FACULTAD DE INGENIERÍA Y

CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

ESTUDIO DE CASO
OPTIMIZACIÓN DE UN PROBLEMA DE SECUENCIACIÓN CON DOS MÁQUINAS

Omar Camilo Guatavita Salgado Código: 1411026937

Yeison Alfredo Trujillo Cardona Código: 1521022584
Cindy Paola González Rincón Código: 1721980785
Luis Mahecha castro código 1411026097
Airón Alfonzo Villegas montero código 1711980750

Julián Tello
Tutor Virtual - Departamento de Ingeniería Industrial

Institución Universitaria Politécnico Grancolombiano

Ingeniería y Ciencias Básicas
Ingeniería Industrial
Bogotá
2019
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Contenido
Contenido........................................................................................................................................... 2
1. INTRODUCCIÓN ...................................................................................................................... 3
1.1. OBJETIVO PRINCIPAL ................................................................................................... 4
1.2. OBJETIVOS SECUNDARIOS ........................................................................................ 4
1.3. CRONOGRAMA DE ACTIVIDADES ............................................................................. 5
2. MARCO TEÓRICO – SECUENCIACIÓN DE MÁQUINAS ................................................ 5
2.1. TIPOS PRINCIPALES DE PROBLEMAS EN SECUENCIACIÓN DE MÁQUINAS5
2.2. ALGORITMOS PRINCIPALES PARA SECUENCIACIÓN EN PROBLEMAS
MONO-MÁQUINA ........................................................................................................................ 8
2.3. ALGORITMOS PRINCIPALES PARA SECUENCIACIÓN EN PROBLEMAS
MULTI-MÁQUINA ......................................................................................................................... 8
SOLUCIÓN DEL ESTUDIO DE CASO ...................................................................................... 14
Solución:................................................................................................................................. 14
3. CONCLUSIONES Y RECOMENDACIONES ..................................................................... 16
3.1. CONCLUSIONES ........................................................................................................... 16
3.2. RECOMENDACIONES.................................................................................................. 16
BIBLIOGRAFÍA ............................................................................................................................... 17
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

1. INTRODUCCIÓN

Las áreas de producción pueden tener perdidas de dinero y tiempo por no

estandarizar correctamente sus flujos de operación, esto se vuelve imprescindible
tener un amplio conocimiento del proceso productivo además de cómo alinear los
procesos de inventarios y de programación para que estos se ajusten de manera
correcta y productiva a los requerimientos del negocio.
Con el siguiente proyecto buscamos fortalece y poner en práctica los temas propios
al Scheduling e Inventarios y analizar lo anteriormente expuesto, para esto damos
una definición sobre el Scheduling “también conocido como programación de
operaciones o programación de tareas, es un proceso de toma de decisiones que
se aplica continuamente, tanto en empresas de manufactura como de servicios.
Este proceso consiste en la asignación de recursos a diferentes tareas sobre un
horizonte de tiempo con el fin de optimizar uno o más objetivos.”

Todo esto estará basado en el estudio concienzudo de las guías y teleconferencias

propuestas por el curso y así tener una pauta más definida de los pasos y fórmulas
que se deben utilizar para un excelente desarrollo, análisis y un correcto aprendizaje
de los temas propuestos por esta materia.

Además, enfocaremos el desarrollo del proyecto en la reducción del Makespan “El

proceso de scheduling de máquinas en paralelo consta de dos pasos. El primero,
consiste en asignar los trabajos a las diferentes máquinas y el segundo, en
secuenciar los trabajos asignados a cada máquina.
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

1.1. OBJETIVO PRINCIPAL

Realizar una minimización de retardos (y por consiguiente, tiempos) producidos

en la secuenciación dada en el problema. De esta manera, poder mejorar la
productividad que tienen las máquinas, y consecuentemente permitir mayores
utilidades a la empresa debido al uso continuo de la maquinaria.

1.2. OBJETIVOS SECUNDARIOS

 Obtener una optimización clara y concisa de los tiempos de cada máquina

que permita los mejores resultados, bajo parámetros establecidos.
 Tener en cuenta diferentes aspectos de funcionamiento de las máquinas
para realizar la optimización de los procesos.
 Realizar la optimización de las secuencias de las máquinas a través de
diferentes métodos.
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

1.3. CRONOGRAMA DE ACTIVIDADES

Pendientes
Cumplidos

2. MARCO TEÓRICO – SECUENCIACIÓN DE MÁQUINAS

2.1. TIPOS PRINCIPALES DE PROBLEMAS EN SECUENCIACIÓN

DE MÁQUINAS

a. Problemas de Scheduling puros.

Consiste en resguardar la demanda de maquinaria necesaria para el desarrollo de

las operaciones garantizando el cumplimiento del tiempo estimado, sin exceder la
capacidad de recursos ya definidos en un tiempo determinado.

Hacen parte de este tipo de problemas los siguientes:

 flujo regular
 flujo aleatorio
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

 flujo general
 flujo permutacional.

 Flow shop scheduling, (FSS) o flujo regular: Todos los procesos utilizan los
recursos o maquinas en el mismo orden. En este caso ninguna de las piezas llega
a una misma máquina o recurso más de una vez, lo que quiere decir que tienen un
solo sentido de flujo.

 Open Shop Scheduling (OSS) o flujo aleatorio: No tiene restricción para el

orden de uso de las máquinas o recursos por las operaciones de cada uno de los
trabajos programados, por lo que una misma pieza puede pasar por la misma
maquina o recurso más de una vez.

 Job Shop Scheduling (JSS) o flujo general: Cada trabajo es procesado en un

conjunto de recursos o máquinas en un orden determinado. Un número de n
trabajos debe ser procesados una sola vez por n máquinas, con un orden y durante
un tiempo determinado.

 Permutational Flow Shop Scheduling (PFSS) o flujo permutacional: En

comparación con el flujo regular en el cual la secuencia de trabajos de las piezas
es la misma en todas las máquinas o recursos.

b. Problemas de asignación de recursos.

Cuenta con un conjunto de operaciones y para cada una se puede usar un conjunto
diverso de máquinas que realizan la misma operación, pero pueden requerir tiempos
y costos de procesamiento diferentes para la elaboración de una pieza. Además de
que en este tipo de problemas no se conoce con antelación que maquina se va a
utilizar en el procesamiento de una pieza, sino que el problema consiste en asignar
maquinaria a tiempo para garantizar el cumplimiento de todas las demandas.

c. Problemas estáticos.

Este hace referencia a un número finito de piezas determinadas para ejecutarse en

un taller con un número finito de máquinas. Cuando se realiza la programación se
conoce ya la ruta de cada pieza, las operaciones y componentes por las cuales ya
debe pasar. Adicional, se conoce en que máquina debe realizarse cada operación
y cuál debe ser la duración correspondiente.

Estas piezas están disponibles teniendo en cuenta que son el tiempo cero relativo
para arrancar con la producción. Finalmente, el objetivo del problema se basa en la
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

búsqueda de un programa que optimice los recursos disponibles para lograr un

índice de eficiencia establecido.

Los problemas son más comunes en la actualidad debido a que las empresas
acostumbran la planificación de las piezas de una manera previa a la producción,
teniendo en cuenta que se deben tener los materiales para la fabricación con
anterioridad.

d. Problemas semi-dinámicos.

Este hace mención a un número finito de piezas determinadas para ejecutarse en

un taller con un número finito de maquinaria. Cuando se realiza la programación se
conoce la ruta de cada pieza, las operaciones por las cuales ya debe pasar.
Adicional, se conoce en que máquina debe realizarse cada operación y cuál debe
ser la duración correspondiente.

Los espacios de disponibilidad de las piezas o de las máquinas no son siempre los
mismos o idénticos, pero son conocidos en el momento de realizar la programación.
El objetivo del problema está en la búsqueda de un programa que optimice la
fabricación de un producto o pieza final.

Los problemas estáticos y semi-dinámicos se diferencian en los tiempos de

disposición de las máquinas.

e. Problemas dinámicos.

En este caso el número de piezas y el horizonte de funcionamiento del taller es

ilimitado hacia el futuro, mas no el de las máquinas. Lo que quiere decir que todas
las piezas que serán manejadas en el taller no están planeadas en un momento
previo, solo eventualmente en probabilidad.

La pieza va terminando su proceso a medida que va trascurriendo el tiempo y va

siendo moldeada en cada una de las maquinas o estaciones por las cuales se ha
secuenciado.

A diferencia del semi-dinámico este tipo de problemas, tiene un proceso en donde

gradualmente unas piezas terminan su elaboración y luego pueden dejar el proceso
de manera que son desechadas o sustituidas por otras piezas nuevas que llegan
para ser tratadas nuevamente. Por eso en este modelo muchas veces se ve la
necesidad de hacer una reprogramación, ya que una única programación no es
suficiente.
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Los problemas dinámicos tienen como objetivo establecer un procedimiento de

programación adecuado; los indicadores de eficiencia deben estar ligados a las
características de los programas y cuyas ejecuciones deben ser obtenidas a lo largo
de un intervalo temporal amplio.

2.2. ALGORITMOS PRINCIPALES PARA SECUENCIACIÓN EN PROBLEMAS

MONO-MÁQUINA

Para determinar el pedido en una máquina o centro de trabajo se puede ejecutar

teniendo en cuenta las siguientes reglas de prioridad:

 FCFS (Primero en entrar, primero en trabajarse), Los pedidos se hacen

según el orden de llegada al sistema. Otra forma de llamarlo es FIFO
(Primero en entrar, primero en salir).

 SOT (Tiempo de operación más corto), Se debe ejecutar primero el trabajo

que tenga el tiempo de finalización más corto, de tal manera que los trabajos
más demorados sean los últimos en procesar.

 EDD (Primero el plazo más próximo), La prioridad se hace teniendo en

cuenta los trabajos que tienen un vencimiento más próximo.

 LPT (Tiempo de procesamiento más largo), Al contrario del LPT, la

prioridad es para los trabajos con tiempos mayores de procesamiento.

 CR (Proporción crítica), Se calcula teniendo en cuenta la diferencia entre la

fecha de vencimiento y la fecha que se tiene en este momento, dividida entre
el tiempo restante para realizar el trabajo, de tal manera que los primeros
trabajos son los que tengan la menor cantidad de este factor.

 LIFO (Último en entrar, primero en salir), en este los trabajos que se

aceptaron de últimas son los primeros a ser procesados. (Uniatlantico, 2010),
(GEO Tutoriales, 2013)

2.3. ALGORITMOS PRINCIPALES PARA SECUENCIACIÓN EN PROBLEMAS

MULTI-MÁQUINA

Actualmente, un taller metalmecánico cuenta con la información de los

trabajos programados para el próximo periodo. Todos los trabajos recibidos
FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

pasarán por torneado y fresado. Estos son los tiempos de proceso en cada
una de las máquinas, para los trabajos programados:

Trabajo Torneado (horas) Fresado (horas)

A 12,3 11,1
B 2,4 8,2
C 8,5 3,0
D 1,1 2,2
E 4,5 13,0
F 7,9 1,1
G 4,7 7,4
H 5,0 5,0
I 1,0 1,0

Con heurística
FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

La programación de actividades hace parte de la investigación de operaciones que

tiene interés por el estudio en la asignación de recursos limitados a un conjunto de
trabajos por realizar en el horizonte de tiempo, con el fin de optimizar uno o más
adjetivos.
Este proyecto tiene como fin minimizar los retrasos que se producen en un problema
de secuenciación. El problema se caracteriza, por un lado, porque se dispone de
una sola máquina que requiere de unos tiempos de preparación entre la ejecución
de diferentes tipos de piezas. La existencia de estos tiempos de preparación
aumenta considerablemente el tiempo de producción en la máquina, por lo que
interesa evitarlos, haciendo que el desarrollo de lotes de una misma pieza sea
consecutivo.
Para los diferentes conceptos implicados en los problemas, la notación usada es la
siguiente, dada una pieza i:
N= número de piezas.
Índice de piezas i  I ={1,2,3,…,n}.
p,i= tiempo de procesamiento de la pieza i (processing time)
bi = familia a la que pertenece la pieza i (bach).
Ri= instante de entrada de la pieza i en el taller (ready time).
Di fecha de vencimiento de la pieza i (due date).
w,i = tiempo de espera de la pieza i (waiting time).
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

SThi = tiempo de preparación de la pieza i cuando h ha sido la pieza anterior de la

secuencia.
ai = tiempo concedido para la realización de la pieza i ai  di  ri.
Ci = instante de salida de la pieza i (completion time) i i wi pi STh i.
Fi= tiempo de permanencia de la pieza i h i F  c  r  w  p  ST.
Li= diferencia entre el instante de salida real y el previsto (lateness) L1  c-dt.
Ti retraso (tardiness) Ti  maxLi ,0.
ALGORITMOS PRINCIPALES PARA LA SECUENCIACION EN PROBLEMAS
MULTI- MAQUINAS
Generalmente la hipótesis que se formula para el problema de las maquinas
múltiples se enfoca en la distribución en los tiempos de trabajo es exponencial.

LOGARITMOS:

1. Optimización local (ANED y AED) En el algoritmo exhaustivo de descenso

(AED), a partir de la solución en curso, se generan y evalúan todos sus vecinos y si
alguno es mejor que la solución en curso se toma como nueva solución; en caso
contrario, el procedimiento se da por terminado. El algoritmo no exhaustivo de
descenso (ANED) se diferencia solamente en que se evalúan en cierto orden los
vecinos.

2. GRASP (Greedy Randomized Adaptive Search Procedure) Construye una

solución factible generalmente mediante una heurística greedy. En cada paso, se
establece una lista de candidatos, pero en lugar de elegir el que aporta más, se elige
al azar uno de los candidatos de una lista restringida. Si la solución obtenida es
mejor que la guardada como tal, se efectúa la sustitución.

3. Búsqueda tabú (TS) Existe una lista de propiedades de las soluciones. Si alguna
característica de una solución coincide con algunas de las propiedades de la lista
es una solución tabú. Se generan todos los vecinos de la solución en curso, se
clasifican (en no tabú y tabú) y se evalúan. Si el valor del mejor vecino es mejor que
el de la mejor solución hallada, sustituye a ésta y a la solución en curso y se vacía
la lista tabú. En caso contrario, la mejor solución no tabú pasa a ser la solución en
curso y se introduce una característica de la antigua solución en curso en la lista
tabú.
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

4. Algoritmos genéticos: El poder de estos algoritmos reside en el hecho de que

se trata de una técnica estable que puede tratar con éxito una amplia gama de
problemas de diversas áreas, incluyendo aquellos en los que otros métodos
encuentran dificultades. Si bien no se garantiza que el algoritmo genético encuentre
la solución óptima del problema, existe evidencia empírica de que se encuentran
soluciones de un nivel aceptable en tiempos competitivos.

5. Q-Learning Un algoritmo muy conocido dentro del RL es el Q-Learning (QL)

(Watkins, 1989), el cual se basa en aprender una función “acción-valor” que brinda
la utilidad esperada de tomar una acción determinada en un estado específico. El
centro del algoritmo es una simple actualización de valores, cada par (s;a) tiene un
Q-valor asociado, cuando la acción a es seleccionada mientras el agente está en el
estado s, el Q-valor para ese par estado-acción se actualiza basado en la
recompensa recibida por el agente al tomar la acción.

6. Net front contribution ratio (NFCR) Suponga que se quieren evaluar dos
algoritmos A1 y A2, se tiene un frente a resultante del algoritmo A1 y un frente b
obtenido mediante el algoritmo A2. Se forma entonces un frente c que está
compuesto por la combinación de las soluciones de los frentes a y b que no se
dominan entre ellas. Por tanto, se tienen n1 y n2 que son la cantidad de soluciones
no dominadas del frente a y del frente b respectivamente que pasaron a formar parte
del frente c. El NFCR de cada algoritmo se calcula mediante las siguientes fórmulas:
NFRCA1=n1/n NFRCA2=n2/n, donde n es la cantidad de soluciones no dominadas
que forman el frente c. En la tabla 3 se muestran los NFCR de los dos algoritmos
para las instancias analizadas.

7. YANO BOLAT: En trabajo muestra una formulación matemática para el

problema de secuenciación, que tiene como objetivo minimizar la sobrecarga total
ocasionada por la secuencia. Considera dos tipos de productos: básicos y
opcionales. Los primeros tienen tiempos de procesamiento inferior al tiempo de
ciclo, mientras que los segundos tienen tiempo de procesamiento mayor.

8. LA REGLA DE JOHNSON: Es un algoritmo heurístico utilizado para resolver

situaciones de secuenciación de procesos que operan dos o más órdenes
(operaciones) que pasan a través de dos máquinas o centros de trabajo.

9. Algoritmos evolutivos (EA): EA es un algoritmo de búsqueda que explora

un espacio de soluciones que simula procesos en un sistema natural hacia la
evolución, específicamente aquellos que siguen el principio de la supervivencia en
función de la adaptabilidad
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

SOLUCIÓN DEL ESTUDIO DE CASO

La aplicación que se utilizara para el estudio del caso es la regla de Johnson esta regla es
un algoritmo heurístico utilizado para dar solución a situaciones de secuenciación de
procesos que operan dos o más órdenes que circulan a través de dos máquinas o centros
de trabajo.
Su principal objetivo es disminuir el tiempo de procesamiento total del grupo de trabajos.

1. En el primer paso se debe en listar todas las operaciones junto con su tiempo de
procesamiento por cada máquina.

2. El segundo paso consiste en seleccionar el tiempo de procesamiento más corto. Sí

el tiempo más corto se encuentra en la columna correspondiente al centro de trabajo
(máquina) 1, este trabajo se programa primero, en caso contrario y de estar en la
columna correspondiente al centro de trabajo 2, este trabajo se programa al final.
Cualquier empate puede romperse de forma arbitraria.

3. Una vez se programa un trabajo, sea al inicio o sea al final, este se elimina de la
lista inicial.

4. Se deben repetir los pasos 2 y 3 para los trabajos restantes, trabajando hacia el
centro de la secuencia.
Solución:
El primer paso consiste entonces en listar los trabajos junto a sus respectivos tiempos de
procesamiento en los centros de trabajo, para lo cual hacemos uso del tabulado del
enunciado del problema:

Actualmente, un taller metalmecánico cuenta con la información de los trabajos

programados para el próximo periodo. Todos los trabajos recibidos pasarán por
torneado y fresado. Estos son los tiempos de proceso en cada una de las
máquinas, para los trabajos programados:

Trabajo Torneado (horas) Fresado (horas)

A 12,3 11,1
B 2,4 8,2
C 8,5 3,0
D 1,1 2,2
E 4,5 13,0
F 7,9 1,1
G 4,7 7,4
H 5,0 5,0
I 1,0 1,0
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

El segundo paso consiste en seleccionar el tiempo de procesamiento más corto, como este
se encuentra en el centro de trabajo.

Variables que se consideran para determinar la secuencia más adecuada

𝑆𝑇𝐹𝑇
 Tiempo promedio de terminación= TPT=
𝑁𝑇
𝑡𝑡𝑝
 Utilización = u=𝑠𝑡𝑓𝑡
𝑆𝑇𝐹𝑇
 Numero promedio de trabajos en el sistema = NPTS=
𝑇𝑇𝑃
𝐷𝑅𝑇
 Retraso promedio del trabajo =RPT = 𝑁𝑇
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

3. CONCLUSIONES Y RECOMENDACIONES

3.1. CONCLUSIONES

 Es importante secuenciar las tareas ya que nos ayuda a optimizar cada proceso
que afecta la efectiva elaboración de un producto.

 Cuando se realiza la medición de tiempos la mejora de cada proceso se vuelve

más fácil ya que se puede verificar en donde pueda estar la deficiencia y la
fortaleza, obteniendo una acción de mejora más concreta

 Al realizar una programación correcta de tareas ayuda a la eficiencia y

efectividad en la producción de las compañías.

 Iniciar con el proceso que consume menos tiempo al que genera más tiempo
permite que se genere una reducción de tiempos y los procesos fluyan más
rápido.

 Analizar de manera correcta las técnicas que ayudan a mejorar la eficiencia de

los procesos de producción de una organización, reduce costos y aumenta la
productividad de las misma.

3.2. RECOMENDACIONES

 La regla de Johnson es muy útil, sobre todo porque es una técnica que permite la
comprensión completa de los trabajos y máquinas como un todo.

 El uso de un software como Microsoft Excel es apenas suficiente para poder

ilustrar lo necesario con este método.

 Para el caso en el que sea una máquina, es mucho mejor tomar la decisión del
orden a partir del costo.
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

BIBLIOGRAFÍA

Grancolombiano, I. U. (2018). Introducción al Scheduling. Bogotá.

Grancolombiano, I. U. (2018). Modelos para Máquinas en Paralelo I. Bogotá

GEO Tutoriales. (21 de mayo de 2013). Gestión de Operaciones. Obtenido de

https://www.gestiondeoperaciones.net/programacion-de-trabajos/reglas-de-
prioridad-para-la-programacion-de-n-trabajos-en-una-maquina/
Adibi, M. A., M. Zandieh y M. Amiri (2010). Multi-objective scheduling of dynamic job shop
using variable neighborhood search. Expert Systems with Applications. 37 (2010).
pp. 282-287.
Pinedo, M. L. (2008). Scheduling: Theory, Algoritms and Systems. New York, Springerp.
Yamada, T. (2003). Studies on Metaheuristics for Jobshop and Flowshop Scheduling
Problems. Vol. Doctor of Informatics Kyoto, Kyoto University. 120 p.
Nahmias, S. (2007). ANALISIS DE LA PRODUCCION Y LAS OPERACIONES. Mac Graw
Hill.
Pérez, E. P., Pérez Castillo, I. J., & Jiménez Bahri, M. E. (27 de 04 de 2014). Revista
Electronicas Universidad de Carabobo Re-UC. Obtenido de
http://servicio.bc.uc.edu.ve/ingenieria/revista/Inge-Industrial/voliv12/art03.pdf
Regnault, M. D. (12 de 01 de 2010). Revistas Electrónicas Universidad de Carabobo Re-
UC. Obtenido de http://servicio.bc.uc.edu.ve/ingenieria/revista/Inge-Industrial/VolII-
n4/art01.pdf