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

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

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

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

se tendrá un modelo dinámico. En los modelos dinámicos las variables del modelo evolucionan con el tiempo. • Ambiente controlado y posibilidad de modificación. El tiempo de simulación es una variable continua en los modelos continuos. como por ejemplo los sistemas definidos por ecuaciones diferenciales. Los modelos en los cuales algunas de sus variables de entrada puedan tomar valores aleatorios serán modelos estocásticos. 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). 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. como en los modelos de colas. Igualmente es posible el efecto contrario. el tiempo de simulación está definido para instantes concretos. Esta aleatoriedad en los valores de entrada al sistema producirá una aleatoriedad también en los valores de salida. pudiéndose integrar con respecto al tiempo. como pasa con los procesos químicos. Página 79 . Mientras que en los discretos. estocástico y discreto. Deterministas / Estocásticos: Aquellos modelos en los que todas las variables de entrada no puedan tomar valores aleatorios son deterministas. 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. estiramiento del tiempo. Continuos / Discretos: Depende de los valores que pueda tomar el tiempo en la simulación.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Definidos los modelos lógicos de simulación. es decir. operaciones que ocurren en horas o días pueden simularse en segundos. menos costosa que sobre el sistema. • Compresión del tiempo.

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

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

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

8. el tiempo de ejecución será mayor. 9. Bien un lenguaje de propósito general como puede ser C. Los lenguajes de simulación permitirán un menor tiempo de codificación. la construcción del modelo es más tediosa y con mayor probabilidad de errores al tener que trabajar en niveles de programación demasiado bajos. Sin embargo. Elaboración de un documento que refleje los resultados obtenidos y cómo se ha ido realizando el proceso de simulación: variaciones introducidas en el modelo.Presentación de resultados. de menor costo.. BASIC.. sin embargo.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. Aún así. Su flexibilidad. FORTRAN o bien lenguajes específicos de simulación La utilización de lenguajes de propósito general permite una mayor flexibilidad que ciertos lenguajes específicos de simulación. al proveer de elementos orientados a la simulación.Documentación. al trabajar a un más alto nivel en programación. También proveen de buenas herramientas de detección de errores de forma automática. al igual que el coste del software. es mucho mayor que en un lenguaje de propósito general. 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. haciendo más fácil y segura la escritura del código. etc. 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. crean un eficiente código del modelo que requiere de un tiempo de ejecución muy inferior al de lenguajes específicos de simulación. Algunos de estos lenguajes son: Página 83 . datos de entrada. Estos lenguajes de propósito general.

pero que proporcionan elementos de simulación utilizados normalmente en un tipo específico de aplicaciones de simulación.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables • GPSS (General Purpose Simulation System). se trata de paquetes informáticos igualmente. Se pierde flexibilidad. son los simuladores. • SLAM II (Simulation Language for Alternative Modeling). desarrollado por Geoffrey Gordeon en el seno de la corporación IBM en 1961. También existe otra posibilidad a la hora de desarrollar la codificación del modelo.5. Los lenguajes de simulación son paquetes informáticos que incluyen elementos frecuentemente utilizados en cualquier tipo de aplicaciones de simulación. • SIMSCRIPT II. Página 84 . desarrollado por Markowitz y otros en la Corporación Rand en 1962. requiriendo una programación muy reducida o casi nula. desarrollado por Dennis Pedgen en 1982. desarrollado por Dennis Pegden y Alan Pritsker en 1979. pero se gana eficacia y rapidez en el modelado. como por ejemplo los procesos de fabricación en una determinada pieza. • SIMAN (SIMulation ANalysis).

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. Esto permite que Arena no pierda flexibilidad. Para una mayor facilidad de exposición y una mejor organización.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. Visual Basic o C. los módulos de diferentes paneles pueden mezclarse dentro de un mismo modelo. los módulos están agrupados en paneles y en la mayoría de los casos. al incluir la posibilidad de utilización de lenguajes de propósito general como Microsoft. Página 85 . Se combinan pues todas las facilidades de una programación de alto nivel con la flexibilidad de un lenguaje de programación general.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables 5. como se muestra en la figura. Esta flexibilidad a la hora de modelar se mantiene debido a que Arena tiene una estructura completamente jerárquica. incluso dentro de un mismo modelo.

los módulos de Arena están formados por componentes SIMAN).PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Figura 5. se pueden escribir partes del modelo en Página 86 . así como mezclar construcciones del SIMAN junto con módulos de alto nivel de otra plantilla (de hecho. 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.3: Estructura Jerárquica del Arena En cualquier momento. como algoritmos de decisión complejos o el acceso de datos desde una aplicación externa. Para necesidades especializadas.

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

Son los objetos dinámicos en la simulación. pudiendo causar cambios en el estado del sistema o afectar a otras entidades. Así. Sin embargo. • 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. Se pueden tener muchas variables diferentes en un modelo. pero con un valor específico que permite diferenciar una de otra. o cualquier otra cosa. los atributos son variables locales (local para cada entidad). no obstante. El mismo atributo tendrá normalmente valores diferentes para entidades distintas. Arena puede asignar estos atributos automáticamente o ser definidos por uno mismo si es necesario. objetos. • Visualizar las operaciones con gráficos de animación dinámicos. Atributos: Para individualizar entidades. Variables (Globales): Una variable es una parte de información que refleja algunas características del sistema. reales o imaginarias. pero cada una de ellas es Página 88 . son creadas. en el caso de los modelos de ciclo abierto ya que. se les asignan atributos.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. todas las entidades han de ser creadas. sin importar cuántas o qué tipos de entidades pueda haber. bien por uno mismo o automáticamente por el software. que se mueven a través del modelo. pasan a través de una sucesión de procesos y luego desaparecen. Lo más importante con respecto a los atributos es que sus valores están unidos a entidades específicas. 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. es posible tener entidades que nunca dejen el sistema sino que permanezcan circulando por él. Un atributo es una característica común de todas las entidades.

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

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

Arena es completamente compatible con otros software de windows. como procesadores word. Para este proyecto se utilizará la versión 5. hojas de cálculo y paquetes CAD.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 .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. con todos los elementos y operaciones que este contiene. Figura 5.0 cuya ventana se muestra en la figura indicando las distintas partes que la componen. Además.

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

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

Página 94 . De esta manera. los módulos del Proceso Avanzado son: Figura 5.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. Pero en los otros dos paneles se encuentran otro tipo de módulos representados todos por rectángulos.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.

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

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

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

1 Entidades creadas.8 Módulos de creación y de asignación. como el cambio del dibujo que representa a la entidad. 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. Figura 5. Fabricantes Entidades creadas 5123 6324 5933 4660 22040 1 2 3 4 En total Tabla 5. en porcentajes del total de productos creados por ese fabricante. A continuación.2: Página 98 . según la tabla 5.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.

Demanda porcentual Figura 5.9 Módulo de reparto de demandas. 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. Tiempos relacionados con los costes descritos en epígrafes anteriores asumiendo que 1 hora de transporte cuesta 10 unidades monetarias. encontramos un módulo de solicitud de recurso que creará una cola a la espera de que queden libres los contenedores de los depósitos. Seguidamente.2. en cada una de las ramificaciones.3: Página 99 . los tiempos a tener en cuenta son los descritos en la tabla 5. Por tanto.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. 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.

1 5.9 4 4.9 4 x 1.7 0.4 6.4 x 2 0.4 2.8 3.3 6 7.7 3.8 0.7 3.9 8 4.2 7.3 Tiempos de distribución Figura 5. nos encontramos con un módulo de ruta.7 2.3 1.8 10 2.6 1.4 Distancias de envíos. eso sí.5 3.6 7. que envía las entidades a los receptores según unos retrasos establecidos por la matriz de costes transformada. por lo que tenemos: Matriz Distancias de Envíos (horas) 1 1 2 3 4 8.8 1.7 2.5 0.10 Módulos de petición y de retraso asociado.6 7.7 0. Finalmente.3 x 3 x 0.5 Depósitos Tabla 5.4 9 9.5 6.9 6.6 emisores Tabla 5. en horas (dividiendo por 10).1 6.8 5.5 7 0. Página 100 .6 1.2 8.9 6.8 2 3.5 0.6 receptores 3 4 5 7.9 5. para acabar con la descripción de esta sección del modelo.7 8.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Tiempos Distribución (Horas) Emisores 1 1 2 4.5 1.

PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Figuta 5.11 Módulo de ruta. La vista que presenta esta sección bajo el entorno ARENA es la siguiente: Página 101 .

PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Figura 5.12 Sección emisor del modelo. Página 102 .

1 2 6 4.5 0.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables 2.5 Tiempos de recuperación.8 7. por tanto.6 0. 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.2 0.4 3. que corresponde con la siguiente tabla: Tiempo Recuperación (Horas) Depósitos 1 1 2 3 4 5 6 7 8 9 10 0. y por otro. en el camino de retorno. a los contenedores transportadores. Página 103 . Los 10 Receptores.8 5. Por un lado. A continuación se encuentre un módulo de separación cuyo objeto es duplicar las entidades para poder seguirle la pista.7 0.2 8.8 8.1 2.2 receptores Tabla 5. las enviaremos por un módulo ruta al depósito correspondiente que es el más cercano que se encuentre de cada receptor.1 0.3 0. depositaremos las entidades consideradas entregadas.9 0.6 4.7 0.9 1. tiempo considerado constante de media hora para todos ellos.7 9. eliminándolas después de ser contadas.

Por lo cual. los contenedores se ven sometidos a Página 104 . 3. 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.13 Módulos Estación y decisión. lleva asociada un retraso simulando en hecho físico del transporte de contenedor. la distancia. para poder simular el proceso de recolocación de contenedores.14 Vista de la sección receptor. como hemos dicho. a la que se encuentran ambos es de 0. Dichos depósitos se forman con un módulo de recepción.5 horas. 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. Los 2 depósitos. Esta recolocación. en unidad de tiempo.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Figura 5. Esta sección del modelo se representa así: Figura 5. Seguidamente. pero manteniendo todos los datos asociados ellos.

Por tanto. la limpieza y mantenimiento del mismo. esta vez.14 Vista de la sección Depósitos. antes de su disposición/eliminación. por tanto estar de nuevo disponible para atender a alguna de las colas solicitantes situadas en los emisores. la vista global del modelo de simulación se muestra a continuación: Página 105 . Por último.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables otro retraso que simula. realizamos la liberación del recurso contenedor que podrá. La vista ampliada de estos depósitos se representa así en el entorno ARENA: Figura 5.

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

así como todos los contenedores retornables considerados en la simulación. Página 107 .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.

No se ajusta a nuestro horizonte temporal de 1 mes. con 40 contenedores. Si consideramos que sólo repartimos los días laborables. tenemos que nuestro modelo. suponiendo que se reparte durante las 24 horas del día. a la relación del parámetro “p”: P = 2204 / 40 = 55. 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. Como información. debemos disminuir en número de contenedores. que significa. previsiblemente inapropiado. un horizonte temporal de 24 días. con 40 contenedores.1 Página 108 . con la variación de un parámetro “p” que relaciona la demanda total con el número de contenedores.3 Resultados de la simulación Se trata de simular como se comporta el sistema. ofreció un tiempo total de ejecución de 569 horas.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables 5. cabe decir que el parámetro “p” alcanza el valor. viendo fundamentalmente los tiempos de ejecución. por tanto. Podemos hacer varias simulaciones en casos extremos del parámetro para observar el comportamiento límite del modelo. con lo cual parece ser que nos hemos acercado al número apropiado de contenedores y. reparte casi exactamente en el tiempo previsto de 1 mes (22 días). lo que es más importante. de: P= 2204/44 = 50. para el cual hemos supuesto la demanda.1 El segundo caso ensayado. que equivale a 21 días laborables trabajando a 24 horas por día. por poco.

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

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

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

Sign up to vote on this title
UsefulNot useful