ALUMNO: CHACON BAQUERIZO, DANIEL ERIKS

CURSO: PLANEAMIENTO Y CONTROL DE PCP

CICLO: 2017-II

PROFESOR: ACUA PINAUD LEONCIO LUIS

DIRECCION WEB:
https://drive.google.com/drive/folders/0B4GS5FQQLif9fjlnZGxsSThnVGp3
V1ZlaF9nYmt6bExfcTZCNXBBc0dkYXROMEw1alFLbmM

De la revista: Academia Journials

Titulo:

ALGORITMO GENTICO PARA LA

SOLUCIN DE UN CASO REAL DE
BALANCEO DE LNEAS CON OPERARIOS
MLTIPLES

(consultado el 10 de septiembre del 2017)

Jueves,14 de septiembre del 2017

Resumen El caso, poco atendido en la literatura, del balanceo de lneas con
ms de un operario trabajando en paralelo en una misma estacin de trabajo es
retomado en este artculo para mostrar su solucin va un algoritmo gentico. Las
soluciones encontradas demuestran la idoneidad del algoritmo adems de incluir
una solucin completa para ilustrar su viabilidad. El objetivo considerado fue
reducir el nmero de operarios sujeto a un lmite superior de operarios por estacin
de trabajo, adems de satisfacer las restricciones de precedencia, el tiempo de
ciclo mximo, el nmero de operarios requeridos por elemento de trabajo, los
tiempos de inicio y terminacin de cada operario para llevarlo a cabo dado dentro
del intervalo de inicio y terminacin de la estacin de trabajo correspondiente y por
ltimo, en el caso de un elemento de trabajo que requiere dos o ms operarios, el
hecho de que stos deban iniciar y terminar al mismo tiempo. Cabe destacar el
hallazgo de una relacin inversa entre el nmero de estaciones de trabajo y el
lmite superior de operarios.

Introduccin

De acuerdo con Boysen et al.1 , las lneas de ensamble fueron desarrolladas

originalmente con objeto de eficientar costos en sistemas de produccin en masa de
productos estandarizados, diseadas para explotar la especializacin de la mano de
obra y los efectos asociados con el aprendizaje. El problema de balanceo de lneas
es distribuir los procesos individuales y las tareas de ensamble en estaciones de
trabajo de tal modo que el tiempo total requerido en cada estacin sea
aproximadamente igual, Kilincci y Bayhan2. Ms especficamente, el problema de
balanceo de lneas de ensamble (ALBP) se puede establecer como: dado un nmero
finito de tareas o elementos, cada uno con un tiempo constante de ejecucin y un
conjunto de restricciones, distribuir los elementos en estaciones de trabajo de modo
que las restricciones sean satisfechas y se optimice alguna medida de desempeo.
El primer trabajo publicado sobre el ALBP fue el de Salveson 3, quien propuso
para su solucin un modelo de
programacin lineal. Desde entonces, el tema de balanceo de lneas ha sido de
mucho inters para los investigadores Kriengkorakot y Pianthong4.
Una lnea de ensamble puede ser clasificada de acuerdo a diferentes criterios
tales como tipos de productos (simple o mltiple), configuracin de la lnea
(horizontal, paralela y en forma de U) y tipo de tiempo de proceso (determinstico
y probabilstico) Becker y Scholl5. Algunos investigadores como Scholl y Becker6,
Baybars7 y Boysen et al. 8, dividen el ALBP en dos categoras: El problema de
 balanceo de lneas de ensamble simple (SALBP) y el problema de balanceo de
lneas de ensamble general (GALBP).
El SALBP se relaciona con lneas de ensamble de un solo producto con todos los
parmetros de entrada conocidos, Betancourt9. Por otro lado, el GALBP incluye
todos aquellos problemas que no son SALBP, tales como
ensamble de mezcla de productos, estaciones en paralelo, lneas en forma en U,
lneas en ambos lados con tiempos de ejecucin estocsticos, Tasan y Tunali10.
Adems, el SALBP se clasifica en tres grupos de acuerdo a sus objetivos: el SALBP-
1, cuyo objetivo es minimizar el nmero de estaciones de trabajo en la lnea dado un
tiempo de ciclo, el SALBP-2, que tiene como propsito minimizar el tiempo de ciclo
para un nmero dado de estaciones de trabajo y el SALBP-E, que busca maximizar
la eficiencia de la lnea para tiempo de ciclo y nmero de estaciones variables.
Boysen et al.8, desarrollaron una investigacin sobre los diferentes problemas de
balanceo de lneas de
ensamble. Concluyeron que existen tres enfoques generales de solucin de
problemas de balanceo. Estos son: tcnicas analticas, mtodos de simulacin y
algoritmos heursticos. Ms tarde, Rashid et al.11 desarrollaron otra investigacin
para determinar qu tcnicas de solucin se aplican para solucionar el ALBP. De
acuerdo a sus resultados, los mtodos de solucin ms dominantes son: Algoritmos
genticos (GA), Optimizacin por colonia de hormigas (ACO) y redes de Petri (PN).
Adems, tambin encontraron que los objetivos de optimizacin dominantes son:
Maximizar el flujo de trabajo, maximizar la eficiencia de la lnea y minimizar el nmero
de estaciones de trabajo.
De acuerdo a Becker y Scholl5, la mayor parte de la investigacin sobre el ALBP, se
ha enfocado a la solucin de modelos simples (SALBP). Dada la realidad, los autores
desarrollaron una investigacin sobre los problemas y mtodos usados para el
GALBP. Los autores encontraron muchas investigaciones, dentro de las cuales se
pueden mencionar algunas de las ms recientes; modelos con ganancias, Martin12,
procesos alternativos, Nicosia et al.13, estaciones en paralelo, Bukchin y
Rubinovitz14, operarios mltiples, Bukchin y Masin15, configuracin en U, Chiang y
Urban16, restricciones de proceso, Kim et al.17 y restricciones de operador,
Carnahan et al.18.
Boysen et al.1 encontraron que, no obstante que existe una gran cantidad de
investigacin relacionada con el ALBP, an existe una brecha entre estas
investigaciones y las situaciones reales. Esta brecha se puede deber a que los
enfoques analizados son simplificados al considerar restricciones independientes,
mientras que las situaciones reales son ms complejas al requerir considerar en
forma simultnea dichas restricciones.
Siguiendo la lnea de investigacin de operarios mltiples, investigadores como,
Johnson19, Bukchin et al.20, Bukchin y Masin 15, Dimitriadis21, Guo et al.22, Anuar
y Bukchin23, Dolgui et al.24, Becker y Scholl25 y Wang et al.26, consideraron
operarios mltiples en una estacin de trabajo pero que realizan trabajos
independientes. Por lo
anterior, en este estudio se utiliz un algoritmo gentico para balancear la lnea con
operarios mltiples desarrollando actividades en forma paralela.
 Descripcin del caso
En este estudio se utiliz el ejemplo de aplicacin industrial en el sector
automotriz presentado en Yasgan et al.27. El problema se relacion con el balanceo
de una lnea de ensamble de autobuses pequeos en Sakarya, Turqua para
producir a una tasa de ocho unidades por da. Para ensamblar una unidad se
requeran 53 elementos, los cuales acumulaban 3,966.4 minutos y la lnea
originalmente estaba balanceada con 17 estaciones de trabajo y 85 trabajadores.
Considerando los 53 elementos y las restricciones de precedencia se desarroll
una red para lo cual se requiri utilizar 54 actividades ficticias para un total de 107
actividades. En el cuadro 10 del anexo 1 se muestra la informacin del caso. En la
columna 2 se muestran los elementos en conjunto con las actividades ficticias. Las
columnas 3 y 4 muestran los nmeros asociados a los nodos de la red asociados a
cada actividad. En la columna 9 se muestran los tiempos de cada elemento y en la
columna 10 los operadores requeridos.
Por ejemplo, de la columna 10, el elemento uno requiere tres operadores, dado
que la actividad se realiza simultneamente, al faltar uno de ellos, sta no se puede
realizar. Este es el distintivo de esta aplicacin, asignacin de operadores en forma
simultnea.
El planteamiento del problema en Yasgan et al. 27 es multiobjetivo, esto es,
consisti en encontrar la combinacin
del tiempo de ciclo ideal, el mximo nmero de trabajadores por estacin y el
mximo tiempo ocioso por trabajador para balancear la lnea con objeto de
minimizar el nmero de trabajadores, minimizar el nmero de estaciones de trabajo
y maximizar la productividad de la lnea. Para resolver el problema ellos utilizan un
enfoque heurstico y la metodologa de Taguchi multi-objetivo.
En este trabajo se presenta un enfoque diferente al tratado en Yasgan et al. 27 y
ms apegado a situaciones reales:
encontrar la mejor combinacin del mximo nmero de trabajadores por estacin
y el mximo tiempo ocioso por trabajador para balancear la lnea con objeto de
minimizar el nmero de trabajadores, minimizar el nmero de estaciones de trabajo
y maximizar la productividad de la lnea, de modo que se produzcan ocho unidades
por da. Para resolver el problema se utiliz el algoritmo gentico descrito en la
siguiente seccin.
El algoritmo gentico
El algoritmo gentico (AG) diseado en el caso que nos ocupa es una variante
del mtodo desarrollado por Ramirez et al.28 en el cual se atendi un caso real
similar en el que se buscaba encontrar el menor nmero de operarios en una sola
estacin de trabajo considerando las dependencias de los elementos de trabajo,
las eficiencias de los operarios y las distancias que deban de recorrer para realizar
otro elemento de trabajo cada vez que
finalizaban el elemento en turno. La diferencia con el caso actual es que en ste
se deben encontrar el nmero de estaciones de trabajo y el nmero de operarios
en cada una de ellas sujeto un lmite superior de operarios por estacin de trabajo.
 As, en cuanto al caso del balanceo en cuestin, se identific que una solucin
esta compuesta por un cierto nmero de estaciones de trabajo, cada estacin con
un nmero dado de elementos de trabajo asignados en dicha estacin y un nmero
de operarios que ejecutan tales elementos de trabajo. Este nmero de operarios
asignados en cada estacin no deba exceder un lmite superior. Una solucin ser
factible si se satisfacen las restricciones de precedencia, el tiempo de ciclo mximo
no se excede, cada elemento de trabajo se ejecuta con el nmero de operarios
requerido, el tiempo de inicio y terminacin de cada operario para llevar a cabo un
elemento de trabajo est dentro del intervalo de inicio y terminacin de la estacin
de trabajo correspondiente y por ltimo, en el caso de un elemento de trabajo que
requiere dos o ms operarios, stos inician y terminan al mismo tiempo.
Una vez que se ha defini lo que es una solucin, el siguiente paso fue generar
una poblacin inicial de soluciones de tamao p dado que se tienen n elementos de
trabajo. Se utilizaron los algoritmos del cuadro 1 y 2 para generar una solucin
factible.
Una vez que se obtuvo la poblacin inicial, se identific el nmero de
estaciones ( ), se calcul el nmero de operarios totales ( ), el tiempo ocioso
( ) y la improductividad (I) como se indica en las ecuaciones 1 a 7.

1. Hacer k = 0 e inicializar el conjunto de elementos no asignados S.

2. Inicializar con cero (carga medida en tiempo) del conjunto de operarios
disponibles ( =lmite de operarios/estacin).
3. Se abre la estacin k=k+1. Hacer stk =0.
4. Si se selecciona al azar un elemento a partir del conjunto de los
elementos no considerados y no asignados. En caso contrario ir al paso
 9.
5. Acumular tiempo: stk = stk + t . Si ! !"# ir al paso 6. Si no, marcar
el elemento como ya considerado e ir al paso 3.
6. Identificar todos los elementos inmediatos anteriores de los que depende y
formar el conjunto E.
7. Verificar si todo elemento del conjunto E ya fue asignado en la
estacin k o en alguna estacin j anterior donde . Si as es, ir al
paso 8. En caso contrario, marcar el elemento como ya considerado
e ir al paso 3.
8. Asignar el elemento a la estacin k. Asignar operario u operarios de
acuerdo al algoritmo del cuadro
2. Continuar en el paso 3.
9. Si no se han asignado todos los n elementos, cerrar la estacin y
continuar en el paso 3. En caso contrario, terminar el algoritmo.
Cuadro 1. Algoritmo para generar una solucin al azar.

1. Hacer igual al nmero de operarios requeridos para el elemento .

2. Seleccionar al azar un operario i y verificar si su carga permite asignarle el
elemento (! + !
). Si as es, el operario i se incluye en el conjunto .
3. Si = continuar en el paso 4. En caso contrario ir al paso 2.
4. Identificar el tiempo de terminacin del elemento ms tardado (tt) en la
estacin inmediata anterior.
5. Identificar el tiempo de inicio (ti) del operario i considerando si es el primer
elemento que se le asigna o si ya se asignaron otros elementos en esta
misma estacin as como el tiempo de terminacin ms tardado del o los
elementos que preceden al elemento actual en la estacin en turno y
en las estaciones anteriores ya configuradas.
6. Calcular el tiempo de terminacin del elemento : ! = ! + !
7. Calcular el tiempo mximo de terminacin de la estacin actual: tu = tt
+tcmax. Si ! ! ir al paso 9. Si no, termina el algoritmo sin asignar
operario alguno dado que no es posible asignar el elemento.
8. Si seleccionar al azar un operario i de dicho conjunto e ir al paso 9.
En caso contrario, termina el algoritmo sin asignar el o los operarios
requeridos.
9. Si el nmero de operarios asignados no excede al lmite superior, ir al
paso 10. En caso contrario ir al paso 16.
10. Verificar que la ejecucin del elemento por el operario i no se traslape
con otro u otros elementos ya asignados al mismo operario i en la estacin
en actual. Si existe traslape ir al paso 11. En caso contrario ir al paso 16.
11. Identificar el tiempo de inicio (t ) y el tiempo de terminacin (t ) del elemento
con el que se traslapa.
12. Si t ti 1 hacer tj= t . En caso contrario tj= ti.
13. Calcular holgura: = ! ! .
14. Si < ! se descarta el operario i y se
contina en el paso 8. 15. Hacer ti= tj y ! =
! + ! .
16. Si >1, ir al paso 17. En caso contrario ir al paso 18.
17. Para cada -1 operarios que ejecutan el mismo elemento identificar su
 tiempo de inicio tk y si tk > ti
hacer tk= ti y anular su condicin de traslape.
18. Si se asignaron operarios terminar el algoritmo.
19. Si no existe traslape para ninguno de los -1 operarios asignar el
operario i. En caso contrario, descartar el operario i. Ir al paso 8.
Cuadro 2. Algoritmo para generar asignar el o los operarios
de un elemento de trabajo

El siguiente paso fue la reproduccin, para lo cual se aplic el algoritmo del cuadro 3.

1. Seleccionar al azar dos padres a partir de la poblacin.

2. Identificar los elementos de trabajo comunes a ambos padres en cada
estacin de trabajo. El cromosoma as generado es la base para reproducir
un nuevo hijo (conjunto S).
3. Hacer k =0.
4. Se abre la estacin k=k+1. Hacer stk =0.
5. Si se selecciona el i_simo elemento de trabajo de la j_sima
estacin e ir al paso 7. En caso contrario ir al paso 6.
6. Seleccionar al azar un elemento de trabajo del conjunto de los
elementos no considerados y no asignados.
7. Acumular tiempo: stk = stk + t . Si ! !"# ir al paso 8. Si no,
marcar el elemento como ya considerado e ir al paso 4.
8. Identificar todos los elementos inmediatos anteriores de los que depende y
formar el conjunto E.
9. Verificar si todo elemento del conjunto E ya fue asignado en la estacin k o
en alguna estacin j anterior donde . Si as es, ir al paso 10. En caso
contrario, marcar el elemento como ya considerado e ir al paso 4.
10. Asignar el elemento a la estacin k. Asignar operario u operarios de
acuerdo al algoritmo del cuadro 2. Continuar en el paso 4.
11. Si no se han asignado todos los n elementos, cerrar la estacin y continuar
en el paso 4. En caso contrario, terminar el algoritmo.

El algoritmo del cuadro 3 genera un hijo a la vez por lo se continu repitiendo

hasta lograr la tasa de reproduccin deseada trep. Una vez que se alcanz dicha
tasa, se inici el proceso de mutacin dada una tasa de mutacin establecida tmut.
El cuadro 4 muestra los pasos a seguir para dicho proceso. Al terminar se evalu la
aptitud de cada solucin como ya se describi anteriormente, se orden la poblacin
de mejor a peor, se conserv la mejor y se reemplazaron las peores de acuerdo con
la tasa de reemplazo tree previamente definida.

Experimentacin
Se llevaron a cabo las corridas descritas en el cuadro 5 con los parmetros
incluidos en el cuadro 6. Se observa en el cuadro 5 que el lmite de operarios
mximo por estacin se establece en 5 y aumenta gradualmente a 8 ya que, como
se ver en los resultados, incide directamente en el nmero de estaciones de
trabajo rqueridas. En el cuadro 6, el tiempo de ciclo mximo est determinado por
una demanda diaria de 8 autobuses, considerando un da de 10 horas y un
descanso de 80 minutos (ec. 12).

Lote de Lmite de No. de

corridas operarios corridas Iteraciones
1 5 10 150
2 6 10 150
3 7 10 150
4 8 10 150
Cuadro 5. Corridas efectuadas

Tiempo de
Tamao de Tasa de Tasa de Tasa de ciclo mximo
poblacin cruzamiento Mutacin reemplazo (minutos) Minimizar
12 0.20 0.10 0.50 65 Nmero de operarios
Cuadro 6. Parmetros utilizados en las corridas
Resultados finalesSe dise una interfase grfica utilizando MatLab versin
7.10.0.499. En las figuras 1, 2, 3 y 4 se muestra la convergencia promedio de los lotes 1,
2, 3 y 4 indicados en el cuadro 5.

Figura 1. Convergencia promedio del lote 1 Figura 2.

Convergencia
promedio del lote
2.

Figura 3. Convergencia promedio del lote 3. Figura 4. Convergencia promedio del lote 4.
Lote de No. de Total Tno Tno/operario
corridas estaciones operarios (min.) (min.) Productividad
1 19 84 1948.60 21.41 64.32
2 17 84 1493.60 17.78 72.64
3 16 85 1558.60 18.34 71.79
4 15 85 1558.60 18.34 71.79

Cuadro 7. Resumen de los resultados

En las figuras 1 a 4 se aprecia claramente la convergencia del algoritmo en cada

caso. A partir de los cuadros 5 y 7 se observa que a menor lmite de operarios,
mayor nmero de estaciones de trabajo.
Solo por ilustrar una solucin, en en el cuadro 8 se muestra parcialmente la
solucin de la mejor corrida del lote 1 (en el anexo 1 se muestra completa). Se
muestran solo las estaciones 1 y doce. La columna 9 del cuadro 8 indica el nmero
de operarios requeridos para realizar el elemento correspondiente. Por ejemplo, el
elemento 1(columna 2), requiere 3 operarios, el elemento 11 (columna 2) requiere
solo uno. Para determinar cuntos operarios realmente se utilizan en cada estacin
de trabajo, es necesario mostrar el trabajo realizado por cada operario lo cual se
muestra parcialmente en el cuadro 9 (en el anexo 2 se muestra por completo) en el
cual se detalla lo que cada operario realiza en la estacin de trabajo 12. En este
caso se puede verificar que solo se requieren cinco operarios ya que los operarios
1, 3 y 5 realizan dos elementos cada uno. Revisando las columnas 3 y 4 se puede
confirmar que el operario puede ejecutar los elementos uno despus del otro sin
traslapes (cuando debe realizar ms de un elemento). La columna 6 muestra la
carga total (en minutos) del operario (to), observando que no excede el tcmax de
65 minutos. La columna 7 es el tiempo no operativo (ocioso) del operario (tno), el
cual es la diferencia del tcmax y la carga total del operario. La suma de esta columna
7 es el tiempo ocioso total de la solucin en cuestin.
Por ltimo, los lotes de las corridas del cuadro 5 consumieron entre 8.43 hasta
10.24 horas en una computadora Pentium(R) D, 3.00 GHz y 0.99 GB de RAM.

Conclusiones
Los resultados obtenidos indican que el AG diseado funciona adecuadamente dado que
converge hacia las mejores soluciones (menor nmero de operarios totales), adems de que
cada solucin cumple con todas las restricciones del caso. Debe enfatizarse que la
informacin proporcionada en los anexos 1 y 2 es suficiente para llevar a cabo las
verificaciones pertinentes para comprobar que las soluciones son factibles. Adems, en el
cuadro 8 (que es una parte del anexo 1), las columnas 3 y 4 representan el par de nodos (i,
j) del elemento de trabajo, lo cual es la nomenclatura usual en una red CPM (Critical Path
Method) permitiendo as, reconstruir la red completa de manera grfica si as se desea.

Trabajo futuro
El modelo del AG diseado sirve de base para llevar a cabo la estimacin del
Frente de Pareto, lo que permitir identificar soluciones de inters dependiendo
de qu objetivo o cules objetivos en conflicto se desean minimizar. Por otra
parte, el modelo actual se puede utilizar para minimizar un solo objetivo. Para
ello, se pueden considerar tres de los cuatro objetivos (ecuaciones 7, 8, 9 y 10)
como restricciones duras dejando el cuarto objetivo como tal.

Referencias:

1. Boysen N., Fliedner M. and Scholl, A., Assembly line balancing: Which model to use when?, Int. J.
Production Economics 111: 509528, 2008.

2. Kilincci O. and Bayhan G.M.,A Petri net approach for simple assembly line balancing problems , Int. J.
Adv Manuf Technol, 30: 11651173, 2006.