ResumenSe presenta el desarrollo de una metodología que incluye un modelo metaheurístico basado en el Algoritmo Genético Ordenado Elitista No-Dominado (Elitist Non-Dominated Sorting Genetic Algorithm, NSGA-II) en un ambiente de producción Job Shop. Esto con el fin de minimizar tres variables fundamentales del proceso: tiempo total de proceso (makespan time), costo de energía y accidentalidad laboral. Con la aplicación de la metodología, se logra optimizar las variables objeto de estudio, en un 42%, respecto a las técnicas tradicionales de programación de la producción. Con base en la aplicación de la metodología propuesta, se plantea explorar otras funciones multi objetivo, en las que se analiza el consumo de otros recursos como agua y combustible, en situaciones no deseadas tales como paro de transportadores, deslizamientos de tierra en carreteras y congestión vehicular.
Palabras clave: job shop, multiobjetivo, metaheurística, tiempo total de proceso
A Multiobjective Methodology to Optimize a Job Shop Environment AbstractThe development of a methodology that contains a metaheuristic model based on the Elitist Non-Dominated Sorting Genetic Algorithm (NSGA-II) in a job shop production environment. This is to minimize three main process variables: total time of processing (makespan time), energy cost and labor accidents. With the application of this methodology, the variables under study were optimized in 42%, compared with traditional production programming techniques. Based on the application of the proposed methodology, it is suggested to explore other multi objective functions in which the consumption of other resources, such as water and fuel can be analyzed in undesirable situations such as transport strike, landslides and traffic congestion.