DISTRIBUCIN DE PLANTA

PARA UNA OFICINA BANCARIA

POR MEDIO DE ALGORITMOS
GENTICOS
Gina Rojas Bernal
Jos Fidel Torres, Ph.D.
Universidad de los Andes
Grupo de Produccin y Logstica PYLO

Contenido
zIntroduccin y Descripcin del Modelo
zSolucin propuesta
zResultados y Conclusiones

Introduccin
z
z
z
z
z
z

z
z
z

Introduccin
Descripcin del
Modelo
Recoleccin de
datos
Representacin
de la solucin
Realizacin del
Algoritmo
AG para la
configuracin de
planta de una
oficina virgen
Diseo de
Experimentos
Resultados
Conclusiones

z El problema de distribucin de planta:

Definicin
z Problema muy poco tratado en la
literatura
z Objetivo
principal:
Mejorar
la
distribucin actual de cuatro oficinas de
una red bancaria real
z Forma de la oficina

Descripcin del Modelo

z
z
z
z
z
z

z
z
z

Introduccin
Descripcin del
Modelo
Recoleccin de
datos
Representacin
de la solucin
Realizacin del
Algoritmo
AG para la
configuracin de
planta de una
oficina virgen
Diseo de
Experimentos
Resultados
Conclusiones

O.F . = [ f (i, j ) * d (Z (i), Z ( j ) )]

i

i, j [1, N ]

Subject to:
The departments are not overlapped to each other.
The departments and office area is respected.
The flank to which each department belongs is respected.
A relative fixed position for some departments is conserved.
Where:
N is the number of departments.
f (i, j ) represents the flow between department i and department j.

d (Z (i ), Z ( j ) ) represents the distance between the rectangles centroids where

department i and department j are located, according to the allocation defined by
the chromosome.
This distance is measured using rectilinear metric, thus:
d ij = xi x j + yi y j

i, j [1, N ]

Recoleccin de Datos
z
z
z
z
z
z

z
z
z

Introduccin
Descripcin del
Modelo
Recoleccin de
datos
Representacin
de la solucin
Realizacin del
Algoritmo
AG para la
configuracin de
planta de una
oficina virgen
Diseo de
Experimentos
Resultados
Conclusiones

zDimensiones de la Oficina y
los departamentos: Planos
zMedicin
de
flujos:
Encuestas
{ Esta matriz es anloga a la medicin del
flujo.
{ Formato

Representacin de la solucin
z
z
z
z
z
z

z
z
z

Introduccin
Descripcin del
Modelo
Recoleccin de
datos
Representacin
de la solucin
Realizacin del
Algoritmo
AG para la
configuracin de
planta de una
oficina virgen
Diseo de
Experimentos
Resultados
Conclusiones

z Cromosoma Z:

Z(1)

Z(2)

Z(3)

Z(4)

Costado Oriente

Z(5)

Z(6)

Costado Norte

Z(7)

Z(8)

Z(9)

Costado Occidente

Z(10)

Z(N-3)

Costado Sur

Z (i ) = Departamento asignado en el orden i.

i [1, N ]

N = Nmero de departamentos.

Z(N-2)

Z(N-1)

Parte trasera

Z(N)

Ejemplo de la representacin de la
solucin
z
z
z
z

z
z
z

Introduccin
Descripcin del
Modelo
Recoleccin de
datos
Representacin
de la solucin
Realizacin del
Algoritmo
AG para la
configuracin de
planta de una
oficina virgen
Diseo de
Experimentos
Resultados
Conclusiones

El siguiente cromosoma:
1

13

14

12

15

16

11

10

18

Representa la distribucin:
Costado Norte

Atrs

14

12 15

10

16

13

Costado Oriente

z
z

11
18

2
6
3
7
8

Costado Sur

Occidente

17

17

z
z
z
z
z
z

z
z
z

Introduccin
Descripcin del
Modelo
Recoleccin de
datos
Representacin
de la solucin
Realizacin del
Algoritmo
AG para la
configuracin de
planta de una
oficina virgen
Diseo de
Experimentos
Resultados
Conclusiones

Realizacin del Algoritmo

Poblacin Inicial
z
z
z
z
z
z

z
z
z

Introduccin
Descripcin del
Modelo
Recoleccin de
datos
Representacin
de la solucin
Realizacin del
Algoritmo
AG para la
configuracin de
planta de una
oficina virgen
Diseo de
Experimentos
Resultados
Conclusiones

zSolucin inicial: Distribucin

actual para cada oficina.
z Generacin de nuevos
individuos
1

13

14

12

15

16

11

Poblacin total

10

18

17

Evaluacin y Seleccin
z
z
z
z
z
z

z
z
z

Introduccin
Descripcin del
Modelo
Recoleccin de
datos
Representacin
de la solucin
Realizacin del
Algoritmo
AG para la
configuracin de
planta de una
oficina virgen
Diseo de
Experimentos
Resultados
Conclusiones

zEvaluacin de la Funcin
Objetivo
zEstrategia de Seleccin:
Elitista

Estrategia de Cruce
z
z
z
z
z
z

z
z
z

Introduccin
Descripcin del
Modelo
Recoleccin de
datos
Representacin
de la solucin
Realizacin del
Algoritmo
AG para la
configuracin de
planta de una
oficina virgen
Diseo de
Experimentos
Resultados
Conclusiones

z Estrategia uniforme
z Ejemplo:
Patrn:

Vector opuesto:

Padre 1:

13 14

Padre 2:

13

14

Hijo 1:

13

14

Hijo 2:

14 13

Estrategia de Reparacin
z
z
z
z
z
z

z
z
z

Introduccin
Descripcin del
Modelo
Recoleccin de
datos
Representacin
de la solucin
Realizacin del
Algoritmo
AG para la
configuracin de
planta de una
oficina virgen
Diseo de
Experimentos
Resultados
Conclusiones

z Ejemplo:
Cromosoma que debe ser reparado:
1

13

14

12

12

16

11

10

15

12

16

11

10

Cromosoma reparado:
1

13

14

Estrategia de Mutacin
z
z
z
z
z
z

z
z
z

Introduccin
Descripcin del
Modelo
Recoleccin de
datos
Representacin
de la solucin
Realizacin del
Algoritmo
AG para la
configuracin de
planta de una
oficina virgen
Diseo de
Experimentos
Resultados
Conclusiones

13

14

12

15

16

11

10

18

17

z Solo se intercambian departamentos

no fijos. Por lo que a este operador
no es necesario realizarle reparacin.

z
z
z
z
z
z

z
z
z

Introduccin
Descripcin del
Modelo
Recoleccin de
datos
Representacin
de la solucin
Realizacin del
Algoritmo
AG para la
configuracin de
planta de una
oficina virgen
Diseo de
Experimentos
Resultados
Conclusiones

Cmo se obtiene la
nueva distribucin ?

Pseudo code
D.E.

Opt-DOB
z
z
z
z
z
z

z
z
z

Introduccin
Descripcin del
Modelo
Recoleccin de
datos
Representacin
de la solucin
Realizacin del
Algoritmo
AG para la
configuracin
de planta de
una oficina
virgen
Diseo de
Experimentos
Resultados
Conclusiones

z Opt-DOB: Sistema para apoyo a la

toma de decisiones (DSS)
z Lo elabor como una extensin del
algoritmo anterior
z Algoritmo igual al anterior excepto en
la generacin de la poblacin inicial.

Opt-DOB
z
z
z
z
z
z

z
z
z

Introduccin
Descripcin del
Modelo
Recoleccin de
datos
Representacin
de la solucin
Realizacin del
Algoritmo
AG para la
configuracin
de planta de
una oficina
virgen
Diseo de
Experimentos
Resultados
Conclusiones

Opt-DOB: Ingreso de Datos

z
z
z
z
z
z

z
z
z

Introduccin
Descripcin del
Modelo
Recoleccin de
datos
Representacin
de la solucin
Realizacin del
Algoritmo
AG para la
configuracin
de planta de
una oficina
virgen
Diseo de
Experimentos
Resultados
Conclusiones

Opt-DOB: Salida de Resultados

z
z
z
z
z
z

z
z
z

Introduccin
Descripcin del
Modelo
Recoleccin de
datos
Representacin
de la solucin
Realizacin del
Algoritmo
AG para la
configuracin
de planta de
una oficina
virgen
Diseo de
Experimentos
Resultados
Conclusiones

Resultados
z
z
z
z
z
z

z
z
z

Introduccin
Descripcin del
Modelo
Recoleccin de
datos
Representacin
de la solucin
Realizacin del
Algoritmo
AG para la
configuracin de
planta de una
oficina virgen
Diseo de
Experimentos
Resultados
Conclusiones

Conclusiones
z
z
z
z
z
z

z
z
z

Introduccin
Descripcin del
Modelo
Recoleccin de
datos
Representacin
de la solucin
Realizacin del
Algoritmo
AG para la
configuracin de
planta de una
oficina virgen
Diseo de
Experimentos
Resultados
Conclusiones

z El AG super consistentemente el
juicio profesional de los planificadores
(sentido comn)
z Los
resultados
obtenidos
son
robustos.
z No se requiere de un usuario experto
en AG.
z Opt-DOB puede ser usado en
cualquier oficina de estructura similar

Gracias

Contenido

z
z
z
z
z
z

z
z
z

Introduccin
Descripcin del
Modelo
Recoleccin de
datos
Representacin
de la solucin
Realizacin del
Algoritmo
AG para la
configuracin de
planta de una
oficina virgen
Diseo de
Experimentos
Resultados
Conclusiones

Salida de Resultados
Ejecutar

Diseo de Experimentos
z
z
z
z
z
z

z
z
z

Introduccin
Descripcin del
Modelo
Recoleccin de
datos
Representacin
de la solucin
Realizacin del
Algoritmo
AG para la
configuracin de
planta de una
oficina virgen
Diseo de
Experimentos
Resultados
Conclusiones

Los factores a variar son:

z Probabilidad de Mutacin: 0.01, 0.05
y 0.1
z Porcentaje de Mejores: 0.2, 0.45 y 0.7
z Porcentaje
de
generados
por
mejores: 0.3, 0.6 y 0.8
El nmero de iteraciones fue escogido
a partir de los grficos de
convergencia del algoritmo
Regresar

Diseo de Experimentos: Oficina 1

Supuestos

Regresar

Diseo de Experimentos
z
z
z
z
z
z

z
z
z
z

Introduccin
Descripcin del
Modelo
Recoleccin de
datos
Representacin
de la solucin
Realizacin del
Algoritmo
AG para la
configuracin de
planta de una
oficina virgen
Diseo de
Experimentos
Distribuciones
de Planta
Finales
Resultados
Conclusiones

Supuestos:
z El modelo describe de manera
adecuada las observaciones
z Los errores siguen una distribucin
normal e independiente con media
cero y varianza 2 constante pero
desconocida
Conclusin: Violacin de supuestos. No
hay cambios para la F.O. frente a las
diferentes variaciones de parmetros.
Regresar

Formato de la matriz de calificacin.

Depto. 1
Depto. 2
Depto. 3
Depto. N-1
Depto. N
Depto. 1

Depto. 2

Depto. 3

Depto. N-1

Depto. N

z Esta matriz de calificacin, es anloga a la medicin del

flujo; ya que as, como entre mayor es el flujo entre dos
departamentos mayor es la deseabilidad de cercana
entre ellos, entre mayor sea la importancia (o
deseabilidad) de que estn situados cerca, mayor ser
la calificacin en la matriz de percepcin.
Regresar

Ejemplo de convergencia del algoritmo

Comportamiento del algortimo - Oficina 1
4580,00

4560,00

4540,00

Valor de F.O.

4520,00

4500,00

4480,00

4460,00

4440,00

4420,00

4400,00
0

50

100

150

200

250

Nmero de iteraciones

Regresar

Resultados Obtenidos para la Funcin

Objetivo de la Instancia 1
PM 1 = 0,01
PGE 1 = 0,3
PGE 2 = 0,6
PGE 3 = 0,8
PE 1 =
PE 2 =
PE 3 =
PE 1 =
PE 2 =
PE 3 =
PE 2 =
PE 1 = 0,2
0,2
0,45
0,7
0,2
0,45
0,7
0,45
4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050
Media
0,000
0,000
Desviacin 0,000
0,000
0,000
0,000
0,000
0,000
4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050
Mnimo
Mximo
4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050
Combinaci
1
2
3
4
5
6
7
8
PM 2 = 0,05
PGE 1 = 0,3
PGE 2 = 0,6
PGE 3 = 0,8
PE 2 =
PE 3 =
PE 1 =
PE 2 =
PE 3 =
PE 1 =
PE 2 =
PE 1 = 0,2
0,45
0,7
0,2
0,45
0,7
0,2
0,45
Media
4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
Desviacin
Mnimo
4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050
Mximo
4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050
Combinaci
10
11
12
13
14
15
16
17
PM 3 = 0,1
PGE 1 = 0,3
PGE 2 = 0,6
PGE 3 = 0,8
PE 1 =
PE 2 =
PE 3 =
PE 1 =
PE 2 =
PE 3 =
PE 1 =
PE 2 =
0,2
0,45
0,7
0,2
0,45
0,7
0,2
0,45
Media
4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
Desviacin
Mnimo
4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050
Mximo
4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050
Combinaci
19
20
21
22
23
24
25
26

PE 3 =
0,7
4413,050
0,000
4413,050
4413,050
9

PE 3 =
0,7
4413,050
0,000
4413,050
4413,050
18

PE 3 =
0,7
4413,050
0,000
4413,050
4413,050
27

Regresar

Pseudo cdigo para encontrar

coordenadas
Algorithm to Find coordinates;
InY = Office height
InX = 0
For all departments West flank do
X coordinate = 0
Y coordinate = InY - Department height
InY = Y coordinate
Next
InY = greater departments height of the North flank
InX = greater departments wide of the West flank
For all departments North flank do
X coordinate = InX
Y coordinate = InY - Department height
InX = InX + Department wide
Next

a = greater departments wide of the East flank

b = Office wide Back part wide
InX = b - a
InY = greater departments height of the North flank
For all departments East flank do
X coordinate = InX
Y coordinate = InY
InY = InY + Department height
Next
InY = Office height - greater departments height of the Costado Sur
For all departments Costado Sur do
InX = InX - Department wide
X coordinate = InX
Y coordinate = InY
Next
InX = b
InY = 0
InXnow = 0
For all departments Back part do
If (InY + Department height) > Office height then
InY = 0
InX = InX + InXnow
InXnow = 0
End If
X coordinate = InX
Y coordinate = InY
InY = InY + Department height
If Department wide > InXnow then
InXnow = Department wide
End If
Next
End;

Regresar

Nmero total de individuos

zPermitiendo cambios entre costados
n*(n-1)/2

Regresar