FACULTAD DE INGENIERÍA Y

CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

PROYECTO ALGORITMO DE SECUENCIACIÓN MULTI-MAQUINA

SCHEDULING E INVENTARIOS

NOMBRES DE LOS ESTUDIANTES:

HUGO ALEXANDER CASTELLANOS CÁRDENAS - 1711982800
DIANA CAROLINA ARRUBLA RUIZ -1620660096
LEYDY CAROLINA GUTIERREZ CUELLAR – 1621980263
YURI ALEXANDRA GONZALEZ CONTRERAS – 1711980725
HALINSON WIESNER BARRERA – 1511022495
WILLIAM ANDRES CELY MEDINA – 1521023840

PROFESOR:

ORTIZ BAHAMON RONALD MAURICIO

INSTITUCIÓN UNIVESITARIA POLITÉCNICO GRANCOLOMBIANO

FALCULTAD DE INGENIERÍA INDUSTRIAL
2018
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

CONTENIDO

1. INTRODUCCIÓN.........................................................................................................4
1.1. OBJETIVO PRINCIPAL......................................................................................5
1.2. OBJETIVOS SECUNDARIOS.............................................................................5
1.3. CRONOGRAMA DE ACTIVIDADES................................................................5
2. MARCO TEÓRICO – SECUENCIACIÓN DE MÁQUINAS..................................7
2.1. TIPOS PRINCIPALES DE PROBLEMAS EN SECUENCIACIÓN DE
MÁQUINAS.......................................................................................................................8
2.1.1. TALLERES DE UNA SOLA MAQUINA O PROBLEMAS SOBRE UNA
MAQUINA.............................................................................................................................8
2.1.2. TALLERES DE VARIAS MÁQUINAS O PROBLEMAS DE MÁS DE DOS
MÁQUINAS..........................................................................................................................9
NO ESPECIALIZADAS.......................................................................................................9
PARALELAS:.......................................................................................................................9
IDÉNTICAS:.......................................................................................................................10
UNIFORMES:.....................................................................................................................10
NO RELACIONADAS:......................................................................................................11
ESPECIALIZADAS............................................................................................................11
FLOW SHOP.......................................................................................................................11
JOB SHOP:..........................................................................................................................12
OPEN SHOP:......................................................................................................................16
2.2. ALGORITMOS PRINCIPALES PARA SECUENCIACIÓN EN
PROBLEMAS MONO-MÁQUINA..............................................................................18
2.3. ALGORITMOS PRINCIPALES PARA SECUENCIACIÓN EN
PROBLEMAS MULTI-MÁQUINA..............................................................................18
3. SOLUCIÓN DEL ESTUDIO DE CASO...................................................................22
4. CONCLUSIONES Y RECOMENDACIONES........................................................22
4.1. CONCLUSIONES................................................................................................22
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

4.2. RECOMENDACIONES......................................................................................22
BIBLIOGRAFÍA.................................................................................................................23
OTRAS CIBERGRAFIAS CONSULTADAS..................................................................23
ANEXOS..............................................................................................................................25
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

1. INTRODUCCIÓ N
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.”

Por esta razón el fin de este trabajo es mostrar una serie de estrategias desarrolladas en
secuencias que ayuden a minimizar el makespan de una compañía del sector metalmecánico
de la cual se analizaran dos máquinas que aportan a la elaboración de la producción.

El Makespan en este caso está muy ligado ya que lo que se desea saber es el tiempo usado
para completar un grupo de trabajos, es decir el tiempo máximo de finalización de todos los
trabajos, también se puede interpretar como la diferencia entre el tiempo de inicio y el final
de un horario.

Para el desarrollo del trabajo inicialmente se darán conceptos claros de los principales
problemas de secuenciación y los algoritmos de secuenciación que se pueden utilizar en un
taller metalmecánico, y así darle establecer un proceso de trabajos programados en un tallar
que requiere torneado y fresado.
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

1.1.OBJETIVO PRINCIPAL

Desarrollar una secuencia de trabajo que permitan encontrar alternativas a la hora de

minimizar el Makespan (Tiempo total para completar todos los trabajos) analizando las
diferentes variables que intervienen en la ejecución de este como lo son factores de tipo,
tiempo y maquinaria las cuales van enfocadas al taller Metalmecánico.

1.2.OBJETIVOS SECUNDARIOS

1. Diseñar estrategias que permita una mejora en los tiempos de manufactura.

2. Analizar los diferentes factores que intervienen en el momento de ejecutar la

secuenciación del trabajo a realizar.

3. La implementación de algoritmos que a futuro faciliten la programación de estos

recursos de una manera eficiente reduciendo los tiempos de entrega de cada una de
las tareas.

4. Minimizar el tiempo ocioso total de las máquinas.

5. Ordenar de manera óptima las distancias de operación de mecanizado para la

fabricación de piezas.

6. Garantizar la disponibilidad constante de las máquinas y su adecuada operación.

1.3.CRONOGRAMA DE ACTIVIDADES
ACTIVIDAD CRONOGRAMA DE GANTT FECHAS DURACIÒN EN
SEM 1 SEM 2 SEM 3 SEM 4 SEM 5 SEM 6 SEM 7
NÙMERO DESCIPCIÒN DE ACTIVIDADES INICIO/FIN DÌAS
Se establece grupo de trabajo, se revisa material para iniciar el proyecto y se 23/10/2018
1 descargan documentos como módulos, formato y estudio de caso "taller de 7
metalmecánica"
29/10/2018
Se reparten los puntos a resolver tomando como base las lecturas de los 30/10/2018
módulos y los diferentes elementos que componen la programación para la 7
2 redacción de la introducción y objetivos del proyecto. 5/11/2018
Se consolida la primera entrega con el diseño del cronograma de actividades, y 6/11/2018
se socializa en grupo sobre los temas a estudiar para la siguiente fase con 7
3 investigaciones individuales de los diferentes modelos y algoritmos. 12/11/2018
Identificamos y definimos aspectos a considerar para la resolución de la 13/11/2018
problemática del proyecto. Se socializan en el grupo sobre los diferentes 7
4 modelos y algoritmos para desarrollar aportes al documento. 19/11/2018
Se realiza la consolidación del documento para la segunda entrega tomando 20/11/2018
como aportes las investigaciones y la teoría de los módulos de la materia donde 7
5 se relacionan los ambientes de producción (Paralelos, Flow shop y Open shop) 26/11/2018
Realizadas las diferentes investigaciones se define el algoritmo de aplicación, 26/11/2018
teniendo en cuenta las máquinas y sus tiempos, los cuales se planean insertar 7
6 en un software para hallar las medidas de desempeño del proceso. 2/12/2018
Se realiza la práctica para el manejo del software Lekin, aplicando el algoritmo
4/12/2018
seleccionado, donde se espera comparar la solución obtenida con una regla de
7
despacho. Se termina consolidado final con sus conclusiones, 10/12/2018
7 recomendaciones y referencias bibliográficas de fuentes de investigación.
 2. MARCO TEÓ RICO – SECUENCIACIÓ N DE MÁ QUINAS
La programación de la producción es una respuesta operativa para muchas empresas, la
evolución de técnicas, métodos y reglas utilizadas para la secuenciación y programación de
la producción ha generado un desarrollo informático encaminado a la solución de
problemas de planta o fabrica, buscando por medio de algoritmos matemáticos los recursos.
Algunas técnicas empleadas en la secuenciación pueden ser determinísticas, estocásticas,
heurísticas o metaheurísticas, capaces de dar solución a diferentes problemas de un taller,
tomando en cuenta diferentes características y criterios. [ CITATION Dan16 \l 9226 ] y
[ CITATION Dav96 \l 9226 ].

Para poder determinar los problemas inicialmente, debemos tomar en cuenta

1. El número de trabajos o tareas a realizar
2. El tipo de taller máquina y cantidad
3. El flujo de tiempo
4. El tiempo de procesamiento
5. El tiempo de espera
6. La fecha de llegada
7. La fecha de terminación o salida
8. El retraso
Entre otros aspectos e información relevante para poder ejecutar una técnica apropiada.
Por otra parte se hace necesario identificar las reglas de despacho, las cuales podemos
identificar por sus siglas o letras en el siguiente referente, [CITATION GEO13 \n \l 9226 ].
Estas reglas también se pueden identificar por el nombre de diferentes autores, los cuales
han hecho de sus investigaciones una amplia literatura de los diferentes métodos o técnicas
para el Scheduling, para una mejor comprensión es importante identificar las 2
clasificaciones de los diferentes problemas en secuenciación de máquinas así:
1.Talleres de una sola maquina o problemas sobre una maquina
2. Talleres de varias máquinas o problemas de más de dos máquinas.
Para el segundo caso encontraremos otras subcategorías, donde se encuentran dos grupos
de problemas:
El primer grupo hacer referencia a problemas donde las maquinas realizan las mismas
funciones, por ello se les identifica como no especializadas o paralelas, donde también se
categoriza a las paralelas en idénticas, uniformes y no relacionadas.
El segundo grupo hace referencia a problemas en los que los trabajos a realizar se dividen
en varias operaciones o tareas, se identifican como maquinas o sistemas Especializados ,
dentro de los cuales se encuentran el Flow Shop, Open Shop y Job Shop.
En el siguiente punto se brinda una breve descripción, referencia y ejemplo de las
categorías mencionadas.
 2.1.TIPOS PRINCIPALES DE PROBLEMAS EN SECUENCIACIÓ N DE
MÁ QUINAS

2.1.1.TALLERES DE UNA SOLA MAQUINA O PROBLEMAS

SOBRE UNA MAQUINA.

Este tipo de problemas se pueden enfocar a las siguientes situaciones:

 Situación donde aunque cada trabajo consista en varias operaciones, una única
maquina domina el proceso como si las otras máquinas no existieran, (cuello
botella).
 Situaciones en las que un gran equipo se comporta como si fuera una única
máquina.
 Otra situación se puede dar en las industrias o fábricas de componentes mecanizado,
o de control automático en máquinas complejas, se puede enfocar como problema
de mono maquinas, al no poder cambiar las secuencias entre estaciones unificando
está a una sola secuencia.
En la mayoría de las empresas poco se da este tipo de problema, en todo caso de resolverse
se calcula y toma en cuenta cualquiera de las siguientes características:
 La tardanza máxima de los trabajos
 El flujo medio del tiempo
 El número de trabajos retrasado.
También se debe tomar en cuenta si el problema corresponde a un caso estático o un caso
dinámico, ya que cada uno se realiza con un paso a paso diferente, junto con técnicas,
modelos, algoritmos y reglas de despacho diferentes.
Ejemplo caso estático para minimizar el número de trabajos retrasados, tomado de
[CITATION Jav07 \n \l 9226 ]

Para reducir al máximo el número de trabajos retrasados se debe aplicar el algoritmo de

Moore, que consta de 4 pasos.

1. Ordenar los trabajos de acuerdo con la regla EDD. (d1<d2<d3<…<dn)

2. Encontrar el primer trabajo retrasado en la lista (trabajo i).

3. En la secuencia 1,2,...,i encontrar el trabajo con mayor tiempo de procesamiento. Quitar

ese trabajo y volver al paso 2.

4. Completar la secuencia añadiendo en cualquier orden los trabajos rechazados en el paso

3

Los únicos trabajos retrasados serán los que se añaden al final de la planificación, y son el
menor número posible.
Otros problemas tanto para mono y multi maquina se identifican como NP, pueden ser No-
polinomiales muy complejos, polinomial completo, resueltos en algunos casos con
algoritmos pseudo Polinomial.[ CITATION Wik18 \l 9226 ].

2.1.2.TALLERES DE VARIAS MÁ QUINAS O PROBLEMAS DE

MÁ S DE DOS MÁ QUINAS.

NO ESPECIALIZADAS

PARALELAS:

El eje central de esta línea de I/D lo constituye el estudio de los temas de procesamiento
paralelo y distribuido, en lo referente a los fundamentos y a las aplicaciones. Incluye los
problemas de software asociados con la construcción, evaluación y optimización de
algoritmos concurrentes, paralelos y distribuidos sobre arquitecturas multiprocesador. Los
temas de interés abarcan aspectos de fundamentos tales como diseño y desarrollo de
algoritmos paralelos en diferentes arquitecturas multiprocesador y plataformas de software,
paradigmas paralelos, modelos de representación de aplicaciones, mapping de procesos a
procesadores, métricas, escalabilidad, balance de carga, evaluación de performance. Las
arquitecturas pueden ser homogéneas o heterogéneas. Se trabaja principalmente en la
concepción de aplicaciones paralelas numéricas y no numéricas sobre grandes volúmenes
de datos y/o que requieren cómputo intensivo. Actualmente se han incorporado temáticas
como el uso de GPGPU para el desarrollo de soluciones, y el análisis del consumo y la
eficiencia energética en algoritmos paralelos. Este proyecto se coordina con otros dos en
curso en el III-LIDI, relacionados con Arquitecturas Distribuidas y Paralelas y Sistemas de
Software Distribuido.

Dentro de la clasificación de los problemas de máquinas paralelas encontramos maquinas

idénticas, uniformes y no relacionadas, que exponen un problema.

IDÉNTICAS:

Problema del taller de máquinas paralelas idénticas con tiempos de preparación

dependientes
de la secuencia, que consiste en resolver la programación de trabajos en un sistema de
capacidad múltiple con m máquinas que realizan operaciones iguales, dispuestas en paralelo
y n trabajos a procesar en una, y sólo una, de las máquinas. El concepto de máquinas
idénticas significa que cada trabajo puede ser procesado en cada una de las máquinas con
igual tiempo de proceso. El tiempo de proceso de cada trabajo está fijo y existen tiempos de
preparación de máquinas que dependen del orden en el que se procesan los trabajos en cada
una. El objetivo considerado en este trabajo es minimizar el makespan (Cmax), que consiste
en minimizar el intervalo de tiempo entre el inicio del procesamiento del primer trabajo
(tiempo de referencia 0) y el tiempo de terminación del procesamiento del último trabajo,
es decir, el intervalo de tiempo en el que se procesa completamente la totalidad de los
trabajos (órdenes de producción). Se consideran diferentes supuestos, bajo la notación
introducida por Graham et al. (1979) el problema de máquinas paralelas caracterizado por
los supuestos mencionados se denota por Pm / sij / Cmax, y es un conocido problema NP-Hard
(Blazewicz et al., 1996;Pinedo, 2008), lo que hace impracticable la obtención de la
solución óptima para problemas de mediano a gran tamaño.
La información se extrae de un proyecto que resuelve el problema Pm / sij/Cmax mediante
un algoritmo genético, comparado con otras heurísticas. Tomado de. [ CITATION
ING13 \l 9226 ]

UNIFORMES:

El problema pretende minimizar el tiempo total de procesamiento de todos los trabajos en

un conjunto de máquinas paralelas no relacionadas, la función objetivo es una expresión
matemática que suma los tiempos de procesamiento de todos los trabajos a programar.
Considerando que esos tiempos pueden variar de acuerdo con la programación obtenida, la
expresión debe considerar la variabilidad tanto en relación con el tipo de trabajo como a las
características técnicas propias de cada máquina, involucrándose en esta función una
sumatoria triple respecto a las máquinas, a los trabajos y a la secuencia en cada máquina.

A cada término de la función objetivo se le ha agregado, además, el tiempo de cambio de

artículo que está relacionado con la similitud entre dos trabajos consecutivos en la misma
máquina, que modela la sensibilidad del tiempo de procesamiento a la secuencia de
programación. La variable de decisión xijk es de carácter binario y tiene el valor de 1 si el
artículo i se programa en la máquina j en la secuencia k, y el valor de 0 en el caso contrario.

La función objetivo sería de la siguiente forma:

Fuente de información extraída de:[ CITATION Jai13 \l 9226 ]

NO RELACIONADAS:
Mismo ejemplo de las máquinas paralelas uniformes. Según [ CITATION Jai13 \l 9226 ]

ESPECIALIZADAS

Dentro de la clasificación encontramos maquinas tipo Flob Shop, Open Shop y Job Shop.

FLOW SHOP
Proceso de producción Flow Shop o también llamado “producción en masa” es aquel
proceso en el cual sus tareas (series de trabajo) pasan por todos o algunos procesos
(maquinas) en un orden prestablecido, teniendo en cuenta que ninguna maquina puede
realizar más de una operación en simultánea, lo cual quiere decir que los productos siguen
una misma secuencia de operaciones, para poder disminuir los tiempos de ejecución de
cada uno de los procesos.

Los métodos de algoritmos más comunes son Chu-Beasley y el sistema Makespan para
medir la eficiencia en cualquier tipo de problema de Flow Shop, las medidas de desempeño
de acuerdo con el problema pueden ser:

Ejemplo:
Consiste entonces en encontrar el orden adecuado en que los diferentes trabajos deben
llevarse a cabo. Esto con el objetivo de minimizar el tiempo total en el que todos los
trabajos completan su ejecución (Makespan).

Matriz tiempos de un problema de Flow-Shop

Variables de decisión:

Función objetivo: Minimizar Makespan.

Restricciones:
Función objetivo: permite minimizar el máximo

Orden actividad: Si la tarea i se realiza primero que la j, y para que se cumpla la igualdad.

Precedencias: Para que una máquina procese cierto producto, este ya debió haber sido
procesado por la máquina anterior.

Orden: Cada artículo debe esperar a que el producto que está siendo procesado en la
maquina m termine para continuar con su respectiva ruta.
 JOB SHOP:

Es un tipo de problema que desea resolver los cuellos de botella móviles en cada máquina
una por una, debe haber en el sistema, una producción en secuencia, tiempo necesario en
cada máquina y el tiempo de plazo de entrega; se define la regla de prioridad en el caso de
que 2 pedidos necesiten la misma maquina (podemos utilizar la fórmula de la holgura
total).
Es necesario tener un orden , una tabla de secuencias, analizar en el t=0 donde se conocerá
que maquinas están libres y poder asignarlas, aplicar la regla de prioridad para determinar
que pedido es el elegido en cada máquina, se debe actualizar la tabla (apoyarse en un
diagrama de gantt) en cada tiempo que va desocupándose cada máquina, es importante
tener en cuenta la regla de prioridad para la programación de cada pedido en cada
máquina (esta regla de prioridad se utiliza cuando hay más de 1 pedido que necesita la
misma maquina).
Al finalizar el sistema se analiza los tiempos de finalización de cada pedido y se comparar
con los tiempos de plazo de entrega, observe si la planificación no genera cuellos de
botellas y si existen volver a planificar y evitar los cuellos de botellas en la secuencia.

Ejemplo:
Realizar el control de la actividad de producción de los siguientes 3 pedidos:
PEDIDOS MQ1-A MQ2-B MQ3-C SECUENCIA PLAZO
1 5 2 2 BCA 13
2 2 3 1 BAC 7
3 1 2 4 ACB 10

Todos los tiempos vienen dados en Horas y la regla de prioridad será la Holgura total.
En T=0 todas las MQ están libres y miraremos pedido a pedido que MQ necesitan,
hallamos la holgura total para los pedidos que necesitan la misma MQ.
Holgura total= plazo de entrega-Tiempo actual-tiempo total de la secuencia. así
determinamos que la MQB empezaría con el pedido 2.

En T=1 el pedido 3 ya ha terminado y la MQB aún está trabajando. Se observa que el

pedido 3 necesita la MQC entonces se programa el pedido en esta MQC y se actualiza la
tabla de Gantt. Analizaremos el T cuando se quede libre una MQ.

En T=3 están libres las MQA y MQB las cuales se programan con los pedidos 2 y 1 ya que
la MQC está ocupada con el pedido 3. Se actualiza la tabla de Gantt y miramos en que
tiempo se desocupa las MQ para programarlas.
En T=5 están desocupadas las 3 MQ las cuales se observa que los 3 pedidos necesitan la
MQB y MQC las cuales hallan la Holgura total y se observa que el pedido 2 se programa
con la MQC y la MQB con el pedido 3. Se actualiza la tabla Grantt y se verifica en que
tiempo se desocupa las MQ para programarlas.

En T=6 está libre solo la MQC la cual la necesita el pedido 1. Observamos que el Pedido 2
ya ha finalizado. Actualizamos la tabla Grantt y miramos en que tiempo se desocupa las
MQ para programarlas.

En T=7 las MQA y MQB están libres pero el pedido 1 necesita la MQA pero este pedido
está procesando en la MQC entonces esperamos hasta que esta MQC termine.

En T=8 se programa el pedido 1 con la MQA la cual dura 5 horas que iria hasta 13, con
esto se termina la secuencia.
Se compara los plazos con los que se contaban y los actuales y no hay retrasos por lo tanto
la planificación fue perfecta.

OPEN SHOP:

La ruta que siguen los trabajos a realizar en un sistema productivo determina la

configuración de este. Cuando esta ruta es arbitraria, es decir, no existe un flujo prevenido
para los trabajos, se dice que el sistema obedece a una configuración tipo open-shop. No
hay restricciones de respeto de rutas de cada tarea a través del “ambiente “de la máquina.
Al programador le es permitido determinar la ruta para cada tarea y las tareas deben tener
rutas diferentes. El Open shop es una generalización del Job shop.

En un sistema productivo open-shop, el problema de programación OSSP (Open-Shop

Scheduling Problem) corresponde a un conjunto de trabajos J tiene que ser procesado por
un conjunto de M máquinas. Cada trabajo se compone de m operaciones Oij, cada una de
las cuales se deben procesar en una maquina diferente para un tiempo de procesamiento
determinado Pij. Las operaciones de trabajo se pueden procesar en cualquier orden, en
cualquier momento; cada máquina procesa como máximo un trabajo a la vez, y cada trabajo
se procesa máximo por una maquina a la vez. Por otra parte, cada trabajo tiene una fecha de
lanzamiento, solo después de que el funcionamiento de ese trabajo se puede procesar. En el
trámite de cualquier operación, sin derecho preferente, el retraso se permite, y los puestos
de trabajo son independientes.

Modelo de programación entera mixta para sistemas open-shop

Un modelo de programación entera mixta para encontrar la solución _óptima para el
problema de scheduling en sistemas open-shop con la minimización del makespan como
función objetivo fue propuesto por [9]. A continuación, se describe la formulación con sus
respectivos índices, parámetros, variables, función objetivo y restricciones.

Ejemplo:
Índices

i = trabajos
k = maquinas
j = operaciones del trabajo i

Parámetros
M = Un número positivo muy grande
m = Numero de maquinas
n = Numero de trabajos disponibles en el tiempo cero
rik = 1 si el trabajo i requiere la máquina k; 0 en otro caso
Ni = Numero de operaciones del trabajo i
Pik = Tiempo de procesamiento del trabajo i en la máquina k
Variables
Sijk = Tiempo de inicio de la operación Oijk
Cmax = Tiempo de finalización de la última operación en ser procesada.

El conjunto de restricciones (2.2) garantiza que la operación que corresponde a un trabajo

que va a ser asignado a una máquina en cualquier instante del tiempo, solo si se ha
parametrizado la necesidad de la operación; la asignación única de una operación en la
variable Xijk se garantiza en el conjunto de restricciones (2.3), donde para todas las
posibles posiciones de asignación de un trabajo en una máquina determinada tomasen valor
solo si se ha parametrizado la necesidad de la operación; el conjunto de restricciones (2.4)
garantiza que un trabajo puede estar siendo procesado solo en una máquina en un instante
de tiempo; el tiempo de inicio de una operación en un instante de tiempo debe tomar valor
solo si la operación se va a iniciar en dicho instante, esto se asegura en el conjunto de
restricciones (2.5); el conjunto de restricciones (2.6) se asegura de que el inicio de una
operación se dará después de que su predecesora inmediatamente anterior haya terminado;
los conjuntos de restricciones (2.7) y (2.8) garantizan que el tiempo de inicio de una
operación sea mayor o igual al tiempo de terminación de todas sus predecesoras; el
conjunto de restricciones (2.9) representa la función objetivo, siendo el makespan un valor
que representa el tiempo de terminación del trabajo que más tarde en ser procesado en todas
las máquinas que sea requerido; por ultimo las condiciones de no negatividad para el
makespan y el tiempo de inicio de las operaciones se garantiza en el conjunto de
restricciones (2.10).

2.2.ALGORITMOS PRINCIPALES PARA SECUENCIACIÓ N EN

PROBLEMAS MONO-MÁ QUINA
Para determinar algunos problemas de secuenciación con el uso de algoritmo de mono-
maquina, se revisaron y estudiaron videos, como fuentes de investigación. Dado que los
temas toman gran amplitud consideramos utilizar únicamente dos de los algoritmos los
cuales se referencias a continuación.
Regla SOT o también conocida como SPT, acompañado de la ley de little.
https://www.youtube.com/watch?v=ffjfkou0pe8
Algoritmo de MOORE, junto con la regla de EDD.
https://www.youtube.com/watch?v=e5smyas9oam

2.3.ALGORITMOS PRINCIPALES PARA SECUENCIACIÓ N EN

PROBLEMAS MULTI-MÁ QUINA

Algoritmo de Jonhson.

El caso n/2, es en el que dos o más trabajos deben procesarse en dos máquinas según un
orden común. Como en el caso n/1 (n trabajos por 1 máquina), hay un método que lleva a
una solución óptima siguiendo determinados criterios. El objetivo de este método, llamado
regla de Johnson o método de Johnson, es minimizar el tiempo de tránsito desde el
comienzo del primer trabajo hasta el final del último. La regla de Johnson consta de los
pasos siguientes

1.Se anota el tiempo de operación de cada trabajo en ambas máquinas.

2.Se elige el tiempo más breve.
3.Si el tiempo breve es para la primera máquina, se hace el primer trabajo
sí es para la segunda, se hace el trabajo al último. En caso de empate, se hace el trabajo en
la primera máquina.
4.Repita los pasos 2 y 3 con los restantes trabajos hasta completar la programación.

Programación estructura de Jackson

es un método para programación estructurada fundamentada sobre las correspondencias que

se establecen entre la estructura de flujo de datos y la estructura de un programa. JSP
programas y estructuras de datos en términos de secuencias, iteraciones y selecciones, y
como consecuencia es aplicado cuando se diseña la estructura de control detallada de un
programa, por debajo del nivel en el que los métodos orientados a objetos se vuelven
importantes.

Algoritmo de búsqueda de cadenas Boyer- Moore

Es un particularmente eficiente algoritmo de búsqueda de cadenas, y ha sido el punto de

referencia estándar para la literatura de búsqueda de cadenas práctica.
Fue desarrollado por Bob Boyer y J Strother Moore en 1977.
El algoritmo reprocesa la cadena objetivo (clave) que está siendo buscada, pero no en la
cadena en que se busca (no como algunos algoritmos que procesan la cadena en que se
busca y pueden entonces amortizar el coste del preprocesamiento mediante búsqueda
repetida). El tiempo de ejecución del algoritmo Boyer-Moore. 

Algoritmos Evolutivos en problemas de secuenciación de tareas

En problemas de secuenciación de tareas se han utilizado Algoritmos Evolutivos para hallar
soluciones ´optimas al orden de las tareas de acuerdo con las restricciones de la secuencia
de producción, sin embargo, algunas veces se tienen problemas debido a que no se intenta
disminuir la complejidad del problema, sino que simplemente se hace la búsqueda en el
espacio de solución cayendo algunas veces en soluciones poco óptimas.
algoritmos fifo y spt en contextos dinámicos
En esta sección se presentan dos algoritmos o reglas de secuenciación de tareas muy
conocidos. Estas reglas son: FIFO (First In, First Out) y SPT (Shortest Processing Time).
Aplicadas al problema on-line de secuenciación en una máquina, en ambas reglas se
mantiene una fila en la que se contienen las tareas que van llegando al sistema pero que aún
no se han ejecutado. Bajo la regla FIFO, los trabajos no ejecutados son ordenados en el
mismo orden de llegada al sistema, es decir por rj creciente (en caso de empate, va primero
el trabajo con menor pj ); de otro lado, con la regla SPT, las tareas en espera de ejecución
se
organizan por orden creciente de sus tiempos operatorios (en caso de empate, va primero el
trabajo con menor rj ). Cuando la máquina queda libre luego de terminar la ejecución de
una tarea, el primer trabajo en la lista es asignado para ejecución en la máquina
Tanto FIFO como SPT son algoritmos on-line puesto que toman las decisiones de
ejecución basados en la información disponible al instante en que la máquina se libera, sin
considerar las llegadas futuras. Adicionalmente, ambos algoritmos son conservadores, lo
cual significa que la máquina nunca permanece inactiva siempre que haya tareas en la lista
a la espera de ser ejecutadas. Vale la pena anotar que, a pesar de que estas dos reglas han
sido ampliamente utilizadas tanto en la literatura como en la práctica, existen pocos
resultados teóricos y experimentales acerca de su desempeño.
algoritmo Branch & Bound
El método de Branch and Bound (en español Ramificación y Acotamiento) aborda la
resolución de modelos de programación entera a través de la resolución de una secuencia de
modelos de programación lineal que constituirán los nodos o subproblemas del problema
entero. Si bien el procedimiento es extensible a un número mayor de variables, para efectos
prácticos ilustraremos su aplicación para modelos de programación entera en 2 variables.
Resuelva el siguiente modelo de programación entera a través del algoritmo de
ramificación y acotamiento (Branch and Bound)
 3. SOLUCIÓ N DEL ESTUDIO DE CASO

El estudio de caso presenta un problema de programación de n trabajos en un taller de

metalmecánica de m maquinas con unos Setup dependientes de la secuencia, la cual
consiste en organizar o programar los trabajos de tal manera que se minimice el
MAKESPAN (Cmax).
Disponemos de 2 maquinas identificadas con los nombres de torneado y fresado, a las
cuales denominaremos M1 Y M2.
También se disponen 9 trabajos o tareas los cuales se identifican con las letras de la A a la
I, donde se expresan los tiempos de procesos programados para el próximo periodo según
el caso.
Para hallar el Makespan, utilizaremos el software Lekin, el cual nos permite ingresar los
datos en un ambiente de trabajo, secuenciar y analizar los indicadores que resulten en la
elección del algoritmo o regla de despacho.
A continuación se presenta la tabla del estudio del caso, con los tiempos de procesos los
cuales se deben ingresar en la herramienta tomándolos como enteros en una escala sobre
10.
Trabajo M1 M2
Torneado Fresado
A 123 111
B 24 82
C 85 30
D 11 22
E 45 130
F 79 11
G 47 74
H 50 50
I 10 10
REGLA DE DESPACHO APLICADA AL PROBLEMA.
Para ingresar la regla de despacho se selecciona al sistema Flow Shop, sobre el cual se
asignan las 2 maquinas y los 9 trabajos. Luego se selecciona la regla de despacho FIFO,
identificada en la herramienta Lekin como FCFS, esta regla tiene como criterio atender las
tareas en el orden de llegada, es decir el objetivo es respetar el proceso, de tal forma que la
tarea que se ingreso primero se atiende primero.
¿POR QUÉ SE SELECCIONA A FIFO?

SECUENCIACIÓN DE LA REGLA DE DESPACHO SELLECIONADA

La secuenciación de la regla de despacho FIFO, es representada en el diagrama
suministrado por el software Lekin, en este se aprecia la programación de los trabajos
A,B,C,D,E,F,G,H,I de diferentes colores, en tiempos de programación que analizaremos
más adelante.

Para una mejor optimización del MAKESPAN, se debe acompañar a la regla de despacho
FIFO seleccionada, con una heurística general, la cual se representa en un diagrama de
GANTT como el anterior. En este se puede apreciar la colocación diferencial de la
programación, arrojando resultados menores que favorecen al makespan.

MEDIDAS DE DESEMPEÑO BÁSICAS REGLA DE DESPACHO FIFO

Se toma a los indicadores como las medidas de desempeña a analizar, estas se obtienen a
través del ambiente de trabajo LEKIN el cual permite identificar los diferentes resultados
asociados a los tiempos de la programación, los cuales se solicitan y se necesitan para
determinar el tiempo total y completar los trabajos.
Analizar los indicadores resultantes de la programación requiere de un reconocimiento de
su literatura, para ello se realiza posteriormente el análisis de las medidas de desempeño
básicas según la regla FIFO y la heurística que le acompaña resaltando el tiempo del
MAKESPAN.
INDICADOR FORMULA
Running Time ________________
Tiempo de ejecución
Makespan
Tiempo para completar los trabajos
Cmax
Max. Tardiness
Máxima tardanza
Tmax
Number of late Jobs
Número de trabajos tardíos
∑UI
Total Flow Time
Tiempo de flujo promedio total
∑CI
Total tardiness
Tardanza promedio total
∑TI
Total weighted flow time
Tiempo de flujo ponderado total
∑WICI
 Total weighted tardiness
Tardanzas totales ponderadas
∑WITI

Análisis indicadores
FIFO HEURISTICA
Tiempo de Flujo Promedio = Tiempo de Flujo Promedio =
4130[días]/9[trabajos]= 2804[días]/9[trabajos]
458,8[días/trabajo] =311,5[días/trabajo]
Tardanza Promedio Tardanza Promedio
= 4130[días]/9[trabajos] = 2804[días]/9[trabajos]
=458,8[días/trabajo] =311,5[días/trabajo]
Atraso Máximo = 643[días] Atraso Máximo = 533[días]
Número de Trabajos Atrasados = Número de Trabajos Atrasados =
9[trabajos] 9[trabajos]
Makespan = 643[días] Makespan = 533[días]

COMPARACIÓN CON OTRAS REGLAS DE DESPACHO EN EL SOFTWARE

LEKIN
Seleccionamos a la regla de prioridad SPT, para comparar la regla de despacho FIFO
seleccionada, para ello presentamos una secuenciación y resultados similares a los ya
contemplados, teniendo en cuenta las heurísticas e indicadores en el mismo software Lekin.
Para poderles compara de una forma más adecuada, se enlistan en el ambiente de trabajo
todos los datos donde se aprecia el MAKESPAN entre otros tiempos, más optimo para el
caso del taller de metal mecánica. También se representa a través de un diagrama de barras
la comparación de las reglas de despacho utilizadas para poder determina aquella que en
menor tiempo completa los trabajos.
La siguiente regla de despacho se acompaña de una heurística, presentando las dos
secuencias y sus resultados.
REGLA DE PRIORIDAD SPT PARA COMPARACIÓN
SECUENCIA REGLA DE DESPACHO SPT CON HEURISTICA PARA
COMPARACIÓN

LISTA DE INDICADORES DE COMPARACIÓN

DIAGRAMA DE BARRAS DE COMPARACIÓN

Análisis:
Se puede identificar a través de los datos suministrados, el diagrama de barras y las
secuencias, que la regla de despacho entre las dos seleccionadas que mejor representa la
programación y el MAKESPAN corresponde a la SPT, la cual indica que los trabajos se
procesan en orden creciente de tiempo de proceso.

4. CONCLUSIONES Y RECOMENDACIONES

Mencione las conclusiones y recomendaciones relacionadas con la aplicació n de los

algoritmos de secuenciació n y con la selecció n de dichos algoritmos.
 4.1.CONCLUSIONES

Realizamos este trabajo con una selección de un algoritmo trabajando los procesos que se
aplica en cada uno de ellos, el trabajo está basado y relacionado con un análisis
comparación con otras reglas de despacho en el software lekin, se trabaja diferentes
algoritmos trabajando un diagrama.

la producción hacia la utilización de procesos de sistematización, técnicas y procedimientos

de análisis que han sido desarrollados en el área de implementación a la hora de un
algoritmo y desarrollo el proyecto La complejidad de los problemas de programación en si
misma, debido a su explosión combinatoria.

El sistema puede trabajar en diferentes ambientes de máquinas como: máquinas simples,

maquinas paralelas, flujo continuo, flujo flexible continuo, flujo intermitente y flujo
flexible intermitente. Además, es capaz de distribuir las secuencias dependientes con los
tiempos de iniciación en los ambientes antes citados.

abordar parte de estas situaciones, mediante la consideración de algunos métodos,

procedimientos y técnicas que permitan llegar a una solución. Para ello, se realizó un
análisis de las técnicas de organización de la producción, de la secuencia de actividades, de
algunos métodos y modelos de investigación de operaciones

4.2.RECOMENDACIONES

se observa gráficamente los resultados del objetivo minimizar con los diferentes algoritmos
que posee LEKIN.

En los problemas de secuenciación son muchos los objetivos que se pueden alcanzar, por
ejemplo, minimizar el tiempo total transcurrido, maximizar el nivel de producción,
minimizar el retraso total, minimizar el retraso máximo, minimizar el costo de producción y
en ocasiones al lograr un objetivo.

La complejidad de los problemas de programación en sí misma, debido a su explosión

combinatoria, explica o muestra porque no es fácil llegar rápidamente a una solución y de
ahí lo interesante que se torne su estudio, invitando a los lectores a considerar
adecuadamente un criterio de elección entre la simulación, los procedimientos heurísticos o
metaheurísticos o la búsqueda de una solución óptima.
 BIBLIOGRAFÍA

1. Barrera, D. (05 de 10 de 2016). Blogspot.com. Obtenido de Blogspot.com:

http://proyectoeypii.blogspot.com/
2. Garcia, J. S. (2007). SlideShare. Obtenido de SlideShare:
https://es.slideshare.net/169314/teoria-programacion-lineal
3. INGENIERIA, I. Y. (01 de Junio/Mayo de 2013). Scienciedirect.com. Obtenido de
Scienciedirect.com:
https://www.sciencedirect.com/science/article/pii/S1405774313722248
4. Jaime A. Arango, J. A. (2013). scielo.conicyt.cl. Obtenido de scielo.conicyt.cl:
https://scielo.conicyt.cl/scielo.php?script=sci_arttext&pid=S0718-07642013000300009
5. Pablo, D. A. (1995/1996). Problemas de planificación y secuenciación deterministica.
Servicio de publicaciones Universidad de la Laguna. Obtenido de
ftp://tesis.bbtk.ull.es/ccppytec/cp3.pdf
6. Tutoriales, G. (13 de 05 de 2013). Gestión de operaciones. Obtenido de Gestión de
operaciones: https://www.gestiondeoperaciones.net/programacion-de-trabajos/reglas-
de-prioridad-para-la-programacion-de-n-trabajos-en-una-maquina/
7. Wikipedia. (29 de 10 de 2018). https://es.wikipedia.org/wiki/NP-completo. Obtenido de
https://es.wikipedia.org/wiki/NP-completo: https://es.wikipedia.org/wiki/NP-completo

OTRAS CIBERGRAFIAS CONSULTADAS

8. Montoya, Torres, Jairo Rafael, et al. Estudio de algoritmos dinámicos para el problema
de secuenciación de trabajos en una máquina simple, Red Ingeniería y Universidad,
2009. ProQuest E-book Central, Introducción a la secuenciación nanomáquina. P. 3 a 4.
Tomado de:
https://ebookcentralproquestcom.loginbiblio.poligran.edu.co/lib/bibliopoligransp/detail.
action?ocID=3184399.du.co/lib/bibliopoligransp/detail.action?docID=3184399

9. Montoya, Torres, Jairo Rafael, e tal. Estudio de algoritmos dinámicos para el problema
de secuenciación de trabajos en una máquina simple, Red Ingeniería y Universidad,
2009. ProQuest E-book Central, Planteamiento y formalización del problema de
secuenciación nanomáquina. P. 4 a 7.Tomado de:
https://ebookcentralproquestcom.loginbiblio.poligran.edu.co/lib/bibliopoligransp/detail.
action?docID=3184399.
10. Chase, R. (2014). Administración de Operaciones, producción y Cadena de
suministros. Bogotá: McGraw-Hill Interamericana. Programación, naturaleza e
importancia de los centros de trabajo. Págs. 623-625. Tomado de: https://www-
ebooks7-24-com.loginbiblio.poligran.edu.co/?il=276

11. Frutos, Mariano. Tópicos avanzados en diseño y desarrollo de técnicas meta -

heurísticas para uso en la secuenciación de operaciones, EdiUNS, 2012. ProQuest E-
book Central, Planificación, programación y control de la producción. 1 a 8. Tomado
de:
https://ebookcentralproquestcom.loginbiblio.poligran.edu.co/lib/bibliopoligransp/detail.
action?docID=3205012

12. Job Shop, caso práctico. Francisco David de la Peña Esteban Publicado el 20 mar. 2015
Tomado de: https://www.youtube.com/watch?v=aQhKqIES8u

13. Blanco Canon Angie Lizeth Publicado en 2016.pdf. Tomado de

http://repository.udistrital.edu.co/bitstream/11349/4630/1/

14. Programacion_de_un_Sistema_Job_Shop-
Open_Shop_por_medio_de_una_Red_Neuronal . Tomado de
https://www.researchgate.net/publication/309541599_

15. Rivera J. C. Tomado de

http://www.eafit.edu.co/minisitios/cienciaaplicada/Documents/Flow-Shop%20Din
%C3%A1mico.pdf
 ANEXOS

ANEXO 1. ARCHIVO EXCEL CON CÁLCULOS RELACIONADOS.