INSTITUTO TECNOLGICO DE CD.

JUREZ
DIVISIN DE ESTUDIOS DE POSGRADO E INVESTIGACIN

DISEO DE UN ALGORITMO GENTICO DE CODIFICACIN DIRECTA

PARA EL PROBLEMA DE BALANCEO DE LNEAS EN FORMA DE U

Presenta: Jess Fernando Lpez Alcaraz

Director de Tesis: Dr. Ulises Martnez Contreras
Lnea de Investigacin: Diseo y Mejora de Productos y Procesos en Sistemas de Manufactura (SM)

INTRODUCCIN

El balanceo de lneas pertenece a la categora

de problemas que proporcionan un mayor
grado de eficiencia en la industria ya que
reduce la cantidad de personal necesario
mediante la optimizacin de tareas.
En una lnea de ensamble en forma de U los
trabajadores se acomodan en su interior,
mejorando el balanceo al necesitar menos
estaciones de trabajo.

PLANTEAMIENTO DEL
PROBLEMA
El balanceo de lneas es un problema de
optimizacin combinatoria y al aumentar el
nmero de tareas el espectro de soluciones
crece exponencialmente.
No hay garanta de que un mtodo heurstico
ofrezca una buena solucin ya que son
sensibles a las caractersticas del problema.
No hay garanta de que un mtodo exacto nos
ofrezca una solucin en un tiempo corto.
Aunque se han aplicado algoritmos genticos
en el balanceo de lneas en forma de U, no se
tiene registro de que se haya utilizado la
operacin de mutacin.

OBJETIVOS

Desarrollar un algoritmo gentico de

codificacin directa que resuelva el problema
de balanceo de lneas en forma de U
permitiendo la mutacin de cromosomas.
Determinar los parmetros iniciales del
algoritmo propuesto que le permitan converger
hacia una solucin igual o mejor a las
encontradas por diferentes mtodos
heursticos.

PREGUNTA DE
INVESTIGACIN
La aplicacin de un
algoritmo gentico
de codificacin
directa para resolver
el problema de
balanceo de lneas
en forma de U
permitir obtener
mejores resultados a
los encontrados por
mtodos
heursticos?

HIPTESIS

Al resolver el
problema de
balanceo de lneas
en forma de U por
medio del algoritmo
gentico propuesto,
se obtienen mejores
resultados que los
obtenidos por
mtodos heursticos.

Metodologa
Seleccin de problemas de la literatura.
Desarrollo del algoritmo gentico propuesto.
Determinacin de los niveles de los
parmetros iniciales mediante el diseo de un
experimento (Diseo Central Compuesto).
Resolver los problemas seleccionados con el
algoritmo y comparar los resultados con los
obtenidos por los mtodos heursticos
mediante una prueba t pareada.

Resultados:
Clasificacin de problemas

Resultados:
Determinacin de Parmetros

Niveles
codificados de
los parmetros
Parmetro

% de hijos
% de mutacin
Cromosomas

Variable

Codificacin
-1
0
1
20
40
60
2
11
20
10
55
100

Diseo Central
Compuesto formado
por un factorial
completo , seis puntos
axiales y cuatro
corridas centrales.

#
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

Grupo A Grupo B Grupo C

-1
1
-1
1
-1
1
-1
1
-1
1
0
0
0
0
0
0
0
0

-1
-1
1
1
-1
-1
1
1
0
0
-1
1
0
0
0
0
0
0

-1
-1
-1
-1
1
1
1
1
0
0
0
0
-1
1
0
0
0
0

2.4762
3.4286
2.4762
4.3333
24.857
27.667
28.381
33.571
13.619
13.714
15.333
14.571
3.2381
24.333
12.429
14.571
12.429
15.286

136.07
155.93
69.185
81.148
885.52
1263.8
658.67
1156.4
308.44
271.56
697.56
526.67
50.593
1427.6
479.56
475.81
568.37
560.3

30.222
59.333
68.056
92.222
981.06
965.39
130.78
246.56
579.94
249.61
681.11
661.33
53.167
1331.7
525.28
107.06
520.11
385.56

Resultados:
Valores de parmetros ptimos

Se obtuvieron diferentes
niveles de parmetros
para cada uno de los
grupos de problemas.

Parmetro

Grupo A Grupo B Grupo C

% de Hijos

24

60

60

% de Mutados

12

12

Nm. De Cromosomas

10

10

10

Resultados:
Verificacin de Supuestos

Las grficas de
residuos nos permiten
verificar los supuestos
de normalidad,
varianza constante e
independencia.

Resultados:
Comparacin

De los 61 problemas resueltos:

En 44 ocasiones se encontr el mismo resultado que el

propuesto por mtodos heursticos

En 3 problemas se encontraron un mayor numero de

estaciones de trabajo

En 14 se mejor el resultado

Resultados:
Prueba t Pareada

La diferencia de las medias entre los resultados de

ambos mtodos es cero.

La diferencia de las medias entre los resultados de

ambos mtodos no es cero.

Se rechaza la hiptesis nula con un nivel de

significancia ya que el , menor a 0.05.

Resultados:
Verificacin de Supuestos

Debido
a que la variable de salida es discreta, la
hiptesis de normalidad falla, por lo que debe
realizarse una prueba no paramtrica.

Prueba de Normalidad Anderson-Darling de las

diferencias, donde se encuentra un , por lo que se
rechaza la hiptesis nula Los datos siguen una
Distribucin Normal.

Resultados:
Prueba de Wilcoxon

prueba de Wilcoxon es la alternativa no

La
paramtrica a la prueba t pareada.

Las pruebas no paramtricas evalan la igualdad de

las medianas en lugar de las medias, por lo que se
replantean las hiptesis.

La diferencia de las medianas entre los resultados de

ambos mtodos es cero.

La diferencia de las medianas entre los resultados de

ambos mtodos no es cero

Resultados:
Prueba de Wilcoxon

El p-value para esta prueba es 0.047, siendo menor

a 0.05, por lo que se rechaza la hiptesis nula y se
concluye que la diferencia de las medianas no es
igual a cero.

Conclusiones

Con los datos obtenidos en este estudio podemos

concluir que se obtienen mejores resultados con el
algoritmo gentico que con los mtodos heursticos.

Es posible utilizar la operacin de mutacin de los

algoritmos genticos al balanceo de lneas en forma
de U sin generar cromosomas inviables.

La necesidad de obtener un resultado con un costo

computacional aceptable fue satisfecha.

Recomendaciones

Se recomienda comparar los resultados obtenidos

por mtodos exactos y el algoritmo gentico
propuesto para verificar las diferencias de ambos
mtodos y determinar si son significativas.