2024-12-062019-10-219786124802539https://hdl.handle.net/20.500.12272/11810Para encontrar una política óptima de reschedule, se implementó Aprendizaje Basado en Instancias y partiendo de grafos que representan los estados por los que transita el schedule, se aplican operaciones de actualización denominadas acciones. Se desarrolló una metodología que permite aprender a resolver reschedules por medio del algoritmo RIB, conocido por implementar funciones predictivas a través de técnicas de regresión. Se programó una nueva versión de este, generalizando la función de predicción (Q) en base a un conjunto de distancias dadas entre los estados. Estas se incorporan a fin de contemplar tanto su estructura como los atributos, permitiendo determinar si dos planificaciones son iguales. Se aplicó al tratamiento del proceso de producción de bioetanol mediante tecnología de molienda seca permitiendo reparar el schedule, determinando que acciones de control deben implementarse.pdfesinfo:eu-repo/semantics/openAccessScheduleRescheduleRewardRIBProceso de obtención de bioetanolinfo:eu-repo/semantics/articleCC-BY-NC-SA