1.

Revisión marco referencial

La simulación es una de las herramientas más apropiadas para diseñar y

desarrollar un modelo computarizado de cualquier proceso donde este es
enfocado en la carga Contenerizada de SPRC, para evaluar los resultados y
obtener estrategias para mejoras de los procesos.

Para localizar los artículos aquí presentados se realizaron búsquedas

sistemáticas en este caso como fuentes primarias relacionadas con nuestra
idea de tesis encontradas en las bases de datos de universidades locales,
nacionales e internacional, como fuentes secundarias algunas compilaciones
semejantes.

Se realizaron búsquedas en etapas de exploración o evolución del desarrollo

local de la ciudad de Cartagena.

Un estudio realizado muy semejante a nuestro proyecto fundamenta como

título simulación del flujo de carga Contenerizada movilizada por medio
terrestre y marítimo, que tienen como destino un nuevo puerto en Cartagena en
el corregimiento de Santa Ana¨. Tesis (Administración Industrial)- universidad
de Cartagena. Facultad de ciencias económicas, Programa de Administración
Industrial, 2014. Mostrando donde se hallan simulación estables de los
resultados obtenidos que no están dispersos a la situación real proyectada se
realizaron análisis de 5 días aumentando el flujo de camiones así como el
número de contenedores que necesitan ser movilizados teniendo en cuenta el
comportamiento de las vías de acceso.

Se toma como base de referencia un estudio realizado por el docente

Humberto Quintero realizado en el año 2014 titulado ´´RETOS DE IO EN LA
SOCIEDAD PORTUARIA REGIONAL DE CARTAGENA SA´´, en este estudio
que incluyo como empresa a SPRC en la ciudad de Cartagena- Colombia se
encuentran varios aspectos muy importantes de la carga Contenerizada
terrestre a la llegada del puerto: Espera en colas para ingresos en esta el
control de acceso, influyendo la vía de movilización, medición en la espera en
los procesos de radicación de camiones a la hora de entrada del SPRC, y
todos los tiempos que se generan a la hora de entrada Contenerizada al puerto
y sus diferencias.

5.1 Antecedentes

Se hace necesario simular un escenario real cuando el sistema de interés es

bastante complejo; en trabajos anteriores realizando un barrido bibliográfico se
observaron uso de otros softwares de simulación como lo son Flesxim® y
Arena® el cual tiene un enfoque a la logística; nos encontramos con estudios
realizados y escenarios simulados con el entorno de simulación Witness®, el
cual permite entre sus aplicaciones evaluar la infraestructura y el equipamiento
de los sistemas.
Para realizar nuestro trabajo de grado se hará uso del simulador Promodel® el
cual permite simular procesos de manufactura, de servicios y logísticos;
también permite el uso de herramientas de ingeniería aplicadas e inherentes;
por lo cual recrea escenarios reales en busca de mejoras plasmados en un
escenario futuro en donde se incluyen las oportunidades de mejora.
Un caso cercano a esta investigación es la tesis doctoral realizada en Valencia
(España, 2006) realizada por: García Sánchez Álvaro, García Gutiérrez Isabel y
Pérez Juan Laura, del Departamento de Ingeniería de Organización de la
Universidad Politécnica de Madrid, y del área de Ingeniería de Organización del
Departamento de Ingeniería Mecánica de la Universidad Carlos III de Madrid en
el año 2006; desarrollaron el proyecto “Modelado y análisis de un puerto
seco mediante simulación”, el cual tiene como propósito diseñar e
implementar un modelo de simulación de un puerto seco por medio del
Software Witness® y la ilustración de su utilización para la toma de decisiones
relativas a las infraestructuras, mediante el análisis de diversos escenarios de
funcionamiento. Cabe anotar que, un puerto seco es un tipo de terminal a
medio camino entre terminales marítimas y terminales interiores que
corresponden a una red de transporte ferroviario intermodal, pero es más
integrada a la subred de terminales marítimos, actuando hacia el interior de las
terminales costeras, de forma que se agiliza el movimiento de las mercancías,
contribuyendo a descongestionar sus operaciones. Para el desarrollo del
modelo de simulación tuvieron en cuenta si la infraestructura y el equipamiento
del puerto seco serían suficientes para satisfacer la demanda en diversos
escenarios futuros, de esta manera el de simulación proporcionaría un
laboratorio de experimentación donde se anticiparan y cuantificaran los efectos
del conjunto de decisiones y circunstancias externas a que estuviera sometida
la terminal en el futuro.
Otro caso cercano a esta investigación fue el artículo científico realizado por
Contreras María José, Baesler Felipe y Loreto Maldonado; de la Facultad de
Ingeniería, Universidad del Desarrollo, Concepción, Chile, 2010: “Optimización
de las operaciones portuarias mediante simulación y metodología de
superficie de respuesta” en este artículo se presenta los resultados de la
utilización de herramientas de optimización estocástica, mediante simulación
del Software Arena® y la metodología de superficie de respuesta, en un caso
real del ámbito logístico portuario. El problema en estudio corresponde al
dimensionamiento del área de transferencia de contenedores de un nuevo
muelle en el puerto de Coronel, en la octava región del país. Básicamente la
problemática implica definir los requerimientos de equipamiento necesarios
(grúas portacontenedores y camiones) que permitan el cumplimiento de
estándares de utilización y eficiencia del proceso de carga y descarga de
contenedores al menor costo de inversión posible. La metodología utilizada
para resolver el problema consiste en la creación de un modelo de simulación
de eventos discreta, que imita el comportamiento del área de transferencia de
contenedores. Los resultados de diversos experimentos generados por el
modelo de simulación permiten levantar información suficiente para la
aplicación de técnicas de Diseño Experimental que finalmente sirven para la
estimación de una superficie de respuesta que aproxime el comportamiento del
proceso en estudio. Finalmente las ecuaciones estimadas se utilizaron para la
aplicación de un proceso de optimización con el fin de determinar los
requerimientos de equipamiento necesarios para lograr una optimización en el
uso de los recursos. Los resultados obtenidos permiten dimensionar los
requerimientos de equipamiento para dos escenarios diferentes, incorporando
dentro del proceso de optimización la aleatoriedad propia de este tipo de
sistemas, la relación existente de este trabajo investigativo y el nuestro es el
método de recolección de datos que permitan de manera experimental la
creación del nuevo escenario de acuerdo a las mejoras emitidas en la
aplicación de las herramientas de ingeniería.
Entre los trabajos realizados con antelación al nuestro tenemos el artículo
científico realizado en Julio de 2011 realizado por: Escorcia González John y
Martínez Collante Erika de la Universidad Autónoma del Caribe, Facultad
Ingeniería Industrial. Barranquilla, Colombia: “Análisis de la capacidad de
cargue y descargue en la sociedad portuaria regional de Barranquilla
SPRB”, Se analizó el proceso de cargue y descargue de contenedores en
SPRB, se realizó una simulación con el software Arena®; con datos históricos y
toma de tiempos se construyó el diagrama y se identificaron las partes del
sistema, como: las entidades (camiones), los recursos (Straddle Carrier - SC),
las estaciones (entrada, báscula, patio de contenedores y salida), las distancias
recorridas por los camiones, además de las distribuciones estadísticas de las
demoras en cada uno de los procesos halladas por medio del Input Analyzer
del software Arena®, se analizaron en cuatro diferentes escenarios en los que
se modificó la cantidad de SC que realizaban la tarea del cargue y descargue,
probamos con dos, tres, cuatro y cinco; los resultados indicaron que con dos
SC colapsa el sistema, con tres se presentan demoras inaceptables y con cinco
se produce una reducción en los tiempos de atención cercana al 75%.
Convirtiéndose en el escenario recomendado; la relación que tiene la
realización de nuestro trabajo con el que referenciamos es la metodología de
acuerdo a los escenarios recreados y la búsqueda de la reducción y
aprovechamiento de los tiempos y niveles de atención en las actividades de las
terminales portuarias.

Un estudio previo realizado a nuestro puerto de interés fue la realizada por:

Barreto Espinosa Iriana Margarita y Maldonado Alfaro Luis Fernando; Facultad
De Ciencias Económicas, Universidad De Cartagena, Programa De
Administración Industrial, Cartagena De Indias (Bolívar), 2014: “Simulación
del flujo de carga contenerizada movilizada por medios terrestres y
marítimos, que tiene como destino la zona de actividad logística
Cartagena de indias en conexión a la sociedad portuaria regional de
Cartagena”; el presente trabajo contiene un modelo de simulación del flujo de
carga contenerizada por medio del software Promodel®, con fines de
exportación e importación, movilizada por medios terrestres y marítimos, que
tiene como destino la Zona de Actividad Logística Cartagena De Indias en
conexión a la Sociedad Portuaria Regional de Cartagena. Con este proyecto se
busca determinar qué consecuencias traería para la ciudad la construcción de
dicha ZAL, si esta es la solución a los problemas de congestión vehicular en las
vías aledañas a la Sociedad Portuaria Regional de Cartagena, y si realmente
es la manera de volver más eficiente el sistema portuario de Cartagena; la
relación es directa por la realización de un modelo simulado con miras en la
solución a la congestión vial generada por las restricciones halladas en el
sistema buscando siempre mejorar los niveles de atención.
 Movimiento de carga en los puertos de América Latina y el Caribe
aumentó 7,7% en 2018

CEPAL dio a conocer hoy una nueva edición de su informe portuario anual.

3 DE ABRIL DE 2019|COMUNICADO DE PRENSA

 COMERCIO INTERNACIONAL E INTEGRACIÓN

puerto_efe_675.jpg

Foto: EFE/Peter Foley

El movimiento de carga en contenedores en los puertos de América Latina y el Caribe

se incrementó en 7,7% durante 2018 en comparación con el año anterior, según datos
difundidos hoy por la CEPAL. El análisis incluye el comportamiento de una muestra de
31 países y 118 puertos y zonas portuarias de la región.

Según el informe anual entregado por el organismo de las Naciones Unidas – que en
años anteriores fue distribuido bajo el nombre de “ranking portuario”-, los datos
mantuvieron en gran parte la heterogeneidad mostrada en el comportamiento de los
movimientos portuarios en períodos previos, tanto a nivel de puertos como de países.
Del total de la muestra, 66 puertos y zonas portuarias mejoraron sus cifras con respecto
a 2017.
El volumen total de la actividad en 2018 superó los 53,2 millones de TEU[1], lo que
representa un 7,1% del movimiento de contenedores (throughput) mundial,
demostrando un ligero aumento en la variación con relación al año anterior (cuando
alcanzó el 6,6% del throughput global), indica la Comisión Económica para América
Latina y el Caribe (CEPAL).

Los diez países con mayor contribución al total del volumen de carga operado
representaron el 84,1% del movimiento regional. Estos son (ordenados de mayor a
menor según la cantidad de TEU movilizados): Brasil, México, Panamá, Colombia,
Chile, Perú, Argentina, Ecuador, República Dominicana y Jamaica.

Según los datos de la muestra recopilados por la CEPAL, en 2018 la Costa Este de
América del Sur (CEAS) registró un aumento de la actividad de los puertos y zonas
portuarias de 12%, medida por el volumen operado. En tanto, la Costa Oeste de
América del Sur (COAS) continuó con una ligera progresión al alza, creciendo 7% en
2018, comparado con el 6% anotado entre 2016 y 2017. El Caribe marcó un crecimiento
de 12% en el movimiento total de contenedores, mientras que América Central (sin
incluir México) tuvo un crecimiento más sutil de 7% solo en la Costa Oeste, ya que la
Costa Este mantuvo básicamente el mismo movimiento que en 2017. La zona México
Golfo creció 8% en comparación con 2017, y México Pacífico 11%. Panamá, en tanto,
presentó un crecimiento en su costa caribeña (11%) con respecto al total de movimiento
del país, mientras que su costa Pacífico registró una caída de -16%.

En esta oportunidad, el informe portuario anual de la CEPAL incluye algunas

modificaciones en su formato con el fin de incluir otros análisis de los datos, que
también serán incorporados en el futuro al Perfil Marítimo y Logístico[2], que maneja
la institución.

Entre las novedades, se presenta un examen de las toneladas movilizadas por los puertos
y zonas portuarias en 2018. De los 20 puertos y zonas portuarias de la muestra, solo los
de Brasil presentan un tonelaje individual por encima de los 100 millones, mientras que
entre los primeros veinte se cuentan puertos de Argentina, Brasil, Colombia, México y
Panamá.

También se incluye un análisis de la importancia relativa del transbordo[3] de

contenedores sobre el throughput total del país. En los primeros 10 países, el total de
transbordo representa casi el 30% del total de throughput de los 31 países y los 118
puertos y zonas portuarias consideradas. Los puertos del Caribe representan un 22,3%,
mientras que es notoria la importancia que tiene la Costa Este de América del Sur en
2018.

A modo de comparación, la CEPAL incluye además el movimiento de puertos a nivel

mundial en 2018, el cual está encabezado por Shanghai (China), con 42.010.000 de
TEU movilizados. Aquí se aprecia un verdadero abismo de diferencia de casi 38
millones de TEU con relación a la primera posición regional, que ostenta el puerto de
Colón (MIT, Evergreen, Panamá Port), que marcó poco más de 4.324.000 de TEU el
año pasado. Los diez mayores puertos a nivel mundial representan un 32,2%
del throughput global de 2018, mientras que los de América Latina y el Caribe
representan solo el 3,5%.
Más información:
bido por Serdjo Kos
Contenido del autor
Descargar PDF de texto completo
Serðo Kos, Ph.D. Artículo científico original
Mirano Hess, M.Sc. UDK: 519.876.5
Svjetlana Hess, Ph.D. 656.61.073.21/.25
Facultad de Estudios Marítimos Rijeka Primljeno: 06 de abril de 2006
Studentska 2 Prihvaæeno: 18 de abril de 2006
51 000 RIJEKA
Un método de simulación en el modelado.
FACTORES DE EXPLOTACIÓN DE LOS PUERTOS QUE SALEN
SISTEMAS
Si bien se ha dedicado una considerable cantidad de esfuerzo de investigación a
Deling Seaport Systems, modelos capaces de producir resultados que coincidan con los
datos.
están resultando difícil de alcanzar. En este trabajo, hemos contribuido a la literatura
que
Modela sistemas de puertos como los procesos de colas y construye un equilibrio
general.
modelo adecuado tanto para el análisis de una serie de posibles des-
terminantes del comportamiento de los sistemas, y la realización de un análisis
numérico
de los índices de funcionamiento del sistema portuario. Además, buscamos establecer
los
papel esencial desempeñado por diversos elementos que afectan el comportamiento
operacional de
el sistema. El modelo propuesto está probado con datos reales de la carga a granel de
Bakar.
terminal. Usando el conjunto de datos de varios años, hemos sintetizado las variaciones
en el ter-
Índices de operación de los minerales. Siguiendo el supuesto de que la descarga ter -
Minal para carga a granel presenta el sistema de colas tipo M / M / 1, mientras que la
carga
terminal muestra el comportamiento del sistema de colas tipo M / D / 1, el objetivo es
crear el modelo de simulación que dará lugar a la explicación funcional de la
índices de comportamiento y ayudar en el procedimiento de toma de decisiones para
mejorar la
Eficacia del sistema portuario.
Terminales de carga para carga a granel.
1. INTRODUCCIÓN
Procesos en puertos de carga a granel que se caracterizan por ser impredecibles y
La capacidad de cambio se llama estocástico porque los parámetros que determinan
estos
Los procesos son los estocásticos.
S. KOS, M. HESS, S. HESS: un método de simulación para modelar factores de
explotación de ...
Pomorstvo, dios. 20. (2006), str. 67-85 67
Para la investigación científica de los procesos que tienen lugar en el puerto, el
Se puede utilizar la teoría de colas. Interdependencia entre la entidad que llega a la
La terminal de carga a granel de Bakar, a la espera de servicio, y su salida del sistema,
es
Determinado por modelos matemáticos de la teoría de colas. La suposición ha sido ...
hizo que el terminal de descarga para carga a granel se comporte como la cola
tipo de sistema M / M / 1, mientras que el terminal de carga muestra el comportamiento
de la cola -
Sistema de uing tipo M / D / 1.
Dado que la situación real puede ser muy complejo, que no siempre es posible ap -
desarrollar los métodos analíticos. El proceso de colas puede ser relativamente simple-
Establecido utilizando modelos de simulación. El modelo será probado con datos reales
de la
Terminal de carga a granel Bakar.
Antes de ilustrar y aplicar el método de simulación, es necesario
Dar algunas características básicas del sistema portuario.
2. TERMINAL DE CARGA A GRANEL EN BAKAR
Al analizar un puerto como un sistema de colas, las siguientes suposiciones son
hecho [9, p. 493]:
• No es posible anticipar la hora exacta de llegada de los buques a la
terminal, ya que depende de la ruta y la velocidad del barco, las condiciones climáticas,
Organización de los procesos de transporte marítimo y otros motivos.
• Tampoco es posible predecir con precisión el tiempo de servicio de un barco,
es decir,
La duración del transbordo, ya que depende del tipo de carga, la
Cantidad de carga cargada a bordo de un buque, capacidad y tecnología de
instalaciones de transbordo, las condiciones meteorológicas, la organización del puerto
de trans -
procesos de envío etc.
Como resultado de estos factores, aparece el empleo de amarre irregular. Si el
el número de barcos que llegan es mayor que la capacidad de atraque, es decir, el
número de
los barcos que pueden recibir servicio en una unidad de tiempo, luego los barcos hacen
cola o, a la inversa, si
hay pocos barcos, no hacen cola, sin embargo, el atracadero (o instalación) es único .
empleado
Un cambio en el número de amarres tiene un impacto en ciertos índices terminales -
a través del aumento en el número de amarres, en el número de barcos en la cola
y en la terminal, así como en el tiempo de espera y la duración de la estancia del barco
en
la terminal.
Desde el punto de vista de la teoría de colas, una terminal de carga a granel tiene lo
siguiente
características [16, p. 54, 55]:
• el terminal es un sistema abierto ya que los barcos no son una parte integral
de la SY -
vástago,
S. KOS, M. HESS, S. HESS: un método de simulación para modelar factores de
explotación de ...
68 Pomorstvo, dios. 20. (2006), str. 67-85
• la terminal de carga a granel de Bakar tiene dos muelles especializados (una
carga y
descargando uno) como lugares de servicio para el cual en el mar o eventualmente en
se forman líneas de cola de la nave de anclaje,
• un número ilimitado de barcos en espera de servicio,
• los barcos son pacientes pacientes, no abandonan la cola,
• el número de llegadas del barco, así como la duración del servicio, es decir,
La duración de la estancia del buque en el muelle de descarga se asigna de acuerdo con
ciertas distribuciones teóricas (la mayoría de las veces basadas en Poisson y Er -
orden de distribución de lang k , donde k es un número natural). El tiempo de
servicio
de un barco, junto con el tiempo empleado en hacer cola, representa la
Permanecer en la terminal y es uno de los índices más significativos de carga a granel.
operaciones portuarias,
• el tiempo de servicio, que es el tiempo que un barco pasa en el muelle para
cargar
Para propósitos, tiene una distribución determinada porque el tiempo de carga es
constante, ya que se supone que la carga no tiene interrupciones ni cuellos de botella,
• una ayuda mutua entre los terminales de carga y descarga no
existe,
• en lo que respecta a la disciplina de colas, una terminal de carga a granel es
un sistema donde
El servicio se realiza con mayor frecuencia de acuerdo con la norma FIFO (primera
primeramente servido), sin ninguna prioridad.
El curso de las llegadas de barcos es el curso estacionario de Poisson con el siguiente
propiedades de baja [9, p. 495]:
• Independencia del tiempo, en el corto tiempo arbitrario la probabilidad de la
llegada.
de más de un barco es muy pequeño, es decir, los barcos entran en un puerto por
separado,
• propiedad "sin memoria", los arribos de los buques son independientes,
• l a estacionariedad, la intensidad de un curso de barco es
independiente del tiempo ya que es un
Valor constante que depende solo de la duración del periodo observado.
Los parámetros básicos de una terminal de carga a granel son el barco.tasa de llegada l
y
la tasa de servicio m .
Para un sistema de cola de terminales de carga a granel , el parámetro l representa
el
número medio de graneleros o la cantidad de cargamentos a granel que llegaron a un
puerto dentro de un intervalo de tiempo observado (por ejemplo, dentro de un año, mes
o día).
Es el período de tiempo que transcurre entre las dos llegadas consecutivas del barco,
una media aritmética, que representa el intervalo promedio entre dos con -
Se pueden calcular las llegadas de la nave ( t ). Este intervalo es, de hecho, el
arr
Valor recíproco de la tasa de llegada del barco:
t = 1 /l ol = 1 / t .,
arr arr
S. KOS, M. HESS, S. HESS: un método de simulación para modelar factores de
explotación de ...
Pomorstvo, dios. 20. (2006), str. 67-85 69
La tasa de servicio se puede explicar de manera análoga. Representa el promedio
número de buques de carga a granel o la cantidad de cargamentos a granel que pueden
ser atendidos en
un intervalo de tiempo en literas particulares.
Si el número de barcos que pueden ser atendidos dentro de un intervalo de tiempo
observado es
desconocido y la duración del servicio por barco es solo conocida, entonces el arit -
el patrón de la media metical representa la duración promedio del servicio por barco ( t
)y
serv
el tiempo es el valor recíproco de la tasa de servicio:
t = 1 /m, o r m = 1 / t
serv serv
El parámetro m representa la capacidad de alojamiento de un muelle y la
multiplicando S × m
, donde S es el símbolo para el número de amarres, representa el
Capacidad de alojamiento de una terminal.
El cociente de tasas de llegada y servicio representa la tasa de empleo en el muelle o
la tasa de tráfico r :
En la práctica, los valores de parámetro l ym se determinan sobre la base de la
Datos empíricos o evaluación según el objetivo y objeto de investigación.
La terminal de carga a granel en Bakar contiene la descarga y carga a granel
terminales
Estos terminales están asignados para manejar varios tipos de cargas a granel , hierro
mineral, hulla, bauxita, fosfato. Sin embargo, en los últimos años, el carbón representa
el
La mayoría de la carga se maneja en ese puerto. Los terminales tienen un máximo.
Grado de utilización para cargas con mayor gravedad específica, por ejemplo, hierro
mineral. La posibilidad limitante de ampliar las capacidades portuarias , en cuanto a-
se refiere a la protección, descanse en el número de vagones estacionados por día. El
amo -
la carga transportada por vagones equivale a 7,000 - 8,000 toneladas por día, y la
La capacidad máxima del centro de distribución de vagones es de 14,000 toneladas. La
instalación
Las capacidades se presentan en la tabla 1.
Debe tenerse en cuenta en la tabla no. 1 que la grúa no. 1 fue desmantelado en 2004
y la grúa no. 3 se instaló en 2002. Sin embargo, esta nueva grúa aún no ha sido
ha sido utilizado para fines de descarga, excepto para el período de prueba, y por lo
tanto será
No se considerará en los cálculos a lo largo de este documento.
Dado que el proceso de transbordo consiste en varias operaciones tecnológicas.
(pesaje de carga, transporte de carga con transportador desde el almacén hasta el barco,
carga a bordo de un barco), la capacidad máxima teórica de la carga ter -
Minal incluye la capacidad máxima de cada equipo que participa.
en el transbordo (grúas, transportadores, estación de distribución, báscula puente, sto -
rabia, vagones). La capacidad máxima teórica implica la máxima capacidad .
Ciudad del equipamiento con la capacidad mínima en la cadena de transbordo.
S. KOS, M. HESS, S. HESS: un método de simulación para modelar factores de
explotación de ...
70 Pomorstvo, dios. 20. (2006), str. 67-85
S. KOS, M. HESS, S. HESS: un método de simulación para modelar factores de
explotación de ...
Pomorstvo, dios. 20. (2006), str. 67-85 71
Tabla 1. Capacidades de las instalaciones de la terminal de carga a granel en Bakar.
Fuente: Puerto de Rijeka [11 ]
La capacidad del terminal es la capacidad máxima del terminal reducida para el
Carga que no haya sido transbordada durante las pausas, incluidas las roturas causadas.
Por fallas mecánicas de los equipos, provocadas por el mantenimiento.y limpieza de
Las instalaciones, las pausas de trabajo y el tiempo dedicado al amarre y al desamarre
del barco.
procedimiento.
Finalmente, la cantidad de la carga transbordada en un puerto no depende solamente de
en las capacidades de equipamiento, transporte y almacenamiento, pero también en
algunos aspectos externos :
tors Estos son:
• el transporte de carga dentro y fuera del puerto en función del flujo
ferroviario
Tasa, tasa de flujo del eje ferroviario y almacenamientos interiores,
• la demanda de carga,
• Pausas causadas por condiciones climáticas o huelgas.
La capacidad de mercado tecnológico de la terminal incluye lo anterior :
tors, y se calcula teniendo en cuenta la capacidad del terminal y el se -
Registro de flujo de carga en todo el año.
3. SIMULACIÓN DE LA CARGA A GRANEL.
TERMINAL EN BAKAR
Proponemos que se observe el comportamiento del terminal de carga a granel.
como el sistema de colas tipo M / M / 1 y el terminal de carga a granel de carga
violar como el sistema de colas tipo M / D / 1. Los procesos en el puerto serán ex-
Minado a través del método de simulación. Los resultados del modelo de simulación
pueden
Sirven como indicadores del comportamiento del sistema.
Al modelar los procesos es esencial lo siguiente:
• Para disponer de los datos en los procesos del sistema que se recopilan
principalmente por
registro estadístico, y luego seguido de un análisis estadístico,
• para formar un modelo de simulación, en el proceso del cual es importante
de -
termine la unidad de tiempo de simulación, el período de simulación y la simu -
modo de lación. Es posible, en cada intervalo de tiempo, simular el número de
las llegadas del barco o (como en este caso) para simular el tiempo entre par -
Llegadas particulares. El modelo se puede presentar descriptivamente en los siguientes
pasos:
• generar el número aleatorio para la variable x, que es el tiempo entre
Dos pausas, utilizando la distribución registrada.
• generar el número aleatorio para la variable y, que es el tiempo de servicio,
• determinar la hora de inicio y finalización del servicio, en la que el
Procesamiento de la ocupación terminal debe ser abordado; si el terminal tiene
Estuvo inactivo en el momento de la llegada de un nuevo barco, luego registre la
terminal
período de espera y, por el contrario, registrar el período de espera del barco,
S. KOS, M. HESS, S. HESS: un método de simulación para modelar factores de
explotación de ...
72 Pomorstvo, dios. 20. (2006), str. 67-85
• Repita la simulación desde el primer paso hasta el final del tiempo .
extraído como un período de simulación,
• Hacer un análisis y obtener una conclusión.
3.1. Simulación de terminal de descarga de carga a granel.
Los datos empíricos de la distribución del tiempo de llegada entre dos barcos se
presentan en
tabla 2, y los datos del tiempo de servicio del barco se muestran en la tabla 3. Sobre la
base de estos
Se pueden realizar datos de la simulación del funcionamiento del terminal. El paso
previo es
determinar los intervalos de números aleatorios sobre la base de la probabilidad
acumulada -
habilidades
Tabla 2. Distribución horaria entre las llegadas de dos barcos.
Tiempo entre dos llegadas (día)
X
Probabilidad
p (x)
Acumulativo
probabilidad
0 - 3 1.5 0.09 0.09
3 - 6 4.5 0.29 0.38
6 - 9 7.5 0.33 0.71
9 - 12 10.5 0.19 0.90
12 - 15 13.5 0.08 0.98
15 - 18 16.5 0.02 1.00
Tabla 3. Distribución de probabilidad de tiempos de servicio
acumulada
Tiempo de servicio (día) Probabilidad
probabilidad
3 0.06 0.06
4 0.21 0.27
5 0.26 0.53
6 0.33 0.86
7 0.14 1.00
S. KOS, M. HESS, S. HESS: un método de simulación para modelar factores de
explotación de ...
Pomorstvo, dios. 20. (2006), str. 67-85 73
Sobre la base de los datos presentados en las tablas anteriores, el tiempo promedio de
llegada y
Se ha calculado el tiempo medio de servicio:
x x p a g
X = ×
= ( )
å 7.32 días / nave
y y p a g
y = ×
= ( )
å 5.28 días / nave
A continuación, los parámetros del sistema y la tasa de ocupación del lugar de servicio
(tráfico
tasa) deben calcularse y simular el funcionamiento del terminal durante el
período de simulación.
Los índices de operación de la terminal de carga a granel de descarga son:
• tasa de llegada de los buques
1
0.1366 nave / día = 4.1 naves / mes,

x
• tasa de servicio
1
0.1894 nave / día = 5.7 naves / mes,

y
• tasa lde tráfico
r
0.7212,
• el número promedio de barcos en la terminal (en cola y en servicio)
Con el supuesto de las llegadas y distribución de Poisson.
L = =

- 2.587 naves.

r1
Según los índices, el terminal de descarga se explota en gran medida -
centaje considerando capacidades de entrada. La simulación se ha realizado sobre la
base.
de 365 días que tiene un año calendario, en este caso el año 2005. Los resultados se pre
-
enviado en la tabla 4.
S. KOS, M. HESS, S. HESS: un método de simulación para modelar factores de
explotación de ...
74 Pomorstvo, dios. 20. (2006), str. 67-85
S. KOS, M. HESS, S. HESS: un método de simulación para modelar factores de
explotación de ...
Pomorstvo, dios. 20. (2006), str.67-85 75
Tabla 4. Simulación del terminal de descarga de carga a granel (año 2005).
3.2. Análisis de simulación de descarga de terminal de carga a granel.
Las dos últimas filas de la tabla 4 contienen resultados que se utilizan para el análisis de
la
Descargando modelo de simulación de terminal.
La suma de los valores variables de x asciende a 358.5 días. Teniendo en cuenta que la
el número de pasos simulados es 49, entonces el valor promedio de la variable x es
x = 7.316 días,
y el tiempo promedio de servicio
y = 5.102 días.
Estos son los resultados del primer experimento. Del mismo modo, otros nueve
experimentos.
se realizaron y los resultados de los experimentos se dan en la siguiente tabla (tabla
5).
Tabla 5. Resultados de diez experimentos de simulación de terminal de descarga de
carga a granel
(año 2005)
var. X
No
var. y

(día)
(día)
Terminal
esperando
(día)
Enviar
esperando
(día)
No. de
¢
observación
¢
x
y
1. 358.5 250 114 55 49 7.32 5.10
2. 362 253 108 53.5 50 7.24 5.06
3. 357.5 249 108 51.5 49 7.30 5.08
4. 360.5 252 108.5 52 49 7.36 5.14
5. 358 248 110 54 48 7,46 5,17
6. 360 254 106 57 50 7.20 5.08
7. 361.5 252 109.5 52.5 51 7.09 4.94
8. 359.5 250 108 55 49 7.34 5.10
9. 362 254 106 53 48 7,54 5,29
10. 364 253 111 61 50 7,28 5,06
Comparado con los promedios calculados sobre la base de datos empíricos obtenidos
por registro estadístico, puede ser s concluyeron que los promedios obtenidos por si -
La mulación no se aparta de las iniciales. La razón de esto es más pro -
Bably período de simulación relativamente largo de un año.
El valor promedio de la variable x para diez experimentos asciende a ¢
x = días, y
el tiempo promedio de servicio a ¢
y = 5.102 días. A continuación, la desviación estándar y
S. KOS, M. HESS, S. HESS: un método de simulación para modelar factores de
explotación de ...
76 Pomorstvo, dios. 20. (2006), str. 67-85
la varianza de los resultados de estos diez experimentos para la variable x es s =
0.127, V =
1.737%, y para la variable y desviación estándar s = 0.089, y varianza V = 1.755
%. Los resultados de la varianza apuntan a una dispersión extremadamente baja de
valores únicos de
promedios de la variable x y la variable y .
El tiempo total de espera de la terminal en 2005 en promedio es de 108.9 días,
que en el período de simulación total (365 días) da como resultado una proporción de
0.30. Esta
significa que la terminal estuvo desocupada en un 30% durante 2005, a la espera de
nave para llegar. Los barcos estaban esperando en total 54,45 días en el muelle libre.
Comparando
estos valores, es obvio que la "reserva" de buques no se hizo en el sentido de
Capacidad óptima de empleo de la terminal. Sin embargo, considerando resultados para
El año 2002 (251,5 días de tiempo de espera de la terminal) perceptible es un gran salto
en ter .
La productividad de Minal.
3.3. Simulación de terminal de carga a granel.
Los datos empíricos de la distribución del tiempo de llegada entre dos barcos se
presentan en
tabla 6. El tiempo de servicio del barco es determinista y asciende a 3 días para el barco
de
10.000 muertos. Estos datos posibilitan la simulación de carga del terminal.
operando.
Tabla 6. Distribución del tiempo entre las llegadas de dos barcos.
Tiempo entre dos llegadas (día)
X
Probabilidad
p (x)
Acumulativo
probabilidad
0 - 2 1 0.22 0.22
2 - 4 3 0.49 0.71
4 - 6 5 0.13 0.84
6 - 8 7 0.09 0.93
8 - 10 9 0.07 1.00
De los datos en la tabla 6, el tiempo promedio entre las llegadas de dos barcos es ob -
mantenido
x x p a g
X = ×
= ( )
å 3.6 días / envío
y = días / barco
A continuación, se realizará el cálculo de los parámetros del sistema y la tasa de tráfico,
seguido de la simulación del funcionamiento del terminal durante el período de
simulación.
S. KOS, M. HESS, S. HESS: un método de simulación para modelar factores de
explotación de ...
Pomorstvo, dios. 20. (2006), str. 67-85 77
Los índices de operación de la terminal de carga a granel de carga son:
• tasa de llegada de los buques
1
0.278 nave / día = 8.333 naves / mes,

x
• tasa de servicio
1
 0.333 nave / día = 9.999 naves / mes,

y
• tasa lde tráfico
r
0.835,
• el número promedio de barcos en la terminal (en cola y en servicio)
Con el supuesto de las llegadas de Poisson y la distribución determinista.
r
L = + =r

-
2
2 1 ( )
2.948 buques.
Según los índices, el terminal de carga también está bastante ocupado considerando
capacidades de entrada. La simulación se ha realizado sobre la base de 365 días que es
un año calendario, en este caso año 2005. Los resultados se presentan en la tabla 7.
Tabla 7. Simulación de terminal de carga a granel (año 2005).
No.
LLEGADAS AL SERVICIO DE ESPERA
Var. X
(día)
enviar
llegada
día
Var. X
comenzando

(día)
Acabado del

día
Terminal del

día
barco

(día)
(día)
1 3 04.01. 3 04.01. 07.01. - 2
2 1 05.01. 3 07.01. 10.01. - 4
3 1 06.01. 3 10.01. 13.01. - 4
4 3 09.01. 3 13.01. 16.01. - 4
5 3 12.01. 3 16.01. 19.01. - 4
6 3 15.01. 3 19.01. 22.01. - 4
7 3 18.01. 3 22.01. 25.01. - 2
8 5 23.01. 3 25.01. 28.01. 2 -
9 7 30.01. 3 30.01. 02.02. - -
10 3 02.02. 3 02.02. 05.02. 4 -
S. KOS, M. HESS, S. HESS: un método de simulación para modelar factores de
explotación de ...
78 Pomorstvo, dios. 20. (2006), str. 67-85
11 7 09.02. 3 09.02. 12.02. - -
12 3 12.02. 3 12.02. 15.02. - -
13 3 15.02. 3 15.02. 18.02. - -
14 3 18.02. 3 18.02. 21.02. - -
15 3 21.02. 3 21.02. 24.02. - -
16 3 24.02. 3 24.02. 27.02. - 2
17 1 25.02. 3 27.02. 02.03. - 2
18 3 28.02. 3 02.03. 05.03. - 4
19 1 01.03. 3 05.03. 08.03. - 4
20 3 04.03. 3 08.03. 11.03. - 4
21 3 07.03. 3 11.03. 14.03. - 4
22 3 10.03. 3 14.03. 17.03. - 4
23 3 13.03. 3 17.03. 20.03. - 6
24 1 14.03. 3 20.03. 23.03. - 6
25 3 17.03. 3 23.03. 26.03. - 6
26 3 20.03. 3 26.03. 29.03. - 2
27 7 27.03. 3 29.03. 01.04. - 2
28 3 30.03. 3 01.04. 04.04. - 2
29 3 02.04. 3 04.04. 07.04. - 2
30 3 05.04. 3 07.04. 10.04. - 4
31 1 06.04. 3 10.04. 13.04. - 4
32 3 09.04. 3 13.04. 16.04. - 4
33 3 12.04. 3 16.04. 19.04. - 6
34 1 13.04. 3 19.04. 22.04. - 4
35 5 18.04. 3 22.04. 25.04. - 4
36 3 21.04. 3 25.04. 28.04. - 4
37 3 24.04. 3 28.04. 01.05. - 4
38 3 27.04. 3 01.05. 04.05. - 6
39 1 28.04. 3 04.05. 07.05. - 2
40 7 05.05. 3 07.05. 10.05. 2 -
41 7 12.05. 3 12.05. 15.05. - -
42 3 15.05. 3 15.05. 18.05. - -
43 3 18.05. 3 18.05. 21.05. - -
44 3 21.05. 3 21.05. 24.05. - 2
45 1 22.05. 3 24.05. 27.05. 2 -
46 7 29.05. 3 29.05. 01.06. 4 -
47 7 05.06. 3 05.06. 08.06. - 2
48 1 06.06. 3 08.06. 11.06. - 2
49 3 09.06. 3 11.06. 14.06. 2 -
S. KOS, M. HESS, S. HESS: un método de simulación para modelar factores de
explotación de ...
Pomorstvo, dios. 20. (2006), str. 67-85 79
S. KOS, M. HESS, S. HESS: un método de simulación para modelar factores de
explotación de ...
80 Pomorstvo, dios. 20. (2006), str. 67-85
50 7 16.06. 3 16.06. 19.06. - -
51 3 19.06. 3 19.06. 22.06. 4 -
52 7 26.06. 3 26.06. 29.06. 4 -
53 7 03.07. 3 03.07. 06.07. - 2
54 1 04.07. 3 06.07. 09.07. - -
55 9 13.07. 3 13.07. 16.07. 4 -
56 5 18.07. 3 18.07. 21.07. 2 -
57 3 21.07. 3 21.07. 24.07. - 2
58 1 22.07. 3 24.07. 27.07. 4 -
59 9 31.07. 3 31.07. 03.08. - -
60 3 03.08. 3 03.08. 06.08. - 2
61 1 04.08. 3 06.08. 09.08. 2 -
62 7 11.08. 3 11.08. 14.08. - -
63 3 14.08. 3 14.08. 17.08. - 2
64 1 15.08. 3 17.08. 20.08. 4 -
65 9 24.08. 3 24.08. 27.08. 2 -
66 5 29.08. 3 29.08. 01.09. 2 -
67 5 03.09. 3 03.09. 06.09. - -
68 3 06.09. 3 06.09. 09.09. - -
69 3 09.09. 3 09.09. 12.09. - -
70 3 12.09. 3 12.09. 15.09. 6 -
71 9 21.09. 3 21.09. 24.09. 2 -
72 5 26.09. 3 26.09. 29.09. - 2
73 1 27.09. 3 29.09. 02.10. - 4
74 1 28.09. 3 02.10. 05.10. - 4
75 3 01.10. 3 05.10. 08.10. - 4
76 3 04.10. 3 08.10. 11.10. - 4
77 3 07.10. 3 11.10. 14.10. - 2
78 5 12,10. 3 14.10. 17.10. - 4
79 1 13,10. 3 17.10. 20.10. - 6
80 1 14.10. 3 20.10. 23.10. - 6
81 3 17.10. 3 23.10. 26.10. - 8
82 1 18.10. 3 26.10. 29.10. - 8
83 3 21.10. 3 29.10. 01.11. - 6
84 5 26,10. 3 01.11. 04.11. - 6
85 3 29.10. 3 04.11. 07.11. - 6
86 3 01.11. 3 07.11. 10.11. - 8
87 1 02.11. 3 10.11. 13.11. - 8
88 3 05.11. 3 13.11. 16.11. - 2
89 9 14.11. 3 16.11. 19.11. 4 -
90 9 23.11. 3 23.11. 26.11. - -
91 3 26.11. 3 26.11. 29.11. 2 -
92 5 01.12. 3 01.12. 04.12. - -
93 3 04.12. 3 04.12. 07.12. - -
94 3 07.12. 3 07.12. 10.12. - -
95 3 10.12. 3 10.12. 13.12. - -
96 3 13,12. 3 13.12. 16.12. 4 -
97 7 20.12. 3 20.12. 23.12. - -
98 3 23.12. 3 23.12. 26.12. - -
99 3 26,12. 3 26.12. 29.12. - -
100 3 29,12. 3 29.12. 01.01. - -
SUM1 362 300 62 216
Comparación
360 114 249
por el año 2002
3.4. Análisis de la simulación de LOADING TERMINAL.
Las dos últimas filas de la tabla 7 contienen resultados que se utilizan para el análisis de
la
Modelo de simulación de terminal de carga.
La suma de los valores de la variable x asciende a 362 días. Teniendo en cuenta
que la
el número de pasos simulados es 100, entonces el valor promedio de la variable x es
igual a
x = 3.62 días, días,
y el tiempo de servicio se toma como determinista y equivale a
y = días.
Aquí nuevamente, se realizaron otros nueve experimentos y los resultados de la
experiencia .
Los detalles se dan en la siguiente tabla (tabla 8).
Tabla 8. Resultados de diez experimentos de simulación de terminal de carga a granel.
(año 2005)
var. X
No
var. y

(día)
(día)
Terminal
esperando
(día)
Enviar
esperando
(día)
No. de
observa
¢

cación
¢
x
y
1. 362 300 62 216 100 3,62 3
2. 364 303 61 200 101 3,60 3
S. KOS, M. HESS, S. HESS: un método de simulación para modelar factores de
explotación de ...
Pomorstvo, dios. 20. (2006), str. 67-85 81
3. 360 297 63 203 99 3,64 3
4. 361 294 67 209 98 3,68 3
5. 362 300 62 210 100 3,62 3
6. 360 297 63 216 99 3,64 3
7. 361 294 67 218 98 3,68 3
8. 365 306 59 214 102 3.58 3
9. 360 303 57 217 101 3.56 3
10. 363 303 60 213 101 3.59 3
En comparación con los promedios calculados sobre la base de datos empíricos ob -
retenido por el registro estadístico, se puede concluir que los promedios obtenidos por
La simulación no se aparta de las iniciales. La razón de esto es más pro-
Bably período de simulación relativamente largo de un año.
El valor promedio de la variable x para diez experimentos equivale a días, y la
El tiempo de servicio es determinista por = 3 días. A continuación, dev estándariación
y la varianza de los resultados de estos diez experimentos para la variable x son
s = 0.040,
V = 1,105%. Resultados of variance señala aganancia a extremendamente lOw
Dispersión de
valores únicos a partir de los promedios .
El tiempo total de espera del terminal de carga es de un promedio de 62.1 días, que en total
El período de simulación (365 días) resulta en una proporción de 0.17. Esto significa que el
la terminal estuvo desocupada el 17% del tiempo en el año 2005, esperando la llegada del barco y 83
% de tiempo estuvo ocupado. Las naves que llegaban en carga a granel estaban en promedio
esperando
211.6 días de atraque gratuito, que es considerablemente alto (58% días del año).
Comparando estos valores, muestra una vez más que la "reserva" de buques no se realizó en el
Sentido de capacidad óptima de empleo de la terminal. Sin embargo, considerando resultados
Para el año 2002, se nota un gran salto en la productividad de la terminal.
4. CONCLUSIÓN
En el artículo, para la investigación de procesos de operación e índices de
comportamiento que
tener lugar en puerto se utiliza la teoría de colas . Interdependencia entre entidad
llegadas al puerto de carga a granel Bakar, esperando el servicio y su salida del sistema
Está determinado por los modelos matemáticos de la teoría de colas. Procesos a granel
Los puertos de carga que se caracterizan por la imprevisibilidad y la capacidad de
cambio son
Determinado con parámetros estocásticos. Dado que la situación real puede ser muy
com -
Plex, no siempre es posible aplicar los métodos analíticos.
S. KOS, M. HESS, S. HESS: un método de simulación para modelar factores de
explotación de ...
82 Pomorstvo, dios. 20. (2006), str. 67-85
Suponiendo que el terminal de descarga para carga a granel se comporte como la cola
el tipo de sistema M / M / 1, mientras que el terminal de carga muestra el
comportamiento del sistema de colas
tipo M / D / 1, construimos un modelo de equilibrio general que resultó ser adecuado
tanto para analizar una serie de determinantes potenciales del comportamiento de los
sistemas,
Y también para realizar un análisis numérico de la operación del sistema portuario.
índices.
Uso de conjuntos de datos para los años 2005 y 2002 (no se muestra en este documento
por el bien
de conservación del espacio) construimos un modelo de simulación que resultó en
funcional
explicación de los índices de comportamiento y procedimiento de toma de decisiones
para mejorar ef -
fectividad del sistema portuario marítimo
El puerto de carga a granel Bakar tiene dos terminales especializados para el transbordo
de
Carga a granel - terminales de carga y descarga. El terminal de carga es de -
multado por el sistema de colas M / D / 1, lo que significa que las llegadas de los
barcos son de Poisson
distribuido, el tiempo de servicio es constante y el terminal tiene un muelle, que
representa
lugar de servicio. Se calculan los parámetros apropiados, así como los índices.
La explotabilidad de ambas terminales en 2005 ha cambiado drásticamente en
A diferencia del año 2002, ha ascendido a 83% para carga terminal y 79%
para la descarga del terminal. Todavía hay un espacio para mejoras y mejores.
Utilización de los recursos existentes. Esto es especialmente cierto teniendo en cuenta
Capacidades de carga terminal de instalaciones.
Teniendo en cuenta la capacidad de la grúa no. 3, está claro que la descarga
El terminal está sobre capacitado y en un futuro cercano no hay necesidad de invertir en
Mejora de la capacidad y ampliación de instalaciones. A su debido tiempo una
estrategia debe ser
Desarrollado para dibujar nuevas cargas con el fin de mantener ocupadas las
instalaciones existentes.
S. KOS, M. HESS, S. HESS: un método de simulación para modelar factores de
explotación de ...
Pomorstvo, dios. 20. (2006), str. 67-85 83
LITERATURA
1 Barkoviæ, D., Operacijska istra ivanja , Ekonomski fakultet Osijek, Osijek, 2001.
2. Bose SJ, Introducción a los sistemas de colas , Capítulo 1, Kluwer / Plenum Pu-
blishers, 2002
3. Camm, JD y JR Evans, Management Science: Modeling, Analysis and
Interpretación , South-Western College Publishing, Cincinnatti, OH, 1996
4. Evans, JR, Hojas de cálculo como herramienta para la simulación de enseñanza,
INFORMS Trans-
acciones sobre la educación, 2000, vol. 1, No. 1
5. Grossman, TA, Modelado y simulación de hojas de cálculo mejora la comprensión
de
Queues , Interfaces vol.29, no.3, 1999, pp.88-103.,
6. Ingolfsson, A., simulación gráfica de colas de hojas de cálculo , School of Business
Universidad de Alberta Edmonton, Alberta, Canadá y Thomas A. Grossman, Jr.,
Facultad de Administración de la Universidad de Calgary, Calgary, Alberta, Canadá
(2005)
7. Ivkoviæ, Z., Uvod u teoriju verovatnoæe, sluèajne procese i matematièku statistiku,
Graðevinska knjiga, Beograd, 1970.
8. Lawrence, JA y BA Pasternack, Applied Management Science, una Comisión
Enfoque integrado por puter para la toma de decisiones , John Wiley and Sons, Nueva
York,
Nueva York., 1998
9. Laziæ, M. Primena metoda teorije masovnog opslu ivanja u analizi vremena
zadr avanja brodova u luci Koper, Saobraæaj 28, 1981., 493-499.
10. Little, J. D. C., Prueba de la fórmula de colas L = 1 W , Investigación de
operaciones, 9,
383-387 (1961).
11. Puerto Bakar - terminal de carga a granel, puerto de Rijeka, Rijeka, 2005.
12. Tijms, HC, modelos estocásticos, un enfoque algorítmico , Wiley, Nueva York,
1994
13. Van Dijk N.M., a la piscina o no a la piscina? - los beneficios de combinar colas y
Simulación , Actas de la Winter Simulation Conference, 2002.
14. Whitt, W., Planning Queuing Simulations , Management Science, vol. 35, nº 11,
1989, pp. 1341-1366.
15. Whitt, W., Glynn, PW y Melamed, B., Estimación de los promedios de clientes y
tiempo ,
Investigación de Operaciones, vol. 41, No. 2, 1993, pp. 400-408.
16. Zenzeroviæ, Z., Teorija redova èekanja, Stohastièki procesi II dio , autorizirana
predavanja, Pomorski fakultet u Rijeci, Rijeka, 2003.
17. http://staff.um.edu.mt/jskl1/simweb/mm1.htm
18. http://www.cs.vu.nl/obp/queueing/MDc.pdf
19. http://www.cs.vu.nl/~franx/Mdctran11.pd