Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Capà - Tulo 5 PDF
Capà - Tulo 5 PDF
¿Qué es Simulación?
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
Página 74
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
Aplicaciones de la Simulación
Página 75
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
Como etapa previa al diseño de nuevos sistemas, intentando minimizar los aspectos
negativos del modelo y su adecuación al proyecto. El esquema sería el siguiente:
Página 76
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
Página 77
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
• En los continuos, el valor de las variables que definen el estado del sistema cambia
continuamente con respecto al tiempo, como por ejemplo, la velocidad de un coche en
el proceso de incorporación al tráfico. Como se puede observar, un sistema casi nunca
es completamente discreto o completamente continuo.
Pero al clasificarlo como discreto, por ejemplo, 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, un sistema se puede entender como un proceso, real o planeado, que
normalmente se estudia para medir su rendimiento, mejorar sus operaciones o diseñar si
puede o no existir. 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).
Dado un sistema para su estudio, se podrá experimentar sobre el propio sistema, si este
es accesible y los experimentos son no destructivos. Sin embargo, si este sistema real
aun no existe físicamente o no es accesible por otras razones, se necesitará recurrir a la
realización de un modelo sobre el que experimentar para estudiar el sistema.
Estos modelos que representan al sistema pueden asemejarse físicamente más o menos
al sistema dado, dependiendo del grado de abstracción que se realice. En función de esta
abstracción se tendrán:
• Modelos físicos o icónicos: representan físicamente al modelo real pero a distintas
escalas, 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.
La experimentación que se realice sobre el modelo para responder a las cuestiones
planteadas sobre el sistema, dependerá de la complejidad de dicho modelo. Si el modelo
es lo suficientemente simple como para admitir trabajar con relaciones matemáticas
cuantitativas, se obtendrán soluciones analíticas y exactas para el sistema. Sin embargo,
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.
Página 78
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
Las ventajas más importantes que podemos encontrar en la simulación son las que se
describen a continuación:
• Experimentación sobre el modelo, menos costosa que sobre el sistema.
• Compresión del tiempo, es decir, operaciones que ocurren en horas o días pueden
simularse en segundos. Igualmente es posible el efecto contrario, estiramiento del
tiempo.
• Ambiente controlado y posibilidad de modificación. Los experimentos pueden ser
mejor definidos y específicos que los realizados sobre el sistema real.
Página 79
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
Página 80
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
objetivos del estudio, las variables y parámetros necesarios para el desarrollo del
modelo y para el control del mismo.
2.- Formulación del modelo.
Elaboración del modelo matemático a utilizar, mediante técnicas o herramientas
específicas del modelado: Grafo de eventos y Diagrama de Ciclos de Actividades. La
formulación hecha debe ser simple, flexible, efectiva y eficiente, pudiéndose adaptar a
cambios durante el proyecto de simulación y el tiempo de computación sea razonable.
3.- Análisis y recogida de datos.
Se suele realizar en paralelo con el punto anterior, 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. 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.
4.- Codificación.
Consiste en trasladar el modelo a un lenguaje de programación para introducirlo en el
ordenador. Se pueden utilizar lenguajes de propósito general o bien lenguajes orientados
a la simulación.
5.- Verificación y validación.
La verificación es el proceso de revisión del programa para comprobar que éste
representa fielmente el modelo que hemos implementado. Se utilizan distintas técnicas
como: verificación manual de lógica, test modular, test de soluciones conocidas, análisis
de sensibilidad, test de estrés, animación gráfica.
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.
• Aproximación de funciones no lineales.
• Aproximación de distribuciones empíricas.
• Independencia entre los componentes.
Página 81
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
• Agregación de componentes.
• Estacionalidad.
Existen varias técnicas de validación de modelos realizados mediante simulación. De
éstas, las dos más utilizadas son:
Experimentos de campo: a partir de unos datos de entrada y salida obtenidos del
sistema real, y se comparan con los datos de salida obtenidos del modelo para los
mismos datos de entrada.
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, para ver si
son reconocidos.
6.- Diseño de experimentos.
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.
• Las iteraciones necesarias para obtener las precisiones definidas, ya que se obtienen
datos de tipo estadístico.
• Consideraciones realizadas respecto al valor escogido para los parámetros utilizados y
la relación entre estos.
7.- Experimentación y análisis de los resultados.
Se puede diferenciar entre sistemas que terminan y sistemas que alcanzan un estado
estable en el tiempo. Los sistemas que terminan son aquellos que representan procesos
que tienen lugar en un periodo de tiempo determinado, acabado éste, termina el proceso.
La experimentación se realiza por lotes de experimentos que se consideran
independientes entre sí. Normalmente el tiempo de ejecución de estos modelos es
pequeño. Sin embargo, en sistemas que alcanzan un estado estable en el tiempo, lo que
interesa es definir a qué estado estable tienden, y estudiar los valores de las variables en
este estado. La experimentación se realiza a través de largas ejecuciones del modelo,
Página 82
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.
8.- Documentación.
Elaboración de un documento que refleje los resultados obtenidos y cómo se ha ido
realizando el proceso de simulación: variaciones introducidas en el modelo, datos de
entrada, etc.
9.- Presentación de resultados.
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.
Lenguajes de simulación
Página 83
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
Página 84
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
Página 85
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
En cualquier momento, 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, los módulos de Arena están formados por componentes
SIMAN). Para necesidades especializadas, como algoritmos de decisión complejos o el
acceso de datos desde una aplicación externa, se pueden escribir partes del modelo en
Página 86
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
un lenguaje como Visual Basic o C/C++. Todo esto, sin importar cómo de alto o bajo se
quiera estar en la jerarquía, tiene lugar en una misma interfaz gráfica para el usuario.
Junto a esta flexibilidad, Arena aporta todos los elementos generales de otros lenguajes
de simulación como: la utilización de distribuciones estándar, la ejecución de varias
iteraciones independientes en un solo lote, la utilización de periodos de eliminación de
los efectos de condiciones iniciales, en los cuales las variables no guardan valores para
posteriores análisis estadísticos.
Además, 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.
La animación ofrece multitud de posibilidades, incluso la importación desde otros
programas como AUTOCAD o MICROSOFT VISIO. Incluye la animación dinámica
en el mismo medio de trabajo. También proporciona un soporte integrado, incluyendo
gráficos, para algunas cuestiones de diseño estadístico y análisis, que forman parte de
un buen estudio de simulación.
Arena incorpora una biblioteca con multitud de ejemplos que ayudan en la codificación
y modelado del sistema. Para la depuración del modelo se tiene la posibilidad de
escoger entre diferentes tipos de trazas posibles, incluyendo las distintas causas de error
y solución ante cualquier problema.
Otras herramientas de interés son los analizadores de datos, tanto de entrada como de
salida, para modelos estocásticos, que incluyen las más frecuentes técnicas estadísticas
de tratamiento de datos: test de comparación de medias, comparación de varianzas,
correlogramas, intervalos de confianza de media y de desviación estándar, ajuste de
distribuciones estadísticas estándar a un conjunto de datos, gráficos de barras,
histogramas, gráficos XY; etc.
También hay que destacar la interfaz con otros programas compatibles con Windows,
como son Excel, Word, Visual Basic y PowerPoint.
Por último, a modo de resumen, se muestra lo que es posible hacer con Arena:
• Modelar los procesos para definir, documentar y comunicar los resultados y avances
obtenidos.
Página 87
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.
• 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.
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, objetos, o cualquier otra
cosa, reales o imaginarias, que se mueven a través del modelo, pudiendo causar cambios
en el estado del sistema o afectar a otras entidades.
Son los objetos dinámicos en la simulación, son creadas, pasan a través de una sucesión
de procesos y luego desaparecen, en el caso de los modelos de ciclo abierto ya que, no
obstante, es posible tener entidades que nunca dejen el sistema sino que permanezcan
circulando por él. Sin embargo, todas las entidades han de ser creadas, bien por uno
mismo o automáticamente por el software.
Atributos: Para individualizar entidades, se les asignan atributos. Un atributo es una
característica común de todas las entidades, pero con un valor específico que permite
diferenciar una de otra. Lo más importante con respecto a los atributos es que sus
valores están unidos a entidades específicas. El mismo atributo tendrá normalmente
valores diferentes para entidades distintas. Así, los atributos son variables locales (local
para cada entidad). Arena puede asignar estos atributos automáticamente o ser definidos
por uno mismo si es necesario.
Variables (Globales): Una variable es una parte de información que refleja algunas
características del sistema, sin importar cuántas o qué tipos de entidades pueda haber.
Se pueden tener muchas variables diferentes en un modelo, pero cada una de ellas es
Página 88
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
única. Hay dos tipos de variables: Variables fabricadas por Arena (número de entidades
en la cola, número de recursos ocupados, tiempo de simulación, etc.) y Variables
definidas por el usuario (número de entidades en el sistema, etc.). Al contrario que los
atributos, las variables no están unidas a una entidad específica, sino que más bien
pertenecen al sistema en general. Son accesibles por todas las entidades y muchas
pueden ser cambiadas por alguna entidad.
Recursos: Para que sobre una entidad se realice un proceso determinado será necesaria
la presencia de uno o varios recursos que presten ese servicio. Los recursos representan
todo aquello necesario para realizar un proceso: personas, máquinas, herramientas, etc.
Son elementos estáticos del modelo y en ellos son alojadas las entidades, presentando
posibles estados distintos definidos por el usuario: ocupados, libres, en fallo, etc.
Colas: Son espacios de espera para las entidades en su movimiento por el sistema,
cuando estas han sido detenidas por causas del fallo del sistema. Por ejemplo, si un
determinado recurso está ocupado y la entidad quiere acceder a él, ha de esperar hasta
que esté disponible. Son elementos pasivos del modelo, no se pueden crear durante la
ejecución del programa.
Estaciones: Arena representa los sistemas dividiéndolos en subsistemas. Estos
subsistemas son llamados estaciones. De esta forma, el modelo se hace más manejable y
se proporciona una forma fácil de definición del movimiento de entidades entre partes
del sistema.
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. En el camino se invierte un tiempo fijado por el usuario, pudiendo
especificarse como cero.
• Conveyors: funcionan como cintas transportadoras. Una vez que la entidad pide el
acceso desde una estación para dirigirse a otra, ha de esperar a que exista sitio en la
cinta para comenzar el transporte. Se detallarán más características de este transporte en
puntos posteriores del proyecto.
Página 89
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
Página 90
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
Ventana de Arena
Página 91
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
Página 92
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
actividades frecuentes. Por otro lado, en la parte inferior de la ventana, se tiene la Barra
de Estado, que muestra información sobre el estado de la simulación, como el valor del
reloj de la simulación durante la ejecución o el número de copias que están siendo y que
serán ejecutadas.
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. Se eligen de los distintos paneles de la Barra de Proyecto. Existen dos tipos
básicos de módulos: los de organigramas y los de datos.
Los módulos de los organigramas definen los procesos dinámicos del modelo. Se
puede pensar en estos módulos como nodos o lugares a través de los cuales las
entidades fluyen, se originan o desaparecen del modelo. Los módulos de los
organigramas se suelen conectar unos con otros. En el panel del Proceso Básico, se
pueden encontrar los siguientes módulos:
Página 93
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. De esta
manera, los módulos del Proceso Avanzado son:
Página 94
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
Los módulos de datos definen las características de varios elementos del proceso,
como entidades, recursos y colas. Pueden también actualizar variables y otro tipo de
valores numéricos y expresiones que pertenecen al modelo. Los iconos para estos
módulos en la Barra de Proyecto parecen una hoja de cálculo.
Los módulos del panel de Proceso Básico son: Entity (Entidad), Queue (Cola), Resource
(Recurso), Variable (Variable), Schedule (Programa) y Set (Conjunto). Los otros
paneles contienen tipos adicionales de módulos de datos: Expression (expresión),
Statistic (Estadística), Conveyor (Conveyor), Segment (Segmento), Distance
(Distancia), etc.
Tanto los módulos del organigrama como los de datos están relacionados mediante
nombres dados a objetos que tienen en común (como colas, recursos, tipos de entidades
y variables). 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.
Página 95
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
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
1. Los 4 Fabricantes
2. Los 10 Receptores
3. Los 2 depósitos
1. Los 4 fabricantes, que crean el número exacto de entidades demandadas por los
receptores en su conjunto, como puede verse el la tabla 5.1, están formados por un
módulo de creación, otro de lotes para la agrupación de productos con objeto de
Página 97
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
Entidades
Fabricantes creadas
1 5123
2 6324
3 5933
4 4660
En total 22040
Página 98
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
2 11 14 0 13 12 16 7 8 9 9 100
3 5 14 5 17 13 0 17 14 8 9 100
4 8 16 18 7 8 2 4 9 7 20 100
Página 99
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
Finalmente, para acabar con la descripción de esta sección del modelo, nos encontramos
con un módulo de ruta, que envía las entidades a los receptores según unos retrasos
establecidos por la matriz de costes transformada, eso sí, en horas (dividiendo por 10),
por lo que tenemos:
2 1,5 6,5 7,9 7,9 4,6 3,7 5,8 2,1 6,2 0,4
3 0,7 0,2 6,7 6,7 1,5 3,7 1,8 5,5 8,7 2,4
4 3,8 7,6 8,3 0,9 1,3 2,5 5,9 3,4 0,8 6,6
Página 100
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
Página 101
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
Página 102
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
2. Los 10 Receptores. 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, tiempo considerado constante de media hora para todos ellos.
A continuación se encuentre un módulo de separación cuyo objeto es duplicar las
entidades para poder seguirle la pista, en el camino de retorno, a los contenedores
transportadores. Por un lado, por tanto, depositaremos las entidades consideradas
entregadas, eliminándolas después de ser contadas, y por otro, las enviaremos por un
módulo ruta al depósito correspondiente que es el más cercano que se encuentre de cada
receptor, que corresponde con la siguiente tabla:
4 1,7 0,4
5 0,6 3,6
6 4,7 0,7
7 9,9 0,3
8 0,5 0,8
9 0,2 5,8
10 8,1 7,2
Página 103
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
3. Los 2 depósitos. 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, pero
manteniendo todos los datos asociados ellos. Por lo cual, la distancia, en unidad de
tiempo, a la que se encuentran ambos es de 0.5 horas, para poder simular el proceso de
recolocación de contenedores.
Dichos depósitos se forman con un módulo de recepción, 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.
Esta recolocación, como hemos dicho, lleva asociada un retraso simulando en hecho
físico del transporte de contenedor. Seguidamente, los contenedores se ven sometidos a
Página 104
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
otro retraso que simula, esta vez, la limpieza y mantenimiento del mismo. Por último,
antes de su disposición/eliminación, realizamos la liberación del recurso contenedor que
podrá, por tanto estar de nuevo disponible para atender a alguna de las colas solicitantes
situadas en los emisores.
La vista ampliada de estos depósitos se representa así en el entorno ARENA:
Página 105
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
Página 106
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
Página 107
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
P= 2204/44 = 50,1
P = 2204 / 40 = 55,1
Página 108
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, 21 en
cada depósito, y simulamos. En este ensayo obtenemos que el tiempo de reparto es de
535 horas, que representa 22,3 días, horizonte temporal casi exacto a nuestro periodo
supuesto de demanda. El parámetro “p”, una vez redondeado en el sentido apropiado
para considerar 22 días, resulta alcanzar un valor de:
P=2204 / 42 = 53
Otros ensayos realizados nos muestran que, para 36 contenedores, el tiempo de reparto
es de 630 horas, equivalentes a 1 mes y una semana; y que para los casos extremos de 2
contenedores (1 en cada depósito) el tiempo de reparto es de 11.370 horas (474 días),
caso extremo sin ninguna utilidad práctica.
También se ha realizado, como comprobación de la solidez del modelo, la simulación
para un número muy grande de contenedores, donde puede observarse que el tiempo de
reparto final sólo depende del proceso de transporte más lento de todo el sistema. Así,
para 20.000 contenedores, 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, con todos los procesos incluidos de descarga, limpieza y
mantenimiento. Demuestra ser así un modelo coherente y robusto.
Por tanto, como observación fundamental de nuestra simulación, hemos obtenido que la
relación entre el número de contenedores y la demanda a satisfacer es de valor:
P= 53
Lo que significa que, dada una demanda determinada, siempre podremos saber qué
número de contenedores se ajusta al cumplimiento del tiempo de reparto necesitado, sin
más que dividir la demanda entre este valor del parámetro.
Página 109
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
Página 110
PROYECTO FIN DE CARRERA
Sistemas con Logística de Retorno:
Aplicación al caso de contenedores retornables
Página 111