APLICACIN A UN PROBLEMA DE MANEJO DE MATERIALES

Los algoritmos genticos constituyen una estrategia de bsqueda de propsito general que permiten resolver problemas de naturaleza combinatoria. Los algoritmos genticos estn inspirados en la Teora de la Evolucin de Darwin.

Comienza con una poblacin inicial de individuos (cromosomas), generada aleatoriamente. Estos individuos se evalan mediante una funcin (fitness) que indica la calidad de la solucin o el grado de adaptacin al entorno.

Cromosoma 1 Cromosoma 2

1101100100110110 1101111000011110

A partir de esta situacin inicial se realizan una serie de iteraciones en cada una de las cuales se simula la creacin de una nueva generacin de individuos nuevos (offspring) a partir de la generacin anterior.

Este proceso consiste en aplicar los operadores de seleccin ,cruce y mutacin sobre los individuos. Al final se llegar a una poblacin que, si el algoritmo converge adecuadamente, estar compuesta por buenos individuos, siendo el mejor de estos la solucin que ofrece el algoritmo.

Los padres se seleccionan de acuerdo a su fitness. Los individuos mejores (con mayor fitness) son los que tienen mayor posibilidades de ser elegidos.

La cadena de bits desde el principio del hijo hasta el punto de cruce se copia del primer padre y el resto hasta el final del segundo padre.

11001011+11011111 = 11001111

Inversin de bits: Se seleccionan bits aleatoriamente cambiando su valor.

11001001 => 10001001

El modelo a utilizar para este anlisis corresponde al patio de manejo de materiales y productos de la empresa Codelco. En dicho Patio se realizan las labores de lavado, seleccin segn caractersticas, apilado, empaquetado y almacenamiento final a la espera de su embarque en el tren que los lleva a su destino fuera de la planta. Los ctodos son cosechados al interior de la refinera y salen mediante una correa transportadora hacia el Patio de Embarque.

El estudio de optimizacin puede ser dividido en tres partes principales: primero, el ingreso de los denominados factores de entrada; segundo, el ingreso de los factores de salida, y, por ltimo, la ejecucin de la optimizacin en s, con la consiguiente obtencin de resultados.

` ` ` ` `

Lo primero que se debe definir al efectuar un proyecto de optimizacin en simulacin son los factores de entrada. Estos son aquellos factores que se encuentran disponibles para probar cmo modificaciones efectuadas en ellos mejoran o empeoran el desempeo del modelo. Los factores de entrada (parmetros de control) que se utilizaron en el estudio fueron: Cantidad de carros (del tren), cuyos valores van de 15 a 20. Cantidad de montacargas para ctodos tradicionales (1 a 5). Cantidad de montacargas para ctodos permanentes (1 a 4). Cantidad de montacargas de contratistas (1 a 5). Capacidad de la bscula (1 a 3 paquetes dobles).

Una vez definidos los factores de entrada, se procede a definir los denominados factores (variables) de salida, lo que bsicamente consiste en definir la funcin objetivo. Dicha funcin es una expresin usada para evaluar cuantitativamente el desempeo de un modelo de simulacin.

` `

Para el estudio realizado, se defini lo siguiente: Minimizar la capacidad ocupada de la zona de embarque de ctodos tradicionales. Minimizar la capacidad ocupada de la zona de embarque de ctodos permanentes.

Antes de proceder a la optimizacin se debe definir la cantidad de corridas de simulacin por experimento. Con la ayuda de StatFit (software estadstico incluido con ProModel) se determin que la cantidad de corridas, para un nivel de confianza del 95%.

` ` ` ` ` ` ` ` `

Los resultados obtenidos fueron los siguientes: MEJOR SOLUCIN ENCONTRADA: Cantidad de carros: 17. Cantidad de montacargas ctodos tradicionales: 4. Cantidad de montacargas ctodos permanentes: 1. Cantidad de montacargas contratistas: 1. Capacidad de la bscula: 2. Mejor valor de la funcin objetivo encontrada: -368. Este valor es una representacin de la unidad real la cual equivale a 331.2 m2.