FACULTAD DE INGENIERÍA Y

CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

PROYECTO GRUPAL SCHEDULING E INVENTARIOS

ENTREGA FINAL

LEIDY CAROLINA BARRAGAN SANDOVAL 1811981254

DANIEL ANDRES ACUÑA ORTIZ 920011221
DIANA KAROLINA ROJAS CORTES 1511022828
EDGAR RICARDO LANCHEROS ORJUELA 1511021412
JAQUELINE MEDINA VALENCIA 1610011227

TUTOR:
SEBASTIAN ESPITIA NAVAS

POLITÉCNICO GRANCOLOMBIANO
INGENIERÍA INDUSTRIAL
2019
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Contenido

1. INTRODUCCIÓN 3
1.1. OBJETIVO PRINCIPAL. 4
1.2. OBJETIVOS SECUNDARIOS 4
1.3. CRONOGRAMA DE ACTIVIDADES 4
2. MARCO TEÓRICO – SECUENCIACIÓN DE MÁQUINAS 5
2.1. TIPOS PRINCIPALES DE PROBLEMAS EN SECUENCIACIÓN DE MÁQUINAS 5
2.2. ALGORITMOS PRINCIPALES PARA SECUENCIACIÓN EN PROBLEMAS MONO-
MÁQUINA 6
2.3. ALGORITMOS PRINCIPALES PARA SECUENCIACIÓN EN PROBLEMAS MULTI-
MÁQUINA 7
3. SOLUCIÓN DEL ESTUDIO DE CASO 11
4. CONCLUSIONES Y RECOMENDACIONES 12
4.1. CONCLUSIONES 12
BIBLIOGRAFÍA 14
ANEXOS 15
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

1. INTRODUCCIÓN

La función del scheduling es la asignación de recursos limitados a tareas a lo largo del tiempo y
tiene como finalidad la optimización de uno o más objetivos. Las prioridades competitivas se hallan
relacionadas con las características de los productos o servicios que los clientes consideran
deseables, por esto el sistema de producción es un factor determinante para el desarrollo de la
actividad empresarial (Castrillón, O.D, 2009).
La teoría del scheduling ha originado diferentes alternativas para generar las mejores soluciones a
dicho problema de programación y se propone con el desarrollo de este software probar estas
alternativas mediante simulación computarizada. Las ventajas que la simulación trae consigo es la
posibilidad de evaluar el impacto que las decisiones tomadas tendrán, para así tener un
acercamiento a la realidad que permita evaluar las decisiones con vista a tomar la más asertiva. La
simulación permite tener un enfoque holístico de las situaciones teniendo en cuenta factores
deterministas y estocásticos (Castrillón, O.D, 2010).
El desarrollo de este estudio caso se realiza con el fin de mostrar una serie de estrategias
desarrolladas en secuencias que permitan minimizar el makespan de una litografía en la cual se
analiza la secuencia de dos máquinas por medio del Algoritmo de Johnson que aportan a la
elaboración de la producción.
El makespan está muy arraigado ya que por medio de este podremos saber el tiempo usado para
completar el grupo de trabajos, el máximo tiempo de finalización de todos los trabajos, también se
puede interpretar como la diferencia entre el tiempo de inicio y el final.
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

1.1. OBJETIVO PRINCIPAL.

Desarrollar una secuenciación para optimizar el desempeño de las 2 máquinas del taller de
litografía, logrando así minimizar el tiempo total para completar todos los trabajos programados,
con base en el Algoritmo de Johnson.

1.2. OBJETIVOS SECUNDARIOS

- Proponer una secuenciación de los trabajos reduciendo al máximo los trabajos programados.
- Aprender cómo funciona un proceso de secuenciación mono máquina y multimáquina
aplicado a casos estudio.
- Realizar ejercicios de práctica donde mostremos los conocimientos adquiridos sobre el
Algoritmo de Johnson.
- Desarrollar un Diagrama de Gantt que permita visualizar la secuencia en cada una de sus
etapas.
1.3. CRONOGRAMA DE ACTIVIDADES
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

2. MARCO TEÓRICO – SECUENCIACIÓN DE MÁQUINAS

2.1. TIPOS PRINCIPALES DE PROBLEMAS EN SECUENCIACIÓN DE MÁQUINAS

Los algoritmos son todas aquellas reglas o pasos ordenados en una secuencia lógica de entrada y
salida estructurados en un lenguaje de programación o software, ensamblados en lenguaje máquina,
lo cual permite ejecutar tareas de producción en forma ordenada secuenciando los pasos de entrada
y salida de un proceso.

“La programación (secuenciación) de tareas (scheduling) es una parte de la investigación de

operaciones que se interesa por estudiar la asignación de recursos limitados a un conjunto de
trabajos por realizar en un horizonte de tiempo, con el fin de optimizar uno o más objetivos. Es un
proceso de toma de decisiones que constituye uno de los problemas más importantes en gestión de
la producción, tanto desde el punto de vista teórico como práctico [Pinedo, 1995]. En los modelos
clásicos se considera que toda la información necesaria para establecer la secuencia de ejecución de
un conjunto de tareas es conocida desde el instante inicial del horizonte de programación.”

“la teoría clásica de la programación (secuenciación) de tareas se ha dedicado a estudiar y evaluar la

pertinencia de reglas o algoritmos cuando toda la información del grupo de tareas por ejecutar se
conoce de manera anticipada. Estos escenarios se llaman de tipo estático (offline). Recientemente se
ha dedicado gran interés al estudio de algoritmos dinámicos (on-line), los cuales deben tomar
decisiones de ejecución de las tareas en tiempo real conociendo únicamente la información
disponible al instante de toma de la decisión. En este artículo, se estudia el problema de
secuenciación on-line de tareas en un recurso único y se presenta el estudio de las reglas SPT
(Shortest Processing Time) y FIFO (First In, First Out). Estas reglas son inicialmente analizadas
con respecto a su competitividad para el peor de los casos y, posteriormente, se desarrolla una serie
de experimentos de simulación para verificar dichos postulados y comparar las reglas aplicándolas a
diferentes instancias de trabajo”

“En los años 50 se comenzaron a desarrollar algoritmos orientados a la secuenciación como los de
Johnson el SPT y el EDD relacionados con los tiempos de procesado y de entrega respectivamente
para flow shops de dos máquinas, [Johnson,1954]. Destacan también entre ellos McNaughton, que
en 1959 que consiguió resolver el problema de minimizar el tiempo total de procesos de trabajos
interrumpibles en máquinas idénticas. En la década de los 60 cuando la complejidad de los modelos
aumentaba se desarrolló el método de resolución Branch-and-Bound, que es usada por la
herramienta de resolución de modelos LINGO, en la cual se enumeraban todas las posibles
soluciones que podía tener un problema y encontraba la óptima de todas ellas, pudiendo desechar
un gran número de soluciones de manera anticipada con sencillos análisis de mejora de los
objetivos marcados por el modelo.”
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

2.2. ALGORITMOS PRINCIPALES PARA SECUENCIACIÓN EN PROBLEMAS

MONO-MÁQUINA

Algoritmo de Moore

Este algoritmo tiene como objetivo minimizar el número de trabajos atrasados, por lo general consta
de 4 pasos (Geo tutoriales ,2014)

Paso 1. Ordenar los trabajos de acuerdo a la regla de prioridad EDD (Earliest Due Date o Fecha de
Entrega más Próxima).

Paso 2. Seleccionar el primer trabajo atrasado en la secuencia actual, digamos el trabajo i. Si no hay
ninguno atrasado siga al Paso 4.

Paso 3. Considere los trabajos 1 al i. Rechace el trabajo con mayor tiempo de proceso, vuelva al
Paso 2.

Paso 4. Forme la secuencia que resulta de tomar la secuencia actual y colocar todos los trabajos
rechazados al final.

Algoritmo Húngaro

El objetivo del modelo es determinar la asignación de costo mínimo de trabajadores a puestos.

(ingenieroindustrialonline.com ,2016)

Paso 1

Antes que nada, cabe recordar que el método húngaro trabaja en una matriz de costos n*m (en este
caso conocida como matriz m*m, dado que el número de filas es igual al número de columnas n =
m), una vez construida esta se debe encontrar el elemento más pequeño en cada fila de la matriz.
(Salazar, 2016)

Paso 2
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Una vez se cumple el procedimiento anterior se debe construir una nueva matriz n*m, en la cual se
consignarán los valores resultantes de la diferencia entre cada costo y el valor mínimo de la fila a la
cual cada costo corresponde (valor mínimo hallado en el primer paso) (Salazar, 2016)

Paso 3

Este paso consiste en realizar el mismo procedimiento de los dos pasos anteriores referidos ahora a
las columnas, es decir, se halla el valor mínimo de cada columna, con la diferencia que este se halla
de la matriz resultante en el segundo paso, luego se construirá una nueva matriz en la cual se
consignarán los valores resultantes de la diferencia entre cada costo y el valor mínimo de la
columna a la cual cada costo corresponde, matriz llamada "Matriz de Costos Reducidos”.
(Salazar,2016)

Paso 4

A continuación, se deben de trazar líneas horizontales o verticales o ambas (únicamente de esos

tipos) con el objetivo de cubrir todos los ceros de la matriz de costos reducidos con el menor
número de líneas posibles, si el número de líneas es igual al número de filas o columnas se ha
logrado obtener la solución óptima (la mejor asignación según el contexto de optimización), si el
número de líneas es inferior al número de filas o columnas se debe de proceder con el paso 5.
(Salazar, 2016)

Paso 5

Este paso consiste en encontrar el menor elemento de aquellos valores que no se encuentran
cubiertos por las líneas del paso 4, ahora se restará del restante de elementos que no se encuentran
cubiertos por las líneas; a continuación, este mismo valor se sumará a los valores que se encuentren
en las intersecciones de las líneas horizontales y verticales, una vez finalizado este paso se debe
volver al paso 4. (Salazar, 2016)

2.3. ALGORITMOS PRINCIPALES PARA SECUENCIACIÓN EN PROBLEMAS

MULTI-MÁQUINA

Hipótesis:
● Instantes de comienzo:
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

● Flow-shop 2 máquinas y minimizar tiempo de cumplimiento:

Cmax: n trabajos, 2 máquinas, todos por una máquina, y luego por la 2 en el mismo orden.

Algoritmo Johnson

1. k=1 y l=n
2. Lista actual de trabajos no programados: {J1,J2,.....,Jn}
3. Encontrar mínimo de los a_i y b_i de los trabajos no programados
4. Si mínimo es un a_i:
a. Programar J_i en K-ésima posición, borrar J_i lista trabajos no programados
b. k ← k +1. Ir a 6.

5. Si mínimo es un i b:
a. Programar J_i en l-ésima posición, borrar i J lista trabajos no programados b
b. l ← l −1. Ir a 6
6. Si hay trabajos sin programar ir a 3. En otro caso, parar.
Extensión: Minimizar tiempos máximos de cumplimiento con 4 tipo de trabajos.
Tipo A: Sólo por la máquina M1
Tipo B: Sólo por la máquina M2
Tipo C: primero máquina M1 y luego M2
Tipo D: primero máquina M2 y luego M1

1.Secuenciar tipo A cualquier orden → S_A

2. Secuenciar tipo B cualquier orden → S_B
3. Secuenciar tipo C algoritmo de Johnson → S_C
4. Secuenciar tipo D algoritmo de Johnson (cambiar máquinas) →S_D

Programación Óptima
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

2 Trabajos
3 Máquinas

Objetivo: Minimizar máxima Demora

❖ Variables de decisión T_ij→ Instante de iniciar operación trabajo J_i en máquina M_j
❖ Restricciones tecnológicas→ Si J_i va a antes en Máquina M_j que en M_j’, T_ij + P_ij ≤
T_ij´

❖ No simultaneidad en una máquina

❖ Objetivo: Minimizar la máxima demora.

FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

3. SOLUCIÓN DEL ESTUDIO DE CASO

En este estudio de caso y por medio de las herramientas de Scheduling (programación de tareas de
un proceso) con base en la herramienta de ofimática Excel se procedió con los datos suministrados
a realizar la asignación de una programación para que las máquinas disponibles en el taller pudiesen
desarrollar las tareas planteadas buscando que los tiempos y los recursos se distribuyeran de manera
óptima buscando la eficiencia de los procesos.

En esta actividad se buscó minimizar el makespan de la empresa. Es decir, tratar de reducir el

tiempo comprendido entre el inicio y el fin de la programación de un trabajo. Ello se realiza con el
objetivo de disminuir los costos operativos y aumentar los márgenes de rentabilidad al tener un
mejor aprovechamiento de los recursos disponibles.

El algoritmo usado para la realización de esta programación según el estudio de caso suministrado
es el algoritmo O regla de JOHNSON. Para su desarrollo se requirió conocer el tiempo de operación
tanto de la máquina 1 como de la máquina 2. Luego de conocer los tiempos se elige el tiempo más
corto, con dicha información se asigna la máquina que realiza el trabajo de manera sucesiva hasta
completar la programación que reporte la secuencia óptima.

En este caso como consta en el archivo anexo de Excel la secuencia óptima luego de aplicar el
algoritmo fue:
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

4. CONCLUSIONES Y RECOMENDACIONES

4.1. CONCLUSIONES

❖ El tiempo más breve corresponde al trabajo B, por tanto, se asigna en primer lugar y
se ejecuta al final de la secuencia. Luego el tiempo más breve es para el trabajo Q,
siendo este trabajo asignado en segundo lugar y ejecutado penúltimo. Finalmente se
asignan los trabajos O y A respectivamente.
❖ El tiempo de flujo es de 42982,4
❖ En el día a día se necesitan herramientas fáciles de entender que nos ayuden a
mejorar los tiempos reprogramando las tareas y cumpliendo con la promesa de
producción
❖ Se logra el objetivo que minimizar una o más tareas o trabajos.
❖ se determina la serie de trabajos que nos entregan el Makespan (Tiempo entre el
comienzo y la finalización de un trabajo), para determinar el tiempo de finalización.
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

4.2. RECOMENDACIONES:

❖ La programación de producción que asigna estos trabajos a recursos productivos

limitados, debe realizarse de manera detallada y eficiente para permitir un mejor control
de las operaciones dentro del sistema productivo y constituir una ventaja competitiva
difícil de imitar.

❖ Aplicando el algoritmo de Johnson se minimiza el tiempo de procesamiento

estableciendo una secuencia entre los centros de trabajo usados para la secuencia de
números de trabajo a través de dos máquinas en el mismo orden.
 FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

BIBLIOGRAFÍA

Algoritmo de Moore aplicado a la Programación de Trabajos. (2014, 12 febrero). Disponible en:

https://www.gestiondeoperaciones.net/programacion-de-trabajos/algoritmo-de-moore-aplicado-a-
la-programacion-de-n-trabajos-en-una-maquina/

Castrillon, O.D.; Giraldo, J.A.; Sarache, W.A. (2009) Técnicas de Programación de la Producción.
Aplicaciones en Ambientes Job Shop. Unibiblos. Bogotá, Colombia

Castrillon, O.D.; Giraldo, J.A.; Sarache, W.A. (2010) Técnicas Inteligentes y Estocásticas en
Scheduling. Un Enfoque en la Producción y las Operaciones. Unibiblos, Bogotá, Colombia.

González, J. E. R., Aguas, J. P. Z., & Londoño, C. A. A. Supply Scheduling in Projects through
Dynamic Batch Methods.

Peña-Arenas, I. G., & López-Castro, L. F. (2016). Algoritmo genético para solucionar el problema
de dimensionamiento y programación de lotes con costos de alistamiento dependientes de la
secuencia. Ingeniería y Desarrollo, 34(1), 64-87.

Problemas de Asignación. (2016). Recuperado 21 noviembre, 2019, de

https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-industrial/investigaci
%C3%B3n-de-operaciones/problemas-de-asignaci%C3%B3n/

Ramos, A., Sánchez, P., Ferrer, J. M., Barquín, J., & Linares, P. (2010). Modelos matemáticos de
optimización. Publicación Técnica, 1. Disponible en:
https://www.iit.comillas.edu/aramos/simio/transpa/t_ts_ar.pdf

Regla de Johnson., Ingeniería Industrial Online. Disponible en:

https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-industrial/producci
%C3%B3n/regla-de-johnson/

Torres, J. R. M., Verján, G. R., & Alba, L. M. (2006). Estudio de algoritmos dinámicos para el
problema de secuenciación de trabajos en una máquina simple. Ingeniería y Universidad, 10(2).
FACULTAD DE INGENIERÍA Y
CIENCIAS BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

ANEXOS

ANEXO 1. ARCHIVO EXCEL CON CÁLCULOS RELACIONADOS.