Simulación flota AMR: cuántos robots necesitas, con tráfico, carga y picos

- Una simulación de flota AMR por eventos discretos responde cuántos robots y cuántos cargadores necesitas para el pico, dónde se forman colas y qué pasa si cambias el layout, antes de comprar.
- El ahorro puede ser grande: en un caso publicado en la Winter Simulation Conference 2025, tras probar 35 escenarios, la flota óptima fue de 95 vehículos frente a los 132 propuestos al principio.
- Un modelo bien validado se parece mucho a la realidad: un gemelo de una operación con entre 150 y 400 AMR se comportó con un 98,85 % de la precisión del sistema real según un trabajo de la Winter Simulation Conference 2023.
- La carga de baterías no es un detalle: en un estudio con 40 AMR y 3 cargadores, cambiar la regla de carga redujo un 33 % el tiempo de servicio y un 47 % la cola máxima (arXiv, 2025).
- La hoja de cálculo sirve para una primera cifra. Para el pico, el tráfico y la carga, hace falta simular.
Una simulación de flota AMR es un modelo por ordenador del almacén o la fábrica en el que robots virtuales ejecutan las mismas misiones que harán los reales, con sus velocidades, sus esperas, sus cruces y sus cargas de batería. Sirve para decidir cuántos robots comprar, cuántos cargadores instalar y qué cambiar del layout antes de firmar.
Pedir un número de robots a ojo es la forma más rápida de equivocarse. Con pocos robots no se llega al rendimiento del pico. Con demasiados, los robots se estorban en pasillos estrechos y cruces, y cada robot añadido aporta menos. Ese punto no se ve en una hoja de cálculo, porque depende de cuándo coinciden los robots en el mismo sitio.
El mercado está creciendo deprisa. Según la Federación Internacional de Robótica (IFR), en 2024 se vendieron 102.900 robots profesionales de transporte y logística, un 14 % más que el año anterior, la mayoría robots móviles. Más proyectos significa más ofertas que comparar, y la simulación es la forma de compararlas con el mismo escenario.
El método habitual es la simulación de eventos discretos: el modelo salta de un evento a otro (llega un pedido, un robot recibe una misión, espera en un cruce, se va a cargar) y simula semanas de operación en minutos. Su ventaja es que captura la variabilidad. Las colas nacen de que dos robots coincidan en el mismo sitio, no de la media.
En este artículo explicamos qué datos de entrada necesita, cómo se modelan el tráfico y la carga, cómo se valida, cómo se prueban los picos y qué pedir al proveedor. Hay un ejemplo de cálculo con supuestos y la fórmula a la vista. Si buscas qué es un AMR y cómo navega, empieza por Qué es un robot AMR, cómo navega y en qué se diferencia de un AGV.
Datos de entrada: lo que hay que reunir antes de simular
Una simulación es tan buena como sus datos. Estos son los que necesitamos como mínimo:
- Plano a escala con pasillos, anchos libres, puertas, rampas, zonas de paso de personas y carretillas.
- Puntos de recogida y entrega, con su capacidad: cuántos robots caben esperando en cada uno.
- Misiones por hora en un día normal y en el pico, mejor por franjas de 15 o 30 minutos que en total diario.
- Matriz de origen y destino: de dónde a dónde va cada misión y con qué frecuencia.
- Tiempos de carga y descarga en cada punto, con su dispersión, no solo la media.
- Velocidades permitidas por zona, aceleraciones y radios de giro del robot.
- Datos de batería: autonomía real con carga, tiempo de carga y regla de carga prevista.
El histórico del WMS o del ERP da la demanda; los tiempos se miden en planta. Lo que falta se declara como supuesto. Cómo preparar el suelo, la red y el mapa para los robots está en Preparar el almacén para AMR: suelo, red, pasillos, mapa y personas.
Tráfico y congestión: dónde se pierde el rendimiento
El tráfico es la razón principal para simular. Un robot que espera en un cruce no está averiado ni cargando, pero tampoco produce. Esas esperas crecen con el número de robots y no lo hacen de forma lineal.
Una tesis de la Universidad Tecnológica de Chalmers sobre sistemas de vehículos guiados lo resume bien: aumentar la flota tiene rendimientos decrecientes hasta que el sistema llega a su capacidad máxima. A partir de ahí, añadir vehículos solo aumenta la congestión y baja el rendimiento. El mismo trabajo observó que el efecto es más fuerte en el layout pequeño que en el grande.
Lo que la simulación modela en esta capa:
- Cruces y tramos de un solo sentido, con reglas de prioridad y reserva de tramos.
- Pasillos donde dos robots no pueden cruzarse.
- Colas en puntos de entrega, ascensores, puertas rápidas y estaciones de carga.
El resultado útil no es solo un número de robots. Es un mapa de calor de esperas que muestra qué cruce o qué punto de entrega estrangula el sistema. Muchas veces un cambio de layout o un punto de espera adicional vale más que dos robots extra.
Carga de baterías: el robot que no está en la flota
Cada robot pasa una parte del turno cargando o yendo a cargar. Esa fracción depende de la autonomía, del tiempo de carga, del número de cargadores y, sobre todo, de la regla de carga: cargar al llegar a un umbral bajo, cargar en los huecos de la operación o interrumpir la carga cuando hay trabajo pendiente.
La regla pesa más de lo que parece. En un estudio publicado en arXiv en 2025 con una simulación de eventos discretos, 40 AMR y 3 estaciones de carga, permitir interrumpir la carga cuando entra trabajo redujo un 33 % el tiempo de servicio y un 47 % la cola máxima frente a la misma estrategia sin interrupción. Son supuestos de su modelo, no de tu operación, pero indican el orden de magnitud.
Por eso la simulación tiene que incluir:
- Consumo por tramo, distinto con carga y en vacío.
- Número y posición de los cargadores, con su cola.
- Regla de carga del gestor de flota, idéntica a la que se va a usar.
- Comportamiento en el pico: si todos los robots llegan al umbral a la vez, la cola en el cargador se come la capacidad justo cuando más falta.
La tecnología de batería y las estrategias de carga se explican en Carga de baterías AMR: LFP, NMC o plomo, carga de oportunidad y cuántos cargadores necesitas.
Factor de utilización: el margen que no hay que gastar
La utilización es la fracción del tiempo disponible en que el robot está haciendo trabajo útil: ir a recoger, transportar, cargar y descargar el material. El resto es espera, carga de batería o tiempo ocioso.
Dimensionar al 100 % es un error: cualquier variación de la demanda crea colas que no se recuperan. Se fija una utilización objetivo con margen y se comprueba en la simulación que las colas son estables.
La variabilidad también se come capacidad. En un estudio de la Universidad Tecnológica de Eindhoven presentado en la Winter Simulation Conference 2024, el escenario determinista daba 15,83 unidades por hora con una utilización de 0,98 en los vehículos guiados. En el estocástico, con otra flota, el rendimiento quedó entre 11,40 y 11,51 y la utilización bajó a 0,86. No son comparables uno a uno, pero ilustran que con variabilidad el sistema rinde menos de lo que promete la media.
Los datos publicados muestran utilizaciones medias lejos del máximo en flotas bien dimensionadas. En el caso de la Winter Simulation Conference 2025, el escenario optimizado tuvo una utilización media del 65-66 %. En el estudio de Eindhoven, los robots móviles del escenario estocástico rondaron 0,62.
Aquí aparece la comparación entre métodos:
| Criterio | Hoja de cálculo | Simulación de eventos discretos | Gemelo digital |
|---|---|---|---|
| Pregunta que responde | Orden de magnitud de la flota | Flota, cargadores y layout para el pico | Cambios sobre la operación real en marcha |
| Variabilidad de la demanda | No | Sí | Sí, con datos reales |
| Tráfico y congestión | Factor fijo supuesto | Modelado tramo a tramo | Modelado y medido |
| Carga de baterías | Porcentaje fijo | Regla de carga y colas en cargador | Estado real de cada batería |
| Esfuerzo | Horas | Días o semanas | Proyecto continuo |
| Cuándo usarlo | Primera conversación | Antes de comprar | Después de arrancar |
El paso de la simulación al modelo conectado a datos reales se explica en Gemelo digital del almacén: qué es, para qué sirve y cómo se construye.
Ejemplo con supuestos: primera estimación de la flota para el pico
Ejemplo con supuestos. Todos los valores son hipotéticos y sirven solo para ilustrar el cálculo. No son datos de ningún cliente ni de ningún equipo.
Supuestos:
- Pico de demanda: 120 misiones por hora.
- Recorrido medio por misión, ida con carga y vuelta en vacío: 160 m.
- Velocidad media efectiva: 1,0 m/s, incluidas aceleraciones y giros.
- Carga y descarga: 20 s cada una, 40 s por misión.
- Factor de congestión: +15 % sobre el tiempo de ciclo.
- Disponibilidad por carga de batería: 0,88 (el robot pasa el 12 % del tiempo cargando o yendo a cargar).
- Utilización objetivo en el pico: 0,80.
Fórmula: robots = misiones por hora ÷ (misiones por robot y hora × disponibilidad × utilización objetivo).
Paso 1. Tiempo de ciclo = (160 ÷ 1,0 + 40) × 1,15 = 200 × 1,15 = 230 s.
Paso 2. Misiones por robot y hora = 3.600 ÷ 230 = 15,65.
Paso 3. Capacidad útil por robot = 15,65 × 0,88 × 0,80 = 11,02 misiones por hora.
Paso 4. Robots = 120 ÷ 11,02 = 10,89, que se redondea a 11 robots.
Paso 5. Para un día normal de 70 misiones por hora: 70 ÷ 11,02 = 6,35, es decir, 7 robots. Los otros 4 solo trabajan en el pico.
Este es el punto de partida, no la respuesta. Dos de los supuestos, el +15 % de congestión y el 0,88 de disponibilidad, no son constantes: los dos empeoran al añadir robots, porque hay más coincidencias en cruces y más cola en los cargadores. La simulación sustituye esos factores fijos por el comportamiento real del layout. Puede salir que 11 robots bastan, que hacen falta 12 o que con un cargador más y un cruce rediseñado llegan 10.
Los 4 robots que solo se necesitan en el pico abren otra pregunta: comprarlos o alquilarlos para esas semanas. Si quieres hacer este cálculo con tus datos, pide tu estudio gratuito y lo revisamos contigo.
¿Cuántos robots necesita de verdad tu operación en el pico?
Con tu plano, tu demanda por franjas y tus tiempos reales simulamos la flota, los cargadores y el tráfico para que no compres robots de más ni te quedes corto.
Pide un estudio de robots móvilesValidación: cómo saber si el modelo se parece a la realidad
Un modelo sin validar es una opinión con gráficos. La validación compara lo que dice el modelo con lo que pasa en la operación y ajusta hasta que las diferencias son pequeñas y explicables.
Cómo se hace en la práctica:
- Verificación: el modelo hace lo que se quería programar, con velocidades y reglas de prioridad correctas.
- Validación de entradas: los tiempos de carga y descarga y la demanda simulada tienen que reproducir las distribuciones medidas, no solo las medias.
- Validación de salidas: con la operación actual, sea manual o con una flota piloto, el modelo debe dar rendimientos, recorridos y tiempos de espera cercanos a los medidos.
- Réplicas: cada escenario se corre varias veces con distintas semillas aleatorias y se dan resultados con intervalo de confianza, como el 11,40 a 11,51 del estudio de Eindhoven.
Cuando hay datos reales, la precisión puede ser muy alta. En el trabajo de la Winter Simulation Conference 2023, con una operación de entre 150 y 400 AMR según la demanda diaria, el modelo final reprodujo el sistema real con un 98,85 % de precisión usando varios días y conjuntos de datos, y la optimización posterior mejoró la eficiencia un 4,6 % de media.
Escenarios de pico y preguntas que conviene probar
Una simulación útil no corre un solo escenario. Corre una batería de ellos y compara. En el caso de la Winter Simulation Conference 2025 se probaron 35 combinaciones de número de vehículos, estaciones de carga y momento de lanzamiento de pedidos, y el escenario óptimo necesitó 95 vehículos frente a los 132 propuestos al principio.
Escenarios que recomendamos probar siempre:
- Día normal y pico real del año, por franjas de 15 o 30 minutos.
- Pico con un 20 o 30 % más de demanda, para saber cuánto crecimiento aguanta la flota.
- Un robot o un cargador fuera de servicio durante el pico.
- Cambio de turno con todos los robots en carga al mismo tiempo.
- Variantes de layout: un cruce más ancho, un tramo de doble sentido o un punto de espera adicional.
- Reglas de carga distintas con la misma flota.
Si la flota va a mezclar robots de varios tipos, la simulación debe incluir la coordinación entre ellos. Un gestor común con un protocolo estándar cambia el tráfico en los cruces, y se explica en VDA 5050: un solo gestor de flota para robots de marcas distintas.
El crecimiento del alquiler también cambia el análisis de picos. Según la IFR, la flota de robots como servicio en transporte y logística creció un 42 % en 2024. La simulación dice cuántos robots se necesitan de base y cuántos solo en temporada alta.
Checklist: qué medir y qué pedir al proveedor
Antes de aceptar un número de robots, conviene tener respuesta escrita a estas preguntas:
- ¿Con qué demanda se ha dimensionado: media diaria, hora punta o franjas de 15 minutos del pico real?
- ¿Qué tiempos de carga y descarga se han usado y de dónde salen?
- ¿Se ha modelado el tráfico tramo a tramo o con un factor fijo de congestión?
- ¿Qué regla de carga y cuántos cargadores supone el modelo, y es la misma que usará el gestor de flota real?
- ¿Qué utilización media y máxima tienen los robots en el pico?
- ¿Cuántas réplicas se han corrido y con qué intervalo de confianza?
- ¿Qué pasa con un robot o un cargador menos?
- ¿Cuánto crecimiento de demanda aguanta la flota propuesta sin rediseñar el layout?
- ¿Se validará el modelo con datos de la puesta en marcha y se ajustará la flota si hace falta?
Una oferta que solo da un número de robots, sin supuestos, no se puede comparar con otra.
Cómo lo resolvemos en Shuttlia
En Shuttlia la simulación es una herramienta de decisión, no un vídeo para la presentación:
- Datos de la operación: demanda por franjas, matriz de origen y destino, tiempos medidos en planta y turnos reales.
- Layout y simulación: modelamos la red de rutas, el tráfico, la carga de baterías y los escenarios de pico, y validamos con lo que se mide en la nave.
- Propuesta cerrada con rango de inversión, con el número de robots, cargadores y cambios de layout que salen del modelo y los supuestos a la vista.
- Integración con tu ERP o WMS y con el gestor de flota, y servicio posventa con seguimiento de los indicadores que se usaron para dimensionar.
Si quieres saber cuántos robots necesita de verdad tu operación, pide tu estudio gratuito y lo simulamos con tus datos.
Conclusión
Una flota de AMR se dimensiona para el pico, no para la media, y con el tráfico, la carga de baterías y la variabilidad dentro del cálculo. La hoja de cálculo da el orden de magnitud. La simulación de eventos discretos, validada con datos de planta, da el número de robots y cargadores y señala qué cambiar del layout.
Los errores más frecuentes son dimensionar con la media diaria, suponer una congestión fija, olvidar la cola en los cargadores y aceptar resultados de una sola réplica. Evitarlos ahorra robots que no hacían falta y evita quedarse corto el día que más importa.
¿Lo aplicamos a tu almacén?
Cuéntanos tus palés, referencias y picos. Te devolvemos sin coste el cuello de botella, la solución que encaja y un rango de inversión.
Pide tu estudio gratuitoPreguntas frecuentes
¿Cuánto tarda una simulación de flota AMR?
Con los datos de entrada completos, un estudio de dimensionado suele llevar de días a pocas semanas, según el tamaño del layout y el número de escenarios. Lo que más retrasa es reunir y depurar los datos de demanda y los tiempos de carga y descarga. Un modelo sencillo se puede tener antes y afinarlo después.
¿Es fiable una simulación de robots móviles?
Tanto como sus datos de entrada y su validación. Si se calibra con mediciones reales y se corren varias réplicas, la precisión puede ser muy alta. Un modelo sin validar sirve para comparar alternativas, no para prometer un rendimiento.
¿Por qué no basta con una hoja de cálculo?
Porque la hoja usa medias y factores fijos. La congestión en cruces y la cola en los cargadores dependen de cuándo coinciden los robots, y eso solo lo captura un modelo con variabilidad. La hoja sirve para el orden de magnitud y para comprobar que la simulación no dice disparates.
¿Qué diferencia hay entre simulación y gemelo digital?
La simulación se usa antes de comprar, con datos históricos y supuestos. El gemelo digital es el mismo tipo de modelo conectado a los datos reales de la operación en marcha, para probar cambios sin pararla. Lo normal es que el segundo nazca del primero.
¿Qué utilización de robots es razonable en el pico?
Depende de la variabilidad de la demanda y del layout, pero dimensionar cerca del 100 % genera colas que no se recuperan. Lo sensato es fijar un objetivo con margen y comprobar en la simulación que las colas se mantienen estables en el pico y con un robot menos.
¿La simulación sirve para comparar ofertas de distintos proveedores?
Sí, y es uno de sus mejores usos. Si todas las ofertas se evalúan con el mismo escenario de demanda, el mismo layout y las mismas reglas, las diferencias de flota y de rendimiento se pueden explicar. Sin escenario común, cada proveedor dimensiona con sus propios supuestos.
Fuentes
- IFR - World Robotics 2025: Service Robots See Global Growth Boom (2025)
- Tarkan, Yanaşık y Glaser - AGV Optimization Simulation in Electronics Manufacturing, Winter Simulation Conference (2025)
- Sellen - Analysis of Autonomous Mobile Robots in Warehousing Using a Digital Twin Simulation, Winter Simulation Conference (2023)
- Erdogan, Dang, Mohammadi y Adan (TU Eindhoven) - Manufacturing Intralogistics Concepts for a Battery Assembly Line, Winter Simulation Conference (2024)
- Bischoff, Rinciog y Meyer - Reinforcement Learning for AMR Charging Decisions: The Impact of Reward and Action Space Design, arXiv (2025)
- Svensson y Vahid Roudsari - Non-functional requirements and their impact on AGV based systems, Chalmers University of Technology (2023)


