TESIS DOCTORAL
para la obtencin del ttulo de
Doctor por la Universidad de Vigo
presentada por:
JOS CARLOS TRONCOSO SARACHO
Director de tesis
Dr. JOS POSE BLANCO
TESIS DOCTORAL
presentada por
JOS CARLOS TRONCOSO SARACHO
Director de tesis
Dr. JOS POSE BLANCO
CERTIFICA:
Que la presente tesis doctoral titulada METODOLOGA PARA LA
OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS
INDUSTRIALES, presentada por Jos Carlos Troncoso Saracho, Ingeniero en
Organizacin Industrial, ha sido realizada bajo mi direccin, contiene material
original y suficiente y rene las condiciones de forma exigida, por lo que autorizo
su admisin a trmite para su lectura y defensa con el fin de obtener el grado de
doctor.
De gente bien nacida es agradecer los beneficios que reciben, y uno de los
pecados que ms a Dios ofende es la ingratitud.
...
alz don Quijote la voz, y dijo:
- Entre los pecados mayores que los hombres cometen, aunque algunos
dicen que es la soberbia, yo digo que es el desagradecimiento, atenindome a
lo que suele decirse: que de los desagradecidos est lleno el infierno.
Miguel de Cervantes Saavedra (1547-1616),
El Ingenioso Hidalgo Don Quijote de la Mancha
Hay quien dice que reconocer a quien nos ayuda nos hace ms humanos y personas
mejores y como reza el refranero espaol de bien nacidos es ser agradecidos , por ello
no querra dejar pasar esta ocasin sin expresar mi agradecimiento a las personas que, de
una u otra forma, colaboraron para hacer posible la realizacin de este trabajo, rogando, en
todo caso, que me sepan perdonar las inevitables omisiones que pudieran producirse.
Al profesor Dr, Jos Pose Blanco, director de esta Tesis, que ha confiado en mi y que
con infinita paciencia, me ha espoleado y orientado a lo largo de todas las fases de esta
investigacin y en la posterior redaccin de este documento.
A los profesores Dr. Antonio Gmez Barbeito y Dr. Jos Luis Gonzalez Cespn, de la
Universidad de Vigo, por sus visitas, buenos consejos y reiteradas preguntas de: cmo
llevas eso ? Que han ido empujando este barco al agua, especialmnte cuando ms
ampantanado estaba.
Al profesor, y gran amigo, D. Jos Antonio Alonso Rodrguez, por su desinteresada
e inestimable colaboracin en todo momento, y por todas esas fructferas discusiones que
han dado importantes empujones a la investigacin en los momentos ms aciagos.
A mis alumnos y profesores, por todo lo que me han enseado tanto unos como
otros porque con sus exigencias me han ayudado a ser lo que soy y me han obligado a
aumentar, en lo humanamente posible, mi nivel de exigencia personal.
A todos los compaeros, profesores y PAS, del Departamento de Diseo en la
Ingeniera, al que me siento orgulloso de pertenecer, as como a la Universidad de Vigo,
como institucin, por su colaboracin siempre que ha sido necesaria.
Al conjunto de correctores, doctores profesores de Universidades (nacionales e
internacionales), a los que he recurrido, y, en muchos casos, abusado de su buena
disposicin, para recabar informacin y, lo que es ms importante, su opinin personal sobre
el trabajo realizado y sobre este documento.
Al personal de las distintas bibliotecas, en las que he trabajado y buscado
documentacin, pimero por aguantarme y, segundo y ms importante, por su colaboracin y
facilidades prestadas a la hora de conseguir y revisar las distintas referencias bibliogrficas.
A los muchos investigadores que me han precedido y han trabajado duramente en el
campo de los algoritmos heuristicos aplicados a las distribuciones en plantas industriales
por ensearme el camino y cmo no? a los que pudieran continuar ste en el futuro.
Y, finalmente, a los innumerables annimos que de alguna forma han contribuido a la
realizacin y finalizacin de este trabajo.
Alicia se ri: no tiene sentido intentarlo, dijo;
no se puede creer en cosas imposibles.
Yo ms bien dira que es cuestin de prctica dijo la Reina.
Cuando yo era joven, practicaba todos los das durante media hora.
Muchas veces llegu a creer en seis cosas imposibles antes del desayuno.
Lewis Carroll (1832-1898)
-seudnimo de Charles Lutwidge Dodgson-,
en Alicia en el pas de las maravillas.
RESUMEN
RESUMEN
Las decisiones que tomamos satisfacen, no optimizan!
Herbert A. Simon (1916-2001),
Economista Estadounidense. Premio Nobel de Economa en 1978.
INDICE
CAPTULO - 1
1. INTRODUCCIN 3
1.2. HIPOTESIS. .. 13
1.4. LIMITACIONES. .. 15
CAPTULO - 2
2.2.1. Introduccin. .. 30
I
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES.
2.3.2.1. Productos. .. 43
2.4.1. Introduccin. .. 46
II
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES.
2.6.4. GRASP. 91
2.6.7.2. Optimizacin por Colonia de Hormigas (ACO: Ant Colony Optimization). 111
III
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES.
CAPTULO - 3
IV
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES.
3.6.13. Mtodo de clculo propuesto para distancias entre las distintas instalaciones. 205
CAPTULO - 4
V
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES.
CAPTULO - 5
VI
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES.
BIBLIOGRAFA
ANEXOS
VII
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES.
LISTA DE Figuras
Costo de manejo de materiales, que es prcticamente indiferente
Figura 1.1:
de la distancia. .. 9
Figura 2.1: Diagrama de la transformacin del problema P1 en P2. 28
Figura 2.2: Mtodos de resolucin empleados en la bibliografa. 28
Figura 2.3: Tipos de distribucin en planta de mquinas. .. 31
Figura 2.4: (a) Layout de bloque y (b) layout detallado. .. 40
Mtodos de modelado para el Problema de Distribuciones en
Figura 2.5:
Planta. 47
Clasificacin de algunos de los modelos de construccin de
Figura 2.6:
distribuciones. 78
Publicaciones metaheursticas usadas en el problema de
Figura 2.7:
Distribucin en Planta. 81
Funcin multimodal. Suele acarrear el encasillamiento de los
Figura 2.8:
algoritmos heursticos en ptimos locales. 85
Figura 2.9: Composicin de las metaheursticas. . 88
Figura 2.10: Trayectorias del movimiento de las partculas en el enjambre. .. 114
Trayectorias influidas por los atractores en del movimiento de las
Figura 2.11:
partculas. .. 114
Paisaje tras una serie de iteraciones en el que se aprecian ya valles y
Figura 2.12:
colinas (mnimos y mximos locales). 116
Estado de pixelizacin o digitalizacin para obtener entorno
Figura 3.1:
simulado partiendo del contorno real. 132
Clasificacin de los modelos espaciales empleados por las tcnicas
Figura 3.2:
de resolucin del problema de distribucin en planta). 135
Figura 3.3: Clasificacin de los modelos de representacin espacial. 136
Figura 3.4: Representaciones de diagramas de relacin. .. 132
Figura 3.5: Grafo y subgrafos. 138
Figura 3.6: Ejemplo de planaridad de un grafo. 139
Figura 3.7: Incumplimiento relacional consecuencia de la planaridad. 140
Figura 3.8: Grafo dual. .. 141
Figura 3.9: rbol de expansin maximal. .. 141
Figura 3.10: Transformacin en un G.P.P.M. 143
Figura 3.11: Arreglo unidimensional (SRLP). 144
Figura 3.12: Clasificacin de los modelos geomtricos en 2D. 144
Figura 3.13: Discretizacin de un dominio y su representacin. .. 146
Figura 3.14: Curva de Hilbert generada para recorrer el plano. .. 149
Figura 3.15: Esquema del modelo ABSMODEL. 150
Figura 3.16: Caractersticas fundamentales del ABSMODEL2 . 151
Figura 3.17: Caractersticas fundamentales del ABSMODEL3 . 152
Figura 3.18: Descomposicin en subactividades. 154
Figura 3.19: Ejemplo de solucin de las distribucin. 154
Figura 3.20: Geometra de rboles de corte. .. 155
Figura 3.21: Dendograma. 157
Figura 3.22: Representacin de un rbol de corte. 157
VIII
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES.
IX
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES.
X
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES.
LISTA DE TABLAS
Tabla 1.1: Caractersticas principales que contienen en su proceso cada mtodo. 10
Tabla 2.1: Caractersticas de los tipos bsicos de distribucin en planta. 36
Tabla 2.2: Algunos algoritmos de distribucin en planta de instalaciones. 73
Tabla 2.3: Seleccin del mejor candidato admisible. 98
Tabla 2.4: Componente de memoria de trmino corto de la bsqueda tab. 98
Tabla 2.5: Restricciones tab y atributos para movimientos de intercambio. 99
Tabla 2.6: Analoga entre la evolucin natural y los algoritmos genticos. 110
Tcnicas para reducir problemas en las distribuciones asistidas por
Tabla 3.1:
ordenador. 128
Clasificacin de las metodologas aplicadas MFLP en funcin de las fases.
Tabla 3.2:
162
Tabla 4.1: reas y restricciones geomtricas por instalacin. 221
Tabla 4.2: Matriz simtrica de flujos de produccin para seis instalaciones. 222
Momentos de transporte obtenidos utilizando el algoritmo gentico
Tabla 4.3:
para problemas con 12, 15, 20 y 20 instalaciones. 224
Momentos de transporte obtenidos utilizando simulated annealing
Tabla 4.4:
para problemas de 20 y 30 instalaciones. 224
Momentos de transporte obtenidos utilizando algoritmo de bsqueda
Tabla 4.5:
tab tras 150 iteraciones. 225
Momentos de transporte obtenidos utilizando algoritmo de bsqueda
Tabla 4.6:
tab tras 150 iteraciones. .. 225
Tabla 4.7: Variaciones en la anchura y en la longitud en el ajuste del pasillo de 1m. 241
Tabla 4.8: Variaciones en la anchura y en la longitud en el ajuste del pasillo de 2m. 241
Tabla 4.9: Variaciones en la anchura y en la longitud en el ajuste del pasillo de 4 m. 241
Relaciones entre instalaciones y pasillos para el rbol de corte de la
Tabla 4.10:
figura 4.12. .. 247
Coordenadas de los centroides de instalaciones, de los puntos que
Tabla 4.11: enlazan instalaciones a los ejes de los pasillos e interseccin de ejes de
pasillos de la figura 4.12. 248
Tabla 4.12: Caminos mnimos obtenidos con el Algoritmo de Dijkstra. 250
Distribucin acumulada del nmero de instalaciones por procedimientos
Tabla 4.13:
y error (%) en la razn de forma. 257
Momento de transporte obtenidos en distribucin en planta de 15
Tabla 4.14:
instalaciones. .. 259
Momentos de transporte obtenidos en distribuciones en planta de 20
Tabla 4.15:
instalaciones. .. 260
Momentos de transporte obtenidos en distribuciones en planta de 30
Tabla 4.16:
instalaciones. .. 260
Valores de media, desviacin estndar y estadsticas obtenidos con la
Tabla 4.17:
aplicacin de ST1 y ST2, para los distintos problemas. .. 263
Valores de media, desviacin estndar y estadsticas obtenidos con la
Tabla 4.18: aplicacin de la primera fase de ST1 y ST2, para los distintos problemas.
264
Valores de media, desviacin estndar y estadsticas obtenidos con la
Tabla 4.19:
aplicacin de la segunda fase de ST1 y ST2, para los distintos problemas. 265
XI
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES.
XII
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES.
XIII
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES.
XIV
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES.
XV
CAPTULO 1
INTRODUCCIN
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 2 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
CAPTULO 1
1. INTRODUCCION.
1
Respuesta a la pregunta: Qu es lo que est equivocado, entonces, en este enfoque
racionalista?. La entrevista fue realizada a travs de correo electrnico por Jorge Nascimento
Rodrigues, el 20 de Abril de 2001.
Pg. 3 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 4 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
deben tomar las precauciones razonables aun considerando que la vida no tiene
un valor infinito.
2) Desempeo: La relacin costo/beneficio debe ser favorable desde el punto de
vista de la organizacin y del individual.
3) Comodidad: La fatiga, el sufrimiento o el dolor innecesarios pueden ser
eliminados por un buen diseo aunque pudiera no haber cambios en los
resultados a corto plazo.
4) Necesidades Mayores: Se puede, y debe, disear un puesto de trabajo para
estimular en lo posible el contacto social o para hacerlo ms interesante.
Aunque hacer los trabajos ms placenteros y/o satisfactorios no tienen una
prioridad relevante en las culturas actuales y no cabe duda de que en breve
periodo de tiempo se debern disear las instalaciones fabriles con un enfoque
ms humano.
Pg. 5 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 6 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
por otros autores con anterioridad, sobre una regin plana. Pertenece a una clase de
problemas de localizacin espacial que ha sido estudiado en diversos contextos,
incluyendo la planificacin de espacios en arquitectura, distribucin en planta de
clulas de fabricacin, distribucin en planta de oficinas, hospitales, distribucin de
teclas en teclados de mquinas, montajes de componentes electrnicos en placas y
proyectos de VLSI (Very-Large-Scale Integration). Aunque el tipo de instalacin
pueda variar en cada contexto, la formulacin del problema en gran parte permanece
similar. En general, el rea de cada instalacin y los costes de flujos entre cada par de
instalaciones son estimativas de datos obtenidos por un ingeniero de produccin. El
coste asociado al flujo puede ser especificado por una medida cuantitativa (por
ejemplo el flujo de materiales), o cualitativa (por ejemplo la proximidad exigida entre
instalaciones). La meta es minimizar los costes totales de los flujos satisfaciendo un
conjunto de restricciones especificadas, como por ejemplo, la no sobreposicin de
instalaciones (Tan y Li, 1991). Los primeros estudios relevantes de este problema se
realizan tras la SGM, cuando Immer (1950) presenta los pasos bsicos a seguir en la
planificacin de la implantacin y la estrecha relacin de sta con los sitemas de
manutencin, Cameron (1952) hace la primera referencia al uso de las cartas
relacionales de actividades, concepto que ser utilizado por la teoria para la
resolucin del problema en su aspecto cualitativo, posteriormente Reed (1961) el que
proponga como la fase ms importante de la planificacin sistemtica de la
distribucin en planta el Grfico de Planificacin de la Implantacin, pero
realmente ser Richard Muther (Muther,1968) desarrollando su tcnica SLP
(Systematic Layout Planning) el que marque sin lugar a dudas un antes y un despus
en el desarrollo de las tcnicas de elaboracin y estudio de las distribuciones en
planta, utilizando para ello tanto el anlisis del flujo de materiales (factores
cuantitativos) como el anlisis de las relaciones entre actividades (factores
cualitativos) para configurar un layout adecuado.
Una buena distribucin resulta a todas luces clave para asegurar un buen nivel
de competitividad en la empresa y por eso hace ms de diez lustros que se ha
convertido en un objetivo primordial para los decisores, como bien cita Ontiveros
(2004), ya Immer (1950) en un entorno empresarial mucho ms relajado que el
actual- haca referencia a las apreciaciones de Mallick y Sansoneti (1945) al afirmar
que:
Pg. 7 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
en donde:
Pg. 8 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
5
Recorido
4
Coste
2 Carga y Descarga
0
0 10 20 30 40
Distancia
a) mtodos constructivos;
b) mtodos de mejora;
c) mtodos hbridos, y
d) mtodos que utilizan la teora de grafos.
Pg. 9 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 10 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 11 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
adyacentes para una instalacin y por considerar tales conjuntos como una unidad
cuando efecta los cambios, esos programas no tienen control sobre la forma de cada
instalacin, pudiendo aparecer en las distribuciones fsicas finales con instalaciones
de formas irregulares. Adems de eso, Gondran y Minoux (1984) muestran que el
problema cuadrtico de atribucin (PQA) es NP-completo, lo que transforma su
aplicacin en la resolucin de problemas de mayor porte inviable.
Mtodos Elementos
Diagrama de relacin de actividades
Producto (P), bienes producidos
CRAFT Distancias
Almacn de valores
Disposicin de departamentos
Flujo de materiales entre departamentos
COMBINED COMPUTER
AIDED APPROACH Distancia entre departamentos
Diagrama de relacin de actividades
Diagrama de relacin de actividades
Dimensin de los departamentos
BLOCPLAN
Formas de los departamentos
Relacin entre departamentos
Distancia entre departamentos
DIAGRAMA DE
RELACIN DE Flujo de material y personas entre
ACTIVIDADES departamentos
Pg. 12 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
1.2. HIPOTESIS.
1.3. OBJETIVOS.
Pg. 13 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
para continuar la bsqueda. Una buena eleccin fruto del azar no proporcionar
ninguna informacin para posteriores acciones" y ahora si que pueden ser
descritos los objetivos del mismo.
Pg. 14 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
1.4. LIMITACIONES.
Pg. 15 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 16 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Por otro lado, como se ha dicho anterirmente, las plantas industriales resultan
cada vez menos inamovibles y es necesario un continuo replanteamiento de la
distribucin real que las instalaciones tienen en el espacio disponible, ademas, tal y
como nos confirma Sly (1993), no podremos adoptar en nuestra industria las nuevas
tecnicas de JIT, Clulas de Fabricacin o Tecnologa de Grupos sin considerar
primero la necesidad de modificar la distribucin de nuestra planta, por eso resulta
fundamental el ahondar en el estudio de recursos que nos permitan redisear nuestras
factorias de forma casi continua, minimizando los costes y optimizando los
resultados.
Pg. 17 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Aunque, tal como se ver en el proximo capitulo, desde mediados de los aos
60 se han desarrollado un gran nmero de algoritmos y de aplicaciones infomticas
que ayudaran a poner en prcica aquellos y siguen desarrollandose-, las
distribuciones diseadas por ordenador rara vez son usadas en la prctica, tal y como
ya mostr en sus trabajos Moore (1978) y posteriormente el propio Muther (1980)
quien llega a afirmar: En 1968 nuestra firma consultiva trabajaba con cuatro
programas de ordenador para la planificacin del espacio. Hoy, ya no usamos
ninguno de ellos y se ha observado que se pueden obtener distribuciones incluso
mejores y ms rpidamente utilizando SLP y que por desgracia sigue siendo una
afirmacin bastante real aun en la actualidad y aunque las revistas y publicaciones
acadmicas estn llenas de artculos acerca de ellas y revisiones de los algoritmos
existentes, en la prctica apenas se usan nuevas tcnicas de clculo.
Pg. 18 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 19 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Se har pues aqu un esfuerzo por intentar presentar inicialmente una revisin
de los diversos modelos existentes en la literatura para la resolucin del problema de
la distribucin en planta, tal y como ya se ha mencionado anteriormnte, pero tambin
se presentar un modelo que si bien no resuelve definitivamente (dada la
imposibilidad real de hacerlo) si que ayuda a resolver el problema de distribucin en
planta de instalaciones tomando en consideracin las reas y formas de cada
instalacin, adems de interconectar tales instalaciones a travs de pasillos, o incluso
comunicacin vertical en instalaciones multiplanta, cuando estas no son adyacentes.
Ademas debe mencionarse en este punto que en los trabajos presentados en la
literatura, apenas se abordan planteamientos aplicables en entornos de Dibujo
Asistido por Ordenador, limitandose en la prctica a resultados meramente
matemticos pero poco aplicables en casos reales y pocos tratan el problema
utilizando pasillos en su solucin, y los que lo hacen, utilizan mtodos constructivos
simples, sin buscar soluciones optimizadas.
Por ltimo nos permitiremos hacer nuestras las palabras del profesor Islier
(Islier 2000) mencionando que para un cientfico la simplicidad que permite la
generalizacin es de primordial importancia, mientras que la aplicabilidad ser
esencial para un ingeniero, por lo que ambas cuestiones -simplicidad y
aplicabilidad- han sido premisas que se han pretendido mantener en todo momento a
la hora de enfrentarsesa la problemtica abordada.
Pg. 20 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 21 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Por ltimo se han incorporado al final del documento algunos anexos que
permitan, sin hacer demasiado tedioso el contenido del documento principal, abordar
ciertos temas relevantes en el trabajo presentado y que pueden facilitar su
comprensin.
Pg. 22 de 337
CAPTULO 2
EL PROBLEMA DE LA
DISTRIBUCIN EN PLANTA
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 24 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
CAPTULO 2
Pg. 25 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
A la hora de hablar de instalaciones se debe dejar bien claro que nos referimos a
un concepto amplio que puede ser una zona de una nave, una compartimento de la misma
o incluso una mquina o equipamiento especfico que sern ubicadas dentro de la planta
de la factoria que se pretende desarrollar. Y en cualquiera de estos casos la frontera de
estas instalaciones puede ser muy determinada o muy difusa dependeiendo justamente
del caso qu se est abordando.
Pg. 26 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Esta teora clasificaba los problemas en diversas categoras o clases en funcin del
nmero mximo de pasos que necesitara un ordenador para la resolucin. Veamos
algunas de estas clases o categoras:
La Clase P, que incluye a los problemas para los que existe un algoritmo de
resolucin tal, que el nmero de pasos de clculo que requiere se puede expresar
mediante una funcin polinomial del tamao del problema; en oposicin la clase de
problemas que pueden ser resueltos en tiempo polinomial por un algoritmo no-
determinstico es denominada de clase NP (Gondran y Minoux, 1984), osea que la
Clase NP incluye aquellos problemas para los que no se conoce un algoritmo de
resolucin en tiempo polinmico, pero que pueden ser resueltos en dicho tiempo
empleando un proceso de ilimitadas bsquedas paralelas independientes (por medio
de un computacin no determinista). La clase NP contiene a todos los problemas para
los que puede determinarse si una solucin concreta es factible o no (problema de
decisin), mediante un algoritmo en el que el nmero de pasos de clculo se puede
expresar mediante una funcin polinomial. La clase NP incluye a la clase P.
Pg. 27 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Transformacin Transformacin
entrada P1 tiempo entrada P2 Algoritmo del salida P2 tiempo salida P1
polinomial problema P2 polinomial
La teora de la complejidad nos sugiere, pues, que para los problemas NP-
completos, a los que pertenece el que se trata en el presente trabajo, no existe un
algoritmo que proporcione una solucin ptima en un tiempo razonable. Esto, unido a
que el esfuerzo para comprobar la validez de una solucin en un problema de este
estilo no es muy elevado, ha provocado que la tendencia en los mtodos de resolucin
evolucionara desde las tcnicas enumerativas o exactas, hacia procedimientos
heuristicos y metaheuristicos que proporcionen soluciones aceptables en tiempos de
calculo realistas (Loyola et al., 2004; Diego-Mas, 2006; Ontiveros, 2004; Contreras,
2010; Montav, 2011; Gonzalez_Cruz, 2001; Gonzalez_Garcia, 2005).
TECNICAS de RESOLUCION
150
100
50
0
Heuristicas Exactas Metaheuristicas
Pg. 28 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 29 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
2.2.1. Introduccin.
Pg. 30 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
retorno
robot
saltos
Pg. 31 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
j-i si j>i
dij =
n+j-i si j<i
Pg. 32 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
5) Por los factores citados anteriormente, preparar los datos necesarios para
desarrollar una distribucin en planta de mquinas (Hassan y Albin, 1994) requiere
un anlisis ms elaborado que el necesario para el problema de distribucin en
planta de instalaciones (o bloques). Por ejemplo, el tiempo de transporte es una
funcin de las distancias y de las caractersticas del sistema de manejo del
material, tarea desempeada en el movimiento tal como carga y descarga, la
direccin del movimiento, la cantidad y la localizacin de las estaciones de carga y
descarga, que deben ser considerados en el problema. Un segundo ejemplo,
muestra la necesidad de considerar la razn de produccin de un FMS (Flexible
Manufacturing Systems), en la funcin objetivo de un modelo de distribucin en
planta de mquinas (Co et al., 1989). Estos autores analizaran los valores medios
de desempeo en las redes de filas con el fin de calcular las razones de produccin
(Hassan, 1994).
Pg. 33 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Por esos motivos, tal vez se pudiera pensar que una distribucin en planta, una
vez establecida no debe ser modificada, y solo debe ser utilizada, la posible
experiencia, para proyectar nuevas instalaciones. Nada ms lejos de la realidad que
nos demuestra cada da que esto resulta totalmente erroneo, pues diversos factores
tales como: la ineficiencia de operaciones, tasas altas de accidentes, posibles cambios
en el producto o servicio, la implantacin de nuevas instalaciones necesarias para la
fabricacin, la necesidad de exponer o mostrar convenientemente productos o
servicios al cliente, cambios en las definiciones de las gamas y productos y en el
volumen de produccin o flujo de clientes, pueden conducir inexorablemente a
algn cambio en las instalaciones ya existentes. De hecho siempre se han de
considerar las instalaciones de las factoras productivas como algo vivo y cambiante
que como todo ser vivo nacen, crecen, se desarrollan (modifican) y, finalmente,
mueren, por lo que resulta del todo inverosmil el pensar que las instalaciones
industriales implantadas permacecern inamovibles en el tiempo.
Pg. 34 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 35 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 36 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Este captulo ofrece una visin global de los aspectos relacionados con
resolucin de este tipo de problemas, centrandose en su caracterizacin, en la
identificacin de sus principales dificultades, en la descripcin de algunos de los
modelos usados y en la presentacin de algunos de los principales mtodos usados en
su resolucin.
3
Este problema es conocido en la literatura internacional por Facility Layout Design Problem (FLDP)
o ms comunmente simplificando Facility Layout Problem (FLP).
Pg. 37 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Para solucionar un PPLI tambin es necesrio escoger una representacin para las
soluciones. El layout de bloques es una forma frequentemente usada para la
representacin de las soluciones. Este estabelece la localizacin relativa y el tamao
4
El termino usado en lengua inglesa para manipulacin y maniobra de materiais es Material Handling.
5
Al usar el trmino planta, se pretende hacer referencia a parte o todo el espacio interior de la instalacin
de la factoria que normalmente es el interior de un edifcio.
Pg. 38 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
La Figura 2.4a muestra una solucin para un PPLI representada por un layout de
bloques, en que cada bloque representa una instalacin. Es posible, realizar algun
trabajo adicional que ayude a determinar un layout ms detallado, en el que la
estructura de pasillos y corredores para el equipamiento de transporte, los locales de
los puntos de entrada y salida y el layout dentro de cada instalacin quede claramente
especificado (Figura 2.4b). La determinacin del layout detallado incluye problemas
de layout de lineas de flujo, problemas de layout de mquinas y problemas de diseo
de clulas de fabricacin, en donde se considera que las mquinas son de igual rea y
de dimensiones fijas (Hasan, 1995; Meller, 1996). En la seccin siguiente se
enumeran los diferentes tipos de layout que se pueden encontrar en estas situaciones.
6
Para entender el termino NP-completo es necesrio conocer las funciones de complejidad temporal de
los algoritmos. Estas funciones permiten conocer un mximo para tasa de aumento de la cantidad de
tiempo que un algoritmo necesita para solucionar un problema en funcin del crecimiento de la dimensin
del problema. Cuando esta funcin es exponencial entonces se dice que el algoritmo es NP-completo. Para
una discusin ms detallada acerca de esta teoria se aconseja echarle un vistazo al texto de Garey y
Johnson (1979).
Pg. 39 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 40 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Hbrido considera que no todas las compaias pueden adoptar tan solo un
tipo de layout. Con la adaptacin al mercado, tal vez por el aumento de
volumen y lineas de productos, una compaia puede constatar que ninguna de
las soluciones anteriores resuelve sus problemas. De esta forma es frecuente
encontrar layouts que son una combinacin de los anteriormente descritos.
Almacenes que existen porque apenas una parte de los productos del
Pg. 41 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Seguridad que promueve la distribucin de los pasillos, las cajas para pago, y
entradas/salidas con la intencin de minimizar situaciones de robo y evitar
posibles accidentes.
Sin pretender crear una lista exhaustiva, nos interesa enumerar otras funciones
con alguna importancia en el proyecto de layout. Estas son:
Pg. 42 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
2.3.2.1. Productos.
Para proyectar una instalacin industrial es necesario tener bien presente los
tipos de productos a fabricar una vez que estos van a afectar fuertemente a la natureza
de la unidad industrial. La informacin de los productos es tipicamente obtenida en
los departamentos de proyecto. Tambien es importante comprender como los
productos son usados por los clientes para obtener una mejor apreciacin de los
requisitos de calidad y especificacciones operacionales.
Para comprender mejor los productos resulta esencial tener acceso a los
diseos tcnicos, lista de las partes y a la relacin de materiais. Los diseos tcnicos
de todos los componentes, subproductos y productos finales permitirn la
comprensin de la complejidad dos productos y de como los diferentes componentes
se juntan y ensamblan para formar el producto final. Al mismo tiempo es de gran
utilidad observar el producto o su prototipo para tener una idea de su envergadura y
peso. La lista de componentes poseer informacin detallada acerca de las partes y
del nmero de componentes necesario de cada parte. Por ltimo, la relacin de
materiales7 dar una categorizacin jerrquica de la lista de partes e indica como estas
se combinan en el proceso de fabricacin para formar un producto final. Esta
representacin jerrquica puede contener otra informacin, como, por ejemplo,
decisiones para fabricar o comprar, que resultan crticas para el layout de la planta
industrial.
7
en la literatura en lengua inglesa, el termino para designar la relacin de materiales es bill of materials.
Pg. 43 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Hojas de Ruta (Itinerarios), que indican el orden por el cual las operaciones sern
realizadas, bien ser la secuencia de mquinas o estacciones de trabajo a ser utilizadas
por la forma de obtener una parte o la totalidad de un producto.
Pg. 44 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Los objetivos que debe cumplir una distribucin en planta han sido
abordados de muy diversas formas pero tal vez una de las lneas que ms influencia
han marcado es la propuesta por Richard Muther, que indica que los objetivos pueden
resumirse y plantearse en forma de principios, sirviendo estos de base para establecer
una metodologa que permita abordar el problema de la distribucin en planta de
forma ordenada y sistemtica.
Pg. 45 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Estos principios pueden servir de base para determinar los objetivos a cumplir
durante la definicin de la distribucin en planta, y para medir el grado en que se ha
logrado alcanzar dichos objetivos. De todos modos debe ternerse en consideracin
que esta enumeracin de principios data de 1981, y la introduccin de nuevos
conceptos en los procesos de fabricacin puede conllevar a que algunos de ellos
puedan haber quedado algo desfasados y que deban ser reformulados.
2.4.1. Introduccin.
Covering Problem);
c) problema de programacin lineal entera;
d) problema de programacin entera mixta;
Pg. 46 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Problema de
LAYOUT
Pg. 47 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
El problema (QAP)
n n n n n n
max aij xij - f ik c jl xij x kl (2.1 a)
i =1 j =1 i =1 j =1 k =1 l =1
x
j =1
ij =1 i = 1, 2,..., n (2.1 b)
x
i =1
ij =1 j = 1, 2,..., n (2.1 c)
n n n n n n
min aij xij + f ik c jl xij x kl (2.2)
i =1 j =1 i =1 j =1 k =1 l =1
Las ecuaciones (2.2), y de (2.1b) hasta (2.1d) pueden ser usadas como modelo
del problema de distribucin en planta de instalaciones, donde aij, fik y cjl representan:
Pg. 48 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
n n n n
min bijkl xij x kl (2.3)
i =1 j =1 k =1 l =1
Para el caso de que los costes fijos de localizacin (aij) o los flujos de
materiales entre las distintas instalaciones (fik) fuesen iguales o nulos, la funcin
objetivo (2.2) se reduce a:
n n
min aij xij (2.4 a)
i =1 j =1
n n n n
min f jk c jl xij x kl (2.4 b)
i =1 j =1 k =1 l =1
a) problema lineal de asignacin: cuando los fik son iguales entre si, la funcin
objetivo se reduce a:
n n n n
min f jk c jl xij x kl (2.5)
i =1 j =1 k =1 l =1
Pg. 49 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 50 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
n n n n
min f jk c k jl xij x kl (2.6)
i =1 j =1 k =1 l =1
sujeta a las restricciones de las ecuaciones (2.1b) a (2.1d), donde cKjl es el coste de
transporte de una unidad de material desde la posicin j hasta la posicin l sobre la
solucin de distribucin k. Observe que k o nmero de potenciales distribuciones en
planta varia sobre el conjunto de todas las posibles soluciones de la distribucin en
planta tal y como ya ha sido resaltado por Armour y Buffa (1963), ese nmero
depende de las reas de las instalaciones y no precisa ser necesariamente n!. De hecho
en muchos casos prcticos el nmero de soluciones viables de la distribucin en
planta puede ser mucho menor que n!. Esto ocurre dado que dos o ms distribuciones
fsicas pueden ser simtricas y solamente una de ellas precisa de ser evaluada.
Pg. 51 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
1 si el bloque t Ji (j)
pijt =
0 para los otros casos;
n I (i ) n I (i ) n I ( k )
min aij xij - f ik d ( ji , l k ) xij x kl (2.7 a)
i =1 j =1 i =1 j =1 k =1 l =1
I (i )
x j =1
ij =1 i = 1, 2, , n (2.7 b)
n I (i )
p
i =1 j =1
ijt xij 1 t = 1, 2, , q (2.7 c)
Las distancias entre localizaciones son tomadas entre los centroides de las
mismas. Bazaraa (1975) sugiere una alternativa de medir esas distancias utilizando
los flujos entre las instalaciones:
Pg. 52 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
n q n q n q
min aij xij + f ' ik d ' jl xij x kl / S i S k (2.8 a)
i =1 j =1 i =1 j =1 k =1 l =1
x
j =1
ij = Si i = 1, 2, , n (2.8 b)
x
i =1
ij 1 j = 1, 2, , q (2.8 c)
Adems de los modelos de PQA y PQC, existen otros que tambin utilizan el
modelado de programacin lineal entera para el problema de distribucin en planta de
instalaciones. Lawler (1963) fue el primero en formularlos, definiendo la variable:
n n n n
min bijkl y ijkl (2.10 a)
i =1 j =1 k =1 l =1
Pg. 53 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
n n n n
y
i =1 j =1 k =1 l =1
ijkl = n2 (2.10 b)
Existe otro modelo propuesto para la solucin del PQA por programacin
entera es el planteado por Love y Wong (1976) que tiene una formulacin ms simple
para el problema de asignacin cuadrtica donde:
Pg. 54 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
n n n -1 n
min aij xij + f ik (h r ik + h l ik + v a ik + v b ik ) (2.11 a)
i =1 j =1 i =1 k =i +1
n
xi + y i = ( X j + Y j ) xij i = 1, 2,..., n (2.11 d)
j =1
n
xi - y i = ( X j - Y j ) xij i = 1, 2,..., n (2.11 e)
j =1
Xi , Yi 0 i = 1,2,... , n (2.11 g)
Pg. 55 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
n n
wij = xij bijkl x kl (2.12 a)
k =1 l =1
n n
eij = bijkl (2.12 b)
k =1 l =1
n n n n n n n n n n
min bijkl xij x kl = xij ( bijkl x kl ) = wij (2.13 a)
i =1 j =1 k =1 l =1 i =1 j =1 k =1 l =1 i =1 j =1
n n
eij xij + ( bijkl x kl ) - wij eij (2.13 b)
k =1 l =1
Pg. 56 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
n -1 n n n
min g ijkl y ijkl (2.15 a)
i =1 j =1 k =1+1 l =1
sujeto a:
n n
y
k =i +1 l =1
ijkl - (n - i ) xij = 0 i = 1, 2,..., n-1; j = 1, 2,..., n (2.15 b)
l j
n n
y
i =1 j =1
ijkl - (k - 1) x kl = 0 k = 2, , n; l = 1, 2, , n (2.15 c)
j l
Pg. 57 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
E = { ( i , j ) | xij = 1 , ( i , j ) E };
xij = 1 , (i , j) N (2.16 b)
xij = 0 , (i , j) F (2.16 c)
Pg. 58 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Segn los investigadores Tam y Li (Tan y Li, 1991) las instalaciones son
usualmente modeladas como un bloque con cierta forma. Las tres formas ms
comunes son: rectangular, cuadrada y circular.
Pg. 59 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Esta puede ser de tamao fijo o acotado dando como datos la superficie mnima y
mxima entre las que debe estar comprendido el tamao de la instalacin. En
otros casos puede venir dado por un porcentaje que la instalacin debe tener
respecto a la totalidad de la planta general de la nave.
b) Razn de forma (aspect ratio): la razn de forma viene dada por la relacin:
Pg. 60 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
a) restricciones de tamao;
b) restricciones de orientacin;
c) restricciones de forma;
d) restricciones de sobreposicin.
n n
min sS F = vij d ij (2.20 a)
i =1 j =1
donde:
Pg. 61 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
n n n
min sS F = vij d ij + ( wa k a k + wb k b k ) (2.21)
i =1 j =1 k =1
donde:
ak = max {0 , max {ak - akmax , akmin - ak )}} " k = 1,... , n (2.22)
bk = max { 0 , ok - okmax } " k = 1,... , n (2.23)
wak , wbk 0 " k = 1,... , n (2.24)
ak = max {0, max {(ak - max{akmax , 1/ akmin }),(min {akmin , 1/akmax}-ak)}} (2.25)
Los modelos presentados no son los unicos existentes y otros autores han
formulado otros modelos, con mayor o menor suerte, para representar el problema
planteado.
Pg. 62 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Asi podemos citar que se han utilizando otros modelos de programacin lineal
entera como los presentados por Balas y Mazzola (1980), Burkard y Bonninger
(1983) y Friece y Yadegar (1983).
Mas tarde Cambron y Evans (1991) presentan e ilustran una forma de abordar
el complejo problema de proyecto de distribucin en planta englobando mltiples
objetivos conflictivos, llevando en consideracin entradas que pueden ser tanto de
naturaleza: cualitativa como cuantitativas. La forma de abordar el problema agrupa el
uso de diversos algoritmos del proyecto de distribucin en planta, bien como mtodos
manuales para generar distribucin en planta candidatos. Esas distribuciones fsicas
candidatas son usadas como entrada en el Proceso Analtico Jerrquico de Saaty en el
orden en que el problema de mltiples objetivos permite considerar.
Pg. 63 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 64 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Asimismo, desde el inicio de los aos 60, han sido innumerables las
investigaciones que han sido realizadas para desarrollar algoritmos ptimos en la
solucin del problema de asignacin cuadrtica (QAP). Esos algoritmos pueden
dividirse en dos clases (Kusiak y Heragu ,1987):
Pg. 65 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 66 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 67 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Los dos primeros algoritmos del tipo branch and bound, para hallar una
solucin al problema de la distribucin en planta de instalaciones, fueron
desarrollados por Gilmore (1962) y Lawler (1963). La diferencia entre estos dos
trabajos est en calcular los lmites. Ambos algoritmos evalan implcitamente todas
las soluciones potenciales, pero difieren en cuanto al clculo de la cota inferior.
Pierce y Crowston (1971) clasifican este tipo de enumeracin como tcnica de
enumeracin controlada. En el caso de que no se considerase un lmite para podar el
rbol de decisin, como se ha citado en los mtodos anteriores, el procedimiento
pasara a ser una tcnica de enumeracin completa que es ineficiente desde el punto
de vista informtico.
Adems de estos, otros dos algoritmos fueron desarrollados por Land (1963) y
por Gavett y Plyter (1966). Estos algoritmos asignan y ubican pares de instalaciones
mientras que los dos primeros algoritmos tan solo sitan una instalacin por vez.
El algoritmo ptimo tiene como caracterstica bsica, ubicar paso a paso, una
instalacin de cada vez. En cada paso aparecen retornos, donde algunas ubicaciones
son excluidas y el proceso de bsqueda contina. Pierce y Crowston (1971)
presentaron un algoritmo que se comporta en base de asignaciones paso a paso
excluyendo pares de asignaciones de la solucin del problema. Los algoritmos
exactos presentados utilizan mucho espacio de memoria y tiempo de procesado
Pg. 68 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 69 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Heragu y Kusiak (1991) presentaron dos modelos para la posible solucin del
problema de distribucin en planta de instalaciones: el primero lineal continuo con
valor absoluto en la funcin objetivo y en las restricciones, otro lineal mixto.
Pg. 70 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
branch and bound y de planos de corte (cutting plane), gastan, tal y como ya se ha
mencionado, mucho espacio de memoria y tiempo de computacin en la solucin de
los problemas cuadrticos de ubicacin. Para mostrar esto baste como ejemplo citar
que el mayor problema que aparece resuelto en la bibliografa para el cual se obtuvo
la solucin ptima, por un algoritmo de planos de corte, constaba tan solo de ocho
instalaciones. Otra experiencia con estos algoritmos demuestra que la solucin ptima
encontrada en el proceso de bsqueda en los vrtices del rbol solo ha sido obtenida
tras que un nmero significativo de soluciones hayan sido testadas (Burkard y
Stratman, 1978 y Bazaraa y Kirca, 1983), lo que estimul encerrar el proceso de
bsquedas en el branch and bound anticipadamente, sin verificar lo optimo de la
bsqueda, surgiendo la aplicacin de algoritmos heursticos de branch and bound.
b) el segundo criterio esta basado en la calidad del lmite superior, esto es, tras
un tiempo de procesamiento no obtenindose una mejora en la solucin, el
lmite superior es reducido en un cierto porcentaje.
Pg. 71 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 72 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
reas funcionales y aumento de capacidad. Los softwares utilizados para generar las
distribuciones fsicas de test han sido CRAFT, ALDEP y CORELAP.
CORELAP
ALDEP
Cualitativos BLOCPLAN
PLANET
BLOCPLAN
Pg. 73 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 74 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
subgrafo maximal planar, y del dual del subgrafo maximal planar se determina una
distribucin en planta para las instalaciones.
Existen adems otros algoritmos que utilizan la teora de los grafos, algunos de
los cuales fueron presentados por:
Pg. 75 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Abdou y Dutta (1990) presentaron un sistema experto en EXSYS que utiliza una
base de dados para obtener distribucin en planta de mquinas sobre combinaciones
especficas de fabricacin y sistemas de mano de obra. La base de dados incorpora
seis factores, relacionando la variedad y cantidad de productos, grado de flexibilidad,
nivel de automacin, sistema de mano de obra, piezas en proceso, consideraciones
generales.
Pg. 76 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 77 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Raoot y Rakshit (1994) presentan una heurstica para solucin del problema de
distribucin en planta de instalaciones, formulado como un problema cuadrtico de
atribuciones con simples y mltiples objetivos, basada en la teora del conjunto
difuso.
Asignacin de
Instalaciones
a Lugares
Tcnicas
Tcnicas Numricas y
Heursticas Matematicas
Li & Love (1998)
Yeh (1995)
Tam et al. (2001)
Cheung et al. (2002)
Asignacion
de Instalaciones
a Localizaciones
Pg. 78 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 79 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 80 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 81 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
razonable. El trmino heurstica proviene del vocablo griego heuriskein, que puede
traducirse como encontrar, descubrir o hallar.
La segunda interpretacin de heurstica entiende que stas son una funcin que
permiten evaluar la bondad de un movimiento, estado, elemento o solucin. En este
sentido algunas de las definiciones ms interesantes que se pueden encontrar en la
literatura son: Rich et al.: Una funcin heurstica es una correspondencia entre las
descripciones de los estados del problema hacia alguna medida de idoneidad,
normalmente representada por nmeros. Los aspectos del problema que se
consideran, cmo se evalan estos aspectos y los pesos que se dan a los aspectos
8
How to Solve It (titulado en espaol: Cmo plantear y resolver problemas) es un libro del
matemtico hngaro George Plya (1887-1985), publicado en 1945 en la Universidad de Princeton,
que describe mtodos para resolver problemas y elaborar pequeas demostraciones.
Pg. 82 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
individuales, se eligen de forma que el valor que la funcin da a un nodo del proceso
de bsqueda sea una estimacin tan buena como sea posible para ver si ese nodo
pertenece a la ruta que conduce a la solucin o la de Russell et al. Que dicen que:
Actualmente, el trmino heurstica se utiliza ms bien como adjetivo para referirse a
cualquier tcnica que permita mejorar el desempeo del caso promedio en una tarea
de resolucin de problemas, aunque no necesariamente permita mejorar el
desempeo del peor de los casos. Especficamente en el rea de los algoritmos de
bsqueda, se refiere a una funcin mediante la cual se obtiene una estimacin del
coste de una solucin.
De todas las definiciones, quiz una de las que puedan resultar ms intuitivas
pudiera ser la siguiente dada por Zanakis y Evans (1981): Procedimientos simples, a
menudo basados en el sentido comn, que se supone que obtendrn una buena
solucin (no necesariamente ptima) a problemas difciles de un modo sencillo y
rpido
Pg. 83 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 84 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 85 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
De modo general, se puede decir que las metaheursticas combinan ideas que
provienen de cuatro campos de investigacin bien distintos, ver Figura 2.9:
Pg. 86 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Son ciegas, no saben si llegan a la solucin ptima. Por lo tanto, se les debe
indicar cundo deben detenerse.
Pg. 87 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Aunque las soluciones que ofrecen los tcnicas metaheursticas no son las
ptimas y, en general, ni siquiera es posible conocer la proximidad de las soluciones
al ptimo, permiten estudiar problemas de gran complejidad de una manera sencilla y
obtener soluciones suficientemente buenas en tiempos razonables.
Una primera conclusin que se puede extraer de las definiciones dadas es que,
en muchos casos, son reglas de sentido comn que permiten hacer una bsqueda
inteligente. Debido a esta caracterstica, para bastantes metaheursticas no existe un
marco terico que las sustente, sino que es a travs de los buenos resultados
experimentales donde encuentran su justificacin.
Atendiendo a la Inspiracin:
Natural: algoritmos que se basan en un smil real, ya sea biolgico, social, cultural, etc.
Pg. 88 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Atendiendo a la vecindad:
Con memoria: utilizan una estructura de memoria para recordar la historia pasada.
Segn el teorema NFL (No Free Lucnh Theorem), que demuestra que al
mismo tiempo que una metaheurstica es muy eficiente para una coleccin de
problemas, es muy ineficiente para otra coleccin), los mtodos generales de
Pg. 89 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 90 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
vecindad un candidato que garantice una mejor solucin, para esto el concepto de
vecindad es clave. Se considera vecindad a todas las posibles soluciones que estn
prximas a la solucin dada.
Como no poda ser de otra manera esta tcnica, aunque no ofrezca gran
calidad en las soluciones, ha venido utilizndose por su facilidad de implementacin
como un primer paso para encontrar una primera aproximacin a la solucin que
posteriormente pueda ser utilizada en otros algoritmos de mejora:
2.6.4. GRASP
Pg. 91 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
{x:TipoSolucion} = GRASP(NUMREP:Entero, F:
TipoFuncionObjetivo)
variables
i:Entero
: TipoSolucion
inicio
para i = 1 hasta NUMREP hacer
{ } = ConstruccinAleatorizadaMiope();
{ } =MejorarSolucion( ,F)
{x} = ActualizarSolucion(F,x, )
fin para
fin
Pg. 92 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 93 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Resende 1995, Urban 1998, Delmaire 1999, Urban et al. 2000, Cano et al. 2002,
Zheng y Chew 2009,
Es una metaheurstica de bsqueda del ptimo del problema agresiva para evitar
que la bsqueda quede atrapada en un ptimo local que no sea global. La BT se
cimenta en tres puntos principales:
Pg. 94 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 95 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Ahora bien, las restricciones tab no son inviolables bajo toda circunstancia.
Cuando un movimiento tab proporciona una solucin mejor que cualquier otra
previamente encontrada, su clasificacin tab puede eliminarse. La condicin que
permite dicha eliminacin se llama criterio de aspiracin.
Pg. 96 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Pg. 97 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
Haga
Crear lista de candidatos (Ejecuta mejor_movimiento);
Actualice condiciones de admisibilidad;
Mientras (Criterio de paro = Falso);
Existen varias formas para crear las restricciones tab, la Tabla 2.5 (Laguna
et.al. 1990) muestra una lista de posibles atributos de un intercambio de los objetos
Pg. 98 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
p(i) y p(j) donde j > i, y que corresponden a restricciones que pueden imponerse para
prevenir movimientos inversos.
Pg. 99 de 337
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
El mtodo inicia con una solucin heurstica factible, que se guarda como la
mejor encontrada. Un paso crtico, el cual envuelve la orientacin agresiva de la
memoria de trmino corto, es la eleccin del mejor candidato admisible. La funcin
mejor_movimiento es la que identifica a un movimiento para el cual el valor del
movimiento es el ms pequeo. El dominio de la funcin es el conjunto de todos los
movimientos admisibles. El mejor_movimiento no tiene que ser necesariamente uno
que mejore. Primero, cada uno de los movimientos de la lista de candidatos se evala
en turno.
Analoga Fsica
Esqueleto de un TA
En este caso, todas las soluciones que disminuyen el costo son aceptadas, y las
que incrementan el costo son aceptadas en forma limitada. A medida que aumenta k
(progresa el algoritmo) solo se aceptan incrementos pequeos, hasta que
eventualmente solo se aceptan mejoras.
Si c(j) c(i) > 0 entonces acepto j con probabilidad exp [(c(i) c(j)) / tk]
(en la iteracion k se genera un numero al azar r y se acepta j si r < exp [(c(i) c(j)) /
tk])
En este caso, cada vecino de una solucion tiene una probabilidad positiva de
reemplazar a la solucion actual. Los tk se eligen de forma tal que a medida que
avanzan las iteraciones, aceptar soluciones con grandes incrementos en el costo es
menos probable (pero sigue existiendo una probabilidad positiva de aceptarlos).
para todo j != j*
Entonces:
Version monotona
La temperatura inicial T0 debe ser una temperatura que permita casi (o todo)
movimiento, es decir que la probabilidad de pasar del estado i al j (en N(i)) sea muy
alta, sin importar la diferencia c(j) c(i). Esto es que el sistema tenga un alto grado de
libertad. En problemas como TSP, donde el input son los nodos de un grafo y las
soluciones posibles son distintas formas de recorrer estos nodos, pude tomarse T0
proporcional a la raiz cuadrada de la cantidad de nodos. En general se toma un valor
T0 que se cree suficientemente alto y se observa la primera etapa para verificar que el
sistema tenga un grado de libertad y en funcion de esta observacion se ajusta T0.
Solucion inicial (i0)
En todas las versiones, el sistema debe ser derretido antes de implementar el
algoritmo. Esto es que la solucion factible incial que llamamos i0 debera ser una
solucion tomada al azar del conjunto de soluciones factibles. En algunos problemas
esto puede hacerse utilizando nmeros pseudo aleatorios (pseudo-random numbers)
provistos por una maquina (ejemplo de esto es el bandwidth problem). Pero en
muchos casos ya es problemtico encontrar una solucion, por lo que es imposible
tomar una al azar. En estos casos se implementa un algoritmo greedy tipo local
search para buscar una solucion factible y se toma esta como i0 (ejemplo de esto es el
TSP).
Factor de enfriamiento
Tnext = aT (factor de enfriamiento geometrico, a < 1, muy cercano a 1)
Tnext = 1 / (1 + bT) (donde b es un real positivo cercano a cero)
Criterio de STOP
a) Lundy y Mees: si el algoritmo se detiene cuando T < e / [ln (#S 1)/q]
Donde #S es el cardinal del conjunto de soluciones (debe tenerse un metodo de
estimar este valor).
Entonces, si i es la solucion que da el algoritmo e i* en un optimo global,
P(|c(i) c(i*)| < e) = q
b) En general se utiliza un parametro de congelamiento (frozen: FRZN). Como a
medida que disminuye la temperatura, aumenta el parametro K y A permanece
constante, la proporcion A/K se hace pequea. Asumimos que si A/K < FRZN el
sistema esta congelado (la cantidad de aceptaciones respecto de la cantidad de
iteraciones es muy chica, esto da la idea de que cambiar de configuracion es muy
dificil).
El algoritmo:
1. i = i0
2. T = T0
3. K = K0
4. while (condicion de STOP)
5. while (k < K && a < A)
6. generar j en N(i)
7. if (c(j) c(i) < 0)
8. i = j
9. a = a + 1
10. else
11. generar un numero r al azar (pseudo-
random number)
12. if (r < exp [(c(i) c(j))/T])
13. i = j
14. a = a + 1
15. k = k + 1
16. T = aT
17 K = rK
18. k = 0
19. a = 0
20. mostrar i, c(i)
1. i = i0
2. T = T0
3. K = K0
4. while (condicion de STOP)
5. while (k < K && a < A)
6. generar j en N(i)
7. if (c(j) c(i) < 0)
8. i = j
9. a = a + 1
10. else
11. generar un numero r al azar (pseudo-
random number)
12. if (r < exp [(c(i) c(j))/T])
13. i = j
14. a = a + 1
15. k = k + 1
16. if (a = A)
17. T = aT
18. else (k = K)
19. T = hT
20. K = rK
21. k = 0
22. a = 0
23. mostrar i, c(i)
algunas especies desaparecen por falta de adaptacin a ese medio ambiente. Hace
unas decenas de aos surgio el inters por el estudio de la posibilidad de simular por
medios informticos el proceso de la evolucin natural y de usar estas simulaciones
como herramientas de optimizacin en lo que se ha denominado Computacin
Evolutiva.
Dentro de este tipo de lgoritmos destacan sin duda los Algoritmos Genticos,
pero tambin existen otras lneas de trabajo con las denominadas Cologias de
Hormigas y los Enjambres de Partculas (bandadas de aves o de peces).
9
Charles Darwin (1809-1882) escribi la obra Sobre el Origen de las Espcies por Medio de la Selecccin Natural
publicada en 1859 en la que se establecen los principios de la Evolucin Natural, aunque ya antes
Jean_Baptiste Lamark (1744-1829) haba formulado la teora de la evolucin en su libro Filosofa Zoolgica
publicado en 1809.
acuerdo con algn criterio que premie las transiciones correspondientes a hormigas
que han ofrecido buenos resultados.
En la construccin de nuevas soluciones, las hormigas tendrn en cuenta:
el atractivo que la transicin de un estado a otro ofrece de acuerdo con algn
criterio que a priori permite evaluar la idoneidad de dicha transicin;
la experiencia acumulada a partir de las soluciones construidas en iteraciones
anteriores que esta almacenada en el rastro asociado a los movimientos que se
realizan para construir una solucin.
probabilidad de que haya polen es mayor. Este mtodo ha sido portado al campo de la
computacin en forma de algoritmo y se emplea en la actualidad en la optimizacin
de distintos tipos de sistemas, entre los que se encuentra la bsqueda de soluciones
para la distribucin en planta.
Cmo funciona?
Figura 2.11: Trayectorias influidas por los atractores en del movimiento de las
partculas.
La fuerza con que las partculas son empujadas en cada una de estas
direcciones depende de dos parmetros (atraccin-al-mejor-personal y atraccin-al-
mejor-global), de foma que a medida que las partculas se alejan de estas
localizaciones mejores, la fuerza de atraccin es mayor. Tambin se suele incluir un
factor aleatorio que influye en cmo las partculas son empujadas hacia estas
localizaciones. Siguiendo este algoritmo se intenta optimizar una funcin que viene
determinada por los valores sobre una malla. El paisaje se obtiene asignando
aleatoriamente valores a cada uno de los puntos de la malla, para posteriormente
aplicar un proceso de difusin que suaviza los valores obtenidos, lo que proporciona
un espacio con numerosos mnimos locales (valles) y mximos locales (colinas). Esta
funcin ha sido creada as solo con fines ilustrativos. Habitualmente, en aplicaciones
reales del PSO las variables (x,y,z,...) pueden corresponderse con parmetros
diversos del problema (por ejemplo, de prediccin de un mercado de valores), y la
funcin f(x,y,z,...) no tendr las restricciones ni caractersticas que aqu se imponen
(en el mismo ejemplo, podra evaluarse por medio de los datos histricos).
existen variantes en las que estas familias son dinmicas, de forma que las partculas
pueden is cambiando de familia a medida que el algoritmo se va ejecutando o incluso
pertenecer a ms de una familia.
Figura 2.12: Paisaje tras una serie de iteraciones en el que se aprecian ya valles y
colinas (mnimos y mximos locales).
Pero del elevado nmero de autores que han abordado estos problemas
debemos citar algunos que si han pretendido abordar los mismos teniendo en
consideracin estas limitaciones geomtricas.
CAPTULO 3
3. CUESTIONES GEOMETRICAS.
Tras haber realizado un repaso por las distintas tcnicas de resolucin del
problema de la Distribucin en Planta industrial y tras haber analizado las distintas
lneas de trabajo e investigacin que se han seguido para abordar este problema nos
damos cuenta de que han sido y siguen siendo enormes los esfuerzos dedicados a
intentar avanzar en la bsqueda de un sistema adecuado que pueda ser aplicado a
casos reales y que tambin pueda tener un uso generalizado por los expertos a la hora
de encontrar una posible solucin para el problema.
Pero, tal y como ya se indic en el capitulo uno de este trabajo, esto no parece
que haya sido posible ni parece que exista una lnea de trabajo que destaque y que
pueda servir de lnea principal para continuar con los trabajos. Cierto es que la
bsqueda de algoritmos, mas o menos complejos, que permitan realizar una bsqueda
de una solucin si no ptima si por lo menos buena, ha sido una de las tareas que mas
investigadores han abordado, pero dado el escaso inters que estos resultados han
suscitado en los ingenieros encargados de tomar la decisin de como realizar las
implantaciones de sus factoras parece que algo no funciona y que no resulta
adecuado el planteamiento o por lo menos la forma de abordar el problema.
La historia de las matemticas nos indican que la primera rama de esta ciencia
que se consolid fue la geometra impulsada por Euclides (siglo II a.c.) al recopilar en
su obra Los Elementos prcticamente todo el conocimiento matemtico de su poca.
Con esta obra se dispuso de clculos geomtricos que posibilitaban resolver ciertos
problemas: proporciones, operaciones con segmentos y arcos, problemas de
tangencias, problemas de curvas cnicas, problemas de curvas cclicas, contrucciones
geomtricas de lo mas diverso, y con las posibilidades de trazado que estos
ofrecan (e igualmente con las limitaciones que entonces se imponan de uso tan solo
de regla y comps) se han realizado grandes obras de la humanidad: templos,
pirmides, acueductos, etc. Posteriormente con la aparicin de los nmeros mas o
menos complejos (y que los estos evolucionan pasado desde los enteros, pasando por
lo reales e imaginarios hasta llegar a los nmeros complejos) y sus operaciones
aparece el lgebra y el Clculo numrico y posteriormente la Geometra Analtica,
postulada por Descartes (en el siglo XVII), dan un gran paso adelante y con la
incorporacin de las ecuaciones y de las variables e incgnitas se avanza en todos los
campos de la ingeniera haciendo posible que as mismo avance la propia humanidad
con sus logros. En el siglo pasado, con la aparicin de los ordenadores y de los
Asi por ejemplo es factible encontrar el punto interseccin de dos rectas que
se corten ya que es fcil dada la ecuacin de las rectas encontrar cualquier punto de
estas o dadas las rectas por dos puntos de cada una hallar la ecuacin de estas rectas y
posteriormente resolver el sistema de ecuaciones planteado. Pero no resulta tan fcil,
aunque evidentemente no imposible, el encontrar el punto interseccin de una recta
con una curva cualquiera que pase por N puntos y de la que, a priori, se desconoce su
ecuacin. Pero lo que si resulta factible, y hasta podramos decir que incluso resulta
fcil, es el hallar el punto interseccin de la recta y la curva (cualquier curva) con un
sistema de DAO. Del mismo modo el problema se complica si, en vez de la
interseccin de recta y curva, se propone encontrar el resultado o resultados (ya que
no tiene por que ser nico) de la interseccin de dos curvas, pudiendo afirmarse sin
embargo que la resolucin de esta cuestin en un sistema DAO resulta prcticamente
similar al problema de las dos rectas o de la recta y la curva.
Nos encontramos aqu con el nuevo paradigma que permite abordar algunos
problemas geomtricos de forma mucho ms directa y real, ya que no se precisa un
modelado distinto a la copia de la realidad existente, que adems resulta ser la forma
mas comn con la que se trabaja en la actualidad para plantear esos problemas.
Parece un poco absurdo el utilizar la geometra para obtener unos datos que se
procesan posteriormente por algoritmos algebraicos para en un paso final volver a
incorporar los posibles resultados dados por esos algoritmos en los sistemas
geomtricos de los que partimos. No debemos olvidar que los programas DAO
permiten un trazado geomtrico, y por tanto obtener sus resultados analticos
posteriormente, tanto en 2D como en 3D y permiten mantener relaciones entre las
entidades que intervienen en el problema e incluso aplicar cuanta restriccin
geomtrica se quisiera imponer.
Dicho esto y planteado este nuevo escenario podemos afirmar que el entorno
ms normal para abordar el problema de distribucin en planta es seguramente un
entorno Dibujo Asistido por Ordenador (DAO) en el que podremos resolver, con los
distintos algoritmos, y clculos realizados de forma interna o externa, las distintas
1) falta de confianza
2) ubicacin irreal de departamentos
3) forma irreal de departamentos
4) formas irreales de plantas (no rectangulares)
5) alineacin irreal de departamentos
1) La confianza en las respuestas aunenta a medida que los programas informticos son
ejecutados mltiples veces. Se vara la distribucin inicial usada como entrada. Para
PLANET se vara la prioridad de colocacin. Para CORELAP se varian la anchura y
la longitud de los departamentos (siempre rectangulares). Para ALDEP, se vara la
anchura de la forma y el grado de proximidad. Se hacen ligeras modificaciones del
diagrama desde-hacia (o de relacin).
3) Las formas pueden estar restringidas por el tipo de maquina. Por ejemplo, las
mquinas atornilladotas automticas pueden medir 1,5 x 5,5 metros, por tanto,
puede ser apropiada un rea larga y angosta. Sin embargo, un cuadrado de 3 x 3 no
funcionar aun cuando el area sea suficiente. Para CRAFT y COFAD se toma la
distribucin generada, se le da la nueva forma deseada al departamento y se corre
de nuevo con el departamento fijo. Con ALDEP se puede fijar el rea o variar la
anchura de la forma. Con CORELAP y PLANET el ejor enfoque es simplemente
usar la entrada del ordenador como primer esquema mental.
A esto hay que sumar de una manera relevante que muchas de las tecnicas
utilizadas para llegar al layout objetivo son del tipo constructivo, casi como si se
presupusiera que la distribucin buscada es nueva y que una vez que se haya decidido
como queda permanecer invariable en el tiempo, y esto es, a todas luces, totalmente
inadeacuado cuando se habla de instalaciones industriales (no ocurrira lo mismo en
otro tipo de distribuciones como puedan ser la arquitectonica, o las distribuciones de
componentes electrnicos en una placa impresa ) Es por esto por lo que como
objetivo primordial de este trabajo se ha planteado el intentar, en la medida de lo
Naturaleza del
CORELAP ALDEP PLANET CRAFT COFAD
problema
Puede efectuar Puede variar el Puede variar Puede variar la Igual que
puebas por medio ancho de la prioridades de distribucin CRAFT
1 Falta de de la variacin de forma y el grado colocacin y inicial, se deben
proporciones entre de proximidad y hacer varios ubicar cuando
confianza en la el ancho de los hacer corridas procesos nevos menos tres
solucin departamentos y adicionales de la de la rutina. distribuciones
hacer un nmero rutina. significativamen
de iteraciones te diferentes al
nuevas. ordenador.
Puede variar las No deben surgir No puede Igual que Igual que
proporciones entre problemas; se corregir con ALDEP ALDEP y
4 Formas irreales longitud y ancho puede rutina; se debe CRAFT
de la planta o especificar la manejar a mano
de planta variar la prioridad forma de la la distribucin
de ubicacin y planta desde el generada por el
volver a principio. rdenador.
reprocesar la rtina.
No puede corregir No deben surgir Igual que Puede insertar Igual que
con rutina; se problemas; la CORELAP departamentos CRAFT
5 Alineacin del debe tratar rutina puede en la
manualmente la especificar distribucin
departamento distribucin pasillos en la inicial, alinear
geneada por el configuracin deartamenos
ordenador. inicial. reales n la
distribucin
generada por el
ordenador,
poner modelos
ficicios entre
ellos, volver a
prcesar la rutina.
Tabla 3.1: Tcnicas para reducir problemas en las distribuciones asistidas por
ordenador (Tompkins, 1978).
Otra posibilidad, no descartada por Konz (2004), es que las personas puedan
realizar rutinas tan bien como los ordenadores, y dar soluciones mucho ms adaptadas
a la realidad buscada. Lewis y Block (1980) hicieron la prueba de enfrentar a
expirementados ingenieros diseadores de planta a una rutina de construccin (en este
caso FATE) y obtuvieron como resultado que los ingenieros hicieron todo tan bien
como los sistemas informticos excepto los problemas muy complejos, y se dieron
cuenta de que el nmero de departamentos, la complejidad y predominancia del flujo
(entendiendo por predominancia si este es aleatorio o si es altamente especfico)
resultaban factores importantes, y se daba algun caso, como cuando la predominancia
del flujo era realmente alta, en que los ordenadores no ofrecan ventaja alguna. En ese
mismo ao Trybus y Hopkins (1980) llegan incluso a afirmar, sin mayores
miramientos, que los ordenadores dieron unos resultados tan buenos como los
tcnicos (afirmacin que en Galicia se dira que la decan con retranca).
Llegados a este punto y una vez planteada la duda sobre la posible inutilidad
del uso sin ms de los algorirmos heursticos planteados por los distintos autores,
intentaremos enfrentarnos a los problemas geomtricos que se presentan en la
resolucin de las distribuciones de planta para, en la medida de lo posible, intentar
acercar ms la solucin obtenida con ayudas heursticas o semiheursticas a lo
buscado por los ingenieros, para avanzar en la confianza que estos puedan tener en
estos sistemas y al final inpermitan incrementar su uso en las tareas ms cotidianas.
Los problemas geomtricos inmediatos con los que nos encontramos a la hora
de ubicar instalaciones en un espacio fsico son al menos los siguientes:
Los aspectos geomtricos bsicos del FLP son el tamao y forma de las
actividades, el modelo de representacin del espacio y su mtrica y la forma y
nmero de pisos o niveles de la planta industrial o del dominio de ubicacin, el modo
en que son tratados determina la configuracin espacial de las soluciones.
Para tratar los aspectos geomtricos del problema existen bsicamente dos
vas, una introduciendo explcitamente en la formulacin un conjunto de restricciones
o penalizaciones relacionadas directamente con la forma, dimensin y posicin de las
actividades y otra implcitamente a travs del propio modelo geomtrico adoptado, la
mtrica y la representacin. En nuestro caso apostamos sin duda por esta segunda
opcin, aunque usando tambin en algunas ocasiones criterios de restriccin-
penalizacin para instalaciones no totalmente determinadas, ya que es la ms realista
y la que ms se adecua una tarea de ingeniera de planta. Puesto que se considera que
la distribucin se realiza en dos etapas claramente diferentes una primera en la que se
aborda la distribucin de zonas amplias o agrupada de instalaciones y una segunda
en la que se aborda con mas detenimiento la distribucin que se pretende implantar y
que corresponder a la distribucinde detalle.
m m m m
Min F (W , D, R, F ) = Min Wij d ij - V (rij ) f ij (3.1)
i =1 j =i +1 i =1 j =i +1
Las reas que quedan definidas por cada ciclo de aristas de un grafo se
denominan caras. La regin exterior al grafo tambin se considera una cara, pero
como una cara infinita.
v a+ c = 2 (3.2)
Para que el grafo sea planar, la condicin de planaridad exigir que el mximo
nmero de relaciones que se pueden respetar sea de 3n-6, lo que muestra la
imposibilidad de cumplir todos los requisitos relacionales (aumentando el
incumplimiento a medida que crece el nmero de actividades, vase Figura 3.7)
Asociado a cada grafo planar G existe un grafo dual G que tambin ser
planar. El grafo dual planar G se construye colocando un punto en cada cara del
grafo planar G, incluyendo la cara infinita, y conectando con una arista los pares de
puntos cuyas caras tienen arista comn. Estos puntos se convierten en los vrtices del
grafo dual y las lneas que los conectan en sus aristas. El nmero de vrtices del grafo
dual de un grafo planar es igual al nmero de caras del grafo planar.
3n -6
N = C n ( n -1) / 2 (3.3)
con este modelo topolgico la formulacin del problema en dos dimensiones (plano)
es:
En esta primera fase las actividades se suponen sin rea, y el objetivo es obtener
el grafo planar ponderado maximal a partir del diagrama relacional de
actividades, el mtodo heurstico de construccin del Diagrama Relacional de
Recorridos y/o Actividades (propuesto por Muther) persigue la ordenacin
topolgica de las actividades. El objetivo es encontrar un grafo en el que se
muestren las relaciones existentes entre las diferentes actividades intentando que
no existan cruzamientos (Principio de Circulacin), al menos entre las lneas que
muestran las relaciones de mayor intensidad (Principio de la Mnima Distancia),
lo que en teora de grafos se denomina un Grafo Planar Ponderado Maximal
(G.P.P.M.).
F
i
g
u
r
a
Diagrama relacional Grafo Planar P.M.
Una vez obtenido el GPPM se obtiene el grafo dual, colocando un vrtice en cada
una de las caras del grafo, incluyendo en la cara exterior. El proceso es el
mostrado en la Figura 3.10.
uniformes) pero conocidas, y va colocando las mismas en una sola dimensin, (una
detrs de otra), al final obtiene las posiciones de las actividades en esa cadena. La
secuencia que menor coste obtenga ser el ptimo. El algoritmo no contempla
restricciones de colocacin de las actividades en la lnea.
N= n! (3.6)
En general, cada actividad queda definida por sus dos dimensiones y por la
posicin (X, Y) del centro de gravedad de la misma, aunque la forma en la que se
trata el espacio pueda ser diferente, tal y como se comentar en este punto.
Modelos discretos
D(A) D(c, a)
(3.7)
Di(Ai) Di(ci,a) / Ai = ci a
n
c!
N =C C1
C C ci
c- k =1 c k
i -1 = n
i=2
c! i =1
i (3.8)
(3.9)
xik=
{ 1 si la actividad i ocupa la casilla k-sima.
0 si la actividad i no ocupa la casilla k-sima.
c c
1
d ij = d kl x jl x ik
c i c j k =1 l = 1
(3.10)
n n n
MHC = b +w
i =1
i
i =1 j =1
ij d ij
(3.11)
n n c c W ij
MinC =
i =1 j =1 k =1 l =1 ci c j
d kl x ik x jl (3.12)
s.t.
c
x
k =1
ik = Ai (3.13)
x
i =1
ik =1 (3.14)
x ik = x ik2 (3.15)
Modelos continuos
n -1 n
MinC = w
i =1 j = i + 1
ij ( xi - x j + yi - y j ) (3.16)
s.t.
1
xi - x j ( l i + l j ) + d min ij , i = 1,..., n - 1 j = 1,..., n - 1
2
1
yi - y j ( b i + b j ) + d min ij , i = 1,..., n - 1 j = 1,..., n - 1 (3.17)
2
li
xi + H i = 1,..., n
2
bi (3.18)
yi + V i = 1,..., n
2
li Li i = 1,..., n
Ai (3.19)
bi i = 1,..., n
li
Las restricciones de este modelo geomtrico son ms complejas que las del
modelo discreto, siendo en todas ellas bi y li son las longitudes y anchuras de las i
actividades:
BASADOS EN CORTE
respecto de otras. Para ello resulta necesario agrupar las actividades en base a su
afinidad para poder decidir actividades se deben colocar a cada uno de los lados del
corte.
1
d ij = (3.20)
1 + w ij + w ji
Esta expresin fuerza a que las actividades ms afines sern aquellas entre las
que la intensidad relacional sea mayor. Conocida la matriz de distancias d(dij), se
puede establecer un mecanismo de agrupamiento, que en el caso ms sencillo, se
iniciara por agrupar las dos actividades entre las que exista la mnima distancia. Tras
realizar este primer agrupamiento, de nuevo se recalcula la matriz de distancias,
considerando el nuevo grupo creado como si fuera una actividad y recalculando sus
distancias con el resto de actividades todava no agrupadas
ni nj
d k2( ij ) = d ki2 + d kj2 (3.21)
ni + n j ni + n j
n-2 n -1
p
N = p n -1
C
i=0
2
n-i =
2
n ! ( n - 1)! (3.22)
n es el nmero de actividades.
Bay Model
SCATTER DIAGRAM
d (i, j ) = ( xi - x j ) 2 + ( y i - y j ) 2
En esta primera fase se distribuyen las actividades en las plantas, de tal forma que
se reduzca lo mximo posible el flujo entre plantas.
Se busca la solucin de ordenacin de actividades con menor coste para cada una
de las plantas. En esta segunda fase, se puede utilizar un modelo geomtrico
discreto o continuo, al igual que en el problema 2D (esta segunda fase es un
problema FLP.
1 FASE 2 FASES
n n
Min (c
i =1 j =1
H
ij d ijH + c ijV d ijV ) f ij (3.23)
s.t.
d ijH = min
a
( d Hia + d Haj )
(3.24)
Se divide cada una de las plantas en mdulos rectangulares cada del mismo
tamao (discretizacin de la planta). Al igual que CRAFT, requiere de una solucin
inicial y el procedimiento de mejora se basa en intercambiar dos o tres actividades
contiguas o de igual tamao. A diferencia de CRAFT si que se considera el coste de
manutencin derivado de movimiento entre plantas. No implementa ningn control
de la agregacin de las actividades, por tanto es propenso a la rotura de las mismas.
Figura 3.26: Uso de SFC para la distribucin de las instalaciones en cada nivel
(Bozer et al. 1994)
SABLE fue propuesto por (Meller y Bozer 1996) como un algoritmo para
resolver el MFLP. Utilizan un algoritmo para generar un conjunto ms amplio de
intercambios y utilizan las SFC en la colocacin de actividades. La forma y el rea
del recinto es conocida. Se genera una solucin inicial aleatoria que se va mejorando
mediante el intercambio de actividades permitiendo el intercambio de actividades
entre plantas.
STAGES de (Meller y Bozer 1997) tiene en cuenta la forma del recinto con
dimensin conocida y el rea de las actividades. Las mismas sern asignadas a cada
planta mediante un procedimiento de dos etapas. En la primera se asignan las
actividades que irn ubicadas en cada planta y en la segunda se distribuyen en la
planta empleando SFC. La posicin de los ascensores es fija en cada problema.
Figura 3.27: Colocacin de las actividades en la planta por medio de las curvas
SFC.
cada una de las plantas se emplea una SFC. La heurstica empleada para la
optimizacin es un algoritmo gentico.
(10-12-L-11-9-R-B-5-6-L-8-7-R-U-D-4-3-B-1-2-U-R-D)
forma (en todos los casos rectangular) y la posicin de las mismas. La posicin de las
actividades en cada planta se determina mediante un algoritmo gentico en la segunda
etapa del algoritmo.
acompaados cada uno de ellos por las distancias rectilneas entre puntos de salida y
entrada de las distintas unidades.
Los indicadores que han aplicado los diferentes autores al problema se pueden
clasificar en dos grandes grupos:
Estos ltimos resultan ser, sin duda alguna, los ms interesantes, pues las
medidas se pueden realizar automticamente sobre la solucin, siendo mucho ms
sencillo realizar la automatizacin del proceso de optimizacin del problema.
Figura 3.35: Factores para calcular FLF (Raman, Nagalingam y Lin 2009).
Adyacencia: este indicador resulta muy similar al ndice de cercana, definida como
la necesidad de que dos actividades se encuentren prximas. Algunos autores como
(Meller y Gau 1996) y (Tuzkaya, Ertay y Ruan 2005) hacen referencia a la
adyacencia en trminos de proximidad cuanto mayor sea el flujo y de penalizacin si
las actividades no son adyacentes, respectivamente.
Indicadores de Flujo
Indicadores de flujo de Lin y Sharp: En (Lin y Sharp 1999) se realiza una aportacin
singular al mbito de los indicadores aplicados al problema de distribucin en planta,
pues presenta 18 indicadores (agrupados en 3 categoras) para optimizar el problema.
Algunos de ellos son cualitativos, aunque los pertenecientes al grupo Flujo son todos
cuantitativos.
Utilizacin y suficiencia espacial: En este criterio, (Lin y Sharp 1999a) recogen dos
aspectos de inters en el problema:
Distancia y densidad del volumen: Este indicador se plantea para estimar la densidad
del movimiento de material entre diferentes actividades, para alcanzar los
requerimientos de produccin. Hay tres tipos de movimiento entre actividades:
2. Trabajo de papeleo
- Estandarizacin de la maquinaria.
- Capacidad del sistema de manutencin.
- Utilizacin del sistema. Proponen calcular un ratio de utilizacin del sistema
de manutencin (o de cada parte del mismo).
Para realizar el clculo del indicador, se basan en varios factores, todos ellos
referidos a los diferentes subsistemas de la configuracin, en nuestro caso habra que
aplicarlo a las diferentes actividades que componen el problema.
- Numero de subsistemas.
- Capacidad de cada subsistema, medido en nmero de unidades que puede
producir.
- Aptitud de cada subsistema, que tiene en cuenta el nmero de operaciones que
puede realizar el mismo.
Expansin de edificios: En este indicador, los autores estiman la facilidad para poder
ampliar el espacio ocupado por los edificios o aadir actividades al existente. Para
realizar el clculo del indicador se tienen en cuenta dos factores:
Indicadores Geomtricos
Uno de los aspectos que tiene una mayor importancia a la hora de establecer la
calidad de una solucin al problema de distribucin en planta es la calidad formal de
la misma, pues el proceso de optimizacin siempre tiende a soluciones que, pese a ser
excelentes desde el punto de vista del coste de transporte de materiales no dejan de
ser aberraciones formales al problema de optimizacin.
geomtricos. Adems, las soluciones que tienen unas actividades con formas
regulares son las que alcanzan una mayor flexibilidad geomtrica ya que permiten
una mejor distribucin 2D.
Indicador de permetro W
Compacidad
Indicador de robustez r
Se define la robustez como el cociente entre el lado menor y el lado mayor del
menor rectngulo que inscriba a la actividad (Ai). Este indicador geomtrico de
actividad fue definido y empleado en (Liggett y Mitchell 1981) como Proportion
Ratio, en (Contero 1995) como 3 y posteriormente renombrado y empleado por
(Gonzalez 2005) como Robustez (i). Posteriormente tambin fue empleado en
(Aiello, Enea y Galante 2006) bajo el nombre de Aspect Ratio (i). Un valor de
robustez 1 indica que el rea asignada a la actividad es cuadrada, por tanto su
flexibilidad ser mayor, mientras que valores cercanos a 0 (nunca alcanzable), indican
actividades muy esbeltas o alargadas (configuracin no deseada, pues su implantacin
Forma j
Indicador W4
n
AR Ai
i =1
Una solucin con una buena utilizacin espacial tendr dos caractersticas:
- Adosable, cuando se puede poner (y en general se debe poner siempre que sea
posible por ahorro de espacio) directamente tocando (tangente) digamos con
otra frontera de una instalacin ayacente, esto dicho de forma simple es que se
puede poner contra la pared.
- Libre, cuando no se puede poner nada delante de esa zona teniendo que
coincidir con otra zona tambin libre de la instalacin adyacente o con un
pasillo transitable.
- Transitable, cuando se puede poner contra una pared o hacer frontera comn
con otra zona transitable, ejemplo de acceso para mantenimiento (engrases,
operaciones de verificacin o sustitucin de elementos de un elemento
productivo, por ejemplo). En este caso las zonas de reserva ampliadas sobre
los lmites de la frontera inicial pueden solaparse ya que la zona de servicion
puede ser comn para dos instalaciones adyacentes.
El uso de regiones para este modelado de las instalaciones nos ofrece grandes
ventajas ya este tipo de entidad tiene una forma plana cualquiera permitiendo
disponer de huecos en medio de la misma e incluso permitiendo que una nica regin
no este agregada en una nico contorno cerrado sino que pueda estar dispuesta en
varias subregiones siendo cada una de estas zonas un contorno cerrado. El uso de
regiones puede extenderse en el caso de querer trabajar en tres diemnsiones reales
utilizando las entidades tipos solido 3D (3DBody) en lugar de las entidades regiones,
teniendo en cuenta que este tipo de entidades tridimensionales tienen el mismo tipo
de propiedades que las correspondientes a las entidades regiones.
Por otro lado el uso de las entidades polilineas para el contorno dan otro tipo
de ventajas, como es la pisibilidad de que a los largo del contorno se puedan disponer
de zonas con diferentes propiedades permitiendo por lo tanto sectorizar la frontera, y
de inconvenientes como pueda ser la imposibilidad de que existan islas y de que las
instalaciones ocupen mas de una zona, es decir que por decirlo de otro modo el uso de
polilineas obliga a que las instalaciones sean macizas (sin huecos) y abarquen una
nica zona.
Con este planteamiento tal y como se justificar mas tarde se puede procesar
de forma adecuada cualquier instalacin e interpretar su frontera de forma real y con
las rectricciones que a esa frontera o contorno se le quieran imponer, y ademas esas
rectricciones no tienen que ser globales para todo el contorno de la instalacin sino
que puede ser diferente para cada zona que se quiera establecer de la misma.
Distancia geomtrica: Este valor viene determinado por las reas de las
actividades, tomndose de forma habitual la distancia Eucldea.
Distancia de recorrido: Es la distancia que van a recorrer los materiales al ir
de una actividad a otra. A la hora de determinar esta distancia es muy importante
la mtrica que se seleccione, pues los valores pueden ser muy distintos.
A la hora de ver las distancias entre dos puntos, varias sern las posibilidades
para realizar las medidas. Algunas mtricas de distancias comunes han sido usadas en
trabajos de distribuciones fsicas (Diego-Mas 2006), unas sern muy sencillas y otras
resultarn mucho ms complejas de entender y de implementar. Veamos pues a
continuacin algunas de estas mtricas.
3.6.2. ADYACENCIA
normalmente se conocen los puntos de entrada y de salida de cada una de las distintas
actividades.
d (i, j) = a + b + c + d (3.26)
d
Actividad j
Actividad i
c
Actividad k
b
Figura 3.39: Distancia de contorno (Gonzalez 2005).
La distancia recorre el camino que deben seguir los materiales desde el punto
de salida de una determinada actividad i hasta otra actividad j. En la Figura 3.40 se
puede observar un ejemplo de distancia por contorno lateral entre dos actividades,
que puede ser distinta si el movimiento de materiales es desde i hasta j (en azul) o es
de j hasta i (en morado).
La distancia por el contorno resulta ser diferente al resto de mtricas dado que
esta representa la distancia actual del trayecto a lo largo de pasillos que debe seguir
una carretilla o vehculo autoguiado. Se pueden encontrar aplicaciones de ste tipo de
mtrica al problema de distribucin en planta en (Norman, Arapoglu y Smith 2001) y
(Kim y Goetschalckx 2005).
EXTERIOR
3.6.6. MINKOWSKI
Pero las mtricas con uso ms extendido son las de tipo Minkowski en las que
la distancia n-dimensional entre dos puntos i y j viene determinada por la siguiente
expresin:
1/ p
n
DI
x = xik - x jk
p p
d p (i, j ) = d ij ( p) = p
ik - x jk (3.27)
k =i k =1
En donde segn el valor que tome el parmetro de p, que toma valores entre 1
e infinito (), se obtienen los diferentes tipos de mtricas y de esta forma a partir de
esta formulacin general de la ecuacin 3.27 se extraern las tres principales mtricas,
que resultan ser las ms empleadas en el problema de distribucin en planta, en
funcin del tipo de sistema de manutencin a emplear en la planta: Mahattan (p=1),
Euclidea (p=2) y Tchebychev (p=).
Figura 3.41: Disposiciones Diana y Sandwich que minimizan las distancia entre
centroides de las reas de las actividades (Mas 2006).
3.6.7. MANHATTAN
d (i, j ) = xi - x j + y i - y j (3.28)
Donde d(i, j) es la distancia entre los puntos i y j con coordenadas (xi, yi) y (xj,
yj) respectivamente (centroides de las distintas instalaciones).
Tal vez debamos mencionar que esta mtrica resulta ser la ms empleada en la
gran mayora de las referencias bibliogrficas del problema de distribucin en planta
de establecimientos industriales.
3.6.8 EUCLIDEA
d (i, j ) = ( xi - x j ) 2 + ( y i - y j ) 2 (3.29)
irreal, dado que la mayor parte de los sistemas de manutencin no pueden cruzar por
dentro de otras actividades.
Este tipo de mtrica podra ser adecuada en aquellas plantas en las que el flujo
de material se realizara mediante cintas transportadoras (Ozdemir, Smith y Norman
2003).
EUCLIDEA CUADRATICA
d (i, j ) = ( xi - x j ) 2 + ( y i - y j ) 2 (3.30)
3.6.9. TCHEBYCHEV
(
d (i, j ) = max xi - x j , y i - y j ) (3.31)
F
A D
G
Metrica
B Tchebychev
Euclidea
E Rectilinea
C Contorno
H Exterior
3.6.10. EDIST
distancias o tiempos o costes de viaje entre los nodos conectados por estos. Existen
habitualmente varios caminos entre dos nodos del grafo cuyas longitudes, costes o
tiempos de transporte vienen representadas mediante pesos y esta mtrica permite
seleccionar el ms corto. Esto representa en realidad una trayectoria entre cualquier
par de nodos y la distancia mas corta tiene realmente consideraciones importantes en
la solucin de problemas.
Se supone que las actividades i y j estn definidas por las regiones (planares)
Ri y Rj respectivamente, con un rea total igual a Ai y Aj. Sean las coordenadas de dos
puntos de ambas regiones muestreados aleatoriamente (xi ,yi ) Ri y (xj ,yj ) Rj .
(23.45)
(3.46)
Haciendo (xi, yi) X Ri y (xj , yj) X Rj donde las coordenadas (x, y) designan los
[ ]
E d ij =
xi Ri
yi Ri x j R j
y j R j
1 1
Ai A j
( )
xi - x j + y i - y j dy j dx j dy i dxi (3.47)
[ ]
n n
1
E d ij = ( xk - xl + y k - yl ) xik x jl (3.48)
k =1 l = j ni n j
Otra cuestin que se ha abordado para tener una referencia mnima fija con la
comparar los posibles caminos que puedan aparecer, y que requieran ser comparados,
para ver cual resulta ms conveniente utilizar, es la que denominamos MiDiRe o
Mnima Distancia de Recorrido: que es la distancia que se puede considerar que es la
mnima distancia posible que van a recorrer los materiales al ir de una actividad a
otra.
Ante este esto se ha planteado, partiendo de una distancia eucldea, que resulta
ser siempre el menor camino entre dos puntos tanto en el plano como en el espacio,
pero que no es una solucin vlida normalmente dada la imposibilidad de cruzar otras
instalaciones implantadas, distintos recorridos geomtricos, olvidndonos en cierta
medida de ecuaciones y planteamientos puramente matemticos para siguiendo
trayectorias puramente geomtricas encontrar un camino posible y con el mnimo
recorrido que ser el punto de partida y la referencia con la que compararemos las
distintas mtricas calculadas.
Fig. 3.45: Distintas mtricas calculadas para unir dos puntos esquivando
obstculos.
Del mismo modo, y dado que en muchos de los casos a la hora de realizar las
comunicaciones entre distintas puntos de las instalaciones industriales se opta por
utilizar mtricas de contorno exterior, debido a la facilidad que este tipo de
trayectorias ofrece para ordenar las comunicaciones entre distintos puntos, modificar
y crear nuevas rutas, adems de la facilidad de poner anclajes y soportes en las
paredes de los edificios, y sobre todo por motivos de planificacin, seguridad y orden,
se plantea de forma general otra mtrica que ser la MIMEN o mnima mtrica
envolvente y en la que en lugar de esquivar las instalaciones de forma
individualizada esquiva la envolvente convexa10 que contiene a todas estas, dado que
se da por hecho que las comunicaciones se realizaran por el exterior del conjunto de
las instalaciones y no por el medio de estas. Primeramente se debe encontrar la
envolvente convexa que sustituye a todas las instalaciones (obstculos) que tengamos
y despus se realiza una tarea similar al caso anterior trazando primeramente una
recta que viene a ser la mtrica euclidea que se descompone en dos tipos de tramos
los que van por el exterior de la envolvente y el que va por el interior de la misma,
sustituyendo ambos tipos de tramo por el ms favorable exactamente igual que se
haca en el caso anterior. Tendremos as de forma simplificada una trayectoria
mnima que esquiva a la envolvente convexa y que se traduce en tres tramos dos
tramos extremos que parten de los puntos A y B y que resultan tangentes a la
envolvente y un tramo que contornea la evolvente entre los puntos de tangencia
anteriores.
10
Envolvente Convexa: Llamamos envolvente convexa a la frontera del cierre
convexo de un conjunto de regiones del plano al menor conjunto convexo o regin
que lo contiene, que resultar ser un polgono convexo, en el que cualquier segmento
que une dos cualesquiera de sus puntos est totalmente contenido en el mismo.
La seleccin de una nica mtrica para medir la distancia entre todas las
actividades en un problema puede considerarse una simplificacin excesiva, dado que
lo habitual es que un mismo proceso productivo necesite emplear diferentes sistemas
de manutencin. Algunas propuestas introducen mtricas homogneas dentro de un
mismo problema mientras otros autores abogan por emplear una mtrica heterognea
11
Para comprender el Algoritmo de Scan de Graham puede consultarse: Graham, R.,
An Efficient Algorithm for Determining the Convex Hull of a Finite Point Set.
Information Processing Letters 1, North-Holland Publishing Company. P. 132-133,
1972.
12
Para comprender el Algoritmo de Marcha de Jarvis puede consultarse: Jarvis, R.A.,
On the Identification of the Convex Hull of of a Finite Set of Points in the Plane.
Information Processing Letters 2, North-Holland Publishing Company. P. 18-21,
1973.
F F
A D A D
G G
B B
E E
C C
H H
3
1 2
PASILLO
4 5 6
PASILLO
7 8 9 10
d (i, j ) =
l , kRn
xl - x k + y l - y k (3.49)
b c
10
3
1 2
PASILLO a
b
4 5 c 6
PASILLO d
7 8 9 10
En este caso se usa el centroide (centro del rea de la instalacin) como punto
base de cada actividad de forma similar a lo usado en los algoritmos ya existentes.
Ser en los pasillos en donde nos encontremos con problemas para definir los puntos
base. Si se utiliza el centroide del pasillo como punto base nos encontramos con
distancias redundantes que pueden ser incluidas en las distancias calculadas entre las
instalaciones. Por ejemplo considerando que se recorre el camino P(3-a-c-d-10) como
uno de los caminos entre las actividades 3 y 10. El otro camino (2-a-b-d-10) podra
ser considerado tambin aunque en nuestro ejemplo se ha omitido por simplificar. El
camino correcto de P debe ser el mostrado en lnea continua (azul) en la figura
anterior y la longitud del mismo deber servir para calcular la distancia entre las
instalaciones 3 y 10. Un error se aade cuando el centroide del pasillo se usa como
punto base ya que tal y como se aprecia en la figura aparecen distancias redundantes,
mostradas en lnea de puntos, que son incluidas en el clculo. Este error hace que la
longitud de los tramos (3-a), (a-c), (c-d) y (d-10) del grafo de adyacencia se calculen
de forma errnea (no real).
Figura 3.50: Definicin correcta de los puntos base para los pasillos horizontales.
Para intentar evitar este error los puntos base de los pasillos horizontales y
verticales, en un primer paso, se definen como sigue: para los pasillos verticales, se
utiliza el centroide de los mismos, pero para los pasillos horizontales las coordenadas
y- y x- del punto base son calculada como la coordenada vertical del centroide para la
coordenada y- y como (xi + xp)/2 para la coordenada x-, donde xi y xp representan la
coordenada x del centroide de la instalacin y del pasillo respectivamente. Por
ejemplo la coordenada x ( x ap1 ) del punto base para el pasillo horizontal (a1) se calcula
a1 a2
a3
b c
d3
d1 d2
10
{ }
d (i, j ) = min l xi - N lx + y i - N ly + x j - N lx + yi - N ly + z i - z j (3.50)
Pero de igual manera que en el problema de un solo nivel esta mtrica nos
servir igual cuando los movimientos de mercancas se realizan por medio de
pasillos.
Por este motivo en una segunda etapa del trabajo, ante los problemas que esta
implementacin planteaba, y para solventar de una vez el problema de la mtrica en
el caso de problemas de distribucin en planta mas generales con actividades
comunicadas por medio de pasillos, se decide una apuesta novedosa pero que a su vez
se mostr realmente eficiente: se plante el dividir los pasillos en subtramos de
manera que la implementacin final de distancias se pudiera hacer de la siguiente
manera:
Para permitir una configuracin final que se ajuste a las necesidades de cada
caso segn el inters de los clculos a realizar se ha considerado interesante el dividir
el clculo de distancias en tres partes por separado:
1. Distancia interna en la actividad, que puede ser calculada o no ya que podra ser de
inters el partir desde la puerta y no desde el centroide.
2. Distancia entre la puerta y el eje del pasillo, al igual que la distancia anterior
tambin podra resultar que en algn caso se quisiera prescindir de estas distancias
ya que el la mayora de los casos son despreciables con respecto a las distancias a
lo largo de los pasillos.
3. Distancias a lo largo de los pasillos recorriendo los subtramos entre los nodos
situados en los extremos de los mismos, salvo en los tramos de partida y de llegada
que se recortan tomando la distancia entre el nodo mas prximo y el nodo ficticio
creado enfrente a la puerta de la actividad.
reales) para las reas de las instalciones a implantar y entidades lineales de curvas
implementadas como entidades Polilineas para las fronteras de las instalaciones.
Vistos los distintos tipos de modelado que se pueden utilizar para abordar la
bsqueda de soluciones para el problema propuesto de distribuciones en planta vamos
a ver en este apartado el modelado propuesto para este trabajo en el que se ha
pretendido aplicar las tcnicas DAO a la resolucin del mismo.
Dentro de los recursos implementados para facilitar las tareas se pueden citar
algunos como:
- Rutinas que incorporan rdenes que permiten la comunicacin entre los dos
entornos: el grafico del motor de DAO y el no grafico de la hoja de clculo.
Estas debern permitir:
o Enviar dados desde el DAO a la hoja de clculo.
o Enviar dados desde la hoja de clculo al entorno de DAO.
o Mandar Ejecutar macros en el EXCEL desde el entorno DAO.
o Consultar datos de la hoja de clculo desde el entorno DAO.
o Rutinas de conversin de datos (tipo de dato, precisin, )
- Rutinas graficas que realizan tareas geomtricas como:
o Determinar la caja de abarque de regin (rectngulo que tiene sus
vrtices con las mximas y mnimas coordenadas X e Y de la misma).
o Determinar la mnima caja de abarque de una regin reorientando
esta.
o Lo que se ha venido a llamar el deslizamiento magntico que consiste
en situar una regin sobre otra y que se desplace hasta situarse fuera de
la misma sin solapamiento alguno, de forma que quede tangente a la
ya situada. El nombre de deslizamiento magntico se debe a que el
comportamiento es semejante al de un imn que se sita sobre otro con
los polos enfrentados deslizndose uno sobre el otro por efecto de la
CAPTULO 4
4.1. INTRODUCCION.
Instalaciones Destino
Origen 1 2 3 4 5 6
1 0
2 5 0
3 2 3 0
4 4 0 0 0
5 1 2 0 5 0
6 0 2 0 2 10 0
Tabla 4.2: Matriz simtrica de flujos de produccin para seis instalaciones.
El problema conforme presentado tiene incialmente dos objetivos que debe atender:
n n
min F = v
i =1 j =1
ij d ij (4.1a)
en donde:
vi j - flujo entre las instalaciones i y j;
di j - distancia mnima entre los centroides de las particiones de las
instalaciones i y j;
ai - razon de forma de la particin situada en la instalacin i;
aimax - lmite superior de ai ;
i
a min - lmite inferior de ai.
El problema nos da tal parmetro a travs del intervalo [aimin, aimax] donde
estos valores representan los lmites superior e inferior de la razn de forma, para la
instalacin i (ver los datos de la tabla 4.1). Se pueden restringir las instalaciones
clasificndolas en dos categoras: con orientacin libre o fija. La orientacin libre
significa que la instalacin puede ser situada de ambas formas: horizontal o vertical.
Para estas instalaciones, sus razones de formas pueden asumir valores tales como ai o
1/ai. As, el intervalo viable de la razn de forma para orientacin libre se convierte
en:
Instalaciones
N 12 15 20 30
Mn. 6390,34 10000,08 26098,39 47483,72
Mx. 6933,75 10582,82 27304,41 49484,15
Media 6725,28 10332,54 26746,80 48444,22
Desv. standar 166,83 167,04 423,45 530,88
Instalaciones
N 20 30
AS HC BC AS HC BC
Mn. 25779,53 28869,18 25749,46 47422,30 54819,84 46238,23
Mx. 27705,76 32295,95 29321,18 49125,60 58615,45 50589,75
Media 26423,04 29719,38 27144,74 48350,60 56446,23 49456,66
Desv. standar 562,03 1156,80 1180,85 542,51 1162,79 798,63
Tabla 4.4 Momentos de tran sporte obtenidos utilizando simulated annealing para
problemas de 20 y 30 instalaciones por Tam (1992b)
Instalaciones
N 12 15 20 30
Heurstica 1 10082,00 15356,00 25426,00 52130,00
Instalaciones
N 12 15 20 30
Fase I Fase II
(a) (b)
El modelo propuesto por ser un mtodo de mejora, tiene dos pasos distintos.
En el primer paso se busca una solucin inicial (a), que es la generacin de la
estructura de rbol de corte. Posteriormente, en un segundo paso a travs de un
algoritmo de bsqueda, que en el modelo fue usado el algoritmo gentico, se procura
mejorar la solucin inicial obteniendo un rbol de corte optimizado (b) para el
problema sin pasillos.
Se dividi el modelo en dos fases ya que esto se hizo necesario para mejorar
su desarrollo ya que en una en las pruebas preliminares en una sola etapa el problema
se haca prcticamente irresoluble al crecer el nmero de instalaciones (ver apartado
4.4). En la primera fase el problema se trata el problema sin considerar la existencia
de pasillos y se utilizan las distancias euclidianas o rectangulares. En la segunda fase,
el mtodo, a travs del algoritmo gentico, hace una bsqueda de una solucin
optimizada ahora con pasillos. En este caso, utilizando ya distancias por pasillos (con
puntos de control).
(1996), Gen et al. (1995), Suresh et al. (1995), Tate y Smith (1995a), Joines et al.
(1994), Chan y Tanski (1994) y muchos otros.
As, para resolver un problema a travs del algoritmo gentico, se deben crear
las estructuras que lo componen. Tales estructuras son necesarias y de ellas depende
la velocidad del mtodo. Por lo tanto la eficiencia del mtodo es directamente
proporcional a la complejidad propuesta en la evaluacin del fitness, y de los procesos
de reproduccin y mutacin, que deben contener tan solo operaciones elementales. El
desafo en la aplicacin de los algoritmos genticos est en codificar las soluciones a
travs de cadenas (strings) de tamao limitado, y que mantienen las caractersticas del
problema original.
El rbol de corte ser representado por una string (una solucin) compuesta
por letras y nmeros. Las letras representan los tipos de cortes, y pertenecen al
conjunto {U, R, B, L, U*, R*, B*, L*}, donde U significa corte encima de la
instalacin, R significa corte a la derecha de la instalacin, B significa corte
debajo de la instalacin, L significa corte a la izquierda de la instalacin. Para la
representacin de pasillos los nudos de cortes estn sealados con un asterisco en sus
funciones. Adems de indicar el corte entre instalaciones deben indicar la existencia
de pasillos entre ellas, si fuera el caso. Para hacer esto, se utiliza la letra marcada con
un asterisco (*).
a) b)
La cadena (string) que representa el rbol de corte est compuesto por los
nudos del rbol en orden inverso. Por ejemplo para el rbol de corte de la figura 4.3,
la string ser 43L21RB65RU. Esta representacin es idntica al orden utilizado en las
expresiones aritmticas entre operandos y operaciones, de acuerdo con la notacin
polaca, donde las instalaciones son los operandos y los smbolos de corte las
operaciones. Se observa que dos rboles son idnticos si, y solo si, sus estructuras de
rbol de corte y strings son iguales (Tam, 1992b).
rbol de Corte
Estructura de Corte
Distribucin en Planta
donde vij y vji son los flujos de la instalacin i hacia j y de j hacia i, respectivamente.
Para cada par de instalaciones i y j, su distancia dij se almacena en una matriz
simtrica de distancias que ser utilizada en el anlisis de clases para crear el
dendograma.
Procedimiento GEAC
P1. Iniciar con N clases, cada una conteniendo una entidad simples (o instalacin),
a la cual est asociada una matriz simtrica de distancias (o similaridades), D
= [dij ], de orden N x N;
P3. Unir las clases U y V, rotulando la nueva clase formada por (UV). Actualice
la matriz de distancias, apagando las filas y columnas correspondientes a las
clases U y V originales, y adicionando, a partir de la ltima fila y de la ltima
columna una nueva fila y una nueva columna (UV) con las respectivas
distancias a las dems clases;
d
i j
ij
sustituir el paso 4 por: P4. Repetir los pasos 2 y 3 entre las filas y columnas de
la matriz, no aumentadas en el paso3, hasta que se obtengan todos los pares de
clases;
aumentar el paso 5: P5 Aumentar la matriz resultante en el paso 4, las filas y
columnas obtenidas en el paso 3. Se detiene, si el orden de la matriz es uno, en
caso contrario vuelve al paso 1. Estas modificaciones se mostraran
interesantes en la resolucin de algunos problemas, para los cuales se obtienen
una estructura da rbol de corte ms homognea teniendo en cuenta el punto
de vista de la forma.
Figura 4.8: Ejemplo de un rbol de corte con las coordenadas de las instalaciones.
Esta figura muestra que cada instalacin tiene un rea asociada, que se da
como datos del problema. El nudo de corte tambin tiene un rea asociada, resultante
de la suma de las reas de los nudos hijos. El nudo raz, por lo tanto, tiene por rea, el
sumatorio de las reas de todas las instalaciones. En el caso de existir pasillos,
adems de considerar como rea de corte la suma de las reas de los nudos
descendientes, se debe incrementar el rea correspondiente al pasillo existente entre
los bloques.
A p = Ai + A j + Ac (4. 6)
donde:
El rea del pasillo se obtiene del producto entre la anchura patrn definido en
el problema y la longitud del pasillo existente entre los bloques definidos por los
nudos i y j, conforme se muestra en la figura 4.9.
As se tiene:
Procedimiento AJCOR
Figura 4.11: Diferencia relativa de rea (%) en el ajuste de los pasillos por iteracin
Figura 4.14: Estructura de corte asociado al problema presentado en las tablas 4.1 y
4.2, con los respectivos puntos auxiliares o de control.
n n n
min F = vij d ij + w
i =1 j =1
a k
k =1
2
(4.9)
a k = min {dr ( ak , [akmin , akmax ]) , dr (ak , [1/ akmax , 1/ akmin ])} (4.11)
(4.12)
fi = 1 / Fi (4.13)
En el estudio del clculo de las distancias dij se deben considerar tres casos
distintos:
a) Clculo de las distancias entre instalaciones para distribucin en planta sin pasillo:
b) Clculo de las distancias entre instalaciones para distribucin en planta con pasillo:
Procedimiento QREL:
P1. Construir un cuadro con cuatro filas y n columnas. A cada fila est asociado
un tipo de corte, U, R, B y L y cada columna representa una instalacin.
P2. Para cada instalacin realizar una bsqueda sobre el rbol de corte partiendo
del nudo instalacin en direccin al nudo raz. Observar en cada nudo
investigado el tipo de corte, y marcando en la columna correspondiente a la
instalacin y en la fila correspondiente al tipo de corte, con un (*) si no fuese
pasillo o con el nmero del nudo correspondiente al pasillo, en el caso de que
an no haya sido marcado;
1 2 3 4 5 6
U 9 9 11 11
R * 8 *
B 9 9 11 11
L * 8 *
En la tabla 4.10 se puede observar que a cada columna est asociada una
instalacin. En esta columna estn registrados los nmeros de los nudos pasillos con
los cuales cada instalacin se vincula, y la correspondiente posicin relativa entre los
mismos. As por ejemplo, la instalacin 2 se relaciona con el pasillo 9, que se sita
debajo de la instalacin.
(0,1) (0,2) (0,3) (0,4) (0,5) (0,6) (1,9) (2,9) (3,8) (3,9)
X 6,98 19,54 19,64 6,58 9,42 21,98 6,98 19,54 13,66 19,64
Y 16,51 15,61 9,65 9,65 3,18 3,18 12,43 12,43 9,65 12,43
(3,11) (4,8) (4,9) (4,11) (5,11) (6,11) (8,9) (9,8) (8,11) (11,8)
X 19,64 13,66 6,58 6,58 9,42 21,98 13,66 13,66 13,66 13,66
Y 6,87 9,65 12,43 6,87 6,87 6,87 12,43 12,43 6,87 6,87
1. ni = 0, mi = m0 e nj = mi;
2. nj = 0, mj = m0 e ni = mj;
3. ni 0, nj 0 e mi = mj; (3.17)
4. ni 0, nj 0 e ni = mj;
5. ni 0, nj 0 e mi = nj;
6. ni 0, nj 0 e ni = nj > n; (n es el nmero de instalaciones).
Considerando que las coordenadas de g i son (xi, yi) y de g j (xj, yj), tenemos:
cij = | xi - xj | + | yi - yj | (4.18)
1 2 3 4 5 6
1 0
2 20,72 0
3 19,52 6,96 0
4 7,26 19,82 13,06 0
5 24,24 23,44 16,68 9,30 0
6 28,32 27,52 8,80 21,86 19,92 0
SXik = (Xi2 - Xi1) + (Xk2 - Xk1) - {[max{Xi2, Xk2}] - [min{Xi1 , Xk1}] }; (4.19a)
SYik = (Yi2 - Yi1) + (Yk2 - Yk1) - {[max{Yi2, Yk2}] - [min{Yi1 , Yk1}] }; (4.19b)
Con estos resultados decimos que las instalaciones i y k son adyacentes si:
El modelo utiliza el valor de fitness (ver expresin 3.13) para colocar en orden
decreciente los p individuos de la poblacin. As se tiene: f1 f2 ... fp, el mejor
fitness corresponde al primer individuo de la poblacin y el peor fitness o ltimo
individuo de la poblacin.
pi = g i / g r r = 1,..., p (4.20)
donde, gi es el valor del i-simo elemento de una serie aritmtica decreciente, dada
por:
U B L R R U B B antecesor 1
L R R B B U L L antecesor 2
L R L R R U B B sucesor 1
U B R B B U L L sucesor 2
pn = 0,01 / ( 1 - e - D ) (4.22 a)
Considerando una estrategia donde el problema es tratado en tan solo una fase,
esto es, considerando la existencia de pasillos desde el principio, se tendra el
conjunto de definicin con los siguientes elementos {U, R, B, L, U*, R*, B*, L*}.
As, en la obtencin de la solucin para el problema de distribucin en planta con
pasillo existiran del orden de 8n-1 posibles alternativas de combinacin de corte, en
cuanto que considerando la estrategia de dividir la bsqueda en dos fases, se tendra
del orden de 4n-1 posibles soluciones para la primera fase y 2n-1 posibles soluciones en
la segunda fase. En conjunto, de esta estrategia resultara un universo de 4n-1 + 2n-1
posibles soluciones a ser investigadas. Como ejemplo, en un problema con 30
instalaciones tendramos un conjunto de 829 (1,54 x 1026) combinaciones de corte para
la estrategia una nica fase mientras que en el caso de la estrategia de dos fases,
tendramos 429 + 229 (2,88 x 1017) posibles soluciones. A pesar de que el nmero de
soluciones en potencia an resulta extremadamente grande, representa apenas una
pequea fraccin (del orden de 1/109) del total existente en el caso de la estrategia de
una nica fase.
4.5.1. EXPERIMENTO.
hasta ese momento. De esta forma se buscaba perpetuar las caractersticas existentes
en las mejores soluciones dentro de la nueva poblacin.
Nmero de Instalaciones
% 12 15 20 30
ST1 ST2 ST1 ST2 ST1 ST2 ST1 ST2
1 3 4 5 2 3 3 12 8
10 3 7 5 6 7 4 16 12
20 5 7 7 8 9 7 18 14
30 8 8 7 11 13 7 22 18
40 8 11 10 12 17 12 25 22
50 9 11 13 13 19 15 28 27
60 10 11 14 15 19 17 30 28
70 11 11 15 15 20 18 30 30
80 12 11 15 15 20 20 30 30
90 12 12 15 15 20 20 30 30
100 12 12 15 15 20 20 30 30
Tabla 4.13: Distribucin acumulada del nmero de instalaciones por procedimientos y
error (%) en la razn de forma
Para los dems experimentos los resultados estn presentados en las tablas
siguientes.
ST1 ST2
N
Fase 1 Fase2 Fase 1 Fase 2
1 9651,77 11708,23 9152,47 10932,53
2 9426,05 11492,42 9152,47 10932,53
3 9426,05 11492,42 8945,02 10676,95
4 10583,54 13181,31 9152,47 10932,53
5 10606,71 13057,6 9152,47 10932,53
6 10560,9 12454,64 9152,47 10932,53
7 9651,77 11708,23 9152,47 10932,53
8 10132,76 12526,38 9152,47 10932,53
9 10198,68 12137,95 9152,47 10932,53
10 11108,72 13120,63 9152,47 10932,53
Mn. 9426,05 11492,42 8945,02 10676,95
Mx. 11108,72 13181,31 9152,47 10932,53
Media 10134,70 12287,98 9131,73 10906,97
Desviacin estandar 550,41 642,56 62,23 76,67
Tabla 4.14: Momento de transporte obtenidos en distribucin en planta de 15
instalaciones.
ST1 ST2
N
Fase 1 Fase2 Fase 1 Fase 2
1 21467,07 26609,15 21068,92 25102,78
2 21581,21 26871,46 21044,11 24754,72
3 23072,66 28094,83 21412,34 25247,6
4 21821,98 26628,25 21044,11 24754,72
5 20518,99 25051,46 21232,02 26087,42
6 21662,68 27083,57 21190,53 24985,37
7 22307,65 26485,89 20730,36 25259,85
8 20488,33 24917 21044,11 24754,72
9 20638,2 25715,83 20612,56 24612,56
10 22452,81 28456,07 21334,16 24983,29
Mn. 20488,33 24917 20612,56 24612,56
Mx. 23072,66 28456,07 21412,34 26087,42
Media 21601,16 26591,35 21071,32 25054,30
Desviacin estandar 824,47 1096,01 235,45 402,92
Tabla 4.15: Momentos de transporte obtenidos en distribuciones en planta de 20
instalaciones.
ST1 ST2
N
Fase 1 Fase2 Fase 1 Fase 2
1 46570,96 620,16 45202,23 54090,8
2 45761,17 55185,56 45053,87 54388,67
3 50972,87 61535,13 45312,84 54513
4 51248,28 62632,75 45579,37 53901,93
5 46551,69 55766,87 44983,63 53469,55
6 46818,74 56174,42 46333,87 55802,55
7 46598,63 56225,82 46001,71 56307,76
8 48951,22 59800,02 44337,69 53642,29
9 44165,95 52576,11 46583,03 56112,92
10 47840,01 58561,29 44151,69 53184,23
Mn. 44165,95 620,16 44151,69 53184,23
Mx. 51248,28 62632,75 46583,03 56307,76
Media 47547,95 51907,81 45353,99 54541,37
Desviacin estandar 2132,78 17342,49 753,09 1077,75
Tabla 4.16: Momentos de transporte obtenidos en distribuciones en planta de 30
instalaciones.
Figura 4.25: Comparacin entre los costes medios de transporte determinados por
ST1 y ST2 en la primera y segunda fase.
Para las restricciones de forma se observ que no siempre son posibles de ser
atendidas. Por ejemplo, si se considera un problema hipottico donde se tengan dos
instalaciones con reas de 10 y 100 m2 respectivamente y ambas con razn de forma
igual a uno (forma cuadrada) y que tales instalaciones deban estar situadas en un
rectngulo cuya razn de forma sea 0,5. Como se puede observar en la figura 4.26, tal
solucin ser inviable debido a la restriccin de forma del rea donde deben ser
situadas las instalaciones, por lo que al final habr que tomar una solucin de
compromiso en la que se incumpla, aunque sea lo mnimo posible, las restricciones de
forma propuestas inicialmente.
Figura 4.26: Distribucin en planta obtenida con la heurstica ST1 para el problema
de 2 instalaciones
Adems en cuanto a los costes, los resultados mnimos obtenidos por los
modelos son mejores que los presentados por Tam (1992) que pueden observarse en
la tabla 4.15.
Otro punto que debe ser resaltado est en relacin al rbol generado
inicialmente en la solucin del problema. Esta estructura de rbol marcar algunas
caractersticas en la distribucin en planta final que el algoritmo gentico no puede
modificar. Por ejemplo una de ellas sers la presentada en la en algn caso en el que
las instalaciones puedan tener una de las dimensiones igual a la extensin de la
distribucin en planta final, quedando con la otra dimensin reducida, lo que har
inviable el poder atender la restriccin de forma. Tal problema aparecer tan solo
cuando se d la circunstancia de que en la estructura del rbol generado las dos
instalaciones se siten en una de las ramas del nudo raz, que motivo la modificacin
propuesta ST1 en el esquema de average linkage ST2.
Los resultados obtenidos para razn de forma indican que hubo una mejora de
forma en la distribucin en planta obtenida en la segunda fase del modelo, conforme
al grfico de la figura 4.29.
Una vez obtenida la distribucin en planta final con pasillo, tal y como se ha
mencionado anteriormente, se hace finalmente un anlisis visual en la figura y con
unos pocos ajustes se obtiene una distribucin en planta ms adecuada. De esta forma
el pasillo existente entre dos instalaciones adyacentes podra ser eliminado y el rea
ocupada por aquel podra ser distribuida entre las instalaciones adyacentes de tal
forma que estas instalaciones u otras adyacentes puedan satisfacer la razn de forma.
De igual manera otra modificacin que tambin podra realizarse, sera entre
instalaciones adyacentes que no satisfagan a priori las restricciones de forma, ya que,
se podra, a partir de un anlisis visual de la ocupacin, redistribuir los espacios
existentes entre ellas.
CONCLUSIONES Y
RECOMENDACIONES
METODOLOGIA PARA LA OPTIMIZACIN DEL DISEO DE DISTRIBUCIONES EN PLANTAS INDUSTRIALES
CAPTULO 5
5. CONCLUSIONES Y RECOMENDACIONES.
existentes en este campo y sin embargo la aplicacin prctica de las mejoras que se
van planteando y de los posibles nuevos algoritmos no parece que sean igualmente
seguidos por los profesionales en la industria, seguramente por la falta de entornos
amigables de trabajo y por la falta relacin real entre los datos requeridos y los
disponibles para el planteamiento del problema as como por dar resultados en plan
caja negra con poca aplicacin prctica sin plantear algunos cambios ms o menos
importantes, que por otro lado podran modificar sustancialmente los resultados
obtenidos. De igual modo resulta que las soluciones aportadas por lo comn apenas
permiten posteriores modificaciones de los datos y la comparacin de los resultados
obtenidos.
5.2. CONCLUSIONES.
5.3. RECOMENDACIONES.
Como resulta obvio, tras lo anteriormente dicho, an queda mucho trabajo por
hacer para que las herramientas que faciliten la realizacin de las Distribuciones en
Planta al tcnico sean plenamente efectivas, pero, dado el inters que el tema suscita y
el nuevo paradigma aqu presentado, es de esperar que trabajos posteriores puedan
ampliar estas lneas de trabajo.
Las recomendaciones que se pueden dar tras presentar este trabajo van en el
sentido general de mejorar las limitaciones impuestas en la aplicacin del modelo
propuesto, que fueron principalmente las siguientes:
a) ampliar y mejorar las rutinas disponibles para las soluciones a los problemas
geomtricos e integrar todas estas en una aplicacin final con un adecuado
entorno de usuario para que pueda ser utilizada.
en la primera fase del modelo, sin esperar a tener una primera distribucin en
planta, aunque como se ha visto el hacerlo antes o despus no afecta en gran
para su posterior procesado y que una vez procesados estos puedan informar
de los resultados obtenidos por medio de registros de las sucesivas iteraciones
y ayuden al proyectista en la toma de decisiones y posibiliten fcilmente la
variacin de parmetros;
Por ltimo tan solo decir que el trabajo desarrollado, y aqu presentado, no ha
finalizado, ms bien acaba de empezar, y que tan solo marca un camino a
seguir/continuar en el que se aprecia claramente que dificultades no han de faltar en
aras de buscar alguna mejora en nuestras instalaciones. Solucionados algunos
problemas, nuevos retos se presentan, cmo no?, ante el tcnico que pretende
alcanzar el ptimo en sus instalaciones sacando el mximo partido a los recursos
disponibles y siempre escasos. Por eso confiamos en que este trabajo sirva de acicate
a otros compaeros para que se sumen a la bsqueda de nuevas implementaciones y
recursos para que entre todos sigamos avanzando
BIBLIOGRAFIA
BENNELL, J.A., POTTS, C.N. y WHITEHEAD, J.D., Local Search Algorithms for
the Min-Max Loop Layout Problem. The Journal of the Operational Research Society
Vol. 53, No. 10, Special Issue: Applications and Developments in Mathematical
Programming p. 1109-1117. Octubre 2002,
BLOCK, T.E., A note on comparison of computer algorithms and visual based
methods for plant layout by Scriabin and R.C., and R.C. Vergin. Management
Science, Vol. 24, No. 12, 235-237, 1977.
BLOCK, T.E., FATE: A new construction algorithm for facilities layout, Journal of
Engineering Production. Vol. 2, 111-120, 1978.
BONELL, C., La divina proporcin: las formas geomtricas. Serv. Publ. UPC. 2 Ed.
1999.
BUFFA, E.S., ARMOUR, G.C., y VOLLMANN, T.E. Allocating facilities with
Craft, Harvard Business Review. Vol. 42, 136-158, 1964.
BUFFA, E.S., Sequence analysis for functional layouts. The Journal of Industrial
Engineering. Vol. 6, 12-13, 25, 1955.
BUMB, ADRIANA. Approximation Algorithms for Facility Location Problems.
ThD. Thesis. University of Twente. Holanda 2002.
BURKARD, R.E., Die Strungsmethode zur lsung cuadratisches
zuordnungsprobleme, Operations Research Verfahren. Vol. 16, 84-108, 1973.
BURKARD, R.E., Locations with spatial interaction - Quadratic assignment problem,
in: R.L. Francis and P.B. Mirchandane (eds.) Discrete Locations Theory, Academic
Pres, New York, 1984.
BURKARD, R.E., y BONNINGER, T., A heuristic for quadratic Boolean program
with applications to quadratic assignment problems, European Journal of Operational
Research. Vol. 13, 374-386, 1983.
BURKARD, R.E., y STRATMAN, K.H., Numerical investigations on quadratic
assignment problems, Naval Research Logistic Quarterly. Vol.25, 129-144, 1978.
CAMBRON, K. E. y EVANS, G. W., Layout design using analytic hierarchy process,
Computers & Industrial Engineering, Vol. 20, No.2, 211 - 229, 1991.
CAMERON, D., C. Travel Charts. Modern Material Handling. p. 37-40, 1952.
CANEN, A.G. y WILLIAMSON, G.H., Facility Layout overview: towards
competitive advantage. Facilities Vol. 16 n 7/8, p. 198-203, 1998.
CANO, J.R., CORDON, O., HERRERA, F. y SANCHEZ, L. A GRASP algorithm
for clustering. En F. J. Garijo, J.C.R. Santos, and M. Toro, editors, Advances in
Artificial Intelligence - IBERAMIA 2002, 8th Ibero-American Conference on AI,
Seville, Spain, November 12-15, 2002, Proceedings, volume 2527 of Lecture Notes
in Computer Science, p. 214-223. Springer, 2002.
CEDARLEAF, J., Plant layout and flow improvement. Bluecreek 1997.
CHAN, K. C. y TANSKI, H., A Study of Genetic Crossover Operations on the
Facilities Layout Problem, Computers & Industrial Engineering, Vol. 26, No. 3, 537 -
550, 1994.
CIAI, M.R. y SULE, D.R., Computerized facility layout design, Computers &
Industrial Engineering, Vol. 21, No. 1 - 4, 385 - 389, 1991.
ZHENG, Y., y CHEW, C.M. Efficient procedures for form-closure GRASP planning
and fixture layout design. Journal of Manufacturing Science and Engineering,
Transactions of the ASME. 2009.
ZIZI y SULE, Microcomputer Facility Layout Design, computers in Industrial
Engineering, vol. 15, no. 1-4, pp.259-263, 1988.
ZOLLER, K., y ADENDORFF, K., Layout planning by computer simulation, AIIE
Transactions. Vol. 4, No.2, 1972.
http://www.refworks.com/refshare2?site=04118116226720
0000/76861443179841674/Referencias_LAYOUT
ANEXOS
ANEXOS
ANEXO A
Definiciones
Definicin 1:
Grafo es una estructura matemtica G(X,A), donde X = { x1, x2,..., xn} es un conjunto
de nudos (o vrtices) del grafo, e A = {a1, a2,..., a n} es el conjunto de arcos del grafo.
El arco ar = (xi , xj) conecta los vrtices xi X y xj X, en el sentido del primero
nudo hacia el segundo.
Definicin 2:
G(xi ) = {xi X | ar = (xi , xj) A} es el conjunto de vrtices sucesores de xi X en
el grafo G(X, A) y G-1 (xi ) = {xj X | ar = (xj , xi) A} es el conjunto de vrtices
predecesores de xi X en el grafo G(X, A).
Definicin 3:
un camino que conecta dos vrtices del grafo, digamos xs , xt X, es definido por una
secuencia de nudos Kst = { xs,..., xjk, xjk+1,..., xt}, donde xjk+1 G( xjk ), " xjk.
ANEXO B
Algoritmo de Dijkstra
P5 Rotular nuevamente xk con (pk, lk, sk) = (pk, lk, P) y volver al paso 2.
ANEXO C
13
Jarvis, R.A., On the Identification of the Convex Hull of of a Finite Set of Points in
the Plane. Information Processing Letters 2, North-Holland Publishing Company. p.
18-21, 1973.
End_While
Fin
El punto 3 es el que forma el menor ngulo por lo que pasar a formar parte de
la cerradura convexa. Continuemos con la siguiente iteracin.
Se observa ahora que el punto con menor ngulo resulta ser el punto de inicio,
adems la condicin de parada nos inicaba que q!=inicio. Y la siguiente iteracin ya
no se ejecutar ya que nos quedar algo como esto:
ANEXO D
ANEXO E
CRAFT
El programa calcula la matriz de distancia como las distancias rectangulares esde los
centroides de los distintos departamentos.
Como entrada se ecesitan una distribucin inicial, una matriz desde-hacia y una
matriz de costes de movimiento que restringe el coste de manejar una carga
unitaria/unidad de distancia para cada par de departamentos. Por ejemplo, puede
costar 0.06 /metro desplazarse entre el departamento A y el B, 0.1 /metro entre A y
C, etc. Si no se dispone de estos costes (por desgracia estoes la ms habitual),
entonces todos los costes de movimiento se pueden establecer con valores de 1.0 y el
criterio minimizado es carga-metro en lugar de euros. Los departamentos ficticios
(que tienen flujo cero y estn fijos en un rea specfica) se usan para: 1) representar
instalaciones fijas como escaleras, montacargas, ascensores, elevadores, sanitarios,
mueles, 2) representan pasillos, y 3) corregir irregularidades del edificio (por
ejemplo, hacer que los edificios sean rectangulares).
COFAD
LM se calcula por mdeio de programa y los demas valores son entradas necesarias.
Igual que con CRAFT, los mejores resultado se obtiene con mltiples
ejecuciones el programa usando diversas distribuciones iniciales, valores desde-hacia
y costo de movimiento.
CORELAP
Cdigo de Areas
Funciones
Departamento (m2)
A Recepcin 1200
B Fresado 800
C Prensa 600
D Maq. Atornilladora 1200
E Ensamble 800
F Galvanizado 1200
G Embarque 1200
Areas
Funciones
(m2)
A B C D E F G
Recepcin Fresado Prensa Atornilladora Ensamble Galvanizado Embarque
A Recepcin 1200 -
B Fresado 800 E/1 -
C Prensa 600 O U -
D Maq. 1200
Atornilladora I/2 E/1 U -
E Ensamble 800 O I/1 U I/1 -
F Galvanizado 1200 U U/1 O U A/3 -
G Embarque 1200 U U U U I/1 I/1 -
2) Sumar departamentos con los mayores valores de relacin primer, luego, los
valores ms bajos Esto se hace para maximizar la clasificaci de cercania total.
ALDEP
PLANET
No importa cual de los tres elija el proyectista, PLANET lo traduce a una Matriz
Desde-Hacia normalizada.
ANEXO F
Centralizacin: - Horizontal
- Vertical
- Mixta
Situacin: - Fija.
- Movil (no fija).
- Restringida (solo en una zona).
- Exterior (debe estar tocando el permetro exterior).
- Interior (no debe tocar el permetro exterior).
- Libre.
- Altura (nivel).
Orientacin: - Fija.
- Restringida.
- Variable (Libre).
Tamao: - Fijo.
- Variable.
- Limitado (Max-Min).
ANEXO G
ANEXO H
n=12
1 2 3 4 5 6 7 8 9 10 11 12
1 0
2 5 0
3 2 3 0
4 4 0 0 0
5 1 2 0 5 0
6 0 2 0 2 10 0
7 0 2 0 2 0 5 0
8 6 0 5 10 0 1 10 0
9 2 4 5 0 0 1 5 0 0
10 1 5 2 0 5 5 2 0 0 0
11 1 0 2 5 1 4 3 5 10 5 0
12 1 0 2 5 1 0 3 0 10 0 2 0
n=15
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 0
2 10 0
3 0 1 0
4 5 3 10 0
5 1 2 2 1 0
6 0 2 0 1 3 0
7 1 2 2 5 5 2 0
8 2 3 5 0 5 2 6 0
9 2 2 4 0 5 1 0 5 0
10 2 0 5 2 1 5 1 2 0 0
11 2 2 2 1 0 0 5 10 10 0 0
12 0 0 2 0 3 0 5 0 5 4 5 0
13 4 10 5 2 0 2 5 5 10 0 0 3 0
14 0 5 5 5 5 5 1 0 0 0 5 3 10 0
15 0 0 5 0 5 10 0 0 2 5 0 0 2 4 0
n=20
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
1 0
2 0 0
3 5 3 0
4 0 10 2 0
5 5 5 0 1 0
6 2 1 5 0 5 0
7 10 5 2 5 6 5 0
8 3 1 4 2 5 2 0 0
9 1 2 4 1 2 1 0 1 0
10 5 4 5 0 5 6 0 1 2 0
11 5 2 0 10 2 0 5 10 0 5 0
12 5 5 0 2 0 0 10 10 3 5 5 0
13 0 0 0 2 5 10 2 2 5 0 2 2 0
14 0 10 5 0 1 0 2 0 5 5 5 10 2 0
15 5 10 1 2 1 2 5 10 0 1 1 5 2 5 0
16 4 3 0 1 1 0 1 2 5 0 10 0 1 5 3 0
17 4 0 0 5 5 1 2 5 0 0 0 1 0 1 0 0 0
18 0 5 5 2 2 0 1 2 0 5 2 1 0 5 5 0 5 0
19 0 10 0 5 5 1 0 2 0 5 2 2 0 5 10 2 2 1 0
20 1 5 0 5 1 5 10 10 2 2 5 5 5 0 10 0 0 1 6 0
n=30
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
1 0
2 3 0
3 2 4 0
4 0 0 3 0
5 0 10 4 0 0
6 2 4 0 0 5 0
7 10 0 5 0 2 1 0
8 5 0 5 2 0 2 10 0
9 0 2 5 2 0 2 10 1 0
10 5 2 1 0 0 1 5 3 10 0
11 2 1 4 6 0 4 10 5 2 5 0
12 5 0 1 0 2 10 10 0 1 5 0 0
13 0 5 0 2 0 10 6 0 5 6 0 5 0
14 0 0 4 5 0 2 0 0 2 0 1 5 2 0
15 2 0 0 2 0 5 0 2 0 1 2 2 0 2 0
16 0 0 4 5 0 5 10 4 3 5 1 0 4 1 4 0
17 5 0 0 1 2 0 2 5 0 5 0 0 2 0 5 0 0
18 6 2 6 1 1 5 1 2 2 0 2 0 2 5 1 3 2 0
19 3 0 3 1 0 0 10 10 0 5 0 0 1 3 0 0 2 5 0
20 0 1 2 1 0 0 1 6 0 2 0 2 0 10 1 2 0 1 0 0
21 1 6 5 2 2 0 5 0 4 3 0 0 6 0 0 2 0 2 5 5 0
22 10 1 5 2 0 10 5 5 0 5 6 4 2 0 5 0 0 10 5 2 4 0
23 0 0 2 4 5 0 2 5 5 0 6 5 1 4 0 2 6 10 1 1 0 5 0
24 10 1 1 0 1 0 3 2 2 5 0 10 5 2 2 0 5 4 0 3 1 0 0 0
25 2 2 0 2 0 0 5 5 0 2 4 1 5 0 0 5 3 0 5 1 0 4 4 5 0
26 1 2 0 0 2 4 0 0 5 10 5 0 0 0 0 0 5 0 2 5 0 4 4 5 1 0
27 1 5 3 2 1 0 2 5 2 10 3 0 0 4 5 5 0 5 1 6 0 5 1 0 0 0 0
28 1 1 1 2 0 10 0 5 2 1 2 0 1 2 1 2 0 0 2 5 5 0 0 1 10 0 0 0
29 0 10 0 5 2 1 1 0 5 5 2 0 5 5 1 5 5 0 10 5 0 2 2 0 1 0 0 2 0
30 1 5 2 5 1 1 3 2 2 2 10 1 5 5 0 10 1 0 10 3 0 5 2 0 0 0 10 2 2 0
ANEXO I
; ----------------------------------------------------------------------
; ACAD_EXCEL.LSP V4.0 (C) TRONCOSOFT-VIGO 2015
; Funciones de Intercambio de datos entre ACAD y celdas de EXCEL
; Para manejar EXCEL (libros, hojas y celdas) directamente desde ACAD.
; ----------------------------------------------------------------------
; Hay que inicialmente enlazar ACAD y EXCEL.
; Despues trabajamos sobre un libro y una hoja de excel activos
; (que podemos modificar a nuestro antojo).
; -----------------------------------------------------------------
; Variables Globales:
; - apl-excel : aplicacion EXCEL.
; - coleccion-libros : coleccion de libros abiertos en Excel.
; - mi-libro : libro actual de Excel enlazado con ACAD.
; - coleccion-hojas : coleccion de hojas del libro actual.
; - mi-hoja : hoja de calculo actual enlazado con ACAD.
; - celdas-excel : conjunto de celdas de la hoja actual enlazada con ACAD.
; -----------------------------------------------------------------
; Comandos creados:
; - conecta-excel : hace conexion de ACAD con libro de Excel.
; - desconecta-excel: hace desconexion general de ACAD con Excel.
; - dato->celda : envia dato de ACAD a celda de Excel.
; - celda->dato : envia dato de celda de Excel a ACAD.
; - libro-activo : devuelve el libro activo.
; - hoja-activa : devuelve la hoja activa.
; - activar-libro : activa el libro que se da.
; - activar-hoja : activa la hoja que se da.
; - cierra-libro : cierra el libro que se da.
; ---------------------------------------------------------------
; Pone invisile (oculta) EXCEL
; ---------------------------------------------------------------
(defun oculta-excel ( / )
(vla-put-visible apl-excel :vlax-false) ; pone invisible Excel
) ; defun
; ----------------------------------------------------------------------------
; Hoja Activa
; Devuelve una lista con dos datos: Libro activo + Hoja activa de ese libro.
; OJO: No tiene por que coincidir con la Hoja enlazada inicialmente con ACAD.
; ----------------------------------------------------------------------------
(defun hoja-activa ( / )
(setq mi-libro (vlax-get-property apl-excel "ActiveWorkbook"))
(setq el-libro (vlax-get-property mi-libro "name"))
(setq mi-hoja (vlax-get-property mi-libro "ActiveSheet"))
(setq la-hoja (vlax-get-property mi-hoja "name"))
(list el-libro la-hoja)
); defun
; -----------------------------------------------------------------------------
; Devuelve el Libro Activo.
; OJO: No tiene por que coincidir con el Libro enlazado inicialmente con ACAD.
; -----------------------------------------------------------------------------
(defun libro-activo ( / )
(setq mi-libro (vlax-get-property apl-excel "ActiveWorkbook"))
(setq el-libro (vlax-get-property mi-libro "name"))
); defun
; ---------------------------------------------------------------
; Activar Celda en la hoja actual
; Datos de entrada:
; - Hoja
; - Fila y columna
; Dato salida: valor si tiene
; NO VA: no consigo activar ni sber cual es la celda activa.
; ---------------------------------------------------------------
(defun activar-celda ( libro hoja fila columna / coleccion-libros mi-libro
coleccion-hojas mi-hoja celdas-excel valor la-hoja)
(if (= (type libro) (type "H")) ; STR: libro es un nombre y hallamos su numero
(setq libro (ver-num-libro libro))
) ; if
(if (= (type hoja) (type "H")) ; STR: hoja es un nombre y hallamos su numero
(setq hoja (ver-name-hoja libro hoja))
) ; if
(print)
) ; defun
; --------------------------------------------------------------
; Aade/Inserta una nueva hoja en el libro de Excel actual.
; Datos de entrada:
; - Libro : Libro de Excel (nombre o numero).
; Dato salida: nil
; ---------------------------------------------------------------
(defun inserta-hoja ( libro / mi-libro mi-hoja )
(if (= (type libro) (type "H")) ; STR: libro es un nombre y hallamos su numero
(setq libro (ver-num-libro libro))
) ; if
(setq mi-libro (vlax-get-property coleccion-libros "item" libro))
(setq coleccion-hojas (vlax-get-property mi-libro "sheets"))
(vlax-invoke-method coleccion-hojas "add" )
(print)
) ; defun
; ---------------------------------------------------------------
; Numero de Libros abiertos en Excel.
; ---------------------------------------------------------------
(defun num-libros ( / )
(setq coleccion-libros (vlax-get-property apl-excel "workbooks"))
(vlax-get-property coleccion-libros "count" )
) ; defun
; ---------------------------------------------------------------
; Numero de de Hojas en libro actual.
; Datos entrada: numero o nombre de libro.
; ---------------------------------------------------------------
(defun num-hojas ( libro / coleccion-libros mi-libro coleccion-hojas)
(if (= (type libro) (type "H")) ; STR: libro es un nombre y hallamos su numero
(setq libro (ver-num-libro libro))
) ; if
(setq coleccion-libros (vlax-get-property apl-excel "workbooks"))
(setq mi-libro (vlax-get-property coleccion-libros "item" libro))
(setq coleccion-hojas (vlax-get-property mi-libro "sheets"))
(vlax-get-property coleccion-hojas "count" )
) ; defun
; ------------------------------------------------------------------------
; Para ver el Nombre de un Libro de Excel.
; Dato entrada : numero de libro
; ------------------------------------------------------------------------
; ------------------------------------------------------------------------
(defun lista-libros ( / num_libros contador name_libro lista_libros)
(setq num_libros (num-libros))
(setq lista_libros nil)
(setq contador 1)
(repeat num_libros
(setq name_libro (ver-name-libro contador))
(setq lista_libros (cons name_libro lista_libros))
(setq contador (1+ contador))
) ; repeat
(reverse lista_libros)
) ; defun
; ------------------------------------------------------------------------
; Lista de Hojas de un Libro abierto en EXCEL.
; Datos entrada: - numero o nombre de libro
; ------------------------------------------------------------------------
(defun lista-hojas-libro (libro / name_libro num_hojas lista-hojas contador name_hoja)
(if (= (type libro) (type "H")) ; STR: libro es un numero y hallamos su nombre
(setq libro (ver-name-libro libro))
) ; if
(setq name_libro (ver-name-libro libro))
(setq num_hojas (num-hojas libro))
(setq lista-hojas nil)
(setq contador 1)
(repeat num_hojas
(setq name_hoja (ver-name-hoja (ver-name-libro libro) contador))
(setq lista-hojas (cons name_hoja lista-hojas))
(setq contador (1+ contador))
) ; repeat
(setq lista-hojas (reverse lista-hojas))
(setq lista-hojas (cons name_libro (list lista-hojas)))
) ; defun
; --------------------------------------------------------------------------------
; Ver numero correspondiente a un Libro de EXCEL (dado por su nombre).
; Datos entrada: - nombre de libro
; OJO: esta orden es sensible a las mayusculas por lo que el nombre debe ser exacto.
; ---------------------------------------------------------------------------------
(defun ver-num-libro (libro / lista_libros lll ll_libos posicion)
(setq lista_libros (lista-libros))
(if (member libro lista_libros)
(progn
(setq posicion 0)
) ; progn
) ; if
) ; progn
(progn
(prompt (strcat
"\n El Libro indicado (" libro ") no esta abierto."))(print)
(setq posicion 0)
) ; progn
) ; if & progn
; (print posicion)
(if (= posicion 0) (setq posicion nil) (setq posicion posicion))
) ; defun
; --------------------------------------------------------------
; Ejecucion de MACRO de EXCEL desde ACAD
; Los datos de entrada son:
; LIBRO = nombre del libro en el que esta definida la macro.
; MACRO = nombre de la macro a ejecutar.
; Ademas previamente deberiamos considerra situar la hoja.
; --------------------------------------------------------------
(setq libro "Libro1")
(setq macro "Macro1")
(defun run_macro ( libro macro / micadena lacosa )
(setq micadena (strcat libro "!" macro))
; (setq lacosa (vlax-invoke-method apl-excel 'Run.Application "Libro1!Macro1"))
(setq lacosa (vlax-invoke-method apl-excel 'Run.Application micadena))
; La siguiente linea tambien funciona sustituyendo a la anterior.
; (setq lacosa (vlax-invoke apl-excel 'Run.Application micadena))
(print)
) ; defun
;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;
;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;
; Para cambiar el color de una celda de Excel desde Acad
(defun cambia_color_celda (/)
; --------------------------------------------------------------------------------
- Quisiera usted decirme qu camino debo tomar para irme de aqu?, pregunt Alicia.
- Eso depende, en mucho, del lugar donde quiera ir, respondi el Gato.
- No me preocupa mayormente el lugar..., dijo Alicia.
- En tal caso, poco importa el camino, declar el Gato.
- ... con tal de llegar a alguna parte, aadi Alicia.
- Oh!, dijo el Gato: puede estar usted segura de llegar, con tal de que camine durante un
tiempo bastante largo ...