ingeniería Industrial
Más detallesDefinición de Capacidad. Planeación Estratégica de la Capacidad. Capacidad. Horizonte de Planeación. Mediciones de Capacidad
Definición de 2 Planeación Estratégica de la El más alto nivel de producción que una compañía puede sostener razonablemente, con horarios realistas para su personal y con el equipo que posee. Administración
Más detalles