Resumen

La forma de adquirir conocimientos y experiencia en la producción de un producto en una empresa puede considerarse una nueva solución para reducir el coste unitario en los problemas de programación, lo que se conoce como "efectos de aprendizaje". En la programación de máquinas de procesamiento por lotes, a veces es ventajoso formar un lote no lleno, mientras que en otras situaciones es una mejor estrategia esperar a que lleguen futuros trabajos para aumentar la plenitud del lote. Sin embargo, la investigación con efecto de aprendizaje y tiempos de liberación está relativamente inexplorada. Motivados por esta observación, consideramos un problema de una sola máquina con efecto de aprendizaje y tiempos de liberación en el que el objetivo es minimizar los tiempos totales de finalización. Desarrollamos un algoritmo branch-and-bound y una heurística basada en algoritmos genéticos para este problema. Las prestaciones de los algoritmos propuestos se evalúan y comparan mediante experimentos computacionales, que demuestran que nuestro enfoque tiene una capacidad superior en este escenario.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Mathematical logic
• Palabras claves:máquinas de procesamiento por lotes, llegadas futuras de trabajos, tiempos totales de finalización, efecto, mejor estrategia, experimentos computacionales, algoritmo genético, problema de máquinas, nueva solución, lote no lleno
• Keywords:batch processing machines, future job arrivals, total completion times, effect, better strategy, computational experiments, genetic algorithm, machine problem, new solution, nonfull batch