Estudio de la filosofía Just-In-Time en un taller de flujo regular con la restricción de permutación

Abstract

En este Trabajo de Fin de Grado se aborda un problema específico del ámbito de la programación de la producción. Se trata de un taller de flujo regular con restricción de permutación, conocido en la literatura como Permutation FlowShop Scheduling Problem. Para este problema específico, se estudiarán y compararán diferentes políticas de producción, algunas relacionadas con la implementación de una filosofía Just-In-Time y otras enfocadas en objetivos de producción más tradicionales. Dado que la resolución de este problema es computacionalmente compleja debido a que forma parte de la clase NP-hard, se propone utilizar métodos aproximados, en particular, una metaheurística evolutiva, un algoritmo genético. Este tipo de métodos busca obtener soluciones cercanas al óptimo en un tiempo de cálculo razonable, aunque no necesariamente exactas. Se desarrollarán dos variantes del algoritmo genético con el fin de comparar su desempeño y determinar cuál de ellas ofrece mejores resultados. En cuanto a la obtención de los resultados, se evaluará un amplio conjunto de 540 instancias con el objetivo de analizar la eficiencia y efectividad de la metodología propuesta. Además, se llevará a cabo tanto una comparativa entre ambas variantes del algoritmo genético como una entre las distintas políticas de producción mencionadas anteriormente. Por último, se expondrán las conclusiones obtenidas a lo largo del estudio y se propondrán nuevas líneas de investigación en este campo.

In this Thesis, a specific problem in the field of production scheduling is addressed. It is a regular flow shop with permutation restriction, known in the literature as the Permutation FlowShop Scheduling Problem. For this specific problem, different production policies will be studied and compared, some related to implementing a Just-In-Time philosophy and others focused on more traditional production goals. Since solving this problem is computationally complex as it belongs to the NP-hard class, approximate methods are proposed to be used, specifically an evolutionary metaheuristic, a genetic algorithm. This type of method aims to obtain solutions close to the optimum in a reasonable computation time, although not necessarily exact. Two versions of the genetic algorithm will be developed in order to compare their performance and determine which one offers better results. Regarding the obtainment of results, a large set of 540 instances will be evaluated in order to analyze the efficiency and effectiveness of the proposed methodology. Additionally, a comparison will be carried out between both versions of the genetic algorithm as well as between the different production policies mentioned above. Finally, the conclusions obtained throughout the study will be presented and new research lines in this field will be proposed.