Publicación:

Diseño de un algoritmo genético para resolver el MRCPSP con duración de actividades aleatorias y un análisis de riesgos

Resumen

Descripción: La programación de proyectos (Project Scheduling), es una disciplina de gran importancia en la industria y en la academia, ya que permite organizar de manera factible un conjunto de actividades asociadas a la ejecución de un proyecto. Por otra parte, se han desarrollado metodologías que permiten tomar decisiones de acuerdo con la complejidad del proyecto a desarrollar. Tradicionalmente la planeación de proyectos se encontraba asociada al campo financiero y de la construcción, sin embargo, hoy en día, esta actividad se encuentra presente en diversos campos como: procesos de producción, mantenimiento, desarrollo de productos entre otros. En el área de gerencia de proyectos es indispensable proponer una línea base factible, después de haber analizado en detalle, la disponibilidad de recursos para la ejecución del proyecto, entre los que se destacan, los recursos económicos, humanos, físicos y, además, los posibles retrasos que pueden presentarse en la fecha de finalización del proyecto debido a la materialización de riesgos internos o externos que incremente la duración de las actividades que se desarrollan durante el mismo. Con lo anterior en mente, en la presente investigación se analizó y resolvió de forma estocástica el Problema de Programación de Proyectos con Recursos Restringido en versión Multimodo, MRCPSP (Multimode Resource-Constrained Project Scheduling Problem). Para ello, se propuso un nuevo enfoque de solución basado en el diseñó un algoritmo genético metaheurístico soportado en un Esquema de Generación de Secuencias en serie (SGS), con el fin de obtener soluciones robustas para el MRCPSP con un enfoque no determinístico y un análisis de riesgos. Finalmente, el algoritmo propuesto diseñado en Python se comparó con una técnica de programación lineal entera, codificada en GAMS (CPLEX), adaptando 101 casos de prueba j30, pertenecientes a la librería PSPLIB, los resultados obtenidos presentan un rendimiento bastante similar para los dos métodos estudiados, de acuerdo con los criterios evaluados después de realizar 5000 simulaciones de escenarios.