Documentos de Académico
Documentos de Profesional
Documentos de Cultura
14853-Texto Del Artículo-51188-3-10-20180717
14853-Texto Del Artículo-51188-3-10-20180717
Artículo de Contribución
Resumen
El problema de balance de línea de producción BLP consiste en asignar tareas a una secuencia ordenada de estaciones de manera
que se satisfagan las relaciones de precedencia entre las tareas y se optimice alguna medida de rendimiento. Cuando una línea de
producción no está bien balanceada, se producen cuellos de botella, descontento entre los trabajadores pues siempre habrá unos que
trabajan más que otros en las mismas unidades de tiempo, retrasos en la entrega entre otros. Es un problema NP-hard que requiere
ser tratado tanto en empresas grandes como pequeñas. En este artículo se presenta un BLP en una fábrica de calzado mediana de la
ciudad de Lima-Perú. Se recolectaron tiempos y costos del proceso de producción de la temporada de invierno del 2011, Se aplicó la
metaheurística búsqueda tabú, encontrándose un modelo para la distribución de trabajadores a las actividades de producción, la cual
se implementó en la temporada de invierno del 2012 lográndose una mejora en la eficiencia del 75%. Asimismo, los reprocesos por
fallas tuvieron una reducción del 8.21% obteniéndose con ello un ahorro para la empresa en estudio. Para la implementación de la
búsqueda tabú se realizó un programa computacional.
Palabras clave: Metaheurísticas; Búsqueda Tabú; Balance de Línea de producción.
Abstract
The Assembly Line Balancing problem (ALBP) consists of assigning tasks to an ordered sequence of stations in order to satisfy the
precedence relations between the tasks and optimize some performance measure. When a production line is not well balanced, there
are bottlenecks, discontent among the workers because, there will always be some who work more than others in the same units of
time, delays in delivery etc. It is a NP-hard problem that needs to be solved in both large and small companies. This article presents
a BLP in a medium shoe factory in the city of Lima-Peru. Times and costs of the production process of the 2011 winter season were
collected. The metaheuristic taboo search was applied, finding a model for the distribution of workers to the production activities,
which was implemented in the winter season of 2012, achieving an improvement in efficiency of 75%. Likewise, the reprocesses for
failures had a reduction of 8.21%, thus obtaining savings for the company under study. To implement the taboo search, a computer
program was carried out.
Keywords: Metaheuristics; Tabu search; assembly line balancing
Correspondencia:
Dirección: Facultad de Ciencias Matemáticas, Ciudad Universitaria de San Marcos, Av. Venezuela s/n [puerta N°1]. Lima 1.
© Los autores. Este artículo es publicado por la Revista Peruana de Computación y Sistemas de la Facultad de Ingeniería de Sistemas e Informáticade la Universidad
Nacional Mayor de San Marcos. Este es un artículo de acceso abierto, distribuido bajo los términos de la licencia Creative Commons Atribucion - No Comercia_Compartir
Igual 4.0 Internacional. (http://creativecommons.org/licenses/by-nc-sa/4.0/) que permite el uso no comercial, distribución y reproducción en cualquier medio, siempre que
la obra original sea debidamente citada.
9
Coletti Romero & Riojas Cañari
El objetivo de la investigación fue plantear una so- 2.1. Balance de Línea de Producción
lución de tal manera que mejore el rendimiento, ya que
si se terminan los productos a tiempo y en el volumen “El Balance de líneas es la agrupación de las activi-
demandado por los clientes con una tasa de error míni- dades que sigue una secuencia de trabajo en una planta de
ma, la empresa cumplirá con el plazo pactado con los producción, con el fin de lograr el máximo aprovechamien-
clientes, con lo cual no se recurrirá a costos de reproce- to de los recursos como son: la mano de obra y los equipos
samiento, se reducirán los cuellos de botella y así se haría y de esa forma reducir o eliminar el tiempo ocioso” [11].
fluida la producción, lo que conllevaría a que la empresa Los factores que tienen más influencia en la selec-
genere más ingresos, reduciendo sus costos. ción del diseño de la línea de producción son el flujo del
Se seleccionó una metaheurística en vez de un mé- producto y la efectividad o utilización de los recursos
todo exacto por la posibilidad de incrementar ayudantes de labor y maquinaria. Ambos factores son impactados
en el proceso en cuyo caso no es necesario modificar el en forma significativa por el balanceo de línea y por el
software pues ese es un dato de entrada. despliegue de la planta física [12].
En general los métodos que buscan buenas apro- Hay ciertas restricciones que pueden complicar el
ximaciones son más adecuados comparados con los mé- problema y pueden plantearse cuestiones importantes
todos exactos, los cuales aspiran a soluciones óptimas, acerca de algunos aspectos del diseño que no se refieran
Según Vélez y Montoya [9] “La mayor ventaja de los a la secuencia ni al balance. Se presentan otros proble-
metaheurísticos frente a otros métodos está en su gran fle- mas de balance cuando el tiempo de una o más tareas
xibilidad, lo que permite usarlos para abordar una amplia excede el ciclo para el que nosotros estamos tratando de
gama de problemas (Voß y Woodruff, 2006). Esta caracte- obtener el balance. [12]
rística ha hecho que en los últimos años hayan cobrado una El (BLP) ha sido clasificado como NP-Hard es de-
relevancia que se ve reflejada en el surgimiento de revistas cir no se ha encontrado un algoritmo polinomico para
especializadas como el Journal of Heuristics y el INFORMS solucionarlo, por lo que el tiempo para encontrar una
Journal on Computing, y en la publicación de un impor- solución crece exponencialmente con respecto al tama-
tante número de libros, entre los que se destacan los de Aarts ño del problema.
y Lenstra, 2003; Blum y Roli, 2003; Glover y Kochenber-
ger, 2003; Martí, 2003; Melián, Moreno y Vega, 2003; 2.2. Métodos de Solución
Osman y Kelly, 1996, y Sait y Youssef, 1999.”
Para la solución razonable de los problemas difí-
En el acápite 2 se presenta la fundamentación teó- ciles se utiliza métodos de aproximación como son las
rica tanto del problema de balance de línea de produc- heurísticas y las metaheurísticas.
ción como de la metaheuristica búsqueda tabú.
2.2.1 Heurísticas
En el acápite 3 se describe los pasos que se siguió
durante la investigación para llegar a la mejor solución “Se califica de heurístico a un procedimiento para
factible, aplicando la Búsqueda Tabú al BLP, para que el que se tiene un alto grado de confianza en que en-
el lector pueda reproducir la misma experiencia a otros cuentra soluciones de alta calidad con un costo compu-
problemas similares y sacar sus propias conclusiones. tacional razonable, aunque no se garantice su optimali-
dad o su factibilidad, e incluso, en algunos casos, no se
En el acápite 4, se presentan los resultados obteni- llegue a establecer lo cerca que se está de dicha situación.
dos en la investigación por medio del software en la em- Se usa el calificativo heurístico en contraposición a exac-
presa de calzado, además se presenta la implementación to” Melian [13]
y la evaluación de la eficiencia de la solución en térmi-
nos de volúmenes y costos de producción. Finalmente se Clasificación de heurísticas
presenta las conclusiones y recomendaciones.
Según Martí [14], las heurísticas se clasifican de la
2. Fundamentación teórica siguiente manera:
Raymundo P Adolfo en “Balance de sistemas de • Métodos de Descomposición. El proble-
producción integrados, Producción-inventario [10] ma original se descompone en subproble-
presenta una aplicación básica utilizando modelos de mas más sencillos de resolver, teniendo en
balance de producción usando métodos exactos, en el cuenta, aunque sea de manera general, que
presente estudio se ha utilizado una meta heurística para ambos pertenecen al mismo problema.
resolver problemas más complejos en el balance de línea
de producción. • Métodos Inductivos. La idea de estos méto-
dos es generalizar de versiones pequeñas o más
La tesis “Minimización de los costos totales en el sencillas al caso completo. Propiedades o téc-
problema de balanceo de línea con ciclo variable y es- nicas identificadas en estos casos más fáciles
taciones en paralelo” de Mejía [11] presenta un marco de analizar pueden ser aplicadas al problema
teórico que ha servido de base para el presente estudio. completo.
• Métodos de Reducción. Consiste en identifi- actual por Fred Glover en 1986 el cual se utiliza con
car propiedades que se cumplen mayoritaria- gran éxito para resolver problemas de optimización cuya
mente por las buenas soluciones e introducirlas característica principal es la de “escapar” de la optimali-
como restricciones del problema. El objeto es dad local [14].
restringir el espacio de soluciones simplifican-
do el problema. El riesgo obvio es dejar fuera 2.3.1. Características de la Búsqueda tabú:
las soluciones óptimas del problema original. Glover, F y Melián, B. [15] definen la búsqueda
• Métodos Constructivos. Consisten en cons- tabú como una técnica que se basa en la premisa de que
truir literalmente paso a paso una solución del para poder calificar de inteligente la solución de un pro-
problema. Usualmente son métodos determi- blema, debe incorporar memoria adaptativa y explora-
nistas y suelen estar basados en la mejor elec- ción sensible. El uso de la memoria adaptativa contrasta
ción en cada iteración. con diseños “desmemoriados”, tales como los que se ins-
piran en metáforas de física y la biología, y con diseños
• Métodos de Búsqueda Local. Los procedi- de “memoria rígida”, como aquellos ejemplificados por
mientos de búsqueda o mejora local comien- ramificación y acotamiento, y sus “primos” de IA (inte-
zan con una solución del problema y la mejo- ligencia artificial).
ran progresivamente. El procedimiento realiza
en cada paso un movimiento de una solución La búsqueda tabú se caracteriza porque utiliza una
a otra con mejor valor. El método finaliza estrategia basada en el uso de estructuras de memoria
cuando, para una solución, no existe ninguna para escapar de los óptimos locales, en los que se puede
solución accesible que la mejore. caer al “moverse” de una solución a otra por el espacio
de soluciones. Como dicen Glover y Kochenberger en
El método utilizado en este trabajo de investiga- Handbook of Metaheuristics [16] las estructuras de me-
ción es el de búsqueda local. moria usadas son de dos tipos:
2.2.2 Metaheurística Memoria explicita. Esta memoria conserva solu-
ciones completas, y consiste típicamente en una elite de
Las metaheurísticas son estrategias o reglas inte- soluciones visitadas durante la búsqueda.
ligentes que sirven para mejorar los procedimientos o
diseños heurísticos muy generales con un alto grado de Estas soluciones especiales se introducen estratégi-
rendimiento que resolverá el problema dado. camente para ampliar N*(x) (otro entorno de solucio-
nes), que registra vecindarios altamente atractivos pero
Aun así, estas reglas no son rígidas y tienen flexibi- inexplorados de las soluciones de elite, y así presentar
lidad, permitiendo, por un lado, el diseño de diferentes opciones útiles que no se encuentran en N(x) (conjunto
métodos basados en la misma metodología, pero, dejan- de soluciones).
do por otro lado al investigador la libertad para tomar
decisiones e iniciativas al diseñar el método. Memoria basada en atributos. La cual guarda in-
formación sobre atributos de las soluciones que cambian
Tipos de metaheurística [13] al moverse de una solución a otra. Por ejemplo, en un
contexto de grafos, los atributos pueden consistir de no-
• Las metaheurísticas de relajación, que se re-
dos o arcos que se añaden, se suprimen o se sustituyen
fiere a procedimientos de solución que hace
por los movimientos ejecutados. En formulaciones de
modificaciones en el modelo para que simpli-
problemas más abstractas, los atributos pueden corres-
fique el problema.
ponder a valores de variables o funciones.
• Las metaheurísticas de búsqueda, que son las
Memoria: Principalmente la estructura de la me-
que guían los procedimientos que usan trans-
moria de la búsqueda tabú está relacionada con cuatro
formaciones o movimientos para recorrer las
dimensiones principales:
soluciones alternativas y explorar los entornos
asociados. • Calidad
• Las metaheurísticas evolutivas, las cuales se • Influencia
enfocan en los procedimientos basados en los
conjuntos de soluciones que evolucionan den- • Memoria de corto plazo (reciente)
tro de su mismo espacio.
• Memoria de largo plazo (frecuente)
Entre los algoritmos de búsqueda más utilizados
está la búsqueda tabú. 2.3.2 Estrategias de búsqueda: Pueden ser de
corto o de largo plazo.
2.3. Búsqueda Tabú
Memoria de corto plazo. La memoria de corto
La búsqueda tabú es un procedimiento heurístico plazo que es comúnmente usada, lleva la cuenta de los
de “alto nivel” introducido y desarrollado en su forma atributos de solución que han sido cambiados en el pa-
sado reciente. Para explorar esta memoria, los atributos • Actualización de la lista Tabú. Finalmente
seleccionados que se presentan en soluciones reciente- cuando un mejor vecino es seleccionado, la
mente visitadas son designados como “tabú-activos”, posición de la configuración X a partir de la
las soluciones que contienen elementos tabú-activos, o cual fue generado se debe prohibir durante k
combinaciones particulares de estos atributos, son las iteraciones (tabu tenure) y los sitios que están
que se convierten en tabú. prohibidos deben disminuir su estado tabú en
una iteración. Esto corresponde al proceso de
Sus elementos son actualización de la estructura tabú.
• La lista tabú.- arreglo donde se registra la memoria A continuación se presenta el esquema básico del
reciente. algoritmo tabú. Escobar [18]
• Tabú tenure.- cantidad de iteraciones durante los
cuales las soluciones que se encuentran en la lista
tabú estarán penalizadas, es decir, aunque sean las
mejores soluciones no podrán ser elegidas.
• Calidad: Se refiere al grado en el que un con- Las tareas evaluadas fueron divididas en elementos
junto de características esenciales cumplen operativos u operaciones elementales fáciles de reconoc-
con las necesidades establecidas, para que estas er y de separar de los demás, en los que está muy claro
sean comparadas con otras de su misma espe- su comienzo y terminación, esto se hizo para cada sub-
cie que en nuestro caso son zapatos. proceso del proceso de producción. Los subprocesos que
fueron evaluados son: Corte, aparado, armado, ensuela-
• Errores o fallas: Definimos la palabra error o do y acabado; a cada una de las personas que trabajan
fallas, a la acción equivocada de hacer un pro- en estos subprocesos se les cronómetro el tiempo de sus
ducto (calzado) incumpliendo las especifica- actividades. Cabe resaltar que también se observaron los
ciones de la empresa que requiere el producto, tipos de fallas que se cometen en cada una de los procesos.
como son las terminaciones de las costuras o la
ubicación de las etiquetas, entre otras. Tabla N° 1: Data de la producción de un trabajador
como el uso racional de los recursos disponi- 10/05/2011 B-241 sintético 380 LITZY 12
bles para la fabricación de los productos, es gris
11/05/2011 B-242 sintético 389 12
decir obtener más productos con menos re- bronce LITZY
cursos. cuero
13/05/2011 SCO-114 vino 353 LITZY 14
3. Método 14/05/2011 SCO-112 cuero 411 LITZY 14
marrón
Para realizar el estudio se elaboró un plan de traba- 16/05/2011 B-241 sintético 378 LITZY 12
jo con de las siguientes etapas: gris
17/05/2011 B-240 sintético 425 LITZY 12
• Recopilación de datos del sistema en estudio. marrón
17/05/2011 SCO-112 cuero 413 LITZY 14
• Análisis de los datos recolectados para estimar beige
los tiempos promedios. 3.2. Análisis de los datos recolectados
• Construcción del modelo utilizando la Bús- Una vez que se obtuvieron los datos (tiempos en
queda Tabú para el balance de línea de pro- horas) se procedió a analizarlos utilizando el software
ducción. SPSS y EXCEL,
• Elaboración de un software para la implemen- Se graficó diagramas de cajas para analizar los
tación de la metaheurística Búsqueda Tabú. tiempos que están fuera de control y que tanto afectan
• Aplicación del algoritmo. al promedio para cada subproceso del sistema de pro-
ducción.
• Análisis de los resultados para la toma de de-
cisiones. Se calculó las estadísticas descriptivas para encon-
trar las características de los datos y hacer una interpre-
3.1. Recopilación de datos tación; y así poder emitir una conclusión respecto al
estimador que represente las duraciones de las activida-
Para recopilar los datos (tiempos) se utilizó el mé- des. En pocas palabras encontrar medidas que permitan
todo del cronometraje y una hoja de observación, los hacer una descripción de las características del conjunto
tiempos están en horas para un lote de una docena de de datos para cada subproceso.
pares de zapatos.
Se graficó las frecuencia de cada subproceso para
Se tomó la data histórica del volumen de produc- analizar el comportamiento y la tendencia de los datos
ción de la empresa, que fue del mes de abril a junio del gráficamente. Se halló los intervalos de confianza de
año 2011, en este trabajo se concentra solo una campa- cada subproceso para saber que tan representativos son
ña, la temporada de invierno (de febrero a julio), ya que los datos para hallar un buen estimador, con un 95 %
en el rubro de la confección del calzados se trabaja por de confiabilidad.
temporadas.
3.3. Construcción del modelo Búsqueda Tabú
A continuación se muestra en la tabla N°1: la data
de un trabajador con su correspondiente producción. En el punto anterior, se obtuvieron los tiempos
en horas para cada subproceso de producción para co-
Una tabla similar se construyó por cada trabajador menzar a construir el modelo que mejor se asemeje a la
y se contabilizó los totales por mes por cada proceso. realidad.
Se optó por aplicar una metaheurística para resol- 3.4. Elaboración del software
ver el balance línea de producción, la metaheurística ele-
gida fue la “Búsqueda Tabú”. Se elaboró un software con características únicas
del problema del balance de línea de producción, este
A continuación se define el problema del balan- software fue elaborado en el lenguaje de computación
ce de línea de producción en términos de la Búsqueda visual C++ 2008.
Tabú:
El algoritmo se muestra en el cuadro N° 1.
Función Objetivo: Minimizar la sobrecarga de
trabajo de los trabajadores. Cuadro N° 1. Algoritmo computacional
void Inicio()
Número actividades,
Entrada de Número de trabajadores
datos Tiempos de las actividades
mayor tiempo acumulado en las actividades que desem- Traslado a la Se guardan la última solución en la lista
void
peña y se le asignará a otro trabajador alguna de sus acti- lista tabú tabú
vidades. La elección de dicha actividad estará en función
de su duración, eligiéndose la menor. En la primera subrutina se selecciona al
void punto pivote()
taciones (el intercambio de actividades a los trabajado- actividades, luego se calcula la diferencia
res), para prevenir que se vuelvan a tomar otra vez esta entre el tiempo acumulado de cada
Se evalúa la trabajador y el tiempo promedio en valor
solución. La solución entra a la tabla tabú y permanece matriz de absoluto.
un número de periodos previamente establecido (tabú tiempos La función objetivo se calcula con la
tenure). suma de las diferencias entre la “suma
de tiempo” y el promedio, esto da como
resultado la eficiencia del balance.
La forma de la lista tabú se presenta en la siguiente
figura:
Se elige el trabajador que tenga el mayor
Determinar tiempo acumulado en las actividades
Repetir hasta el máximo número de
Se evalúa las 3 posibles soluciones y se ordena de La fila con mayor suma de tiempos es la fila 1; el
menor a mayor. trabajador 1 tiene asignado 2 actividades la actividad 1
Iterando K=4,
Se halla el punto pivote.
A1 A2 A3 A4 A5 suma_tiempos
T1 0 0 0 0 2.79 2.79
T2 0 0 0 1.99 0 1.99
Iterando K=3, T3 1.72 0 4.51 0 0 6.23
Se halla el punto pivote. T4 0 3.77 0 0 0 3.77
3.70
A1 A2 A3 A4 A5 suma_tiempos
T1 0 0 0 0 2.79 2.79 La fila con mayor suma de tiempos es la fila 3; el
T2 1.72 0 0 1.99 0 3.71 trabajador 3 tiene asignado 2 actividades, la actividad
T3 0 0 4.51 0 0 4.51 1 y 3, se escoge la de menor duración que es la activi-
T4 0 3.77 0 0 0 3.77 dad 1, es decir, el punto pivote para esta solución es el
(3,1).
La fila con mayor suma de tiempos es la fila 2; el
trabajador 2 tiene asignado 2 actividades la actividad 1 Vecindario
y 4, se escoge la de menor duración que es la actividad
1, es decir, el punto pivote para esta solución es el (2,1). vecinos Trabajador Trabajador FO
2 (3,1) (2,1) 1.81 T
Vecindario 1 (3,1) (1,1) 3.41 T
3 (3,1) (4,1) 5.22
vecinos celda celda FO
1 (2,1) (1,1) 3.41 T La permutación de la actividad 1 del trabajador 3
2 (2,1) (3,1) 5.22 al trabajador 2 ó del trabajador 3 al trabajador 1 son las
3 (2,1) (4,1) 5.22 mejores en esta iteración, pero como son tabú ninguna
puede ser elegida, entonces la permutación de la acti-
Vecindario Vecindario
vecinos celda celda FO vecinos celda celda FO
1 (4,4) (1,4) 3.95 1 (4,2) (1,2) 7.36
2 (4,4) (2,4) 3.41 2 (4,2) (2,2) 5.22
3 (4,4) (3,4) 7.36 3 (4,2) (3,2) 9.17
Los parámetros ingresados al software fueron los como solución al problema y se implementó en la tem-
siguientes: porada de invierno del 2012.
• Número de iteración en que se comienza a usar el Alternativa 1:
criterio de aspiración: 10.
A1 A2 A3 A4 A5
• Número de iteración en que se comienza a usar la T1 0 0 0 0 1
memoria de largo plazo: 20. T2 0 0 1 0 0
T3 1 0 0 1 0
• El máximo número de iteraciones permitidas en el T4 0 1 0 0 0
software: 100.
Interpretación:
• La cota superior de la solución deseada: 3.
Actividad 1: Se le asigna el trabajador 3.
• Número de actividades del proceso de producción: 5.
Actividad 2: Se le asigna el trabajador 4.
• Número de trabajadores del proceso de producción: 4.
Actividad 3: Se le asigna el trabajador 2.
• El tiempo de cada una de las actividades del proceso
de producción(en minutos): Actividad 4: Se le asigna el trabajador 3.
- El tiempo de la actividad 1: 1.72. Actividad 5: Se le asigna el trabajador 1.
- El tiempo de la actividad 2: 3.77. 5. Implementación de la solución
- El tiempo de la actividad 3: 4.51. A partir del mes de abril de 2011 se implementó la
alternativa N° 1, observándose que en la temporada de
- El tiempo de la actividad 4: 1.99.
invierno (3 meses) del año 2012 el volumen de produc-
- El tiempo de la actividad 5: 2.79. ción aumentó de 1656 pares a 3865 como se muestra en
el cuadro N°2.
• Se ingresó la matriz de asignación de los trabajado-
res (solución inicial): Cuadro N° 2: Cuadro comparativo de la producción de calzado
para tres meses
A1 A2 A3 A4 A5
T1 1 0 0 0 0 Volumen de producción en Volumen de producción
Mes
la temporada 2011 en la temporada 2012
T2 0 0 0 1 0
T3 0 0 1 0 0 Abril 482 pares 1395 pares
T4 0 1 0 0 1 Mayo 526 pares 1244 pares
Junio 648 pares 1226 pares
• Se ingresó la matriz de tiempo de los trabajadores: Total 1656 pares 3865 pares
Cuadro N° 4: Costo total por tipo de fallas en el proceso de pro- Cuadro N° 7: Comparación de costos por fallas antes y después
ducción en la temporada de invierno del 2011 de la implementación de la solución
7. Referencias bibliográficas
De los cuadros N° 5 y 6 se observa que el promedio
mensual de pies fallados fue de 16.67% en la temporada [1] Wu, Ch , Yushun, F, Deyun x.(2001). Computer integrated
manufacturing. -Handbook of Industrial Engineering - Tech-
de invierno del 2011 y en la temporada de invierno del
nology and Operations Mgmt-Wiley editado por Salvendy, G.
2012 el porcentaje promedio mensual de pies fallados se
redujo a 8.46%, lo que da una reducción de 8.21% en [2] Bray, O. H. (1988), Computer Integrated Manufacturing: The
promedio por mes. Data Management Strategy, Digital . Press, Bedford, MA.
USA.
[3] Enkawa T, Schvaneveldt, S .(2001) Just-in-Time, Lean Pro- [11] Mejía, H. “Minimización de los costos totales en el problema
duction, and Complementary. de Balanceo de Línea con ciclo variable y estaciones en pa-
ralelo”, Tesis para optar el grado de maestro en ciencias en
[4] Tseng, M, Jiao, J (2001) Mass Customization, Handbook
ingeniería industrial, Puerto Rico, 2005, recuperado de http://
of Industrial Engineering - Technology and Operations Mg-
www.giad.uprm.edu/tesis/mejiaavila.pdf
mt-Wiley editado por Salvendy.
[12] Buffa, E. Y Toubert, W. “Sistemas de producción e inventar-
[5] Konz S. (2001) Methods Engineering, Kansas State Univer-
io”, edición 7, editorial LIMUSA, México, 1992.
sity . Handbook of Industrial Engineering - Technology and
Operations Mgmt-Wiley editado por Salvendy. [13] Melián B, Perez, J. et al., “Metaheurísticas: una visión glob-
al”. Inteligencia Artificial, Revista Iberoamericana de Inteli-
[6] Stephens, M. Meyers,F. (2013) Manufacturing Facilities De-
gencia Artificial. N.19 pp. 7-28 ISSN: 1137-3601. © AEPIA().
sign & Material Handling-Purdue University Press 5th edition
Recuperado de http://www.aepia.org/revista
Pearson.
[14] Martí, Rafael. Procedimientos Metaheurísticos en Optimi-
[7] Garey M. R. &. Johnson D. S, (1979) Computers and Intrac-
zación Combinatoria. Recuperado de http://www.uv.es/rmarti/
tability: A guide to the theory of NP-completeness, W. H. Fre-
paper/docs/heur1.pdf
eman and co., New York.
[15] Glover, F Y Melián, B. “Búsqueda tabú” Revista Iberoamer-
[8] Toksarı, M.D. et al (2008) Simple and U-type assembly line
icana de Inteligencia Artificial. N.19 pp. 29-48. ISSN: 1137-
balancing problems with a learning effect. Applied Mathema-
3601. © AEPIA (2003). Recuperado de http://www.aepia.org/
tical Modelling 32 .pp2954–2961Elsevier. Recuperado de
revista
http://www.elsevier.com/mathematics.
[16] Glover F. Y Kochenberger (editores), “Handbook of Meta-
[9] Vélez M.C. & , Montoya J. (2007). Metaheurísticos: una
heuristics”. Boston, Kluwer Academic Publishers. 2003.
alternativa para la solución de problemas combinato-
rios en administración de operaciones. Revista .EIA. [17] Riojas, A. “Búsqueda Tabu: conceptos, algoritmo y una apli-
Esc.Ing.Antioq no.8 ISSN 1794-1237 Recuperado de cación al problema de las N-reinas”, UNMSM Perú. Recuper-
http://www.scielo.org.co/scielo.php?script=sci_arttext&pi- ado de http://sisbib.unmsm.edu.pe/bibvirtual/monografias/
d=S1794-12372007000200009 Basic/riojas_ca/contenido.htm
[10] Raymundo A. “Balance de sistemas de producción integra- [18] Escobar Z, ; Galvis, J; et al;. Aplicación del algoritmo de
dos, Producción-inventario”, Investigación Operativa, UN- Búsqueda Tabú al problema de despacho hidrotérmico. Sci-
MSM-Perú, 1995. entia Et Technica, Diciembre-Sin mes, 25-30. recuperado de
http://www.redalyc.org/html/849/84911948004/