Comparación del efecto en la solución usando el tiempo en sistema y tasa de utilización como criterios en Optimización vía Simulación

• Dafne Lagos Departamento de Procesos Industriales, Facultad de Ingeniería, Universidad Católica de Temuco, Rudecindo Ortega # 02950, P.O. Box 15D, Código postal 4781312, Temuco,Chile.
• Rodrigo Mancilla Departamento de Procesos Industriales, Facultad de Ingeniería, Universidad Católica de Temuco, Rudecindo Ortega # 02950, P.O. Box 15D, Código postal 4781312, Temuco,Chile.
• Paola Leal Departamento de Procesos Industriales, Facultad de Ingeniería, Universidad Católica de Temuco, Rudecindo Ortega # 02950, P.O. Box 15D, Código postal 4781312, Temuco,Chile.
• Jaime Castillo Departamento de Procesos Industriales, Facultad de Ingeniería, Universidad Católica de Temuco, Rudecindo Ortega # 02950, P.O. Box 15D, Código postal 4781312, Temuco,Chile.

Palabras clave: Optimización vía Simulación, Simulación de eventos discretos, OptQuest.

Resumen

El estudio de sistemas reales implica abstraer la información relevante y plasmarla en un modelo que se pueda manejar y resolver. En primera instancia, la información relevante se considera constante, y con ella se generan soluciones. Esta suposición hace que los resultados muchas veces se alejen de la problemática real. Un modo de evitar esto, es construir soluciones simuladas, que permitan incluir factores variables dentro de los resultados. En esta línea, este trabajo explora el efecto que produce utilizar como objetivo un criterio que minimice el tiempo de espera en el sistema versus un criterio que maximice el nivel de utilización, al buscar una solución mediante Optimización vía Simulación de un problema que configure un sistema productivo de línea de espera con característica estocásticas. Como resultado de la investigación se encontró que cada criterio produce resultados de asignaciones diferentes. Así, al tratar de acortar los tiempos de permanencia en el sistema, se debe aumentar el número de unidades de servicio, implicando la subutilización de estas y un costo adicional. Si se busca mejorar la tasa de utilización del sistema, se debe trabajar con menos servidores, pero con un costo extra en el tiempo de permanencia de los clientes

Citas

Lejeune M.A. y Margot F.: Optimization for simulation: LAD accelerator.Ann. Oper. Res., Vol. 188, No. 1 (2011) 285–305.

Vaghefi A. y Sarhangian V.: Contribution of simulation to the optimization of inspection plans for multi-stage manufacturing systems.Comput. Ind. Eng., Vol. 57, No. 4 (2009) 1226–1234.

Akpinar M.E., Yildizel S.A., Karabulut Y.y Dogan E.: Simulation Optimization for Transportation System: A Real Case Application.Tem Journal-Technology Educ. Manag. Informatics,Vol. 6, No. 1 (2017) 97–102.

Nageshwaraniyer S.S.,Son Y.J. y Dessureault S.: Simulation-based optimal planning for material handling networks in mining. Simulation-Transactions Soc. Model. Simul. Int., Vol. 89, No. 3 (2013) 330–345.

Alfieri A., Matta A. y Pedrielli G.: Mathematical programming models for joint simulation-optimization applied to closed queueing networks.Ann. Oper. Res., Vol. 231, No. 1 (2015) 105–127.

Pasupathy R. y Henderson S.G.: SimOpt: A library of simulation optimization problems.WSC 2011 - Proceedings Winter Simulation Conference, (2011) 4075–4085.

Amaran S., Sahinidis N.V., Sharda B. y Bury S.J.: Simulation optimization: a review of algorithms and applications.Ann. Oper. Res., Vol. 240, No. 1 (2016) 351–380.

Song E. y Nelson B.L.: Input-Output Uncertainty Comparisons for Discrete Optimization via Simulation.Oper. Res., Vol. 67, No. 2 (2019) 562–576.

Gocken T., Dosdogru A.T., Boru A.y Gocken M.: Integrating process plan and part routing using Optimization via Simulation approach.Int. J. Simul. Model., Vol. 18, No. 2 (2019) 254–266.

Rouky N.,Abourraja M.N., Boukachour J., Boudebous D., Alaoui A.E. y El Khoukhi F.: Simulation optimization based ant colony algorithm for the uncertain quay crane scheduling problem.Int. J. Ind. Eng. Comput., Vol. 10, No. 1 (2019) 111–132.

Huang P.S. y Chiu Y.C.: A Simulation-Optimization Model for Seawater Intrusion Management at Pingtung Coastal Area, Taiwan.Water, Vol. 10, No. 3 (2018).

Niessner H., Rauner M.S. y Gutjahr W.J.: A dynamic simulation-optimization approach for managing mass casualty incidents.Oper. Res. Health Care, Vol. 17 (2018) 82–100.

Ziarnetzky T. y Mönch L.: Simulation-based optimization for integrated production planning and capacity expansion decisions. WSC 2017 - Proceedings Winter Simulation Conference, (2017) 2992–3003.

Aurich P., Nahhas A., Reggelin T.y Tolujew J.: Simulation-based optimization for solving a hybrid flow shop scheduling problem.WSC 2017 - Proceedings Winter Simulation Conference, (2017) 2809–2819.

Lal T.M., Roh T. y Huschka T.: Simulation based optimization: Applications in healthcare. WSC 2016 - Proceedings Winter Simulation Conference, (2016) 1261–1271.

Azadeh A., Nasirian B., Farahani M.H. y Soltanpoor M.: Simulation-optimization of complex tandem queue systems with reneging and server breakdowns considering budget constraints.Simulation-Transactions Soc. Model. Simul. Int.,Vol. 91, No. 10 (2015) 925–941.

Shahi S.y Pulkki R.: A simulation-based optimization approach to integrated inventory management of a sawlog supply chain with demand uncertainty.Can. J. For. Res., Vol. 45, No. 10 (2015) 1313–1326.

Zeinali F., Mahootchi M.y Sepehri M.M.: Resource planning in the emergency departments: A simulation-based metamodeling approach.Simul. Model. Pract. Theory, Vol. 53, (2015) 123–138.

Marques A.F., de Sousa J.P., Rönnqvist M. y Jafe R.: Combining optimization and simulation tools for short-term planning of forest operations.Scand. J. For. Res., Vol. 29, (2014) 166–177.

Rooeinfar R., Azimi P.y Pourvaziri H.: Multi-echelon supply chain network modelling and optimization via simulation and metaheuristic algorithms.Sci. Iran., Vol. 23, No. 1 (2016) 330–347.

Eskandari H., Mahmoodi E., Fallah H.y Geiger C.D.: Performance analysis of comercial simulation-based optimization packages: OptQuest and witness optimizer.WSC 2011 - Proceedings Winter Simulation Conference, (2011) 2358–2368.

Laguna M. y Martí R.: Neural network prediction in a system for optimizing simulations. IIE Trans. Institute Ind. Eng., Vol. 34, No. 3 (2002) 273–282.

Nahmias S.:Análisis de la producción y las operaciones, 6th. McGraw Hill Education, Mexico, 2014.