| Revista: | Programación matemática y software |
| Base de datos: | |
| Número de sistema: | 000572987 |
| ISSN: | 2007-3283 |
| Autores: | El-Hamzaoui, Youness1 Hernández, J. Alfredo1 Ali, Bassam2 |
| Instituciones: | 1Universidad Autónoma del Estado de Morelos, Centro de Investigación en Ingeniería y Ciencias Aplicadas, Cuernavaca, Morelos. México 2Universidad Nacional Autónoma de México, Centro de Investigación en Energía, Temixco, Morelos. México |
| Año: | 2010 |
| Volumen: | 2 |
| Número: | 1 |
| Paginación: | 1-16 |
| País: | México |
| Idioma: | Inglés |
| Tipo de documento: | Artículo |
| Resumen en inglés | This paper deals with the problem of the improvement design of multiproduct batch chemical plants found in chemical engineering with imprecise demand. The objective of the batch plant design problem is to minimize the investment cost and find out the number and size of parallel equipment units in each stage. For this purpose, it is proposed to solve the problem in two differents ways: The first way is by using Monte Carlo Method (MC), the second way is by Genetic Algorithm (GA), that takes into account simultaneously, the imprecise demand using Fuzzy Logics with two criteria maximization of the Net Present Value (NPV) and Flexibility Index (FI). The results (number and size of equipment, investment cost, NPV, FI, Hi, CPU time) ob- tained by the GA are better than the MC. This methodology can help the decision makers and constitutes very a promising framework for finding a set of "good solutions". |
| Resumen en español | Este artículo trata el problema de la búsqueda del diseño óptimo de procesos para un sistema de producción en lotes representando a la demanda como un parámetro incierto. El objetivo del problema de diseño de procesos con sistemas de producción en lotes se basan en minimizar el costo de inversión para la construcción del proceso de la planta (estructura del equipo) considerando el número y tamaño del equipo. Dentro de este marco, se propone para resolver el problema del diseño, dos diferentes enfoques: el primero es mediante el método Monte Carlo y el segundo por el algoritmo genético. Tomamos en cuenta el carácter impreciso de la demanda modelado por la lógica difusa, se toma en consideración dos criterios á maximi- zar: el valor presente neto de la inversión y el índice de flexibilidad del proceso. Los resultados obtenidos por el algoritmo genético son mucho mejor que los del Monte Carlo. Esta metodolo- gía puede ayudar en las decisiones de mercado y constituye un marco muy prometedor para encontrar un conjunto de "buenas soluciones". |
| Disciplinas: | Ciencias de la computación |
| Palabras clave: | Inteligencia artificial |
| Keyword: | Artificial intelligence |
| Texto completo: | Texto completo (Ver PDF) |
