Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
UNIVERSIDAD DE LOS ANDES FACULTAD DE INGENIERIA DEPARTAMENTO DE INGENIERIA INDUSTRIAL SANTAF DE BOGOT, D.C. 2005
DISTRIBUCIN DE PLANTA PARA UNA OFICINA BANCARIA POR MEDIO DE ALGORITMOS GENTICOS
ASESOR JOS FIDEL TORRES, PH.D. Profesor Asociado Departamento de Ingeniera Industrial Universidad de los Andes
UNIVERSIDAD DE LOS ANDES FACULTAD DE INGENIERIA DEPARTAMENTO DE INGENIERIA INDUSTRIAL SANTAF DE BOGOT, D.C. 2005
A mis padres, por ensearme a vivir. A Dios, por permitirnos alcanzar nuestros sueos. Y a Javier, por ser la vela que me dio la marea.
AGRADECIMIENTOS
Mi asesor de tesis y maestro, Jos Fidel Torres, Ph. D., quien me gui y motiv a lo largo de este proyecto.
El profesor Elicer Gutirrez, por su direccin y el tiempo que cedi a la lectura y evaluacin de este documento.
Ing. Camilo Snchez, por los valiosos aportes que recib de su parte.
Mis amigos Enrique Kook y Gina Angueyra, de quienes nunca me ha faltado su apoyo.
TABLA DE CONTENIDO
1. INTRODUCCIN ............................................................................................... 11 1.1 ANTEDECEDENTES................................................................................... 12 1.2 DESCRIPCION DEL PROBLEMA ............................................................... 13 1.3 CONSIDERACIONES SOBRE LA OFICINA BANCARIA ............................ 13 1.5 OBJETIVOS................................................................................................. 15 1.5.1 Objetivo General ................................................................................... 15 1.5.2 Objetivos especficos ............................................................................ 16 2. MARCO TERICO ............................................................................................ 17 2.1 PROBLEMA DE CONFIGURACIN DE PLANTA....................................... 17 2.1.1 OBJETIVOS DE UNA BUENA CONFIGURACIN DE PLANTA .......... 18 2.1.2 PRINCIPIOS BSICOS DE LA DISTRIBUCIN DE PLANTA.............. 19 2.1.2.1 Principio de la integracin de conjunto ........................................... 19 2.1.2.2 Principio de la mnima distancia recorrida ...................................... 19 2.1.2.3 Principios de la circulacin o flujo de materiales............................. 19 2.1.2.4 Principio del espacio cbico ........................................................... 20 2.1.2.5 Principio de la satisfaccin y de la seguridad ................................. 20 2.1.2.6 Principio de la flexibilidad ............................................................... 20 2.1.3 TIPOS DE DISTRIBUCIN DE PLANTA .............................................. 21 2.1.3.1 Distribucin por posicin fija ........................................................... 21 2.1.3.2 Distribucin por proceso ................................................................. 22 2.1.3.3 Distribucin por producto ................................................................ 22 2.1.3.4 Distribucin celular ......................................................................... 23 2.1.3.5 Ventajas y limitaciones de los tipos bsicos de distribucin ........... 24 2.1.4 MTODOS PARA EL DISEO DE DISTRIBUCIONES EN PLANTA ... 26 2.1.4.1 Procedimiento de Distribucin de planta de Apple ......................... 26 2.1.4.3 Procedimiento de Distribucin de planta de Reed .......................... 27 2.1.4.4 Procedimiento Sistemtico de Distribucin de planta (SLP) de Muther ........................................................................................................ 28 2.1.4.4.1 Anlisis del Flujo de materiales................................................ 29 2.1.4.4.2 Relaciones entre actividades ................................................... 31 2.1.4.4.3 Diagrama de relacin de actividades ....................................... 31 2.1.4.4.4 Necesidades de espacio .......................................................... 33 2.1.4.4.5 Espacios disponibles................................................................ 33 2.1.4.4.6 Diagrama de relacin de espacios ........................................... 34 2.1.4.4.7 Desarrollo de Soluciones ......................................................... 34 2.1.4.4.8 Evaluacin y seleccin ............................................................. 35
2.1.5 DISTRIBUCIN DE PLANTA AYUDADA POR COMPUTADORA ....... 36 2.1.5.1 CRAFT............................................................................................ 39 2.1.5.2 BLOCPLAN..................................................................................... 39 2.1.5.3 MIP ................................................................................................. 40 2.1.5.4 Enfriamiento Simulado (SA) ........................................................... 43 2.1.5.5 Bsqueda Tab .............................................................................. 44 2.2 ALGORITMOS GENTICOS....................................................................... 46 2.2.1 Caractersticas de los Algoritmos Genticos......................................... 46 2.2.2 Etapas de los Algoritmos Genticos ..................................................... 48 2.2.3 Aplicacin de AG para distribucin en planta........................................ 50 3. ALGORITMO GENTICO PARA EL PROBLEMA DE CONFIGURACIN DE PLANTA ................................................................................................................. 52 3.1 RECOLECCIN DE DATOS ....................................................................... 52 3.1.1 Medicin de las dimensiones de las oficinas y los departamentos ....... 52 3.1.2 Medicin de flujos ................................................................................. 53 3.2 DESCRIPCIN DEL MODELO ................................................................... 55 3.3 REPRESENTACIN DE LA SOLUCIN..................................................... 56 3.4 REALIZACIN DEL ALGORITMO .............................................................. 58 3.4.1 Parmetros de Entrada ......................................................................... 58 3.4.2 Estructura.............................................................................................. 59 3.4.3 Poblacin Inicial .................................................................................... 60 3.4.4 Funcin Objetivo y su evaluacin.......................................................... 60 3.4.5 Estrategia de seleccin ......................................................................... 62 3.4.6 Estrategia de cruce ............................................................................... 62 3.4.7 Estrategia de mutacin ......................................................................... 64 3.4.8 Estrategias de reparacin ..................................................................... 65 3.5 AG PARA LA CONFIGURACIN DE PLANTA DE UNA OFICINA VIRGEN66 3.5.1 Parmetros del modelo ......................................................................... 66 3.5.2 Poblacin Inicial .................................................................................... 67 3.6 DISEO DE EXPERIMENTOS.................................................................... 68 3.6.1 Oficina 1 ................................................................................................ 70 3.6.2 Oficina 2 ................................................................................................ 73 3.6.3 Oficina 3 ................................................................................................ 75 3.6.4 Oficina 4 ................................................................................................ 77 3.6.5 Oficina 5 ................................................................................................ 80 3.7 DISTRIBUCIONES DE PLANTA FINALES.................................................. 82 3.7.1 Oficina 1 ................................................................................................ 82 3.7.2 Oficina 2 ................................................................................................ 85 3.7.3 Oficina 3 ................................................................................................ 86 3.7.4 Oficina 4 ................................................................................................ 89 3.7.5 Oficina 5 ................................................................................................ 91 3.8 VALIDACIN DEL MODELO....................................................................... 94 4. CONCLUSIONES ............................................................................................... 95 4.1 PROYECTOS FUTUROS ............................................................................ 97 5. BIBLIOGRAFA .................................................................................................. 98 6
ANEXOS.............................................................................................................. 100 Anexo 1: Manual del Usuario para Opt-DOB ................................................... 100 Anexo 2: Resultados obtenidos para la Funcin Objetivo de todas las instancias ......................................................................................................................... 105 Anexo 3: Datos ................................................................................................ 108
LISTA DE FIGURAS
Figura 1: Distribucin de planta por posicin fija. Figura 2: Distribucin de planta por proceso. Figura 3: Distribucin de planta por producto. Figura 4: Distribucin de planta por proceso. Figura 5: Esquema general del mtodo S.L.P. Figura 6: Tabla de relaciones entre actividades. Figura 7: Diagrama de relacin de actividades. Figura 8: Diagrama de relacin espacios correspondiente al de relacin de actividades de la figura 7. Figura 9: Diagrama del algoritmo de SA. Figura 10: Diagrama del algoritmo de Bsqueda tab. Figura 11: Estructura general de un algoritmo gentico. Figura 12: Formato de la matriz de calificacin. Figura 13: Distribucin de planta correspondiente a la representacin de la solucin propuesta. Figura 14: Medicin de distancia por mtrica rectilnea. Figura 15: Ejemplo de convergencia del algoritmo Figura 16: Relacin entre FO, Combinacin de parmetros y 200 iteraciones para la instancia 1. Figura 17: Relacin entre FO, Combinacin de parmetros y 1000 iteraciones para la instancia 1 Figura 18: Relacin entre FO, Combinacin de parmetros y 50 iteraciones para la instancia 2
Figura 19: Relacin entre FO, Combinacin de parmetros y 50 iteraciones para la instancia 2 Figura 20: Relacin entre FO, Combinacin de parmetros y 50 iteraciones para la instancia 3. Figura 21: Relacin entre FO, Combinacin de parmetros y 1000 iteraciones para la instancia 3. Figura 22: Relacin entre FO, Combinacin de parmetros y 25 iteraciones para la instancia 4. Figura 23: Relacin entre FO, Combinacin de parmetros y 1000 iteraciones para la instancia 4. Figura 24: Relacin entre FO, Combinacin de parmetros y 100 iteraciones para la instancia 5. Figura 25: Relacin entre FO, Combinacin de parmetros y 1000 iteraciones para la instancia 5. Figura 26: Configuracin actual, funcin objetivo y departamentos de la oficina 1. Figura 27: Configuracin propuesta, funcin objetivo y departamentos para la oficina 1. Figura 28: Configuracin actual, funcin objetivo y departamentos de la oficina 2. Figura 29: Configuracin propuesta, funcin objetivo y departamentos para la oficina 2. Figura 30: Configuracin actual, funcin objetivo y departamentos de la oficina 3. Figura 31: Configuracin propuesta, funcin objetivo y departamentos para la oficina 3. Figura 32: Configuracin actual, funcin objetivo y departamentos de la oficina 4. Figura 33: Configuracin propuesta, funcin objetivo y departamentos para la oficina 4. Figura 34: Configuracin actual, funcin objetivo y departamentos de la oficina 5. Figura 35: Configuracin propuesta, funcin objetivo y departamentos para la oficina 5.
LISTA DE TABLAS
Tabla 1: Ventajas y limitaciones de los tipos bsicos de distribucin Tabla 2: Escala de los planos de cada oficina Tabla 3: Convenciones para las combinaciones de parmetros. Tabla 4: Comparacin entre la distribucin actual y la mejor encontrada por el algoritmo para cada oficina en trminos de su F.O.
10
1. INTRODUCCIN
El problema de configuracin de planta se encuentra presente en diversos mbitos productivos de los sectores de manufactura y servicios. La configuracin de planta determina cmo los activos fijos tangibles de una actividad son el mejor soporte para la realizacin del objetivo de la misma [5]. A partir de esto, la importancia sobre la buena configuracin de planta radica en la mejora directa sobre la actividad productiva; as, una solucin adecuada para este problema puede representar mejoras en el rendimiento productivo y ahorros en trminos monetarios para la entidad que la aplique. El problema abordado en este proyecto es el de distribucin de planta para una oficina bancaria, el cual ha sido muy poco tratado en la literatura acadmica, por lo que este trabajo puede catalogarse como novedoso. En concreto, por medio de esta tesis, se busca establecer una configuracin de planta ptima para cuatro oficinas de una red bancaria de la ciudad de Bogot. Dada la complejidad del problema, se escogi una tcnica metaheurstica de solucin. La tcnica seleccionada fue Algoritmos Genticos. La implementacin fue codificada en Visual Basic. La primera parte de este trabajo muestra una introduccin al problema, incluyendo consideraciones sobre la oficina bancaria, la segunda parte presenta las bases tericas del tema de configuracin de planta y los algoritmos genticos, la tercera parte contiene la descripcin de la implementacin del algoritmo gentico para resolver el modelo que representa el problema, el diseo del cromosoma que representa la solucin, las estrategias que se utilizaron dentro del algoritmo, la descripcin de la herramienta desarrollada para establecer el diseo de planta para una oficina virgen, el diseo de experimentos para evaluar la eficiencia del 11
programa realizado, el planteamiento de las distribuciones de planta finales, el anlisis de los resultados obtenidos y una comparacin entre la distribucin actual y la mejor distribucin encontrada por medio de la metaheurstica mencionada, en trminos de la funcin objetivo, con el objetivo de validar el modelo; y por ltimo la cuarta parte presenta las conclusiones de este proyecto. Como anexos se presentan el manual de usuario de la herramienta desarrollada, los resultados obtenidos de las instancias consideradas y los datos usados para el proyecto.
1.1 ANTEDECEDENTES
Hasta el momento el problema de configuracin de planta se ha estudiado por medio de diferentes metaheursticas las cuales menciono mas adelante, especficamente se ha estudiado usando algoritmos genticos para solucionarlo. Desde entonces se ha probado que es una metaheurstica muy til para resolver este problema, dado que se han hecho comparaciones de los resultados arrojados por esta con otros algoritmos como la Heurstica Golany(1989), el promedio CRAFT[5] y ha arrojado mejores resultados que estos ltimos.[1] Adicional a esto cabe anotar que en la Universidad se han elaborado varios proyectos con respecto a este tema que han mostrado la robustez de los algoritmos genticos usados para solucionar el problema de la configuracin de planta, entre ellas se encuentran: Redistribucin de planta hogar juvenil campesino, Duarte Paiba, Juan Carlos Modelaje de distribucin de planta para industrias Viba Ltda., Carrin Rivas, David Configuracin de planta por medio de algoritmos genticos, Garca Pinilla, Diana Configuracin y rediseo de planta, Cuervo Ripe, Jenny.
12
13
(telfono, Terminal, ordenador, etc.). Tradicionalmente, el equipo de un puesto de trabajo administrativo tena un bajo coste, pero actualmente la inversin, aunque no alcanza en general ni mucho menos la correspondiente a un puesto de trabajo industrial, puede ser considerable; por otra parte, la utilizacin de los equipos suele ser baja. De estas consideraciones surge un concepto, el de centro de actividad, que da lugar a un nuevo enfoque de las distribuciones en planta en oficinas, del cual son escasas hasta ahora las realizaciones prcticas. Se trata de crear reas con funciones especficas: reuniones, recepcin de visitas, fotocopias, terminales, etc. Los empleados disponen de un puesto base propio, pequeo y poco equipado, y se desplazan de unos a otros centros de actividad a medida que su trabajo se lo exige. Algunos inconvenientes de este tipo de solucin parecen evidentes, pero la utilizacin de los equipos ser ms alta y, por consiguiente, la inversin, ms reducida [7]. Dada la importancia de la atencin al cliente en la oficina bancaria, tambin deben hacerse algunas consideraciones al respecto. Dado que el sector servicios es muy heterogneo es difcil realizar afirmaciones que valgan de manera general. Dentro de la oficina bancaria la circulacin de materiales no es mayor, a diferencia de la circulacin de personas, por esta razn la oficina debe ser confortable para sus usuarios y ha de garantizar la intimidad en las actividades que tienen lugar en la instalacin. Tambin debe satisfacer exigencias estticas y ergonmicas como las que se citan en el siguiente prrafo.
A partir de los requerimientos de seguridad y servicio al cliente, una oficina bancaria deber tener en cuenta las siguientes restricciones de diseo: 1. Configuracin en una Planta Rectangular 2. La zona de cajas debe estar al frente de la puerta 3. La oficina deber ser ms larga que ancha, para dejar espacio de colas al frente de la zona de cajas.
14
4. Los elementos de servicio al cliente, tales como Mesa de consignacin, sillas de espera, etc., deben estar alrededor del hall el cual es el rea destinada para el flujo de clientes , a la izquierda o la derecha. 5. La zona de asesoras debe estar idealmente a la derecha de la puerta, por motivos ergonmicos. 6. El gerente comercial debe estar cercano a la puerta, preferiblemente a la derecha, al lado de la zona de asesoras (Los modelos dieron esta configuracin como ptima en la mayora de los casos) 7. La bveda debe estar atrs de los cajeros, y no debe estar accesible al hall, ni tener muros colindantes con la calle, ni a ninguno de los lados de la oficina 8. Los elementos de trabajo de cajeros y asesoras (impresoras, archivador de chequeras, lmparas UV, etc.) deben estar al lado de ellos y no ser accesibles al hall. 9. La cafetera y los baos deben estar al fondo de la oficina, lejos de los objetos de trabajo. [16]
1.5 OBJETIVOS
15
3. Adecuar el modelo de configuracin de planta a las restricciones y requerimientos de la entidad. Para ello es necesario:
16
Implementar un algoritmo basado en algoritmos genticos que tenga en cuenta las condiciones especficas de la entidad. Correr el modelo y obtener la configuracin de planta que ste arroje para cada oficina estudiada. Validar el modelo.
4. Establecer las distribuciones de planta finales. Analizar el comportamiento del algoritmo para las diferentes variaciones de parmetros y las soluciones que este arroja. Diagramar la distribucin de planta final.
2. MARCO TERICO
2.1 PROBLEMA DE CONFIGURACIN DE PLANTA
El problema de configuracin de planta consiste en distribuir de manera ptima todos los departamentos que intervengan en un proceso productivo, en bsqueda de la economa de los recursos disponibles tales como: espacio y tiempo. Un departamento o facilidad en el contexto de configuracin de planta es una entidad fsica que facilita el desarrollo de algn trabajo. Por ejemplo: Una celda de manufactura o una mquina. Segn Root y Rakshit (1993), el rea es la nica caracterstica comn para todas las facilidades [2]. El rea que cada facilidad ocupe o se desee que ocupe, en el caso especfico de los departamentos, determinar gran parte de las restricciones del modelo que represente el problema. Los datos mnimos que se requieren para dar solucin al problema son: Nmero de departamentos, dimensiones fsicas de la planta, rea por departamento, matriz de flujos entre departamentos, y los costos de transporte por unidad. La matriz de
17
flujos puede cambiarse por una matriz de percepcin donde se representa la deseabilidad de cercana entre departamentos. Los costos de transporte pueden ser hallados por medio de la multiplicacin entre el flujo y la distancia para cada par de departamentos. Como solucin del problema se obtiene la posicin ptima de cada departamento dentro de la planta, el rea ptima de cada departamento y los costos ptimos de transporte.
Acortamiento del tiempo de servicio o fabricacin. Disminucin de congestin. Mayor facilidad de ajuste a los cambios de condiciones.
MUTHER, Richard. DISTRIBUCION EN PLANTA. Ordenacin racional de los elementos de produccin industrial. Cuarta ed. 1981
18
Reduccin del trabajo administrativo y del trabajo indirecto en general. Logro de una supervisin ms fcil y mejor. Disminucin del riesgo para el material o su calidad. [5]
2.1.2.1 Principio de la integracin de conjunto Una buena distribucin integra a los factores que influyen dentro de la actividad de la planta: los hombres, los materiales, la maquinaria, las actividades auxiliares, en una unidad de conjunto, de manera que cada uno de ellos se est relacionando con los otros, para cada conjunto de condiciones de seguridad y operativas. 2.1.2.2 Principio de la mnima distancia recorrida Dado que todo proceso industrial implica movimiento de material, y por ms que se intente disminuirlo no es posible suprimirlo del todo, es siempre mejor la distribucin que permite que la distancia a recorrer por el material entre operaciones sea la ms corta. Dado que dichos traslados no aaden ningn valor al producto, se busca el ahorro de los mismos reduciendo las distancias que el material deba recorrer, de manera que se tratar de colocar las operaciones sucesivas inmediatamente adyacentes unas a otras. 2.1.2.3 Principios de la circulacin o flujo de materiales Este es un complemento del principio de la mnima distancia recorrida, ya que se busca una distribucin que ordene las reas de trabajo de manera que cada operacin o proceso est en el mismo orden o secuencia que se transforman tratan o montan los materiales. Se debe tener en cuenta que no deben existir retrocesos o movimientos transversales, para que no se presente congestin con otros materiales o piezas del mismo conjunto. Lo anterior no limita el movimiento 19
del material a una forma lineal, los recorridos en zigzag, en crculo o en U, tambin son propios de buenas configuraciones. En resumen el concepto de circulacin es un progreso constante hacia la finalizacin del trabajo, minimizando las interrupciones, interferencias o congestiones. 2.1.2.4 Principio del espacio cbico Todos los agentes que intervienen dentro de la actividad de la planta ocupan tres dimensiones por lo que todas deben ser tenidas en cuenta a la hora de realizar la configuracin. De la misma manera el movimiento de los mismos puede darse en estas tres, por lo que se busca un aprovechamiento del espacio libre en todo el plano tridimensional. 2.1.2.5 Principio de la satisfaccin y de la seguridad Dos factores fundamentales para el buen desarrollo del trabajo son la satisfaccin de los empleados y la seguridad. El primero trae muchos otros beneficios como la disminucin de costos de operacin y una moral mas elevada por parte de los empleados. El segundo es de gran importancia en una distribucin y en algunas ocasiones vital, ya que nunca una distribucin podr ser efectiva si los trabajadores estn expuestos a riesgos o accidentes. 2.1.2.6 Principio de la flexibilidad Dada la rapidez con que evolucionan los diferentes campos que respectan a la empresa, como las comunicaciones, el transporte, etc., sta debe tener la habilidad para cambiar rpidamente tanto el diseo del producto, proceso, equipo, produccin o fechas de entrega, para evitar faltas en los pedidos y por ende prdida de los clientes. Por esta razn se busca una distribucin que permita el ajuste y reordenamiento de la misma con rapidez, menores costos e inconvenientes.
20
[4] [5]
Los tres elementos bsicos de la produccin son: los hombres, los materiales y la maquinaria; si los tres estuvieran estacionarios no podra haber produccin en un sentido industrial, el estudio sobre la distribucin inicia analizando cules de estos elementos deben moverse y la relacin entre ellos: Movimiento de material: El material es el elemento ms comnmente movido, ste se mueve de una estacin a otra en el orden en que deben realizarse las operaciones. Movimiento del hombre: Los operarios se mueven de una estacin a otra en el orden en que deben realizarse las operaciones y realizando las mismas sobre cada pieza del material. Movimiento de maquinaria: El operario mueve herramientas o mquinas para operar sobre una pieza grande. Movimiento de material y de hombres: El operario se mueve con el material y realiza una operacin sobre cada estacin. Movimiento de material y de maquinaria: Tanto los materiales como la maquinaria se desplazan hacia los hombres quienes realizan las operaciones. Movimiento de hombres y de maquinaria: Los trabajadores se mueven junto con la maquinaria hacia el elemento sobre el cual estn operando. Movimiento de materiales, hombres y maquinaria: Todos los elementos se mueven, puede ser costoso e innecesario. A partir de lo anterior se muestran los cuatro tipos clsicos de distribucin:
2.1.3.1 Distribucin por posicin fija En este tipo de distribucin por posicin, el material permanece en un lugar fijo; las herramientas, la maquinaria, hombres y otros materiales concurren al producto que se est elaborando. (Ver Figura1).
21
2.1.3.2 Distribucin por proceso Tambin es llamada distribucin por funcin donde todas las operaciones de un mismo tipo de proceso estn agrupadas. (Ver Figura 2).
2.1.3.3 Distribucin por producto Esta distribucin tambin es llamada como produccin en lnea o en cadena, en sta el material est en movimiento. Las mquinas o entidades que intervienen en
22
la elaboracin del producto final estn dispuestas una inmediatamente al lado de la siguiente y estn ordenadas en la secuencia de las operaciones del proceso. (Ver Figura 3).
[5]
Este tipo de distribucin, no es considerada entre las bsicas ya que es una combinacin de las mencionadas anteriormente. Las celdas de manufactura agrupan mquinas, empleados, materiales, herramientas, material, y equipo para producir familias o partes de productos. Los beneficios mas importantes de la manufactura celular son alcanzados cuando las celdas de manufactura son diseadas, controladas y operadas usando los conceptos y tcnicas de Just In time (JIT), Total Quality Management (TQM), y Total Employee Involvement (TEI). (Ver Figura 4).
23
La configuracin de planta constituye entonces una combinacin o variaciones entre los cuatro tipos expuestos anteriormente. 2.1.3.5 Ventajas y limitaciones de los tipos bsicos de distribucin [5]
Distribucin por posicin fija Ventajas 1. El movimiento del material es reducido 2. Cuando se hace uso del acercamiento del equipo, la continuidad de las operaciones y la responsabilidad son resultados 3. Provee oportunidades de enriquecimiento del trabajo 4. Promueve el orgullo y la calidad Limitaciones 1. Aumenta el movimiento del personal y del equipo 2. Puede duplicado 3. Requiere 4. Requiere general 5. Puede resultar en aumento personal con mayores habilidades supervisin resultar equipo
24
porque un individuo puede realizar todo el trabajo 5. Altamente flexible; pueden acomodarse cambios en el diseo del producto y el volumen de produccin
del
espacio de
mayor en y la
trabajo control de
Distribucin por producto o en lnea Ventajas 1. Resultan lneas de flujo planas, simple y lgicas 2. Resultan inventarios de trabajo en proceso pequeos 3. El tiempo total de produccin por unidad es corto 4. La manipulacin de material requerida es reducida 5. Se requieren de menos habilidades para el personal 6. Es posible un control simple de la produccin 7. Puede ser usado equipo especializado Distribucin por proceso Ventajas 1. Incrementa maquinaria 2. El equipo puede ser usado para un propsito general 3. Altamente flexible en la ubicacin de equipo y personal la utilizacin de Limitaciones 1. Aumento requerimientos de para los el Limitaciones 1. Una parada de mquina detiene la lnea 2. Si el diseo del producto cambia, la distribucin actual se vuelve obsoleta 3. La estacin mas lenta marca el paso de la lnea 4. Es requerida supervisin resulta en general 5. Usualmente mayor inversin en equipos
manejo del material 2. Ser requiere un control de la produccin mas complicado 3. Aumento del trabajo en
25
4. La
manipulacin
del
material
es
proceso 4. Lneas de produccin mas largas 5. Se requieren mayores habilidades para acomodar diversidad de tareas
2.1.4.1 Procedimiento de Distribucin de planta de Apple Segn Apple [6] el diseador de plantas debe seguir un procedimiento ordenado. La mayora de las veces sin hacer caso del tipo de facilidades, el proceso de diseo debe seguir de manera cercana la siguiente secuencia de pasos:
26
1. Obtener los datos bsicos del problema. 2. Analizar los datos bsicos obtenidos. 3. Disear el proceso productivo. 4. Planear el patrn de flujo de material. 5. Considerar un plan general de manejo de materiales. 6. Calcular los requerimientos del equipo. 7. Planear estaciones de trabajo individuales. 8. Seleccionar un equipo especfico de manejo de materiales. 9. Coordinar lo grupos de operaciones relacionadas. 10. Disear las interrelaciones de las actividades. 11. Determinar los requerimientos de almacenamiento. 12. Planear actividades auxiliares y de servicio. 13. Determinar los requerimientos de espacio. 14. Asignar actividades al espacio total. 15. Considerar tipos de edificio. 16. Construir la distribucin maestra. 17. Evaluar, ajustar y revisar la distribucin con las personas apropiadas. 18. Obtener aprobaciones. 19. Instalar la distribucin. 20. Realizar un seguimiento a la implementacin de la distribucin.
[5]
Reed recomend el siguiente plan de ataque sistemtico para la planeacin y preparacin de a distribucin. 1. Analizar el producto o productos que sern elaborados 2. Determinar el proceso requerido para manufacturar el producto 3. Preparar cartas de planeacin de la distribucin
27
4. Determinar las estaciones de trabajo 5. Analizar los requerimientos de las reas de almacenamiento 6. Establecer los anchos mnimos para los pasillos de la planta 7. Establecer los requerimientos de la oficina 8. Considerar departamentos para el personal y servicios 9. Listar los servicios de la planta 10. Hacer provisin para la futura expansin Para Reed las cartas de planeacin de la distribucin son el paso ms importante del proceso de distribucin. stas contienen la siguiente informacin: 1. El flujo del proceso, incluyendo operaciones, transporte, almacenamiento, e inspecciones. 2. Tiempos estndar para cada operacin. 3. Seleccin y balance de mquinas. 4. Seleccin y balance de m ano de obra. 5. Requerimientos del manejo de materiales.
2.1.4.4 Procedimiento Sistemtico de Distribucin de planta (SLP) de Muther [5] [7] Muther desarroll un procedimiento para realizar la distribucin de planta que l denomin Procedimiento Sistemtico de distribucin de planta o SLP. El esquema general de ste puede observarse en la Figura 5. El procedimiento consta de tres fases, la primera de ellas es el anlisis, la cual inicia con la recoleccin de la informacin necesaria sobre productos, cantidades, procesos y servicios. La primera fase tiene cinco pasos:
28
2.1.4.4.1 Anlisis del Flujo de materiales Este es un aspecto que aunque no es el nico que se debe tener en cuenta es clave en el planteamiento del problema. Para la realizacin del estudio se debe partir de la descripcin del proceso, para lo que existen diferentes herramientas que pueden ser utilizadas segn las necesidades del caso: Diagrama de Acoplamiento: Destaca los subconjuntos que se van formando y reuniendo hasta obtener el producto. Diagrama analtico de operaciones del proceso: Incluye los smbolos de transporte y de demora. Su representacin es libre y puede ser similar al diagrama de operaciones.
29
Figura 5: Esquema general del mtodo S.L.P. Diagrama multiproducto: Es conveniente utilizarlo cuando hay muchos productos, ya que permite tener una visin conjunta de los procesos correspondientes a diversos productos.
30
Matrices: Destaca los desplazamientos entre centros de actividad. Cada fila y columna representan una actividad. Diagramas de recorrido y diagramas de hilos: Pueden ser utilizados sobre una distribucin existente. Estos dan informacin sobre las trayectorias, las frecuencias de utilizacin de los diversos puntos de paso y la posibilidad de interferencias entre distintos flujos.
2.1.4.4.2 Relaciones entre actividades Lo que se debe tener en cuenta a la hora de realizar un estudio de configuracin de planta no slo es el recorrido de los elementos materiales sino cualquier relacin que exista al interior del sistema productivo. Dentro de lo anterior se encuentran las relaciones entre actividades las cuales pueden ser representadas en buena forma por medio de una tabla como la de la Figura 6. En ella se encuentra la simbologa recomendada por Muther. Gracias a este tipo de representacin de una matriz simtrica (en la que los elementos de la diagonal son nulos) se ahorra espacio y se omiten las redundancias.
2.1.4.4.3 Diagrama de relacin de actividades Con la informacin recolectada hasta el momento ya se puede iniciar la configuracin de planta. Los dos pasos anteriores convergen a la realizacin del diagrama de relacin de actividades. En l se representa grficamente cada centro de actividad sin tener en cuenta el rea que cada uno requiera. Los smbolos utilizados son unidos por medio de lneas simples o mltiples que representan la importancia de la relacin entre ellos (puede ser expresada por medio del nmero de lneas, color, grosor o nmeros junto a la lnea de unin). Para mayor ilustracin ver Figura 7.
31
Recepcin Ventas Direccin Secretara Fotocopias Almacn Biblioteca Servicios Sala de reuniones
Cdigo Definicin
A E I O U X
Cdigo
1 2
32
2.1.4.4.4 Necesidades de espacio Para este momento se requiere estimar la superficie necesaria para cada departamento o centro de actividad. La forma como se determine las necesidades de superficie debera ser precisa porque en general el espacio es caro, pero no se debe ser en extremo justo, ya que es conveniente asignar cierto margen. Existen diversos procedimientos para realizar la estimacin que se est tratando y la escogencia entre ellos depende del grado de detalle que se le quiera aadir al estudio.
2.1.4.4.5 Espacios disponibles Una vez obtenida la estimacin sobre el rea que se requiere para cada departamento, se debe comparar esta informacin con el espacio del que se dispone en la actualidad. Si no concuerdan entre s se debe realizar un ajuste de una de ellas o ambas. La segunda fase de ste mtodo es la bsqueda, sus principales pasos son:
33
2.1.4.4.6 Diagrama de relacin de espacios Una vez se tenga la informacin mencionada anteriormente y se hayan realizado los ajustes necesarios, se puede dar lugar a la representacin grfica de los centros de actividad y de las relaciones de actividad, por medio de un diagrama similar al de relacin de actividades, con la diferencia de que en ste todos los grficos se realizan a escala y pueden tener la forma que se considere adecuada para cada departamento. Un ejemplo de esta herramienta es mostrado a continuacin en la Figura 8.
2.1.4.4.7 Desarrollo de Soluciones Una representacin de cada una de las posibles soluciones es el diagrama de relacin de espacios. La comparacin que se realice entre estas posibles distribuciones debe tener en cuenta aspectos que posiblemente se hayan relegado desde el principio y que pueden resultar muy difciles de tener en cuenta desde el
34
principio de las consideraciones que se realizaron ya que posiblemente restrinjan el modelo en extremo. Algunos ejemplos de los aspectos mencionados son: caractersticas constructivas de los edificios, orientacin, usos del suelo en las reas vecinas, recursos financieros, equipos de manutencin, vigilancia, horarios de trabajo, seguridad, etc. Siendo esta ltima, la seguridad de las personas y los equipos, una de las consideraciones ms importantes, para lo cual se deben tener en cuenta las siguientes observaciones: Los accesos, pasillos y salidas sean amplios y bien sealizados. Los operarios no estn cerca de zonas peligrosas. Exista un acceso conocido y fcil para los equipos de emergencia. No haya elementos puntiagudos, cortantes, etc. en las reas de trabajo y en las de circulacin. En general, el desarrollo de soluciones es un proceso que demanda creatividad, y aquellos que las plantean (los diseadores de la distribucin de planta) deben hacer uso del mtodo y la experiencia. La tercera fase es seleccin la cual consta de un solo paso:
2.1.4.4.8 Evaluacin y seleccin Una vez se han desarrollado las alternativas sobre la distribucin, se realiza la seleccin entre ellas. De manera general en este punto intervienen personas que no han hecho parte del estudio hasta el momento, por lo que una presentacin que muestre claramente lo que se propone es determinante para el buen desarrollo del proyecto. Para esto se debe hacer uso de los diagramas vistos anteriormente o maquetas que puedan ser modificadas rpida y econmicamente, planos, representaciones en una pantalla de computador, entre otras.
35
Algunos criterios para la eleccin de distribuciones en planta son (Vallhonrat y Corominas, 1991): Facilidad de expansin Flexibilidad Eficacia en la manipulacin de materiales Utilizacin del espacio Seguridad Condiciones de trabajo Aspecto, valor promocional Adaptacin a las estructuras orgnicas Utilizacin de los equipos Facilidad de supervisin y control Inversin Coste de funcionamiento
Minimizar la suma de flujos, tiempos y distancias: Es similar a la correspondiente al problema cuadrtico de asignacin. Sean : m : Nmero de departamentos fij : Flujo del departamento i al j (expresado en nmero de cargas unitarias movidas por unidad de tiempo) cij : Costo de mover una unidad de carga, una unidad de distancia desde el departamento i al departamento j El objetivo es minimizar el costo por movimiento entre departamentos por unidad de tiempo, puede ser expresado matemticamente as:
min Z = f ij cij d ij
i =1 j =1
(1)
Donde dij es la distancia del departamento i al j. De manera general dij es medida por medio de mtrica rectilnea entre los centroides de los departamentos.
Maximizacin del puntaje de adyacencia: Es basada en la suma del puntaje de adyacencia, el cual es calculado como la suma de los flujos entre los departamentos que son adyacentes en la distribucin. Sea:
1 si el departamento i y j son adyacentes (tienen un borde comn) xij = 0 En otro caso El objetivo es maximizar el puntaje de adyacencia que es: (2)
max Z =
f
i =1 j =1
ij
x ij
37
As como con la anterior ecuacin (2) se compar el puntaje de adyacencia entre dos distribuciones, tambin es aconsejable calcular la eficiencia relativa por medio del puntaje normalizado de adyacencia, el cual vara entre 0 y 1, toma el valor de uno cuando todos las parejas de departamentos con flujo positivo entre ellos son adyacentes en la distribucin. Matemticamente se expresa de la siguiente manera:
f
Z=
i =1 j =1 m m i =1 j =1
ij
xij
ij
Los algoritmos en mencin tambin pueden ser clasificados de acuerdo al formato que usan para representar distribucin. Existen dos clasificaciones en relacin a este aspecto: Discreta: el rea de cada departamento es aproximada a un nmero discreto de cuadrillas. Continua: El rea de los departamentos no est alineada con la cuadrilla por lo que no es recomendable para construcciones rectangulares. Por ltimo los algoritmos de distribucin pueden ser clasificados de acuerdo a su funcin primaria: Algoritmos de mejora: Empiezan con una configuracin inicial y buscan mejorar la funcin objetivo correspondiente por medio de cambios a la distribucin. Algoritmos de construccin: Crean la distribucin partiendo desde cero, existen aquellos que pueden asumir las dimensiones del edificio dadas o aquellos que no.
38
2.1.5.1 CRAFT CRAFT (Computer Relative Allocation Facilities Technique) es una de las primeras tcnicas conocidas para la configuracin de planta en la literatura. El costo de la distribucin se haya por medio de la ecuacin (1). Los departamentos nos estn restringidos a formas rectangulares y la representacin que usa es del tipo discreta. Los pasos de este algoritmo son: 1. Empieza con una distribucin inicial, que representa la distribucin inicial, pero tambin puede representar la distribucin hecha por otro algoritmo. 2. Determina los centroides de los departamentos en la distribucin inicial. 3. Calcula la distancia rectilnea entre parejas de centroides de departamentos y guarda los valores en una matriz de distancia. 4. Se calcula el costo de la distribucin inicial (Ecuacin 1). 5. Intercambia 2 o 3 departamentos e identifica el mejor intercambio, que ser el que represente una mayor disminucin en costo de la distribucin. 6. Actualiza la informacin de acuerdo al mejor intercambio encontrado y termina la primera iteracin. 7. Empieza la siguiente iteracin con tomando como solucin inicial la mejor distribucin que encontr en la iteracin anterior. La solucin obtenida es conocida como distribucin 2-opt (3-opt) ya que 2 formas (tres formas) de intercambios pueden reducir el costo de la distribucin.
2.1.5.2 BLOCPLAN BLOCPLAN ubica los departamentos en bandas, cada uno es ubicado en una banda por lo que tienen forma rectangular, usa una tabla de relacin entre ellos
39
para representar el flujo como dato de entrada, el costo de la distribucin tambin es medido por medio de la ecuacin (1) o la ecuacin de adyacencia (2). Adicional a esto, el algoritmo determina el nmero de bandas y el ancho de las mismas, usa representacin continua y suele ser usado tanto como algoritmo constructivo como de mejora. El algoritmo primero asigna cada departamento a una de las bandas, luego calcula el ancho apropiado de la banda dividiendo el rea total de los departamentos en esa banda por la longitud del edificio. La distribucin completa es formada gracias al clculo del ancho de cada banda tal como se describi y organizando los departamentos en cada banda de acuerdo a una secuencia especfica. 2.1.5.3 MIP El problema de configuracin de planta puede ser formulado como un problema de programacin mixta entera (Mixed Integer Programming, MIP) si todos los departamentos se asumen como rectangulares. Este algoritmo usa representacin continua, su funcin objetivo es basada en la distancia (Ecuacin 1) y de manera general es del tipo constructivo. Las dimensiones de los departamentos son tratadas como variables de decisin. Teniendo en cuenta lo anterior el problema puede ser formulado as (Montreuil, 1987): Parmetros del problema: Bx = Longitud del edificio (medida a lo largo de la coordenada X) By = Ancho del edificio (medida a lo largo de la coordenada Y) Ai = rea del departamento i Lli = Lmite inferior de la longitud del departamento i Lui = Lmite superior de la longitud del departamento i Wli = Lmite inferior del ancho del departamento i Wui = Lmite superior del ancho del departamento i 40
M = un nmero grande
Variables de decisin:
i = Coordenada X del centroide del departamento i. i = Coordenada Y del centroide del departamento i
Xi = Coordenada X del lado izquierdo (u oeste) del departamento i Xi = Coordenada X del lado derecho (o este) del departamento i Yi = Coordenada Y del lado inferior (o sur) del departamento i Yi = Coordenada Y del lado superior (o norte) del departamento i Zxij = 1 si el departamento i est estrictamente a la derecha (al este) del departamento j y 0 en otro caso Zyij = 1 si el departamento i est estrictamente arriba (al norte) del departamento j y 0 en otro caso
El departamento i estara estrictamente a la derecha del departamento j si y solo si Xj Xi, De igual manera, e departamento i estara estrictamente al norte del departamento j si y solo si Yj Yi. Se garantiza que dos departamentos no se sobreponen ya que estn separados en la coordenada X y Y. Lo anterior conduce al siguiente modelo:
i j
fij * Cij * i j + i j
(3)
(Xi- Xi)
Lui
(4)
41
Wli
(Yi-Yi)
Wui i
i i
i
(5) (6) (7) (8) (9) (10) (11) (12) (13) (14) (15)
i y j , i j
(Xi-Xi)(Yi-Yi) = Ai 0 0
Xi Yi
Xi Bx Yi
By
i
i
i y j , i j i y j , i j
1 i y j , i < j
i
i , i
(16)
La funcin objetivo dada por la ecuacin 3, es la funcin objetivo mostrada en la ecuacin (1), las restricciones (4) y (5) aseguran que la longitud y el ancho de cada departamento no supere los lmites, la restriccin (6) expresa el rea requerida por cada departamento, las restricciones (7) y (8) aseguran que los lados de cada departamento estn definidos apropiadamente y que cada departamento est localizado dentro del piso de la planta en las coordenadas X y Y, (9) y (10) definen las coordenadas X y Y respectivamente del centroide de cada departamento. La restriccin (11) asegura que el departamento i est estrictamente a la derecha de j y se activa cuando Zxij = 1, (12) cumple el mismo propsito de la anterior pero en la coordenada Y, (13) garantiza que dos
42
departamentos no se traslapen. Finalmente (14) y (15) son las restricciones de no negatividad y (16) designa las variables binarias. El anterior modelo puede ser resuelto por medio de herramientas
computacionales, sin embargo los resultados pueden ser garantizados cuando se trabaja con un intervalo de 7-8 departamentos. La ventaja de este modelo es que la solucin resultante est garantizada entre 5% a 10% del ptimo [8].
2.1.5.4 Enfriamiento Simulado (SA) SA (Simulated Annealing) es una metaheurstica relativamente nueva, fue formulado por Kirkpatrick, Gelat & Vecchi en 1983. Los conceptos fundamentales detrs de SA estn basados en una analoga entre mecnica esttica problemas de optimizacin combinatoria. Mecnica estadstica es la disciplina central de la fsica de la materia condensada, una serie de mtodos para analizar propiedades agregadas de un gran nmero de tomos encontrados en muestras de materia lquida o slida (Kirkpatrick, 1983). Una de las claves de esta disciplina es el estado de la materia de acuerdo a como su temperatura es gradualmente reducida hasta alcanzar el punto de congelamiento. De esta manera la analoga relacionada con SA es el enfriamiento de los materiales, donde los tomos presentan movimiento hasta que la materia llega al punto de enfriamiento. De esta manera se realiza la bsqueda de la solucin al problema de optimizacin combinatoria que se est resolviendo usando un parmetro de control, que es la temperatura, partiendo de una solucin inicial y una temperatura inicial. A continuacin se muestra un diagrama del algoritmo para un problema de minimizacin [9]:
43
2.1.5.5 Bsqueda Tab [10] La bsqueda Tab parte de una solucin actual, a partir de esto inicializa la lista tab y realiza la bsqueda de mejores soluciones en la vecindad de la solucin
44
inicial teniendo en cuenta las movidas prohibidas que se encuentran en la lista, tal y como se muestra en el siguiente esquema:
Los conceptos claves en la bsqueda tab son: Memoria a corto plazo: La lista tab es actualizada con poltica FIFO. El objetivo de esto es evitar caer en ptimos locales. Criterio de aspiracin: pasa por alto una movida tab si sta movida genera una mejor solucin que el mejor ptimo actual. Intensificacin: Realiza una bsqueda local alrededor de la solucin actual (movidas tab). Diversificacin: Realiza una bsqueda por fuera de las restricciones de la lista tab.
45
[1][2] [3][11]
Los algoritmos genticos (AG) son tcnicas de bsqueda aleatoria dirigida [11]. Fueron inventados por John Holland, profesor de la Universidad de Michigan, quien public su artculo Adaptation in Natural and Artificial Systems en 1975. Surgen como una forma alternativa a los mtodos de gradientes, los cuales resultan imprcticos al realizar bsquedas en un espacio n-dimensional cuando se presentan mltiples ptimos relativos [3]. Son inspirados en los procesos de evolucin y seleccin natural, de manera que sus operadores basados en mtodos evolutivos, actan sobre los individuos pertenecientes a cada generacin para encontrar soluciones que representen mejoras en la funcin objetiva. Los individuos (pertenecientes a la poblacin) dentro de un AG son soluciones factibles del problema La poblacin es un subconjunto del espacio solucin y el tamao (nmero de individuos que posea) depende del problema que se est tratando. Cada individuo de la poblacin es representado por medio de un cromosoma, el cual es una mezcla de smbolos conocidos como genes. Los dos mtodos bsicos de representacin de los individuos son: Vectores de nmeros binarios Vectores de nmeros enteros o reales
[3]
Estocsticos: Las transformaciones dadas para el proceso de bsqueda de la solucin y el paso de una generacin a otra son probabilsticas. De Bsqueda mltiple: El proceso es realizado simultneamente en un conjunto de cromosomas, lo cual permite que no se llegue a una solucin nica, sino posiblemente a varias con un costo similar en un perodo
46
relativamente corto de tiempo; Incrementando con ello la probabilidad de hallazgo de mltiples soluciones diferentes. Exploratorios: De todos los algoritmos estocsticos, los algoritmos genticos son los que realizan una mayor exploracin al subespacio de posibles soluciones. Independientes de los Parmetros Iniciales: La convergencia del algoritmo es relativamente independiente de la poblacin inicial, a menos que sta sea realmente degenerada. Esto es particularmente cierto en poblaciones relativamente grandes, escogidas de forma aleatoria. Robustez Paramtrica: El xito del algoritmo depende de la codificacin de los parmetros; No de los parmetros en s. Si la representacin de los datos y las operaciones de cruce y seleccin han sido bien escogidas, es muy difcil que el algoritmo no converja. Esto es particularmente bueno para problemas muy complejos, en los que no existen criterios para escoger una poblacin inicial en particular: Si el algoritmo est bien diseado, converger ms o menos rpidamente a una solucin relativamente aceptable. Paralelismo intrnseco: Independientemente de su implementacin, los algoritmos genticos exploran el espacio en forma paralela. Independencia del Problema: El algoritmo gentico no est ligado con el problema particular. Esto hace al algoritmo bastante robusto, por ser til para cualquier problema, pero a la vez dbil, por no estar especializado en ninguno. Estas caractersticas, permiten considerar los algoritmos genticos como un buen mtodo de solucin para el problema.
47
Figura 11: Estructura general de un algoritmo gentico. Poblacin inicial: El proceso de optimizacin parte de un conjunto de soluciones iniciales que aplican para el problema tratado. Pueden usarse cromosomas generados aleatoriamente o usar soluciones conocidas previamente del problema. Evaluacin de la funcin objetiva en la poblacin actual: Cada individuo de la poblacin es evaluado para hallar el valor de la funcin objetivo. A aquellos que violen restricciones del problema pueden ser penalizados en su funcin objetivo. De acuerdo a la obtencin de la F.O. puede determinarse cules son los individuos mas adaptados, segn sea el caso de minimizacin (F.O. baja) o maximizacin (F.O. alta).
48
Seleccin de los individuos ms adaptados: Los individuos que representan una mejor solucin (en trminos de la F.O.) son aquellos que tienen mayor probabilidad de reproducirse. Existen diferentes criterios de seleccin como el de ruleta donde cada individuo tiene una probabilidad de reproducirse proporcional a su grado de adaptacin, y el de rango que tiene en cuenta el rango del mejor ajuste a la funcin objetiva y no la magnitud de esta. Cruce: Este operador diferencia los algoritmos genticos de otros algoritmos de optimizacin. Se realiza con el objetivo de crear por lo general- dos nuevos individuos (hijos) a partir de dos individuos existentes (padres) seleccionados por el criterio de seleccin establecido para el algoritmo. Por lo general se usa cruce por un punto. A continuacin se muestran diferentes tipos de cruce [11]: o Cruce por un punto: Padre 1: 1 0 0 0 1 0 0 1 1 1 1 Padre 2: 0 1 1 0 1 1 0 0 0 1 1 Hijo 1: Hijo 2: 10001100011 01101001111
o Cruce por dos puntos: Padre 1: 1 0 1 0 0 0 1 1 0 1 0 Padre 2: 0 1 1 0 1 1 1 1 0 1 1 Hijo 1: 1 0 1 0 1 1 1 1 0 1 0 Hijo 2: 0 1 1 0 0 0 1 1 0 1 1 o Cruce cclico: Padre 1: 1 2 3 4 5 6 7 8 9 Padre 2: a b c d e f g h i
49
Hijo 1: 1 b 3 d e f 7 h 9 Hijo 2: a 2 c 4 5 6 g 8 i o Cruce uniforme: Padre 1: 1 0 1 0 0 0 1 1 0 1 0 Padre 2: 0 1 1 0 1 1 1 1 0 1 1 Patrn: 1 1 0 1 0 0 1 1 0 1 0 Hijo 1: 1 0 1 0 1 1 1 1 0 1 1 Hijo 2: 0 1 1 0 0 0 1 1 0 1 0 Mutacin: Previamente definida una probabilidad de mutacin, a cada individuo le es cambiado uno o varios genes de manera aleatoria. Dado que de un solo padre se genera un nuevo hijo, esta operacin es llamada mondica. Este operador permite una mayor exploracin y evitar la cada en ptimos locales. Cabe anotar que una probabilidad de mutacin muy alta puede generar demasiada aleatoriedad dentro del algoritmo dificultando as el hallazgo de una buena solucin.
50
el conjunto, as como los costes de transporte en el proceso productivo, obteniendo resultados aceptables. [15]. A continuacin se presentan consideraciones generales del modelo propuesto por Islier, las cuales no se tratarn con profundidad dado que este modelo no aplica para el problema tratado en este proyecto. Segn Islier, el primer criterio de optimizacin para el problema de configuracin de planta para una fbrica de manufactura es minimizar la carga de transporte, el segundo es maximizar el grado de compactacin de las reas de las estaciones de trabajo o departamentos y el tercero es minimizar la diferencia entre las reas demandadas y las disponibles para cada estacin de trabajo o departamento2, a continuacin se presenta una descripcin de cada uno de ellos: 1. Minimizar la carga de transporte: [1] La carga de transporte se puede calcular utilizando la informacin de flujo, unidades de carga y las distancias rectilneas entre los centroides de las estaciones de trabajo. Matriz de flujo Matriz de distancias Matriz de costos unitarios Por este motivo los datos de entrada para lograr minimizar la carga de transporte son:
El flujo representa el nmero de unidades de carga que son transportadas de un sitio de trabajo a otro en un periodo de tiempo, los costos unitarios representan los costos de mover una unidad de carga por unidad de longitud de un departamento a otro; a su vez, las distancias en una planta de manufactura representan la separacin de los centroides de un departamento a otro.
2
ISLIER A.A. A genetic algorithm approach for multiple criteria facility layout design, International Journal of Production Research, Vol.36, No.6, 1998, 1549-1569.
51
2. Maximizar el grado de compactacin de las reas de las estaciones de trabajo [1]: Consiste bsicamente en encontrar la forma ms adecuada para disear las formas que tendrn las diferentes estaciones de trabajo de una compaa. Esto con el fin de evitar prdidas de espacio y diseos que generen incomodidad para realizar el trabajo. 3. Minimizar la diferencia entre las reas demandadas y disponibles [1]: Se busca que por medio de la aclaracin de cules son las reas mnimas, mximas y deseadas de cada departamento, se logre minimizar la desviacin del rea de cada estacin de trabajo con respecto a lo deseado.
52
Las medidas de la oficina y de los departamentos correspondientes a cada sucursal estudiada fueron obtenidas a partir de los planos suministrados por la entidad bancaria. A partir de estos, se realizaron las mediciones correspondientes al ancho y largo de las oficinas y departamentos, conservando la escala de cada plano. Las escalas utilizadas se relacionarn a continuacin: Oficina Escala 1 2 3 4 5 1:100 1:100 1:125 1:150 1:50
Tabla 2: Escala de los planos de cada oficina Se consideraron los departamentos principales en cada oficina; es decir, aquellos que participan en la finalidad productiva del banco. Se asumieron algunas medidas de departamentos pequeos que no se especificaban en el plano, como el tarjetero. Y se hicieron algunas generalidades sobre la forma de la oficina cuando esta no era totalmente rectangular, como en el caso de la oficina 4.
53
Depto. 1 Depto. 2 Depto. 3 Depto. N-1 Depto. N Depto. 1 Depto. 2 Depto. 3 Depto. N-1 Depto. N
Figura 12: Formato de la matriz de calificacin. Este formato es una variacin del diagrama de relacin de actividades propuesto por Muther. Las casillas en blanco se llenan con la calificacin que los gerentes consideren pertinente entre 0 y 5 bajo las siguientes convenciones: 5 = Completamente necesario que estn situados muy cerca 4 = Es especialmente importante que estn situados cerca una de la otra 3 = Es importante que estn situados cerca una de la otra 2 = No es muy importante que estn situados cerca una de la otra 1 = No es importante que estn situados cerca una de la otra 0 = Es indeseable que estn situados cerca una de la otra Esta matriz de calificacin, que desde ahora llamaremos matriz de percepcin, es anloga a la medicin del flujo; ya que as, como entre mayor es el flujo entre dos departamentos mayor es la deseabilidad de cercana entre ellos, entre mayor sea la importancia (o deseabilidad) de que estn situados cerca, mayor ser la calificacin en la matriz de percepcin. Dado que la encuesta fue realizada a dos gerentes (comercial y operativo) por oficina, se necesitaba concordar la informacin de estas dos matrices, por lo que se hizo un promedio entre ellas, y cuando la diferencia entre los dos valores era superior a 3 un experto defini la calificacin.
54
i, j [1, N ]
Sujeto a: No se traslapen (sobrepongan) los departamentos entre s.
55
Donde:
d ij xi yi xj
yj
Es la distancia entre los departamentos i y j Es la coordenada horizontal del centroide del departamento i. Es la coordenada vertical del centroide del departamento i. Es la coordenada horizontal del centroide del departamento j. Es la coordenada vertical del centroide del departamento j.
Costado Oriente
Costado Norte
Costado Occidente
Costado Sur
Parte trasera
El cromosoma est dividido en cinco partes, las primeras cuatro representan los costados de la oficina (Oriente, Norte, Occidente y Sur), la quinta representa los departamentos a los que el cliente no tiene acceso directo y se encuentran en la parte trasera de la oficina. Cada una de las primeras cuatro partes del cromosoma contiene los nmeros de los departamentos en el orden en que son ubicados; se est realizando un llenado en el orden del movimiento de las manecillas del reloj. La quinta parte contiene los nmeros de los departamentos ubicados en la parte trasera de la oficina, en forma de columnas, que van de izquierda a derecha y son llenadas de arriba hacia abajo. Para mayor ilustracin, a continuacin se muestra un ejemplo: 56
El siguiente cromosoma:
1 3 2 13 14 9 12 12 16 11 6 4 5 8 7 10 18 17
Representa la distribucin:
Costado Norte
Atrs
14 13 2
12 15
16 11
10
17
Costado Oriente
18 6
3 7 1 8 5 4
Costado Sur
Occidente
Dada la forma de representacin de la solucin, cada departamento solo es asignado en el ordenamiento de la planta una sola vez; adicional a esto, a lo largo del algoritmo se garantiza que los individuos de la poblacin no violan la restriccin de sobre-posicin de los departamentos, ya que a partir del cromosoma que se tiene, se hallan las nuevas coordenadas de los departamentos, y posteriormente con esta informacin se realiza la nueva distribucin.
57
Tamao de la poblacin Probabilidad de Mutacin Porcentaje de mejores Porcentaje de generados por mejores
3.4.2 Estructura
El programa est construido de la siguiente manera: 1. Se genera una poblacin inicial de tamao n, es decir; se generan n cromosomas de manera aleatoria, donde n es el tamao de la poblacin. Para realizar las corridas del algoritmo se us un tamao de poblacin de 100. 2. Evala el costo total de cada individuo, penalizando a aquellos que violan una restriccin. 3. Organiza los individuos de menor a mayor costo. Guarda el mejor costo encontrado en cada iteracin y su correspondiente cromosoma, el cual pasar inmediatamente a la siguiente generacin. 4. Encuentra el grupo de mejores que tienen menores costos (lite). El primer individuo que corresponde a la lite es aquel que pertenece a la anterior generacin y tiene el menor costo asociado. 5. Se escogen dos cromosomas aleatoriamente dentro del grupo de mejores cromosomas y se cruzan a travs de la estrategia que se explica detenidamente mas adelante, hasta completar el tamao de la poblacin que corresponda al porcentaje de generados por mejores. 6. El resto de la poblacin requerida para completar el tamao de la poblacin para cada generacin se genera a travs de la escogencia aleatoria de dos individuos dentro de la poblacin de padres (incluyendo a la lite) y cruzarlos con la estrategia escogida anteriormente. 7. Se realiza la mutacin a la poblacin como se explica mas adelante.
59
8. Para la nueva poblacin generada se realiza lo enunciado en el punto 2 y desde all se repite el algoritmo el nmero de veces correspondiente al nmero de generaciones que se desean. Al finalizar el nmero de iteraciones, el programa arroja de manera grfica la mejor solucin encontrada a lo largo de todas las generaciones, junto con una tabla de convenciones para identificar los departamentos que se encuentran en el diagrama y la funcin objetivo correspondiente a la solucin.
60
diferentes percepciones que se plasmaba en una matriz final que fue la utilizada para este proyecto. Esta matriz entra como parmetro al algoritmo. La distancia rectilnea entre los centroides de los departamentos es hallada de la siguiente manera:
Se hallan las coordenadas para la esquina superior izquierda de cada departamento. A partir de estas coordenadas y las dimensiones de cada departamento se hallan sus centroides. Se halla la distancia entre cada par de departamentos sumando la separacin de sus centroides en las coordenadas X y Y, como se muestra a continuacin:
dep. i
dep. j
La distancia entre el departamento i y el departamento j ser: X + Y Una vez se tienen los datos necesarios para evaluar la funcin objetivo se hacen los clculos correspondientes.
61
62
0 0 1 0 1
Vector opuesto: Es el vector resultado de restar al valor del arreglo patrn el nmero 1:
1 1 0 1 0
Padre 1:
1 3 2 13 14
Padre 2:
13 1 14 3 2
Padre 1 por Vector Patrn: 0 0 2 0 14 Padre 2 por Vector opuesto: 13 1 0 3 0 Padre 1 por Vector opuesto: 1 3 0 13 0
63
Se escogi esta estrategia ya que as los departamentos de cada costado se conservarn en ese lado despus del cruce, de esta manera se evita la reorganizacin del cromosoma una vez aplicado este operador.
64
2 3 4 5 1
No. Aleatorio 1: 2 No. Aleatorio 2: 5 Significa que intercambiamos el contenido de la posicin 2 con el de la posicin 5, se verifica si los departamentos de estas dos posiciones deben estar fijos, si la respuesta es negativa se obtiene como resultado:
2 1 4 5 3
13
14
12
12
16
11
10
65
Cromosoma reparado:
13
14
12
15
16
11
10
66
o Nombre de la oficina o Costado en el que va la entrada o Dimensiones de Frente y Fondo o Nmero de departamentos De los departamentos: o Nombre o Dimensiones de frente y fondo o Ubicacin relativa a la entrada De los flujos: o Deseabilidad de proximidad entre cada pareja de departamentos
Del Algoritmo gentico: Si el usuario no desea usar los parmetros recomendados para el algoritmo gentico debe ingresar: o Nmero de iteraciones o Tamao de la poblacin o Probabilidad de Mutacin o Porcentaje de mejores o Porcentaje de generados por mejores
67
[17]
Con el objetivo de establecer la mejor combinacin de parmetros de entrada para el algoritmo, se desea realizar un diseo factorial 33. Donde los factores son: Probabilidad de Mutacin Porcentaje de mejores Porcentaje de generados por mejores
El nmero de iteraciones para la corrida del programa se escogi por medio de grficos que muestran la convergencia del algoritmo como el que se muestra en la Figura 14, se tom un valor grande en relacin al valor promedio de convergencia en bsqueda de mejores soluciones.
4560,00
4540,00
4520,00
Valor de F.O.
4500,00
4480,00
4460,00
4440,00
4420,00
Nmero de iteraciones
68
Los niveles correspondientes a los factores son: Probabilidad de Mutacin: 0.01, 0.05 y 0.1. Porcentaje de mejores: 0.2, 0.45 y 0.7. Porcentaje de generados por mejores: 0.3, 0.6 y 0.8.
Los valores escogidos fueron acordados junto con el asesor de tesis y son producto de experiencias anteriores con el uso de los algoritmos genticos. Tal como enuncia Montgomery (1991), el uso de la particin para probar formalmente dentro del diseo de experimentos que no hay diferencias en las medias de los tratamientos requiere que se satisfagan ciertos supuestos. Especficamente estos supuestos son que el modelo describe de manera adecuada las observaciones, y que los errores siguen una distribucin normal e independiente con media cero y varianza 2 constante pero desconocida. No es prudente confiar en el anlisis de varianza hasta haber verificado estos supuestos [17]. A partir de lo anterior se realiz la corrida del programa para las cinco instancias estudiadas y todas las variaciones de parmetros propuestas. De los resultados obtenidos, Ver Anexo 2., era claro que para cualquier combinacin de parmetros se obtena el mismo valor para la F.O., lo cual nos deja ver que no hay cambios que puedan observarse en la respuesta de salida; de esta manera, identificar las razones que los produce, lo cual es el motivo para la realizacin del diseo de experimentos, pierde sentido. Se decidi hacer el anlisis del efecto de las combinaciones de parmetros grficamente, para lo cual se diagram el valor de la media, el mnimo y el mximo encontrado a lo largo de 30 experimentos, contra las combinaciones de parmetros (Ver tabla 4), para cada oficina.
69
Combinacin de parmetros
Combinacin de parmetros
PGE 1 = 0,3 PE 1 = PE 2 = PE 3 = 0,2 0,45 0,7 10 11 12 PGE 1 = 0,3 PE 1 = PE 2 = PE 3 = 0,2 0,45 0,7 19 20 21
Combinacin de parmetros
PM 1 = 0,01 PGE 2 = 0,6 PE 1 = PE 2 = PE 3 = 0,2 0,45 0,7 4 5 6 PM 2 = 0,05 PGE 2 = 0,6 PE 1 = PE 2 = PE 3 = 0,2 0,45 0,7 13 14 15 PM 3 = 0,1 PGE 2 = 0,6 PE 1 = PE 2 = PE 3 = 0,2 0,45 0,7 22 23 24
PE 1 = 0,2
PGE 3 = 0,8 PE 1 = PE 2 = PE 3 = 0,2 0,45 0,7 16 17 18 PGE 3 = 0,8 PE 1 = PE 2 = PE 3 = 0,2 0,45 0,7 25 26 27
Tabla 3: Convenciones para las combinaciones de parmetros. Adicional a esto, se quiere realizar una comparacin del comportamiento del algoritmo para dos nmeros de iteraciones diferentes para cada instancia.
3.6.1 Oficina 1
La siguiente grfica muestra el valor de la funcin objetivo para la oficina 1, frente a todas las combinaciones de parmetros, para 200 iteraciones.
70
4650,000
4550,000
4500,000
4450,000
Figura 16: Relacin entre FO, Combinacin de parmetros y 200 iteraciones para la instancia 1.
De la anterior grfica para 200 iteraciones, puede verse que para las primeras combinaciones de parmetros se presentan variaciones importantes para el mayor valor encontrado de la Funcin Objetivo a lo largo de todos los experimentos, por lo que para una probabilidad de mutacin de 0.01 (la ms pequea que se consider) y los dems niveles de porcentaje de mejores y porcentaje de generados por mejores, existe la posibilidad de caer en ptimos locales. Por otra parte, puede verse que en las 27 combinaciones se encontr el mismo mnimo, de lo que se puede afirmar que representa un ptimo, pero sin certeza de que este sea global. Por ltimo se nota una estabilidad dentro del comportamiento de la media frente a las variaciones. A continuacin, se presenta el valor de la funcin objetivo para la oficina 1, frente a todas las combinaciones de parmetros, para 1000 iteraciones.
71
4650,000
4550,000
4500,000
4450,000
Figura 17: Relacin entre FO, Combinacin de parmetros y 1000 iteraciones para la instancia 1 La anterior grfica, muestra claramente que para todas las combinaciones de parmetros se encuentra el mismo valor mximo, mnimo y media a lo largo de todos los experimentos, para 1000 iteraciones. El valor mnimo obtenido es igual al correspondiente a 200 iteraciones. Por lo que se concluye que para un nmero grande de iteraciones, el algoritmo siempre encontrar el mnimo conocido, para cualquier combinacin de parmetros. De acuerdo a lo observado para esta instancia puede afirmarse que el algoritmo es robusto, ya que a pesar de las variaciones en el nmero de iteraciones, tanto la media como el valor mnimo obtenido presentan gran estabilidad frente a las variaciones de los parmetros. Unido a esto, el valor mximo que se obtenga para un nmero grande de experimentos puede variar de acuerdo al nmero de iteraciones, por lo que se debe tener en cuenta que de la combinacin de 72
3.6.2 Oficina 2
La figura 18 muestra el valor de la funcin objetivo para la oficina 2, frente a todas las combinaciones de parmetros, para 50 iteraciones.
600,000
500,000
Valor de F.O.
400,000
300,000
200,000
100,000
Figura 18: Relacin entre FO, Combinacin de parmetros y 50 iteraciones para la instancia 2
En la anterior grfica puede verse que para todas las combinaciones de parmetros se encuentra el mismo valor mximo, mnimo y media a lo largo de todos los experimentos, para 50 iteraciones. Por lo que se concluye que para un nmero relativamente pequeo de iteraciones, el algoritmo siempre encontrar el mnimo conocido, para cualquier combinacin de parmetros. Puede verse que en 73
las 27 combinaciones de parmetros se encontr el mismo mnimo, de lo que se puede afirmar que representa un ptimo, pero sin certeza de que este sea global. A continuacin, se presenta el valor de la funcin objetivo para la oficina 2, frente a todas las combinaciones de parmetros, para 1000 iteraciones.
600,000
500,000
Valor de F.O.
400,000
300,000
200,000
100,000
Figura 19: Relacin entre FO, Combinacin de parmetros y 50 iteraciones para la instancia 2 En igual forma que para la figura 18, se observa que para todas las combinaciones de parmetros se encuentra el mismo valor mximo, mnimo y media a lo largo de todos los experimentos, para 1000 iteraciones. El valor mnimo obtenido es igual al correspondiente a 50 iteraciones. De manera que no se requiere de un nmero alto de iteraciones para que el algoritmo encuentre el mnimo conocido, para cualquier combinacin de parmetros. Un factor que influye en este hecho es el tamao de este problema: 8 departamentos.
74
Como pudo verse para esta instancia el algoritmo conserva su robustez, ya que la media, el valor mnimo y el valor mximo se conservan a lo largo de todas todos los experimentos, a pesar de las variaciones en el nmero de iteraciones y parmetros. Cualquier combinacin de parmetros resulta conveniente para este caso.
3.6.3 Oficina 3
75
A continuacin, se presenta el valor de la funcin objetivo para la oficina 3, frente a todas las combinaciones de parmetros, para 50 iteraciones.
4270,000
4260,000
4240,000
4230,000
4220,000
4210,000
Figura 20: Relacin entre FO, Combinacin de parmetros y 50 iteraciones para la instancia 3. Para este caso puede verse que se presentan variaciones para el valor mximo obtenido a lo largo de los experimentos para diferentes combinaciones de parmetros, en especial para las 9 primeras. En particular, para las primeras 4 se obtiene el mismo valor, por lo que se puede pensar que stas no son recomendables para la corrida del algoritmo ya que posiblemente se puede obtener como resultado un ptimo local. A pesar de esto, el mnimo que se encuentra para todas las combinaciones es el mismo, y la media muestra un comportamiento estable. Resultara conveniente realizar la corrida del algoritmo para esta instancia para un nmero mayor de iteraciones. Lo cual se muestra a continuacin:
76
4270,000
4260,000
4240,000
4230,000
4220,000
4210,000
Figura 21: Relacin entre FO, Combinacin de parmetros y 1000 iteraciones para la instancia 3. La figura 21, a diferencia de la anterior, muestra claramente que para todas las combinaciones de parmetros se encuentra el mismo valor mximo, mnimo y media a lo largo de todos los experimentos, para 1000 iteraciones. El valor mnimo obtenido es igual al correspondiente a 50 iteraciones. El cual, al igual que en las anteriores ocasiones, no se puede afirmar que es un ptimo global. De acuerdo a lo anterior, puede afirmarse que para esta instancia resulta recomendable correr el algoritmo para un nmero grande de iteraciones, de esta manera se garantizar la obtencin de la mejor solucin conocida. A pesar de los diferentes nmeros de iteraciones, la media presenta estabilidad frente a las variaciones de los parmetros y el mnimo encontrado se conserva.
3.6.4 Oficina 4
77
La siguiente grfica muestra el valor de la funcin objetivo para la oficina 4, frente a todas las combinaciones de parmetros, para 25 iteraciones.
Figura 22: Relacin entre FO, Combinacin de parmetros y 25 iteraciones para la instancia 4. De la anterior grfica para 25 iteraciones, puede verse que para las primeras combinaciones de parmetros se presentan variaciones de cerca de 20 unidades, para el mayor valor encontrado de la Funcin Objetivo a lo largo de todos los experimentos, por lo que para una probabilidad de mutacin muy pequea y los dems niveles de porcentaje de mejores y porcentaje de generados por mejores, existe la posibilidad de caer en ptimos locales. Por otra parte, puede verse que en las 27 combinaciones se encontr el mismo mnimo, de lo que se puede afirmar que representa un ptimo, pero sin certeza de que este sea global. El conjunto conformado desde la combinacin 13 en adelante es recomendable.
78
A continuacin, se presenta el valor de la funcin objetivo para la oficina 4, frente a todas las combinaciones de parmetros, para 1000 iteraciones.
Figura 23: Relacin entre FO, Combinacin de parmetros y 1000 iteraciones para la instancia 4. La anterior grfica, muestra que para todas las combinaciones de parmetros se encuentra el mismo valor mximo, mnimo y media a lo largo de todos los experimentos, para 1000 iteraciones. El valor mnimo obtenido es igual al correspondiente a 25 iteraciones. Por lo que se concluye que para un nmero grande de iteraciones, el algoritmo siempre encontrar el mnimo conocido, para cualquier combinacin de parmetros para esta instancia. Frente a las variaciones en el nmero de iteraciones, tanto la media como el valor mnimo obtenido presentan gran estabilidad frente a las variaciones de los parmetros. Unido a esto, el valor mximo que se obtenga para un nmero grande
79
de experimentos puede variar de acuerdo al nmero de iteraciones, por lo que se debe tener en cuenta que de la combinacin de parmetros de 13 en adelante resulta ms conveniente para la corrida del algoritmo.
3.6.5 Oficina 5
La figura 18 muestra el valor de la funcin objetivo para la oficina 2, frente a todas las combinaciones de parmetros, para 50 iteraciones.
2800,000
2780,000
Valor de F.O.
2760,000
2740,000
2720,000
2700,000
Figura 24: Relacin entre FO, Combinacin de parmetros y 100 iteraciones para la instancia 5. Esta grfica muestra que para esta instancia se producen muchas variaciones para el valor mximo encontrado en las primeras 10 combinaciones, y algunas otras para las combinaciones 16 y 17, y una variacin importante para la 25. Aunque el mnimo encontrado para los 27 casos es el mismo y la media conserva estabilidad se recomendara evaluar esta instancia para un mayor nmero de 80
2800,000
2780,000
Valor de F.O.
2760,000
2740,000
2720,000
2700,000
Figura 25: Relacin entre FO, Combinacin de parmetros y 1000 iteraciones para la instancia 5. A diferencia de todos lo casos anteriores donde se utilizaron 1000 iteraciones, la figura 21 refleja que para todas las combinaciones de parmetros se encuentra el mismo valor mximo, mnimo y media a lo largo de todos los experimentos, excepto para dos casos. Lo cual lleva a pensar que el hecho de que se use un nmero alto de generaciones no es un mtodo infalible para obtener siempre la mejor solucin conocida. Por otra parte, el valor mnimo obtenido es igual al correspondiente a 100 iteraciones, lo cual es la mejor solucin conocida hasta el momento. La media se comporta de manera estable.
81
La observacin del comportamiento de esta instancia, permiti llegar a la conclusin de que un nmero grande de iteraciones, junto con la aplicacin del conjunto conformado desde la combinacin 10 en adelante; es decir, una probabilidad de mutacin superior a 0.05 y todos los dems niveles del porcentaje de mejores y el porcentaje de generados por mejores, arrojar muy buenas soluciones al problema estudiado.
3.7.1 Oficina 1
Esta oficina es completamente rectangular, al igual que los departamentos que en ella se encuentran. A continuacin se muestran la configuracin actual, su funcin objetivo y los departamentos considerados dentro del estudio de esta oficina.
82
17
14
13
12
16 3
15
10
18
6 11
Convenciones 1 2 3 4 5 6 7 8 9 Depsito Archivo Cafeteria UPS comunicaciones Bveda Gerente Comercial AsesoresComerciales y Archivador chequeras Ejecutivos Junior Director Operativo Auxiliar Operativo
F.O. =
4751,8
10 Cajas 11 Cajero Automtico 12 Dispensador 13 Multilinea 14 Capitalizadora 15 Entrada 16 Mesa consignaciones 17 Sillas de espera 18 Baos
83
Convenciones 1 2 3 4 5 6 7 8 9 Depsito Archivo Cafeteria UPS comunicaciones Bveda Gerente Comercial AsesoresComerciales y Archivador chequeras Ejecutivos Junior Director Operativo Auxiliar Operativo
F.O. =
4413,05
10 Cajas 11 Cajero Automtico 12 Dispensador 13 Multilinea 14 Capitalizadora 15 Entrada 16 Mesa consignaciones 17 Sillas de espera 18 Baos
Realizando una comparacin entre las dos distribuciones presentadas, puede verse que en la distribucin actual, la bveda colinda con un muro de la oficina, lo cual es una violacin a una de las restricciones de diseo expresadas en el tem 1.3. Ligado a esto, puede verse que la distribucin propuesta por el algoritmo no presenta esta infraccin, por lo que en trminos de seguridad es mejor. Por otra 84
parte, la funcin objetivo es mejorada en un 7.13%, lo cual indica que el layout propuesto no solo es mejor en cuanto a restricciones de diseo, sino que satisface de una mejor manera las necesidades de proximidad entre los departamentos que lo requieren, lo cual se ver reflejado en mayor agilidad y mejores condiciones de servicio al cliente.
3.7.2 Oficina 2
Esta es la instancia mas pequea dentro de las consideradas en este trabajo, nicamente tiene 8 departamentos por lo que las opciones de distribucin no son muy variadas. La planta se trabaj omitiendo dos reas correspondientes al costado oriente y occidente que actualmente no son utilizadas. A continuacin se muestran la configuracin actual, su funcin objetivo y los departamentos considerados dentro del estudio de esta oficina.
Convenciones 3 1 1 2 3 4 7 6 8 5 F.O. = 622,4 2 4 5 6 7 8 Cajas AsesoresComerciales y Archivador chequeras Bveda Dispensador Multilinea Entrada Mesa consignaciones Sillas de espera
85
1 2 3 4
Cajas AsesoresComerciales y Archivador chequeras Bveda Dispensador Multilinea Entrada Mesa consignaciones Sillas de espera
5
4 2 6
6 7
8 F.O. = 617,1
Al igual que en el caso anterior, la bveda de la distribucin actual colinda con un muro de la oficina, pero debido al reducido tamao de sta, no es posible otra solucin, lo cual puede observarse en la configuracin propuesta que tambin presenta esta contravencin. La opcin para esta oficina es blindar el muro vecino de la bveda. En general pueden observarse pequeos cambios entre una configuracin y otra, debido al tamao reducido de la misma, pero con la configuracin propuesta se logra una mejora del 0.85% para la funcin objetivo, por lo que trminos de costo el layout propuesto es mejor.
3.7.3 Oficina 3
Esta es una de las plantas grandes, con 16 departamentos. No fueron tenidos en cuenta los lockers ni el cuarto de aseo dentro de la configuracin, por no ser parte importante de la actividad productiva del banco. La siguiente grfica muestra la
86
configuracin actual, su funcin objetivo y los departamentos considerados dentro del estudio de esta oficina.
10
3 4
16
14 13 15
11 1
12
F.O. =
4322,75
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
C onvenciones A rchivo C afetera C om unicaciones B veda G erente C om ercial Inform adoras y archivador chequeras E jecutivos C om erciales D irector O perativo S ubdirector O perativo A uxiliar O perativo C ajas C ajero A utom tico C apitalizadora E ntrada M esa consignaciones B aos
87
10
9 4
16 1 3
14 15 13 5
11 2
12
F.O. =
4207,25
1 2 3 4 5 6 7 8 9
Convenciones Archivo Cafetera Comunicaciones Bveda Gerente Comercial Informadoras y archivador chequeras Ejecutivos Comerciales Director Operativo Subdirector Operativo
10 Auxiliar Operativo 11 Cajas 12 Cajero Automtico 13 Capitalizadora 14 Entrada 15 Mesa consignaciones 16 Baos
Figura 31: Configuracin propuesta, funcin objetivo y departamentos para la oficina 3. En trminos generales, la configuracin actual es un diseo ergonmico y no viola condiciones de seguridad, la configuracin propuesta cumple estas mismas
88
condiciones, con la ventaja de que mejora la funcin objetivo en un 2.67%, por esta razn el diseo realizado por medio del algoritmo es mejor que el actual.
3.7.4 Oficina 4
La planta de esta oficina no es del todo rectangular, por lo que se hicieron generalizaciones reduciendo algunos espacios, para hacer la representacin de la distribucin de esta instancia. Adicional a esto, el acceso principal se encuentra sobre una esquina de la planta, por lo que se ingres al algoritmo como un rectngulo, que a escala, abarca el rea que en la realidad est comprometida con la entrada. A continuacin se muestran la configuracin actual, su funcin objetivo y los departamentos considerados dentro del estudio de esta oficina.
14 13 3
9 1215
16 11 4
10
2 1
F.O. =
3765,275
89
Convenciones 1 2 3 4 5 6 7 8 9 Archivo Boveda Comunicaciones Gerente Comercial Asesores y archivador chequeras Director Operativo Auxiliar Operativo Cajas 1 Cajero Automtico
10 Cafetera 11 Ejecutivos Comerciales 12 Dispensador 13 Telefono multilinea 14 Entrada 15 Mesa consignaciones 16 Sillas de espera
14 13 3
16 15 12 11 4
10
2 8 1
F.O. =
3700,375
90
C onvenciones 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 A rchivo B oveda C om unicaciones G erente C om ercial A sesores y archivador chequeras D irector O perativo A uxiliar O perativo C ajas 1 C ajero A utom tico C afetera E jecutivos C om erciales D ispensador T elefono m ultilinea E ntrada M esa consignaciones S illas de espera
La configuracin actual de esta oficina presenta inconvenientes ergonmicos y de seguridad, ya que las cajas no se encuentran directamente frente a la entrada y la bveda se encuentra contra un muro que est sobre la calle. Por esta razn una distribucin radicalmente diferente en estos dos aspectos sera conveniente. El programa implementado, da una solucin similar a la configuracin actual, ya que ste no cambia los departamentos de costado, que es lo que solucionara los problemas que se presentan actualmente. Bajo las mismas condiciones, la distribucin propuesta mejora la actual, gracias a una disminucin de la funcin objetivo en 1.72%.
3.7.5 Oficina 5
Esta oficina tiene un rea muy pequea, cabe anotar que la escala de este plano es 1:50 (ver Tabla 2), por lo que las opciones sobre posibles diseos son muy reducidas. Adicional a esto, no tiene una forma completamente rectangular, por lo
91
que el rea donde no se podan ubicar departamentos se ingreso al algoritmo como una zona prohibida representada en un departamento fijo.
Convenciones
15
1 2
Archivo Cafetera Comunicaciones Tarjetero Bveda Gerente Comercial Informadoras Director Operativo Cajas
10 8 11 14 7 13 2 5 12 9 3 1
3 4 5 6 7 8 9
F.O. =
2860,425
92
Convenciones
15
1 2
Archivo Cafetera Comunicaciones Tarjetero Bveda Gerente Comercial Informadoras Director Operativo Cajas
10 8 14 11 6
2 5 13
3 4 5 6
7 8 9
10 Cajero Automtico
12 9
F.O. =
2702,125
Ambas distribuciones cumplen con las condiciones de seguridad mencionadas anteriormente, por lo que la mejora del diseo propuesto radica en una disminucin del 5.53% en la funcin objetivo. A lo largo de esta evaluacin, que se realiz con el objetivo de establecer las mejores distribuciones para cada oficina, se encontraron configuraciones que mejoraban la funcin objetivo y/o integraban condiciones de diseo, que el layout
93
actual no consideraba. Hasta este punto, dichas configuraciones son denominadas buenas, pero es necesario realizar una evaluacin financiera, por parte de la entidad, a los proyectos que se requieran llevar a cabo para realizar las transformaciones de las oficinas. De esta manera se determinar la viabilidad de las propuestas.
Oficina 1 2 3 4 5
No. de deptos. 18 8 16 16 15
F.O. Dist. F.O. Dist. Porcentaje Actual Encontrada de Mejora 4751,900 4413,050 7,13% 622,400 617,100 0,85% 4322,750 4207,250 2,67% 3765,275 3700,375 1,72% 2860,425 2702,125 5,53%
Tabla 4: Comparacin entre la distribucin actual y la mejor encontrada por el algoritmo para cada oficina en trminos de su F.O.
De lo anterior, puede verse claramente que en todas las instancias tratadas se mejor la funcin objetivo del problema. De lo que se deduce, que el algoritmo es capaz de disear mejores distribuciones a pesar de las limitaciones de espacio y nmero de soluciones factibles que un problema pequeo, en trminos de nmero de departamentos, pueda representar. De esta manera queda validado el modelo. 94
4. CONCLUSIONES
La falta de exploracin a la hora de desarrollar un proyecto de re-distribucin de planta puede ser muy poco beneficiosa, ya que en este caso tender a imponerse la distribucin actual, lo que conlleva a avances limitados en la solucin del problema que se est tratando. Gracias a la caracterstica exploratoria de los AG, se pueden lograr distribuciones de planta confiables, en sectores orientados a servicios como las oficinas bancarias. As, los algoritmos genticos han probado nuevamente su eficiencia para resolver el problema. Los resultados y propuestas planteados en este proyecto, son producto de la aplicacin de mtodos de Investigacin Operativa, lo cual es un acercamiento cientfico a la solucin de problemas en el sector de servicios, que a pesar de su tamao, tal como enuncia Vallhonrat (1991), sigue siendo objeto en ocasiones de una gestin artesanal. La configuracin de planta de una oficina bancaria tiene un gran nmero de restricciones que estn directamente ligadas con el servicio, condiciones de seguridad y caractersticas fsicas del edificio, por lo que los grados de libertad se reducen y se disminuye el espacio de soluciones factibles. Por esta razn resulta conveniente tener un grupo de posibles buenas soluciones, para que a partir de estas se elija la distribucin final. La decisin sobre el diseo de layout ms adecuado es un problema multicriterio, por lo que se debe recurrir a las tcnicas de anlisis financiero, la experiencia y la intuicin de acuerdo a la importancia que la empresa o entidad le otorgue a cada una.
95
Un nmero alto de generaciones no es un mtodo infalible para obtener siempre la mejor solucin conocida. As, en la bsqueda de buenas soluciones para el problema estudiado, se recomienda utilizar un nmero grande de generaciones, junto con una probabilidad de mutacin superior a 0.05. El algoritmo realizado presenta gran flexibilidad, ya que partiendo de una configuracin actual se pueden considerar objetos fijos, zonas prohibidas, y limitaciones sobre el contorno de la oficina, asumiendo a estas dos ltimas como un departamento fijo dentro de la planta. Dado que el nmero de soluciones factibles, es proporcional al tamao del problema, para instancias con un mayor nmero de departamentos, se podrn lograr mejoras de la funcin objetivo que representa la distribucin actual, superiores a las obtenidas. Los diseos de distribuciones de planta obtenidos por medio del algoritmo gentico, son mejores en trminos de las restricciones de diseo citadas al principio de este trabajo, y satisfacen de una mejor manera la deseabilidad de cercana entre los departamentos que deben estar prximos; estando esta ltima, representada en la funcin objetivo del modelo planteado. De acuerdo a lo observado durante el desempeo del algoritmo en cada instancia, puede afirmarse que el algoritmo es robusto, ya que a pesar de las variaciones en el nmero de iteraciones y de parmetros de entrada, la media presenta una notable estabilidad y en todos los casos se obtuvo el mnimo conocido para cada instancia del problema.
96
La investigacin futura deber ser orientada a construir modelos robustos que solucionen el problema de distribucin de planta en una oficina bancaria teniendo en cuenta otras restricciones que no fueron consideradas en este trabajo, tales como: Oficinas que tengan varios pisos. Planta de la oficina no rectangular Tamao de planta variable Tamao de planta desconocido Zonas prohibidas dentro del hall destinado para los clientes reas mnimas y mximas para los departamentos Diseo tridimensional est el uso de otras
metaheursticas como Enfriamiento Simulado, Bsqueda Tab e Hbridos que integren heursticas como bsqueda local, para aumentar la exploracin y evitar soluciones que correspondan a ptimos locales. Adicional a esto, resulta interesante resolver el problema con enfoque multiobjetivo, generando una familia de soluciones en la frontera eficiente. Y por ltimo extender la aplicacin a cualquier otro tipo de entidad de servicios.
97
5. BIBLIOGRAFA
[6] APPLE, James M. Plant layout and material handling. Tercera ed. 1977 [12] CARRIN, D. (2003). Modelaje de distribucin de planta para industrias Viba Ltda. Tesis de pregrado no publicada. Universidad de los Andes, Bogot, Colombia. [8] CUERVO, J. (2002).Configuracin y rediseo de planta, Tesis de pregrado no publicada. Universidad de los Andes, Bogot, Colombia. [13] DUARTE, J. C. (2004). Redistribucin de planta hogar juvenil campesino. Tesis de pregrado no publicada. Universidad de los Andes, Bogot, Colombia. [1] GARCA, D. (2001). Configuracin de planta por medio de algoritmos genticos. Tesis de maestra no publicada. Universidad de los Andes, Bogot, Colombia. [2] ISLIER A.A. A genetic algorithm approach for multiple criteria facility layout design, International Journal of Production Research, Vol.36, No.6, 1998, 15491569 [3] KOOK, W. (2004). Anlisis de Estado del arte en algoritmos genticos. Tesis de pregrado no publicada. Universidad de los Andes, Bogot, Colombia. [14] MICHALEWICZ, Zbigniew. Genetic algorithms + data STRUCTURES = evolution programs, New York: Springer. Tercera ed. 1996 [17] MONTGOMERY, Douglas C. Diseo y anlisis de experimentos. 1991
98
[4] MUTHER Richard. Distribucin en planta. Ordenacin racional de los elementos de produccin industrial, Cuarta ed. 1981
[15] Salas, M., Cubero A., Hervs M., Prez A., & Sanz T. (Sin Fecha). Aproximacin al diseo de distribucin en planta por medio de algoritmos tradicionales y genticos. Recuperado el 17 Julio 2005, del Sitio Web de la Universidad de Zaragoza: <http://www.unizar.es/aeipro/finder/METODOLOGIA %20> DE%20PROYECTOS/AA06.htm> [5] TOMPKINS J.A., WHITE J., BOZER Y., FRAZELLE E., TANCHOCO J. y TREVINO J. Facilities Planning, John Wiley & Sons Inc. 1996 [11] TORRES, F. (2005). Presentacin Algoritmos Genticos. Curso Modelos de Sistemas Logsticos. Universidad de los Andes, Bogot, Colombia. [10] TORRES, F. (2005). Presentacin Bsqueda Tab. Curso Modelos de Sistemas Logsticos. Universidad de los Andes, Bogot, Colombia. [9] TORRES, F. (2005). Presentacin Simulated Annealing. Curso Modelos de Sistemas Logsticos. Universidad de los Andes, Bogot, Colombia. [16] TORRES, F., RIAO, G. y SARMIENTO A. (2005). Estudio de Colas y distribucin Fsica en Multibanca Colpatria. Documento no publicado. Universidad de los Andes, Bogot, Colombia. [7] VALLHONRAT Joseph M. y COROMINAS Albert. Localizacin, distribucin en planta y manutencin. 1991
99
ANEXOS
Pulse el botn Ingresar Datos y saldr un formulario que tiene cuatro pestaas.
100
Primera pestaa: Oficina Ingrese el Nombre de la Oficina, el Punto cardinal hacia donde est dirigida la entrada, las dimensiones en metros del frente, fondo y el nmero de departamentos. A continuacin haga clic sobre la siguiente pestaa.
Segunda pestaa: Departamentos Para el ingreso de datos sobre los departamentos tenga en cuenta que: 1. La suma de las reas de los departamentos no debe exceder el rea total de la planta 2. Las dimensiones deben ser ingresadas en metros 3. La entrada es un departamento, al que se le pueden asignar medidas pequeas. 4. La primera de las dimensiones que se pide, corresponde a la longitud del departamento en el sentido del eje Y y la segunda en X.
101
5. La ubicacin de los departamentos debe seleccionarse con respecto a la entrada. La Parte trasera corresponde al rea donde el cliente no tiene acceso, generalmente est ubicada detrs de las cajas. 6. Las dimensiones de los departamentos no deben exceder la longitud del costado donde se encuentran A continuacin haga clic en la siguiente pestaa.
Tercera Pestaa: Flujos Aqu se llena la informacin sobre la deseabilidad de cercana entre departamentos, por lo que aparecer cada pareja de ellos junto con una opcin a la derecha, donde podr seleccionar la deseabilidad de proximidad entre ellos, tal y como se muestra en la siguiente figura
Si desea cambiar los parmetros del algoritmo gentico haga clic en la siguiente pestaa, de lo contrario presione Ejecutar y obtendr la configuracin de planta para si oficina.
102
Pestaa 5: Avanzadas Aqu podr cambiar parmetros para el algoritmo gentico, tal como se muestra en la siguiente figura, si desea conservar los parmetros sugeridos de clic en Usar valores recomendados. A continuacin presione Ejecutar para obtener la distribucin de planta de su oficina.
Salida de Resultados Una vez se presiona el botn Ejecutar deber esperar un tiempo, que depender del nmero de departamentos de la oficina y el nmero de iteraciones. Si alguno de estos dos (o ambos), es un parmetro muy grande, es posible que la pantalla de su computador se ponga en blanco. Dentro de un tiempo prudencial, aparecer en la hoja Plano, el diseo de planta encontrado por la aplicacin.
103
Podr observar un esquema del plano de la oficina, las convenciones para los departamentos y el valor de la funcin objetivo que representa esa configuracin. Esta ltima, puede ser usada como criterio para comparar diferentes soluciones. Entre mas pequeo el valor de F.O., la distribucin satisface mejor la deseabilidad de proximidad entre departamentos.
104
Oficina 1
PM 1 = 0,01 PGE 1 = 0,3 PGE 2 = 0,6 PGE 3 = 0,8 PE 1 = PE 2 = PE 3 = PE 1 = PE 2 = PE 3 = PE 2 = PE 1 = 0,2 0,2 0,45 0,7 0,2 0,45 0,7 0,45 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 Media 0,000 0,000 0,000 Desviacin Est 0,000 0,000 0,000 0,000 0,000 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 Mnimo Mximo 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 Combinacin de parmetros 1 2 3 4 5 6 7 8 PM 2 = 0,05 PGE 1 = 0,3 PGE 2 = 0,6 PGE 3 = 0,8 PE 2 = PE 3 = PE 1 = PE 2 = PE 3 = PE 1 = PE 2 = PE 1 = 0,2 0,45 0,7 0,2 0,45 0,7 0,2 0,45 Media 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 Desviacin Est 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 Mnimo 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 Mximo 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 Combinacin de parmetros 10 11 12 13 14 15 16 17 PM 3 = 0,1 PGE 1 = 0,3 PGE 2 = 0,6 PGE 3 = 0,8 PE 1 = PE 2 = PE 3 = PE 1 = PE 2 = PE 3 = PE 1 = PE 2 = 0,2 0,45 0,7 0,2 0,45 0,7 0,2 0,45 Media 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 Desviacin Est 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 Mnimo 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 Mximo 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 Combinacin de parmetros 19 20 21 22 23 24 25 26
Oficina 2
PGE 1 = 0,3 PE 1 = PE 2 = 0,2 0,45 617,100 617,100 Media 0,000 0,000 Desviacin Est Mnimo 617,100 617,100 Mximo 617,100 617,100 Combinacin de parmetros 1 2 PM 1 = 0,01 PGE 2 = 0,6 PE 1 = PE 2 = 0,2 0,45 617,100 617,100 0,000 0,000 617,100 617,100 617,100 617,100 4 5 PGE 3 = 0,8 PE 3 = PE 2 = PE 3 = PE 1 = 0,2 0,7 0,45 0,7 617,100 617,100 617,100 617,100 0,000 0,000 0,000 0,000 617,100 617,100 617,100 617,100 617,100 617,100 617,100 617,100 6 7 8 9
105
PGE 1 = 0,3 PE 2 = PE 3 = PE 1 = 0,2 0,45 0,7 Media 617,100 617,100 617,100 Desviacin Est 0,000 0,000 0,000 Mnimo 617,100 617,100 617,100 Mximo 617,100 617,100 617,100 Combinacin de parmetros 10 11 12
PGE 1 = 0,3 PE 1 = PE 2 = 0,2 0,45 Media 617,100 617,100 Desviacin Est 0,000 0,000 Mnimo 617,100 617,100 Mximo 617,100 617,100 Combinacin de parmetros 19 20
PM 2 = 0,05 PGE 2 = 0,6 PE 1 = PE 2 = 0,2 0,45 617,100 617,100 0,000 0,000 617,100 617,100 617,100 617,100 13 14 PM 3 = 0,1 PGE 2 = 0,6 PE 1 = PE 2 = 0,2 0,45 617,100 617,100 0,000 0,000 617,100 617,100 617,100 617,100 22 23
PGE 3 = 0,8 PE 1 = PE 2 = 0,2 0,45 617,100 617,100 0,000 0,000 617,100 617,100 617,100 617,100 16 17
PGE 3 = 0,8 PE 1 = PE 2 = 0,2 0,45 617,100 617,100 0,000 0,000 617,100 617,100 617,100 617,100 25 26
Oficina 3
PM 1 = 0,01 PGE 1 = 0,3 PGE 2 = 0,6 PGE 3 = 0,8 PE 1 = PE 2 = PE 3 = PE 1 = PE 2 = PE 3 = PE 2 = PE 1 = 0,2 0,2 0,45 0,7 0,2 0,45 0,7 0,45 4207,250 4207,250 4207,250 4207,250 4207,250 4207,250 4207,250 4207,250 Media 0,000 0,000 0,000 Desviacin Est 0,000 0,000 0,000 0,000 0,000 Mnimo 4207,250 4207,250 4207,250 4207,250 4207,250 4207,250 4207,250 4207,250 Mximo 4207,250 4207,250 4207,250 4207,250 4207,250 4207,250 4207,250 4207,250 Combinacin de parmetros 1 2 3 4 5 6 7 8 PM 2 = 0,05 PGE 1 = 0,3 PGE 2 = 0,6 PGE 3 = 0,8 PE 2 = PE 3 = PE 1 = PE 2 = PE 3 = PE 1 = PE 2 = PE 1 = 0,2 0,45 0,7 0,2 0,45 0,7 0,2 0,45 Media 4207,250 4207,250 4207,250 4207,250 4207,250 4207,250 4207,250 4207,250 Desviacin Est. 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 Mnimo 4207,250 4207,250 4207,250 4207,250 4207,250 4207,250 4207,250 4207,250 Mximo 4207,250 4207,250 4207,250 4207,250 4207,250 4207,250 4207,250 4207,250 Combinacin de parmetros 10 11 12 13 14 15 16 17
PGE 1 = 0,3 PE 1 = PE 2 = 0,2 0,45 Media 4207,250 4207,250 Desviacin Est 0,000 0,000 Mnimo 4207,250 4207,250 Mximo 4207,250 4207,250 Combinacin de parmetros 19 20
PM 3 = 0,1 PGE 2 = 0,6 PE 1 = PE 2 = 0,2 0,45 4207,250 4207,250 0,000 0,000 4207,250 4207,250 4207,250 4207,250 22 23
PGE 3 = 0,8 PE 3 = PE 1 = PE 2 = PE 3 = 0,7 0,2 0,45 0,7 4207,250 4207,250 4207,250 4207,250 0,000 0,000 0,000 0,000 4207,250 4207,250 4207,250 4207,250 4207,250 4207,250 4207,250 4207,250 24 25 26 27
106
Oficina 4
PM 1 = 0,01 PGE 1 = 0,3 PGE 2 = 0,6 PGE 3 = 0,8 PE 1 = PE 2 = PE 3 = PE 1 = PE 2 = PE 3 = PE 2 = PE 1 = 0,2 0,2 0,45 0,7 0,2 0,45 0,7 0,45 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 Media 0,000 0,000 0,000 Desviacin Est 0,000 0,000 0,000 0,000 0,000 Mnimo 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 Mximo 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 Combinacin de parmetros 1 2 3 4 5 6 7 8 PM 2 = 0,05 PGE 1 = 0,3 PGE 2 = 0,6 PGE 3 = 0,8 PE 2 = PE 3 = PE 1 = PE 2 = PE 3 = PE 1 = PE 2 = PE 1 = 0,2 0,45 0,7 0,2 0,45 0,7 0,2 0,45 Media 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 Desviacin Est 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 Mnimo 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 Mximo 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 Combinacin de parmetros 10 11 12 13 14 15 16 17 PM 3 = 0,1 PGE 1 = 0,3 PGE 2 = 0,6 PGE 3 = 0,8 PE 1 = PE 2 = PE 3 = PE 1 = PE 2 = PE 3 = PE 1 = PE 2 = 0,2 0,45 0,7 0,2 0,45 0,7 0,2 0,45 Media 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 Desviacin Est 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 Mnimo 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 Mximo 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 3700,375 Combinacin de parmetros 19 20 21 22 23 24 25 26
Oficina 5
PM 1 = 0,01 PGE 1 = 0,3 PGE 2 = 0,6 PGE 3 = 0,8 PE 1 = PE 2 = PE 3 = PE 1 = PE 2 = PE 3 = PE 2 = PE 1 = 0,2 0,2 0,45 0,7 0,2 0,45 0,7 0,45 2702,125 2702,125 2702,125 2702,125 2705,300 2702,125 2705,300 2702,125 Media 0,000 0,000 0,000 Desviacin Est 0,000 17,390 0,000 17,390 0,000 Mnimo 2702,125 2702,125 2702,125 2702,125 2702,125 2702,125 2702,125 2702,125 Mximo 2702,125 2702,125 2702,125 2702,125 2797,375 2702,125 2797,375 2702,125 Combinacin de parmetros 1 2 3 4 5 6 7 8 PM 2 = 0,05 PGE 1 = 0,3 PGE 2 = 0,6 PGE 3 = 0,8 PE 2 = PE 3 = PE 1 = PE 2 = PE 3 = PE 1 = PE 2 = PE 1 = 0,2 0,45 0,7 0,2 0,45 0,7 0,2 0,45 Media 2702,125 2702,125 2702,125 2702,125 2702,125 2702,125 2702,125 2702,125 Desviacin Est 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 Mnimo 2702,125 2702,125 2702,125 2702,125 2702,125 2702,125 2702,125 2702,125 Mximo 2702,125 2702,125 2702,125 2702,125 2702,125 2702,125 2702,125 2702,125 Combinacin de parmetros 10 11 12 13 14 15 16 17
107
PGE 1 = 0,3 PE 1 = PE 2 = 0,2 0,45 Media 2702,125 2702,125 Desviacin Est 0,000 0,000 Mnimo 2702,125 2702,125 Mximo 2702,125 2702,125 Combinacin de parmetros 19 20
PM 3 = 0,1 PGE 2 = 0,6 PE 1 = PE 2 = 0,2 0,45 2702,125 2702,125 0,000 0,000 2702,125 2702,125 2702,125 2702,125 22 23
PGE 3 = 0,8 PE 3 = PE 1 = PE 2 = PE 3 = 0,7 0,2 0,45 0,7 2702,125 2702,125 2702,125 2702,125 0,000 0,000 0,000 0,000 2702,125 2702,125 2702,125 2702,125 2702,125 2702,125 2702,125 2702,125 24 25 26 27
Anexo 3: Datos
A continuacin se presentan los datos utilizados en este proyecto en forma de archivo plano. El nombre de cada archivo corresponde al nmero de la oficina y al tamao de la instancia. Las medidas estn en metros. El formato para la lectura de cada archivo es: El primer nmero corresponde al nmero de departamentos. Los dos nmeros siguientes corresponden a las medidas en metros de frente y fondo de la oficina respectivamente. Posteriormente se observa una matriz de datos que corresponden a los departamentos. Cada fila corresponde a los datos del departamento i. Las columnas corresponden de izquierda a derecha a: la coordenada en X de la esquina superior izquierda, la coordenada en Y de la esquina superior izquierda, la longitud del fondo, la longitud del frente, condicin (1 si es fijo, 0 d.l.c.), nombre, y costado donde se encuentra (1: Occidente, 2: Norte, 3: Oriente, 4: Sur, 5: Parte trasera). Por ltimo se observa la matriz correspondiente a los flujos entre departamentos. El valor de la posicin (i, j) corresponde al flujo entre el departamento i y el departamento j.
108
OF1_DEP18 18 9 24,7 21 21 18,5 18,5 0 5,3 10 18,5 13,6 16,2 0 9 7 5,3 0 10 3,8 21 5 0 6,1 0 4,4 6,2 6,2 6,5 6,5 0 7,1 0 0 0 1,9 0 0 2,05 2 3,5 1 2,5 5,4 4,05 3,6 1,5 2,4 2,2 5,4 1 1 1 3,4 1 1,4 2,05 1,5 2,05 0,5 1,5 2,5 2,8 2,8 1,5 2,3 6,5 2 1 1 1 2,2 1 1,2 2,7 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 Depsito Archivo Cafetera UPS comunicaciones Bveda Gerente Comercial AsesoresComerciales y Archivador chequeras Ejecutivos Junior Director Operativo Auxiliar Operativo Cajas Cajero Automtico Dispensador Multilnea Capitalizadora Entrada Mesa consignaciones Sillas de espera Baos 5 5 5 5 1 4 4 5 4 3 1 2 2 2 1 2 2 5
109
0 5 4 1 3,5 0 0 0 0 0,5 5
0 5 0 5 0 0 0 0 0,5 5
0 0 2 0 0,5 0 3,5 1 5
0 1 0,5 4 5 1 0
0 0,5 5 0 0 0
0 2 1 0,5 0
0 5 4,5 0
0 5 0
0 0
110
OF2_DEP8 8 8,2 10,4 5,7 5,7 8,2 0 5,2 0 0 3,7 0 4 5 2 0 0 3,5 1 0 5,6 0 5,7 7,7 6,2 4,5 7,7 2,5 2 2,2 0,5 0,5 0,5 0,5 1,5 5,6 2,5 2,6 0,5 0,5 2 1,2 0,5 0 0 0 0 0 1 0 0 Cajas AsesoresComerciales y Archivador chequeras Bveda Dispensador Multilnea Entrada Mesa consignaciones Sillas de espera 3 3 5 1 4 1 1 4
0 1 1 3,5 4,5 2 5
0 0,5 0 0 0 0
0 1 4 5 1
0 5 0 0
0 5 4,5
0 5
111
OF3_DEP16 16 8,5 24 20,2 20,2 17,3 17,3 2,8 3,2 0 12,2 10,8 8 15,2 0 5,2 0 5,7 17,3 2,6 0 0 4,8 5,3 0 0 0 0 0 2,8 5,5 7,7 3,3 7,7 2,4 3,5 3,4 2 1,3 2,5 4,8 2,7 2,8 1,4 2 2,4 0,3 0,5 0,3 2,4 2,6 5,6 2,5 1,5 0,6 2,8 2,3 1,9 2,5 2,5 2,5 5,3 2,8 0,5 2 0,3 2,1 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 Archivo Cafetera Comunicaciones Bveda Gerente Comercial Informadoras y archivador chequeras Ejecutivos Comerciales Director Operativo Subdirector Operativo Auxiliar Operativo Cajas Cajero Automtico Capitalizadora Entrada Mesa consignaciones Baos 5 5 5 5 4 2 2 2 2 2 3 1 4 1 4 5
112
0 1,5 2 1 1 3 1 3 3 3,5 3 1 0 1 1 0
0 1 0,5 2 2 2 1 1 1 1 1 0 1 1 0
0 1 1 1 1 3 3 3 3 3 0 1 1 0
0 0 2 0,5 3 3 2 5 1 0 1 1 0
0 1 1 1 1 1 0 3 2 5
0 4,5 4,5 2 0 1 1 5
0 2,5 1 0 1 1 5
0 1 0 1 1,5 5
0 0 4 1 0
0 0 0 0
0 3 0
0 0
OF4_DEP16 16 5,5 17
113
0 0 0 12,7 7,8 12,9 12 1,5 3,5 14,6 12,7 5,8 0 0 6,5 10,1 0 4 1 1 1,5 4 4 4,5 0,5 0,5
3,9 2,6 1,3 1,5 3,3 3,9 4,3 3,5 0 4 1 0 0,9 0 0 1,1
1,23 1,23 1,1 1,7 3,45 1,6 0,85 6,4 1,1 1,1 1,7 0,5 1 3,5 0,5 1,55
1,2 1,2 1,5 1,4 2 1,4 1 1,8 0,9 1,4 1,4 0,5 0,6 1 0,5 0,5
0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0
Archivo Bveda Comunicaciones Gerente Comercial Asesores y archivador chequeras Director Operativo Auxiliar Operativo Cajas Cajero Automtico Cafetera Ejecutivos Comerciales Dispensador Telfono multilnea Entrada Mesa consignaciones Sillas de espera
1 1 1 3 4 3 4 4 2 5 3 2 1 1 2 2
0 5 4,5 1 0,5
0 3 2 0,5
0 1,5 0,5
0 0,5
114
1 0 1 0 0 2
1 2 1 0 0,5 0,5
1 1 0 1 1 1
5 0,5 2 3 1,5 3
4 2 3 3,5 1 5
3 2 2 2,5 1 0,5
1 0,5 5 4 1 0,5
2 1 1 1 1 1
0 1 1 1 0,5
0 4 2 0
0 2 4
0 4
0 0 0 0 0 0 0 0 0 1
Archivo Cafetera Comunicaciones Tarjetero Bveda Gerente Comercial Informadoras Director Operativo Cajas Cajero Automtico
5 5 5 5 5 3 3 3 3 1
115
1,2 0 8,2 0 8,2 0 0,5 0,5 1 1 3,5 1,5 1,5 2,5 3 2 0,5 0,5 0 0
0 1 0 0 1
1 1 5 1 5
0 1 1 1 1 1 3 3 1 1,5 0,5 1 0
0 4,5 4 1 3,5 1 0
0 4 2 4 0 0
0 0 2 0,5 0
0 0 1 0
0 0,5 0
0 0
116