Resumen

Para fabricar el producto final, es necesario fabricar las piezas en las fases del proceso y, posteriormente, unir varias piezas en las operaciones de ensamblaje basadas en la lista de materiales predefinida. Pero la relación de ensamblaje entre las piezas y los componentes no se ha tenido en cuenta en el modelo general del problema de programación del taller. El objetivo de esta investigación es encontrar el programa que minimice el tiempo de finalización del Problema de Programación del Taller de Ensamblaje (AJSSP). Dado que la complejidad del AJSSP es NP-difícil, se propone y desarrolla un algoritmo híbrido de optimización de enjambre de partículas (HPSO) que integra PSO con Inmune Artificial para resolver el AJSSP. La estrategia de selección basada en la densidad de anticuerpos hace que las partículas de HPSO mantengan la diversidad durante el proceso iterativo, superando así el defecto de convergencia prematura. A continuación, se aplica el algoritmo HPSO a un caso práctico de desarrollo del clásico FT06. Por último, se analiza el efecto de los parámetros clave en el algoritmo propuesto y se discute cómo seleccionarlos. El resultado del experimento confirma su práctica y eficacia.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Producto final; piezas; fabricado; etapas del proceso; operaciones de ensamblaje; lista de materiales; relación de ensamblaje; piezas de ensamblaje; componentes; modelo de problema de programación de taller de trabajo; programación; tiempo de finalización; Problema de Programación de Taller de Trabajo de Ensamblaje (AJSSP); complejidad; NP-difícil; algoritmo de optimización de enjambre de partículas híbrido (HPSO); PSO; Inmune Artificial; estrategia de selección; densidad de anticuerpos; partículas; diversidad; proceso iterativo; defecto; convergencia prematura; estudio de caso; FT06 clásico; parámetros clave; algoritmo propuesto; resultado del experimento; práctica; eficacia.
• Keywords:Final product; parts; fabricated; process stages; assembly operations; bill of materials; assembly relationship; assembly parts; components; job shop scheduling problem model; schedule; completion time; Assembly Job Shop Scheduling Problem (AJSSP); complexity; NP-hard; hybrid particle swarm optimization (HPSO) algorithm; PSO; Artificial Immune; selection strategy; antibody density; particles; diversity; iterative process; defect; premature convergence; case study; classical FT06; key parameters; proposed algorithm; experiment result; practice; effectiveness.