Modelo de subloteo considerando el efecto aprendizaje en configuraciones productivas flow-shop
- Autores
- Rossit, Daniel; Frutos, Mariano; Tohmé, Fernando Abel; Broz, Diego
- Año de publicación
- 2015
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- El subloteo (lot streaming) es una de las metodologías más estudiadas en los problemas de secuenciamiento en configuraciones productivas tipo flowshop, aunque no lo es el impacto del subloteo sobre el procesamiento propio de los trabajos. Es por eso, que en este trabajo, se estudia el impacto del efecto aprendizaje en base a la aplicación de subloteo. El efecto de aprendizaje aplicado considera el trabajo acumulado de los sublotes ya procesados del mismo producto. De esta forma no se sobredimensiona el aprendizaje. Se experimentó con instancias de mediana complejidad y se resolvió con GAMS/CPLEX. Se demuestra que el aprendizaje que se genera como consecuencia del subloteo es significativo en términos del makespan. Este resultado es más cercano a la realidad de los sistemas en los que el factor humano tiene importante injerencia.
Sociedad Argentina de Informática e Investigación Operativa (SADIO) - Materia
-
Ciencias Informáticas
Optimization
efecto aprendizaje
lot streaming
makespan - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by/3.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/59079
Ver los metadatos del registro completo
id |
SEDICI_2edfda1f5439115751d142f85e25849d |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/59079 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Modelo de subloteo considerando el efecto aprendizaje en configuraciones productivas flow-shopRossit, DanielFrutos, MarianoTohmé, Fernando AbelBroz, DiegoCiencias InformáticasOptimizationefecto aprendizajelot streamingmakespanEl subloteo (lot streaming) es una de las metodologías más estudiadas en los problemas de secuenciamiento en configuraciones productivas tipo flowshop, aunque no lo es el impacto del subloteo sobre el procesamiento propio de los trabajos. Es por eso, que en este trabajo, se estudia el impacto del efecto aprendizaje en base a la aplicación de subloteo. El efecto de aprendizaje aplicado considera el trabajo acumulado de los sublotes ya procesados del mismo producto. De esta forma no se sobredimensiona el aprendizaje. Se experimentó con instancias de mediana complejidad y se resolvió con GAMS/CPLEX. Se demuestra que el aprendizaje que se genera como consecuencia del subloteo es significativo en términos del makespan. Este resultado es más cercano a la realidad de los sistemas en los que el factor humano tiene importante injerencia.Sociedad Argentina de Informática e Investigación Operativa (SADIO)2015-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf75-86http://sedici.unlp.edu.ar/handle/10915/59079spainfo:eu-repo/semantics/altIdentifier/url/http://44jaiio.sadio.org.ar/sites/default/files/sii75-86.pdfinfo:eu-repo/semantics/altIdentifier/issn/2451-7542info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/3.0/Creative Commons Attribution 3.0 Unported (CC BY 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:06:55Zoai:sedici.unlp.edu.ar:10915/59079Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:06:56.034SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Modelo de subloteo considerando el efecto aprendizaje en configuraciones productivas flow-shop |
title |
Modelo de subloteo considerando el efecto aprendizaje en configuraciones productivas flow-shop |
spellingShingle |
Modelo de subloteo considerando el efecto aprendizaje en configuraciones productivas flow-shop Rossit, Daniel Ciencias Informáticas Optimization efecto aprendizaje lot streaming makespan |
title_short |
Modelo de subloteo considerando el efecto aprendizaje en configuraciones productivas flow-shop |
title_full |
Modelo de subloteo considerando el efecto aprendizaje en configuraciones productivas flow-shop |
title_fullStr |
Modelo de subloteo considerando el efecto aprendizaje en configuraciones productivas flow-shop |
title_full_unstemmed |
Modelo de subloteo considerando el efecto aprendizaje en configuraciones productivas flow-shop |
title_sort |
Modelo de subloteo considerando el efecto aprendizaje en configuraciones productivas flow-shop |
dc.creator.none.fl_str_mv |
Rossit, Daniel Frutos, Mariano Tohmé, Fernando Abel Broz, Diego |
author |
Rossit, Daniel |
author_facet |
Rossit, Daniel Frutos, Mariano Tohmé, Fernando Abel Broz, Diego |
author_role |
author |
author2 |
Frutos, Mariano Tohmé, Fernando Abel Broz, Diego |
author2_role |
author author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Optimization efecto aprendizaje lot streaming makespan |
topic |
Ciencias Informáticas Optimization efecto aprendizaje lot streaming makespan |
dc.description.none.fl_txt_mv |
El subloteo (lot streaming) es una de las metodologías más estudiadas en los problemas de secuenciamiento en configuraciones productivas tipo flowshop, aunque no lo es el impacto del subloteo sobre el procesamiento propio de los trabajos. Es por eso, que en este trabajo, se estudia el impacto del efecto aprendizaje en base a la aplicación de subloteo. El efecto de aprendizaje aplicado considera el trabajo acumulado de los sublotes ya procesados del mismo producto. De esta forma no se sobredimensiona el aprendizaje. Se experimentó con instancias de mediana complejidad y se resolvió con GAMS/CPLEX. Se demuestra que el aprendizaje que se genera como consecuencia del subloteo es significativo en términos del makespan. Este resultado es más cercano a la realidad de los sistemas en los que el factor humano tiene importante injerencia. Sociedad Argentina de Informática e Investigación Operativa (SADIO) |
description |
El subloteo (lot streaming) es una de las metodologías más estudiadas en los problemas de secuenciamiento en configuraciones productivas tipo flowshop, aunque no lo es el impacto del subloteo sobre el procesamiento propio de los trabajos. Es por eso, que en este trabajo, se estudia el impacto del efecto aprendizaje en base a la aplicación de subloteo. El efecto de aprendizaje aplicado considera el trabajo acumulado de los sublotes ya procesados del mismo producto. De esta forma no se sobredimensiona el aprendizaje. Se experimentó con instancias de mediana complejidad y se resolvió con GAMS/CPLEX. Se demuestra que el aprendizaje que se genera como consecuencia del subloteo es significativo en términos del makespan. Este resultado es más cercano a la realidad de los sistemas en los que el factor humano tiene importante injerencia. |
publishDate |
2015 |
dc.date.none.fl_str_mv |
2015-09 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/59079 |
url |
http://sedici.unlp.edu.ar/handle/10915/59079 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/http://44jaiio.sadio.org.ar/sites/default/files/sii75-86.pdf info:eu-repo/semantics/altIdentifier/issn/2451-7542 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by/3.0/ Creative Commons Attribution 3.0 Unported (CC BY 3.0) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by/3.0/ Creative Commons Attribution 3.0 Unported (CC BY 3.0) |
dc.format.none.fl_str_mv |
application/pdf 75-86 |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1844615940615962624 |
score |
13.070432 |