Programación de mantenimiento preventivo usando algoritmos genéticos
Resumen
En un sistema de mantenimiento preventivo programado por tiempo, se plantea la necesidad de optimizar el uso de los recursos del área de mantenimiento, para buscar un equilibrio a lo largo del periodo de planificación. El problema se refiere a la secuenciación de tareas en la que se requiere determinar la semana inicial del programa de mantenimiento para cada una de las actividades en las máquinas. Se propone un algoritmo genético que tiene como función objetivo minimizar el máximo tiempo de mantenimiento semanal, de tal manera que cumpla con las condiciones de la programación establecida en cuanto a duraciones y frecuencias. Se consigue un programa eficiente y equilibrado que mejora significativamente el uso de los recursos. Para futuros trabajos, se sugiere aplicar otras técnicas inteligentes para la solución del problema y formularlo teniendo en cuenta otras condiciones, como los diferentes tipos de mantenimiento o la minimización de las paradas frecuentes de los equipos.
Palabras clave
Texto completo:
PDFReferencias
M. Fernández Cabanas, M. García Melero, G. A. Orcajo, J. M. Cano Rodríguez, y J. Solares Sariego, Técnicas para el mantenimiento y diagnóstico de máquinas eléctricas rotativas. Barcelona: Marcombo, 1998. Disponible en: https://books.google.
com/books?id=X3p4bZfoqgEC&pgis=1
F. C. Gómez de León, Tecnología del mantenimiento industrial. España: Universidad de Murcia, 1998. Disponible en: https://books.google.com/books?id=bOrFC3532MEC&pgis=1
J. L. Pombo, P. A. Laura, M. J. Maurizi, y L. E. Luisoni, Mantenimiento predictivo mediante el análisis de vibraciones de máquinas. Comisión de Investigaciones Científicas de la Provincia de Buenos Aires, 1978. Dispinible en: https://books.google. com.co/books?id=-HBjAAAAMAAJ
C. A. Montilla, Fundamentos de Mantenimiento Industria (1a ed.). Pereira , Editorial Universidad Tecnológica de Pereira, 2016.
S. Nakajima, Introducción al TPM (Mantenimiento Productivo Total. Tecnologías de Gerencia y Producción, 1992. Disponible en: https://books.google. com.co/books?id=sfBpSwAACAAJ
R. A. Gallego, A. Escobar, y R. Romero, Técnicas de optimización combinatorial. Universidad Tecnológica de Pereira, 2006.
R. Ruiz, R., and C. Maroto, “A genetic algorithm for hybrid flowshops with sequence-dependent setup times and machine eligibility”. European Journal of Operational Research, vol. 169, no. 3, pp. 781–800, 2006. doi: 10.1016/j.ejor.2004.06.038
T. Murata, and H. Ishibuchi, “Positive and negative combination effects of crossover and mutation operators in sequencing problems”. In Proceedings of IEEE International Conference on Evolutionary Computation (pp. 170–175). IEEE. doi: 10.1109/ICEC.1996.542355
D. C. Montgomery, Diseño y análisis de experimentos (2da ed.). México D. F.: Limusa Wiley. Disponible en: https://juarezrd.files.wordpress.com/2013/09/diseno-de-experimentos-montgomery.pdf
Yu, Y., and R. B.M. de Koster, "On the suboptimality of full turnover-based storage", International Journal of Production Research, vol. 51, no. 6, pp. 1635-1647. doi: 10.1080/00207543.2011.654012.
DOI: https://doi.org/10.21501/21454086.3112
Enlaces refback
- No hay ningún enlace refback.
Copyright (c) 2020 Lámpsakos

Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.
ISSN (En línea): 2145-4086
DOI de la revista: https://doi.org/10.21501/issn.2145-4086
Universidad Católica Luis Amigó - Transversal 51A #67B 90. Medellín - Colombia.
© 2020 Universidad Católica Luis Amigó
Derechos de autor. El autor o autores pueden tener derechos adicionales en sus artículos según lo establecido en la cesión por ellos firmada.
Se recomienda visualizar este contenido con los navegadores: Mozilla Firefox, Google Chrome, Safari.