MIX DEL PRODUCTO ÓPTIMO USANDO ALGORITMOS GENÉTICOS
MIX OF THE OPTIMUM PRODUCT USING GENETIC ALGORITHM
Job Daniel Gamarra Moreno, Abraham Esteban Gamarra Moreno, Juan Gamarra Moreno
Facultad de Ingeniería de Sistemas, Universidad Nacional del Centro del Perú – Huancayo
DOI: https://doi.org/10.33017/RevECIPeru2004.0019/
RESUMEN
Mix de producto óptimo significa determinar la cantidad de productos a producir para maximizar la ganancia. Para determinar el mix de producto óptimo de la Cooperativa Industrial Manufacturas del Centro de la ciudad de Huancayo, la empresa textil más importante de la región Andrés A. Cáceres, se ha construido el modelo híbrido que combina la simulación de eventos discretos y con los algoritmos genéticos. La simulación de eventos discretos se utiliza para inferir el costo unitario indirecto de cada producto debido al empleo de un sistema de costos basado en actividades. Para aplicar un sistema de costos basado en actividades se requiere información a posteriori, pero se puede conocerlo (aproximarlo) a priori aplicando la simulación de eventos discretos. Los algoritmos genéticos determinan el mix del producto óptimo que maximiza la utilidad. Estos algoritmos genéticos utilizan la codificación de valor para los cromosomas e incluyen técnicas para la solución de problemas con restricciones lineales. El mix de producto óptimo obtenido con el modelo disminuye las pérdidas con respecto al mix utilizado en el primer semestre, de aquellos productos cuyo costo unitario es superior a su precio, en un 43% e incrementan la utilidad en 123%.
Palabras claves: Algoritmos genéticos, mix del producto, simulación de eventos discretos, costo basado en actividades.
ABSTRACT
Optimal product-mix means to determine the quantity of products to produce to maximize the gain. To determine the optimal product-mix of the Cooperativa Industrial Manufacturas del Centro from Huancayo city, the most important textile company in the region Andrés A. Cáceres, it has been built a hybrid model combining the discrete-event simulation and the genetic algorithms. The discrete-event simulation is used to infer the indirect unitary cost of each product due to the use of a system activity-based costing. To apply a system activity-based costing the posteriori information is required to, but one can know it (to approach it) a priori applying the discrete-event simulation. The genetic algorithms determine the optimal product-mix that maximizes the utility. These genetic algorithms use the code of value for the chromosomes and they include techniques for the solution of problems with lineal restrictions. The optimal product-mix obtained with the model decrease the losses of the product-mix used in the first semester, of those products whose unitary cost is greater than its price in 43% and they increase the utility in 123%.
Keywords: Genetic algorithm, product-mix, discrete-event simulation, activity-based costing.