Universidad Católica de la Santísima Concepción

Facultad de Ingeniería
Ingeniería Civil Industrial

Proyecto 2

Proyecto integrador de Gestión de Operaciones

https://youtu.be/y4E6KrFI35o

“Distribución de Máquinas en Planta”

Integrantes: Jorge Flores Cisternas

Cristofer González Parada

Camila Inzunza Peña

Francisco Rivera Acuña

Grupo: 10

Profesores: Manuel Cepeda Junemann

Héctor Valdés Morales

Concepción, 06 de noviembre de 2021

RESUMEN
El proyecto abordado en este informe consistió en la generación de una propuesta para la
distribución de máquinas dentro de una empresa que fabrica diversos repuestos de maquinaria
para la industria forestal y que desea instalar una maestranza en la ciudad de Los Ángeles.
Después de una revisión bibliográfica se determinó que el modelo de asignación cuadrática
cumple con los requerimientos básicos para realizar una distribución de máquinas basado
únicamente en la minimización de costos, para posteriormente asignar un riesgo
correspondiente.

La primera parte del informe contempla la aplicación de una metodología general que
permita resolver cualquier problema de asignación de máquinas en un área rectangular, de
este modo se requiere definir todas las posibles combinaciones de áreas mínimas
rectangulares necesarias para posicionar la totalidad de las máquinas. En segundo lugar, se
deben generar las configuraciones de pasillos posibles para cada combinación de área
rectangular, junto a la matriz de distancia entre todas las posiciones. Una vez se agrupó los
datos de flujo y área se pudo resolver el modelo matemático en un tiempo razonable para
cada área. Mediante el empleo del software LINGO 19.0 se resolvió la minimización de costo
para cada configuración en un tiempo promedio de 1 segundo/configuración.

La segunda parte consistió en resolver un problema particular con pasillos de 2 metros de

ancho y máquinas distribuidas horizontalmente. La condición es tener pasillos de a lo menos
1 metro de ancho entre máquinas, sin embargo, para garantizar la seguridad de los
trabajadores existe la posibilidad de aumentar el ancho de los pasillos a 2 metros entre
máquinas. Cuanto mayor sea la seguridad para los trabajadores implica un uso mayor de
superficie, de este modo aumenta el costo de inversión y además, dependiendo de la
distribución de los pasillos los costos por flujo entre cada máquina pueden variar. Se resolvió
un total de seis instancias, es decir, se resolvió el problema bajo la condición de usar 5
máquinas, 6 máquinas, 7 máquinas, 8 máquinas, 9 máquinas y la instancia de mayor tamaño
que fue resuelta bajo esta metodología fue la de 10 máquinas. Las instancias de 15 máquinas,
20 máquinas y 30 máquinas quedaron descartadas para su resolución debido a que el tiempo
de ejecución requerido para asegurar la factibilidad bajo esta metodología es mayor al tiempo
que se considera aceptable.

Una vez obtenidas todas las soluciones, se descartó las que estaban dominadas por otras, es
decir tienen igual riesgo, pero mayor costo que otra configuración. Finalmente, con la
frontera de Pareto para cada instancia se escogió bajo el criterio de priorizar la característica
de riesgo en desmedro de los costos, de este modo se escoge la solución que entrega la mayor
seguridad a los trabajadores, para evitar costos por paralización de planta, costos por
indemnizaciones, costos por accidentes y reparaciones.
Índice de contenido

1. INTRODUCCIÓN 5
2. OBJETIVOS 6
2.1. Objetivo general 6
2.2. Objetivos específicos 6
3. MARCO TEÓRICO 6
3.1 Problema de distribuciones tipo Job shop 6
3.2 Problema de Asignación Cuadrática 7
4. METODOLOGÍA E IMPLEMENTACIÓN 8
4.1 Metodología general 8
4.2 Implementación de metodología para una instancia de 10 máquinas 11
5. RESULTADOS Y DISCUSIÓN 18
5.1 Resultados modelo de programación lineal 18
5.2 Resultados de otras instancias 22
5.2.1 Resultados para instancia de 5 máquinas 22
5.2.2 Resultados para instancia de 6 máquinas 23
5.2.3 Resultados para instancia de 7 máquinas 23
5.2.4 Resultados para instancia de 8 máquinas 24
5.2.5 Resultados para instancia de 9 máquinas 25
6. CONCLUSIÓN 27
7. REFERENCIAS 27
7. ANEXOS 28
1. INTRODUCCIÓN
En la actualidad las empresas deben preocuparse de contar con un ambiente laboral
que identifique las señales de riesgo y una correcta distribución de equipos en la planta, con
la finalidad de realizar el trabajo de la mejor manera posible, debido a que es primordial para
minimizar los costos y maximizar la productividad. Una buena distribución de planta indica
que la empresa cuenta con sus equipos o máquinas, estaciones de trabajo, pasillos y áreas
habituales dentro de la instalación relacionadas entre sí para la facilitación del flujo de
productos o materiales de un lugar a otro.

“A igualdad de condiciones, es siempre mejor la Distribución que permite que la

distancia a recorrer por el material entre operaciones sea la más corta” (Muther, Richard.
Distribución en Planta. Hispano Europea, 1981.)

Una de las decisiones estratégicas más relevantes para determinar la eficiencia a largo
plazo de una empresa es la que corresponde a la distribución de planta o layout, ya que con lo
anterior se logra construir un sistema productivo que sea capaz de alcanzar los objetivos de la
empresa de una forma eficaz y haciendo uso eficiente de los recursos. Además, diseñar una
correcta distribución de las máquinas y las zonas de trabajo ayuda a la empresa a conseguir
una ventaja competitiva por sobre sus competidores.

Para la correcta asignación de las máquinas en la maestranza ubicada en la ciudad de

Los Ángeles, primero se deben considerar las distintas formas que puede tener la planta y el
tamaño de los pasillos que recorren los trabajadores, con el objetivo de disminuir el riesgo
para que el personal pueda transitar de manera segura. Posteriormente se plantea un modelo
matemático para la correcta asignación de las máquinas en la planta, el modelo utilizado
corresponde al método de asignación cuadrática que establece el área inicial en donde irán las
máquinas, considerando el costo y el flujo entre ellas.
2. OBJETIVOS

2.1. Objetivo general

● Proponer una metodología para abordar el problema multiobjetivo de asignación de
máquinas, incluyendo supuestos y simplificaciones.

2.2. Objetivos específicos

● Revisar la bibliografía orientada a problemas de asignación en planta.
● Identificar los principales factores que estructuran el problema de asignación de
máquinas en planta.
● Implementar una metodología para el problema general, es decir, que funcione para
cualquier tamaño sin modificar el programa, sino solo el archivo de datos.
● Implementar una metodología para el problema particular, respetando una serie de
supuestos y simplificaciones dadas por el profesor.
● Desarrollar un modelo de optimización multiobjetivo que minimice los costos totales
equivalentes a la inversión del tamaño de la zona de máquinas que se construirá y un
costo asociado al flujo entre las diversas máquinas. Además, minimizar el riesgo para
los trabajadores.
● Generar el conjunto de alternativas óptimas que me permita construir la Frontera de
Pareto para el problema multiobjetivo.

3. MARCO TEÓRICO

3.1 Problema de distribuciones tipo Job shop

El problema de programación del taller (JSP) es uno de los problemas de
programación de producción más clásicos. El objetivo de la JSP es encontrar secuencias de
trabajos y máquinas para optimizar objetivos de producción específicos. Una buena solución
JSP puede ayudar eficazmente a los fabricantes a mejorar la eficiencia de producción y
reducir los costes de producción (Dao T.K., Pan T.S., Nguyen T.-T. & Pan J.S., 2018) (Gong
G.L. et al., 2019). Otros objetivos directamente relacionados con el tiempo son la
minimización de tardanzas, retrasos y flujo total. El JSP se considera un problema NP-Hard
(Garey & Johnson, 1979); por lo tanto, es computacionalmente difícil encontrar una solución
óptima en un tiempo razonable ya que el espacio de búsqueda crece exponencialmente a
medida que aumentan las entradas del problema.

Los estudios iniciales sobre la JSP se centraron en un único objetivo, principalmente,

la optimización de la capacidad de producción. Algunos métodos de solución exactos, como
la regla de envío y el algoritmo de bifurcación y cota, se utilizaron para manejar el problema.
Sin embargo, los métodos de solución exacta se vuelven ineficaces cuando aumenta la escala
del problema. Los algoritmos metaheurísticos basados en la población se pueden utilizar para
resolver problemas NP difíciles de forma eficaz, especialmente los problemas de
optimización a gran escala ya que pueden obtener una solución aproximada en un tiempo
computacional razonable (Carlier & Pinson, 1989).

3.2 Problema de Asignación Cuadrática

El problema de la asignación cuadrática, que se denota por sus siglas en inglés QAP
(Quadratic assignment problem), fue planteado por Koopmans y Beckmann en 1957 como un
modelo matemático para un conjunto de actividades económicas indivisibles. (Burkard &
Cela,1998). Posteriormente Sahni y Gonzales demostraron que QAP pertenece a los
problemas no polinomiales duros , lo que sumado a que es un problema aplicable a un
sinnúmero de situaciones, lo hacen un problema de gran interés para el estudio.

QAP es un problema estándar en la teoría de locación. En éste se trata de asignar N

facilidades a una cantidad N de sitios o locaciones en donde se considera un costo asociado a
cada una de las asignaciones. Este costo dependerá de las distancias y flujo entre las
facilidades, además de un costo adicional por instalar cierta facilidad en cierta locación
específica. De este modo se buscará que este costo, en función de la distancia y flujo, sea
mínimo.

El problema de asignación cuadrática tiene como objetivo minimizar los costos de flujo o
de manejo de materiales en un proceso productivo, busca ubicar aquellas actividades o
departamentos con mayor flujo en ubicaciones más cercanas. La formulación más común del
QAP se muestra a continuación tomada del artículo Facility Layout Problems: A Survey.
(Drira, Pierreval, Hajri-Gabouj, 2007)

● n es el número de departamentos y ubicaciones que se encuentran en la planta a

distribuir. Como se mencionó previamente se suponen iguales y se distribuirá un
departamento por ubicación.
● m es el número de máquinas
● Fik es el flujo de material entre los departamentos i, k.
● Djl es la distancia desde el centro de la ubicación j al centro de la ubicación l.
● Xij Es la variable de decisión 1 si se ubica el departamento i en la ubicación j.

m n m n

∑ ❑ ∑ ❑ ∑ ❑ ∑ ❑ Fik∗D jl∗X ij∗X kl

i=1 j=1 k=1 l=1

Sujeto a:
n

∑ ❑ X ij=1 ∀ j=1,2, … n
i=1
n

∑ ❑ X ij=1 ∀ i=1,2 , … m
j=1

Recientemente, los algoritmos evolutivos multiobjetivo (MOEA) se han utilizado

ampliamente para resolver problemas de optimización multiobjetivo (MOP), ya que tienen la
capacidad de aproximar un conjunto de soluciones no dominadas en tiempos de CPU
razonables. En este caso para esta investigación junto a la extensión publicada por (Camussi,
2011), consideramos el problema de asignación cuadrática QAP, que ha sido ampliamente
investigado para resolver varios problemas de la vida real.

4. METODOLOGÍA E IMPLEMENTACIÓN

4.1 Metodología general

1. Determinar área rectangular mínima para poder instalar todas las máquinas y sea
posible tener pasillos de 2 metros, entre máquina y máquina, para garantizar la
seguridad de los trabajadores. Las posibles superficies se determinan a partir del
número “M” de máquinas conocidas. Por ejemplo, se dispone de 10 máquinas y se
requiere conocer todas las posibles áreas rectangulares a formar, entonces, el máximo
número de máquinas en filas posibles es 10 y el mínimo número de máquinas
distribuidas en filas permitidas es 10. Para calcular el número de máquinas ubicadas
en columnas debo aplicar lo siguiente:
Siel residuo de ¿
máq máq
(N°
fila) (
, en caso contrario el número de columnas es igual a N ° )
fila

De lo anterior, para un caso de 10 máquinas iguales entonces se obtiene la siguiente

tabla:

Tabla 1: “Distribuciones posibles de 10 máquinas en un área rectangular”

Fila Columna Desperdicio

1 10 0

2 5 0

3 4 -2

4 3 -2

5 2 0

6 2 -2

7 2 -4

8 2 -6

9 2 -8

10 1 0
 De la tabla anterior se puede observar que las combinaciones: (6 filas,2 columnas) ;(7
filas,2 columnas) ;(8 filas;2 columnas) ;(9 filas;2 columnas), son dominadas por la
combinación (5 filas, 2 columnas). La columna Desperdicio indica el número de máquinas
que aún se pueden instalar dentro del área total de la planta.

2. Luego de los 5 restantes hacemos la simplificación de tomar en consideración la

simetría entre combinaciones por lo que la representación gráfica de la distribución de
las máquinas en la superficie son 3, presentadas en la Figura 1.

Figura 1: Diseños de combinaciones rectangulares para la distribución de 10 máquinas.

3. Escoger un diseño de planta y determinar la distancia entre todas las celdas. Los datos
de distancias quedarán agrupados en una matriz cuadrada.
4. Formular modelo matemático del problema de asignación cuadrática. Este problema
consiste en escoger la mejor distribución de maquinarias, según el criterio de
minimizar los costos asociados por flujo y la distancia entre máquinas Las únicas
restricciones que considera este modelo corresponden a que cada celda debe contener
no más de una máquina y que todas las máquinas deben estar asignadas a alguna
celda.
5. Eliminar un pasillo de 2 metros y convertirlo en un pasillo de 1 metro. Luego ejecutar
el modelo matemático nuevamente para esa nueva matriz de distancias. Repetir el
mismo procedimiento hasta que todos los pasillos posean seguridad mínima con
pasillos de 1 metro.
6. Tabular todos los datos de la frontera de Pareto y posteriormente graficar las variables
costos vs riesgo.
7. Repetir desde el paso N°3 en adelante con los otros diseños de planta obtenidos en el
paso N°2.
 8. Escoger un diseño de planta que según sus medidas de pasillos y distribución de
máquinas permita obtener el menor riesgo y al menor costo posible

Figura 2: Diagrama descriptivo de la metodología propuesta para la distribución de

máquinas.
4.2 Implementación de metodología para una instancia de 10 máquinas

Planteamiento del problema

El problema consiste en distribuir una cantidad de m máquinas en un área rectangular, con el

fin de minimizar los costos asociados al flujo de máquinas y además los costos de inversión.
Adicionalmente la empresa busca minimizar el riesgo para los trabajadores que estarán en las
instalaciones de la maestranza, para ello se requiere conocer la asignación óptima de
máquinas para cumplir con los objetivos propuestos anteriormente.

Para la resolución del problema se tienen las siguientes consideraciones.

1. Cada máquina ocupa una superficie de un metro cuadrado

2. Los pasillos externos deben ser de un metro
3. Ningún pasillo entre máquinas debe ser menor a un metro
4. El costo de cada metro cuadrado es $10000 (m2/mes)
5. Todas las máquinas disponibles deben ser instaladas

Figura 3: Representación gráfica del problema planteado por el profesor.

Supuestos y simplificaciones otorgadas por el profesor

1. Se asume que el área de máquinas tendrá solo dos máquinas de ancho, separadas por
un pasillo de 2 metros, y un metro adicional desde las máquinas hasta los límites de la
zona de máquinas.
2. El largo de la zona de máquinas será el necesario para instalar la mitad de las
máquinas (redondeado al entero superior si fuera necesario); más el espacio de los
pasillos entre ellas que pueden ser de uno o dos metros. A ambos lados del pasillo
principal la distribución será idéntica.
Figura 4: Diagrama descriptivo de la metodología propuesta para la distribución de
máquinas, para el problema particular.
Resolución del problema
Primero se realiza el diseño de todas posibles formas que puede tener el área rectangular para
la maestranza. Posteriormente se realiza el posicionamiento de las 10 máquinas a utilizar
considerando los supuestos y simplificaciones inicialmente dados.

Para este caso en particular se obtuvieron 16 diseños de áreas rectangulares. Los diseños
difieren entre sí respecto al área total ocupada y la dimensión de los pasillos entre máquinas.
(Ver Anexo N°1)

A continuación, se muestra uno de los diseños que corresponde al layout con pasillos
verticales de 2 metros entre máquinas.

Figura 5: Representación gráfica del diseño del área rectangular

Una vez obtenida la configuración de todos los diseños posibles, el siguiente paso es calcular
las matrices de distancia. La matriz de distancia es uno de los datos de entrada que se requiere
para ejecutar el modelo matemático de asignación cuadrática. Cada matriz de distancia es
simétrica, considera la distancia mínima entre el centro de cada celda y se debe calcular dicha
distancia para cada configuración de área obtenida, en este caso son 16 matrices diferentes las
cuales corresponden a la siguiente distribución de pasillos. (Ver Tabla 2).

Tabla 2: Representación de las combinaciones de pasillos

 Configuración Pasillo 1 (m) Pasillo 2 (m) Pasillo 3 (m) Pasillo 4 (m)

1 2 2 2 2
2 2 2 2 1
3 2 2 1 2
4 2 1 2 2
5 1 2 2 2
6 2 2 1 1
7 2 1 2 1
8 2 1 1 2
9 1 2 1 2
10 1 2 2 1
11 1 1 2 2
12 1 1 1 2
13 1 1 2 1
14 1 2 1 1
15 2 1 1 1
16 1 1 1 1

Después de realizar el cálculo de las matrices de distancia, se debe obtener el área total de la
superficie rectangular de cada distribución. Este es un dato de entrada para el modelo QAP,
que permite obtener el costo de inversión que es proporcional al tamaño de la zona de
máquinas que se construirá.
Para el problema actual, donde se deben ubicar 10 máquinas, se obtuvo las siguientes
superficies medidas en metros cuadrados. (Ver Tabla 3)

Tabla 3: Área de la superficie correspondiente a cada configuración.

 Configuración Área (m2)

1 90
2 84
3 84
4 84
5 84
6 78

7 78
8 78
9 78
10 78
11 78
12 72
13 72
14 72
15 72
16 66

De manera conjunta, se debe estimar el riesgo asociado a cada distribución de pasillos. La

metodología considera según los supuestos iniciales del problema presentado, que tener un
pasillo entre máquinas de dimensión igual a 1 metro corresponde a un riesgo de 1, por otra
parte, un pasillo de dimensión igual a 2 metros implica tener un riesgo igual a cero para los
trabajadores de la maestranza. Pasillos de dimensión menor a 1 no se consideraron factibles
para este problema. (Ver Tabla 4)

El cálculo de riesgo para cada configuración(h) se calculó de la siguiente forma:

4
Nivel de riesgo en configuracio nh =8−∑ ❑ Ancho de pasill o(i ) ; ∀ h=1..16
i=1

Tabla 4: Nivel de riesgo correspondiente a cada una de las configuraciones.

Configuración Riesgo
 1 0
2 1
3 1
4 1
5 1
6 2
7 2
8 2
9 2
10 2
11 2
12 3
13 3
14 3
15 3
16 4

Ejecutar modelo de asignación cuadrática para cada una de las 16 configuraciones obtenidas.

A continuación, se presenta el modelo matemático formulado para la resolución del

problema. Lo que realiza este modelo es la minimización de los costos de flujo de máquinas y
costo de instalación requerida (inversión).

Como datos de entrada se requiere la distancia entre celdas, el costo de flujo entre máquinas,
el área y el costo por metro cuadrado.

El modelo formulado es resuelto en un software de optimización con denominación LINGO

en su versión 19.0. A continuación, se presenta el modelo matemático formulado.
Variable:

Yji: Es una variable binaria, 1 si a la celda j se asigna la máquina i, 0 en caso contrario.

Parámetros:

Fik: Es el flujo de material entre las máquinas i, k.

Djl: Es la distancia desde el centro de la celda j al centro de la celda l.

Función Objetivo
10 10 10 10
Min = ∑ ❑ ∑ ❑ ∑ ❑ ∑ ❑(F i ,k ∗D j , l∗Y j ,i∗Y l , k )(1)
i=1 j=1 k=1 l=1

Restricciones
10

∑ ❑Y j ,i=1 ∀ i=1,2 ,… 10(2)

j=1

10

∑ ❑Y j ,i ≤1 ∀ j=1,2 , … 10(3)
i=1

Naturaleza de las Variables

y ∈ { 0,1 } ∀ i , j( 4)

La función (1) minimiza los costos totales de los flujos entre máquinas, considerando la
distancia dentro de la bodega rectangular para albergar todas las máquinas y los pasillos. La
restricción (2) establece que se debe asignar cada máquina a por lo menos una celda. La
restricción (3) establece que la cantidad de máquinas que deben ser asignadas a cada celda
debe ser menor o igual a una, de este modo se evita que se solapen las máquinas durante la
asignación. La restricción (4) define la naturaleza de las variables.

Una vez obtenida la minimización de costos de las 16 configuraciones se debe tabular el nivel
de riesgo y costo total asociado a cada una de las 16 configuraciones, para determinar la
frontera de Pareto de este problema multiobjetivo.
Se considera frontera de Pareto al conjunto de valores que no poseen dominancia en ambos
atributos. Finalmente se deben graficar los valores obtenidos.

5. RESULTADOS Y DISCUSIÓN

5.1 Resultados modelo de programación lineal

A continuación, se presentan los resultados obtenidos para minimizar el costo y riesgo de la

problemática presentada anteriormente.
Tabla 5: Conjunto de todas las soluciones factibles.
Costos Riesgo
$ 2.505.928 0

$ 2.319.897 1

$ 2.294.588 1

$ 2.159.751 1

$ 2.145.660 1

$ 2.099.564 2

$ 2.174.489 2

$ 2.051.571 2

$ 2.128.965 2

$ 2.064.426 2

$ 2.027.195 2

$ 2.063.552 3

$ 1.901.760 3

$ 2.046.877 3

$ 1.902.103 3

$ 1.909.123 4
Gráfico 1: Costos totales vs Nivel de riesgo
En el gráfico 1 los puntos rojos representan aquellas soluciones que pertenecen a la frontera
de Pareto, ya que no hay otra solución que la domine y los puntos azules restantes son
aquellas soluciones factibles, pero que no son la mejor en ambas o en una de las funciones
objetivo, es decir son dominadas por otra mejor.

Tabla 6: Soluciones que no son dominadas.

Costos Riesgo

$ 2.505.928 0
$ 2.145.660 1
$ 2.027.195 2
$ 1.901.760 3
$ 1.909.123 4

Gráfico 2: Frontera de Pareto del problema.

Cuando se considera sólo minimizar los costos totales, el óptimo es el punto del extremo
superior izquierdo el cual tiene el menor costo correspondiente a $1.901.760, pero a su vez
corresponde a un riesgo de 4, luego si consideramos sólo minimizar el riesgo de los
trabajadores de la maestranza, tenemos el punto extremo inferior derecho, el cual tiene un
nivel de riesgo 0, ya que los pasillos entre máquinas son de dos metros, pero si vemos el
costo que conlleva corresponde a $2.505.928. Los tres puntos restantes corresponden a
soluciones intermedias entre ambas funciones objetivo y que depende de la empresa qué
factor considera más importante al momento de tomar una decisión.

La recomendación desde el punto de vista del equipo de trabajo es priorizar la seguridad de

los trabajadores, minimizando el nivel de riesgo, independiente que para la empresa el costo
sea mayor, es preferible resguardar la seguridad de sus trabajadores y evitar posibles
accidentes que afecten la salud del equipo y además eso conlleva a un gasto extra para la
empresa.
De igual manera, minimizar el riesgo de los trabajadores implica reducir los costos por
paralización de planta producto de accidentes, se evitan pagos monetarios por
indemnizaciones a trabajadores lesionados, mejora el ambiente laboral al generar una
confianza en el equipo de trabajo y reduce el nivel de estrés. Por lo tanto y considerando el
criterio anteriormente mencionado, para la empresa el costo sería de $2.505.928 con un nivel
de riesgo de 0.

5.2 Resultados de otras instancias

5.2.1 Resultados para instancia de 5 máquinas

Tabla 7: Conjunto de todas las soluciones factibles.

Configuración Costos Riesgo

22 $1.772.366 0
21 $1.613.482 1
12 $1.548.582 1
11 $666.351 2
Tabla 8: Soluciones que no son dominadas.
Configuración Costos Riesgo

22 $1.772.366 0
12 $1.548.582 1
11 $666.351 2

5.2.2 Resultados para instancia de 6 máquinas

Tabla 9: Conjunto de todas las soluciones factibles.

Configuración Costos Riesgo

22 $2.154.396 0
21 $1.989.306 1

12 $1.929.625 1
11 $976.749 2

Tabla 10: Soluciones que no son dominadas.

Configuración Costos Riesgo

22 $2.154.396 0
12 $1.929.625 1
11 $976.749 2

5.2.3 Resultados para instancia de 7 máquinas

Tabla 11: Conjunto de todas las soluciones factibles.

Configuración Costos Riesgo

222 1.711.363 0
122 1.601.427 1
212 1.611.267 1
221 1.613.086 1
 112 1.542.108 2
211 1.428.748 2
121 1.505.352 2
111 1.386.530 3

Tabla 12: Soluciones que no son dominadas.

Configuración Costos Riesgo

222 1.711.363 0
122 1.601.427 1
211 1.428.748 2
111 1.386.530 3

5.2.4 Resultados para instancia de 8 máquinas

Tabla 13: Conjunto de todas las soluciones factibles.

Configuración Costos Riesgo

222 $2.410.935 0
122 $2.067.856 1
212 $2.060.712 1
221 $2.078.823 1
112 $1.912.424 2
211 $1.799.244 2
121 $1.930.610 2
111 $1.779.045 3
Tabla 14: Soluciones que no son dominadas.
Configuración Costos Riesgo

222 $2.410.935 0
212 $2.060.712 1
211 $1.799.244 2
111 $1.779.045 3

5.2.5 Resultados para instancia de 9 máquinas

Tabla 15: Conjunto de todas las soluciones factibles.

Configuración Costos Riesgo

2222 $2.302.613 0
2221 $2.918.887 1
2212 $2.722.187 1
2122 $2.873.995 1
1222 $2.937.472 1
2211 $2.635.729 2
2121 $2.706.627 2
2112 $2.711.087 2
1212 $2.758.117 2
1221 $2.841.695 2
1122 $2.638.913 2
 1112 $2.489.653 3
1121 $2.587.809 3
1211 $2.619.079 3
2111 $2.332.437 3
1111 $2.223.735 4

Tabla 16: Soluciones que no son dominadas.

Configuración Costos Riesgo

2222 $3.202.613 0
2212 $2.722.187 1
2211 $2.635.729 2
2111 $2.332.437 3
1111 $2.223.735 4

6. CONCLUSIÓN
Cuando se busca resolver un problema multiobjetivo de asignación de máquinas, incluyendo
supuestos y simplificaciones, se deben considerar muchos elementos para decidir la ubicación
de cada uno de los recursos productivos que se encontraran en la planta, sobre todo aquellos
que deben ser instalados sobre cimientos rígidos, es decir, recursos que estarán instalados en
ubicaciones que se mantendrán fijas por mucho tiempo. Para el caso de la asignación de
máquinas dentro de la maestranza que se requiere instalar en la ciudad de Los Ángeles se
deben tener en cuenta dos elementos para decidir, uno de ellos es la seguridad para los
trabajadores que circulan en las instalaciones, ya que existe un factor muy importante y
corresponde al riesgo, que depende de la cercanía de las máquinas o al flujo de productos, la
finalidad es minimizar este factor para asegurar la seguridad de los trabajadores y evitar
gastos para la empresa. Otro elemento muy importante es el flujo de los productos al interior
de la planta ya que genera un costo debido al traspaso periódico de productos entre las
diversas máquinas, debido a lo anterior se busca minimizar el costo de flujo y un costo que es
equivalente a la inversión, que es proporcional al tamaño de la zona de máquinas que se debe
construir.
El modelamiento para la optimización multiobjetivo soluciona esta problemática,
permitiendo entregar el conjunto de soluciones dominantes que conforman la frontera de
Pareto entre los dos criterios, menor riesgo y costo. Con ello fue posible construir resultados
que sirven de apoyo a la toma de decisión para construir una planta.
7. REFERENCIAS

Burkard, R., & Cela, E. (1998). The Quadratic Assignment Problem: Theory and Algorithms
(Combinatorial Optimization) (Vol. 3). Kluwer Academic Publishers.
Camussi, N. B. (2011). Estrategia Bi-Etapa para el “Layout” Óptimo de Celdas de
Manufactura. Iberoamerican Journal of Industrial Engineering, 3(6), 36–52.
https://doi.org/10.13084/2175-8018.v03n06a03

Carlier J. & Pinson E. (1989) An algorithm for solving the job-shop problem Manage. Sci.,
35 (2), pp. 164-176

Dao T.K., Pan T.S., Nguyen T.-T. & Pan J.S.. (2018) Parallel bat algorithm for optimizing
makespan in job shop scheduling problems J. Int. Manuf., 29, pp. 245-462

Drira, A., Pierreval, H., & Hajri-Gabouj, S. (2007). Facility layout problems: A survey.
Annual Reviews in Control, 31(2), 255–267.
https://doi.org/10.1016/j.arcontrol.2007.04.001

Gong G.L., Deng Q.W., Chiong R., et al. (2019) An effective memetic algorithm for multi-
objective job-shop scheduling Knowl-Based Syst., 182, Article 104840

MR Garey & DS Johnson, (1979) Computer and Intractability: A Guide to the Theory of NP-
Completeness.
7. ANEXOS
Anexo 1: Configuraciones para instancia de 10 máquinas.
Anexo 2: Frontera de Pareto para instancia de 5 máquinas.
Anexo 3: Frontera de Pareto para instancia de 6 máquinas.
Anexo 4: Frontera de Pareto para instancia de 7 máquinas.

Anexo 5: Frontera de Pareto para instancia de 8 máquinas.

Anexo 6: Frontera de Pareto para instancia de 9 máquinas.