Scheduling de Talleres (Job Shops) con Duración Estocástica de Tareas

Jaime M. Bustos, jbustos@ufro.cl

Universidad de La Frontera, Casilla 54-D, Temuco-Chile

Robert Storer
Lehigh University

Resumen

Analizamos el problema de planificación detallada (scheduling) de trabajos en un taller

general (job shop) donde la duración de las operaciones componentes de cada trabajo
tienen asociada una distribución probabilística (conocida). Se propone una heurística
híbrida (beam search+problem space search) para buscar buenas soluciones. Se investiga
el desempeño de la heurística en ambientes de creciente variabilidad y ante enfoques de
decisión a priori y de despacho on-line.
El problema de planificación detallada (scheduling) de trabajos en un taller general (job
shop) donde la duración de las operaciones componentes de cada trabajo tienen asociada
una distribución probabilística (conocida) hace que no sea posible anticipar exactamente
el tiempo de comienzo y término de cada operación en el taller (particularmente el tiempo
de término de cada trabajo). Consecuentemente, las medidas de desempeño asocoadas a
un plan tienen asociada una función de distribución que debe estimarse a fin de comparar
planes (o decisiones) alternativos. Este problema es una generalización del problema
clásico de job shop scheduling, considerado muy dificil dentro del ámbito combinatorial,
y que aparece comúnmente en la operación de talleres generales de fabricación.
Caracterizamos el problema de scheduling como un árbol de decisión ordenado en el
tiempo (ver figura), donde cada nivel representa una nueva decisión de scheduling (no
necesariamente simultáneas). Debido a la característica estocástica del problema, en cada
nodo del árbol se hace necesario estimar la distribución de probabilidades asociada a la
decisión actual. Para ello se hace uso de una estrategia de “completación de planes” y
posterior simulación “inteligente” utilizando estrategias de ranqueo y selección.

Level 0
(root)

Level i
(intermediate
parent nodes, Beam width
partial sequence)

Level i+1
(feasible
candidates, Branching,
augmented partial filtering
sequences)

Level N-1
(leaf nodes,
complete * * * * * * * * * * * * * * * Paths
*
sequences) Sampling

Definimos una familia de estrategias híbridas de búsqueda heurística basadas en los

conocidos métodos de Beam Search y Problem Space Search para buscar buenas
soluciones del problema en forma eficiente.
El desarrollo experimental se implementa en el problema de minimización del valor
esperado de la tardanza total ponderada en job shops con duración estocástica de tareas.
Analizamos la eficiencia de diferentes procedimientos de solución y el proceso de
equilibrio (trade off) entre planificar a priori versus la toma de decisiones de despacho
on-line en ambientes con variabilidad creciente.
En ambiente off-line, la heurística propuesta presenta mejor desempeño (en calidad y
tiempo de ejecución) que estrategias alternativas considerando variabilidad moderada a
alta. Usada como una estrategia de despacho on-line (basado en secuencia) es posible
competir en calidad con soluciones off –line, al mismo tiempo de reducir drásticamente
los tiempos de proceso.

En el caso de ambientes con extremadamente alta variabilidad aparece como estrategia

preferida el uso de la regla de despacho ATC. En este caso, cualquier estrategia de tipo a
priori está condenada al fracaso.