| dc.contributor.author | Uscanga Mañon, Luis Daniel | |
| dc.contributor.author | Aguilar Lasserre, Alberto Alfonso | |
| dc.contributor.author | Moras Sánchez, Constantino Gerardo | |
| dc.date.accessioned | 2022-08-09T02:29:19Z | |
| dc.date.available | 2022-08-09T02:29:19Z | |
| dc.date.issued | 2022-05-17 | |
| dc.identifier.uri | http://repositorios.orizaba.tecnm.mx:8080/xmlui/handle/123456789/670 | |
| dc.description | Patrocinó CONACYT a través del Programa Nacional de Becas. | es |
| dc.description.abstract | La presente tesis plantea desarrollar un modelo de simulación de eventos discretos para poder conocer y evaluar en qué condiciones se encuentra la Cadena de Suministro (CS), enfocándose en el segundo de los tres principales eslabones de la SC (producción o manufactura). Se propone una metodología que tiene como finalidad reducir los tiempos de ciclo, es decir, el tiempo que discurre entre la entrada de pedido de un cliente hasta que esta es enviada al mismo. Esta metodología se forma de cuatro etapas: analizar el estado actual de la empresa bajo estudio con base en las medidas de desempeño establecidas por la empresa, ofrecer un pronóstico confiable de la demanda, optimizar la CS con el objetivo de generar la planeación de las operaciones y la asignación de máquinas mediante un enfoque de resolución el uso de un Algoritmo Genético (AG) que solucione el problema del Jobshop Schedule Problem (JSP), cuyas funciones objetivo fueron definidas en términos de maximizar el nivel de servicio y la minimización de los tiempos de ciclo o makespan. En primera instancia, cada uno de estos criterios de optimización fueron evaluados mediante un enfoque mono objetivo. Posteriormente, se evaluaron mediante los criterios de optimización multiobjetivo utilizando algoritmos genéticos. La selección de la mejor configuración para la CS será determinada a través de métodos de toma de decisiones multicriterio. El AG y el método de toma de decisiones multicriterio determinaron que las mejores configuraciones en la secuencia de tareas a procesar muestran una mejora promedio del 67.82% y 42.64% para el makespan y el nivel de servicio, respectivamente. | es |
| dc.description.sponsorship | CONACYT | es |
| dc.language.iso | es | es |
| dc.publisher | TecNM/Campus Instituto Tecnológico de Orizaba | es |
| dc.relation.ispartofseries | Maestría en Ingeniería Industrial; | |
| dc.subject | Optimización multicriterio | es |
| dc.subject | Algoritmos Genéticos | es |
| dc.subject | Cadena de suministro de una empresa textil de lavandería industrial | es |
| dc.subject | Simulación de Eventos Discretos | es |
| dc.subject | Makespan | es |
| dc.subject | Nivel de servicio | es |
| dc.title | Optimización de la cadena de suministro de una empresa textil de lavandería industrial empleando simulación de eventos discretos, algoritmos genéticos y modelos para el pronóstico de la demanda. | es |
| dc.type | Thesis | es |
