Simulación discreta y por agentes de una cadena de suministro simple incluyendo un sistema de información geográfica (sig)

• Autores: Jaime A. Giraldo García, Omar D. Castrillón Gómez, Santiago Ruiz Herrera
• Localización: Información tecnológica, ISSN-e 0718-0764, ISSN 0716-8756, Vol. 30, Nº. 6, 2019, págs. 123-136
• Idioma: español
• Títulos paralelos:
  • Discrete simulation and agents of a simple chain supply including a geographic information system (gis).
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    Se presenta un modelo de simulación como plataforma de experimentación de la logística de operación de una cadena de fabricación/distribución de pequeña escala, dirigida especialmente a estudiantes y profesionales involucrados en su planeación, diseño y operación. En la construcción del modelo, se usó en conjunto de métodos: simulación basada en agentes y por eventos discretos, además del uso de un Sistema de Información Geográfica (SIG). El uso iterativo del modelo permite evaluar el desempeño de diversos escenarios que se presentan en el mundo real. Permite, además, analizar diferentes situaciones para el desarrollo de habilidades y competencias para la toma de decisiones bajo incertidumbre, relacionadas con tamaño de la flota de transporte, capacidad del sistema de producción, cobertura geográfica de servicio a la demanda y ubicación apropiada de la planta de fabricación/distribución utilizando un ejemplo típico de la industria

  • English

    A simulation model is presented as a platform for experimentation in the logistics of the operation of a small-scale manufacturing / distribution chain, aimed especially at students and professionals involved in its planning, design and operation. In the construction of the model, several methods were involved: simulation based on agents and discrete events, in addition to the use of a Geographic Information System (GIS). The iterative use of the model allows evaluating the performance of different scenarios that are presented in the real world. It also allows analyzing different situations to develop skills and competencies for decision making under uncertainty related to size of the transport fleet, system capacity of production, geographical coverage of service to the demand and appropriate location of the manufacturing/distribution plant using a typical example of the industry.