Desafíos de agendamento de tarefas

La programación matemática es una poderosa herramienta para la gestión de la cadena de suministro y la planificación de la producción. También se puede utilizar para la programación de talleres de trabajo, junto con otros dominios de aplicaciones populares, como el diseño de redes y los precios. La aplicación de la programación matemática a la programación del taller de trabajo puede tener un gran impacto positivo en una empresa, pero debe tener en cuenta los desafíos de programación del taller de trabajo que pueden surgir en el camino.

En SCDA, por ejemplo, hemos demostrado ejemplos que aplican la optimización matemática al diseño de redes de distribución , el flujo de distribución óptimo y la programación de trabajadores. Por ejemplo, lea los siguientes artículos publicados por nosotros en el pasado:

Enlace : Analítica prescriptiva para el diseño de redes
Enlace : Programación con Google OR Tools
Enlace : Optimización de precios e inventario
Enlace : Programación de restricciones con Google ortools

La programación del taller de trabajo es otro campo que puede beneficiarse de la optimización matemática y la programación de restricciones. Los ahorros y mejoras potenciales desde el punto de vista comercial son enormes. Pero existen grandes obstáculos para la aplicación comercial exitosa de la programación matemática para la programación de talleres. Aquí hay cinco desafíos importantes con los que he tenido que lidiar en el pasado.

Complejidad de la definición y el cálculo del modelo

Los problemas de programación de trabajos de producción pueden ser extremadamente complejos, con un gran número de variables y restricciones. Esto puede dificultar la formulación de un problema de optimización que se pueda resolver de manera eficiente.

Restricciones y condiciones dinámicas

Los problemas de programación de trabajos de producción a menudo son dinámicos, con nuevos trabajos y restricciones cambiantes que se introducen con el tiempo. Esto hace que sea un desafío desarrollar un modelo matemático que pueda adaptarse a las condiciones cambiantes.

Calidad imperfecta de los datos disponibles

Para aplicar la optimización matemática a la programación de trabajos de producción, se requiere una cantidad significativa de datos, incluida información sobre los requisitos del trabajo, las capacidades de la máquina y las restricciones de programación. Obtener y mantener estos datos puede ser difícil y llevar mucho tiempo.

Enorme variedad de limitaciones de capacidad

La programación de trabajos de producción a menudo implica una gran cantidad de recursos limitados, como máquinas, personal y materiales. Estas limitaciones de recursos pueden dificultar el desarrollo de un modelo de optimización que pueda producir cronogramas realistas.

Costo de implementación

La implementación de una solución de optimización matemática para la programación de trabajos de producción puede ser costosa y requiere una gran experiencia técnica. Es posible que muchas empresas no tengan los recursos o la experiencia para desarrollar e implementar una solución de este tipo.

Desafíos y simulación de programación de talleres de trabajo

La simulación puede ser una herramienta útil para superar algunos de los desafíos asociados con la optimización matemática en la programación de trabajos de producción. Hay 6 métodos de simulación importantes que los gerentes de la cadena de suministro y los planificadores de producción deben conocer. Los ilustré en la siguiente figura:

Los métodos de simulación se pueden combinar (enfoque híbrido/enfoque multimétodo) y cada uno tiene sus puntos fuertes y débiles. Lea más sobre los 6 métodos de simulación importantes aquí:

Enlace : Métodos de simulación para analistas de SCM

Al simular diferentes escenarios, es posible obtener información sobre el impacto de diferentes decisiones de programación e identificar problemas potenciales antes de implementar cambios en el entorno de producción real. La simulación puede ser particularmente útil para abordar la naturaleza dinámica, la disponibilidad de datos y las limitaciones de recursos.

Además, la simulación se puede utilizar para probar y refinar los modelos de optimización matemática. Mediante el uso de la simulación para probar y refinar el modelo de optimización, es posible garantizar que sea preciso y efectivo en condiciones del mundo real.

Sin embargo, la simulación también tiene su propio conjunto de desafíos. Por ejemplo, requiere una gran experiencia técnica y recursos computacionales para crear un modelo de simulación preciso . Además, es posible que la simulación no pueda capturar todas las complejidades y matices de los entornos de producción del mundo real. Por lo tanto, la simulación debe usarse junto con otras herramientas, como la optimización matemática, para lograr los mejores resultados en la programación de trabajos de producción.