Intento Sin Resolver

10/5/2019 Un análisis de simulación discreta de un sistema de suministro logístico.
Página 1
Investigación de transporte Parte E 42 (2006) 191–210

www.elsevier.com/locate/tre
Un análisis de simulación discreta de un sistema de suministro logístico.
Ana Paula Iannoni, Reinaldo Morabito *
Departamento de Ingeniería de Producción, Universidad Federal de Sao Carlos, 13565-905 Sao Carlos, SP, Brasil
Recibido el 16 de enero de 2004; recibido en forma revisada el 15 de octubre de 2004; aceptado el 29 de octubre de 2004
Resumen
Un aspecto importante de los sistemas de suministro logístico en agroindustrias es la gestión de los procesos de recolección.
Ingener y transportar materias primas, desde los campos rurales hasta las plantas de procesamiento. Los tiempos de espera del camión en.
Las diversas colas del área de recepción de la planta son de particular interés. Este artículo aplica simulación discreta.
Técnicas de estudio para estudiar los procesos del área de recepción de una planta de caña de azúcar, analizando el desempeño de
El sistema e investiga configuraciones y políticas alternativas para sus operaciones. El análisis es también
útil para otras agroindustrias con sistemas de suministro similares, como las industrias de la naranja y la madera.
© 2004 Elsevier Ltd. Todos los derechos reservados.
Palabras clave: simulación discreta; Sistema logístico de suministro; Agroindustrias; Caña de azúcar
1. Introducción
En las últimas décadas, las agroindustrias, especialmente los productores de productos básicos, han llevado a cabo
Búsqueda y desarrollo en un esfuerzo por asegurar prominencia y competitividad en sus sectores.
Para agroindustrias con procesamiento continuo como caña de azúcar, naranja y madera,
Los sistemas de suministro logístico representan fuentes relevantes de oportunidades para aumentar su eficiencia.
Integrando operaciones agrícolas e industriales. Un problema inherente en tales sistemas es
gestionar los procesos de recolección y transporte de materias primas, desde los campos rurales hasta el
* Autor correspondiente. Tel. / Fax: +55 1633518240.

Direcciones de correo electrónico: papi@iris.ufscar.br (AP Iannoni), morabito@power.ufscar.br (R. Morabito).
1366-5545 / $ - vea la materia anterior © 2004 Elsevier Ltd. Todos los derechos reservados.
doi: 10.1016 / j.tre.2004.10.002
https://translate.googleusercontent.com/translate_f 1/18
Página 2
192 AP Iannoni, R. Morabito / Transportation Research Parte E 42 (2006) 191–210
plantas de procesamiento. Varios estudios han señalado la importancia de los sistemas de logística de entrada para
Asegurar una alimentación continua y uniforme de caña de azúcar, naranja y madera en las instalaciones de procesamiento.
como por ejemplo Hansen et al. (1998), Neves et al. (1998), Martin et al. (2002), Higgins y Muchow.
(2003), Bradley y Winsauer (2004), Neves (2004), Raicu y Taylor (2004), Bredstrom et al.
(2004) y Carlsson y Ronnqvist (2005) . Para estas agroindustrias, las operaciones de suministro.
puede abarcar un gran porcentaje de los costos generales de producción, como se explica en Seixas (1992), Caixeta
Filho et al. (1998), Sousa (2000), Martin et al. (2002), Neves (2004) y los mencionados
referencias
Las operaciones de recepción en el patio de la planta de procesamiento incluyen los procesos desde el inicio
Pesaje de los vehículos cargados con materias primas para su descarga en las grúas del procesador.
y transportadores. Por lo tanto, los camiones, al llegar a una planta de procesamiento, pasan por varias operaciones
tales como el pesaje neto en una báscula, pruebas de muestreo para determinar la calidad del contenido, descarga en
áreas de almacenamiento intermedias y / o en las grúas y transportadores del procesador. El camión esperando
Los tiempos en las diversas colas del área de recepción son de especial preocupación debido a la posible
interrupciones en el proceso de producción debido a la escasez de materia prima (desde hace más tiempo
retrasa el retorno de los camiones a los campos rurales, reduciendo así su disponibilidad para el transporte.
trasladar la materia prima a la planta de procesamiento, así como provocar la inactividad de la máquina y el trabajador en el
campos).
Los costos de
Importante, los en
pero conductores inactivos
segundo lugar y el desperdicio
si se compara con los de combustible
costos de los
de escasez. Otracamiones mientras
preocupación esperan
de los en las líneas también son
azucareros.
La industria agrícola de caña y naranja, que procesa productos perecederos, es que la calidad del crudo
Los materiales se deterioran cuanto más se prolonga el período entre la cosecha y la molienda. De acuerdo a
Semenzato (1995), Arjona et al. (2001) y Neves (2004) , la caña de azúcar y la naranja deben ser molidas
dentro de un cierto período de tiempo después de la recolección para preservar su peso, contenido de sacarosa y jugo
calidad. Por lo tanto, las principales preocupaciones de los gerentes de logística son asegurar un servicio continuo y uniforme.
alimentación de materia prima en las fábricas, maximizar las tasas de descarga y minimizar la cantidad de
Materia prima en espera en las líneas de descarga.
El propósito de este documento es analizar el rendimiento de los procesos del área de recepción y
Investigar configuraciones alternativas y políticas para sus operaciones. Debido a varias fuentes
incertidumbre y la complejidad operacional inherente a estos sistemas, el método de análisis
Se basa en técnicas de simulación discretas. Las simulaciones se realizaron utilizando el software Arena.
( SMC, 1994 ). También podría emplearse un enfoque de red de cola analítica, pero no es
Debido a la complejidad de las políticas de envío involucradas. Utilizamos el estudio de caso de un
Gran planta brasileña de caña de azúcar ubicada en el estado de Sao Paulo, que tiene una capacidad de molienda diaria.
De aproximadamente 36,000 toneladas de caña de azúcar. Brasil es el mayor productor de caña de azúcar del mundo,
seguido por la India y Australia. La cantidad típica de azúcar producida anualmente en Brasil es
aproximadamente 18 millones de toneladas y el 60% se produce en el estado de Sao Paulo ( Unica, 2004 ). Basado
En este estudio de caso, se muestra cómo la simulación de un sistema de suministro logístico puede detectar la eficiencia.
Se puede obtener de tal sistema.
Las principales medidas de desempeño están relacionadas con los tiempos de espera promedio de los camiones, promedio
las tasas de descarga de caña de azúcar en los molinos y las cargas de trabajo de los molinos. Hay pocos estudios similares
Para ello, en la literatura que se centra en el sistema de suministro del área de recepción de la planta de procesamiento,
especialmente relacionada con una planta de caña de azúcar que tiene una gran capacidad y es tan funcionalmente
Plexidad como en el presente caso. El análisis del presente estudio tiene una aplicabilidad más amplia que solo para
Plantas de caña de azúcar, tales como plantas de naranja y madera con sistemas logísticos de entrada similares. Relacionado
Página 3
AP Iannoni, R. Morabito / Transportation Research Parte E 42 (2006) 191–210 193
El trabajo que utiliza simulación discreta para analizar otros sistemas logísticos en agroindustrias puede ser
encontrado
et al. (1998),enArjona
Mathew y Rajendran
et al. (1993),yHahn
(2001), Bradley (1994),
Winsauer Semenzato
(2004) (1995),
y Higgins et al. Lopes
(2004)(1995),
. Hansen
El presente documento está organizado de la siguiente manera: la Sección 2 describe brevemente el sistema de suministro logístico.
del caso de estudio. La sección 3 introduce el modelo de simulación y su proceso de validación. Sección 4
Proporciona un análisis de los resultados obtenidos utilizando la simulación estocástica. La seccion 5 discute el
aplicación del modelo para analizar configuraciones y políticas alternativas, y finalmente, la Sección 6
presenta algunas observaciones finales y perspectivas para futuras investigaciones.
2. El sistema de abastecimiento de los molinos de caña de azúcar.
La Fig. 1 ilustra esquemáticamente las operaciones básicas del sistema de recepción logística (desde el
lugar de pesaje a los transportadores de los molinos) encontrado en una planta de procesamiento de caña de azúcar típica.
Camiones de diferentes tipos llegan al área de recepción en el lugar de pesaje ( Figura 1 ), donde los datos
Se recoge y se registra el peso neto. Después de recibir una instrucción de despacho en el
ubicación de parcheo ( Fig. 1 ), el vehículo procede a la línea de descarga asignada para alimentar el molino.
La instrucción de despacho tiene en cuenta no solo el estado de cola de las líneas de descarga,
pero también el tipo de camión, la capacidad del molino, el estado del almacenamiento intermedio y las sugerencias
Tipos arcanos (tallo entero y caña de azúcar picada). Se requiere una decisión apropiada para
Fig. 1. Sistema de suministro de caña de azúcar en la planta de procesamiento: ubicación de pesaje, ubicación de despacho y área de descarga.
Página 4
Evitar la escasez o exceso de caña de azúcar en los molinos. La lista de prioridad de camiones para cada línea de descarga es
mostrado en la Fig. 1 .
De la cantidad total de caña de azúcar procesada por los molinos de la planta considerada,
aproximadamente el 70% es caña de azúcar picada, y el 30% restante es caña de azúcar de tallo entero.
La planta tiene tres molinos ( fig. 1 ): los molinos A y B procesan tanto el tallo entero como la caña de azúcar picada.
Estos molinos tienen una capacidad de molienda de 450 toneladas por hora (ton / h) y dos ( A 1 , A 2 ) y tres
( B 5 , B 6 , B 7 ) líneas de descarga, respectivamente. El molino C procesa solo caña de azúcar picada y tiene tres
Líneas de descarga ( C 10 , C 11 , C 12 ) con una capacidad de molienda de 600 ton / h. Tan pronto como un vehículo termine.
El proceso de descarga, regresa a los campos rurales para ser recargados, y el ciclo comienza de nuevo. los
el tiempo de ciclo incluye el tiempo pasado en el área de recepción de la planta hasta la descarga, el tiempo de viaje
de
a lavuelta
planta.a los campos, el tiempo dedicado a los campos hasta que se complete la carga y el tiempo de viaje de regreso
El sistema de transporte opera con cuatro tipos de camiones: rodotrem (Rd), treminha˜ o (Trm1),
romeu-julieta (Rj) y toco (Tc). Las diferentes configuraciones de estos vehículos se describen en
Widmer (2002) . Rodotrem (tractora + semirremolque + remolque, fig. 2 ) es el tipo más grande de camión.
Estos camiones pueden transportar hasta 65 toneladas de caña de azúcar picada, tienen la máxima prioridad y su uso
una línea de descarga dedicada ( C 10 en la fábrica C , como Tabla 1 ). Treminhaõ (camión + dos remolques, Fig. 2 ) es
Es el segundo camión más grande y puede transportar hasta 45 toneladas de caña de azúcar picada. Su despacho
La política depende del número de camiones que tienen la caña de azúcar de tallo entero en el área de recepción en
Su hora de llegada. En otras palabras, depende de si hay o no una cantidad adecuada de
Caña de azúcar de tallo entero para abastecer a los molinos durante un cierto período de tiempo. Si la cantidad de tallo entero
Fig. 2. Camiones para transportar caña de azúcar picada.
tabla 1
Tipo de camión y respectivas líneas de descarga en los molinos.
Tipo de camion Número de camionesTipo de caña de azúcarLíneas de descarga Molinos
Rodotrem (Rd) 8 Cortado C 10 do
Treminha˜ o (Trm) 50 Cortado C ,C ,A ,B A,B,C
11 12 2 5
Romeu-julieta (Rj –– picada) 60 Cortado A ,B ,C ,C

2 5 A,B,C
11 12
Romeu-julieta (Rj –– tallo entero) 12 Tallo entero A ,B ,B 1 6 A,B7
Toco (Tc) 6 Tallo entero A ,B ,B 1 6 A,B7
Página 5
La caña de azúcar es adecuada, la treminha˜ o libera sus dos remolques de caña de azúcar picada en el medio
almacenamiento diario ( Fig. 1 ) dentro del área de recepción. El propósito del almacenamiento intermedio es
evitar la escasez. Si el almacenamiento está lleno, el treminhaõ espera en una línea en el lugar de despacho.
De lo contrario, tan pronto como los dos remolques son liberados por el despachador, el camión de la unidad de tre-
minha˜ o se mueve a una línea de descarga de caña de azúcar picada donde recibe la mayor prioridad.
Después de descargar en el molino, y antes de regresar a los campos, el camión de la unidad pasa a través de un
área de retención de remolques vacíos, donde se asignan dos nuevos remolques, y se convierte en un treminhaõ
otra vez.
El tercer tipo de camión, romeu-julieta (camión + un remolque, figuras 2 y 3 ), puede transportar hasta 25 toneladas
de caña de azúcar picada o de tallo entero y representa el 53% de la flota, como se muestra en la Tabla 1 .
Finalmente, toco (camión único, fig. 3). ) es el tipo de camión más pequeño, con solo 15 toneladas de tallo completo
Caña de azúcar. Debido a la tendencia actual en la industria de la caña de azúcar de disminuir la molienda de tallos enteros,
El número de romeu-julieta y toco camiones se está reduciendo en la planta. La política de despacho.
De estos camiones depende de la longitud de la cola en frente de la descarga de la caña de azúcar del tallo entero
líneas. Si la longitud de la cola en una línea en particular es más pequeña que un número predefinido, entonces
Los camiones están asignados a esa línea. Las reglas de despacho dictan que los camiones en espera se asignen a la
alinear con la cola más pequeña; De lo contrario, esperan en una cola en la ubicación de despacho.
A continuación se presenta un ejemplo de una regla de despacho para ilustrar cómo son estas reglas
estructurado (para más detalles de las reglas de despacho, el lector se refiere al diagrama de flujo en
Fig. 4 ). Tenganos
Por ejemplo, encentraremos
cuenta que las
en decisiones
la línea C 11depara
descarga
ilustrarenlauna línea pueden
interferencia depender
física dellíneas
entre las estado
C de otras líneas. En esto
10 y C 11 .
La línea C 10 está dedicada a la descarga de camiones rodotrem . Sin embargo, las restricciones físicas de la
El área de recepción y los transportadores de los molinos implican que el rodotrema puede descargarse en la línea C 10.
solo si no hay camiones descargando en la línea C 11 , y viceversa. Más detalles de la oferta actual.
El sistema se puede encontrar en Iannoni y Morabito (2002). . El rodotrem (tractora + semirremolque +
remolque) regla de despacho:
¿Es un camión que lleva caña de azúcar picada? Entonces:

¿Es un camión rodotrem ? Entonces:
¿Es la cola frente a la línea C 10 más pequeña que el límite p ? Entonces:
¿Los camiones se descargan en la línea C 11 ? Entonces:
Espere en la cola en la ubicación de despacho.
De otra manera:
Descarga en línea C 10 .
De otra manera:
Espere en la cola en la ubicación de despacho.
Fig. 3. Camiones para transportar caña de azúcar de tallo entero.
Página 6
Fig. 4. Diagrama de flujo del modelo de simulación.
3. Simulación del sistema.
3.1. Construcción de modelos y supuestos.
Una simulación es una recreación por computadora de las operaciones de un proceso o sistema del mundo real a través de
hora. Las simulaciones se utilizan para describir y analizar el comportamiento de un sistema, hacer preguntas de qué pasa si
sobre el sistema real, y la ayuda en el diseño de sistemas reales ( Banks, 1998 ). Un modelo de simulacion
nos permite: (i) explorar un sistema real a través de la modificación de políticas, procedimientos, operaciones
Página 7
Fig. 4 ( continuación )
y métodos a un costo relativamente bajo y sin interferir con el sistema del mundo real; (ii) a
acelerar, o ralentizar, un fenómeno de interés para que puedan ser investigados a fondo.
Hay varios simuladores disponibles en el mercado, la mayoría de ellos son relativamente fáciles de usar
y proporcionar
que se utiliza ena este
los usuarios
estudio, animación
proporcionagráfica dinámica
una imagen de un
gráfica proceso.delElproceso,
animada softwareyaArena, por ejemplo,
que simula
eventos del mundo real a una velocidad acelerada ( SMC, 1994; Kelton et al., 2002 ).
Los datos del sistema de suministro fueron recolectados durante un período de cosecha típico. Durante este per-
Yod, la recolección y el procesamiento de la caña de azúcar se realizaron de forma continua todos los días durante 24 h. Eso
Cabe señalar que las interrupciones en el suministro de caña de azúcar, incluso por cortos períodos de tiempo, podrían
Interrumpir la sincronización entre las actividades agrícolas e industriales. Los datos de simulación.
Página 8
Tabla 2
Parámetros utilizados para despachar el pedido.
Parámetro Sentido
l Número máximo de dos remolques en almacenamiento 32
metro Número máximo de camiones frente a las líneas A y B 2 5 2
norte Número mínimo de camiones frente a la línea A que asegura
1 3
Alimentación de caña de azúcar de tallo entero en el molino A
n0 Número mínimo de camiones en frente de la línea B que asegura 6 2
Alimentación de caña de azúcar de tallo entero en el molino B
pag Número máximo de camiones frente a la línea C ( rodotrem )
10 1
r Número máximo de camiones frente a la caña de azúcar de tallo completo ( A5 y B ) 1 6
s Número máximo de camiones frente a la línea C 11 2

t Número máximo de camiones frente a la línea C 12. 1
incluidos los intervalos de tiempo que los camiones pasaron en actividades dentro del área de recepción y fuera del
planta (es decir, viajar a, hacer cola y cargar en los campos). El análisis estadístico se realizó utilizando
El mejor software de ajuste ( PC, 1996 ) para obtener medidas descriptivas, histogramas y las mejores
Distribuciones estadísticas ajustadas que representan los datos (utilizando pruebas de bondad de ajuste).
El modelo de simulación construido en Arena representa el camino de un camión al ingresar al sistema en la
lugar de pesaje hasta su salida del área de recepción después de las operaciones de descarga ( Fig.
1 ). En este modelo, el sistema de suministro de caña de azúcar se considera un sistema cerrado (ciclado). Después de pasar
A través del peso y las operaciones de verificación, los camiones descargan en el área de recepción y luego regresan a
Los campos de caña de azúcar. Una vez recargado, el ciclo continúa con los camiones que regresan al procesamiento.
planta. Por lo tanto, la tasa de llegada media de los camiones no es un parámetro de entrada, sino que es una salida del
Modelo de simulación determinado por el tiempo de ciclo de los camiones. Este tiempo de ciclo corresponde a la
la suma del tiempo pasado dentro y fuera del área de recepción (es decir, el tiempo que lleva completar una
ciclo en el sistema).
En la práctica, algunos aspectos pueden afectar las decisiones de los operadores y, en consecuencia, el despacho
Las reglas previamente descritas no pueden ser seguidas rigurosamente. Esto puede ocurrir en forma continua y
sistemas complejos, cuando eventos ocasionales tales como averías de vehículos y máquinas pueden requerir
Diferentes decisiones durante un corto periodo de tiempo. Además, como el sistema depende principalmente de
trabajo humano y decisiones, podemos esperar que, eventualmente, las operaciones puedan estar fuera de las reglasÕ
control por intervalos cortos. Nuestro modelo de simulación se construyó en el supuesto de que el envío
las reglas se cumplen rígidamente, teniendo en cuenta la prioridad de cada vehículo y todas las características de la descarga
Sistema, como líneas de descarga dedicadas y limitaciones relacionadas con el almacenamiento y las colas. los
Los parámetros ( l , m , n , n 0 , p , r , s , t ), cuyos significados se describen en la Tabla 2 , fueron definidos por
de la zona de recepción y corresponden a limitaciones en el número de vehículos permitidos en el
Líneas de descarga y el tamaño disponible del almacenamiento intermedio. Para más detalles de la simulación
En este modelo, el lector se dirige al diagrama de flujo de la Fig. 4 , que ilustra el modelo básico.
Estructura según las normas de despacho utilizadas en la planta.
3.2. Modelo de validación
Según Shannon (1975) y Banks (1998) , el principal objetivo del proceso de validación es
Asegurar que las suposiciones y simplificaciones del sistema real sean razonables y correctas.
Página 9
Tabla 3
Comparación de medidas de simulación y medidas de muestra
Muestra Simulación de datos Desviación (%)
Tiempo medio de espera (min)
Media 24.3 22.1 À9.0
Rodotrem 14.2 11.7 À17.6
Treminha˜ o 14.7 15.8 7.5
Romeu-Julieta (tallo entero) 30.5 25.7 À15.7
Romeu-Julieta (picada) 20.7 22.8 10.1
Para co 21.0 20.4 À2.9
Tasa media de llegada (camión / min)
Rodotrem 0.057 0.060 5.3
Treminha˜ o 0.220 0.225 2.3
Romeu-Julieta (tallo entero) 0.280 0.290 3.6
Romeu-Julieta (picada) 0.082 0.085 3.7
Para co 0.022 0.020 À9.1
Cantidad media de caña de azúcar (toneladas / día)
Total de caña de azúcar transportada. 31,959.6 32,157.4 0.6
Total de caña de azúcar descargada. 31,953.9 32,153.5 0.6
implementado. Esta validación se realizó de la siguiente manera: (i) especialistas y operadores del soporte
Se solicitó al sistema de capas bajo investigación que evaluara la precisión y la consistencia de la simulación.
resultados, y (ii) una comparación de los datos de salida obtenidos al ingresar un archivo de datos sin procesar en la
Modelo de regulación con datos históricos de medidas de desempeño obtenidas durante el día típico a
Operaciones diurnas del sistema actual. Observe que la ejecución de la simulación utilizó datos en bruto reales relacionados
a la cantidad de caña de azúcar descargada por camiones, y las instancias de hora de llegada y salida de
camiones Es decir, la simulación no utilizó las distribuciones estadísticas de mejor ajuste que representan estas entradas
datos (la Sección 4 usa tales distribuciones en una simulación estocástica). De esta manera, aplicando rigurosamente.
Todas las reglas de envío de la Sección 2, este modelo intenta reproducir el período de tiempo de las operaciones para
que los datos fueron recogidos.
Para realizar la ejecución de simulación e iniciar las variables, utilizamos un período de calentamiento de 1440 min.
(24 h). Los resultados de la simulación se compararon con las siguientes medidas de rendimiento según lo
especificados por la planta: (i) tiempo de permanencia promedio de cada tipo de camión en el área de recepción, (ii) promedio ar
tasa rival de cada tipo de camión, y (iii) la cantidad diaria de entrada y descarga de caña de azúcar en
El área de recepción de la caña de azúcar. La Tabla 3 presenta esta comparación en términos de las medidas (i), (ii) y
(iii). Tenga en cuenta que las diferencias son razonablemente pequeñas (por ejemplo, una desviación de solo 2 minutos en el
tiempo medio de permanencia del sistema, en otras palabras, solo un 9% sobre la muestra). Estas varia-
Esto se debe en parte al hecho de que en la práctica los operadores no siempre aplican rigurosamente las
reglas de despacho. Estas variaciones, junto con los supuestos y simplificaciones de la
modelo, contribuir a las diferencias entre los resultados del sistema actual y los obtenidos
Por el modelo de simulación en arena. Por lo tanto, se asume que las diferencias son aceptables.
y el modelo válido.
El PAG
valor del tiempo
PAG de espera de la estancia media ¯w se puede calcular de la siguiente manera:
¯w ¼ i¼1 k i w i i¼1 / k i , donde w i es el tiempo de espera medio del tipo de camión i (min) y k i es la media
Página 10
tasa de llegada del camión tipo i (vehículos por minuto), ambos obtenidos como resultados de la simulación. Basado en el
sobre la fórmula, el tiempo de espera medio para los datos de muestra y los datos de simulación deben ser 22.3 min.
y 20.7 min, respectivamente. Sin embargo, como puede verse en la Tabla 3 , los tiempos de espera reales fueron
24.3 min y 22.1 min, respectivamente. Las diferencias en el tiempo de espera medio esperado según se deriva.
de la fórmula y los datos derivados del sistema pueden explicarse debido a un envío específico
La política asociada al teminha˜ o . Por ejemplo, para este tipo de camión, la tasa de llegada no puede
estar directamente relacionado con el tiempo de espera, ya que a menudo se descarga en el almacenamiento intermedio y, por lo tanto,
Por lo tanto, puede asumir tres formas diferentes (ver Figs. 1 y 2 ): Forma 1 –– camión + dos remolques permanecen en
tacto a medida que avanzan a través del sistema (Trm1). Forma 2 –– camión separado de sus dos últimos.
Remolques y reasignados a nuevos remolques al regresar a los campos (Trm2). Formulario 3 –– conjunto de dos
Remolques separados del camión que pueden esperar en el almacenamiento intermedio para descargar (Trm3).
La Tabla 3 muestra el tiempo de espera medio y la tasa de llegada media para el treminhaõ . Por lo tanto, la media
El tiempo de espera informado para este tipo de camión en la Tabla 3 (columnas 2 y 3) no muestra las diferencias
ferencias relacionadas con las diferentes formas que puede tomar una treminha˜ o una vez dentro del área de recepción (por ejemplo,
tienen diferentes comportamientos de despacho y tiempo de espera). Además, los datos muestrales y la
La simulación de los datos representa un período de tiempo relativamente corto (24 h) y, por lo tanto, no muestra
el número de camiones tipo treminha˜ o que se dividen en el área de recepción, y también el número de vehículos
Dice que, al entrar en el área de recepción, permanecerá intacto en las ubicaciones de almacenamiento intermedias.
después del final de las operaciones diarias en el sistema real, así como en la ejecución de la simulación. El resultado
para la cantidad promedio de caña de azúcar que se muestra en la Tabla 3 (columnas 2 y 3) se obtuvo por cálculo
Anote la cantidad real de caña de azúcar transportada por cada camión en cada viaje durante un día promedio.
En el funcionamiento real del sistema, esta cantidad puede ser inferior a la capacidad de cada camión.
4. Simulación estocástica.
4.1. Supuestos del modelo de simulación estocástica.
El modelo de simulación estocástica se realiza mediante distribuciones estadísticas para representar

datos de entrada. El sistema de suministro se considera no terminal ya que, durante el período de cosecha, el
Las operaciones de transporte y molienda ocurren continuamente las 24 horas del día, los siete días de la semana. Bancos
(1998) y Kelton et al. (2002) se refieren a este tipo de simulación como una simulación de estado estable . En
En el presente estudio, esto se verificó empíricamente mediante un análisis gráfico de los datos, que muestra que
El proceso de llegada de camiones dentro de la planta no experimenta fluctuaciones significativas a lo largo de
El día (es decir, es razonablemente uniforme). Incluso por períodos cortos de tiempo, estas fluctuaciones
ser una preocupación importante, ya que pueden resultar, por ejemplo, en la congestión de vehículos en la recepción.
Área de producción, cantidades excesivas de caña de azúcar en almacenamiento y escasez de caña de azúcar para los ingenios.
Tales problemas pueden interrumpir la molienda uniforme de la caña de azúcar. Por lo tanto, el adicional
Las suposiciones consideradas en la simulación estocástica son:
1. El sistema actual es un sistema cerrado (cíclico) en el que el tiempo promedio fuera del área industrial es
representado por una distribución estadística, una para cada uno de los cuatro tipos de camiones. Se toma en cuenta
los tiempos de viaje hacia y desde los campos de caña de azúcar, y los tiempos de espera y carga en el
campos. Las estimaciones para estos tiempos se obtuvieron a partir de datos de una operación típica de un día.
Página 11
2. El tiempo de molienda de cada molino depende de la capacidad del molino y de la cantidad de caña de azúcar.
transportados por cada vehículo. Se supone que los molinos pueden operar a tiempo completo sin interrupciones.
las De hecho, en la práctica, las interrupciones reales en el proceso de rectificado son raras e indeseables,
ya que pueden resultar en serios problemas para el proceso continuo de producción de azúcar y
alcohol.
4.2. Determinación del período transitorio y duración de la simulación.
La herramienta Output Analyzer en Arena se utilizó para determinar el período transitorio de la
simulación ent para eliminar cualquier sesgo de inicialización. Teniendo en cuenta el rendimiento principal medido
Durante el período transitorio se acercó a los 3000 min (o 50 h). El método de lotes significa ( Ley y
Kelton, 1991; Pegden et al., 1995; Bancos, 1998; Kelton et al., 2002 ) se aplicó para determinar
El período de duración de la simulación. El analizador de salida realizó los procedimientos estadísticos para
Mantener la correlación entre diferentes lotes de puntos individuales. Entonces, el número de observaciones
Las determinaciones en cada lote se determinaron para asegurar una correlación cercana a cero. Utilizando un procedimiento
propuesto por Law y Kelton (1991) y Pegden et al. (1995) , la simulación de la longitud de carrera fue
calculados para ser 987.33 h (por ejemplo, 41.1 días, incluido el período transitorio).
El tiempo de ejecución de la simulación estocástica fue de un par de minutos en un Pentium III estándar.
microordenador, y los resultados obtenidos se compararon con los datos reales de la muestra. Para in
posición, el tiempo de permanencia promedio en el sistema fue de 21.5 minutos (una desviación de menos de 3 minutos,
o À11.5% al valor muestreado de la Tabla 3 ) y la cantidad media diaria de trans-
El portado fue de 34,009.7 toneladas (una desviación de 6.4%). Estos resultados muestran que la simulación estocástica
cación produce algunas desviaciones con respecto a los valores de la muestra, principalmente debido a sus características aleatorias,
los supuestos y simplificaciones del modelo como se discutió en la Sección 2, y el hecho de que el
El análisis se realiza a lo largo de un período de tiempo continuo de más de 40 días. A pesar de esto, la
los resultados son aceptables para el tipo de decisiones involucradas y pueden usarse para medir el
Rendimiento del sistema.
4.3. Medidas de desempeño
Una de las principales medidas consideradas por los gerentes logísticos de agroindustrias con continuo.
Los procesos, como las industrias de caña de azúcar, madera y naranja, están relacionados con los tiempos de espera de los camiones en el
área de recepción. El tiempo ahorrado al esperar, además de reducir la inactividad y el consumo de combustible del conductor
Además, puede reducir la cantidad de materia prima que espera descargar en las colas y aumentar la
Tasas de descarga de materia prima en los molinos. Por ello, la congestión de vehículos en la recepción.
Área puede interrumpir la uniformidad de las operaciones agrícolas e industriales. Además, para algunos
agroindustrias, el costo de la materia prima que espera en el área de recepción se ve afectado por la
la degradación de los productos perecederos transportados por camiones, como la caña de azúcar y la naranja.
Una medida importante para la evaluación del sistema de suministro de agroindustrias es la media
Cantidad diaria de materia prima descargada, definida como R. Configuraciones del sistema con R cerca de la
La capacidad de molienda diaria de la planta es preferible porque da como resultado una alta utilización de la planta.
molinos Al estimar el impacto del tiempo de espera de un tipo de camión, podemos considerar las medidas relacionadas
al tiempo de espera, la tasa de llegada y el tamaño de carga del camión. Así, cada tipo de camión tiene
Pagina 12
Impactos intrínsecamente diferentes por unidad de tiempo de espera en el área de recepción. Por ejemplo, no podemos
considera que el impacto de un minuto de tiempo de espera para un camión rodotrem (almacenar 65 toneladas de sugerencias)
arcano) es lo mismo que un minuto de tiempo de espera para un camión romeu-julieta (almacenando 25 toneladas). Basado
En estas consideraciones, una medida interesante para evaluar el rendimiento del sistema de suministro debe ser
relacionar el tiempo de espera medio para cada tipo de camión con su tasa de llegada en el sistema de recepción y su
Cantidad media de caña de azúcar transportada. Tenga en cuenta que esto da la cantidad media de materia prima
esperando en las colas del área de recepción de la planta de procesamiento para cada tipo de camión i , que puede
se calculará como: Q i = w i k i q i , donde w i es el tiempo de espera medio del tipo de camión i (min), k i es la media
tasa de llegada del camión tipo i (camiones por minuto), ambas medidas obtenidas como resultados de la simulación, y
q i es la carga media del camión tipo i PAG
(tonelada). La suma de todos los tipos de camiones con respecto a Q i.
cede la medida agregada: Q ¼
i Q i , donde Q corresponde a la cantidad total de materia prima
Rial esperando en las colas del área de recepción.
4.4. Resultados al caso de estudio.
La Tabla 4 presenta los valores obtenidos en el modelo de simulación del presente estudio de caso al
mide w i , k i , q i y Q i para cada tipo de camión i , así como Q = 508.2 toneladas y R = 34,009.7 toneladas
por día (o aproximadamente 1417.07 toneladas / h). Con el fin de proporcionar un análisis más preciso, se
se obtuvieron análisis clasificados relacionados con las tres formas de treminha ( o como se describe en la Sección
3). La Tabla 5 presenta la cantidad media por hora de caña de azúcar descargada en cada molino, así como la
Distribución media agregada entre caña de azúcar picada y de tallo entero. Recordemos que los molinos A,
B y C tienen capacidades de molienda de 450, 450 y 600 toneladas / h, respectivamente, que están cerca de
Los medios para cada molino que se muestran en la Tabla 5. . Las tasas de utilización del molino para A, B y C son 0.96,
0.96 y 0.92, respectivamente, y la cantidad total por hora de caña de azúcar picada descargada es
1003.2 toneladas / h; esto representa aproximadamente el 70.6% de la cantidad total de caña de azúcar en el sistema
(p. ej., caña de azúcar cortada más tallo entero en todos los molinos).
Tabla 4
Cantidad total de caña de azúcar esperando en las colas del área de recepción
Tipo de camión, i Significa esperarLlegada media Cantidad media de Cantidad de
tiempo, w i tasa, k i caña de azúcar p / viaje,
Caña de azúcar
(min) (camiones / min)q (toneladas)
i esperando, q i
(montones)
Rodotrem 13.0 0.059 sesenta y cinco 49.8
Treminha o forma 1 19.9 0.095 45 85.1
Treminha o forma 2 18.6 0.148 15 41.3
Treminha o forma 3 28.9 0.148 30 128.3
Romeu-Julieta (caña de azúcar de tallo entero)
22.9 0.258 25 147.7
Romeu-Julieta (caña de azúcar picada) 23.1 0.086 25 49.7
Para co 22.1 0.019 15 6.3
Total ( Q ) 508.2
Cantidad media de caña de azúcar descargada 34,009.7
(toneladas / día) ( R )
Página 13
AP Iannoni, R. Morabito / Transportation Research Part E 42 (2006) 191–210 203
Tabla 5
Average amount of sugarcane unloaded per hour (tons/h)
Media Mean of minimums Mean of maximums
Mill A 435.5 412.1 442.0
Mill B 435.8 415.3 445.2
Mill C 548.3 521.0 562.1
Chopped sugarcane 1003.2 766.7 1106.1
Whole stalk sugarcane 416.2 401.3 466.3
5. Configuraciones alternativas
Una aplicación interesante de los modelos de simulación es la capacidad de analizar configuraciones alternativas.
y comparar su rendimiento entre sí. En este estudio, sugerimos ejemplos de
Se analizaron configuraciones alternativas para el estudio de caso para mostrar cómo los gerentes de logística de
Las agroindustrias con procesos continuos también podrían utilizar las técnicas de simulación para analizar
Sus sistemas de suministro. En esta sección se analizan tres escenarios diferentes y se comparan con los
modelo original
5.1. escenario 1
El escenario 1 considera que todos los camiones treminha˜ o lanzan sus dos remolques en el almacén intermedio.
Edad del área de recepción. The dispatching rules for the two trailers ( treminhaõ form 3) waiting in
the intermediary storage must be changed in order to maintain the trailerÕs circulation. This sce-
nario is motivated by the supposition that with a larger number of treminhaõ form 2 (unit truck)
and form 3 (two trailers), these vehicles can be better distributed among the unloading lines, with
reduced mean waiting times at the reception area. A similar scenario could be considered by the
logistics managers from other industries operating with trucks of multiple trailers or vans, which
can split in the reception area. The purpose is to provide improved circulation and distribution of
the raw material among the unloading lines and uniform feeding of the mills and the industrial
processors. Although we expect that the splitting of vehicles results in lower waiting times for a
truck, the simulation model can also show the effects to the waiting time to other types of trucks
and to the operations of other components in the system. Recall that the trucks are competing for
the same processors, and for various industries, the intermediary storage has restrictions such as
space to assure the free traffic of vehicles or time to avoid the deterioration of the raw material.
Table 6 compares the results of scenario 1 with those of the original scenario. Note that signif-
icant reductions occur in the waiting times of the romeu-julieta trucks (whole stalk sugarcane) and
toco (27.9% and 21.7%, respectively). This occurs because without treminha˜ o trucks form 1 in the
unloading lines of chopped sugarcane (as in the original scenario), the mills are available to re-
ceive whole stalk sugarcane in whole stalk sugarcane unloading lines. Recall that, the treminha˜ o
only unloads in chopped sugarcane lines, but its dispatching instruction is related to the number
of romeu-julieta trucks in the whole stalk sugarcane lines (see flowchart in the Fig. 4 ). Por lo tanto,
the waiting times associated with these types of vehicles ( romeu-julieta (whole stalk sugarcane) and
toco ) decrease. On the other hand, no significant changes occur in the waiting times of the
Página 14
204 AP Iannoni, R. Morabito / Transportation Research Part E 42 (2006) 191–210
Tabla 6
Results from scenario 1 compared to the results of original scenario
Type of truck, i Mean waiting DesviaciónMean arrival Desviación Mean amount Amount of
hora, (%) rate, k i (%) of sugarcane sugarcane
W (min)
i (trucks/min) p/trip, q (tons) waiting,
i
Q (tons) i
Rodotrem 13.7 5.4 0.059 0.0 sesenta y cinco 52.5

Treminha˜ o form 1 - - - - -
Treminha˜ o form 2 18.8 1.2 0.237 60.1 15 73.9
Treminha˜ o form 3 28.1 À2.9 0.237 60.1 30 146.5
Romeu-julieta 16.5 À27.9 0.263 2.0 25 108.5
(whole stalk)
Romeu-julieta 24.6 6.5 0.086 0.0 25 52.9
(chopped)
Toco 17.3 À21.7 0.020 5.3 15 5.2
Total ( Q ) 439.5
Average amount 34,392.4
of sugarcane
unloaded, tons/day ( R )
treminha˜ o trucks form 2 (unit truck) and treminhaõ form 3 (two trailers) (recorded deviation are
only 1.2% and À2.9%, respectively).
However, the mean arrival rate of treminha˜ o form 2 and form 3 increases substantially (60.1%
for both form 2 and form 3). This result was expected given that upon arrival the treminha˜ o trucks
always release their two trailers in the intermediary storage area. The aggregate measures of
scenario 1 are better than those of the original scenario: Q = 439.5 tons (À13.5%) and
R = 34,392.4 tons per day (1.1%). This implies a higher utilization of the mill C capacity, due
to the new dispatching policy related to treminhaõ . One of the factors that contribute to this result
is that, when there are low amounts of sugarcane in the unloading lines, the intermediary storage
of two trailers is more efficient to avoid possible shortages of sugarcane at the mills. The utiliza-
tion rates for mills A, B and C are of 0.93, 0.96 and 0.97, respectively, under scenario 1. Note that
a simple modification in the dispatching policy, which does not require changes in the fleet of
trucks, can bring about significant contributions to the supply system of agro industries operating
trucks that can split their compositions at the reception area. This may be the case, for example, of
trucks transporting sugarcane, orange, wood and other raw materials requiring uniform supply in
the processing plants.
5.2. Scenario 2
As aforementioned, the simulation can be used to investigate more complex alterations in the
real system, for example, modifications in the fleet mix. Some agro industries may be interested in
the economy of scale of transporting raw materials in larger vehicles. In some cases, these vehicles
can also transport the cargo more safely than the other types of trucks. According to Seixas (1992)
and Sousa (2000) , this has been a motivation to managers in the forest industry, who are trying to
increase the fleet of treminhaõ or rodotrem trucks and to reduce the fleet of romeu-julieta trucks,
Página 15
Tabla 7
Type of truck, i Mean waiting Desviación Mean arrival Desviación Mean amount Amount of
hora, (%) rate, k i (%) of sugarcane sugarcane
W (min)
i (trucks/min) p/trip, q (tons) waiting,
i
Q (tons) i

Treminha˜ o form 1 22.7 14.1 0.012 À87.4 45 12.3
Treminha˜ o form 2 12.6 À32.2 0.206 À39.2 15 38.9
Treminha˜ o form 3 34.1 17.9 0.206 À39.2 30 210.7
Romeu-julieta 27.5 20.1 0.252 À2.3 25 173.2
(whole stalk)
Romeu-julieta 28.1 21.6 0.082 À4.6 25 57.6
(chopped)
Toco 23.2 5.0 0.014 À26.3 15 4.9
Total ( Q ) 599.4
Average amount of 34,223.1
sugarcane unloaded,
tons/day ( R )
since the latter has smaller cargo capacity. Considering the present case study, a current trend in
transport operations of Brazilian sugarcane plants is the increase in the sharing of rodotrem trucks
in the fleet mix. Thus, the objective of scenario 2 is to analyze the effects of a 50% increase of rodo-
trem trucks (from 8 to 12 trucks), followed by a proportional decrease of treminhaõ trucks (to
compensate the increase in the amount of chopped sugarcane transported by the larger number
of rodotrems ). This scenario also includes a dedicated unloading line (installed at mill A) to absorb
part of the increase in chopped sugarcane delivered by rodotrem trucks.
A new distribution of unloading lines is considered so that the mean amount of sugarcane un-
loaded at each mill approaches its capacity. In particular, the priority list is changed so that rodo-
trem trucks lose their unloading priority over treminhaõ form 2 (unit truck), otherwise the increase
of rodotrem trucks would tend to reduce the flow of treminhaõ trucks. Thus, the distribution of
unloading lines becomes as follows: mill A is supplied by lines A 3 (the unloading line dedicated
to rodotrem ) and A 2 , mill B is supplied by line A 1 (in the original scenario it belongs to mill A)
besides lines B 5 , B 6 and B 7 , and mill C is supplied by lines C 10 , C 11 and C 12 .
Note that in Table 7 only the treminhaõ form 2 has shorter mean waiting times than the original
scenario (deviation of À32.2%). This result is due to the reduction in the fleet of the treminha˜ o
trucks, and the new dispatching priority of the treminha˜ o form 2 over rodotrem trucks. La in
crease in the mean waiting times of the other types of trucks was expected because of the increase
in the number of rodotrem trucks with a higher priority. This also explains the increase in the ar-
rival rates of rodotrem (45.8%), and the decrease in the arrival rates of the other types of trucks.
The significant reduction in the arrival rate of the treminhaõ form 1 (À87.4%), caused by the in-
crease of rodotrem trucks, should be noted. This assures that the system is well supplied with
chopped sugarcane.
The aggregate measures of scenario 2 are: Q = 599.4 tons (a 17.9% increase over the original
scenario) and R = 34,223.1 tons per day (0.6%); note that the first is worse than the original. Esta
Página 16
means that a change in the fleet mix can yield larger amounts of sugarcane waiting for the grind-
ing process, due to the limited capacity of the mills. The utilization rates of mills A , B and C are
94.9%,95.6% and 93.4%, respectively. This scenario shows that, in considering alterations on the
fleet mix to increase the amount of raw material transported per truck trip, the logistics managers
may face the limited capacity of processors and equipment in the agricultural and industrial area.
As mentioned before, for the agro industries with continuous processes, the queues of trucks affect
the synchronization between agricultural and industrial area due to the limited processors capac-
ity For example, the congestion of vehicles in the processing plant reception area may also cause
the idleness of equipment in the agricultural area.
5.3. Scenario 3
Some agro industries may be interested in the opportunities and tendencies on the market to
establish the mix of products to be processed. In other cases, the decisions related to this mix de-
pend on new technologies implemented by the agricultural or industrial area. As different types of
raw material may require specific types of trucks, the agro industries may also consider accom-
plishing alterations on the fleet mix, as was shown in scenario 2. The scenarios considering such
complex and expensive alterations can easily be investigated by a simulation model without real
interferences to the system.
For the sugarcane plant of the present case study, the tendency is the replacement of whole
stalk sugarcane by chopped sugarcane, as a consequence of improvements in its harvesting sys-
tems through the use of more mechanization. Similar to scenario 2, the objective of scenario 3
is to analyze the effects of a 50% increase of rodotrem trucks (from 8 to 12 trucks), followed by
a proportional decrease of romeu-julieta trucks (to compensate for the increase in the amount
of sugarcane transported by the larger number of rodotrem ). It should be noted, however, that
unlike scenario 2, instead of chopped sugarcane trucks ( treminhaõ ), this scenario replaces whole
stalk sugarcane trucks ( romeu-julieta ) by chopped sugarcane trucks ( rodotrem ). It also includes a
dedicated unloading line (installed at mill A) to absorb, partially, the increase sugarcane supplied
by rodotrem trucks.
As in scenario 2, a new distribution of unloading lines is considered so that the mean amount of
sugarcane unloaded in each mill reaches its capacity. The priority list is also changed so that rodo-
trem trucks lose their unloading priority over the treminha˜ o form 2 (unit truck). Thus, the config-
uration of unloading lines is as follows: mill A is supplied by lines A 1 , A 2 and A 3 (where A 3 is an
unloading line dedicated to rodotrem ), mill B is supplied by lines B 5 , B 6 and B 7 , and mill C is sup-
plied by lines C 10 , C 11 and C 12 .
Table 8 shows that the mean waiting time of rodotrem trucks increases 18.5% due to the in-
crease in the number of these vehicles and their priority loss to treminha˜ o form 2. Moreover,
the increase of unloaded chopped sugarcane results in a longer waiting time for the treminhaõ
form 3 (34.9%), since other vehicles such as the treminhaõ form 2 and rodotrems maintain their
priority over the two trailers. As expected, the mean waiting times with romeu-julieta trucks (with
whole stalk sugarcane) and toco reduce to 15.7% and 25.8%, respectively. Note also in Table 8 the
reduction of 90.5% in the average arrival rate of treminhaõ form 1 and the increase of 60.8% in the
average arrival rates of the treminhaõ form 2 (unit truck) and form 3 (two trailers). Estos resultados
occur because with the increase in chopped sugarcane within the reception area, it is not necessary
Página 17
Tabla 8
Type of truck, i Media DesviaciónMean arrival DesviaciónMean amount of Amount of
waiting time, (%) rate, k i (%) sugarcane p/trip, sugarcane
W (min)
i (trucks/min) q (tons) i waiting, Q (tons) i

Treminha˜ o form 1 18.3 À8.0 0.009 À90.5 45 7.4
Treminha˜ o form 2 14.7 À21.0 0.238 60.8 15 52.5
Treminha˜ o form 3 39.0 34.9 0.238 60.8 30 278.4
Romeu-julieta 19.3 À15.7 0.208 À19.4 25 100.4
(whole stalk)
Romeu-julieta 20.3 À12.1 0.069 À19.8 25 35.0
(chopped)
Toco 16.4 À25.8 0.020 5.3 15 4.9
Total ( Q ) 574.7
Average amount of 34,428.9
sugarcane unloaded,
tons/day ( R )
to dispatch a treminha˜ o form 1 to supply the mills. Consequently, the treminha˜ o trucks more fre-
quently unload in the intermediary storage, splitting in treminha˜ o form 2 and 3 whereas the arrival
rate of these trucks tends to increase.
The aggregate measures of this scenario are: Q = 574.7 tons (13.1%) and R = 34,428.9 tons per
day (1.2%); note that the first is worse than the original. As in scenario 2, this means that a change
in the fleet mix can yield larger amounts of sugarcane waiting for the grinding process, due to the
limited capacity of the mills. The utilization rates of mills A , B and C are 94.5%, 95.9% and 97%,
respectively, showing that mill C , which processes the largest proportion of chopped sugarcane,
presents higher utilization rate than the other two.
Table 9 presents a summary of the performance measures obtained from the original configu-
ration and scenario 1 (all treminhaõ trucks release their two trailers in the intermediary storage of
the reception area), scenario 2 (50% increase of rodotrem trucks and a proportional reduction of
treminhaõ trucks) and scenario 3 (50% increase of rodotrem trucks and a proportional reduction
of romeu-julieta trucks). It is worth observing that:
Tabla 9
Summary of performance measures to scenarios 1–3
Scenario Average amount of Deviation to Average amount of Deviation to
sugarcane
PAG waiting, original (%) sugarcane unloaded, original (%)
Q ¼ i Q i (tons) Q (tons)
t
Original 508.2 34,009.7

Scenario 1 439.5 À13.5 34,392.4 1.1
Scenario 2 599.4 17.9 34,223.1 0.6
Scenario 3 574.7 13.1 34,428.9 1.2
Página 18
1. Scenario 1 presents significant improvements with respect to the original system. En otra
words, a reduction of 13.5% in the mean amount of sugarcane waiting in queues in the recep-
tion area ( Q ), and an increase (although small) of 1.1% in the amount of unloaded sugarcane
( R ).
2. Scenario 2 shows that, in spite of the proportional changes in the number of rodotrem and
treminhaõ trucks, higher traffic jams and longer waiting times for sugarcane ( Q ) are expected
in the reception area than in the original scenario (17.9%). This occurs because rodotrem
trucks (whose numbers were increased) and treminhaõ trucks (whose numbers were reduced)
have higher priority than other types of trucks and compete for the same mill, since they ser-
vice different lines that supply the same mill. However, the average amount of sugarcane
unloaded ( R ) increases 0.6% ( Tabla 9 ) with respect to the original scenario.
3. Scenario 3, similar to scenario 2, shows that in spite of the proportional changes in the num-
ber of romeu-julieta and rodotrem trucks, higher traffic jams and larger amounts of waiting
sugarcane ( Q ) are expected in the reception area (13.1%). However, scenario 3 presents
slightly better results than scenario 2 with respect to the average amount of sugarcane
unloaded ( R ), which increases by 1.2% ( Table 9 ) with respect to the original scenario. los
interpretation of these results is similar to those discussed for scenario 2.
Therefore, from the point of view of the performance measures analyzed, scenario 1 presents
the most effective alternative and, therefore, it could be used to replace the original configuration.
Although scenarios 2 and 3 both present an increase in the average amount of sugarcane unloaded
in the mills (with respect to the original configuration), they significantly increase the average
amount of sugarcane waiting in the reception area and require changes in the mix of the truck
fleet. Thus, they appear to be less promising. Other scenarios could also be considered and ana-
lyzed in a similar manner as the scenarios presented in this section.
6. Conclusions
Studies have pointed out the importance of the coordinated logistic systems as one of the main
sources of opportunities to increase the efficiency and competitiveness of Brazilian agro industries
( Morabito et al., 2000 ). In the case of agro industries with continuous production, such as sugar-
cane, orange and wood industries, inbound logistics systems are fundamental to assure the
required integration between agricultural and industrial operations. Using a case study of a sug-
arcane plant supply system, the present paper shows that simulation techniques can be efficiently
used to model complex systems. In particular, it illustrates how simulations of different scenarios
can detect efficiencies to be gained in the plant reception area processes. The analysis of the pres-
ent study has wider applicability than just to sugarcane plants, such as orange and wood plants
with similar supply systems.
To compare the alternatives, we used aggregated performance measures related to the mean
unloading rate of sugarcane and the mean amount of sugarcane waiting in the queues of the plant
reception area. The first depends on the millÕs capacity and the available amount of sugarcane in
the reception area, whereas the second takes into account the mean waiting times of the trucks in
the queues. These measures are of major concern for logistics managers of agro industries, since
Página 19
shortages of raw material can disrupt the uniformity of the agricultural and industrial operations.
The simulation results show that by simply releasing the truck trailers in the intermediary storage,
which does not require changes in the fleet of trucks, can bring about significant contributions to
the supply system. Moreover, modifications on the fleet mix can face the limited capacity of the
processors and equipment in the plant reception area, increasing the mean amount of raw material
unloaded.
Logistics supply systems in agro industries represent a relevant topic for other studies. Para in
stance, there are interesting problems related to the upstream link, involving the vehicle dispatch-
ing to the fields, the raw material harvesting, loading and transportation back to the plants,
among others. Further studies could apply similar simulation models to analyze logistics systems
of other agro industries considering the coordination between the rural and industrial areas.
Expresiones de gratitud
The authors would like to thank the two anonymous referees and Profs. Wayne K. Talley and
Joaõ Alexandre Widmer for their helpful comments and suggestions. We also thank Saõ Mart-
inho sugarcane plant for providing the data, and FAPESP for the grant 98/03314-4.
Referencias
Arjona, E., Bueno, G., Salazar, L., 2001. An activity simulation model for the analysis of harvesting and transportation
systems of a sugarcane plantation. Computers and Electronics in Agriculture 32 (3), 247–264.
Banks, J., 1998. Handbook of Simulation. John Wiley & Sons, Atlanta, Georgia, pp. 3–389.
Bradley, DP, Winsauer, SA, 2004. Solving wood chip transport problems with computer simulation. Available from:
< http://www.ncrs.fs.fed.us/pubs/rp/rp_nc138.pdf > [Accessed: November 2004].
Bredstrom, D., Lundgren, JT, Ronnqvist, M., Carlsson, D., Mason, A., 2004. Supply chain optimization in the pulp
mill industry––IP models, column generation and novel constraint branches. European Journal of Operational
Research 156 (1), 2–22.
Caixeta Filho, JV, Silva, NDV, Gameiro, AH, Lopes, RL, Galvani, PRC, Martignon, LM, Marques, RW,
1998. Competitividade no agribusiness brasileiro: a questaõ do transporte em um contexto logıstico. In: Farina,
EM, Zylbersztajn, D. (Eds.), Competitividade no agribusiness brasileiro 6(C) PENSA/FIA/FEA/USP, Saõ Paulo,
Brasil.
Carlsson, D., Ronnqvist, M., 2005. Supply chain management in forestry––case studies at Sodra Cell AB. europeo
Journal of Operational Research 163 (3), 589–616.
Hahn, MH, 1994. SISTEC: Simulador de sistema de transporte da cana de açúcar. Disertación. Faculdade de
Engenharia Elétrica e Computaçaõ, Universidade Estadual de Campinas, Campinas, SP, Brazil.
Hansen, AC, Barnes, AJ, Lyne, PWL, 1998. An integrated approach to simulating sugarcane harvest-to-mill
delivery systems. ASAE Annual International Meeting. Orlando, FL, 12–16 July. Technical Presentation 986099.
Higgins, A., Muchow, RC, 2003. Assessing the potential benefits of alternative cane supply arrangements in the
Australian sugar industry. Agricultural Systems 76 (2), 623–638.
Higgins, A., Antony, G., Sandell, G., Davies, I., Prestwidge, D., Andrew, B., 2004. A framework for integrating a
complex harvesting and transport system for sugar production. Agricultural Systems 82 (2), 99–115.
Iannoni, AP, Morabito, R., 2002. Análise do Sistema Logıstico de Recepçaõ de Cana de Açúcar: Um Estudo de Caso
Utilizando Simulaçaõ Discreta. Gestaõ and Produçaõ 9 (2), 107–128.
Kelton, WD, Sadowski, RP, Sadowski, D., 2002. A Simulation with Arena, second ed. McGraw-Hill, New York.
Law, AM, Kelton, WD, 1991. Simulation Modeling and Analysis, second ed. McGraw-Hill, New York.
Página 20
Lopes, MB, 1995. Simulaçaõ de um sistema de carregamento e transporte de cana de açúcar. Disertación. Escola
Superior de Agricultura ''Luiz de Queiroz'', Universidade de Saõ Paulo, Piracicaba, SP, Brazil.
Martin, JP, Torrijos, A., Del Olmo, VG, 2002. Timber logistics in Galicia, Spain. Fourth International Meeting for
Research in logistics. Lisboa.
Mathew, J., Rajendran, C., 1993. Scheduling of maintenance activities in a sugar industry using simulation. Computers
in Industry 21 (3), 331–334.
Morabito, R., Morales, S., Widmer, JA, 2000. Loading optimization of palletized products on trucks. Transporte
Research, Part E 36 (4), 285–296.
Neves, MF, 2004. The relationship of orange growers and fruit juice industry: an overview of Brazil. School of
Economics, Business and Accounting. Available from: < http://www.abecitrus.com/citrus_relationship_us >
[Accessed: August 2004].
Neves, MF, Zylbersztajn, D., Neves, EM, 1998. The orange juice food chain. In: Proceedings of the Third
International Conference on Chain Management in Agribusiness and the Food Industry. Wageningen Agricultural
University, Netherlands, pp. 437–447.
PC––Palisade Corporation, 1996. Best Fit for Windows: Help, second ed. Nueva York.
Pegden, CD, Shannon, RE, Sadowski, RP, 1995. Introduction to Simulation Using SIMAN, second ed. McGraw-
Hill, New York.
Raicu, R., Taylor, M., 2004. A model for Sugar Cane Road Transport. Available from: < http://www.atrf.info/papers/
2001/raicu.pdf > [Accessed: November 2004].
Seixas, F., 1992. Uma metodologia de seleçaõe dimensionamento da frota de veıculos rodoviários para o transporte
principal da madeira. Disertación. Escola de Engenharia de Saõ Carlos, Universidade de Saõ Paulo, Saõ Carlos, SP,
Brasil.
Semenzato, R., 1995. A simulation study of sugarcane harvesting. Agricultural Systems 47 (4), 427–437.
Shannon, RE, 1975. Systems Simulation: The Art and Science. Prentice-Hall, Inc., Englewood Cliffs, New Jersey.
SMC––Systems Modeling Corporation, 1994. ARENA UserÕs Guide. Sewickley.
Sousa, RTM, 2000. Análise do fluxo de transporte rodoviário de toras de eucalipto para algumas indústrias de
celulose e de chapas de composiçaõ no estado de Saõ Paulo. Disertación. Escola Superior de Agricultura ''Luiz de
Queiroz''. Universidade de Saõ Paulo, Piracicaba, SP, Brazil.
Unica––Sao Paulo Sugarcane Agro industry Union, 2004. Sugarcane Agro industry. Available from: < http: //
www.unica.com.br/i_pages/agroindustria_alta.asp > [Accessed: November 2004].
Widmer, JA, 2002. Compatibilidade de tráfego de bitrens de 25M com a Infra-Estrutura Viária Brasileira. II.
Colloquium Internacional de Suspenso˜es, Caxias do Sul, RS, Brazil.

Intento Sin Resolver

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Intento Sin Resolver

Enviado por

Direitos autorais:

Formatos disponíveis

10/5/2019 Un análisis de simulación discreta de un sistema de suministro logístico.

Investigación de transporte Parte E 42 (2006) 191–210

Un análisis de simulación discreta de un sistema de suministro logístico.

Ana Paula Iannoni, Reinaldo Morabito *

* Autor correspondiente. Tel. / Fax: +55 1633518240.

192 AP Iannoni, R. Morabito / Transportation Research Parte E 42 (2006) 191–210

AP Iannoni, R. Morabito / Transportation Research Parte E 42 (2006) 191–210 193

2. El sistema de abastecimiento de los molinos de caña de azúcar.

194 AP Iannoni, R. Morabito / Transportation Research Parte E 42 (2006) 191–210

Fig. 2. Camiones para transportar caña de azúcar picada.

Romeu-julieta (Rj –– picada) 60 Cortado A ,B ,C ,C

Romeu-julieta (Rj –– tallo entero) 12 Tallo entero A ,B ,B 1 6 A,B7

Toco (Tc) 6 Tallo entero A ,B ,B 1 6 A,B7

AP Iannoni, R. Morabito / Transportation Research Parte E 42 (2006) 191–210 195

¿Es un camión que lleva caña de azúcar picada? Entonces:

Fig. 3. Camiones para transportar caña de azúcar de tallo entero.

196 AP Iannoni, R. Morabito / Transportation Research Parte E 42 (2006) 191–210

Fig. 4. Diagrama de flujo del modelo de simulación.

3. Simulación del sistema.

3.1. Construcción de modelos y supuestos.

AP Iannoni, R. Morabito / Transportation Research Parte E 42 (2006) 191–210 197

198 AP Iannoni, R. Morabito / Transportation Research Parte E 42 (2006) 191–210

s Número máximo de camiones frente a la línea C 11 2

3.2. Modelo de validación

AP Iannoni, R. Morabito / Transportation Research Parte E 42 (2006) 191–210 199

4.1. Supuestos del modelo de simulación estocástica.

El modelo de simulación estocástica se realiza mediante distribuciones estadísticas para representar

AP Iannoni, R. Morabito / Transportation Research Parte E 42 (2006) 191–210 201

4.3. Medidas de desempeño

202 AP Iannoni, R. Morabito / Transportation Research Parte E 42 (2006) 191–210

4.4. Resultados al caso de estudio.

AP Iannoni, R. Morabito / Transportation Research Part E 42 (2006) 191–210 203

204 AP Iannoni, R. Morabito / Transportation Research Part E 42 (2006) 191–210

Rodotrem 13.7 5.4 0.059 0.0 sesenta y cinco 52.5

AP Iannoni, R. Morabito / Transportation Research Part E 42 (2006) 191–210 205

Rodotrem 18.2 40.0 0.086 45.8 sesenta y cinco 101.7

206 AP Iannoni, R. Morabito / Transportation Research Part E 42 (2006) 191–210

AP Iannoni, R. Morabito / Transportation Research Part E 42 (2006) 191–210 207

Rodotrem 15.4 18.5 0.096 62.7 sesenta y cinco 96.1

Original 508.2 34,009.7

208 AP Iannoni, R. Morabito / Transportation Research Part E 42 (2006) 191–210

AP Iannoni, R. Morabito / Transportation Research Part E 42 (2006) 191–210 209

210 AP Iannoni, R. Morabito / Transportation Research Part E 42 (2006) 191–210

Você também pode gostar