El desafío
por Ann Wellens (DIMEI, Facultad de Ingeniería; Universidad Nacional Autónoma de México) y Miguel Mujica Mota (Academia de Aviación, Universidad de Ciencias Aplicadas de Ámsterdam).
Según lo presentado en la Conferencia de Simulación de Invierno de 2017
Introducimos un enfoque de simulación de eventos discretos para evaluar la demanda de vuelos cuando se observa congestión aeroportuaria. Una de las consecuencias de la congestión aeroportuaria son los retrasos en los vuelos, que a su vez disminuyen la satisfacción del cliente. El modelo incluye información sobre los vuelos, la puntualidad de las aerolíneas y la incertidumbre sobre la duración de los vuelos y el tiempo de respuesta. Cuando se produce una congestión en el aeropuerto de llegada, se pone en marcha una iniciativa de gestión del flujo de tráfico aéreo como herramienta para aliviar los problemas de congestión, especialmente en las franjas horarias más congestionadas del aeropuerto. El análisis de los escenarios seleccionados del modelo permite seleccionar los parámetros de la iniciativa en los que se puede minimizar la congestión del aeropuerto.
El modelo se establece para el aeropuerto de Ciudad de México, que es el más transitado de México y está muy congestionado. Este estudio de caso describe cómo modelizar la red aeroportuaria para analizar la eficacia de iniciativas específicas de gestión del flujo de tráfico en Ciudad de México. El uso del método de simulación permitirá a los responsables de la toma de decisiones analizar la eficacia de la actual política de flujos de tráfico, así como evaluar diferentes políticas para hacer frente a la creciente demanda en la red mexicana de aeropuertos. La flexibilidad del modelo facilita su adaptación a redes aeroportuarias congestionadas de otras regiones del mundo.
Introducción
La congestión aeroportuaria puede resultar en la situación en la que el uso de un aeropuerto por una aeronave específica retrasa o impide el uso del mismo por otra aeronave en el mismo intervalo de tiempo. Debido al crecimiento constante del transporte aéreo, los problemas de congestión y los retrasos en los vuelos se están agudizando en muchos aeropuertos. Provocan restricciones del crecimiento, posibles cancelaciones de vuelos, frustración en los pasajeros, problemas medioambientales por el aumento de las emisiones, costes innecesarios por el mayor consumo de combustible y mala reputación para las compañías aéreas y los aeropuertos (Guest, 2007; Ball et al., 2010).
En los aeropuertos con importantes limitaciones de capacidad, como JFK y LGA en Nueva York, FRA en Fráncfort, LHR y LGW en Londres, prácticamente no hay capacidad ociosa disponible para el crecimiento y/o los vuelos no programados. Para disminuir la congestión aeroportuaria, el estudio de la propagación de los retrasos en los vuelos cobra especial importancia en los viajes con escalas, por un lado, y en las terminales con problemas de capacidad, por otro. El caso específico de la Ciudad de México presenta ambas problemáticas, ya que por un lado es un hub aeronáutico de la llamada aerolínea bandera Aeroméxico y por otro es una de las principales puertas de entrada al país con vuelos desde Estados Unidos, Europa y América Latina.
Considerando tanto pasajeros nacionales como internacionales, el Aeropuerto Internacional de la Ciudad de México (Código IATA: MEX) tiene una participación de mercado de aproximadamente 32% del total de pasajeros transportados en México, lo que lo convierte en el aeropuerto más transitado del país (Wellens y Mujica Mota, 2017). Debido a su importante posición en términos del número de operaciones, así como su funcionalidad de centro de operaciones de ciertas aerolíneas, MEX se revela como un nodo importante cuya operación afecta a toda la red nacional de aeropuertos. Por lo tanto, la comprensión de formas eficientes de gestión del aeropuerto afectará no sólo al propio puerto aéreo y a las partes interesadas que participan en él, sino también a toda la red aeroportuaria nacional. Como consecuencia de su alto nivel de congestión, el Aeropuerto Internacional de la Ciudad de México fue declarado saturado en 2013, observándose que las operaciones en el espacio aéreo mexicano excedían el número máximo que puede ser atendido por hora (SEGOB, 2014).
Las iniciativas de gestión del flujo de tráfico pueden utilizarse para absorber un porcentaje del tráfico aéreo, controlar la demanda de tráfico aéreo y mitigar los desequilibrios entre demanda y capacidad (Agustín et al, 2010). La presencia de alteraciones debidas a retrasos implica que la coordinación de actividades en el aeropuerto se verá afectada; identificar su efecto con antelación permitirá que la gestión aeroportuaria sea más eficiente, permitiendo el funcionamiento continuo del programa de vuelos y evitando la exportación del retraso a otros aeropuertos, dando lugar a un efecto cascada.
Un aspecto importante de los retrasos es la estocasticidad de la duración de los vuelos y los tiempos de respuesta. La incertidumbre asociada a las inclemencias meteorológicas, la ineficacia de las compañías aéreas, los retrasos de los pasajeros, los problemas mecánicos, la ineficacia operativa, la falta de solidez de la programación, los problemas de seguridad, etc. influye directamente en la frecuencia y duración de los retrasos y, por tanto, en la congestión de los aeropuertos.
La solución
Enfoque metodológico
El modelo de simulación utilizado para gestionar la demanda en redes aeroportuarias congestionadas se desarrolló utilizando el sistema de software SIMIO. SIMIO utiliza un enfoque orientado al proceso-objeto que se adapta perfectamente al tipo de operaciones realizadas por la industria de la aviación, donde todo sucede en los tiempos programados y el control de la incertidumbre es uno de los principales objetivos de la operación (Alomar et al., 2017; Pegden, 2007). El modelo implica que las aeronaves se mueven entre aeropuertos en una red de nodos conectados por trayectorias de longitud proporcional al tiempo de viaje del vuelo. Por el momento, solo se considera un hub, junto con todas las conexiones de llegada y salida correspondientes. La información sobre los vuelos se proporciona a partir de tablas de información diarias, semanales o mensuales para los vuelos que llegan al hub seleccionado; la información sobre las aeronaves, las compañías aéreas y los aeropuertos está vinculada a tablas de datos independientes.
Los eventos del modelo de simulación se desencadenan a partir de la información especificada en el programa de vuelos proporcionado, incluido el aeropuerto de origen, el operador de vuelo, el tipo de aeronave, la hora de salida, la hora de llegada y la du- ración de vuelo. Los vuelos se generan en el modelo a la hora de salida; la hora de vuelo se determina a partir de la hora de llegada prevista. Otros datos utilizados por el modelo incluyen información específica de la aeronave (por ejemplo, peso máximo de despegue y categoría de estela), de la compañía aérea (por ejemplo, rendimiento puntual, tiempo medio de llegada, tipo de operador) y del aeropuerto (por ejemplo, país de origen). Los datos específicos de aeronaves y aeropuertos se utilizan para ser más precisos en la lógica del modelo, mientras que los datos de las compañías aéreas se utilizan para poder tener en cuenta el carácter estocástico de la duración y el retraso de los vuelos. Los valores de respuesta incluyen el número horario de llegadas, salidas, movimientos de transporte aéreo y puertas utilizadas, así como los porcentajes de vuelos retrasados en el aeropuerto principal.
En la actualidad, el modelo está configurado para el aeropuerto de Ciudad de México, considerando 96 posiciones de contacto para operaciones aéreas, 98 aeropuertos de salida, 26 compañías aéreas y 22 códigos de equipo. La mayor parte del procesamiento de datos se realizó utilizando el entorno de software R. La información de vuelos fue recuperada de OAG, correspondiente a la primera semana de 2013. El uso actual de las franjas horarias, las distribuciones del tiempo de vuelo, los datos de puntualidad y los tiempos de respuesta se estimaron con datos disponibles públicamente y se incluyeron en el modelo.
Para dar cuenta de la estocasticidad de los datos de vuelo actuales, las distribuciones de tiempo de vuelo se determinaron a partir de la información de vuelo publicada durante 2 semanas en junio de 2017 para las aerolíneas que vuelan al Aeropuerto de la Ciudad de México. Las aerolíneas mexicanas de bajo costo y de servicio completo se analizaron individualmente, mientras que otras aerolíneas se agruparon por conti- nente, ya que mostraron un comportamiento similar. Las distribuciones de puntualidad pudieron ajustarse principalmente a las distribuciones gamma y Weibull; las distribuciones de retraso siguieron una distribución Weibull en todos los casos. Los vuelos diarios programados para el periodo comprendido entre el 1 y el 8 de enero de 2013 se ajustaron con tiempos de vuelo realistas obtenidos en la etapa anterior y se tuvo en cuenta el aumento total del 17% en el número de vuelos observado desde enero de 2013 hasta 2017 generando vuelos aleatorios con el mismo origen, transportistas, equipos y distribución de frecuencias que los vuelos registrados.
En una primera etapa, el modelo de simulación se utilizó para evaluar un programa de retrasos en tierra en MEX; se trata de una iniciativa específica de gestión del flujo de tráfico en la que se impone un retraso en tierra en el aeropuerto de salida para un número reducido de vuelos cuando se está superando la capacidad en el aeropuerto de llegada. El objetivo perseguido era identificar la sensibilidad del sistema a la modificación del valor umbral en el que se activa el programa de retrasos en tierra. El modelo también se utilizó para analizar el efecto de la duración de los vuelos y la variabilidad de los tiempos de respuesta sobre la puntualidad global y la congestión del aeropuerto, así como sobre la eficacia del programa de retrasos en tierra impuesto.
El impacto empresarial
Conclusión y trabajo futuro
Presentamos un modelo de simulación basado en eventos discretos que utilizamos para analizar la eficacia del programa de retrasos en tierra impuesto actualmente por las autoridades aeroportuarias mexicanas como medida para hacer frente a los desequilibrios de capacidad. En el modelo se incluye la estocasticidad de la duración de los vuelos, la puntualidad y los tiempos de respuesta para analizar cómo influyen sus parámetros en la eficacia del programa de retrasos en tierra.
Las simulaciones realizadas en varios escenarios sugieren que, en el caso concreto del aeropuerto de Ciudad de México, la aplicación del programa de retrasos en tierra con 34 llegadas por hora, combinada con una regla de decisión sobre qué aeronaves incluir en el programa, es la opción preferida para los problemas de congestión aguda. En condiciones de congestión grave y crónica, los vuelos de larga distancia siguen llegando a pesar del programa de retrasos en tierra, lo que puede aumentar el retraso total de forma inaceptable para los vuelos afectados. En este caso, la cancelación de vuelos en combinación con la iniciativa de gestión estudiada podría ser una opción. Un número de 200 a 300 aviones se ven afectados por semana cuando el programa se activa a 34 llegadas por hora, y el tiempo total de retraso disminuye a una media de 30 minutos por vuelo afectado, disminuyendo también la mala voluntad de los pasajeros.
El estudio demostró que la estocasticidad del problema influye mucho en la respuesta del sistema. En la actualidad, aunque se obtuvieron distribuciones de tiempo de vuelo, retrasos y tiempos de espera, la limitada cantidad de datos reales disponibles no permitió analizar las causas de los retrasos o de los tiempos de espera prolongados, ni distinguir las diferencias entre las distribuciones para todos los tipos de aviones, origen, destino, centro de operaciones y aerolíneas. En un estudio futuro se abordará más a fondo la naturaleza estocástica de los retrasos y los tiempos de respuesta, y se incluirán en el estudio distintos tipos de retrasos que afectan a la congestión del aeropuerto de MEX. El modelo puede adaptarse fácilmente a aeropuertos hub y/o redes aeroportuarias de otras regiones del mundo.