Uso de Algoritmos Genéticos para el logro de la eficiencia energética en plantas de manufactura bajo un enfoque de Programación de Operaciones

Abstract

En el presente trabajo se presenta un modelo de programación de operaciones multiobjetivo enfocado al logro de la eficiencia energética para un ambiente de máquina simple y un ambiente tipo Job Shop, con la velocidad del proceso como la principal variable de decisión, donde los objetivos son el makespan y el consumo de energía total. La aproximación propuesta permite que en un conjunto de máquinas se tome en consideración diferentes niveles de velocidad y un valor de eficiencia energética respectivo procesar un conjunto de órdenes de trabajo. El valor de la velocidad y su eficiencia asociada afectan tanto el tiempo que toma ejecutar una operación como la potencia eléctrica requerida. Se propone un algoritmo genético multiobjetivo adaptativo (AMOGA) para la resolución del problema Job Shop. A partir de ejecuciones experimentales y pruebas estadísticas realizadas sobre este y otros tres algoritmos, se encuentra que el enfoque propuesto proporciona consumos de energía y tiempos de producción significativamente menores, sin embargo, encontrar un conjunto de soluciones eficientes que permitan a un potencial evaluador decidir sobre una secuencia de operaciones apropiada según sus requerimientos implica un proceso de búsqueda exhaustivo debido a la gran cantidad de posibles soluciones que tiene el problema planteado.

Abstract: In this work an energy efficiency oriented multiobjective scheduling model is presented, for the single machine and job shop scheduling problems, with process speed as the main decision variable, where objective functions are makespan and total energy consumption. The proposed approach allows different speed levels to be considered in a set of machines at different energy efficiencies in order to process a set of jobs. The speed value and its associated efficiency has an impact at completion time and the required electrical power. An adaptive multiobjective genetic algorithm (AMOGA) is proposed to solve the problem. From experimental runs and statistical tests on this algorithm and other three, It was found that the proposed approach gives significantly lower energy consumption in lower completions times, however, to find a set of Pareto efficient solutions for a decision maker in order to take an appropriate sequence of operations involves a thorough search process due to the large number of possible solutions