Resumen

En la fabricacin de prendas de vestir, la experiencia y la evaluacin subjetiva de

los planificadores de produccin se utilizan con bastante frecuencia para planificar
los programas de produccin en sus departamentos de corte de telas. Las
cantidades de piezas cortadas producidas por los departamentos de corte de telas
basadas en estos horarios no sistemticos no pueden cumplir los requisitos de la
pieza de corte de las lneas de costura posteriores y minimizar el makespan. Este
documento propone un enfoque de algoritmos genticos (GA) para optimizar los
requisitos de las piezas de corte y el makepan de los departamentos de corte de
tejidos convencionales utilizando los mtodos de extensin y corte manual. Se
desarroll un modelo de optimizacin para el proceso manual de corte de telas
basado en GA. Se recopilaron dos conjuntos de datos de produccin para validar
el rendimiento del modelo y se obtuvieron los resultados experimentales. A partir
de los resultados, se puede observar que se mejoran las tasas de cumplimiento
tanto de makespan como de corte, en las cuales esta ltima mejora
significativamente.

Conclusion

Este documento propone un enfoque de algoritmos genticos para resolver el

problema de optimizacin del proceso manual de corte de telas para la fabricacin
de prendas de vestir. Se llevaron a cabo experimentos para validar el rendimiento
del mtodo propuesto. Los resultados experimentales han indicado que los
cronogramas de produccin (propagacin y corte) generados por GA pueden
mejorar tanto la tasa de cumplimiento de la pieza cortada como la marca utilizando
el mismo nmero de operarios. Los resultados tambin indicaron que la
administracin de la planta de produccin en la industria es capaz de generar un
cronograma de produccin con una marca corta, ya que solo se puede obtener
una ligera mejora utilizando el enfoque de GA. Sin embargo, su calendario con un
makespan corto no puede garantizar que las piezas cortadas proporcionadas por
el departamento de corte puedan cumplir con los requisitos de las lneas de
costura. El enfoque de GA propuesto se ha demostrado como un mtodo eficaz
para aumentar significativamente las tasas de cumplimiento de piezas cortadas, lo
que afecta directamente la suavidad de los procesos de ensamblaje de prendas de
vestir descendentes y, por lo tanto, el tiempo de entrega final de las prendas para
los clientes. Se estn investigando las extensiones del mtodo propuesto para
incorporar la influencia del nivel de habilidad de los operarios, las caractersticas
de la tela, la complejidad del estilo de la indumentaria, etc. en el cronograma de
produccin utilizando el concepto difuso.
1. Introduccin

En la fabricacin de prendas de vestir, el corte de telas se realiza antes del

ensamblaje. El rendimiento del departamento de corte, que generalmente es
ignorado por los fabricantes, es un factor crtico en la suavidad de las operaciones
aguas abajo en las lneas de costura y, por lo tanto, en la eficiencia general de la
planta de fabricacin de prendas de vestir. Desde finales de los aos 80, algunos
fabricantes de prendas de vestir han implementado los sistemas computarizados
de corte de tejidos en su proceso de fabricacin de prendas de vestir. Las
demandas de los departamentos de corte de telas para una mayor precisin, un
rendimiento ms rpido, un mayor ahorro de tejido y mano de obra han impulsado
la adopcin de sistemas de corte computarizados. Sin embargo, muchos
fabricantes todava confan en el mtodo manual para las operaciones de
extensin y corte de tejidos en su departamento de corte de telas. Antes de que
comiencen las operaciones diarias de esparcimiento y corte, los planificadores de
produccin de los departamentos de corte deben planificar el programa de
produccin (esparcimiento y corte) para minimizar el tiempo de inactividad de los
operarios y cumplir los requisitos de las piezas de corte de diferentes lneas de
produccin de costura.

La planificacin de la produccin se basa normalmente en su experiencia y

evaluacin subjetiva, que no es un mtodo sistemtico y no se puede obtener un
cronograma ptimo. Como resultado, se producen tiempos de inactividad en los
operarios de extensin y corte, lo que a su vez aumenta el margen general de los
departamentos de corte. Las cantidades de piezas de corte producidas no pueden
cumplir los diferentes requisitos de cada lnea de produccin de costura aguas
abajo. Como la mayora de los fabricantes e investigadores de indumentaria
enfatizan la importancia del proceso de costura, se han realizado investigaciones
para mejorar el funcionamiento de las lneas de costura. Sin embargo, la
productividad de los departamentos de corte, que juega un papel importante en el
flujo suave de trabajo en las lneas de costura y, por tanto, toda la planta de
fabricacin, a menudo se descuida. Jones [1] investig un sistema de carga de
mesa en el que se propuso una relacin de dispersin / corte aproximada
comparando el tiempo total de dispersin estimado con el tiempo de corte total
estimado para ayudar a la administracin a manejar los problemas de equilibrio.
Cuanto mayor sea la relacin de dispersin / corte para un margen especfico a
partir de la relacin ptima, ms espectacular ser el efecto de esta dispersin en
el equilibrio de las tablas. Sin embargo, la determinacin de las asignaciones
operativas se bas en las experiencias y la evaluacin subjetiva de los
planificadores de produccin de los departamentos de corte. Otra limitacin es que
las decisiones se toman "segn sea necesario" sin planificacin. Hui et al. [2]
intent resolver el problema de la planificacin de rollos de tela en la difusin
utilizando algoritmos genticos. Las combinaciones ptimas de las secuencias de
rollo de tela para cada disposicin de tejido se derivaron con el fin de minimizar el
desperdicio de tela durante la dispersin. Aunque se estudi la secuencia del rollo
de tela para cada tejido, no se consider la secuencia de extensin para todas las
capas de tela, que tiene un gran impacto en la productividad de los departamentos
de corte. La falta de planificacin y programacin adecuadas causa mucha
angustia entre los fabricantes cuando el suministro de piezas cortadas no cumple
con los requisitos de las unidades de produccin. Skyes y McGregor [3]
propusieron el uso de tecnologa orientada a objetos para disear un modelo de
simulacin por computadora para los procesos de fijacin y corte en la fabricacin
de prendas de vestir, de modo que el gerente de corte de tejidos de los
departamentos de corte de tejidos pueda estimar los efectos de la asignacin de
diversos recursos a cumplir con los objetivos de produccin. Wong et al. [4]
propuso un modelo de secuencia de corte y dispersin para minimizar el tiempo de
inactividad de un sistema computarizado de corte de telas. Se han descuidado los
estudios para optimizar el cumplimiento de la pieza cortada, que se refiere a las
cantidades de piezas cortadas requeridas por las lneas de costura. Este es un
factor crtico en la suavidad de las operaciones posteriores en las lneas de
costura, lo que afecta sustancialmente la eficiencia general de la planta de
indumentaria y la fecha de entrega de toda la orden de produccin.

2 Mecanismo de insercin laboral en sistemas manuales de corte de telas

Uno de los principales objetivos de un problema de secuencia de trabajo es

minimizar el tiempo makespan / inactivo. El mecanismo de colocacin de trabajo
de un sistema de corte manual se describe por primera vez para explicar la forma
de calcular el tiempo makespan. El sistema de corte manual investigado en este
proyecto se asume como un modelo eficiente.

El modelo se refiere a las piezas de tela que se retiran, despus de las

operaciones de esparcimiento y corte, desde las mesas de distribucin para las
operaciones de agrupamiento, lo que puede ayudar a hacer espacio para la
expansin de la nueva tela. En un departamento eficiente de corte de telas, se
asigna un grupo de cuatro operarios a cada mesa de expansin. El grupo est
dividido en dos subgrupos en los que dos operarios son responsables de la
difusin de la tela. Los operarios restantes son responsables de cortar la capa de
tela que ya se ha extendido. La divisin del trabajo permite a los operarios
concentrarse en sus operaciones competentes, por lo tanto mejorando la eficiencia
general de la operacin. Los operarios de propagacin deben continuar
diseminando nuevas puestas de tela (trabajos) una vez que hayan terminado los
trabajos actuales. El objetivo es reducir el retraso debido al cambio de la
dispersin al corte. Sin embargo, debido a la longitud limitada de las tablas de
distribucin, el tiempo de inactividad puede ocurrir cuando no hay suficiente rea
libre en la tabla de expansin disponible para la nueva disposicin de la tela. En
un departamento de corte con mltiples tablas de distribucin, m, se aplica una
regla first-come-firstserve. Para una secuencia de trabajo dada, los trabajos se
asignan a diferentes tablas de distribucin con el uso de las siguientes reglas:

3.1 Codificacin o representacin

En este documento, los algoritmos genticos (GA) se utilizan para optimizar la

secuencia de procesamiento de trabajos en un departamento de corte manual de
tejidos. Para aplicar GA en la solucin de un problema de optimizacin industrial,
generalmente se supone que una posible solucin al problema puede
representarse como un conjunto de variables. Estas variables ("genes") se unen
para formar una cadena de valores ("cromosoma"). La cadena puede ser de
dgitos binarios, enteros o nmeros reales. Aunque la representacin binaria
propuesta por Holland [5] es la ms ampliamente aceptada, las GA no estn
restringidas a la representacin binaria. La eleccin de representacin en GA est
relacionada con la naturaleza del problema. En este problema de secuencia de
trabajo, es conveniente usar representaciones de cromosomas enteros para
indicar las secuencias de trabajo. Se puede observar que la secuencia de
configuracin (dispersin) es la misma que la secuencia de procesamiento (corte)
en los sistemas de corte manual.

A continuacin se muestra un ejemplo de representacin de cromosomas enteros.

Cromosoma: 3 7 10 1 2 5 8 4 6 9

Secuencia de trabajos: X3 X7 X10 X1 X2 X5 X8 X4 X6 X9

Se ha definido desde el principio en la nomenclatura que cada trabajo tiene sus
atributos como el nmero de orden de produccin (PO), , nmero de prendas, ,
tiempo de dispersin, s, tiempo de corte, c, etc.

Nomenclatura

X Job (endecha de tela)

N Nmero mximo de trabajos

i Orden de configuracin de trabajos (difusin) e i = 1, 2, ..., N

j Orden de procesamiento de trabajo (corte) yj = 1, 2, ..., N

i, j Configuracin y secuencia de procesamiento de trabajos

Orden de produccin del trabajo X y = 1, 2, ..., PO

Cantidad de prendas de trabajo X

Longitud del tejido del trabajo X

s (Xi) Tiempo de configuracin (difusin) del trabajo Xi

c (Xj) Tiempo de procesamiento (corte) del trabajo Xj

m Nmero de mesas de distribucin en el departamento de corte de telas

3.2 Funcin de aptitud

En GA, una funcin de aptitud fsica se define para medir la aptitud de cada
cromosoma individual para determinar qu reproducir y sobrevivir en la prxima
generacin. Por lo tanto, dado un cromosoma particular, una funcin de aptitud
devuelve un nico puntaje numrico, "aptitud", que es proporcional a la
"capacidad" del individuo que representa el cromosoma. El puntaje de "aptitud"
asignado a cada individuo en la poblacin depende de qu tan bien resuelva ese
individuo un problema especfico. En la mayora de los problemas de secuencia de
trabajo, minimizar el tiempo makespan / inactivo sera el objetivo. En un entorno
de departamento de corte de telas, la secuencia de trabajos a veces no solo
requiere minimizar el makespan, sino que tambin requiere maximizar las tasas de
cumplimiento de las piezas cortadas. Deje denotar el conjunto de secuencias
factibles entre capas de tejido (trabajos). Para una secuencia dada , la
aptitud () se puede definir como
3.3 Inicializacin

El procedimiento de evolucin comienza al generar aleatoriamente una poblacin

inicial de cadenas enteras (cromosomas) en la que cada cadena representa una
secuencia de procesamiento, , del trabajo. Cada cromosoma se procesa de
acuerdo con el mecanismo de insercin de trabajo de corte manual descrito en la
Seccin. 2, y de este modo obtiene el tiempo makespan y las tasas de
cumplimiento de piezas de corte que facilitan la evaluacin de la aptitud utilizando
Eq. 1.

3.4 Operadores genticos

En las GA, el cruce y la mutacin son los dos principales operadores genticos
que proporcionan variaciones genticas a la poblacin al generar cambios
cromosmicos. Crossover, como su nombre lo indica, intercambia informacin
("gen") entre los cromosomas. La mutacin altera al azar algunos genes en los
cromosomas. Sin embargo, la aplicacin de dichos operadores genticos puede
causar la prdida de funciones en algunos genes y dar lugar a soluciones no
factibles. Con el fin de evitar una solucin no factible en el problema de secuencia
de trabajo, se adoptan las mutaciones cruzadas y de inversin basadas en
rdenes uniformes.

3.4.1 Crossover basado en orden uniforme

El filtro cruzado basado en orden uniforme tiene los siguientes procedimientos.

1. Seleccione aleatoriamente dos padres para el apareamiento de la poblacin.

2. Genere una cadena binaria de mscara con la misma longitud que sus padres.

3. Complete algunas de las posiciones en los nios copindolas de los padres

dondequiera que la cadena binaria de la mscara contenga un "1".

4. Despus de eso, se registra una lista de los elementos en los padres asociados
con un "0" en la cadena de mscara y estos elementos se permutan para que
aparezcan en el mismo orden en que aparecen en los padres coincidentes.

5. Finalmente, estos elementos permutados se llenan en los vacos en los nios

en el orden generado en el paso anterior.

El crossover uniforme basado en orden conserva parte del primer padre mientras
incorpora informacin del segundo padre. Ms especficamente, este operador
respeta las posiciones absolutas de trabajos en una programacin y los pedidos
relativos de trabajos en la otra cadena.

La Figura 1 ilustra el crossover uniforme basado en orden empleado en este

problema de secuencia de trabajo. Crossover no se aplica generalmente a todos
los pares de individuos seleccionados para el apareamiento. De hecho, la
operacin de cruce es un proceso aleatorio con una probabilidad de aplicacin,
que se denomina probabilidad de cruce: una probabilidad tpica de cruce es entre
0.6 y 1.0. Si no se aplica el cruce, la descendencia se produce simplemente
duplicando a los padres.

3.4.2 Mutacin de inversin

En GA, la mutacin es otro operador gentico que se aplica a cada descendencia.

En comparacin con el cruce, la mutacin solo se ve como un operador de "fondo"
en GA. Sin embargo, investigaciones previas muestran que aunque la mutacin es
de una probabilidad de uso generalmente baja (valor pequeo de la probabilidad
de mutacin), es un operador muy importante porque se vuelve ms productivo
mientras la poblacin converge [6]. En este estudio de secuencia de trabajo, se
usa la mutacin de inversin. Bajo la mutacin de inversin, se eligen dos puntos
aleatoriamente a lo largo del cromosoma. Los genes dentro de las dos posiciones
seleccionadas se invierten en orden y el resto de los genes se dejan como
estaban en el elemento primario. Por lo tanto, por ejemplo,

La Fig. 2 muestra una ilustracin en la que los genes entre el quinto gen y el
sptimo gen estn mutados.

3.5 Seleccin de padres

En la naturaleza, diferentes individuos compiten por los recursos en el medio

ambiente. Algunos son mejores que otros. Los mejores tienen ms probabilidades
de sobrevivir y propagar sus materiales genticos. Este proceso de seleccin
natural se imita en GA utilizando esquemas de seleccin en los que los
cromosomas parentales con mayor aptitud tienen una mayor probabilidad de
producir descendencia que las cadenas parentales con menor aptitud fsica. Uno
de los esquemas de seleccin ms utilizados es el llamado "esquema de rueda de
ruleta sesgada" en el que cada cadena actual de la poblacin tiene una ranura de
rueda de ruleta en proporcin a su estado fsico [7]. El esquema de ruleta sesgada
puede describirse de la siguiente manera:
En la seleccin de ruleta, la posibilidad de que un padre sea seleccionado es
directamente proporcional a su estado fsico. En el ejemplo que se muestra en la
figura 3, de una poblacin de diez cromosomas con un conjunto de evaluaciones
de aptitud que totalizan 80, seis individuos son seleccionados por el esquema de
rueda de ruleta sesgada, segn seis nmeros aleatorios generados a partir del
intervalo de 0 a 80.

3.6 Elitismo

Dado que los procesos de seleccin de rueda de ruleta sesgados se basan en la

supervivencia del ms apto y son de naturaleza aleatoria, no hay garanta de que
se seleccionen algunas personas en forma. Para mejorar el mecanismo de
seleccin, De Jong [8] introdujo el elitismo. Elitismo es una adicin a muchos
mtodos de seleccin que obliga a las AG a retener a algunos de los mejores
individuos en cada generacin. Esta estrategia elitista copia a los mejores
individuos de cada generacin directamente en la siguiente generacin. Esos
individuos pueden perderse si no se seleccionan para reproducirse o si se
destruyen por cruce o mutacin. La estrategia elitista puede aumentar la velocidad
de dominacin de las poblaciones utilizando las mejores personas y proporcionar
una mejora en el rendimiento de las AG. El elitismo se considera as en este
problema de secuencia de trabajo.

3.7 Evolucin

Despus de la inicializacin, la evolucin se produce de acuerdo con las

operaciones genticas estndar de cruce, mutacin y seleccin. Se permite que el
proceso evolutivo contine hasta que no se obtenga un aumento adicional en la
finura de la secuencia binaria ms adecuada o se alcance el nmero mximo
predefinido de generaciones. Por lo tanto, se obtendr la secuencia ms adecuada
y se podr determinar la secuencia de trabajo ptima. Las operaciones de GA se
pueden representar mediante un diagrama de flujo como se muestra en la Fig. 4.

Las secuencias de trabajo para los casos, A y B, adoptadas por la prctica

industrial se muestran en las Figs. 6 y 7, y las secuencias de trabajo generadas
por los GA se muestran en las Figs. 8 y 9, respectivamente. Los resultados
obtenidos por GA se maximizan para
la funcin de aptitud explicada en Eq. 1, donde el tiempo de finalizacin del
objetivo (makespan) es Ttarget = 960 min y las tasas de cumplimiento de la pieza
cortada se evalan en dos tiempos de comprobacin, 480 min y 960 min, para
ambos casos A y B. Asumiendo la aptitud makespan, makespan ( ), y la aptitud
de cumplimiento de piezas cortadas, orden (), son de igual ponderacin, por lo
que los parmetros de ponderacin se definen como w ()

= 1 para todas las rdenes de produccin. Las rdenes de produccin totales

son PO = 9 y PO = 6 para los casos A y B, respectivamente.

Los objetivos de produccin en el tiempo de verificacin 480 y 960 min se

enumeran en la Tabla 2.

Las tasas de cumplimiento de makespan y corte se comparan en la Tabla 3 para

secuencias de trabajo adoptadas por la prctica industrial y aquellas optimizadas
por GA. Se puede encontrar que con el uso de GA, el makespan se mejor
ligeramente de 1209 a 1200 min para el caso A y de 1209 a 1203 min para el caso
B. Adems de la mejora de makespan, las tasas de cumplimiento de la pieza de
corte a los tiempos se mejoraron significativamente. En el caso A, las tasas
promedio de cumplimiento de la pieza cortada aumentaron de 64 a 86% y de 82 a
85% en el tiempo de verificacin 480 y 960 minutos, respectivamente. En el caso
B, las tasas promedio de cumplimiento de corte han aumentado de 61 a 89% y de
75 a 87%.