This paper shows the result of a research about the applications of bio-inspired algorithms in the field of production engineering in the Distrital University Francisco José de Caldas, covering the topics of industrial layout distribution in manufacturing plant layout. It is intended to seek the optimization of some problems of those fields, using artificial intelligence from the implementation of a firefly algorithm as metaheuristic planning tool and optimization of layout problem. With the goal of finding the best spatial allocation of work stations or cells. Theoretical concepts explored and results are presented. First, a state-of-the-art review on the subject was made, and then the possible solution algorithms were evaluated to identify the objective function to be optimized, to finally apply the firefly algorithm, and evaluate the results of performance against the Initial layout as the plant.

Objetivo: Este artículo presenta una revisión de los resultados de una metodología de optimización enfocada en la aplicación del algoritmo de luciérnaga (FA) como una herramienta de planificación metaheurística con el fin de encontrar una distribución en planta óptima para reducir las distancias y los tiempos de flujo de procesos en la cadena de producción. Metodología: A través de la implementación del script de MATLAB,  el objetivo fue evaluar el FA aplicado al problema de optimización de diseño de distribución en planta, realizando una prueba de dos casos de diseño de instalaciones con el algoritmo. Se aplicó el FA para evaluar el rendimiento con respecto a la configuración inicial de distribución en planta, así como en contraste con un algoritmo heurístico convencional. Resultados: El resultado más relevante fue la verificación del grado de eficiencia del FA con respecto al tiempo de convergencia, expresado en función de la cantidad de ciclos requeridos para alcanzar una solución óptima, en comparación con el algoritmo heurístico convencional utilizado para la validación. Conclusiones: La distancia total optimizada en la planta logra un valor bajo significativo. Se requiere un número reducido de iteraciones para alcanzar un valor óptimo en el caso de una distribución en planta compleja.