Académique Documents
Professionnel Documents
Culture Documents
Ingeniera en Informtica
Autor:
Fernando Senz Antoanzas
Director:
Miguel ngel Barcelona Lidana
Ponente:
Sergio Ilarri Artigas
II
Agradecimientos
Gracias. Muy especialmente a mi madre, Pilar, mi padre, Fernando, mi hermana, Mara, y mi
novia, ngela, por soportarme con paciencia en todos los momentos malos. Gracias a toda mi
familia. Con su ayuda y constancia, este viaje ha llegado a buen puerto.
Mencin especial a mis amigos de la infancia y a los de fatiga en el CPS, ya saben quines son,
por los das, horas y minutos buenos a su lado, y que sigan.
He de agradecer a mis compaeros del ITA lo llevaderas que me han hecho todas las jornadas
de trabajo. Gracias a Erick Mendoza por su incondicional ayuda desde el primer da. Gracias a
Miguel ngel Barcelona, tutor y director en el ITA, y a Sergio Ilarri, ponente en el CPS, por la
predisposicin mostrada y la ayuda prestada.
III
IV
RESUMEN
El proyecto Simulacin basada en agentes aplicada a la cadena de suministro se realiza
dentro del departamento de Logstica y TICs del Instituto Tecnolgico de Aragn.
El objetivo del proyecto es afrontar el problema existente en la toma de decisiones asociadas a la
cadena de suministro. Tomando la comparticin de informacin y la negociacin como base del
comportamiento de los miembros integrantes de la cadena de suministro, se trata de mejorar el
funcionamiento de la misma. Se utilizan tecnologas de modelado basadas en agentes, lo que
permitir caracterizar la cadena de suministro desde los siguientes puntos de vista: autonoma,
comunicacin, aprendizaje y toma de decisiones determinadas por el contexto. Para validar el
modelo, se utilizarn datos reales de una cadena de suministro del sector de la gran distribucin
como Centros Comerciales Carrefour S.A.
En las fases previas del proyecto se desarrolla un Documento de Visin y se planifica el
proyecto. Teniendo cmo fin adquirir conocimiento y verificar que es factible su utilizacin, se hace
un estudio sobre el modelado basado en agentes. Tambin se comparan las diferentes herramientas
existentes. Tras este punto de partida, se desarrolla el anlisis y diseo del sistema, teniendo como
referencia el modelo UML (Unified Modelling Language).
El proyecto se implementa con una herramienta libre y de cdigo abierto llamada Repast
Simphony. Esta herramienta destinada al modelado basado en agentes simplifica la creacin y el uso
del concepto de agentes en simulacin. A partir de la implementacin de los modelos
correspondientes se obtienen resultados en forma de grficas y listados de datos, que son
posteriormente interpretados para la obtencin de conclusiones.
Aplicando algoritmos de negociacin y comparticin de informacin se han podido alcanzar los
objetivos definidos. Se obtienen resultados que mejoran ciertos aspectos de la cadena de suministro
(incremento de ingresos, disminucin de costes de inventario) a travs de la aplicacin de la
aplicacin de tcnicas de negociacin y comparticin de informacin entre agentes.
VI
ndice general
Captulo 1: Introduccin........................................................................... 1
1.1. Marco del proyecto ........................................................................................ 1
1.2. Objetivos y alcance del proyecto ................................................................... 1
2.2.1.
Estado del arte: Herramientas para el modelado y simulacin basado en agentes ............ 8
2.2.2.
Bibliografa .............................................................................................. 35
ANEXOS
ANEXO A: Documento de Visin.................................................................................38
ANEXO B: Plan de Proyecto.........................................................................................55
ANEXO C: Estado del arte-Agentes-............................................................................67
ANEXO D: Estado del arte-Herramientas para el modelado y simulacin basadas en
agentes........................................................................................................................79
ANEXO E: Anlisis modelo bsico...............................................................................101
ANEXO F: Anlisis modelo avanzado......................142
ANEXO G: Diseo e implementacin del sistema.................................165
ANEXO H: Resultados del modelo bsico..................183
ANEXO I: Resultados del modelo avanzado............................201
ANEXO J: Manual de usuario............................221
VIII
ndice de Figuras
Captulo 1
Figura 1 : Estructura general de la cadena de suministro. ............................................................................... 2
Captulo 2
Figura 2: Arquitectura general de sistema de simulacin................................................................................ 6
Figura 3: Diagrama de Gantt. ....................................................................................................................... 13
Captulo 3
Figura 4: Diagrama de actividades................................................................................................................ 16
Captulo 4
Figura 5: Stock en plataforma. ..................................................................................................................... 24
Figura 6: Decremento en los niveles de inventario. ...................................................................................... 24
Figura 7: Evolucin de los beneficios en tiendas. .......................................................................................... 27
Figura 8: Gastos en plataforma sistema de negociacin. .............................................................................. 27
Figura 9: Ingresos tiendas con variacin de margen de precios. ................................................................... 29
Figura 10: Gastos en plataforma con variacin de mrgenes de precio. ....................................................... 29
Figura 11: Beneficios de tiendas con variacin de pesos............................................................................... 31
Figura 12: Gastos en plataforma con modificacin de pesos........................................................................ 31
IX
ndice de Tablas
Captulo 1
Tabla 1: Estructura del documento. ............................................................................................................... 3
Tabla 2: Listado de anexos. ............................................................................................................................ 4
Tabla 3: Problema planteado. ....................................................................................................................... 5
Captulo 2
Tabla 4: Resumen de herramientas I. ........................................................................................................... 10
Tabla 5: Resumen de herramientas II. .......................................................................................................... 11
Tabla 6: Distribucin del esfuerzo. ............................................................................................................... 12
Tabla 7: Hitos del proyecto. ......................................................................................................................... 14
Captulo 3
Tabla 8: Comportamiento en el modelo bsico. ........................................................................................... 17
Tabla 9: Propiedades, parmetros y atributos de proveedor. ....................................................................... 18
Tabla 10: Propiedades, parmetros y atributos de plataforma. ................................................................... 19
Tabla 11: Propiedades, parmetros y atributos de tienda. ........................................................................... 20
Tabla 12: Propiedades, parmetros y atributos de cliente. ........................................................................... 21
Captulo 4
Tabla 13: Evolucin del stock en plataforma. ............................................................................................... 23
Tabla 14: Resultados del modelo bsico. ...................................................................................................... 25
Tabla 15: Acciones futuras. .......................................................................................................................... 25
Tabla 16: Propiedades bsicas de los agentes. ............................................................................................. 26
Tabla 17: Productos. .................................................................................................................................... 26
Tabla 18: Conclusiones con/sin negociacin. ................................................................................................ 28
Tabla 19: Conclusiones margen de modificacin de precios. ........................................................................ 30
Tabla 20: Gastos en plataformas con variacin de pesos. ............................................................................. 31
Tabla 21 : Conclusiones con modificacin de pesos. ..................................................................................... 32
Captulo 5
Tabla 22: Acciones futuras. .......................................................................................................................... 34
XI
XII
Captulo 1: Introduccin
Captulo 1
Introduccin
En este primer captulo se procede a describir el marco en el que est desarrollado el proyecto,
los objetivos y las tareas principales que se han realizado.
El proyecto se ha llevado a cabo dentro del Instituto Tecnolgico de Aragn, que es un centro
tecnolgico de carcter pblico que, desde Aragn, contribuye a la mejora de la competitividad de
las empresas y al progreso sostenible de la sociedad, identificando necesidades, generando
soluciones de I+D+i y transfiriendo conocimiento.
Ms concretamente, se ha desarrollado dentro del Centro de Conocimiento en TICs aplicadas a
la logstica, que tiene por objetivo la generacin, adaptacin, transferencia y difusin de
conocimiento en la aplicacin de las Tecnologas de la Informacin y de las Comunicaciones (TICs)
en la resolucin de problemas logsticos, con especial hincapi en la optimizacin de los procesos y
en la integracin de agentes en la cadena de suministro, para desarrollar una logstica colaborativa y
sostenible.
Se tomar como escenario logstico de referencia una cadena de gran consumo real como
Centros Comerciales Carrefour S.A.
Se mostrarn mejoras relativas entre los diferentes esquemas de simulacin, haciendo referencia
a los beneficios y costes en los que incurren a lo largo de un ao simulado.
Pgina 1
Captulo 1: Introduccin
recepcin de productos. A lo largo de la memoria, en las fases de anlisis y diseo en los Anexos E,
F y G se ampla el funcionamiento de esta cadena de suministro.
1. En primera instancia se analiza el estado del arte del modelado basado en agentes, su
aplicabilidad en el entorno logstico y en consecuencia, la ratificacin de su utilidad en
este entorno. Esta informacin se recoge en el Anexo C.
2. Adems del estado del arte sobre modelado, tambin se ha estudiado el caso de las
herramientas necesarias para poder desarrollar el proyecto. As, se ha realizado un
documento, Anexo D, en el que se recogen las caractersticas de las herramientas
encontradas para desarrollar modelos de simulacin.
3. A continuacin, se han definido una serie de escenarios a partir de los cuales poder
implementar y desarrollar los modelos. Para ello, se ha considerado un escenario real de
una organizacin de gran consumo, como es Carrefour, de cara a poder aplicar los
resultados obtenidos y validar los modelos
Memoria
Pgina 2
Captulo 1: Introduccin
4. Tras la definicin de escenarios, se procede al modelado y simulacin de los mismos. En
esta fase se recoge informacin de salida del entorno de ejecucin del sistema
desarrollado.
5. Posteriormente, se realizan tanto el anlisis de resultados obtenidos de las simulaciones,
como la obtencin de conclusiones que deriven de dichos resultados. Adems, y con los
resultados obtenidos, se plantearn una serie de acciones futuras que podran afinar el
modelo desarrollado.
1.4.
Captulo 3:
Anlisis y Diseo
Captulo 4:
Resultados
Captulo 5:
Conclusiones y
siguientes pasos
Se definen el mbito del documento, as como los objetivos del mismo y las
tareas principales realizadas.
Engloba una visin general del proyecto y el alcance del mismo. Tambin
ofrece un resumen sobre el estudio del arte de las herramientas de simulacin
estudiadas y sobre la aplicabilidad y comparativa de tcnicas basadas en
agentes.
Tras la memoria, se incluyen un total de diez documentos que amplan conceptos explicados en
la memoria. Se incluyen un total de diez anexos, nombrados en la tabla 2.
Memoria
Pgina 3
Captulo 1: Introduccin
Anexo A: Documento
de Visin
Anexo B: Plan del
Proyecto
Anexo C: Estado del
Arte- AgentesAnexo D: Estado del
Arte- Herramientas
para el modelado y
simulacin basado en
agentes
Anexo E: Anlisis
Modelo Bsico
Anexo F: Anlisis
Modelo Avanzado
Anexo G: Diseo e
Implementacin del
Sistema
Anexo H: Resultados
del Modelo Bsico
Anexo I: Resultados
Modelo Avanzado
Anexo J: Manual de
Usuario
Memoria
Pgina 4
En este captulo se detallan tanto una visin general del proyecto desde el punto de vista
tecnolgico como la planificacin seguida a lo largo del proyecto.
La definicin del problema consiste en no disponer de un sistema que trate de manera directa los
problemas derivados de la falta de comunicacin y la comparticin de informacin entre los
distintos integrantes de la cadena. Con el desarrollo de las simulaciones sociales que aqu se
desarrollan se conseguir un aumento de los beneficios y ventajas en cuanto a costes de las partes
integrantes de la cadena.
En la Tabla 3 se muestra un resumen del problema general:
El problema
Afecta a
Impacto del
problema
Posible solucin
Memoria
Pgina 5
En la figura 2 se muestra la arquitectura general del sistema de simulacin. Con esta figura se
trata de ejemplificar de un simple vistazo cmo est estructurado el sistema que se desarrolla. Por un
lado estar el modelo, que tras implementarlo e introducir en el los datos provenientes del caso real,
podemos ejecutar la simulacin para poder obtener datos y grficas para ser interpretadas, lo que
haremos ms adelante, en los Anexos H e I.
Memoria
Pgina 6
En esta seccin se plantean los resultados y conclusiones obtenidos tras realizar dos estudios
sobre el estado del arte. El primero dedicado a detectar los motivos que justifican el uso de agentes
en logstica y la comparacin con otros mtodos, y el segundo, destinado a la eleccin de una
herramienta de simulacin.
2.2.1. Estado del arte: Agentes
Con la realizacin del estado del arte de modelado basado en agentes se quiere explicar y
argumentar el uso del concepto de agente para la creacin de nuestro sistema, en comparacin con
otros mtodos que aqu detallaremos. En el Anexo C se detalla esta seccin, adems de definirse
otros mtodos utilizados en el campo de la simulacin logstica.
Se puede definir un agente como una entidad que puede actuar de forma autnoma e inteligente.
Las siguientes propiedades definen y muestran las ventajas que nos aportan las simulaciones
basadas en agentes aplicadas a la simulacin logstica.
o
Soporta computacin distribuida. Puesto que cada agente puede ser implementado como
una pieza independiente del modelo.
Puesto que cada agente es un proceso independiente que se comunica con el resto de
agentes, podemos incluir o eliminar agentes en el proceso de simulacin sin interrupcin.
Esto atribuye un dinamismo excepcional a las simulaciones.
Dependiendo del software utilizado, puede ser ms accesible y sobre todo comprensible
para aqullos que no tienen conocimientos de programacin.
Memoria
Entidades pro-activas en lugar de entidades puramente reactivas como son los objetos.
Posibilidad de uso de un lenguaje de comunicacin entre agentes (KQML, tipo LISP).
Paso del uso tradicional de conceptos de modelizacin a conceptos de Belief-DesireIntentions (creencias, deseo e intenciones).
Pgina 7
Esta tecnologa facilita la integracin de los miembros de la cadena como una red con un
esqueleto independiente. Se consiguen disminuir costes a travs de la comparticin de informacin, a
travs de un mayor control de los niveles de inventario.
Se considera que la tendencia ms aplicada en la simulacin de cadenas de suministro, y de
reciente desarrollo, son los modelos de simulacin basados en agentes. Permitir que cada agente
pueda tomar decisiones independientes es beneficioso para la cadena. Concluyendo se dice que los
sistemas multi-agente y las estrategas de colaboracin y coordinacin son los ms estudiados en la
actualidad (Jos L. Caldern y Francisco C. Lario. Simulacin de Cadenas de Suministro: Nuevas
Aplicaciones y reas de Desarrollo).
Esta seccin presenta el estudio realizado sobre las herramientas disponibles para modelar y
simular. En el Anexo D se muestran las referencias a cada una de las herramientas nombradas en esta
seccin.
Teniendo en cuenta una serie de criterios que definen la tabla 4 mostrada en la pgina siguiente,
hemos podido seleccionar la herramienta Repast Simphony (Repast Home Page. Pgina oficial de
Repast.2008.http://repast.sourceforge.net/).
Memoria
Pgina 8
Memoria
Pgina 9
LENGUAJE
PROGRAMACIN
LICENCIA
Ciencias
sociales
y naturales.
Aprender a
modelar.
Gratuito.
No es open
source.
DOCUMENTACIN
Cualquier
versin
de la
Modelos de ejemplo mquina
FAQ.
virtual de
Manual de Usuario
Java superior
Nivel
actualizado.
a v1.4.1
Nivel Bajo medio
NetLogo
Nivel
principiante. NetLogo
SeSAm
LGPL(licencia
basada en la
GPL, pero
Tutorial poco
menos
completo
Simulacin a partir estricto en FAQ
Investigacin. de especificaciones algunos
Lista de correo
Enseanza.
visuales.
trminos). poco dinmica.
Repast
Ciencias
Simphony sociales.
Jade
Aplicaciones
distribuidas
formadas por
entidades
autnomas.
Java
BSD(Berkeley
Software
Lista correo
Distribution). Papers Referencia
Licencia de Manual de usuario
software
Ejemplo
Libre
FAQ
Java
LGPL(licencia
basada
en la GPL, Lista correo.
pero menos Papers Referencia
estricto en Manual de usuario
algunos
API
trminos). FAQ
Software no
gratuito.
Arena
Desafios
Industriales
SISTEMA
OPERATIVO GRFICOS GRFICA
Windows
Linux
Mac OS X
Nivel
medio
Plataforma
Java
Nivel
Alto.
Adaptado
Nivel
a realizar
Medio-Alto grficas.
Sobre
cualquier
plataforma
Java
Nivel
alto.
Totalmen
te
Nivel
programa
Medio-Alto ble
Sobre
cualquier
Especificaciones
Manules de usuario,
visuales(Flowcharts) Arena Basic especficos segn el
.
1895
entorno a simular
Windows
Nivel
Nivel
MedioMedio-Alto Alto
Memoria
Nivel
medio
Pgina 10
LENGUAJE
PROGRAMACIN
LICENCIA
SISTEMA
DOCUMENTACIN OPERATIVO GRFICOS GRFICAS
Evaluacin
Simio
Fabricacin
Puertos
Simulacin
militar
Salud
Especificaciones
Cadenas de
visuales.
abastecimiento Se basa en .NET
Gratuita
Versin
Design
Edition 6850
Versin
Enterprise
10275
Newsroom
Soporte tcnico
Blog
Videos
Lecciones prcticas Windows
Nivel Alto.
Galera 3D Nivel
de Google Medio-Alto
Ofrece una estructura de los agentes y sus atributos que facilitan la comprensin de los
agentes.
Facilidad de modificacin.
Permite documentar de una manera efectiva el cdigo asociado a los agentes y sus
interacciones.
Las grficas pueden ser del nivel que se desee, segn necesidades.
EL modelo de ejecucin incluye una conexin a una serie de herramientas externas tales
como ORA, R Statistics environment, Pajet, una herramienta de consultas SQL, VisAD,
Weka, Matlab e iReport, en caso de necesitar su utilizacin.
Memoria
Pgina 11
Uso
Puesto que este es un mtodo puramente dirigido a proyectos software, y se considera que gran
parte del coste de este proyecto viene condicionado tanto por los estudios previos como por la
interpretacin de los resultados, hemos atribuido porcentajes o pesos a cada una de las actividades, y
teniendo en cuenta el periodo disponible para la realizacin total del proyecto, hemos podido estimar
el reparto total del tiempo. Se puede observar en la tabla 6 esta distribucin temporal.
Actividad
Horas-Hombre
Porcentaje
49
10%
Anlisis
147
15%
Diseo
49
5%
Pruebas y Resultados
Interpretacin de resultados
Otras actividades
TOTAL
147
15%
245
20%
98
10%
196
49
980 horas
20%
5%
100%
Memoria
Pgina 12
Memoria
Pgina 13
Responsable
Hito
Fecha
Resultados asociados
(2010)
H01
Fernando Senz
30/02
Documento de Visin
H02
Fernando Senz
30/03
H03
Fernando Senz
H04
Fernando Senz
Simulador Escenario
Bsico terminado
25/05
H05
Fernando Senz
Resultados Escenario
Bsico terminado
15/06
H06
Fernando Senz
Simulador Escenario
Avanzado terminado
5/08
H07
Fernando Senz
Resultados Escenario
Avanzado terminado
15/08
H08
Fernando Senz
Documento
Conclusiones terminado
20/09
H09
Fernando Senz
Fin de Proyecto
5/10
Memoria
Documento de visin
terminado
Estado
del
Arte: 15/04
Agentes terminado
Pgina 14
En este captulo se muestran los aspectos ms relevantes del anlisis y el diseo del sistema de
simulacin. En los Anexos desde el E hasta el G se detallan las fases de anlisis y el diseo de ambos
ciclos.
En los documentos de anlisis se detallan los requisitos del sistema y se desarrollan casos de
uso, diagramas de clases y de actividades. Los diagramas se han creado con StarUML
(http://staruml.sourceforge.net/en/), software de distribucin gratuita formado por un editor grfico
de trazado de diagramas.
Las modificaciones existentes entre ambos ciclos se dan en los requisitos funcionales, ampliados
en el ciclo del modelo avanzado
Se han unificado las fases de diseo de los dos ciclos en un mismo documento, el Anexo G. En
esta fase de diseo se detalla la arquitectura del sistema y cmo se van a implementar las distintas
partes del mismo. Adems, se afronta ms ampliamente que en la fase de anlisis cmo van a ser
implementados los agentes y se otorga especial importancia a cul ser su comportamiento.
El objetivo de este ciclo es la creacin del sistema de simulacin mediante el cual poder obtener
resultados intermedios. Esto significa obtener resultados que verifiquen el correcto funcionamiento
de la cadena simulada, adems de poder dar resultados coherentes de manera general, sin compararlo
con los datos de referencia de Carrefour.
En el Anexo E se detallan los requisitos funcionales y no funcionales, el diagrama de clases, los
casos de uso y el listado de actores que intervienen en la cadena.
Memoria
Pgina 15
Tienda
Hacer Pedido
Estudiar Pedido
[Oferta]
Hacer Oferta
[No oferta]
Estudiar Oferta
Enviar Pedido
[Rechazar]
[Aceptar]
Enviar Pedido Ofertado
Decrementar_Stock
[Pedido Ofertado]
Recibir Pedido
[Pedido]
Memoria
Pgina 16
Comportamiento Principal
Tienda
Plataforma
Pro-actividad
Aprendizaje
entorno.
Observacin de inventario.
con
respecto
al
Pedidos a plataforma
Seleccin de plataformas.
Observacin de inventario.
Proveedor
Generacin de pedidos.
Pedidos a proveedor.
Seleccin de proveedor.
Observacin de inventario.
Los diagramas de casos de uso han sido definidos a partir de las especificaciones globales
extradas del Documento de Visin Anexo A. En el Anexo E de Anlisis Bsico se ha dado una
descripcin completa de cada uno de los casos de uso en particular.
Memoria
Pgina 17
El modo adecuado para definir el modelo avanzado es a travs del comportamiento de cada uno
de sus agentes. En los Anexos F y G se encuentran ampliadas las fases de anlisis y diseo
respectivamente.
Objetivo del escenario: medir si el tener ms informacin para tomar las decisiones mejora el
beneficio global de la Cadena de suministro. El modelo se har con 10 referencias de Carrefour de
tipo A, B y C (muy alta rotacin, media rotacin y baja rotacin).
Funcin objetivo global: Maximizar el beneficio (ingreso-gasto).
Utilizaremos valores relativos para el Coste, aunque para venta iremos variando los valores segn
corresponda a cada producto. Existir un precio fijo a partir del cual el vendedor ser libre de
modificarlo.
3.2.1. Agente proveedor
Funcin objetivo: Maximizar el beneficio (ingreso-gasto). Cmo lo hace: con una produccin
estable y con el mnimo inventario.
Ingreso: unidades vendidas x P (precio).
3
5
6
7
8
9
Memoria
Pgina 18
Interaccin: Recibe peticiones de la plataforma Da respuesta con la cantidad que le puede mandar
y el precioLa plataforma acepta si es lo requerido Envo del pedido La plataforma califica al
proveedor.
3.2.2. Agente plataforma
Funcin objetivo: Minimizar el gasto. Cmo lo hace: teniendo una previsin de ventas de las
tiendas, ajustando el inventario interno y negociando los precios con los proveedores.
Gasto: unidades que compra x P.
3
5
6
7
8
9
10
Previsin de la demanda que van a tener las tiendas a las que sirve por referencia.
Tabla 10: Propiedades, parmetros y atributos de plataforma.
Pgina 19
Funcin objetivo: Maximizar beneficios. Cmo lo hace: ajustando precios para conseguir aumentar
las ventas cuando dispone de stock en el almacn y realizando ofertas a los clientes. Tambin tratar
de aprovechar las ofertas realizadas por la plataforma.
Ingresos: P* unidades vendidas.
Se realizarn ofertas al cliente cuando se disponga de excedente, por ejemplo, ofreciendo 2*1 o
bien bajando los precios, pudiendo simultanear ambas opciones.
En la tabla 11 se muestran las propiedades, parmetros y atributos de las tiendas.
ID
1
3
5
6
7
8
9
10
Previsin de la demanda que van a tener las tiendas a las que sirve por referencia.
Tabla 11: Propiedades, parmetros y atributos de tienda.
Memoria
Pgina 20
Dirigida por eventos discretos, la tienda analiza el stock acumulado, la previsin de la demanda
de los clientes, los pedidos actuales y genera la negociacin con los clientes. Al parametrizar el stock
de seguridad o la capacidad de inventario, podemos analizar qu efecto tiene en la cadena. La clave
reside en que estos parmetros definen dinmicamente el comportamiento de la tienda, lo que
permite aprovechar la capacidad de los agentes.
Interaccin Tienda-Plataforma: La tienda enva una peticin de compra a la plataforma elegida de
entre aquellas que tiene en su cercana. Con las alejadas, sera inviable. Eso se traduce en una
distribucin homognea de las plataformas sobre las tiendas en la implementacin.
Tras recibir la peticin, la plataforma responde con la disponibilidad y los precios, en este caso,
no hay ofertas. La tienda decide y se efecta la compra. Finalmente, la plataforma es puntuada.
Interaccin Tienda-Cliente: La tienda recibe una peticin del cliente, y esta le ofrece sus precios y
los descuentos disponibles para todo el carroEl cliente recibe ofertas individualizadas por
productos Recibe carro y punta a la tienda.
3.2.4. Agente cliente
El cliente tratar de comprar los productos a bajos precios. Para ello tendrn acceso a los previos
que se han ido tratando a lo largo de la simulacin. Adems de observar el precio observar el nivel
de confianza (disponibilidad) que ofrecen las tiendas.
Tras realizar la compra, y en funcin del servicio y los precios, asignar una nota que actualizar
el peso de la tienda, dato que ser accesible por todos los clientes.
Valores: Unidades*P.
3
5
6
Memoria
Pgina 21
Memoria
Pgina 22
Captulo 4: Resultados
Captulo 4
Resultados
En este captulo se muestran los resultados y conclusiones extradas tras realizar las
simulaciones de ambos modelos.
Los objetivos de modelo bsico son alcanzar un compromiso entre la validacin de un correcto
funcionamiento del modelo a la vez que la obtencin de pequeos resultados que ayuden a poder
ampliar el sistema en un segundo ciclo. En el Anexo H se detalla cada uno de ellos.
Analizando los movimientos en las plataformas se puede demostrar el buen funcionamiento del
resto de la cadena, puesto que interacta con la tienda y el proveedor. Tanto el anlisis de las ventas
de las tiendas a los clientes, como la comprobacin de las plataformas permitirn dar por bueno el
funcionamiento de la simulacin. En la plataforma se observa una evolucin del stock totalmente
lgica, teniendo como muestra la figura 5 y resumiendo este comportamiento en la tabla 13. Cada
una de las lneas (azul y roja) de simulacin representa la evolucin del inventario para un producto
de los agentes plataforma a lo largo del tiempo.
ID
1
2
3
Los pedidos tardan los das previstos (en este caso 3), lo que produce que en ciertos casos
existan pedidos de riesgo, es decir, que durante esos tres das el stock seguir bajando,
como ocurre en las zonas marcadas con cuadros negros en la figura 7.
La forma de la grfica de ambas plataformas y los valores entre los que se mueve permite
verificar el correcto comportamiento de los agentes.
Tabla 13: Evolucin del stock en plataforma.
Memoria
Pgina 23
Captulo 4: Resultados
% decremento de Inventario
10
8
6
% Mejora
Media
4
2
0
N de muestra
10
Memoria
Pgina 24
Captulo 4: Resultados
En la tabla 14 se muestra una tabla resumen de los resultados obtenidos con este primer modelo.
ID
1
2
3
4
5
Resultados
Correcto funcionamiento de los inventarios, tomando la forma de diente de sierra
esperada. Se observa en la figura 7.
Se observa una mejora media en el decremento de inventario de las tiendas del 5%. Sin
embargo, en trminos de costes todava no se obtienen resultados.
Con este modelo no se puede alcanzar el realismo esperado con respecto a una gran
cadena de distribucin.
Tabla 14: Resultados del modelo bsico.
En la tabla 15 se observan las acciones futuras que se aplicarn sobre el modelo avanzado,
puesto que se consideran de utilidad y va para dotar al nuevo modelo de mayor realismo y alcanzar
mejores resultados.
Acciones futuras
La existencia de un nico tipo de producto se transformar en una distribucin ABC. Se tendr en
cuenta el principio de Pareto.
Se posibilitar la variacin de puntos de pedido y de rotura segn la clasificacin del artculo.
Se modelar un sistema en el que no pueda existir monopolio, sino que todos los agentes sean
posibles vendedores/compradores, teniendo distintas posibilidades de entrar en el mercado.
El proveedor se anticipar en fbrica en funcin de la evolucin de los pedidos que recibe.
Mejorar los porcentajes de mejora en cuanto a la variacin en nivel de inventario entre el sistema
colaborativo y el que no lo es. Para ello se debern mejorar los algoritmos de negociacin y
compartir ms informacin entre agentes.
Incrementar la pro-actividad del sistema.
Memoria
Pgina 25
Captulo 4: Resultados
4.2. Modelo avanzado
Se divide el estudio realizado con el modelo avanzado en tres partes fundamentales. Una
primera en la que se trata la diferencia entre la aplicacin o no de la negociacin entre agentes, una
segunda en la que se varan los mrgenes de inventario a partir de los cuales realizar modificaciones
de precios y una ltima y tercera en la que se varan los pesos asignados a los niveles de confianza y
los precios en tiempo real. Las tres situaciones se amplan en el documento de Resultados del
Modelo Avanzado en el Anexo I.
Las propiedades definidas en la tabla 16 van a ser comunes para cada uno de los 3 casos.
Agentes
Nmero
Delay
Clientes
Tiendas Plataformas Proveedores
500
15
2
4
1
1
3
Tabla 16: Propiedades bsicas de los agentes.
Adems, con respecto a los productos, la tabla 17 refleja la rotacin y el nmero de productos
que van a existir de cada tipo. En esta tabla se reflejan los pedidos realizados por los clientes, es
decir, sern quienes fijen la rotacin de los productos a lo largo de la cadena.
Productos
Total Productos
Aparicin
Tipo A
3
70%
Tipo B
4
20%
Tipo C
3
10%
Adems, en el Anexo I-tabla 1 se puede observar la tabla ampliada de datos precalculados que
hacen estable la cadena, es decir, los valores de puntos de pedido y niveles de stock de seguridad
que otorguen realismo al sistema.
En esta primera simulacin se van a tratar los resultados desde el punto de vista de dos
simulaciones diferentes. En el primer caso se simular teniendo en cuenta la no existencia de
negociacin entre los diferentes participantes de la cadena logstica y seguidamente se mostrarn los
resultados en el caso contrario. La no existencia de negociacin conlleva que no podrn existir
ofertas en el sistema colaborativo, aunque si se mantendr la capacidad de comprar segn la
experiencia.
En la figura 7 se observa como las tiendas han mejorado sus beneficios en un 20,26% en el caso
en el que se pueden realizar negociaciones. Sera interesante poder establecer un valor para las
situaciones en las que un cliente no est dispuesto a aceptar un proceso de negociacin. Es decir, por
mucho que baje el precio, a veces no querr comprar productos ofertados.
No obstante, adems de haber conseguido incrementar los ingresos en un 15,6%, tambin se han
conseguido reducir los costes de inventario en un 9,3%.
Memoria
Pgina 26
Captulo 4: Resultados
Evolucin de los
beneficios
600.000
400.000
200.000
0
Sin negociacin
Con negociacin
Se observa en la figura 8 que en las plataformas, y como conclusin positiva, resulta de especial
relevancia la disminucin en el coste de inventario sabiendo que con la existencia de negociacin
han crecido sus ventas. Esto es debido a que se consigue equilibrar el inventario por el aumento del
nmero de pedidos desde tienda. Por supuesto que el gasto global se ve incrementado, pero es
normal existiendo un aumento de las ventas.
Gastos en plataforma
4000000
3000000
2000000
Sin Negociacin
Con Negociacin
1000000
0
Figura 8: Gastos en plataforma sistema de negociacin.
Memoria
Pgina 27
Captulo 4: Resultados
Conclusiones
Motivos
Incremento de un 20,26% de los ingresos Alto crecimiento en las ventas y bajo aumento de los
de venta en las tiendas.
costes de inventario.
As, a mayor tasa de modificacin, mayor excedente de inventario se necesitar para variar los
precios, y viceversa. Adems, siempre se tomar como base la utilizacin de negociacin, al haber
observado que es una situacin favorable, y los parmetros de inicio de la simulacin sern los
mismos que en el caso anterior.
En primer lugar se vuelven a calcular los ingresos obtenidos por las tiendas. En este caso
incrementan con el crecimiento de los mrgenes de subida de precios. Es lgico si se piensa que se
va a seguir vendiendo igual en un mercado en el que no entran a competir nuevos ofertantes. Caso de
estudio aparte. Cabra esperar realizar un estudio de mercado en el que se reflejase el excedente del
consumidor, en el que considersemos en qu punto este dejara de comprar. A partir de ah,
calcular el margen ptimo. En la figura 9 se observan los ingresos por parte de las tiendas.
Como conclusin, los ingresos crecen cerca de un 6%, y los costes de inventario en tienda
disminuyen un 16,92% con respecto al caso medio en el que el margen es 0,4. Por lo tanto, slo
quedara realizar un estudio de mercado real para saber hasta qu punto se puede subir el margen en
las tiendas.
Memoria
Pgina 28
Captulo 4: Resultados
Margen=0,1
Margen=0,4
1.000.000
Margen=1
500.000
0
Ingresos
En los casos de plataformas y proveedores tambin se subirn los mrgenes. En esta situacin, la
asociacin plataforma- tienda, al ser fija, provoca que apenas existan variaciones en el coste de
inventario de los distintos participantes, como se observan en la figura 10.
Gastos en plataforma
5000000
4000000
3000000
2000000
Gasto Margen=0,1
Gasto Margen=0,4
Gasto Margen=1
1000000
0
Figura 10: Gastos en plataforma con variacin de mrgenes de precio.
Los beneficios obtenidos por el proveedor son parejos en los dos primeros casos, pero debido al
incremento en el margen de modificacin de precios los proveedores obtendrn niveles menores de
ingresos progresivamente y mantendrn sus costes de inventario.
Memoria
Pgina 29
Captulo 4: Resultados
Conclusiones
Motivos
Evolucin positiva de los Subida en los ingresos y bajada de los costes. Conociendo estudios
beneficios en tienda con el reales, podramos alcanzar el punto ptimo en el que esta situacin
incremento de los mrgenes comienza a ser desfavorable.
de precios.
Influencia
insignificante Asociacin fija plataforma-tienda. Provoca que no exista apenas
sobre los gastos de las competencia, y por lo tanto, no influya la variacin de precios. Las
plataformas.
tiendas les van a tener que seguir comprando a los mismos
distribuidores.
Disminuyen los beneficios de Bajan las ventas y los niveles de inventario se mantienen. Sera
los
proveedores
al recomendable para los proveedores disminuir su margen de
incrementar los mrgenes.
modificacin de precios en un sistema colaborativo.
Tabla 19: Conclusiones margen de modificacin de precios.
Al modificar la fuerza que ejercen el precio actual o la confianza que tienen depositada los
compradores a base de aprendizaje, se puede ejercer influencia sobre los compradores de tal forma
que atribuyan mayor o menor importancia al precio actual de mercado de un producto. Si se aumenta
el peso de la confianza recibir ms valor la experiencia previa de todos los agentes pertenecientes a
su mismo grupo (proveedor, plataforma, tienda o cliente), sin importar tanto el precio actual.
Se consideran tres situaciones en funcin de los valores de estos pesos:
1. La experiencia pasada no influye. Peso Precio.
Memoria
Pgina 30
Captulo 4: Resultados
Beneficios
2.500.000
2.000.000
1.500.000
1.000.000
500.000
0
Peso Precio
Peso Medio
Peso Confianza
Con respecto a las plataformas se destaca que en su situacin el mejor caso que puede darse es
el mantenimiento del peso del precio al 100%, debido a la asociacin fija con las tiendas.
GASTOS
Gastos Compras
Coste de Inventario
Gasto Total
Peso Precio
3692625
1247574
4940199
En la figura 12 tambin se observa la evolucin del gasto total por parte de las plataformas.
Gastos en plataforma
5000000
4000000
3000000
2000000
Peso Precio
Peso Medio
Peso Confianza
1000000
0
Figura 12: Gastos en plataforma con modificacin de pesos.
Memoria
Pgina 31
Captulo 4: Resultados
Los proveedores se ven perjudicados en la situacin central, en la que aumentan los costes de
inventario.
En la tabla 21 se resumen las conclusiones del caso en el que est permitido variar los pesos de
los precios y la confianza para ejecutar la simulacin.
Conclusiones
Motivos
Las plataformas debern elegir que exista Puesto que la tienda, debido a su situacin
desconocimiento de datos histricos.
geogrfica con respecto a las plataformas, no
elegir dnde comprar.
Los proveedores salen beneficiados del caso Un aumento en los costes de inventario provoca
en el que sus compradores no disponen de esta situacin.
informacin histrica. El peor caso para ellos
es el Peso Medio.
Tabla 21 : Conclusiones con modificacin de pesos.
Memoria
Pgina 32
Captulo 5: Conclusiones
Captulo 5
Conclusiones
La posibilidad de realizar un proyecto real de principio a fin me ha permitido tener una visin
general de las partes que este entraa.
Respecto a las dificultades halladas a lo largo del proyecto considero dos dificultades aadidas:
la necesidad de haber realizado estudios sobre las herramientas existentes y la necesidad de adquirir
ciertos conocimientos logsticos.
He de dar las gracias tanto a los compaeros de trabajo como especialmente a Miguel ngel
Barcelona y a David Ciprs por su apoyo tcnico siempre que lo he requerido.
Memoria
Pgina 33
Captulo 5: Conclusiones
5.3. Siguientes pasos
Ejecucin distribuida.
Descripcin
Conseguir que a pesar de estar obteniendo mejores niveles de ingreso,
conseguir rebajar en trminos absolutos la cantidad de productos en
inventario a lo largo del ao.
Observar influencia de Qu ocurrira si aplicamos la ejecucin sobre todos los productos de tipo
A, en el otro extremo, sobre todos los productos de tipo C?
la rotacin de los
productos.
Existe la misma repercusin sobre todos ellos?
Limitar la produccin.
Conocer la tasa de
crecimiento de ventas
en pocas de ventas
altas.
Realizacin de
estudios de mercado.
Memoria
Pgina 34
Bibliografa
Bibliografa
[1] Niels Lang, Hans M. Moonen, F Jordan Srour, Rob A. Zuidwijk. Multi Agent Systems in
Logistics: A literatura and state State-of-the-art Review.Erim Website. 2008.
[2] Repast Home Page. Pgina oficial de Repast. 2008. http://repast.sourceforge.net/
[3] Thierry Moyaux, Brahim Chaib-draa, and Sophie DAmours. Supply Chain Management and
Multiagent Systems. Universit Laval - DAMAS, Pavillon Pouliot, Qubec, Canada .2003.
[4]
[6] Jos Miguel Castillo Chamorro. Metodologa para la construccin de modelos multiagente en
entornos de planificacin. Universidad Rey Juan Carlos de Madrid. 2007.
[7] rea de Investigacin, Desarrollo y Servicios Tecnolgicos del ITA. Tcnicas de anlisis de
redes logsticas y casos prcticos. 2009.
[8] Wen Yau Liang. Chun-Che Huang. Agent based demand forecast in multi-echelon supply
chain. National Changhua University of Education,Changhua,Taiwan. 2005.
[9] Stavrianna Dimitrou,Stewart Robinson,Kathy Kotiadis. The impact of human decisin makers
individualities on the wholesale Price contracts efficiency: simulating the newsvendor
problem.
Warwick business school.Coventry,UK.Winter Simulation Conference.2009.
[10] Michael J. North, Charles M. Macal. Managing Business Complexity. Oxford University
Press. 2007.
[12] H. Donald Ratliff. 10 Rules for Supply Chain & Logistics Optimization. Georgia Institute of
Technology.2003.
[13] Jorge Gmez Sanz, Juan Pavn Mestras. Anlisis y Diseo de Sistemas MultiAgente.Universidad Complutense de Madrid. 2002.
[15] Nick Collier. RePast: An extensible Framework for Agent Simulation. University of Chicago.
2001.
Memoria
Pgina 35
Bibliografa
[16] Thierry Moyaux, Brahim Chaib-draa, and Sophie DAmours. Supply Chain Management and
Multiagent Systems. Universit Laval - DAMAS, Pavillon Pouliot, Qubec, Canada .2003.
Memoria
Pgina 36