Documente Academic
Documente Profesional
Documente Cultură
de simulación para
dimensionamiento de
Aduanas
Mayo, 2015
Índice
1. Introducción……………………………………….…………………………………………….…… 3
2. Objetivo………………………………………………..…………………………………………………. 4
3. Alcance.……………………………………………….………………………………………………….. 4
4. Aduana México…..………………………...…………………………………………………….. 5
5. Problemática en aduanas………………..……………………………………………… 24
6. Marco teórico……........................................................................................... 26
La pregunta era: ¿cómo determinar los recursos humanos necesarios para brindar el mejor
servicio posible a los usuarios al tiempo que se mantiene el control y la percepción de riesgo?
Para responder esta pregunta, se consideraron los siguientes requisitos:
A lo largo del presente documento se explicará paso a paso la metodología empleada para
desarrollar los modelos de simulación en la operación de aduanas fronterizas, marítimas e
interiores conforme a sus diferentes condiciones geográficas y particularidades de la
operación.
3. Alcance
Este documento presentará información acerca del surgimiento de las aduanas en México y la
importancia que han tenido desde sus inicios hasta la actualidad para la economía de nuestro
país, considerando las leyes que regulan su operación. Se hace mención al papel que juega la
Administración General de Aduanas –AGA– para cumplir con su función principal de
controlar la entrada y salida de mercancías, lo cual está contemplado en su misión y visión.
Así mismo, se presenta un marco teórico del cual surgieron alternativas para el desarrollo del
estudio.
Se identifican las metodologías aplicables para cada una de las aduanas, a través de la
elaboración de modelos de simulación enfocados en las áreas de Operación Aduanera,
Informática y Contabilidad (modulación), Puntos Tácticos y Vigilancia y Control.
Incluye una guía detallada con un ejemplo para la elaboración de modelos de simulación
utilizando el software Bluesss, el cual se apega a las necesidades requeridas. También se
documentó un ejemplo de una aduana marítima, haciendo una comparación de la situación
actual, donde se muestra la operación real hoy en día, contra la situación propuesta y se
evalúan los resultados para obtener posibles soluciones que mejoren el servicio.
Así mismo dentro del documento es posible encontrar hallazgos, beneficios y lecciones
aprendidas que resultan útiles para la elaboración de modelos de simulación.
4.1 Antecedentes
Las aduanas en México se encuentran entre las instituciones con funciones más antiguas en
la historia de nuestro país. Su desarrollo está relacionado económicamente con la sociedad a
través de los siglos; en especial respecto de las necesidades de recaudación, el estímulo a las
actividades económicas y el control del flujo de las mercancías que entran y salen del
territorio nacional.
Desde la época prehispánica existía una intensa actividad comercial entre los pueblos
mesoamericanos, que tenían, además del trueque, sistemas de valores y medidas que se
empleaban para el intercambio de mercancías. Las culturas más fuertes, como la mexica,
exigían a algunos pueblos el pago de tributos, regulando el intercambio de productos de una
región a otra.
Con ellos, la corona española buscaba fortalecer el erario real y ejercer control sobre el
comercio de las posesiones españolas de ultramar.
Entre 1765 y 1796 una sucesión de cédulas y decretos reales, conocidos como Reformas
Borbónicas, acabaron con el monopolio comercial construido a lo largo de más de dos siglos
por los comerciantes de Sevilla y Cádiz y sus contrapartes americanos; y se suprimió el
monopolio de los puertos de Veracruz y Cádiz para la entrada y salida de mercancías hacia
una y otra parte.
En 1811, se autorizó el tráfico comercial marítimo en el puerto de Guaymas, y en 1814 las cortes
españolas lo habilitaron para el comercio nacional. En 1823 se estableció la aduana marítima
en ese puerto.
A inicios de los 1830 quedó formalmente instalada la aduana de Mazatlán, cuyo puerto ya
había sido abierto al comercio en 1820, con un intenso tráfico de buques procedentes de
Filipinas, Macao y Calcuta con sedas, porcelanas y lacas.
La firma de los tratados de Guadalupe Hidalgo en 1848 implicó la reubicación de las aduanas
en la frontera con Estados Unidos, dada la pérdida de una porción muy significativa del
territorio nacional en el norte, y por consiguiente una nueva configuración de la línea
divisoria con ese país. Matamoros, Presidio del Norte (más tarde Ojinaga) y Paso del Norte
(posteriormente Ciudad Juárez) se convirtieron en las nuevas aduanas que registraron la
entrada y salida de mercancías por esa región.
Con la caída del Imperio de Maximiliano en 1867 y la consolidación del régimen republicano,
el país inició un proceso paulatino de modernización de su comercio exterior.
A partir del arancel de 1872, que simplificó los trámites de las aduanas, y del arancel de 1880,
que introdujo la figura del agente aduanal, se agilizó de manera importante el sistema
administrativo.
Esta ley fue abrogada por la Ley Aduanera de 1935, en la que se incluyó un nuevo régimen
jurídico para las actividades de los agentes aduanales.
En 1951 se publicó el Código Aduanero, vigente hasta 1982, el cual constituyó un instrumento
de apoyo a la política de industrialización basada en la sustitución de importaciones. Este
código se caracterizó por contener en un solo instrumento jurídico una reglamentación
aduanera muy completa.
La Ley Aduanera, publicada el 30 de diciembre de 1981, tuvo gran relevancia ya que adoptó la
terminología utilizada internacionalmente, simplificó la estructura de los recursos
administrativos, remitiéndose a los previstos en el Código Fiscal de la Federación y se rigió
1
Correa Alcalá, César Omar (2011). Glosario básico de términos de derecho aduanero y comercio exterior. pág. 86. México: Ed.
Dercoexa.
Este modelo se confirmó en 1994 con la entrada en vigor del Tratado de Libre Comercio de
América del Norte, y después, en 1995, al convertirse nuestro país en miembro de la
Organización Mundial del Comercio (OMC), además de crear una red de Tratados de Libre
Comercio (TLC’s) con diversos países y regiones del mundo.
Otro hecho notable para el sistema aduanero de México fue que el 25 de enero de 1993 se
publicó la reforma al Reglamento Interior de la Secretaría de Hacienda y Crédito Público,
modificando el nombre de la Dirección General de Aduanas por el de Administración General
de Aduanas (AGA) y estableciendo la jurisdicción de las 45 aduanas existentes en ese
entonces en el país.
En diciembre de 1995, como corolario de la negociación de los TLC’s, se promulgó una nueva
Ley Aduanera, que entró en vigor el 1º de abril de 1996, y continúa vigente a la fecha.
De acuerdo a la clasificación anterior se listan todas las aduanas del país conforme a su
ubicación geográfica:
Fronteriza
Interior Marítima
Norte y Sur
Tijuana Ciudad Acuña AICM Ensenada Tampico
Tecate Piedras Negras Guadalajara La Paz Tuxpan
Mexicali Colombia Toluca Guaymas Veracruz
San Luís Río Nuevo Laredo Monterrey
Mazatlán Coatzacoalcos
Colorado Ciudad Miguel México
Manzanillo Dos Bocas
Sonoyta Alemán Chihuahua
Lázaro Ciudad del
Nogales Ciudad Camargo Aguascalientes
Cárdenas Carmen
Naco Ciudad Hidalgo Querétaro
Agua Prieta Reynosa Guanajuato Acapulco Progreso
Las funciones de las aduanas han cambiado en el transcurso de los años y actualmente son
las siguientes:
Los avances obtenidos por el SAT desde su origen en 1997 son innegables, no obstante, las
áreas de oportunidad y retos para el futuro son grandes, de forma que se ha diseñado un Plan
Estratégico para el período 2014-2018 que se caracteriza por sus objetivos claros y simples en
la consecución del principal resultado: “Aumentar la recaudación promoviendo el
cumplimiento voluntario de las obligaciones fiscales y de comercio exterior”.
El contexto del Plan Estratégico del SAT2 pretende contribuir al logro de su misión que es,
“Recaudar los recursos tributarios y aduaneros que la Ley prevé, dotando al contribuyente de
las herramientas necesarias que faciliten el cumplimiento voluntario”, así como al logro de la
visión, la cual es, “Ser una institución moderna que promueva el cumplimiento voluntario de
los contribuyentes a través de procesos simples.”
La AGA también busca contribuir en forma significativa al logro de los objetivos generales de
la institución, los cuales representan la guía para alcanzar mayor eficiencia, eficacia, calidad y
transparencia, todo dirigido hacia:
2
Plan Estratégico del SAT 2014-2018. Intrasat. Abril 2014. México.
El presente estudio está enfocado principalmente al desarrollo del objetivo estratégico P02.
Facilitar el comercio exterior, tomando en cuenta que el comercio exterior se intensificará
en los próximos años y el SAT dará atención preferencial a la implementación de nuevos
esquemas que lo facilitan y acciones para la modernización de la infraestructura aduanera.
Para ello se instrumentarán un conjunto de estrategias y acciones tendientes a disminuir los
tiempos, simplificar los trámites del despacho aduanero y agilizar la atención de la demanda.
Para lograr el objetivo planteado en el plan estratégico del SAT se contemplan las siguientes
iniciativas:
Pre despacho
Modelos de Riesgos.
Reforzar los modelos de riesgo para focalizar los esfuerzos en las operaciones de
comercio exterior con alta posibilidad de presentar irregularidades, y a su vez, para
agilizar la mercancía lícita.
3
Mapa estratégico de la Administración General de Aduanas. Intrasat AGA 2014. México.
Resultados:
Contribuyentes:
Previos
Ferrocarril
Vehículos ligeros
Inspección física de los autobuses que cruzan la frontera y revisión del equipaje de los
pasajeros.
Cruces peatonales
Inspecciones del equipaje que llevan consigo los peatones que cruzan la frontera. Esta
revisión se lleva a cabo en cruceros.
Al no contar con el personal suficiente para satisfacer la demanda, los tiempos de atención
también se incrementan formando a su vez largas filas de espera y esto se debe a que las
operaciones se concentran en ciertos horarios (pico) que en ocasiones provocan saturación de
los espacios físicos. El arribo de operaciones en forma aleatoria es un factor externo que
actualmente no puede controlar el personal de la aduana y tiene que reaccionar ante esto,
como por ejemplo, la llegada excesiva de vuelos a ciertas salas y el arribo de grandes
volúmenes de mercancía en aduanas fronterizas.
El estudio ayudó a identificar con precisión los días y horas con mayor operación, ya que
se llevó a cabo un análisis estadístico basado en información real y fue posible compararlo
con la percepción del personal de la aduana y los usuarios acerca de los días con mayor
actividad. En temporadas altas en las que la demanda se incrementa en gran medida, se
requiere personal de apoyo adicional para brindar una adecuada atención y se implementan
programas como Paisano.
Administración General de Recursos y Servicios
Administración Central del Ciclo de Capital Humano - Administración de Estudios Organizacionales
Página 24
Cada aduana tiene una manera particular de operar y en ciertos puntos se observaron
limitaciones físicas del espacio y una subutilización de la infraestructura, lo cual también fue
analizado a detalle para poder adaptarse y tener un mejor aprovechamiento. En este
documento se proporcionan observaciones y se dan sugerencias relacionadas con el uso de
los equipos de RNI para incrementar la percepción de riesgo y tener control manteniendo un
adecuado nivel de servicio.
El análisis de información de operaciones por día y hora es un insumo clave para la creación
de los modelos de simulación, ya que se escoge el día de mayor actividad para modelar la
operación bajo condiciones de carga máxima y asegurar de esta manera, que aún bajo ese
escenario, la solución propuesta puede satisfacer la demanda que los usuarios requieren.
Para responder la problemática detectada, Capital Humano se dio a la tarea de investigar qué
metodología es aplicable para resolver la problemática. A continuación, se presentará la
metodología escogida de teoría de colas y de restricciones para analizar el comportamiento y
formación de filas para entender los elementos que constituyen las bases para los modelos de
simulación necesarios para el estudio.
El modelo de simulación es la "imitación" del sistema original. Para imitar algo es necesario
conocerlo bien y reunir la información precisa respecto del sistema original.
Si existe una solución analítica para un modelo matemático y es factible usar herramientas de
computación, usualmente es deseable elaborar el modelo de esta forma. Sin embargo,
muchos sistemas son altamente complejos, de manera que los modelos matemáticos válidos
también lo son. En este caso, el modelo debe ser estudiado por medio de simulación.
Las investigaciones resultaron en una nueva teoría denominada teoría de colas “líneas de espera”, que
es ahora una herramienta de valor en los negocios ya que en éstos hay un gran número de problemas
de congestión llegada-salida.
La teoría de colas es el estudio matemático del comportamiento de líneas de espera. Las colas
se presentan, cuando los clientes llegan a un lugar demandando un servicio a un servidor, el
En este caso, se debe lograr un balance económico entre el costo del servicio y el costo
asociado a la espera.
Identificar el nivel óptimo de capacidad del sistema para minimizar su costo global.
Evaluar el impacto de las posibles alternativas de modificación de la capacidad del
sistema en el costo del mismo.
Establecer un balance “óptimo” entre las consideraciones cuantitativas de costos y las
cualitativas de servicio.
Prestar atención al tiempo de permanencia en el sistema o en la cola, la paciencia de
los clientes depende del tipo de servicio específico, ya que éste puede hacer que un
cliente abandone el sistema.
La cola es el conjunto de clientes que hacen fila de espera, es decir los usuarios que
ya han solicitado el servicio, pero aún no han sido atendidos.
Tipos de cola: Es el modo en el que los clientes o usuarios son seleccionados para ser
atendidos. Los tipos más habituales son:
FIFO (first in first out), también llamada FCFS (first come first served) según
el cual se atiende primero al cliente que haya llegado antes.
LIFO (last in first out), también conocida como LCFS (last come first served)
que consiste en atender primero al cliente que ha llegado al último.
RSS (random selection of service), o SIRO (service in random order), que
selecciona a los clientes de forma aleatoria.
Llegada de un Cola
cliente
Fuente de entrada
Tipo de cola
Servicio
Sistema de la cola
La distribución más usada para los tiempos de servicio es la exponencial. Aunque es común
encontrar las distribuciones degenerada o determinística (tiempos de servicio constantes) o
la distribución Erlang (Gamma).
También existen diferentes tipos de tiempos entre llegadas en un modelo de colas, los cuales
se enlistan a continuación:
El proceso de servicio define cómo son atendidos los clientes. En algunos casos puede existir
más de una estación en que se proporcione el servicio requerido. El despacho aduanero en
sus diferentes puntos es un buen ejemplo de lo anterior. Cada equipo de rayos gamma y cada
módulo son estaciones que proporcionan el mismo servicio.
A estos sistemas de colas se les conoce como de canal múltiple. En dichos sistemas, los
servidores pueden ser idénticos, en el sentido de que proporcionan la misma clase de servicio
con igual rapidez, o pueden no ser idénticos. Por ejemplo, si todos los moduladores tienen la
misma experiencia, pueden considerarse como idénticos.
En un sistema de colas de canal sencillo, todos los productos deben pasar por una estación de
trabajo. Es importante hacer notar que incluso en un sistema de canal sencillo puede haber
muchos servidores que hacen juntos la tarea requerida. Por ejemplo, el carril para vacios es
Cualquier sistema de colas pasa por dos fases básicas. Por ejemplo, cuando la aduana abre en
la mañana, no hay nadie en el sistema, de modo que el primer usuario es atendido de forma
inmediata. Conforme van llegando más usuarios, lentamente se va formando la cola y la
cantidad de tiempo que tienen que esperar empieza a aumentar. A medida que avanza el día,
el sistema llega a una condición, en la que el efecto de la falta inicial de usuarios ha sido
eliminado y el tiempo de espera de cada usuario ha alcanzado niveles estables.
“No importa en qué cola se sitúe: la otra fila siempre avanzará más rápido”
Otra teoría aplicable para modelos de formación de filas que es necesario tomar en cuenta es
la de restricciones, la cual se aborda a continuación.
La teoría final del Dr. Goldratt parte de una hipótesis que sostiene que cualquier sistema en
organizaciones tiene al menos una restricción, obstáculo que impide crecer y ganar hasta el
infinito, ya que cuando menos existe una limitante para ese desarrollo.
Como restricción se define cualquier cosa que limite un sistema para lograr un mejor
desempeño contra su meta. El autor también ha desarrollado un sistema que explica los
diferentes tipos que existen y pudieran presentarse en las organizaciones.
La primera parte de la hipótesis del autor habla de un proceso mental por medio del cual, al
reflexionar en la realidad de la empresa u organización, se toma conciencia de la situación y
por lo tanto de los problemas que impiden un desarrollo óptimo.
El proceso mental se pensó para contestar lógica y sistemáticamente las tres preguntas
esenciales para llegar a cualquier proceso de mejora:
¿Qué cambiar? Se refiere a la identificación plena del problema medular que se ha ido
desarrollando, que limita el éxito. Si ya se ha logrado identificar el problema medular, el
siguiente paso sería conocer su origen o causalidad y ya estaríamos en condiciones de
preguntarnos hacia donde queremos cambiar.
El Dr. Goldratt en su libro “La Meta” un proceso de mejora continua, desarrolló lo que se
conoce como los cinco puntos focales de T.O.C. en el proceso de mejora continua que
explicaremos a continuación:
Como consecuencia, los sistemas de hoy están limitados principalmente por las restricciones
que pueden ser un individuo, un equipo, una pieza de un aparato, una política local, o la
ausencia de alguna herramienta o pieza de algún aparato.
En toda empresa existen sólo unas pocas restricciones que le impiden ser eficientes.
Restricción no es sinónimo de recurso escaso. Es imposible tener una cantidad infinita de
recursos. Son las restricciones lo que le impide a una organización alcanzar su más alto
desempeño en relación a su meta.
Restricción es todo aquello que impida el logro de la meta del sistema o empresa.
Uno de los puntos a resaltar es el describir y entender lo que es un recurso cuello de botella,
el cual es aquél cuya capacidad es igual o menor a la demanda solicitada.
En 1960, Keith Douglas Tocher desarrolló un programa de simulación general cuya principal
tarea era la de simular el funcionamiento de una planta de producción donde las máquinas
ciclaban por estados: ocupado, esperando, no disponible y fallo; de manera que las
simulaciones en los cambios de estado de las máquinas marcarían el estado definitivo de la
producción de la planta. Entre 1960 y 1961 IBM desarrolló el Sistema de Simulación de
propósito general o General Purpose Simulation System (GPSS) que es un lenguaje de
programación de simulación de tiempo discreto. Se diseñó para realizar simulaciones de
teleprocesos involucrando por ejemplo: control de tráfico urbano, gestión de llamadas
telefónicas, reservas de boletos de avión, etc. La sencillez de uso de este sistema lo popularizó
como el lenguaje de simulación más usado de la época. Tiene su origen a fines de la década
de 1950 cuando Geoffrey Gordon estaba trabajando en la Bell Telephone Laboratories.
En 1961 también se desarrolló el programa SIMULA con ayuda de una computadora Univac.
En 1963 se desarrolló SIMSCRIPT, otra tecnología alternativa al GPSS basada en FORTRAN,
enfocada a usuarios informáticos no especializados en RAND CORPORATION.
3. Estimación de parámetros.
Es el procedimiento utilizado para conocer las características y valores aproximados
de ciertos parámetros, a partir del conocimiento de muestras que serán seleccionadas
para ser utilizadas en la simulación.
4
Modelo es la imitación de un conjunto de objetos o ideas de forma diferente a la realidad, la cual ayuda a obtener menores
riesgos, tiempos y costos.
5
Averil M. Law y W. David Kelton. (1991). Simulation Modeling and Analysis. pg. 11-13. Ed. Mc. Graw-Hill.
5. Programación y verificación
El encargado de elaborar el modelo de simulación debe decidir el lenguaje que
utilizará. En este caso fue Bluesss, el cual es un lenguaje de simulación sencillo,
reduciendo significativamente el tiempo de programación requerido. Posteriormente,
se describen los criterios para su elección.
6. Corridas de prueba
Las primeras corridas se hacen para validar la información. Son pruebas para verificar
si el modelo está bien programado o parametrizado para validar las salidas de
simulación con resultados reales.
7. 2ª. Validación
Las corridas de prueba pueden ser utilizadas para llevar a cabo un análisis de
sensibilidad de los resultados del modelo con pequeños cambios en un parámetro de
entrada. Si el resultado varía mucho, se debe obtener una mejor estimación del
parámetro de entrada hasta alcanzar los resultados más cercanos a la realidad.
9. Análisis de resultados
Se utilizan técnicas estadísticas para analizar los datos de salida de las corridas. Los
objetivos típicos son construir un intervalo de confianza para tener un diseño de
modelo definitivo y decidir qué modelo es el mejor.
Como los modelos de simulación son comúnmente usados para más de una
aplicación, es importante documentar las suposiciones que se hicieron en el modelo,
así como también el programa o sistema mismo. La implementación de las
recomendaciones de los modelos es más factible si los resultados son altamente
creíbles.
6
No necesariamente todos los estudios contendrán todas estas etapas y en el orden señalado; algunos estudios pueden contener
etapas que no se reflejan en el diagrama, debido a que un estudio de simulación no es un proceso secuencial simple.
Lenguajes
Simuladores
Hoy en día existen múltiples simuladores, los cuales ayudan a reducir el tiempo de desarrollo
del modelo.
Existe una gran variedad de paquetes de software para simulación, los cuales pueden
seleccionarse mediante diferentes criterios destacando los siguientes: costo, complejidad de
programación, perfil de los programadores, características funcionales, requerimientos de
hardware y software, entrenamiento requerido por los programadores, soporte, estabilidad
del producto, etc.
Los datos que se obtienen del software permiten predecir el comportamiento actual y futuro
en distintos escenarios, mediante una serie de experiencias realizadas con un programa
informático.
Dentro de los paquetes de software más usados en la industria podemos mencionar los
siguientes:
El estándar GPSS muestra las estadísticas cada vez que corre el programa. El
programa puede repetir la simulación y almacenar las trayectorias de modelo. Este
conjunto de trayectorias puede ser analizado usando mecanismos del ambiente de
Bluesss. La varianza, intervalos de confianza, etc. pueden ser asignados como
funciones del modelo en el tiempo, mostrando estadísticas útiles de las filas más
relevantes.
Mecanismo que permite agregar propiedades nuevas a los procesos actuales sin
intervenir en el código fuente de los procesos definidos con anterioridad.
Representación gráfica de los resultados. Las colas aparecen moviéndose en la
pantalla en forma de barras, el estado de los servidores y otros bloques son mostrados
durante la simulación. QMG genera también datos para el Bluesss Animator.
Animador Bluesss©: Incluye un editor de escenarios que permite crear imágenes para
simulación animada. El usuario genera el escenario y define rutas posibles para los
componentes del modelo y los íconos de los componentes. El animador fue diseñado
para trabajar con el módulo del Generador de Modelos de Colas Bluesss©.
Programación eficiente y administración en filas de eventos.
Bajo costo.
Sencillo de aprender y programar.
Genera reportes de resultados sencillos de interpretar.
Emplea las fórmulas estadísticas más usuales.
Representaciones gráficas de eventos.
Ejecución de múltiples eventos con índices de confiabilidad del 90% y 95%.
Después de haber elegido Bluesss© como paquete de software y como la herramienta que
proporcionará la metodología adecuada para cubrir con las necesidades del estudio y obtener
los resultados esperados, se describirá a detalle la metodología empleada en el siguiente
apartado.
2. Análisis de
5. Simulación 8. Validación
la Información
7.1. Visitas
Se visitaron algunas Aduanas para recabar datos, corroborar los procesos, tiempos de
operación y de espera y en términos generales, conocer la manera cómo opera cada una de las
áreas en una aduana para elaborar los modelos de simulación.
Las visitas contribuyen a experimentar la operación del despacho aduanero en distintos tipos
de aduanas y en las operaciones de comercio exterior.
Durante las visitas se realizaron entrevistas al personal, en conjunción con personal del área
central de Aduanas, con el fin de recopilar la información necesaria para contar con los
insumos requeridos para elaborar los modelos de simulación.
Para este tipo de proyectos es de vital importancia contar con la participación activa del
personal administrativo y operativo de cada aduana para obtener información y validar los
hallazgos y resultados de cada etapa de los sistemas simulados.
Los criterios para el análisis de información de las operaciones son los siguientes:
Es necesario tomar en cuenta que la información solicitada, además de los algoritmos del
módulo de selección automatizado (MSA), entrevistas, toma de tiempos, etc., servirán para la
parametrización de cada componente y definición de las reglas del servicio que se ajusten a la
capacidad instalada y operativa observada en las Aduanas para integrarlos al modelo de
simulación.
Se escoge el día de mayor actividad operativa y su distribución por hora para modelar bajo
condiciones de carga operativa máxima y asegurar de esta manera, que aún bajo estas
condiciones de operación, la solución propuesta puede satisfacer la demanda de servicio de
los usuarios de las Aduanas.
Despacho Despacho de
Despacho de
Información requerida / aduanero de Vehículos pasajeros en Cruces
Previos Ferrocarril pasajeros en salas
Procesos mercancías ligeros terminales de peatonales
internacionales
(carga) autobuses
Infraestructura
Plano arquitectónico de la
aduana y configuración con
distancias a escala para
identificar cada proceso.
Cantidad de carriles para el
ingreso de vehículos ligeros y
si cuentan con carriles de
autodeclaración.
Cantidad de carriles para el
ingreso de pasajeros.
Número de posiciones en
plataforma de revisión para 1er
reconocimiento y para el
reconocimiento aduanero
derivado de la 2ª activación.
Operaciones
Volumen de operación (mes de
mayor operación y detalle por
día y por hora).
Tasa de arribo de pasajeros
(mes de mayor operación y
detalle por día y por hora).
Aforo de vehículos ligeros por
día y hora.
Aforo de autobuses por día y
hora.
Cantidad de rojos en semáforo
fiscal.
Cantidad de rojos en carga de
importación y exportación por
día y hora, duración de la
revisión (hora de inicio y
término).
Cantidad de alertas recibidas a
nivel central y generadas
localmente.
Personal
Roles del personal asignados a
áreas operativas como:
módulos de selección,
operación aduanera, revisores
para previos, salas de
pasajeros, etc. (Indicando los
turnos que manejan y
detallando el número de
personas por día, hora y
ubicación).
Tiempos
Tiempo de atención en cada
estación de trabajo.
Así mismo se puede dimensionar la infraestructura de acceso en las aduanas, buscando que
no se formen largas filas de espera, determinando el número y longitud de carriles, de
acuerdo al tipo de operación carga, vacíos, vehículos ligeros y autobuses.
Este ejemplo ilustra la manera como generalmente se llevan a cabo las inspecciones del
equipaje que traen consigo los pasajeros, de mano y documentado, en los aeropuertos. La sala
y la ruta fiscal se encuentran distribuidas en tres carriles a los que los pasajeros ingresan
formando una fila en espera de ser atendidos. Primero pasan por el semáforo fiscal y activan
el MSA, donde pueden tener un resultado verde o rojo. En caso de ser rojo, pasan a revisión
en rayos X y posteriormente, a inspección física. En caso de que el resultado sea verde,
desalojan libremente la sala.
En este ejemplo se observa la manera como se realizan las revisiones de mercancías de carga
en las aduanas fronterizas. Se muestra el arribo de los tractocamiones, que se distribuyen en
tres carriles, en los que primero pasan por el MSA donde se activa un resultado. En caso de
ser rojo, el conductor se dirige a revisión físico-documental en la plataforma de primer
reconocimiento. También se le puede asignar revisión no intrusiva - RNI - con equipo de
rayos gamma o con equipo de rayos X; y en caso de que el resultado sea verde, su
desaduanamiento será libre.
Es necesario aclarar que todas las entradas para los modelos de simulación, pueden ser
operaciones o eventos, hay que considerar que una operación puede contener de 1 a 99
pedimentos, lo cual implica que varíe el tiempo de atención en algún proceso como en
módulos, debido a la cantidad de escaneos de pedimentos que se realicen por cada evento.
Al elaborar los modelos de simulación para carga es necesario tomar en cuenta las
restricciones, en cuanto al espacio físico de la aduana para programar el modelo. La cantidad
de tractocamiones que caben de un proceso a otro y saber así, cuál es la capacidad máxima
posible de las filas que se puedan formar. También hay que considerar las características de
los equipos que se utilizan para las revisiones intrusivas o no intrusivas, como por ejemplo:
tipo como rayos gamma normales o fullscan, equipos de RNI, equipos móviles de rayos X, etc.
El diagrama muestra como ejemplo ilustrativo, la manera cómo se lleva a cabo el despacho
aduanero de mercancía de carga en las aduanas marítimas. El proceso es el mismo que el de
carga en aduanas fronterizas, con la diferencia de que la mercancía llega en buques y se
descargan los contenedores, los cuales se colocan en el patio fiscal y la mercancía se presenta
para iniciar su despacho a lo largo de la ruta fiscal.
Los previos surgen por la generación de alertas que se dan tanto a nivel central como local, y
son resultado de un análisis de riesgo que es indispensable realizar por cuestiones de
Seguridad Nacional.
RNI
Revisión
Revisión
Revisión
Revisión
RNI
ESPERA DE
RESULTADOS SALIDA
En el caso del arribo de pasajeros por autobús, el proceso de revisión es similar al que se lleva
a cabo en aeropuertos, ya que se hace un análisis de los autobuses que se reciben en un día de
máxima operación, considerando su arribo por hora para determinar los horarios pico y
calcular la capacidad máxima de pasajeros.
La forma de operar de este proceso es similar a la que se lleva a cabo en salas de aeropuertos,
sólo que los pasajeros lo hacen por vía peatonal.
A continuación se describen brevemente los pasos que se siguieron para desarrollar los
modelos de simulación en Bluesss©.
7.4.1 Modelación
El primer paso consiste en elaborar el modelo de operación de la aduana considerando a
detalle su infraestructura, tiempos promedio de atención y parámetros establecidos.
7.5. Simulación
Se realizan pruebas generando corridas simples para analizar el comportamiento de la
operación diaria y obtener un resultado favorable.
Aquí se analizan las tendencias de las gráficas, donde se indican las longitudes máximas por
punto y el tiempo de atención durante el horario de operación de la aduana.
7.6. Iteración
Este paso consiste en efectuar múltiples corridas del modelo, realizando cambios en la
programación y llevando a cabo diversos ajustes en los parámetros para mejorar los
resultados obtenidos y que sean más cercanos a la realidad.
7.7. Evaluación
Este paso consiste en llevar a cabo un análisis de sensibilidad del modelo de simulación y sus
escenarios para detectar las áreas críticas en el flujo de la operación y proponer alternativas
de solución para mejorar los resultados.
7.8. Validación
En esta fase se validan los resultados obtenidos del modelo de simulación y se observa el
comportamiento del modelo, validando los resultados acordes a las premisas iniciales y
constatando que el resultado obtenido refleja las características de la operación real de la
aduana.
Las opciones que se utilizan y aparecen en una barra de herramientas del lado izquierdo de la
pantalla son las siguientes:
Fila Desagrupar
Entrada
Conector de
Agrupar Transportador
distribució
n
4) Para utilizar cualquiera de estas figuras (objetos), es necesario elegir una por una y
arrastrarla con el mouse hacia la pantalla en negro. Cada objeto tiene que tener una
conexión al siguiente.
5) Una vez concluido el diseño gráfico del modelo se procede a salir del editor de
objetos, siendo necesario dar clic en la opción de “END DRAW.”
6) Para asignar los parámetros de cada elemento del modelo, aparecen varias opciones
en un círculo, seleccionar “Main Menu/Define parameters/Selected blocks” y dar
doble clic sobre el bloque del ejemplo Generate 1.
Generate 1
Generate 2
9) Para insertar una fila, se arrastra el símbolo de “Queue” y se marca “FIFO”, luego se
da clic en “OK” y se arrastra el ícono a donde se quiera colocar.
Después se elige el símbolo de “Link” de la barra del lado izquierdo para conectar los
3 generates con la fila “4FIFO” como lo muestra la segunda pantalla.
Fila (Queue) es una línea de eventos en espera antes de ser atendidos por un
servidor. Recordemos que una fila puede ser del tipo FIFO (primeras entradas,
primeras salidas), LIFO (últimas entradas, primeras salidas) o RANDOM (aleatorio) y
puede tener una longitud limitada o ilimitada. El tiempo máximo de espera puede ser
definido por una fila. Si el evento se mantiene en espera más tiempo que el del
intervalo establecido, entonces deja la fila.
Para poner el conector, se elige el símbolo de “Link” con un clic. Luego se da otro clic
en el extremo derecho de cada uno de los generates hasta unirlos con la fila y se
termina de conectar dando otro clic en el extremo izquierdo de la fila.
10) Para asignar y ver los parámetros para las filas “4FIFO” es necesario dar doble clic
sobre el recuadro rojo.
11) Para agregar un servidor se sigue el mismo procedimiento de dar un clic sobre el
ícono azul de “Server” y se arrastra después de la fila.
Para el modelo de aduanas, los servidores son considerados como los OCE’s,
Verificadores, Moduladores, Operadores de rayos gamma, Verificadores de RNI,
Orientadores de pasajeros, Operadores de rayos X, etc.
12) El “split” permite distribuir en dos o más filas los eventos que atendió el servidor 5.
Para agregar un “split” se da clic sobre el ícono de “Split point” y se arrastra después
del servidor. Aparecerá una leyenda con un recuadro diciendo “Split point: Number
of outputs” y es ahí donde hay que indicar el número de filas que se desea agregar.
En el ejemplo se agregaron dos:
13) Para asignarle parámetros al “split” es necesario dar doble clic al ícono y aparecerán
las siguientes opciones:
Cuando se utiliza un split para unir una sección con otro split, es
necesario colocar primero una fila, luego un servidor y al final el otro
split. No es posible unirlos directamente.
a. Por prioridad.- Asigna prioridades para determinar las salidas y buscará las
que tengan la mayor. En caso de que no pueda seguir un camino (por ejemplo,
Por ejemplo:
b. Por probabilidad.-
Revisar que el nombre que se le asigne a algún bloque sea el mismo que
se le asigne en el SVOP (Ejemplo: laregla1).
*La función de laregla en un split, generalmente es usada para determinar
los horarios de servicio de los servidores en cada puesto.
14) Para concluir cada proceso o línea es necesario seleccionar el ícono de “Terminal
point” de la lista que aparece del lado izquierdo y arrastrarlo para colocarlo junto a
un servidor, como se muestra en el siguiente ejemplo.
15) Una vez elaborado el modelo en Bluesss es necesario correrlo con un clic en la
pestaña de “Generate code/Run” y después, en “Generate and run”.
17) Posteriormente aparece la siguiente pantalla en la que se elige la opción para permitir
los eventos perdidos y se le da clic en Continue:
18) En la siguiente pantalla es necesario elegir las filas de las cuales se quiere que
aparezcan las gráficas con las curvas máximas, mínimas y promedio.
20) Posteriormente hay que guardar el modelo con un clic en “Yes” como se indica:
21) En la siguiente pantalla nos pregunta, si se quiere reescribir el archivo bajo el nombre
indicado:
24) En la siguiente pantalla hay que darle clic en el símbolo indicado para ejecutar el
modelo:
26) A continuación aparece la siguiente pantalla, en la que se muestran las filas que se
formaron a lo largo de esa corrida y si los servidores se liberaron o quedaron
ocupados atendiendo algún evento.
28) Posteriormente se mostrarán las gráficas por separado de cada una de las filas
seleccionadas.
En cada una de las gráficas es posible identificar el tiempo en el que se llegan a formar
las filas más largas y de acuerdo a la amplitud de la curva, el tiempo promedio de
atención. El eje de las “y” representa la cantidad de eventos y el eje de las “x” el tiempo
transcurrido durante la simulación.
Para ver la siguiente gráfica es necesario dar un clic en “Next plot” y una vez que se
hayan visualizado todas hay que elegir la opción de “No more plots”.
a) Los puntos específicos en los cuales se llegan a formar filas y las longitudes
máximas y promedio durante la simulación.
Tiempo total
de la corrida
en segundos
Filas
Servidores
Salidas
Cantidad total que Costo Total
salió del sistema /
Tiempo promedio en
atendidos
el sistema, expresado
en segundos
30) Una vez que se obtienen los resultados y se analizan, se procede a generar y
programar las funciones específicas en un apartado del programa en C++ denominado
“SVOP” , en caso de que se requiera establecer condiciones o restricciones específicas
para la operación del modelo.
f. Después aparece la siguiente pantalla en la que hay que dar clic en “YES” para
guardar el modelo.
j. Posteriormente se abrirá el programa C++ y hay que dar clic en donde nos
indica la flecha azul para posteriormente realizar la programación en donde
aparece el texto subrayado en rojo, debido a que se encuentra vacío:
31) Es posible realizar varias corridas de simulación para analizar el comportamiento del
modelo ya que los eventos que se generan en cada corrida son aleatorios. El programa
Bluesss permite generar este tipo de análisis de sensibilidad con la opción de
“VARAN”, siguiendo los siguientes pasos:
Es muy importante probar el modelo de preferencia decenas de veces con la opción “VARAN”
para evitar los sesgos que pueden presentarse, debido a la generación de eventos aleatorios y
descartar los que sesgan los resultados o “outliers”. Esta información es utilizada para
determinar, si la parametrización y reglas del modelo se ajustan a la capacidad instalada y
operativa y se ajustan a la realidad.
Los criterios para el análisis de información de las operaciones son los siguientes:
Es necesario tomar en cuenta que la información solicitada servirá de insumo para integrar el
modelo de simulación, así como los algoritmos del Módulo de Selección Automatizado MSA
que se obtuvieron de las visitas, entrevistas, toma de tiempos, parametrización de cada
componente y reglas del servicio que se ajusten a la capacidad instalada y operativa
observada para integrarlos al modelo de simulación de la aduana en estudio.
Se escoge el día de mayor actividad operativa y su distribución por hora para modelar bajo
condiciones de carga operativa máxima y asegurar de esta manera que aún bajo estas
condiciones de operación la solución propuesta puede satisfacer la demanda que los usuarios
requieren.
45
41
40
35 33 33
30
25
20
15
12
10 8 9
5 6
5 3 2 2
0
0-30 31-60 61-90 91-120 121-150 151-180 181-210 211-240 241-300 301-360 Más 361
Tiempos registrados Tendencia
154
Promedio: 2 min. 10 seg.
Mediana: 1 min. 30 seg.
60
50
50
40
32
30
20
15 15
12
9
10 6
4
2 1
0
0-30 31-60 61-90 91-120 121-150 151-180 181-210 211-240 241-300 301-360
-10
Tiempos registrados Tendencia
146
Promedio: 1 min. 42 seg.
Mediana: 1 min. 28 seg.
25
20 19
15 13
10
5 4
1 1
0
1:00-1:30 1:31-2:00 2:01-3:00 3:01-4:00 04:01
-5
60
55
50
40
30
24
20
10 7
5 4 4
2
0
0-60 61-120 121-180 181-240 241-300 301-360 Más de 361
-10
Tiempos registrados Tendencia
101
800 692
600 -
369
367
400 183
154 183 124 162 183 197 174 155 188 223 223 184 171 171 172 176
114 144 112 169 107
200 3
36 - -
2 - 2
- -
Operaciones Rojos
37,010 4,443
Porcentaje
100% 367 369 154 183 124 2 162 183 197 114 174 155 188 223 223 184 36 - 144 112 169 171 171 107 172 176 183
90%
80%
70%
60%
50%
692 2 1,5301,4261,6531,6671,7101,097
1,7331,600 956 1,2701,6281,6931,5911,5561,155 1,5071,6661,5531,354 1,4621,6241,800
40% 1,5701,512
30% 3
20%
10%
0% - - -
OPERACIONES ROJOS
37,010 4,443
Operaciones
140
120 116
102 101 103 104
98 100
100 96
90
84 85 86 84
80 77
69
60 55
40
20
0
8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Operaciones Tendencia
1,450
90
79
80 75
70
64
60
53 54
51
50 48
41
40
34 32
29 31
30 25
20 16
12
10 5
0
8a9 9 a 10 10 a 11 11 a 12 12 a 13 13 a 14 14 a 15 15 a 16 16 a 17 17 a 18 18 a 19 19 a 20 20 a 21 21 a 22 22 a 23 23 a 24
30
27
24 24 24 25
25 23 24
23
21
20 20 20 20
20 18
16
15 13
10
0
8a9 9 a 10 10 a 11 11 a 12 12 a 13 13 a 14 14 a 15 15 a 16 16 a 17 17 a 18 18 a 19 19 a 20 20 a 21 21 a 22 22 a 23 23 a 24
vacíos Tendencia
Total = 344
Las premisas particulares que se requieren para realizar el modelo simulación que nos ocupa
para la Aduana Marítima escogida son:
A continuación se presenta el diagrama del modelo actual creado en Bluesss, detallando cada
uno de los procesos que intervienen en el despacho aduanero.
2 5 11
12
10
3 4 6
1
7 8 9
Simulación realizada con información del día 30 de abril de 2014 con 1,146 eventos para el
área de carga y 344 eventos en vacíos.
Una parte vital para representar lo más cercano a la realidad de cualquier modelo de
simulación, es la programación del archivo “SVOP”, el cual contiene todas y cada una de las
funciones o reglas de operación tales como: semáforos encargados de controlar las longitudes
de colas que se generan, cantidad de posiciones de operadores de módulos, verificadores de
revisión, revisores de vehículos ligeros, autobuses, pasajero y peatones plataformas de
revisión de acurdo a los horarios y turnos de operación.
A continuación se explicará paso a paso la programación del archivo “SVOP” para desarrollar
el modelo de simulación de esta aduana marítima con su situación actual de acuerdo a las
diferentes condiciones con las que opera.
Los operadores de rayos gamma (servidores 19, 21, 23 y 25) controlan el flujo de la
operación enviando 2 tractocamiones a formarse a cada carril previo a los módulos
de selección automatizada (QUEUE’s 27, 29, 31 y 33).
Este bloque presenta cómo están limitados los módulos de selección automatizada indicando
que máximo 2 tractocamiones pueden estar formados para ser atendidos, los operadores de
rayos gamma controlan el flujo de la operación enviando 2 tractocamiones a cada carril
Indica que si el tiempo es menor o igual a 54,000 seg. se abrirán 4 carriles de megapuertos y rayos
gamma (QUEUE’s 18, 20, 22 y 24).
Si el tiempo es mayor a 54,000 seg. se abrirá únicamente 1 carril de rayos gamma (QUEUE 18.)
Aquí se muestra la regla aplicada en los módulos de entrada, que indica el tiempo que abrirán
los megapuertos y rayos gamma para controlar el ingreso de mercancías a la aduana. Las
QUEUE’s indican el número de módulos de entrada que serán programados en el modelo.
Indica que si el tiempo es menor o igual a 54,000 seg. se abrirán 3 carriles de salidas (QUEUE’s 81, 83
y 85).
Si el tiempo es mayor a 54,000 seg. se abrirá únicamente 1 carril de salida (QUEUE 81.)
Aquí se presenta la regla “80” aplicada en los módulos de salida, que indica el tiempo que
éstos estarán abiertos hasta el cierre de la operación en la aduana. Las QUEUE’s indican el
número de módulos de salida que serán programados en el modelo.
Indica que si el tiempo es menor o igual a 25,200 seg. Donde operan sólo 5 verificadores en
plataformas de revisión (QUEUE’s 64, 66, 68, 70 y 72).
Si el tiempo es mayor a 25,200 seg. y menor o igual a 28,800 seg. Donde operan sólo 11
verificadores en plataformas de revisión (QUEUE’s 64, 66, 68, 70, 72, 74, 76, 78, 26, 98 y 100).
Indica que si el tiempo es mayor a 28,800 seg. operan sólo 6 verificadores en plataformas de
revisión (QUEUE’s 64, 66, 68, 70, 72 y 74).
Este bloque presenta la regla 63 aplicada en las plataformas de revisión, la cual indica los
tiempos que revisan los Verificadores, dependiendo de los turnos que tengan asignados. Los
servidores indican el número de Verificadores que serán programados en el modelo.
Una vez construido el archivo SVOP, se ejecuta el programa como se describió anteriormente
generándose un reporte de resultados FINSTA el cual se describe a continuación.
Como se puede observar, el reporte FINSTA registra las longitudes máximas de las filas
(QUEUE’s) las cuales son: de entrada, escaneo con rayos x y gamma, espera de resultado,
salida, tiempo promedio de espera, longitud promedio de las colas, cantidad de eventos
atendidos.
Así mismo se pueden observar todos los servidores del modelo que reflejan la cantidad de
(servers) los cuales pueden representar: OCE’s, verificadores, revisores, etc. otros datos que
muestra es el tiempo de servicio, tiempo y porcentaje de ocio, así como cantidad de eventos
atendidos por cada servidor.
A continuación se presenta el reporte FINSTA del modelo actual, el cual contiene todos los
resultados de las longitudes de las filas, cantidad de operaciones atendidas y el tiempo
promedio en el sistema.
TERMINAL Count
TERM90: 186
TERM91: 186
TERM92: 367
TERM93: 374
TERM94: 377
TOTAL Terminal output = 1490 Total de operaciones atendidas
Total cost = 1.96E6
Average time in system = 1989 Tiempo promedio de servicio en sistema
10
9
8
7
6
5
3
2
1
0
8:00 9:48 11:36 13:24 15:12 17:00 18:48 20:36 22:24 00:12 2:00
A lo largo del escaneo con el equipo, la longitud máxima en filas llega a ser de hasta 10
tractocamiones en espera de ser atendidos.
8:00 9:48 11:36 13:24 15:12 17:00 18:48 20:36 22:24 00:12 2:00
27
24
21
18
15
12
9
6
3
0
8:00 9:48 11:36 13:24 15:12 17:00 18:48 20:36 22:24 00:12 2:00
8:00 9:48 11:36 13:24 15:12 17:00 18:48 20:36 22:24 00:12 2:00
Durante las revisiones la longitud de la fila máxima llega a ser de hasta 8 tractocamiones.
3
3
2
2
2
1
1
1
0
0
8:00 9:48 11:36 13:24 15:12 17:00 18:48 20:36 22:24 00:12 2:00
El horario con mayor operación es de 23 a las 00 hrs. En este punto la longitud de la fila
máxima llega a ser de hasta 3 tractocamiones en espera de ser atendidos.
Una vez obtenidos los resultados del modelo actual, se debe analizar dónde se ubican los
cuellos de botella, o sea, dónde se generan las filas más largas y en qué horario. Se analiza
también si la infraestructura y capacidad de la aduana es la suficiente para mejorar los
resultados de la operación. Se analizó la cantidad de: equipos de rayos gamma, módulos, los
porcentajes del MSA: verdes, naranjas y rojos, plataformas de revisión, esclusas de salida y el
número de personal que opera en los diferentes turnos, etc.
En resumen podemos concluir que los principales hallazgos del modelo actual son los
siguientes:
11
2 5 14 13 15
12
10
6
3 4
7 8 9
Simulación realizada con información del día 30 de abril de 2014 con 1,177 eventos para el área
de carga y 344 eventos en vacíos.
Con los datos obtenidos del modelo actual, se analizan los resultados y proponer cambios a
los parámetros del modelo propuesto, los cuales consisten en: cambiar los porcentajes al
algoritmo del MSA, disminuir los rojos y amarillos, aumentar las revisiones con equipo de
alta tecnología RNI, aumentar la cantidad de verificadores de revisiones físico documentales.
Finalmente la ampliación de 2 a 3 turnos para atención a servicios extraordinarios logrando
una disminución en los tiempos a usuarios, además de una reducción en las cargas de trabajo
debido a la implementación del equipo RNI y la variación de porcentajes de revisión.
Semáforo para limitar las filas de plataformas de revisión, que determina que se
formen máximo 6 tractocamiones. Los operadores de rayos gamma (servidores
19, 21, 23 y 25) controlan el flujo de la operación enviando 6 tractocamiones a
formarse a cada carril previo a las plataformas de revisión física (QUEUE’s 63, 64,
66, 68, 70, 72, 74, 76, 78, 98, 100, 102 y 104).
Semáforo para limitar las filas de salida, que determina que se formen máximo 4
tractocamiones (QUEUE’s 81, 83 y 85).
Este bloque presenta cómo están limitados los módulos de selección automatizada indicando
que hasta un máximo de 4 tractocamiones pueden formarse para ser atendidos. Los
El semáforo sirve para limitar las filas de plataformas de revisión y restringe la formación
hasta un máximo 6 tractocamiones en la fila de espera para ser atendidos. Las QUEUE’s
indican el número de verificadores que tendrán asignadas varias operaciones.
Indica que si el tiempo es menor a 50,400 seg. abrirán sólo 5 módulos de selección automatizada
(QUEUE’s 27, 29, 31, 33 y 35).
Si el tiempo es mayor o igual a 50,400 seg. abrirán sólo 3 módulos de selección automatizada (QUEUE’s
27, 29 y 31).
Esta parte muestra la regla aplicada en los módulos de selección automatizada que indica el
tiempo que éstos abrirán durante la operación. Las QUEUE’s indican el número y la cantidad
de módulos que serán programados en el modelo.
Indica que si el tiempo es menor a 25,200 seg. operan sólo 4 verificadores en plataformas de
revisión (QUEUE’s 63, 64, 66 y 68).
Si el tiempo es mayor o igual a 25,200 seg. y menor a 46,800 seg. operan sólo 10 verificadores en
plataformas de revisión (QUEUE’s 63, 64, 66, 68, 70, 72, 74, 76, 78 y 98).
Indica que si el tiempo es mayor o igual a 46,800 seg. operan sólo 4 verificadores en plataformas
de revisión (QUEUE’s 98, 100, 102 y 104).
Este bloque presenta la regla aplicada en las plataformas de revisión, que indica los tiempos
que operan los verificadores dependiendo de los turnos que tengan asignados. Las QUEUE’s
indican el número de verificadores que serán programados en el modelo.
A continuación se presenta el reporte “FINSTA” con los resultados del modelo propuesto, el
cual se corrió 40 veces:
Filas de entrada a
equipos de rayos
gamma
Filas de entrada a
módulos de selección
automatizada
OCE’S (operadores
de rayos gamma)
OCE’S (operadores de
módulos de selección
automatizada)
salidas
verificadores
salidas
verificadores
OCE’s
(dictaminadores)
Una vez concluidos los modelos validados, se procede al análisis gráfico y numérico de los
resultados, los cuales se explicaron detalladamente en el modelo de simulación de una
aduana marítima7.
7
Apartado 7.2 modelo de simulación de la aduana marítima
Los puntos específicos en los cuales se llegan a formar filas, longitudes máximas y
promedio durante la simulación.
La cantidad de operaciones despachadas por cada una de las estaciones de trabajo,
procesos y servidores por puesto en cada punto.
El tiempo de servicio y porcentaje de utilización por cada estación de trabajo,
proceso y servidor por puesto en los diferentes puntos de la ruta fiscal.
El total de operaciones despachadas.
El tiempo promedio de atención de todo lo ingresado al sistema.
En el eje de las “X’s” se observan las horas totales de operación simulada en un día.
En el eje de las “Y’s” se muestra la cantidad de eventos (tractocamiones) máximos que
se pueden llegar a formar durante la simulación.
El ancho de la curva representa el tiempo de atención, así que mientras más amplia
sea la curva en el eje de las X’s, mayor será el tiempo de atención y mientras más
angosta sea, el tiempo de atención se reduce.
El alto de la curva representa la cantidad máxima de eventos que se forman en la fila,
por lo que mientras la curva sea menor en el eje de las Y’s, se reduce la longitud de la
fila, y mientras más alta sea se incrementan los eventos por atender.
La curva amarilla representa la trayectoria de la longitud promedio de la fila.
El área naranja refleja la trayectoria de la curva más alta que muestra la longitud de la
fila máxima de acuerdo al nivel de confianza determinado.
Las horas pico representan el horario en el que se alcanza a formar la cantidad
máxima de eventos en la fila.
Es necesario tomar en cuenta que la escala de tiempo del eje “X” está en segundos, por
lo que se hizo la conversión de acuerdo al horario de entrada del primer “generate” y
considerando el tiempo total de la corrida simulada. De las 8 am. a las 2 am. son 18
hrs. (64,800 seg.).
6
5
4
4
3
2
2
1
1
0
8:00 9:48 11:36 13:24 15:12 17:00 18:48 20:36 22:24 00:12 2:00
La situación propuesta para ingresar a la aduana, presentó una longitud promedio en filas de
3 tractocamiones en espera de ser escaneados por el equipo de rayos gamma.
8:00 9:48 11:36 13:24 15:12 17:00 18:48 20:36 22:24 00:12 2:00
10
9
7
6
5
4
3
2
1
0
8:00 9:48 11:36 13:24 15:12 17:00 18:48 20:36 22:24 00:12 2:00
8:00 9:48 11:36 13:24 15:12 17:00 18:48 20:36 22:24 00:12 2:00
Durante las revisiones la longitud de la fila máxima llega a ser de hasta 4 tractocamiones, lo
que representó una disminución del 50% de las filas, en comparación con la situación actual.
8:00 9:48 11:36 13:24 15:12 17:00 18:48 20:36 22:24 00:12 2:00
Esta gráfica muestra que con la utilización del equipo RNI, no alcanzan a formarse
tractocamiones en espera de ser escaneados, por lo que la operación es ágil.
8:00 9:48 11:36 13:24 15:12 17:00 18:48 20:36 22:24 00:12 2:00
Después del escaneo con el equipo de RNI, se presenta el mismo comportamiento en el área
de espera de resultados, reafirmando que la operación en este punto de trabajo es ágil.
3
3
2
2
2
1
1
1
0
0
8:00 9:48 11:36 13:24 15:12 17:00 18:48 20:36 22:24 00:12 2:00
En las salidas se observó que no hay problemas para el despacho de los tractocamiones a lo
largo de la jornada laboral.
Con estos resultados podemos afirmar que la hipótesis planteada de cambiar los porcentajes
al algoritmo de MSA para verdes, rojos, amarillos y la incorporación del equipo de RNI,
resultó en mejoras significativas al comparar el modelo actual vs. Propuesto, como se
mostrará en el siguiente apartado análisis de resultados.
El personal necesario propuesto para cubrir la operación diaria en esta aduana marítima por
puesto y turnos de 8 horas y contemplando los servicios extraordinarios es el siguiente:
Toda la información resultado del análisis permite identificar dónde se presentan los cuellos
de botella que impactan a la operación diaria, a fin de mitigarlos y lograr una mejora en el
servicio brindado a los usuarios.
A continuación se muestra una serie de líneas de tiempo con la cantidad de personal actual y
propuesto por turno en cada punto de operación. En el eje de las x se indican los horarios de
servicio. La situación actual se obtuvo de información real proporcionada por la Aduana y la
propuesta es resultado de las pruebas realizadas en los modelos de simulación.
7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 1 2 3 4 5 6 7 8
7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 1 2 3 4 5 6 7 8
7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 1 2 3 4 5 6 7
7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 1 2 3 4 5 6 7
Se estimó el impacto de los turnos, actividades y cargas de trabajo, así como la asignación de
personal en las aduanas de México sobre su eficiencia en la atención de los usuarios en
fronteras, puertos marítimos y aeropuertos en ciudades interiores, conservando la percepción
de riesgo.
El uso de simulaciones con ejemplos prácticos cuasi reales, con el apoyo del programa
Bluesss, facilitó la generación de soluciones viables para:
Los hallazgos y simulaciones, en su conjunto, establecen una línea base y punto de referencia
para comprobar la eficacia de las propuestas implementadas y la necesidad de nuevos ajustes
en los procesos y recursos de las Aduanas fronterizas, interiores y marítimas de México.
Este estudio es el resultado del trabajo en equipo con personal de áreas administrativas y
operativas de Aduanas. Se realizaron constantemente presentaciones a los Administradores,
lo cual permitió que el estudio adquiriera credibilidad, al mostrar que los resultados de los
modelos actuales eran muy cercanos a la realidad, por lo que las propuestas fueron aceptadas
y aplicadas para el desarrollo de nuevos proyectos.
Así mismo es factible ampliar el alcance del estudio, estimando los costos de oportunidad y
operación debido a la generación de filas, tiempos de espera y evaluar el impacto en cuanto a
la generación de valor al implementar las mejores propuestas. Sobre esta base, sería posible
realizar un análisis del efecto de las líneas de espera en costos logísticos, de transportación y
de fletes, así como el impacto económico de la reducción de tiempos de espera de pasajeros
en los aeropuertos.
Sin lugar a dudas, la experiencia adquirida en la ejecución del presente estudio, facilitará de
igual manera, la aplicación y provecho de estas teorías y métodos en las condiciones
específicas de otras unidades de procesos sustantivos del SAT.
En esta línea, conviene señalar el beneficio de iniciar este tipo de estudios en una aduana
“problemática”, a fin de permitir una “victoria temprana” con la aplicación de acciones
basadas en los hallazgos del dimensionamiento y así favorecer que el estudio se amplíe a
otras áreas de la institución.
Por último, cabe destacar que el estudio muestra una práctica innovadora y única, a la vez
que práctica y replicable, al combinar metodologías de teoría de restricciones, investigación
de operaciones, teoría de colas y simulación de escenarios, para el análisis de flujo de
operación y distribución de personal en aduanas. En línea con lo recién mencionado, el
estudio demuestra el valor de estas metodologías para el dimensionamiento de las
operaciones aduaneras y para evaluar nuevos proyectos de modernización de las aduanas del
SAT.
- (1989). Optimización Industrial (II). Programación de recursos. Colección Productica No. 29.
Marcombo S.A.
- Arbonas, M.E. (1989). Optimización Industrial (I). Distribución de los recursos. Colección
Productica No. 26. Marcombo S.A.
- Averil, M. Law y W. David Kelton. (1991). Simulation Modeling and Analysis. Pag. 11-13. Ed.
McGraw-Hill. desde http://www.frsfutn edu.ar.teoria_unidad_1
- Correa Alcalá, César Omar (2011). Glosario básico de términos de derecho aduanero y
comercio exterior. pag. 86. México DF: Ed. Dercoexa.
- Francis Neelankaveel, John Wiley & Sons, (1986). Computer Simulation and Modelling. desde
http://www.frsfutn edu.ar.teoria_unidad_1
- Jerry Banks, John S. Carson II, Barry Nelson. (1996). Discret-Event System Simulation. Ed.
Prentice-Hall. desde http://www.frsfutn edu.ar.teoria_unidad_1
- Jerry Banks, John S. Carson II, Barry Nelson. (2010). Discret-Event System Simulation. Fifth
Edition, Ed. Prentice-Hall. desde http://www.frsfutn edu.ar.teoria_unidad_1
- Mapa estratégico de la Administración General de Aduanas. Intrasat AGA 2014. México DF.
- M.J. North and Charles M. Macal, (2007). Managing Business Complexity. Discovering
Strategic Solutions with Agent-Based Modeling and Simulation. Oxford University Press. desde
http://www.frsfutn edu.ar.teoria_unidad_1
- Plan Estratégico del SAT 2014-2018. Intrasat. Abril 2014. México DF.
Getting started
To create the first model we will simulate a simple example of a queuing system.
EXAMPLE. A bank employs two tellers. Clients enter the bank every 1 minute on average and
form separate queues for each teller. A new client selects the shortest queue. The tellers work
with different speed. The first one has the average service time equal to 1.7 and the average
service time of the other is equal to 3.0. Suppose that the input flow of clients is of type Poisson,
and that the service time distribution of the two tellers is second order Erlang. We want to see
the lengths of the two queues and the standard final statistics, taken over 480 time units (final
simulation model time in minutes).
Enter the QMG program (execute it directly or from the Bluesss main program, queuing
option). First, select File and New model. The Edit menu will appear. Select Draw/view option. A
menu with block icons will appear at left. Now define the model structure. To draw a block,
select the icon with mouse click. Then drag it to the place where you want to put it. The blocks
which input and output points coincide are connected automatically. To connect blocks that do
not follow each other on the screen, use LINKS. . The final model image should be as follows.
Now, go out from the drawing mode (use the END DRAW button). From the main menu select
File and Save as. Give the name to the file (e.g. Firstone) where you want to save your model.
The blocks still have no parameters defined. To define the parameters select Define block
parameters from the main menu, and then all undefined yet. Now, QMG will scan the blocks
and ask you to give the necessary parameters. You must provide the following (in the
parenthesis there are suggested values).
Distribution: type Negexp(1.0). This defines the Poisson flow of clients with mean 1 between
arrivals (supposing the time unit to be one minute).
Initial time - the time when the first client arrives (type 0)
Batch size - clients may arrive in groups. (type 1 if they arrive one by one).
Queues:
Fifo/Lifo/Random - a character which defines the queue type (let it be F, the default value)
Max length - if greater than zero, the queue will be limited. If the limit is reached, no more
entities can enter it. (Type 0 for unlimited queue).
Zero/non-zero initial length. If it is Z then the queue is initialized as empty one. If N, then the
executable program will ask for the initial length. Note that the initial length is given at run
time (type Z) Cost per time unit - this is the cost of maintaining an entity in the queue for one
time unit. Most QMG blocks have this parameter. If different from zero then the cost will be
added to the final total operation cost (type 0 if you do not want to calculate the system
operation cost).
Split point:
By priority - you must provide priorities for outputs. The entity will look for the output of higher
priority. If it cannot take this way (for example server or assembly that follows is busy etc.),
then the next possible output is checked, according to the priorities.
By probability - you must give N-1 probabilities, N being the number of outputs. The Nth
probability will be calculated, so that the sum is equal to one.
Other rule - you can define any other selection rule. It may be any selection algorithm that can
be defined as a C++ function. You must provide the corresponding function call. (Select the
Other rule option and type MINQ. This is a predefined selection rule that selects the output
connected to the shortest queue).
Servers:
Distribution - this is the function call to a random numbers generator. The service time will be
generated by the specified generator. (Type Erlang(2,1.7) for the first server, Erlang(2,3.0) for the
other).
Cost per time unit - like for the queues, you can declare the cost per time unit for the server.
Cost per operation - this cost is independent on the time. Each time the service ends, this cost is
added to the total cost (type 0 for the two costs).
Resources - the servers may need additional resources, like a tool or an operator. The use of
additional resources is somewhat complicated, see the "QMG resources" section for details.
(leave this field empty)Resource logic - do not care, may be AND or OR
Terminal point
Termination number - if it is N>0, then the simulation will terminate after N entities have
entered the block. However, you must give the simulation final time anyway. It is like parameter
in the GPSS SIMULATE instruction. It is not recommended to use this parameter if not
necessary. (Type 0).
After defining the above parameters, save the model again. Now select Generate code and
then Generate and run.
Use semaphores
Use animator
The "files for VARAN" are files with extension SIM, where a series of model trajectories is
stored. These files will be used by the VARAN program to make the dynamic variance analysis.
Select this option to see more statistics. The Use semaphores should be selected only if you use
QMG semaphores to control the inputs of the blocks (this is not the case in this model). You
also can select Use animator option. This is not recommended for first model runs. This mode
will not animate the model. It only creates the *.ANI file to be used by the Bluesss animator. See
the Animator section for more detail.
Generate SVOP template option can be used to create an empty procedure SVOP and store it in
a file. Remember that SVOP is used only if you want to handle semaphores or to perform user-
defined operations over the attributes of the entity that enters a block. If so, then you must
prepare the procedure before or after the QMG session. The SVOP template can help you
because it has the complete procedure header with the formal parameters properly declared. Be
careful and not overwrite the file if you have already prepared and stored it.
Now, QMG generates the model Bluesss code and invokes other Bluesss modules. In what
follows, you only should accept the default settings, so you will need to make some mouse
clicks. First, the Bluesss program is translated to C++. Then, C++ compilation follows. C++
compiler will generate several warnings. Ignore the warnings. If the compilation fails, there is
something wrong in the model. Probably a C++ compilation error occurred. Return to the QMG
program and check block parameters. You can make it using the View parameters and All
blocks option. Check the distributions and other data for possible C++ syntax errors. After
correcting eventual errors, generate code again.
Now, you only give the model final time (type 480), the scale parameter (default 50) and the
number of repetitions of the simulation run (type 1). The scale of 50 means that the queue which
contains 50 entities (clients) will fit to the whole screen.
Then, the simulation runs. You can see the two queues as the moving red bars. The numbers of
clients who reach the terminal points are shown as green bars, and the status of the servers
(BUSY or FREE) is indicated. After simulating 480 time units you will see the plots for the two
queues (length as function of time), and the final statistics. The statistics are shown and stored
in the ASCII file named FINSTA.TXT which can be imported to Word or other applications. The
final statistics are as follows.
Final Statistics:
TERMINAL: Count
TERM7: 282
The queue statistics show the average waiting time, maximal and minimal queue length, and
average length. The LOST columns show the number of entities lost at the corresponding
blocks. In most cases it should be zero.
For the servers, you can see the total time in service, idle time, % of idle time, lost and served
entities.
For the terminal points the corresponding counters show the number of entities that enter the
block. Note that the two queues have similar length. This occurs, because the new client selects
the shorter queue to wait in. However, the average waiting time in the second queue is two
times greater, because the second teller is about two times slower than the first. This obviously
reflects in the number of clients served by the two tellers.
Now, repeat the simulation, starting with Bluesss- Queues. Declare the use of the VARAN
utility ("Create files for VARAN"). At the run time declare, say, 80 repetitions of the simulation
run. This will create a set of *.SIM files. After running the simulation the VARAN program will
be invoked. You also can do this executing VARANW.EXE (Utilities - VARAN). You will see
more statistics, as functions of time (see VARAN section for more detail).