Algoritmos DCA & BEA

Sixth LACCEI International Latin American and Caribbean Conference for Engineering and Technology (LACCEI2008) Partnering to Success:
Engineering, Education, Research and Development June 4 June 6 2008, Tegucigalpa, Honduras.
Comparacin de la eficiencia de la solucin de dos mtodos usados para formar clulas de manufactura: BEA y DCA
M. C. Fernando Ortiz Flores
Instituto Tecnolgico de Orizaba, Orizaba, Ver., Mxico, fer_chi_lo@yahoo.com.mx
M. C. Ral Torres Osorio

Instituto Tecnolgico de Orizaba, Orizaba, Ver., Mxico, luporoa@hotmail.com
Dr. Oscar Bez Senties

Instituto Tecnolgico de Orizaba, Orizaba, Ver., Mxico, luporoa@hotmail.com
M. E. Ana Mara Alvarado Lassmann

Instituto Tecnolgico de Orizaba, Orizaba, Ver., Mxico, lassmann@prodigy.net.mx
Dr. Jos Pablo Nuo de la Parra

Universidad Popular Autnoma del Estado de Puebla, Puebla, Pue., Mxico, pablo.nuno@upaep.mx
RESUMEN
La formacin de clulas de manufactura es conocida como la identificacin de familias de piezas y grupos de mquinas. Para la formacin de clulas se encuentran dos procedimientos: Procedimientos secuenciales (primero se determinan las familias de piezas y despus se asigna un grupo de mquinas) y procedimientos simultneos (Determina la familia de piezas y el grupo de mquinas de forma simultnea). Dos algoritmos contemplados dentro del procedimiento simultneo son el BEA (Bond Energy Algorithm) y el DCA (Direct Clustering Algorithm). Estos algoritmos proporcionan una solucin aceptable para poder agrupar un conjunto de partes (o familia de piezas) -basados en su orden tecnolgico y, por consiguiente, a travs del anlisis de una matriz de partes-mquina- y al mismo tiempo asignarles un grupo de mquinas que sea capaz de realizar, de preferencia, la totalidad de las operaciones necesarias. Sin embargo, en la mayora de las ocasiones, las soluciones proporcionadas por estos mtodos no proporcionan agrupaciones perfectas en la que todas las piezas de un grupo sigan el mismo orden tecnolgico a travs de todas las mquinas asignadas a este grupo. Por esta razn, se hace necesario medir la eficiencia de las soluciones proporcionadas. Este trabajo intenta mostrar como determinar cul de las soluciones encontradas, a travs del uso de los mtodos BEA y DCA es mejor, mediante una medida denominada medida de eficiencia.
Palabras Clave: Algoritmo de cadena de energa, Algoritmo de agrupacin directa, eficiencia de la solucin.
ABSTRACT
Tegucigalpa, Honduras 6th Latin American and Caribbean Conference for Engineering and Technology
June 4- June 6, 2008
WE1- 1
Sixth LACCEI International Latin American and Caribbean Conference for Engineering and Technology (LACCEI2008) Partnering to Success: Engineering, Education, Research and Development June 4 June 6 2008, Tegucigalpa, Honduras.
The creation of manufacture cells is known as parts families and machines groups identification. Cell formation is made with two procedures: Sequential procedures (the parts families are formed and then those families are assigned to a machine group) and simultaneous procedures (the parts families and the machine group are formed simultaneously). There are two algorithms included in the simultaneous procedures: the BEA (Bond Energy Algorithm) and the DCA (Direct Clustering Algorithm). Those algorithms gives an acceptable solution to group a set of parts (or parts family) based on their technology order and consequently with the parts-machine matrix analysis, and at the same time assign then a group of machines which be able to do all the necessary operations. Nevertheless, in almost all the occasions, the solutions obtained in those methods are not perfect groups on which all the parts in a group follows the same technological order thru all the machines assigned to this group. By this reason, it is necessary to measure the efficiency of the given solutions. This work pretends to show which of the two methods analyzed (BEA and DCA) are better in the solutions they provide, with the help of a measure called efficiency measurement. Keyword: Bond Energy Algorithm, Direct Clustering Algorithm, solution efficiency.
TECNOLOGA DE GRUPOS
La Tecnologa de grupos (GT de las siglas en ingls de Group Technology) aplicada a la manufactura, se puede definir como una filosofa para la administracin de las actividades de produccin que tienen la finalidad de obtener ventajas econmicas por medio de la explotacin de similitudes de las partes manufacturadas en lotes pequeos, tratndolos de manera conjunta, como si fuera un sistema de produccin en serie. Con este enfoque se mantiene la flexibilidad (variedad de productos) del proceso de produccin. En este contexto, la GT es una metodologa potencialmente exitosa, que toma las ventajas del sistema de produccin en serie y las ventajas del sistema de produccin por lotes. Es importante mencionar que la GT constituye una filosofa de manufactura basada en un principio relativamente simple: identificar y agrupar partes y procesos por el criterio de similitud, para obtener ventajas de todas las etapas de proyecto y manufactura (Gallacher and Knight, 1986). La aplicacin ms simple de la GT, la cual es comn en los ambientes de produccin por lotes, depende de similitudes de partes para ganar eficacia cuando las partes son secuenciadas a las mquinas. La segunda aplicacin es crear familias de partes, dedicar mquinas a estas familias, pero permitir a las mquinas permanecer en sus posiciones originales (layout lgico). La ltima aplicacin es formar clulas de manufactura (layout fsico). El layout lgico es aplicado cuando la variedad de partes y volmenes de produccin estn cambiando frecuentemente tal que un layout fsico, el cual requiere un reordenamiento de mquinas no es justificado. La identificacin de familias de partes y grupos de mquinas es normalmente llamada formacin de clulas. Numerosos enfoques han sido reportados para la formacin de clulas. Estos enfoques adoptan tanto procedimientos simultneos como secunciales para asignar las partes y mquinas. El procedimiento simultneo determina las familias de partes y grupos de mquinas concurrentemente.
WE1- 2
El procedimiento secuencial determina primero las familias de partes (o grupos de mquinas), seguido de la asignacin de la mquina (o asignacin de la parte). Por ejemplo, la clasificacin y codificacin puede ser usada para identificar las familias de partes, seguido de la identificacin de mquinas requeridas para procesar cada familia de partes. Tradicionalmente, los esquemas de clasificacin y codificacin enfatizaron la captura de atributos de partes, por lo tanto identificaron familias de partes basndose en su funcin, forma, etc., pero no ayudaron en la identificacin del conjunto de mquinas para procesarlas. Los algoritmos DCA y BEA presentados en este artculo caen dentro de la categora de procedimientos simultneos.
2. MTODOS DE AGRUPACIN DE PIEZAS-MQUINAS

En las ltimas dcadas, los artculos sobre GT hacen hincapi en la necesidad de desarrollar mtodos para agrupar piezas o componentes -para formar familias de piezas- y mquinas -para formar clulas de manufactura- (Dos santos, 2003). Para atender esto, se han concebido muchas aplicaciones, las cuales poseen caractersticas variables, pero presentan similitudes y relaciones, lo que permite agruparlas de acuerdo a la siguiente clasificacin (King y Nakornchai, 1982). Mtodos de coeficiente de similitud. Esta clase de mtodos mide el coeficiente de similitud entre cada par de mquinas y partes. En general, el coeficiente de similitud es usado y definido por cualquier par de mquinas en el rango dado por el nmero de componentes que visitan ambas mquinas y el nmero de componentes que visita al menos una de las mquinas. El coeficiente de similitud puede no funcionar adecuadamente si hay un gran nmero de componentes visitando algunas de las mquinas y si se necesitan duplicaciones de las mquinas. Mtodos de conjuntos tericos. Los algoritmos que pertenecen a esta clase construyen grandes grupos de mquinas y partes, que pueden ser representados como un camino a travs de las orillas de un diagrama cerrado a travs de operaciones de unin. Estos mtodos no son adecuados en problemas con un gran nmero de mquinas y partes. Mtodos evaluativos. En este grupo las tcnicas involucran el listado sistemtico de la informacin contenida en las hojas de ruta, de varios modos, e identifican las familias de partes y las clulas de manufactura a travs de una inspeccin detallada. Otros mtodos analticos. Este tipo de mtodos est ntimamente relacionado con los tipos de mtodos de evaluacin en el sentido de que las tcnicas apuntan a agrupar las mquinas y los componentes de un modo similar excepto porque esto se hace a travs de la teora de grficas.
En el presente paper se muestra lo relacionado a dos mtodos evaluativos: el algoritmo BEA (de la siglas en ingls Bond Energy Algorithm) y el con el algoritmo DCA (de la siglas en ingls Direct Clustering Algorithm).
3. ALGORITMO DE CADENA DE ENERGIA (BEA)

El algoritmo de cadena de energa (BEA de las siglas en ingls de Bond Energy Algorithm) fue desarrollado por McCormick, Schweitzer y White (1972) para identificar y desplegar grupos de variables naturales o agrupaciones que ocurren en arreglos complejos de datos. Ellos propusieron una medida de efectividad (ME) tal que un arreglo que contenga grupos densos de elementos numricamente grandes pueda tener una gran ME cuando se compare
Tegucigalpa, Honduras 6th Latin American and Caribbean Conference for Engineering and Technology June 4- June 6, 2008
WE1- 3
con el mismo arreglo de filas y columnas el cual ha sido permutado para que sus elementos numricamente grandes estn ms uniformemente distribuidos a travs del arreglo. El algoritmo de seleccin secuencial, el cual explota la caracterstica del vecino ms cercano, se explica a continuacin. Paso 1. Seleccione una columna de una parte arbitrariamente y ajuste i=1. Trate de colocar cada una de las columnas de partes restantes (P - i) en cada una de las posibles posiciones (i+1) (a la derecha e izquierda de las i columnas ya colocadas o en otras palabras a la derecha de las i columnas ya colocadas y recorrerla a la izquierda de columna en columna, hasta llegar a la izquierda de la primera columna ya colocada) y calcule la contribucin de cada columna al ME, mediante la ecuacin 1:
ME (columnas ) =
p =1
a
m =1
pm
a p +1,m
... Ecuacin 1
Donde 1, Si la parte p requiere procesamiento en la mquina m apm = 0, Si la parte p no requiere procesamiento en la mquina m
Coloque la columna que da el ms grande ME en su mejor posicin. En caso de un empate, seleccione arbitrariamente. Incremente i en 1 (i + 1) y repita hasta que i = P. Cuando todas las columnas hayan sido colocadas, vaya al paso 2. Paso 2. Repita el procedimiento para las filas, calculando el ME con la ecuacin 2:
ME ( filas ) = a pm a p ,m +1
m =1 p =1
.... Ecuacin 2
(Note que la colocacin de la fila es innecesaria si el arreglo de entrada es simtrico, dado que el ordenamiento final de fila y columna ser idntico).
El ME de un arreglo A (sumada la cadena de energa (BE) sobre todas las permutaciones de fila y columna) es dado por;
4. ALGORITMO DE AGRUPACIN DIRECTA (DCA)

Chan y Milner (1982) propusieron el DCA (de las siglas en ingls de Direct Clustering Algorithm), el cual mueve las filas, con las celdas ms positivas de la izquierda (o sea 1s), a la parte superior, y las columnas con las celdas ms positivas de la parte superior, a la izquierda de la matriz. Wemmerlov (1984) proporcion una correccin al algoritmo original para alcanzar resultados consistentes. El algoritmo revisado se da continuacin.
WE1- 4
Paso 1. Contar los nmeros 1s en cada columna y fila. Arreglar todas las columnas en orden decreciente colocndolas en una secuencia que inicia con las columnas de mayor nmero de 1s que se encuentra ms a la derecha. En caso de empate en nmero de 1s, la columna que est ms a la derecha ira al inicio de la secuencia. Arregle todas las filas en orden creciente colocndolas en una secuencia que inicia con las filas de menor nmero de 1s que se encuentra ms abajo. En caso de empate en nmero de 1s, la fila que est ms abajo ira al inicio de la secuencia. Nota: Est reestructuracin de la matriz inicial ha sido propuesta para asegurar que la solucin final siempre sea la misma. Paso 2. Formar bloques ordenando las filas observando los 1s de las columnas, iniciando con la primera columna de la matriz. Mueva todas las filas con 1s a la parte superior para formar un bloque. o Si en las columnas subsecuentes a considerar, las filas con 1s ya estn en el bloque, no haga nada. o Si hay filas con 1s que no estn en el bloque, permita que estas filas formen un bloque y mueva este bloque a la parte baja del bloque previo. Nota: Una vez asignada una fila a un bloque, sta no podr moverse; de este modo, puede no ser necesario pasar por todas las columnas. Paso 3. Si la matriz anterior y la matriz actual son las mismas, pare, en caso contrario vaya al paso 4 Paso 4. Formar bloques ordenando las columnas observando los 1s de las filas, iniciando con la primera fila de la matriz y recorrer todas las columnas a la izquierda (similar al paso 2). Mueva todas las columnas con 1s a la izquierda para formar un bloque. o Si en las filas subsecuentes a considerar, las columnas con 1s ya estn en el bloque, no haga nada. o Si hay columnas con 1s que no estn en el bloque, permita que estas formen un bloque y mueva este bloque a la derecha del bloque previo. Nota: una vez asignada una columna a un bloque, sta no debe ser movida. Puede no ser necesario pasar por todas las filas. Paso 5. Si la matriz anterior y la matriz actual son las mismas pare, en caso contrario vaya al paso 2.
5. MEDIDA DE AGRUPACIN DE DE EFICIENCIA

La medida de agrupacin de de eficiencia fue propuesta por Chandrasekaran y Rajagopalan (1986b). Esta fue una de las primeras medidas para evaluar el resultado final obtenido por diferentes algoritmos. "La bondad" de la solucin depende de la utilizacin de las mquinas dentro de una clula y del movimiento intercelular. La agrupacin de la eficiencia y
2 .
de la ecuacin 3 fue propuesta como un promedio ponderado de dos eficiencias 1

= 1 + (1 ) 2
.............................................................. Ecuacin 3
WE1- 5
Para utilizar la medida de rendimiento de eficiencia (ecuacin 3), es necesario determinar los siguientes parmetros a partir de una matriz final de mquinas-partes con clulas C identificables:
a 9 nmero de 1s en la matriz pm
{ }
=
p =1 P
m =1
a pm
................................................................. Ecuacin 4
d nmero de 1s en el bloque diagonal.

d =
c =1 C pPc
mM c
a pm
...................................................... Ecuacin 5
9 nmero de vacos en los bloques diagonales.
= M c Pc d
c =1
.......................................................... Ecuacin 6
e nmero de elementos excepcionales en la solucin.

e = d .................................................................. Ecuacin 7
9 1 proporcin de los 1s en los bloques diagonales al nmero total de elementos en los bloques (tanto 0s como 1s).
1 =
e + ............................................................... Ecuacin 8
9 2 proporcin del nmero de elementos en los bloques no diagonales (tanto 0s como 1s).
2 =
MP MP + e ............................................................. Ecuacin 9
9 M nmero de mquinas. 9 P nmero de piezas. 9 el efecto de movimiento intercelular, del cual se recomienda un valor de 0.5. ste factor de peso permite al diseador cambiar el nfasis entre utilizacin y movimiento intercelular.
Sustituyendo las ecuaciones 8 y 9 en la ecuacin 3 se obtiene la formula general para calcular la eficiencia (Ecuacin 10)
= ( )
e e +
+ (1 )
MP MP + e ..................................... Ecuacin 10
Utilizar la medida de rendimiento a las soluciones obtenidas, a partir de la matriz inicial de la Fig. 1, con el mtodo BEA (Fig. 2) y con el mtodo DCA (Fig. 3).
6. COMPARACIN DE LA EFICIENCIA DE LA SOLUCIN DE LOS METODOS BEA Y DCA
WE1- 6
Pieza 1 Mquina 1 2 3 4 5 1 1 1 1 2 1 3 1 1 1 1 4 5 1 1
Fig. 1 Matriz inicial

Pieza 1 Mquina 1 3 2 4 5 1 1 1 1 4 3 1 1 1 2 1 1 5 1 1
Fig. 2 Resultado con el mtodo BEA.

Pieza 3 Mquina 5 2 3 4 1 1 1 1 1 1 1 1 4 1 1 1 1 1 5 2
Fig. 3. Resultado con el mtodo DCA.
6a. CLCULO DE LA MEDIDA DE AGRUPACIN DE EFICIENCIA DEL ALGORITMO BEA. Para calcular el parmetro se sustituyen en la ecuacin 4 los datos a pm del resultado del mtodo BEA de la Fig.
2, obteniendo lo que muestra la ecuacin 11.
=
p =1
P =5
M =5
m =1
a pm = 11
......................................................... Ecuacin 11
Para calcular el parmetro d se sustituyen en la ecuacin 5 los 1s del bloque diagonal del resultado del mtodo BEA de la Fig. 2 obteniendo lo que muestra la ecuacin 12
WE1- 7
d =
c =1
C =2
pPc
mM c
a pm = a12 + a14 + a44 + a45 + a32 + a35 + a21 + a23 + a51 + a53 = 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 = 10
........................... Ecuacin 12
Para calcular el parmetro se sustituyen en la ecuacin 6 los vacos del bloque diagonal del resultado del mtodo BEA de la Fig. 2 y se sustituye el parmetro d calculado en la ecuacin 12, obteniendo lo que se muestra en la ecuacin 13.
= M c Pc d = 3 3 + 2 2 10 = [9 + 4] 10 = 13 10 = 3 ................. Ecuacin 13
c =1
C =2
Donde: Para calcular la clula 1: Para calcular la clula 2:
M c = 3 Pc = 3 M c = 2 Pc = 2
BEA de la Fig. 2 y se sustituye el parmetro calculado con la ecuacin 11 y el parmetro d calculado con la ecuacin 12, obteniendo lo que se muestra en la ecuacin 14.
Para calcular el parmetro e se sustituyen en la ecuacin 7 los elementos excepcionales del resultado del mtodo
e = o d = 11 10 = 1 ................................................... Ecuacin 14
Para calcular el parmetro 1 se sustituyen en la ecuacin 8 los valores calculados con las ecuaciones 11, 13 y 14, obteniendo lo que se muestra en la ecuacin 15.
1 =
e e +
11 1 10 = = 0.7692 11 1 + 3 13 ...............................Ecuacin 15
Para calcular el parmetro piezas
( P)
2 se sustituyen en la ecuacin 9 el nmero de mquinas ( M ) , nmero de
y los valores calculados de las ecuaciones 11, 13 y 14, obteniendo lo que se muestra en la ecuacin 16.
2 =
( 5)( 5) 11 3 = 25 11 3 = 11 = 0.9167 MP = MP + e ( 5 )( 5 ) 11 3 + 1 25 11 3 + 1 12 .......... Ecuacin 16
Para obtener la medida de rendimiento se sustituyen en la ecuacin 3 los valores calculados con las ecuaciones 15 y 16, obteniendo el siguiente resultado:
= 1 + (1 )2 = ( 0.5000 )( 0.7692 ) + (1 0.5000 )( 0.9167 ) = 0.3846 + 0.4583 = 0.8429
WE1- 8
6b. CLCULO DE LA MEDIDA DE AGRUPACIN DE EFICIENCIA DEL ALGORITMO DCA.

Para el clculo de la medida de agrupacin de eficiencia del algoritmo DCA, se siguieron las mismas instrucciones utilizadas en el algoritmo BEA, slo que ahora ocupando la matriz de la figura 3, Los resultados son los siguientes:
=
p =1
P =5
M =5
m =1
a pm = 11
................................................. Ecuacin 17
d =

c =1 p Pc m M c
C =2
a pm = a35 + a32 + a45 + a14 + a53 + a51 + a23 + a21 = 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 = 8 ...........
Ecuacin 18
= M c Pc d = 2 2 + 3 3 8 = [ 4 + 9] 8 = 13 8 = 5 ........... Ecuacin 19
c =1
C =2
Donde: Para calcular la clula 1: Para calcular la clula 2:
M c = 2 Pc = 2 M c = 3 Pc = 3
e = o d = 11 8 = 3 .................................................... Ecuacin 20
1 =
e e +
11 3 8 = = 0.6153 11 3 + 5 13 ..................................... Ecuacin 21
2 =
( 5)( 5) 11 5 = 25 11 5 = 9 = 0.7500 ................ Ecuacin 22 MP = MP + e ( 5 )( 5 ) 11 5 + 3 25 11 5 + 3 12
Para obtener la medida de rendimiento se sustituyen en la ecuacin 32 los valores calculados con las ecuaciones 21 y 22, obteniendo el siguiente resultado:
= 1 + (1 ) 2 = ( 0.5000 )( 0.6153 ) + (1 0.5000 )( 0.75000 ) = 0.3076 + 0.3750 = 0.6826 Ecuacin 23
WE1- 9
7. CONCLUSIONES
Para mostrar que mtodo da la mejor solucin de acuerdo a la medida de agrupamiento se muestra la tabla 1. Tabla 1 Resultados obtenidos. Parmetros Mtodos evaluativos d e BEA 11 10 3 1 0.84295 DCA 11 8 5 3 0.68260
100%
84.2950% 68.2600%
De acuerdo con los resultados obtenidos con la medida de rendimiento , se observa que el mtodo BEA da un 84.2950% de eficiencia, en cambio, el mtodo DCA da un 68.2600% de eficiencia, por lo tanto, se recomienda utilizar la solucin obtenida por el mtodo BEA para formar familias de piezas a partir de la matriz inicial de la Fig. 1. Es importante mencionar que en el Instituto tecnolgico de Orizaba, se est desarrollando un software que se encargue de hacer la comparacin de las soluciones para determinar de una manera ms rpida cul de ellas es mejor; y que actualmente se cuenta con el desarrollo de un software que se encarga de formar familias de piezas mediante los mtodos AFP, Binario, ROC, ROC2, DCE y BEA.
REFERENCIAS Libros
Chandrasekaran,M.P and Rajagopalan, R (1986a) MODROC: an extension of rank order clustering of group technology, International Journal of Production Research, 24(5), 1221-33. Chandrasekaran,M.P and Rajagopalan, R (1986b) An ideal seed nonhierarchical clustering algorithm for cellular manufacturing, International Journal of Production Research, 24(2), 451-64. Chan, H.M. and Milner, D. A. (1982) Direct clustering algorithm for group formation in cellular manufacture, Journal of manufacturing system, 1(1), 64-76. Fogarty, Blackstone y Hoffmann. (1994). Administracin de la produccin e inventarios. CECSA, 2da. Edicin. Klipeeel Elizabeth Mara, Gomes de Alvarenga Arlindo, Negreiros Gomes Francisco Jos. (1999). A two-phase procedure for cell formation in manufacturing systems. Integrated Manufacturing Systems, volumen 10 nmero 6, 1999, pp. 367-375, copyright @ MCB University Press, ISSN 0957-6061. McCormick. W. T., Schweitzer, P.J. and White, T.W (1972) Problem decomposition and data reorganization by a clustering technique. Operations Research, 20(5), 993-1009. Nanua, Singh. (1996), Systems approach to computer-integrated design and manufacturing. John Wiley & Jons. EUA. Schroeder, Roger G. (1992). Administracin de operaciones. Mc Graw-Hill, 3. Edicin. Wemmerlov, U. (1984) Comments on direct clustering algorithm for group formation in cellular manufacturing, Journal of manufacturing system, 3(1), vii-ix.
Biblioteca digital Emerald1

Emerald es una biblioteca digital que contiene artculos completos de 190 revistas en las reas de ingeniera, ciencias aplicadas, tecnologa, administracin y ciencias de la informacin. Acceso a ms de 35,000 artculos en texto. Tegucigalpa, Honduras 6th Latin American and Caribbean Conference for Engineering and Technology June 4- June 6, 2008
1
WE1- 10
Gallacher, C.C. and Knight, W.A. (1986). Group Technology Production Methods in Manufacturing, John Wiley & Sons, London. King, J.R. and Nakornchai V. (1982). Machine component group formation in group technology review and extension. International Journal of Production Research, Vol. 20 No. 2, pp. 117-33.
Autorizacin y Renuncia
Los autores autorizan a LACCEI para publicar el escrito en los procedimientos de la conferencia. LACCEI o los editores no son responsables ni por el contenido ni por las implicaciones de lo que esta expresado en el escrito. Authors authorize LACCEI to publish the paper in the conference proceedings. Neither LACCEI nor the editors are responsible either for the content or for the implications of what is expressed in the paper.
WE1- 11

Algoritmos DCA &amp; BEA

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Algoritmos DCA &amp; BEA

Cargado por

Copyright:

Formatos disponibles

Sixth LACCEI International Latin American and Caribbean Conference for Engineering and Technology (LACCEI2008) Partnering to Success:

M. C. Ral Torres Osorio

Dr. Oscar Bez Senties

M. E. Ana Mara Alvarado Lassmann

Dr. Jos Pablo Nuo de la Parra

June 4- June 6, 2008

June 4- June 6, 2008

2. MTODOS DE AGRUPACIN DE PIEZAS-MQUINAS

3. ALGORITMO DE CADENA DE ENERGIA (BEA)

4. ALGORITMO DE AGRUPACIN DIRECTA (DCA)

5. MEDIDA DE AGRUPACIN DE DE EFICIENCIA

de la ecuacin 3 fue propuesta como un promedio ponderado de dos eficiencias 1

June 4- June 6, 2008

d nmero de 1s en el bloque diagonal.

9 nmero de vacos en los bloques diagonales.

e nmero de elementos excepcionales en la solucin.

6. COMPARACIN DE LA EFICIENCIA DE LA SOLUCIN DE LOS METODOS BEA Y DCA

Fig. 1 Matriz inicial

Fig. 2 Resultado con el mtodo BEA.

Fig. 3. Resultado con el mtodo DCA.

June 4- June 6, 2008

Donde: Para calcular la clula 1: Para calcular la clula 2:

Para calcular el parmetro piezas

2 se sustituyen en la ecuacin 9 el nmero de mquinas ( M ) , nmero de

( 5)( 5) 11 3 = 25 11 3 = 11 = 0.9167 MP = MP + e ( 5 )( 5 ) 11 3 + 1 25 11 3 + 1 12 .......... Ecuacin 16

= 1 + (1 )2 = ( 0.5000 )( 0.7692 ) + (1 0.5000 )( 0.9167 ) = 0.3846 + 0.4583 = 0.8429

June 4- June 6, 2008

6b. CLCULO DE LA MEDIDA DE AGRUPACIN DE EFICIENCIA DEL ALGORITMO DCA.

a pm = a35 + a32 + a45 + a14 + a53 + a51 + a23 + a21 = 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 = 8 ...........

Donde: Para calcular la clula 1: Para calcular la clula 2:

11 3 8 = = 0.6153 11 3 + 5 13 ..................................... Ecuacin 21

( 5)( 5) 11 5 = 25 11 5 = 9 = 0.7500 ................ Ecuacin 22 MP = MP + e ( 5 )( 5 ) 11 5 + 3 25 11 5 + 3 12

June 4- June 6, 2008

Biblioteca digital Emerald1

June 4- June 6, 2008

También podría gustarte

Algoritmos DCA & BEA

Algoritmos DCA & BEA