Técnicas evolutivas en problemas multi-objetivos en el proceso de planificación de la producción
- Autores
- Frutos, Mariano; Tohmé, Fernando Abel
- Año de publicación
- 2012
- Idioma
- español castellano
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- La planificación, en el ámbito productivo, se encarga de diseñar, coordinar, administrar y controlar todas las operaciones que se hallan presentes en la explotación de los sistemas productivos. En este marco de trabajo, aparecen numerosos Problemas de Optimización Multi-objetivo (MOPs). Estos constan de varias funciones que suelen ser complejas y evaluarlas puede ser muy costoso. La optimización multi-objetivo es la disciplina que trata de encontrar las soluciones, denominadas Pareto óptimas, a este tipo de problemas. La compleja resolución de los MOPs es debida a las dimensiones propias del problema, al carácter combinatorio de los algoritmos y a la naturaleza de los objetivos los cuales están vinculados a la eficiencia del sistema. En las últimas décadas muchos MOPs vinculados a la producción han sido tratados con éxito con técnicas de resolución basadas en Algoritmos Genéticos. En este trabajo se evalúa a NSGAII, SPEAII y a sus antecesores, NSGA y SPEA, en el proceso de planificación de la producción no estandarizada. Luego de la experiencia realizada, el algoritmo NSGAII mostró mayor eficiencia.
Planning in production environments amounts to design, coordinate, manage and control all the operations running in those realms. There exist, in the framework analyzed in this work, several relevant Multi-Objective Optimization Problems (MOPs). These consist of the search of the optimal values of several functions, usually complex and costly to evaluate. The costs of solving MOPs is due to the dimensionality of the problems, the combinatorial nature of the algorithms and the kind of objectives represented, linked to the efficiency of the system. Multi-objective optimization is the discipline developed to provide solutions, called Pareto optimal, for the simultaneous optimization of those functions. In the last decades several production-related MOPs have been handled successfully by means of Genetic Algorithms. Here we will evaluate the performance of some particular genetic-based algorithms like NSGAII (Non-dominated Sorting Genetic Algorithm II), SPEAII (Strength Pareto Evolutionary Algorithm II) and their predecessors, NSGA and SPEA, in the process of planning non-standardized production activities. After the experiment carried out, the NSGAII algorithm was more efficient.
Fil: Frutos, Mariano. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Investigaciones Económicas y Sociales del Sur. Universidad Nacional del Sur. Departamento de Economía. Instituto de Investigaciones Económicas y Sociales del Sur; Argentina
Fil: Tohmé, Fernando Abel. Universidad Nacional del Sur; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina - Materia
-
ALGORITMO MEMÉTICO MULTI-OBJETIVO
CONFIGURACIÓN PRODUCTIVA TIPO JOB-SHOP
FRONTERA DE PARETO
OPTIMIZACIÓN MULTI-OBJETIVO - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/67471
Ver los metadatos del registro completo
id |
CONICETDig_0e2b16cb9b9b55d620c250a307d60392 |
---|---|
oai_identifier_str |
oai:ri.conicet.gov.ar:11336/67471 |
network_acronym_str |
CONICETDig |
repository_id_str |
3498 |
network_name_str |
CONICET Digital (CONICET) |
spelling |
Técnicas evolutivas en problemas multi-objetivos en el proceso de planificación de la producciónEvolutionary techniques for multi-objective problems in production planningFrutos, MarianoTohmé, Fernando AbelALGORITMO MEMÉTICO MULTI-OBJETIVOCONFIGURACIÓN PRODUCTIVA TIPO JOB-SHOPFRONTERA DE PARETOOPTIMIZACIÓN MULTI-OBJETIVOhttps://purl.org/becyt/ford/2.11https://purl.org/becyt/ford/2La planificación, en el ámbito productivo, se encarga de diseñar, coordinar, administrar y controlar todas las operaciones que se hallan presentes en la explotación de los sistemas productivos. En este marco de trabajo, aparecen numerosos Problemas de Optimización Multi-objetivo (MOPs). Estos constan de varias funciones que suelen ser complejas y evaluarlas puede ser muy costoso. La optimización multi-objetivo es la disciplina que trata de encontrar las soluciones, denominadas Pareto óptimas, a este tipo de problemas. La compleja resolución de los MOPs es debida a las dimensiones propias del problema, al carácter combinatorio de los algoritmos y a la naturaleza de los objetivos los cuales están vinculados a la eficiencia del sistema. En las últimas décadas muchos MOPs vinculados a la producción han sido tratados con éxito con técnicas de resolución basadas en Algoritmos Genéticos. En este trabajo se evalúa a NSGAII, SPEAII y a sus antecesores, NSGA y SPEA, en el proceso de planificación de la producción no estandarizada. Luego de la experiencia realizada, el algoritmo NSGAII mostró mayor eficiencia.Planning in production environments amounts to design, coordinate, manage and control all the operations running in those realms. There exist, in the framework analyzed in this work, several relevant Multi-Objective Optimization Problems (MOPs). These consist of the search of the optimal values of several functions, usually complex and costly to evaluate. The costs of solving MOPs is due to the dimensionality of the problems, the combinatorial nature of the algorithms and the kind of objectives represented, linked to the efficiency of the system. Multi-objective optimization is the discipline developed to provide solutions, called Pareto optimal, for the simultaneous optimization of those functions. In the last decades several production-related MOPs have been handled successfully by means of Genetic Algorithms. Here we will evaluate the performance of some particular genetic-based algorithms like NSGAII (Non-dominated Sorting Genetic Algorithm II), SPEAII (Strength Pareto Evolutionary Algorithm II) and their predecessors, NSGA and SPEA, in the process of planning non-standardized production activities. After the experiment carried out, the NSGAII algorithm was more efficient.Fil: Frutos, Mariano. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Investigaciones Económicas y Sociales del Sur. Universidad Nacional del Sur. Departamento de Economía. Instituto de Investigaciones Económicas y Sociales del Sur; ArgentinaFil: Tohmé, Fernando Abel. Universidad Nacional del Sur; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaInstituto Superior Politécnico "José Antonio Echeverría"2012-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/67471Frutos, Mariano; Tohmé, Fernando Abel; Técnicas evolutivas en problemas multi-objetivos en el proceso de planificación de la producción; Instituto Superior Politécnico "José Antonio Echeverría"; Revista de Ingeniería Industrial; 33; 1; 1-2012; 50-591815-5936CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/http://rii.cujae.edu.cu/index.php/revistaind/article/view/381info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T10:04:52Zoai:ri.conicet.gov.ar:11336/67471instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 10:04:52.869CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse |
dc.title.none.fl_str_mv |
Técnicas evolutivas en problemas multi-objetivos en el proceso de planificación de la producción Evolutionary techniques for multi-objective problems in production planning |
title |
Técnicas evolutivas en problemas multi-objetivos en el proceso de planificación de la producción |
spellingShingle |
Técnicas evolutivas en problemas multi-objetivos en el proceso de planificación de la producción Frutos, Mariano ALGORITMO MEMÉTICO MULTI-OBJETIVO CONFIGURACIÓN PRODUCTIVA TIPO JOB-SHOP FRONTERA DE PARETO OPTIMIZACIÓN MULTI-OBJETIVO |
title_short |
Técnicas evolutivas en problemas multi-objetivos en el proceso de planificación de la producción |
title_full |
Técnicas evolutivas en problemas multi-objetivos en el proceso de planificación de la producción |
title_fullStr |
Técnicas evolutivas en problemas multi-objetivos en el proceso de planificación de la producción |
title_full_unstemmed |
Técnicas evolutivas en problemas multi-objetivos en el proceso de planificación de la producción |
title_sort |
Técnicas evolutivas en problemas multi-objetivos en el proceso de planificación de la producción |
dc.creator.none.fl_str_mv |
Frutos, Mariano Tohmé, Fernando Abel |
author |
Frutos, Mariano |
author_facet |
Frutos, Mariano Tohmé, Fernando Abel |
author_role |
author |
author2 |
Tohmé, Fernando Abel |
author2_role |
author |
dc.subject.none.fl_str_mv |
ALGORITMO MEMÉTICO MULTI-OBJETIVO CONFIGURACIÓN PRODUCTIVA TIPO JOB-SHOP FRONTERA DE PARETO OPTIMIZACIÓN MULTI-OBJETIVO |
topic |
ALGORITMO MEMÉTICO MULTI-OBJETIVO CONFIGURACIÓN PRODUCTIVA TIPO JOB-SHOP FRONTERA DE PARETO OPTIMIZACIÓN MULTI-OBJETIVO |
purl_subject.fl_str_mv |
https://purl.org/becyt/ford/2.11 https://purl.org/becyt/ford/2 |
dc.description.none.fl_txt_mv |
La planificación, en el ámbito productivo, se encarga de diseñar, coordinar, administrar y controlar todas las operaciones que se hallan presentes en la explotación de los sistemas productivos. En este marco de trabajo, aparecen numerosos Problemas de Optimización Multi-objetivo (MOPs). Estos constan de varias funciones que suelen ser complejas y evaluarlas puede ser muy costoso. La optimización multi-objetivo es la disciplina que trata de encontrar las soluciones, denominadas Pareto óptimas, a este tipo de problemas. La compleja resolución de los MOPs es debida a las dimensiones propias del problema, al carácter combinatorio de los algoritmos y a la naturaleza de los objetivos los cuales están vinculados a la eficiencia del sistema. En las últimas décadas muchos MOPs vinculados a la producción han sido tratados con éxito con técnicas de resolución basadas en Algoritmos Genéticos. En este trabajo se evalúa a NSGAII, SPEAII y a sus antecesores, NSGA y SPEA, en el proceso de planificación de la producción no estandarizada. Luego de la experiencia realizada, el algoritmo NSGAII mostró mayor eficiencia. Planning in production environments amounts to design, coordinate, manage and control all the operations running in those realms. There exist, in the framework analyzed in this work, several relevant Multi-Objective Optimization Problems (MOPs). These consist of the search of the optimal values of several functions, usually complex and costly to evaluate. The costs of solving MOPs is due to the dimensionality of the problems, the combinatorial nature of the algorithms and the kind of objectives represented, linked to the efficiency of the system. Multi-objective optimization is the discipline developed to provide solutions, called Pareto optimal, for the simultaneous optimization of those functions. In the last decades several production-related MOPs have been handled successfully by means of Genetic Algorithms. Here we will evaluate the performance of some particular genetic-based algorithms like NSGAII (Non-dominated Sorting Genetic Algorithm II), SPEAII (Strength Pareto Evolutionary Algorithm II) and their predecessors, NSGA and SPEA, in the process of planning non-standardized production activities. After the experiment carried out, the NSGAII algorithm was more efficient. Fil: Frutos, Mariano. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Investigaciones Económicas y Sociales del Sur. Universidad Nacional del Sur. Departamento de Economía. Instituto de Investigaciones Económicas y Sociales del Sur; Argentina Fil: Tohmé, Fernando Abel. Universidad Nacional del Sur; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina |
description |
La planificación, en el ámbito productivo, se encarga de diseñar, coordinar, administrar y controlar todas las operaciones que se hallan presentes en la explotación de los sistemas productivos. En este marco de trabajo, aparecen numerosos Problemas de Optimización Multi-objetivo (MOPs). Estos constan de varias funciones que suelen ser complejas y evaluarlas puede ser muy costoso. La optimización multi-objetivo es la disciplina que trata de encontrar las soluciones, denominadas Pareto óptimas, a este tipo de problemas. La compleja resolución de los MOPs es debida a las dimensiones propias del problema, al carácter combinatorio de los algoritmos y a la naturaleza de los objetivos los cuales están vinculados a la eficiencia del sistema. En las últimas décadas muchos MOPs vinculados a la producción han sido tratados con éxito con técnicas de resolución basadas en Algoritmos Genéticos. En este trabajo se evalúa a NSGAII, SPEAII y a sus antecesores, NSGA y SPEA, en el proceso de planificación de la producción no estandarizada. Luego de la experiencia realizada, el algoritmo NSGAII mostró mayor eficiencia. |
publishDate |
2012 |
dc.date.none.fl_str_mv |
2012-01 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo |
format |
article |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11336/67471 Frutos, Mariano; Tohmé, Fernando Abel; Técnicas evolutivas en problemas multi-objetivos en el proceso de planificación de la producción; Instituto Superior Politécnico "José Antonio Echeverría"; Revista de Ingeniería Industrial; 33; 1; 1-2012; 50-59 1815-5936 CONICET Digital CONICET |
url |
http://hdl.handle.net/11336/67471 |
identifier_str_mv |
Frutos, Mariano; Tohmé, Fernando Abel; Técnicas evolutivas en problemas multi-objetivos en el proceso de planificación de la producción; Instituto Superior Politécnico "José Antonio Echeverría"; Revista de Ingeniería Industrial; 33; 1; 1-2012; 50-59 1815-5936 CONICET Digital CONICET |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/http://rii.cujae.edu.cu/index.php/revistaind/article/view/381 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
dc.format.none.fl_str_mv |
application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
Instituto Superior Politécnico "José Antonio Echeverría" |
publisher.none.fl_str_mv |
Instituto Superior Politécnico "José Antonio Echeverría" |
dc.source.none.fl_str_mv |
reponame:CONICET Digital (CONICET) instname:Consejo Nacional de Investigaciones Científicas y Técnicas |
reponame_str |
CONICET Digital (CONICET) |
collection |
CONICET Digital (CONICET) |
instname_str |
Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.name.fl_str_mv |
CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.mail.fl_str_mv |
dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar |
_version_ |
1844613878289268736 |
score |
13.070432 |