Equa ion Chap e 1 Sec ion 1
T abajo Fin de Más e
Más e en O ganización Indus ial y Ges ión de
Emp esas
Es udio y análisis de la p og amación de la
p oducción con c i e ios de sos enibilidad.
Desa ollo de una p opues a de in es igación
Au o : Miguel Pascual de la Pisa
Tu o : Ignacio Eguía Salinas
Dep. O ganización Indus ial y Ges ión de
Emp esas I
Escuela Técnica Supe io de Ingenie ía
Uni e sidad de Se illa
Se illa, 2015
T abajo Fin de Más e
Más e en O ganización Indus ial y Ges ión de Emp esas
Es udio y análisis de la p og amación de la
p oducción con c i e ios de sos enibilidad.
Desa ollo de una p opues a de in es igación
Au o :
Miguel Pascual de la Pisa
Tu o :
Ignacio Eguía Salinas
P o eso Ti ula
Dep. de O ganización Indus ial y Ges ión de Emp esas I
Escuela Técnica Supe io de Ingenie ía
Uni e sidad de Se illa
Se illa, 2015
«Sus ainable de elopmen is he pa hway o he
u u e we wan o all. I o e s a amewo k o
gene a e economic g ow h, achie e social jus ice,
exe cise en i onmen al s ewa dship and
s eng hen go e nance».
Ban Ki-moon
(Sec e a io Gene al de las Naciones Unidas)
T abajo Fin de Más e : Es udio y análisis de la p og amación de la p oducción con c i e ios de
sos enibilidad. Desa ollo de una p opues a de in es igación
Au o :
Miguel Pascual de la Pisa
Tu o :
Ignacio Eguía Salinas
El ibunal nomb ado pa a juzga el T abajo a iba indicado, compues o po los siguien es
miemb os:
P esiden e:
Vocales:
Sec e a io:
Acue dan o o ga le la cali icación de:
Se illa, 2015
El Sec e a io del T ibunal

ÍNDICES Y ACRÓNIMOS
- i -
TABLA DE CONTENIDOS
CAPÍTULO 1 INTRODUCCIÓN Y OBJETO DEL TRABAJO .................................................................... 1
1.1. INTRODUCCIÓN. ............................................................................................................................... 2
1.2. OBJETO DEL TRABAJO. ....................................................................................................................... 4
1.3. ESTRUCTURA DE LA MEMORIA. ............................................................................................................ 5
CAPÍTULO 2 LA FABRICACIÓN SOSTENIBLE .................................................................................... 6
2.1. INTRODUCCIÓN. ............................................................................................................................... 7
2.2. FABRICACIÓN SOSTENIBLE................................................................................................................... 7
2.3. TENDENCIAS Y NECESIDADES. ............................................................................................................ 10
2.4. APLICACIONES DE LA FABRICACIÓN SOSTENIBLE. .................................................................................... 12
2.5. PROGRAMACIÓN DE OPERACIONES SOSTENIBLES. .................................................................................. 12
2.6. INDICADORES PARA LA FABRICACIÓN SOSTENIBLE. ................................................................................. 14
CAPÍTULO 3 REVISIÓN DEL ESTADO DEL ARTE ............................................................................... 24
3.1. INTRODUCCIÓN. ............................................................................................................................. 25
3.2. SINGLE MACHINE. .......................................................................................................................... 25
3.3. PARALLEL MACHINE. ....................................................................................................................... 31
3.4. FLOW SHOP................................................................................................................................... 34
3.5. JOB SHOP...................................................................................................................................... 41
3.6. SISTEMAS FLEXIBLES. ....................................................................................................................... 47
3.7. SISTEMAS CELULARES. ..................................................................................................................... 54
3.8. SISTEMAS RECONFIGURABLES. ........................................................................................................... 58
CAPÍTULO 4 ANÁLISIS DEL ESTADO DEL ARTE Y PROPUESTA DE INVESTIGACIÓN ........................... 60
4.1. INTRODUCCIÓN. ............................................................................................................................. 61
4.2. ANÁLISIS DEL ESTADO DEL ARTE. ........................................................................................................ 63
4.3. PROPUESTA DE INVESTIGACIÓN. ........................................................................................................ 67
4.3.1 Obje i os especí icos. ..................................................................................................... 68
4.3.2 Me odología. .................................................................................................................. 69
4.3.3 Plan de abajo. .............................................................................................................. 71
4.3.4 Impac o espe ado de los esul ados de la p opues a. .................................................... 72
4.4. PROPUESTA DE CASO DE ESTUDIO....................................................................................................... 72
CAPÍTULO 5 CONCLUSIONES ........................................................................................................ 74
5.1. PUBLICACIONES. ............................................................................................................................. 76
CAPÍTULO 6 REFERENCIAS ............................................................................................................ 77
- ii -
ÍNDICE DE FIGURAS
FIGURA 1: MARCO TEÓRICO DE LA SOSTENIBILIDAD ................................................................................... 2
FIGURA 2: INTEGRACIÓN DE LOS PARADIGMAS DE FABRICACIÓN. ............................................................. 3
FIGURA 3: SISTEMA DE FABRICACIÓN SOSTENIBLE ...................................................................................... 4
FIGURA 4: INDICADORES BÁSICOS PARA EL DESARROLLO SOSTENIBLE. ...................................................... 7
FIGURA 5: COMBINACIÓN DE LOS TRES PILARES DE LA SOSTENIBILIDAD.................................................. 10
FIGURA 6: INTEGRACIÓN DE LA TRIPLE BOTTOM LINE EN EL ÁMBITO DE LA FABRICACIÓN. .................... 10
FIGURA 7: EVOLUCIÓN DE LOS PARADIGMAS DE FABRICACIÓN ............................................................... 10
FIGURA 8: PROCESO DE CREACIÓN DE INDICADORES E ÍNDICES ............................................................... 18
FIGURA 9: REPOSITORIO DE INDICADORES DEL NIST ................................................................................. 20
FIGURA 10: REPOSITORIO DE INDICADORES DEL GRI ................................................................................. 20
FIGURA 11: REPOSITORIO DE INDICADORES DEL UNCSD ........................................................................... 21
FIGURA 12: REPOSITORIO DE INDICADORES DEL ICHEME ......................................................................... 21
FIGURA 13: ESQUEMA DE UN SISTEMA SINGLE MACHINE......................................................................... 25
FIGURA 14: ESTADOS DE LA MÁQUINA Y TRANSICIÓN ENTRE ELLOS ........................................................ 28
FIGURA 15: ESQUEMA DE UN SISTEMA DE MÁQUINAS EN PARALELO. ..................................................... 31
FIGURA 16: ESQUEMA DE UN SISTEMA FLOW SHOP ................................................................................. 34
FIGURA 17: CASO PRÁCTICO, PLACA DE HIERRO FUNDIDO CON RANURAS .............................................. 35
FIGURA 18: ESQUEMA DEL SISTEMA PROPUESTO EN EL CASO DE ESTUDIO. ............................................ 40
FIGURA 19: ESQUEMA DEL SISTEMA JOB SHOP. ........................................................................................ 41
FIGURA 20: ESQUEMA DE FMS, DISTRIBUCIÓN DE CAMPO ABIERTO ........................................................ 47
FIGURA 21: TOPOLOGÍA DEL SISTEMAS USANDO EN EL CASO PRÁCTICO ................................................. 51
FIGURA 22: FAMILIA DE PRODUCTOS CONSIDERADOS EN EL CASO PRÁCTICO ......................................... 52
FIGURA 23: ESQUEMA DE LOS CMS, DIFERENCIA ENTRE ORGANIZACIÓN PRO PROCESO Y CELULAR ...... 54
FIGURA 24: ESQUEMA DE LOS RMS ........................................................................................................... 58
FIGURA 25: NÚMERO DE ARTÍCULOS POR SISTEMAS DE FABRICACIÓN. ................................................... 63
FIGURA 26: NÚMERO DE ARTÍCULOS POR AÑO DE PUBLICACIÓN. ............................................................ 63
FIGURA 27: NÚMERO DE ARTÍCULOS POR OBJETIVO. ................................................................................ 64
FIGURA 28: NÚMERO DE ARTÍCULOS POR ESTRATEGIA EMPLEADA. ......................................................... 64
FIGURA 29: NÚMERO DE ARTÍCULOS POR HEURÍSTICA EMPLEADA. ......................................................... 65
FIGURA 30: NÚMERO DE ARTÍCULOS POR CASO DE ESTUDIO. .................................................................. 65
FIGURA 31: NÚMERO DE ARTÍCULOS POR RESULTADOS PRESENTADOS. .................................................. 66
FIGURA 32: NÚMERO DE ARTÍCULOS POR COMPARACIÓN EMPLEADA. ................................................... 66
FIGURA 33: CASO DE ESTUDIO PROPUESTO, ESQUEMA. ........................................................................... 73
- iii -
ÍNDICE DE TABLAS
TABLA 1: INDICADORES ECONÓMICOS ...................................................................................................... 16
TABLA 2: INDICADORES MEDIOAMBIENTALES. .......................................................................................... 16
TABLA 3: INDICADORES SOCIALES. ............................................................................................................. 17
TABLA 4: MÉTODOS PARA CALCULAR INDICADORES COMPUESTOS ......................................................... 19
TABLA 5: MÉTRICAS PARA LOS PROCESOS DE MECANIZADO .................................................................... 22
TABLA 6: INDICADORES SOSTENIBLES PARA LA DIMENSIÓN SOCIAL ......................................................... 23
TABLA 7: PARÁMETROS DE BÚSQUEDA. .................................................................................................... 25
TABLA 8: CARACTERÍSTICAS DE LOS PROBLEMAS DE ESTUDIO. ................................................................. 56
TABLA 9: CARACTERÍSTICAS DE LOS SISTEMAS DEDICADOS, FLEXIBLES Y RECONFIGURABLES. ................ 59
TABLA 10: CLASIFICACIÓN DE ARTÍCULOS POR SISTEMAS Y OBJETIVO. ..................................................... 62
Capí ulo 2. La Fab icación Sos enible
- 6 -
Capí ulo 2
LA FABRICACIÓN SOSTENIBLE
Capí ulo 2

Capí ulo 2. La Fab icación Sos enible
- 7 -
2.1. In oducción.
El é mino sos enible apa eció po p ime a ez en los años 1987-1988 den o de un
in o me de Naciones Unidas que incluía como obje i o el desa ollo sos enible: “Sa is ace
nues as necesidades ac uales sin comp ome e la capacidad de las gene aciones u u as pa a
sa is ace las suyas” (WCED, 1987). Pa a consegui lo, el concep o se basa en es pila es:
económico, social y medioambien al (Figu a 4).
Figu a 4: Indicado es básicos pa a el desa ollo sos enible (UNCSD, 2001).
2.2. Fab icación sos enible.
Es e desa ollo sos enible se ha aplicado al campo de la ab icación, pudiendo
conside a se como un paso adelan e desde la ab icación e de. Aunque a eces es a puede
se con undida con la ab icación sos enible, la cual implica un en oque que conside a el
sis ema de una o ma global desde los es pila es comen ados an e io men e, no
simplemen e cen ándose en una educción del impac o medioambien al y los ecu sos
consumidos.
Di e sos au o es de inen la ab icación sos enible como:
“Diseño de sis emas humanos e indus iales pa a asegu a que el uso de los ecu sos
na u ales no lle an a la disminución de la calidad de ida ya sea po pe didas de
opo unidades económicas u u as o impac os ad e sos en las condiciones sociales, de
salud y medioambien e” (Mihelcic J.R. e al., 2003).
INDICADORES DEL DESARROLLO SOSTENIBLE
Social
Equidad
Salud
Educación
Vi ienda
Segu idad
Población
Medioambien al
A mós e a
Te eno
Oceanos, ma es
y cos as
Agua dulce
Biodi e sidad
Económico
Es uc u a
económica
Consumo y
pa ones de
consumo
Capí ulo 2. La Fab icación Sos enible
- 8 -
“La ab icación sos enible es un en oque de sis emas pa a la c eación y dis ibución
(cadena de suminis o) de p oduc os y se icios inno ado es, que: minimicen ecu sos
(de en ada, como ma e iales, ene gía, agua y e eno); eliminen sus ancias óxicas; y
p oduzcan ce o despe dicios que eduzcan gases del e ec o in e nade o, como po
ejemplo las emisiones de ca bón, a lo la go del ciclo de ida comple o de esos
p oduc os y se icios” (Rachu i S. e al., 2010)
“La habilidad de usa los ecu sos na u ales de una o ma in eligen e pa a la
ab icación, a a és de la c eación de p oduc os y soluciones que g acias a la nue a
ecnología, medidas eglamen a ias y compo amien os sociales cohe en es, de o ma
que sea capaz de sa is ace obje i os económicos, medioambien ales y sociales,
conse ando así el medioambien e, mien as que se con inua mejo ando la calidad de
ida” (Ga e i M. y Taisch M., 2012).
“La c eación de p oduc os que usan p ocesos que minimizan el impac o
medioambien al nega i o, conse a la ene gía y los ecu sos na u ales, son segu os
pa a los empleados, comunidades y consumido es y son iables económicamen e”
(USDOC, 2015).
“La ab icación sos enible incluye la ab icación de p oduc os sos enibles y la
ab icación sos enible de odos los p oduc os. Incluyendo ene gías eno ables,
e iciencia ene gé ica, cons ucción e de y o os p oduc os e des y elacionados con la
equidad social” (NACFAM, 2015)
Al e na i amen e su ge el é mino de p oducción sos enible, muy simila al an e io . Fue
in oducido en 1992 du an e la con e encia sob e medioambien e y desa ollo de las Naciones
Unidas (UNCED, 1992). Se han encon ado algunas de iniciones de es e nue o en oque:
“Pa a consegui la p oducción sos enible se iene que consegui cada uno de es os es
elemen os in eg ales: educi el impac o medioambien al nega i o; o ece una
mejo ada e iciencia ene gé ica y de ecu sos; gene a una can idad mínima de
esiduos; p opo ciona segu idad ope acional; y o ece una mejo ada salud pe sonal.
Todo es o mien as se man iene o incluso mejo a la calidad del p oduc o y p ocesos”
(Jawahi I., 2013).
“La p oducción sos enible es la c eación de bienes y se icios usando p ocesos y
sis emas que son: no con aminan es; conse ado es de ene gía y ecu sos na u ales;
iables económicamen e; sanos y segu os pa a los abajado es, comunidades y
consumido es; y g a i ican es pa a los abajado es. Si la p oducción es sos enible,
en onces el medioambien e, los empleados, las comunidades y o ganizaciones son
odos bene iciados. La p oducción sos enible no debe solo p o ege a los abajado es
de iesgos ocupacionales, sino que debe in oluc a los en la a ea de c ea condiciones
de abajo que sean p oduc i as, sanas y g a i ican es” (LCSP, 2015).
Capí ulo 2. La Fab icación Sos enible
- 9 -
Como se ha comen ado, exis e un pa adigma an e io , la ab icación e de, que
ambién puede se llamada ab icación limpia (Clean/Cleane Manu ac u ing). Según Do n eld
D. e al., 2013, el adje i o e de puede se de inido como una p eocupación hacia lo
medioambien al y a la p ese ación de la calidad del mismo. Po lo que un sis ema de
ab icación puede se conside ado e de si iene un impac o sob e el medioambien e mínimo
o inexis en e. A con inuación se añaden más de iniciones encon adas:
“La ab icación e de es aquella capaz de cumpli con los equisi os del diseño y
minimiza el impac o medioambien al, de o ma simul anea” (Bi Z., 2011).
“La ab icación limpia es la aplicación con inua de una es a egia medioambien al
in eg ada y p e en i a di igida hacia los p ocesos, p oduc os y se icios con el in de
inc emen a la e iciencia o al y educi el daño y iesgos sob e los humanos y el
medioambien e” (UNEP, 2015).
“La ab icación e de puede se is o de dos o mas: la ab icación de p oduc os e des,
pa icula men e aquellos elacionados con sis emas de ene gía eno ables y
ecnologías limpias de odo iempo; y el e e decimien o de la ab icación con la
educción de la polución y los despe dicios a a és de la minimización del uso de
ecu sos na u ales, eciclado y euso de los despe dicios, con la inalidad de educi
emisiones” (Clean echnica.com, 2015).
“La ab icación e de con empla la implemen ación de cualquie ipo de modi icación
del p oceso que lle e a una educción en el consumo ene gé ico, consumo de ecu sos,
esiduos y uso de agua” (g een-manu ac u ing.blogspo .com.es, 2015).
En onces, ¿cómo se dis ingue la ab icación sos enible de la e de? En la de inición
del desa ollo sos enible se in oducen dos aspec os cla e: el concep o de necesidad y las
limi aciones impues as po la ecnología y las o ganizaciones sob e el medioambien e pa a
alcanza necesidades p esen es y u u as.
De es a o ma, se incluyen los ac o es sociales, además de los económicos y
medioambien ales. Es os es aspec os se ag upan den o del concep o de T iple Bo om Line,
en oque su gido al aplica la sos enibilidad al mundo de los negocios (Elking on J., 1997). De
es a o ma, los sis emas de ab icación sos enibles son aquellos que cumplen con los es
obje i os plan eados. En la Figu a 5 se puede e la combinación de los di e en es pila es,
gene ando di e en es concep os has a llega a la sos enibilidad. En la Figu a 6, es os pila es
son aplicados al ámbi o de la ab icación pa a gene a di e en es pa adigmas has a llega a la
ab icación sos enible.
Capí ulo 2. La Fab icación Sos enible
- 10 -
Figu a 5: Combinación de los es pila es de la
sos enibilidad (Ga e i M. y Taisch M., 2012).
En i onmen Economic
Social
En i onmen al
Benign M g
Socially
Conscious M g
Mass M g
Sus ainable
M g
G een
M g
Lean M g
Figu a 6: In eg ación de la T iple Bo om Line en el
ámbi o de la ab icación (Adap ación de Do n eld D. e
al., 2013).
La Figu a 7 es una con inuación de la an e io , mues a la e olución de los di e en es
pa adigmas expues os en la Figu a 6. Se puede obse a como cada nue o en oque es una
e olución mejo ada del an e io . Mien as que la ab icación e de es aba cen ada en los 3
concep os de educi , eusa y ecicla , la ab icación sos enible incluye los concep os de
ecupe a , ediseña y emanu ac u a (Jayal A.D. e al., 2010).
Figu a 7: E olución de los pa adigmas de ab icación (Jayal A.D. e al., 2010)
2.3. Tendencias y necesidades.
De aco de a Haapala K.R. e al. (2013), se pueden de ini una se ie de e os y
opo unidades den o de la ab icación sos enible que aún es án pendien es de un mayo
desa ollo. Se pueden clasi ica en cua o ca ego ías:
Capí ulo 2. La Fab icación Sos enible
- 11 -
P ocesos y equipos de ab icación: se obse a necesa io desa olla nue os p ocesos y
equipos que eduzcan las huellas ecológicas, con sis emas de oma de decisiones basados en la
me odología Li e Cycle Assesmen (LCA). Se debe busca el uso de la ene gía de una o ma más
e icien e, conside ando el impac o sob e los abajado es y la comunidad local.
Las es a egias pa a consegui es o pueden se la hib idación de p ocesos, el co ec o
dimensionado de equipos, la u ilización de nue os mecanismos de p ocesos y el uso de
ma e iales y químicos más benignos.
Sis emas de ab icación: se debe p es a una especial a ención al consumo de
ecu sos, p oducción de esiduos e impac os medioambien ales. Exis en opo unidades en la
inclusión de obje i os medioambien ales en la oma de decisiones exis en es a ni el de
sis emas, ins alaciones, emp esas y cadena de suminis o (p og amación de la p oducción,
selección de p o eedo es, localización de ins alaciones).
Especialmen e se obse an g andes opo unidades en el desa ollo de planes de
ab icación y p og amación de ope aciones basados en mé icas sos enibles.
O a es a egia señalada es el eciclado y emanu ac u a, donde se incluye la logís ica
in e sa y las nue as ecnologías pa a la ecupe ación de p oduc os más complejos.
Cambios en los pa adigmas: se necesi a el desa ollo de nue os pa adigmas e e en es
a los ciclos de ida de los p oduc os. Nue os en oques e e en es al eciclado y la
emanu ac u a conduci án al desa ollo de p ocesos, cambios en el diseño de p oduc os,
mayo uso de la logís ica in e sa e incluso, edimensiona la isión del ciclo de ida del
p oduc o comple o. Es os cambios implica ían un cambio en los modelos de negocio ac uales,
sin ol ida se de los aspec os sociales.
Es muy ecomendable in eg a el LCA o mé odos simila es den o de los sis emas de
ab icación pa a e i a posibles obs áculos medioambien ales. El uso de un LCA p edic i o
ayuda á a p e e los impac os, pa a ello se á necesa io el desa ollo de bases de da os
medioambien ales basadas en la indus ia eal.
Educación: pocas acul ades ienen cie a expe iencia en el á ea de la sos enibilidad. La
impa ición de cu sos y el desa ollo de ma e iales sob e la sos enibilidad pueden se e ec i os
pa a educa u u os ingenie os con un amplio en endimien o de diseño de p oduc os y
p ocesos, ab icación y la in luencia sob e las e apas del ciclo de ida.
Es as necesidades ambién es án p esen es en España, como se puede obse a de la
encues a conducida en Koho M. e al. (2011). Las emp esas españolas y sus di igen es
conside an el desa ollo sos enible como algo cla e pa a su u u o. Es a encues a ambién
de ec a ba e as pa a que es e desa ollo se p oduzca, como son: la ausencia de mé icas y
ankings de compa ación y la al a de conocimien o de qué hace y cuándo hace lo.

Capí ulo 2. La Fab icación Sos enible
- 12 -
Es e es udio ambién p opone e os pa a que el desa ollo sos enible se p opicie:
- Nue os p ocesos y ecnológicas que mejo en la e iciencia de los ecu sos hacia
una p oducción más e de.
- Mediciones es anda izadas de la sos enibilidad.
- Uso de ecu sos ene gé icos sos enibles.
- Desa ollo de écnicas de medida y e aluación de los impac os medioambien ales.
2.4. Aplicaciones de la ab icación sos enible.
A con inuación se enume an una se ie de a ículos, clasi icados a di e en es ni eles,
que abo dan la ab icación sos enible desde di e en es en oques.
A ni el p oduc o, se in oduce el concep o Design o Sus ainabili y donde se
conside an nue os c i e ios sos enibles en las e apas p ima ias del diseño (Rosen M.A. y
Kishawy H.A., 2012; Se chi R. e al., 2015). A aíz de es e concep o se han desa ollado ma cos
de abajo pa a apoya el diseño sos enible (Romli A. e al., 2014).
A ni el de p ocesos, una de las es a egias empleadas ha sido el desa ollo de
máquinas y p ocesos más e icien es (Du lou J.R. e al., 2012). Dado que muchas máquinas
empleadas en los p ocesos ienen un amplio ma gen de pa áme os a con igu a , exis en
ambién di e sos es udios o ien ados a la op imización de és os desde un pun o de is a
sos enible (Dambha e S.G. e al., 2015; Hassine H. e al., 2015).
A ni el de sis emas, las es a egias p incipales se han basado en audi o ías ene gé icas
(Le C.V. e al., 2012), plani icación y p og amación de la p oducción (Mouzon G., 2008) y
diseño de la cadena de suminis o (Eskanda pou M. e al., 2015).
Además, una de las aplicaciones conside adas de g an in e és es la e aluación global
de los sis emas pa a ob ene una alo ación sos enible de o ma cuan i a i a que ayude a los
deciso es a alo a las medidas a implemen a , en o ma de con igu aciones posibles. Den o
de es a ca ego ía, Vimal K.E.K. e al. (2015), p esen a una me odología Fuzzy que gene a un
indicado ag egado de sos enibilidad. Zhang H. y Haapala K.R. (2014), se p opone una
combinación de la me odología AHP y PROMETHEE que gene an un anking de las
con igu aciones al e na i as del sis ema.
2.5. P og amación de ope aciones sos enibles.
De en e odas las necesidades y e os comen ados en es e abajo, nos amos a
cen a en la endencia ope acional, ya que la in es igación sob e el con ol de ope aciones y
la p og amación con obje i os medioambien ales y sociales de las mismas es limi ado (Fang K.
e al., 2011). Son a ios los edi o iales de e is as cien í icas que han exp esado la necesidad
de un mayo desa ollo en es a línea.
Li J. e al. (2012), exp esa la necesidad de cen a se en aho os ene gé icos en la
ab icación au oma izada a a és del con ol ope acional y la p og amación de los obo s con
el obje i o de minimiza el consumo ene gé ico. Gunaseka an A. y Gallea D. (2012), señalan
en e o as di ecciones de in es igación, la necesidad de implica los p ocesos y ope aciones
Capí ulo 2. La Fab icación Sos enible
- 13 -
de ab icación en la mejo a del desempeño medioambien al y económico. Gunaseka an A. y
Spalanzani A. (2012), señalan la necesidad de conside a los ecu sos de en ada (ene gía,
pe sonas, equipo, in en a io) con el obje i o de minimiza el despe dicio, los e abajos,
in en a ios, e asos y huella de ca bono. Reseñando la in es igación limi ada en las ope aciones
de p oducción sos enibles en ámbi os eó icos y p ác icos. Jin M. e al. (2015), exp esan la
necesidad de planes p oduc i os op imizados en en o nos de ab icación a anzada, especialmen e
en un con ex o de bajas emisiones de ca bono. También en necesa io p o undiza en la
p og amación de sis emas de ab icación op imizados desde un pun o de is a sos enible mul i-
c i e io.
De especial in e és es el a ículo de T en esaux D. y P abhu V. (2014), donde se hace
un e isión de la sos enibilidad a ni el ope a i o, los ipos de en oques pa a abo da
p oblemas de es e ipo de una o ma sos enible. En es e a ículo se de inen es líneas de
acción eme gen es:
En p ime luga , aunque el mecanizado ep esen e una pequeña acción del ciclo de
ida, la educción de ene gía consumida en es e p oceso de ab icación ha sido ecien emen e
iden i icada como una de las es a egias más impo an es pa a mejo a la sos enibilidad (He Y.
e al., 2012). La ab icación es la esponsable del 33% de la ene gía consumida en el mundo y
del 38% de las emisiones di ec as e indi ec as de CO2 (Ga e i M. y Taisch M., 2012), además, la
e iciencia de las máquinas he amien a es gene almen e meno al 30% (Hu S. e al., 2012), a lo
que se añade un p ecio a iable de la ene gía y limi es en la ene gía pico. Todo es o hace que
la p og amación y con ol de la p oducción enga una in luencia conside able en la ene gía
consumida y en el cos e asociado.
En segundo luga , la ab icación iene un al o impac o en el medioambien e, donde el
mayo iesgo sob e la sos enibilidad se p esen a en el ni el ope acional (polución, esiduos y
despe dicio ene gé ico). Algunos p ocesos de la indus ia química, de comida, de e inado, de
pin u a o me al p esen an un al o consumo ene gé ico y un al o iesgo de gene a g andes
can idades de esiduos o polución. Dado el ápido inc emen o de p ecios en los úl imos 10
años, los aho os pueden se incluso mayo es cen ando los es ue zos en el ni el ope a i o, sin
ene que hace mayo es in e siones.
En e ce luga , los sis emas de ab icación se han uel o sob edimensionados en
e e encia a las necesidades del me cado, de es a o ma, la educción de ene gía se ha uel o
un ac o impo an e pa a ellos.
Se deduce pues que aunque las ope aciones no sea el p ime camino hacia la
sos enibilidad, se es á con i iendo ápidamen e en un campo de es udio impo an e que
puede con ibui a la sos enibilidad global.
Pe o en es e pun o su ge una p egun a, ¿bajo qué ci cuns ancias la p og amación de
ope aciones de ab icación puede conside a se como sos enible?
En un sis ema de ab icación exis en ecu sos de en ada (ene gía, máquinas,
in en a ios, ma e ias p imas, he amien as, pe sonal, e c.) que se necesi an pa a ealiza la
p og amación de las ope aciones. También exis en las salidas ( esiduos, polución, cha a a,
e c.), que son las consecuencias de la p og amación. Teniendo es o en cuen a, cuando un
Capí ulo 2. La Fab icación Sos enible
- 14 -
mé odo conside a, además de los obje i os comunes elacionados con iempo y calidad, la
op imización de los ecu sos del sis ema, se puede conside a sos enible.
Al conside a las en adas y salidas, se ab e un nue o deba e de la e iciencia en e a la
e icacia. La p ime a hace e e encia a la búsqueda del mejo uso de los ecu sos, mien as que
la segunda hace e e encia a la búsqueda de los mejo es esul ados posibles.
Conside ando es o, la p og amación ideal desde un pun o de is a sos enible es
aquella que ealiza odo (máxima e icacia) usando nada (mínimo uso de ecu sos).
De es a o ma se pueden dis ingui es en oques pa a abo da el p oblema de la
plani icación sos enible:
P ime o, en oque de en ada. Se cen a en la ene gía, in en a io, máquinas y
he amien as, es el más desa ollado. Las p incipales líneas que se obse an son:
- Minimiza el consumo de los ecu sos de en ada, man eniendo la calidad de la
p og amación como comp omiso.
- Op imiza la e icacia de la p og amación iendo los ecu sos de en ada como
es icciones du as (exp esado como cos e, máximo consumo posible en una
en ana de iempo, máxima ene gía pico posible).
- La e icacia de la p og amación se man iene como obje i o p ime o y el
uso/consumo de los ecu sos de en ada son minimizados si ue a posible.
- Po úl imo, usa en oques p edic i os ap oximados, así como, simulaciones.
Segundo, el en oque de salida. Se cen a en los esiduos, polución, cha a a, gases del
e ec o in e nade o. Es á menos desa ollado, cen ándose el es udio básicamen e en la
indus ia química.
Po úl imo, conside a ambos en oques simul áneamen e de en ada y salida,
an e io men e mencionados, como obje i os del p oblema. Es e en oque es á poco
desa ollado con espec o a los en oques de salida.
2.6. Indicado es pa a la ab icación sos enible.
Como se ha is o an e io men e, los p oblemas de ope aciones sos enibles se abo dan
conside ando di e en es en adas y salidas den o del obje i o de op imización. Que medi y
como medi lo es un aspec o de i al impo ancia pa a cuan i ica el impac o que end á cada
uno de los aspec os conside ados sob e la sos enibilidad, así como, ene un alo angible que
pode op imiza den o de un modelo.
El concep o de indicado ue usado o iginalmen e en un con ex o pu amen e
cien í ico: la in es igación sociológica. Su unción e a la de ealiza la aducción de concep os
eó icos/abs ac os en a iables obse ables de o ma que la hipó esis cien í ica que in oluc a
esos concep os puede se some ida a una e i icación empí ica (Boulange P-M., 2008).
Capí ulo 2. La Fab icación Sos enible
- 15 -
A con inuación se apo an o as de iniciones del concep o de indicado :
“Medidas o ag egación de las mismas de o ma que se puedan deduci conclusiones del
enómeno de in e és” (Joung C.B. e al., 2013).
“Una medición es adís ica que o ece una indicado sob e el desa ollo sos enible
social, medioambien al y económica” (OCDE-1, 2015).
“Un indicado es algo que ayuda a en ende donde se encuen a uno, po cual camino
se a y cuán lejos se es á del pun o deseado. Un indicado ale a de un p oblema an es
de que la si uación empeo e y ayuda a iden i ica qué acciones deben se omadas pa a
soluciona lo” (Sus ainablemeasu es.com, 2015-1).
De ca a a comple a las de iniciones an e io es, se enume an cie os aspec os
ele an es. Pa a ealiza la ca ac e ización de un indicado se debe án de ini los siguien es
concep os (Joung C.B. e al., 2013):
- Iden i icación: un único iden i icado al anumé ico pa a dicho indicado .
- Nomb e: una palab a que sea dis in i a como designación del indicado .
- De inición: Una ase exp esando las ca ac e ís icas esenciales y la unción de
un indicado .
- Tipo de medida: si es cuali a i o o cuan i a i o.
- Unidad de medida: la unidad de alo del indicado .
- Re e encias: documen os ci ables que con enga indicado es especí icos o
conjun os de ellos, a pa i de los que un indicado es seleccionado o
desa ollado como nue o.
- Ni el de aplicación: el ni el en la o ganización je á quica en el que el indicado
es aplicado. Basado en es a in o mación, los deciso es pueden es ablece sus
p opias mé icas sos enibles aco de a su es a egia de negocio.
Los siguien es c i e ios pueden se usados pa a e alua la idoneidad de un indicado
(Moos M.L. y G unkemeye , W.T., 2007; Sus ainablemeasu es.com, 2015-2):
- Medible: que sea simple y ácil de medi ya sea cuali a i a o
cuan i a i amen e, den o de un ma co pa a la ecolección de da os y su
e aluación.
- Rele an e: es aquel que es á di ec amen e elacionado a un aspec o
signi ican e de la sos enibilidad.
- Comp ensible: que sea ácilmen e in e p e able po pe sonas no expe as.
- Con iable/U ilizable: que con enga in o mación p ecisa y de con ianza.
- Accesibilidad de da os: debe es a basado en da os e in o mación que sean de
ácil acceso y adqui idos den o del con ex o analizado.
- En iempo opo uno: los da os, ecolección de in o mación, cálculo y
e aluación de un indicado deben se ealizadas en un espacio de iempo
acep able pa a la oma de decisiones.
Capí ulo 2. La Fab icación Sos enible
- 22 -
más comunes en la indus ia. Lu T. e al. (2010) p opone un conjun o de mé icas en di e en es
ámbi os pa a alo a la sos enibilidad (Tabla 5).
Tabla 5: Mé icas pa a los p ocesos de mecanizado (Lu T. e al., 2010)
Tipo de mé ica
Ejemplo
Impac o medioambien al
Emisiones e ec o in e nade o (kg CO2 equi ./un)
Ra io de ene gías eno ables usadas (%)
Consumo o al de agua (kg/un)
Consumo ene gé ico
Ene gía usada en la línea de p oducción (kWh/un)
Ene gía usada en el man enimien o del en o no de abajo (kWh/un)
Ene gía consumida en el manejo de ma e iales (kWh/un)
Cos e económico
Cos e de la mano de ob a ($/Un)
Cos e de la ene gía ($/un)
Cos e de man enimien o ($/un)
Segu idad de los abajado es
Exposición a químicos co osi os o óxicos (Inciden es/pe sona)
Tasa de lesiones (Lesiones/pe sona)
Cuasi acciden es (Cuasi acciden es/pe sona)
Salud de los abajado es
Con aminación química del en o no de abajo (mg/m3)
Ni el de pol o (mg/m3)
Índice de ca ga ísica (adimensional)
Ges ión de los despe dicios
Masa de consumibles desechados (kg/un)
Ra io de euso de consumibles (%)
Ra io de i u a y despe dicios eciclado (%)
Pa a e mina , ambién se conside a in e esan e hace hincapié en los indicado es
e e en es a la dimensión social, ya que es el nue o pila añadido en el pa adigma de la
ab icación sos enible, y que aún se encuen a en ías de desa ollo. Labuschagne C. e al.
(2005), ealiza un análisis de los eposi o ios más ex endidos cen ándose en qué aspec os
sociales son a ados en cada uno de ellos. Pa a inaliza , en Vimal K.E.K. e al. (2014), se
enume an una se ie de índices sociales y su descomposición en indicado es (Tabla 6).

Capí ulo 2. La Fab icación Sos enible
- 23 -
Tabla 6: Indicado es sos enibles pa a la dimensión social (Vimal K.E.K. e al., 2014)
Índice
Indicado
P ác icas de compensación de
empleados
Remune aciones basadas en con ibuciones
Recompensas po buen compo amien o
Asegu amien o de la equidad y mo i ación pa a e ene al pe sonal
Cumplimien o del desempeño
socio-medioambien al
Cul u a pa a el desempeño socio-económico
Cumplimen o de las egulaciones gube namen ales
Realización de p og amas de sensibilización
Implicación de iesgos pa a la
salud y sus p ác icas
Uso del equipo de p o ección pe sonal
Toxicidad del p oduc o y iempo de exposición en caso de se
inhalado
Magni ud y iempo de exposición a un uido
P og ama de desa ollo
p o esional del empleado
(En enamien o y o ien ación
del empleado)
De echos humanos
Sesiones de en enamien o en p ocesos de ab icación a anzados y de
mejo a con inua
E aluación de mejo a con inua
In oluc ación del empleado
Reconocimien o del empleado a a és de sis emas de e aluación
In oluc ación del empleado en g upos de oma de decisiones
Coope ación y espí i u del empleado
Desempeño mac o social
Bienes a mac oeconómico
Moni o ización
Legislación y cumplimien o
Ambien e de abajo
Repe i i idad del abajo
Habilidad de ges iona la di e si icación
Ni el de au oma ización del abajo
Emoción o abu imien o
sen ido du an e el abajo
Uso e ec i o de polí icas de o ación
Asignación de abajos di e si icados
Au oma ización de abajos epe i i os
Capí ulo 3. Re isión del Es ado del A e
- 24 -
Capí ulo 3
REVISIÓN DEL ESTADO DEL ARTE
Capí ulo 3
Capí ulo 3. Re isión del Es ado del A e
- 25 -
3.1. In oducción.
A con inuación se desc ibi án un conjun o de a ículos e e en es a la ab icación
sos enible, clasi icados según el sis ema de ab icación que es udien. Cada desc ipción
con end á in o mación, si la hubie a, e e en e al obje i o a op imiza ; singula idades del
en oque; modelo, a iables de decisión y me aheu ís ica desa ollada; caso p ác ico;
esul ados; y p opues as de in es igación u u a.
Se han u ilizado uen es bibliog á icas ales como Scopus, po al Fama de la
Uni e sidad de Se illa, Google Schola , e c. Los pa áme os de búsqueda u ilizados se de allan
en la Tabla 7.
Tabla 7: Pa áme os de búsqueda.
Sis ema
Obje i o
Á ea de
aplicación
Single
Op imisa ion
Ene gy
Pa allel
Minimisa ion
Elec ici y
Job
Mul i objec i e
Ca bon
Flow
Planning
Co2
Flexible o CMS
Scheduling
Was e
Cellula o CMS
Pollu ion
Recon igu able o RMS
Emission
3.2. Single Machine.
El sis ema conside a una única máquina que iene que p ocesa una se ie de abajos
que pueden ene iempos de lanzamien o iguales o di e en es. Se conoce án los da os
e e en es a la máquina: consumos ene gé icos y iempos necesa ios pa a las di e en es
ope aciones. Una ez iniciado un abajo, es e no pude se in e umpido y po lo gene al solo
pod á p ocesa un abajo a la ez, sal o que sea una máquina de p ocesado de lo es.
El esul ado a ia á en unción de los da os de pa ida. En el caso de que la secuencia
de p ocesado no es é dada, el esul ado se á dicha secuenciación. En caso de que si es é dada,
el esul ado se á la p og amación empo al de esa secuencia, es deci , cuándo se debe inicia
cada abajo. En el caso de es udia la c eación de lo es, el esul ado se á el epa o de los
abajos en los lo es.
Figu a 13: Esquema de un sis ema Single Machine (Liu, C.H., y Huang, D.H., 2014)
Capí ulo 3. Re isión del Es ado del A e
- 26 -
 Mouzon G. e al. (2007).
Es os au o es comienzan el es udio de la p og amación de la p oducción con c i e ios
medioambien ales. Obse a on que apaga máquinas que no sean cuellos de bo ella e a un
en oque con mucho po encial pa a educi el consumo ene gé ico. Se p opone un pun o de
equilib o (P.E.), exp esado en unidades empo ales, que si e pa a decidi si apaga la máquina
o deja la en espe a has a el siguien e abajo.
Con base a es e pun o de equilib o desa ollan eglas de secuenciación, con y sin
c eación de lo es, que buscan minimiza el consumo. Se p ueban expe imen almen e con 3
casos de 100, 200 y 300 abajos.
Los au o es ambién obse an la necesidad de conside a un en oque mul i-obje i o,
desa ollando un modelo que conside a la minimización del iempo o al de e minación y la
ene gía o al consumida, pa a di e en es es ados de la máquina: apagado, encendido, ocioso
y es ado de p epa ación pa a es a ope a i a, de inido como Se up. El obje i o ene gé ico
conside a á el consumo en el es ado ocioso y du an e el Se up, ya que el consumo du an e el
p ocesado se á ijo e independien e de la secuencia usada.
El esul ado es un modelo de p og amación con obje i os lineales pe o con
es icciones no lineales que son linealizadas. La a iable de decisión se á el iempo de
inalización de cada abajo.
El modelo se es ea en un caso expe imen al de 9 p oduc os, donde se conside a la
suma ponde ada de los dos obje i os. Con la a iación de pesos se gene a el en e de Pa e o.
 Mouzon G. y Yildi im M.B. (2008).
Pa iendo del modelo an e io , los au o es desa ollan uno nue o con el obje i o de
minimiza la a danza o al (suma de los e asos de los abajos que no cumplan con el iempo
de en ega) y el consumo ene gé ico o al, conside ando di e en es es ados de la máquina
(apagado, encendido, ocioso y Se up).
La egla de equilib io de inida en su an e io a ículo se amplia y se aduce en una
es icción que modela el compo amien o de la máquina en e los es ados de espe a y
apagado/encendido.
[
]
El modelo es conside ado como NP-Ha d po lo que pa a su esolución se desa olla un
algo i mo GRASP. La a iable de decisión se á el iempo de inalización de cada abajo. Como
la solución ob enida del algo i mo se á un en e de Pa e o, los au o es p oponen u iliza el
mé odo AHP pa a selecciona una de ellas.
Pa a el caso p ác ico se conside an 50 abajos eó icos con iempo de llegada y de
p ocesado exponencial.
Capí ulo 3. Re isión del Es ado del A e
- 27 -
Den o de la in es igación u u a, se p opone conside a un sis ema con más
máquinas, conside a como obje i o la ene gía pico, así como, conside a un mayo núme o de
es ados de la máquina.
 Yildi im M.B. y Mouzon G. (2012).
Los mismos au o es con inúan con el es udio de su p ime modelo p esen ado en
2007, cambiando el obje i o, pasando a conside a como indicado de la e iciencia el iempo
de inalización.
Pa a la esolución de es e modelo, desa ollan un algo i mo gené ico como
me aheu ís ica de esolución del p oblema al que le inco po an mecanismo de acele ación en
la búsqueda de soluciones.
El algo i mo se es ea en un caso de 50 abajos gene ados alea o iamen e, aplicando
AHP pa a selecciona el de mejo desempeño.
Den o de la in es igación u u a, se p opone conside a sis emas con un mayo
núme o de máquinas y p oba con mayo a iedad de obje i os no medioambien ales.
 Hanoun S. e al. (2012).
En es e a ículo los au o es p esen an un en oque di e en e, el p oblema de es udio
iene como obje i o minimiza la a danza o al, así como, minimiza el despe dicio de
ma e ial en la indus ia ca pin e a. Pa a ello, se de ine un índice es adís ico de ac o de
aho o asociado a la ag upación de dos abajos en una misma plancha de ma e ia p ima.
Pa a esol e es e p oblema se desa olla un algo i mo de búsqueda del cuco (Cuckoo
Sea ch), imi ando el compo amien o de es e animal a la ho a de deposi a sus hue os en
nidos de o os pája os.
El caso p ác ico cons a de p oblemas desde 5 a 10 abajos, que se esuel en y
compa an con los esul ados ob enidos median e el mé odo combina o io con ayuda de es
indicado es.
Den o de la in es igación u u a, se p opone compa a el algo i mo del cuco con o os
mé odos popula es, así como, p oba el algo i mo en un en o no dinámico y es ocás ico pa a
es ea su e ec i idad.
 Sh ou F. e al. (2013).
En es e caso, el a ículo abo da el p oblema mono-obje i o de minimiza el cos e o al
de la ene gía conside ando di e en es es ados de la máquina (Figu a 14) y como en oque
no edoso usa el p ecio a iable de la ene gía a lo la go del pe iodo p oduc i o. El obje i o
con empla la ene gía consumida en cada es ado de la máquina y aquella necesa ia pa a
ansi a en e los di e en es es ados.

Capí ulo 3. Re isión del Es ado del A e
- 28 -
Figu a 14: Es ados de la máquina y ansición en e ellos (Sh ou F. e al., 2013)
En es e caso la secuencia de p ocesado es á dada. Las decisiones se án: cuándo
empeza un abajo y si la máquina debe pe manece en espe a o apaga se. La egla usada
pa a decidi si apaga la máquina se án las siguien es:
- Si el iempo de Se up es meno que el iempo en es ado ocioso.
- Si el consumo ene gé ico en el Se up es meno que du an e el es ado ocioso.
Se desa olla un modelo lineal en e o donde las a iables de decisión se di iden en dos
g upos, las e e en es a la máquina (es ado en el que se encuen a la máquina po pe iodo y si
la máquina se encuen a en ansición en e dos de e minados es ados du an e un pe iodo) y
las e e en es a los abajos p ocesados (si un abajo es p ocesado du an e un pe iodo
de e minado y el pe iodo en el cual comienza a se p ocesado un abajo). Como el modelo se
conside a NP-Ha d, se desa olla un algo i mo gené ico pa a pode esol e el p oblema en
iempo polinomial.
El nue o en oque se usa en 13 casos de los cuales se de allan esul ados de cua o de
ellos compues os po 5 y 10 abajos. El cos e ob enido median e el algo i mo gené ico es
compa ado con los ob enidos analí icamen e y con el cos e ob enido según la polí ica ‘ an
p on o como se pueda’. El nue o en oque consigue aho os de has a 32 %.
Den o de la in es igación u u a, se conside a la op imización mul i-obje i o,
conside a e en os en las máquinas ( o u as, pe iodos de man enimien o) y ex ende la
du ación del u no es udiado.
 Liu C., Yang J. e al. (2014).
Los au o es p esen an el obje i o múl iple de minimiza el iempo o al de inalización,
así como educi la huella de ca bono, conside ada como una pa e p opo cional de la ene gía
o al consumida en el sis ema. Pa a cumpli con es e obje i o conside a di e en es es ados de
la máquina (encendida, apagada, ociosa), dis inguiendo la ene gía asociada al encendido,
apagado, p ocesado y espe a.
La secuencia de p ocesado se conside ada dada y se calculada basándose en la egla
Fi s -Come-Fi s -Se ed, de o ma que la decisión se á cuando p ocesa de e minado p oduc o
Capí ulo 3. Re isión del Es ado del A e
- 29 -
y si la máquina se apaga á en e de e minados p oduc os. Es la egla de inida en Mouzon G. y
Yildi im M.B. (2008), pa a decidi si apaga la máquina o deja la ociosa.
Se desa olla un modelo de p og amación lineal en e a mix a y un algo i mo gené ico
pa a la esolución del p oblema en un iempo azonable. Las a iables de decisión son el
iempo de comienzo de p ocesado pa a cada p oduc o y el es ado en el que queda la máquina
después de habe p ocesado un p oduc o (ociosa o apagada).
Se p ueba el algo i mo con dos casos eó icos de 3 y 5 p oduc os. El caso de es udio
eal conside a desde 7 abajos de la indus ia de mecanizado. Pa a alida el algo i mo, se
compa a con el desa ollado en Yildi im M.B. y Mouzon G. (2012).
Den o de la in es igación u u a, se conside a necesa io usa o o ipo de obje i os no
medioambien ales, conside a iempos de llegada es ocás icos, así como, conside a en o nos
de abajo mul i-máquina.
 Liu C-H. y Huang D-H. (2014).
En es e a ículo, los au o es es udian dos sis emas de ab icación di e en es. El p ime o
se cen a en una única máquina y iene el obje i o de minimiza la a danza o al ponde ada y
la huella de ca bono, conside ada como una pa e p opo cional de la ene gía o al consumida
en el sis ema en es ado de abajo y ocioso, en un en o no dinámico de llegada de abajos.
La p incipal ca ac e ís ica de es e a ículo es la c eación de lo es de p oduc os en una
máquina de p ocesado de lo es con capacidad de e minada.
Se desa ollan dos me aheu ís icas basadas en algo i mos gené icos. En es e caso el
en e de Pa e o gene ado con el segundo se u iliza como esul ado de e e encia en el
p ime o. La decisión a oma se á si mien as la máquina iene un lo e pa cial, se comienza con
su p oducción o se espe a has a ene el lo e comple o.
Pa a el caso p ác ico expe imen al, se es ea án un o al de 100 abajos que end án
di e en es iempos de lanzamien o, de en ega, de p ocesado, así como, p io idades espec o
a los obje i os a op imiza . Es os da os se án gene ados alea o iamen e a pa i de
dis ibuciones uni o mes.
Los esul ados a ojan un ue e T ade-o en e la a danza y la huella de ca bono. Un
mayo espacio en e la llegada de abajos, aumen a el consumo de ene gía y po consiguien e
la huella de ca bono. Es e mayo espacio ambién a ec a a la c eación de lo es, endiendo a un
mayo p ocesado de lo es pa ciales.
Como in es igación u u a se p opone in eg a o os obje i os en la unción como el
iempo medio de lujo (media de los iempos de inalización de odos los abajos) y el cos e de
la ene gía.
Capí ulo 3. Re isión del Es ado del A e
- 30 -
 Cheng J. e al. (2014).
En es e a ículo los au o es p esen an un en oque que di ie e del es o is o. Plan ean
un modelo mul i-obje i o con la inalidad de minimiza la di e encia de iempo en e el inicio y
el inal de una secuencia de abajos (Makespan) y minimiza ambién el cos e de la ene gía
suponiendo p ecio a iable de la ene gía, conside ando la ene gía global po p oduc o
p ocesado.
La p incipal ca ac e ís ica de es e a ículo es la c eación de lo es de p oduc os y que
es os ienen el mismo iempo de lanzamien o aunque di e en e iempo de p ocesado.
También se conside a la capacidad de la máquina, ya que es a puede p ocesa un núme o
de e minado de p oduc os a la ez.
Se desa olla un modelo no lineal en e o mix o que se esuel e median e el mé odo ε-
cons ain pa a ob ene el en e de Pa e o. Las a iables de decisión son: si un p oduc o es á
asignado a un de e minado lo e en un pe iodo; si un lo e es á asignado a un pe iodo
de e minado; si exis e algún lo e asignado a un de e minado pe iodo; el núme o o al de lo es.
El algo i mo se es ea expe imen almen e con una se ie de p oblemas gene ados
alea o iamen e de en e 25 y 40 abajos, el iempo de p ocesado y cos e de la ene gía po
pe iodo es gene ado con una dis ibución uni o me.
Como in es igación u u a p opone es udia p oblemas con iempo de lanzamien o
di e en e en máquinas en pa alelo.
Capí ulo 3. Re isión del Es ado del A e
- 31 -
3.3. Pa allel Machine.
En es e sis ema se cuen a con dos máquinas en pa alelo con la misma unción, de
ca ac e ís icas di e en es. Es e sis ema puede se conside ado como una abs acción de un Job
Shop.
Se con a á con una se ie de abajos independien es que iene que se secuenciados,
epa iéndolos en una de las dos máquinas, que solo pond án p ocesa un abajo a la ez. Una
ez comenzado un abajo, es e no puede se in e umpido.
Cada máquina end á unos da os di e en es a capacidad y consumo po ho a. Se
conoce án los iempos de p ocesado y el consumo ene gé ico de cada máquina, así como, el
iempo de en ega pa a cada p oduc o.
El esul ado se á la asignación de abajos a las máquinas, así como la secuencia de
p oducción.
Figu a 15: Esquema de un sis ema de máquinas en pa alelo (Liu C-H. y Huang D-H., 2014).
 He Y. y Liu F. (2010).
El siguien e a ículo puede se conside ado como un p oblema de máquinas en
pa alelo. Plan ea el obje i o múl iple de minimiza el Makespan y la ene gía conside ada como
el o al consumido en la máquina.
Una de las p incipales ca ac e ís icas de es e p oblema es la conside ación de
es icciones medioambien ales, de inidas como una ma iz de índices asociada a cada
impac o, conside ado la combinación de odas las máquinas y abajos, de o ma que se le
asigna un 0 en caso de que sea una combinación no espe uosa con el medioambien e y un 1
en caso de que si lo sea.
Pa a la c eación de las ma ices se usa a la e aluación cuali a i a po pa e de los
manage s de p oducción, que median e la eo ía Fuzzy de e mina án los di e en es impac os
pa a cada abajo y máquina. T as una “des uzzy icación” median e el alo medio, se ealiza á
la aducción de es os a las es icciones exp esadas como [0,1].
Se p opone un modelo de p og amación ma emá ica mul i-e apa: en una p ime a se
op imiza á el Makespan, en la segunda se minimiza á la ene gía pasando a se el esul ado de
la p ime a un lími e supe io . En ambas e apas se conside a el impac o medioambien al como
Capí ulo 3. Re isión del Es ado del A e
- 38 -
Se desa olla un p ime modelo con el obje i o de minimiza el Makespan, donde se
conside a una sola máquina po e apa y se busca ob ene el iempo de comienzo de p ocesado
y la secuencia en cada e apa, mien as se espe a la con inuidad. Las a iables de decisión son:
el iempo de comienzo de un abajo en una e apa de e minada y el iempo de p ocesado de
un abajo en una e apa de e minada.
El segundo modelo desa ollado pa a la segunda e apa conside a el abajo de o ma
global como conjun o de ope aciones en cada e apa, se busca de e mina el iempo de
comienzo de cada abajo global de o ma que se ubiquen los menos posibles du an e
pe iodos de cos e ene gé ico al o, minimizando así el cos e ene gé ico o al. Las a iables de
decisión es el iempo de comienzo de p ocesado de un de e minado abajo global.
Pa a el caso p ác ico, se gene a alea o iamen e un p oblema de p oducción de ace o.
 Xu F. e al. (2014).
Se p opone un modelo que conside a una combinación Makespan y a danza y la
ene gía pico, in oducida como un lími e supe io a a és de una es icción del modelo.
En es e caso, los obje i os se no malizan sus ayendo y di idiendo en e el mínimo
alo de cada obje i o. Pa a los obje i os de iempo se conside a igual impo ancia pa a cada
uno. Los p oduc os end án di e en e echa de lanzamien o y de en ega.
Se p esen an dos modelos en e os mix os, el p ime o conside a el iempo disc e izado,
cuyas a iables de decisión son: si una ope ación de un abajo se asigna a una maquina
p ede e minada y si una ope ación de un abajo se ejecu a en una máquina du an e un
pe iodo de e minado. El segundo conside a el iempo de o ma con inua, con el in de
comp oba el en oque con inuo es más adecuado. Es e modelo es á basado en espacios de
longi ud inde e minada en el que se i án asignado las a eas. En es e caso, las a iables de
decisión son: si una ope ación de un abajo es ejecu ada en de e minado espacio de una
máquina; el iempo inal de de e minado espacio de una máquina; si un espacio de una
máquina iene algún duplicado en la p og amación de o o espacio de o a máquina.
En el caso p ác ico se gene a alea o iamen e los da os de un sis ema de 3 e apas y 2
máquinas po e apa. En p ime luga se compa a el modelo disc e o con el modelo p opues o
po B uzzone A.A.G. e al. (2012). En un segundo luga , se compa a el modelo disc e o con el
con inuo.
Como esul ados se puede e como el modelo disc e o mejo a el compo amien o del
p opues o po B uzzone A.A.G. e al. (2012) y ambién se e como pa a modelos mul i-
obje i os, en es e caso añadiendo la ene gía, el modelo disc e o se compo a mejo .

Capí ulo 3. Re isión del Es ado del A e
- 39 -
 Zhang H. e al. (2014).
Se p esen a un modelo mul i-obje i o que busca minimiza la huella de ca bono y el
cos e de la elec icidad, conside ada como el o al consumido du an e el p ocesado. En es e
caso, se conside a que exis e un T ade-o en e el cos e de la elec icidad y las emisiones de
ca bono, debido a que se conside a que la ene gía se ob iene median e di e en es
p ocedimien os (ca bón, gas na u al, eno ables), es os se combinan pa a cub i la demanda,
ob eniendo di e en es emisiones de ca bono en unción de cual sea la combinación.
Además, el modelo conside a á el p ecio a iable de la ene gía, po lo que al inal se
end á pe iodos en los que el p ecio de la ene gía y la emisión de ca bono asociada se án
di e en es. Cuando una máquina no es á p ocesando, se conside a que es á apagada, ya que
no se conside a consumo asociado a ese es ado.
Se p esen a un modelo lineal en e o mix o cuyas a iables de decisión son: si una
máquina es á p ocesando un p oduc o en un pe iodo de e minado y si una máquina comienza
a p ocesa un p oduc o en un pe iodo de e minado.
En el caso de es udio, el sis ema es udiado es á compues o po 8 e apas con una
máquina po e apa. El p ime caso plan eado busca encon a una secuenciación que cumpla
con el equisi o de núme o de p oduc os al día, en es e caso, 80 p oduc os en un u no de 16
ho as. En un segundo caso, se conside an los obje i os ene gé icos mien as se espe a el a io
de p oduc os po día.
El esul ado mues a cómo el modelo apenas asigna abajos en las zonas de cos e
al o.
Como in es igación u u a se p opone mejo a la o mulación pa a adap a la a
sis emas más ealis as, así como, desa olla algo i mos pa a su esolución. También se
p opone conside a di e en es p oduc os.
 Liu C-H. y Huang D-H. (2014).
Es e a ículo, ya expues o en la sección 3.1, p esen e un obje i o iple, minimiza la
a danza o al ponde ada, la huella de ca bono y la ene gía pico, conside ando la ene gía de
p ocesado y en es ado ocioso.
Los au o es p esen an un sis ema de ab icación como e olución del p esen ado en el
apa ado de máquina única. Se a a dos e apas, una p ime a con una máquina de p ocesado
de lo es y una segunda con dos máquinas en pa alelo idén icas.
Capí ulo 3. Re isión del Es ado del A e
- 40 -
Figu a 18: Esquema del sis ema p opues o en el caso de es udio (Liu C-H. y Huang D-H., 2014).
Las decisiones a oma en la p ime a e apa son las siguien es: o mación de los lo es y
c eación de la secuencia de p oducción. Las decisiones a oma en la segunda e apa son las
siguien es: secuencia y elocidad a la que se p ocesan los abajos.
Se desa ollan dos me aheu ís icas basados en algo i mos gené icos pa a la esolución
del p oblema plan eado.
Pa a el caso p ác ico expe imen al, se es ea án un o al de 100 abajos que se án
di e en es diseños de un mismo p oduc o. El iempo de lanzamien o se á el mismo pa a odos
los abajos, y di e en es iempo de en ega, de p ocesado y penalización pa a la a danza.
 Ding J-Y. e al. (2015).
El obje i o del modelo p esen ado en es e a ículo conside a la minimización del
Makespan y de las emisiones de ca bono, conside ado como una pa e p opo cional de la
ene gía o al consumida en es ado de p oceso y en es ado ocioso.
Se conside a an di e en es elocidades que a ec a an al consumo ene gé ico, así
como, al iempo de p ocesado. En es e caso, no se apaga án las máquinas ya que no se
conside a ealis a pa a de e minados sis emas de ab icación.
Pa a la esolución del p oblema se desa ollan dos me aheu ís icas basadas en la
inse ción NEH. Las a iables de decisión son: si una máquina unciona a de e minada elocidad
du an e un pe iodo dado y si una máquina es á en es ado ocioso du an e un pe iodo
de e minado.
En el caso p ác ico, se compa an el desempeño de los dos algo i mos p opues os con
el NSGA-II (Deb K. e al., 2002), ecocido simulado (Dai M. e al., 2013) y algo i mo gené ico
(Liu C-H. y Huang D-H., 2014). Se gene an una se ie de casos como combinación de 20, 40, 60,
80, 100 abajos; 4, 8, 16 máquinas po e apa. El iempo de p ocesado se ob end á de una
dis ibución uni o me. Se conside a an 5 ipos de elocidades.
Den o de la in es igación u u a, se p opone conside a iempos de Se up y
almacenamien o in e medio en e e apas.
Capí ulo 3. Re isión del Es ado del A e
- 41 -
3.5. Job Shop.
En es e sis ema se cuen a con una se ie de máquinas y una se ie de abajos a
p ocesa , de o ma que cada abajo iene una se ie de ope aciones con una u a de p ocesado
conocida a a és de las di e en es máquinas, con la condición de que un abajo pod á isi a
cada máquina solo una ez, es deci , no hab á eci culación.
No exis en es icciones de p ecedencia en e ope aciones de dis in os abajos.
Las máquinas solo pueden p ocesa una ope ación a la ez y és a no puede se
in e umpida.
El esul ado se á la secuenciación de los abajos en las máquinas, así como, el iempo
de comienzo del p ocesado de cada ope ación.
Figu a 19: Esquema del sis ema Job Shop.
(Fuen e: h p:// ishe .osu.edu/~kina d.1/ ussian_dl/cou se/OM/Tex /Uni 2/Uni 2.h ml)
 He Y. e al. (2005).
El a ículo se cen a en el obje i o múl iple de minimiza el Makespan y el consumo
o al ene gé ico, conside ado como la ene gía en es ado ocioso, ya que la de p ocesado se
conside a cons an e.
Se p esen a un caso pa icula de Job Shop, con una sola e apa, en el que no exis en
u as de p ocesado, de o ma que cada p oduc o se p ocesa á en una de las máquinas, siendo
el esul ado la asignación de abajos a una única máquina.
Se p esen a un modelo de p og amación, cuya a iable de decisión es si un abajo se
ealiza en de e minada máquina. Pa a la esolución del p oblema se desa olla un algo i mo de
búsqueda Tabú.
Pa a el caso de es udio, se conside an 5 ipos de p oduc os, en es e caso eng anajes, a
p ocesa en 4 máquinas.
 Yi Q. e al. (2012).
Los au o es plan ean un p oblema mul i-obje i o con el in de minimiza el Makespan
y las emisiones de ca bono, conside ada como una pa e p opo cional de la ene gía o al
consumida en el sis ema. En es e caso se con empla la ene gía du an e el p ocesado y en
es ado ocioso.
Capí ulo 3. Re isión del Es ado del A e
- 42 -
Se desa olla un modelo de p og amación cuyas a iables de decisión son: el iempo
de comienzo de una ope ación de un abajo en una máquina de e minada; si un abajo es
p ocesado en una máquina an es que en o a; y si un de e minado abajo es p ocesado en
una máquina an es que o o. Pa a la esolución del p oblema se desa olla un algo i mo
gené ico.
Pa a el caso p ác ico, se conside a un caso plan eado po Law ence S. (1984)
compues o po 10 abajos y 5 máquinas, omando sus da os pa a compa a los con los
gene ados con el nue o en oque. Los esul ados mues an como con el mismo Makespan se
puede ob ene meno es emisiones de ca bono.
Como in es igación u u a, se p opone es udia sis emas más complejos, conside ando
una mayo lexibilidad y máquinas he e ogéneas.
 Liu Y. e al. (2014).
Se p esen a el en oque mul i-obje i o de minimiza el e aso o al ponde ado y el
consumo ene gé ico o al. Se conside a es componen es: en es ado ocioso, en
uncionamien o y du an e el co e. Cen ándose en la de ca ác e no p oduc i o, que no son
cons an es, en es e caso la consumida en es ado ocioso.
Pa a cada abajo se conside a á un iempo de en ega di e en e.
Se desa olla un modelo de p og amación cuyas a iables de decisión son: el iempo
de comienzo de una ope ación de un abajo en una máquina; si una ope ación de un abajo
en una máquina p ecede a o a ope ación de o o abajo en la misma máquina; y si una
ope ación de un abajo se ealiza en de e minada máquina. Pa a esol e el p oblema en
iempo polinomial se desa olla un algo i mo gené ico.
Pa a el caso p ác ico se conside an los casos plan eados po Fishe H. y Thompson G.L.,
(1963) que cons a de 10 abajos y 10 máquinas. El algo i mo p opues o es compa ado con dos
heu ís icas usadas en el so wa e Lekin (Pinedo M.L., 2009), que solo conside an el e aso
como obje i o. Los esul ados mues an cómo se educe la ene gía no p oduc i a, aunque se
sac i ica pa e del obje i o de la a danza. Pa a casos de mayo amaño, es e sac i icio se e
educido, sumado a un mayo aho o ene gé ico.
Como in es igación u u a, se p opone p oba el en oque de encendido/apagado de
máquinas en es ado ocioso, así como, conside a un en o no dinámico de llegada de abajos.
 Jiang Z. e al. (2014).
Se p esen a un en oque mul i-obje i o que conside a la minimización del Makespan,
cos e (de ma e ia p ima y de p ocesado po unidad de iempo), asa de de ec os y ene gía.
La asa de de ec os se conside a á como un índice de de ec os asociado al p ocesado
de una ope ación de un abajo en una de e minada máquina. La ene gía se conside a á como
alo global pa a una de e minada ope ación en una máquina. Se conocen los da os e e en es
a cos es, calidad y ene gía.
Capí ulo 3. Re isión del Es ado del A e
- 43 -
Se conside an di e en e iempo de llegada de los abajos y máquinas he e ogéneas.
Pa a la esolución del p oblema se desa olla un algo i mo gené ico, cuyas a iables de
decisión son: si una ope ación de un abajo se p ocesa en una máquina; el comienzo del
p ocesado de una ope ación de un abajo en una máquina.
Pa a selecciona una de las soluciones p opues a en cada ejecución del algo i mo, los
au o es se basan en la me odología AHP asignándole un peso a cada obje i o.
El caso p ác ico consis e en 6 abajos con di e en e núme o de ope aciones a p ocesa
en 6 máquinas he e ogéneas.
Como in es igación u u a, se p opone conside a los es ados de la máquina.
 Tchom e S.K. y Tche ne N. (2014).
Los au o es plan ean un p oblema mul i-obje i o cen ado en minimiza el Makespan y
las emisiones de ca bono, conside adas como una can idad in e samen e p opo cional al
iempo de p ocesado, a meno iempo de p ocesado, mayo es emisiones.
En es e p oblema se conside an di e en es elocidades en las máquinas, que a ec an
al iempo de p ocesado y las emisiones de CO2, de o ma que, al inc emen a la elocidad se
educen el iempo y aumen an las emisiones. En es e caso, se de inen 3 elocidades posibles
po ope ación.
Pa a la esolución del p oblema, se p opone un algo i mo GRASP, modi icado con
algo i mo de búsqueda local e oluciona ia.
Pa a el caso p ác ico, se conside an 10 casos p opues os po Law ence S. (1984), que
se modi ican pa a c ea un o al de 60 que an desde 5 a 10 abajos. El iempo de p ocesado
de inido en los 10 casos base se asocia a una elocidad. Pa a las o as dos, el iempo de
p ocesado se gene a alea o iamen e.
 Lei D. y Guo X. (2015).
El obje i o plan eado en es e p oblema es minimiza el Makespan y la huella de
ca bono, conside ada como una pa e p opo cional de la ene gía de p ocesado y en es ado
ocioso.
Los abajado es son conside ados como un ecu so que hay que asigna a cada
máquina y ope ación, de o ma que el iempo de p ocesado depende á de ambos ac o es. Los
abajado es pod án se ans e idos de una máquina a o a, pe o no du an e una ope ación.
En es e caso, el esul ado se á, además de la secuencia, la asignación de ecu sos
( abajado es).
Pa a su esolución se desa olla un algo i mo DNS (Dynamical Neighbo hood Sea ch,
en inglés) basado en la me odología lexicog á ica.

Capí ulo 3. Re isión del Es ado del A e
- 44 -
Como caso p ác ico, se usan 24 casos ob enidos de B andima e P. (1993) y Dauze e-
Pe ez S. y Paulli J. (1997). Se aplica el algo i mo p opues o y se compa a con o os dos, el
algo i mo gené ico y VNS (Va iable Neighbo hood Sea ch).
Como in es igación u u a se p opone es udia el caso de la p og amación de la
p oducción en sis emas de ab icación con múl iples uen es.
 May G. e al. (2015).
Se p esen a el obje i o múl iple de minimiza el Makespan, así como la ene gía o al
consumida.
En es e es udio se an a conside a di e en es es ados ene gé icos de las máquinas,
como son: p ocesado, ocioso, Se up, suspendida y la ene gía de paso en e el es ado apagado
y suspendido al ocioso. El es ado de suspensión es un nue o es ado en el que solo algunas
unciones de la máquina es án ac i as y la máquina no puede ealiza ope aciones.
Pa a la esolución del p oblema se desa olla un algo i mo gené ico, de iniendo
ambién unas polí icas de compo amien o en e los es ados apagado-ocioso-suspensión.
Pa a medi el endimien o del algo i mo se de inen dos indicado es a pa e del Makespan, se
a a de la ene gía o al consumida y la ene gía sin alo (pe iodos ociosos, de suspensión y de
paso en e apagado-suspendido-ocioso)
El caso p ác ico se basa en el p opues o po Fishe H. y Thompson G.L. (1963), en
conc e o, se analizan 3 casos de es udio de 6 abajos y 6 máquinas, 10 abajos y 10 máquinas
y 20 abajos y 20 máquinas con el iempo de p ocesado gene ados a pa i de una
dis ibución uni o me. En un p ime momen o, se aplica el algo i mo conside ando solo el
obje i o de iempo, pa a pos e io men e aplica simul áneamen e ambos obje i os
p opues os. Se compa a con heu ís icas desa olladas po el so wa e Lekin (Pinedo M.L.,
2009).
Los esul ados mues an cómo se pueden consegui educciones de en e 0,5 a 5% en
la ene gía o al consumida y de en e 34 y 69% en la ene gía sin alo .
 Liu Y. e al. (2015).
Los au o es p esen an un sis ema Job Shop den o de un en o no de apagones de
ene gías p og amados, donde algunas emp esas usan sis emas p i ados de ene gía
al e na i os basados en el diésel.
Se p esen a un modelo i-obje i o: minimiza la a danza o al ponde ada, minimiza
la ene gía o al no p oduc i a y minimiza la ene gía al e na i a consumida en pe iodos de
apagón. El modelo ene gé ico se á el plan eado en Liu Y. e al. (2014). El modelado de la
ene gía al e na i a consumida en pe iodos de apagón se basa en supone que du an e los
pe iodos de apagón, el cos e de ene gía es supe io a los pe iodos de no apagón.
También se añade la posibilidad de apaga las máquinas en pe iodos de espe a,
basándose en la egla de inida en Mouzon G. (2007).
Capí ulo 3. Re isión del Es ado del A e
- 45 -
Se desa olla una heu ís ica de ajus e en el caso de que exis a la polí ica de apagones.
Se a a de ealoja los abajos plani icados du an e los pe iodos de apagones. También se
desa olla un algo i mo gené ico pa a esol e el modelo i-obje i o.
Se conside a di e en e iempo de lanzamien o de cada abajo, así como, di e en e
echa de en ega.
Se pa e de 4 casos modi icados basados en el a ículo de o os (Fishe H. y Thompson
G.L., 1963; Law ence S., 1984), que conside an 10 y 10, 15 y 10, 20 y 10, 15 y 15 abajos y
máquinas. Los alo es ene gé icos son deducidos de los es udios de Dahmus J. (2007) y D ake
R. e al. (2006).
Pa a el caso p ác ico se conside an 3 escena ios: la secuencia o iginal (gene ada según
el algo i mo gené ico de Liu Y. e al. (2014), incluyéndole la posibilidad de apaga las
máquinas); la secuencia ajus ada (su ge al aplica el algo i mo diseñado sob e la o iginal
conside ando la polí ica de apagones); la secuencia con ene gía p i ada (su ge al aplica el
algo i mo gené ico i-obje i o diseñado).
Los esul ados mues an cómo se puede consegui una mejo a de los iempos de
en ega de en e el 60 y 70 %, educiéndose las emisiones gene adas po la gene ación p i ada
de ene gía.
 Salido M.A. e al. (2015).
Los au o es p esen an el es udio del obje i o múl iple de minimiza el Makespan y la
ene gía o al consumida. Es os dos obje i os se ag egan de o ma ponde ada y no malizada.
Se conside an di e en es elocidades pa a las máquinas, lo que iene su elación con
el iempo de p ocesado y ene gía consumida. En es e caso, se de e minan 3 elocidades pa a
cada ope ación.
Además, se in oduce el é mino de obus ez de la secuencia como indica de la
calidad de la misma. Se a a de la capacidad de la secuencia pa a abso be pequeños
p oblemas, de i ados de la ince idumb e en los da os de pa ida, que puedan a ec a a la
p oducción. Pa a ello, se usa la posibilidad de aumen a la elocidad de las máquinas y los
iempos de espe a en e las di e en es ope aciones pa a no e comp ome ido el esul ado
inal. La obus ez es medida como el po cen aje esul an e al some e una secuencia solución a
100 incidencias ( e aso de sus a eas) y e si es capaz de asumi las.
Se mues a el pseudocódigo que ep esen a el modelo desa ollado pa a la esolución
del p oblema.
Pa a el caso p ác ico se usa una se ie de p oblemas p opues os po Agne is A. e al.
(2010), gene ados a pa i 3 abajos de 5, 7, 10, 20, 25, 30 ope aciones en 3, 5, 7 máquinas y
du aciones ob enidas de 4 dis ibuciones uni o mes. El iempo p esen e en los casos base se
asocia a una elocidad, mien as que el es o de iempos se calculan basados en unas
ecuaciones p opues as. Los da os ene gé icos e e en es a las 3 elocidades ambién se
calculan según ecuaciones p opues as.
Capí ulo 3. Re isión del Es ado del A e
- 46 -
Los esul ados mues an cómo exis e una elación en e obus ez y la e iciencia
ene gé ica (meno ene gía consumida, mayo obus ez) y ambién en e Makespan y obus ez
(a mayo Makespan, mayo obus ez).
Capí ulo 3. Re isión del Es ado del A e
- 47 -
3.6. Sis emas Flexibles.
La lexibilidad puede se de inida como la capacidad de un sis ema de cambia y asumi
di e en es posiciones o es ados en espues a a equisi os cambian es con una pequeña
penalización en iempo, cos e o desempeño.
Un sis ema de ab icación lexible (FMS, en inglés) puede se de inido con un sis ema
in eg ado de máquinas y equipamien o pa a el manejo de ma e iales, con olado po
o denado pa a el p ocesado de di e en es pedidos. El obje i o buscado es la e iciencia en
cos es al ab ica di e en es p oduc os que o man pa e de una misma amilia, minimizando
los Se ups en e di e en es p oduc os (ElMa aghy H.A., 2005).
Es a lexibilidad puede p o eni de di e en es ámbi os: máquinas, manejo de
ma e iales, ope aciones, p ocesos, p oduc os, u eado de abajos, olumen de p oducción,
acilidad de expansión, p og amas de con ol y capacidad.
Los FMS es udiados se cen an en en o nos dinámicos con p esencia de
ince idumb es, que pueden p o eni de las máquinas (a e ías, deg aciaciones, desgas es) o
de los abajos (u gencias, cancelaciones, iempos de p ocesado es ocás icos), inc emen ando
la complejidad del sis ema.
Pa a sol en a es as incidencias, se adop a án di e en es en oques de esecuenciación:
- P edic i o-Reac i o: se gene a la secuencia p e iamen e y se e isa ( o almen e o
pa cialmen e) dinámicamen e.
- Reac i o: las decisiones son omadas dinámicamen e, un ejemplo de és as, son las
eglas de secuenciación.
- P oac i o: se ealiza la secuenciación p e ia modelando las incidencias, sin
posibilidad de modi icación dinámica.
Figu a 20: Esquema de FMS, dis ibución de campo abie o (Eguía I., 2010-2)
 Zhang L. e al. (2013).
Los au o es p oponen un modelo mul i-obje i o que busca la e iciencia (a a és de
minimiza el Makespan y la a danza de o ma ponde ada) y la ene gía consumida,
conc e amen e la ene gía no empleada en la p oducción.
Capí ulo 3. Re isión del Es ado del A e
- 54 -
3.7. Sis emas celula es.
En los sis emas de ab icación celula es (CMS, en inglés) se aplica la eo ía de la
ag upación de ecnologías, que es capaz de mezcla las ca ac e ís icas de la p oducción
con inua y el Job-Shop, de o ma que puede da se una mayo espues a a las necesidades del
me cado y supe a debilidades adicionales. Las p incipales en ajas de usa el CMS son: la
educción de in en a ios, del abajo en p oceso, de los mo imien os de los p oduc os y la
educción de los iempos de Se up y de p ocesamien o.
En es os sis emas, los p oduc os son ag upados basándose en sus simili udes ( o ma,
ole ancia y plan de p ocesado) o mando amilias. Una célula es a á compues a po di e en es
máquinas, siendo la o mación de las células el p ime paso pa a diseña un CMS. El segundo
consis e en diseña el Layou pa a el conjun o de células, buscando minimiza el mo imien o
en e células.
Es poco ecuen e que un p oduc o necesi e odas las máquinas de una célula y
ambién es usual que algunos p oduc os engan que isi a o as células pa a e mina de se
p ocesado.
El p oblema puede se conside ado desde un pun o de is a es á ico y dinámico. En el
p ime o no se conside a cambios en la demanda, mien as que en el segundo sí, así como, el
cos e de econ igu ación y la in e sión necesa ia pa a cambia la célula (Houshya A.N. e al.,
2014).
Figu a 23: Esquema de los CMS, di e encia en e o ganización p o p oceso y celula (Eguía I., 2010-3)
 Niakan F. e al. (2014-1).
Los au o es es udian la o mación dinámica de células conside ando c i e ios
económicos y sociales. Se p esen a el mul i-obje i o de minimiza los cos es o ales y la
maximización de los aspec os sociales.
Den o de los cos es o ales a minimiza se conside an:
- Cos es ijos y a iables asociados a las máquinas.
- Cos e de mo imien os de p oduc os den o de las células y en e las mismas.
- Cos e de adquisición de maquina ia.
- Bene icio po en a de máquinas no usadas (Apa ece á en nega i o en la unción
obje i o, pa a se maximizado).

Capí ulo 3. Re isión del Es ado del A e
- 55 -
- Cos e de eubicación de máquinas.
- Sueldo de los abajado es con a ados.
Den o de los aspec os sociales a maximiza se conside an:
- Va iación de las opo unidades de abajo, que end án de e minadas po la
con a ación o despido de abajado es, así como, po la comp a, en a de
máquinas y la capacidad de las mismas.
- Reducción del uso de máquinas con iesgos po enciales, cuan i icado a pa i de la
can idad de lesiones, en e medades o daños que son causados po cada máquina.
Es e da o se á de inido po un deciso . Apa ece á en nega i o en la unción
obje i o, pa a se minimizado.
Se plan ea un modelo de p og amación lineal en e o mix o, cuyas a iables de decisión
son:
- Núme o de máquinas de de e minado ipo, asignadas a una célula al comienzo del
pe iodo.
- Núme o de máquinas de de e minado ipo, añadidas a una célula al comienzo del
pe iodo.
- Núme o de máquinas de de e minado ipo, e i adas a una célula al comienzo del
pe iodo.
- Núme o de máquinas de de e minado ipo comp adas al comienzo del pe iodo.
- Núme o de máquinas de de e minado ipo endidas al comienzo del pe iodo.
- Núme o de abajado es con a ados en un pe iodo dado.
- Núme o de abajado es despedidos en un pe iodo dado.
- Si una ope ación de un p oduc o es p ocesada en una de e minada célula du an e
un pe iodo dado.
Pa a esol e es e p oblema, se plan ea un algo i mo gené ico.
Se ealizan p uebas compu acionales pa a dos p oblemas, aunque no se de inen sus
ca ac e ís icas, pe o se mues an los en es de Pa e o ob enidos de la esolución de ambos.
Los esul ados mues an cómo pa a ob ene el máximo del c i e io social, es necesa io
aumen a los cos es en e un 60 y 90% según el p oblema, espec o a la mejo solución
encon ada desde el c i e io económico.
 Niakan F. e al. (2014-2).
Los mismos au o es amplían su an e io a ículo añadiendo un nue o obje i o, la
minimización de la ene gía o al pe dida po el sis ema, de o ma que cada máquina end á
asociado un índice basado en su e iciencia que esumi á la ene gía pe dida media.
En es e a ículo se ealiza una mayo de inición del p oblema es udiado. Se pa e de
una se ie de p oduc os de demanda y secuencia de p ocesado conocidas, a p ocesa en un
Capí ulo 3. Re isión del Es ado del A e
- 56 -
g upo de máquinas de capacidad de inida y cuyos iempos de p ocesado son conocidos. Cada
ipo de máquina puede ealiza di e sas ope aciones, así como cada p oduc o puede se
p ocesado en di e en es máquinas.
Se pa e del modelo desc i o an e io men e al añadi le el obje i o ene gé ico, se
p ocede a su linealización. Es e nue o modelo se usa como base pa a desa olla un modelo de
p og amación lineal Fuzzy y me odología de esolución.
Como caso de es udio se usan dos conjun os de da os gene ados alea o iamen e, a
con inuación se de ine su con igu ación:
Tabla 8: Ca ac e ís icas de los p oblemas de es udio.
Ope aciones
P oduc os
Máquinas
Nº Max.
Células
Nº
Pe iodos
P oblema 1
3
2
4
3
2
P oblema 2
4
3
5
5
3
Los esul ados del p oblema 1 mues a cómo un inc emen o en los cos es del 35%
lle a a un inc emen o de los aspec os sociales de un 19% y una educción de la pé dida de
ene gía del 17%. En el p oblema 2, un inc emen o en los cos es del 32% lle a a un inc emen o
de los aspec os sociales de un 17% y una educción de la pe dida de ene gía del 14%.
 Liu C., Dang F. e al. (2014).
Se p esen a un modelo que busca minimiza el Makespan y las emisiones de ca bono,
conside adas como una pa e p opo cional de la ene gía o al consumida po unidad de
p oduc o.
Se p esen a un sis ema celula en el que cada p oduc o iene di e sas u as posibles de
ab icación. Cada una de esas u as o ma una posible célula pa a dicho p oduc o. Las
decisiones a oma son la selección de las células pa a p ocesa un p oduc o y la can idad a
p ocesa en cada uno de ellas.
Se es ablece un lími e supe io pa a las emisiones medias de ca bono.
Se desa olla un modelo de p og amación cuyas a iables de decisión son: si una
de e minada célula es seleccionada pa a p oduci un p oduc o dado; y la can idad de un ipo
de p oduc o p ocesado en una de e minada célula. Pa a esol e el p oblema se desa olla un
algo i mo gené ico.
Se p esen an di e en es casos p ác icos pa a es ea el modelo, en odos ellos se
conoce los iempos de p ocesado, el consumo, la demanda, la echa de en ega, y el ni el
supe io de las emisiones o ales de ca bono.
El p ime o se basa en el caso p opues o po He Y. e al., 2012, exis en 3 p oduc os en
di e en es can idades (20, 40 y 30 unidades) con di e en es u as de ab icación pa a cada uno
(3, 2 y 3 células). En es e caso solo se pe mi i á selecciona una célula po p oduc o.
Capí ulo 3. Re isión del Es ado del A e
- 57 -
Un segundo con 4 p oduc os con di e en es can idades (20, 70, 40 y 30 unidades) y
di e en es u as (2, 7, 5 y 6 células). Y un e ce o con 10 p oduc os (20, 70, 40, 30, 20, 30, 20,
30, 40 y 20 unidades) con di e en es u as posibles (2, 5, 5, 6, 6, 5, 2, 3 ,6 y 2 células).
Como in es igación u u a se p opone educi el núme o de suposiciones adop adas en
el modelo. En segundo luga , se p opone la conside ación del pico de emisiones en luga de
es ablece un lími e supe io . Pa a e mina , conside a la concu encia de a ios p oduc os en
una misma célula.
Capí ulo 3. Re isión del Es ado del A e
- 58 -
3.8. Sis emas econ igu ables.
Un sis ema econ igu able de ab icación (RMS, en inglés) es á diseño pa a un cambio
ápido de su es uc u a pa a ápidamen e ajus a su capacidad y uncionalidad, den o de una
amilia de p oduc os, en espues a a cambios de eque imien os del me cado (ElMa aghy H.A.,
2006).
Es e en oque se basa en la posibilidad de i c eando dinámicamen e di e en es
sis emas de ab icación donde un g upo de máquinas, células, sis ema de manejo de
ma e iales, e c., puede se añadido, modi icado, e i ado e in e cambiado.
Figu a 24: Esquema de los RMS (Ko en Y., 2014)
Las ca ac e ís icas de un RMS son las siguien es (Ko en Y. e al., 1999):
- Modula idad, de los componen es del sis ema.
- In eg abilidad, pa a una ácil in eg ación de la ecnología p esen e y u u a.
- Con e ibilidad, pa a pe mi i cambios ápidos en e p oduc os.
- Diagnos icabilidad, pa a encuad a la capacidad y lexibilidad del sis ema den o de
las posibles aplicaciones.
- Escalabilidad, pa a inc emen a ápida y económicamen e un cambio en la
capacidad.
En es e pun o del abajo, se han de inido núme os mé odos de ab icación con
amplias di e encias en e ellos, en la siguien e abla pueden e se las di e encias en e los
mismos (ElMa aghy H.A., 2006):
Capí ulo 3. Re isión del Es ado del A e
- 59 -
Tabla 9: Ca ac e ís icas de los sis emas dedicados, lexibles y econ igu ables.
Sis . Dedicado
FMS
RMS
Es uc u a
Fijo
Ajus able
Ajus able
Maquina ia
Fijo
Fija
Ajus able
En oque
P oduc o
Máquina
Familia de
p oduc os
Flexibilidad
No
Gene al
Cus omizado
Escalabilidad
No
Si
Si
He amien as ope ando
simul áneamen e
Si
No
Si
Cos e
Bajo
Al o
In e medio
 Choi Y-C y Xi ouchakis P. (2015).
Es os mismos au o es, que apa ecen en la sección de FMS, p oponen una a ian e del
sis ema es udiado con el iple obje i o de maximiza el núme o de p oduc os po pe iodo y
minimiza el in en a io en e pe iodos y la ene gía o al consumida, basado en el modelo
ene gé ico ya p esen ado.
En su an e io a ículo con aban con una célula de ab icación p ede inida con 5
máquinas. En es e nue o en oque, se cuen a con una se ie de máquinas-he amien a que
deben se asociadas pa a c ea células en un pe iodo de iempo a la go plazo.
Los lujos de luido de co e y i u a son conside ados elemen os que a ec an al
impac o medioambien al. Se obse a una elación en e la i u a e acuada y la can idad de
luido de co e u ilizado, a mayo can idad de i u a, mayo deg adación del luido, po lo que,
se es ablece una es icción pa a la can idad de i u a máxima e acuada.
Se plan ea un en oque holís ico pa a la op imización de los sis emas econ igu ables,
en un p ime luga , se gene an los di e en es planes de p ocesado posibles pa a cada abajo.
En un segundo paso, se gene an odas las econ igu aciones posibles del sis ema dado,
siguiendo el mé odo desc i o en U go M.L. e al., 2012, que se basa en un modelo es ocás ico
de dos e apas que busca minimiza la in e sión y cos e ope acional del sis ema.
Pa a e mina , se plan ea un modelo de p og amación lineal que analiza y selecciona la
econ igu ación más adecuada pa a cada p oduc o de aco de a los obje i os plan eados. Las
a iables de decisión del modelo son: can idad p oducida de un abajo según un de e minado
plan po pe iodo, y la can idad p oducida en exceso de un abajo según un de e minado plan
po pe iodo.
Pa a el caso p ác ico se conside a una amilia de 6 cilind os de mo o es. Se conside an
11 máquinas-he amien as al e na i as. Se conside an 8 escena ios posibles a la go plazo:
di e en es ag upaciones de p oduc os a p oduci du an e una se ie de años.
Como in es igación u u a, se p opone aplica la me odología en o os sis emas pa a
alidad su aplicabilidad, así como, conside a un en o no dinámico de esecuenciación.

Capí ulo 4. Análisis del Es ado del A e y P opues a de In es igación
- 60 -
Capí ulo 4
ANÁLISIS DEL ESTADO DEL ARTE
Y PROPUESTA DE INVESTIGACIÓN
Capí ulo 4
Capí ulo 4. Análisis del Es ado del A e y P opues a de In es igación
- 61 -
4.1. In oducción.
La inalidad de es e abajo es iden i ica una línea de in es igación u u a en base a la
e isión del es ado del a e ealizada en el capí ulo an e io y que en es e capí ulo a a se
analizada. T as ex ae las conclusiones pe inen es, las necesidades de ec adas se conc e a án
en una p opues a de es udio, de iniendo los obje i os de la misma y la me odología pa a
desa olla la.
En un p ime luga , pa a acili a un acceso más ápido a los a ículos, se an a
clasi ica según el sis ema de ab icación que es udien y el obje i o a op imiza . El esul ado
puede e se en la Tabla 10, dónde los a ículos es án e e enciados según la nume ación que
ienen en el capí ulo de e e encias.
Capí ulo 4. Análisis del Es ado del A e y P opues a de In es igación
- 62 -
Tabla 10: Clasi icación de a ículos po sis emas y obje i o.
Sis ema
ENERGÍA
HUELLA DE CARBONO
ENERGÍA y HUELLA DE CARBONO
OTROS
-
Ta danza
Tiempo
Te m.
Makespan
Makespan y
Ta danza
O os
Ta danza
Tiempo
Te m.
Makespan
-
Ta danza
Makespan
Single
Machine
91 74
75, 107
6 62 61 35
Pa allel
Machine
59 39, 71
Flow
Shop
11, 63
67, 95
5
105 15
109
62 26
Job
Shop
64, 65 37,69
88 45 57, 96
106
FMS
83, 55
54 82 110
7, 68
CMS
78 60 77
RMS
8
Capí ulo 4. Análisis del Es ado del A e y P opues a de In es igación
- 63 -
4.2. Análisis del es ado del a e.
Una ez desc i os los a ículos de una o ma sis ema izada, de allando aspec os
ca ac e ís icos de cada uno de ellos, se conside a necesa io un análisis numé ico pa a pode
obse a conclusiones de i adas de la e isión de una o ma más sencilla. Los 41 a ículos
es udiados se clasi ican de la siguien e o ma.
 Po sis ema es udiado.
Figu a 25: Núme o de a ículos po sis emas de ab icación.
 Po año de publicación.
Figu a 26: Núme o de a ículos po año de publicación.
0
1
2
3
4
5
6
7
8
9
10
11
Single M. Pa allel M. Flow Shop Job Shop FMS CMS RMS
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Capí ulo 4. Análisis del Es ado del A e y P opues a de In es igación
- 70 -
- Diseño de modelos pa a la o mación de células de ab icación y de amilias de
p oduc os en sis emas a anzados de ab icación conside ando aspec os
sos enibles.
- Diseño de modelos pa a la op imización sos enible de la plani icación y
p og amación de sis emas a anzados de ab icación.
- Diseño de modelos pa a la e aluación de las soluciones gene adas conside ando
c i e ios sos enibles.
Los modelos ma emá icos se pla ea án como p oblemas mul iobje i os con asignación
a p io i de p e e encias, en el que se conside an los obje i os adicionales de educción de
cos es y iempos jun o con obje i os adicionales que educen los consumos ene gé icos y las
emisiones de gases de e ec o in e nade o, así como ac o es sociales. El modelo busca á la
solución que p opo cione un mejo comp omiso en e las di e en es unciones obje i o,
sa is aciendo las es icciones del sis ema de ab icación.
La o mulación del modelo ma emá ico acili a el manejo del p oblema en su o alidad
y o ma un puen e pa a el análisis median e el empleo de écnicas ma emá icas y o denado es
de al a capacidad de compu ación.
Los modelos ma emá icos se o mula án usando el lenguaje de p opósi o gene al C++
y se emplea án paque es come ciales de p og amación como el LINGO o CPLEX pa a su
esolución.
 Resolución de los modelos de p og amación median e algo i mos e olu i os.
Es a a ea consis e en el desa ollo de algo i mos que esuel an los modelos
plan eados en la a ea an e io . El ipo de p oblema es cla amen e combina o io y de g an
complejidad en su esolución po lo que se p opone el desa ollo de me odologías capaces de
ob ene soluciones de al a calidad en iempos de compu ación azonables.
Los Algo i mos Híb idos E olu i os se es án inco po ando con ue za en la esolución
de p oblemas combina o ios complejos con un al o g ado en las es icciones del p oblema.
Es e ipo de algo i mos se basan en el uso de a ios mé odos de o ma híb ida, que unido a la
capacidad de la búsqueda de soluciones en la ecindad de las soluciones median e el ope ado
de ecombinación, mejo an el esul ado inal. El cómpu o e olu i o ha sido u ilizado pa a
esol e p oblemas de op imización más complejos y en la mayo ía de casos ha dado mejo es
esul ados que los mé odos adicionales de op imización.
El desa ollo de los nue os algo i mos híb idos e olu i os pa a esol e los p oblemas
de op imización mul iobje i os, se ealiza á en el lenguaje C++.
 In eg ación de los algo i mos en una He amien a de apoyo a la oma de decisiones
Es a a ea consis e en la in eg ación de la nue a he amien a p opues a pa a el diseño
y ges ión de sis emas a anzados de p oducción con c i e ios eco-e icien es con los sis emas de
in o mación de las emp esas (PLM y ERP). Pa a ello se u iliza án los es ánda es más ecien es
de in eg ación, pa a abo da es a a ea de o ma sencilla y e icien e.

Capí ulo 4. Análisis del Es ado del A e y P opues a de In es igación
- 71 -
La in eg ación de la he amien a con los PLM y ERP habili a a las posibles emp esas
in e esadas a uni ica la ges ión, mejo a la calidad de la in o mación, pe mi iendo la
isualización de las p opues as eco-e icien es y la compa ación en e di e en es al e na i as en
la solución. La he amien a p opo ciona á un Panel Dinámico de Indicado es que mos a á
indicado es de ipo socio-económico, ene gé ico y medioambien al pa a la e aluación del
impac o p oducido po la implan ación de las soluciones p opues as.
 Expe imen ación del sis ema.
El obje i o de es a a ea se dedica a la alidación del sis ema en un en o no eal. Pa a
al in, se lle a á una ins alación pilo o del p o o ipo en una emp esa de mecanizado. A pa i
de es a ins alación, se ealiza án una se ie de expe iencias que pe mi an alida los dis in os
elemen os desa ollados en el es udio.
4.3.3 Plan de abajo.
El plan de abajo p opues o desglosado po a eas y sub a eas es el siguien e:
1. Es ado del a e cien í ico- écnico del es udio.
1.1. Cap u a de in o mación, sis emas de ges ión y e aluación de cos es.
1.2. E aluación de impac os ene gé icos y medioambien ales.
1.3. He amien as y me odologías exis en es.
2. Cap u a de eque imien os de usua ios.
2.1. Análisis de Reque imien os de usua ios.
3. Desa ollo de modelos de p og amación ma emá ica.
3.1. Desa ollo del modelo de diseño celula .
3.2. Desa ollo del modelo de plani icación.
3.3. Desa ollo del modelo de p og amación (Scheduling).
3.4. Resolución median e so wa e de op imización.
3.5. Limi aciones de la esolución óp ima.
4. Resolución de los modelos de p og amación median e algo i mos e olu i os.
4.1. Diseño del algo i mo e olu i o.
4.2. Desa ollo del algo i mo e olu i o.
4.3. Resolución de p oblemas median e algo i mo e olu i o.
5. In eg ación en los sis emas de in o mación de la emp esa.
5.1. Diseño de he amien a in eg ado a del algo i mo.
5.2. Desa ollo de la he amien a de in eg ación.
5.3. Desa ollo de Panel Dinámico de Indicado es.
Capí ulo 4. Análisis del Es ado del A e y P opues a de In es igación
- 72 -
6. Expe imen ación del sis ema.
6.1. Diseño de escena ios y p uebas.
6.2. Desa ollo de p uebas.
4.3.4 Impac o espe ado de los esul ados de la p opues a.
Los esul ados de la p opues a son de in e és an o pa a la comunidad cien í ico-
écnica sob e los es udios en ab icación sos enible, como pa a la de esponsables de
p oducción po el uso de una he amien a de ayuda a la oma de decisiones en op imización
de ecu sos. El in e és iene mo i ado an o po la impo ancia socio-económica del sec o
Indus ial, como po la necesidad de la in oducción y desa ollo de c i e ios de sos enibilidad
en el mismo.
El impac o cien í ico- écnico espe ado de los esul ados de la p opues a se cen a en
el c ecien e in e és en las in es igaciones sob e el p oblema de op imización de ecu sos en
sis emas de ab icación conside ando apo aciones me odológicas desde el pun o de is a de
modelos sos enibles, pues o de mani ies o en el es ado del a e y su análisis expues o en el
p esen e abajo. Exis e un hueco in es igado en es e ipo de p oblemas, donde los c i e ios
socio-económicos ienen ambién que se conside ados. El en oque me odológico
mul iobje i o plan eado en es a p opues a es de eno me in e és a ni el social y económico
pues se conside an de o ma ponde ada los impac os económicos y sociales en el cálculo de
planes y p og amas de p oducción.
4.4. P opues a de caso de es udio.
Pa a comple a la p opues a an e io men e desc i a, se ha diseñado un caso de
es udio eó ico sob e la a ea 3.1 an es expues a de “Desa ollo de un modelo celula ”. En
conc e o, se p opone un sis ema celula donde el p oceso se aplica en dos pasos de
op imización y uno de selección, como se puede e en la Figu a 33:
- En un p ime paso, se op imiza el diseño de las células conside ando c i e ios de cos es
de o mación, medioambien ales y sociales. Debido a la complejidad del sis ema, se á
necesa io emplea écnicas me aheu ís icas que gene an más de una con igu ación
posible.
- El segundo paso consis i á en ealiza la p og amación de la p oducción de cada una de
las células de abajo, p es ando especial in e és a aquellos abajos que engan que
ealiza isi as a o as células. Al igual que en el paso an e io , se gene a án di e en es
secuenciaciones posibles.
- En el úl imo paso, se ealiza la oma de decisiones. Con una me odología de selección
mul ic i e io se e alua á los di e en es sis emas gene ados y se le asigna á una
alo ación numé ica a cada a uno.
Capí ulo 4. Análisis del Es ado del A e y P opues a de In es igación
- 73 -
M1 M2
M3 M4
Célula 1
M5 M6
M7
Célula 2
M8 M9
M10 M11
Célula 3
M12
1º Fo mación
de Células
M1
M12
M2
...
M1 M2
M3 M4
Célula 1
M5 M6
M7
Célula 2
M8 M9
M10
Célula 3
M11 M12
Célula 4
2º P og amación
de la P oducción
Me odología pa a la E aluación de Sis emas de
Fab icación
3º Toma de Decisiones
Valo ación
Con igu ación 1 ... Valo ación
Con igu ación 6
Figu a 33: Caso de es udio p opues o, esquema.
Capí ulo 5. Conclusiones
- 74 -
Capí ulo 5
CONCLUSIONES
Capí ulo 5
Capí ulo 5. Conclusiones
- 75 -
La sos enibilidad es un concep o que es á en auge y que puede se aplicado a odos los
aspec os de la ida. Pa iendo de la de inición de desa ollo sos enible se ha hecho un epaso
del nue o pa adigma in oducido a a és de la ab icación sos enible, de iniendo las
p incipales endencias, necesidades y aplicaciones obse adas.
De en e odas las es a egias expues as pa a esponde es e nue o pa adigma, la
amplia mayo ía equie en una al a in e sión económica pa a lle a las a cabo. La plani icación
sos enible des aca po encima del es o debido a es ac o es p incipales: la implemen ación
de planes de ab icación diseñados conside ando c i e ios sos enibles no equie en una g an
in e sión; se a a de un campo de in es igación ela i amen e nue o, con mucho po encial,
en el que aún exis en muchos aspec os po desa olla ; po úl imo, los esul ados se ían
ex apolables ácilmen e a cualquie a ipo de indus ia de p oducción.
El e o p esen ado se basa en esponde a las nue as necesidades plan eadas po las
emp esas de p oducción en el ma co de un desa ollo sos enible, cen ándonos en la
plani icación y p og amación de la p oducción conside ando c i e ios sos enibles.
Pa a esponde a es e e o, se ha ealizado una e isión de la li e a u a exis en e
sob e el ema. Como se ha is o en el capí ulo 3, exis e una in es igación c ecien e en los
es udios que analiza la op imización de los sis emas de ab icación conside ando c i e ios de
sos enibilidad. Los es udios iniciales se han cen ado en sis emas más adicionales y simples
(Single Machine, Job Shop, Flow Shop, e c.), mien as que los es udios sob e los sis emas
a anzados es án en una ase de inicio y su po encial sigue siendo amplio. También se puede
obse a cómo los casos p ác icos es udiados son mayo i a iamen e gene ados con da os
alea o ios, con pocos p oduc os y máquinas, po lo que, la aplicación a casos eales ex aídos
de la indus ia es necesa ia, así como, la inclusión de los aspec os sociales den o de los
obje i os.
Los aspec os a p o undiza de ec ados as el análisis han sido plasmados en una
p opues a de es udio cuyo obje i o es el diseño, op imización y e aluación de sis emas
a anzados de ab icación conside ando aspec os económicos, medioambien ales y sociales,
que se i á como apoyo a la oma de decisiones pa a ges o es en en o nos de ab icación
dinámicos.
Es a p opues a se comple a con la desc ipción de obje i os especí icos, me odología a
segui , plan de abajo de allando las a eas e impac o espe ado. Pa a inaliza se ha plan eado
una hipó esis de caso de es udio, con el in de cla i ica , de una o ma p ác ica, pa e de la
p opues a.

Capí ulo 5. Conclusiones
- 76 -
5.1. Publicaciones.
Como base pa a la jus i icación del desa ollo de es a p opues a y pa a mos a la
p o undización en el ema de la sos enibilidad, se adjun an las e e encias de a ias
publicaciones del au o de es e abajo.
Awanis Romli, Miguel P. De La Pisa, Rossi za Se chi, Paul P icke , Shwe Soe (2015)
“Eco-Case Based Reasoning (Eco-CBR) o Suppo ing Sus ainable P oduc Design” en Second
In e na ional Con e ence on Sus ainable Design and Manu ac u ing.
Awanis Romli, Miguel P. De La Pisa, Rossi za Se chi, Paul P icke (2016). “Eco-CBR:
In eg a ion o Eco-QFD and CBR o Suppo ing Sus ainable P oduc ” (Pendien e de se
publicado).
Capí ulo 6. Re e encias
- 77 -
Capí ulo 6
REFERENCIAS
Capí ulo 6
Capí ulo 6. Re e encias
- 78 -
1. Agne is, A., Flamini, M., Nicosia, G., & Paci ici, A. (2011). “A job-shop p oblem wi h one
addi ional esou ce ype”. Jou nal o Scheduling, 14, 225–237.
Doi:10.1007/s10951-010-0162-4
2. Bi, Z. (2011). Re isi ing Sys em Pa adigms om he Viewpoin o Manu ac u ing
Sus ainabili y. Sus ainabili y, 3, 1323–1340. doi:10.3390/su3091323
3. Boulange , P-M. (2008). “Sus ainable de elopmen indica o s: a scien i ic challenge, a
democ a ic issue”. Sapiens, 1, 44–59.
Doi:10.5194/sapiens-1-59-2008
4. B andima e, P. (1993). “Rou ing and scheduling in a lexible job shop by abu sea ch”.
Annals o Ope a ions Resea ch, 41, 157–183.
Doi:10.1007/BF02023073
5. B uzzone, A.A.G., Anghinol i, D., Paolucci, M., & Tonelli, F. (2012). “Ene gy-awa e
scheduling o imp o ing manu ac u ing p ocess sus ainabili y: A ma hema ical model
o lexible low shops”. CIRP Annals - Manu ac u ing Technology, 61(1), 459–462.
Doi:10.1016/j.ci p.2012.03.084
6. Cheng, J., Chu, F., Xia, W., Ding, J., & Ling, X. (2014). “Bi-objec i e op imiza ion o single-
machine ba ch scheduling conside ing ene gy cos ”. 2014 In e na ional Con e ence on
Con ol, Decision and In o ma ion Technologies (CoDIT), 236–241.
Doi:10.1109/CoDIT.2014.6996899
7. Choi, Y.-C., & Xi ouchakis, P. (2014). “A p oduc ion planning in highly au oma ed
manu ac u ing sys em conside ing mul iple p ocess plans wi h di e en ene gy
equi emen s”. The In e na ional Jou nal o Ad anced Manu ac u ing Technology, 70,
853–867. Doi:10.1007/s00170-013-5306-1
8. Choi, Y.-C., & Xi ouchakis, P. (2015). “A holis ic p oduc ion planning app oach in a
econ igu able manu ac u ing sys em wi h ene gy consump ion and en i onmen al
e ec s”. In e na ional Jou nal o Compu e In eg a ed Manu ac u ing, 28 (June 2015),
379–394. Doi:10.1080/0951192X.2014.902106
9. Clean echnica.com. “Renewable Ene gy & Clean Technology: Keys o a Re i aliza ion o US
Manu ac u ing & Job C ea ion”. Acceso: No iemb e 2015.
h p://clean echnica.com/2012/04/15/g een-manu ac u ing/
10. Dahmus, J. (2007). “Applica ions o indus ial ecology: manu ac u ing, ecycling, and
e iciency”. THESIS. Re ie ed om h p://dspace.mi .edu/handle/1721.1/39901
11. Dai, M., Tang, D., Gi e , A., Salido, M.A., & Li, W. D. (2013). “Ene gy-e icien scheduling o
a lexible low shop using an imp o ed gene ic-simula ed annealing algo i hm”. Robo ics
and Compu e -In eg a ed Manu ac u ing, 29, 418–429. Doi:10.1016/j. cim.2013.04.001
12. Dambha e, S.G., Deshmukh, S.J., & Bo ade, A.B. (2015). “Machining pa ame e op imiza ion
in u ning p ocess o sus ainable manu ac u ing”. In e na ional Jou nal o Indus ial
Enginee ing Compu a ions, 6, 327–338. Doi:10.5267/j.ijiec.2015.3.002
Capí ulo 6. Re e encias
- 79 -
13. Dauzè e-Pé ès, S., & Paulli, J. (1997). “An in eg a ed app oach o modeling and sol ing he
gene al mul ip ocesso job-shop scheduling p oblem using abu sea ch”. Annals o
Ope a ions Resea ch, 70, 281–306. Doi:10.1023/A:1018930406487
14. Deb, K., Membe , A., P a ap, A., Aga wal, S., & Meya i an, T. (2002). “A Fas and Eli is
Mul iobjec i e Gene ic Algo i hm: NSGA-II”. IEEE T ansac ions on E olu iona y
Compu a ion, 6(2), 182–197. doi:10.1109/4235.996017
15. Ding, J.-Y., Song, S., & Wu, C. (2015). “Ca bon-e icien scheduling o low shops by mul i-
objec i e op imiza ion”. Eu opean Jou nal o Ope a ional Resea ch, 248(3), 758–771.
Doi:10.1016/j.ejo .2015.05.019
16. Do n eld, D., Yuan, C., Diaz, N., Zhang, T., Vijaya agha an, A. (2013). “In oduc ion o g een
manu ac u ing”. G een Manu ac u ing: Fundamen als and Applica ions, pp. 1-23.
Doi: 10.1007/978-1-4419-6016-0_1
17. D ake, R., Yildi im, M. B., Twomey, J. M., Whi man, L. E., Ahmad, J. S., & Lodhia, P. (2006).
“Da a collec ion amewo k on ene gy consump ion in manu ac u ing”. 2006 IIE Annual
Con e ence and Exhibi ion, 6 p.
18. Du lou, J. R., Su he land, J. W., Do n eld, D., He mann, C., Jeswie , J., Ka a, S., Kellens, K.
(2012). “Towa ds ene gy and esou ce e icien manu ac u ing: A p ocesses and sys ems
app oach”. CIRP Annals - Manu ac u ing Technology, 61(2), 587–609.
Doi:10.1016/j.ci p.2012.05.002
19. EC, Eu opean Commission (2004). “Manu u u e, a Vision o 2020. Assu ing he Fu u e o
Manu ac u ing in Eu ope”.
20. Eguía I. (2010-1). “In oducción a los Sis emas de Fab ica ion”. Apun es de la asigna u a
Sis emas A anzados de P oducción, Más e O ganización Indus ial y Ges ión de
Emp esas, Uni e sidad de Se illa.
21. Eguía I. (2010-2). “Sis emas de Fab icación Flexible (SFF)”. Apun es de la asigna u a
Sis emas A anzados de P oducción, Más e O ganización Indus ial y Ges ión de
Emp esas, Uni e sidad de Se illa.
22. Eguía I. (2010-3). “Sis emas de Fab icación Celula (SFC)”. Apun es de la asigna u a
Sis emas A anzados de P oducción, Más e O ganización Indus ial y Ges ión de
Emp esas, Uni e sidad de Se illa.
23. Elking on, J., (1997). “Cannibals wi h Fo ks: he T iple Bo om Line o 21s Cen u y
Business”, Gab iola Island, BC: New Socie y Publishe s.
24. ElMa aghy, H.A. (2005). “Flexible and econ igu able manu ac u ing sys ems pa adigms.
In e na ional Jou nal o Flexible Manu ac u ing Sys ems”, 17, 261–276.
Doi:10.1007/s10696-006-9028-7
25. Eskanda pou , M., Dejax, P., Miemczyk, J., & Pé on, O. (2015). “Sus ainable supply chain
ne wo k design: an op imiza ion-o ien ed e iew”. Omega, 54, 11–32.
Doi:10.1016/j.omega.2015.01.006
Capí ulo 6. Re e encias
- 86 -
101. U go, M., L. Calega i, S. Die ssen, G. Fogliazza, K. U mann, A.Valen e, and J. Zulaika
Muniain. 2012. “Repo on Holis ic Digi al Tools o he Design o Dema e ialised
Manu ac u ing Sys em – Task 3.2 Deli e able D3.2.” Technical Repo -WP3-T3.2 in
Dema e ialised Manu ac u ing Sys em: A New Way o Design, Build, Use and Sell
Eu opean Machine Tools (DEMAT).
102. USDOC, U.S. Depa men o Comme ce. “How does Comme ce de ine Sus ainable
Manu ac u ing?,” Acceso: No iemb e 2015.
h p://www. ade.go /compe i i eness/sus ainablemanu ac u ing/how_doc_de ines_S
M.asp,
103. Vimal, K. E. K., Vinodha, S., & Mu alidha an, R. (2015). “An app oach o e alua ion o
p ocess sus ainabili y using mul i-g ade uzzy me hod”. In e na ional Jou nal o
Sus ainable Enginee ing, 8(Ap il), 40–54. doi:10.1080/19397038.2014.912254
104. WCED, Wo ld Commission on En i onmen and De elopmen (1987). “Repo o he
Wo ld Commission on En i onmen and De elopmen : Ou Common Fu u e (The
B und land Repo )”. Medicine, Con lic and Su i al, 4, 300.
Doi:10.1080/07488008808408783
105. Xu, F., Weng, W., & Fujimu a, S. (2014). “Ene gy-E icien Scheduling o Flexible Flow
Shops by Using MIP”. IIE Annual Con e ence and Expo 2014, pp. 1040-1048.
106. Yi, Q., Li, C., Tang, Y., & Wang, Q. (2012). “A new ope a ional amewo k o job shop
scheduling o educing ca bon emissions”. IEEE In e na ional Con e ence on Au oma ion
Science and Enginee ing, 58–63. Doi:10.1109/CoASE.2012.6386372
107. Yildi im, M. B., y Mouzon, G. (2012). “Single-machine sus ainable p oduc ion planning o
minimize o al ene gy consump ion and o al comple ion ime using a mul iple objec i e
gene ic algo i hm”. IEEE T ansac ions on Enginee ing Managemen , 59(4), 585–597.
Doi:10.1109/TEM.2011.2171055
108. Zhang, H., y Haapala, K. R. (2014). “In eg a ing sus ainable manu ac u ing assessmen in o
decision making o a p oduc ion wo k cell”. Jou nal o Cleane P oduc ion.
Doi:10.1016/j.jclep o.2014.01.038
109. Zhang, H., Zhao, F., Fang, K., & Su he land, J. W. (2014). “Ene gy-conscious low shop
scheduling unde ime-o -use elec ici y a i s”. CIRP Annals - Manu ac u ing
Technology, 63(1), 37–40. Doi:10.1016/j.ci p.2014.03.011
110. Zhang, L., Li, X., Gao, L., & Zhang, G. (2013). “Dynamic escheduling in FMS ha is
simul aneously conside ing ene gy consump ion and schedule e iciency”. In e na ional
Jou nal o Ad anced Manu ac u ing Technology, 1–13. Doi:10.1007/s00170-013-4867-3
111. Zi zle , E., Laumanns, M., & Thiele, L. (2001). “SPEA2: Imp o ing he S eng h Pa e o
E olu iona y Algo i hm”. E olu iona y Me hods o Design Op imiza ion and Con ol wi h
Applica ions o Indus ial P oblems, 95–100. doi:10.1.1.28.7571