Development of a Python-Based Automation System for Assembly Line Balancing

Abstract

[ES] Esta tesis presenta el desarrollo de un sistema de automatización basado en Python dirigido a abordar el problema del Equilibrio en Líneas de Montaje, un reto crítico en la gestión de la producción que implica la asignación óptima de tareas a estaciones de trabajo para minimizar los tiempos muertos y maximizar la eficiencia. El objetivo principal es desarrollar un entorno automatizado que aproveche los enfoques heurísticos para proporcionar soluciones prácticas para optimizar la asignación de tareas en las líneas de montaje. El núcleo del trabajo consiste en el desarrollo de un entorno basado en Python que automatiza el proceso de asignación de tareas. Este entorno permite a los responsables de producción introducir parámetros esenciales como los tiempos de las tareas, las dependencias y los límites de los puestos de trabajo. El algoritmo gestiona dinámicamente las dependencias de las tareas y las asigna iterativamente a las estaciones de trabajo, garantizando que el tiempo total asignado no supere los tiempos de ciclo predefinidos. En esta tesis, se intenta proporcionar un marco robusto para optimizar el equilibrado de líneas de montaje mediante un entorno automatizado basado en Python, contribuyendo significativamente al campo de la gestión de la producción mediante la mejora de la eficiencia y la flexibilidad en los procesos de asignación de tareas.

[EN] This thesis presents the development of a Python-based automation system aimed at addressing the Assembly Line Balancing problem, a critical challenge in production management that involves the optimal allocation of tasks to workstations to minimize idle time and maximize efficiency. The primary objective is to develop an automated environment that leverages heuristic approaches to provide practical solutions for optimizing task allocation in assembly lines. The core of the work involves the development of a Python-based environment that automates the task allocation process. This environment allows production managers to input essential parameters such as task times, dependencies, and workstation limits. The algorithm dynamically manages task dependencies and iteratively assigns tasks to workstations, ensuring that the total time assigned does not exceed predefined cycle times. In this thesis, an attempt is made to provide a sturdy framework for optimizing assembly line balancing through an automated, Python-based environment, contributing significantly to the field of production management by enhancing efficiency and flexibility in task allocation processes.