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

Simple item page
dc.contributor.advisorOrtiz Pimiento, Néstor Raúl
dc.contributor.advisorCamacho Pinto, Julio César
dc.contributor.authorCastro Hernández, César Dubbier
dc.contributor.evaluatorLamos Díaz, Henry
dc.contributor.evaluatorMorillo Torres, Daniel
dc.date.accessioned2023-09-11T15:36:53Z
dc.date.available2023-09-11T15:36:53Z
dc.date.created2023-08-05
dc.date.embargoEnd2028-08-05
dc.date.issued2023-08-05
dc.description.abstractDescripción: 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.
dc.description.abstractenglishDescription: Project Scheduling is a discipline of great importance in industry and academia since it allows to feasibly organize a set of activities associated with the execution of a project. On the other hand, methodologies have been developed that allow decisions to be made according to the complexity of the project to be developed. Traditionally, project planning was associated with the financial and construction field, however, today, this activity is present in various fields such as production processes, maintenance, and product development, among others. In the area of project management, it is essential to propose a feasible baseline, after having analyzed in detail the availability of resources for the execution of the project, among which the economic, human, and physical resources stand out, as well as the possible delays that may occur on the project completion date due to the materialization of internal or external risks that increase the duration of the activities carried out during the project. With the above in mind, in the present investigation the Multimode Resource-Constrained Project Scheduling Problem, MRCPSP was analyzed and solved as a stochastic problem. To do this, a new solution approach was proposed based on the design of a metaheuristic genetic algorithm supported by a Serial Schedule Generation Schemes (SGS) scheme to obtain robust solutions for the MRCPSP with a non-deterministic approach and analysis. of risks. Finally, the proposed algorithm designed in Python was compared with a procedure based on integer linear programming, coded in GAMS (CPLEX), adapting 101 from j30 test instances, belonging to the PSPLIB library, the results obtained present quite similar performance for the two methods studied, according to the criteria evaluated after performing 5000 scenario simulations.
dc.description.cvlachttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001923595
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ingeniería Industrial
dc.description.googlescholarhttps://scholar.google.com/citations?user=JOXC1bsAAAAJ&hl=es
dc.description.orcidhttps://orcid.org/0009-0006-7458-1364
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/15009
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programMaestría en Ingeniería Industrial
dc.publisher.schoolEscuela de Estudios Industriales y Empresariales
dc.rightsinfo:eu-repo/semantics/embargoedAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectMRCPSP
dc.subjectAlgoritmo genético
dc.subjectProgramación de proyectos
dc.subjectRiesgos
dc.subject.keywordMRCPSP
dc.subject.keywordGenetic Algorithm
dc.subject.keywordProject Programming
dc.subject.keywordRisks
dc.subject.keywordSGS
dc.titleDiseño de un algoritmo genético para resolver el MRCPSP con duración de actividades aleatorias y un análisis de riesgos
dc.title.englishDesign of a Genetic Algorithm to Solve the MRCPSP with Random Duration Activities and a Risk Analysis
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
Files
Original bundle
Now showing 1 - 4 of 4
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
147.35 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de confidencialidad.pdf
Size:
168.08 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
312.46 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
977.84 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Maestría en Ingeniería Industrial