P. 1
simulacion arena

simulacion arena

|Views: 5.269|Likes:

More info:

Published by: Jaime Enrique Higuera Obregon on Apr 07, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/29/2013

pdf

text

original

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

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. grandes superficies. software y hardware. • Sistemas económicos y financieros. El esquema en este tipo de simulación sería: Figura 5. red de distribución. El esquema sería el siguiente: Página 76 .1: Simulación para el análisis de sistemas ya existentes. situaciones de emergencias por catástrofes. ordenadores. restaurantes de comida rápida. protocolos. • Sistemas informáticos: redes de comunicación. 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. • Otros: teoría de juegos. Como etapa previa al diseño de nuevos sistemas. • Sistemas de distribución: almacenes. intentando minimizar los aspectos negativos del modelo y su adecuación al proyecto. operaciones en ventanillas de bancos.

Sistemas y Modelos en Simulación La Simulación. Un sistema se define por el conjunto de componentes o entidades que lo forman y las relaciones que existen entre sus componentes. Con fines de educación o adiestramiento. Página 77 .PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Figura 5. implica el uso de sistemas y modelos. 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. el número de coches en un tramo de calle cambia sólo cuando entra o sale un nuevo coche. como por ejemplo. Hay dos tipos de sistemas. Cada entidad o componente tiene sus características propias. 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. como la mayoría de los métodos de análisis. para obtener experiencia en la toma de decisiones o adquirir ciertas rutinas o hábitos. 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.

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

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

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

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

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

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

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

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

Para necesidades especializadas. como algoritmos de decisión complejos o el acceso de datos desde una aplicación externa.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Figura 5.3: Estructura Jerárquica del Arena En cualquier momento. los módulos de Arena están formados por componentes SIMAN). 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. así como mezclar construcciones del SIMAN junto con módulos de alto nivel de otra plantilla (de hecho. se pueden escribir partes del modelo en Página 86 .

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

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

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

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

4: Ventana de Arena A la hora de modelar un proceso en Arena. hojas de cálculo y paquetes CAD. con todos los elementos y operaciones que este contiene. Además. Para este proyecto se utilizará la versión 5. como procesadores word. 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. Arena es completamente compatible con otros software de windows.0 cuya ventana se muestra en la figura indicando las distintas partes que la componen. Figura 5.

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

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

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

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

Página 96 .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.

con el producto correspondiente como carga.1. Los 10 Receptores 3. El modelo diseñado bajo el software ARENA se compone de 3 partes fundamentales: 1. Por otro. Los 2 depósitos Se describen a continuación más detalles de cada uno de ellos: 1. por tanto. que cubre la demanda de las grandes superficies de un producto cualquiera fabricado por las diversas marcas que lo producen. de modo “matricial”. Los 4 Fabricantes 2. como puede verse el la tabla 5. usando contenedores retornables. los contenedores retornables en número fijo desde el comienzo de la simulación. dos entidades fundamentales: por un lado. que crean el número exacto de entidades demandadas por los receptores en su conjunto. aplicando un sistema de logística de retorno con depósitos. contemplados como recursos compartidos.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables 5.2 Aplicación de ARENA al problema Tratamos de simular el proceso logístico. Los 4 fabricantes. están formados por un módulo de creación.hasta la gran superficie demandante. los productos asociadas a una demanda por cada gran superficie y por cada fabricante. otro de lotes para la agrupación de productos con objeto de Página 97 . para una entrega. Sólo habría. desde un emisor –los fabricantes del bien . Los fabricantes también podrían contemplarse como centros logísticos de distribución suficientemente grandes como para poder evitar la problemática de la fabricación en esta simulación. Existen dos depósitos intermedios de contenedores retornables adonde vuelven después de haber sido usados.

según la tabla 5.1 Entidades creadas. Fabricantes Entidades creadas 5123 6324 5933 4660 22040 1 2 3 4 En total Tabla 5. A continuación. 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. como el cambio del dibujo que representa a la entidad.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.8 Módulos de creación y de asignación.2: Página 98 . en porcentajes del total de productos creados por ese fabricante. Figura 5.

Por tanto.2. en cada una de las ramificaciones.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. Demanda porcentual Figura 5. encontramos un módulo de solicitud de recurso que creará una cola a la espera de que queden libres los contenedores de los depósitos. Seguidamente.3: Página 99 .9 Módulo de reparto de demandas. Tiempos relacionados con los costes descritos en epígrafes anteriores asumiendo que 1 hora de transporte cuesta 10 unidades monetarias. los tiempos a tener en cuenta son los descritos en la 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. 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 6.1 5.6 emisores Tabla 5.5 3.8 1.4 Distancias de envíos.9 4 x 1.7 8. para acabar con la descripción de esta sección del modelo.6 1.2 8.8 3. Página 100 .9 6. Finalmente.10 Módulos de petición y de retraso asociado.6 7.7 2.4 2.7 0.4 9 9.5 6.5 0.7 3.6 7.9 8 4. que envía las entidades a los receptores según unos retrasos establecidos por la matriz de costes transformada.9 4 4.4 x 2 0.1 6. nos encontramos con un módulo de ruta.7 0.8 10 2.7 3.3 Tiempos de distribución Figura 5.9 5.3 x 3 x 0.3 6 7.8 5.5 0.7 2.5 Depósitos Tabla 5. en horas (dividiendo por 10).8 2 3. eso sí.5 7 0.6 1.6 receptores 3 4 5 7.8 0.9 6.3 1.5 1. por lo que tenemos: Matriz Distancias de Envíos (horas) 1 1 2 3 4 8.2 7.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Tiempos Distribución (Horas) Emisores 1 1 2 4.

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 Figuta 5.

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

en el camino de retorno. Los 10 Receptores.8 5. 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.3 0. por tanto. las enviaremos por un módulo ruta al depósito correspondiente que es el más cercano que se encuentre de cada receptor.9 1.6 0.5 0. Página 103 .1 2 6 4.5 Tiempos de recuperación.9 0.1 2. depositaremos las entidades consideradas entregadas.2 8.4 3. Por un lado.7 0.6 4. y por otro.7 9. eliminándolas después de ser contadas.1 0. que corresponde con la siguiente tabla: Tiempo Recuperación (Horas) Depósitos 1 1 2 3 4 5 6 7 8 9 10 0.8 8.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables 2. A continuación se encuentre un módulo de separación cuyo objeto es duplicar las entidades para poder seguirle la pista. a los contenedores transportadores. tiempo considerado constante de media hora para todos ellos.2 receptores Tabla 5.7 0.2 0.8 7.

Seguidamente. lleva asociada un retraso simulando en hecho físico del transporte de contenedor. Dichos depósitos se forman con un módulo de recepción. 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. 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. Los 2 depósitos. en unidad de tiempo. para poder simular el proceso de recolocación de contenedores. Esta recolocación.5 horas.14 Vista de la sección receptor. pero manteniendo todos los datos asociados ellos. 3. a la que se encuentran ambos es de 0. los contenedores se ven sometidos a Página 104 . como hemos dicho. Esta sección del modelo se representa así: Figura 5. Por lo cual.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables Figura 5.13 Módulos Estación y decisión.

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

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

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

cabe decir que el parámetro “p” alcanza el valor. con lo cual parece ser que nos hemos acercado al número apropiado de contenedores y. de: P= 2204/44 = 50. lo que es más importante. con 40 contenedores. debemos disminuir en número de contenedores. suponiendo que se reparte durante las 24 horas del día. con 40 contenedores. viendo fundamentalmente los tiempos de ejecución. tenemos que nuestro modelo. 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. reparte casi exactamente en el tiempo previsto de 1 mes (22 días). para el cual hemos supuesto la demanda. Si consideramos que sólo repartimos los días laborables. ofreció un tiempo total de ejecución de 569 horas. que significa.1 Página 108 . con la variación de un parámetro “p” que relaciona la demanda total con el número de contenedores. un horizonte temporal de 24 días. a la relación del parámetro “p”: P = 2204 / 40 = 55.1 El segundo caso ensayado. Como información.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. No se ajusta a nuestro horizonte temporal de 1 mes. previsiblemente inapropiado. que equivale a 21 días laborables trabajando a 24 horas por día.PROYECTO FIN DE CARRERA Sistemas con Logística de Retorno: Aplicación al caso de contenedores retornables 5. por poco. por tanto.

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

forzosamente. En situaciones reales con datos extraídos de un problema realista. tan solo complejidad resoluble con suficiente capacidad de computación. También podría contemplarse como factible la inclusión de aleatoriedad en todos los desplazamientos. 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. como distancias simétricas y órdenes de magnitud semejantes. Otra variante podría ser la modificación del número de productos por contenedor. desde el primer momento. Es decir. Eso sí. añadiendo la creación. recogiendo así la realidad azarosa de cualquier proceso de transporte. de otras entidades que tuvieran su correspondiente demanda asociada. en el caso de estimar 15 productos por contenedor. algo que no merece la pena desarrollar en un trabajo de este tipo con unos valores que. por ejemplo. han sido escogidos aleatoriamente. especialmente en el caso de las variables aleatorias de tiempo y. es necesario. es la posibilidad de distinguir otros medios de transporte que no sean el Página 110 . por parte de los fabricantes. que provocaría la definición de otro problema completamente diferente.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. de las capacidades de transporte de los modelos disponibles de contenedores retornables. ser notablemente inferior. si cabe hacer un desarrollo concienzudo de todas estas variantes. Otra interpretación de nuestro problema. así como de los tiempos de descarga. como así se ha hecho. limpieza y mantenimiento a los que se ven sometidos los contenedores y sus entidades asociadas en el modelo. el tiempo de ejecución se reduciría y el parámetro “p” debería. una coherencia necesaria en todos aquellos números que lo requerían. Pero estas mejoras no aportan complicaciones conceptuales al modelo simulado. 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 camión-contenedor aquí supuesto. Página 111 . es decir. Pero esto ya queda para trabajos posteriores. que un medio de transporte pueda acarrear varios contenedores retornables en un solo trayecto.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->