Professional Documents
Culture Documents
CARLOS ANDRS DOMNGUEZ GUAL, GEOVANNI DE LOS ROS SALDARRIAGA, JUAN DAVID
VELSQUEZ HENAO
Distribucin de espacios en plantas industriales usando bsqueda tab
Dyna, vol. 72, nm. 145, marzo, 2005, pp. 77-84,
Universidad Nacional de Colombia
Colombia
Dyna,
ISSN (Versin impresa): 0012-7353
dyna@unalmed.edu.co
Universidad Nacional de Colombia
Colombia
www.redalyc.org
Proyecto acadmico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
DISTRIBUCIN DE ESPACIOS EN PLANTAS
INDUSTRIALES USANDO BSQUEDA TAB
Recibido para revisin 6 de Abril de 2004, aceptado 29 de Julio de 2004, versin final recibida 10 de Noviembre de 2004
ABSTRACT: In the problem of space distribution in industrial plants the aim is to locate
optimally the departments according to its necessities. This is a combinatory optimization
complex problem due to great number of possible distributions, and for whose solution has
been proposed several heuristic algorithms; notwithstanding, these solution techniques
explore partially and in a limit way the space of possible combinations. As a alternative
solution, an adaptation of Tabu search method is presented, which made a heuristic
exploration of major extend that the traditional methods. The obtained results indicate the
proposed methodology can find distributions of better quality, or at least equal, than the
traditional methods.
Dyna, Ao 72, Nro. 145, pp. 77-84. Medelln, Marzo de 2005. ISSN 0012-7353
78 Domnguez et al
que el algoritmo converge a un punto de posicin ser tab y con la cual no es posible
ptima. Supngase que la solucin inicial, realizar intercambios de departamentos. Ya
para un problema con 7 departamentos, est que en el ejemplo presentado se encontr una
dada por: solucin mejor, la primera posicin quedar
bloqueada, y su valor no podr cambiar
x(1) = { 4, 1, 3, 2, 7, 5, 6, A } durante las prximas n iteraciones; de esta
forma, y si el bloqueo es por las prximas 3
la cual tiene un costo inferior a la solucin x iteraciones, la memoria de corto plazo ser:
=\{ 4, 1, 3, 2, 7, 5, 6, B } tal como ya se
indic. Para encontrar las soluciones en la m(2) = { 3, 0, 0, 0, 0, 0, 0 }
vecindad de la solucin optima actual, el
departamento en la primera posicin del Ntese que cuando se inicia el algoritmo, m(1)
vector intercambia su posicin con cada uno = { 0, 0, 0, 0, 0, 0, 0 }, por lo que se evalan
de los departamentos restantes. Es as como todos los intercambios de departamentos. En
la primera solucin vecina se obtiene esta la implementacin, este valor n es igual
intercambiando el departamento 4 en la al nmero de departamentos sobre dos.
primera posicin con el departamento 5;
4.2.6 Memoria de Largo Plazo
posteriormente el 4 con el 6 y as
sucesivamente. Para cada una de las La memoria de largo plazo se implementa
soluciones vecinas al punto actual, se como una matriz de enteros donde cada fila
evaluarn cada una de las formas de corresponde a una de las soluciones visitadas.
reparticin consideradas; es as como para el Cuando se inicia el algoritmo la matriz est
ejemplo presentado, se evalan las siguientes vaca. Cada vez que se evala una solucin
formas de reparticin; la solucin marcada no visitada, ella es introducida en la matriz,
con asterisco corresponde a la solucin tal que al final del primer ciclo, la memoria
vecina con menor costo: de corto plazo contiene a x(1) y todas sus
soluciones vecinas.
x = { 5, 1, 3, 2, 7, 4, 6, A } En el siguiente ciclo, se tomar como
x = { 6, 1, 3, 2, 7, 5, 4, A } solucin inicial a:
x = { 7, 1, 3, 2, 4, 5, 6, A }
x = { 1, 4, 3, 2, 7, 5, 6, A } x(2) = { 3, 1, 4, 2, 7, 5, 6, A }
x = { 2, 1, 3, 4, 7, 5, 6, A }
x* = { 3, 1, 4, 2, 7, 5, 6, A } Ya que la primera posicin del vector se
x = { 5, 1, 3, 2, 7, 4, 6, B } encuentra bloqueada en la memoria de corto
x = { 6, 1, 3, 2, 7, 5, 4, B } plazo, se procede a realizar el intercambio de
x = { 7, 1, 3, 2, 4, 5, 6, B } departamentos entre la segunda y el resto, tal
x = { 1, 4, 3, 2, 7, 5, 6, B } que se evalan las siguientes combinaciones:
x = { 2, 1, 3, 4, 7, 5, 6, B }
x = { 3, 1, 4, 2, 7, 5, 6, B } x = { 3, 2, 4, 1, 7, 5, 6, A }
x = { 3, 4, 1, 2, 7, 5, 6, A }
S x* tiene un costo inferior a x(1), ella ser x = { 3, 5, 4, 2, 7, 1, 6, A }
aceptada como la nueva mejor solucin x = { 3, 6, 4, 2, 7, 5, 6, A }
encontrada x(2) = x*. x = { 3, 7, 4, 2, 1, 5, 6, A }
x = { 3, 2, 4, 1, 7, 5, 6, B }
x = { 3, 4, 1, 2, 7, 5, 6, B }
4.2.5 Memoria de Corto Plazo
x* = { 3, 5, 4, 2, 7, 1, 6, B }
Para implementar la memoria de corto plazo x = { 3, 6, 4, 2, 7, 5, 6, B }
se usa un vector de enteros con tantas x = { 3, 7, 4, 2, 1, 5, 6, B }
posiciones como departamentos hay en el
problema, donde el entero en cada posicin Ntese que no hubo intercambios con el
indica el nmero de iteraciones que dicha departamento 3. Ahora, cada vez que se
82 Domnguez et al
genera una solucin vecina, se verifica que Tabla 2. Flujo de productos entre departamentos
ella no se encuentre en la memoria de largo por unidad de tiempo
plazo para ser considerada. En el caso de que Table 2. Product flow between departments by
ya hubiera sido visitada, es descartada del time unit
conjunto de soluciones vecinas. Ya que se
encontr la solucin vecina x* con un costo Desde Hacia
menor a x(2), se disminuye en 1 todas aquellas 1 2 3 4 5 6 7
posiciones de la memoria de corto plazo 1 45 15 25 10 5
diferentes de cero, y se asigna 3 a la posicin 2 30 25 15
2. De esta forma, la memoria de corto plazo 3 5 10
se transforma a: 4 20 35
5 65 35
(3) 6 5 65
m = { 2, 3, 0, 0, 0, 0, 0 }
7
A la memoria de largo plazo se ha adicionado
la solucin x(2) y todas sus vecinas.
Este proceso continua hasta que despus de Para ejecutar el algoritmo, se supuso un
elemento mnimo cuadrado con un rea de
visitar todas las posiciones del vector no
bloqueadas que pueden cambiarse, no se 400 unidades cuadradas. Igualmente, se
asumi el ancho de la banda vertical en dos
obtiene una solucin vecina mejor al punto
unidades cuadradas, y el de la banda
actual. En este momento se hacen todas las
posiciones de la memoria de corto plazo horizontal en dos unidades cuadradas. El
rea total para distribuir los departamentos
iguales a cero y se toma como nuevo punto
inicial, una solucin almacenada en la tiene 10 filas y 18 columnas de elementos
mnimos cuadrados. Se asumi un costo
memoria de largo plazo seleccionada de
unitario de un peso por unidad de carga
forma aleatoria.
transportada una unidad de distancia.
113333444466667777
113333444466667777
Tabla 3. Costos obtenidos para las distintas 113332444465667777
configuraciones encontradas 113322444455667777
Table 3. Costs for different found configurations 113322444455667777
111122444455667777
Mtodo Costo 111122444455667777
111122245455666707
111122225555666600
ALDEP 3199.95
111122225555666600
CRAFT 2833.5
Bsqueda Tab Modificada 2024.78
Figura 5. Solucin encontrada usando el
programa Propuesto
Figure 5. Found solution using proposed
program
00000000000000000000
01122224455666677770
01122224455666677770
01122224455666677770 6. CONCLUSIONES
01122224455666677770
01122224455666677770
La metodologa propuesta permite explorar
01111444455663377770 de una forma ms completa el espacio de
01111444455663377770 solucin. Debido a la forma en como est
01111444455663337070 expresada la funcin de costo a optimizar, es
01111444455663333000 posible hacerla tan compleja como sea
01111444455663333000 necesario, pudiendo incorporarse elementos
00000000000000000000 de anlisis multiobjetivo si fuese necesario.
En su forma conceptual y de
Figura 3. Solucin encontrada usando el implementacin, la BT modificada
programa ALDEP propuesta, es conceptualmente mucho ms
Figure 3. Found solution using program ALDEP simple que otras tcnicas que pueden
producir resultados comparables tales como
Algoritmos Genticos. Igualmente la
metodologa propuesta, puede obtener
111111111177777777 soluciones en menor tiempo, ya que
111111111177777777 realiza comparativamente un nmero
111111111177777777 inferior de clculos, si se la compara con
333222222266777777 Algoritmos Genticos.
333322222266666666
La metodologa propuesta combina
333322222266666666
333324444555555666 elementos de los programas normalmente
444444444555555666 utilizados, explorando un espacio solucin
444444444555555666 mucho ms amplio que el de ellos, lo que
444444440000055666 posibilita encontrar mejores soluciones.
Para el caso de aplicacin, se encontr
Figura 4. Solucin encontrada usando el que la solucin obtenida por nuestra
programa CRAFT aproximacin metodolgica equivale al 63%
Figure 4. Found solution using program CRAFT del costo encontrado con ALDEP y del 71%
del encontrado con CRAFT. Estos resultados
muestran que la nueva metodologa puede
permitir encontrar valores inferiores
respecto a las metodologas tradicionales.
84 Domnguez et al