<p>El enfoque principal del Manufacturing Cell Design Problem -MCDP- es agrupar la maquinaria de una planta productiva en celdas altamente independientes, de tal manera que piezas similares sean procesadas en la misma celda y así reducir los movimientos de las partes entre estas. Existen múltiples ventajas de realizar esto, como por ejemplo la reducción de los tiempos de producción , costos y desperdicios de material, por nombrar algunos ejemplos. La utilización del Flower Pollination Algorithm -FPA- es propuesta en este documento como la manera de encontrar la configuración óptima de las celdas, debido a que este algoritmo ha demostrado grandes capacidades en la resolución de complejos problemas. Esta aproximación tiene la dificultad añadida de encontrar los parámetros óptimos del algoritmo y por esta razón se prueban los beneficios de Autonomous Search -AS- como una manera automática y más sencilla de encontrar los mejores valores de dos de los parámetros del FPA: población y delta. Finalmente se muestran resultados experimentales, con las 94 instancias del problema de Boctor además de 70 problemas más grandes y complejos donde se observa el buen rendimiento del algoritmo y los resultados del uso de AS</p>
<p>The main focus of the Manufacturing Cell Design Problem -MCDP- is to group the machinery of a productive plant into highly independent cells, so that similar parts are processed in the same cell and thus reducing the movements of these pieces among these cells. There are many advantages of doing this, like decreasing production times, costs and product waste to name a few. The usage of the Flower Pollination Algorithm -FPA-, one of the many nature-based metaheuristics, is proposed in this project as a way to find the optimum cell setup, because this algorithm has already shown great capabilities in the resolution of complex problems. This approach has the added difficulty of finding the optimal parameters for the metaheuristic and for this reason in this paper the benefits of Autonomous Search -AS- are tested as an automated and easier way to find the best values for two of the FPA parameters, the population and delta. Finally experimental results are shown, with 94 Boctor instances of the problem alongside 70 bigger and more complex problems where the good performance of the algorithm is shown besides the first results of the usage of AS</p>
last modification
Ingeniero Civil en Informática
INGENIERIA CIVIL INFORMATICA
<p>El enfoque principal del Manufacturing Cell Design Problem -MCDP- es agrupar la maquinaria de una planta productiva en celdas altamente independientes, de tal manera que piezas similares sean procesadas en la misma celda y así reducir los movimientos de las partes entre estas. Existen múltiples ventajas de realizar esto, como por ejemplo la reducción de los tiempos de producción , costos y desperdicios de material, por nombrar algunos ejemplos. La utilización del Flower Pollination Algorithm -FPA- es propuesta en este documento como la manera de encontrar la configuración óptima de las celdas, debido a que este algoritmo ha demostrado grandes capacidades en la resolución de complejos problemas. Esta aproximación tiene la dificultad añadida de encontrar los parámetros óptimos del algoritmo y por esta razón se prueban los beneficios de Autonomous Search -AS- como una manera automática y más sencilla de encontrar los mejores valores de dos de los parámetros del FPA: población y delta. Finalmente se muestran resultados experimentales, con las 94 instancias del problema de Boctor además de 70 problemas más grandes y complejos donde se observa el buen rendimiento del algoritmo y los resultados del uso de AS</p>
<p>The main focus of the Manufacturing Cell Design Problem -MCDP- is to group the machinery of a productive plant into highly independent cells, so that similar parts are processed in the same cell and thus reducing the movements of these pieces among these cells. There are many advantages of doing this, like decreasing production times, costs and product waste to name a few. The usage of the Flower Pollination Algorithm -FPA-, one of the many nature-based metaheuristics, is proposed in this project as a way to find the optimum cell setup, because this algorithm has already shown great capabilities in the resolution of complex problems. This approach has the added difficulty of finding the optimal parameters for the metaheuristic and for this reason in this paper the benefits of Autonomous Search -AS- are tested as an automated and easier way to find the best values for two of the FPA parameters, the population and delta. Finally experimental results are shown, with 94 Boctor instances of the problem alongside 70 bigger and more complex problems where the good performance of the algorithm is shown besides the first results of the usage of AS</p>
