Analítica y productividad aplicada al ruteo de vehículos

Tendencias20-08-2016

Desde hace algunos años se comenzó a escuchar el término de Analítica tanto en el mundo empresarial como en el campo investigativo, tal como lo vimos en las dos primeras entregas sobre este tema.

Muchos autores definen la Analítica como parte de la inteligencia de negocios, algunos como la investigación de operaciones, y otros como una integración de todas las herramientas para la toma de decisiones entre métodos cuantitativos y sistemas de información.

El término surge en 2006, cuando Thomas H. Davenport publica un artículo en la revista Harvard Business Review, titulado em>“Competing on Analytics” traducido como “Competencia en Analítica”, que buscaba ayudar a las empresas de todo el mundo a revitalizar sus procesos y sus prácticas de negocio. Este artículo ha sido el más leído de la revista en los últimos 90 años, y a partir de esta fecha comienza el “Boom” de la Analítica, tanto así, que se han hecho películas inspiradas en ella, Moneyball por ejemplo, dirigida por Bennett Miller y protagonizada por Brad Pitt.

Otro ejemplo muy interesante es la campaña presidencial de Estados Unidos en 2008, para la que Barack Obama contrató un equipo multidisciplinario de estadísticos, modeladores predictivos, expertos en extracción de datos, matemáticos, programadores de software y analistas de investigación de operaciones, para obtener información de los posibles votantes y de cómo y con qué metodología acercarse a ellos para convencerlos de su propuesta, el éxito fue tan grande que para la campaña presidencial de 2012 este equipo creció 5 veces.

De acuerdo con la literatura se puede definir el término Analítica de la siguiente manera: Proceso científico que transforma los datos en conocimiento para la toma de mejores decisiones. Adicionalmente existen múltiples tipos, los tres más conocidos se explican en este diagrama:

Para entender mejor el concepto podemos hablar de un caso real en Colombia: el problema de ruteo de vehículos en Comercial Nutresa necesitaba de la Analítica para responder las siguientes preguntas:

¿Cómo asignar de forma adecuada los vehículos de acuerdo con las zonas y con los clientes? ¿Cuántos vehículos realmente se necesitan para abastecer la demanda? ¿Cómo deberían ser las rutas de esos vehículos?

Teniendo en cuenta todas las restricciones que existen para este problema, Renting Colombia, desde su área de Inteligencia de Negocios, procedió a hacer analítica descriptiva y prescriptiva.

Desde la Analítica Descriptiva se adquiere un gran volumen de datos proveniente de sistemas sensoriales, sistemas de información y bases de datos. Algunos de los datos son:

• Geo-localizaciones de los clientes y de los centros de distribución
• Demanda de cliente por día
• Horarios de atención
• Segmentación de clientes
• Tipos y capacidades de los vehículos
• Tiempos de descargue y
• Toda la información de costos asociados

Con la información obtenida, depurada y corregida se crea un modelo de datos que permita una visualización óptima de la información para un análisis de mayor profundidad. En la figura 1 se observa cómo están geo-localizados los clientes, identificados por un color de acuerdo con el segmento, y con una altura de la barra de acuerdo con la demanda (a mayor demanda, mayor altura).

Geolocalización de clientes

Figura1

Adicionalmente, es posible profundizar en el estudio mediante mapas de calor que identifican patrones y variables que permiten hacer una mayor gestión logística y comercial, en este caso de éxito se observan en el mapa de calor los tiempos de entrega, en donde a mayor intensidad rojiza hay mayor demora en la entrega (Figura 2).

Mapas de calor en tiempo de entrega

Figura2

Con esta información se identifican rápidamente qué clientes representan un mayor tiempo y cómo gestionarlos para disminuirlo.

Ahora, el proyecto es ambicioso y llega más allá. Aún era necesario responder las preguntas planteadas previamente, es allí donde la Analítica Prescriptiva tiene un papel muy importante, dado que esta es la etapa donde se desarrolló el modelo de optimización de la flota, que tenía en cuenta restricciones de cara al cliente como: horarios de visita, capacidades y tipos de vehículos, demanda, segmentos y restricciones adicionales asociadas a la ciudad de Bogotá, como velocidades, tiempos de descargue, etc.

Ahora, el proyecto es ambicioso y llega más allá. Aún era necesario responder las preguntas planteadas previamente, es allí donde la Analítica Prescriptiva tiene un papel muy importante, dado que esta es la etapa donde se desarrolló el modelo de optimización de la flota, que tenía en cuenta restricciones de cara al cliente como: horarios de visita, capacidades y tipos de vehículos, demanda, segmentos y restricciones adicionales asociadas a la ciudad de Bogotá, como velocidades, tiempos de descargue, etc.

La implementación de este modelo de optimización permitió obtener ahorros en costos fijos como la reducción de la flota y una disminución en los gastos laborales, así como un aumento del nivel de servicio. En resumen, esto se logró debido a:

• Redimensionamiento de la flota
• Diseño de rutas óptimas
• Selección del vehículo ideal

En la figura 3 se pueden observar las rutas óptimas desde un centro de distribución (círculo violeta), hasta cada uno de los clientes identificados por un color, que es el mismo de la ruta, en este ejemplo se utilizaron 14 rutas para satisfacer todos los clientes de un segmento en un día particular.

Figura3

Con este tipo de proyectos de Analítica y Productividad, Renting Colombia ha encontrado soluciones integrales a problemas en las redes logísticas de sus clientes, como el que se presenta en este artículo, contribuyendo con el diseño y con las mejoras de los procesos de optimización del transporte en la distribución urbana, generando así mayor rentabilidad y productividad.

¿Te pareció útil este contenido?