Optimización de trabajadores y estaciones de trabajo en líneas de ensamble multi-tripuladas mediante algoritmos genéticos

Abstract

Las líneas de ensamble son un mecanismo de producción que históricamente ha presentado beneficios económicos y de calidad en las organizaciones; sin embargo, diferentes problemas se presentan durante su ejecución. Entre estos destaca el problema del modelo de balanceo de líneas de ensamble con estaciones multi-tripuladas, el cual suele presentarse con mayor frecuencia en las organizaciones industriales que fabrican productos de dimensiones medianas y grandes, en comparación con el modelo de un solo tripulante por estación de trabajo; a pesar de ello, en la literatura encontramos una mayor tendencia a estudiar el segundo caso. Pocos estudios hacen referencia al primero. Adicionalmente, los métodos de búsqueda exhaustiva como los de programación lineal han encontrado barreras debido a la complejidad computacional, por lo cual las investigaciones sobre este problema se han centrado en utilizar heurísticos para su solución, en la búsqueda de algoritmos que sean cada vez más eficientes. Por lo anterior, el presente trabajo propone un algoritmo genético que en nuestro conocimiento no se ha utilizado en la búsqueda por minimizar el número de trabajadores y el número de estaciones de trabajo para el modelo de balanceo de líneas de ensamble con estaciones multi-tripuladas. Además, se propone una nueva función de costos la cual pondera el número de estaciones de trabajo y trabajadores, castigando soluciones con tiempos muertos altos para evitar su selección. Los resultados del algoritmo propuesto son evaluados mediante la comparación de instancias de prueba presentadas en la literatura. El algoritmo está disponible en https://github.com/juanseck/GAMmALB>.

Assembly lines are a production mechanism that has historically presented economic and quality benefits in organizations. However, different problems arise during their execution, among them, the issue of balancing assembly lines with multi-manned stations. This situation occurs more frequently in industrial organizations that manufacture products of medium and large dimensions, compared to a single worker per workstation model. Despite this, we find a greater tendency to study the second case in the literature. In contrast, few studies refer to the first, in addition, exhaustive search methods such as linear programming have encountered barriers due to computational complexity, so research on this problem has focused on using heuristics looking for more efficient algorithms in order to solve it. Therefore, the present work proposes a genetic algorithm that, to our knowledge, has not been used in the search to minimize the number of workers and the number of workstations for the balancing model of assembly lines with multi-manned stations. In addition, a new cost function is proposed that weights the number of workstations and workers, punishing solutions with high idle times to avoid their selection. The results of the proposed algorithm are evaluated by comparing test instances presented in the literature. The algorithm is available at <https://github.com/juanseck/GAMmALB>.