Programación de operaciones en planta en entornos cambiantes

Resumen

Los métodos clásicos de programación de operaciones en planta resultan poco eficaces en las plantas de producción reales ya que presuponen hipótesis escasamente realistas que difícilmente se cumplen en la práctica. Fundamentalmente, estas hipótesis están relacionadas con la consideración del entorno de fabricación como estático. Pero en la vida real las instalaciones productivas están sujetas a numerosos sucesos imprevistos que, si no se tienen adecuadamente en cuenta, desembocan en planes de producción inaceptables. Por otra parte, es necesario reaccionar con celeridad, dada la importancia económica de los costes indirectos asociados a las interrupciones que originan. De hecho, la capacidad de reacción rápida y la flexibilidad son requisitos clave a tener en cuenta en los sistemas de control, ya que contribuyen a reducir los tiempos de flujo, mejorar las tasas de utilización y el servicio al cliente. Por consiguiente, es preciso extender los modelos de scheduling clásicos con el fin de representar la fábrica de una manera más fidedigna. Los algoritmos genéticos constituyen una de las técnicas más prometedoras como alternativa a las técnicas clásicas, por su robustez y flexibilidad. Aunque los algoritmos genéticos se diseñaron originalmente para resolver problemas de optimización sin restricciones, se han utilizado con éxito en problemas de planificación de operaciones en planta. Por otra parte, la calidad y el tiempo de proceso depende del número de generaciones a probar y del número de organismos de la población. En el presente artículo, se describe la utilización de algoritmos genéticos para la planificación de operaciones en planta en un entorno real. Se han representado en el modelo eventos imprevistos tales como indisponibilidad de recursos o cambios en las órdenes de fabricación. En el contexto de un proyecto europeo perteneciente al programa de Crecimiento Competitivo y Sostenible del V Programa Marco, se describe un prototipo para la planificación dinámica de operaciones en planta utilizando algoritmos genéticos y se extraen algunas conclusiones acerca de la viabilidad y calidad de la solución. Palabras clave: Programación dinámica de operaciones, algoritmos genéticos, job-shop scheduling.