Programación de la producción en máquinas paralelas no relacionadas atendiendo a criterios de coste eléctrico

Abstract

El coste eléctrico supone para las empresas, especialmente las industriales, un porcentaje muy importante de su Cuenta de Resultados. Este TFG aborda cómo programar la producción en máquinas paralelas no relacionadas atendiendo al criterio de minimización del mismo. Estamos pues, ante un problema combinatorio de tipo No Polimonial, lo que implica la imposibilidad de encontrar un algoritmo que proporcione una solución óptima en tiempo polinomial y, por ello, los tiempos de computación aumentan con el tamaño del problema. Para la búsqueda de la solución es necesario seleccionar exhaustivamente diferentes metaheurísticas, en nuestro caso, Iterated Greedy (criterio=5), Iterated Greedy (criterio=20), Iterated Greedy (criterio=50), Iterated Greedy (criterio=100), Insertion First Improvement, Insertion Best Improvement, General Swap Best Improvement y General Swap First Improvement, para tras analizarlas y compararlas entre sí, detectar las que proporcionan mejores resultados en relación con el fin pretendido. Para ello, en el TFG se ha creado una herramienta que permite evaluar, por un lado, el coste eléctrico de las distintas soluciones proporcionadas por las citadas metaheurísticas y por otro, el tiempo computacional necesario para obtenerlas, clasificándolas en función de los resultados obtenidos, lo que posibilita que podamos recomendar a una empresa que opere en un escenario de máquinas paralelas no relacionadas, cuál de las metaheurísticas estudiadas es la más adecuada para programar su producción atendiendo a criterios de minimización del coste eléctrico.

The electrical costs represent a very significant percentage of the profit and loss account for companies, especially industrial ones. This dissertation describes how to programme production on unrelated parallel machines in accordance with the minimisation’s criteria. We are faced with a combinatorial problem non deterministic polynomial time, which entails the impossibility to find an algorithm capable of providing an optimal solution in polynomial time and, therefore, computation times increase with the size of the problem. It is necessary to thoroughly select different meta-heuristics for its research, In our case, the chosen ones are Iterated Greedy (criterion=5), Iterated Greedy (criterion=20), Iterated Greedy (criterion=50), Iterated Greedy (criterion=100), Insertion First Improvement, Insertion Best Improvement, General Swap Best Improvement and General Swap First Improvement. After analysing and comparing them the aim will be to detect those variabilities that provide better results in relation to the pretended purpose. To this end, a tool has been created in the dissertation to evaluate, firstly, the electrical cost of the diverse solutions provided by the aforementioned metaheuristics, and secondly, the computational time required to obtain them, classifying them according to the results, what enables us to recommend which of the shown metaheuristics is the most appropriate to programme the production of those companies that operate with unrelated parallel machines, according to minimisation’s criteria of the electrical cost.