Algoritmos de inteligencia artificial para optimización de procesos en la industria plástica
Resumen
La optimización de procesos con objetivos múltiples y restricciones inherentes de diversa índole en la industria plástica, es la motivación principal de esta investigación. Esto debido al alto impacto de disponer una metodología formal alternativa en la búsqueda de soluciones a problemas variados dentro de esta industria. Ante esta problemática buscamos una solución utilizando Inteligencia Artificial (IA) y una de las ramas más estudiadas dentro de la optimización que es la computación evolutiva y sus Algoritmos Genéticos (AG). Estos algoritmos se basan en la selección natural y la genética para evolucionar de una población inicial hacia mejores espacios de búsqueda, esta evolución se realiza mediante operaciones de selección, mutación y crossover (recombinación).
Logramos implementar una técnica eficiente en la resolución de un problema de optimización, tomando como caso de uso, encontrar las cantidades óptimas de cada componente junto con la reducción del factor de mantenimiento en la elaboración de un producto terminado de plástico, obteniendo como resultado final la minimización del costo de la manufactura.
Descargas
Citas
Aguilar R, E. (2016). Algoritmo genético aplicado a sistemas de manufactura flexible.
Blank, J., & Deb, K. (2020). Pymoo: Multi-Objective Optimization in Python. IEEE Access, 8, 89497–89509. https://doi.org/10.1109/ACCESS.2020.2990567
Cioffi, R., Travaglioni, M., Piscitelli, G., Petrillo, A., & De Felice, F. (2020). Artificial intelligence and machine learning applications in smart production: Progress, trends, and directions. Sustainability (Switzerland), 12(2). https://doi.org/10.3390/su12020492
Coello Coello, C. A. (n.d.). Optimización Evolutiva con Objetivos Múltiples : Estado del Arte y Tendencias Futuras.
De los Reyes Martínez, T. I., Aguayo, L. F. D., Ramírez, S. J. G., Gutiérrez, J. Z., & Martínez, A. B. E. (2018). Aplicación de técnicas computo evolutivas para la optimización del proceso de inyección de plástico. Jóvenes En La Ciencia, 3(1), 483–488. http://rinfi.fi.mdp.edu.ar/handle/123456789/358
Deb, K. (1999). Introduction to genetic algorithms. Sadhana - Academy Proceedings in Engineering Sciences, 24(4), 293–315. https://doi.org/10.1007/BF02823145
Deb, K., Pratap, A., Agarwal, S., & Meyarivan, T. (2002). A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation, 6(2), 182–197. https://doi.org/10.1109/4235.996017
Garc, I. D. (2012). Optimización de la producción en máquinas en paralelo de inyección de plástico. 103. http://cd.dgb.uanl.mx/bitstream/handle/201504211/5231/20446.pdf?sequence=1
Hillier, F. S., & Lieberman, G. J. (2013). Introducción a la Investigación de operaciones. In Journal of Chemical Information and Modeling (Vol. 53, Issue 9).
Mamani, L. F. (2018). Optimización del Proceso Productivo en el Área de Producción de una Industria Plástica. Universidad Peruana de Ciencias Aplicadas (UPC), 354. http://hdl.handle.net/10757/624502
Mateos, M.J.T., Lopez-Pujalte, C., & Canavate, A. M. (2020). Decision Support System based on Competitive Intelligence and Genetic Algoritms | Sistema de apoyo a decisiones basado en Inteligencia Competitiva y Algoritmos Genéticos. Iberian Conference on Information Systems and Technologies, CISTI, 2020-June. https://doi.org/10.23919/CISTI49556.2020.9141060
Mateos, Maria Jose Tena, Lopez-Pujalte, C., & Canavate, A. M. (2020). Decision Support System based on Competitive Intelligence and Genetic Algoritms. Iberian Conference on Information Systems and Technologies, CISTI, 2020-June(June). https://doi.org/10.23919/CISTI49556.2020.9141060
S.N.Sivanandam, S. . D. (2008). Sivanandam_Introduction to Genetic Algorithms (Springer-Verlag (ed.)).
Ubilla, Y. (2019). “La evolución de la industria plástica en el Ecuador.” http://repositorio.ug.edu.ec/bitstream/redug/41415/1/T-UBILLA ROJAS YANINA JESSICA.pdf
Valverde-Bourdie, S. (2019). Aplicaciones De La Inteligencia Artificial En La Empresa. https://repositorio.unican.es/xmlui/bitstream/handle/10902/17521/VALVERDEBOURDIESANDRA.pdf?sequence=1&isAllowed=y
Velez, M., & Montoya, J. (2007). Solución De Problemas Combinatorios En Administración De Operaciones. Revista EIA, 8(1), 99–115. http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S1794-12372007000200009
Wang, Q., Jiao, W., Wang, P., & Zhang, Y. M. (2021). A tutorial on deep learning-based data analytics in manufacturing through a welding case study. Journal of Manufacturing Processes, 63(December 2019), 2–13. https://doi.org/10.1016/j.jmapro.2020.04.044
Derechos de autor 2022 Pablo Patricio Beltrán Caicedo ; Luis Felipe Borja
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
.jpg)
.jpg)
.png)
.png)
1.png)
