Diseño e implementación de algoritmos de Inteligencia Artificial basados en Q-learning para la programación de la producción en una empresa del sector cerámico

Abstract

[ES] En el Sistema de planificación y Control de Operaciones (SPCO) la programación de la producción se ubica en el ámbito de las decisiones a corto plazo e implica un nivel de complejidad muy elevado. La mayoría de los problemas de programación de la producción se pueden considerar problemas combinatorios NP-Hard, por lo que las soluciones óptimas no suelen ser una opción razonable en un entorno realista. El estudiante deberá realizar un análisis de las alternativas existentes en el ámbito de los algoritmos metaheurísticos, y también deberá revisar las propuestas que ámbito de la inteligencia artificial ha planteados en los últimos años para los problemas de programación de la producción.

A partir de las conclusiones obtenidas planteará un conjunto de algoritmos candidatos a ofrecer buenas soluciones y los adaptará al contexto de una empresa fabricante de baldosas cerámicas. Los algoritmos serán programados mediante Phyton empleando la librería Anaconda. Los algoritmos se parametrizarán mediante un Diseño de Experimentos y después se compararán con otros algoritmos ganadores de la bibliografía analizada empleando un juego de datos estándar.

En el último bloque del trabajo el estudiante planteará un caso realista basado en datos de una empresa cerámica y se resolverán diversos escenarios de programación de la producción esperando que se pueda confirmar que se ha producido una mejora con respecto a los métodos empleados previamente.

[EN] In the Operations Planning and Control System (SPCO), production scheduling falls within the scope of short-term decisions and involves a very high level of complexity. Most production scheduling problems can be considered NP-Hard combination problems, so optimal solutions are not usually a reasonable option in a realistic environment. The student must carry out an analysis of the existing alternatives in the field of metaheuristic algorithms, and must also review the proposals that the field of artificial intelligence has made in recent years for the problems of production programming.

Based on the conclusions obtained, he will propose a set of candidate algorithms to offer good solutions and adapt them to the context of a ceramic tile manufacturing company. The algorithms will be programmed by Phyton using the Anaconda library. The algorithms will be parameterized through a Design of Experiments and then compared with other winning algorithms from the analyzed literature using a standard data set.

In the last block of the work the student will raise a realistic case based on data from a ceramic company and will solve various scenarios of production scheduling in the hope that it can be confirmed that there has been an improvement over the methods previously used.

[CA] En el Sistema de planificació i Control d'Operacions (SPCO) la programació de la producció se situa en l'àmbit de les decisions a curt termini i implica un nivell de complexitat molt elevat. La majoria dels problemes de programació de la producció es poden considerar problemes combinatoris NP-Hard, de manera que les solucions òptimes no solen ser una opció raonable en un entorn realista. En el treball es revisaran les propostes que l'àmbit de la intel·ligència artificial ha plantejat en els últims anys per als problemes de programació de la producció. A partir de les conclusions obtingudes es plantejarà un conjunt d'algoritmes candidats a oferir bones solucions i s'adaptaran a el context d'una empresa fabricant de rajoles ceràmiques. Els algoritmes seran programats mitjançant Python fent servir l'entorn de programació Anaconda. Els algoritmes es parametrizarán mitjançant un Disseny d'Experiments i després es compararan entre ells emprant un joc de dades estàndard. En l'últim bloc de la feina es plantejarà un cas realista basat en dades d'una empresa ceràmica i es resoldran diversos escenaris de programació de la producció per observar el funcionament de l'algoritme guanyador escollit en aquest entorn esperant que es pugui confirmar que s'ha produït una millora pel que fa als mètodes emprats prèviament.