🔬 Un estudio propone un sistema que reprograma fábricas flexibles cuando falla una máquina en menos de 12 ms. El modelo une redes neuronales de grafos heterogéneos y aprendizaje por refuerzo; en pruebas de referencia mantuvo una utilización del 94,0–94,5 % tras recuperar los equipos.
El equipo representa piezas, máquinas y procesos como nodos de un grafo dinámico. Cuando surge una falla, inmoviliza el nodo afectado y sus conexiones para actualizar ese mapa. La red HGNN reúne el estado global de fabricación y los datos locales de la falla; después, PPO asigna procesos a máquinas y estima el valor de cada estado.
Durante el entrenamiento, el algoritmo recibe fallas con tiempos, duraciones y máquinas elegidos al azar, y busca reducir el makespan. En los conjuntos de referencia Brandimarte y Hurink, la tasa de convergencia del makespan normalizado quedó entre 103,9 % y 105,1 % en escenarios grandes. Con fallas intensas fuera de la distribución de entrenamiento (λf > 0,50), la tasa de factibilidad alcanzó el 94,1 %.
✅ El trabajo sugiere una vía para reprogramar la producción sin esperar cálculos largos cuando un equipo se detiene. Su alcance informado se limita a conjuntos de referencia: faltan resultados de operación en una fábrica real.
