Optimización de la planificación de la producción resolviendo el problema de lot-sizing a través del uso de agentes inteligentes.

Abstract

En el panorama actual de la producción industrial, la optimización y eficiencia en los procesos resultan esenciales para que las organizaciones mantengan su competitividad y sostenibilidad. El "lot-sizing", o dimensionamiento de lotes, se destaca como una herramienta crucial en este contexto. Dicha técnica tiene como objetivo determinar la cantidad óptima de producción, equilibrando costos y asegurando que las demandas se satisfagan de manera adecuada. No obstante, en entornos dinámicos y cambiantes, la aplicación tradicional del "lot-sizing" puede enfrentar desafíos significativos. Es en este escenario donde el trabajo propone una solución innovadora: la integración de agentes inteligentes en el proceso de planificación. Estos agentes, capaces de simular el comportamiento de los distintos componentes de la cadena productiva, operan dentro de NetLogo, una plataforma de modelado y simulación multiagente reconocida por su versatilidad y capacidad para representar sistemas complejos. El propósito principal de este trabajo es la creación y puesta en marcha de un modelo que utilice agentes inteligentes para optimizar la planificación de la producción utilizando modelos de lot-sizing optimizados a través de modelos multiagente. Para alcanzar este objetivo, se plantean dos metas específicas: diseñar un modelo matemático que sirva como base teórica y que esté centrado en el problema del "lot-sizing"; y implementar un algoritmo basado en agentes inteligentes a través de NetLogo, que permita una solución práctica y eficiente al desafío planteado. Al combinar el "lot-sizing" con la simulación multiagente, se espera obtener no solo una representación más precisa de las decisiones de producción, sino también soluciones más adaptativas y en tiempo real, que respondan a las necesidades cambiantes del mundo industrial. A lo largo de la investigación, se desarrolló un proceso sistemático e iterativo que utiliza agentes inteligentes para abordar el lot-sizing. Este proceso, que comienza con la definición de variables y culmina con la asignación de lotes a recursos de producción, ha demostrado ser robusto y adaptable a diversos escenarios. Los resultados obtenidos indican que, mediante este enfoque, es posible mejorar significativamente la eficiencia en los procesos de producción. Además, la flexibilidad del modelo permite adaptarse a variaciones y cambios, ofreciendo soluciones optimizadas que responden a las necesidades actuales de la industria.

In the current landscape of industrial production, optimization and efficiency in processes are essential for organizations to maintain their competitiveness and sustainability. "Lot-sizing" stands out as a crucial tool in this context. This technique aims to determine the optimal production quantity, balancing costs and ensuring that demands are met adequately. However, in dynamic and changing environments, the traditional application of "lot-sizing" can face significant challenges. It is in this scenario that the work proposes an innovative solution: the integration of intelligent agents into the planning process. These agents, capable of simulating the behavior of the various components of the production chain, operate within NetLogo, a multi-agent modeling and simulation platform known for its versatility and ability to represent complex systems. The primary purpose of this work is the creation and implementation of a model that uses intelligent agents to optimize production planning using lot-sizing models optimized through multi-agent models. To achieve this goal, two specific objectives are proposed: to design a mathematical model that serves as a theoretical basis and is centered on the "lot-sizing" problem; and to implement an algorithm based on intelligent agents through NetLogo, allowing a practical and efficient solution to the challenge posed. By combining "lot-sizing" with multi-agent simulation, it is expected to obtain not only a more accurate representation of production decisions but also more adaptive and real-time solutions that respond to the changing needs of the industrial world. Throughout the research, a systematic and iterative process was developed using intelligent agents to address lot sizing. This process, starting with the definition of variables and culminating in the allocation of lots to production resources, has proven to be robust and adaptable to various scenarios. The results obtained indicate that, through this approach, it is possible to significantly improve efficiency in production processes. Additionally, the model's flexibility allows it to adapt to variations and changes, offering optimized solutions that meet the industry's current needs.