Algoritmos

INFORME ESCRITO SOBRE SELECCIÓN Y APLICACIÓN DE REGLAS DE
DESPACHO EN SISTEMAS DE PRODUCCIÓN CON MÁQUINAS

SECUENCIALES APLICANDO WIN-QSB
BERNAL TORRES LEIDY STEFANY

MORALES BETANCOURT EMILY ANDREA
PALACIO FLÓREZ JORGE ARMANDO
RODRÍGUEZ FERNÁNDEZ ANGIE PAOLA
SENA CENTRO DE GESTIÓN INDUSTRIAL

GESTIÓN DE LA PRODUCCIÓN INDUSTRIAL
CÓDIGO SOFIA: 467015
BOGOTÁ.D.C
2014
INFORME ESCRITO SOBRE SELECCIÓN Y APLICACIÓN DE REGLAS DE
DESPACHO EN SISTEMAS DE PRODUCCIÓN CON MÁQUINAS
SECUENCIALES APLICANDO WIN-QSB
BERNAL TORRES LEIDY STEFANY

MORALES BETANCOURT EMILY ANDREA
PALACIO FLÓREZ JORGE ARMANDO
RODRÍGUEZ FERNÁNDEZ ANGIE PAOLA
MSc. Ing. LUIS EDUARDO LEGUIZAMON CASTELLANOS
SENA CENTRO DE GESTIÓN INDUSTRIAL

GESTIÓN DE LA PRODUCCIÓN INDUSTRIAL
CÓDIGO SOFIA: 467015
BOGOTÁ.D.C
2014
TABLA DE CONTENIDO
INTRODUCCIÓN...........................................................................................................................10
1. OBJETIVO GENERAL..........................................................................................................11
1.1 OBJETIVOS ESPECIFICOS........................................................................................11
2.1 SECUENCIACIÓN DE TAREAS EN CENTROS DE TRABAJOS...............................12
2.2 OBJETIVOS DE LAS SECUENCIACIÓN DE TRABAJOS...........................................12
2.4 CENTRO DE TRABAJO O PUESTO DE TRABAJO.....................................................13
2.5 METAHEURÍSTICAS:.........................................................................................................14
2.6 ALGORITMOS METAHEURÍSTICOS..............................................................................14
3. APLICACIÓN DE LOS MÉTODOS A LA EMPRESA INDUSTRIAS METÁLICAS
LUCENA.........................................................................................................................................15
3.1 TRABAJOS EN 1 MÁQUINA.............................................................................................15
3.1.1 Reglas decisorias para una máquina........................................................................17
3.1.1.1 Primeros en entrar primeros en salir (PEPS). El método (PEPS) primero en
entrar primero en salir. Es aquel inventario que se adquirió primero y se vendió
primero. Este método se basa en el principio de que los costos de materiales deben
ser cargados a la producción en el orden y al precio de la compra original.................17
3.1.2 Reglas decisorias dinámicas para una máquina. Estas.........................................94
3.1.3 Algoritmo de hodgson (AH)......................................................................................118
3.1.4 Algoritmo de atraso mínimo......................................................................................130
Análisis de temporización.......................................................................................................133
3.1.5 Algoritmo de atraso mínimo con fecha de entrega común...................................134
3.1.6 Algoritmo de Rachamadugo. Para realizar el algoritmo de Rachamadugo para la
silla universitaria se tomó una de las maquinas que hacen parte de la fabricación del
producto (punzadora)..........................................................................................................134
3.2 METAHURÍSTICA.............................................................................................................135
3.2.1 Búsqueda en la vecindad.........................................................................................136
3.3 ALGORITMO GENÉTICO................................................................................................143
3.3 SIMULACIÓN POR RECOCIDO....................................................................................146
3.4 BUSQUEDA TABÚ............................................................................................................149
3.5 COLONIA DE HORMIGAS..............................................................................................159
3.6 N TRABAJOS EN 2 MÁQUINAS....................................................................................160
3.6.1. Algoritmo Johnson....................................................................................................160
3.6.2 Solución de algoritmo Johnson por WIN-QSB.......................................................160
3.7 N TRABAJOS EN 3 MÁQUINAS....................................................................................160
3.7.1. Algoritmo Johnson....................................................................................................160
3.7.2 Solución de algoritmo Johnson por WIN-QSB.......................................................160
3.8 ALGORITMO INGALL......................................................................................................160
3.9 N TRABAJOS EN N MÁQUINAS....................................................................................160
3.9.1 Algoritmo Palmer (AP) (1965). Palmer propone un índice de máximo orden,
para secuenciar los trabajos en las máquinas basados en el tiempo de proceso. La
idea es dar prioridad a los trabajos cuyos tiempos de proceso tienden a
incrementarse de máquina a máquina. Mientras los trabajos cuyo tiempo de proceso
tiende a decrecer de máquina a máquina recibirán una prioridad baja. La heurística
programa los trabajos en orden decreciente según el valor del índice. Por tanto su
objetivo es minimizar el valor máximo de terminación...................................................160
3.9.2 Algoritmo Company (AC). Este algoritmo es una guía que sirve para minimizar
el tiempo de procesamiento en donde se establece la secuencia de un grupo de
trabajos en dos centros de trabajo, al mismo tiempo minimiza el tiempo muerto total
en los centros de trabajo. Usado para la secuencia de número de trabajos a través
de dos máquinas en el mismo orden (véase cuadro 79)..............................................165
3.9.3 Algoritmo Campbell, Dudek y Smith (CDS). Para la realización de este algoritmo
se tiene en cuenta el algoritmo de palmer y para el ordenamiento de pedidos se
utiliza la regla de Johnson para dos máquinas, calculando las máquinas virtuales con
la siguiente formulación......................................................................................................166
3.9.4 Algoritmo Gupta (AG)................................................................................................171
 Análisis de temporización algoritmo Gupta..............................................................173
3.9.4.1 Solución de los métodos de n pedidos en m máquinas en winQSb...............174
3.9.5 Algoritmo Dannenbring (AD). Dannenbring en el año 1972 diseño un método
que combina las ventajas de la heurística de Palmer y CDS. Su idea es construir dos
(2) máquinas en las que pueda aplicar el algoritmo de Johnson, pero que la
consecución de los tiempos de proceso refleje el mismo comportamiento como el
índice máximo de Palmer. Para secuenciar los pedidos con el algoritmo de
Dannenbring se deben seguir los siguientes pasos:......................................................177
3.9.6 Algoritmo de Hundal y Rajgopal (AHR)..................................................................181
3.9.7 Algoritmo de Ho y Chang (AHC)..............................................................................185
LISTA DE CUADROS
Cuadro 1. Datos iniciales de n trabajos en una máquina, silla universitaria.........................13

Cuadro 2. Resumen de secuenciación (PEPS) silla universitaria..........................................16
Cuadro 3. Datos iniciales de tiempo de flujo para la secuenciación TMCP...........................18
Cuadro 4. Resumen de secuenciación (TMCP) silla universitaria..........................................20
Cuadro 5. Ordenamiento de los pedidos para la secuenciación TMLP.................................22
Cuadro 6. Resumen de secuenciación (TMLP) silla universitaria..........................................24
Cuadro 7. Ordenamiento de los clientes para la secuenciación PC......................................27
Cuadro 8. Resumen de secuenciación (PC) silla universitaria...............................................28
Cuadro 9. Orden de menor a mayor de tij /wij ...................................................................31
Cuadro 10. Resumen de secuenciación (TMCPP) silla universitaria.....................................33
Cuadro 11. Ordenamiento de los tiempos de entrega (TMCE)...............................................35
Cuadro 12. Resumen de secuenciación (TMCE) silla universitaria.......................................37
Cuadro 13. Calculo de holgura mínima......................................................................................39
Cuadro 14. Ordenamiento de holgura mínima..........................................................................40
Cuadro 15. Resumen de secuenciación (HM) silla universitaria...........................................41
Cuadro 16. Ordenamiento de holgura dinámica mínima.........................................................44
Cuadro 17. Resumen de secuenciación (HD) silla universitaria.............................................46
Cuadro 18. Ordenamiento de razón cítrica................................................................................49
Cuadro 19. Resumen de secuenciación (RC) silla universitaria............................................51
Cuadro 20. Semilla inicial con el tiempo más corto de atraso (TMCP)..................................53
Cuadro 21. Adición de columna SK............................................................................................53
Cuadro 22. Selección de (k) como P4........................................................................................54
Cuadro 23. Ubicación de menor tiempo de procesamiento al final de la secuencia............54
Cuadro 24. Nueva selección de menor tiempo de procesamiento P3...................................55
Cuadro 25. Calculo de datos para la nueva secuencia hallada P3........................................55
Cuadro 34. Datos iniciales para la secuenciación de (IAP).....................................................62
Cuadro 35. Secuencia de tiempo más corto de procesamiento (TMCP)..............................63
Cuadro 36. Nueva semilla cuando k=1......................................................................................63
Cuadro 37. Intercambio adyacente por pares con la nueva semilla......................................64
Cuadro 38. Intercambio por pares cuando S=1, iteración 1....................................................65
Cuadro 39. Intercambio por pares cuando s=2, iteración 2.....................................................65
Cuadro 40. Intercambio por pares cuando s=3, iteración 3...................................................66
Cuadro 43. Inserción 1 cuando k=1............................................................................................67
Cuadro 48. Secuencias TMCP y TMCPP..................................................................................70
Cuadro 49. Secuencias aleatorias..............................................................................................70
Cuadro 50. Secuencias de padres..............................................................................................70
Cuadro 51. Secuencias descendientes......................................................................................71
Cuadro 52. Mutación del descendiente......................................................................................71
Cuadro 53. Nueva población (2).................................................................................................71
Cuadro 54. Semilla seleccionada TMCP....................................................................................72
Cuadro 55. Intercambio adyacente por pares 1 iteración, semilla seleccionada.................73
Cuadro 56. Intercambio adyacente por pares 2 iteración........................................................74
Cuadro 57. Intercambio adyacente por pares 3 iteración........................................................74
Cuadro 58. Secuencia de pedidos de TMCP (Búsqueda Tabú).............................................75
Cuadro 59. Posiciones a intercambiar........................................................................................76
Cuadro 60. Cálculo de los k.........................................................................................................87
Cuadro 61. Cálculo de los ei y gi.................................................................................................87
Cuadro 62. Secuencia de Algoritmo de Gupta..........................................................................88
Cuadro 63. Calculo del S1 y S2..................................................................................................95
Cuadro 64. Secuencia Algoritmo Dannenbring.........................................................................95
Cuadro 65. Calculo del S1 y S2..................................................................................................99
Cuadro 66. Secuencia S1............................................................................................................99
Cuadro 67. Secuencia S2............................................................................................................99
Cuadro 68. Secuencia de palmer..............................................................................................100
LISTA DE FIGURAS
Figura 1. Secuenciación de la regla decisoria PEPS...............................................................17

Figura 2. Secuenciación de la regla decisoria TMCP...............................................................21
Figura 3. Secuenciación de la regla decisoria TMLP................................................................26
Figura 4. Secuenciación de la regla decisoria PC....................................................................30
Figura 5. Secuenciación de la regla decisoria TMCPP............................................................35
Figura 6. Secuenciación de la regla decisoria TMCE...............................................................39
Figura 7. Secuenciación de la regla decisoria HM...................................................................43
Figura 8. Secuenciación de la regla decisoria HD....................................................................48
Figura 9. Secuenciación de la regla decisoria RC....................................................................52
Figura 10. Secuenciación del algoritmo hodgson (AH)............................................................60
Figura 11. Estructura tabú............................................................................................................77
Figura 12. Iteración tabú..............................................................................................................77
Figura 13. Iteración 1 tabú..........................................................................................................78
Figura 14. Iteración 2 tabú...........................................................................................................78
Figura 22. Iteración 10 tabú.........................................................................................................82
Figura 28. Diagrama de Gantt algoritmo de Gupta...................................................................88
Figura 29. Ingresar al programa y Job Scheduling...................................................................89
Figura 30. Ventana inicial............................................................................................................90
Figura 31. Insertar los datos del problema................................................................................90
Figura 32. Selección del método o algoritmo...........................................................................91
Figura 33. Datos del problema resuelto.....................................................................................91
Figura 34. Gráfica de Gantt Algoritmo de Gupta.......................................................................92
Figura 35. Diagrama de Gantt del algoritmo Dannenbring......................................................96
Figura 37. Diagrama de Gantt Hundal y Rajgopal..................................................................100
INTRODUCCIÓN
La secuenciación de pedidos se define como el proceso mediante el cual se

determina la prioridad de servicio o procesamiento de los pedidos o trabajos que
esperan frente a los centros de trabajo o máquinas para ser procesados. En el
siguiente informe se realizaran los diferentes algoritmos que secuenciarán los
pedidos de los productos escogidos de la empresa Industrias Metálicas Lucena,
para de esta forma identificar que método arroja la secuencia con un tiempo de
atraso mínimo.
11
1. OBJETIVO GENERAL
Realizar los algoritmos de secuenciación a diferentes pedidos de los productos
seleccionados por el grupo proyecto de la empresa industrias metálicas Lucena
para así identificar cual arroja una secuencia más óptima para la compañía.
1.1 OBJETIVOS ESPECIFICOS
Determinar la importancia de la metauristica en una empresa y sus diferentes

algoritmos.
Identificar la aplicación de cada uno de los métodos de secuenciación y aplicarlos a

los pedidos de los productos escogidos.
Evidenciar cuál de los métodos realizados es el que arroja una mejor solución y
más viable para su aplicación en la empresa proyecto.
Establecer las ventajas y desventajas que tiene la aplicación de un modelo

metaheurísticos en la empresa proyecto.
2. MARCO TEORICO
12
2.1 SECUENCIACIÓN DE TAREAS EN CENTROS DE TRABAJOS.
Las técnicas de carga de trabajo sirven para controlar la capacidad y destacar el

exceso o falta de trabajo. Las secuenciación específica el orden en que deben
realizarse los trabajos en los centros de trabajo y así encontrar el orden más
adecuado para que el tiempo del procesamiento sea el mínimo.
Los métodos de secuenciación deben cumplir con ciertas reglas de prioridad, las
cuales proporcionan lineamientos para establecer la secuencia en que deben
realizarse los trabajos. Las reglas de prioridad más conocidas son:
 Primero en entrar, primero en salir (PEPS).
 Tiempo de procesamiento más corto (TPC).
 Fecha de entrega más próxima (FEP).
 Tiempo de procesamiento más largo (TPL).
 Razón crítica (RC).
 Regla de Johnson.
2.2 OBJETIVOS DE LAS SECUENCIACIÓN DE TRABAJOS.
 Termino de productos en la fecha de entrega.

 Minimización del tiempo de entrega.
 Minimización del tiempo en proceso.
 Maximización de la utilización del centro de trabajo.
 Menor costo de producción.
 Maximización de utilidades.
2.3 TIPOS DE SECUENCIACIÓN.
 Secuenciación simple: La secuenciación simple consiste en determinar el orden

en que se debe realizarlos trabajos en un centro de trabajo. La secuenciación de
trabajos, que forma parte del proceso de control en un sistema de fabricación, es
necesaria cuando un conjunto común de recursos debe ser compartido, para
fabricar una serie de productos durante el mismo periodo de tiempo. El objetivo de
la secuenciación es la asignación eficiente de máquinas y otros recursos a los
trabajos, o a las operaciones contenidas en estos, y la determinación del momento
en el que cada uno de estos trabajos debe procesarse.
13
 Secuenciación de pedidos: Esta actividad consiste, en la determinación del orden
en que serán procesados los pedidos en cada centro de trabajo, una vez
establecida la existencia de capacidad. El problema de la Secuenciación se hace
más complejo en la medida que aumenta el número de centros de trabajo, sin
importar la cantidad de pedidos; así mismo, es importante tomar en cuenta el tipo
de configuración del taller, pues de esto depende la aplicabilidad de las diferentes
técnicas, las técnicas más conocidas son:
 Técnicas de Secuenciación en una máquina: algoritmo húngaro, algoritmo de

Kauffman, regla SPT y el método de persecución de objetivos utilizado en los
sistemas Kanban.
 Técnicas de Secuenciación en varias máquinas: regla de Johnson para N pedidos

y dos máquinas, regla de Johnson para N pedidos y tres máquinas y reglas para N
pedidos y M máquinas (algoritmo de Campbell-Dudek-Schmith, algoritmo de Bera,
técnicas de simulación, sistemas expertos y más recientemente los Sistemas
Cooperativos Asistidos).
 Secuenciación múltiple: Es determinar el orden en que se debe realizar los

trabajos en dos o más centros de trabajo.
2.4 CENTRO DE TRABAJO O PUESTO DE TRABAJO.
Es el lugar donde se procesan o atienden los pedidos a realizar, allí las tareas
fluyen por diferentes departamentos en lotes que corresponden a los pedidos de los
clientes para ser atendidos, su espera se denomina como (cola) ya que por orden
van pasando por el centro para así salir al cliente final o a un siguiente proceso. 1
2.5 METAHEURÍSTICAS:
Son algoritmos aproximados de propósito general consistentes en procedimientos it

erativos que guían una heurística subordinada combinando de
14
forma inteligente distintos conceptos para explorar y explotar adecuadamente el
espacio de búsqueda.
2.6 ALGORITMOS METAHEURÍSTICOS.
Los algoritmos metaheurísticos son algoritmos aproximados de optimización y

búsqueda de propósito general. Son procedimientos iterativos que guían una
heurística subordinada combinando de forma inteligente distintos conceptos para
explorar y explotar adecuadamente el espacio de búsqueda. 2
3. APLICACIÓN DE LOS MÉTODOS A LA EMPRESA INDUSTRIAS

METÁLICAS LUCENA
3.1 TRABAJOS EN 1 MÁQUINA
Este algoritmo consiste en secuenciar n trabajos en una máquina. En donde se

requiere para su desarrollo los tiempos de procesamiento de n trabajos en n
máquinas y para su desarrollo se utilizara las reglas decisorias de secuenciación.
Para esto se deben tener en cuenta diferentes conceptos los cuales serán usados
generalmente dentro de las diferentes secuenciaciones que tiene el algoritmo de
una sola máquina.
 t ij =¿ Tiempo de procesamiento. Es el tiempo que se emplea para el desarrollo
del trabajo en la máquina.
 te ij =¿ Tiempo comprometido de entrega. Es el tiempo en el cual se acuerda

terminar el trabajo para su posterior entrega.
15
 W ij =¿ Importancia del cliente. Es el nivel de importancia que tiene la empresa
frente a él cliente.
Por otra parte se muestran a continuación los datos iníciales que se requieren para
el desarrollo de todas las reglas decisoria de secuenciación como lo son: tiempo de
procesamiento que se encuentra dado en (horas), tiempo comprometido de entrega
que también se encuentra dado en (horas) y el nivel de importancia del cliente.
Estos datos serán desarrollados con los productos: silla universitaria, cajonera y
silla plástica. Los cuales requerirán de una máquina diferente para el desarrollo del
algoritmo con cada producto (véase cuadro 1, 2 Y 3). Las máquinas que requieren
cada producto son:
 Silla universitaria máquina a utilizar cortadora de tubo.
 Cajonera máquina a utilizar cortadora de lámina.
 Silla plástica máquina a utilizar inyectora.
A continuación se muestran los datos que se requieren de los tres productos para
el desarrollo de los algoritmos.
 Producto silla universitaria máquina a emplear cortadora de tubo (véase cuadro 1).
Cuadro 1. Datos iniciales de silla universitaria
SILLA UNIVERSITARIA
CANTIDAD t ij te ij
W ij
DE PEDIDO (HORAS (HORAS)
)
Pedido uno 5567 111 114 5
(P1)
Pedido dos 2079 41 153 3
(P2)
Pedido tres 1600 32 188 6
(P3)
Pedido 1010 20 363 2
cuatro (P4)
Pedido cinco 4500 90 304 7
(P5)
Pedido seis 2800 56 211 4
(P6)
Fuente. Autores
16
 Producto cajonera máquina a emplear cortadora de lámina (véase cuadro 2).
Cuadro 2. Datos iniciales de cajonera
CAJONERA
CANTIDAD DE t ij te ij W ij
PEDIDO (HORAS) (HORAS)
Pedido uno
(P1) 100 7 15 4
Pedido dos
(P2) 80 3 16 6
Pedido tres
(P3) 95 4 10 3
Pedido
cuatro (P4) 111 6 14 8
Pedido
cinco (P5) 70 2.5 7 2
Pedido seis
(P6) 55 2 18 5
Fuente. Autores
 Producto silla plástica máquina a emplear inyectora (véase cuadro 3).

Cuadro 3. Datos iniciales de silla plática.
SILLA PLÁSTICA
CANTIDAD t ij te ij W ij
DE PEDIDO (HORAS) (HORAS)
Pedido uno 650 11 86 2
(P1)
Pedido dos 900 16 28 4
(P2)
Pedido tres 470 8 36 3
(P3)
Pedido 1000 18 54 6
cuatro (P4)
Pedido cinco 1800 32 12 7
(P5)
Pedido seis 500 9 95 3
(P6)
Fuente. Autores
17
A continuación se desarrollaran cada uno de las secuenciaciones que comprende el
algoritmo de reglas decisorias de una sola máquina para los tres productos.
3.1.1 Reglas decisorias para una máquina. Estas reglas sirven para determinar la
secuencia en la que se harán los trabajos en este caso los pedidos en cada
máquina. Dentro de las reglas decisorias para una sola máquina se encuentras los
métodos de:
 Primeros en entrar primero en salir (PEPS)
 Tiempo más corto en procesamiento (TMCP)
 Tiempo más largo en procesamiento (TMLP)
 Ponderación de clientes (PC)
 Tiempo más corto de procesamiento ponderado (TMCPP)
 Holgura mínima (HM)
Estos métodos serán desarrollados cada uno a continuación:
3.1.1.1 Primeros en entrar primeros en salir (PEPS). El método (PEPS) primero en

entrar primero en salir. Es aquel inventario que se adquirió primero y se vendió
primero. Este método se basa en el principio de que los costos de materiales deben
ser cargados a la producción en el orden y al precio de la compra original.
Para el desarrollo de esta secuenciación se requieren una serie de pasos los cuales
son:
 Se desarrollara el PEPS para la silla universitaria teniendo en cuenta la máquina
cortadora de tubo.
 Tiempo de flujo del pedido ( tf ij ). Son la sumatoria de los tiempos de

procesamiento ( t ij ) de la frecuencia absoluta acumulada (ver ecuación 1).
n
tf ij =∑ t ij (1)
i =1
tf ij =111+ 41=152
tf ij =152+32=184
tf ij =184 +20=204
tf ij =204 +90=294
tf ij =294 +56=350
∑ tf ij =1295
 Retraso del pedido ( Rij ). Es la resta entre el tiempo de flujo ( tf ij ) menos el

tiempo de entrega ( te ij ) (ver ecuación 2).
18
Rij =tf ij−te ij (2)
Rij =111−114=−3
Rij =152−153=−1
Rij =184−188=−4
Rij =204−363=−432
Rij =294−304=−10
Rij =350−211=139
∑ Rij =−311
 Atraso del pedido ( A ij ). Es el máximo valor entre 0 y el retraso ( Rij ) (ver

ecuación 3).
A ij =max (0, R ij ) (3)
A ij =Max ( 0,−3 )=0

A ij =Max ( 0,−1 ) =0
A ij =Max ( 0,−4 ) =0
A ij =Max ( 0,−432 )=0
A ij =Max ( 0,−10 )=0
A ij =Max ( 0,139 )=139
∑ A ij =139
 Adelanto de los pedidos ( Eij ). Es el máximo valor entre 0 y menos el retraso (

Rij ) (ver ecuación 4).
R
¿
ij (4)
¿¿
¿
Eij =max {0−¿
Eij =max {0−(−3 ) }=3

Eij =max {0−(−1 ) }=1
Eij =max {0−(−4 ) }=4
Eij =max {0−(−432 ) }=432
Eij =max {0−(−10 ) }=10
Eij =max {0−(−139 ) }=0
∑ Eij =450
19
En el siguiente cuadro se muestra el resumen de los cálculos hallados
anteriormente para la secuenciación de PEPS (véase cuadro 4).
Cuadro 4. Resumen de secuenciación (PEPS) silla universitaria.
Pedido t ij te ij W ij t fij Rij A ij Eij
P1 111 114 5 111 -3 0 3
P2 41 153 3 152 -1 0 1
P3 32 188 6 184 -4 0 4
P4 20 636 2 204 -432 0 432
P5 90 304 7 294 -10 0 10
P6 56 211 4 350 139 139 0
TOTAL 350 1295 -311 139 450

Fuente. Autores
Después de obtener los cálculos correspondientes de la secuenciación de PEPS se
procede a realizar el respectivo análisis de temporización.
 Análisis de temporización. Para realizar el análisis de la temporización del
método PEPS se deben tener en cuenta los siguientes aspectos.
 Tiempo total de terminación de todos los pedidos. Es la sumatoria de todos los

tiempos de procesamiento de los trabajos ( t ij ¿ (ver ecuación 5).
TTTT =∑ t ij (5)
TTTT =111+ 41+ 32+20+ 90+56=350 Horas /Pedido

 Tiempo promedio de terminación por pedido. Es la sumatoria total del tiempo de
flujo ( ∑ tf ij ) divido entre la cantidad de trabajos ( n ) (ver ecuación 6).
TT ∑ tf ij
= (6)
Pi n
TT 1295
= =215.833 Horas /Pedido
Pi 6
 Numero promedio de pedidos por hora. Es la sumatoria del tiempo total de flujo (
tf ij ) dividido entre el tiempo de flujo ( t ij ) de cada trabajo (ver ecuación 7).
20
Pi ∑ tf ij
= (7)
h ∑ t ij
Pi 1295
= =3.7 Pedidos /Hora
h 350
 Tiempo promedio de atraso por pedido. Es la sumatoria de todos los atrasos (
A ij ) de los trabajos divido entre el número de pedidos ( n ) (ver ecuación 8).
n
∑ (8)
A ij = j =1
n
139
A ij = =23.1666 Horas/ Pedido
6
 Factor servicio. Son los pedidos entregados a tiempo sobre el número total de
pedidos (ver ecuación 9).
FS= ( Nn )∗100 (9)
FS= ( 56 )∗100 =83.33

 Tiempo promedio de adelanto. Es la sumatoria de todos los adelantos ( Eij )
divido entre el número de pedidos ( n ) (ver ecuación 10).
n
Eij ∑ /n (10)
j=1
450
Eij =75 Horas /Pedido
6
Finalmente se realiza una gráfica en donde se puede observar la secuenciación de

los pedidos desarrollado con la regla decisoria de PEPS (véase figura 1).
Figura 1. Secuenciación de la regla decisoria PEPS silla universitaria.
21
Object 165
Fuente. Autores
 Análisis de gráfica de secuenciación PEPS. Para tener un atraso de 23 horas por

pedido. La secuenciación de los pedidos son (P1) 111 horas, (P2) 152 horas, (P3)
184 horas, (P4) 204 horas, (P5) 204 horas, (P6) 350 horas como se ve en la gráfica
la suma de los tiempos de procesamiento dan 350 horas que es donde termina el
(P6).
 Se desarrollara el PEPS para la cajonera teniendo en cuenta la máquina cortadora

de lámina.

procesamiento ( t ij ) de la frecuencia absoluta acumulada (véase ecuación 1).
tf ij =7
tf ij =7 +3=10
tf ij =10+ 4=14
tf ij =14 +6=20
tf ij =20+ 2,5=22,5
tf ij =22,5+ 2=24,5
∑ tf ij =98

tiempo de entrega ( te ij ) (véase ecuación 2).
Rij =7−15=−8
Rij =10−16=−6
Rij =14−10=4
22
Rij =20−14=6
Rij =22,5−7=15,5
Rij =24,5−18=6,5
Rij =18
 Atraso del pedido ( A ij ). Es el máximo valor entre 0 y el retraso ( Rij ) (véase

ecuación 3).
A ij =max (0,−8)=0
A ij =max (0,−6)=0
A ij =max (0, 4)=4
A ij =max (0, 6)=6
A ij =max (0,15.5)=15.5
A ij =max (0, 6.5)=6.5
∑ A ij =32

Rij ) (véase ecuación 4).
Eij =max {0−(−8 ) }=8

Eij =max {0−(−6 ) }=6
Eij =max {0−( 4 ) }=0
Eij =max {0−( 6 ) }=0
Eij =max {0−( 15.5 ) }=0
Eij =max {0−( 6.5 ) }=0
∑ Eij =14

Cuadro 5. Resumen de secuenciación (PEPS) cajonera.

Pedido t ij te ij W ij t fij Rij A ij Eij
P1 7 15 4 7 -8 0 8
P2 3 16 6 10 -6 0 6
23
P3 4 10 3 14 4 4 0
P4 6 14 8 20 6 6 0
P5 2,5 7 2 22,5 15,5 15,5 0
P6 2 18 5 24,5 6,5 6,5 0
TOTAL 24,5 98 18 32 14
Fuente. Autores

tiempos de procesamiento de los trabajos ( t ij ¿ (véase ecuación 5).
TTTT =7 +3+4 +6+2,5+ 2=24,5 Horas/ Pedido

flujo ( ∑ tf ij ) divido entre la cantidad de trabajos ( n ) (véase ecuación 6).
TT 98
= =16,333 Horas /Pedido
Pi 6
tf ij ) dividido entre el tiempo de flujo ( t ij ) de cada trabajo (véase ecuación 7).
Pi 98
= =4 Pedidos/ Hora
h 24
A ij ) de los trabajos divido entre el número de pedidos ( n ) (véase ecuación 8).
32
A ij = =5,333 Horas /Pedido
6
pedidos (véase ecuación 9).
FS= ( 26 )∗100 =33,33

24
divido entre el número de pedidos ( n ) (véase ecuación 10).
14
6
Object 285 Figur

a 2. Secuenciación de la regla decisoria PEPS cajonera.
Fuente. Autores
 Análisis de gráfica de secuenciación PEPS. Para tener un atraso de 5,33 horas

sobre pedido. La secuenciación de los pedidos son (P1) 7 horas, (P2) 10 horas,
(P3) 14 horas, (P4) 20 horas, (P5) 22,5 horas, (P6) 24,6 horas como se ve en la
gráfica la suma de los tiempos de procesamiento dan 24,6 horas que es donde
termina el (P6).
 Se desarrollara el PEPS para la silla plástica teniendo en cuenta la máquina

inyectora.

procesamiento ( t ij ) de la frecuencia absoluta acumulada (véase ecuación 1).
tf ij =11+ 16=27
tf ij =27 +8=35
tf ij =35+ 18=53
25
tf ij =53+ 32=85
tf ij =85+9=94
∑ tf ij =305

tiempo de entrega ( te ij ) (véase ecuación 2).
Rij =11−86=−75
Rij =27−28=−1
Rij =35−36=−1
Rij =53−54−1
Rij =85−12=73
Rij =94−95=−1
∑ Rij =−6

ecuación 3).
A ij =max (0,−75)=0
A ij =max ( 0,−1 )=0
A ij =max ( 0,−1 )=0
A ij =max ( 0,−1 )=0
A ij =max ( 0 ; 73 ) =73
A ij =max ( 0−1 )=0
∑ A ij =73

Eij =max {0−(−75 ) }=75

Eij =max {0−(−1 ) }=1
Eij =max {0−(−1 ) }=1
Eij =max {0−(−1 ) }=1
Eij =max {0−( 73 ) }=0
Eij =max {0−(−1 ) }=1
∑ Eij =79
26
Cuadro 6. Resumen de secuenciación (PEPS) silla plástica.
Pedid t ij te ij W ij t fij Rij A ij Eij
o
P1 11 86 2 11 -75 0 75
P2 16 28 4 27 -1 0 1
P3 8 36 3 35 -1 0 1
P4 18 54 6 53 -1 0 1
P5 32 12 7 85 73 73 0
P6 9 95 3 94 -1 0 1
TOTAL 94 305 -6 73 79
Fuente. Autores

TTTT =11 +16+8+18+ 32+ 9=94 Horas/ Pedido

TT 305
= =50.833 Horas / Pedido
Pi 6
Pi 305
= =3.24468085 Pedidos/ Hora
h 94
27
139
6
FS= ( 56 )∗100 =83.33

79
Eij =13,1666 Horas/ Pedido
6
Figura 3. Secuenciación de la regla decisoria PEPS silla plástica.
Object 403
Fuente. Autores
 Análisis de gráfica de secuenciación PEPS. Para tener un atraso de 12 horas por

pedido. La secuenciación de los pedidos son (P1) 11 horas, (P2) 27 horas, (P3) 35
horas, (P4) 53 horas, (P5) 85 horas, (P6) 94 horas como se ve en la gráfica la suma
de los tiempos de procesamiento dan 94 horas que es donde termina el (P6).
28
3.1.1.2 Tiempo más corto de proceso (TMCP). Este método es el que genera la
minimización en el tiempo de flujo de todos los trabajos que se están procesando, lo
que hace que se minimicen los tiempos de terminación de cada trabajo. Para esto
se deben ordenar los pedidos de mayor a menor según su tiempo de
procesamiento y así determinar el tiempo más corto de procesamiento del pedido.
Para el desarrollo de éste método de secuenciación se requieren de una serie de
pasos los cuales son:
 Se desarrollara el TMCP para la silla universitaria teniendo en cuenta la máquina
cortadora de tubo.
 Ordenar los pedidos. Ordenar los pedidos de menor a mayor según sus tiempos
de procesamiento (véase cuadro 7) (véase ecuación 11).
¿ t ij [ K 1 ] ≤t ij [ k 3] …t t ij [ kn ] (11)
Cuadro 7. Datos de tiempo de flujo para TMCP silla universitaria.

PEDIDO t ij
P4 20
P3 32
P2 41
P6 56
P5 90
P1 111
Fuente. Autores
 Función objetivo. Minimizar el tiempo de flujo total.
 Tiempo de flujo ( tf ij ). Sumar los tiempos de flujo en forma de frecuencia

absoluta acumulada (véase ecuación 1).
tf ij =20
tf ij =20+ 32=52
tf ij =52+ 41=93
tf ij =93+56=149
tf ij =149+ 90=239
tf ij =239+ 111=350
∑ tf ij =903

tiempo de entrega ( te ij ), según el orden que se realizó (véase ecuación 2).
29
Rij =20−636=−616
Rij =52−188=−136
Rij =93−153=−60
Rij =149−211=−62
Rij =239−304=−65
Rij =350−114=236
∑ Rij =−703

ecuación 3).
A ij =Max ( 0,−616 )=0
A ij =Max ( 0,−136 )=0
A ij =Max ( 0,−60 )=0
A ij =Max ( 0,−62 ) =0
A ij =Max ( 0,−65 )=0
A ij =Max ( 0, 236 )=236
∑ A ij =236

Eij =max {0−(−616 ) }=616

Eij =max {0−(−136 ) }=136
Eij =max {0−(−60 ) }=60
Eij =max {0−(−62 ) }=62
Eij =max {0−(−65 ) }=65
Eij =max {0−( 236 ) }=0
∑ Eij =939

anteriormente para la secuenciación de TMCP (véase cuadro 8).
Cuadro 8. Resumen de secuenciación (TMCP) silla universitaria.
Pedid t ij te ij W ij Pedid t ij te ij t fij Rij A ij Eij
o o
P1 111 114 5 P4 20 636 20 -616 0 616
P2 41 153 3 P3 32 188 52 -136 0 136
P3 32 188 6 P2 41 153 93 -60 0 60
30
P4 20 636 2 P6 56 211 149 -62 0 62
P5 90 304 7 P5 90 304 239 -65 0 65
P6 56 211 4 P1 111 114 350 236 236 0
23 93
TOTAL 350 903 -703 6 9
Fuente. Autores

método TMCP se utilizaran los siguientes aspectos.

TT 903
= =150.5 Horas /Pedido
Pi 6
Pi 903
= =2,58 Pedidos / Hora
h 350
236
6
FS= ( 56 )∗100 =83.33

939
Eij =156.5 Horas/ Pedido
6
31
los pedidos desarrollado con la regla decisoria de TMCP (véase figura 4).
Figura 4. Secuenciación de la regla decisoria TMCP silla universitaria.
Object 529
Fuente. Autores
 Análisis de gráfica de secuenciación TMCP. Para tener un atraso de 39.33 horas

por pedido. La secuenciación de los pedidos es de P4 terminado en 20 horas, (P3)
52 horas, (P2) 93 horas, (P6) 149 horas, (P5) 239 horas, (P1) 350, como se ve en la
gráfica la suma de los tiempo de procesamiento dan 350 horas que es donde
termina el P1.
 Se desarrollara el TMCP para la cajonera teniendo en cuenta la máquina

cortadora de lámina.
PEDIDO t ij
P6 2
P5 2,5
P2 3
P3 4
P4 6
P1 7
Fuente. Autores
32
tf ij =2
tf ij =2+2,5=4,5
tf ij =4,5+3=7,5
tf ij =7,5+ 4=11,5
tf ij =11,5 +6=17,5
tf ij =17,5+7=24,5
∑tf ij =67,5

Rij =2−18=−16
Rij =4,5−7=−2,5
Rij =7,5−16=−8,5
Rij =11,5−10=1,5
Rij =17,5−14=3,5
Rij =24,5−15=9,5
∑ Rij =−12,5

ecuación 3).
A ij =Max ( 0,−16 )=0
A ij =Max ( 0,−2,5 )=0
A ij =Max ( 0,−8,5 )=0
A ij =Max ( 0,1.5 )=1.5
A ij =Max ( 0,3.5 )=3.5
A ij =Max ( 0, 9.5 )=9.5
∑ A ij =14.5

Eij =max {0−(−16 ) }=16

Eij =max {0−(−2.5 ) }=2.5
Eij =max {0−(−8.5 ) }=12
Eij =max {0−( 1.5 ) }=0
33
Eij =max {0−( 3.5 ) }=0
Eij =max {0−( 9.5 ) }=0
∑ Eij =27

Cuadro 10. Resumen de secuenciación (TMCP) cajonera.
o o
P1 7 15 4 P6 2 18 2 -16 0 16
P2 3 16 6 P5 2,5 7 4,5 -2,5 0 2,5
P3 4 10 3 P2 3 16 7,5 -8,5 0 8,5
P4 6 14 8 P3 4 10 11,5 1,5 1,5 0
P5 2,5 7 2 P4 6 14 17,5 3,5 3,5 0
P6 2 18 5 P1 7 15 24,5 9,5 9,5 0
14,
TOTAL 24,5 67,5 -12,5 5 27
Fuente. Autores


TTTT=7 +3+4 +6+2.5+ 2=24 Horas /Pedido
TT 67.5
= =11,25 Horas/ Pedido
Pi 6
Pi 67.5
= =2,7551 Pedidos/ Hora
h 24.5
34
14.5
A ij = =2,4166667 Horas/ Pedido
6
FS= ( 36 )∗100 =50,00

27
Eij =4,5 Horas /Pedido
6

los pedidos desarrollado con la regla decisoria de TMCP (véase figura 5).
Figura 5. Secuenciación de la regla decisoria TMCP cajonera.
Object 654
35
Fuente. Autores
 Análisis de gráfica de secuenciación TMCP. Para tener un atraso de 2,41 horas

por pedido. La secuenciación de los pedidos es de P6 terminado en 2 horas, (P5)
4,5 horas, (P2) 7,5 horas, (P3) 11,5 horas, (P4) 17,5 horas, (P1) 24,5 horas, como
se ve en la gráfica la suma de los tiempo de procesamiento dan 24,5 horas que es
donde termina el P1.
 Se desarrollara el TMCP para la silla plástica teniendo en cuenta la máquina

inyectora.
PEDIDO t ij
P3 8
P6 9
P1 11
P2 16
P4 18
P5 32
Fuente. Autores
tf ij =8
tf ij =8+9=17
tf ij =17+ 11=28
tf ij =28+ 16=44
tf ij =44+18=62
tf ij =62+32=94
∑tf ij =253
36
Rij =8−36=−28
Rij =17−95=−78
Rij =18−86=−58
Rij =44−28=16
Rij =62−54=8
Rij =94−12=82
∑ Rij =−58

ecuación 3).
A ij =Max ( 0,−28 )=0
A ij =Max ( 0,−78 )=0
A ij =Max ( 0,−58 )=0
A ij =Max ( 0,16 )=16
A ij =Max ( 0, 8 )=8
A ij =Max ( 0, 82 )=82
∑ A ij =106

Eij =max {0−(−28 ) }=28

Eij =max { 0−(−78 ) } =78
Eij =max {0−(−58 ) }=58
Eij =max {0−( 16 ) }=0
Eij =max {0−( 8 ) }=0
Eij =max {0−( 82 ) }=0
∑ Eij =164

Cuadro 12. Resumen de secuenciación (TMCP) silla plástica.
o o
P1 11 86 2 P3 8 36 8 -28 0 28
37
P2 16 28 4 P6 9 95 17 -78 0 78
P3 8 36 3 P1 11 86 28 -58 0 58
P4 18 54 6 P2 16 28 44 16 16 0
P5 32 12 7 P4 18 54 62 8 8 0
P6 9 95 3 P5 32 12 94 82 82 0
TOTAL 94 253 -58 10 16
6 4
Fuente. Autores


TT 253
Pi 6
Pi 253
= =2,69148 Pedidos /Hora
h 94

106
6
FS= ( 36 )∗100 =50,00

38
164
6

los pedidos desarrollado con la regla decisoria de TMCP (véase figura6).
Figura 6. Secuenciación de la regla decisoria TMCP silla plástica
Object 778
Fuente. Autores
 Análisis de gráfica de secuenciación TMCP. Para tener un atraso de 18 horas por

pedido. La secuenciación de los pedidos es de P3 terminado en 8 horas, (P6) 17
horas, (P1) 28 horas, (P2) 44 horas, (P4) 62 horas, (P5) 94, como se ve en la
gráfica la suma de los tiempo de procesamiento dan 94 horas que es donde termina
el P5.
3.1.1.3 Tiempo más largo de proceso (TMLP). Este método es por el cual se
determina el proceso más largo de los pedidos. Para este se debe ordenar de
mayor a menor el tiempo de procesamiento de los pedidos. Para el desarrollo de
éste método de secuenciación se requieren de una serie de pasos los cuales son:
 Se desarrollara el TMLP para la silla universitaria teniendo en cuenta la máquina

cortadora de tubo.
 Ordenar los pedidos. Ordenar de mayor a menor los tiempos de flujo ( t ij )

(véase cuadro 13).
Cuadro 13. Ordenamiento de los pedidos TMLP silla universitaria
39
PEDID t ij
O
P1 111
P5 90
P6 56
P2 41
P3 32
P4 20
Fuente. Autores
tf ij =111
tf ij =111+90=201
tf ij =201+56=257
tf ij =257 +41=298
tf ij =298+ 32=330
tf ij =330+ 20=350
∑ tf ij =1547

Rij =111−114=−3
Rij =201−304=−103
Rij =257−211=46
Rij =298−153=145
Rij =330−188=142
Rij =350−636=−286
∑ Rij =−59

ecuación 3).
A ij =Max ( 0,−3 )=0
A ij =Max ( 0,−103 )=0
A ij =Max ( 0, 46 ) =46
A ij =Max ( 0,145 )=145
A ij =Max ( 0,142 ) =142
40
A ij =Max ( 0,−13 )=0
∑ A ij =333
 Adelanto de los pedidos ( Eij ). Es el máximo valor entre 0 menos el retraso (

Eij =max {0−(−3 ) }=3

Eij =max {0−(−103 ) }=103
Eij =max {0−( 46 ) }=0
Eij =max {0−( 145 ) }=0
Eij =max {0−( 142 ) }=0
Eij =max {0−(−286 ) }=286
∑ Eij =392

anteriormente para la secuenciación de TMLP (véase cuadro 14).
Cuadro 14. Resumen de secuenciación (TMLP) silla universitaria
Pedido t ij te ij W ij Pedido t ij te ij t fij Rij A ij Eij
P1 111 114 5 P1 111 114 111 -3 0 3

P2 41 153 3 P5 90 304 201 -103 0 103
P3 32 188 6 P6 56 211 257 46 46 0
P4 20 636 2 P2 41 153 298 145 145 0
P5 90 304 7 P3 32 188 330 142 142 0
P6 56 211 4 P4 20 636 350 -286 0 286
39
TOTAL 350 1547 -59 333 2
Fuente. Autores

método TMLP se utilizaran los siguientes aspectos.

TTTT =111+90+56 +41+32+20=350 Horas /Pedido
41
Pi 1547
h 6
Pi 1547
h 350
333 Horas
A ij = =55,5
6 Pedido
3
()
FS= ∗100 =50,00
6
392
Eij = =65.333 Horas /Pedido
6

los pedidos desarrollado con la regla decisoria de TMLP (véase figura 7).
Figura 7. Secuenciación de la regla decisoria TMLP silla universitaria.
42
Object 905
Fuente. Autores
 Análisis de gráfica de secuenciación TMLP. Para tener un atraso de 56 horas por

pedido. La secuencia de los pedidos es de P1 terminando en 111 horas, (P5) 201
horas, (P6) 257 horas, (P2) 298 horas, (P3) 330, (P4) 350, como se ve en la gráfica
P4.
 Se desarrollara el TMLP para la cajonera teniendo en cuenta la máquina cortadora

de lámina.

(véase cuadro 15).
Cuadro 15. Ordenamiento de los pedidos TMLP cajonera.
PEDIDO t ij
P1 7
P4 6
P3 4
P2 3
P5 2,5
P6 2
Fuente. Autores
tf ij =7
43
tf ij =7 +6=13
tf ij =13+ 4=17
tf ij =17+ 3=20
tf ij =20+ 2,5=22,5
tf ij =22,5+ 2=24,5
∑ tf ij =104

Rij =7−15=−8
Rij =13−14=−1
Rij =17−10=7
Rij =20−16=4
Rij =22.5−7=15.5
Rij =24.5−18=6.5
∑ Rij =24

ecuación 3).
A ij =max ( 0,−8 )=0
A ij =max ( 0,−1 )=0
A ij =max ( 0, 7 ) =7
A ij =max ( 0, 4 )=4
A ij =max ( 0, 15.5 )=15.5
A ij =max ( 0, 6.5 ) =6.5
∑ A ij =33

Eij =max {0−(−8 ) }=8

Eij =max {0−(−1 ) }=1
Eij =max {0−( 7 ) }=0
Eij =max {0−( 4 ) }=0
Eij =max {0−( 15,5 ) }=0
Eij =max { 0−( 6,5 ) }=0
44
∑ Eij =9

Cuadro 16. Resumen de secuenciación (TMLP) cajonera,
P1 7 15 4 P1 7 15 7 -8 0 8
P2 3 16 6 P4 6 14 13 -1 0 1
P3 4 10 3 P3 4 10 17 7 7 0
P4 6 14 8 P2 3 16 20 4 4 0
P5 2,5 7 2 P5 2,5 7 22,5 15,5 15,5 0
P6 2 18 5 P6 2 18 24,5 6,5 6,5 0
TOTAL 24,5 104 24 33 9
Fuente. Autores


TTTT =7 +3+4 +6+2,2+2=24,5 Horas/Pedido
TT 104
Pi 6
Pi 104
= =4,24489796 Pedidos / Hora
h 24,5
33
A ij = =5,5 Horas/Pedido
6
45
2
()
FS= ∗100 =33,33
6
9
Eij = =1,5 Horas/ Pedido
6
Object 1031 Figur

a 8. Secuenciación de la regla decisoria TMLP cajonera.
Fuente. Autores
 Análisis de gráfica de secuenciación TMLP. Para tener un atraso de 5,5 horas por
horas, (P3) 17 horas, (P2) 20 horas, (P5) 22,5 horas, (P6) 24,5 horas, como se ve
en la gráfica la suma de los tiempos de procesamiento dan 24,5 horas que es
donde termina el P6.
 Se desarrollara el TMLP para la silla plástica teniendo en cuenta la máquina

inyectora.

(véase cuadro 17).
46
Cuadro 17. Ordenamiento de los pedidos TMLP silla plástica.
PEDIDO t ij
P5 32
P4 18
P2 16
P1 11
P6 9
P3 8
Fuente. Autores
tf ij =32
tf ij =32+18=50
tf ij =50+16=66
tf ij =66 +11=77
tf ij =77+ 9=86
tf ij =86+8=94
∑tf ij =405

Rij =32−12=20
Rij =50−54=−4
Rij =66−28=38
Rij =77−86=−9
Rij =86−95=−9
Rij =94−36=58
∑ Rij =94

ecuación 3).
A ij =max ( 0, 20 ) =20
A ij =max ( 0,−4 )=0
A ij =max ( 0, 38 )=38
A ij =max ( 0,−9 )=0
A ij =max ( 0,−9 )=0
A ij =max ( 0, 58 )=58
47
∑ A ij =116

Rij ). (véase ecuación 4).
Eij =max {0−(−20 ) }=0

Eij =max {0−(−4 ) }=4
Eij =max {0−( 38 ) }=0
Eij =max {0−(−9 ) }=9
Eij =max {0−(−9 ) }=9
Eij =max {0−(58)}=0
∑ Eij =22

Cuadro 18. Resumen de secuenciación (TMLP) silla plástica.
P1 11 86 2 P5 32 12 32 20 20 0
P2 16 28 4 P4 18 54 50 -4 0 4
P3 8 36 3 P2 16 28 66 38 38 0
P4 18 54 6 P1 11 86 77 -9 0 9
P5 32 12 7 P6 9 95 86 -9 0 9
P6 9 95 3 P3 8 36 94 58 58 0
TOTAL 94 405 94 116 22
Fuente. Autores


TT 405
Pi 6
48
Pi 405
h 94
116
6
FS= ( 36 )∗100 =50,00

22
Eij = =3,666 Horas / Pedido
6
Figura 9. Secuenciación de la regla decisoria TMLP silla plástica.
Object 1158
Fuente. Autores
49
 Análisis de gráfica de secuenciación TMLP. Para tener un atraso de 19 horas por
horas, (P2) 66 horas, (P1) 77 horas, (P6) 86 horas, (P3) 94 horas, como se ve en la
gráfica la suma de los tiempos de procesamiento dan 94 horas que es donde
termina el P3.
3.1.1.4 Ponderación de cliente (PC). Este método es mediante el cual se le asigna
un nivel de importancia a cada cliente. Y así de esta manera poder realizar una
entrega puntual al cliente. Para el desarrollo de éste método de secuenciación se
requieren de una serie de pasos los cuales son:
 Se desarrollara el PC para la silla universitaria teniendo en cuenta la máquina
cortadora de tubo.
 Orden de los clientes. Se realizara el orden de los clientes según su disposición e

importancia (véase cuadro 19).
Cuadro 19. Ordenamiento de los clientes para PC silla universitaria.
PEDIDO t ij
P5 90
P3 32
P1 111
P6 56
P2 41
P4 20
Fuente. Autores

tf ij =90
tf ij =90+32=122
tf ij =122+111=233
tf ij =233+ 56=289
tf ij =289+ 41=330
tf ij =330+ 20=350
∑tf ij =1414

50
Rij =90−304=−214
Rij =122−188=−66
Rij =233−144=119
Rij =289−211=78
Rij =330−153=177
Rij =350−636=−286
∑ Rij =−192

ecuación 3).
A ij =Max ( 0,−214 )=0
A ij =Max ( 0,−66 )=0
A ij =Max ( 0,119 )=119
A ij =Max ( 0,78 )=78
A ij =Max ( 0,177 )=177
A ij =Max ( 0,−286 )=0
∑ A ij =374

Eij =max {0−(−214 ) }=214

Eij =max {0−(−66 ) }=66
Eij =max {0−( 119 ) }=0
Eij =max {0−( 78 ) }=0
Eij =max {0−( 177 ) }=0
Eij =max {0−(−286)}=286
∑ Eij =566

anteriormente para la secuenciación de PC (véase cuadro 20).
Cuadro 20. Resumen de secuenciación (PC) silla universitaria.
Pedid t ij te ij W ij W ij Pedido t ij te ij t fij Rij A ij Eij
o
P1 111 114 5 7 P5 90 304 90 -214 0 214
P2 41 153 3 6 P3 32 188 122 -66 0 66
P3 32 188 6 5 P1 111 114 233 119 119 0
P4 20 636 2 4 P6 56 211 289 78 78 0
51
P5 90 304 7 3 P2 41 153 330 177 177 0
P6 56 211 4 2 P4 20 636 350 -286 0 286
TOTAL 350 1414 -192 374 566
Fuente. Autores

método PC se utilizaran los siguientes aspectos.

´ 1414
TT
Pi 6
Pi 1414
= =4.04 Pedidos/Hora
h 350
374
A ij = =62.33 Pedidos/Hora
6
FS= ( 36 )∗100 =50

566
6
los pedidos desarrollado con la regla decisoria de PC (véase figura 10).
52
Figura 10. Secuenciación de la regla decisoria PC silla universitaria
Object 1284
Fuente. Autores
 Análisis de gráfica de secuenciación PC. Para tener un atraso de 62 horas por

horas, (P1) 233 horas, (P6) 289 horas, (P2) 330 horas, (P4) 350 horas, como se ve
en la gráfica la suma de los tiempo de procesamiento dan 350 horas que es donde
terminan el P4.
 Se desarrollara el PC para la cajonera teniendo en cuenta la máquina cortadora de

lámina.

Cuadro 21. Ordenamiento de los clientes para PC cajonera.
PEDIDO t ij
P4 6
P2 3
P6 2
P1 7
P3 4
P5 2,5
Fuente. Autores

53
tf ij =6
tf ij =6 +3=9
tf ij =9+2=11
tf ij =11+ 7=18
tf ij =18+ 4=22
tf ij =22+2,5=24,5
∑tf ij =90,5

Rij =6−14=−8
Rij =9−16=−7
Rij =11−18=−7
Rij =18−15=3
Rij =22−10=12
Rij =24,5−7=17,5
∑ Rij =10,5

ecuación 3).
A ij =Max ( 0,−8 )=0
A ij =Max ( 0,−7 )=0
A ij =Max ( 0,−7 )=0
A ij =Max ( 0,3 )=3
A ij =Max ( 0,12 )=12
A ij =Max ( 0,17.5 )=17.5
∑ A ij =¿ 32.5

Eij =max {0−(−8 ) }=8

Eij =max {0−(−7 ) }=7
Eij =max {0−(−7 ) }=7
Eij =max {0−( 3 ) }=0
Eij =max {0−( 12 ) }=0
Eij =max {0−( 17.5 ) }=0
54
∑ Eij =22

Cuadro 22. Resumen de secuenciación (PC) cajonera.
Pedid t ij te ij W ij W ij Pedido t ij te ij t fij Rij A ij Eij
o
P1 7 15 4 8 P4 6 14 6 -8 0 8
P2 3 16 6 6 P2 3 16 9 -7 0 7
P3 4 10 3 5 P6 2 18 11 -7 0 7
P4 6 14 8 4 P1 7 15 18 3 3 0
P5 2,5 7 2 3 P3 4 10 22 12 12 0
P6 2 18 5 2 P5 2,5 7 24,5 17,5 17,5 0
24,
TOTAL 5 90,5 10,5 32,5 22
Fuente. Autores


TTTT =7 +3+4 +6+2.5+ 2=24.5 Horas/ Pedido
´
TT 90.5
Pi 6
Pi 90.5
h 24.5
32.5
A ij = =5,416667 Horas/Pedido
6
55
FS= ( 36 )∗100 =50,00

22
6
Figura 11. Secuenciación de la regla decisoria PC cajonera.
Object 1410
56
Fuente. Autores
 Análisis de gráfica de secuenciación PC. Para tener un atraso de 5,41 horas por
pedido. La secuencia de los pedidos es de P4 terminando en 6 horas, (P2) 9 horas,
(P6) 11 horas, (P1) 18 horas, (P3) 22 horas, (P5) 24,5 horas, como se ve en la
gráfica la suma de los tiempo de procesamiento dan 24,5 horas que es donde
terminan el P5.
 Se desarrollara el PC para la silla plástica teniendo en cuenta la máquina

inyectora.

Cuadro 23. Ordenamiento de los clientes para PC silla plástica
PEDIDO t ij
P5 32
P4 18
P2 16
P3 8
P3 8
P1 11
Fuente. Autores

tf ij =32
tf ij =32+18=50
tf ij =50+16=66
tf ij =66 +8=74
tf ij =74 +8=82
tf ij =82+11=93
∑ tf ij =397

57
Rij =32−12=20
Rij =50−54=−4
Rij =66−28=38
Rij =74−36=38
Rij =82−36=46
Rij =93−86=7
∑ Rij =145

ecuación 3).
A ij =Max ( 0,20 )=20
A ij =Max ( 0,−4 ) =0
A ij =Max ( 0,38 )=38
A ij =Max ( 0,38 )=38
A ij =Max ( 0,46 )=46
A ij =Max ( 0,7 ) =7
∑ A ij =¿ 149

Eij =max {0−( 20 ) }=0

Eij =max {0−(−4 ) }=4
Eij =max {0−( 38 ) }=0
Eij =max {0−( 38 ) }=0
Eij =max {0−( 46 ) }=0
Eij =max {0−( 7 ) }=0
∑ Eij =4

Cuadro 24. Resumen de secuenciación (PC) silla plástica.
Pedido t ij te ij W ij W ij Pedido t ij te ij t fij Rij A ij Eij
P1 11 18 2 7 P5 32 30 32 2 2 0
P2 16 20 4 6 P4 18 27 50 23 23 0
P3 8 15 3 4 P2 16 20 66 46 46 0
58
P4 18 27 6 3 P3 8 15 74 59 59 0
P5 32 30 7 3 P6 9 16 83 67 67 0
P6 9 16 3 2 P1 11 18 94 76 76 0
TOTAL 94 399 273 273 0
Fuente. Autores


´ 397
TT
Pi 6
Pi 397
= =4,223404 Peidos/ Hora
h 94
149
6
FS= ( 16 )∗100 =16,67

4
6
59
Figura 12. Secuenciación de la regla decisoria PC silla plástica
Object 1537
Fuente. Autores
 Análisis de gráfica de secuenciación PC. Para tener un atraso de 25 horas por

horas, (P2) 66 horas, (P3) 74 horas, (P3) 82 horas, (P1) 93 horas, como se ve en la
terminan el P1.
3.1.1.5 Tiempo más corto del procesamiento ponderado (TMCPP). Este método es
donde se busca el tiempo de procesamiento más corto sobre el nivel de importancia
que se le asigna a cada cliente. Para esto se debe ordenar los pedidos de menor a
60
mayor para así determinar el nuevo ordenamiento de los pedidos. Para el desarrollo
de éste método de secuenciación se requieren de una serie de pasos los cuales
son:
 Se desarrollara el TMCPP para la silla universitaria teniendo en cuenta la máquina
cortadora de tubos.
 Realizar la división correspondiente. Se realizara la división del tiempo de

procesamiento ( t ij ) entre el nivel de importancia del cliente ( w ij ) (véase
ecuación 12).
t ij
(12)
wij
t ij 111
= =22,2
wij 5
t ij 41
= =13,6
wij 3
t ij 32
= =5,3
wij 6
t ij 20
= =10
wij 2
t ij 90
= =12,8
wij 7
t ij 56
= =14
wij 4
 Ordenar los resultados. Ordenar los resultado de menor a mayor obtenidos en el

anterior paso con su pedido correspondiente (véase cuadro 25).
Cuadro 25. Orden de menor a mayor de t ij /w ij TMCPP silla universitaria.

t ij Pedido
wij
5,3 P3
10 P4
12,8 P5
61
13,6 P2
14 P6
22,2 P1
Fuente. Autores
 Calcular el tiempo de flujo ( tf ij ). Por medio de frecuencia absoluta acumulada

de los tiempos de procesamiento (véase ecuación 1).
tf ij =32
tf ij =32+20=52
tf ij =52+ 90=142
tf ij =142+ 41=183
tf ij =183+56=239
tf ij =239+ 111=350
∑ tf ij =988

Rij =32−188=−156
Rij =52−636=−584
Rij =142−304=−162
Rij =183−153=30
Rij =239−211=28
Rij =350−114=236
∑ Rij =−608

ecuación 3).
A iJ =max ( 0,−156 ) =0
A iJ =max ( 0,−584 )=0
A iJ =max ( 0,−162 )=0
A iJ =max ( 0,30 ) =30
A iJ =max ( 0,28 ) =28
A iJ =max ( 0,236 )=236
∑ A ij =294
62
Eij =max {0−(−156 ) }=156

Eij =max {0−(−584 ) }=584
Eij =max {0−(−162 ) }=162
Eij =max {0−( 30 ) }=0
Eij =max {0−( 28 ) }=0
Eij =max {0−( 236 ) }=0
∑ Eij =902

anteriormente para la secuenciación de TMCPP (véase cuadro 26).
Cuadro 26. Resumen de secuenciación (TMCPP) silla universitaria.
Pedid t ij te ij W ij t ij t ij Pedid t ij te ij t fij Rij A ij Eij
o wij wij o
P1 111 114 5 22,2 5,33 P3 32 188 32 -156 0 156
13,6
P2 41 153 3 7 10 P4 20 636 52 -584 0 584
12,8
P3 32 188 6 5,33 5 P5 90 304 142 -162 0 162
13,6
P4 20 636 2 10 6 P2 41 153 183 30 30 0
12,8
P5 90 304 7 5 14 P6 56 211 239 28 28 0
P6 56 211 4 14 22,2 P1 111 114 350 236 236 0
TOTAL 350 998 -608 294 902
Fuente. Autores

método TMCPP se utilizaran los siguientes aspectos.


´
TT 998
= =166,3333 Horas /Pedido
Pi 6
63
Pi 998
h 350
294
A ij = =49 Horas /Pedido
6
FS= ( 36 )∗100 =50

902
6
los pedidos desarrollado con la regla decisoria de TMCPP (véase figura 13).
Figura 13. Secuenciación de la regla decisoria TMCPP silla universitaria.
64
Object 1698
Fuente. Autores
 Análisis de gráfica de secuenciación TMCPP. Para tener un atraso de 49 horas

por pedido. La secuencia de los pedidos es de P3 terminando en 32 horas, (P4) 52
horas, (P5) 142 horas, (P2) 183 horas, (P6) 239, (P1) 350 horas, como se ve en la
termina en P1.
 Se desarrollara el TMCPP para la cajonera teniendo en cuenta la máquina

cortadora de láminas.

ecuación 12).
t ij 3
= =0,75
wij 4
t ij 2
= =0,33
wij 6
t ij 2
= =0,66
wij 3
t ij 3
= =0,37
wij 8
t ij 1
= =0,5
wij 2
65
t ij 1
= =0,2
wij 5

Cuadro 27. Orden de menor a mayor de t ij /w ij TMCPP cajonera.

t ij Pedido
wij
0.2 P6
0.33 P2
0.375 P4
0.5 P5
0.66 P3
0.75 P1
Fuente. Autores

tf ij =1
tf ij =1+2=3
tf ij =3+ 3=6
tf ij =6 +1=7
tf ij =7 +2=9
tf ij =9+3=12
∑ tf ij =38

Rij =1−18=−17
Rij =3−16=−13
Rij =6−14=−8
Rij =7−7=0
Rij =9−10=−1
Rij =12−4=−8
66
∑ Rij =−31

ecuación 3).
A IJ=max ( 0,−17 ) =0
A IJ=max ( 0,−13 )=0
A IJ=max ( 0,−8 ) =0
A IJ=max ( 0,0 )=0
A IJ=max ( 0,−1 )=0
A IJ =max ( 0,8 )=8
∑ A ij =8

Eij =max {0−(−17 ) }=17

Eij =max {0−(−13 ) }=13
Eij =max {0−(−8 ) }=8
Eij =max {0−( 0 ) }=0
Eij =max {0−(−1 ) }=1
Eij =max {0−( 8 ) }=0
∑ Eij =39

Cuadro 28. Resumen de secuenciación (TMCPP) cajonera.
o wij wij o
P1 3 4 4 0,75 0,2 P6 1 18 1 -17 0 17
P2 2 16 6 0,33 0,33 P2 2 16 3 -13 0 13
0,37
P3 2 10 3 0,67 5 P4 3 14 6 -8 0 8
0,37
P4 3 14 8 5 0,5 P5 1 7 7 0 0 0
P5 1 7 2 0,5 0,67 P3 2 10 9 -1 0 1
P6 1 18 5 0,2 0,75 P1 3 4 12 8 8 0
TOTAL 12 38 -31 8 39
Fuente. Autores
67

TTTT =3+ 2+ 2+ 3+1+1=12 Horas/ Pedido

´ 38
TT
= =6,3333 Horas / Pedido
Pi 6
Pi 38
h 12
8
6
pedido (véase ecuación 9).
FS= ( 56 )∗100 =83.33

39
6
Figura 14. Secuenciación de la regla decisoria TMCPP cajonera.
68
Object 1857
Fuente. Autores
 Análisis de gráfica de secuenciación TMCPP. Para tener un atraso de 3 horas por

pedido. La secuencia de los pedidos es de P6 terminando en 1 hora, (P2) 3 horas,
(P4) 6 horas, (P5) 7 horas, (P3) 9 horas, (P1) 12 horas, como se ve en la gráfica la
suma de los tiempo de procesamiento dan 12 horas que es donde termina en P1.
 Se desarrollara el TMCPP para la silla plástica teniendo en cuenta la máquina

inyectora.

ecuación 12).
t ij 11
= =5,5
wij 2
t ij 16
= =4
wij 4
t ij 8
= =2,6
wij 3
t ij 18
= =3
wij 6
t ij 32
= =4,5
wij 7
69
t ij 9
= =3
wij 3

Cuadro 29. Orden de menor a mayor de t ij /w ij TMCPP silla plástica.

t ij Pedido
wij
2.67 P3
3 P4
3 P4
4 P2
4.57 P5
5.5 P1
Fuente. Autores

tf ij =8
tf ij =8+18=26
tf ij =26 +18=44
tf ij =44+16=60
tf ij =60+ 32=92
tf ij =92+ 11=103
∑ tf ij =333

Rij =8−36=−28
Rij =26−54=−28
Rij =44−54=−10
Rij =60−28=32
Rij =92−12=80
Rij =103−86=17
70
∑ Rij =63
 Atraso del pedido ( A ij ). Es el máximo valor entre 0 y el retraso ( Rij ¿ (véase

ecuación 3).
A iJ =max ( 0,−28 )=0
A iJ =max ( 0,−28 )=0
A iJ =max ( 0,−10 )=0
A iJ =max ( 0,32 )=32
A iJ =max ( 0,80 )=80
A iJ =max ( 0,17 )=17
∑ A ij =129

Eij =max {0−(−28 ) }=28

Eij =max {0−(−10 ) }=10
Eij =max {0−( 32 ) }=0
Eij =max {0−( 80 ) }=0
Eij =max {0−( 17 ) }=0
∑ Eij =66

Cuadro 30. Resumen de secuenciación (TMCPP) silla plástica.
o wij wij o
P1 11 86 2 5,5 2,67 P3 8 36 8 -28 0 28
P2 16 28 4 4 3 P4 18 54 26 -28 0 28
P3 8 36 3 2,67 3 P4 18 54 44 -10 0 10
P4 18 54 6 3 4 P2 16 28 60 32 32 0
P5 32 12 7 4,57 4,57 P5 32 12 92 80 80 0
P6 9 95 3 3 5,5 P1 11 86 103 17 17 0
12
TOTAL 94 333 63 9 66
Fuente. Autores

71
´ 333
TT
Pi 6
Pi 333
= =3.542553 Pedidos/ Hora
h 94
129
A ij = =21.5 Horas /Pedido
6
FS= ( 36 )∗100 =50

66
6

Figura 15. Secuenciación de la regla decisoria TMCPP silla plástica.
72
Object 2013
Fuente. Autores
 Análisis de gráfica de secuenciación TMCPP. Para tener un atraso de 22 horas

por pedido. La secuencia de los pedidos es de P3 terminando en 8 horas, (P4) 26
horas, (P4) 44 horas, (P2) 60 horas, (P5) 90 horas, (P1) 103 horas, como se ve en
la gráfica la suma de los tiempo de procesamiento dan 103 horas que es donde
termina en P1.
3.1.1.6 Tiempo más corto de entrega (TMCE). El tiempo más corto de entrega es
una regla decisoria que se emplea para una sola máquina, en donde se busca
determinar que los pedidos se ordenen de menor a mayor según su tiempo de
entrega. Para el desarrollo de éste método de secuenciación se requieren de una
serie de pasos los cuales son:
 Se desarrollara el TMCE para la silla universitaria teniendo en cuenta la máquina
cortadora de tubo.
t
 Ordenar los tiempos de entrega (¿¿ eij). Ordenar los tiempos de entrega de
¿
menor a mayor tiempo, con los pedidos y los tiempos de proceso ( t ij ¿
correspondientes a cada uno (véase cuadro 31).
Cuadro 31. Ordenamiento de los tiempos de entrega (TMCE) silla universitaria.
te ij Pedido t ij
114 P1 111
153 P2 41
73
188 P3 32
211 P6 56
304 P5 90
636 P4 20
Fuente. Autores

tf ij =111
tf ij =111+ 41=152
tf ij =152+32=184
tf ij =184 +56=240
tf ij =240+ 90=330
tf ij =330+ 20=350
∑ tf ij =1367

Rij =111−114=−3
Rij =152−153=−1
Rij =184−188=−4
Rij =240−211=29
Rij =330−304=26
Rij =350−636=−286
∑ Rij =−239

ecuación 3).
A ij =Max ( 0,−3 )=0
A ij =Max ( 0,−1 ) =0
A ij =Max ( 0,−4 ) =0
A ij =Max ( 0, 29 )=29
A ij =Max ( 0, 26 )=26
A ij =Max ( 0,−286 )=0
∑ A ij =55
74
Eij =max {0−(−3 ) }=3

Eij =max {0−(−1 ) }=1
Eij =max {0−(−4 ) }=4
Eij =max {0−( 29 ) }=0
Eij =max {0−( 26 ) }=0
Eij =max {0−(−286 ) }=286
∑ Eij =294

anteriormente para la secuenciación de TMCE (véase cuadro 32).
Cuadro 32. Resumen de secuenciación (TMCE) silla universitaria.
Pedido t ij te ij W ij te ij Pedid t ij t fij Rij A ij Eij
o
P1 111 114 5 114 P1 111 111 -3 0 3

P2 41 153 3 153 P2 41 152 -1 0 1
P3 32 188 6 188 P3 32 184 -4 0 4
P4 20 636 2 211 P6 56 240 29 29 0
P5 90 304 7 304 P5 90 330 26 26 0
P6 56 211 4 636 P4 20 350 -286 0 286
TOTAL 350 1367 -239 55 294
Fuente. Autores



75
´ 1367
TT
Pi 6
Pi 1367
= =3.905714 Pedidos / Hora
h 350
55
6
FS= ( 46 )∗100 =66.67

294
Eij =49 Horas/ Pedido
6
los pedidos desarrollado con la regla decisoria de TMCE (véase figura 16).
Figura 16. Secuenciación de la regla decisoria TMCE silla universitaria.
Object 2145
Fuente. Autores
 Análisis de gráfica de secuenciación TMCE. Para tener un atraso de 9 horas por
76
(P4).
 Se desarrollara el TMCE para la cajonera teniendo en cuenta la máquina

cortadora de lámina.
t
¿
Cuadro 33. Ordenamiento de los tiempos de entrega (TMCE) cajonera.
te ij Pedido t ij
4 P1 3
7 P5 1
10 P3 2
14 P4 3
16 P2 2
18 P6 1
Fuente. Autores

tf ij =3
tf ij =3+ 1=4
tf ij =4+2=6
tf ij =6 +3=9
tf ij =9+2=11
tf ij =11+ 1=12
∑ tf ij =45

Rij =3−4=−1
77
Rij =4−7=−3
Rij =6−10=−4
Rij =9−14=−5
Rij =11−16=−5
Rij =12−18=−6
∑ Rij =−24

ecuación 3).
A ij =Max ( 0,−1 ) =0
A ij =Max ( 0,−3 )=0
A ij =Max ( 0,−4 ) =0
A ij =Max ( 0,−5 )=0
A ij =Max ( 0,−5 )=0
A ij =Max ( 0,−6 )=0
∑ A ij =0

Eij =max {0−(−1 ) }=1

Eij =max { 0−(−3 ) } =3
Eij =max {0−(−4 ) }=4
Eij =max { 0−(−5 ) } =5
Eij =max { 0−(−5 ) } =5
Eij =max {0−(−6 ) }=6
∑ Eij =24

Cuadro 34. Resumen de secuenciación (TMCE) cajonera.
Pedid t ij te ij W ij te ij Pedid t ij t fij Rij A ij Eij
o o
P1 3 4 4 4 P1 3 3 -1 0 1
P2 2 16 6 7 P5 1 4 -3 0 3
P3 2 10 3 10 P3 2 6 -4 0 4
78
P4 3 14 8 14 P4 3 9 -5 0 5
P5 1 7 2 16 P2 2 11 -5 0 5
P6 1 18 5 18 P6 1 12 -6 0 6
TOTAL 12 45 -24 0 24
Fuente. Autores


´
TT 45
= =7.5 Horas/ Pedido
Pi 6
Pi 45
h 12
0
A ij = =0 Pedidos/Hora
6
FS= ( 66 )∗100 =100

24
6
79
Figura 17. Secuenciación de la regla decisoria TMCE cajonera.
Object 2276
Fuente. Autores
 Análisis de gráfica de secuenciación TMCE. Para tener un atraso de 0 horas la

terminación de los pedidos son (P1) 3 horas, (P5) 4 horas, (P3) 6 horas, (P4) 9
horas, (P2) 11 horas, (P6) 12 horas como se ve en la gráfica la suma de los tiempos
de procesamiento dan 12 horas que es donde termina el (P6).
 Se desarrollara el TMCE para la silla plástica teniendo en cuenta la máquina

inyectora.
t
¿
Cuadro 35. Ordenamiento de los tiempos de entrega (TMCE) silla plástica.
te ij Pedido t ij
12 P5 32
28 P2 16
36 P3 8
54 P4 18
86 P1 11
95 P6 9
Fuente. Autores

80
tf ij =32
tf ij =32+16=48
tf ij =48+8=56
tf ij =56+ 18=74
tf ij =74 +11=85
tf ij =85+9=94
∑ tf ij =389

Rij =32−12=20
Rij =48−28=20
Rij =56−36=20
Rij =74−54=20
Rij =85−86=−1
Rij =94−95=−1
∑ Rij =78

ecuación 3).
A ij =Max ( 0,20 )=20
A ij =Max ( 0, 20 )=20
A ij =Max ( 0,20 )=20
A ij =Max ( 0, 20 )=20
A ij =Max ( 0,−1 ) =0
A ij =Max ( 0,−1 ) =0
∑ A ij =80

Eij =max {0−( 20 ) }=0

Eij =max {0−( 20 ) }=0
Eij =max {0−( 20 ) }=0
Eij =max {0−( 20 ) }=0
Eij =max {0−(−1 ) }=1
Eij =max {0−(−1 ) }=1
81
∑ Eij =2

Cuadro 36. Resumen de secuenciación (TMCE) silla plástica
Pedid t ij te ij W ij te ij Pedid t ij t fij Rij A ij Eij
o o
P1 11 86 2 12 P5 32 32 20 20 0
P2 16 28 4 28 P2 16 48 20 20 0
P3 8 36 3 36 P3 8 56 20 20 0
P4 18 54 6 54 P4 18 74 20 20 0
P5 32 12 7 86 P1 11 85 -1 0 1
P6 9 95 3 95 P6 9 94 -1 0 1
TOTAL 94 389 78 80 2
Fuente. Autores

´ 389
TT
Pi 6
Pi 389
h 94
80
A ij = =13.33 Pedidos/ Hora
6
82
FS= ( 26 )∗100 =33.33100
2
Eij =0.33 Horas /Pedido
6
Figura 18. Secuenciación de la regla decisoria TMCE silla plástica.
Object 2407
Fuente. Autores
 Análisis de gráfica de secuenciación TMCE. Para tener un atraso de 80 horas la

terminación de los pedidos son (P5) 32horas, (P2) 48 horas, (P3) 56 horas, (P4) 74
3.1.1.7 Holgura mínima (HM). La holgura mínima es una regla decisoria que se
emplea para una sola máquina. Al igual que las anteriores reglas decisorias
requiere una serie de pasos que se verán a continuación.
 Se desarrollara el HM para la silla universitaria teniendo en cuenta la máquina
cortadora de tubo.
t
 Calcular la holgura mínima. Para este paso el tiempo de entrega (¿¿ eij) y el
¿
tiempo de procesamiento ( t ij ¿ se restan para obtener la holgura mínima
( HM ij ) (véase cuadro 37).
83
Cuadro 37. Calculo de holgura mínima silla universitaria.
t eij t ij HM ij
111 114 3
41 153 112
32 188 156
20 636 616
90 304 214
56 211 155
Fuente. Autores
 Ordenar de menor a mayor los datos de holgura mínima ( HM ij ¿ . Ordenar

estos datos junto con sus datos correspondientes de pedido tiempo de
t
procesamiento (¿¿ ij) y tiempo de entrega (t eij) (véase cuadro 38).
¿
Cuadro 38. Ordenamiento de holgura mínima silla universitaria.
HM ij Pedido t ij t eij
3 P1 111 114
112 P2 41 153
155 P6 56 211
156 P3 32 188
214 P5 90 304
616 P4 20 636
Fuente. Autores

tf ij =111
tf ij =111+ 41=152
tf ij =152+56=208
tf ij =208+ 32=240
tf ij =240+ 90=330
tf ij =330+ 20=350
∑ tf ij =1391
84
Rij =111−114=−3
Rij =152−153=−1
Rij =208−211=−3
Rij =240−188=52
Rij =330−304=26
Rij =350−636=−286
∑ Rij =−215

ecuación 3).
A ij =Max ( 0,−3 )=0
A ij =Max ( 0,−1 ) =0
A ij =Max ( 0,−3 )=0
A ij =Max ( 0,52 )=52
A ij =Max ( 0,26 )=26
A ij =Max ( 0,−286 )=0
∑ A ij =78

Eij =max {0−(−3 ) }=3

Eij =max { 0−(−1 ) }=1
Eij =max {0−(−3 ) }=3
Eij =max {0−( 52 ) }=0
Eij =max {0−( 26 ) }=0
Eij =max {0−(−286 ) }=286
∑ Eij =293

anteriormente para la secuenciación de HM (véase cuadro 39).
Cuadro 39. Resumen de secuenciación (HM) silla universitaria.
Pedid t ij te ij W ij HM ij HM ij Pedid t ij te ij t fij Rij A ij Eij
o o
85
P1 111 114 5 3 3 P1 111 114 111 -3 0 3
15
P2 41 153 3 112 112 P2 41 3 152 -1 0 1
P3 32 188 6 156 155 P6 56 211 208 -3 0 3
18
P4 20 636 2 616 156 P3 32 8 240 52 52 0
30
P5 90 304 7 214 214 P5 90 4 330 26 26 0
63
P6 56 211 4 155 616 P4 20 6 350 -286 0 286
TOTA 139 - 29
L 350 1 215 78 3
Fuente. Autores


´ 1391
TT
Pi 6
Pi 1391
h 350

78
A ij = =13 Horas/Pedido
6
FS= ( 46 )∗100 =66.67
86
293
Eij =48.83 Horas /Pedido
6
los pedidos desarrollado con la regla decisoria de HM (véase figura 19).
Figura 19. Secuenciación de la regla decisoria HM silla universitaria.
Object 2557
Fuente. Autores
 Análisis de gráfica de secuenciación HM. Para tener un atraso de 78 horas la

terminación de los pedidos son (P1) 111 horas, (P2) 152 horas, (P6) 208 horas, (P3)
240 horas, (P5) 330 horas, (P4) 350 horas como se ve en la gráfica la suma de los
tiempos de procesamiento dan 350 horas que es donde termina el (P4).
 Se desarrollara el HM para la cajonera teniendo en cuenta la máquina cortadora

de lámina.
t
¿
Cuadro 40. Calculo de holgura mínima cajonera.

t eij t ij HM ij
3 4 1
2 16 14
87
2 10 8
3 14 11
1 7 6
1 18 17
Fuente. Autores
t
¿
Cuadro 41. Ordenamiento de holgura mínima cajonera.
1 P1 3 4
6 P5 1 7
8 P3 2 10
11 P4 3 14
14 P2 2 16
17 P6 1 18
Fuente. Autores

tf ij =3
tf ij =3+ 1=4
tf ij =4+2=6
tf ij =6 +3=9
tf ij =9+2=11
tf ij =11+ 1=12
∑ tf ij =45

Rij =3−4=−1
Rij =4−7=−3
88
Rij =6−10=−4
Rij =9−14=−5
Rij =11−16=−5
Rij =12−18=−6
∑ Rij =−24

ecuación 3).
A ij =Max ( 0,−1 ) =0
A ij =Max ( 0,−3 )=0
A ij =Max ( 0,−4 ) =0
A ij =Max ( 0,−5 )=0
A ij =Max ( 0,−5 )=0
A ij =Max ( 0,−6 )=0
∑ A ij =0

Eij =max {0−(−1 ) }=1

Eij =max {0−(−3 ) }=3
Eij =max {0−(−4 ) }=4
Eij =max {0−(−5 ) }=5
Eij =max {0−(−5 ) }=5
Eij =max {0−(−6 ) }=6
∑ Eij =24

Cuadro 42. Resumen de secuenciación (HM) cajonera.
o o
P1 3 4 4 1 1 P1 3 4 3 -1 0 1
P2 2 16 6 14 6 P5 1 7 4 -3 0 3
P3 2 10 3 8 8 P3 2 10 6 -4 0 4
P4 3 14 8 11 11 P4 3 14 9 -5 0 5
P5 1 7 2 6 14 P2 2 16 11 -5 0 5
P6 1 18 5 17 17 P6 1 18 12 -6 0 6
TOTAL 12 45 -24 0 24
Fuente. Autores
89

´
TT 45
Pi 6
Pi 45
h 12
0
A ij = =0 Horas/ Pedido
6
FS= ( 66 )∗100 =100

24
6

Figura 20. Secuenciación de la regla decisoria HM cajonera.
90
Object 2707
Fuente. Autores

 Se desarrollara el HM para la silla plástica teniendo en cuenta la máquina

inyectora.
t
¿
Cuadro 43. Calculo de holgura mínima silla universitaria.

t eij t ij HM ij
11 86 75
16 28 12
8 36 28
18 54 36
32 12 0
9 95 86
91
Fuente. Autores

t
¿
Cuadro 44. Ordenamiento de holgura mínima silla plástica.
0 P5 32 12
12 P2 16 28
28 P3 8 36
36 P4 18 54
75 P1 11 86
86 P6 9 95
Fuente. Autores

tf ij =3 2
tf ij =32+16=48
tf ij =48+8=56
tf ij =56+ 18=74
tf ij =74 +11=85
tf ij =85+9=94
∑ tf ij =389

Rij =32−12=20
Rij =48−28=20
Rij =56−36=20
Rij =74−54=20
Rij =85−86=−1
Rij =94−95=−1
92
∑ Rij =78

ecuación 3).
A ij =Max ( 0,20 )=20
A ij =Max ( 0,20 )=20
A ij =Max ( 0,20 )=20
A ij =Max ( 0,20 )=20
A ij =Max ( 0,−1 ) =0
A ij =Max ( 0,−1 ) =0
∑ A ij =80

Eij =max {0−( 20 ) }=0

Eij =max {0−( 20 ) }=0
Eij =max {0−( 20 ) }=0
Eij =max {0−( 20 ) }=0
Eij =max { 0−(−1 ) }=1
Eij =max {0−(−1 ) }=1
∑ Eij =2

Cuadro 45. Resumen de secuenciación (HM) silla plástica.

o o
P1 11 86 2 75 0 P5 32 12 32 20 20 0
P2 16 28 4 12 12 P2 16 28 48 20 20 0
P3 8 36 3 28 28 P3 8 36 56 20 20 0
P4 18 54 6 36 36 P4 18 54 74 20 20 0
P5 32 12 7 0 75 P1 11 86 85 -1 0 1
P6 9 95 3 86 86 P6 9 95 94 -1 0 1
TOTAL 94 389 78 80 2
Fuente. Autores
93

´ 389
TT
Pi 6
Pi 389
h 94
80
6
FS= ( 26 )∗100 =33.33

2
6

Figura 21. Secuenciación de la regla decisoria HM silla plástica.
94
Object 2858
Fuente. Autores

3.1.2 Reglas decisorias dinámicas para una máquina. Estas reglas sirven para
determinar la secuencia en la que se harán los trabajos en este caso los pedidos en
cada máquina. Dentro de las reglas decisorias dinámicas para una sola máquina se
encuentras los métodos de:
 Holgura dinámica mínima (HM)
 Razón critica (RC)
Estos métodos serán desarrollados a continuación.
3.1.2.1 Holgura dinámica mínima (HDM). Este método es un modelo de

secuenciación, en donde se busca determinar la secuenciación de los trabajos en
este caso de los pedidos en la máquina. Al igual que las anteriores reglas
decisorias requiere una serie de pasos que se verán a continuación.
 Se desarrollara el HDM para la silla universitaria teniendo en cuenta la máquina
cortadora de tubo.
 Determinar la holgura dinámica ( HDij ). Es el máximo valor entre el tiempo de

entrega ( te ij ) menos el tiempo de liberación ( tlij ) menos el tiempo de proceso (
t ij ) del pedido (véase ecuación 13).
HDM ij =114−0−111=3
95
HDM ij =153−0−41=112
HDM ij =188−0−32=156
HDM ij =363−0−20=343
HDM ij =304−0−90=214
HDM ij =211−0−56=155
 Ordenar la holgura dinámica mínima ( HDij ). Se procede a ordenar de menor a

mayor la holgura dinámica ( HDij ) junto con su pedido, tiempo de procesamiento
( t ij ) y tiempo de entrega ( te ij ) correspondiente (véase cuadro 46).
Cuadro 46. Ordenamiento de HDM silla universitaria.

HDij HDij Pedido t ij te ij
3 3 P1 111 114
112 112 P2 41 153
156 155 P6 56 211
343 156 P3 32 188
214 214 P5 90 304
155 343 P4 20 363
Fuente. Autores

tf ij =111
tf ij =111+ 41=152
tf ij =152+56=208
tf ij =208+ 32=240
tf ij =240+ 90=330
tf ij =330+ 20=350
∑ tf ij =1391

Rij =111−114=−3
Rij =152−153=−1
Rij =208−211=−3
Rij =240−188=52
Rij =330−304=26
Rij =350−363=−13
96
∑ Rij =58

ecuación 3).
A ij =MAX ( 0,−3 )=0
A ij =MAX ( 0,−1 ) =0
A ij =MAX ( 0,−3 )=0
A ij =MAX ( 0,52 )=52
A ij =MAX ( 0, 26 )=26
A ij =MAX ( 0,−13 )=0
∑ A ij =78

Eij =max {0−(−3 ) }=3

Eij =max {0−(−1 ) }=1
Eij =max {0−(−3 ) }=3
Eij =max {0−( 52 ) }=0
Eij =max {0−( 26 ) }=0
Eij =max {0−(−13 ) }=13
∑ Eij =20

anteriormente para la secuenciación de HDM (véase cuadro 47).
Cuadro 47. Resumen de secuenciación (HDM) silla universitaria.
Pedid t ij tlij te ij HDij HDij Pedid t ij te ij t fij Rij A ij Eij
o o
P1 111 0 114 3 3 P1 111 114 111 -3 0 3

P2 41 0 153 112 112 P2 41 153 152 -1 0 1
P3 32 0 188 156 155 P6 56 211 208 -3 0 3
P4 20 0 363 343 156 P3 32 188 240 52 52 0
P5 90 0 304 214 214 P5 90 304 330 26 26 0
P6 56 0 211 155 343 P4 20 363 350 -13 0 13
35 139
TOTAL 0 1 58 78 20
Fuente. Autores
97

´ 1391
TT
= =231,8333 Horas
Pi 6
Pi 1391
h 350
78
A ij = =13 Horas
6
FS= ( 46 )∗100 =66.67

20
6
los pedidos desarrollado con la regla decisoria de HDM (véase figura 22).
Figura 22. Secuenciación de la regla decisoria HDM silla universitaria.
98
Object 3021
Fuente. Autores
 Análisis de gráfica de secuenciación HDM. Para tener un atraso de 13 horas por

la suma de los tiempos de procesamiento dan 350horas que es donde termina el
(P4).
 Se desarrollara el HDM para la cajonera teniendo en cuenta la máquina cortadora

de lámina.

HDM ij =4−0−3=1
HDM ij =16−0−2=14
HDM ij =10−0−2=8
HDM ij =14−0−3=11
HDM ij =7−0−1=6
HDM ij =18−0−1=17

99
Cuadro 48. Ordenamiento de HDM cajonera.
1 1 P1 3 4
14 6 P5 1 7
8 8 P3 2 10
11 11 P4 3 14
6 14 P2 2 16
17 17 P6 1 18
Fuente. Autores

tf ij =3
tf ij =3+ 1=4
tf ij =4+2=6
tf ij =6 +3=9
tf ij =9+2=11
tf ij =11+ 1=12
∑ tf ij =45

Rij =3−4=−1
Rij =4−7=−3
Rij =6−10=−4
Rij =9−14=−5
Rij =11−16=−5
Rij =12−18=−6
∑ Rij =−24

ecuación 3).
A ij =max ( 0,−1 )=0

A ij =max ( 0,−3 )=0
A ij =max ( 0,−4 )=0
A ij =max ( 0,−5 )=0
A ij =max ( 0,−5 )=0
100
A ij =max ( 0,−6 )=0
∑ A ij =0

Eij =max {0−(−1 ) }=1

Eij =max {0−(−3 ) }=3
Eij =max {0−(−4 ) }=4
Eij =max {0−(−5 ) }=5
Eij =max {0−(−5 ) }=5
Eij =max {0−(−6 ) }=6
∑ Eij =24

Cuadro 49. Resumen de secuenciación (HDM) cajonera.
Pedido t ij tlij te ij HDij HDij Pedid t ij te ij t fij Rij A ij Eij
o
P1 3 0 4 1 1 P1 3 4 3 -1 0 1
P2 2 0 16 14 6 P5 1 7 4 -3 0 3
P3 2 0 10 8 8 P3 2 10 6 -4 0 4
P4 3 0 14 11 11 P4 3 14 9 -5 0 5
P5 1 0 7 6 14 P2 2 16 11 -5 0 5
P6 1 0 18 17 17 P6 1 18 12 -6 0 6
TOTAL 12 45 -24 0 24
Fuente. Autores


TTTT =3+ 2+ 2+ 3+1+1=12 Horas
101
´
TT 45
= =7,5 Horas
Pi 6
Pi 45
h 12
0
A ij = =0 Horas
6
FS=( 6 )∗100 =100,00

24
Eij = =4 Horas
6

Figura 23. Secuenciación de la regla decisoria HDM cajonera.
102
Object 3183
Fuente. Autores

 Se desarrollara el HDM para la silla plástica teniendo en cuenta la máquina

inyectora.

HDM ij =86−0−11=75
HDM ij =28−0−16=12
HDM ij =36−0−8=28
HDM ij =54−0−18=36
HDM ij =12−0−32=0
HDM ij =95−0−9=86

103
Cuadro 50. Ordenamiento de HDM silla plástica.
75 0 P5 32 12
12 12 P2 16 28
28 28 P3 8 36
36 36 P4 18 54
0 75 P1 11 86
86 86 P6 9 95
Fuente. Autores

tf ij =32
tf ij =32+16=48
tf ij =48+8=56
tf ij =56+ 18=74
tf ij =74 +11=85
tf ij =85+9=94
∑ tf ij =389

Rij =32−12=20
Rij =48−28=20
Rij =56−36=20
Rij =74−54=20
Rij =85−86=−1
Rij =94−95=−1
∑ Rij =78

ecuación 3).
A ij =max ( 0, 20 ) =20
A ij =max ( 0, 20 ) =20
A ij =max ( 0, 20 ) =20
A ij =max ( 0, 20 ) =20
A ij =max ( 0,−1 )=0
104
A ij =max ( 0,−1 )=0
∑ A ij =80

Eij =max {0−( 20 ) }=0

Eij =max {0−( 20 ) }=0
Eij =max {0−( 20 ) }=0
Eij =max {0−( 20 ) }=0
Eij =max {0−(−1 ) }=1
Eij =max {0−(−1 ) }=1
∑ Eij =2

Cuadro 51. Resumen de secuenciación (HDM) silla plástica.
Pedido t ij tlij te ij HDij HDij Pedid t ij te ij t fij Rij A ij Eij
o
P1 11 0 86 75 0 P5 32 12 32 20 20 0
P2 16 0 28 12 12 P2 16 28 48 20 20 0
P3 8 0 36 28 28 P3 8 36 56 20 20 0
P4 18 0 54 36 36 P4 18 54 74 20 20 0
P5 32 0 12 0 75 P1 11 86 85 -1 0 1
P6 9 0 95 86 86 P6 9 95 94 -1 0 1
TOTAL 94 389 78 80 2
Fuente. Autores

método HDM se utilizaran los siguientes aspectos.

TTTT =11 +16+8+18+ 32+ 9=94 Horas

105
´ 389
TT
= =64,8333 Horas
Pi 6
Pi 389
h 94
80
A ij = =13,333 Horas
6
FS= ( 26 )∗100 =33,33

2
Eij = =0,3333 Horas
6
Figura 24. Secuenciación de la regla decisoria HDM silla plástica.
Object 3345
Fuente. Autores

106
3.1.2.2 Razón crítica (RC). Es la diferencia entre el tiempo de entrega y tiempo de

liberación sobre el tiempo de procesamiento. Este método al igual que los demás es
un modelo en donde se busca determinar la secuenciación de los trabajos en la
máquina. A continuación se muestra el paso a paso que se requiere para el
desarrollo del método.
 Se desarrollara el RC para la silla universitaria teniendo en cuenta la máquina
cortadora de tubo.
 Hallar la razón critica ( RC ij ). Para este se debe restar el tiempo de entrega (

te ij ) menos el tiempo de liberación ( tlij ) y el resultado dividirlo entre el tiempo
de procesamiento ( t ij ) del pedido (véase ecuación 14).
te ij −tlij
RC ij = (14)
t ij
114−0
RC ij = =1,02702703
111
153−0
RC ij = =3,73170732
41
188−0
RC ij = =5,875
32
363−0
RC ij = =18,15
20
304−0
RC ij = =3,377777
90
211−0
RC ij = =3,767857
56
 Ordenar la razón critica ( RC ij ). Ordenar de menor a mayor la razón critica (

RC ij ) junto con el pedido, el tiempo de procesamiento ( t ij ) y el tiempo de
entrega ( te ij ) (véase cuadro 52).
Cuadro 52. Ordenamiento de RC silla universitaria.

RC ij Pedido t ij te ij
107
1,02702703 P1 111 114
3,37777778 P5 90 304
3,73170732 P2 41 153
3,76785714 P6 56 211
5,875 P3 32 188
18,15 P4 20 363
Fuente. Autores
En el cuadro 52 se establece la razón crítica de cada pedido manifestando la
secuencia obtenida.
tf ij =111
tf ij =111+90=201
tf ij =201+ 41=242
tf ij =242+56=298
tf ij =298+ 32=330
tf ij =330+ 20=350
∑ tf ij =1532

Rij =111−114=−3
Rij =201−304−103
Rij =242−153=89
Rij =298−211=87
Rij =330−188=142
Rij =350−363=−13
∑ Rij =199

ecuación 3).
A ij =MAX ( 0,−3 )=0

A ij =MAX ( 0,−103 )=0
A ij =MAX ( 0, 89 )=89
A ij =MAX ( 0,−87 )=87
108
A ij =MAX ( 0,142 )=142
A ij =MAX ( 0,−13 )=0
∑ A ij =318

Eij =max {0−(−3 ) }=3

Eij =max {0−(−103 ) }=103
Eij =max {0−( 89 ) }=0
Eij =max {0−( 87 ) }=0
Eij =max {0−( 142 ) }=0
Eij =max {0−(−13 ) }=13
∑ Eij =119

anteriormente para la secuenciación de RC (véase cuadro 53).
Cuadro 53. Resumen de secuenciación (RC) silla universitaria.
Pedid t ij tlij te ij RC ij RC ij Pedid t ij te ij t fij Rij A ij Eij
o o
P1 111 0 114 1,02 1,02 P1 111 114 111 -3 0 3
P2 41 0 153 3,73 3,37 P5 90 304 201 -103 0 103
P3 32 0 188 5,87 3,73 P2 41 153 242 89 89 0
18,1
P4 20 0 363 5 3,76 P6 56 211 298 87 87 0
P5 90 0 304 3,37 5,87 P3 32 188 330 142 142 0
18,1
P6 56 0 211 3,76 5 P4 20 363 350 -13 0 13
35 153
TOTAL 0 2 199 318 119
Fuente. Autores

método RC se utilizaran los siguientes aspectos.

109
TT 1532
Pi 6
Pi 1532
= =4, 3 77 Pedidos/ Hora
h 350
318
A ij = =53 Horas
6
FS= ( 36 )∗100 =50

119
6
los pedidos desarrollado con la regla decisoria de RC (véase figura 25).
Figura 25. Secuenciación de la regla decisoria RC silla universitaria.
110
Object 3507
Fuente. Autores
 Análisis de gráfica de secuenciación RC. Para tener un atraso de 53 horas por

(P4).
 Se desarrollara el RC para la cajonera teniendo en cuenta la máquina cortadora

de lámina.

4−0
RC ij = =1,33333
3
16−0
RC ij = =8
2
10−0
RC ij = =5
2
14−0
RC ij = =4,6666
3
111
7−0
RC ij = =7
1
18−0
RC ij = =18
1

Cuadro 54. Ordenamiento de RC cajonera.
1,33333333 P1 3 4
4,66666667 P4 3 14
5 P3 2 10
7 P5 1 7
8 P2 2 16
18 P6 1 18
Fuente. Autores
secuencia obtenida.
tf ij =3
tf ij =3+ 3=6
tf ij =6 +2=8
tf ij =8+1=9
tf ij =9+2=11
tf ij =11+ 1=12
∑tf ij =49

Rij =3−4=−1
Rij =6−14=−8
Rij =8−10=−2
Rij =9−7=2
Rij =11−16=−5
112
Rij =12−18=−6
∑ Rij =−20

ecuación 3).
A ij =max ( 0,−1 )=0
A ij =max ( 0,−8 )=0
A ij =max ( 0,−2 )=0
A ij =max ( 0, 2 )=2
A ij =max ( 0,−5 )=0
A ij =max ( 0,−6 )=0
∑ A ij =2

Eij =max {0−(−1 ) }=1

Eij =max {0−(−8 ) }=8
Eij =max {0−(−2 ) }=2
Eij =max {0−( 2 ) }=0
Eij =max {0−(−5 ) }=5
Eij =max {0−(−6 ) }=6
∑ Eij =22

Cuadro 55. Resumen de secuenciación (RC) cajonera.
Pedido t ij tlij te ij RC ij RC ij Pedid t ij te ij t fij Rij A ij Eij
o
P1 3 0 4 1,33 1,33 P1 3 4 3 -1 0 1
P2 2 0 16 8 4,66 P4 3 14 6 -8 0 8
P3 2 0 10 5 5 P3 2 10 8 -2 0 2
P4 3 0 14 4,67 7 P5 1 7 9 2 2 0
P5 1 0 7 7 8 P2 2 16 11 -5 0 5
P6 1 0 18 18 18 P6 1 18 12 -6 0 6
TOTAL 12 49 -20 2 22
Fuente. Autores
113

TTTT =3+ 3+2+1+2+1=12 Horas
´
TT 49
= =8,16666 Horas
Pi 6
Pi 49
h 12
2
A ij = =0,3333 Horas
6
FS= ( 56 )∗100 =83,33

22
Eij = =3,666 Horas
6
Figura 26. Secuenciación de la regla decisoria RC cajonera.
114
Object 3667
Fuente. Autores
 Análisis de gráfica de secuenciación RC. Para tener un atraso de 0.33 horas por
 Se desarrollara el RC para la silla plástica teniendo en cuenta la máquina

inyectora.

86−0
RC ij = =7,8181818
11
28−0
RC ij = =1,75
16
36−0
RC ij = =4,5
8
54−0
RC ij = =3
18
115
12−0
RC ij = =0,375
32
95−0
RC ij = =10,555555
9

Cuadro 56. Ordenamiento de RC silla plástica.
0,375 P5 32 12
1,75 P2 16 28
3 P4 18 54
4,5 P3 8 36
7,81818182 P1 11 86
10,5555556 P6 9 95
Fuente. Autores
secuencia obtenida.
tf ij =32
tf ij =32+16=48
tf ij =48+18=66
tf ij =66 +8=74
tf ij =74 +11=85
tf ij =85+9=94
∑ tf ij =399

Rij =32−12=20
Rij =48−28=20
Rij =66−54=12
Rij =74−36=38
Rij =85−86=−1
116
Rij =94−95=−1
∑ Rij =88

ecuación 3).
A ij =max ( 0, 20 ) =20
A ij =max ( 0, 20 ) =20
A ij =max ( 0, 12 )=12
A ij =max ( 0, 38 )=38
A ij =max ( 0,−1 )=0
A ij =max ( 0,−1 )=0
∑ A ij =90

Eij =max {0−( 20 ) }=0

Eij =max {0−( 20 ) }=0
Eij =max {0−( 12 ) }=0
Eij =max {0−( 38 ) }=0
Eij =max {0−(−1 ) }=1
Eij =max {0−(−1 ) }=1
∑ Eij =2

Cuadro 57. Resumen de secuenciación (RC) silla plástica.
Pedid t ij tlij te ij RC ij RC ij Pedid t ij te ij t fij Rij A ij Eij
o o
0,37
P1 11 0 86 7,81 5 P5 32 12 32 20 20 0
P2 16 0 28 1,75 1,75 P2 16 28 48 20 20 0
P3 8 0 36 4,5 3 P4 18 54 66 12 12 0
P4 18 0 54 3 4,5 P3 8 36 74 38 38 0
0,37
P5 32 0 12 5 7,81 P1 11 86 85 -1 0 1
10,5
P6 9 0 95 10,5 5 P6 9 95 94 -1 0 1
117
TOTAL 94 399 88 90 2
Fuente. Autores


TTTT =11 +16+8+18+ 32+ 9=94 Horas
´ 399
TT
= =66,5 Horas
Pi 6
Pi 399
h 94
90
A ij = =15 Horas
6
FS= ( 26 )∗100 =33,33

2
Eij = =0,3333 Horas
6
Figura 27. Secuenciación de la regla decisoria RC silla plástica.
118
Object 3827
Fuente. Autores
 Análisis de gráfica de secuenciación RC. Para tener un atraso de 15 horas por

3.1.3 Algoritmo de hodgson (AH). El algoritmo de hodgson busca minimizar el
número de pedidos entregados sin atraso o minimizar el número de pedidos
entregados. A continuación se mencionaran los pasos que se deben realizar para la
solución del algoritmo de hodgson.
 Se desarrollara el AH para la silla universitaria teniendo en cuenta la máquina
cortadora de tubos.
 Determinar una función objetivo buscando minimizar el número de trabajos

entregados a destiempo.
 Seleccionar una secuencia inicial (semilla) con el tiempo más corto de atraso y
calcular su FO. Para este se seleccionó el método de tiempo más corto de
procesamiento (TMCP) (véase cuadro 58).
Cuadro 58. Semilla inicial con (TMCP) silla universitaria.

PEDIDO t ij te ij tf ij Rij A ij Eij
P1 111 114 20 -616 0 616
119
P2 41 153 52 -136 0 136
P3 32 188 93 -60 0 60
P4 20 636 149 -62 0 62
P5 90 304 239 -65 0 65
P6 56 211 350 236 236 0
TOTAL 350 903 -703 236 939
Fuente. Autores
 Agregar una columna con Sk que será la posición de los pedidos. (Esta posición
no cambia al intercambiar los pedidos) (véase cuadro 59).
Cuadro 59. Adición de columna SK silla universitaria.

Sk PEDIDO t ij te ij tf ij Rij A ij
S1 P1 111 114 111 -3 0
S2 P2 41 153 152 -1 0
S3 P3 32 188 184 -4 0
S4 P4 20 636 204 -432 0
S5 P5 90 304 294 -10 0
S6 P6 56 211 350 139 139
TOTAL 350 1606 1295 -311 139
Fuente. Autores
 Seleccionar (K) para el primer pedido con atraso (véase cuadro 60).
Cuadro 60. Selección de (k) silla universitaria.
Sk PEDIDO t ij te ij tf ij Rij A ij
S1 P1 111 114 111 -3 0
S2 P2 41 153 152 -1 0
S3 P3 32 188 184 -4 0
S4 P4 20 636 204 -432 0
S5 P5 90 304 294 -10 0
120
S6 P6 56 211 350 139 139
TOTAL 350 1606 1295 -311 139
Fuente. Autores
En el cuadro 60 se observa que entre el pedido que esta entre 0 y K=S1 el que
presenta un mayor P6 ya que se encuentra ubicada al final de la fila no se puede
t ij
mejorar el la regla decisoria de secuenciación tiempo más corto de procesamiento
(TMCP) con el algoritmo de hodgson
 Se termina el algoritmo cuando no se puede continuar. No puede continuar el

algoritmo ya que volvió al K inicialmente seleccionado.
A continuación se mostrara la visualización de la secuencia de los pedidos que

arrojo el algoritmo de Hodgson (véase figura 28).
Figura 28. Secuenciación del algoritmo Hodgson silla universitaria.
Object 3863
Fuente. Autores
 Se desarrollara el AH para la silla plástica teniendo en cuenta los tiempos de

entrega en la inyección.
Pasos.
 Determinar una función objetivo buscando minimizar el número de trabajos
entregados a destiempo
 Seleccionar una secuencia inicial (semilla) con el tiempo más corto de atraso y
calcular su FO (véase cuadro 61).
121
Cuadro 61. Semilla inicial con (TMCP) silla plástica.
PEDIDO te
twijijij
P3 8 36 3
P6 9 95 3
P1 11 86 2
P2 16 28 4
P4 18 54 6
P5 32 12 7
Fuente. Autores.
Una vez planteada la regla decisoria de secuenciación se seleccionó la secuencia

con el menor tiempo de atraso dado por el método tiempo más corto de
procesamiento (véase cuadro 62).
Cuadro 62. Tiempo más corto del pedido
PEDIDO t ij te ij tf ij Rij A ij
P3 8 36 8 -28 0
P6 9 95 17 -78 0
P1 11 86 28 -58 0
P2 16 28 44 16 16
P4 18 54 62 8 8
P5 32 12 94 82 82
TOTAL 94 311 253 -58 106
122
Fuente. Autores
 Agregar una columna con Sk que será la posición de los pedidos. Esta posición
no cambia al intercambiar los pedidos (véase cuadro 63)
Cuadro 63. Adición de columna SK silla universitaria.

SK PEDIDO t ij te ij tf ij Rij A ij
S1 P1 8 36 8 -28 0
S2 P2 9 95 17 -78 0
S3 P3 11 86 28 -58 0
S4 P4 16 28 44 16 16
S5 P5 18 54 62 8 8
S6 P6 32 12 94 82 82
TOTAL 94 311 253 -58 106
Fuente. Autores
 Seleccionar (K) para el primer pedido con atraso

 En el cuadro XX se observa que el primer pedido con atraso es P5 que se
encuentra en la posición 5 (S5), celda con color verde (véase cuadro 64).
Cuadro 64.Selección de (k) silla universitaria.
S1 P1 8 36 8 -28 0
S2 P2 9 95 17 -78 0
S3 P3 11 86 28 -58 0
S4 P4 16 28 44 16 16
S5 P5 18 54 62 8 8
S6 P6 32 12 94 82 82
TOTAL 94 311 253 -58 106
Fuente. Autores
 Eliminar y reposicionar. Elimine el Pi entre 0 y k que tenga el ¿ t ij y colocar
al final de la secuencia (en la posición 6 = k).
En el cuadro xx se observa que entre el pedido que está entre o y k=S5 el que
presenta un mayor t ij es el P5 por ende se posiciona al final de la secuencia.
123
 Calcular la nueva secuencia. Calcular la FO de la nueva secuencia obtenida.
Se calcula de nuevo el tiempo de flujo, el atraso y el retraso de la nueva secuencia
al reposicionar véase en el cuadro xx
Cuadro 65. Nueva secuencia obtenida
S1 P1 8 36 8 -28 0
S2 P2 9 95 17 -78 0
S3 P3 11 86 28 -58 0
S4 P4 16 28 44 16 16
S5 P6 32 12 76 64 64
S6 P5 18 54 94 40 40
TOTAL -44 120
Fuente. Autores
 Repetir. Repetir desde el paso “seleccionar k” con la nueva secuencia
obtenida.
 Se escoge el k que tenga el ¿ t ij entre la posición del 0 y k escogido

anteriormente (posición 4) y se mueve a la última posición (véase cuadro 66).
Cuadro 66. Nuevo posicionamiento de "K"
S1 P1 8 36 8 -28 0
S2 P2 9 95 17 -78 0
S3 P3 11 86 28 -58 0
S4 P4 16 28 44 16 16
S5 P6 32 12 76 64 64
S6 P5 18 54 94 40 40
TOTAL -44 120
Fuente. Autores
Calcular la nueva secuencia. Calcular la FO de la nueva secuencia obtenida. Se
calcula de nuevo el tiempo de flujo, el atraso y el retraso de la nueva secuencia al
reposicionar P4 (véase cuadro 67)
Cuadro 67. Calculo de nueva secuencia

S1 P1 8 36 8 -28 0
S2 P2 9 95 17 -78 0
S3 P3 11 86 28 -58 0
S4 P6 32 12 60 48 48
S5 P5 18 54 78 24 24
124
S6 P4 16 28 94 66 66
TOTAL -26 138
Fuente. Autores

obtenida.

anteriormente (posición 5) y se mueve a la última posición (vease cuadro 68).
Cuadro 68. Nueva selección de "K"
SK PEDIDO
S1 P1 8 t ij te ij
36 tf8ij Rij
-28 A0 ij
S2 P2 9 95 17 -78 0
S3 P3 11 86 28 -58 0
S4 P6 32 12 60 48 48
S5 P5 18 54 78 24 24
S6 P4 16 28 94 66 66
TOTAL -26 138
Fuente. Autores
reposicionar P5 (véase cuadro 69).
Cuadro 69. Calculo de la nueva secuencia

S1 P1 8 36 8 -28 0
S2 P2 9 95 17 -78 0
S3 P3 11 86 28 -58 0
S4 P6 32 12 60 48 48
S5 P4 16 28 76 48 48
S6 P5 18 54 94 40 40
TOTAL -28 136
Fuente. Autores

obtenida.

anteriormente (posición 4) y se mueve a la última posición (véase cuadro 70).
125
Cuadro 70. Nueva selección de "K"
SK PEDIDO t
S1 P1 8 ij te ij
36 tf8ij Rij
-28 0A ij
S2 P2 9 95 17 -78 0
S3 P3 11 86 28 -58 0
S4 P6 32 12 60 48 48
S5 P4 16 28 76 48 48
S6 P5 18 54 94 40 40
TOTAL -28 136
Fuente. Autores
reposicionar P6 (véase cuadro 71).
Cuadro 71. Cálculo de la nueva FO

SK PEDIDO t ij te ij
S1 P1 8 36
tf8 ij R
-28ij
A
0 ij
S2 P2 9 95 17 -78 0
S3 P3 11 86 28 -58 0
S4 P4 16 28 44 16 16
S5 P5 18 54 62 8 8
S6 P6 32 12 94 82 82
TOTAL -58 106
Fuente. Autores
 Terminación del algoritmo. Se termina el algoritmo cuando no se puede

continuar.
 No se puede continuar con los intercambios porque el k escogido al principio

de los intercambio volvió a su posición inicial.
Análisis de la temporización. Al plantear los intercambios posibles, no se pudo

mejorar TMCP con el algoritmo de Hodgson ya que no reduce el tiempo de atraso
para la entrega de los pedidos. A continuación se observa la secuencia que se
obtiene con el algoritmo de hodgson.
126
Figura 29. Secuenciación del algoritmo Hodgson silla plástica.
Object 3983
Fuente. Autores
Después de determinar la secuenciación se realiza el análisis de la temporización

Análisis de la temporización
 Tiempo total de terminación de los pedidos
TTTT =∑ t ij
TTTT =8+9+11+16 +18+32=94 Horas
 tiempo promedio de terminación por pedido
´ ∑ tf ij
TT
=
Pi n
127
´ 253
TT
= =42,16666 Horas
Pi 6
 Numero promedio de pedidos por hora
Pi ∑ tf ij
=
h ∑ t ij
Pi 253
h 94
 Tiempo promedio de atraso por pedido
∑ A ij
A ij =
n
106
A ij = =17,6666 Horas
6
 Factor servicio
n
FS=
N ( )
∗100
FS= ( 36 )∗100 =50,00
128
3.1.4 Algoritmo de atraso mínimo. Es el método en el cual se busca minimizar el
atraso en los pedidos, este inicia con un tiempo de atraso semilla que permite
identificar si existe un tiempo menor en el atraso o si la semilla es el tiempo más
adecuado para los síes pedidos. A continuación se muestra los pasos para
desarrollar el algoritmo del atraso mínimo.
 Se desarrollara el algoritmo de atraso mínimo para la silla universitaria teniendo en
cuenta la máquina cortadora de tubos.
 Seleccionar una secuencia semilla o inicial. Calcular la función objetivo, y la

semilla seleccionada que es la del tiempo más corto de proceso (véase cuadro72).
Cuadro 72. Secuencia semilla para algoritmo de atraso mínimo silla universitaria.
K S1 S2 S3 S4 S5 S6 Aij
Semill P4 P3 P2 P6 P5 P1 236
129
a
Fuente. Autores
 Hallar el valor de k. En el primer pedido que tenga atraso ver ecuación xx

HM ij
W − ( )
( )
Y i= ij e
t ij
k∗t́´
ij
(xx)
Dónde:
W ij =¿ Importancia del cliente

t ij =¿ Tiempo de procesamiento del pedido i en la máquina j
HM ij =¿ Holgura mínima del pedido i en la máquina j
Al sustituir se tiene que:
616
2 −( 2∗58,3 )
Y 1= ∗e =0,000509
20
156
6 −( )
Y 2= ∗e 2∗58,3 =0,0492
32
112
−( )
3
Y 3= ∗e 2∗58,3 =0,0280
41
155
−( )
4
Y 4 = ∗e 2∗58,3 =0,0189
56
214
−( )
7
Y 5= ∗e 2∗58,3 =0,0124
90
3
−(
5 2∗58,3 )
Y 6= ∗e =0,0439
111
Luego de haber calculados cada uno de los valores de Y i se proceden a ordenar de menor a
mayor para así obtener la nueva secuencia. Ver cuadro xx
Cuadro xx. Ordenamiento de menor a mayor Yi

Pedido tij teij Wij HMij γi γi Pedido
0,0005092 0,0492365
P4 20 636 2 616 4 4 P3
130
0,0492365 0,0439015
P3 32 188 6 156 4 1 P1
0,0280165 0,0280165
P2 41 153 3 112 5 5 P2
0,0189182 0,0189182
P6 56 211 4 155 4 4 P6
0,0124232 0,0124232
P5 90 304 7 214 5 5 P5
0,0439015 0,0005092
P1 111 114 5 3 1 4 P4
Fuente. Autores.
Luego de obtener la nueva secuencia se procede a realizar el cálculo del retraso, atraso, factor
servicio y adelanto del algoritmo de atraso mínimo.
 Tiempo de flujo. Ver ecuación xx
tf 1 =20+32=52 (xx)
 Retraso. Ver ecuación xx
R1=188−32=−156 (xx)
 Atraso. Ver ecuación (xx)
A 1=Máx { 0,−156 }=0 (xx)
 Factor de servicio. Ver ecuación xx
2
FS= ∗100 =33 (xx)
6
 Adelanto. Ver ecuación xx
E1=Máx { 0,−(−156) }=156 (xx)
Los cálculos de los pedidos siguientes se pueden observar en el cuadro xx.
131
Cuadro xx. Valores para el cálculo del algoritmo de atraso mínimo.
Pedido tij teij tfij Rij Aij Eij
P3 32 188 32 -156 0 156
P1 111 114 143 29 29 0
P2 41 153 184 31 31 0
P6 56 211 240 29 29 0
P5 90 304 330 26 26 0
P4 20 636 350 -286 0 286
1279 -327 115 442
Fuente: Autores.
En el cuadro xx se observa los cálculos restantes de adelanto, atraso, retraso y tiempo de flujo total
de los pedidos seleccionados cuando se aplica el algoritmo de atraso mínimo.
Análisis de temporización. A continuación se muestra el análisis de temporización del método de

atraso mínimo siguiendo los siguientes pasos.
 Tiempo total de todos los trabajos. Ver ecuación xx.
TTTT =32+111+ 41+56 +90+20=350 minutos
 Tiempo promedio de cada terminación de cada pedido. Ver ecuación xx
´ = 1279 =213,166 horas / pedido

TT
6
 Número promedio pedido por hora. Ver ecuación xx.
1279
N P i /h= =3,65 Pedidos/ hora
350
 Atraso promedio. Ver ecuación xx.
115
Á ij = =19,16 horas / pedido
6
 Factor servicio. Ver ecuación xx.
132
2
FS= ∗100 =33,33
6
 Adelanto promedio. Ver ecuación xx.
442
Éij = =51,5 minutos/ pedido
6
Luego de haber hecho los cálculos se muestra a continuación la secuencia de pedidos con
el algoritmo del atraso mínimo. Ver figura xx
Figura xx. Secuenciación pedidos algoritmo de atraso mínimo.
Object 4049
133
Fuente: Autores.
3.1.5 Algoritmo de atraso mínimo con fecha de entrega común.
3.1.6 Algoritmo de Rachamadugo. Para realizar el algoritmo de Rachamadugo

para la silla universitaria se tomó una de las maquinas que hacen parte de la
fabricación del producto (punzadora).
 Se debe identificar los tiempo de procesamiento, la importancia del cliente y la

holgura mínima (ver cuadro 34).
Cuadro 73. Tiempos de procesamiento, ponderación del cliente y holgura mínima.
t ij W ij HD
105 5 179
39 3 67
30 6 52
19 2 33
85 7 144
53 4 89
Fuente. Autores
 Se identifica el tiempo de procesamiento promedio:
331
= 55
6
Donde
331: sumatoria de los tiempos de procesamiento.
6: la cantidad de pedidos.
55: tiempo de procesamiento promedio.
 Solución de la formula anteriormente mencionada para cada uno de los pedidos.
134
179
−¿
2∗55
= 9.355E-03
5
y i= ( )
105
e
¿
67
−¿ =0.041
2∗55
3 ¿
yi=( )
39
e
52
−¿ =0.124
2∗55
6 ¿
( )
y i=
30
e
33
−¿ =0.077
2∗55
2 ¿
( )
y i=
19
e
144
−¿ =0.022
2∗55
7 ¿
( )
y i=
85
e
89
−¿ =0.033
2∗55
4 ¿
( )
yi =
53
e
 Se ordenan los valores de mayor a menor.
0.124 – 0.077 – 0.041 – 0.033 – 0.022 – 9.955E-03
3.2 METAHURÍSTICA
Una meta-heurística es un método heurístico para resolver un tipo de problema

computacional general, usando los parámetros dados por el usuario sobre unos
procedimientos genéricos y abstractos de una manera que se espera eficiente.
Normalmente, estos procedimientos son heurísticos.
135
En la metahurística se puede encontrar los algoritmos de búsqueda en la vecindad
el cual está comprendido de tres métodos que son: intercambio adyacente por
pares, intercambio por pares e inserción.
3.2.1 Búsqueda en la vecindad. Es un método heurístico que sirve para resolver

problemas de manera computacional, en donde se utilizan parámetros transmitidos
por el usuario. A continuación cada uno de estos métodos que comprende el
algoritmo de búsqueda en la vecindad serán desarrollados.
3.2.1.1 Intercambio adyacente por pares (IAP). Este método será desarrollado
con el producto de la silla universitaria en donde la máquina que se utilizara para su
aplicación es la dobladora la cual incurre en la fabricación del producto, los tiempos
de procesamiento de los pedidos se encuentran dados en horas. véase cuadro 35.
Cuadro 74. Datos iniciales para la secuenciación de (IAP).

Pedido t ij te ij t ij
P1 310 5 5
P2 116 3 3
P3 89 2 6
P4 56 2 2
P5 251 4 7
P6 156 3 4
Fuente. Autores
A continuación se muestran los pasos para desarrollar el método de intercambio
adyacente por pares (IAP).
 Se determina una función objetivo. En donde se busca minimizar el atraso (
A ij )
n
F . O: Min ∑ A ij
j=i
 Se selecciona una secuencia inicial (semilla), en este caso será la del tiempo
más corto de procesamiento (TMCP) y se le halla la función objetivo. véase cuadro
36.
Cuadro 75. Secuencia de tiempo más corto de procesamiento (TMCP).
136
S1 S2 S3 S4 S5 S6 A ij
P4 P3 P2 P6 P5 P1 2506
Fuete. Autores
En el cuadro 17 se encuentra la secuencia seleccionada para ser la semilla la cual

tiene una sumatoria de atraso de 2506 horas.
 Hacer k=1 e intercambiar los pedidos en las posiciones k y k+1. véase
cuadro 18.
Cuadro 76. Nueva semilla cuando k=1

K SK- S1 S2 S3 S4 S5 S6 A ij
SK+1
- - P4 P3 P2 P6 P5 P1 2506
Nueva P4-P3 P3 P4 P2 P6 P5 P1 598

semill
a
Fuete. Autores
En el cuadro18 se identificó que al intercambiar las posiciones se redujo la semilla
y se obtuvo esta como nueva semilla la cual dio en su sumatoria de atraso de 598
horas.
 Hallar la función objetivo de la nueva secuencia.
a) Si la F.O es menor que la F.O de la semilla tomar esta secuencia como nueva
semilla y repetir desde el paso anterior.
b) Si la F.O es igual a la F.O de la semilla hacer k=k+1 y repetir desde el paso

anterior.
Cuadro 77. Intercambio adyacente por pares con la nueva semilla.
Semill K SK- S1 S2 S3 S4 S5 S6 A ij
a SK+1
137
Nueva - - P3 P4 P2 P6 P5 P1 598
semilla
598 1 P3-P4 P4 P3 P2 P6 P5 P1 2506
598 2 P4-P2 P3 P2 P4 P6 P5 P1 2599
598 3 P2-P6 P3 P4 P6 P2 P5 P1 2579
598 4 P6-P5 P3 P4 P2 P5 P6 P1 2634
598 5 P5-P1 P3 P4 P2 P6 P1 P5 2598
Fuente. Autores
En el cuadro 38 la segunda iteración se identificó que no hay menor función
objetivo que la secuencia de la primera iteración la cual arroja 598 horas. Por lo
tanto se da por terminado el método.
3.2.1.2 Intercambio por pares (IP). Este método será desarrollado con el producto
de la silla universitaria en donde la máquina que se utilizara para su aplicación es la
dobladora la cual incurre en la fabricación del producto, los tiempos de
procesamiento de los pedidos se encuentran dados en horas. Véase cuadro 16. A
continuación se muestran los pasos para desarrollar el método de intercambio
adyacente por pares (IP).
 Se determina una función objetivo. En donde se busca minimizar el atraso.
n
F . O: Min ∑ A ij
i=1
 Seleccionar una secuencia semilla en este caso selecciono tiempo más costo de
procesamiento (TMCP).
 Hallar el número de intercambio por pares.
6∗5
=15
2
 Calcular la función objetivo de las nuevas secuencias obtenidas por

intercambio por pares.
 Hallar la secuencia de intercambio de pares y calcular la función objetivo nueva.
 Escoger como nueva secuencia semilla la que tenga menor función objetivo que
secuencia inicial.
Se realizó el intercambio por pares para la secuencia inicial de tiempo más corto de
procesamiento (TMCP). véase cuadro 39
138
Cuadro 78. Intercambio por pares cuando S=1, iteración 1
k S1 S1+k S1 S2 S3 S4 S5 S6 ∑ Aij NUEVA
P4 P3 P2 P6 P5 SEMILLA
P1 2506
1 P4 P3 P3 P4 P2 P6 P5 P1 2539
2 P4 P2 P2 P3 P4 P6 P5 P1 2626
3 P4 P6 P6 P3 P2 P4 P5 P1 2806
4 P4 P5 P5 P3 P2 P6 P4 P1 3286
5 P4 P1 P1 P3 P2 P6 P5 P4 3776
Fuete. Autores
En el cuadro 20 se observa que al realizar los intercambios por pares con el pedido
que ocupa la posición S 1 ninguna arroja un valor de función objetivo o atraso menor
a la obtenida con la semilla, por lo cual se procede a calcular el intercambio por
pares con las posiciones restantes.
 Ahora se procede a realizar el intercambio por pares cuando s=2. véase

cuadro 40.
Cuadro 79. Intercambio por pares cuando s=2, iteración 2
K S2 S2+k S1 S2 S3 S4 S5 S6 ∑ Aij NUEVA
P4 P3 P2 P6 P5 P1 2506 SEMILLA
1 P3 P2 P4 P2 P3 P6 P5 P1 2533
2 P3 P6 P4 P6 P2 P3 P5 P1 2640
3 P3 P5 P4 P5 P2 P6 P3 P1 2992
4 P3 P1 P4 P1 P2 P6 P5 P3 3390
Fuete. Autores
En el cuadro 40 se observa los diferentes intercambios por pares que se realizaron
a la semilla inicial cuando el valor de S equivale a 2 y ninguna iteración dio mejor
función objetivo que la semilla inicial.

cuadro 41.
Cuadro 80. Intercambio por pares cuando s=3, iteración 3.
K S3 S3+k
S1 S2 S3 S4 S5 S6 ∑ Aij NUEVA
SEMILLA
P4 P3 P2 P6 P5 P1 0
1 P2 P6 P4 P3 P6 P2 P5 P1 0
2 P2 P5 P4 P3 P5 P6 P2 P1 0
3 P2 P1 P4 P3 P1 P6 P5 P2 0
Fuete. Autores
139

cuadro 42.
k S4 S4+k
S1 S2 S3 S4 S5 S6 ∑ Aij NUEVA SEMILLA
P4 P3 P2 P6 P5 P1 2506
1 P6 P5 P4 P3 P2 P5 P6 P1 2601
2 P6 P1 P4 P3 P2 P1 P5 P6 2814
Fuete. Autores


cuadro 43.
k S5 S5+k
SEMILLA
P4 P3 P2 P6 P5 P1 2506
1 P5 P1 P4 P3 P2 P6 P1 P5 2565
Fuete. Autores
Al realizar todas las iteraciones se determina que ningún intercambio por pares es
menor a la semilla inicial, esto quiere decir que la secuencia final queda como P4,
P3, P2, P6, P5 Y P1 con un atraso mínimo de 2506 horas. Por lo tanto se da por
terminado el método.
140
3.2.1.3 Inserción (INS). El ordenamiento por inserción es una manera muy natural
de ordenar para un ser humano, y puede usarse fácilmente para ordenar un mazo
de cartas numeradas en forma arbitraria. Este método será desarrollado con el
producto de la silla universitaria en donde la máquina que se utilizara para su
aplicación es la dobladora la cual incurre en la fabricación del producto, los tiempos
de procesamiento de los pedidos se encuentran dados en horas. Véase cuadro 16.
A continuación se muestran los pasos para desarrollar el método de inserción (INS).
 Se determina una función objetivo. En donde se busca minimizar el atraso.
n
F . O: Min ∑ A ij
i=1
 Seleccionar una secuencia semilla en este caso selecciono tiempo más costo de
procesamiento (TMCP).
 Realizar la iteración 1 en la cual se le hace inserción cuando el valor de k

equivale a 1. véase cuadro 44.
Cuadro 83. Inserción 1 cuando k=1.
S
k i Sk Si Sk+1
S1 2 S3 S4 S5 S6 ∑ Aij NUEVA
P SEMILLA
P4 3 P2 P6 P5 P1 2506
P
3 P4 P2 P3 P4 2 P3 P6 P5 P1 2533
P
4 P4 P6 P3 P4 6 P3 P2 P5 P1 3421
1
P
5 P4 P5 P3 P4 5 P3 P2 P6 P1 2898
P
6 P4 P1 P3 P4 1 P3 P2 P6 P5 3134
Fuete. Autores
En el cuadro 25 se observan las diferentes secuencias que son factibles a realizar

aplicando inserción cuando k equivale a 1.
 Ahora se procede a calcular la iteración 2 de la inserción cuando el valor de k

equivale a 2. Véase cuadro 45.
k i Sk Si Sk+1
SEMILLA
P4 P3 P2 P6 P5 P1 2506
141
1 P3 P4 P2 P1 P3 P4 P2 P6 P5 3421
4 P3 P6 P2 P4 P3 P6 P2 P5 P1 2546
2
5 P3 P5 P2 P4 P3 P5 P2 P6 P1 2736
6 P3 P1 P2 P4 P3 P1 P2 P6 P5 2913
Fuente. Autores



S1 S2 S3 S4 S5 S6 ∑ AijNUEVA
k i Sk Si Sk+1 250 SEMILL
P4 P3 P2 P6 P5 P1 6 A
348
1 P2 P4 P6 P1 P3 P2 P4 P6 P5 1
316
2 P2 P3 P6 P4 P1 P2 P3 P6 P5 1
3
260
5 P2 P5 P6 P4 P3 P2 P5 P6 P1 1
260
6 P2 P1 P6 P4 P3 P2 P1 P6 P5 1
Fuete. Autores


k i Sk Si Sk+1 S1 S2 S3 S4 S5 S6 ∑ AijNUEVA
P4 P3 P2 P6 P5 P1 2506 SEMILLA
1 P6 P4 P5 P1 P3 P2 P6 P4 P5 3581
2 P6 P3 P5 P4 P1 P2 P6 P3 P5 3228
4
3 P6 P2 P5 P4 P3 P1 P6 P2 P5 2953
6 P6 P1 P5 P4 P3 P2 P6 P1 P5 2565
Fuente. Autores
142

k i Sk Si Sk+1
S1 S2 S3 S4 S5 S6 ∑ AijNUEVA
SEMILLA
P4 P3 P2 P6 P5 P1 2506
1 P5 P4 P1 P1 P3 P2 P6 P5 P4 3776
2 P5 P3 P1 P1 P4 P2 P6 P5 P3 3644
5
3 P5 P2 P1 P1 P4 P3 P6 P5 P2 3563
4 P5 P6 P1 P1 P4 P3 P2 P5 P6 3483
Fuente. Autores

Luego de haber realizado todas las iteraciones de la inserción se determina que la
nueva secuencia es de P4, P3, P2, P6, P5 Y P1 con un atraso mínimo de 2506
horas. Por lo tanto se da por terminado el método.
3.3 ALGORITMO GENÉTICO.
Los algoritmos genéticos (AGs) son métodos adaptativos que puedan usarse para
resolver problemas de búsqueda y optimización. Están basados en el proceso
genético de los organismos vivos. A lo largo de las generaciones, las poblaciones
evolucionan en la naturaleza de acorde con los principios de la selección natural y
la supervivencia de los más fuertes, postulados por Darwin (1859). Por imitación de
este proceso, los algoritmos genéticos son capaces de ir creando soluciones para
problemas del mundo real. La evolución de dichas soluciones hacia valores óptimos
del problema depende en buena medida de una adecuada codificación de las
mismas.
Para el desarrollo de este algoritmo se realizara con el producto de la silla
universitaria y se utilizara como máquina la cortadora la cual incurre en el proceso
de fabricación del producto. Véase cuadro 1. Para dar solución al algoritmo se
deberán tener en cuenta los siguientes pasos.
 Función objetivo. Se debe seleccionar una función objetivo del algoritmo el cual
será el de menor atraso.
143
 Seleccionar los individuos de la población. Se deben seleccionar 4 individuos
secuenciales, de los cuales dos serán de las reglas decisorias de secuenciación
(menor atraso). Véase cuadro 49.
Cuadro 88. Secuencias TMCP y TMCPP
Secuencia S1 S2 S3 S4 S5 S6
s ∑ Aij
TMCP P4 P3 P2 P6 P5 P1 891
TMCPP P3 P4 P5 P2 P6 P1 986
Fuente. Autores
 Secuencias aleatorias. Estas secuencias realizan con un valor dado mediante la

calculadora realizando la función (shift; ran y =), se tomas los valores que son
menores a la cantidad de pedidos que se tiene los cuales en este caso serán ≤ 6.
Véase cuadro 50.
Cuadro 89. Secuencias aleatorias.

Secuencia S1 S2 S3 S4 S5 S6
s ∑ Aij
Aleatorio 1 P1 P4 P3 P2 P5 P6 996
Aleatorio 2 P4 P3 P1 P2 P6 P5 809
Fuete. Autores
Para encontrara las secuencias aleatorias se identificaron para la secuencia 1 los
valores (0.014, 0.132, 0.453), y para la secuenciación dos los valores son (0.743, 0.681,
0.842, 0.658).
 Padres. Se seleccionan de la población inicial para realizar el cruzamiento estos

se hacer por torneo determinando el que tenga menor atraso (F.O). Véase cuadro
51.
Cuadro 90. Secuencias de padres.
TMCP PADRE 1 P4-P3-P2-P6-P5-P1
ALEATORIO 2 PADRE2 P4-P3-P1-P2-P6-P5
Fuete. Autores
 Puntos de cruzamiento. Para realizar los puntos de cruzamiento se toman los
padres ya seleccionados este cruzamiento se realizara mediante cruzamiento por
mapeo parcial (mpx). Se deben seleccionar dos puntos de cruzamiento aleatorios
estos obtienen por la función de la calculadora antes mencionada, en este caso el
144
valor es 0.384 es decir que las posiciones que serán cambiadas serán las
posiciones 3 y 4.
 Descendientes del cruzamiento. Luego se procede a identificar los descendientes

de los cruzamientos y su función objetivo. Véase cuadro 52.
Cuadro 91. Secuencias descendientes.
Secuencias S1 S2 S3 S4 S5 S6 A ij
Descendiente 1 P4 P3 P1 P2 P5 P6 1071
Fuente. Autores
 Mutación. Para realizar la mutación del mejor descendente se toma la secuencia

por torneo el cual es el descendiente 2 como se muestra en el cuadro xx los valores
de color rojo, por medio de un número aleatorio se seleccionan las posiciones a
intercambiar, el número aleatorio es 0.592 esto quiere decir que la posiciones a ser
intercambiadas son la 5 y la 2. Véase cuadro 53.
Cuadro 92. Mutación del descendiente.
Mutación del descendiente
Mutación 2 P4 P1 P2 P6 P3 P5 1149
Fuente. Autores
 Nueva población. Se reemplaza el individuo con peor función objetivo (mayor

atraso) por el descendiente o la mutación escogida en este caso por el
descendiente 2 ya que tiene menor atraso como se observa en el cuadro xx el valor
de color rojo. Véase cuadro 54.
Cuadro 93. Nueva población (2).
NUEVA POBLACION (2)
SECUENCIA S1 S2 S3 S4 S5 S6 A ij
TMCP P4 P3 P2 P6 P5 P1 891
TMCPP P3 P4 P5 P2 P6 P1 986
ALEATORIO 2 P4 P3 P1 P2 P6 P5 809
Fuente. Autores
En el cuadro 54 se identificó que el descendiente 2 reemplazo a la secuencia
aleatoria 1 ya que esta era la pero función objetivo, y de esta manera el algoritmo
llegaría a su fin ya que para realizar la nueva población se requieren de las
145
secuencias de menor F.O (padres), como se ve en el cuadro anterior son TMCP y
ALEATORIO 2 pero estas ya se escogieron anteriormente.
3.3 SIMULACIÓN POR RECOCIDO.

El objetivo general de este tipo de algoritmos es encontrar una buena aproximación
al valor óptimo de una función en un espacio de búsqueda grande. A este valor
óptimo se lo denomina "óptimo global". El nombre e inspiración viene del proceso
de recocido del acero y cerámicas, una técnica que consiste en calentar y luego
enfriar lentamente el material para variar sus propiedades físicas, para realizar el
algoritmo se deben realizar los siguientes pasos.
Para el desarrollo de este algoritmo se realizara con el producto de la silla
universitaria y se utilizara como máquina la cortadora la cual incurre en el proceso
de fabricación del producto. Véase cuadro 1. Para dar solución al algoritmo se
deberán tener en cuenta los siguientes pasos.
 Seleccionar una semilla y hallar la F.O. se identifica la secuencia con menor

sumatoria de atraso en este caso se tomara tiempo más costo de procesamiento
(TMCP). Véase cuadro 55.
Cuadro 94. Semilla seleccionada TMCP
K S S S S S S A ij
1 2 3 5 6
SEMILL P P P P P P 89
A 4 3 2 6 5 1 1
Fuente. Autores
En el cuadro 1 se identifica la regla de decisoria de secuenciación de tiempo más

corto en proceso (TMCP), mostrando el valor del atraso en cual es de 891 horas
donde este es el menor de todas las reglas calculadas.
 Escoger una nueva semilla. Esta secuencia se halla por intercambio adyacente
por pares IAP y calcular su función objetivo.
n
c =∑ Aij
´
1=i
 Hallar. ∆=C' −C
Dónde:
C' =¿ Atraso secuencia calculada

C=¿ Atraso secuencia inicial
146
a) Si A ≤ o. tomar esta secuencia como nueva semilla y repetir desde el paso
anterior.
b) Si ∆ ≥ o, hallar la formula arenius:
−∆
T
Formula de arenius=e
Dónde:
e=¿ Constante de logaritmo neperiano (2.718)

∆=¿ Diferencia entre secuencia inicial y secuencia nueva calculada
T =¿ Temperatura (requiere previa actualización).
T =T∗R
Dónde:
T =¿ Temperatura
R=¿ Factor de enfriamiento ( 0 ≤ R ≤ 1¿
 Si
−∆
a) e T ≥ Q tomar esta secuencia como nueva semilla y repetir desde el paso de
escoger nueva semilla.
−∆
b) e T
≤Q se repite desde el paso de escoger la nueva semilla.
Se realizaron todos los pasos anteriores con los datos de la semilla anteriormente
seleccionada (TMCP) con un tiempo de atraso de 891 horas. Véase cuadro 56.
Cuadro 95. Intercambio adyacente por pares 1 iteración, semilla seleccionada.
K Sk- S1 S2 S3 S4 S5 S6 n
∆ T −∆ Q Secuencia
sk+1 ¿ ∑ Aij eT seleccionada
1=i
semilla
P4 P3 P2 P6 P5 P1 891
1 P4-P3 P3 P4 P2 P6 P5 P1 903 12 1 6.14 E-6 0.048 891
2 P4-P2 P3 P2 P4 P6 P5 P1 924 21 0.95 2.5E-10 0.228 891
3 P4-P6 P3 P2 P6 P4 P5 P1 960 36 0.90 4.2E-18 0.268 891
4 P4-P5 P3 P2 P6 P5 P4 P1 1030 70 0.85 1.71E-36 0.479 891
5 P4-P1 P3 P2 P6 P5 P1 P4 1121 91 0.80 3.97E-50 0.321 891
Fuente. Autores
En la primera iteración (ver cuadro 56) se identificó que ninguna de las secuencias
nuevas disminuyo el tiempo el valor de atraso por ello se comprobó que por ahora
la mejor semilla es la de tiempo más corto de procesamiento con un valor de atraso
147
de 891 horas, para identificar si puede haber una solución se realizó una segunda
iteración. Véase cuadro 57.
Cuadro 96. Intercambio adyacente por pares 2 iteración.

K Sk-sk+1 S1 S2 S3 S4 S5 S6 n
¿ ∑ Aij e T seleccionada
1=i
1 P3-p2 9 0.75 6.14E- 0.814 891
06
P2 P3 P6 P5 P1 P4 1130
2 P3-P6 1154 24 0.70 1.28E- 0.205 891
15
P2 P6 P3 P5 P1 P4
2 P3-P5 P2 P6 P5 P3 P1 P4 1212 54 0.65 8.32E- 0.278 891
3 37
4 P3-P1 P2 P6 P5 P1 P3 P4 1291 79 0.60 6.57E- 0.549 891
58
5 P3-P4 P2 P6 P5 P1 P4 P3 1279 -12
Fuente. Autores
Al realizar la segunda iteración se identificó que no se encontró una semilla con una
función objetivo menor a la de la secuencia inicial. Se realizó una tercera iteración
(ver cuadro 57) ya que se evidencio que en la secuencia 5 del cuadro 57 la función
objetivo disminuyo 12 unidades. Véase cuadro 58.
Cuadro 97. Intercambio adyacente por pares 3 iteración.
K Sk- S1 S2 S3 S4 S5 S6 n
sk+1 ¿ ∑ Aij eT seleccionada
1=i
1 P2-P6 15 0.55 1.43E-12 0.12 891
2
P6 P2 P5 P1 P4 P3 1294
2 P2-P5 1343 49 0.50 2.78E-43 0.01 891
6
P6 P5 P2 P1 P4 P3
23 P2-P1 1413 70 0.45 2.77E-68 0.59 891
7
P6 P5 P1 P2 P4 P3
4 P3-P1 1392 -21
P6 P5 P1 P4 P2 P3
5 P3-P4 1383 -12 -9
P6 P5 P1 P4 P3 P2
Fuente. Autores
Luego de realizar tercera iteración se identificó que no hay mejor secuencia con una
función objetivo a la inicial TMCP menor a la de 891 horas.
3.4 BUSQUEDA TABÚ
La búsqueda de tabú aumenta el rendimiento del método Y búsqueda local

mediante el uso de estructuras de memoria: una vez que una potencial solución es
148
determinada, se le llamara como “tabú” de modo que el algoritmo no vuelva a visitar
esa posible solución.
Este algoritmo se utilizara en el producto de la silla universitaria y la máquina con la

que se desarrollara el algoritmo es la (dobladora) que hace parte del proceso de
fabricación.
Para la aplicación de este modelo se escogió como semilla inicial el tiempo más
corto de procesamiento (TMCP), que está dado en horas. Véase cuadro 59.
Cuadro 98. Secuencia de pedidos de TMCP (Búsqueda Tabú).

Pedid t ij te ij te ij Rij A ij Eij
o
P4 56 2 56 54 54 0
P3 89 2 145 143 143 0
P2 116 3 261 258 258 0
P6 156 3 417 414 414 0
P5 251 4 668 664 664 0
P1 310 5 978 973 973 0
2506
Fuente. Autores
En el cuadro 59 se observa el atraso inicial con 2506 horas, ahora se procede a

buscar un menor atraso por medio de la aplicación de búsqueda de tabú teniendo
en cuenta la secuencia inicial para los 6 pedidos. Véase tabla 1.
Tabla 1. Secuencia TMCP.

TMCP P4-P3-P2-P6-P5-P1
Fuente. Autores
Para desarrollar el método de búsqueda de Tabú se utiliza el intercambio por pares

para determinar el entorno donde se buscarán las posibles soluciones, con un
resultado de 15 posibles combinaciones para los seis pedidos. véase cuadro 60.
Cuadro 99. Posiciones a intercambiar.
149
SUMATORIA DEL DIFERENCIA ENTRE
PEDIDOS ATRASO A ij INICIAL Y
A ij CALCULADO
S4 S3 2539 33
S4 S2 2626 120
S4 S6 2806 300
S4 S5 3286 780
S4 S1 3776 1270
S3 S2 2533 27
S3 S6 2640 134
S3 S5 2992 486
S3 S1 3390 884
S2 S6 2546 40
S2 S5 2776 270
S2 S1 3088 582
S6 S5 2601 95
S6 S1 2814 308
S5 S1 2565 59
Fuente. Autores
En el cuadro 59 se encuentra el intercambio de los 6 pedidos los cuales son 15,

cada cambio tiene su respectiva sumatoria del atraso y la diferencia de la sumatoria
inicial y las calculadas con los intercambios.
Para realizar el algoritmo se utiliza una estructura para no repetir las búsquedas se
dice que un par de tareas será tabú durante un periodo de 3 iteraciones dado que
intercambiar las tareas 5 y 1 es lo mismo que intercambiar 1 y 5.
Figura 30. Estructura tabú.
2 3 4 5 6
1
2
3
4
5
Fuente. Autores
En la figura 11 se observa la estructura tabú que se utilizará para las secuencias y

las iteraciones en donde se buscará las posibles soluciones en la vecindad.
150
Para iniciar el algoritmo se debe escoger la secuencia seleccionada y ubicar al lado
izquierdo de la estructura, se escogen los valores de menor a mayor de la
diferencia del atraso inicial con el atraso calculado (ver cuadro 60) y se ubican los
pedidos al que este pertenece al lado derecho de la estructura (ver figura 11).
Figura 31. Iteración tabú.
Fuente. Autores
Para realizar la búsqueda tabú se debe reemplazar las posiciones que indican al
lado derecho de la estructura es decir la de menor valor, para realizar las demás
iteraciones se debe eliminar de la figura las posiciones que fueron intercambiadas y
subir la que sigue, en la última posición se pone el siguiente mayor al anterior (ver
figura 12).
Figura 32. Iteración 1 tabú
Fuente. Autores
151
El la figura 13 se observa el intercambio de las posiciones 3 y 2 a los cuales se les
prohíbe hacer movimientos durante 3 iteraciones este arrojo un atraso de 2533
horas.
Se procede a hacer la selección de las posiciones 4 y 3 en la iteración 2 (ver figura
14).
Figura 33. Iteración 2 tabú.
Fuente. Autores
En la figura 14 se observa el intercambio de los pedidos 4 y 3 a los cuales se les

prohíbe hacer movimientos durante 3 iteraciones, este arrojo un atraso de 2599
horas.
Se procede a hacer la selección de las posiciones 2 y 6 en la iteración 3 (ver figura

15).
152
Fuente. Autores
En la figura 15 se identifica el intercambio de los pedidos 2 y 2 a los que se les
prohíbe hacer movimientos durante 3 iteraciones, este arrojo un atraso de 2679
horas.
Se hace la selección de las posiciones 5 y 1 en la iteración 4 (ver figura 16).
Fuente. Autores
En la figura 16 de observa el intercambio de posiciones de los pedidos 5 y 1 a los

cuales se les prohíbe hacer movimientos durante 3 iteraciones, este arrojo como
atraso 2738 horas.
153
Fuente. Autores
En la figura 17 de observa el intercambio de posiciones de los pedidos 6 y 5a los

atraso 3118 horas.
Fuente. Autores

atraso 3178 horas.
154
Fuente. Autores

atraso 3513 horas.
Fuente. Autores
atraso 3378 horas.
155
Fuente. Autores
atraso 3078 horas.
Fuente. Autores

atraso 3232 horas.
156
Fuente. Autores

atraso 2746 horas.

Fuente. Autores

atraso 3134 horas.
157
Fuente. Autores.

atraso 4109 horas.
Fuente. Autores

atraso 3888 horas.
158
Fuente. Autores
atraso 3126 horas.
3.5 COLONIA DE HORMIGAS
3.6 N TRABAJOS EN 2 MÁQUINAS
3.6.1. Algoritmo Johnson
3.6.2 Solución de algoritmo Johnson por WIN-QSB
3.7 N TRABAJOS EN 3 MÁQUINAS
3.7.1. Algoritmo Johnson
3.7.2 Solución de algoritmo Johnson por WIN-QSB
3.8 ALGORITMO INGALL
3.9 N TRABAJOS EN N MÁQUINAS
159
3.9.1 Algoritmo Palmer (AP) (1965). Palmer propone un índice de máximo orden,
para secuenciar los trabajos en las máquinas basados en el tiempo de proceso. La
idea es dar prioridad a los trabajos cuyos tiempos de proceso tienden a
incrementarse de máquina a máquina. Mientras los trabajos cuyo tiempo de
proceso tiende a decrecer de máquina a máquina recibirán una prioridad baja. La
heurística programa los trabajos en orden decreciente según el valor del índice. Por
tanto su objetivo es minimizar el valor máximo de terminación.
Para el desarrollo del modelo se deben tener en cuenta los siguientes pasos, los
cuales se aplicaran para el producto de la silla universitaria:
 Convertir proceso de m máquinas en proceso de 2 máquinas. Esto se realiza a
través de las siguientes ecuaciones.
m
S =∑ (m− j)∗t ij
1
i
j=i
m
S 2i =∑ ( j−1 )∗t ij
j=1
A continuación se muestran los tiempos de procesamiento de las máquinas con las

que se desarrollara el modelo, estos tiempos se encuentran en horas (véase cuadro
75) Las máquinas con las que se desarrollara el modelo son:
 Cortadora.
 Dobladora.
 Punzonado.
 Desengrase y pintura.
Cuadro 100. Tiempo de procesamiento de la silla universitaria en 4 máquinas.
PEDIDOS ti 1 ti 2 ti 3 ti 4
P1 111 310 105 347
P2 41 116 39 130
P3 32 89 30 100
P4 20 56 19 63
P5 90 251 85 281
P6 56 156 53 175
Fuente. Autores
 Hallar S1. Para esto se debe despejar la ecuación 1, en donde se remplazan las
variables de m y j y el resultado que se obtiene S 1i de los pedidos.
160
4
 S =∑ ( 4−1 )∗t ij =3 t i 1
1
i
j=i
4
 S 1i =∑ ( 4−2 )∗t ij =2 t i 2
j=i
4
 S 1i =∑ ( 4−3 )∗t ij =1 t i 3
j=i
4
 S 1i =∑ ( 4−4 )∗t ij =0 t i 4
j=i
4
 S 1i =∑ (4− j)∗t ij =3 t i 1+2 t i 2+1 t i3 +0 t i 4
j=i
Ahora procedemos a hallar el S1 para cada pedido con base al despeje anterior.
 El S1 para el P1 (pedido 1)
S 1i =( 3∗111 )+ ( 2∗310 ) + ( 1∗105 ) + ( 0∗347 )=333+ 620+105+0=1058
S 1i =( 3∗41 ) + ( 2∗116 )+ (1∗39 ) + ( 0∗130 )=123+ 232+ 39+ 0=394
S 1i =( 3∗32 ) + ( 2∗89 )+ ( 1∗30 ) + ( 0∗100 ) =96+178+30+ 0=304
S 1i =( 3∗20 ) + ( 2∗56 ) + ( 1∗19 )+ ( 0∗63 )=60+112+19+ 0=191
S 1i =( 3∗90 ) + ( 2∗251 ) + ( 1∗85 )+ ( 0∗281 )=270+502+85+0=857
S 1i =( 3∗56 ) + ( 2∗156 ) + ( 1∗53 )+ ( 0∗175 )=168+312+53+0=533
 Hallar S2. Para esto se debe despejar la ecuación 2, en donde se remplazan la

variable j y el resultado que se obtiene S 2i de los pedidos.
4
 S 2i =∑ ( 1−1 )∗t ij =0 t i 1
j=i
4
 S 2i =∑ ( 2−1 )∗t ij =1t i 2
j=i
161
4
 S =∑ ( 3−1 )∗t ij =2 t i 3
2
i
j=i
4
 S 2i =∑ ( 4−1 )∗t ij =3 t i 4
j=i
m
 S 2i =∑ ( j−1 )∗t ij =0 t i 1+1 t i2 +2 t i 3 +3 t i 4
j=1
Ahora procedemos a hallar el S2 para cada pedido con base al despeje anterior.
S 1i =( 0∗111 )+ ( 1∗310 ) + ( 2∗105 ) + ( 3∗374 ) =0+310+210+1041=1561
S 1i =( 0∗41 )+ (1∗116 )+ ( 2∗39 ) + ( 3∗130 )=0+116+78+ 390=584
S 1i =( 0∗32 ) + ( 1∗89 ) + ( 2∗30 )+ (3∗100 ) =0+89+60+ 100=249
S 1i =( 0∗20 ) + ( 1∗56 ) + ( 2∗19 )+ ( 3∗63 )=0+56+ 38+189=283
1
S i =( 0∗90 )+ (1∗251 ) + ( 2∗85 )+ ( 3∗281 )=0+251+170+843=1264
1
S i =( 0∗56 ) + ( 1∗156 ) + ( 2∗53 )+ ( 3∗175 )=0+156+ 106+525=787
Después de haber realizado los anteriores cálculos, se puede determinar que los
resultados arrojados de S1 y S2 son el proceso de convertir las 4 máquinas a 2
máquinas (véase cuadro 76).
Cuadro 101. Calculo de S1 y S2.

PEDIDOS ti 1 ti 2 ti 3 ti 4 S1 S2
P1 111 310 105 374 1058 1561
P2 41 116 39 130 394 584
P3 32 89 30 100 304 249
162
P4 20 56 19 63 191 283
P5 90 251 85 281 857 1264
P6 56 156 53 175 533 787
Fuente. Autores
 Hallar S3. Este S3 se halla con la resta de S1 y S2 y el resultado que arroje será
el orden que se le a los pedidos. Para esto se utilizar la siguiente ecuación.
3 1 2
S i =Si −S i (3)
Ahora se despejara la ecuación de S3 para hallar el orden de los pedidos
3
S i =1058−1561=−503
3
S i =394−584=−190
3
S i =304−249=55
3
S i =191−283=−92
3
S i =857−1264=−407
3
S i =533−787=−254
En el siguiente cuadro se encuentra el resultado de restar S1 y S2 que arroja como

resultado el S3, esto se obtiene a partir de los cálculos realizados anteriormente
(véase cuadro 77).
Cuadro 102. Calculo de S3 Palmer

PEDIDOS ti 1 ti 2 ti 3 ti 4 S1 S2 S3
P1 111 310 105 374 1058 1561 -503
P2 41 116 39 130 394 584 -190
163
P3 32 89 30 100 304 249 55
P4 20 56 19 63 191 283 -92
P5 90 251 85 281 857 1264 -407
P6 56 156 53 175 533 787 -254
Fuente. Autores
3
 Ordenar pedidos de menor a mayor S i . Junto a estos se moverán las
posiciones de los pedidos a los que corresponde los S3. Para esto se tiene en
cuenta la siguiente ecuación.
3 3 3 3 3 3
≤ S i S 1 ≤ S i S 2 ≤ S i S 3 ≤ Si S 4 ≤ Si S 5 ≤ S i S 6 (4)
Cuadro 103. Posición de los pedidos S3

PEDIDOS P3 P4 P2 P6 P5 P1
S3 55 -92 -190 -254 -407 -503
Fuente. Autores
 Análisis de temporización del algoritmo de Palmer. Este algoritmo sirve para

determinar en qué momento se debe comenzar o terminar las actividades en cada
una de las máquinas.
Para esto se requieren una serie de pasos que fueron desarrollados anteriormente,
en donde el resultado óptimo de secuenciación que arrojo el algoritmo es: P3, P4,
P2, P6, P5 Y P1el cual se debe realizar en un tiempo de 386 horas en las cuatro
máquinas. Para esto se realiza una visualización en donde se observe en qué
momento se debe comenzar y terminar el pedido en la máquina (véase figura 34).
Figura 47. Diagrama de Gantt algoritmo Palmer.
3.9.2 Algoritmo Company (AC). Este algoritmo es una guía que sirve para
minimizar el tiempo de procesamiento en donde se establece la secuencia de un
grupo de trabajos en dos centros de trabajo, al mismo tiempo minimiza el tiempo
muerto total en los centros de trabajo. Usado para la secuencia de número de
trabajos a través de dos máquinas en el mismo orden (véase cuadro 79).
164
Cuadro 104. Datos de S1 y S2 Company.
PEDIDOS S1 S2
P1 1058 1561
P2 394 584
P3 304 249
P4 191 283
P5 857 1264
P6 533 787
Fuente. Autores
En el cuadro se realizó el algoritmo de Johnson para 2 máquinas y así determinar la

posición de los pedidos (véase cuadro 80).
Cuadro 105. Posición de los pedidos a través de Johnson.
PEDIDOS P1 P5 P6 P2 P3 P4
S1 1058 857 533 394 304 191
S2 937 757 472 347 269 169
Fuente. Autores
 Análisis de temporización de company. El algoritmo Company es un proceso

mediante el cual se determina cuando se debe comenzar o cuando se debe
terminar las actividades productivas en cada una de las máquinas. Mediante los
cálculos realizados anteriormente se pudo determinar a través de la aplicación de
algoritmo de Johnson que la secuencia con la que se deben realizar los pedidos es:
P1, P5, P6, P2, P3 y P4 el cual arroja un tiempo de realización de los pedidos de
2951.
Para poder tener una visualización de cómo queda la secuenciación que arrojo el
algoritmo de Company se realizara un diagrama de Gantt en donde se podrá
observar la temporización de cuándo debe comenzar o terminar la máquina el
pedido. véase figura 29.
Figura 48. Diagrama de Gantt algoritmo Company.
165
3.9.3 Algoritmo Campbell, Dudek y Smith (CDS). Para la realización de este
algoritmo se tiene en cuenta el algoritmo de palmer y para el ordenamiento de pedidos
se utiliza la regla de Johnson para dos máquinas, calculando las máquinas virtuales
con la siguiente formulación.
En el algoritmo CDS se usa una múltiple aplicación del algoritmo de Johnson para
dos máquinas para tratar de obtener una buena programación en un problema. A
continuación se mostraran los pasos para el desarrollo del algoritmo.
El desarrollo del algoritmo de Campbell, dudek y Smith depende de los siguientes
pasos. Primero se utilizan las ecuaciones:
 Al reemplazar en la ecuación 1 y en la ecuación 2 para hallar S1 y S2, para k=0
tenemos que:
0 +1 1
(1) k =0 → S1i =∑ t ij → S1i =∑ t ij =t i 1
j=1 j=1
4 4
( 2 ) k=0 → S 2i = ∑ t ij → S 2i =∑ t ij =t i 4
j=4−0 j =4
 Según las ecuaciones 1 y 2 despejadas para cuando k vale 0 S1 es el t i 1 , es el

tiempo de la primera máquina, y S2 el ti 4 que es el tiempo de la máquina 4.
véase cuadro 67.
Cuadro 106. Tiempos de procesamiento de máquina 1 y 4 cuando k=0.

PEDIDOS S1 S2
P1 111 1387
P2 41 518
P3 32 389
P4 20 251
P5 90 1121
P6 56 697
Fuente. Autores
166
 Aplicación de algoritmo Johnson para dos máquina Cuando k=0. En el siguiente
cuadro 68 se observa la secuencias que se pueden dar en el algoritmo CDS
Cuadro 107. Secuenciación de algoritmo CDS cuando k = 0.

S1 P1 P6 P5 P2 P3 P4
S2 P1 P5 P6 P2 P3 P4
Fuente. Autores.
 Al reemplazar en la ecuación 1 y 2 para hallar S1 y S2, para k=1 tenemos que:
1+1 2
k =1→ S 1i =∑ t ij → S 1i =∑ t ij =t i 1 +t i2
j=1 j=1
4 4
k =1→ S 2i = ∑ t ij → S2i =∑ t ij =t i 3 +t i 4
j=4−1 j =3
 Según las ecuaciones cuando k vale 1 S1 es el t i 1 +t i 2 el tiempo de la primera

máquina sumado con el de la segunda, y S2 el t i 3 +t i 4 que es el tiempo de la
máquina 3 sumado con la 4.
o S1 para el pedido 1 (P1) cuando k vale 1 seria:
1
S i =111+310=421
1
S i =41+ 116=157
1
S i =32+89=121
1
S i =20+56=76
S 1i =90+ 251=341
167
1
S i =56+156=212
2
S i =105+1387=1492
S 2i =39+518=557
2
S i =30+398=428
S 2i =19+251=270
2
S i =85+1121=1206
S 2i =53+697=750
Cuadro 108. Resumen de cálculos de S1 y S2.

S1 S2
P1 421 1492
P2 157 557
P3 121 428
P4 76 270
P5 341 1206
168
P6 212 750
Fuente. Autores
Ahora se procede a realizar la secuenciación.
Cuadro 109. Secuenciación de S1 y S2.
S1 P1 P5 P6 P2 P3 P4
S2 P1 P5 P6 P2 P3 P4
Fuente. Autores
Al reemplazar en la ecuación 1 y 2 para hallar S1 y S2, para k=2 tenemos que:
2+1 3
k =2→ S 1i =∑ t ij → S 1i =∑ t ij =t i 1 +t i 2+t i 3
j=1 j=1
4 4
k =2→ S 2i = ∑ t ij → S 2i =∑ t ij=t i 2 +t i 3 +t i 4
j=4−2 j=2
 Según las ecuaciones cuando k vale 1 S1 es el t i 1 +t i 2+t i 3 , ósea el tiempo de la

primera máquina sumado con el de la segunda y el de la tercera, y S2 el
t i 2 +t i 3+ t i 4 que es el tiempo de la máquina 2 sumado con la 3 y la 4.
 S1 para el pedido 1 (P1) cuando k vale 2 seria:
1
S i =111+310+105=526
S 1i =41+ 116+39=196
S 1i =32+89+30=151
S 1i =20+56+ 19=95
169
1
S i =90+ 251+ 85=426
1
S i =56+156+ 53=265
2
S i =310+105+1387=1802
2
S i =116+39+518=673
2
S i =89+30+ 398=517
2
S i =56+19+ 251=326
2
S i =251+229+1121=1601
2
S i =156+53+ 697=906
Cuadro 110. Cuando k=2.

S1 S2
P1 526 1802
P2 196 673
P3 151 517
170
P4 95 326
P5 426 1601
P6 256 906
Fuente. Autores
Cuadro 111. Secuenciación de algoritmo CDS cuando K=2.

S1 P1 P5 P6 P2 P3 P4
S2 P1 P5 P6 P2 P3 P4
Fuente. Autores
3.9.4 Algoritmo Gupta (AG). En el año 1972 Gupta diseño un método el cual es muy
similar al de Palmer, a excepción de que él define los índices en una manera
diferente, tomando dentro de la cuenta unos interesantes hechos de la optimización
de la regla de Johnson para el problema de m máquinas
Para el desarrollo de este algoritmo se deberá ordenar de mayor a menor gi .
≥ g iS 1 ≥ giS 2 ≥ … ≥ giSn
ei
gi=
mink=1,… ,(m−1) [ t ik + t i (k+1) ]
e i=
[ 1, sit i 1< t ℑ
−1, si t i 1 ≥ t ℑ ]
Dónde:
m=Número de máquinas
k =1,… , (m−1)
Pasos. Para desarrollar el algoritmo de Gupta se deben seguir los siguientes pasos:
 Hallar k. Calcular k hasta m-1, cómo se está trabajando con 4 máquinas (m) se
deberá calcular k=1, k=2, y k=3 y tomando el valor mínimo de estos.
k =t ik +t i (k+1)
 Luego se halla los k según la ecuación anterior.
k1 para el pedido 1 (P1)
k 1=t 1∗1 +t 1 (1 +1)=t 1 +t 2
171
k 1=111+310=421
k 2=t 1∗2 +t 1 ( 2+1)=t 2 +t 3
k 2=310+105=415
k 3=t 1∗3 +t 1 (3+1 ) =t 3 +t 4
k 3=105+ 347=452
Así sucesivamente se realizaran los cálculos de los k1, k2, y k3 para los demás
pedidos, los resultados se muestra en el cuadro 73. Luego se selecciona el menor
de los k.
Cuadro 112. Cálculo de los k
Fuente: Autores
A continuación en el cuadro 61 se muestra los e i donde dieron como resultado
-1 porque en todos los pedidos es mayor el t i de la máquina 1 que el de la
máquina 4. Y el gi que se obtuvo de dividir e i sobre el mínimo de los k. véase
cuadro 74.
Cuadro 113. Cálculo de los ei y gi
172
Fuente: Autores
Después se procede a ordenar los gi de mayor a menor y así estará dada la
secuencia con el algoritmo de Gupta. Ver tabla 2.
Tabla 2. Ordenar los pedidos según el gi
Fuente. Autores.
Una vez organizados los gi se obtiene la secuencia dada por el algoritmo de

Gupta. ver cuadro 75
Cuadro 114. Secuencia de Algoritmo de Gupta
Fuente: Autores.
 Análisis de temporización algoritmo Gupta. Se observó en el algoritmo de Gupta

que la secuencia de “P4, P3, P2, P6, P5, P1”, arroja un tiempo de realización de
los pedidos en las cuatro máquinas de 1450 horas, ahora se procederá a realizar la
temporización para la primera secuencia para determinar cuándo debe comenzar
y/o terminar en la máquina. ver figura 30.
Figura 49. Diagrama de Gantt algoritmo de Gupta
173
Fuente.
Autores
3.9.4.1 Solución de los métodos de n pedidos en m máquinas en winQSb.

WinQSb es un software que ayuda a tomar decisiones gracias a varias
aplicaciones con la que puede resolver problemas en el campo de la investigación
operativa, introduciendo una serie de datos para poder encontrar una solución
óptima.
Para dar solución a los métodos de N pedidos en M máquinas se debe ingresar al
programa por la aplicación Job Scheduling. Ver figura 31.
Figura 50. Ingresar al programa y Job Scheduling
Fuente. Autores.
Luego de abierta la ventana se oprime en file-new problem, automáticamente

saldrá un cuadro donde se deberán introducir los datos que pide; la primera
pregunta que realiza (problem title) es el nombre que se le dará al problema el cual
no puede pasar de 8 caracteres, la segunda (number of job to be scheduled) es el
número de trabajos o pedidos a programar, la tercera (number of machines or
workers) es el número de máquinas, trabajadores o centros de trabajo, la cuarta
(máximum number of operations per job) es el número máximo de operaciones por
174
trabajo donde pondremos el mismo número que colocamos anteriormente, y la
última (time unit) es la unidad de tiempo que se va a manejar por ejemplo horas-
minutos; luego se pone X en el anuncio de color rojo (all jobs have the same
machine/worker sequence) que se refiere a que todos los trabajos o pedidos tienen
la misma secuencia en las máquinas o los trabajadores. Por último se le da ok. ver
figura 32.
Figura 51. Ventana inicial
Fuente. Autores.
Posteriormente aparecerá un cuadro donde se deben poner los tiempos, (job name)
son los pedidos y (operation) las maquinas o trabajadores, cuando todos los datos
se han digitado se da click en solve and analyze y solve the problem para dar
solución de secuenciación con los datos. ver figura 33
Figura 52. Insertar los datos del problema
Fuente. Autores
175
Luego aparecerá un cuadro con los diferentes métodos para resolver problemas de
N pedidos en M máquinas como los vistos anteriormente, aquí se escogerá el
algoritmo deseado para resolver el problema y con el objetivo de minimizar el
tiempo de flujo para que la secuenciación nos dé con el menor tiempo posible de
realización de los pedidos. En este caso seleccionaremos la solución del algoritmo
de Gupta. ver figura 34.
Figura 53. Selección del método o algoritmo
Fuente. Autores.
Al oprimir ok saldrá un cuadro con los resultados como el tiempo de flujo total
(Cmax) entre otros. ver figura 35.
Figura 54. Datos del problema resuelto
Fuente. Autores
176
Además el programa WinQSb permite dar la opción de observar la gráfica de Gantt
con la secuenciación de los pedidos a continuación se podrá visualizar el gráfico.
Ver figura 36
Figura 55. Gráfica de Gantt Algoritmo de Gupta
Fuente. Autores.
3.9.5 Algoritmo Dannenbring (AD). Dannenbring en el año 1972 diseño un

método que combina las ventajas de la heurística de Palmer y CDS. Su idea es
construir dos (2) máquinas en las que pueda aplicar el algoritmo de Johnson, pero
que la consecución de los tiempos de proceso refleje el mismo comportamiento
como el índice máximo de Palmer.
Para secuenciar los pedidos con el algoritmo de Dannenbring se deben seguir los
siguientes pasos:
 Convertir m. Convertir el proceso de m máquinas en un proceso de 2 máquinas,

hallando S1 y S2 con las siguientes ecuaciones
m
S =∑ ( m− j+1 )∗t ij
1
i
j=1
m
S 2i =∑ j∗t ij
j=1
Remplazando la ecuación para hallar S1 se obtiene:
177
4
S =∑ ( 4−1+ 1 )∗t i 1=4 t i 1
1
i
j=1
4
S 1i =∑ ( 4−2+1 )∗t i 2=3 t i 2
j=1
4
S =∑ ( 4−3+1 )∗t i 3=2 t i 3
1
i
j=1
4
S =∑ ( 4−4 +1 )∗t i 4=1 t i 4
1
i
j=1
4
S 1i =∑ ( 4− j+1 )∗t ij =4 t i 1 +3 t i2 +2 t i 3 +1 t i 4
j=1
 El S1 para el pedido 1 (P1)
1
S i =4∗111+3∗310+2∗105+1∗347=444 +930+210+ 347=1931
1
S i =4∗41+3∗116+2∗39+1∗130=164+ 348+78+130=720
1
S i =4∗32+ 3∗89+ 2∗30+1∗100=128+267 +60+100=555
1
S i =4∗20+3∗56+2∗19+1∗63=80+168+38+63=349
1
S i =4∗90+3∗251+2∗85+ 1∗281=360+ 753+ 170+281=1564
1
S i =4∗56+3∗156+2∗53+ 1∗175=224+ 468+106+175=973
Ahora se remplazara la ecuación para hallar S2 así:
178
4
S =∑ 1∗t i 1=1 t i1
2
i
j=1
4
S 2i =∑ 2∗t i 2=2t i 2
j=1
4
S =∑ 3∗t i3 =3 t i 3
2
i
j=1
4
S 2i =∑ 4∗t i 4=4 t i 4
j=1
4
S =∑ j∗t ij =1t i 1+ 2t i 2+ 3t i 3 +4 t i 4
2
i
j=1
2
S i =1∗111+2∗310+3∗105+4∗347=111+620+315+1388=2434
S 2i =1∗41+2∗116+3∗39+ 4∗130=41+ 232+117 +520=910
2
S i =1∗32+ 2∗89+3∗30+ 4∗100=32+178+ 90+400=700
2
S i =1∗20+2∗56+ 3∗19+ 4∗63=20+112+57+252=441
179
2
S i =1∗90+2∗251+ 3∗85+ 4∗281=90+502+255+1124=1971
2
S i =1∗56+2∗156+ 3∗53+ 4∗175=56+312+159+700=1227
En el cuadro 76 se presentaran los resultados de S1 y S2 de cada uno de los

pedidos.
Cuadro 115. Calculo del S1 y S2.
Fuente. Autores
 Aplicar Johnson. Aplicar Johnson para 2 máquinas tomando S1 y S2 hallados

anteriormente, hallando así la nueva secuencia cómo se podrá observar en el
cuadro 77.
Cuadro 116. Secuencia Algoritmo Dannenbring
Fuente. Autores
 Análisis de temporización algoritmo dannenbring. Se desarrolló el algoritmo

Dannenbring y la secuencia que nos arrojo fue P4, P3, P2, P6, P5, P1, la cual arroja
un tiempo de realización de los pedidos de en las cuatro máquinas de 1450, a
continuación se realizara la temporización y se determinará cuándo debe comenzar
y/o terminar en la máquina. Ver figura 35.
Figura 56. Diagrama de Gantt del algoritmo Dannenbring.
180
Fuente: Autores
3.9.6 Algoritmo de Hundal y Rajgopal (AHR). La heurística MPS (Modified Palmer

Séquense) propuesto por Hundal y Rajgopal, intenta también reducir el problema de
m máquinas a solo 2 máquinas para posteriormente utilizar la regla de Johnson y
obtener una secuencia.
Para aplicar el algoritmo de Hundal y Rajgopal se aplican los siguientes pasos:
 Convertir m. Convertir el proceso de m máquinas en un proceso de 2 máquinas,

hallando S1 y S2 con las siguientes ecuaciones.
m
S 1i =∑ ( m−2 j )∗t ij
j=1
m
S 2i =∑ j∗t ij
j=1
Remplazando la ecuación para hallar S1 se obtiene:

4
S 1i =∑ ( 4−2∗1 )∗t i 1=2 t i1
j=1
4
S =∑ ( 4−2∗2 )∗t i 2=0t i 2
1
i
j=1
4
S 1i =∑ ( 4−2∗3 )∗t i3 =−2 t i 3
j=1
181
4
S =∑ ( 4−2∗4 )∗t i 4=−4 t i 4
1
i
j=1
4
S 1i =∑ ( 4−2 j )∗t ij =2 t i 1 +0 t i 2−2 t i 3−4 t i 4
j=1
1
S i =2∗111+0∗310−2∗105−4∗347=222+0−210−1388=−1376
1
S i =2∗41+0∗116−2∗39−4∗130=82+0−78−520=−516
1
S i =2∗32+ 0∗89−2∗30−4∗100=64 +0−60−400=−396
1
S i =2∗20+0∗56−2∗19−4∗63=40+0−38−252=−250
1
S i =2∗90+0∗251−2∗85−4∗281=180+ 0−170−1124=−1114
1
S i =2∗56+0∗156−2∗53−4∗175=112+0−106−700=−694
Luego se remplazara la ecuación para hallar S2 así:
182
4
S =∑ ( 4−2∗1+2 )∗t i 1=4 t i 1
2
i
j=1
4
S 2i =∑ ( 4−2∗2+2 )∗t i 2=2t i 2
j=1
4
S =∑ ( 4−2∗3+ 2 )∗t i3 =0 t i 3
2
i
j=1
4
S =∑ ( 4−2∗4+2 )∗t i 4=−2t i 4
2
i
j=1
4
S 2i =∑ j∗t ij =1t i 1+ 2t i 2+ 3t i 3 +4 t i 4
j=1
S 2i =4∗111+2∗310+0∗105−2∗347=444+ 620+0−694=370
2
S i =4∗41+2∗116+0∗39−2∗130=164+232+0−260=136
S 2i =4∗32+ 2∗89+ 0∗30−2∗100=128+178+0−200=106
2
S i =4∗20+2∗56 +0∗19−2∗63=80+ 112+0−126=66
S 2i =4∗90+2∗251+ 0∗85−2∗281=360+502+0−562=300
2
S i =4∗56+2∗156 +0∗53−2∗175=224 +312+0−350=186
183
En el cuadro 78 se presentaran los resultados de S1 y S2 de cada uno de los
pedidos.
Cuadro 117. Calculo del S1 y S2
Fuente. Autores
 Ordenar S1. Ordenar de menor a mayor los resultados obtenidos de S1 con los
pedidos. ver cuadro 79.
1 1 1
≤ S i S 1 ≤ S i S 2 ≤… ≤ S i Sn
Cuadro 118. Secuencia S1
Fuente: Autores.
 Ordenar S2. Ordenar de menor a mayor los resultados obtenidos de S2 con los
pedidos. Ver cuadro 67
2 2 2
≤ S i S 1 ≤ S i S 2 ≤ …≤ Si Sn
Cuadro 119. Secuencia S2
Fuente: Autores.
Después de esto se coloca la secuencia que nos dio al resolver el algoritmo de

Palmer anteriormente. ver cuadro 81
Cuadro 120. Secuencia de palmer
184
Fuente: Autores
Una vez obtenida la secuencia S1, S2 y Palmer, se selecciona la que dé

cumplimiento con la función objetivo, que en este caso será la secuencia de S2.
 Análisis de temporización algoritmo Hundal y Rajgopal. Se observó en el algoritmo
Hundal y Rajgopal que la secuencia de P4, P3, P2, P6, P5, P1 arrojan un tiempo de
realización de los pedidos en las cuatro máquinas de 1450 horas, a continuación se
realizara la temporización y se determinará cuándo debe comenzar y/o terminar en
la máquina. ver figura 38
Figura 57. Diagrama de Gantt Hundal y Rajgopal
Fuente. Autores.
3.9.7 Algoritmo de Ho y Chang (AHC). El algoritmo de Ho and Chang es un método

que trabaja minimizando los tiempos existentes entre la finalización de un trabajo en
una máquina y el comienzo del proceso de ese mismo trabajo en la máquina
siguiente. A este tiempo los señores Ho y Chang lo denominaron “gap”. Este
algoritmo empieza calculando estos tiempos para una secuencia de partida y
mediante una serie de cálculos el algoritmo intercambia los trabajos en la secuencia
intentando minimizar estos tiempos. La heurística parte de la solución
proporcionada por el método CDS de Campbell, Dudek y Smith.
Para realizar el algoritmo de Ho y Chang se tomaron los 6 pedidos con los que se
ha venido trabajando, estos pedidos pasan por 4 máquinas, y se realizarán una
serie de pasos.
185
Paso 1. Se toma la secuencia obtenida con el algoritmo de CDS para obtener una
solución inicial, la secuencia obtenida fue P4, P3, P2, P6, P5, P1 con un tiempo de
flujo total de 1450 Horas. ver cuadro 82.
Cuadro 121. Algoritmo CDS
Fuente. Autores
R
 Paso 2. Se deben calcular los valores para el di, j con la siguiente ecuación:
d kij =t i ,k+1 −t j ,k parai , j=1,2, … , n y k=1,2, … , M −1 y i≠ j

Donde
k
d ij =¿ Tiempo transcurrido de la terminación de la tarea en la M1 y el comienzo
de la misma en la M2 (Gap o brechas)
Además si la tarea i precede de la tarea j en la secuencia, y el d kij es positivo

implica que el trabajo j en la máquina tiene que esperar por lo menos k +1 hasta
que la tarea i sea finalizada. En el caso de que sea negativo, esto implica que existe
un tiempo ocioso de entre la tarea i y j en la máquina k +1 . A continuación se
desarrolló el cálculo de todos d 1ij .
1
d ij =t i ,k+1 −t j ,k → P 4 → M 2 ( 56 )−M 2 ( 56 ) =0
1
d ij =t i ,k+1 −t j ,k → P 3 → M 2 (56 )−M 1 ( 32 )=24
1
d ij =t i ,k+1 −t j ,k → P 2 → M 2 ( 56 )−M 1 ( 41 ) =15
1
d ij =t i ,k+1 −t j ,k → P 6 → M 2 ( 56 )−M 1 ( 56 )=0
1
d ij =t i ,k+1 −t j ,k → P 5 → M 2 ( 56 )−M 1 ( 90 )=−34
1
d ij =t i ,k+1 −t j ,k → P 1→ M 2 ( 56 )−M 1 ( 111 )=−55
186
Estos cálculos se obtuvieron restando el tiempo de la máquina 2 del pedido 4, con
los demás tiempos de los pedidos de la máquina 1.
Calculo de restar el tiempo de la máquina 2 del pedido 3, con los demás tiempos de
los pedidos de la máquina 1.
1
d ij =t i ,k+1 −t j ,k → P 4 → M 2 ( 89 )−M 1 ( 20 ) =69
1
d ij =t i ,k+1 −t j ,k → P 3 → M 2 ( 89 )−M 2 ( 89 )=0
1
d ij =t i ,k+1 −t j ,k → P 2 → M 2 ( 89 )−M 1 ( 41 ) =48
1
d ij =t i ,k+1 −t j ,k → P 6 → M 2 ( 89 )−M 1 ( 56 )=33
1
d ij =t i ,k+1 −t j ,k → P 5 → M 2 ( 89 )−M 1 ( 90 )=−1
1
d ij =t i ,k+1 −t j ,k → P 1→ M 2 ( 89 )−M 1 ( 111 )=−22
1
d ij =t i ,k+1 −t j ,k → P 4 → M 2 ( 116 )−M 1 ( 20 )=96
1
d ij =t i ,k+1 −t j ,k → P 3 → M 2 (116 )−M 1 (32 )=84
1
d ij =t i ,k+1 −t j ,k → P 2 → M 2 ( 116 )−M 2 ( 116 )=0
1
d ij =t i ,k+1 −t j ,k → P 6 → M 2 ( 116 ) −M 1 ( 56 )=60
1
d ij =t i ,k+1 −t j ,k → P 5 → M 2 ( 116 )−M 1 ( 90 )=26
1
d ij =t i ,k+1 −t j ,k → P 1→ M 2 ( 116 )−M 1 ( 111 )=5
1
d ij =t i ,k+1 −t j ,k → P 4 → M 2 ( 156 )−M 1 ( 20 )=136
187
1
d ij =t i ,k+1 −t j ,k → P 3 → M 2 (156 )−M 1 ( 32 )=124
1
d ij =t i ,k+1 −t j ,k → P 2 → M 2 ( 156 )−M 1 ( 41 ) =115
1
d ij =t i ,k+1 −t j ,k → P 6 → M 2 ( 156 )−M 2 ( 156 )=0
1
d ij =t i ,k+1 −t j ,k → P 5 → M 2 ( 156 )−M 1 ( 90 )=66
1
d ij =t i ,k+1 −t j ,k → P 1→ M 2 ( 156 )−M 1 ( 111 )=45
1
d ij =t i ,k+1 −t j ,k → P 4 → M 2 ( 251 ) −M 1 ( 20 )=231
1
d ij =t i ,k+1 −t j ,k → P 3 → M 2 (251 ) −M 1 ( 32 )=219
1
d ij =t i ,k+1 −t j ,k → P 2 → M 2 ( 251 ) −M 1 ( 41 )=210
1
d ij =t i ,k+1 −t j ,k → P 6 → M 2 ( 251 )−M 1 ( 56 ) =195
1
d ij =t i ,k+1 −t j ,k → P 5 → M 2 ( 251 ) −M 2 ( 251 )=0
1
d ij =t i ,k+1 −t j ,k → P 1→ M 2 ( 251 )−M 1 (111 ) =140
1
d ij =t i ,k+1 −t j ,k → P 4 → M 2 ( 310 )−M 1 ( 20 )=290
1
d ij =t i ,k+1 −t j ,k → P 3 → M 2 (310 )−M 1 ( 32 )=278
1
d ij =t i ,k+1 −t j ,k → P 2 → M 2 ( 310 ) −M 1 ( 41 ) =269
1
d ij =t i ,k+1 −t j ,k → P 6 → M 2 ( 310 )−M 1 ( 56 )=254
1
d ij =t i ,k+1 −t j ,k → P 5 → M 2 ( 310 )−M 2 ( 90 )=220
1
d ij =t i ,k+1 −t j ,k → P 1→ M 2 ( 310 ) −M 1 ( 310 )=0
188
1
Una vez hechos estos cálculos se obtendrá d ij de la relación entre la M1-M2
cómo se observa en el cuadro 83.
1
Cuadro 122. Calculo de gap d ij
Fuente. Autores
Ahora se procederá a realizar los cálculos del d 2ij , donde se restara el tiempo de
la máquina 3 del pedido 4, con los demás tiempos de los pedidos de la máquina 2.
2
d ij =t i ,k+1 −t j ,k → P 4 → M 3 (19 )−M 3 ( 19 ) =0
2
d ij =t i ,k+1 −t j ,k → P 3 → M 3 ( 19 )−M 2 ( 89 )=−70
d 2ij =t i ,k+1 −t j ,k → P 2 → M 3 (19 )−M 2 ( 116 )=−97
d 2ij =t i ,k+1 −t j ,k → P 6 → M 3 ( 19 )−M 2 ( 156 )=−137
d 2ij =t i ,k+1 −t j ,k → P 5 → M 3 ( 19 )−M 2 ( 251 )=−232
d 2ij =t i ,k+1 −t j ,k → P 1→ M 3 ( 19 )−M 2 ( 310 )=−291
2
d ij =t i ,k+1 −t j ,k → P 4 → M 3 (30 )−M 2 ( 56 )=−26
189
2
d ij =t i ,k+1 −t j ,k → P 3 → M 3 ( 30 )−M 3 (30 )=0
2
d ij =t i ,k+1 −t j ,k → P 2 → M 3 (30 )−M 2 ( 116 )=−86
2
d ij =t i ,k+1 −t j ,k → P 6 → M 3 ( 30 )−M 2 (156 )=−126
2
d ij =t i ,k+1 −t j ,k → P 5 → M 3 ( 30 )−M 2 ( 251 ) =−221
2
d ij =t i ,k+1 −t j ,k → P 1→ M 3 ( 30 )−M 2 ( 310 )=−280
2
d ij =t i ,k+1 −t j ,k → P 4 → M 3 (39 )−M 2 ( 56 ) =−17
2
d ij =t i ,k+1 −t j ,k → P 3 → M 3 ( 39 )−M 2 ( 89 )=−50
2
d ij =t i ,k+1 −t j ,k → P 2 → M 3 (39 )−M 3 ( 39 ) =0
2
d ij =t i ,k+1 −t j ,k → P 6 → M 3 ( 39 )−M 2 (156 )=−117
2
d ij =t i ,k+1 −t j ,k → P 5 → M 3 ( 39 )−M 2 ( 251 )=−212
2
d ij =t i ,k+1 −t j ,k → P 1→ M 3 ( 39 )−M 2 ( 310 )=−271
2
d ij =t i ,k+1 −t j ,k → P 4 → M 3 (53 )−M 2 ( 56 ) =−3
2
d ij =t i ,k+1 −t j ,k → P 3 → M 3 ( 53 )−M 2 ( 89 )=−36
2
d ij =t i ,k+1 −t j ,k → P 2 → M 3 (53 )−M 2 ( 116 )=−63
2
d ij =t i ,k+1 −t j ,k → P 6 → M 3 ( 53 )−M 3 ( 53 )=0
2
d ij =t i ,k+1 −t j ,k → P 5 → M 3 ( 53 )−M 2 ( 251 )=−198
2
d ij =t i ,k+1 −t j ,k → P 1→ M 3 ( 53 )−M 2 ( 310 )=−257
190
2
d ij =t i ,k+1 −t j ,k → P 4 → M 3 ( 85 )−M 2 ( 56 )=29
2
d ij =t i ,k+1 −t j ,k → P 3 → M 3 ( 85 )−M 2 ( 89 )=−4
2
d ij =t i ,k+1 −t j ,k → P 2 → M 3 ( 85 )−M 2 ( 116 )=−31
2
d ij =t i ,k+1 −t j ,k → P 6 → M 3 ( 85 )−M 2 ( 156 )=−71
2
d ij =t i ,k+1 −t j ,k → P 5 → M 3 ( 85 )−M 3 ( 85 )=0
2
d ij =t i ,k+1 −t j ,k → P 1→ M 3 ( 85 )−M 2 ( 310 ) =−225
2
d ij =t i ,k+1 −t j ,k → P 4 → M 3 (105 )−M 2 ( 56 ) =49
2
d ij =t i ,k+1 −t j ,k → P 3 → M 3 ( 105 )−M 2 ( 89 )=16
2
d ij =t i ,k+1 −t j ,k → P 2 → M 3 (105 )−M 2 ( 116 )=−11
2
d ij =t i ,k+1 −t j ,k → P 6 → M 3 ( 105 )−M 2 ( 156 )=−51
2
d ij =t i ,k+1 −t j ,k → P 5 → M 3 ( 105 )−M 2 ( 251 )=−146
2
d ij =t i ,k+1 −t j ,k → P 1→ M 3 ( 105 )−M 3 ( 105 ) =0
2
Cuadro 123. Calculo de gap d 2ij
191
Fuente. Autores
Ahora se procederá a realizar los cálculos del d 3ij , donde se restara el tiempo de
la máquina 4 del pedido 4, con los demás tiempos de los pedidos de la máquina 3.
3
d ij =t i ,k+1 −t j ,k → P 4 → M 4 ( 63 )−M 4 ( 63 ) =0
d 3ij =t i ,k+1 −t j ,k → P 3 → M 4 (63 )−M 3 ( 30 )=33
d 3ij =t i ,k+1 −t j ,k → P 2 → M 4 ( 63 )−M 3 ( 39 ) =24
d 3ij =t i ,k+1 −t j ,k → P 6 → M 4 ( 63 )−M 3 ( 53 )=10
d 3ij =t i ,k+1 −t j ,k → P 5 → M 4 ( 63 )−M 3 ( 85 )=−22

3
d ij =t i ,k+1 −t j ,k → P 1→ M 4 ( 63 )−M 3 ( 105 ) =−42
3
d ij =t i ,k+1 −t j ,k → P 4 → M 4 ( 100 )−M 3 ( 19 )=81
d 3ij =t i ,k+1 −t j ,k → P 3 → M 4 (100 )−M 4 ( 100 ) =0
d 3ij =t i ,k+1 −t j ,k → P 2 → M 4 ( 100 ) −M 3 ( 39 ) =61
d 3ij =t i ,k+1 −t j ,k → P 6 → M 4 ( 100 )−M 3 (53 )=47
d 3ij =t i ,k+1 −t j ,k → P 5 → M 4 ( 100 )−M 3 ( 85 )=15

3
d ij =t i ,k+1 −t j ,k → P 1→ M 4 ( 100 ) −M 3 ( 105 )=−5
192
3
d ij =t i ,k+1 −t j ,k → P 4 → M 4 ( 130 )−M 3 ( 19 )=111
3
d ij =t i ,k+1 −t j ,k → P 3 → M 4 (130 )−M 3 ( 30 )=100
3
d ij =t i ,k+1 −t j ,k → P 2 → M 4 ( 130 ) −M 4 ( 130 )=0
3
d ij =t i ,k+1 −t j ,k → P 6 → M 4 ( 130 )−M 3 (53 )=77
3
d ij =t i ,k+1 −t j ,k → P 5 → M 4 ( 130 )−M 3 ( 85 )=45
3
d ij =t i ,k+1 −t j ,k → P 1→ M 4 ( 130 ) −M 3 ( 105 )=25
3
d ij =t i ,k+1 −t j ,k → P 4 → M 4 ( 175 )−M 3 ( 19 )=156
3
d ij =t i ,k+1 −t j ,k → P 3 → M 4 (175 )−M 3 ( 30 )=145
3
d ij =t i ,k+1 −t j ,k → P 2 → M 4 ( 175 ) −M 3 ( 39 ) =136
3
d ij =t i ,k+1 −t j ,k → P 6 → M 4 ( 175 )−M 3 (175 )=0
3
d ij =t i ,k+1 −t j ,k → P 5 → M 4 ( 175 )−M 3 ( 85 )=90
3
d ij =t i ,k+1 −t j ,k → P 1→ M 4 ( 175 ) −M 3 ( 105 )=70
3
d ij =t i ,k+1 −t j ,k → P 4 → M 4 ( 281 ) −M 3 ( 19 )=262
3
d ij =t i ,k+1 −t j ,k → P 3 → M 4 (281 )−M 3 ( 30 ) =251
193
3
d ij =t i ,k+1 −t j ,k → P 2 → M 4 ( 281 ) −M 3 ( 39 )=242
3
d ij =t i ,k+1 −t j ,k → P 6 → M 4 ( 281 )−M 3 ( 53 )=228
3
d ij =t i ,k+1 −t j ,k → P 5 → M 4 ( 281 ) −M 3 ( 281 )=0
3
d ij =t i ,k+1 −t j ,k → P 1→ M 4 ( 281 )−M 3 ( 105 )=176
3
d ij =t i ,k+1 −t j ,k → P 4 → M 4 ( 347 )−M 3 ( 19 ) =328
3
d ij =t i ,k+1 −t j ,k → P 3 → M 4 (347 )−M 3 (30 )=317
3
d ij =t i ,k+1 −t j ,k → P 2 → M 4 ( 347 )−M 3 ( 39 ) =308
3
d ij =t i ,k+1 −t j ,k → P 6 → M 4 ( 347 )−M 3 ( 53 )=294
3
d ij =t i ,k+1 −t j ,k → P 5 → M 4 ( 347 )−M 3 ( 85 )=262
3
d ij =t i ,k+1 −t j ,k → P 1→ M 4 ( 347 )−M 3 ( 347 )=0
3
Cuadro 124. Calculo de gap d 3ij
Fuente. Autores
Cómo se pudo evidenciar en los cuadros 83, 84 y 85, hay valores positivos y
negativos, los valores positivos indican que algunos pedidos tienen que esperar
hasta que la operación sea finalizada por la máquina anterior, los valores negativos
representan los tiempos ociosos entre la operación y la máquina.
194
Una vez se hallan obtenido los valores de los gaps se procede a calcular el factor k
para igualar los valores negativos utilizando la siguiente ecuación:
0,9
factor ( k )= ∗( M −k −1 ) +0,1 para k=1,2, … , M −1
M −2
Al reemplazar la ecuación se obtienen los siguientes resultados.
0,9
factor ( 1 )= ∗( 4−1−1 ) +0,1=1,0
4−2
0,9
factor ( 2 )= ∗( 4−2−1 )+ 0,1=0,55
4−2
0,9
factor ( 3 ) = ∗( 4−3−1 ) +0,1=0,1
4−2
Al tener la combinación de todos los factores de descuento con d ki , j , se obtienen

los gaps (brechas) revisados y/o ajustados d Ri , j , por medio de la siguiente
ecuación:
M −1
d = ∑ d ki , j S ki , j
R
i, j
K +1
Después de obtener la ecuación se remplazaran los valores obteniendo los

siguientes resultados:
d Ri , j=( 0∗1.0 ) + ( 0∗0.55 ) +(0∗0.1)=0
d Ri , j=( 24∗1.0 ) + (−70∗0.55 ) + ( 33∗0.1 )=−11,20
d Ri , j=( 15∗1.0 ) + (−97∗0.55 ) + ( 24∗0.1 )=−35,95

R
d i , j=( 0∗1.0 ) + (−137∗0.55 ) + ( 10∗0.1 )=−74,35
R
d i , j=(−34∗1.0 ) + (−232∗0.55 ) + (−22∗0.1 )=−163,80
d Ri , j=(−55∗1.0 )+ (−291∗0.55 ) + (−42∗0.1 )=219,25
Los cálculos anteriores corresponden a los resultados de la primera fila del cuadro
86, luego se realiza el mismo procedimiento para hallar los gaps ajustados que
hacen falta.
195
Cuadro 125. Gaps ajustados.
Fuente. Autores
Después de obtener el cuadro de gaps ajustados procedemos al siguiente paso.

 Paso 3. Sea I (I=1,2,…,n) las posiciones de la solución inicial (Algoritmo CDS) y la
tarea que ocupa la posición I. En este caso el valor de a se tomó de forma subjetiva
el cual se trabajará con un valor de 1, además el valor de b se tomó porque es el
número de pedidos que se están trabajando ósea 6.
R
 Paso 4. encuentre el mayor valor de d Pa , Pi denominado X, donde I esta entre
los valores de a y b. sea su posición de I asociada a X.
Para averiguar cuál es el valor de X se tendrá en cuenta el mayor valor que en

este caso es: X=349,75 como se observa en el cuadro 87, donde el número se
identifica por estar de color rojo.
Cuadro 126. Valor de x para los gaps ajustados.
Fuente. Autores
196
R
 Paso 5. Encuentre el menor valor de d Pi , Pb denominado Y, donde i esta
entre los valores de a y b. sea v la posición de i asociado a Y.
Una vez obtenido el valor de X, ahora se procederá a calcular el valor de Y teniendo

en cuenta que es el de menor valor que en este caso es de -219,25 cómo se puede
observar en el cuadro 88, donde el número se identifica por estar de color rojo.
Cuadro 127. Valor de x para los gaps ajustados.
Fuente. Autores
Después de obtener los valores de X (349,75), Y (-219,25), se analizan los
siguientes pasos:
 Paso 6. Si (X<0), (Y>0), y (|X|≤|Y|), a continuación vaya al paso 9.
 Paso 7. Si (X<0), (Y>0), y (|x|>|Y|), a continuación vaya al paso 10.
 Paso 8. Si (|X|>|Y|), entonces vaya al paso 9, En el caso contrario vaya al paso

10.
Analizando cada uno de los anteriores pasos podemos determinar que el paso 6 y
paso 7 no se cumplen porque X es mayor a 0 y Y es menor a 0, analizando la
condición del paso 8 nos damos cuenta que debemos seguir al paso 10, ya que el
valor absoluto de X es menor al valor absoluto de Y.
 Paso 10. Escribir b = b - 1, y cambiar las posiciones de las tareas cuyas posiciones
son b y v.
b=6 entonces b=b ( 6 )−1=5

Al realizar el paso 10 se obtuvo que el valor de b=6 el cual fue obtenido en el paso
3, y v es el resultado que arrojo la resta v=5, por lo cual se intercambian las
posiciones 5 y 6 de la secuencia inicial CDS, en este caso los pedidos 5 y 1. Ver
cuadro 89.
197
Cuadro 128. Secuencia Algoritmo Ho y Chang.
Fuente. Autores
Con esta nueva secuencia obtenemos un makespan de 1450 horas.

Temporización de trabajos o pedidos. Se observó en el algoritmo Ho y Chang
que la secuencia de P4, P3, P2, P6, P1, P5 arrojan un tiempo de realización de los
pedidos en las cuatro máquinas de 1450 Horas. Ver figura 39
Figura 58. Diagrama Gantt Algoritmo Ho and Chang
Fuente. Autores
•Paso 11. Si la nueva secuencia es mejor que la solución inicial y corresponde en

términos de rendimiento, esto se convierte en la nueva solución titular. De lo
contrario, se utiliza la solución inicial.
Al realizar la secuencia que arroja el algoritmo de Ho y Chang se obtiene que el

makespan es de xxxx horas para la terminación de todos los pedidos, por ende se
deja la secuencia inicial del método CDS con un makespan de 1450 horas.
198
A continuación se desarrollara este algoritmo por WinQsb, para poder desarrollarlo
se hará el mismo procedimiento ya desarrollado anteriormente en winQSb con la
diferencia de que en la ventana donde se selecciona el tipo de algoritmo se hará
clic en Ho and Chang para darle solución. Ver figura xx.
Figura 59. Selección del método o algoritmo
Fuente. Autores
Luego se oprime en el botón ok e inmediatamente el programa nos mostrara un
cuadro con la secuenciación de los pedidos y los cálculos de los tiempos que hizo
automáticamente el software. Ver cuadro 41.
Figura 60. Cuadro de resultados.
199
Fuente.
Autores
Por ultimo observaremos el diagrama de Gantt con la secuenciación de los pedidos

según el algoritmo de Ho and chang que arroja el software. ver figura 42.
Figura 42. Diagrama de Gantt Ho and Chang
Fuente. Autores
200

Algoritmos

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Algoritmos

Diunggah oleh

Hak Cipta:

Format Tersedia

INFORME ESCRITO SOBRE SELECCIÓN Y APLICACIÓN DE REGLAS DE

DESPACHO EN SISTEMAS DE PRODUCCIÓN CON MÁQUINAS

BERNAL TORRES LEIDY STEFANY

SENA CENTRO DE GESTIÓN INDUSTRIAL

BERNAL TORRES LEIDY STEFANY

MSc. Ing. LUIS EDUARDO LEGUIZAMON CASTELLANOS

SENA CENTRO DE GESTIÓN INDUSTRIAL

Cuadro 1. Datos iniciales de n trabajos en una máquina, silla universitaria.........................13

Figura 1. Secuenciación de la regla decisoria PEPS...............................................................17

La secuenciación de pedidos se define como el proceso mediante el cual se

1.1 OBJETIVOS ESPECIFICOS

Determinar la importancia de la metauristica en una empresa y sus diferentes

Identificar la aplicación de cada uno de los métodos de secuenciación y aplicarlos a

Establecer las ventajas y desventajas que tiene la aplicación de un modelo

Las técnicas de carga de trabajo sirven para controlar la capacidad y destacar el

2.2 OBJETIVOS DE LAS SECUENCIACIÓN DE TRABAJOS.

 Termino de productos en la fecha de entrega.

2.3 TIPOS DE SECUENCIACIÓN.

 Secuenciación simple: La secuenciación simple consiste en determinar el orden

 Técnicas de Secuenciación en una máquina: algoritmo húngaro, algoritmo de

 Técnicas de Secuenciación en varias máquinas: regla de Johnson para N pedidos

 Secuenciación múltiple: Es determinar el orden en que se debe realizar los

2.4 CENTRO DE TRABAJO O PUESTO DE TRABAJO.

Son algoritmos aproximados de propósito general consistentes en procedimientos it

2.6 ALGORITMOS METAHEURÍSTICOS.

Los algoritmos metaheurísticos son algoritmos aproximados de optimización y

3. APLICACIÓN DE LOS MÉTODOS A LA EMPRESA INDUSTRIAS

3.1 TRABAJOS EN 1 MÁQUINA

Este algoritmo consiste en secuenciar n trabajos en una máquina. En donde se

 te ij =¿ Tiempo comprometido de entrega. Es el tiempo en el cual se acuerda

 Producto silla plástica máquina a emplear inyectora (véase cuadro 3).

3.1.1.1 Primeros en entrar primeros en salir (PEPS). El método (PEPS) primero en

 Tiempo de flujo del pedido ( tf ij ). Son la sumatoria de los tiempos de

 Retraso del pedido ( Rij ). Es la resta entre el tiempo de flujo ( tf ij ) menos el

 Atraso del pedido ( A ij ). Es el máximo valor entre 0 y el retraso ( Rij ) (ver

A ij =Max ( 0,−3 )=0

 Adelanto de los pedidos ( Eij ). Es el máximo valor entre 0 y menos el retraso (

Eij =max {0−(−3 ) }=3

P1 111 114 5 111 -3 0 3

P4 20 636 2 204 -432 0 432

P5 90 304 7 294 -10 0 10

P6 56 211 4 350 139 139 0

TOTAL 350 1295 -311 139 450

 Tiempo total de terminación de todos los pedidos. Es la sumatoria de todos los

TTTT =111+ 41+ 32+20+ 90+56=350 Horas /Pedido

FS= ( Nn )∗100 (9)

FS= ( 56 )∗100 =83.33

Finalmente se realiza una gráfica en donde se puede observar la secuenciación de

 Análisis de gráfica de secuenciación PEPS. Para tener un atraso de 23 horas por

 Se desarrollara el PEPS para la cajonera teniendo en cuenta la máquina cortadora

 Tiempo de flujo del pedido ( tf ij ). Son la sumatoria de los tiempos de

 Retraso del pedido ( Rij ). Es la resta entre el tiempo de flujo ( tf ij ) menos el

 Atraso del pedido ( A ij ). Es el máximo valor entre 0 y el retraso ( Rij ) (véase

 Adelanto de los pedidos ( Eij ). Es el máximo valor entre 0 y menos el retraso (

Eij =max {0−(−8 ) }=8

En el siguiente cuadro se muestra el resumen de los cálculos hallados

Cuadro 5. Resumen de secuenciación (PEPS) cajonera.

P5 2,5 7 2 22,5 15,5 15,5 0

P6 2 18 5 24,5 6,5 6,5 0

 Tiempo total de terminación de todos los pedidos. Es la sumatoria de todos los

TTTT =7 +3+4 +6+2,5+ 2=24,5 Horas/ Pedido

FS= ( 26 )∗100 =33,33

Object 285 Figur