Reflexiones Contables,5 (1) 2022,Enero-Junio,ISSN:2665-5543 (En línea)
https://doi.org/10.22463/26655543.3555

Flujo de operaciones en una celda de manufactura en las nuevas tecnologías.

Flow of operations in a manufacturing cell in new technologies.

Yessika Gisell Chávez-Hernández

Estudiante de licenciatura, al159747@alumnos. uacj.mx https://orcid.org/0000-0002-7683-2327 Universidad Autónoma de Ciudad Juárez, Ciudad Juárez, México.

lván Juan Carlos Pérez-Olguín

Doctorado, ivan.perez@uacj.mx https://orcid.org/0000-0003-2445-0500 Universidad Autónoma de Ciudad Juárez, Ciudad Juárez, México.

Luis Asunción Pérez-Dominguez

Doctorado, luis.dominguez@uacj.mx https://orcid.org/0000-0003-2541-4595 Universidad Autónoma de Ciudad Juárez, Ciudad Juárez, México.

Karla Yohana Sánchez-Mojica

Maestría, Karla.sanchez@ibero.edu.co https://orcid.org/0000-0003-3164-4725 Corporación Universitaria Iberoamericana, Bogotá, Colombia.

David Luviano-Cruz

Doctorado, david.luviano@uacj.mx https://orcid.org/0000-0002-4778-8873 Universidad Autónoma de Ciudad Juárez, Ciudad Juárez, México.

*Autor de correspondencia: Karla.sanchez@ibero.edu.co

© Editado por la Universidad Francisco de Paula Santander. This is an article under the license CC BY-NC 4.0.

Licencia Creative Commons

Recibido: Octubre 11 de 2021                      Aceptado: Diciembre 26 de 2021

Como citar: Chávez-Hernández,Y.G.,Pérez-Dominguez,L.A.,Luviano-Cruz,D.,Pérez-Olguín,I.J.& Sánchez-Mójica,K.Y., (2022). "Flujo de operaciones en una celda de manufactura en las nuevas tecnologías" Reflexiones Contables, vol.5, no. 1,22-34 https://doi.org/10.22463/26655543.3555


Palabras Clave:

Algoritmo ABC, Flujo de Operaciones, Nuevas Tecnologías, Optimización.


Resumen

El algoritmo ABC (colmena de abejas artificiales) es importante para optimizar variables de procesos. Adicionalmente, el tratar de resolver problemas de optimización son problemas complejos, ya que orientado con las nuevas tecnologías se tienen im­previstos en las líneas de producción que no se pue­den predecir, por lo cual este algoritmo en específi­co requiere un análisis minucioso y de alta dificultad. Además, el algoritmo ABC uno de los principales objetivos es optimizar procesos, mediante un siste­ma que puede predecir que opción es conveniente para el problema dado. A la par, existe la necesidad de analizar la optimización para un caso de flujo de operaciones en una celda de manufactura usando nuevas tecnologías. En este sentido, la presente in­vestigación se realizará una reflexión sobre un caso práctico, donde se comparará un algoritmo esta­cionario contra el algoritmo ABC, en este se llevó a cabo una comparación de los dos algoritmos a base de resultados dados de una investigación y sobre el algoritmo ABC, en esta presente investigación se concluyó que el algoritmo estacionario es la mejor opción para investigaciones futuras ya que es más estable y adecuado para la presente investigación.


Keywords:

ABC Algorithm, Flow of Operations, New Technologies, Optimization.


Abstract

The ABC algorithm (artificial bee colony) is important to optimize process variables. Additionally, trying to solve optimization problems are complex problems, since oriented with the new technologies there are unforeseen events in the production lines that can­not be predicted, for which this specific algorithm requires a detailed and highly difficult analysis. In addition, one of the main objectives of the ABC al­gorithm is to optimize processes, through a system that can predict which option is convenient for the given problem. At the same time, there is a need to analyze the optimization for a case of flow of opera­tions in a manufacturing cell using new technologies. In this sense, the present investigation will reflect on a practica! case, where a stationary algorithm will be compared against the ABC algorithm, in this a com­parison of the two algorithms will be carried out ba­sed on given results of an investigation and on the ABC algorithm, in this present investigation it was concluded that the stationary algorithm is the best option for future investigations since it is more stable and adequate for the present investigation.


Introducción

Hoy en día, las nuevas tecnologías avan­zan de forma incremental en base a la innova­ción, desde la automatización hasta simples avances cotidianos que facilitan nuestro día a día. En diferentes revoluciones industriales se han visto tareas que buscan mejorar continua­mente o facilitar la ejecución en las organizacio­nes. Hoy han pasado 4 revoluciones industriales, y en estas últimas han surgido dos tecnologías más grandes, una mirada más profunda se dis­cute en Bajic,(2020) nos dice que la penúltima revolución industrial (4.0, Humano-Máquina) es un sistema diseñado integrar la parte física (máquinas, equipos y sensores) y la parte ci­bernética del proceso de fabricación a través de programas y la nube; a diferencia de la In­dustria 4.0, la Industria 5.0 maneja los autores como una preocupación para los trabajadores, Como nos comentan los autores Fraga-Lamas P. V.-B.-C., (2021) el objetivo persigue la prosperi­dad de manera sostenible, buscando aumentar la productividad sin sacar trabajadores huma­nos de la industria manufacturera. En particular, este proyecto analizará el algoritmo ABC (colo­nia de abejas artificiales) en una celda de manu­factura en las nuevas tecnologías, para profun­dizar en este tema, primero es necesario definir qué es una celda de manufactura, Hernandez,( 2019) nos comenta que es una automatización de simulación del equipo de la línea de produc­ción, compuesta por varios puestos de trabajo, integrada entre sí;", para su control se utilizan principios como la manufactura esbelta. Esto va de la mano con el surgimiento de las nuevas tecnologías, nos permite hacer grandes innova­ciones y por supuesto optimizar nuestras líneas de producción, lo que no es más que la mejor opción para avanzar positivamente dentro de la organización.


Fundamentación Teórica

Industria 4.0

La industria 4.0 tiene antecedentes desde el inicio de la primera revolución industrial, del cual Griffiths, (2018) concluye que se introdujo de agua y vapor las instalaciones de fabricación mecánica hicieron posible la mecanización. Más adelante se tuvo la segunda revolución industrial que se basó en descubrimientos de energía, medicina, productos químicos de ma­teriales; Después se incluyó la tercera revolución industrial, está tardo un poco más que las ante­riores revoluciones, ya que en estas se tardó en emplear las nuevas tecnologías y usarlas, prin­cipalmente en esta tercera revolución industrial se basó en el cambio de energías renovables, en el cambio de edificios a plantas de energía, el hidrógeno y baterías recargables son las que destacaron en esta revolución anteriormente mencionada.

En este caso se tienen que tomar facto­res importantes como la industria 4.0, que viene siendo la cuarta revolución industrial esta se in­terpreta como la revolución Hombre -Máquina, ya que en este se implementa con los principios de la automatización, el uso de las tecnologías, la implementación de la nube, entre otras tec­nologías.

De acuerdo con Guo,(2021) establece que la industria 4.0 es la total automatización de la industria, implementando la realidad vir­tual, Big data, robots, sistema de integración, la nube y un punto importante, la ciberseguridad son puntos clave que engloban esta revolución. Características industria 4.0.

Como todo proceso tiene características específicas la cuarta revolución no es la excep­ción:

• Identificación de frecuencia de radio (RFID):"es un elemento que puede almacenar y trans­mitir información hacia un elemento lector utili­zando ondas radio". (Montenegro, 2007)

• Internet de las cosas (lo T): "es una arquitectu­ra emergente basada en la Internet global quefacilita el intercambio de bienes y servicios entreredes de la cadena de suministro y que tiene unimpacto importante en la seguridad y privaci­dad de los actores involucrados". (Weber, 201O)

• Computación en la nube (CC): "constituyeuna forma de almacenamiento de informacióny contenidos digitales en una plataforma intan­gible, la cual ha surgido con el advenimiento delas nuevas tecnologías". (Rengifo García, 2013).

• Big Data (BD): "refiere a una gran cantidadde datos (estructurados, no estructurados y se­miestructurados) que excede la capacidad delsoftware convencional para capturarse, admi­nistrarse y procesarse en un tiempo razonable".(Raut, 2020).

• Fabricación Aditiva: "Es la unión de materialescapa a capa, esto se interpreta como la impre­sión 3D, se diseña un prototipo en un softwareposteriormente se manda a la impresora 3D y serealiza un prototipo en 3D sólido." (Bajic, 2020)

• Robótica:" Son prácticamente brazos robóti­cas automatizados que se utilizan en la indus­tria.

• Tecnologías de la web semántica: Es el proce­so de la interpretación de las tareas y el traba­jo en conjunto del hombre - máquina". (Bajic,2020)

• Sistemas Ciber físicos:" No es más que los sis­temas físicos y el software se relacionan y per­mite una integración completa". (Bajic, 2020).

Bajic (2020) nos menciona que, en los pro­cesos de manufactura, es una gran ventaja, ya que en las distintas industrias se manejan brazos robots u maquinaria que se puede encontrar en distintas fases del proceso de producción que se puede manejar de manera remota, sin tan-ta intervención del ser humano, todo se podría manejar desde la nube.

Otros autores como Griffiths, (2018) lo manejan desde un enfoque distinto como son las anteriores revoluciones industriales las cua­les son: energía de agua y vapor, electricidad y por ultimo la tecnología de semiconductores, progresaron cada una durante varias décadas.

Por lo cual, también la industria 4.0, nos manejan una preocupación persistente "la cuar­ta revolución industrial que vivimos actualmente avanza a un ritmo exponencial y trastorna mu­chas exosistemas y procesos existentes mien­tras se crean soluciones totalmente nuevas e innovadoras". (Griffiths, 2018).


Industria 5.0

Esta es la consecuente de la industria an­teriormente mencionada, esta es enfocada al cuidado de las energías y el trabajador, igual­mente este autor se basa en lo siguiente "en las capacidades de los robots y las habilidades hu­manas, ya que unidos convergen para obtener lo mejor." (Antonio, 2018)

Está a diferencia de las revoluciones in­dustriales pasadas se enfoca más en la inteli­gencia artificial, automatización y cuidado de energías. Con el paso del tiempo se implemen­tarían robots para facilitar tareas dadas u moni­toreo de estos desde un clic de distancia.


Características Industria 5.0

Estas categorías son fundamentales a la hora de establecer la industria 5.0.

• Interacción hombre-maquina individualiza­da: "esta hace referencia que desde un controlde cualquier ordenador u teléfono vinculadopueda arreglarlo al momento". (Fraga-Lamas yotros, 2021).

• Tecnologías bioinspiradas y materiales inteli­gentes:" estos son a partir de programas u hard­ware que permiten replicar la forma de pensaretc." (Fraga-Lamas y otros, 2021 )

• Gemelos digitales y simulación sistemas ciberfísicos: "son aquellos que pueden crear simula­ciones a partir de datos de la vida real. " (Fra­ga-Lamas y otros, 2021 ).

• Tecnologías de transmisión, almacenamientoy análisis de datos: "como la nube, almacenadatos, procesa y crea filtros para poder tenercomandos u órdenes y se cumplan en la maqui­naria." (Fraga-Lamas y otros, 2021 ).

• Inteligencia artificial: "esta es lo más parecidoa acciones que realizaría un humano, por lo cualeste se basa en programas para la recreación dedichas acciones." (Fraga-Lamas y otros, 2021 ).

• Tecnologías para la eficiencia energética, re­novables, almacenamiento y autonomía: "sonlas que cuidan el medio ambiente y que reali­cen el menor impacto al planeta." (Fraga-Lamasy otros, 2021 )

Eficiencia de una línea de producción (Balanceo de línea).

Es importarte resaltar esta parte ya que es fundamental tener una línea de producción para poder visualizar la eficiencia de la antes mencionada y poder tener una visión completa con el algoritmo., Como lo maneja Hernandez, (2019) el balanceo de líneas consiste en la agru­pación de las actividades secuenciales de traba­jo en centros de trabajo, con el fin de lograr el máximo aprovechamiento de la mano de obra y equipo y de esa forma reducir o eliminar el tiempo ocioso.

En estos existen actualmente varios mé­todos para la línea de producción se presentará una breve definición y los métodos son:

•SMED
herramienta se define como "es una he­rramienta de mejora sobradamente contrasta­da que permite reducir los tiempos de cambiode útiles, contribuyendo así al aumento de laflexibilidad, a la reducción de despilfarros, a lamejora de la productividad, etc." (García, 2012)

•Kaizen
Barraza (2008) lo define como la mejora conti­nua que es para cada hora de cada día, por par­te de todos los empleados de la organización,en cualquier lugar de la empresa. Esta va desdemeJoras insignificantes hasta mejoras en granescala.

•KPIS
El autor Corral (2017) establece que funcionapara elegir cual decisión es mejor en el casocuando surgen distorsiones sobre un objetivo ovalor u procesos y así mismo mejorar la eficien­cia del mismo.

•Kanban
Acevedo Suárez (2001) lo define como una adic­ción para lograr la producción Justo a tiempo-JIT.

•Gemba
"El gemba es un lugar donde el valor se cruzacon la unidad (usuario, persona, cliente, trans­formación, etc.)". (Socconini, 2019).

•Sistema de tracción
Los sistemas tracción son aquellos que se pue­den implementar en la industria manufacturera,pero para tener una visión clara de este temadefinamos que son los sistemas de tracción,Amán Morales, (2017) lo define como un siste­ma donde la demanda del producto final iniciael flujo de materiales a través de todo el sistemade producción. Se destaca el uso de "en tiemporeal" para controlar el trabajo en los procesos ylos inventarios.

• Poka-Yoke
Almazan (2015) establece que el poka-yokeproteger a los usuarios de equipos, procesos oprocedimientos asociados de cualquier tipo deaccidente que generaría costos si continuarancon el procesamiento, lo que resultaría en unaproducción deficiente de las piezas.

• Tak time
Cano (2015) establece que el Takt Time Deter­minar el ritmo al que se cumplen los requisitosdel cliente y a quién debe entregar la empresael producto final.

• Diagrama de tortuga
Murrja y otros (2021) lo definen como una he­rramienta visual que muestra todos los aspectosde un proceso, incluyendo insumos, resultados, criterios de medición y otra información impor­tante que ayuda a mejorar la eficiencia de losprocesos organizacionales.


Algoritmo ABC

El algoritmo ABC (Colonia Artificial de Abejas) lo define como "un algoritmo basado en la conducta de un enjambre de abejas esté se convirtió en un algoritmo que principalmente se utiliza para la optimización numérica o adap­table a casos especiales" (Karaboga, 2005). La historia de este algoritmo es algo compleja, ya que su autor observo y comprendió el compor­tamiento de las abejas melíferas, el antes men­cionado realizo un estudio y llego a concluir que el comportamiento de las abejas melíferas era cíclico.

Dentro del enjambre hay muchas tareas de los cuales son delegadas a grupos dentro de este algoritmo existen 3 grupos de abejas:

• Abeja empleada: es la cual busca y recolectala fuente de alimento.

• Abeja espectadora: Son las que esperan infor­mación y ven si se quedan en la actual fuente dealimento o comienzan a explotar las otras fuen­tes de alimento.

• Abeja exploradora: Son las encargadas debuscar nuevas fuentes de alimento para en casode fallar una fuente se tenga una nueva ubica­ción.

Este algoritmo se considera una estruc­tura compleja, en este algoritmo cada solución puede ocurrir en los problemas que se conside­ran llamadas fuentes de alimentos y se muestran seleccionando N vector, mientras que la calidad de cada solución corresponde a la cantidad de néctares que tiene en la fuente de alimentación designada.

Al igual que otras técnicas basadas en in­teligencia de enjambre, este es un proceso ite­rativo. El algoritmo comienza con un grupo de fuentes de alimentos generado aleatoriamente y recorre los pasos hasta que se cumplen los cri­terios.

En resumen este algoritmo lo que realiza es si es enviar las abejas empleadas a los distin­tos destinos u fuentes de alimento y se visuali­za que tanto néctar está en las anteriormente mencionadas, posterior a eso, existen las abejas espectadoras que estas toman la decisión de la selección de la fuente de alimento óptima, contrastado con las abejas empleadas y por úl­timo se selecciona las abejas exploradoras y se envían de excursión a las abejas anteriormen­te mencionadas a posibles fuentes de alimento nuevas.

Posterior a esto el algoritmo utiliza las si­guientes fórmulas como se muestra a continua­ción:

El primer paso de este algoritmo es la estipula­ción de indicadores, en este caso establecer las fuentes de alimento (SN), que es equivalente a las abejas empleadas, espectadoras y explora­doras. En este se establecerá al igual el número de iteraciones a realizar antes de abandonar la fuente de alimento, son los límites y sus restric­ciones u criterio para finalizar.

Posteriormente, se establece una pobla­ción, en esta se empieza con un SN de vectores estipulados con números reales con magnitud n, estos se producen aleatoriamente las fuentes de alimento como se muestra en la ecuación 1.

En el cual res un número entre O y 1 donde se origina aleatoriamente por lo cual LBj y UBj son los límites inferior y superior de la dimensión j correspondientemente ilustrado en la ecuación 2.

Recapitulando este algoritmo necesita de abejas empleadas donde Xi es encontrar nuevas fuentes de alimento y XNew es la posición actual del panal como se muestra en la ecuación 3.

Donde ke(1.2, ... ,sN)ʌk≠i y j ∈(l.2, .. ,n) son índi­ces designados aleatoriamente. r es un núme­ro real otorgado aleatoriamente en el intervalo [-1, 1 ]. Una vez que se consigue X_new y se va­lora y contrasta con X_i , con esto si el valor de X_new es mayor o igual que X_i y se convierte en uno más de la población, en caso contrario se seguirá manteniendo X_i.

Como se mencionó las abejas espectado­ras evalúan el volumen de néctar de las abejas trabajadoras y eligen una fuente de alimento, en función de su valor de probabilidad calcula­do mediante la siguiente ecuación 4.

En esta f_¡ es la cantidad de néctar que se encuentra en las fuentes de alimentos". Se puede Figura 4 Abejas espectadoras

ver que cuanto mayor sea el valor de f_i mayor será la capacidad de elegir la fuente. Por último, están las abejas exploradoras que cuan­do consideran que la fuente de alimento no puede ser óptima para el "panal" se cambian de abejas empleadas a abeja exploradora, en este las abejas exploradoras "buscan un nuevo alimento con la ecuación 5.

Para poder llevar a cabo este caso ilustra­tivo se requiere un programa llamado Matlab, este no es más que un programa de comandos que permite realizar ciertos cálculos para cálcu­los matemáticos.


Materiales y métodos

Se utilizó como referencia para la compa­ración de este estudio de flujo de operaciones sobre celdas de manufactura con métodos de inventario, en este se utilizaba los algoritmos estacionarios y el de recocido simulado (refe­rencia). Este presente documento se contrasto con el nuevo estudio del algoritmo ABC en este se involucra el programa MATLAB®, en este se ingresó el algoritmo ABC, para la realización de el caso de estudio y su posterior resultado.

A continuación, se presentará un análisis comparativo acerca de dos métodos heurísti­cos, es acerca del algoritmo estacionario contra el código ABC, los datos fueron extraídos y fueron los siguientes:


Algoritmo estacionario

Son aquellos que se basan en la sistema­tización de él orden natural y la genética para encontrar una población inicial para una mejor optimización del espacio. El código utilizado para la comparación fue tomado de (Rossit D. A., 2020) y (Nebro y Durillo, 2013).

Principalmente, con los datos dados en la parte superior, se creó un análisis del experi­mento, donde se basó que cada cliente puede conformar su producto o gestionarlo de la ma­nera que se tengan distintas visiones de cómo llevarlo un ejemplo es el siguiente:

La parametrización se realizó con un aná­lisis estadístico variando tres parámetros princi­pales: tamaño de la población 1 O, con valores 1 Sy 20, probabilidad de O.OS y probabilidad de mutación pagsmetro. Los valores considerados número máximo de evaluaciones utilizadas para la parametrización fueron de 30 iteraciones.

Posterior a esto se establecieron los pa­rámetros como se muestra a continuación:

La primera librería se usa para la base del algoritmo, así como se especifica en la base del algoritmo genético import jmetal base.

La segunda librería es la importación del algoritmo en sí, ya que esta viene el problema en específico a resolver como se muestra en la importación del problema import problems Kursawe.

Ya instaladas las librerías, se utilizará los siguientes parámetros que son cruciales para el desarrollo de este, aquí el usuario agregara los VarMin=20; VarMax=120; Maxlt=30; nPop=l0; VarMin=30; VarMax=120; Maxlt=30; nPop=l0; VarMin=30; VarMax=150; Maxlt=30; nPop=l0; datos pertinentes como se muestra en la pará­metros: public class Nsgall_Main, public static void main (String [] args), Problem problema; The problem to solve, Algorithm algorithm; The algorithm to use, Operator crossover; Crosso­ver operator, Operator mutation; Mutation ope­rator, Operator selection; Selection operator, Posteriormente hablando del código empeza­mos a definir la variable, en este caso se adecua al problema como se muestra en la definición de variables problema = new kursawe (3, ·Real').

Por último, se agregará la última variable que esta no es más que para mandar a llamar a él algoritmo en si para realizar su función como se muestra en la llamado del algoritmo algorith=new nsgall (problema).

PARÁMETROS DE POBLACIÓN E ITERACIONES

Algorithm.setlnputParameter("populationSize" , 1 00)\ \
Algorithm.setlnputParameter("maxEvaluations" ,25000)

Después del llamado de los parámetros en el algoritmo, se definirá las siguientes fun­ciones para definir la probabilidad y distribu­ción del algoritmo.

PARÁMETROS DE PROBABILIDAD Y DISTRIBUCION

Crossover= CrossoverFacto1y.getCrossoverOperator(''SBXCrossover")\ \
crossover.setParameter("probability" , 0.9)\\
crossover.setParameter("distributionindex", 20.0)\\

Una vez ya definido las funciones se ha­cen un arreglo para delimitar el orden y repeti­ciones del algoritmo.

Una vez ya definido las funciones se ha­cen un arreglo para delimitar el orden y repeti­ciones del algoritmo.

Esta explicación son las partes que com­ponen el algoritmo estacionario, los datos obtenidos arriba se llenarían los espacios co­rrespondientes sujetos a estas condiciones y parámetros que se muestran en la explicación antes mencionada. Esto nos permite tener un control de ello e interpretar los resultados más rápido con los gráficos ya que están vaciado los datos que se necesitan alrededor del caso a ex­perimentar.

Experimentación Algoritmo ABC

Como se implementaba en ciertos temas anteriormente mencionados el algoritmo ABC no es más que un ayudante a problemas de op­timización, en este problema en cuestión utili­zando los datos existentes.

El presente algoritmo se trabajó en la plataforma de Matlab, para una compresIon más fácil y se presentó de la siguiente manera como la Figura1.

Explicación del código ABC

Primeramente, en este se definieron los datos del problema, que en este se definieron el tamaño de matriz, variables, limites, función costo y variables de decisión, etc como se mues­tra en la tabla supliendo los valores (Tabla XI).

DEFINICIÓN DEL PROBLEMA

%% Definición del problema

ConstFunction=@(x) Sphere(x)
%función de costo

n Var= 1; % Variables de decisión VarSizel=[l nVar];
%Variables de decisión
Tamaño matriz

VarMin=l5; % Variables de decisión Límite inferior

VarMax= 20; %Variables de decisión Límite superior

Posterior al paso anterior, en este se lle­nan los datos correspondientes del algoritmo ABC, en este se definen las iteraciones, la población, abejas espectadoras, límite de la prue­ba y el coeficiente de aceleración se adjunta en la tabla XII.

DEFINICIÓN DEL ALGORITMO ABC

Por consecuente se tienen que realizar una inicialización donde da la "la fuente de ali­mento", se inicia la matriz de población y se ini­cia el algoritmo de la mejor solución, se crea la población inicial, contador de cuando se deja esa fuente de alimento y por último la matriz para mantener los mejores valores adosados en la.

INICIALIZACIÓN DEL ALGORITMO ABC

%%Initialization
%Estructura de abeja vacía
empty _ bee.Position=[];
empty _bee.Cost=[];
%Inicializar matriz de población
pop=repmat ( empty _ bee, nPop, 1 );
%Inicializar la mejor solución jamás encontrada
Betsol.Cost=inf;
%Crear población inicial
For i= 1 :nPop;
Pop(i).Position=unifrd(VarMin, VarMax, VarSize);
Pop(i).Cost=CostFunction(Pop(i).position);
If Pop(i).Cost<=BestSolt.Cost;
BestSolt=Pop(i)
end
end
%Contador de abandono
C=zeros(nPop,[ 1 );
%Mátriz para mantener los mejores valores de costo
BestCost=zeros(Maxit, 1 );

Posterior a la inicialización se encuen­tra el bucle del algoritmo donde encontramos lo de las abejas espectadoras, reclutadas y las abejas exploradoras. En esta etapa del algorit­mo se realizará el proceso de selección de fuen­te de alimento, donde las abejas exploradoras empiezan a buscar nuevas fuentes de alimento, la abeja espectadora son las que trasmiten la información y se toma la decisión si se queda en esa fuente de alimento o se busca otra y la abe­ja empleadas son las que recolectan los datos y busca la fuente de alimento más favorable para la decisión.

BUCLE ALGORITMO ABC

% Abejas exploradoras
for i=l :nPop;
if C(i)>=L
Pop(i)_Position=unifrd(VarMin, VarMax, VarSize);
Pop(i).Cost=CostFunction(Pop(i).position);
C(i)=O
end
end
% Abejas exploradoras
For m= 1 :nünlooker
% Abejas empleadas

Por último, se manejan la impresión de re­sultados y sus posteriore gráficas.

RESULTADO E IMPRESIÓN DE GRÁFICA ALGORITMO ABC

%%Resultados
%plot(BestCost, 'Line Width, '2);
bar(BestCost, 'Line Width, '2);
xlabel('Iteration ');
ylabel('Best Cost');
grind on


Resultados

Posterior a toda esta comparación se obtuvie­ron los resultados de la comparación del algo­ritmo estacionario contra el algoritmo ABC, en estos fueron los siguientes resultados.

Resultados algoritmo estacionario

Con los objetivos planteados en el capítulo de metodología, en el presente artículo utilizado se observó que un flujo de operaciones no pue­de ser siempre perfectos o no tener faltantes ya que esto se es imposible, por esto el método planteado de algoritmo estacionario se planteó que tuviera faltantes para tener un caso actuali­zado a la industria 4.0.

Se observa entre más sea grande la pro­babilidad de que exista una probabilidad del 10% se tendrá que el flujo de operaciones ten­drá mayor demoras y mucho mayor índice de riesgo, mientras tanto el 5% de probabilidad con operaciones faltantes se aprecia que tiene un menor índice de retrasos y es favorable para operaciones grandes como en el caso que se observa en el algoritmo propuesto de (Rossit et al., 2020) y (Nebro y Durillo, 2013), así mismo se concluye que este algoritmo es más estable en sus dos presentaciones.


Resultados algoritmo ABC

Se obtuvieron los resultados de este al­goritmo con operaciones faltantes, en esta se obtuvo que el algoritmo tiene una deficiencia y no alcanzaba los estándares propuestos y a su vez una inestabilidad como se observa en la Fi­gura 3. Por lo cual no se cumple el objetivo del presente análisis. En este se vio 6 experimentos que fueron los siguientes:

1, -(15,40), 2. -(20,40) ,3. -(20,80) ,4. -(20, 120) ,5. -(30, 120) ,6. -(30, 150)


Conclusiones

En base a la investigación realizada se concluye que el algoritmo ABC se pudo evaluar las diferentes alternativas propuestas en este caso de estudio, se determinó que se debía de elegir la opción más factible. Para este proble­ma se concluyó que el algoritmo estacionario será la mejor opción para ello, ya que mostraba una estabilidad en pedidos grandes (30,150), contrastándolo contra el algoritmo ABC. En el algoritmo ABC existe una eficiencia mayor, pero no hay estabilidad de este, por lo cual se reco­mienda la utilización del algoritmo estacionario.

Al haber realizado este artículo compara­tivo, enfocado con el método ABC, se demos­tró que es un método sencillo pero laborioso, ya que este se tiene que pasar por demasiados filtros para llegar al resultado solicitado. Reflexiones Contables UFPS, 5 (1), pp. 35-47,2022, Enero-Junio, ISSN: 2665-5543 (En línea).


Referencias

  1. Acevedo Suárez, J. A. (2001 ). Gestión de la ca­dena de suministro. Centro de estudio Tecnología de Avanzada (CETA) y labo­ratorio de Logística y Gestión de la pro­ducción (LOGESPRO). https://scholar. goog le.com .cu/ citations?user= U n4H j­YEAAAAJ&hl=es
  2. Almazan, B., Osuna, S., Valdez, K., & Cotilla, 1(2015). Poka Yoke. Técnica de calidad para la mejora continúa [en línea]. Gestio­polis: http://www. gestiopolis. com/po­ka-yoke-tecnica-de-calidad-para-la-me­jora-continua.
  3. Amán Morales, R. J. (2017). Estrategia de manufactura para el control de la pro­ducción en el área de lavado y teñido de la Fábrica Ram Jeans. Estrategia de manufactura para el control de la pro­ducción en el área de lavado y teñi­do de la Fábrica Ram Jeans. [Tesis de Pregrado, Universidad técnica de Am­bato ]. https:/ /repositorio.uta.edu.ec/ bitstream/123456789/25706/1 /Tesis t1253id.pdf
  4. Antonio, E. R. (2018). Industria 5.0. Logicbus SA de CV, 1-3. https://www.logicbus.com. mx/pdf/articulos/lndustria-5.0.pdf
  5. Bajic, B. R. (2020). lndustry 4.0 implementation challenges and opportunities: A mana­gerial perspective. IEEE Systems Journal, 546-559. https://www.semanticscholar.org/paper/1ndustry-4.0-1mplementa­tion-Challenges-and-A-Baji%C4%87-Ri­kalovic/ef310b0e7f5d2fd7ccbeb62c-73063864b0afa4ea
  6. Corral, R. (2017). KPls útiles. Diseña indicadores operativos que realmente sirvan para mejorar. 1-209.
  7. Fraga-Lamas, P. Varela-Barbeito, J., & Fernan­dez-Carames, T. M., (2021 ). Next Gener­ation Auto-ldentification and Traceability Technologies for lndustry 5.0: A Method­ology and Practica! Use Case for the Ship­building lndustry. IEEE Access. https://ieeexplore.ieee.org/stamp/stamp.jsp?ar­number=9568924
  8. Gil-García, M. Á. (2012). Definición de una metodología para una aplicación prácti­ca del SMED. Técnica industrial, 46-54. https://www.tecnicaindustrial.es/defini­cion-de-una-metodologia-para-una-apli­ca/
  9. Griffiths, F. & Ooi Melanie (2018). The fourth in­dustrial revolution-lndustry 4.0 and lo T [Trends in Future l&M. IEEE instrumen­tation & measurement magazine, 29-43. https://www.researchgate.net/publica­tion/345504807_The_fourth_industri­al_revolution_-_lndustry_40_and_loT_Trends_in_Future_lM
  10. Guo, D., Li, M., Lyu, Kang,K (2021 ). Synchrop­eration in industry 4.0 manufactur­ing. lnternational journal of produc­tion economics, 238. https://www.sci­encedirect.com/science/article/abs/pii/S092552732100147X
  11. Hernandez, J. Z. (2019). Balanceo de lineas. https://pdfcoffee.com/balanceo-de-lin­eas-14-pdf-free.html#J.+Zamudio+Her­nandez
  12. Karaboga, D. (2005). An idea based on honey bee swarm for numerical optimization. https://www.semanticscholar.org/paperiAN-IDEA-BASED-ON-HONEY-BEE­SWARM-FOR-NUMERICAL-Karaboga/cf20e34a1402a115523910d2a4243929f6704db1
  13. Martínez Zapata, M. Ángel, & Colorado Cano, J. G. (2015). Takt Time, el corazón de la producción. Vía Innova, 2(1 ), 60-62. https://doi.org/10.23850/2422068X.390
  14. Montenegro, G. A. (2007). Sistema de iden­tificación por radiofrecuencia (RFID). Nuevas Tecnologías (2) https://docplay­er.es/17670510-Sistema-de-identifica­cion-por-radiofrecuencia-rfid.html
  15. Murrja, A., Maloku, S., & Meco, M. (2021 ). " Turtle Diagram" as a Tool of Forecast­ing in the Management of Production Risk in Agriculture-Literature Review. https://www.researchgate.net/publica­tion/353211186_Turtle_Diagram_as_a_Tool_of_Forecasting_in_the_Manage­ment_of_Production_Risk_in_Agricu1-ture_-Literature_Review
  16. Nebro, A. J., & Durillo, J. J. (2013). Jmetal 4.3 User Manual. http://jmetal.sourceforge.net/resources/jMetalUserManual43.pdf
  17. Raut, R. D. Gotmare, B.E. Narkhede, U.H. Gov­indarajan & Bokade, S.U (2020). Enabling technologies for lndustry 4.0 manufactur­ing and supply chain: concepts, current status, and adoption challenges. IEEE Engineering Management Review, 48 (2), 83-102. https://ieeexplore.ieee.org/doc­ument/9069488
  18. Rengifo García, E. (2013). Computación En La Nube. La Propiedad lnmaterial.17, 223-245 https://revistas.uexternado.edu.co/index.php/propin/article/view/3587
  19. Rossit, D. A.,Toncovich, A.A,Rossit, D.G & Nes­machnow,S (2020). Solving a flow shop scheduling problem with missing opera­tions in an lndustry 4.0 production envi­ronment.
  20. Rossit, D. A.,Toncovich, A.,A., R. D., & Nes­machnow, S. (2020). Solving a flow shop scheduling problem with missing oper­ations in an lndustry 4.0 production environment.Journal of Project Manage­ment, 33-44. https://ri.conicet.gov.ar/handle/11336/127869
  21. Socconini, L. (2019). Lean manufacturing. Pasó a paso. Marge books. https://todo­proyecto.files.wordpress.com/2020/08/lean-manufacturing-paso-a-paso-socco­nini-1ed.pdf-c2b7-version-1.pdf
  22. Suarez-Barraza, M. F., & Miguel-Dávila, J.A., (2008). Encontrando al Kaizen: Un análisis teórico de la Mejora Continua. Pecvnia: Revista de la Facultad de Cien­cias Económicas y Empresariales, Univer­sidad de León, (7), 285-311. https://doi.org/10.18002/pec.v0i7.696
  23. Weber, R. H. (2010). Internet of Things-New security and privacy challenges. Com­puter law & security review, 26 (1) 23-30. https://www.sciencedirect.com/science/article/abs/pii/S0267364909001939
  24. Yarpiz. (20122). Artificial Bee Colony (ABC) in MATLAB. MATLAB Central File Ex­change: https://www.mathworks.com/matlabcentral/fileexchange/52966-artifi­cial-bee-colony-abc-in-matlab