DISTRIBUCIÓN DE PLANTA PARA UNA OFICINA BANCARIA POR MEDIO DE ALGORITMOS GENÉTICOS Gina Rojas Bernal José Fidel Torres, Ph.D. Universidad de los Andes Grupo de Producción y Logística PYLO
DISTRIBUCIÓN DE PLANTA PARA UNA OFICINA BANCARIA POR MEDIO DE ALGORITMOS
GENÉTICOSGina Rojas Bernal
José Fidel Torres, Ph.D.
Universidad de los AndesGrupo de Producción y Logística PYLO
Contenido
Introducción y Descripción del ModeloSolución propuestaResultados y Conclusiones
Introducción
El problema de distribución de planta: DefiniciónProblema muy poco tratado en la literatura Objetivo principal: Mejorar la distribución actual de cuatro oficinas de una red bancaria realForma de la oficina
IntroducciónDescripción del ModeloRecolección de datosRepresentación de la soluciónRealización del AlgoritmoAG para la configuración de planta de una oficina virgenDiseño de ExperimentosResultadosConclusiones
Descripción del ModeloIntroducciónDescripción del ModeloRecolección de datosRepresentación de la soluciónRealización del AlgoritmoAG para la configuración de planta de una oficina virgenDiseño de ExperimentosResultadosConclusiones
( ) ( )[ ]∑∑=i j
jZiZdjifFO )(),(*,..
[ ]Nji ,1, ∈ Subject to:
The departments are not overlapped to each other. The departments and office area is respected. The flank to which each department belongs is respected. A relative fixed position for some departments is conserved.
Where:
N is the number of departments. ( )jif , represents the flow between department i and department j. ( ))(),( jZiZd represents the distance between the rectangles’ centroids where
department i and department j are located, according to the allocation defined bythe chromosome.
This distance is measured using rectilinear metric, thus:
jijiij yyxxd −+−=
[ ]Nji ,1, ∈
Recolección de Datos
Dimensiones de la Oficina y los departamentos: PlanosMedición de flujos: Encuestas
Esta matriz es análoga a la medición del flujo.
Formato
IntroducciónDescripción del ModeloRecolección de datosRepresentación de la soluciónRealización del AlgoritmoAG para la configuración de planta de una oficina virgenDiseño de ExperimentosResultadosConclusiones
Representación de la solución
Cromosoma Z:
Z(1) Z(2) Z(3) Z(4) Z(5) Z(6) Z(7) Z(8) Z(9) Z(10) … Z(N-3) Z(N-2) Z(N-1) Z(N)
Costado Oriente Costado Norte Costado Occidente Costado Sur Parte trasera
( ) .iordenelenasignadotoDepartameniZ =
[ ]Ni ,1∈
.tosdepartamendeNúmeroN =
IntroducciónDescripción del ModeloRecolección de datosRepresentación de la soluciónRealización del AlgoritmoAG para la configuración de planta de una oficina virgenDiseño de ExperimentosResultadosConclusiones
Ejemplo de la representación de la solución
1 3 2 13 14 9 12 15 16 11 6 4 5 8 7 10 18 17
Atrás
Occidente
Cos
tado
Orie
nte
Costado Norte
Costado Sur
1
3
2
13
14 912 15 16
11
6
4587
10 17
18
El siguiente cromosoma:
Representa la distribución:
IntroducciónDescripción del ModeloRecolección de datosRepresentación de la soluciónRealización del AlgoritmoAG para la configuración de planta de una oficina virgenDiseño de ExperimentosResultadosConclusiones
Realización del Algoritmo
IntroducciónDescripción del ModeloRecolección de datosRepresentación de la soluciónRealización del AlgoritmoAG para la configuración de planta de una oficina virgenDiseño de ExperimentosResultadosConclusiones
Población Inicial
Solución inicial: Distribución actual para cada oficina.Generación de nuevos individuos
IntroducciónDescripción del ModeloRecolección de datosRepresentación de la soluciónRealización del AlgoritmoAG para la configuración de planta de una oficina virgenDiseño de ExperimentosResultadosConclusiones
1 3 2 13 14 9 12 15 16 11 6 4 5 8 7 10 18 17
Población total
Evaluación y Selección
Evaluación de la Función Objetivo
Estrategia de Selección: Elitista
IntroducciónDescripción del ModeloRecolección de datosRepresentación de la soluciónRealización del AlgoritmoAG para la configuración de planta de una oficina virgenDiseño de ExperimentosResultadosConclusiones
Estrategia de Cruce
Estrategia uniformeEjemplo:
IntroducciónDescripción del ModeloRecolección de datosRepresentación de la soluciónRealización del AlgoritmoAG para la configuración de planta de una oficina virgenDiseño de ExperimentosResultadosConclusiones
Patrón: 0 0 1 0 1
Vector “opuesto”: 1 1 0 1 0
Padre 1: 1 3 2 13 14
Padre 2: 13 1 14 3 2
Hijo 1: 13 1 2 3 14
Hijo 2: 1 3 14 13 2
Estrategia de Reparación
Ejemplo:
Cromosoma que debe ser reparado:
IntroducciónDescripción del ModeloRecolección de datosRepresentación de la soluciónRealización del AlgoritmoAG para la configuración de planta de una oficina virgenDiseño de ExperimentosResultadosConclusiones
1 3 2 13 14 9 12 12 16 11 6 4 5 8 7 10
Cromosoma reparado:
1 3 2 13 14 9 15 12 16 11 6 4 5 8 7 10
Estrategia de Mutación
Solo se intercambian departamentos no fijos. Por lo que a este operador no es necesario realizarle reparación.
IntroducciónDescripción del ModeloRecolección de datosRepresentación de la soluciónRealización del AlgoritmoAG para la configuración de planta de una oficina virgenDiseño de ExperimentosResultadosConclusiones
1 3 2 13 14 9 12 15 16 11 6 4 5 8 7 10 18 17
¿Cómo se obtiene la nueva distribución ?
IntroducciónDescripción del ModeloRecolección de datosRepresentación de la soluciónRealización del AlgoritmoAG para la configuración de planta de una oficina virgenDiseño de ExperimentosResultadosConclusiones
Pseudo code
D.E.
Opt-DOB
Opt-DOB: Sistema para apoyo a la toma de decisiones (DSS)Lo elaboré como una extensión del algoritmo anteriorAlgoritmo igual al anterior excepto en la generación de la población inicial.
IntroducciónDescripción del ModeloRecolección de datosRepresentación de la soluciónRealización del AlgoritmoAG para la configuración de planta de una oficina virgenDiseño de ExperimentosResultadosConclusiones
Opt-DOBIntroducciónDescripción del ModeloRecolección de datosRepresentación de la soluciónRealización del AlgoritmoAG para la configuración de planta de una oficina virgenDiseño de ExperimentosResultadosConclusiones
Opt-DOB: Ingreso de DatosIntroducciónDescripción del ModeloRecolección de datosRepresentación de la soluciónRealización del AlgoritmoAG para la configuración de planta de una oficina virgenDiseño de ExperimentosResultadosConclusiones
Opt-DOB: Salida de ResultadosIntroducciónDescripción del ModeloRecolección de datosRepresentación de la soluciónRealización del AlgoritmoAG para la configuración de planta de una oficina virgenDiseño de ExperimentosResultadosConclusiones
ResultadosIntroducciónDescripción del ModeloRecolección de datosRepresentación de la soluciónRealización del AlgoritmoAG para la configuración de planta de una oficina virgenDiseño de ExperimentosResultadosConclusiones
Conclusiones
El AG superó consistentemente el juicio profesional de los planificadores (“sentido común”)Los resultados obtenidos son robustos. No se requiere de un usuario experto en AG. Opt-DOB puede ser usado en cualquier oficina de estructura similar
IntroducciónDescripción del ModeloRecolección de datosRepresentación de la soluciónRealización del AlgoritmoAG para la configuración de planta de una oficina virgenDiseño de ExperimentosResultadosConclusiones
Gracias
Contenido
Salida de Resultados
Ejecutar
IntroducciónDescripción del ModeloRecolección de datosRepresentación de la soluciónRealización del AlgoritmoAG para la configuración de planta de una oficina virgenDiseño de ExperimentosResultadosConclusiones
Diseño de Experimentos
Los factores a variar son:Probabilidad de Mutación: 0.01, 0.05 y 0.1Porcentaje de Mejores: 0.2, 0.45 y 0.7Porcentaje de generados por mejores: 0.3, 0.6 y 0.8
El número de iteraciones fue escogido a partir de los gráficos de convergencia del algoritmo
IntroducciónDescripción del ModeloRecolección de datosRepresentación de la soluciónRealización del AlgoritmoAG para la configuración de planta de una oficina virgenDiseño de ExperimentosResultadosConclusiones
Regresar
Diseño de Experimentos: Oficina 1
SupuestosRegresar
Diseño de Experimentos
Supuestos:El modelo describe de manera adecuada las observacionesLos errores siguen una distribución normal e independiente con media cero y varianza constante pero desconocida
Conclusión: Violación de supuestos. No hay cambios para la F.O. frente a las diferentes variaciones de parámetros.
2σ
IntroducciónDescripción del ModeloRecolección de datosRepresentación de la soluciónRealización del AlgoritmoAG para la configuración de planta de una oficina virgenDiseño de ExperimentosDistribuciones de Planta FinalesResultadosConclusiones
Regresar
Formato de la matriz de calificación.
Esta matriz de calificación, es análoga a la medición del flujo; ya que así, como entre mayor es el flujo entre dos departamentos mayor es la deseabilidad de cercanía entre ellos, entre mayor sea la importancia (o deseabilidad) de que estén situados cerca, mayor serála calificación en la matriz de percepción.
Depto. 1Depto. 2Depto. 3
…
Depto. N-1Depto. N
Depto. 1 Depto. 2 Depto. 3 … Depto. N-1 Depto. N
Regresar
Ejemplo de convergencia del algoritmo
Comportamiento del algortimo - Oficina 1
4400,00
4420,00
4440,00
4460,00
4480,00
4500,00
4520,00
4540,00
4560,00
4580,00
0 50 100 150 200 250
Número de iteraciones
Valo
r de
F.O
.
Regresar
Resultados Obtenidos para la Función Objetivo de la Instancia 1
PE 1 = 0,2
PE 2 = 0,45
PE 3 = 0,7
PE 1 = 0,2
PE 2 = 0,45
PE 3 = 0,7 PE 1 = 0,2 PE 2 =
0,45PE 3 =
0,7Media 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050Desviación 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000Mínimo 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050Máximo 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050Combinaci 1 2 3 4 5 6 7 8 9
PM 1 = 0,01PGE 1 = 0,3 PGE 2 = 0,6 PGE 3 = 0,8
PE 1 = 0,2 PE 2 = 0,45
PE 3 = 0,7
PE 1 = 0,2
PE 2 = 0,45
PE 3 = 0,7
PE 1 = 0,2
PE 2 = 0,45
PE 3 = 0,7
Media 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050Desviación 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000Mínimo 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050Máximo 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050Combinaci 10 11 12 13 14 15 16 17 18
PM 2 = 0,05PGE 1 = 0,3 PGE 2 = 0,6 PGE 3 = 0,8
PE 1 = 0,2
PE 2 = 0,45
PE 3 = 0,7
PE 1 = 0,2
PE 2 = 0,45
PE 3 = 0,7
PE 1 = 0,2
PE 2 = 0,45
PE 3 = 0,7
Media 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050Desviación 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000Mínimo 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050Máximo 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050 4413,050Combinaci 19 20 21 22 23 24 25 26 27
PM 3 = 0,1PGE 3 = 0,8PGE 1 = 0,3 PGE 2 = 0,6
Regresar
Pseudo código para encontrar coordenadas
Regresar
Algorithm to Find coordinates; InY = Office height InX = 0 For all departments ∈ West flank do X coordinate = 0 Y coordinate = InY - Department height InY = Y coordinate Next InY = greater departments height of the North flank InX = greater departments wide of the West flank For all departments ∈ North flank do X coordinate = InX Y coordinate = InY - Department height InX = InX + Department wide Next a = greater departments wide of the East flank b = Office wide – Back part wide InX = b - a InY = greater departments height of the North flank For all departments ∈ East flank do X coordinate = InX Y coordinate = InY InY = InY + Department height Next InY = Office height - greater departments height of the Costado Sur For all departments ∈ Costado Sur do InX = InX - Department wide X coordinate = InX Y coordinate = InY Next InX = b InY = 0 InXnow = 0 For all departments ∈ Back part do
If (InY + Department height) > Office height then InY = 0 InX = InX + InXnow InXnow = 0 End If X coordinate = InX Y coordinate = InY InY = InY + Department height If Department wide > InXnow then InXnow = Department wide End If Next End;
Número total de individuos
Permitiendo cambios entre costados
n*(n-1)/2
Regresar