La programación de producción ha sido uno de los temas de investigación más recurrentes en el área de la investigación de operaciones durante el siglo XX. Debido a la cada vez más intensa competencia en los mercados, buscando satisfacer a más clientes potenciales, puesto que esto trae consigo complejidad en la planeación y los sistemas productivos.
Caja de herramientas de inteligencia artificial para la academia y la investi...
ALGORITMOS GENETICOS - BUSQUEDA TABÚ
1. La programación de evaluación ha
sido uno de los temas de
investigación más recurrentes en el
área de la investigación de
operaciones durante el siglo XX.
Debido a la cada vez más intensa
competencia en los mercados,
buscando satisfacer a más clientes
potenciales, puesto que esto trae
consigo complejidad en la planeación
y los sistemas productivos.
INFORME DE MODELOS
DE PROGRAMACIÓN DE
EVALUACIÓN
ADMINISTRACIÓN DE EMPRESAS - PRODUCCIÓN
Ing. Jiliar Antonio Silgado Cardona
3. 1. INTRODUCCIÓN
La programación de producción ha sido uno de los temas de investigación más
recurrentes en el área de la investigación de operaciones durante el siglo XX.
Debido a la cada vez más intensa competencia en los mercados, buscando
satisfacer a más clientes potenciales, puesto que esto trae consigo complejidad en
la planeación y los sistemas productivos: un número amplio de referencias implican
mayor número de inventarios o mayores exigencias en cuanto a la capacidad
instalada, lo que trae como consecuencia mayores costos operacionales.
De acuerdo a las problemáticas mencionadas anteriormente se hace imperante
encontrar soluciones enfocadas a la programación de la producción, que ayuden a
optimizar los procesos de fabricación aplicados en las industrias.
Muchas de estas soluciones han sido diseñadas fundamentadas en análisis e
investigaciones con el fin de alcanzar resultados contundentes que mejoren los
sistemas productivos, muchas de ellas se han desarrollado específicamente a casos
particulares y otros con un propósito meramente general.
El presente informe evidencia información y esquemas relacionados a dos de estos
modelos o soluciones que de una u otra forma ayudan a alcanzar esa eficiencia y
eficacia planteada por muchos empresarios del mundo actual. A continuación se
explican fundamentos y/o generalidades los Algoritmos Genéticos y los Algoritmos
de búsqueda Tabú con el fin de afianzar conocimientos acerca de la importancia,
funcionalidad y campo de aplicación de los mismos.
4. 2. OBJETIVOS
2.1. OBJETIVO GENERAL
Conocer la importancia, funcionalidades, aplicaciones de los modelos de
programación de evaluación en los sistemas productivos.
2.2. OBJETIVOS ESPECIFICOS
Consultar en fuentes de información, primaria y secundaria datos referentes
a la temática tratada.
Desarrollar mentefactos lógicos que permitan la estructuración del
conocimiento en los tópicos tratados.
Elaborar un informe que sirva como evidencia de aprendizaje de los temas
propuestos.
5. 3. APLICACIÓN DE LOS ALGORITMOS GENETICO Y BUSQUEDA TABOO
En la actualidad existen un sin número de sistemas novedosos que afianzan los
enfoques de producción en muchas organizaciones, los de mejor desempeño
(performance) se caracterizan por tener máquinas de propósito general que
desarrollan varias líneas de producción sin importar a veces la ruta de fabricación
que estas tengan, es decir, los tornos, fresadoras, taladros, rectificadoras etc.,
procesan una casi infinita gama de productos diferentes.
Pero ni este tipo de acontecimientos y maravillas diseñadas evitan que se generen
problemáticas en los sistemas de producción, por ejemplo: Un conjunto de n
trabajos debe ser procesado por n máquinas, y cada trabajo deba ser procesado en
dichos artefactos en orden preestablecido, que no puede ser violado bajo ninguna
circunstancia.
Estos tipos de problemas pueden ser manejados con los métodos de programación
de evaluación básicamente. Hoy día existen una diversidad que atacan temáticas
netamente específicas y otros que las atacan de manera genérica, es decir, son
aplicables para muchos casos. A continuación se explicaran dos de ellos los
algoritmos genéticos y los de búsqueda tabú:
3.1. ALGORITMO GENETICO
Son métodos adaptativos para resolver problemas de búsqueda y optimización, el
cual debe su desarrollo a los principios básicos de Holland (1975) quien sustentado
en los procesos genéticos de los organismos vivos como la selección natural de los
seres y la supervivencia de los más fuertes idealizo una figura desarrollada en
poblaciones que compiten entre sí en la búsqueda de recursos tales como comida,
agua y refugio, y aquellos individuos que tienen más éxito en sobrevivir tienen mayor
probabilidad de generar un gran número de descendientes. Esto significa que los
genes de los individuos mejor adaptados se propagaran en sucesivas generaciones
hacia un número de individuos creciente.
Con relación a lo anterior se argumenta que el sustento de los algoritmos genéticos
usa una analogía directa con el comportamiento natural de la vida, donde cada
6. individuo representa una solución factible a un problema dado. A cada individuo se
le asigna un valor o puntuación, relacionado con la bondad de dicha solución, lo que
en la naturaleza equivaldría al grado de efectividad de un organismo de competir
por determinados recursos y de reproducirse más. De esta manera se produce una
nueva población de posibles soluciones, la cual reemplaza a la anterior verificando
la interesante propiedad que contiene una mayor proporción de buenas
características en comparación con la anterior. Así las buenas características se
propagan a través de la población. Lo que quiere decir que si el algoritmo genético
ha sido bien diseñado se convergerá hacia una solución óptima del problema.
A decir verdad esta técnica es muy robusta pues ataca gran variedad de problemas
de diversas áreas del conocimiento, pero a la verdad no garantiza siempre la
solución óptima del problema pero al menos se tiene seguro soluciones de un nivel
aceptable en un tiempo competitivo en relación con las otras técnicas o algoritmos.
Su campo de aplicación como se decía anteriormente es muy variado y lo que le da
una gran ventaja es que puede ser usado en problemas donde no existen técnicas
especializadas para casos específicos, hasta aquí este tipo de algoritmos han sido
implementados en los diseños automatizados de equipamiento industrial, diseños
de sistemas de distribución de agua, diseño de topologías de circuitos impresos,
diseños de topologías de redes computacionales, diseños automatizados de
sistemas de comercio en el sector financiero entre otros.
Según los principios de aplicación de esta técnica o metodología funcionalmente
este tipo de algoritmos trabajan con varios operadores genéticos:
Seleccionar: dos individuos de la anterior generación, para el cruce (probabilidad
de selección proporcional a la función de evaluación del individuo).
Cruzar: con cierta probabilidad los dos individuos obteniendo dos descendientes.
Mutar: los dos descendientes con cierta probabilidad.
Computar: la función de evaluación de los dos descendientes mutados.
Insertar los dos descendientes mutados en la nueva generación.
7. A continuación se evidencia un Mentefacto donde se estructuran las generalidades de los algoritmos genéticos:
8. 3.2. ALGORITMO BUSQUEDA TABÚ
Es una guía orientada a un procedimiento de búsqueda local para explorar un
espacio de soluciones más allá del óptimo, esta metodología surge de intentar dotar
de inteligencia a los antes mencionados algoritmos de búsqueda local tomando
principios claves de la inteligencia artificial, principalmente conceptos de memoria,
las cuales son implementadas mediante estructuras simples con el objetivo de dirigir
la búsqueda teniendo en cuenta la historia, de tal forma que se extrae la información
de lo sucedido y actúa en consecuencia de ello, es decir, que existen procesos de
aprendizaje en sus procedimientos y que la búsqueda termina siendo netamente
inteligente.
Su nombre “Búsqueda Tabú” se debe a su autor Fred Glover y está relacionado
con el concepto del término Tabú, el cual es una prohibición impuesta por
costumbres sociales como una medida de protección o sencillamente como algo
que constituye un riesgo, ¿De qué riesgo se habla? Pues del riesgo que se corre en
el proceso de buscar la solución óptima y que se decida seguir por un camino no
productivo abandonando la mejor opción. De hecho esto se convierte en su principal
desventaja pues que permite moverse a una solución aunque no se tan optima como
la actual de modo que se pueda escapar de óptimos locales y continuar la búsqueda
estratégica de soluciones en rutas nada alentadoras.
El Algoritmo Tabú tiene un aspecto característico muy ventajoso y es que puede ser
aplicado a expresiones simbólicas y verbales, donde no es necesario transformarlas
a expresiones matemáticas. Este se distingue meta heurísticamente de otros
algoritmos en sus mecanismos de selección del siguiente movimiento y también en
el uso de la memoria, pue posee una estructura basada en lista tabú (Linked List),
la cual debe su tamaño al tiempo o número de iteraciones que un elemento
permanece en la lista, este puede desaparecer de la lista mediante una operación
llamada olvido estratégico que es netamente basado en aspiraciones (Funciones
objetivo) de movimiento (se satisface cuando revoca la condición del movimiento) y
de atributo (revoca el status tabú del atributo), y contiene en su estructura las
9. soluciones visitadas recientemente, movimientos realizados recientemente y los
atributos de las soluciones vistas.
De acuerdo a lo anterior la memoria Tabú opera en cuatro dimensiones
fundamentales:
Calidad: que consiste a la habilidad para diferenciar el mérito de las soluciones, es
decir, identifica que las hace tan buenas e incentiva la búsqueda para reforzar las
acciones que conducen a una buena solución y desalienta a aquellas que conducen
a soluciones pobres.
Influencia: considera el impacto de las elecciones hechas durante la búsqueda,
mide el grado de cambio inducido en la estructura la solución.
Memoria basada en lo reciente (corto plazo): consiste en el lugar donde se
almacenan los últimos movimientos realizados, y que puede ser utilizada para
recordar aquellos movimientos que hacen caer de nuevo en soluciones ya
exploradas, con el objetivo de evitar los ciclos o loops en la búsqueda.
Memoria basada en Frecuencia (largo plazo): consiste en el lugar donde se
almacena los movimientos teniendo en cuenta las preferencias. La frecuencia a
menudo toma en cuenta las dimensiones de calidad de la solución e influencia del
movimiento.
A continuación se evidencia un Mentefacto donde se estructuran las generalidades
de los algoritmos de búsqueda tabú:
10.
11. 4. CONCLUSIÓN
En conclusión se puede argumentar que el problema de producción más básico se
ciñe alrededor de aquel que pretende el aprovechamiento más óptimo y la mejor
asignación de los recursos disponibles, sacando el máximo partido a la capacidad
existente, bien sea con el propósito de lograr el máximo retorno o beneficio o la
productividad mayor, o incluso para conseguir los costes totales mínimos dado un
nivel de producción, una vez satisfecha la demanda prevista para un periodo
concreto.
Estos problemas se pueden solucionar con metodologías capaces de desarrollar
trabajos automatizados para búsquedas de alternativas factibles de producción,
donde se tengan en cuenta los atributos, tiempos y recursos empleados para la
realización de la labor.
Se puede decir que los algoritmos genéticos y de búsquedas de Tabú ofrecen
ventajas para conseguir lo que se plantea y es imprescindible conocer todo lo
relacionado con ellos para poder aplicarlos: funcionamiento, campo de acción,
ventajas, desventajas etc. Ambos son robustos y complejos pero tienen la
capacidad de responder a los paradigmas planteados por las industrias del mundo.
Es de vital importancia que administradores e ingenieros conozcan estas
herramientas de trabajo para generar conocimiento y posicionar las organizaciones
con niveles altos de productividad y optimización.
12. 5. BIBLIOGRAFIA
Algoritmo de búsqueda aleatoria para la programación de la producción en
un taller de fabricación. Autor: Mario César Vélez Gallego, Carlos Alberto
Castro Zuluaga, Jairo Maya Toro.
Programación de la producción en sistemas de manufactura tipo taller con el
algoritmo combinado cuello de botella móvil y búsqueda Tabú. Autor: Rodrigo
Alberto Britto Agudelo, Gonzalo Mejía Delgadillo, Juan Pablo Caballero
Villalobos.
Modelo de planificación de producción para un sistema multi producto con
múltiples líneas de producción. Autor: Rodrigo Viveros E. Eduardo Salazar
H. Fecha: Junio 2010.
Algoritmos Geneticos – Autores: Abdelmalik Moujahid, Iñaki Inza y Pedro
Larrañaga Departamento de Ciencias de la Computación e Inteligencia
Artificial Universidad del País Vasco–Euskal Herriko Unibertsitatea.