PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables

5. SIMULACIÓN DEL MODELO CON ARENA

¿Qué es Simulación?

“ Simulación es el proceso de diseñar un modelo de un sistema real y llevar a cabo experiencias con el mismo con la finalidad sea de aprehender el comportamiento del sistema o de evaluar diversas estrategias (dentro de los límites impuestos por un criterio o un conjunto de ellos) para entender el funcionamiento del sistema.” Robert
Shannon, 1975. La capacidad del ser humano, sobre otros animales, de poder abstraer los aspectos principales de una realidad y sus interrelaciones, pudiendo crear modelos reales o imaginarios que representen esa realidad, le proporciona la herramienta necesaria para la comprensión del mundo que le rodea, ejercitándose con parcelas reducidas y evolucionando progresivamente a una visión unificada de sistemas cada vez más complejos. La simulación, haciendo uso de esta capacidad, es el diseño de un modelo a partir de un sistema “real” que permite experimentar sobre dicho modelo para describir, explicar y predecir el comportamiento del sistema real. En la mayoría de los casos, las interrelaciones que componen el sistema serán lo suficientemente complicadas y complejas como para hacer inviable la obtención de soluciones analíticas exactas con métodos matemáticos. Es pues la simulación una buena herramienta para el estudio de estos sistemas. No se aspira a encontrar soluciones analíticas y exactas del problema, sino a la mejor comprensión de los sistemas en estudio. La Simulación con ordenador se refiere a una serie de métodos para estudiar una amplia variedad de modelos de sistemas del mundo real mediante evaluación numérica, usando un software apropiado, diseñado para imitar las operaciones o características del sistema, frecuentemente con respecto al tiempo. Desde un punto de vista práctico, la simulación es el proceso de diseño y creación de un modelo por ordenador a partir de un

Página 73

PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables

sistema real o propuesto, con el fin de dirigir experimentos numéricos para comprender mejor el comportamiento de dicho sistema según un conjunto de condiciones dado. Aunque puede ser utilizado para estudiar sistemas simples, el poder real de esta técnica se consigue completamente cuando se usa para estudiar sistemas complejos. Puede que la simulación no sea la única herramienta para estudiar un modelo pero es con frecuencia el método elegido. La razón para esto es que la simulación permite un modelo lo bastante complejo, si es necesario, para representar el sistema fielmente y además analizarlo. Otros métodos pueden requerir hipótesis de simplificación más fuertes sobre el sistema para poder permitir su análisis, lo cual podría cuestionar la validez del modelo. Desarrollo de la Simulación Cuando las capacidades y la sofisticación de los lenguajes y paquetes de simulación empezaron a aumentar drásticamente sobre los años 40, el concepto de cómo y cuándo usar simulación cambió. Al principio, sobre finales de los años 50 y la década de los 60, la simulación era una herramienta cara y especializada que era usada generalmente sólo por grandes corporaciones que requerían grandes inversiones de capital (corporaciones del acero y aeroespaciales). El uso de la simulación tal como se conoce hoy en día empezó sobre los años 70 y principios de los 80. Los ordenadores comenzaron a ser más rápidos y baratos y el valor de la simulación empezó a ser descubierto por otras industrias, aunque la mayoría de las compañías eran aún bastante grandes. Sin embargo, la simulación se convirtió en la herramienta elegida por muchas compañías, sobre todo industria pesada y automoción, para determinar por qué ocurrían los desastres y, en algunas ocasiones, para saber dónde encontrar la causa del fallo. Durante los 80 la simulación empezó a establecer sus raíces en los negocios debido en gran parte a la introducción del ordenador personal y la animación. Aunque aún se usaba para analizar los fallos de los sistemas, mucha gente solicitaba la simulación antes

Página 74

PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables

de que la producción empezara. A finales de los 80, la utilidad de la simulación fue reconocida por muchas grandes firmas, varias de las cuales realmente hicieron de la simulación un requerimiento antes de la aprobación de cualquier inversión importante de capital. Sin embargo, la simulación no estaba aún lo bastante extendida y rara vez era usada por pequeñas firmas. La simulación realmente empezó a madurar sobre los 90. Muchas empresas pequeñas incorporaron esta herramienta. Una mejor animación, fácil de usar, ordenadores más rápidos, fácil integración con otros paquetes y la aparición de simuladores han ayudado a que la simulación se convierta en una herramienta estándar en muchas compañías. La manera en que la simulación se está usando también está cambiando, ahora se usa con antelación, en la fase de diseño y, frecuentemente, actualiza los cambios que deben ser realizados en los sistemas de operaciones. Esto proporciona un modelo de simulación que permite ser usado para el análisis de sistemas en muy corto plazo. La simulación también ha invadido el servicio de la industria, donde está siendo aplicada en muchas áreas no tradicionales. Los mayores impedimentos a los que se enfrenta la simulación desde que se ha convertido en una herramienta bien utilizada y universalmente aceptada son el tiempo necesario para llevar a cabo el desarrollo del modelo y los conocimientos y habilidades de modelado requeridos para ser capaz de desarrollar una simulación con éxito. No obstante, la velocidad de cambio en la simulación se ha acelerado en los últimos años y hay razones para pensar que seguirá este rápido crecimiento en un futuro próximo. Aplicaciones de la Simulación Como ya se ha visto, la llegada del ordenador y su aplicación en simulación ha hecho posible el desarrollo de un gran número de técnicas y su aplicación en muy diversos campos: • Sistemas de producción: planificación, control de inventarios, líneas de productos, programación.

Página 75

• Sistemas informáticos: redes de comunicación. Como etapa previa al diseño de nuevos sistemas.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables • Sistemas de servicios: admisión de hospitales. software y hardware. protocolos. grandes superficies. intentando minimizar los aspectos negativos del modelo y su adecuación al proyecto. restaurantes de comida rápida. La aplicación de la simulación a sistemas tan diversos persigue unos objetivos que se pueden recoger en la siguiente clasificación: Análisis de sistemas ya existentes. etc. • Sistemas de distribución: almacenes. El esquema sería el siguiente: Página 76 . El esquema en este tipo de simulación sería: Figura 5. para su mejor comprensión y optimizado de los mismos y la evaluación de distintas estrategias ante un mismo problema en el sistema. red de distribución. situaciones de emergencias por catástrofes. • Otros: teoría de juegos. operaciones en ventanillas de bancos.1: Simulación para el análisis de sistemas ya existentes. ordenadores. • Sistemas económicos y financieros.

Cada entidad o componente tiene sus características propias. Hay dos tipos de sistemas. implica el uso de sistemas y modelos. definidas por un conjunto de variables.2: Simulación del diseño de nuevos sistemas. El entorno o medio ambiente define el resto de componentes que no forman parte del sistema pero que pueden influir en el mismo. como por ejemplo. Página 77 . Un sistema se define por el conjunto de componentes o entidades que lo forman y las relaciones que existen entre sus componentes. el número de coches en un tramo de calle cambia sólo cuando entra o sale un nuevo coche. El estado del sistema se define por el conjunto de valores que toman cada una de las variables que caracterizan a cada componente del sistema.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Figura 5. discretos y continuos según sea el valor de dichas variables: • En los sistemas discretos el valor de las variables cambia en instantes determinados y separados en el tiempo. para obtener experiencia en la toma de decisiones o adquirir ciertas rutinas o hábitos. Sistemas y Modelos en Simulación La Simulación. Con fines de educación o adiestramiento. como la mayoría de los métodos de análisis.

mejorar sus operaciones o diseñar si puede o no existir. Sin embargo. real o planeado. dependiendo del grado de abstracción que se realice. si este es accesible y los experimentos son no destructivos. Si el modelo es lo suficientemente simple como para admitir trabajar con relaciones matemáticas cuantitativas. Página 78 . como por ejemplo. Los representantes o controladores de un sistema pueden tener también una ayuda disponible para operaciones del día a día (como decidir qué hacer en una fábrica si una máquina importante se estropea). que normalmente se estudia para medir su rendimiento. la velocidad de un coche en el proceso de incorporación al tráfico. se podrá experimentar sobre el propio sistema. En función de esta abstracción se tendrán: • Modelos físicos o icónicos: representan físicamente al modelo real pero a distintas escalas. se obtendrán soluciones analíticas y exactas para el sistema.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables • En los continuos. si no es posible un tratamiento de este tipo debido a la complejidad del modelo. se necesitará recurrir a la realización de un modelo sobre el que experimentar para estudiar el sistema. por ejemplo. será necesario recurrir a la simulación para poder estudiar el sistema. Estos modelos que representan al sistema pueden asemejarse físicamente más o menos al sistema dado. Sin embargo. • Modelos matemáticos o lógicos: representan al sistema por medio de símbolos matemáticos y diagramas de flujos. Pero al clasificarlo como discreto. La experimentación que se realice sobre el modelo para responder a las cuestiones planteadas sobre el sistema. se denota que en el cambio de valor en las variables predomina el discreto frente al posible cambio continuo de esa u otras variables del sistema. como el caso de reactores químicos o túneles de aire. Dado un sistema para su estudio. si este sistema real aun no existe físicamente o no es accesible por otras razones. dependerá de la complejidad de dicho modelo. un sistema se puede entender como un proceso. el valor de las variables que definen el estado del sistema cambia continuamente con respecto al tiempo. Por tanto. un sistema casi nunca es completamente discreto o completamente continuo. Como se puede observar.

estiramiento del tiempo. Igualmente es posible el efecto contrario. Continuos / Discretos: Depende de los valores que pueda tomar el tiempo en la simulación. En los modelos dinámicos las variables del modelo evolucionan con el tiempo. es decir. se pueden clasificar en tres direcciones principales: Estáticos / Dinámicos: En los modelos estáticos se representa el sistema en un instante concreto de tiempo (ejemplo: localización de almacenes en una región). operaciones que ocurren en horas o días pueden simularse en segundos. • Ambiente controlado y posibilidad de modificación. El tiempo de simulación es una variable continua en los modelos continuos. Mientras que en los discretos. como por ejemplo los sistemas definidos por ecuaciones diferenciales. estocástico y discreto. Deterministas / Estocásticos: Aquellos modelos en los que todas las variables de entrada no puedan tomar valores aleatorios son deterministas. • Compresión del tiempo. Ventajas e inconvenientes de la Simulación Las ventajas más importantes que podemos encontrar en la simulación son las que se describen a continuación: • Experimentación sobre el modelo. como pasa con los procesos químicos. Esta aleatoriedad en los valores de entrada al sistema producirá una aleatoriedad también en los valores de salida. Para la situación que se pretende simular y teniendo en consideración las definiciones anteriores. Los experimentos pueden ser mejor definidos y específicos que los realizados sobre el sistema real. pudiéndose integrar con respecto al tiempo. menos costosa que sobre el sistema. como en los modelos de colas. el tiempo de simulación está definido para instantes concretos. Los modelos en los cuales algunas de sus variables de entrada puedan tomar valores aleatorios serán modelos estocásticos. se tendrá un modelo dinámico. Página 79 .PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Definidos los modelos lógicos de simulación.

Del mismo modo. Con una simulación se pueden obtener gran cantidad de resultados. Será necesario definir también el grado de precisión requerido. La elaboración de un modelo preliminar puede ayudar a poner de manifiesto de forma más clara y precisa los Página 80 . a través de experimentos. el uso de nuevas herramientas de programación más potentes han facilitado algunas de ellas. el software utilizado. permiten comprobar la eficacia de los sistemas reales. • Alternativa para el diseño de nuevos sistemas y su evaluación. A mayor precisión se necesitará un modelo más complejo en la mayoría de los casos. Etapas del proceso de Simulación En la realización de un proyecto de simulación se pueden definir una serie de etapas que faciliten y aumenten las posibilidades de éxito del mismo. Definición detallada de los objetivos. • Precisión y simplicidad del modelo son objetivos contrapuestos. llevando a conclusiones erróneas. incluso una animación del modelo ayuda a un mayor impacto de confianza en los resultados del modelo.Formulación del problema. e incluso su agrupación en una sola. es necesaria una experiencia en el modelado de sistemas.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables • Mayor y mejor comprensión de la realidad. • Necesaria una validación del modelo. se trabaja sobre un modelo de la realidad. de las restricciones e hipótesis de trabajo y de las variables que se van a utilizar para definir el estado del sistema y el control del mismo. también podemos encontrar algunos inconvenientes a la hora de elegir la simulación como herramienta de trabajo para nuestro estudio: • Aproximada e imprecisa.. que pueden estar respaldados sólo por una deficiente validación del mismo. • Estimación de rendimientos de sistemas reales en diversas condiciones y situaciones. • La simulación es un proceso costoso: el tiempo empleado. Estas etapas en las que se puede dividir un proceso de simulación son: 1. Sin embargo. donde se desprecian y simplifican los componentes y sus relaciones.

efectiva y eficiente. 2. • Independencia entre los componentes. 4. 5. Se pueden utilizar lenguajes de propósito general o bien lenguajes orientados a la simulación. • Aproximación de distribuciones empíricas. La verificación es el proceso de revisión del programa para comprobar que éste representa fielmente el modelo que hemos implementado. Se utilizan distintas técnicas como: verificación manual de lógica.. Los datos empíricos obtenidos requieren un proceso de filtrado por parte del analista de forma que elimine interferencias debidas al propio proceso de recogida o agentes no presentes en el modelo. flexible. • Aproximación de funciones no lineales.Codificación. test modular.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables objetivos del estudio. test de estrés. La formulación hecha debe ser simple. La validación asegura la correcta representación de la realidad por parte del modelo. Elaboración del modelo matemático a utilizar. ya que un buen modelo es fruto del conocimiento del sistema a modelar y de los datos experimentales procedentes de la observación de las entradas y salidas del mismo. Consiste en trasladar el modelo a un lenguaje de programación para introducirlo en el ordenador. animación gráfica. Página 81 .. mediante técnicas o herramientas específicas del modelado: Grafo de eventos y Diagrama de Ciclos de Actividades.Verificación y validación. Al realizar el modelo se suelen emplear una serie de hipótesis simplificativas como son: • Se ignora el exterior.Análisis y recogida de datos.Formulación del modelo. análisis de sensibilidad. 3. test de soluciones conocidas. Se suele realizar en paralelo con el punto anterior. pudiéndose adaptar a cambios durante el proyecto de simulación y el tiempo de computación sea razonable.. las variables y parámetros necesarios para el desarrollo del modelo y para el control del mismo..

lo que interesa es definir a qué estado estable tienden. ya que se obtienen datos de tipo estadístico. La experimentación se realiza a través de largas ejecuciones del modelo. y estudiar los valores de las variables en este estado. termina el proceso.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables • Agregación de componentes. 6. para ver si son reconocidos.Experimentación y análisis de los resultados. Test de Turing: a personas con experiencia sobre el sistema real modelado. 7. Se puede diferenciar entre sistemas que terminan y sistemas que alcanzan un estado estable en el tiempo. • Estacionalidad. • Las iteraciones necesarias para obtener las precisiones definidas. Sin embargo. • Consideraciones realizadas respecto al valor escogido para los parámetros utilizados y la relación entre estos. acabado éste. Los sistemas que terminan son aquellos que representan procesos que tienen lugar en un periodo de tiempo determinado. A la hora de realizar experimentos con el modelo hay que tomar decisiones referentes a algunos aspectos relacionados con: • Las condiciones iniciales que existan: es necesario fijar las condiciones de partida que cada iteración realice y su posible influencia en los resultados.Diseño de experimentos. De éstas.. La experimentación se realiza por lotes de experimentos que se consideran independientes entre sí. Normalmente el tiempo de ejecución de estos modelos es pequeño. se le aportan los resultados obtenidos a través de la simulación y otros inventados. Página 82 . y se comparan con los datos de salida obtenidos del modelo para los mismos datos de entrada.. Existen varias técnicas de validación de modelos realizados mediante simulación. en sistemas que alcanzan un estado estable en el tiempo. las dos más utilizadas son: Experimentos de campo: a partir de unos datos de entrada y salida obtenidos del sistema real.

haciendo más fácil y segura la escritura del código.. Una adecuada elección de la presentación de resultados puede dar lugar a una mayor confianza en el modelo realizado por arte de personas ajenas al modelo y por tanto en las conclusiones obtenidas. 9. sin embargo. datos de entrada. También proveen de buenas herramientas de detección de errores de forma automática. al proveer de elementos orientados a la simulación.. Algunos de estos lenguajes son: Página 83 . el tiempo de ejecución será mayor. la construcción del modelo es más tediosa y con mayor probabilidad de errores al tener que trabajar en niveles de programación demasiado bajos.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables divididas en trozos respecto al tiempo tal que estos puedan ser considerados como procedentes de experimentos independientes entre si. etc. Sin embargo. Los lenguajes de simulación permitirán un menor tiempo de codificación. se debe elegir el lenguaje donde programar el modelo creado. Lenguajes de simulación Para llevar a cabo la ejecución de una simulación en el ordenador. FORTRAN o bien lenguajes específicos de simulación La utilización de lenguajes de propósito general permite una mayor flexibilidad que ciertos lenguajes específicos de simulación. Estos lenguajes de propósito general. Su flexibilidad. al igual que el coste del software. es mucho mayor que en un lenguaje de propósito general. Elaboración de un documento que refleje los resultados obtenidos y cómo se ha ido realizando el proceso de simulación: variaciones introducidas en el modelo. al trabajar a un más alto nivel en programación. 8. Bien un lenguaje de propósito general como puede ser C. crean un eficiente código del modelo que requiere de un tiempo de ejecución muy inferior al de lenguajes específicos de simulación.Documentación.Presentación de resultados. de menor costo. BASIC. Aún así.

Página 84 . desarrollado por Dennis Pedgen en 1982. desarrollado por Dennis Pegden y Alan Pritsker en 1979. Los lenguajes de simulación son paquetes informáticos que incluyen elementos frecuentemente utilizados en cualquier tipo de aplicaciones de simulación. desarrollado por Markowitz y otros en la Corporación Rand en 1962.5. Se pierde flexibilidad. También existe otra posibilidad a la hora de desarrollar la codificación del modelo. se trata de paquetes informáticos igualmente. • SLAM II (Simulation Language for Alternative Modeling). • SIMSCRIPT II. pero se gana eficacia y rapidez en el modelado. como por ejemplo los procesos de fabricación en una determinada pieza. desarrollado por Geoffrey Gordeon en el seno de la corporación IBM en 1961. pero que proporcionan elementos de simulación utilizados normalmente en un tipo específico de aplicaciones de simulación. requiriendo una programación muy reducida o casi nula. • SIMAN (SIMulation ANalysis).PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables • GPSS (General Purpose Simulation System). son los simuladores.

PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables 5. como se muestra en la figura. incluso dentro de un mismo modelo. Esto permite que Arena no pierda flexibilidad. Se combinan pues todas las facilidades de una programación de alto nivel con la flexibilidad de un lenguaje de programación general. Visual Basic o C. Para una mayor facilidad de exposición y una mejor organización. Página 85 . los módulos de diferentes paneles pueden mezclarse dentro de un mismo modelo.1 Características del software Arena Arena es un lenguaje de programación cuya principal característica es la posibilidad de adecuación al nivel de programación necesario en cada caso. los módulos están agrupados en paneles y en la mayoría de los casos. Esta flexibilidad a la hora de modelar se mantiene debido a que Arena tiene una estructura completamente jerárquica. al incluir la posibilidad de utilización de lenguajes de propósito general como Microsoft. Esto lo consigue proporcionando una serie de plantillas intercambiables entre sí que contienen módulos para el modelado y análisis de simulación gráfica y que pueden combinarse para construir una amplia variedad de modelos de simulación.

PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Figura 5. los módulos de Arena están formados por componentes SIMAN).3: Estructura Jerárquica del Arena En cualquier momento. así como mezclar construcciones del SIMAN junto con módulos de alto nivel de otra plantilla (de hecho. Para necesidades especializadas. como algoritmos de decisión complejos o el acceso de datos desde una aplicación externa. se puede trabajar con módulos de bajo nivel del panel de Bloques y Elementos y obtener acceso a la flexibilidad de un lenguaje de simulación si es necesario. se pueden escribir partes del modelo en Página 86 .

Por último. sin importar cómo de alto o bajo se quiera estar en la jerarquía. Para la depuración del modelo se tiene la posibilidad de escoger entre diferentes tipos de trazas posibles. Todo esto. Página 87 . Además. Incluye la animación dinámica en el mismo medio de trabajo. histogramas. la utilización de periodos de eliminación de los efectos de condiciones iniciales. ajuste de distribuciones estadísticas estándar a un conjunto de datos. Word. etc. gráficos de barras. También proporciona un soporte integrado. como son Excel. tanto de entrada como de salida. Arena aporta todos los elementos generales de otros lenguajes de simulación como: la utilización de distribuciones estándar. Visual Basic y PowerPoint. correlogramas. se muestra lo que es posible hacer con Arena: • Modelar los procesos para definir. que incluyen las más frecuentes técnicas estadísticas de tratamiento de datos: test de comparación de medias. incluyendo gráficos. gráficos XY. Junto a esta flexibilidad. Arena incorpora una biblioteca con multitud de ejemplos que ayudan en la codificación y modelado del sistema.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables un lenguaje como Visual Basic o C/C++. documentar y comunicar los resultados y avances obtenidos. Otras herramientas de interés son los analizadores de datos. También hay que destacar la interfaz con otros programas compatibles con Windows. La animación ofrece multitud de posibilidades. la ejecución de varias iteraciones independientes en un solo lote. a modo de resumen. incluyendo las distintas causas de error y solución ante cualquier problema. intervalos de confianza de media y de desviación estándar. incluso la importación desde otros programas como AUTOCAD o MICROSOFT VISIO. para modelos estocásticos. que forman parte de un buen estudio de simulación. para algunas cuestiones de diseño estadístico y análisis. en los cuales las variables no guardan valores para posteriores análisis estadísticos. Arena permite la utilización de un modo rápido de ejecución para la obtención de resultados y otro modo donde se tiene acceso a la animación del modelo. comparación de varianzas. tiene lugar en una misma interfaz gráfica para el usuario.

bien por uno mismo o automáticamente por el software. Lo más importante con respecto a los atributos es que sus valores están unidos a entidades específicas. Variables (Globales): Una variable es una parte de información que refleja algunas características del sistema. sin importar cuántas o qué tipos de entidades pueda haber. en el caso de los modelos de ciclo abierto ya que. no obstante. • Visualizar las operaciones con gráficos de animación dinámicos. Sin embargo. pero cada una de ellas es Página 88 . Un atributo es una característica común de todas las entidades. El mismo atributo tendrá normalmente valores diferentes para entidades distintas. Conceptos básicos en Simulación con Arena En este apartado se definirán las distintas partes de un modelo de simulación así como la importancia de cada una de ellas a la hora de modelar y ejecutar: Entidades: Es el término utilizado para representar personas. pasan a través de una sucesión de procesos y luego desaparecen. • Analizar cómo el sistema llevará a cabo su configuración bajo una serie de posibles alternativas de manera que se pueda elegir de forma segura el mejor camino para sacar adelante los negocios. es posible tener entidades que nunca dejen el sistema sino que permanezcan circulando por él. pudiendo causar cambios en el estado del sistema o afectar a otras entidades. Atributos: Para individualizar entidades. reales o imaginarias. o cualquier otra cosa. se les asignan atributos. son creadas. Arena puede asignar estos atributos automáticamente o ser definidos por uno mismo si es necesario.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables • Simular el futuro del sistema para entender las relaciones complejas e identificar las oportunidades para poder realizar mejoras. los atributos son variables locales (local para cada entidad). pero con un valor específico que permite diferenciar una de otra. que se mueven a través del modelo. objetos. Son los objetos dinámicos en la simulación. todas las entidades han de ser creadas. Se pueden tener muchas variables diferentes en un modelo. Así.

Son elementos estáticos del modelo y en ellos son alojadas las entidades. etc. número de recursos ocupados. tiempo de simulación. En el camino se invierte un tiempo fijado por el usuario. Recursos: Para que sobre una entidad se realice un proceso determinado será necesaria la presencia de uno o varios recursos que presten ese servicio. Estos subsistemas son llamados estaciones. De esta forma. cuando estas han sido detenidas por causas del fallo del sistema. ha de esperar hasta que esté disponible. ha de esperar a que exista sitio en la cinta para comenzar el transporte. etc. Por ejemplo. Estaciones: Arena representa los sistemas dividiéndolos en subsistemas. etc. sino que más bien pertenecen al sistema en general. Página 89 . pudiendo especificarse como cero. no se pueden crear durante la ejecución del programa. el modelo se hace más manejable y se proporciona una forma fácil de definición del movimiento de entidades entre partes del sistema. Al contrario que los atributos. libres. etc. Una vez que la entidad pide el acceso desde una estación para dirigirse a otra. herramientas. • Conveyors: funcionan como cintas transportadoras. las variables no están unidas a una entidad específica. Hay dos tipos de variables: Variables fabricadas por Arena (número de entidades en la cola. Colas: Son espacios de espera para las entidades en su movimiento por el sistema. Los recursos representan todo aquello necesario para realizar un proceso: personas. Son elementos pasivos del modelo.). Son accesibles por todas las entidades y muchas pueden ser cambiadas por alguna entidad.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables única. máquinas. si un determinado recurso está ocupado y la entidad quiere acceder a él.) y Variables definidas por el usuario (número de entidades en el sistema. presentando posibles estados distintos definidos por el usuario: ocupados. en fallo. Conveyors y transporters: Una entidad puede ser transferida de una estación a otra de diferentes formas: • Una conexión directa: la entidad no ha de esperar a que esté disponible ningún medio de transporte. Se detallarán más características de este transporte en puntos posteriores del proyecto.

etc. el área ocupada debajo de la curva de algunas funciones. El usuario es quien debe determinar las condiciones apropiadas de comienzo. atributos. como pueden ser: el número de partes producidas. Comienzo y Parada: Una cuestión muy importante en la simulación es cómo empezar y parar. cuánto debería durar la ejecución y si se debería parar en un instante particular de tiempo o cuando ocurra algún suceso específico. el total de tiempo que pasa en el sistema para todas las entidades que van desapareciendo. Arena hace muchas cosas automáticamente. En Arena. una simulación debe seguir los eventos que se supone que ocurrirán en el futuro (simulado). La entidad tras solicitar un vehículo ha de esperar a que esté disponible para poder realizar el transporte. Para poder ejecutar. el total de tiempo esperando en una cola. como pueden ser: la llegada o la salida del sistema de una entidad. básicamente todo se centra en los eventos. pero no es capaz de decidir cuestiones del modelado como el comienzo y la parada. el final de la simulación. Reloj de Simulación: El tiempo actual en la simulación es guardado en una variable llamada Reloj de Simulación. Eventos: A la hora de ejecutar el modelo. Un evento es algo que ocurre en un instante de tiempo (simulado) que puede hacer cambiar. El transcurso de este tiempo no tiene por qué coincidir con el real. Estas decisiones pueden tener un gran efecto tanto en los resultados como en las cosas más obvias como pueden ser los valores de los parámetros de entrada. esta información es guardada en un calendario de eventos. hay que hacer uso de varias variables que actúan como acumuladores estadísticos conforme la simulación progresa. Página 90 . el mayor tiempo que se ha permanecido en la cola. variables o acumuladores estadísticos. etc.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables • Transporters: en este caso existe un número de vehículos encargados de realizar el transporte. Este reloj marca el transcurso de los eventos del calendario y es una parte muy importante de la simulación dinámica (el reloj es una variable llamada TNOW). se puede acelerar o retardar. número de entidades que han pasado a través de una cola. Acumuladores Estadísticos: Para conseguir medidas de los resultados o salidas llevados a cabo.

hojas de cálculo y paquetes CAD. Para este proyecto se utilizará la versión 5. como procesadores word.4: Ventana de Arena A la hora de modelar un proceso en Arena. se trabajará con tres regiones principales de la ventana: en primer lugar se tiene la ventana del modelo propiamente dicha que se divide en dos partes claramente diferenciadas: Vista del Organigrama (Flowchart View) Página 91 . Arena es completamente compatible con otros software de windows.0 cuya ventana se muestra en la figura indicando las distintas partes que la componen. Además. con todos los elementos y operaciones que este contiene.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Ventana de Arena Arena es un lenguaje de simulación para ser utilizado en entorno Windows 95 o posterior y se maneja como cualquier otro programa con entorno de ventanas. Figura 5.

el Panel de Proceso de Traslado Avanzado (Advance Transfer Process) el cual incluye muchas opciones para el movimiento de entidades por el modelo y el lenguaje de simulación de Bloques y Elementos (los cuales juntos ofrecen acceso completo al SIMAN). como tiempos. existen otras dos que también forman parte de la ventana de Arena. Vista de la Hoja de Cálculo: Muestra los datos del modelo. situada en la parte más alta de la ventana. que se usarán para definir el organigrama del proceso de simulación. que muestra los resultados de una simulación tras ser ejecutada y el Panel de Navegación. costes y otros parámetros. El primero de los paneles es el Panel de Proceso Básico (Basic Process) que contiene los bloques de construcción fundamentales para modelar. existen otros paneles que contienen más construcciones para aplicaciones especiales. La primera de ellas. incluyendo los distintos submodelos que pueda haber dentro de un modelo jerárquico. está formada por varias Barras de Herramientas que facilitan un rápido acceso a Página 92 . existen otros paneles: el Panel de Proceso Avanzado (Advance Process) que contiene bloques de construcción “más pequeños” para un modelado más detallado. Además de estas tres regiones principales. es especialmente útil en grandes modelos. La otra región a tener en cuenta es la Barra de Proyecto (Project Bar): Vista del Organigrama: Contiene todos los gráficos del modelo. Además del Panel de Proceso Básico.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables y Vista de la Hoja de Cálculo (Spreadsheet View). ordenados en grupos compactos de parámetros similares apropiados. el Panel de Informes. Junto a éste se tienen dos paneles más. que sustenta el Arena. Presenta varios paneles que contienen los principales tipos de objetos que se utilizarán. Muchos parámetros del modelo pueden ser vistos y editados tanto en la vista del organigrama como en la de la Hoja de Cálculo. pero esta última da el acceso a mucho de los parámetros a la vez. incluyendo el organigrama del proceso. el cual permite mostrar diferentes vistas del modelo. Barra de Proyecto: se encuentra en el borde izquierdo de la ventana. Aparte de éstos. llamados módulos. como son el modelado de centros de llamadas o líneas de alta velocidad de empaque. la animación y otros elementos de dibujo.

en la parte inferior de la ventana. Existen dos tipos básicos de módulos: los de organigramas y los de datos. como el valor del reloj de la simulación durante la ejecución o el número de copias que están siendo y que serán ejecutadas. Por otro lado. Los módulos de los organigramas se suelen conectar unos con otros. Son los objetos del organigrama y los datos que definen el proceso que será simulado. En el panel del Proceso Básico. se pueden encontrar los siguientes módulos: Figura 5. Se eligen de los distintos paneles de la Barra de Proyecto. Los módulos de los organigramas definen los procesos dinámicos del modelo. se tiene la Barra de Estado.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables actividades frecuentes. Llegados a este punto es importante hablar de los módulos del programa. se originan o desaparecen del modelo. que muestra información sobre el estado de la simulación.5: Módulos del Proceso Básico Página 93 . Se puede pensar en estos módulos como nodos o lugares a través de los cuales las entidades fluyen. Los módulos se pueden considerar como los bloques básicos de construcción para definir los modelos en Arena.

los módulos del Proceso Avanzado son: Figura 5. Página 94 . De esta manera.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Cada tipo de módulo de este panel tiene una forma distintiva.6: Módulos del Proceso Avanzado En el Panel de Proceso de Traslado Avanzado se usan colores en los rectángulos para distinguir los diferentes tipos de módulos. Pero en los otros dos paneles se encuentran otro tipo de módulos representados todos por rectángulos.

Los módulos del panel de Proceso Básico son: Entity (Entidad). Segment (Segmento). Arena guarda una lista interna de los nombres que se le dan a estos tipos de objetos tal como el usuario los define y entonces presenta estos nombres en una lista que ayuda a recordar qué cosas han sido nombradas. como entidades. Tanto los módulos del organigrama como los de datos están relacionados mediante nombres dados a objetos que tienen en común (como colas. Statistic (Estadística). Queue (Cola). Schedule (Programa) y Set (Conjunto). recursos y colas.7: Módulos del Proceso de Traslado Avanzado Los módulos de datos definen las características de varios elementos del proceso. Los iconos para estos módulos en la Barra de Proyecto parecen una hoja de cálculo. Conveyor (Conveyor). Pueden también actualizar variables y otro tipo de valores numéricos y expresiones que pertenecen al modelo.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Figura 5. recursos. Distance (Distancia). Los otros paneles contienen tipos adicionales de módulos de datos: Expression (expresión). etc. Variable (Variable). Página 95 . Resource (Recurso). tipos de entidades y variables).

se puede comenzar a abordar la simulación del problema definido en los capítulos anteriores.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Una vez obtenidos los conocimientos básicos del Arena. Página 96 .

como puede verse el la tabla 5. Los 10 Receptores 3. para una entrega. están formados por un módulo de creación. Los 4 fabricantes. Sólo habría. Por otro.hasta la gran superficie demandante. dos entidades fundamentales: por un lado. que cubre la demanda de las grandes superficies de un producto cualquiera fabricado por las diversas marcas que lo producen. contemplados como recursos compartidos. desde un emisor –los fabricantes del bien . usando contenedores retornables.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables 5. Los 4 Fabricantes 2. con el producto correspondiente como carga. El modelo diseñado bajo el software ARENA se compone de 3 partes fundamentales: 1. Los 2 depósitos Se describen a continuación más detalles de cada uno de ellos: 1. por tanto. otro de lotes para la agrupación de productos con objeto de Página 97 . aplicando un sistema de logística de retorno con depósitos. Los fabricantes también podrían contemplarse como centros logísticos de distribución suficientemente grandes como para poder evitar la problemática de la fabricación en esta simulación.1. los contenedores retornables en número fijo desde el comienzo de la simulación.2 Aplicación de ARENA al problema Tratamos de simular el proceso logístico. Existen dos depósitos intermedios de contenedores retornables adonde vuelven después de haber sido usados. los productos asociadas a una demanda por cada gran superficie y por cada fabricante. que crean el número exacto de entidades demandadas por los receptores en su conjunto. de modo “matricial”.

8 Módulos de creación y de asignación.2: Página 98 . según la tabla 5. en porcentajes del total de productos creados por ese fabricante. se coloca un módulo de decisión que se encarga de hacer el reparto de los contenedores en función de la demanda correspondiente a cada receptor. A continuación. Figura 5.1 Entidades creadas.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables completar los contenedores y otro de asignación de ciertos atributos interesantes para la ejecución del programa. como el cambio del dibujo que representa a la entidad. Fabricantes Entidades creadas 5123 6324 5933 4660 22040 1 2 3 4 En total Tabla 5.

Demanda porcentual Figura 5. Cabe mencionar que los emisores 1 y 2 solicitarán recurso sólo al depósito 1 y los emisores 3 y 4 harán lo propio con el depósito 2. Seguidamente.2. los tiempos a tener en cuenta son los descritos en la tabla 5.9 Módulo de reparto de demandas. encontramos un módulo de solicitud de recurso que creará una cola a la espera de que queden libres los contenedores de los depósitos.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Matriz Demanda Porcentual por emisor receptores 1 17 11 5 8 2 8 14 14 16 3 14 0 5 18 4 17 13 17 7 5 2 12 13 8 6 12 16 0 2 7 12 7 17 4 8 3 8 14 9 9 15 9 8 7 10 0 9 9 20 100 100 100 100 1 2 3 4 emisores Tabla 5. Tiempos relacionados con los costes descritos en epígrafes anteriores asumiendo que 1 hora de transporte cuesta 10 unidades monetarias.3: Página 99 . Por tanto. en cada una de las ramificaciones. Asociado a esta petición de recurso se encuentra un tiempo de retraso que simula el tiempo invertido por el contenedor en acudir desde el depósito solicitado al emisor solicitante.

4 9 9.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Tiempos Distribución (Horas) Emisores 1 1 2 4. que envía las entidades a los receptores según unos retrasos establecidos por la matriz de costes transformada.5 1.9 5.7 8.5 6.2 8.6 emisores Tabla 5.9 6.8 3.3 1.3 x 3 x 0.10 Módulos de petición y de retraso asociado.4 Distancias de envíos.3 Tiempos de distribución Figura 5.6 1.8 10 2.6 receptores 3 4 5 7.8 2 3.8 5.1 5. nos encontramos con un módulo de ruta.5 Depósitos Tabla 5.7 2. Finalmente.8 1.6 7. en horas (dividiendo por 10).4 2.5 3. Página 100 .6 7.9 8 4.7 3. eso sí.3 6 7.9 4 x 1.5 0. para acabar con la descripción de esta sección del modelo.8 0.5 7 0.9 4 4.7 3.7 0.4 6. por lo que tenemos: Matriz Distancias de Envíos (horas) 1 1 2 3 4 8.5 0.7 2.4 x 2 0.9 6.7 0.6 1.2 7.1 6.

PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Figuta 5. La vista que presenta esta sección bajo el entorno ARENA es la siguiente: Página 101 .11 Módulo de ruta.

12 Sección emisor del modelo.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Figura 5. Página 102 .

9 0.5 0.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables 2.7 0.2 0. Los 10 Receptores.2 8. tiempo considerado constante de media hora para todos ellos. que corresponde con la siguiente tabla: Tiempo Recuperación (Horas) Depósitos 1 1 2 3 4 5 6 7 8 9 10 0. A continuación se encuentre un módulo de separación cuyo objeto es duplicar las entidades para poder seguirle la pista.1 2.9 1. depositaremos las entidades consideradas entregadas.4 3. las enviaremos por un módulo ruta al depósito correspondiente que es el más cercano que se encuentre de cada receptor.1 0.1 2 6 4.7 9. Página 103 .3 0.8 7.6 0. por tanto. Por un lado. a los contenedores transportadores.7 0. y por otro. en el camino de retorno. Formados inicialmente por un módulo estación que recibirá los envíos hechos desde los emisores y un módulo de retraso que simulará el tiempo invertido en la descarga.8 8. eliminándolas después de ser contadas.2 receptores Tabla 5.8 5.6 4.5 Tiempos de recuperación.

Los dos depósitos que mostraron ser los óptimos en el análisis anteriormente realizado (2 y 3) pasan ahora a nombrarse 1 y 2 por comodidad. la distancia.5 horas. Esta recolocación. de tipo estación al que le sigue una pregunta formulada al tipo de contenedor que se trate para poder distinguir aquellos pertenecientes al depósito 1 o al 2 y facilitar así la recolocación de los mismos. para poder simular el proceso de recolocación de contenedores. Esta sección del modelo se representa así: Figura 5. 3. Seguidamente.13 Módulos Estación y decisión. Dichos depósitos se forman con un módulo de recepción.14 Vista de la sección receptor. en unidad de tiempo. los contenedores se ven sometidos a Página 104 . Los 2 depósitos. pero manteniendo todos los datos asociados ellos. a la que se encuentran ambos es de 0.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Figura 5. Por lo cual. lleva asociada un retraso simulando en hecho físico del transporte de contenedor. como hemos dicho.

antes de su disposición/eliminación. realizamos la liberación del recurso contenedor que podrá. por tanto estar de nuevo disponible para atender a alguna de las colas solicitantes situadas en los emisores. La vista ampliada de estos depósitos se representa así en el entorno ARENA: Figura 5.14 Vista de la sección Depósitos. la vista global del modelo de simulación se muestra a continuación: Página 105 .PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables otro retraso que simula. Por último. la limpieza y mantenimiento del mismo. esta vez. Por tanto.

Más correcto sería decir camión-contenedor. por ejemplo. según los datos disponibles-introducibles de demanda. sólo nos interesa el resultado global del periodo total. típicamente de 12 metros de longitud. Página 106 .PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Figura 5. de contenedores retornables. como carga. como quiera llamarse. Repaso de algunas consideraciones hechas: Número fijo. hasta ajustar tiempos necesarios para el reparto completo 2 depósitos de contenedores de capacidad limitada al número de recursos disponibles. por cada simulación. es la suma de las demandas mensuales de todas las superficies de venta. es decir. 10 productos por cada contenedor o camión. La simulación corre solo para un periodo de tiempo concreto: un mes. La creación total. en número. porque se está suponiendo que el medio de transporte es ese tipo de camión que sólo es capaz de acarrear un contenedor.15 Vista general del modelo. del producto del fabricante 1.

Página 107 . así como todos los contenedores retornables considerados en la simulación.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables - Toda la demanda del periodo se crea en el instante cero y se almacena en cola.

de: P= 2204/44 = 50. para el cual hemos supuesto la demanda. previsiblemente inapropiado. tenemos que nuestro modelo.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables 5. que significa. Como información. con 40 contenedores. viendo fundamentalmente los tiempos de ejecución. por poco. ofreció un tiempo total de ejecución de 569 horas.1 El segundo caso ensayado. reparte casi exactamente en el tiempo previsto de 1 mes (22 días). con 40 contenedores. que equivale a 21 días laborables trabajando a 24 horas por día. P= demanda de contenedores/ nº contenedores El primer caso simulado contiene 44 contenedores y después de su simulación nos ofrece un tiempo de reparto de 514 horas.1 Página 108 . un horizonte temporal de 24 días. Si consideramos que sólo repartimos los días laborables. No se ajusta a nuestro horizonte temporal de 1 mes. a la relación del parámetro “p”: P = 2204 / 40 = 55.3 Resultados de la simulación Se trata de simular como se comporta el sistema. Podemos hacer varias simulaciones en casos extremos del parámetro para observar el comportamiento límite del modelo. con la variación de un parámetro “p” que relaciona la demanda total con el número de contenedores. por tanto. con lo cual parece ser que nos hemos acercado al número apropiado de contenedores y. lo que es más importante. debemos disminuir en número de contenedores. cabe decir que el parámetro “p” alcanza el valor. suponiendo que se reparte durante las 24 horas del día.

para 36 contenedores. dada una demanda determinada. probamos ahora con 42 contenedores.000 contenedores. la simulación para un número muy grande de contenedores. y simulamos. el tiempo de reparto es de 630 horas. Por tanto. como observación fundamental de nuestra simulación. con todos los procesos incluidos de descarga. y que para los casos extremos de 2 contenedores (1 en cada depósito) el tiempo de reparto es de 11. una vez redondeado en el sentido apropiado para considerar 22 días. el tiempo obtenido es de 16 horas que coincide con el tiempo que tarda en enviarse un producto desde el emisor 4 al receptor 10 y vuelta al depósito correspondiente. sin más que dividir la demanda entre este valor del parámetro. que representa 22. resulta alcanzar un valor de: P=2204 / 42 = 53 Otros ensayos realizados nos muestran que. Página 109 . El parámetro “p”. 21 en cada depósito.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Para afinar en nuestra búsqueda del óptimo. siempre podremos saber qué número de contenedores se ajusta al cumplimiento del tiempo de reparto necesitado.370 horas (474 días). Demuestra ser así un modelo coherente y robusto. donde puede observarse que el tiempo de reparto final sólo depende del proceso de transporte más lento de todo el sistema. equivalentes a 1 mes y una semana.3 días. limpieza y mantenimiento. En este ensayo obtenemos que el tiempo de reparto es de 535 horas. horizonte temporal casi exacto a nuestro periodo supuesto de demanda. para 20. caso extremo sin ninguna utilidad práctica. Así. También se ha realizado. como comprobación de la solidez del modelo. hemos obtenido que la relación entre el número de contenedores y la demanda a satisfacer es de valor: P= 53 Lo que significa que.

ser notablemente inferior. especialmente en el caso de las variables aleatorias de tiempo y. Eso sí. así como de los tiempos de descarga. si cabe hacer un desarrollo concienzudo de todas estas variantes. por parte de los fabricantes. en el caso de estimar 15 productos por contenedor. es necesario. de otras entidades que tuvieran su correspondiente demanda asociada. algo que no merece la pena desarrollar en un trabajo de este tipo con unos valores que. de las capacidades de transporte de los modelos disponibles de contenedores retornables. En situaciones reales con datos extraídos de un problema realista. limpieza y mantenimiento a los que se ven sometidos los contenedores y sus entidades asociadas en el modelo. Es decir. recogiendo así la realidad azarosa de cualquier proceso de transporte. han sido escogidos aleatoriamente. añadiendo la creación. Otra variante podría ser la modificación del número de productos por contenedor. sobre todo. ya que el parámetro “p” se alejaría tanto del valor óptimo calculado como nos separásemos de esos 10 productos por contenedor que hemos supuesto en nuestras simulaciones. tan solo complejidad resoluble con suficiente capacidad de computación. es la posibilidad de distinguir otros medios de transporte que no sean el Página 110 . por ejemplo. este ya más alejado de lo aquí inicialmente considerado. que provocaría la definición de otro problema completamente diferente. forzosamente. Otra interpretación de nuestro problema. como así se ha hecho. una coherencia necesaria en todos aquellos números que lo requerían. También podría contemplarse como factible la inclusión de aleatoriedad en todos los desplazamientos. desde el primer momento.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Posibles mejoras y ampliaciones La primera variante mejorada del modelo sería contemplar la posibilidad de distribución de varios productos. como distancias simétricas y órdenes de magnitud semejantes. Pero estas mejoras no aportan complicaciones conceptuales al modelo simulado. el tiempo de ejecución se reduciría y el parámetro “p” debería.

que un medio de transporte pueda acarrear varios contenedores retornables en un solo trayecto. Página 111 . Pero esto ya queda para trabajos posteriores. es decir.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables camión-contenedor aquí supuesto.