Publicamos Artículo de investigación de 4/3/2024 de IEEE Access en el que se explica un…
Publicamos Artículo de investigación de 4/3/2024 de IEEE Access en el que se explica un nuevo modelo algoritmico para la programación flexible de la producción en fábricas (Flexible Job Shop Scheduling Problem- FJSSP) en tiempo real a partir de los datos del MES y el IoT. Recordemos que el FJSSP aborda las interrupciones causadas por averías aleatorias de máquinas, integrando estrategias Shift Right, cambio de ruta y reducción de brecha desplazada.
Bajar PDF
Puntos Principales
- El artículo se centra en abordar las averías de máquinas en los entornos de fabricación de la Industria 4.0.
- Se propone una técnica híbrida mejorada de metaheurística y basada en reglas que genera un cronograma dinámico optimizado cuando se interrumpe una máquina aleatoria.
- Se destaca la importancia de las actualizaciones del sistema en tiempo real de los dispositivos IoT para mejorar las decisiones de programación.
- Se combina el desplazamiento a la derecha, el cambio de ruta y la reducción de brecha desplazada en un algoritmo de re-programación llamado RCSGR.
- Se demuestra la eficacia de la metodología propuesta a través de una extensa investigación computacional, incluyendo 9 problemas de referencia y un estudio de caso del mundo real.
- Los resultados se comparan con tres técnicas relacionadas de la literatura, mostrando mejoras en la mayoría de los casos.
- Se identifica la necesidad de explorar otras medidas de desempeño para evaluar la metodología propuesta, como el rendimiento, la utilización de recursos o la eficiencia energética.
Resúmen del PDF
Este artículo explora la gestión de averías de máquinas en sistemas de ejecución de fabricación (MES) basados en la Industria 4.0. Aborda el problema de la programación de talleres flexibles (FJSSP) en entornos dinámicos, donde las máquinas pueden sufrir averías aleatorias. Se propone un modelo de programación dinámico en tiempo real que utiliza datos de dispositivos del Internet de las cosas (IoT) para detectar averías y generar horarios actualizados de forma eficiente. El sistema utiliza un algoritmo genético (GA) para crear un horario inicial y un enfoque multi-estratégico llamado RCSGR para realizar el reprogramación en tiempo real, que combina las estrategias de Right Shift (RS), Route Changing (RC) y Shifted Gap Reduction (SGR).
El estudio destaca la importancia de una integración efectiva entre MES, la planificación y control de la producción (PPC) y la programación de talleres (JSS) para lograr una toma de decisiones ágil y optimizar los procesos de producción. Se introduce un marco de digitalización de la planta basado en IoT para monitorear las máquinas en tiempo real y brindar información instantánea sobre su estado. Este sistema permite una detección temprana de averías, lo que facilita la reprogramación proactiva y reduce la interrupción de la producción.
El modelo RCSGR se basa en tres estrategias complementarias para abordar las averías de máquinas:
- Right Shift (RS): Retrasa los tiempos de inicio de las operaciones para acomodar las interrupciones, manteniendo las restricciones tecnológicas y el orden original de las operaciones.
- Route Changing (RC): Reasigna las operaciones afectadas a máquinas alternativas disponibles, minimizando el tiempo de procesamiento y considerando el tiempo de finalización esperado de las operaciones posteriores.
- Shifted Gap Reduction (SGR): Identifica y elimina los tiempos de inactividad entre las tareas consecutivas en las máquinas, mejorando la eficiencia del horario y minimizando el tiempo de inactividad.
El artículo presenta un estudio de caso que demuestra la eficacia del modelo RCSGR en comparación con otras estrategias de reprogramación existentes. Los resultados muestran que RCSGR proporciona una mejor combinación de robustez y estabilidad del horario, lo que lleva a una reducción significativa del tiempo de finalización de la producción y una mayor resistencia a las interrupciones.
La investigación concluye con recomendaciones para futuras investigaciones, como la integración de módulos adicionales de MES en el marco propuesto, la consideración de otros tipos de interrupciones, y la exploración de métricas de rendimiento adicionales, como el rendimiento, la utilización de recursos y la eficiencia energética. El artículo destaca la importancia de la integración de tecnologías de IoT en entornos de fabricación para mejorar la eficiencia y la resiliencia de los procesos de producción.
Más información sobre FJSSP:
¿Qué es Job Shop? Clasificando procesos productivos – Geinfor ERP