Repositorio Institucional de Documentos

Proyecto Fin de Carrera Ingeniería en Informática Simulación basada en agentes aplicada a la cadena de suministro Autor: Fernando Sáenz Antoñanzas Director: Miguel Ángel Barcelona Liédana Ponente: Sergio Ilarri Artigas Centro Politécnico Superior Universidad de Zaragoza Noviembre 2010 I A mi abuelo Fernando, un ejemplo a seguir en la vida. II III Agradecimientos Gracias. Muy especialmente a mi madre, Pilar, mi padre, Fernando, mi hermana, María, y mi novia, Ángela, 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. Mención especial a mis amigos de la infancia y a los de fatiga en el CPS, ya saben quiénes son, por los días, horas y minutos buenos a su lado, y que sigan. He de agradecer a mis compañeros del ITA lo llevaderas que me han hecho todas las jornadas de trabajo. Gracias a Erick Mendoza por su incondicional ayuda desde el primer día. Gracias a Miguel Ángel Barcelona, tutor y director en el ITA, y a Sergio Ilarri, ponente en el CPS, por la predisposición mostrada y la ayuda prestada. IV V RESUMEN El proyecto “Simulación basada en agentes aplicada a la cadena de suministro” se realiza dentro del departamento de Logística y TICs del Instituto Tecnológico de Aragón. El objetivo del proyecto es afrontar el problema existente en la toma de decisiones asociadas a la cadena de suministro. Tomando la compartición de información y la negociación como base del comportamiento de los miembros integrantes de la cadena de suministro, se trata de mejorar el funcionamiento de la misma. Se utilizan tecnologías de modelado basadas en agentes, lo que permitirá caracterizar la cadena de suministro desde los siguientes puntos de vista: autonomía, comunicación, aprendizaje y toma de decisiones determinadas por el contexto. Para validar el modelo, se utilizarán datos reales de una cadena de suministro del sector de la gran distribución como Centros Comerciales Carrefour S.A. En las fases previas del proyecto se desarrolla un Documento de Visión y se planifica el proyecto. Teniendo cómo fin adquirir conocimiento y verificar que es factible su utilización, se hace un estudio sobre el modelado basado en agentes. También se comparan las diferentes herramientas existentes. Tras este punto de partida, se desarrolla el análisis y diseño del sistema, teniendo como referencia el modelo UML (Unified Modelling Language). El proyecto se implementa con una herramienta libre y de código abierto llamada Repast Simphony. Esta herramienta destinada al modelado basado en agentes simplifica la creación y el uso del concepto de agentes en simulación. A partir de la implementación de los modelos correspondientes se obtienen resultados en forma de gráficas y listados de datos, que son posteriormente interpretados para la obtención de conclusiones. Aplicando algoritmos de negociación y compartición de información se han podido alcanzar los objetivos definidos. Se obtienen resultados que mejoran ciertos aspectos de la cadena de suministro (incremento de ingresos, disminución de costes de inventario) a través de la aplicación de la aplicación de técnicas de negociación y compartición de información entre agentes. En concreto, se ha conseguido mejorar los beneficios en proveedores y tiendas, y disminuir los costes globales en las plataformas, siendo estos los objetivos principales de cada uno de los integrantes de la cadena de suministro que se ha modelado. VI VII Índice general Capítulo 1: Introducción ........................................................................... 1 1.1. Marco del proyecto ........................................................................................ 1 1.2. Objetivos y alcance del proyecto ................................................................... 1 1.3. Tareas principales.......................................................................................... 2 1.4. Estructura del Documento ............................................................................ 3 Capítulo 2: Contexto tecnológico y planificación .................................... 5 2.1. Visión del proyecto ........................................................................................ 5 2.2. Estado del arte ............................................................................................... 7 2.2.1. Estado del arte: Agentes ....................................................................................................... 7 2.2.2. Estado del arte: Herramientas para el modelado y simulación basado en agentes ............ 8 2.3. Plan de Proyecto .......................................................................................... 12 Capítulo 3: Análisis y Diseño .................................................................. 15 3.1. Ciclo 1: Modelo Básico................................................................................... 15 3.2. Ciclo 2: Modelo Avanzado ............................................................................. 18 3.2.1. Agente proveedor ....................................................................................................................... 18 3.2.2. Agente plataforma ...................................................................................................................... 19 3.2.3. Agente tienda ............................................................................................................................. 20 3.2.4. Agente cliente ............................................................................................................................ 21 Capítulo 4: Resultados ............................................................................ 23 4.1. Modelo básico ................................................................................................. 23 4.2. Modelo avanzado .......................................................................................... 26 4.2.1. Negociación frente a Sin Negociación ........................................................................................ 26 4.2.2. Variación del margen de modificación de precios ....................................................................... 28 4.2.3. Modificación de pesos: Precio y confianza.................................................................................. 30 Capítulo 5: Conclusiones ........................................................................ 33 5.1. Cumplimiento de objetivos .......................................................................... 33 5.2. Valoración personal ..................................................................................... 33 5.3. Siguientes pasos ........................................................................................... 34 Capítulo 1: Introducción Memoria Página 2 recepción de productos. A lo largo de la memoria, en las fases de análisis y diseño en los Anexos E, F y G se amplía el funcionamiento de esta cadena de suministro. Figura 1 : Estructura general de la cadena de suministro. 1.3. Tareas principales Para llevar a cabo el presente proyecto se han definido estas actividades: 1. En primera instancia se analiza el estado del arte del modelado basado en agentes, su aplicabilidad en el entorno logístico y en consecuencia, la ratificación de su utilidad en este entorno. Esta información se recoge en el Anexo C. 2. Además del estado del arte sobre modelado, también se ha estudiado el caso de las herramientas necesarias para poder desarrollar el proyecto. Así, se ha realizado un documento, Anexo D, en el que se recogen las características de las herramientas encontradas para desarrollar modelos de simulación. 3. A continuación, 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 organización de gran consumo, como es Carrefour, de cara a poder aplicar los resultados obtenidos y validar los modelos Estos escenarios en un primer desarrollo básico son simplemente orientativos, sin ninguna aplicabilidad real, pero obteniendo resultados que sirven como pruebas del correcto funcionamiento del entorno de simulación. En un desarrollo avanzado, será cuando busquemos la proximidad al caso real. Capítulo 1: Introducción Memoria Página 3 4. Tras la definición de escenarios, se procede al modelado y simulación de los mismos. En esta fase se recoge información de salida del entorno de ejecución del sistema desarrollado. 5. Posteriormente, se realizan tanto el análisis de resultados obtenidos de las simulaciones, como la obtención de conclusiones que deriven de dichos resultados. Además, y con los resultados obtenidos, se plantearán una serie de acciones futuras que podrían afinar el modelo desarrollado. 1.4. Estructura del Documento La memoria del proyecto “Simulación basada en agentes aplicada a la cadena de suministro” se divide en cinco capítulos que en la tabla 1 se describen brevemente. Capítulo 1: Introducción Se definen el ámbito del documento, así como los objetivos del mismo y las tareas principales realizadas. Capítulo 2: Primeras fases Engloba una visión general del proyecto y el alcance del mismo. También ofrece un resumen sobre el estudio del arte de las herramientas de simulación estudiadas y sobre la aplicabilidad y comparativa de técnicas basadas en agentes. Capítulo 3: Análisis y Diseño En este capítulo se caracterizan los agentes, mostrando su comportamiento en el modelo desde un punto de vista analítico. Está compuesto por diagramas y cuadros de comportamiento de los agentes. Se diferenciarán el análisis y diseño en los ciclos 1 y 2, es decir, para el escenario básico y el avanzado respectivamente. Capítulo 4: Resultados Se ofrecen los resultados más relevantes obtenidos tras realizar las simulaciones así como las conclusiones extraídas de los mismos. Capítulo 5: Conclusiones y siguientes pasos Se muestran las conclusiones generales extraídas por el autor y los siguientes pasos que serían de interés en una futura ampliación del proyecto. Tabla 1: Estructura del documento. Tras la memoria, se incluyen un total de diez documentos que amplían conceptos explicados en la memoria. Se incluyen un total de diez anexos, nombrados en la tabla 2. Capítulo 1: Introducción Memoria Página 4 Anexo A: Documento de Visión Se define el alcance del proyecto, las ideas originales que lo definen. También la perspectiva y funcionalidad del producto. Anexo B: Plan del Proyecto Estructura temporal, división en tareas y esfuerzo requerido por el proyecto. Anexo C: Estado del Arte- Agentes- Estudio realizado para contrastar métodos de simulación y las ventajas y casos existentes sobre simulación basada en agentes aplicadas a la logística. Anexo D: Estado del Arte- Herramientas para el modelado y simulación basado en agentes Estudio dirigido a seleccionar una herramienta para programar y simular los modelos de cadena de suministro. Anexo E: Análisis Modelo Básico Muestra del comportamiento de los agentes que intervienen en la cadena y sus interacciones para el escenario básico. Anexo F: Análisis Modelo Avanzado Muestra del comportamiento de los agentes que intervienen en la cadena y sus interacciones para el escenario avanzado. Anexo G: Diseño e Implementación del Sistema Ampliación de cómo se van a comportar los agentes y como se traslada este comportamiento al sistema de simulación. También se mostrarán las decisiones de implementación. Anexo H: Resultados del Modelo Básico Se ofrecen los resultados obtenidos de la simulación del modelo básico y las conclusiones extraídas del mismo. Anexo I: Resultados Modelo Avanzado Se ofrecen los resultados obtenidos de la simulación del modelo avanzado y las conclusiones extraídas del mismo. Anexo J: Manual de Usuario Manual en el que se definen las funcionalidades necesarias para instalar, desinstalar y manejar el sistema de simulación. Tabla 2: Listado de anexos. Capítulo 2: Contexto Tecnológico y planificación Memoria Página 5 Capítulo 2 Contexto tecnológico y planificación En este capítulo se detallan tanto una visión general del proyecto desde el punto de vista tecnológico como la planificación seguida a lo largo del proyecto. 2.1. Visión del proyecto El propósito de este capítulo es definir a alto nivel las necesidades a cubrir con el desarrollo del modelo de simulación basado en agentes aplicado a la cadena de suministro. La información ampliada en cuanto a la visión y alcance del proyecto está desarrollada en Documento de Visión del Proyecto en el Anexo A. La definición del problema consiste en no disponer de un sistema que trate de manera directa los problemas derivados de la falta de comunicación y la compartición de información entre los distintos integrantes de la cadena. Con el desarrollo de las simulaciones sociales que aquí se desarrollan se conseguirá 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 La no inclusión de factores humanos y comportamiento social en las simulaciones logísticas, al igual que obviar la influencia del sistema colaborativo en las cadenas de suministro en términos económicos. Afecta a … Toda empresa cuyos ingresos dependan total o parcialmente del funcionamiento de una cadena de suministro. Impacto del problema… • Los costes aumentan. • Los ingresos podrían ser mayores. Posible solución El uso de un sistema colaborativo y de negociaciones entre los diferentes miembros integrantes de la cadena, así como la adquisición de aprendizaje sería positivo para mejorar tanto particular cómo globalmente el conjunto de la cadena de suministro. Tabla 3: Problema planteado. Capítulo 2: Contexto Tecnológico y planificación Memoria Página 6 El proyecto tratará de afrontar el problema existente en la toma de decisiones asociado a las cadenas de suministro, a través del modelado y la generación de escenarios a partir de las cuales simular las cadenas de suministro, teniendo como base el concepto de la cadena colaborativa, es decir, compartiendo información entre los agentes integrantes de la misma. En la figura 2 se muestra la arquitectura general del sistema de simulación. Con esta figura se trata de ejemplificar de un simple vistazo cómo está estructurado el sistema que se desarrolla. Por un lado estará el modelo, que tras implementarlo e introducir en el los datos provenientes del caso real, podemos ejecutar la simulación para poder obtener datos y gráficas para ser interpretadas, lo que haremos más adelante, en los Anexos H e I. Figura 2: Arquitectura general de sistema de simulación. Capítulo 2: Contexto Tecnológico y planificación Memoria Página 7 2.2. Estado del arte En esta sección 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 logística y la comparación con otros métodos, y el segundo, destinado a la elección de una herramienta de simulación. 2.2.1. Estado del arte: Agentes Con la realización del estado del arte de modelado basado en agentes se quiere explicar y argumentar el uso del concepto de agente para la creación de nuestro sistema, en comparación con otros métodos que aquí detallaremos. En el Anexo C se detalla esta sección, además de definirse otros métodos utilizados en el campo de la simulación logística. Se puede definir un agente como una entidad que puede actuar de forma autónoma e inteligente. Las siguientes propiedades definen y muestran las ventajas que nos aportan las simulaciones basadas en agentes aplicadas a la simulación logística. o Permiten el modelado y la implementación de comportamiento pro-activo, propiedad fundamental si queremos dotar de iniciativa a los agentes integrantes de la cadena de suministro. Es más natural interpretar comportamientos como agentes que como objetos. o Soporta computación distribuida. Puesto que cada agente puede ser implementado como una pieza independiente del modelo. o 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 simulación sin interrupción. Esto atribuye un dinamismo excepcional a las simulaciones. o Dependiendo del software utilizado, puede ser más accesible y sobre todo comprensible para aquéllos que no tienen conocimientos de programación. Si lo que queremos es diferenciar el concepto de objeto con respecto al de agente podemos hacerlo definiendo las siguientes propiedades que los caracterizan: o Entidades pro-activas en lugar de entidades puramente reactivas como son los objetos. o Posibilidad de uso de un lenguaje de comunicación entre agentes (KQML, tipo LISP). o Paso del uso tradicional de conceptos de modelización a conceptos de “Belief-Desire- Intentions” (creencias, deseo e intenciones). Capítulo 2: Contexto Tecnológico y planificación Memoria Página 8 Tras explicar las propiedades esenciales de los agentes, se extraen ideas generales de la lectura de otros trabajos utilizados como referencia, citados en esta sección. Se estudia el funcionamiento de las cadenas de suministro a través de sistemas multi-agente, se permite a los agentes unirse, quedarse o dejar la cadena de suministro. La funcionalidad de la cadena de suministro está implementada a través de negociación basada en agentes (Thierry Moyaux, Brahim Chaib-draa, and Sophie D’Amours, Supply Chain Management and Multiagent Systems). Se puede conseguir un incremento en la efectividad de las cadenas de suministro a través de la utilización de los agentes. Utilizando un sistema basado en agentes se puede disminuir el efecto látigo, consistente en un desajuste del inventario derivado de la mala información transmitida. Así, si hay mala transmisión entre una tienda y una plataforma, peor será la información que transmita la plataforma al proveedor, por ello el problema se arrastra a toda la cadena. En consecuencia, se definen los mecanismos de comunicación y negociación como comportamiento beneficioso en el modelado de las mismas (Sara Saberi, Charalampos Makatsoris. “Agent system for negotiation in supply chain management”). Esta tecnología facilita la integración de los miembros de la cadena como una red con un esqueleto independiente. Se consiguen disminuir costes a través de la compartición de información, a través de un mayor control de los niveles de inventario. Se considera que la tendencia más aplicada en la simulación de cadenas de suministro, y de reciente desarrollo, son los modelos de simulación 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 colaboración y coordinación son los más estudiados en la actualidad (José L. Calderón y Francisco C. Lario. “Simulación de Cadenas de Suministro: Nuevas Aplicaciones y Áreas de Desarrollo”). Respecto a la aplicabilidad queda patente que realizar un modelo de simulación basado en agentes es de gran utilidad en este proyecto. 2.2.2. Estado del arte: Herramientas para el modelado y simulación basado en agentes Esta sección 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 sección. Teniendo en cuenta una serie de criterios que definen la tabla 4 mostrada en la página siguiente, hemos podido seleccionar la herramienta Repast Simphony (Repast Home Page. Página oficial de Repast.2008.http://repast.sourceforge.net/). Repast Simphony, herramienta que funciona bajo Eclipse (http://www.eclipse.org/org), es la elegida para implementar el sistema de simulación. La capacidad de desarrollar el proyecto en Java y disponer de licencia como software libre, y ser unos de los lenguajes más extendidos, del cual se puede obtener multitud de información, ha sido uno de los motivos de su elección. Capítulo 2: Contexto Tecnológico y planificación Memoria Página 9 Se descartan las herramientas que son de pago, criterio que se estableció desde un comienzo. Existen herramientas tales como SeSam (http://www.simsesam.de/), que permitían realizar el proyecto a través de un editor gráfico, con aspecto atractivo, pero que a su vez limitaba la funcionalidad del proyecto. Además, se considera más importante el aprendizaje de un lenguaje de programación como Java para un Ingeniero Informático, que el simple manejo de un editor gráfico. Por último se desechó porque al lanzar ciertas simulaciones de demostración la ejecución provocaba bloqueos en nuestro PC. Tras mostrar y estudiar la tabla 4, se enuncian una serie de conclusiones finales que definitivamente llevan a elegir la herramienta para Eclipse, Repast Simphony. Capítulo 2: Contexto Tecnológico y planificación Memoria Página 10 OBJETIVO PRINCIPAL LENGUAJE PROGRAMACIÓN LICENCIA DOCUMENTACIÓN SISTEMA OPERATIVO GRÁFICOS GRÁFICA NetLogo Ciencias sociales y naturales. Aprender a modelar. Nivel principiante. NetLogo Gratuito. No es open source. Modelos de ejemplo FAQ. Manual de Usuario actualizado. Cualquier versión de la máquina virtual de Java superior a v1.4.1 Nivel Bajo Nivel medio SeSAm Investigación. Enseñanza. Simulación a partir de especificaciones visuales. LGPL( licencia basada en la GPL, pero menos estricto en algunos términos). Tutorial poco completo FAQ Lista de correo poco dinámica. Windows Linux Mac OS X Nivel medio Nivel medio Repast Simphony Ciencias sociales. Java BSD(Berkeley Software Distribution). Licencia de software Libre Lista correo Papers Referencia Manual de usuario Ejemplo FAQ Sobre cualquier Plataforma Java Nivel Medio-Alto Nivel Alto. Adaptado a realizar gráficas. Jade Aplicaciones distribuidas formadas por entidades autónomas. Java LGPL(licencia basada en la GPL, pero menos estricto en algunos términos). Lista correo. Papers Referencia Manual de usuario API FAQ Sobre cualquier plataforma Java Nivel Medio-Alto Nivel alto. Totalmen te programa ble Arena Desafios Industriales Especificaciones visuales(Flowcharts) . Software no gratuito. Arena Basic 1895 € Manules de usuario, específicos según el entorno a simular Windows Nivel Medio-Alto Nivel Medio- Alto Tabla 4: Resumen de herramientas I. Capítulo 2: Contexto Tecnológico y planificación Memoria Página 11 OBJETIVO PRINCIPAL LENGUAJE PROGRAMACIÓN LICENCIA DOCUMENTACIÓN SISTEMA OPERATIVO GRÁFICOS GRÁFICAS Simio Fabricación Puertos Simulación militar Salud Cadenas de abastecimiento Especificaciones visuales. Se basa en .NET Evaluación Gratuita Versión Design Edition 6850 € Versión Enterprise 10275 € Newsroom Soporte técnico Blog Videos Lecciones prácticas Windows Nivel Alto. Galería 3D de Google Nivel Medio-Alto Tabla 5: Resumen de herramientas II. Se elige RepastS (Repast Simphony) por los siguientes motivos: • Programación Java nos permite modelar con mayor versatilidad que las demás aplicaciones. • Ofrece una estructura de los agentes y sus atributos que facilitan la comprensión de los agentes. • Permite mayor modularidad para posteriores implementaciones sobre el mismo sistema. • Facilidad de modificación. • Permite documentar de una manera efectiva el código asociado a los agentes y sus interacciones. • Las gráficas pueden ser del nivel que se desee, según necesidades. • EL modelo de ejecución incluye una conexión 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 utilización. • Soporta acceso a las propiedades de los agentes. • Permite ecuaciones de comportamiento de agentes. • Visualizar las propiedades del modelo en tiempo de ejecución. • Adaptar los toolkits necesarios que funcionen bajo Eclipse. Capítulo 3: Análisis y Diseño Memoria Página 18 3.2. Ciclo 2: Modelo Avanzado El modo adecuado para definir el modelo avanzado es a través del comportamiento de cada uno de sus agentes. En los Anexos F y G se encuentran ampliadas las fases de análisis y diseño respectivamente. Objetivo del escenario: medir si el tener más información para tomar las decisiones mejora el beneficio global de la Cadena de suministro. El modelo se hará con 10 referencias de Carrefour de tipo A, B y C (muy alta rotación, media rotación y baja rotación). Función objetivo global: Maximizar el beneficio (ingreso-gasto). Utilizaremos valores relativos para el Coste, aunque para venta iremos variando los valores según corresponda a cada producto. Existirá un precio fijo a partir del cual el vendedor será libre de modificarlo. 3.2.1. Agente proveedor Función objetivo: Maximizar el beneficio (ingreso-gasto). Cómo lo hace: con una producción estable y con el mínimo inventario. Ingreso: unidades vendidas x P (precio). Gasto: unidades en inventario x CIProveedor (coste de inventario del proveedor). Gasto: coste de penalización por no poder satisfacer la demanda (debe variar si es A, B o C, siendo por ejemplo B el doble de C y A él doble de B). En la tabla 9 se muestran sus propiedades, parámetros y atributos. ID Propiedades, parámetr os y atributos 1 R eferencias que produce . 2 M odo (frecuencia/demanda) por cada referencia . 3 C apacidad de producción (tiempo que tardo en fabricar) . 4 E l nivel actual de inventario . 5 C apacidad de inventario . 6 P recio de venta por referencia . 7 C oste de inventario por referencia . 8 S tock de seguridad . 9 C oste de penalización por referencia . Tabla 9: Propiedades, parámetros y atributos de proveedor. Capítulo 3: Análisis y Diseño Memoria Página 19 Comportamiento: produce o por frecuencia o bajo demanda. Puede modificar el precio en función de su nivel de inventario o del tiempo de entrega. Puede ofertar variaciones en la cantidad (ofertando lotes) en función del nivel de inventario. Se añadirán políticas de precios/descuentos. Interacción: Recibe peticiones de la plataforma Da respuesta con la cantidad que le puede mandar y el precioLa plataforma acepta si es lo requerido Envío del pedido La plataforma califica al proveedor. 3.2.2. Agente plataforma Función objetivo: Minimizar el gasto. Cómo lo hace: teniendo una previsión de ventas de las tiendas, ajustando el inventario interno y negociando los precios con los proveedores. Gasto: unidades que compra x P. Gasto: unidades en inventario x CIPlataforma (coste de inventario en la plataforma). Gasto: coste de penalización por no poder satisfacer la demanda (debe variar si es A, B o C, siendo por ejemplo B el doble de C y A él doble de B). En la tabla 10 se muestran las propiedades, parámetros y atributos de las plataformas. ID Propiedades, parámetros y atributos 1 R eferencias que provee . 2 A quién se las puede comprar . 3 E l tiempo medio para que las entregue por cada proveedor . 4 E l nivel de confianza por cada proveedor . 5 C apacidad de inventario . 6 S tock de seguridad . 7 P unto de pedido . 8 P recio de compra por referencia (media histórica) . 9 C oste de penalización por referencia . 10 P revisión de la demanda que van a tener las tiendas a las que sirve por referencia . Tabla 10: Propiedades, parámetros y atributos de plataforma. Comportamiento: dirigido por eventos discretos, analiza el stock acumulado, la previsión de la demanda de las tiendas, los pedidos actuales y genera la negociación con las tiendas. Al parametrizar el stock de seguridad o la capacidad de inventario, podemos analizar qué efecto tiene en la cadena, aunque no estaremos aprovechando los agentes ya que esas propiedades tienen siempre el mismo Capítulo 3: Análisis y Diseño Memoria Página 20 efecto en cada simulación. La clave reside en que estos parámetros definen dinámicamente el comportamiento de la plataforma, lo que si aprovecha la capacidad de los agentes. Interacción Plataforma-Tienda: Recibe peticiones de la tiendaSi dispone de inventario le enviará el producto, con un precio variable en función del inventario del que dispone. Este es un caso particular que a diferencia del resto de interacciones, no tienen la capacidad de negociar. Esto es así, debido a que en la vida real es tal y como sucede. Interacción Plataforma-Proveedor: Realiza pedidos periódicos a los proveedores Recibe la oferta del proveedorEstudia la oferta en función de la cantidad de inventario del que dispone Toma de decisión Recepción(o no) del producto y calificación del proveedor. 3.2.3. Agente tienda Función objetivo: Maximizar beneficios. Cómo lo hace: ajustando precios para conseguir aumentar las ventas cuando dispone de stock en el almacén y realizando ofertas a los clientes. También tratará de aprovechar las ofertas realizadas por la plataforma. Ingresos: P* unidades vendidas. Gasto: unidades en almacén*costeUnidadAlmacén. Se realizarán 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, parámetros y atributos de las tiendas. ID Propiedades, parámetros y atributos 1 R eferencias que provee . 2 A quién se las puede comprar . 3 E l tiempo medio para que las entregue por cada proveedor . 4 E l nivel de confianza por cada proveedor . 5 C apacidad de inventario . 6 S tock de seguridad . 7 P unto de pedido . 8 P recio de compra por referencia (media histórica) . 9 C oste de penalización por referencia . 10 P revisión de la demanda que van a tener las tiendas a las que sirve por referencia . Tabla 11: Propiedades, parámetros y atributos de tienda. Capítulo 3: Análisis y Diseño Memoria Página 21 Comportamiento: Dirigida por eventos discretos, la tienda analiza el stock acumulado, la previsión de la demanda de los clientes, los pedidos actuales y genera la negociación con los clientes. Al parametrizar el stock de seguridad o la capacidad de inventario, podemos analizar qué efecto tiene en la cadena. La clave reside en que estos parámetros definen dinámicamente el comportamiento de la tienda, lo que permite aprovechar la capacidad de los agentes. Interacción Tienda-Plataforma: La tienda envía una petición de compra a la plataforma elegida de entre aquellas que tiene en su cercanía. Con las alejadas, sería inviable. Eso se traduce en una distribución homogénea de las plataformas sobre las tiendas en la implementación. Tras recibir la petición, la plataforma responde con la disponibilidad y los precios, en este caso, no hay ofertas. La tienda decide y se efectúa la compra. Finalmente, la plataforma es puntuada. Interacción Tienda-Cliente: La tienda recibe una petición del cliente, y esta le ofrece sus precios y los descuentos disponibles para todo el carroEl cliente recibe ofertas individualizadas por productos Recibe carro y puntúa a la tienda. 3.2.4. Agente cliente Función objetivo: Minimizar gastos de compra. El cliente tratará de comprar los productos a bajos precios. Para ello tendrán acceso a los previos que se han ido tratando a lo largo de la simulación. Además de observar el precio observará el nivel de confianza (disponibilidad) que ofrecen las tiendas. Tras realizar la compra, y en función del servicio y los precios, asignará una nota que actualizará el peso de la tienda, dato que será accesible por todos los clientes. Valores: Unidades*P. En la tabla 12 se muestran las propiedades, parámetros y atributos de los clientes. ID Propiedades, parámetros y atributos 1 Experiencia sobre tiendas. 2 A quién debe comprar 3 P recio de compra por referencia (media histórica) . 4 C oste de penalización por referencia . 5 P revisión de la demanda que van a tener las tiendas a las que sirve por referencia . 6 Carro de la compra con revisión por artículos. Tabla 12: Propiedades, parámetros y atributos de cliente. Capítulo 3: Análisis y Diseño Memoria Página 22 Comportamiento: El análisis de precios y disponibilidad histórica en comparación con los datos de precios y confianza actual van a llevar al cliente a elegir quién será su potencial vendedor cada día (tick). Interacción Cliente-Tienda: Cliente genera un carro Califica a las tiendas haciendo un cálculo global del carro--> Elige candidato Pide y recibe los productos de los que dispone la Tienda Puntúa a la tienda. Capítulo 4: Resultados Memoria Página 23 Capítulo 4 Resultados En este capítulo se muestran los resultados y conclusiones extraídas tras realizar las simulaciones de ambos modelos. En el modelo básico es importante comprobar cómo aunar la utilización de la negociación. La colaboración y el concepto de agente resulta útil para poder simular casos reales de cadenas de suministro. El fin principal del modelo avanzado es la obtención de resultados a partir de los cuales poder extraer conclusiones relevantes tomando un modelo más realista, y teniendo como referencia el modelo de Carrefour. 4.1. Modelo básico Los objetivos de modelo básico son alcanzar un compromiso entre la validación de un correcto funcionamiento del modelo a la vez que la obtención de pequeños 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 interactúa con la tienda y el proveedor. Tanto el análisis de las ventas de las tiendas a los clientes, como la comprobación de las plataformas permitirán dar por bueno el funcionamiento de la simulación. En la plataforma se observa una evolución del stock totalmente lógica, teniendo como muestra la figura 5 y resumiendo este comportamiento en la tabla 13. Cada una de las líneas (azul y roja) de simulación representa la evolución del inventario para un producto de los agentes plataforma a lo largo del tiempo. ID Evolución de stock en plataforma 1 El nivel de stock crece puntualmente al realizar un pedido en la plataforma, al igual que ocurrirá con cualquier vendedor. Los pedidos de plataforma varían según el nivel de stock en el momento del pedido. 2 Los pedidos son realizados cuando el stock está por debajo del punto de pedido. 3 Los pedidos tardan los días previstos (en este caso 3), lo que produce que en ciertos casos existan “pedidos de riesgo”, es decir, que durante esos tres días el stock seguirá bajando, como ocurre en las zonas marcadas con cuadros negros en la figura 7. 4 La forma de la gráfica de ambas plataformas y los valores entre los que se mueve permite verificar el correcto comportamiento de los agentes. Tabla 13: Evolución del stock en plataforma. Capítulo 4: Resultados Memoria Página 24 Figura 5: Stock en plataforma. Tomando una muestra de 10 simulaciones representativas y cómo se observa en la figura 6, la bajada porcentual en los niveles de inventario de las tiendas es del 5% gracias a la existencia de negociación. Figura 6: Decremento en los niveles de inventario. 0 2 4 6 8 10 12 1 2 3 4 5 6 7 8 9 10 % Mejora Media Nº de muestra % decremento de Inventario Capítulo 4: Resultados Memoria Página 25 En la tabla 14 se muestra una tabla resumen de los resultados obtenidos con este primer modelo. ID Resultados 1 Correcto funcionamiento de los inventarios, tomando la forma de “diente de sierra” esperada. Se observa en la figura 7. 2 Se observa una mejora media en el decremento de inventario de las tiendas del 5%. Sin embargo, en términos de costes todavía no se obtienen resultados. 3 Se consigue explicar gráficamente el funcionamiento del stock en plataforma y las incidencias que ocurren derivadas del tiempo de entrega de productos (rotura de stock de seguridad). 4 Existe poca sectorización de los productos, con lo cual, estos resultados son orientativos. 5 Con este modelo no se puede alcanzar el realismo esperado con respecto a una gran cadena de distribución. Tabla 14: Resultados del modelo básico. En la tabla 15 se observan las acciones futuras que se aplicarán sobre el modelo avanzado, puesto que se consideran de utilidad y vía para dotar al nuevo modelo de mayor realismo y alcanzar mejores resultados. Acciones futuras La existencia de un único tipo de producto se transformará en una distribución ABC. Se tendrá en cuenta el principio de Pareto. Se posibilitará la variación de puntos de pedido y de rotura según la clasificación del artículo. Se modelará 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 anticipará en fábrica en función de la evolución de los pedidos que recibe. Mejorar los porcentajes de mejora en cuanto a la variación en nivel de inventario entre el sistema colaborativo y el que no lo es. Para ello se deberán mejorar los algoritmos de negociación y compartir más información entre agentes. Incrementar la pro - act ividad del sistema. Tabla 15: Acciones futuras. Capítulo 4: Resultados Memoria Página 26 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 aplicación o no de la negociación entre agentes, una segunda en la que se varían los márgenes de inventario a partir de los cuales realizar modificaciones de precios y una última y tercera en la que se varían los pesos asignados a los niveles de confianza y los precios en tiempo real. Las tres situaciones se amplían 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 Clientes Tiendas Plataformas Proveedores Número 500 15 2 4 Delay 1 1 3 Tabla 16: Propiedades básicas de los agentes. Además, con respecto a los productos, la tabla 17 refleja la rotación y el número de productos que van a existir de cada tipo. En esta tabla se reflejan los pedidos realizados por los clientes, es decir, serán quienes fijen la rotación de los productos a lo largo de la cadena. Productos Tipo A Tipo B Tipo C Total Productos 3 4 3 Aparición 70% 20% 10% Tabla 17: Productos. Además, 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. 4.2.1. Negociación frente a Sin Negociación En esta primera simulación se van a tratar los resultados desde el punto de vista de dos simulaciones diferentes. En el primer caso se simulará teniendo en cuenta la no existencia de negociación entre los diferentes participantes de la cadena logística y seguidamente se mostrarán los resultados en el caso contrario. La no existencia de negociación conlleva que no podrán existir ofertas en el sistema colaborativo, aunque si se mantendrá la capacidad de comprar según 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. Sería interesante poder establecer un valor para las situaciones en las que un cliente no está dispuesto a aceptar un proceso de negociación. Es decir, por mucho que baje el precio, a veces no querrá comprar productos ofertados. No obstante, además de haber conseguido incrementar los ingresos en un 15,6%, también se han conseguido reducir los costes de inventario en un 9,3%. Capítulo 4: Resultados Memoria Página 27 Figura 7: Evolución de los beneficios en tiendas. Se observa en la figura 8 que en las plataformas, y como conclusión positiva, resulta de especial relevancia la disminución en el coste de inventario sabiendo que con la existencia de negociación han crecido sus ventas. Esto es debido a que se consigue equilibrar el inventario por el aumento del número de pedidos desde tienda. Por supuesto que el gasto global se ve incrementado, pero es normal existiendo un aumento de las ventas. Figura 8: Gastos en plataforma sistema de negociación. Los proveedores, en consecuencia, tendrán que aumentar su producción e incrementarán sus ventas. El proveedor va a ser el gran beneficiado, siempre y cuando pueda cubrir la demanda, puesto que a nivel de producción los productos están menos diversificados (no todos los proveedores producen todo). Así, el proveedor obtendrá ingresos un 22,9% superiores (en media) que en el caso en el que no exista negociación. Observar en la tabla 18 un resumen de esta sección. 0 200.000 400.000 600.000 800.000 1.000.000 1.200.000 1.400.000 Sin negociación Evolución de los beneficios Evolución de los beneficios Con negociación 0 1000000 2000000 3000000 4000000 Gastos en plataforma Sin Negociación Con Negociación Capítulo 5: Conclusiones Memoria Página 34 5.3. Siguientes pasos Se plantean las siguientes opciones como futuras ampliaciones: Propiedad Descripción Afinar inventario. Conseguir que a pesar de estar obteniendo mejores niveles de ingreso, conseguir rebajar en términos absolutos la cantidad de productos en inventario a lo largo del año. Ejecución distribuida. Aplicar la ejecución en varias máquinas de las simulaciones, para poder ampliar la cantidad de agentes que intervienen en las mismas. En los resultados básicos no existieron problemas, pero conforme crece la red, los tiempos incrementan considerablemente. Observar influencia de la rotación de los productos. ¿Qué ocurriría si aplicamos la ejecución sobre todos los productos de tipo A, en el otro extremo, sobre todos los productos de tipo C? ¿Existe la misma repercusión sobre todos ellos? Limitar la producción. Hemos estimado un equilibrio en la producción. Para un caso real, sería interesante conocer la capacidad del fabricante. Conocer la tasa de crecimiento de ventas en épocas de ventas altas. Por ejemplo, conocer qué tipo de productos son aquellos que más problemas de distribución tienen en épocas navideñas, conocer el entorno del producto, y conseguir establecer un reparto equitativo entre las diferentes tiendas y plataformas. Algo que no ocurre en la realidad. Realización de estudios de mercado. A través de estos estudios de mercado permitiría ajustar el precio que estaría dispuesto a pagar el cliente, y así optimizar los precios de venta y en consecuencia los ingresos del vendedor. Introducir los medios de transporte de mercancías. Ciertas variables relacionadas con los medios de transporte para el aprovechamiento del espacio de transporte sería un complemento beneficioso. Tabla 22: Acciones futuras. Bibliografía Memoria Página 35 Bibliografía [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. Página oficial de Repast. 2008. http://repast.sourceforge.net/ [3] Thierry Moyaux, Brahim Chaib-draa, and Sophie D’Amours. “Supply Chain Management and Multiagent Systems”. Université Laval - DAMAS, Pavillon Pouliot, Québec, Canada .2003. [4] José L. Calderón y Francisco C. Lario. “Simulación de Cadenas de Suministro: Nuevas Aplicaciones y Áreas de Desarrollo”. Universidad Politécnica de Valencia, Dpto. de Organización de Empresas.2007. [5] Juan de Lara. “Sistemas Multi-Agentes”. Universidad Autónoma de Madrid. [6] José Miguel Castillo Chamorro. “Metodología para la construcción de modelos multiagente en entornos de planificación”. Universidad Rey Juan Carlos de Madrid. 2007. [7] Área de Investigación, Desarrollo y Servicios Tecnológicos del ITA. “Técnicas de análisis de redes logísticas y casos prácticos”. 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 decisión makers’ individualities on the wholesale Price contract’s 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. [11] Adeline M. Uhrmacher,Danny Weyns. “Multi-Agent Systems Simulation and Applications”. CRC Press.2009. [12] H. Donald Ratliff. “10 Rules for Supply Chain & Logistics Optimization”. Georgia Institute of Technology.2003. [13] Jorge Gómez Sanz, Juan Pavón Mestras. “Análisis y Diseño de Sistemas Multi- Agente”.Universidad Complutense de Madrid. 2002. [14] Scott A. Deloach,Mark F. Wood. “Multiagent Systems engineering:The analysis phase”.Air forcé institute of technology Wright-Patterson Air Force Base, Ohio. 2000. [15] Nick Collier. “RePast: An extensible Framework for Agent Simulation”. University of Chicago. 2001. Bibliografía Memoria Página 36 [16] Thierry Moyaux, Brahim Chaib-draa, and Sophie D’Amours. “Supply Chain Management and Multiagent Systems”. Université Laval - DAMAS, Pavillon Pouliot, Québec, Canada .2003. [17] Sara Saberi , Charalampos Makatsoris. “AGENT SYSTEM FOR NEGOTIATION IN SUPPLY CHAIN MANAGEMENT”. Department of Mechanical and Manufacturing Engineering, University Putra Malaysia, 43400.2008. [18] José L. Calderón y Francisco C. Lario. “Simulación de Cadenas de Suministro: Nuevas Aplicaciones y Áreas de Desarrollo”. Universidad Politécnica de Valencia, Dpto. de Organización de Empresas.2007.