Metaheurísticas basadas en población para la toma de decisiones en la programación de la producción

Abstract

La programación de la producción es una actividad presente en la gran mayoría de las empresas industriales que tiene un gran impacto en la reducción de los costes de producción y en la satisfacción de los tiempos de entrega. Este tipo de problemas suelen consistir en complejos problemas de optimización combinatoria, para los que es conveniente tener métodos de solución inteligentes y eficientes para así competir en un mercado cada vez más exigente y digitalizado. Uno de los métodos más adecuados para la resolución de este tipo de problemas son las metaheurísticas, dada su capacidad de adaptarse a una gran variedad de aplicaciones y de obtener buenas soluciones en tiempo de computación reducido, aspecto crítico en la toma de decisiones operativas de las empresas industriales. La presente tesis doctoral está enfocada en el diseño y mejora de métodos inteligentes para la toma de decisiones en el proceso de programación de tareas de producción, que sean capaces de su optimización mediante una exploración eficiente del gran espacio de búsqueda combinatorio asociado a este tipo de problemas, enfocando el estudio y la investigación realizada a la realidad más actual de las empresas industriales de producción de bienes, contribuyendo así a aproximar los avances y desarrollos obtenidos en el mundo académico y teórico a los retos actuales de estas empresas. Para ello se estudian principalmente dos problemas concretos. Uno de ellos es una versión modificada de un conocido problema de scheduling, el Flexible Job Shop Scheduling Problem, aproximado a la realidad más actual de las empresas mediante un novedoso marco que permite la priorización de los pedidos en función de sus principales características, teniendo en cuenta estas prioridades en el modelo matemático del problema y en el proceso de resolución del mismo. Para resolver este problema se diseñó e implementó una reciente metaheurística, el Firefly Algorithm, dada su prometedora capacidad de exploración y su adecuación para problemas multiobjetivo. Este algoritmo, diseñado originalmente para problemas de optimización continua y utilizado con éxito en otras aplicaciones, está inspirado en el comportamiento de las luciérnagas y cómo éstas usan la luminiscencia para atraer a otras. Además, se analizan posibles mejoras para este algoritmo mediante diferentes estrategias de búsqueda local y de inicialización de la población. El segundo problema estudiado es un problema real de una empresa internacional de producción de acero que consiste en la optimización de la secuenciación de una línea de galvanizado. Se tuvo acceso directo a la realidad del problema y a casos prácticos con datos reales. Los métodos de resolución que estaban en uso, algoritmos de la familia Ant Colony System, se encontraban con dificultades pare obtener buenas soluciones en ciertas situaciones, dada la creciente necesidad de reducir los niveles de inventario y la aparición de nuevos grados de acero que trajeron consigo un aumento en las restricciones de secuenciación. A través de dos publicaciones diferentes se explica el problema en detalle y se analizan las razones que generaban una mala actuación de estos algoritmos. En base a dicho análisis, se diseñó e implementó un algoritmo de búsqueda novedoso que, combinándolo con una metaheurística Ant System, es capaz de asegurar buenas soluciones para todos los casos estudiados. A través de varios experimentos, se muestra cómo las implementaciones propuestas de ambos algoritmos obtienen buenos resultados en los dos problemas estudiados, siendo uno de ellos un reto real de una empresa industrial y el otro una aproximación realista de un conocido problema de programación de tareas.