Documente Academic
Documente Profesional
Documente Cultură
El principal objetivo de todas las organizaciones es lograr una utilización óptima de sus
recursos y de esta manera contribuir a la consecución de los objetivos empresariales, los recursos
operativos se constituyen en los de mayor importantes para organizaciones de tipo industrial, ya que
permiten a esta contar con los productos necesarios para satisfacer la demanda existente, demanda
que con el pasar del tiempo se ha vuelto más exigente exigiendo en muchos casos pasar de una
producción en masa a una producción basada en las especificaciones del cliente para determinado
producto, razón por la cual han surgido Sistemas de Planeación y Control de la Producción que
busquen establecer una relación provechosa entre todos los elementos del sistema de manera que
se pueda obtener el mejor resultado de los recursos disponibles (Rodriguez, 2010).
Se debe tener en cuenta que cuando se realiza programación de tareas en máquinas se está
trabajando con recursos limitados por un periodo de tiempo, donde la principal restricción es la
capacidad de estos recursos, por lo cual los diferentes métodos de programación se constituyen en
un problema de optimización que puede perseguir varios objetivos, por lo que las decisiones deben
ir encaminadas a toma decisiones que permitan realizar una mejor asignación de los recursos
teniendo en cuenta las restricciones de temporalidad asociadas a los trabajos a programar (Delgado,
Cortes, & Duarte, 2005)
Reglas de Asignación
Primero en Entrar Primero en Esta regla procesa los trabajos en el orden que llegan al área
Procesarse - PEPP de producción
Algoritmo de Johnson
El objetivo de este método es reducir el tiempo de transito de los trabajos en el sistema, este
método consta de los siguientes pasos (Jacobs & Chase, 2014):
Algoritmo de Campbell
Sugiere dividir el problema Fm||Cmax en m-1 problemas con dos “pseudo” maquinas a y b.
Donde Los m-1 problemas viene de agrupar las maquinas en dos conjuntos así:
Tabla 2. Agrupación de Tareas en Pseudo Maquinas según Campbell
PROBLEMA # Pseudo Maquina a Pseudo Maquina b
1 1 m
2 1,2 m-1,m
3 1,2,3 m-2,m-1,m
… … …
m-1 1,2,3,…,m-1 2,3,…,m
Luego de realizar esta agrupación de las tareas en 2 pseudo maquinas se suman los tiempos
de cada grupo y se aplica el algoritmo de Johnson, se grafican las secuencias y se obtiene el tiempo
de flujo máximo que se convierte en la mejor respuesta de los m-1 problemas.
Heurística de Gupta
Según lo establecido por Gupta (1972) los problemas de programación van más allá de
perseguir el objetivo de reducir el makespan (tiempo que transcurre desde el inicio hasta el final de
un trabajo), sino que deben perseguir otros muchos objetivos por lo que propone heurísticas que
buscan disminuir tanto el makespan como el tiempo de flujo de los trabajos.
Algoritmo de Jackson
Este algoritmo se utiliza para los problemas de líneas de producción bajo ambiente job shop,
donde existen un grupo de máquinas distintas que realizan trabajos distintos y cada trabajo tiene una
secuencia diferente (Vicentini & Puddu, 2003), este algoritmo amplió el algoritmo de Johnson para
minimizar el lapso de producción para la producción continua en dos máquinas.
Los trabajos se procesan en dos máquinas (M1 - M2) y se pueden dividir en cuatro
categorías:
PASO 1. Programar los trabajos de Tipo 1 y Tipo 2 en cualquier orden y obtener las
secuencias S1 y S2.
PASO 2. Programar los trabajos de Tipo 12 y Tipo 21 de acuerdo con el algoritmo de
Johnson y obtener las secuencias S12 y S21 (hay que tener en cuenta que, en la secuencia
S21, M2 es la primera máquina y M1 la segunda máquina).
El principal objetivo de este algoritmo es el de eliminar los tiempos ociosos y garantizar que
los trabajos en la secuencia lleguen a la maquina antes de ser solicitados, razón por la cual cada
máquina primero procesa los trabajos que van a ser procesados luego por otra máquina, en segundo
lugar, los trabajos que solo se procesan en esa máquina y en último lugar los trabajos provenientes
de otra máquina.
Problemas de Programación
A continuación, se procederá a mostrar cómo estas reglas son utilizadas en las diferentes
situaciones presentes en una planta de producción mencionadas anteriormente, donde se
evidenciará la aplicación de cada regla y los pasos correspondientes para realizar la programación
de trabajos.
Teniendo en cuenta estos parámetros se obtienen mediciones que permiten conocer los
resultados y la eficiencia de la programación realizada. Estas mediciones son:
Estos casos aplican cuando se tiene un listado de trabajos finito que deben ser procesados
en una máquina, donde la regla de asignación depende del objetivo de la empresa al realizar su
programación, a continuación, se procede a realizar un ejemplo por diferentes reglas de asignación
y se procede a comparar los resultados de las mediciones obtenidas:
Ejemplo
Todos los pedidos deben pasar por la misma máquina y se debe determinar
la mejor secuencia para estos trabajos.
En primer lugar, se tomará en cuenta la regla PEPP, la cual les brinda prioridad a
los trabajos de acuerdo a su orden de llegada, por lo que la programación se realizará en el
mismo orden entregado por la tabla, de la siguiente manera:
A B C D E
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Ci 3 7 9 15 17
di 5 6 7 9 2
Li -2 1 2 6 15
Ti 0 1 2 6 15
Ei 2 0 0 0 0
En la imagen anterior se muestran los parámetros y las mediciones realizadas para el grupo
de trabajos listados, a continuación, se procederá a resolver de acuerdo a la regla TPC la cual busca
reducir el tiempo de flujo de los trabajos en el sistema, por lo cual el orden quedaría de la siguiente
manera:
Tiempo de
Trabajo Plazo (di)
Procesamiento (pi)
E 1 2
C 2 7
A 3 5
B 4 6
D 6 9
La programación de esta secuencia se muestra a continuación:
E C A B D
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Ci 1 3 6 10 16
di 2 7 5 6 9
Li -1 -4 1 4 7
Ti 0 0 1 4 7
Ei -1 -4 0 0 0
En comparación a la regla anterior se puede observar como la regla actual mejora los
indicadores, disminuyendo el tiempo de flujo de los trabajos en el sistema y reduciendo de la misma
manera retrasos y tardanzas, así como el número de trabajos tardíos. A continuación, se resuelve
por la regla FEC, la cual persigue el objetivo de reducir los retrasos y tardanzas dentro del sistema,
con la aplicación de esta regla el orden queda de la siguiente manera:
Tiempo de
Trabajo Plazo (di)
Procesamiento (pi)
E 1 2
A 3 5
B 4 6
C 2 7
D 6 9
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Ci 1 4 8 9 16
di 2 5 6 7 9
Li -1 -1 2 2 7
Ti 0 0 2 2 7
Ei -1 -1 0 0 0
En este caso en particular no hay diferencias significativas en cuanto a los resultados de las
mediciones realizadas, por último, cuando se desea disminuir el número de trabajos tardíos
presentes en una secuencia se utiliza el algoritmo de Hodgson luego de resolver por la regla FEC,
el cual sería como sigue:
E A B c D
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Ci 1 4 8 9 16
di 2 5 6 7 9
Li -1 -1 2 2 7
Ti 0 0 2 2 7
Ei -1 -1 0 0 0
Paso 2. Identificar el trabajo más largo, en posiciones anteriores a la del primer trabajo
tardío.
E A B c D
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Ci 1 4 8 9 16
di 2 5 6 7 9
Li -1 -1 2 2 7
Ti 0 0 2 2 7
Ei -1 -1 0 0 0
E B c D A
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Ci 1 5 7 13 16
di 2 6 7 9 5
Li -1 -1 0 4 11
Ti 0 0 0 4 11
Ei -1 -1 0 0 0
Minimizar el tiempo de flujo, el lapso de producción y la tardanza máxima. (Se cuenta con dos
máquinas en paralelo idénticas).
Trabajo Pi di
1 10 20
2 8 24
3 16 18
4 12 36
5 14 30
6 6 14
7 10 26
En primer lugar, se resuelve por la regla TPC buscando minimizar el tiempo de flujo en el
sistema de cada trabajo, el orden quedaría como sigue:
Trabajo Pi di
6 6 14
2 8 24
1 10 20
7 10 26
4 12 36
5 14 30
3 16 18
Para el caso en que se busque minimizar el tiempo de lapso de producción se utiliza la regla
TPL, por lo que la secuencia de trabajos para el caso en estudio quedaría de la siguiente manera:
Trabajo Pi di
3 16 18
5 14 30
4 12 36
1 10 20
7 10 26
2 8 24
6 6 14
M1 3 1 7
M2 5 4 2 6
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44
Por último, se realiza la programación utilizando la regla FEC, dándole prioridad a los
trabajos que tienen la fecha de entrega más próxima, por lo cual la secuencia quedaría como sigue:
Trabajo Pi di
6 6 14
3 16 18
1 10 20
2 8 24
7 10 26
5 14 30
4 12 36
Por lo que la programación y las mediciones de la secuencia descrita seria como sigue:
M1 6 1 2 5
M2 3 7 4
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43
Como se puede observar, para el caso estudiado la regla que brinda mejores resultados en
la FEC, ya que minimiza el tiempo de flujo en el sistema de todos los trabajos, reduce retrasos,
tardanzas y número de trabajos tardíos, permitiendo de esta manera la consecución de la entrega
de los trabajos de acuerdo a lo solicitado por los clientes.
Estos casos se presentan en ambientes flowshop con 2 máquinas donde es necesario que
un trabajo termine de procesarse en una maquina A para luego ser procesada en una maquina B, y
además cada máquina realiza una tarea diferente y posee tiempos de procesamiento diferentes, en
esta situación se utiliza el algoritmo de Johnson la cual busca reducir el tiempo de transito de los
trabajos dentro del sistema desde el punto que comienza el primer trabajo de la secuencia hasta la
terminación del último trabajo (Jacobs & Chase, 2014).
Para ilustrar este caso, se procede a resolver el siguiente caso en donde se tienen 4 trabajos
que deben ser procesados en dos máquinas distintas, siguiendo el procedimiento establecido pro
Johnson se tiene:
Observando los tiempos de operación descritos en la tabla se puede observar que el más
breve es el correspondiente al trabajo A en la maquina dos, por lo que este trabajo se traslada a lo
último de la secuencia; en segundo lugar, el tiempo más corto es el correspondiente al trabajo D en
la maquina 2 trasladándose al final de la secuencia; en tercer lugar se encuentra el correspondiente
al trabajo C en la maquina 1, por lo que se traslada al inicio de la secuencia; por último se toma el
correspondiente al trabajo B en la maquina 1 por lo que este se traslada al inicio de la secuencia
quedando en segundo lugar, por lo que la secuencia queda C-B-D-A, teniendo en cuenta que se los
trabajos se procesan primero en la maquina 1 y luego se procesan en la maquina 2, la programación
queda de la siguiente manera.
M1 C B D A
M2 OCIOSO C B D A
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
El algoritmo de Johnson descrito anteriormente sirve para ambientes flowshop donde solo
hay 2 máquinas, realizando una ampliación este a un problema n/3 Campbell planteo un algoritmo
en el cual se agrupan las 3 máquinas en 2 pseudo máquinas, permitiendo resolver por Johnson, sin
embargo, para casos de más de 3 máquinas estos algoritmos no proveen una solución óptima, por
lo cual en ambientes flowshop se tienen m maquinas en serie, donde cada trabajo debe seguir la
misma ruta y donde no puede pasar a una maquina sin haber terminado de ser procesado en la
anterior, dada la falta de métodos para la solución de este problema se han desarrollado un gran
número de heurísticas para entregar una solución cercana a la óptima, para estas situaciones se va
a aplicar la heurística planteada por Gupta, en la cual se procede en primer lugar al cálculo de un
índice Sj, como vamos a ver en el siguiente caso de 10 trabajos en 5 máquinas (Restrepo J. H.,
2011):
Ecuación 2. Índice Sj.
𝑒𝑗
𝑆𝑗 =
𝑚𝑖𝑛𝑡≤𝑘≤𝑚−1 {𝑡𝑘,𝑗 + 𝑡𝑘+1,𝑗 }
MAQUINAS
TAREA
1 2 3 4 5
1 3 7 3 3 2
2 10 4 9 9 8
3 7 6 3 1 10
4 2 3 1 7 1
5 3 2 4 2 4
6 10 8 7 10 8
7 9 1 10 4 4
8 10 5 8 1 5
9 8 2 9 4 1
10 6 1 7 4 4
ej 𝑡𝑘,𝑗 + 𝑡𝑘+1,𝑗 Sj
1 10 10 6 5 0.20
1 14 13 18 17 0.08
-1 13 9 4 11 -0.25
1 5 4 8 8 0.25
-1 5 6 6 6 -0.20
1 18 15 17 18 0.07
1 10 11 14 8 0.13
1 15 13 9 6 0.17
1 10 11 13 5 0.20
1 7 8 11 8 0.14
Luego de esto se ordenan los índices Sj de menor a mayor, la secuencia resultante de este
ordenamiento es la que se toma para la programación de las tareas en las maquinas, teniendo en
cuenta los tiempos ociosos que se generen de la misma y calculando el Cmax como medida de
eficiencia, la secuencia queda de la siguiente manera:
Sj TAREA
-0.25 3
-0.2 5
0.06666667 6
0.07692308 2
0.125 7
0.14285714 10
0.16666667 8
0.2 1
0.2 9
0.25 4
En estos casos cada trabajo consta de un conjunto de operaciones con una secuencia
específica diferente para cada trabajo a realizar, las cuales requieren de una máquina para su
procesamiento y cada máquina puede realizar sólo una tarea a la vez, ubicándose estos problemas
dentro de la categoría NP-difícil, donde el principal objetivo de la programación es minimizar el tiempo
de desarrollo de los trabajos, constituyéndose en un problema de optimización combinatoria (𝑁!)𝑚
siendo los métodos más reconocidos las heurísticas: Colonia de Hormigas, Tabú Search, Recocido
Simulado, Algoritmo Genético, Redes Neuronales.
Determine el programa de lapso óptimo para los siguientes datos de producción intermitente
con dos máquinas.
Job i 1 2 3 4 5 6 7 8 9
Ruta AB AB BA AB BA BA A B A
Pi1 10 2 4 8 5 12 7 -- 14
Pi2 2 4 5 8 6 9 -- 15 --
Para realizar la programación utilizando el Algoritmo de Jackson se siguen los siguientes pasos:
PASO 1. Programar los trabajos de Tipo 1 y Tipo 2 en cualquier orden y obtener las
secuencias S1 y S2.
Trabajos Tipo 1: 7 y 9
Trabajos Tipo 2: 8
PASO 2. Programar los trabajos de Tipo 12 y Tipo 21 de acuerdo con el algoritmo de Johnson
y obtener las secuencias S12 y S21 (hay que tener en cuenta que, en la secuencia S21, M2
es la primera máquina y M1 la segunda máquina).
Trabajos Tipo 12: 1, 2 y 4
Trabajos Tipo 21: 3, 5 y 6
Los problemas de programación son diversos y únicos, por lo que al momento de realizar un
proceso de programación de trabajos en máquinas se debe buscar la regla o método que mejor se
ajuste a las características del taller en el cual se va a realizar la programación, así como el objetivo
perseguido por la organización y de esta manera lograr la máxima eficiencia en el uso de los recursos
de la organización.
REFERENCIAS BIBLIOGRAFICAS
Delgado, E., Cortes, C. J., & Duarte, O. (08 de 2005). Aplicación de Algoritmos Genéticos para la
Programación de Tareas en una Celda de Manufactura. Ingeniería e Investigación, 25(2),
24-31. Obtenido de http://www.scielo.org.co/pdf/iei/v25n2/v25n2a03.pdf
Heizer, J., & Render, B. (2009). Principios de Administracion de Operaciones (7 ed.). Naucalpan:
Pearson Educacion.
Lemus, A. J., & Cuadros, L. A. (13 de 05 de 2008). Aplicación de la teoría de restricciones (TOC) a
los procesos de producción de la planta de fundición de Imusa. Soluciones de Postgrado
EIA(2), 121-133. doi:doi: http://repository.eia.edu.co/handle/11190/635
Manotas Duque, D. F., Manyoma Velasquez, P. C., & Rivera Cadavid, L. (Septiembre de 2000).
Hacia una Nueva Metrica Financiera Basada en Teoria de Restricciones. Estudios
Gerenciales, 16(76), 61-75. Obtenido de
http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0123-
59232000000300005&lng=en&tlng=es
Marin Marin, W., & Gutierrez Gutierrez, E. V. (Junio de 2013). Desarrollo e Implementacion de un
Modelo de Teoria de Restricciones para Sincronizar las Operaciones en la Cadena de
Suministro. Revista EIA, 10(19), 67-77. doi:https://doi.org/10.24050/reia.v10i19.497
Peña Orozco, D. L., Neira García, Á. M., & Ruiz Grisales, R. A. (09 de 2016). Aplicación de técnicas
de balanceo de línea para equilibrar las cargas de trabajo en el área de almacenaje de una
bodega de almacenamiento. Scientia et Technica, 21(3), 239 - 247. Obtenido de
https://dialnet.unirioja.es/servlet/articulo?codigo=5447359
Render, B., & Heizer, J. (2007). Administracion de la Produccion (1 ed.). Naucalpan de Juarez:
Pearson Educacion.
Restrepo, J. H., Medina, P. D., & Cruz, E. A. (12 de 2008). PROBLEMAS DE BALANCEO DE LÍNEA
SALBP-1 Y SALBP-2: UN CASO DE ESTUDIO. Scientia et Technica, XIV(40), 105-110.
Obtenido de https://www.redalyc.org/html/849/84920454020/
Royo, J., Lamban, M. P., & Rivas, A. M. (12 de 09 de 2007). ESTUDIO Y ANÁLISIS DE REGLAS Y
ALGORITMOS DE PROGRAMACIÓN DE LA PRODUCCIÓN. Primer Congreso de Logística y
Gestión de la Cadena de Suministro. Obtenido de
https://www.researchgate.net/profile/Jesus_Royo/publication/255639255_ESTUDIO_Y_A
NALISIS_DE_REGLAS_Y_ALGORITMOS_DE_PROGRAMACION_DE_LA_PRODUCCION/links/5
4f84f420cf28d6deca1869e/ESTUDIO-Y-ANALISIS-DE-REGLAS-Y-ALGORITMOS-DE-
PROGRAMACION-DE-LA-PRODUCCION.pdf
Salazar-Hornig, E., & Medina-S., J. (03 de 2013). Minimización del makespan en máquinas paralelas
idénticas con tiempos de preparación dependientes de la secuencia utilizando un
algoritmo genético. Ingeniería, investigación y tecnología, 14(1), 43-51. Obtenido de
http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-
77432013000100005&lng=es&tlng=es