K Segunda Etapa Etapa Final
3.3 Operacionalización de las Variables
Tabla 6
Operacionalización de las Variables
H1: Se solucionará el Subproblema de Enrutamiento óptimo, en un sistema de fabricación tipo Flexible Job Shop (FJS), consistente en asignar a cada operación de los Jobs, una entre muchas máquinas candidatas para su procesamiento, minimizando los criterios de: Total Workload (WT, suma de carga de trabajo de
todas las máquinas) y Maximum Workload (WM, máxima carga de trabajo entre todas las máquinas) mediante la utilización de Algoritmos Genéticos.
VARIABLES DEPENDIENTES CONCEPTO UNIDADES DE MEDIDA
Vector con óptima distribución de máquinas para cada operación
Matemáticamente es un vector cuyos elementos son las máquinas seleccionadas para cada operación. En términos de algoritmos genéticos es el mejor Cromosoma de Máquinas encontrado.
Adimensional (Cada elemento del vector es una máquina asignada a la operación).
mínimo (Maximum Workload, WM )
El Maximun Workload se calcula en cualquier Cromosoma de Máquinas e indica la máxima carga de trabajo que tiene una de las máquinas del cromosoma y el mínimo (Maximum Workload) es encontrado en el cromosoma optimizado como resultado final del Algoritmo Genético de Rutas.
Tiempo (ms, seg, minutos, horas, etc.)
mínimo (Total Workload, WT )
El Total Workload se calcula en cualquier Cromosoma de Máquinas e indica la suma total de la carga de trabajo de todas las máquinas del cromosoma y el mínimo (Total Workload) es encontrado en el cromosoma optimizado como resultado final del Algoritmo Genético de Rutas.
Tiempo (ms, seg, minutos, horas, etc.)
VARIABLES INDEPENDIENTES CONCEPTO UNIDADES DE MEDIDA
Conjunto de máquinas disponibles Constituye parte de la matriz de datos del problema FJSS. Son las máquinas posibles para ser designadas a cada operación. Adimensional Conjunto de Jobs Constituye parte de la matriz de datos del problema FJSS. Son los Jobs del sistema de fabricación. Adimensional Operaciones por cada Job Constituye parte de la matriz de datos del problema FJSS. Son las operaciones en que se divide cada Job. Adimensional Tiempo de procesamiento de las operaciones en
cada máquina
Constituye parte de la matriz de datos del problema FJSS. Es el tiempo que le corresponde a cada máquina para procesar una determinada operación.
Tiempo (ms, seg, minutos, horas, etc.)
Parámetros del Algoritmo Genéticos de Rutas
Son los datos para los cuales el Algoritmo Genético de Rutas opera, principalmente son: umbrales de parada, tamaño de población de cromosomas, porcentaje de sobrevivientes, porcentaje de mutación.
Adimensional
Tabla 6 (continuación…)
Operacionalización de las Variables
H2: Se solucionará el Subproblema de Secuenciación óptima, en un sistema de fabricación tipo Flexible Job Shop (FJS), consistente en secuenciar el orden en que se deben procesar las operaciones de los Jobs en las máquinas seleccionadas previamente, minimizando el objetivo del Makespan (CM, tiempo de
terminación de todos los Jobs) mediante la utilización de Algoritmos Genéticos.
VARIABLES DEPENDIENTES CONCEPTO UNIDADES DE MEDIDA
Vector con óptima secuencia de operaciones
Matemáticamente es un vector cuyos elementos son operaciones y cuyo orden es la secuencia de operaciones que debe tener el proceso. En términos de algoritmos genéticos es el mejor Cromosoma de Secuencias que es encontrado.
Adimensional (Cada elemento del vector es una operación cuya secuencia óptima es el orden el orden de la fila)
mínimo (Makespan)
El Makespan se calcula en cualquier Cromosoma de Secuencias e indica el tiempo que se emplea para que todos los Jobs sean procesados. El mínimo (Makespan) se encuentra en el cromosoma optimizado como resultado final del Algoritmo Genético de Secuencias.
Tiempo (ms, seg, minutos, horas, etc.)
VARIABLES INDEPENDIENTES CONCEPTO UNIDADES DE MEDIDA
Vector con óptima distribución de máquinas (del
proceso anterior). Fue descrito Adimensional
Tiempo de procesamiento de las operaciones en cada máquina
Es un vector cuyos elementos contienen los tiempos
de proceso de cada máquina seleccionada. Tiempo (ms, seg, minutos, horas, etc.)
Parámetros del Algoritmo Genéticos de Secuencias
Son los datos para los cuales el Algoritmo Genético de Secuencias opera, principalmente son: umbrales de parada, tamaño de población de cromosomas, porcentaje de sobrevivientes, porcentaje de mutación
Adimensional
Tabla 6 (continuación…)
Operacionalización de las Variables
H3: Se probará la eficacia y eficiencia de los algoritmos propuestos considerando la existencia de resultados obtenidos por otros investigadores de la literatura que han probado sus algoritmos con los casos de sistemas de fabricación tipo FJS planteados por Kacem.
VARIABLES DEPENDIENTES CONCEPTO UNIDADES DE MEDIDA
Mínimo Makespan Fue descrito Tiempo (ms, seg, minutos, horas, etc.) Mínimo Maximum Workload Fue descrito Tiempo (ms, seg, minutos, horas, etc.) Mínimo Total Workload Fue descrito Tiempo (ms, seg, minutos, horas, etc.)
Tiempo de Ejecución de los algoritmos Tiempo promedio sobre veinte corridas que le tomará a los algoritmos solucionar cada uno de los
casos de FJSS planteados por Kacem. Tiempo (ms, seg, minutos, horas, etc.)
VARIABLES INDEPENDIENTES CONCEPTO UNIDADES DE MEDIDA
Datos de los casos de FJSS planteados por Kacem
Son matrices con datos de sistemas de fabricación tipo FJSS que el investigador Kacem (2002, 2002a) creó para probar sus algoritmos y que han sido adoptados por otros investigadores para probar también sus propuestas.
Multidimensional (adimensional y tiempos)
Parámetros del algoritmo Genético de Rutas y del
Algoritmo Genético de Secuencias Fue descrito Adimensional
Lo anterior se articula dentro de las Matrices de Consistencia mostradas en la Tabla 7.
Tabla 7
Matriz de Consistencia
Problema General Objetivo General Hipótesis General
¿Cómo solucionar el problema de programar óptimamente, en las máquinas de un sistema de fabricación tipo Flexible Job Shop (FJS), el procesamiento de las operaciones de los Jobs, dividiendo el problema, en un Subproblema de Enrutamiento y un Subproblema de Secuenciación, minimizando los objetivos del Maximum Workload, Total Workload y Makespan mediante la utilización de Algoritmos Genéticos?
Solucionar el problema de programar óptimamente, en las máquinas de un sistema de fabricación tipo Flexible Job Shop (FJS), el procesamiento de las operaciones de los Jobs, dividiendo el problema, en unl Subproblema de Enrutamiento y un Subproblema de Secuenciación, minimizando los objetivos del Maximum Workload, Total Workload y Makespan mediante la utilización de Algoritmos Genéticos.
Se solucionará el problema de programar óptimamente, en las máquinas de un sistema de fabricación tipo Flexible Job Shop (FJS), el procesamiento de las operaciones de los Jobs, dividiendo el problema, en el Subproblema de Enrutamiento y el Subproblema de Secuenciación, minimizando los objetivos del Maximum Workload, Total Workload y Makespan mediante la utilización de Algoritmos Genéticos.
Tabla 7 (continuación…)
Matriz de Consistencia
Problemas Específicos Objetivos Específicos Hipótesis Específica Variables Técnica
¿Cómo solucionar el Subproblema de Enrutamiento óptimo, en un sistema de fabricación tipo Flexible
Job Shop (FJS), consistente en
asignar a cada operación de los
Jobs, una entre muchas máquinas
candidatas para su procesamiento, minimizando los criterios de: Total
Workload (WT, suma de carga de
trabajo de todas las máquinas) y
Maximum Workload (WM, máxima
carga de trabajo entre todas las máquinas) mediante Algoritmos Genéticos?
Solucionar el Subproblema de Enrutamiento óptimo, en un sistema de fabricación tipo
Flexible Job Shop (FJS), consistente en asignar a cada operación de los Jobs, una entre muchas máquinas candidatas para su procesamiento, minimizando los criterios de: Total Workload (WT, suma de carga de trabajo de
todas las máquinas) y Maximum
Workload (WM, máxima carga de
trabajo entre todas las máquinas) mediante la utilización de Algoritmos Genéticos.
Se solucionará el Subproblema de Enrutamiento óptimo, en un sistema de fabricación tipo Flexible Job
Shop (FJS), consistente en asignar
a cada operación de los Jobs, una entre muchas máquinas candidatas para su procesamiento, minimizando los criterios de: Total
Workload (WT, suma de carga de
trabajo de todas las máquinas) y
Maximum Workload (WM, máxima
carga de trabajo entre todas las máquinas) mediante la utilización de Algoritmos Genéticos.
Variables dependientes.
Vector con óptima distribución de máquinas. Mínimo Maximum Workload.
Mínimo Total Workload. Algoritmos Genéticos Variables independientes.
Datos de casos de FJSS planteados por Kacem: Conjunto de máquinas disponibles, conjunto de Jobs, operaciones por cada Job, tiempo de ejecución de las operaciones en cada máquina.
Parámetros del Algoritmos Genético de Rutas. ¿Cómo solucionar el Subproblema
de Secuenciación óptima, en un sistema de fabricación tipo Flexible
Job Shop (FJS), consistente en
secuenciar el orden en que se deben procesar las operaciones de los Jobs en las máquinas
seleccionadas previamente, minimizando el objetivo del
Makespan (CM, tiempo de
finalización de todos los Jobs) mediante Algoritmos Genéticos?
Solucionar el Subproblema de Secuenciación óptima, en un sistema de fabricación tipo
Flexible Job Shop (FJS),
consistente en secuenciar el orden en que se deben procesar las operaciones de los Jobs en las máquinas seleccionadas previamente, minimizando el objetivo del Makespan (CM, tiempo
de finalización de todos los Jobs) mediante Algoritmos Genéticos.
Se solucionará el Subproblema de Secuenciación óptima, en un sistema de fabricación tipo Flexible
Job Shop (FJS), consistente en
secuenciar el orden en que se deben procesar las operaciones de los Jobs en las máquinas
seleccionadas previamente, minimizando el objetivo del
Makespan (CM, tiempo de
terminación de todos los Jobs) mediante la utilización de Algoritmos Genéticos.
Variables dependientes.
Vector óptima secuencia de operaciones.
Mínimo Makespan. Algoritmos Genéticos
Variables independientes.
Vector con óptima distribución de máquinas (Resultado anterior).
Tiempo de ejecución de las operaciones en cada máquina. Parámetros del Algoritmos Genético de Secuencias. ¿Cómo probar la eficacia y
eficiencia de los algoritmos propuestos considerando la existencia de resultados obtenidos por otros investigadores de la literatura que han probado sus algoritmos con los casos de sistemas de fabricación tipo FJS planteados por Kacem?
Probar la eficacia y eficiencia de los algoritmos propuestos considerando la existencia de resultados obtenidos por otros investigadores de la literatura que han probado sus algoritmos con los casos de sistemas de fabricación tipo FJS planteados por Kacem.
Se probará la eficacia y eficiencia de los algoritmos propuestos considerando la existencia de resultados obtenidos por otros investigadores de la literatura que han probado sus algoritmos con los casos de sistemas de fabricación tipo FJS planteados por Kacem.
Variables dependientes Mínimo Makespan.
Minimo Maximum Workload. Mínimo Total Workload.
Tiempo de Ejecución de los algoritmos.
Algoritmos Genéticos Variables independientes
Datos de casos de FJSS planteados por Kacem.
Parámetros del Algoritmo Genético de Rutas y del Algoritmo Genéticos de Secuencias.