Un marco genérico para modelar las operaciones aeroportuarias a nivel macroscópico

El desafío

por Paolo Scala, Miguel Mujica, Daniel Delahaye, Ji Ma

Tal y como se presentó en la Winter Simulation Conference 2019

En este artículo, se presenta un enfoque general para modelar las operaciones aeroportuarias. Las operaciones aeroportuarias han sido ampliamente estudiadas en las últimas décadas, abarcando desde el espacio aéreo, el lado aire y el lado tierra. Debido a la naturaleza del sistema, las técnicas de simulación han surgido como un potente enfoque para tratar la variabilidad de estas operaciones. Sin embargo, en la mayoría de los estudios, los distintos elementos se estudian de forma individual. El objetivo de este artículo es superar esta limitación presentando un enfoque metodológico en el que las operaciones aeroportuarias se modelan conjuntamente, como el espacio aéreo y el lado aire. La aportación de este enfoque es que el nivel de resolución de los distintos elementos es similar, por lo que se minimizan los problemas de interfaz entre ellos. Los profesionales pueden utilizar este marco para simular sistemas complejos, como las operaciones entre el espacio aéreo y la zona de operaciones o los sistemas multiaeropuertos. El marco se ilustra presentando un caso práctico analizado por los autores.

Introducción

El sistema de transporte aéreo, tiene como principal objetivo conectar ciudades, países, continentes y personas de diferentes partes del mundo. El sistema de transporte aéreo, puede modelarse como una red de nodos y enlaces, donde los nodos son los aeropuertos y los enlaces son las rutas que los conectan. En este contexto, el aeropuerto puede definirse como la infraestructura destinada a albergar el flujo de aeronaves dentro de la red de transporte aéreo con el fin de transportar pasajeros y/o carga.

En 2017, el tráfico aéreo europeo experimentó un gran crecimiento, alcanzando los 10,6 millones de vuelos, superando el último récord de 10,2 millones en 2008. En comparación con 2016, en 2017 hubo un 4,3% más de vuelos diarios medios, como se muestra en la Figura 1. El número de pasajeros en los aeropuertos europeos en 2017 fue un 8,5% superior al de 2016. La Figura 2 muestra el principal aeropuerto de Europa en términos de pasajeros y movimientos de aeronaves, con los cinco primeros aeropuertos con una cantidad de pasajeros superior a 63 millones y movimientos de aeronaves superiores a 449 mil, cada uno de ellos tuvo un aumento tanto en el tráfico de pasajeros como en los movimientos de aeronaves entre 2016 y 2017 (EUROCONTROL 2018).

Por otro lado, este crecimiento constante ha ejercido presión sobre los aeropuertos, a los que para algunos de ellos ya se ha alcanzado el límite de capacidad. Por otra parte, este crecimiento constante ha ejercido presión sobre los aeropuertos, algunos de los cuales ya han alcanzado el límite de capacidad. Restricciones medioambientales, sociales, técnicas y de uso del suelo.

En las últimas décadas, los estudios sobre las operaciones aeroportuarias se han centrado en mejorar su eficiencia y eficacia con el objetivo de mejorar la capacidad aeroportuaria, tanto del espacio aéreo (Kleinman et al. 1998; Zuniga et al. 2013; Zheng et al. 2015; Klein 2017), como de las operaciones en tierra (Khoury et al. 2007; Martínez et al. 2014). Estos estudios aplican técnicas de simulación para evaluar el rendimiento de los aeropuertos. Esto pone de relieve la importancia de utilizar la modelización y la simulación para abordar este tipo de problemas. Además, existen en el mercado diversos software de simulación de propósito específico relacionados con las operaciones de aviación, como AirTop (Transoft Solutions 2018) y CAST (Airport Research Center 2018). Estos software incluyen diferentes módulos para modelizar las operaciones en el espacio aéreo, en el lado aire y en la terminal. El uso de un DES aporta algunas ventajas como: visualización, compresión y expansión temporal, uso de variables estocásticas, ejecución de experimentos con varias réplicas. Podemos clasificar los programas informáticos de simulación en: de propósito específico y de propósito general. Los primeros, utilizan objetos predefinidos con características relacionadas con el campo de interés específico, mientras que los de propósito general incluyen algunos objetos predefinidos que pueden ser utilizados por los desarrolladores para crear cualquier tipo de modelo para cualquier tipo de campo de interés. Al utilizar software de simulación de propósito general, los usuarios y desarrolladores son más flexibles a la hora de desarrollar la lógica extendida y ad-hoc del sistema. En este trabajo, se ha desarrollado un modelo de simulación del espacio aéreo y de las operaciones aeroportuarias en tierra utilizando un software de simulación de propósito general, de forma que se pueda desarrollar un modelo a medida.

Los trabajos mencionados anteriormente se centran en operaciones aeroportuarias específicas, como el espacio aéreo y/o tierra, y no consideran las operaciones aeroportuarias en una visión holística. En Scala et al (2017a), se realizó un modelo que consideraba las operaciones aeroportuarias con el espacio aéreo y las operaciones en tierra conjuntamente. Una desventaja de este trabajo, fue que el modelo no se podía utilizar como un enfoque general, ya que se utilizaron diferentes niveles de abstracción para abordar un problema particular.

En este trabajo, para superar esta limitación, se propone un enfoque a nivel macroscópico de las operaciones aeroportuarias. Este enfoque permite construir un marco general en el que se pueden modelar las operaciones aeroportuarias, independientemente de su tamaño y disposición, utilizando simplemente elementos generales de la teoría de colas y redes. La ventaja de este enfoque general es que permite acoplar sin problemas algoritmos de optimización capaces de tener en cuenta la mayor parte de los elementos de todo el sistema mediante un enfoque holístico, lo que lo hace adecuado para estudiar sistemas complejos como los sistemas espacio-aire o multiaeropuertos. Este marco, se ha utilizado con éxito para implementar diferentes técnicas como la optimización (Ma et al. 2019) y también la integración de la simulación y la optimización (Scala et al. 2017b; Scala et al, 2018), pero nunca se ha formalizado. Para probar la validez del marco, se ha aplicado a un caso de estudio real mediante un modelo de simulación.

Las principales aportaciones de este trabajo son tres: en primer lugar, el desarrollo de un marco canónico para modelizar las operaciones aeroportuarias de forma general, permitiendo así modelizar diferentes elementos como el espacio aéreo y las operaciones en el lado aire de forma conjunta; en segundo lugar, formaliza un marco en el que se pueden implementar diferentes técnicas, como la optimización y/o la simulación; en tercer lugar, proporciona una guía para que los analistas puedan modelizar las operaciones aeroportuarias de forma sistemática.

El resto del documento es el siguiente: en la sección 2 se presenta el marco genérico para modelar las operaciones aeroportuarias, en la sección 3 se aplica el enfoque a un caso real y se presenta un modelo de simulación. En la sección 4 se extraen las conclusiones.

Operaciones aeroportuarias a nivel macroscópico

En esta sección se presenta un marco genérico para modelizar las operaciones aeroportuarias. Las operaciones aeroportuarias se modelan a nivel macroscópico, en este contexto, enfoque macroscópico se refiere al nivel de detalle de los diferentes componentes del modelo final. Los componentes del lado aire del aeropuerto considerados fueron: pistas, red de calles de rodaje y terminales; estos componentes se modelaron como recursos caracterizados por una capacidad máxima y un tiempo de ocupación. Las operaciones en el espacio aéreo, por su parte, fueron las relacionadas con las rutas de aproximación al aeropuerto, como la secuencia de aeronaves y la fusión con la ruta de aproximación final antes de aterrizar en la pista. Las operaciones del espacio aéreo se modelaron con más detalle, modelando el rendimiento del espacio aéreo vuelo a vuelo.

Este marco, permite considerar estas operaciones juntas o por separado, dependiendo del tipo de análisis que queramos realizar. Por ejemplo, un sistema multiaeropuerto puede modelizarse agregando los componentes del lado aire de cada aeropuerto del sistema e incluyendo el componente del espacio aéreo como componente común para los aeropuertos. Además, pueden acoplarse distintas técnicas, como la optimización, a uno o varios componentes, o a todo el sistema aeroportuario. La Figura 3, proporciona una representación de cómo se puede desarrollar un multiaeropuerto, y cómo se puede incluir el proceso de optimización en el marco propuesto en este trabajo. En Scala et al. (2017, 2018), este marco se aplicó con éxito utilizando un algoritmo de optimización para optimizar el rendimiento de todo el sistema y evaluar esta la solución mediante un modelo de simulación de eventos discretos, de esta manera, se podría crear un bucle de retroalimentación para mejorar el rendimiento del sistema.

En las secciones siguientes se describe con más detalle la modelización del espacio aéreo y de las operaciones en el lado aire.

La solución

Modelización del espacio aéreo

El espacio aéreo que rodea a los aeropuertos, comúnmente denominado área terminal de maniobras (TMA), es una porción del espacio aéreo en la que las aeronaves realizan sus rutas de aproximación y salida. Especialmente en el caso de aeropuertos con mucho tráfico, puede ser un área congestionada debido al tráfico que converge hacia las pistas y también debido al tráfico de salida. Cuando las aeronaves vuelan bajo las reglas de vuelo por instrumentos (IFR), su trayectoria de vuelo se ve facilitada por la aplicación de Rutas de Llegada Estándar (STAR) y Rutas de Salida por Instrumentos Estándar (SID). Las STAR y las SID son rutas estándar que agilizan el flujo seguro y eficiente del tráfico aéreo que opera hacia y desde la misma o diferentes pistas. Las STAR y las SID son rutas publicadas que pueden ser seguidas por la tripulación de vuelo a menos que los controladores aéreos den instrucciones diferentes.

Cada pista puede tener una o varias STAR/SID, cada una de las cuales garantiza que las aeronaves vuelen a un determinado nivel de altitud, bajo restricciones de velocidad y siguiendo algunos puntos significativos (waypoints). La última trayectoria de descenso antes del aterrizaje, bajo IFR, se denomina procedimiento de aproximación por instrumentos. Este procedimiento incluye una serie de maniobras predefinidas que conducen al aterrizaje en una pista predefinida. El procedimiento de aproximación por instrumentos puede dividirse en dos segmentos principales, denominados segmento de aproximación inicial y segmento de aproximación final. En algunos casos, otro segmento adicional puede formar parte del procedimiento de aproximación por instrumentos, el segmento de aproximación intermedia. La figura 4 muestra una representación esquemática de los mismos.

Las operaciones realizadas en el TMA, bajo IFR, están restringidas por limitaciones predefinidas que implican velocidad, y separación entre aeronaves consecutivas. Los límites de velocidad pueden consultarse en las rutas STAR y SID publicadas por el servicio de tránsito aéreo (ATS). En este contexto, las velocidades se refieren a la velocidad aérea calibrada (CAS), ya que puede diferir de la velocidad en tierra (GS). Normalmente, una aeronave que entra en el TMA desde una de las STAR, no puede volar a una velocidad superior a 250 kts. Otras limitaciones específicas de velocidad pueden encontrarse en otros waypoints significativos a lo largo de la STAR, y en los waypoints principales del procedimiento de aproximación instrumental como IAF, fijo intermedio (IF) y fijo de aproximación final (FAF). Durante el vuelo, las aeronaves reducen progresivamente la velocidad hasta alcanzar el waypoint FAF, donde se alcanza la velocidad final de descenso y se mantiene hasta tocar tierra en la pista. El mismo concepto se aplica a las SID, donde las aeronaves vuelan a una velocidad determinada basada en los límites de velocidad definidos en cada waypoint situado a lo largo de cada SID. En cuanto a los mínimos de separación, hay dos separaciones diferentes que deben respetarse por razones de seguridad: horizontal y vertical. Las separaciones horizontales se garantizan en términos de separación longitudinal y lateral. Los mínimos de separación longitudinal entre dos aeronaves consecutivas dependen del tipo de aeronave de la aeronave de cabeza y de cola; en este contexto, la Organización de Aviación Civil Internacional (OACI) (OACI 2016) ha definido los diferentes mínimos de separación. La separación lateral entre dos aeronaves consecutivas se garantiza tomando como referencia diferentes ubicaciones geográficas y/o tomando como referencia la misma ayuda a la navegación. La separación vertical se garantiza dejando al menos 300 m (1000 pies) de distancia vertical entre dos aeronaves.

Las rutas de aterrizaje en el espacio aéreo (STAR), se modelaron como una red de enlaces y nodos. Cada nodo representaba un waypoint de la ruta, y el enlace las conexiones entre waypoints. En cada nodo se implementaron lógicas como la comprobación de la velocidad y la comprobación de los mínimos de separación. En cada enlace se podían establecer propiedades como la longitud del enlace, la capacidad máxima del enlace y la velocidad máxima del enlace. Al establecer estas propiedades y la lógica en cada nodo y enlace de la red de espacio aéreo, es posible crear un marco general para modelar diferentes espacios aéreos. Al modelar cualquier otro espacio aéreo diferente, los nodos y enlaces mantendrán las mismas propiedades, mientras que la única diferencia será la disposición de la red.

Modelización del lado aire del aeropuerto

El orden cronológico de las operaciones realizadas en el lado aire es el siguiente: la aeronave aterriza en la pista, cruza la red de calles de rodaje y aparca en la terminal. Tras el tiempo de giro, la aeronave cruza de nuevo la red de calles de rodaje para llegar a la pista de salida. Los componentes del lado aire, como la pista, la red de calles de rodaje y las terminales, se modelan utilizando elementos relacionados con la teoría de colas, como el elemento servidor. Un elemento servidor puede procesar un número máximo de entidades simultáneamente y procesa cada entidad de acuerdo con un tiempo de procesamiento específico. La analogía con la teoría de colas encaja bien con la forma en que se modelaron las operaciones en el lado aire a nivel macroscópico, de hecho, las pistas, las calles de rodaje y las terminales pueden verse como servidores con una capacidad máxima y un tiempo de procesamiento específico, y las aeronaves pueden verse como las entidades a procesar. En este marco, los componentes de la red de pistas, calles de rodaje y terminales están conectados lógicamente siguiendo el orden cronológico de las operaciones. Esta forma de modelización ofrece al usuario una gran flexibilidad para modelizar diferentes disposiciones aeroportuarias, ya que tanto los valores de capacidad como los de tiempo de servicio pueden modificarse en función de las características específicas del aeropuerto. Las prestaciones de la zona de operaciones se evalúan en cada componente en función de su utilización. Las principales propiedades del componente pista son: la capacidad, que se fija en uno, ya que sólo un avión puede utilizar la pista a la vez; y el tiempo de ocupación de la pista. Las principales propiedades del componente de red de calles de rodaje son: capacidad máxima de la red de calles de rodaje, que es el número máximo de aviones que pueden cruzar simultáneamente la calle de rodaje; y tiempo de ocupación de la calle de rodaje. Las principales propiedades del componente terminal son: la capacidad máxima, que es el número de puertas de la terminal; y el tiempo de rotación, que es el tiempo que comienza cuando una aeronave aparca en una puerta de la terminal y termina cuando abandona la puerta de la terminal.

En la figura 5 se muestra una representación esquemática del enfoque macroscópico para un único aeropuerto. Como puede verse en el ejemplo de la Figura 5, la red de espacio aéreo está conectada con dos pistas de aterrizaje, que a su vez están conectadas con el componente de red de calles de rodaje. La red de calles de rodaje, conecta ambas terminales y pistas de salida.

Entradas y salidas del modelo

Las entradas del modelo vienen dadas por el programa de vuelos y por los parámetros iniciales del sistema. El programa de vuelo contiene toda la información que necesitan las entidades (aeronaves), como: tipo de vuelo, tamaño de la aeronave, número de terminal, punto de entrada en el espacio aéreo, hora de entrada en el espacio aéreo, velocidad de entrada en el espacio aéreo, pista de aterrizaje, hora de retroceso y pista de salida. Los parámetros iniciales del sistema, son parámetros estáticos que deben fijarse antes de ejecutar el modelo como: capacidad de la terminal; capacidad de la red de calles de rodaje; velocidad de aterrizaje; tiempo medio de rodaje; tiempo de ocupación de la pista.

La salida del modelo está relacionada con la evaluación del rendimiento del sistema en términos de congestión. Los resultados utilizados son: nivel de congestión en el espacio aéreo y nivel de congestión en la zona de operaciones. El primero se calcula como el número de conflictos entre aeronaves en el espacio aéreo, donde los conflictos se definen como cualquier violación de los mínimos de separación longitudinal entre aeronaves consecutivas. Los mínimos de separación longitudinal son valores estándar proporcionados por la OACI (OACI 2016).

Supuestos generales

Los supuestos del modelo están relacionados con:

• La aceleración de la aeronave en el espacio aéreo se considera constante, y se calcula en función de la velocidad de entrada en el espacio aéreo, la velocidad de aterrizaje y la longitud de la ruta de descenso.
• El tiempo de ocupación de la pista y la calle de rodaje se modelan como valores medios
• Las aeronaves pueden aparcar en cualquier puerta de la terminal asignada
• Las terminales se modelan como nodos virtuales y su capacidad viene dada por el número de puertas disponibles.
• La red de calles de rodaje se modela como un nodo virtual con una capacidad determinada.
• La velocidad de aterrizaje es un valor constante en función del tamaño de la aeronave (pesada, mediana, pequeña).
• Las aeronaves en el espacio aéreo se consideran suficientemente separadas verticalmente.
• No se tienen en cuenta las rutas de salida en el espacio aéreo
• No se tiene en cuenta el efecto del viento

Caso de: Aeropuerto Charles de Gaulle de París

En esta sección se presenta un modelo de simulación de eventos discretos que representa las operaciones aeroportuarias a nivel macroscópico. El modelo se basa en un caso de estudio real, a saber, el aeropuerto de París Charles de Gaulle (PCDG). El modelo de simulación se desarrolló utilizando un software de simulación de propósito general, SIMIO (SIMIO 2019), sin embargo, utilizando el marco propuesto cualquier software de simulación de propósito general o cualquier lenguaje de programación puede ser utilizado para desarrollar los modelos. En este trabajo nos referiremos a él como "Modelo de Simulación". En la descripción se mencionan algunos de los objetos más comunes que se pueden encontrar en cualquier software de simulación de propósito general. Además, el modelo de simulación se ha validado utilizando el enfoque de validación de datos históricos (Sargent 2007), ya que representa un aspecto crítico en el desarrollo de cualquier modelo de simulación.

Desarrollo del modelo

En la Figura 6 se presenta un esquema del modelo de simulación, incluyendo los principales objetos utilizados para la construcción del modelo.

El espacio aéreo del aeropuerto TMA se modeló como una red de objetos nodo y objetos ruta, que representan los waypoints y segmentos de las rutas de aterrizaje. En cada nodo se implementaron lógicas como la comprobación de velocidad y la comprobación de mínimos de separación. Los segmentos se modelaron mediante trayectorias, en las que podían establecerse propiedades como la longitud, la capacidad máxima y la velocidad máxima. La figura 7 muestra la animación del modelo de simulación para el espacio aéreo TMA en configuración oeste del aeropuerto PCDG.

En la siguiente lista, se describe cada objeto del modelo con sus principales características y funcionalidades.

• Rutas del modelo. Las trayectorias representan el segmento de las rutas de aterrizaje del espacio aéreo. Las principales propiedades de este objeto son: la longitud del segmento; el tipo de ruta, que puede ser unidireccional o bidireccional; y el límite de velocidad de la ruta, que determina la velocidad máxima que puede alcanzarse en la ruta.
• Nodos del modelo. Los nodos representan los puntos de paso de las rutas de aterrizaje en el espacio aéreo. En la sección de propiedades es posible llamar a algunas funciones denominadas "procesos" para implementar diferentes lógicas como mínimos de separación entre aeronaves y actualizaciones de velocidad

En cuanto a los componentes del lado aire del aeropuerto, las pistas, la red de calles de rodaje y las terminales se modelaron utilizando objetos servidor. Los objetos servidores se vincularon entre sí mediante conectores, una ruta específica de objetos de tiempo cero. En la Figura 8 se puede ver parte de la animación del modelo del lado aire del aeropuerto y cómo se conectaron estos objetos entre sí.

En la siguiente lista, se describe cada objeto del modelo con sus principales características y funcionalidades.

• Servidores del modelo. Los objetos servidores se utilizaron para modelar los componentes del lado aire, como pistas, red de calles de rodaje y terminales. Las principales propiedades de este objeto son: capacidad, que establece el número máximo de entidades que pueden ser procesadas por este objeto simultáneamente; y tiempo de procesamiento, que establece la cantidad de tiempo que cada entidad será procesada por este objeto.
• Fuente del modelo. El objeto fuente se utiliza para crear las entidades del modelo. La fuente genera entidades de acuerdo con un programa de vuelo. Las principales propiedades de este objeto son: el tipo de entidad, que define la entidad a crear; y el modo de llegada, que es la forma en que se crean las entidades, siguiendo un tiempo entre llegadas, un horario específico, etc.
• Modelo de sumidero. El objeto sumidero se sitúa al final del modelo y sirve para destruir las entidades. Normalmente en el objeto sink no hay muchas propiedades que establecer, sin embargo, en este objeto, es posible llamar "procesos" para modelar lógica específica

Implementar la lógica del modelo en SIMIO es posible con el uso de la característica de proceso. Un proceso es una secuencia lógica de pasos (véase la figura 9). Una vez creado un proceso, puede ser llamado por diferentes objetos dentro del modelo. Cada paso permite realizar una acción específica. Los principales pasos utilizados en el modelo son: Asignar, Decidir, Retrasar, Esperar, Disparar, Ejecutar y EstablecerNodo.

En la siguiente lista se describen:

• Assign: asigna un valor a una variable
• Decidir: en base a una condición o una probabilidad, la entidad puede salir verdadera o falsa, de esta forma se puede implementar la sentencia if-then-else
• Retrasar: retrasa la ocurrencia de un evento
• Esperar: permite que una entidad espere hasta que se desencadene ("dispare") un evento específico
• Disparar: dispara ("fires") un "Evento".
• Ejecutar: ejecuta un "Proceso" dentro de otro "Proceso".
• Establecer nodo: establece el nodo de destino a una entidad

Validación del modelo

Para validar el modelo de simulación, los autores optaron por aplicar el método de validación Validación de datos históricos (Sargent 2007). Este método se aplica cuando se dispone de datos históricos. El método consiste en utilizar parte de los datos para construir el modelo y utilizar parte de los datos para validarlo. En este trabajo, los datos utilizados para construir el modelo se refieren al número y capacidad de cada uno de los componentes del sistema, tales como: rutas de aproximación al espacio aéreo, sistema de pistas y calles de rodaje y terminales. El tiempo medio de ocupación de las pistas, así como el tiempo medio de ocupación de las calles de rodaje y las terminales se obtuvieron a partir de los datos históricos disponibles. En la Tabla 1, se enumeran los principales componentes del aeropuerto y, para cada uno de ellos, se ofrece información significativa sobre su capacidad.

El tiempo medio de ocupación de la pista, tanto para aterrizajes como para despegues, se ha estimado en 60 segundos. El tiempo medio de ocupación de las calles de rodaje se ha calculado a partir de datos históricos. El tiempo de ocupación de la pista de rodaje depende de la pareja específica de pista-terminal, estos valores se muestran en la Tabla 2.

Los datos históricos utilizados para la validación de los modelos es la pista de vuelo tomada del radar, para un día de operaciones. En estos datos se realiza un seguimiento de cada aeronave en el espacio aéreo y en el lado aire, por lo que se recogen el tiempo de entrada en el espacio aéreo, el tiempo de aterrizaje, el tiempo de entrada y salida a/de las terminales y el tiempo de despegue. La prueba estadística utilizada para la validación es la diferencia de medias estandarizada (DME), esta prueba forma parte del marco estadístico del tamaño del efecto. El tamaño del efecto se utiliza para cuantificar el grado de desviación entre dos muestras (Vacha y Thompson 2004). Esta prueba es preferible a la prueba t, debido al tamaño de las muestras. Ya que utilizar la prueba t para una muestra de datos grande, consideraría cualquier pequeña diferencia como significativa. Las variables utilizadas para realizar la validación son la ocupación a lo largo del tiempo de la pista, la calle de rodaje y las terminales. En el SMD calculamos el valor 𝛿 que representa la magnitud de la desviación entre la salida de los datos históricos y del modelo de simulación. El valor de 𝛿, viene dado por la ecuación 1,

donde, 𝜇& es el valor medio de las observaciones de los datos históricos para cada variable; 𝜇( es el valor medio de la salida del modelo de simulación para cada variable; 𝜎& es la desviación estándar de los datos históricos para cada variable; y 𝜎( es la desviación estándar del modelo de simulación para cada variable. Un valor de 𝛿 cercano a cero, significa que el modelo de simulación representa con precisión la salida real del sistema. En las tablas 3, se muestran las estadísticas sobre los datos históricos y el modelo de simulación, para cada variable. En la tabla 4, se muestra el valor de 𝛿 para el análisis SMD.

Observando los resultados de la Tabla 3, podemos notar que respecto a la ocupación de las pistas, en el modelo de simulación, las pistas parecen estar más cargadas ya que los valores medios son mayores, así como las desviaciones estándar. En cuanto a la ocupación de la red de calles de rodaje, el modelo de simulación muestra una menor carga en las calles de rodaje en comparación con los datos originales, como sugieren los valores medios y la desviación típica. En cuanto a las terminales, hay muy poca diferencia entre los datos originales y la media y la desviación típica del modelo de simulación.

Observando los valores de 𝛿 para cada variable analizada en la Tabla 4, podemos deducir que la magnitud de la desviación entre los dos conjuntos de datos, históricos y simulados, no es significativa. El valor más alto de 𝛿 se encuentra para la red de calles de rodaje, que es de 0,34, sin embargo, este valor es cercano a cero. Las variables referentes a las pistas, tienen valores que oscilan entre -0,22 y -0,32, también para estas variables los valores de 𝛿 son cercanos a cero, que es el escenario ideal. El menor valor de 𝛿 se encuentra para las terminales, con valores que oscilan entre -0,01 y -0,007, lo que revela que la salida de la simulación reproduce bien el rendimiento terminal del sistema real. En general, la prueba SMD ha puesto de manifiesto que el modo de simulación reproduce con precisión el sistema real.

Impacto empresarial

Conclusión

Este documento presenta un marco genérico para modelar las operaciones aeroportuarias. Este estudio sirve de guía para modelar y simular sistemas similares. Debido a las características estándar del modelo, puede adaptarse a cualquier sistema (multi)aeroportuario, independientemente de su tamaño y disposición. Además, los distintos componentes del marco, como el espacio aéreo y la zona de operaciones, pueden utilizarse para realizar análisis agregados o separados. El marco presentado también es adecuado para incorporar distintas técnicas, como la simulación y la optimización, como se demostró aplicándolo a un caso de estudio real mediante un modelo de simulación. El modelo de simulación se desarrolló utilizando un software de simulación de propósito general. En el documento, los autores proporcionaron una descripción de los objetos utilizados para modelar las operaciones, de modo que el modelo puede ser reproducido por cualquier otro software comercial de simulación de propósito general. El modelo de simulación, validado mediante un enfoque estadístico, demostró ser capaz de modelar con precisión las operaciones aeroportuarias, lo que refuerza la validez del marco.

Agradecimientos

Los autores desean agradecer a la AUAS-AMSIB y a la Academia de Aviación el apoyo prestado a este estudio, así como a la Sociedad Holandesa de Simulación del Benelux (www.DutchBSS.org) y a EUROSIM la difusión de los resultados de este trabajo.

Biografías de los autores

PAOLO SCALA es estudiante de doctorado en l'Ecole Nationale de l'Aviation Civile (ENAC) (Francia) patrocinado por la Aviation Academy y la Amsterdam School of Internatrional Business (AMSIB) de la Amsterdam University of Applied Sciences (AUAS) (Países Bajos). Sus intereses de investigación se centran en la modelización, la simulación y la optimización aplicadas al campo de la aviación. Su dirección de correo electrónico esp.m.scala@hva.nl.

MIGUEL MUJICA es Profesor Asociado en la Academia de Aviación de la Universidad de Ciencias Aplicadas de Ámsterdam (AUAS) (Países Bajos). Sus intereses de investigación se centran en las técnicas de simulación y R.O. en problemas industriales, logísticos y de aviación. Su dirección de correo electrónico esm.mujica.mota@hva.nl.

DANIEL DELAHAYE es profesor en la Escuela Nacional de Aviación Civil (ENAC) (Francia). Sus intereses de investigación se centran en la optimización estocástica para el diseño del espacio aéreo y la asignación de tráfico a gran escala. Su dirección de correo electrónico esdelahaye@recherhe.enac.fr.

JI MA es estudiante de doctorado en l'Ecole Nationale de l'Aviation Civile (ENAC) (Francia). Sus intereses de investigación se centran en la optimización del tráfico aeroportuario. Su dirección de correo electrónico esji.ma@recherche.enac.fr.

Referencias

Airport Research Center. https://airport-consultants.com/acceso en línea el 6 de junio de 2019.

EUROCONTROL 2017. EUROCONTROL, 2017a. Gestión estratégica, pretáctica, táctica y postoperatoria del flujo y la capacidad del tráfico aéreo. http://www.eurocontrol.int/service/strategic-pre-tactical-tactical-and-post-ops-air-traffic-flow-and-capacitymanagementconsultado: 30 de mayo de 2018.

EUROCONTROL, 2018. Monitor de la industria. Número 200. 14/02/2018.

OACI, 2016. Doc 4444 - Procedimientos para los servicios de navegación aérea (PANS) Gestión del tránsito aéreo, 16ª edición, 2016.

Khoury H.M., Kamat V.R., Ioannou P.G., 2007. "Evaluation of General-Purpose Construction Simulation and Visualization Tools for Modeling and Animating Airside Airport Operations". Simulation, Vol. 83, No. 9, pp. 663-679.

Klein. A., 2017. "Using Fast-Time Simulation to Assess Weather Forecast Accuracy Requirements for Air Traffic Flow Management". En Proceedings of the 2017 Winter Simulation Conference, editado por W.K.V. Chan, A. D'Ambrogio, G. Zacharewicz, N. Mustafee, G. Wainer, y E. Page, 2638-2649. Piscataway, Nueva Jersey: Instituto de Ingenieros Eléctricos y Electrónicos, Inc.

Kleinman, N., Hill, S. D., Llends. V. A., 1998. "Simulation Optimization of Air Traffic Delay Cost". En Proceedings of the 1998 Winter Simulation Conference, editado por D.J. Medeiros, E.F. Watson, J.S. Carson y M.S. Manivannan, 1177-1181. Piscataway, Nueva Jersey: Institute of Electrical and Electronics Engineers, Inc.

Ma J., Delahaye D., Sbihi M., Scala P., Mujica M., 2019. "Optimización integrada del área de maniobras de la terminal y el aeropuerto a nivel macroscópico". Transportation Research Part C, Vol. 98 (2019),pp. 338-357.

Martínez J.C., Trani A.A., Ioannou P.G., 2014. "Modeling Airside Airport Operations Using General-Purpose, Activity-Based, Discrete-Event Simulation Tools". Transportation Research Record: Journal of the Transportation Research Board. Vol. 1744, pp. 65-71.

Sargent R.G., 2007. "Verificación y validación de modelos de simulación". En Proceedings of 2007 Winter Simulation Conference, editado por S.G Henderson, B. Biller, M.H. Hsieh, J. Shortle, J.D. Tew, y R.R. Barton, 124-1137. Piscataway, Nueva Jersey: Instituto de Ingenieros Eléctricos y Electrónicos, Inc.

Scala P., Mujica M., de Bock N, 2017a. "Un enfoque de divide y vencerás para simular un sistema aeroportuario". Int. Journal of Simulation and Process Modelling, Vol. 12, No. 6, pp. 470-484.

Scala, P., Mujica, M., Delahaye, D., 2017b. "Una solución con los pies en la tierra: Applying a Robust Simulation Optimization Approach to Resolve Aviation Problems". En las actas de la 2017 Winter Simulation Conference, editado por W.K.V. Chan, A. D'Ambrogio, G. Zacharewicz, N. Mustafee, G. Wainer, y E. Page, 2626-2537. Piscataway, Nueva Jersey: Instituto de Ingenieros Eléctricos y Electrónicos, Inc.

Scala, P., Mujica, M., Wu, C.L., Delahaye, D. "Sim-Opt in the Loop: Algorithmic Framework for Solving Airport Capacity Problems". En las actas de la 2018 Winter Simulation Conference, editado por M. Rabe, A.A. Juan, N. Mustafee, A. Skoogh, S. Jain, y B. Johansson, 2261-2272. Piscataway, Nueva Jersey: Instituto de Ingenieros Eléctricos y Electrónicos, Inc.

Simio LLC. https://www.simio.com/index.phpconsultado en línea el 13 de abril de 2019. Transoft Solutions. http://airtopsoft.com/consultado en línea el 6 de junio de 2019. Vacha-Haase, T., Thompson, B., 2004. "Cómo estimar e interpretar varios tamaños del efecto". Journal of Counseling Psychology, vol. 51, n.º 4, pp. 473-481.

Zheng, Y., Sui, D., Lin, Y., Zhang, J., 2015. "Sistema de simulación de tráfico aéreo basado en múltiples agentes". En las Actas de la Conferencia de Tecnologías de Modelado y Simulación de la AIAA, 22-26 de junio de 2015, Dallas, TX, Estados Unidos.

Zúñiga C.A., Piera M.A., Ruiz S., Del Pozo I., 2013. A CD&CR Causal Model Based on Path Shortening/Path Stretching Techniques". Transportation Research Part C, Vol 33 (2013), pp. 238-256.