1

MODELO PARA LA RESOLUCION DEL PROBLEMA DE LA OPTIMIZACION DE LAS DISTRIBUCIONES EN PLANTA DE INSTALACIONES INDUSTRIALES
Troncoso Saracho, Jos C. (p) (1), Alonso Rodrguez, Jos A. (2) ,Pose Blanco, Jos(3)
(1)(2)(3)

E.U.I.T.I. Universidad de Vigo. SUMMARY.

The objective of this work is to propose a procedure for a solution on the facilities layout, in a way that the non adjacent facilities can be interconnected by aisles. The collected data are: flux matrix, facility areas and its respective aspect ratio. The models found in the literature describing the problem and its proposed methods for solution are presented in the bibliography review. The proposed model considers three distinct steps. In the first step, through the multivariate analysis technique, a slicing tree structure is constructed to place facilities with large traffic volumes close together. In the second step, using a genetic algorithm, a slicing tree was determined to minimize the moment of transport between the facilities and to maximize its aspect ratio. In the last step, from a good layout without aisle obtained with the use of the two previous steps, the necessary adjustments for the introduction of the aisles were made in order to interconnect non adjacent facilities. RESUMEN. Este trabajo tiene como principal objetivo presentar un procedimiento para a solucin de problemas de distribucin en planta de instalaciones industriales, de modo que instalaciones no adyacentes estn enlazadas por pasillos. Los datos considerados por el problema son: la matriz de flujos, las reas de las instalaciones y las respectivas razones de forma. Tras una revisin bibliogrfica pormenorizada, y anlisis de los modelos que describen el problema y los mtodos existentes en la literatura para su resolucin, aparece el uso de los algoritmos genticos como herramienta que mejor se adapta a las condiciones del problema general de la Distribucin en Planta. El modelo propuesto, considera tres etapas distintas. En la primera etapa, a travs del mtodo de anlisis multivariante, se genera una estructura de rbol que sita las instalaciones de modo a mantener prximas aquellas que presentan mayor flujo entre si. En la segunda etapa, se pretende, con la utilizacin de un algoritmo gentico, determinar a rbol de corte, que minimiza el momento de transporte entre instalaciones y maximiza el cumplimiento de la razn de forma de las mismas. En la tercera y ltima etapa, a partir de una distribucin en planta sin pasillos obtenido con la aplicacin de las dos etapas anteriores, se hacen los ajustes necesarios para la introduccin de los pasillos, a fin de interrelacionar instalaciones no adyacentes, manteniendo el momento de transporte lo menor posible.

2 Se dejan planteadas las ideas que permitirn desarrollar en una etapa posterior lo que ser un trabajo de implementacin informtica de los algoritmos y de depuracin y mejora de los planteamientos iniciales para ver hasta que punto los procedimientos propuestos son operativos.

1. INTRODUCCIN. El objetivo del trabajo, es resolver el problema de distribucin en planta de instalaciones industriales. En este problema se consideran disponibles las informaciones de un conjunto de instalaciones, en relacin a las dimensiones y forma de las mismas. En la Tabla 1 se presentan, a modo de ejemplo, para cada instalacin el rea y las razones de forma mnima y mxima a ser consideradas. Tales instalaciones deben estar dispuestas en un rea previamente definida.

Razn de forma Instalaciones Lmite Lmite Inf. Sup. 1 100 0,70 1,00 2 80 1,00 1,00 3 50 0,70 1,30 4 60 0,50 0,80 5 120 0,90 1,00 6 40 0,60 1,00 Tabla 1: Ejemplo de reas y restricciones geomtricas por instalacin. Adems de esas informaciones tambin sern necesarios los datos referentes a los flujos de produccin que deben ser considerados entre cada par de instalaciones, que son presentadas en forma e matriz from-to tal y como se muestra en el ejemplo de la Tabla 2. El problema conforme presentado tiene dos objetivos que debe atender:

reas (m2)

minimizar las distancias entre las instalaciones con objeto a reducir el momento de transporte; maximizar el cumplimiento de la razn de forma dentro de los intervalos ofrecidos en el problema.

Para atender tales objetivos, se procurar situar espacios para las instalaciones, de modo que las instalaciones con grandes flujos entre si sean colocadas prximas, despus de que satisfagan las restricciones de rea y de forma. Para el clculo del momento de transporte, se deben utilizar las distancias recorridas entre las instalaciones. Obsrvese que el flujo entre instalaciones solo podr ocurrir de modo directo, entre instalaciones adyacentes. Para el caso de que las instalaciones no sean adyacentes, el transporte deber ocurrir a travs de pasillos.

3 Instalaciones Origen 1 2 3 4 5 6 1 0 5 2 4 1 0 0 3 0 2 2 0 0 0 0 0 5 2 0 10 0 2 Destino 3 4 5 6

Tabla 3.2: Ejemplo de matriz simtrica de flujos de produccin para un periodo de tiempo determinado.

2. FORMULACIN MATEMATICA DEL PROBLEMA. El problema de ubicacin de instalaciones se formula del siguiente modo: min F =

v
i =1 j =1

ij

d ij

(1a) (1b)

segn ai [ aimin , aimax ] donde: vi j di j ai aimax aimin - flujo entre las instalaciones i y j;

- distancia mnima entre los centroides de las particiones de las instalaciones i y j; - razn de forma de la particin situada en la instalacin i; - limite superior de ai ; - limite inferior de ai.

En (1a), F mide el momento de transporte, definido por el sumatoria de los productos de la distancia mnima dij por el flujo vij entre dos instalaciones. En la ecuacin (1b), cada instalacin se limita por una razn de forma definida por: ai = longitud de la particin de instalacin i anchura de la particin de instalacin i (2)

El problema nos da tal parmetro a travs del intervalo [ aimin , aimax ] donde estos valores representan los limites superior e inferior de la razn de forma, determinados para la instalacin i (ver los datos de la tabla 1). Se pueden restringir las instalaciones clasificndolas en dos categoras: con orientacin libre o fija. La

4 orientacin libre significa que la instalacin puede ser situada de ambas formas: horizontal o vertical. Para estas instalaciones, sus razones de formas pueden asumir valores tales como ai o 1/ai. As, el intervalo viable de la razn de forma para orientacin libre se convierte en: ai [ aimin , aimax ] [1/ aimax , 1 / aimin ] (3)

El intervalo de la razn de forma representa la restriccin impuesta por el tipo de trabajo realizado en cada instalacin. Segn Heragu y Kusiak (1988) en un ambiente de manufactura, cada instalacin puede representar una clula de fabricacin o una imagen de como las mquinas son situadas en las clulas. 3. METODO DE RESOLUCIN PROPUESTO. En la solucin del problema de distribucin en planta de instalaciones, cuando se consideran reas diferentes, el nmero de posibilidades de ubicacin de las reas crece muy rpidamente con el nmero de instalaciones consideradas. Se puede, incluso decir que existen varias distribuciones fsicas ptimos locales que son pobres comparadas con la distribucin en planta ptimo global. Para resolver tales problemas, se espera que un mtodo de bsqueda en paralelo, presente un resultado mejor que las bsquedas estrictamente en series, y que los mtodos de bsqueda aleatorios sean mejores que los algoritmos greedy (golosos) y algoritmos de bsqueda enumerativa. El algoritmo gentico resulta ideal ya que presenta ambos atributos: bsqueda paralela y heurstica estocstica (Tate y Smith, 1995a). Los procedimientos usados para resolver los problemas de distribucin en planta, segn Tam (1992b), han sido criticados por el hecho de que la bsqueda es conducida a partir de un nico punto en el espacio de soluciones y por la dificultad que presenta la definicin de las restricciones geomtricas. En otras palabras, la dificultad de resolver el problema de distribucin en planta se surge del hecho de que la localizacin de cada instalacin depende de la localizacin de las otras. La complejidad aumenta aun ms, cuando se imponen restricciones de forma y de tamao. Segn los investigadores Tam y Li (Tan y Li, 1991) las instalaciones son usualmente modeladas como un bloque con cierta forma. Las tres formas ms comunes son: rectangular, cuadrada y circular. De entre las formas anteriores, la ms comn es la rectangular, de la cual la cuadrada es, como resulta evidente, un caso particular. La forma circular, a pesar de poder ser representada fcilmente a travs de las coordenadas del centro y del radio, y ser citada por algunos autores como la de ms fcil manipulacin por medios informticos, no representa la realidad.

Existen algunas importantes caractersticas geomtricas asociadas con las instalaciones. La mayora de las caractersticas presentadas abajo son relativas a los bloques rectangulares (Tan y Li, 1991). a) Tamao: es el rea de una instalacin.

5 Esta puede ser de tamao fijo o acotado dando como datos la superficie mnima y mxima entre las que debe estar comprendido el tamao de la instalacin. En otros casos puede venir dado por un porcentaje que la instalacin debe tener respecto a la totalidad de la planta general de la nave. b) Razn de forma (aspect ratio): la razn de forma viene dada por la relacin: ai = longitud de instalacin i / anchura de instalacin i (2.17)

c) Orientacin: en general, solamente orientaciones horizontal y vertical son aceptadas para los bloques rectangulares. Si la instalacin puede ser colocada horizontalmente o verticalmente, tiene orientacin libre, caso contrario, es denominada orientacin fija. d) Razn de sobreposicin (deadspace ratio): es una medida que refleja el grado de distorsin de la forma. La existencia de reas ocupadas en el interior de una instalacin modificar la forma del rea sobrepuesta. La medida de la razn de sobreposicin de reas tiene este propsito, y es definida como: i = rea de sobreposicin en la instalacin i / rea de la instalacin i (2.18)

Observacin: La variacin de la instalacin, segn la orientacin, se dice fija cuando puede ser colocada de una nica forma, en caso contrario se dice mvil. Para el problema de distribucin en planta de instalaciones con modelado matemtico definido, se han encontrado en la literatura, algunos resultados obtenidos por los mtodos: algoritmo gentico (Tam, 1992b), simulated annealing (Tam, 1992a) y bsqueda tab (Furtado y Lorena, 1997). Tales resultados son presentados en las siguientes tablas. Instalaciones N Mn Mx. Media Desv. Estndar 12 6390,34 6933,75 6725,28 166,83 15 10000,08 10582,82 10332,54 167,04 20 26098,39 27304,41 26746,80 423,45 30 47483,72 49484,15 48444,22 530,88

Tabla 3 Momentos de transporte obtenidos utilizando el algoritmo gentico para problemas con 12, 15, 20 y 20 instalaciones por Tam (1992b)

Instalaciones N AS Mn Mx. Media Desv. standar 25779, 53 27705, 76 26423, 04 562,03 20 HC 28869, 18 32295, 95 29719, 38 1156,8 0 BC 25749, 46 29321, 18 27144, 74 1180,8 5 AS 47422,3 0 49125,6 0 48350,6 0 542,51 30 HC 54819, 84 58615, 45 56446, 23 1162,7 9 BC 46238,2 3 50589,7 5 49456,6 6 798,63

Tabla 4 Momentos de transporte obtenidos utilizando simulated annealing para problemas de 20 y 30 instalaciones por Tam (1992a) donde: AS HC BC - algoritmo de simulated annealing; algoritmo straightforward hillclimbing; algoritmo HC modificado (considerando el punto de partida de la bsqueda en una vecindad);

A continuacin se presentar la estructura del modelo propuesto para la solucin del problema de distribucin en planta de instalaciones:

Fase I (a) Generacin de la Estructura de rbol de Corte (b) Obtencin del rbol de Corte o Estructura de

Fase II

Localizacin de los P ill

Figura 1: Estructura de funcionamiento del modelo propuesto. Tal y como se muestra el modelo propuesto por ser un mtodo de mejora, tiene dos pasos distintos y consecutivos. En el primer paso se busca una solucin inicial (a), que es la generacin de la estructura de rbol de corte. En un segundo

7 paso a travs de un algoritmo de bsqueda, que en el modelo propuesto ser un algoritmo gentico, procura mejorar la solucin inicial obteniendo un rbol de corte optimizado (b) para el problema inicial sin pasillos. La divisin del modelo en dos fases es necesaria (vase apartado 3.4) para mejorar su desarrollo. En la primera fase el problema se trata sin pasillos y se utilizan las distancias eucldeas o rectangulares. En la segunda fase, el mtodo, a travs del algoritmo gentico, hace una bsqueda de una solucin optimizada ahora con pasillos. En este caso, utilizando distancias por pasillos, que evidentemente se ajustan ms a la realidad. Esos procedimientos de solucin del modelo propuesto sern ahora presentados con mayor detalle. 3.1. Algoritmo de bsqueda gentica. En la ltima dcada, de los trabajos presentados en la literatura con el objetivo de resolver problemas de distribucin en planta utilizando algoritmos genticos, apenas dos se preocupan del rea de las instalaciones, (Tam, 1992) y (Tate y Smith, 1995b). Otros trabajos encontrados tratan el problema sin tener en cuenta el rea de las instalacin, tales como: Gupta et al. (1996), Gen et al. (1995), Suresh et al. (1995), Tate y Smith (1995a), Joines et al. (1994), Chan y Tanski (1994) y otros. El algoritmo gentico es una tcnica de optimizacin a travs de bsquedas heursticas que imitan el proceso evolutivo biolgico de seleccin natural. Fue desarrollado por Holland (1975). Los algoritmos genticos combinan la nocin de supervivencia de los ms adaptados, en una bsqueda estructurada, pero con una componente aleatoria, con evaluacin paralela de los nudos en el espacio de bsqueda. Los algoritmos genticos se han aplicado sucesivamente (y con relativo xito) en varios problemas de optimizacin tales como el problema del cajero viajante, en problemas similares a los problemas de distribucin en planta de instalaciones, en problemas de empaquetamiento de polgonos (Jakobs, 1996), adems de estudios en problemas especficos de optimizacin de funcin no lineal mixta (Yokota et al., 1996) y entera binaria (Yokota et al., 1995). Un algoritmo gentico consiste en la representacin a travs de una cadena (string) denominada cromosoma, donde cada componente representa un gen del nudo en un espacio de bsquedas (poblacin), una funcin de fitness para evaluar los nudos investigados, y un parmetro estocstico para controlar la aplicacin de los operadores genticos (Chan y Tanski, 1994). La implementacin de este algoritmo se compone de las siguientes etapas:

definicin de una estructura de cromosomas a travs de una cadena (string) compuesta de nudos (genes); definicin de una funcin para evaluacin del fitness de los cromosomas, que mide la capacidad de adaptacin al medio ambiente; definicin del proceso de seleccin natural; definicin del proceso de reproduccin de cromosomas realizado por la operacin de crossover;

definicin del proceso de mutacin de cromosomas.

As, para resolver un problema a travs del algoritmo gentico, se deben crear las estructuras que lo componen. Tales estructuras son necesarias y de ellas depende la velocidad del mtodo. Por lo tanto la eficiencia del mtodo es directamente proporcional a la complejidad propuesta en la evaluacin del fitness, y de los procesos de reproduccin y mutacin, que deben contener tan solo operaciones elementales. El desafo en la aplicacin de los algoritmos genticos est en codificar las soluciones a travs de strings de tamao limitado, y que mantienen las caractersticas del problema original. Se presentan a continuacin las definiciones y los pasos necesarios para la implantacin del algoritmo gentico para el modelo propuesto. 3.2. Estrategia de Aplicacin del Algoritmo Gentico. La implementacin informtica nos muestra que el resultado del algoritmo gentico general (similar al propuesto) se degrada muy rpidamente con el aumento del nmero de instalaciones, especialmente en el caso del clculo de las distancias entre instalaciones cuando se realiza a travs de pasillos. Para mejorar el resultado del algoritmo, se plantea la estrategia de dividir el proceso de bsqueda en dos etapas. En una primera etapa, el algoritmo se aplica realizndose el clculo de las distancias a travs de la mtrica rectangular o eucldea, lo que simplifica de modo significativo este proceso de clculo. De esta forma, sin considerar el hecho de la estructura de los pasillos, se obtiene una disposicin preliminar para las instalaciones, con la intencin de mantener juntas aquellas que presenten entre si una mayor interaccin, y con procurando satisfacer las restricciones de forma de las instalaciones impuestas por el problema. En la segunda etapa, la aplicacin del algoritmo se hace considerando que todos los individuos de la poblacin tendr una estructura de corte idntica a la de la mejor solucin obtenida en la primera etapa. En otras palabras, en la primera fase tan solo se consideran los tipos de cortes definidos por el conjunto {U, R, B, L}, mientras que en la segunda fase cada corte se pasa a considerar dos posibilidades: cortes del tipo U pasan a tener el conjunto de definicin {U, U*}; cortes del tipo R pasan a tener el conjunto de definicin {R, R*}; cortes del tipo B pasan a tener el conjunto de definicin {B, B*} y cortes del tipo L pasan a tener el conjunto de definicin {L, L*} Considerando una estrategia donde el problema es tratado en tan solo una fase, esto es, considerando la existencia de pasillos desde el principio, se tendra el conjunto de definicin con los siguientes elementos {U, R, B, L, U*,R*,B*,L*}. As, en la obtencin de la solucin para el problema de distribucin en planta con pasillo existiran del orden de 8n-1 posibles alternativas de combinacin de corte, en cuanto que considerando la estrategia de dividir la bsqueda en dos fases, se tendra del orden de 4n-1 posibles soluciones para la primera fase y 2n-1 posibles soluciones en la segunda fase. En conjunto, de esta estrategia resultara un universo de 4n-1 + 2n-1 posibles soluciones a ser investigadas. Como ejemplo, en un problema con 30 instalaciones tendramos un conjunto de 829 (1,54 x 1026) combinaciones de corte para la estrategia una nica fase mientras que en el caso de la estrategia de dos

9 fases, tendramos 429 + 229 (2,88 x 1017) posibles soluciones. A pesar de que el nmero de soluciones en potencia aun resulta extremadamente grande, representa apenas una pequea fraccin (del orden de 1/109) del total existente en el caso de la estrategia de una nica fase. As, a pesar de restringir la bsqueda sobre un subconjunto de soluciones, para casos donde el nmero de instalaciones crece, esta es la nica forma encontrada para obtener una solucin satisfactoria en un tiempo computacional razonable. La convergencia del algoritmo se obtiene en la medida en que los diversos individuos de la poblacin presentan las mismas caractersticas. Esto puede hacerse evidente, por medio de la comparacin de los fitness del mejor y del peor individuo existente en la poblacin. Si la diferencia entre los valores de fitness es inferior a un limite estipulado (que podria ser del 1% para este trabajo) el proceso se da por finalizado. Si hubiera inters en comprobar nuevos resultados, una nueva poblacin puede ser generada, incluyendo en la misma una parcela de los mejores individuos encontrados en la poblacin anterior. Cuando esta estrategia es realizada repetitivamente y no se observa ninguna mejora en los resultados obtenidos, la mejor solucin es finalmente presentada.

4. CONCLUSIONES. Parece que la solucin propuesta podra ayudar a encontrar una Distribucin en Planta adecuada a las necesidades iniciales o mejorar la distribucin existente, teniendo en cuenta la posible existencia de pasillos, aplicando algoritmos genticos que por otro lado parece ser la opcin mayormente planteada en los trabajos ms actuales. Queda esperar que la implementacin algortmica del mtodo propuesto nos confirmen la bondad del mismo. Con el trabajo planteado la siguiente etapa ser, como resulta evidente, la implementacin informtica de los algoritmos que nos permitan verificar las hiptesis propuestas. BIBLIOGRAFIA. ARMOUR, G.C., y BUFFA, E.S., A heuristic algorithm and simulation approach to relative allocation of facilities. Management Science. Vol. 9, No 2, pp. 294-300, 1963. BUFFA, E.S., ARMOUR, G.C., y VOLLMANN, T.E. Allocating facilities with Craft, Harvard Business Review. Vol. 42, pp. 136-158, 1964. DEL RO CIDONCHA, M.G.; Martnez, J.; Martn, A. Bravo-Aranda, G. Estudio comparativo de las estrategias para la distribucin del espacio en plana en los campos de la arquitectura e ingeniera. Depto. Ingeniera Grafica y Diseo. Escuela Superior de Ingenieros, Universidad de Sevilla. 2003. FLORES y GOMEZ. Articulo: Genetic Algorithms and Dinamic Simultion Applied to a Multi Objetive Optimization Problem: Facility Design. 2003.

10 FRANCIS, R.L., McGINNIS, L.F. y WHITE, J.A., Facility Layout and Location: An Analytical Approach. Prentice Hall. 1992. MUTHER, R., Systematic Layout Planning. 2 edicin. Cahers Books, Boston, MA, 1976. THOMPKINS, J. A ., y WHITE, J.A ., Facilities Planning, John Wiley and Sons, New York, 1984.

CORRESPONDENCIA. Jos C. Troncoso Saracho Escuela Universitaria de Ingeniera Tcnica Industrial de Vigo C/ Torrecedeira 86 Telf. 86 813 646 tsaracho@uvigo.es