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
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/67471

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