Estudio y análisis de la programación de la producción con criterios de sostenibilidad. Desarrollo de una propuesta de investigación

Equation Chapter 1 Section 1 Trabajo Fin de Máster Máster en Organización Industrial y Gestión de Empresas Estudio y análisis de la programación de la producción con criterios de sostenibilidad. Desarrollo de una propuesta de investigación Autor: Miguel Pascual de la Pisa Tutor: Ignacio Eguía Salinas Dep. Organización Industrial y Gestión de Empresas I Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2015 Trabajo Fin de Máster Máster en Organización Industrial y Gestión de Empresas Estudio y análisis de la programación de la producción con criterios de sostenibilidad. Desarrollo de una propuesta de investigación Autor: Miguel Pascual de la Pisa Tutor: Ignacio Eguía Salinas Profesor Titular Dep. de Organización Industrial y Gestión de Empresas I Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2015 «Sustainable development is the pathway to the future we want for all. It offers a framework to generate economic growth, achieve social justice, exercise environmental stewardship and strengthen governance». Ban Ki-moon (Secretario General de las Naciones Unidas) Trabajo Fin de Máster: Estudio y análisis de la programación de la producción con criterios de sostenibilidad. Desarrollo de una propuesta de investigación Autor: Miguel Pascual de la Pisa Tutor: Ignacio Eguía Salinas El tribunal nombrado para juzgar el Trabajo arriba indicado, compuesto por los siguientes miembros: Presidente: Vocales: Secretario: Acuerdan otorgarle la calificación de: Sevilla, 2015 El Secretario del Tribunal 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 Objetivos específicos. ..................................................................................................... 68 4.3.2 Metodología. .................................................................................................................. 69 4.3.3 Plan de trabajo. .............................................................................................................. 71 4.3.4 Impacto esperado de los resultados de la propuesta. .................................................... 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 Capítulo 2. La Fabricación Sostenible - 6 - Capítulo 2 LA FABRICACIÓN SOSTENIBLE Capítulo 2 Capítulo 2. La Fabricación Sostenible - 7 - 2.1. Introducción. El término sostenible apareció por primera vez en los años 1987-1988 dentro de un informe de Naciones Unidas que incluía como objetivo el desarrollo sostenible: “Satisfacer nuestras necesidades actuales sin comprometer la capacidad de las generaciones futuras para satisfacer las suyas” (WCED, 1987). Para conseguirlo, el concepto se basa en tres pilares: económico, social y medioambiental (Figura 4). Figura 4: Indicadores básicos para el desarrollo sostenible (UNCSD, 2001). 2.2. Fabricación sostenible. Este desarrollo sostenible se ha aplicado al campo de la fabricación, pudiendo considerarse como un paso adelante desde la fabricación verde. Aunque a veces esta puede ser confundida con la fabricación sostenible, la cual implica un enfoque que considera el sistema de una forma global desde los tres pilares comentados anteriormente, no simplemente centrándose en una reducción del impacto medioambiental y los recursos consumidos. Diversos autores definen la fabricación sostenible como: “Diseño de sistemas humanos e industriales para asegurar que el uso de los recursos naturales no llevan a la disminución de la calidad de vida ya sea por perdidas de oportunidades económicas futuras o impactos adversos en las condiciones sociales, de salud y medioambiente” (Mihelcic J.R. et al., 2003). INDICADORES DEL DESARROLLO SOSTENIBLE Social Equidad Salud Educación Vivienda Seguridad Población Medioambiental Atmósfera Terreno Oceanos, mares y costas Agua dulce Biodiversidad Económico Estructura económica Consumo y patrones de consumo Capítulo 2. La Fabricación Sostenible - 8 - “La fabricación sostenible es un enfoque de sistemas para la creación y distribución (cadena de suministro) de productos y servicios innovadores, que: minimicen recursos (de entrada, como materiales, energía, agua y terreno); eliminen sustancias tóxicas; y produzcan cero desperdicios que reduzcan gases del efecto invernadero, como por ejemplo las emisiones de carbón, a lo largo del ciclo de vida completo de esos productos y servicios” (Rachuri S. et al., 2010) “La habilidad de usar los recursos naturales de una forma inteligente para la fabricación, a través de la creación de productos y soluciones que gracias a la nueva tecnología, medidas reglamentarias y comportamientos sociales coherentes, de forma que sea capaz de satisfacer objetivos económicos, medioambientales y sociales, conservando así el medioambiente, mientras que se continua mejorando la calidad de vida” (Garetti M. y Taisch M., 2012). “La creación de productos que usan procesos que minimizan el impacto medioambiental negativo, conserva la energía y los recursos naturales, son seguros para los empleados, comunidades y consumidores y son viables económicamente” (USDOC, 2015). “La fabricación sostenible incluye la fabricación de productos sostenibles y la fabricación sostenible de todos los productos. Incluyendo energías renovables, eficiencia energética, construcción verde y otros productos verdes y relacionados con la equidad social” (NACFAM, 2015) Alternativamente surge el término de producción sostenible, muy similar al anterior. Fue introducido en 1992 durante la conferencia sobre medioambiente y desarrollo de las Naciones Unidas (UNCED, 1992). Se han encontrado algunas definiciones de este nuevo enfoque: “Para conseguir la producción sostenible se tiene que conseguir cada uno de estos tres elementos integrales: reducir el impacto medioambiental negativo; ofrecer una mejorada eficiencia energética y de recursos; generar una cantidad mínima de residuos; proporcionar seguridad operacional; y ofrecer una mejorada salud personal. Todo esto mientras se mantiene o incluso mejora la calidad del producto y procesos” (Jawahir I., 2013). “La producción sostenible es la creación de bienes y servicios usando procesos y sistemas que son: no contaminantes; conservadores de energía y recursos naturales; viables económicamente; sanos y seguros para los trabajadores, comunidades y consumidores; y gratificantes para los trabajadores. Si la producción es sostenible, entonces el medioambiente, los empleados, las comunidades y organizaciones son todos beneficiados. La producción sostenible no debe solo proteger a los trabajadores de riesgos ocupacionales, sino que debe involucrarlos en la tarea de crear condiciones de trabajo que sean productivas, sanas y gratificantes” (LCSP, 2015). Capítulo 2. La Fabricación Sostenible - 9 - Como se ha comentado, existe un paradigma anterior, la fabricación verde, que también puede ser llamada fabricación limpia (Clean/Cleaner Manufacturing). Según Dornfeld D. et al., 2013, el adjetivo verde puede ser definido como una preocupación hacia lo medioambiental y a la preservación de la calidad del mismo. Por lo que un sistema de fabricación puede ser considerado verde si tiene un impacto sobre el medioambiente mínimo o inexistente. A continuación se añaden más definiciones encontradas: “La fabricación verde es aquella capaz de cumplir con los requisitos del diseño y minimizar el impacto medioambiental, de forma simultanea” (Bi Z., 2011). “La fabricación limpia es la aplicación continua de una estrategia medioambiental integrada y preventiva dirigida hacia los procesos, productos y servicios con el fin de incrementar la eficiencia total y reducir el daño y riesgos sobre los humanos y el medioambiente” (UNEP, 2015). “La fabricación verde puede ser visto de dos formas: la fabricación de productos verdes, particularmente aquellos relacionados con sistemas de energía renovables y tecnologías limpias de todo tiempo; y el reverdecimiento de la fabricación con la reducción de la polución y los desperdicios a través de la minimización del uso de recursos naturales, reciclado y reuso de los desperdicios, con la finalidad de reducir emisiones” (Cleantechnica.com, 2015). “La fabricación verde contempla la implementación de cualquier tipo de modificación del proceso que lleve a una reducción en el consumo energético, consumo de recursos, residuos y uso de agua” (green-manufacturing.blogspot.com.es, 2015). Entonces, ¿cómo se distingue la fabricación sostenible de la verde? En la definición del desarrollo sostenible se introducen dos aspectos clave: el concepto de necesidad y las limitaciones impuestas por la tecnología y las organizaciones sobre el medioambiente para alcanzar necesidades presentes y futuras. De esta forma, se incluyen los factores sociales, además de los económicos y medioambientales. Estos tres aspectos se agrupan dentro del concepto de Triple Bottom Line, enfoque surgido al aplicar la sostenibilidad al mundo de los negocios (Elkington J., 1997). De esta forma, los sistemas de fabricación sostenibles son aquellos que cumplen con los tres objetivos planteados. En la Figura 5 se puede ver la combinación de los diferentes pilares, generando diferentes conceptos hasta llegar a la sostenibilidad. En la Figura 6, estos pilares son aplicados al ámbito de la fabricación para generar diferentes paradigmas hasta llegar a la fabricación sostenible. Capítulo 2. La Fabricación Sostenible - 10 - Figura 5: Combinación de los tres pilares de la sostenibilidad (Garetti M. y Taisch M., 2012). Environment Economic Social Environmental Benign Mfg Socially Conscious Mfg Mass Mfg Sustainable Mfg Green Mfg Lean Mfg Figura 6: Integración de la Triple Bottom Line en el ámbito de la fabricación (Adaptación de Dornfeld D. et al., 2013). La Figura 7 es una continuación de la anterior, muestra la evolución de los diferentes paradigmas expuestos en la Figura 6. Se puede observar como cada nuevo enfoque es una evolución mejorada del anterior. Mientras que la fabricación verde estaba centrada en los 3 conceptos de reducir, reusar y reciclar, la fabricación sostenible incluye los conceptos de recuperar, rediseñar y remanufactura (Jayal A.D. et al., 2010). Figura 7: Evolución de los paradigmas de fabricación (Jayal A.D. et al., 2010) 2.3. Tendencias y necesidades. De acorde a Haapala K.R. et al. (2013), se pueden definir una serie de retos y oportunidades dentro de la fabricación sostenible que aún están pendientes de un mayor desarrollo. Se pueden clasificar en cuatro categorías: Capítulo 2. La Fabricación Sostenible - 11 - Procesos y equipos de fabricación: se observa necesario desarrollar nuevos procesos y equipos que reduzcan las huellas ecológicas, con sistemas de toma de decisiones basados en la metodología Life Cycle Assesment (LCA). Se debe buscar el uso de la energía de una forma más eficiente, considerando el impacto sobre los trabajadores y la comunidad local. Las estrategias para conseguir esto pueden ser la hibridación de procesos, el correcto dimensionado de equipos, la utilización de nuevos mecanismos de procesos y el uso de materiales y químicos más benignos. Sistemas de fabricación: se debe prestar una especial atención al consumo de recursos, producción de residuos e impactos medioambientales. Existen oportunidades en la inclusión de objetivos medioambientales en la toma de decisiones existentes a nivel de sistemas, instalaciones, empresas y cadena de suministro (programación de la producción, selección de proveedores, localización de instalaciones). Especialmente se observan grandes oportunidades en el desarrollo de planes de fabricación y programación de operaciones basados en métricas sostenibles. Otra estrategia señalada es el reciclado y remanufactura, donde se incluye la logística inversa y las nuevas tecnologías para la recuperación de productos más complejos. Cambios en los paradigmas: se necesita el desarrollo de nuevos paradigmas referentes a los ciclos de vida de los productos. Nuevos enfoques referentes al reciclado y la remanufactura conducirán al desarrollo de procesos, cambios en el diseño de productos, mayor uso de la logística inversa e incluso, redimensionar la visión del ciclo de vida del producto completo. Estos cambios implicarían un cambio en los modelos de negocio actuales, sin olvidarse de los aspectos sociales. Es muy recomendable integrar el LCA o métodos similares dentro de los sistemas de fabricación para evitar posibles obstáculos medioambientales. El uso de un LCA predictivo ayudará a prever los impactos, para ello será necesario el desarrollo de bases de datos medioambientales basadas en la industria real. Educación: pocas facultades tienen cierta experiencia en el área de la sostenibilidad. La impartición de cursos y el desarrollo de materiales sobre la sostenibilidad pueden ser efectivos para educar futuros ingenieros con un amplio entendimiento de diseño de productos y procesos, fabricación y la influencia sobre las etapas del ciclo de vida. Estas necesidades también están presentes en España, como se puede observar de la encuesta conducida en Koho M. et al. (2011). Las empresas españolas y sus dirigentes consideran el desarrollo sostenible como algo clave para su futuro. Esta encuesta también detecta barreras para que este desarrollo se produzca, como son: la ausencia de métricas y rankings de comparación y la falta de conocimiento de qué hacer y cuándo hacerlo. Capítulo 2. La Fabricación Sostenible - 12 - Este estudio también propone retos para que el desarrollo sostenible se propicie: - Nuevos procesos y tecnológicas que mejoren la eficiencia de los recursos hacia una producción más verde. - Mediciones estandarizadas de la sostenibilidad. - Uso de recursos energéticos sostenibles. - Desarrollo de técnicas de medida y evaluación de los impactos medioambientales. 2.4. Aplicaciones de la fabricación sostenible. A continuación se enumeran una serie de artículos, clasificados a diferentes niveles, que abordan la fabricación sostenible desde diferentes enfoques. A nivel producto, se introduce el concepto Design for Sustainability donde se consideran nuevos criterios sostenibles en las etapas primarias del diseño (Rosen M.A. y Kishawy H.A., 2012; Setchi R. et al., 2015). A raíz de este concepto se han desarrollado marcos de trabajo para apoyar el diseño sostenible (Romli A. et al., 2014). A nivel de procesos, una de las estrategias empleadas ha sido el desarrollo de máquinas y procesos más eficientes (Duflou J.R. et al., 2012). Dado que muchas máquinas empleadas en los procesos tienen un amplio margen de parámetros a configurar, existen también diversos estudios orientados a la optimización de éstos desde un punto de vista sostenible (Dambhare S.G. et al., 2015; Hassine H. et al., 2015). A nivel de sistemas, las estrategias principales se han basado en auditorías energéticas (Le C.V. et al., 2012), planificación y programación de la producción (Mouzon G., 2008) y diseño de la cadena de suministro (Eskandarpour M. et al., 2015). Además, una de las aplicaciones consideradas de gran interés es la evaluación global de los sistemas para obtener una valoración sostenible de forma cuantitativa que ayude a los decisores a valorar las medidas a implementar, en forma de configuraciones posibles. Dentro de esta categoría, Vimal K.E.K. et al. (2015), presenta una metodología Fuzzy que generar un indicador agregado de sostenibilidad. Zhang H. y Haapala K.R. (2014), se propone una combinación de la metodología AHP y PROMETHEE que generan un ranking de las configuraciones alternativas del sistema. 2.5. Programación de operaciones sostenibles. De entre todas las necesidades y retos comentados en este trabajo, nos vamos a centrar en la tendencia operacional, ya que la investigación sobre el control de operaciones y la programación con objetivos medioambientales y sociales de las mismas es limitado (Fang K. et al., 2011). Son varios los editoriales de revistas científicas que han expresado la necesidad de un mayor desarrollo en esta línea. Li J. et al. (2012), expresa la necesidad de centrarse en ahorros energéticos en la fabricación automatizada a través del control operacional y la programación de los robots con el objetivo de minimizar el consumo energético. Gunasekaran A. y Gallear D. (2012), señalan entre otras direcciones de investigación, la necesidad de implicar los procesos y operaciones Capítulo 2. La Fabricación Sostenible - 13 - de fabricación en la mejora del desempeño medioambiental y económico. Gunasekaran A. y Spalanzani A. (2012), señalan la necesidad de considerar los recursos de entrada (energía, personas, equipo, inventario) con el objetivo de minimizar el desperdicio, los retrabajos, inventarios, retrasos y huella de carbono. Reseñando la investigación limitada en las operaciones de producción sostenibles en ámbitos teóricos y prácticos. Jin M. et al. (2015), expresan la necesidad de planes productivos optimizados en entornos de fabricación avanzada, especialmente en un contexto de bajas emisiones de carbono. También ven necesario profundizar en la programación de sistemas de fabricación optimizados desde un punto de vista sostenible multicriterio. De especial interés es el artículo de Trentesaux D. y Prabhu V. (2014), donde se hace un revisión de la sostenibilidad a nivel operativo, los tipos de enfoques para abordar problemas de este tipo de una forma sostenible. En este artículo se definen tres líneas de acción emergentes: En primer lugar, aunque el mecanizado represente una pequeña fracción del ciclo de vida, la reducción de energía consumida en este proceso de fabricación ha sido recientemente identificada como una de las estrategias más importantes para mejorar la sostenibilidad (He Y. et al., 2012). La fabricación es la responsable del 33% de la energía consumida en el mundo y del 38% de las emisiones directas e indirectas de CO2 (Garetti M. y Taisch M., 2012), además, la eficiencia de las máquinas herramienta es generalmente menor al 30% (Hu S. et al., 2012), a lo que se añade un precio variable de la energía y limites en la energía pico. Todo esto hace que la programación y control de la producción tenga una influencia considerable en la energía consumida y en el coste asociado. En segundo lugar, la fabricación tiene un alto impacto en el medioambiente, donde el mayor riesgo sobre la sostenibilidad se presenta en el nivel operacional (polución, residuos y desperdicio energético). Algunos procesos de la industria química, de comida, de refinado, de pintura o metal presentan un alto consumo energético y un alto riesgo de generar grandes cantidades de residuos o polución. Dado el rápido incremento de precios en los últimos 10 años, los ahorros pueden ser incluso mayores centrando los esfuerzos en el nivel operativo, sin tener que hacer mayores inversiones. En tercer lugar, los sistemas de fabricación se han vuelto sobredimensionados en referencia a las necesidades del mercado, de esta forma, la reducción de energía se ha vuelto un factor importante para ellos. Se deduce pues que aunque las operaciones no sea el primer camino hacia la sostenibilidad, se está convirtiendo rápidamente en un campo de estudio importante que puede contribuir a la sostenibilidad global. Pero en este punto surge una pregunta, ¿bajo qué circunstancias la programación de operaciones de fabricación puede considerarse como sostenible? En un sistema de fabricación existen recursos de entrada (energía, máquinas, inventarios, materias primas, herramientas, personal, etc.) que se necesitan para realizar la programación de las operaciones. También existen las salidas (residuos, polución, chatarra, etc.), que son las consecuencias de la programación. Teniendo esto en cuenta, cuando un Capítulo 2. La Fabricación Sostenible - 14 - método considera, además de los objetivos comunes relacionados con tiempo y calidad, la optimización de los recursos del sistema, se puede considerar sostenible. Al considerar las entradas y salidas, se abre un nuevo debate de la eficiencia frente a la eficacia. La primera hace referencia a la búsqueda del mejor uso de los recursos, mientras que la segunda hace referencia a la búsqueda de los mejores resultados posibles. Considerando esto, la programación ideal desde un punto de vista sostenible es aquella que realiza todo (máxima eficacia) usando nada (mínimo uso de recursos). De esta forma se pueden distinguir tres enfoques para abordar el problema de la planificación sostenible: Primero, enfoque de entrada. Se centra en la energía, inventario, máquinas y herramientas, es el más desarrollado. Las principales líneas que se observan son: - Minimizar el consumo de los recursos de entrada, manteniendo la calidad de la programación como compromiso. - Optimizar la eficacia de la programación viendo los recursos de entrada como restricciones duras (expresado como coste, máximo consumo posible en una ventana de tiempo, máxima energía pico posible). - La eficacia de la programación se mantiene como objetivo primero y el uso/consumo de los recursos de entrada son minimizados si fuera posible. - Por último, usar enfoques predictivos aproximados, así como, simulaciones. Segundo, el enfoque de salida. Se centra en los residuos, polución, chatarra, gases del efecto invernadero. Está menos desarrollado, centrándose el estudio básicamente en la industria química. Por último, considerar ambos enfoques simultáneamente de entrada y salida, anteriormente mencionados, como objetivos del problema. Este enfoque está poco desarrollado con respecto a los enfoques de salida. 2.6. Indicadores para la fabricación sostenible. Como se ha visto anteriormente, los problemas de operaciones sostenibles se abordan considerando diferentes entradas y salidas dentro del objetivo de optimización. Que medir y como medirlo es un aspecto de vital importancia para cuantificar el impacto que tendrá cada uno de los aspectos considerados sobre la sostenibilidad, así como, tener un valor tangible que poder optimizar dentro de un modelo. El concepto de indicador fue usado originalmente en un contexto puramente científico: la investigación sociológica. Su función era la de realizar la traducción de conceptos teóricos/abstractos en variables observables de forma que la hipótesis científica que involucra esos conceptos puede ser sometida a una verificación empírica (Boulanger P-M., 2008). Capítulo 2. La Fabricación Sostenible - 15 - A continuación se aportan otras definiciones del concepto de indicador: “Medidas o agregación de las mismas de forma que se puedan deducir conclusiones del fenómeno de interés” (Joung C.B. et al., 2013). “Una medición estadística que ofrece una indicador sobre el desarrollo sostenible social, medioambiental y económica” (OCDE-1, 2015). “Un indicador es algo que ayuda a entender donde se encuentra uno, por cual camino se va y cuán lejos se está del punto deseado. Un indicador alerta de un problema antes de que la situación empeore y ayuda a identificar qué acciones deben ser tomadas para solucionarlo” (Sustainablemeasures.com, 2015-1). De cara a completar las definiciones anteriores, se enumeran ciertos aspectos relevantes. Para realizar la caracterización de un indicador se deberán definir los siguientes conceptos (Joung C.B. et al., 2013): - Identificación: un único identificador alfanumérico para dicho indicador. - Nombre: una palabra que sea distintiva como designación del indicador. - Definición: Una frase expresando las características esenciales y la función de un indicador. - Tipo de medida: si es cualitativo o cuantitativo. - Unidad de medida: la unidad de valor del indicador. - Referencias: documentos citables que contenga indicadores específicos o conjuntos de ellos, a partir de los que un indicador es seleccionado o desarrollado como nuevo. - Nivel de aplicación: el nivel en la organización jerárquica en el que el indicador es aplicado. Basado en esta información, los decisores pueden establecer sus propias métricas sostenibles acorde a su estrategia de negocio. Los siguientes criterios pueden ser usados para evaluar la idoneidad de un indicador (Moos M.L. y Grunkemeyer, W.T., 2007; Sustainablemeasures.com, 2015-2): - Medible: que sea simple y fácil de medir ya sea cualitativa o cuantitativamente, dentro de un marco para la recolección de datos y su evaluación. - Relevante: es aquel que está directamente relacionado a un aspecto significante de la sostenibilidad. - Comprensible: que sea fácilmente interpretable por personas no expertas. - Confiable/Utilizable: que contenga información precisa y de confianza. - Accesibilidad de datos: debe estar basado en datos e información que sean de fácil acceso y adquiridos dentro del contexto analizado. - En tiempo oportuno: los datos, recolección de información, cálculo y evaluación de un indicador deben ser realizadas en un espacio de tiempo aceptable para la toma de decisiones. Capítulo 2. La Fabricación Sostenible - 22 - más comunes en la industria. Lu T. et al. (2010) propone un conjunto de métricas en diferentes ámbitos para valorar la sostenibilidad (Tabla 5). Tabla 5: Métricas para los procesos de mecanizado (Lu T. et al., 2010) Tipo de métrica Ejemplo Impacto medioambiental Emisiones efecto invernadero (kg CO2 equiv./un) Ratio de energías renovables usadas (%) Consumo total de agua (kg/un) Consumo energético Energía usada en la línea de producción (kWh/un) Energía usada en el mantenimiento del entorno de trabajo (kWh/un) Energía consumida en el manejo de materiales (kWh/un) Coste económico Coste de la mano de obra ($/Un) Coste de la energía ($/un) Coste de mantenimiento ($/un) Seguridad de los trabajadores Exposición a químicos corrosivos o tóxicos (Incidentes/persona) Tasa de lesiones (Lesiones/persona) Cuasi accidentes (Cuasi accidentes/persona) Salud de los trabajadores Contaminación química del entorno de trabajo (mg/m3) Nivel de polvo (mg/m3) Índice de carga física (adimensional) Gestión de los desperdicios Masa de consumibles desechados (kg/un) Ratio de reuso de consumibles (%) Ratio de viruta y desperdicios reciclado (%) Para terminar, también se considera interesante hacer hincapié en los indicadores referentes a la dimensión social, ya que es el nuevo pilar añadido en el paradigma de la fabricación sostenible, y que aún se encuentra en vías de desarrollo. Labuschagne C. et al. (2005), realiza un análisis de los repositorios más extendidos centrándose en qué aspectos sociales son tratados en cada uno de ellos. Para finalizar, en Vimal K.E.K. et al. (2014), se enumeran una serie de índices sociales y su descomposición en indicadores (Tabla 6). Capítulo 2. La Fabricación Sostenible - 23 - Tabla 6: Indicadores sostenibles para la dimensión social (Vimal K.E.K. et al., 2014) Índice Indicador Prácticas de compensación de empleados Remuneraciones basadas en contribuciones Recompensas por buen comportamiento Aseguramiento de la equidad y motivación para retener al personal Cumplimiento del desempeño socio-medioambiental Cultura para el desempeño socio-económico Cumplimento de las regulaciones gubernamentales Realización de programas de sensibilización Implicación de riesgos para la salud y sus prácticas Uso del equipo de protección personal Toxicidad del producto y tiempo de exposición en caso de ser inhalado Magnitud y tiempo de exposición a un ruido Programa de desarrollo profesional del empleado (Entrenamiento y orientación del empleado) Derechos humanos Sesiones de entrenamiento en procesos de fabricación avanzados y de mejora continua Evaluación de mejora continua Involucración del empleado Reconocimiento del empleado a través de sistemas de evaluación Involucración del empleado en grupos de toma de decisiones Cooperación y espíritu del empleado Desempeño macro social Bienestar macroeconómico Monitorización Legislación y cumplimiento Ambiente de trabajo Repetitividad del trabajo Habilidad de gestionar la diversificación Nivel de automatización del trabajo Emoción o aburrimiento sentido durante el trabajo Uso efectivo de políticas de rotación Asignación de trabajos diversificados Automatización de trabajos repetitivos Capítulo 3. Revisión del Estado del Arte - 24 - Capítulo 3 REVISIÓN DEL ESTADO DEL ARTE Capítulo 3 Capítulo 3. Revisión del Estado del Arte - 25 - 3.1. Introducción. A continuación se describirán un conjunto de artículos referentes a la fabricación sostenible, clasificados según el sistema de fabricación que estudien. Cada descripción contendrá información, si la hubiera, referente al objetivo a optimizar; singularidades del enfoque; modelo, variables de decisión y metaheurística desarrollada; caso práctico; resultados; y propuestas de investigación futura. Se han utilizado fuentes bibliográficas tales como Scopus, portal Fama de la Universidad de Sevilla, Google Scholar, etc. Los parámetros de búsqueda utilizados se detallan en la Tabla 7. Tabla 7: Parámetros de búsqueda. Sistema Objetivo Área de aplicación Single Optimisation Energy Parallel Minimisation Electricity Job Multi objective Carbon Flow Planning Co2 Flexible or CMS Scheduling Waste Cellular or CMS Pollution Reconfigurable or RMS Emission 3.2. Single Machine. El sistema considera una única máquina que tiene que procesar una serie de trabajos que pueden tener tiempos de lanzamiento iguales o diferentes. Se conocerán los datos referentes a la máquina: consumos energéticos y tiempos necesarios para las diferentes operaciones. Una vez iniciado un trabajo, este no pude ser interrumpido y por lo general solo podrá procesar un trabajo a la vez, salvo que sea una máquina de procesado de lotes. El resultado variará en función de los datos de partida. En el caso de que la secuencia de procesado no esté dada, el resultado será dicha secuenciación. En caso de que si esté dada, el resultado será la programación temporal de esa secuencia, es decir, cuándo se debe iniciar cada trabajo. En el caso de estudiar la creación de lotes, el resultado será el reparto de los trabajos en los lotes. Figura 13: Esquema de un sistema Single Machine (Liu, C.H., y Huang, D.H., 2014) Capítulo 3. Revisión del Estado del Arte - 26 -  Mouzon G. et al. (2007). Estos autores comienzan el estudio de la programación de la producción con criterios medioambientales. Observaron que apagar máquinas que no sean cuellos de botella era un enfoque con mucho potencial para reducir el consumo energético. Se propone un punto de equilibro (P.E.), expresado en unidades temporales, que sirve para decidir si apagar la máquina o dejarla en espera hasta el siguiente trabajo. Con base a este punto de equilibro desarrollan reglas de secuenciación, con y sin creación de lotes, que buscan minimizar el consumo. Se prueban experimentalmente con 3 casos de 100, 200 y 300 trabajos. Los autores también observan la necesidad de considerar un enfoque multi-objetivo, desarrollando un modelo que considera la minimización del tiempo total de terminación y la energía total consumida, para diferentes estados de la máquina: apagado, encendido, ocioso y estado de preparación para estar operativa, definido como Setup. El objetivo energético considerará el consumo en el estado ocioso y durante el Setup, ya que el consumo durante el procesado será fijo e independiente de la secuencia usada. El resultado es un modelo de programación con objetivos lineales pero con restricciones no lineales que son linealizadas. La variable de decisión será el tiempo de finalización de cada trabajo. El modelo se testea en un caso experimental de 9 productos, donde se considera la suma ponderada de los dos objetivos. Con la variación de pesos se genera el frente de Pareto.  Mouzon G. y Yildirim M.B. (2008). Partiendo del modelo anterior, los autores desarrollan uno nuevo con el objetivo de minimizar la tardanza total (suma de los retrasos de los trabajos que no cumplan con el tiempo de entrega) y el consumo energético total, considerando diferentes estados de la máquina (apagado, encendido, ocioso y Setup). La regla de equilibrio definida en su anterior artículo se amplia y se traduce en una restricción que modela el comportamiento de la máquina entre los estados de espera y apagado/encendido. [ ] El modelo es considerado como NP-Hard por lo que para su resolución se desarrolla un algoritmo GRASP. La variable de decisión será el tiempo de finalización de cada trabajo. Como la solución obtenida del algoritmo será un frente de Pareto, los autores proponen utilizar el método AHP para seleccionar una de ellas. Para el caso práctico se consideran 50 trabajos teóricos con tiempo de llegada y de procesado exponencial. Capítulo 3. Revisión del Estado del Arte - 27 - Dentro de la investigación futura, se propone considerar un sistema con más máquinas, considerar como objetivo la energía pico, así como, considerar un mayor número de estados de la máquina.  Yildirim M.B. y Mouzon G. (2012). Los mismos autores continúan con el estudio de su primer modelo presentado en 2007, cambiando el objetivo, pasando a considerar como indicador de la eficiencia el tiempo de finalización. Para la resolución de este modelo, desarrollan un algoritmo genético como metaheurística de resolución del problema al que le incorporan mecanismo de aceleración en la búsqueda de soluciones. El algoritmo se testea en un caso de 50 trabajos generados aleatoriamente, aplicando AHP para seleccionar el de mejor desempeño. Dentro de la investigación futura, se propone considerar sistemas con un mayor número de máquinas y probar con mayor variedad de objetivos no medioambientales.  Hanoun S. et al. (2012). En este artículo los autores presentan un enfoque diferente, el problema de estudio tiene como objetivo minimizar la tardanza total, así como, minimizar el desperdicio de material en la industria carpintera. Para ello, se define un índice estadístico de factor de ahorro asociado a la agrupación de dos trabajos en una misma plancha de materia prima. Para resolver este problema se desarrolla un algoritmo de búsqueda del cuco (Cuckoo Search), imitando el comportamiento de este animal a la hora de depositar sus huevos en nidos de otros pájaros. El caso práctico consta de problemas desde 5 a 10 trabajos, que se resuelven y comparan con los resultados obtenidos mediante el método combinatorio con ayuda de tres indicadores. Dentro de la investigación futura, se propone comparar el algoritmo del cuco con otros métodos populares, así como, probar el algoritmo en un entorno dinámico y estocástico para testear su efectividad.  Shrouf F. et al. (2013). En este caso, el artículo aborda el problema mono-objetivo de minimizar el coste total de la energía considerando diferentes estados de la máquina (Figura 14) y como enfoque novedoso usa el precio variable de la energía a lo largo del periodo productivo. El objetivo contempla la energía consumida en cada estado de la máquina y aquella necesaria para transitar entre los diferentes estados. Capítulo 3. Revisión del Estado del Arte - 28 - Figura 14: Estados de la máquina y transición entre ellos (Shrouf F. et al., 2013) En este caso la secuencia de procesado está dada. Las decisiones serán: cuándo empezar un trabajo y si la máquina debe permanecer en espera o apagarse. La regla usada para decidir si apagar la máquina serán las siguientes: - Si el tiempo de Setup es menor que el tiempo en estado ocioso. - Si el consumo energético en el Setup es menor que durante el estado ocioso. Se desarrolla un modelo lineal entero donde las variables de decisión se dividen en dos grupos, las referentes a la máquina (estado en el que se encuentra la máquina por periodo y si la máquina se encuentra en transición entre dos determinados estados durante un periodo) y las referentes a los trabajos procesados (si un trabajo es procesado durante un periodo determinado y el periodo en el cual comienza a ser procesado un trabajo). Como el modelo se considera NP-Hard, se desarrolla un algoritmo genético para poder resolver el problema en tiempo polinomial. El nuevo enfoque se usa en 13 casos de los cuales se detallan resultados de cuatro de ellos compuestos por 5 y 10 trabajos. El coste obtenido mediante el algoritmo genético es comparado con los obtenidos analíticamente y con el coste obtenido según la política ‘tan pronto como se pueda’. El nuevo enfoque consigue ahorros de hasta 32 %. Dentro de la investigación futura, se considera la optimización multi-objetivo, considerar eventos en las máquinas (roturas, periodos de mantenimiento) y extender la duración del turno estudiado.  Liu C., Yang J. et al. (2014). Los autores presentan el objetivo múltiple de minimizar el tiempo total de finalización, así como reducir la huella de carbono, considerada como una parte proporcional de la energía total consumida en el sistema. Para cumplir con este objetivo considera diferentes estados de la máquina (encendida, apagada, ociosa), distinguiendo la energía asociada al encendido, apagado, procesado y espera. La secuencia de procesado se considerada dada y se calculada basándose en la regla First-Come-First-Served, de forma que la decisión será cuando procesar determinado producto Capítulo 3. Revisión del Estado del Arte - 29 - y si la máquina se apagará entre determinados productos. Es la regla definida en Mouzon G. y Yildirim M.B. (2008), para decidir si apagar la máquina o dejarla ociosa. Se desarrolla un modelo de programación lineal entera mixta y un algoritmo genético para la resolución del problema en un tiempo razonable. Las variables de decisión son el tiempo de comienzo de procesado para cada producto y el estado en el que queda la máquina después de haber procesado un producto (ociosa o apagada). Se prueba el algoritmo con dos casos teóricos de 3 y 5 productos. El caso de estudio real considera desde 7 trabajos de la industria de mecanizado. Para validar el algoritmo, se compara con el desarrollado en Yildirim M.B. y Mouzon G. (2012). Dentro de la investigación futura, se considera necesario usar otro tipo de objetivos no medioambientales, considerar tiempos de llegada estocásticos, así como, considerar entornos de trabajo multi-máquina.  Liu C-H. y Huang D-H. (2014). En este artículo, los autores estudian dos sistemas de fabricación diferentes. El primero se centra en una única máquina y tiene el objetivo de minimizar la tardanza total ponderada y la huella de carbono, considerada como una parte proporcional de la energía total consumida en el sistema en estado de trabajo y ocioso, en un entorno dinámico de llegada de trabajos. La principal característica de este artículo es la creación de lotes de productos en una máquina de procesado de lotes con capacidad determinada. Se desarrollan dos metaheurísticas basadas en algoritmos genéticos. En este caso el frente de Pareto generado con el segundo se utiliza como resultado de referencia en el primero. La decisión a tomar será si mientras la máquina tiene un lote parcial, se comienza con su producción o se espera hasta tener el lote completo. Para el caso práctico experimental, se testearán un total de 100 trabajos que tendrán diferentes tiempos de lanzamiento, de entrega, de procesado, así como, prioridades respecto a los objetivos a optimizar. Estos datos serán generados aleatoriamente a partir de distribuciones uniformes. Los resultados arrojan un fuerte Trade-off entre la tardanza y la huella de carbono. Un mayor espacio entre la llegada de trabajos, aumenta el consumo de energía y por consiguiente la huella de carbono. Este mayor espacio también afecta a la creación de lotes, tendiendo a un mayor procesado de lotes parciales. Como investigación futura se propone integrar otros objetivos en la función como el tiempo medio de flujo (media de los tiempos de finalización de todos los trabajos) y el coste de la energía. Capítulo 3. Revisión del Estado del Arte - 30 -  Cheng J. et al. (2014). En este artículo los autores presentan un enfoque que difiere del resto visto. Plantean un modelo multi-objetivo con la finalidad de minimizar la diferencia de tiempo entre el inicio y el final de una secuencia de trabajos (Makespan) y minimizar también el coste de la energía suponiendo precio variable de la energía, considerando la energía global por producto procesado. La principal característica de este artículo es la creación de lotes de productos y que estos tienen el mismo tiempo de lanzamiento aunque diferente tiempo de procesado. También se considera la capacidad de la máquina, ya que esta puede procesar un número determinado de productos a la vez. Se desarrolla un modelo no lineal entero mixto que se resuelve mediante el método εconstraint para obtener el frente de Pareto. Las variables de decisión son: si un producto está asignado a un determinado lote en un periodo; si un lote está asignado a un periodo determinado; si existe algún lote asignado a un determinado periodo; el número total de lotes. El algoritmo se testea experimentalmente con una serie de problemas generados aleatoriamente de entre 25 y 40 trabajos, el tiempo de procesado y coste de la energía por periodo es generado con una distribución uniforme. Como investigación futura propone estudiar problemas con tiempo de lanzamiento diferente en máquinas en paralelo. Capítulo 3. Revisión del Estado del Arte - 31 - 3.3. Parallel Machine. En este sistema se cuenta con dos máquinas en paralelo con la misma función, de características diferentes. Este sistema puede ser considerado como una abstracción de un Job Shop. Se contará con una serie de trabajos independientes que tiene que ser secuenciados, repartiéndolos en una de las dos máquinas, que solo pondrán procesar un trabajo a la vez. Una vez comenzado un trabajo, este no puede ser interrumpido. Cada máquina tendrá unos datos diferentes a capacidad y consumo por hora. Se conocerán los tiempos de procesado y el consumo energético de cada máquina, así como, el tiempo de entrega para cada producto. El resultado será la asignación de trabajos a las máquinas, así como la secuencia de producción. Figura 15: Esquema de un sistema de máquinas en paralelo (Liu C-H. y Huang D-H., 2014).  He Y. y Liu F. (2010). El siguiente artículo puede ser considerado como un problema de máquinas en paralelo. Plantea el objetivo múltiple de minimizar el Makespan y la energía considerada como el total consumido en la máquina. Una de las principales características de este problema es la consideración de restricciones medioambientales, definidas como una matriz de índices asociada a cada impacto, considerado la combinación de todas las máquinas y trabajos, de forma que se le asigna un 0 en caso de que sea una combinación no respetuosa con el medioambiente y un 1 en caso de que si lo sea. Para la creación de las matrices se usara la evaluación cualitativa por parte de los managers de producción, que mediante la teoría Fuzzy determinarán los diferentes impactos para cada trabajo y máquina. Tras una “desfuzzyficación” mediante el valor medio, se realizará la traducción de estos a las restricciones expresadas como [0,1]. Se propone un modelo de programación matemática multi-etapa: en una primera se optimizará el Makespan, en la segunda se minimizará la energía pasando a ser el resultado de la primera un límite superior. En ambas etapas se considera el impacto medioambiental como Capítulo 3. Revisión del Estado del Arte - 38 - Se desarrolla un primer modelo con el objetivo de minimizar el Makespan, donde se considera una sola máquina por etapa y se busca obtener el tiempo de comienzo de procesado y la secuencia en cada etapa, mientras se respeta la continuidad. Las variables de decisión son: el tiempo de comienzo de un trabajo en una etapa determinada y el tiempo de procesado de un trabajo en una etapa determinada. El segundo modelo desarrollado para la segunda etapa considera el trabajo de forma global como conjunto de operaciones en cada etapa, se busca determinar el tiempo de comienzo de cada trabajo global de forma que se ubiquen los menos posibles durante periodos de coste energético alto, minimizando así el coste energético total. Las variables de decisión es el tiempo de comienzo de procesado de un determinado trabajo global. Para el caso práctico, se genera aleatoriamente un problema de producción de acero.  Xu F. et al. (2014). Se propone un modelo que considera una combinación Makespan y tardanza y la energía pico, introducida como un límite superior a través de una restricción del modelo. En este caso, los objetivos se normalizan sustrayendo y dividiendo entre el mínimo valor de cada objetivo. Para los objetivos de tiempo se considera igual importancia para cada uno. Los productos tendrán diferente fecha de lanzamiento y de entrega. Se presentan dos modelos enteros mixtos, el primero considera el tiempo discretizado, cuyas variables de decisión son: si una operación de un trabajo se asigna a una maquina predeterminada y si una operación de un trabajo se ejecuta en una máquina durante un periodo determinado. El segundo considera el tiempo de forma continua, con el fin de comprobar el enfoque continuo es más adecuado. Este modelo está basado en espacios de longitud indeterminada en el que se irán asignado las tareas. En este caso, las variables de decisión son: si una operación de un trabajo es ejecutada en determinado espacio de una máquina; el tiempo final de determinado espacio de una máquina; si un espacio de una máquina tiene algún duplicado en la programación de otro espacio de otra máquina. En el caso práctico se genera aleatoriamente los datos de un sistema de 3 etapas y 2 máquinas por etapa. En primer lugar se compara el modelo discreto con el modelo propuesto por Bruzzone A.A.G. et al. (2012). En un segundo lugar, se compara el modelo discreto con el continuo. Como resultados se puede ver como el modelo discreto mejora el comportamiento del propuesto por Bruzzone A.A.G. et al. (2012) y también se ve como para modelos multiobjetivos, en este caso añadiendo la energía, el modelo discreto se comporta mejor. Capítulo 3. Revisión del Estado del Arte - 39 -  Zhang H. et al. (2014). Se presenta un modelo multi-objetivo que busca minimizar la huella de carbono y el coste de la electricidad, considerada como el total consumido durante el procesado. En este caso, se considera que existe un Trade-off entre el coste de la electricidad y las emisiones de carbono, debido a que se considera que la energía se obtiene mediante diferentes procedimientos (carbón, gas natural, renovables), estos se combinan para cubrir la demanda, obteniendo diferentes emisiones de carbono en función de cual sea la combinación. Además, el modelo considerará el precio variable de la energía, por lo que al final se tendrá periodos en los que el precio de la energía y la emisión de carbono asociada serán diferentes. Cuando una máquina no está procesando, se considera que está apagada, ya que no se considera consumo asociado a ese estado. Se presenta un modelo lineal entero mixto cuyas variables de decisión son: si una máquina está procesando un producto en un periodo determinado y si una máquina comienza a procesar un producto en un periodo determinado. En el caso de estudio, el sistema estudiado está compuesto por 8 etapas con una máquina por etapa. El primer caso planteado busca encontrar una secuenciación que cumpla con el requisito de número de productos al día, en este caso, 80 productos en un turno de 16 horas. En un segundo caso, se consideran los objetivos energéticos mientras se respeta el ratio de productos por día. El resultado muestra cómo el modelo apenas asigna trabajos en las zonas de coste alto. Como investigación futura se propone mejorar la formulación para adaptarla a sistemas más realistas, así como, desarrollar algoritmos para su resolución. También se propone considerar diferentes productos.  Liu C-H. y Huang D-H. (2014). Este artículo, ya expuesto en la sección 3.1, presente un objetivo triple, minimizar la tardanza total ponderada, la huella de carbono y la energía pico, considerando la energía de procesado y en estado ocioso. Los autores presentan un sistema de fabricación como evolución del presentado en el apartado de máquina única. Se trata dos etapas, una primera con una máquina de procesado de lotes y una segunda con dos máquinas en paralelo idénticas. Capítulo 3. Revisión del Estado del Arte - 40 - Figura 18: Esquema del sistema propuesto en el caso de estudio (Liu C-H. y Huang D-H., 2014). Las decisiones a tomar en la primera etapa son las siguientes: formación de los lotes y creación de la secuencia de producción. Las decisiones a tomar en la segunda etapa son las siguientes: secuencia y velocidad a la que se procesan los trabajos. Se desarrollan dos metaheurísticas basados en algoritmos genéticos para la resolución del problema planteado. Para el caso práctico experimental, se testearán un total de 100 trabajos que serán diferentes diseños de un mismo producto. El tiempo de lanzamiento será el mismo para todos los trabajos, y diferentes tiempo de entrega, de procesado y penalización para la tardanza.  Ding J-Y. et al. (2015). El objetivo del modelo presentado en este artículo considera la minimización del Makespan y de las emisiones de carbono, considerado como una parte proporcional de la energía total consumida en estado de proceso y en estado ocioso. Se consideraran diferentes velocidades que afectaran al consumo energético, así como, al tiempo de procesado. En este caso, no se apagarán las máquinas ya que no se considera realista para determinados sistemas de fabricación. Para la resolución del problema se desarrollan dos metaheurísticas basadas en la inserción NEH. Las variables de decisión son: si una máquina funciona a determinada velocidad durante un periodo dado y si una máquina está en estado ocioso durante un periodo determinado. En el caso práctico, se comparan el desempeño de los dos algoritmos propuestos con el NSGA-II (Deb K. et al., 2002), recocido simulado (Dai M. et al., 2013) y algoritmo genético (Liu C-H. y Huang D-H., 2014). Se generan una serie de casos como combinación de 20, 40, 60, 80, 100 trabajos; 4, 8, 16 máquinas por etapa. El tiempo de procesado se obtendrá de una distribución uniforme. Se consideraran 5 tipos de velocidades. Dentro de la investigación futura, se propone considerar tiempos de Setup y almacenamiento intermedio entre etapas. Capítulo 3. Revisión del Estado del Arte - 41 - 3.5. Job Shop. En este sistema se cuenta con una serie de máquinas y una serie de trabajos a procesar, de forma que cada trabajo tiene una serie de operaciones con una ruta de procesado conocida a través de las diferentes máquinas, con la condición de que un trabajo podrá visitar cada máquina solo una vez, es decir, no habrá recirculación. No existen restricciones de precedencia entre operaciones de distintos trabajos. Las máquinas solo pueden procesar una operación a la vez y ésta no puede ser interrumpida. El resultado será la secuenciación de los trabajos en las máquinas, así como, el tiempo de comienzo del procesado de cada operación. Figura 19: Esquema del sistema Job Shop. (Fuente: http://fisher.osu.edu/~kinard.1/russian_dl/course/OM/Text/Unit2/Unit2.html)  He Y. et al. (2005). El artículo se centra en el objetivo múltiple de minimizar el Makespan y el consumo total energético, considerado como la energía en estado ocioso, ya que la de procesado se considera constante. Se presenta un caso particular de Job Shop, con una sola etapa, en el que no existen rutas de procesado, de forma que cada producto se procesará en una de las máquinas, siendo el resultado la asignación de trabajos a una única máquina. Se presenta un modelo de programación, cuya variable de decisión es si un trabajo se realiza en determinada máquina. Para la resolución del problema se desarrolla un algoritmo de búsqueda Tabú. Para el caso de estudio, se consideran 5 tipos de productos, en este caso engranajes, a procesar en 4 máquinas.  Yi Q. et al. (2012). Los autores plantean un problema multi-objetivo con el fin de minimizar el Makespan y las emisiones de carbono, considerada como una parte proporcional de la energía total consumida en el sistema. En este caso se contempla la energía durante el procesado y en estado ocioso. Capítulo 3. Revisión del Estado del Arte - 42 - Se desarrolla un modelo de programación cuyas variables de decisión son: el tiempo de comienzo de una operación de un trabajo en una máquina determinada; si un trabajo es procesado en una máquina antes que en otra; y si un determinado trabajo es procesado en una máquina antes que otro. Para la resolución del problema se desarrolla un algoritmo genético. Para el caso práctico, se considera un caso planteado por Lawrence S. (1984) compuesto por 10 trabajos y 5 máquinas, tomando sus datos para compararlos con los generados con el nuevo enfoque. Los resultados muestran como con el mismo Makespan se puede obtener menores emisiones de carbono. Como investigación futura, se propone estudiar sistemas más complejos, considerando una mayor flexibilidad y máquinas heterogéneas.  Liu Y. et al. (2014). Se presenta el enfoque multi-objetivo de minimizar el retraso total ponderado y el consumo energético total. Se considera tres componentes: en estado ocioso, en funcionamiento y durante el corte. Centrándose en la de carácter no productivo, que no son constantes, en este caso la consumida en estado ocioso. Para cada trabajo se considerará un tiempo de entrega diferente. Se desarrolla un modelo de programación cuyas variables de decisión son: el tiempo de comienzo de una operación de un trabajo en una máquina; si una operación de un trabajo en una máquina precede a otra operación de otro trabajo en la misma máquina; y si una operación de un trabajo se realiza en determinada máquina. Para resolver el problema en tiempo polinomial se desarrolla un algoritmo genético. Para el caso práctico se consideran los casos planteados por Fisher H. y Thompson G.L., (1963) que consta de 10 trabajos y 10 máquinas. El algoritmo propuesto es comparado con dos heurísticas usadas en el software Lekin (Pinedo M.L., 2009), que solo consideran el retraso como objetivo. Los resultados muestran cómo se reduce la energía no productiva, aunque se sacrifica parte del objetivo de la tardanza. Para casos de mayor tamaño, este sacrificio se ve reducido, sumado a un mayor ahorro energético. Como investigación futura, se propone probar el enfoque de encendido/apagado de máquinas en estado ocioso, así como, considerar un entorno dinámico de llegada de trabajos.  Jiang Z. et al. (2014). Se presenta un enfoque multi-objetivo que considera la minimización del Makespan, coste (de materia prima y de procesado por unidad de tiempo), tasa de defectos y energía. La tasa de defectos se considerará como un índice de defectos asociado al procesado de una operación de un trabajo en una determinada máquina. La energía se considerará como valor global para una determinada operación en una máquina. Se conocen los datos referentes a costes, calidad y energía. Capítulo 3. Revisión del Estado del Arte - 43 - Se consideran diferente tiempo de llegada de los trabajos y máquinas heterogéneas. Para la resolución del problema se desarrolla un algoritmo genético, cuyas variables de decisión son: si una operación de un trabajo se procesa en una máquina; el comienzo del procesado de una operación de un trabajo en una máquina. Para seleccionar una de las soluciones propuesta en cada ejecución del algoritmo, los autores se basan en la metodología AHP asignándole un peso a cada objetivo. El caso práctico consiste en 6 trabajos con diferente número de operaciones a procesar en 6 máquinas heterogéneas. Como investigación futura, se propone considerar los estados de la máquina.  Tchomte S.K. y Tchernev N. (2014). Los autores plantean un problema multi-objetivo centrado en minimizar el Makespan y las emisiones de carbono, consideradas como una cantidad inversamente proporcional al tiempo de procesado, a menor tiempo de procesado, mayores emisiones. En este problema se consideran diferentes velocidades en las máquinas, que afectan al tiempo de procesado y las emisiones de CO2, de forma que, al incrementar la velocidad se reducen el tiempo y aumentan las emisiones. En este caso, se definen 3 velocidades posibles por operación. Para la resolución del problema, se propone un algoritmo GRASP, modificado con algoritmo de búsqueda local evolucionaria. Para el caso práctico, se consideran 10 casos propuestos por Lawrence S. (1984), que se modifican para crear un total de 60 que van desde 5 a 10 trabajos. El tiempo de procesado definido en los 10 casos base se asocia a una velocidad. Para las otras dos, el tiempo de procesado se genera aleatoriamente.  Lei D. y Guo X. (2015). El objetivo planteado en este problema es minimizar el Makespan y la huella de carbono, considerada como una parte proporcional de la energía de procesado y en estado ocioso. Los trabajadores son considerados como un recurso que hay que asignar a cada máquina y operación, de forma que el tiempo de procesado dependerá de ambos factores. Los trabajadores podrán ser transferidos de una máquina a otra, pero no durante una operación. En este caso, el resultado será, además de la secuencia, la asignación de recursos (trabajadores). Para su resolución se desarrolla un algoritmo DNS (Dynamical Neighborhood Search, en inglés) basado en la metodología lexicográfica. Capítulo 3. Revisión del Estado del Arte - 44 - Como caso práctico, se usan 24 casos obtenidos de Brandimarte P. (1993) y Dauzere- Perez S. y Paulli J. (1997). Se aplica el algoritmo propuesto y se compara con otros dos, el algoritmo genético y VNS (Variable Neighborhood Search). Como investigación futura se propone estudiar el caso de la programación de la producción en sistemas de fabricación con múltiples fuentes.  May G. et al. (2015). Se presenta el objetivo múltiple de minimizar el Makespan, así como la energía total consumida. En este estudio se van a considerar diferentes estados energéticos de las máquinas, como son: procesado, ocioso, Setup, suspendida y la energía de paso entre el estado apagado y suspendido al ocioso. El estado de suspensión es un nuevo estado en el que solo algunas funciones de la máquina están activas y la máquina no puede realizar operaciones. Para la resolución del problema se desarrolla un algoritmo genético, definiendo también unas políticas de comportamiento entre los estados apagado-ocioso-suspensión. Para medir el rendimiento del algoritmo se definen dos indicadores a parte del Makespan, se trata de la energía total consumida y la energía sin valor (periodos ociosos, de suspensión y de paso entre apagado-suspendido-ocioso) El caso práctico se basa en el propuesto por Fisher H. y Thompson G.L. (1963), en concreto, se analizan 3 casos de estudio de 6 trabajos y 6 máquinas, 10 trabajos y 10 máquinas y 20 trabajos y 20 máquinas con el tiempo de procesado generados a partir de una distribución uniforme. En un primer momento, se aplica el algoritmo considerando solo el objetivo de tiempo, para posteriormente aplicar simultáneamente ambos objetivos propuestos. Se compara con heurísticas desarrolladas por el software Lekin (Pinedo M.L., 2009). Los resultados muestran cómo se pueden conseguir reducciones de entre 0,5 a 5% en la energía total consumida y de entre 34 y 69% en la energía sin valor.  Liu Y. et al. (2015). Los autores presentan un sistema Job Shop dentro de un entorno de apagones de energías programados, donde algunas empresas usan sistemas privados de energía alternativos basados en el diésel. Se presenta un modelo tri-objetivo: minimizar la tardanza total ponderada, minimizar la energía total no productiva y minimizar la energía alternativa consumida en periodos de apagón. El modelo energético será el planteado en Liu Y. et al. (2014). El modelado de la energía alternativa consumida en periodos de apagón se basa en suponer que durante los periodos de apagón, el coste de energía es superior a los periodos de no apagón. También se añade la posibilidad de apagar las máquinas en periodos de espera, basándose en la regla definida en Mouzon G. (2007). Capítulo 3. Revisión del Estado del Arte - 45 - Se desarrolla una heurística de ajuste en el caso de que exista la política de apagones. Se trata de realojar los trabajos planificados durante los periodos de apagones. También se desarrolla un algoritmo genético para resolver el modelo tri-objetivo. Se considera diferente tiempo de lanzamiento de cada trabajo, así como, diferente fecha de entrega. Se parte de 4 casos modificados basados en el artículo de otros (Fisher H. y Thompson G.L., 1963; Lawrence S., 1984), que consideran 10 y 10, 15 y 10, 20 y 10, 15 y 15 trabajos y máquinas. Los valores energéticos son deducidos de los estudios de Dahmus J. (2007) y Drake R. et al. (2006). Para el caso práctico se consideran 3 escenarios: la secuencia original (generada según el algoritmo genético de Liu Y. et al. (2014), incluyéndole la posibilidad de apagar las máquinas); la secuencia ajustada (surge al aplicar el algoritmo diseñado sobre la original considerando la política de apagones); la secuencia con energía privada (surge al aplicar el algoritmo genético tri-objetivo diseñado). Los resultados muestran cómo se puede conseguir una mejora de los tiempos de entrega de entre el 60 y 70 %, reduciéndose las emisiones generadas por la generación privada de energía.  Salido M.A. et al. (2015). Los autores presentan el estudio del objetivo múltiple de minimizar el Makespan y la energía total consumida. Estos dos objetivos se agregan de forma ponderada y normalizada. Se consideran diferentes velocidades para las máquinas, lo que tiene su relación con el tiempo de procesado y energía consumida. En este caso, se determinan 3 velocidades para cada operación. Además, se introduce el término de robustez de la secuencia como indicar de la calidad de la misma. Se trata de la capacidad de la secuencia para absorber pequeños problemas, derivados de la incertidumbre en los datos de partida, que puedan afectar a la producción. Para ello, se usa la posibilidad de aumentar la velocidad de las máquinas y los tiempos de espera entre las diferentes operaciones para no ver comprometido el resultado final. La robustez es medida como el porcentaje resultante al someter una secuencia solución a 100 incidencias (retraso de sus tareas) y ver si es capaz de asumirlas. Se muestra el pseudocódigo que representa el modelo desarrollado para la resolución del problema. Para el caso práctico se usa una serie de problemas propuestos por Agnetis A. et al. (2010), generados a partir 3 trabajos de 5, 7, 10, 20, 25, 30 operaciones en 3, 5, 7 máquinas y duraciones obtenidas de 4 distribuciones uniformes. El tiempo presente en los casos base se asocia a una velocidad, mientras que el resto de tiempos se calculan basados en unas ecuaciones propuestas. Los datos energéticos referentes a las 3 velocidades también se calculan según ecuaciones propuestas. Capítulo 3. Revisión del Estado del Arte - 46 - Los resultados muestran cómo existe una relación entre robustez y la eficiencia energética (menor energía consumida, mayor robustez) y también entre Makespan y robustez (a mayor Makespan, mayor robustez). Capítulo 3. Revisión del Estado del Arte - 47 - 3.6. Sistemas Flexibles. La flexibilidad puede ser definida como la capacidad de un sistema de cambiar y asumir diferentes posiciones o estados en respuesta a requisitos cambiantes con una pequeña penalización en tiempo, coste o desempeño. Un sistema de fabricación flexible (FMS, en inglés) puede ser definido con un sistema integrado de máquinas y equipamiento para el manejo de materiales, controlado por ordenador para el procesado de diferentes pedidos. El objetivo buscado es la eficiencia en costes al fabricar diferentes productos que forman parte de una misma familia, minimizando los Setups entre diferentes productos (ElMaraghy H.A., 2005). Esta flexibilidad puede provenir de diferentes ámbitos: máquinas, manejo de materiales, operaciones, procesos, productos, ruteado de trabajos, volumen de producción, facilidad de expansión, programas de control y capacidad. Los FMS estudiados se centran en entornos dinámicos con presencia de incertidumbres, que pueden provenir de las máquinas (averías, degraciaciones, desgastes) o de los trabajos (urgencias, cancelaciones, tiempos de procesado estocásticos), incrementando la complejidad del sistema. Para solventar estas incidencias, se adoptarán diferentes enfoques de resecuenciación: - Predictivo-Reactivo: se genera la secuencia previamente y se revisa (totalmente o parcialmente) dinámicamente. - Reactivo: las decisiones son tomadas dinámicamente, un ejemplo de éstas, son las reglas de secuenciación. - Proactivo: se realiza la secuenciación previa modelando las incidencias, sin posibilidad de modificación dinámica. Figura 20: Esquema de FMS, distribución de campo abierto (Eguía I., 2010-2)  Zhang L. et al. (2013). Los autores proponen un modelo multi-objetivo que busca la eficiencia (a través de minimizar el Makespan y la tardanza de forma ponderada) y la energía consumida, concretamente la energía no empleada en la producción. Capítulo 3. Revisión del Estado del Arte - 54 - 3.7. Sistemas celulares. En los sistemas de fabricación celulares (CMS, en inglés) se aplica la teoría de la agrupación de tecnologías, que es capaz de mezclar las características de la producción continua y el Job-Shop, de forma que puede darse una mayor respuesta a las necesidades del mercado y superar debilidades tradicionales. Las principales ventajas de usar el CMS son: la reducción de inventarios, del trabajo en proceso, de los movimientos de los productos y la reducción de los tiempos de Setup y de procesamiento. En estos sistemas, los productos son agrupados basándose en sus similitudes (forma, tolerancia y plan de procesado) formando familias. Una célula estará compuesta por diferentes máquinas, siendo la formación de las células el primer paso para diseñar un CMS. El segundo consiste en diseñar el Layout para el conjunto de células, buscando minimizar el movimiento entre células. Es poco frecuente que un producto necesite todas las máquinas de una célula y también es usual que algunos productos tengan que visitar otras células para terminar de ser procesado. El problema puede ser considerado desde un punto de vista estático y dinámico. En el primero no se considera cambios en la demanda, mientras que en el segundo sí, así como, el coste de reconfiguración y la inversión necesaria para cambiar la célula (Houshyar A.N. et al., 2014). Figura 23: Esquema de los CMS, diferencia entre organización pro proceso y celular (Eguía I., 2010-3)  Niakan F. et al. (2014-1). Los autores estudian la formación dinámica de células considerando criterios económicos y sociales. Se presenta el multi-objetivo de minimizar los costes totales y la maximización de los aspectos sociales. Dentro de los costes totales a minimizar se consideran: - Costes fijos y variables asociados a las máquinas. - Coste de movimientos de productos dentro de las células y entre las mismas. - Coste de adquisición de maquinaria. - Beneficio por venta de máquinas no usadas (Aparecerá en negativo en la función objetivo, para ser maximizado). Capítulo 3. Revisión del Estado del Arte - 55 - - Coste de reubicación de máquinas. - Sueldo de los trabajadores contratados. Dentro de los aspectos sociales a maximizar se consideran: - Variación de las oportunidades de trabajo, que vendrán determinadas por la contratación o despido de trabajadores, así como, por la compra, venta de máquinas y la capacidad de las mismas. - Reducción del uso de máquinas con riesgos potenciales, cuantificado a partir de la cantidad de lesiones, enfermedades o daños que son causados por cada máquina. Este dato será definido por un decisor. Aparecerá en negativo en la función objetivo, para ser minimizado. Se plantea un modelo de programación lineal entero mixto, cuyas variables de decisión son: - Número de máquinas de determinado tipo, asignadas a una célula al comienzo del periodo. - Número de máquinas de determinado tipo, añadidas a una célula al comienzo del periodo. - Número de máquinas de determinado tipo, retiradas a una célula al comienzo del periodo. - Número de máquinas de determinado tipo compradas al comienzo del periodo. - Número de máquinas de determinado tipo vendidas al comienzo del periodo. - Número de trabajadores contratados en un periodo dado. - Número de trabajadores despedidos en un periodo dado. - Si una operación de un producto es procesada en una determinada célula durante un periodo dado. Para resolver este problema, se plantea un algoritmo genético. Se realizan pruebas computacionales para dos problemas, aunque no se definen sus características, pero se muestran los frentes de Pareto obtenidos de la resolución de ambos. Los resultados muestran cómo para obtener el máximo del criterio social, es necesario aumentar los costes entre un 60 y 90% según el problema, respecto a la mejor solución encontrada desde el criterio económico.  Niakan F. et al. (2014-2). Los mismos autores amplían su anterior artículo añadiendo un nuevo objetivo, la minimización de la energía total perdida por el sistema, de forma que cada máquina tendrá asociado un índice basado en su eficiencia que resumirá la energía perdida media. En este artículo se realiza una mayor definición del problema estudiado. Se parte de una serie de productos de demanda y secuencia de procesado conocidas, a procesar en un Capítulo 3. Revisión del Estado del Arte - 56 - grupo de máquinas de capacidad definida y cuyos tiempos de procesado son conocidos. Cada tipo de máquina puede realizar diversas operaciones, así como cada producto puede ser procesado en diferentes máquinas. Se parte del modelo descrito anteriormente al añadirle el objetivo energético, se procede a su linealización. Este nuevo modelo se usa como base para desarrollar un modelo de programación lineal Fuzzy y metodología de resolución. Como caso de estudio se usan dos conjuntos de datos generados aleatoriamente, a continuación se define su configuración: Tabla 8: Características de los problemas de estudio. Operaciones Productos Máquinas Nº Max. Células Nº Periodos Problema 1 3 2 4 3 2 Problema 2 4 3 5 5 3 Los resultados del problema 1 muestra cómo un incremento en los costes del 35% lleva a un incremento de los aspectos sociales de un 19% y una reducción de la pérdida de energía del 17%. En el problema 2, un incremento en los costes del 32% lleva a un incremento de los aspectos sociales de un 17% y una reducción de la perdida de energía del 14%.  Liu C., Dang F. et al. (2014). Se presenta un modelo que busca minimizar el Makespan y las emisiones de carbono, consideradas como una parte proporcional de la energía total consumida por unidad de producto. Se presenta un sistema celular en el que cada producto tiene diversas rutas posibles de fabricación. Cada una de esas rutas forma una posible célula para dicho producto. Las decisiones a tomar son la selección de las células para procesar un producto y la cantidad a procesar en cada uno de ellas. Se establece un límite superior para las emisiones medias de carbono. Se desarrolla un modelo de programación cuyas variables de decisión son: si una determinada célula es seleccionada para producir un producto dado; y la cantidad de un tipo de producto procesado en una determinada célula. Para resolver el problema se desarrolla un algoritmo genético. Se presentan diferentes casos prácticos para testear el modelo, en todos ellos se conoce los tiempos de procesado, el consumo, la demanda, la fecha de entrega, y el nivel superior de las emisiones totales de carbono. El primero se basa en el caso propuesto por He Y. et al., 2012, existen 3 productos en diferentes cantidades (20, 40 y 30 unidades) con diferentes rutas de fabricación para cada uno (3, 2 y 3 células). En este caso solo se permitirá seleccionar una célula por producto. Capítulo 3. Revisión del Estado del Arte - 57 - Un segundo con 4 productos con diferentes cantidades (20, 70, 40 y 30 unidades) y diferentes rutas (2, 7, 5 y 6 células). Y un tercero con 10 productos (20, 70, 40, 30, 20, 30, 20, 30, 40 y 20 unidades) con diferentes rutas posibles (2, 5, 5, 6, 6, 5, 2, 3 ,6 y 2 células). Como investigación futura se propone reducir el número de suposiciones adoptadas en el modelo. En segundo lugar, se propone la consideración del pico de emisiones en lugar de establecer un límite superior. Para terminar, considerar la concurrencia de varios productos en una misma célula. Capítulo 3. Revisión del Estado del Arte - 58 - 3.8. Sistemas reconfigurables. Un sistema reconfigurable de fabricación (RMS, en inglés) está diseño para un cambio rápido de su estructura para rápidamente ajustar su capacidad y funcionalidad, dentro de una familia de productos, en respuesta a cambios de requerimientos del mercado (ElMaraghy H.A., 2006). Este enfoque se basa en la posibilidad de ir creando dinámicamente diferentes sistemas de fabricación donde un grupo de máquinas, células, sistema de manejo de materiales, etc., puede ser añadido, modificado, retirado e intercambiado. Figura 24: Esquema de los RMS (Koren Y., 2014) Las características de un RMS son las siguientes (Koren Y. et al., 1999): - Modularidad, de los componentes del sistema. - Integrabilidad, para una fácil integración de la tecnología presente y futura. - Convertibilidad, para permitir cambios rápidos entre productos. - Diagnosticabilidad, para encuadrar la capacidad y flexibilidad del sistema dentro de las posibles aplicaciones. - Escalabilidad, para incrementar rápida y económicamente un cambio en la capacidad. En este punto del trabajo, se han definido números métodos de fabricación con amplias diferencias entre ellos, en la siguiente tabla pueden verse las diferencias entre los mismos (ElMaraghy H.A., 2006): Capítulo 3. Revisión del Estado del Arte - 59 - Tabla 9: Características de los sistemas dedicados, flexibles y reconfigurables. Sist. Dedicado FMS RMS Estructura Fijo Ajustable Ajustable Maquinaria Fijo Fija Ajustable Enfoque Producto Máquina Familia de productos Flexibilidad No General Customizado Escalabilidad No Si Si Herramientas operando simultáneamente Si No Si Coste Bajo Alto Intermedio  Choi Y-C y Xirouchakis P. (2015). Estos mismos autores, que aparecen en la sección de FMS, proponen una variante del sistema estudiado con el triple objetivo de maximizar el número de productos por periodo y minimizar el inventario entre periodos y la energía total consumida, basado en el modelo energético ya presentado. En su anterior artículo contaban con una célula de fabricación predefinida con 5 máquinas. En este nuevo enfoque, se cuenta con una serie de máquinas-herramienta que deben ser asociadas para crear células en un periodo de tiempo a largo plazo. Los flujos de fluido de corte y viruta son considerados elementos que afectan al impacto medioambiental. Se observa una relación entre la viruta evacuada y la cantidad de fluido de corte utilizado, a mayor cantidad de viruta, mayor degradación del fluido, por lo que, se establece una restricción para la cantidad de viruta máxima evacuada. Se plantea un enfoque holístico para la optimización de los sistemas reconfigurables, en un primer lugar, se generan los diferentes planes de procesado posibles para cada trabajo. En un segundo paso, se generan todas las reconfiguraciones posibles del sistema dado, siguiendo el método descrito en Urgo M.L. et al., 2012, que se basa en un modelo estocástico de dos etapas que busca minimizar la inversión y coste operacional del sistema. Para terminar, se plantea un modelo de programación lineal que analiza y selecciona la reconfiguración más adecuada para cada producto de acorde a los objetivos planteados. Las variables de decisión del modelo son: cantidad producida de un trabajo según un determinado plan por periodo, y la cantidad producida en exceso de un trabajo según un determinado plan por periodo. Para el caso práctico se considera una familia de 6 cilindros de motores. Se consideran 11 máquinas-herramientas alternativas. Se consideran 8 escenarios posibles a largo plazo: diferentes agrupaciones de productos a producir durante una serie de años. Como investigación futura, se propone aplicar la metodología en otros sistemas para validad su aplicabilidad, así como, considerar un entorno dinámico de resecuenciación. Capítulo 4. Análisis del Estado del Arte y Propuesta de Investigación - 60 - Capítulo 4 ANÁLISIS DEL ESTADO DEL ARTE Y PROPUESTA DE INVESTIGACIÓN Capítulo 4 Capítulo 4. Análisis del Estado del Arte y Propuesta de Investigación - 61 - 4.1. Introducción. La finalidad de este trabajo es identificar una línea de investigación futura en base a la revisión del estado del arte realizada en el capítulo anterior y que en este capítulo va a ser analizada. Tras extraer las conclusiones pertinentes, las necesidades detectadas se concretarán en una propuesta de estudio, definiendo los objetivos de la misma y la metodología para desarrollarla. En un primer lugar, para facilitar un acceso más rápido a los artículos, se van a clasificar según el sistema de fabricación que estudien y el objetivo a optimizar. El resultado puede verse en la Tabla 10, dónde los artículos están referenciados según la numeración que tienen en el capítulo de referencias. Capítulo 4. Análisis del Estado del Arte y Propuesta de Investigación - 62 - Tabla 10: Clasificación de artículos por sistemas y objetivo. Sistema ENERGÍA HUELLA DE CARBONO ENERGÍA y HUELLA DE CARBONO OTROS - Tardanza Tiempo Term. Makespan Makespan y Tardanza Otros Tardanza Tiempo Term. Makespan - Tardanza Makespan Single Machine 91 74 75, 107 6 62 61 35 Parallel 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 Capítulo 4. Análisis del Estado del Arte y Propuesta de Investigación - 63 - 4.2. Análisis del estado del arte. Una vez descritos los artículos de una forma sistematizada, detallando aspectos característicos de cada uno de ellos, se considera necesario un análisis numérico para poder observar conclusiones derivadas de la revisión de una forma más sencilla. Los 41 artículos estudiados se clasifican de la siguiente forma.  Por sistema estudiado. Figura 25: Número de artículos por sistemas de fabricación.  Por año de publicación. Figura 26: Número de artículos por año de publicación. 0 1 2 3 4 5 6 7 8 9 10 11 Single M. Parallel 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 Capítulo 4. Análisis del Estado del Arte y Propuesta de Investigación - 70 - - Diseño de modelos para la formación de células de fabricación y de familias de productos en sistemas avanzados de fabricación considerando aspectos sostenibles. - Diseño de modelos para la optimización sostenible de la planificación y programación de sistemas avanzados de fabricación. - Diseño de modelos para la evaluación de las soluciones generadas considerando criterios sostenibles. Los modelos matemáticos se platearán como problemas multiobjetivos con asignación a priori de preferencias, en el que se consideran los objetivos tradicionales de reducción de costes y tiempos junto con objetivos adicionales que reducen los consumos energéticos y las emisiones de gases de efecto invernadero, así como factores sociales. El modelo buscará la solución que proporcione un mejor compromiso entre las diferentes funciones objetivo, satisfaciendo las restricciones del sistema de fabricación. La formulación del modelo matemático facilita el manejo del problema en su totalidad y forma un puente para el análisis mediante el empleo de técnicas matemáticas y ordenadores de alta capacidad de computación. Los modelos matemáticos se formularán usando el lenguaje de propósito general C++ y se emplearán paquetes comerciales de programación como el LINGO o CPLEX para su resolución.  Resolución de los modelos de programación mediante algoritmos evolutivos. Esta tarea consiste en el desarrollo de algoritmos que resuelvan los modelos planteados en la tarea anterior. El tipo de problema es claramente combinatorio y de gran complejidad en su resolución por lo que se propone el desarrollo de metodologías capaces de obtener soluciones de alta calidad en tiempos de computación razonables. Los Algoritmos Híbridos Evolutivos se están incorporando con fuerza en la resolución de problemas combinatorios complejos con un alto grado en las restricciones del problema. Este tipo de algoritmos se basan en el uso de varios métodos de forma híbrida, que unido a la capacidad de la búsqueda de soluciones en la vecindad de las soluciones mediante el operador de recombinación, mejoran el resultado final. El cómputo evolutivo ha sido utilizado para resolver problemas de optimización más complejos y en la mayoría de casos ha dado mejores resultados que los métodos tradicionales de optimización. El desarrollo de los nuevos algoritmos híbridos evolutivos para resolver los problemas de optimización multiobjetivos, se realizará en el lenguaje C++.  Integración de los algoritmos en una Herramienta de apoyo a la toma de decisiones Esta tarea consiste en la integración de la nueva herramienta propuesta para el diseño y gestión de sistemas avanzados de producción con criterios eco-eficientes con los sistemas de información de las empresas (PLM y ERP). Para ello se utilizarán los estándares más recientes de integración, para abordar esta tarea de forma sencilla y eficiente. Capítulo 4. Análisis del Estado del Arte y Propuesta de Investigación - 71 - La integración de la herramienta con los PLM y ERP habilita a las posibles empresas interesadas a unificar la gestión, mejorar la calidad de la información, permitiendo la visualización de las propuestas eco-eficientes y la comparación entre diferentes alternativas en la solución. La herramienta proporcionará un Panel Dinámico de Indicadores que mostrará indicadores de tipo socio-económico, energético y medioambiental para la evaluación del impacto producido por la implantación de las soluciones propuestas.  Experimentación del sistema. El objetivo de esta tarea se dedica a la validación del sistema en un entorno real. Para tal fin, se llevará una instalación piloto del prototipo en una empresa de mecanizado. A partir de esta instalación, se realizarán una serie de experiencias que permitan validar los distintos elementos desarrollados en el estudio. 4.3.3 Plan de trabajo. El plan de trabajo propuesto desglosado por tareas y subtareas es el siguiente: 1. Estado del arte científico-técnico del estudio. 1.1. Captura de información, sistemas de gestión y evaluación de costes. 1.2. Evaluación de impactos energéticos y medioambientales. 1.3. Herramientas y metodologías existentes. 2. Captura de requerimientos de usuarios. 2.1. Análisis de Requerimientos de usuarios. 3. Desarrollo de modelos de programación matemática. 3.1. Desarrollo del modelo de diseño celular. 3.2. Desarrollo del modelo de planificación. 3.3. Desarrollo del modelo de programación (Scheduling). 3.4. Resolución mediante software de optimización. 3.5. Limitaciones de la resolución óptima. 4. Resolución de los modelos de programación mediante algoritmos evolutivos. 4.1. Diseño del algoritmo evolutivo. 4.2. Desarrollo del algoritmo evolutivo. 4.3. Resolución de problemas mediante algoritmo evolutivo. 5. Integración en los sistemas de información de la empresa. 5.1. Diseño de herramienta integradora del algoritmo. 5.2. Desarrollo de la herramienta de integración. 5.3. Desarrollo de Panel Dinámico de Indicadores. Capítulo 4. Análisis del Estado del Arte y Propuesta de Investigación - 72 - 6. Experimentación del sistema. 6.1. Diseño de escenarios y pruebas. 6.2. Desarrollo de pruebas. 4.3.4 Impacto esperado de los resultados de la propuesta. Los resultados de la propuesta son de interés tanto para la comunidad científicotécnica sobre los estudios en fabricación sostenible, como para la de responsables de producción por el uso de una herramienta de ayuda a la toma de decisiones en optimización de recursos. El interés viene motivado tanto por la importancia socio-económica del sector Industrial, como por la necesidad de la introducción y desarrollo de criterios de sostenibilidad en el mismo. El impacto científico-técnico esperado de los resultados de la propuesta se centra en el creciente interés en las investigaciones sobre el problema de optimización de recursos en sistemas de fabricación considerando aportaciones metodológicas desde el punto de vista de modelos sostenibles, puesto de manifiesto en el estado del arte y su análisis expuesto en el presente trabajo. Existe un hueco investigador en este tipo de problemas, donde los criterios socio-económicos tienen también que ser considerados. El enfoque metodológico multiobjetivo planteado en esta propuesta es de enorme interés a nivel social y económico pues se consideran de forma ponderada los impactos económicos y sociales en el cálculo de planes y programas de producción. 4.4. Propuesta de caso de estudio. Para completar la propuesta anteriormente descrita, se ha diseñado un caso de estudio teórico sobre la tarea 3.1 antes expuesta de “Desarrollo de un modelo celular”. En concreto, se propone un sistema celular donde el proceso se aplica en dos pasos de optimización y uno de selección, como se puede ver en la Figura 33: - En un primer paso, se optimiza el diseño de las células considerando criterios de costes de formación, medioambientales y sociales. Debido a la complejidad del sistema, será necesario emplear técnicas metaheurísticas que generan más de una configuración posible. - El segundo paso consistirá en realizar la programación de la producción de cada una de las células de trabajo, prestando especial interés a aquellos trabajos que tengan que realizar visitas a otras células. Al igual que en el paso anterior, se generarán diferentes secuenciaciones posibles. - En el último paso, se realiza la toma de decisiones. Con una metodología de selección multicriterio se evaluará los diferentes sistemas generados y se le asignará una valoración numérica a cada a uno. Capítulo 4. Análisis del Estado del Arte y Propuesta de Investigación - 73 - M1 M2 M3 M4 Célula 1 M5 M6 M7 Célula 2 M8 M9 M10 M11 Célula 3 M12 1º Formación 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 Programación de la Producción Metodología para la Evaluación de Sistemas de Fabricación 3º Toma de Decisiones Valoración Configuración 1 ... Valoración Configuración 6 Figura 33: Caso de estudio propuesto, esquema. Capítulo 5. Conclusiones - 74 - Capítulo 5 CONCLUSIONES Capítulo 5 Capítulo 5. Conclusiones - 75 - La sostenibilidad es un concepto que está en auge y que puede ser aplicado a todos los aspectos de la vida. Partiendo de la definición de desarrollo sostenible se ha hecho un repaso del nuevo paradigma introducido a través de la fabricación sostenible, definiendo las principales tendencias, necesidades y aplicaciones observadas. De entre todas las estrategias expuestas para responder este nuevo paradigma, la amplia mayoría requieren una alta inversión económica para llevarlas a cabo. La planificación sostenible destaca por encima del resto debido a tres factores principales: la implementación de planes de fabricación diseñados considerando criterios sostenibles no requieren una gran inversión; se trata de un campo de investigación relativamente nuevo, con mucho potencial, en el que aún existen muchos aspectos por desarrollar; por último, los resultados serían extrapolables fácilmente a cualquiera tipo de industria de producción. El reto presentado se basa en responder a las nuevas necesidades planteadas por las empresas de producción en el marco de un desarrollo sostenible, centrándonos en la planificación y programación de la producción considerando criterios sostenibles. Para responder a este reto, se ha realizado una revisión de la literatura existente sobre el tema. Como se ha visto en el capítulo 3, existe una investigación creciente en los estudios que analiza la optimización de los sistemas de fabricación considerando criterios de sostenibilidad. Los estudios iniciales se han centrado en sistemas más tradicionales y simples (Single Machine, Job Shop, Flow Shop, etc.), mientras que los estudios sobre los sistemas avanzados están en una fase de inicio y su potencial sigue siendo amplio. También se puede observar cómo los casos prácticos estudiados son mayoritariamente generados con datos aleatorios, con pocos productos y máquinas, por lo que, la aplicación a casos reales extraídos de la industria es necesaria, así como, la inclusión de los aspectos sociales dentro de los objetivos. Los aspectos a profundizar detectados tras el análisis han sido plasmados en una propuesta de estudio cuyo objetivo es el diseño, optimización y evaluación de sistemas avanzados de fabricación considerando aspectos económicos, medioambientales y sociales, que servirá como apoyo a la toma de decisiones para gestores en entornos de fabricación dinámicos. Esta propuesta se completa con la descripción de objetivos específicos, metodología a seguir, plan de trabajo detallando las tareas e impacto esperado. Para finalizar se ha planteado una hipótesis de caso de estudio, con el fin de clarificar, de una forma práctica, parte de la propuesta. Capítulo 5. Conclusiones - 76 - 5.1. Publicaciones. Como base para la justificación del desarrollo de esta propuesta y para mostrar la profundización en el tema de la sostenibilidad, se adjuntan las referencias de varias publicaciones del autor de este trabajo. Awanis Romli, Miguel P. De La Pisa, Rossitza Setchi, Paul Prickett, Shwe Soe (2015) “Eco-Case Based Reasoning (Eco-CBR) for Supporting Sustainable Product Design” en Second International Conference on Sustainable Design and Manufacturing. Awanis Romli, Miguel P. De La Pisa, Rossitza Setchi, Paul Prickett (2016). “Eco-CBR: Integration of Eco-QFD and CBR for Supporting Sustainable Product” (Pendiente de ser publicado). Capítulo 6. Referencias - 77 - Capítulo 6 REFERENCIAS Capítulo 6 Capítulo 6. Referencias - 78 - 1. Agnetis, A., Flamini, M., Nicosia, G., & Pacifici, A. (2011). “A job-shop problem with one additional resource type”. Journal of Scheduling, 14, 225–237. Doi:10.1007/s10951-010-0162-4 2. Bi, Z. (2011). Revisiting System Paradigms from the Viewpoint of Manufacturing Sustainability. Sustainability, 3, 1323–1340. doi:10.3390/su3091323 3. Boulanger, P-M. (2008). “Sustainable development indicators: a scientific challenge, a democratic issue”. Sapiens, 1, 44–59. Doi:10.5194/sapiens-1-59-2008 4. Brandimarte, P. (1993). “Routing and scheduling in a flexible job shop by tabu search”. Annals of Operations Research, 41, 157–183. Doi:10.1007/BF02023073 5. Bruzzone, A.A.G., Anghinolfi, D., Paolucci, M., & Tonelli, F. (2012). “Energy-aware scheduling for improving manufacturing process sustainability: A mathematical model for flexible flow shops”. CIRP Annals - Manufacturing Technology, 61(1), 459–462. Doi:10.1016/j.cirp.2012.03.084 6. Cheng, J., Chu, F., Xia, W., Ding, J., & Ling, X. (2014). “Bi-objective optimization for singlemachine batch scheduling considering energy cost”. 2014 International Conference on Control, Decision and Information Technologies (CoDIT), 236–241. Doi:10.1109/CoDIT.2014.6996899 7. Choi, Y.-C., & Xirouchakis, P. (2014). “A production planning in highly automated manufacturing system considering multiple process plans with different energy requirements”. The International Journal of Advanced Manufacturing Technology, 70, 853–867. Doi:10.1007/s00170-013-5306-1 8. Choi, Y.-C., & Xirouchakis, P. (2015). “A holistic production planning approach in a reconfigurable manufacturing system with energy consumption and environmental effects”. International Journal of Computer Integrated Manufacturing, 28 (June 2015), 379–394. Doi:10.1080/0951192X.2014.902106 9. Cleantechnica.com. “Renewable Energy & Clean Technology: Keys to a Revitalization of US Manufacturing & Job Creation”. Acceso: Noviembre 2015. http://cleantechnica.com/2012/04/15/green-manufacturing/ 10. Dahmus, J. (2007). “Applications of industrial ecology: manufacturing, recycling, and efficiency”. THESIS. Retrieved from http://dspace.mit.edu/handle/1721.1/39901 11. Dai, M., Tang, D., Giret, A., Salido, M.A., & Li, W. D. (2013). “Energy-efficient scheduling for a flexible flow shop using an improved genetic-simulated annealing algorithm”. Robotics and Computer-Integrated Manufacturing, 29, 418–429. Doi:10.1016/j.rcim.2013.04.001 12. Dambhare, S.G., Deshmukh, S.J., & Borade, A.B. (2015). “Machining parameter optimization in turning process for sustainable manufacturing”. International Journal of Industrial Engineering Computations, 6, 327–338. Doi:10.5267/j.ijiec.2015.3.002 Capítulo 6. Referencias - 79 - 13. Dauzère-Pérès, S., & Paulli, J. (1997). “An integrated approach for modeling and solving the general multiprocessor job-shop scheduling problem using tabu search”. Annals of Operations Research, 70, 281–306. Doi:10.1023/A:1018930406487 14. Deb, K., Member, A., Pratap, A., Agarwal, S., & Meyarivan, T. (2002). “A Fast and Elitist Multiobjective Genetic Algorithm: NSGA-II”. IEEE Transactions on Evolutionary Computation, 6(2), 182–197. doi:10.1109/4235.996017 15. Ding, J.-Y., Song, S., & Wu, C. (2015). “Carbon-efficient scheduling of flow shops by multiobjective optimization”. European Journal of Operational Research, 248(3), 758–771. Doi:10.1016/j.ejor.2015.05.019 16. Dornfeld, D., Yuan, C., Diaz, N., Zhang, T., Vijayaraghavan, A. (2013). “Introduction to green manufacturing”. Green Manufacturing: Fundamentals and Applications, pp. 1-23. Doi: 10.1007/978-1-4419-6016-0_1 17. Drake, R., Yildirim, M. B., Twomey, J. M., Whitman, L. E., Ahmad, J. S., & Lodhia, P. (2006). “Data collection framework on energy consumption in manufacturing”. 2006 IIE Annual Conference and Exhibition, 6 p. 18. Duflou, J. R., Sutherland, J. W., Dornfeld, D., Herrmann, C., Jeswiet, J., Kara, S., Kellens, K. (2012). “Towards energy and resource efficient manufacturing: A processes and systems approach”. CIRP Annals - Manufacturing Technology, 61(2), 587–609. Doi:10.1016/j.cirp.2012.05.002 19. EC, European Commission (2004). “Manufuture, a Vision for 2020. Assuring the Future of Manufacturing in Europe”. 20. Eguía I. (2010-1). “Introducción a los Sistemas de Fabrication”. Apuntes de la asignatura Sistemas Avanzados de Producción, Máster Organización Industrial y Gestión de Empresas, Universidad de Sevilla. 21. Eguía I. (2010-2). “Sistemas de Fabricación Flexible (SFF)”. Apuntes de la asignatura Sistemas Avanzados de Producción, Máster Organización Industrial y Gestión de Empresas, Universidad de Sevilla. 22. Eguía I. (2010-3). “Sistemas de Fabricación Celular (SFC)”. Apuntes de la asignatura Sistemas Avanzados de Producción, Máster Organización Industrial y Gestión de Empresas, Universidad de Sevilla. 23. Elkington, J., (1997). “Cannibals with Forks: the Triple Bottom Line of 21st Century Business”, Gabriola Island, BC: New Society Publishers. 24. ElMaraghy, H.A. (2005). “Flexible and reconfigurable manufacturing systems paradigms. International Journal of Flexible Manufacturing Systems”, 17, 261–276. Doi:10.1007/s10696-006-9028-7 25. Eskandarpour, M., Dejax, P., Miemczyk, J., & Péton, O. (2015). “Sustainable supply chain network design: an optimization-oriented review”. Omega, 54, 11–32. Doi:10.1016/j.omega.2015.01.006 Capítulo 6. Referencias - 86 - 101. Urgo, M., L. Calegari, S. Dierssen, G. Fogliazza, K. Uffmann, A.Valente, and J. Zulaika Muniain. 2012. “Report on Holistic Digital Tools for the Design of Dematerialised Manufacturing System – Task 3.2 Deliverable D3.2.” Technical Report-WP3-T3.2 in Dematerialised Manufacturing System: A New Way to Design, Build, Use and Sell European Machine Tools (DEMAT). 102. USDOC, U.S. Department of Commerce. “How does Commerce define Sustainable Manufacturing?,” Acceso: Noviembre 2015. http://www.trade.gov/competitiveness/sustainablemanufacturing/how_doc_defines_S M.asp, 103. Vimal, K. E. K., Vinodha, S., & Muralidharan, R. (2015). “An approach for evaluation of process sustainability using multi-grade fuzzy method”. International Journal of Sustainable Engineering, 8(April), 40–54. doi:10.1080/19397038.2014.912254 104. WCED, World Commission on Environment and Development (1987). “Report of the World Commission on Environment and Development: Our Common Future (The Brundtland Report)”. Medicine, Conflict and Survival, 4, 300. Doi:10.1080/07488008808408783 105. Xu, F., Weng, W., & Fujimura, S. (2014). “Energy-Efficient Scheduling for Flexible Flow Shops by Using MIP”. IIE Annual Conference and Expo 2014, pp. 1040-1048. 106. Yi, Q., Li, C., Tang, Y., & Wang, Q. (2012). “A new operational framework to job shop scheduling for reducing carbon emissions”. IEEE International Conference on Automation Science and Engineering, 58–63. Doi:10.1109/CoASE.2012.6386372 107. Yildirim, M. B., y Mouzon, G. (2012). “Single-machine sustainable production planning to minimize total energy consumption and total completion time using a multiple objective genetic algorithm”. IEEE Transactions on Engineering Management, 59(4), 585–597. Doi:10.1109/TEM.2011.2171055 108. Zhang, H., y Haapala, K. R. (2014). “Integrating sustainable manufacturing assessment into decision making for a production work cell”. Journal of Cleaner Production. Doi:10.1016/j.jclepro.2014.01.038 109. Zhang, H., Zhao, F., Fang, K., & Sutherland, J. W. (2014). “Energy-conscious flow shop scheduling under time-of-use electricity tariffs”. CIRP Annals - Manufacturing Technology, 63(1), 37–40. Doi:10.1016/j.cirp.2014.03.011 110. Zhang, L., Li, X., Gao, L., & Zhang, G. (2013). “Dynamic rescheduling in FMS that is simultaneously considering energy consumption and schedule efficiency”. International Journal of Advanced Manufacturing Technology, 1–13. Doi:10.1007/s00170-013-4867-3 111. Zitzler, E., Laumanns, M., & Thiele, L. (2001). “SPEA2: Improving the Strength Pareto Evolutionary Algorithm”. Evolutionary Methods for Design Optimization and Control with Applications to Industrial Problems, 95–100. doi:10.1.1.28.7571