GRASP y CRN como enfoque de solución a la versión estocástica del problema de minimización de la tardanza total ponderada en una máquina

Abstract

Este trabajo de investigación propone la comparación del uso de una técnica de reducción de varianzas (Números comunes aleatorios-CRN) con la simulación de Monte Carlo, con el fin de demostrar un mejoramiento en la eficiencia computacional para resolver el problema de minimización de la tardanza total ponderada en la programación de la producción de una máquina, con tiempos de procesamiento estocásticos, catalogado en la literatura como NP-Hard. Para esto se desarrolla una meta-heurística GRASP evaluando cuatro funciones de utilidad basadas en las reglas de despacho ATC, WMDD, WMS y WSPT, determinando la de mejor desempeño. Posteriormente se propone una comparación a través de un diseño de experimentos, para conocer cuál de las dos metodologías de simulación es la más eficiente. El trabajo muestra que el uso de la simulación Monte Carlo y la técnica de los números comunes aleatorios no representan diferencia estadística en los valores de tardanza total ponderada, siendo la técnica CRN más eficiente en términos de tiempo computacional. Con respecto a las funciones de utilidad la que mejor desempeño presenta es la basada en la fecha de vencimiento ponderada modificada (WMDD).